东北平原地区智慧农业发展水平测度及耦合协调分析

张劲松，姚璐，金亚男

（1.中南民族大学管理学院，武汉 430074；2.民族地区数字化发展与治理研究中心）

2020 年农业农村部、财政部联合印发《东北黑土地保护性耕作行动计划（2020-2025 年）》，强调黑土地保护性耕作和可持续性发展的重要性。作为全球仅有的三大黑土区之一，中国重要商品粮基地，东北平原地区目前面临黑土流失、土地荒漠化、盐碱化等问题。如何改变这一状况，发展智慧农业，推动新一代信息技术与农业生产经营深度结合是重要途径。智慧农业以其绿色生态、生产高效等特点，成为拓展农业农村大数据应用情境，推进数字乡村建设发展的有力手段，有助于提高农业生产效率，拉动农业可持续发展，进而助力农业农村现代化建设。农业绿色可持续发展是智慧农业发展的内在要求，也是东北平原地区加快农业高质量转型的重要路径。并且东北平原地区拥有黑土这一重要的土壤资源，地形平坦开阔，适宜农业规模化、机械化、智能化发展，在推进农业高质量发展、建设农业强国方面具有重要的战略意义。因此，研究该区域智慧农业发展状况，明确智慧农业发展过程中的障碍，对加快当地农业转型升级，推动地区农业现代化建设方面具有一定的现实意义。

1 研究综述

智慧农业是信息技术与农业生产、经营、管理和服务全产业链的“生态融合”[1]，也是农业智能革命的外在形态[2]，旨在贯彻绿色发展理念[3]，利用智能技术改善农业生产环境，创建绿色高效的农业生产体系，达到农业可持续发展、推进两型社会建设[4]的目的。

近年来，国内外学者对智慧农业的研究侧重点有所不同。国外学者侧重研究解决智慧农业发展过程中存在的技术、成本和信息等问题，如研究纳米结构生物传感器在智慧农业中的技术适用性[5]，提出多种算法来应对无线传感器网络（WSN）寿命缩短问题[6-7]，开发使用商用廉价WSN 设备的智慧农业系统和可控制无人机（UAV）的智能蓝牙无线技术来降低智慧农业推广成本[8-9]，并以物联网为智慧农业运营核心，联合UAV、WSN、和5G 技术，实时为农业生产提供数据信息，优化农业生产决策的效能[10]。国内学者多立足国情探讨智慧农业发展的现实意义、可行性与实现路径。发展智慧农业利于解决现阶段中国农业质量效益不高、竞争力不强等问题[11]，但智慧农业成本高、专业人才匮乏、信息基础设施差、关键技术存在短板[12]等问题制约其发展。因此，采用灰色关联分析法、层次分析法等方法筛选构建智慧农业发展水平指标体系，结合熵权TOPSIS 模型衡量某省份智慧农业发展状态[13-14]，或者使用超效率SBM 模型测算以省份为研究区域的智慧农业生产效率，分析其空间演化趋势和影响因素[15]，来度量该省份智慧农业发展水平，并对比研究中国与其他发达国家智慧农业发展差异[16-18]，总结提炼共性经验，找到制约因素，提出政府与市场双向联动的智慧农业驱动机制[19]，坚持创新驱动、政府引领、市场导向、智能技术与农业产业转型融合发展的路径来发挥我国智慧农业布局的后发优势。

基于现有研究发现，国内学者在智慧农业领域的研究多为定性研究，有关定量研究较少，且少有从过程响应维度研究区域智慧农业发展差异的研究。因此，基于压力—状态—响应模型建立智慧农业指标，收集2015-2019 年东北平原地区各省份的面板数据，采用熵权—模糊综合评价法，客观评价该区域各省份智慧农业发展水平差异，并且采用耦合协调法研究区域智慧农业发展协调程度，进而明确智慧农业发展过程中存在的问题，提出切实可行的建议。

2 研究设计

2.1 数据来源与指标体系构建

研究数据来自于2016-2020 年四省统计年鉴、《中国统计年鉴2016-2020》《中国农村统计年鉴2016-2020》以及《中国互联网络发展状况统计报告》，具体指标见表1。

表1 东北平原智慧农业发展水平测度指标权重Table 1 Measurement index system of intelligent agriculture development level in northeast plain

表2 2015-2019 东北平原四省区智慧农业发展水平综合得分（F）Table 2 Comprehensive score of intelligent agriculture development level in northeast plain from 2015 to 2019（F）

表3 东北平原地区智慧农业子系统耦合度类型划分Table 3 Classification of coupling degree type of intelligent agriculture subsystems in northeast plain

表4 东北平原地区智慧农业子系统耦合协调度类型划分Table 4 Type division of coupling and coordination degree of intelligent agriculture subsystem in northeast plain

PSR 模型最早由世界经济合作发展组织（OECD）和联合国环境规划属（UNEP）提出，常用于土地等资源生态安全评估及预测[20-21]，近些年跨学科交互研究普遍，也用在粮食安全风险评估[22]、经济产业高质量发展机制研究[23]等方面，应用广泛。因此结合研究特点，运用该模型测度智慧农业水平具有可行性。基于PSR 模型，遵循科学性和可行性等原则，从压力—状态—响应维度选取了10 个一级指标，28个二级指标。其中，智慧农业发展面临的“压力”是指农业发展迫切达到规模化、机械化、绿色化以及与互联网电子商务紧密发展等目标面临的压力；智慧农业发展的“状态”是指目前智慧农业发展呈现的状况，包括农村生活水平、互联网通信基础设施和农业生产能力；智慧农业发展的“响应”是指为促进农业智慧化所做出的努力，包括增加农业金融服务支持、大力重视农业人才[24]培养工作和提升农业创新能力。

2.2 研究方法

2.2.1 熵权法确定指标权重

熵权法的计算具体步骤如下：

（1）对数据进行标准化处理。处理公式如下：

正项指标标准化处理公式：

负向指标标准化处理公式：

其中标准值记为yij，xij是第i 个省份第j 项指标的原始数据值，i=1，2，…m（m=4）；j=1，2，…n（n=28）。

（2）计算指标权重

计算第i 个省区第j 项指标在该指标中的占比为

计算第j 项指标熵权

计算第j 项指标权重

2.2.2 模糊综合评价法确定各省智慧农业发展水平得分

模糊综合评价法的具体计算步骤如下：

（1）根据指标性质建立理想方案

如果指标j 属于效益型指标，则该指标的理想方案是对应指标所有数据中的最大值；如果指标j 属于成本型指标，则指标的理想方案是对应指标所有数据中的最小值[25]。

（2）建立相对偏差模糊矩阵R

设U={U1，U2，…，Um}是需要进行评价的m 个方案集合，V={V1，V2，…，Vn}是评价因素集合，用V 集合因素对U 中每个方案分别进行衡量，得到观测值矩阵Y：

从而得到相对偏差模糊矩阵R

（3）结合熵权法计算出的指标权重建立综合评价模型

上式中Fi为第i 个省份智慧农业发展水平综合得分，wj为指标权重，rij为相对偏差模糊矩阵值。Fs＜Ft，表明s 省的智慧农业发展水平高于t 省智慧农业发展水平[26]。

2.2.3 内部耦合协调分析

（1）计算耦合度值

耦合度反应各个子系统之间的影响关系，设耦合度值为C，耦合协调度模型如下：

式中，P、S、R 分别代表压力、状态、响应三个子系统，其值为各个系统内指标权重Wj与yij的乘积和，取值范围在［0，1］。C 值越接近1，表示各个子系统之间耦合度越大，发展的紧密程度越强；C 值越接近0，表示各个子系统之间耦合度越小，各子系统处于无关且无须发展的状态[27]。

（2）计算耦合协调度

耦合协调度模型为：

式中：D 为耦合协调度，T 为压力、状态、响应子系统的综合调和指数，a、b、c 分别为子系统的权重系数。

3 东北平原智慧农业发展水平

3.1 东北平原智慧农业发展水平分析

3.1.1 指标权重分析

根据指标体系和模型计算出各指标权重结果如下：

从二级指标层面上来看，权重大于0.05 的指标有国有农场耕地面积、有效灌溉面积、第一产业增加值占比及农林牧渔业就业人员数，表明增加国有农场耕地面积、扩大农业有效灌溉面积、提高农业增加值在地区生产总值中的占比以及增加农业就业人数更有利于智慧农业的推广和发展。

从一级指标层面上来看，农业人才培养基础权重最高，可见提升农业从业人员素质，培养更多的农业专业技术人才对于促进智慧农业发展而言至关重要。其次发展绿色农业、机械化农业、提升农业生产能力与科技创新水平同样对智慧农业发展极其有利。最后农业金融服务与电子商务发展在衡量智慧农业发展水平中权重不高，需要加强农业在这两个方面的协同发展，共创农业发展新业态。

3.1.2 智慧农业发展水平得分分析

从总体来看，地区智慧农业发展水平综合得分均值大于0.55，整体波动范围在[0，0.0509]区间，但2018-2019 年地区均值下降，表明该地区整体智慧农业发展水平较低，发展趋势总体平稳，略有上升势头。结合指标体系权重和原始数据分析发现，农业机械化、农业生产能力、农业人才培养基础权重较高，但是地区在这些方面的表现并不好。在农业机械化方面因农用机械设备成本较高导致单位播种面积农业机械总动力不高；在农业生产能力方面因地区农业生产自然资源禀赋导致农产品大多一年一熟，农产品品质较好，但粮食总产量不高，且由于农业产业链较短，农产品附加值较低，致使农业总产值和第一产业增加值占地区生产总值比重均不高，农业对于GDP 贡献能力较弱；在农业人才培养基础方面，东北平原地区人口较少，且人才流失较为严重，虽然每十万人口平均在校大学生人数逐年上升，但农业就业意愿不强，就业人数不多。

从区域来看，北部地区综合得分近五年均小于0.4，与其他地区相比，数值离0 值最近，智慧农业发展水平最高；其次是南部地区，综合得分数值处于[0.5，0.6]区间范围，高于北部地区；最后中部地区综合得分数值处于[0.75，0.85]区间范围，地区间最高，发展水平最低。究其缘由，国家重视东北地区黑土地保护性耕作，多次部署行动计划，注重提高农业生态和经济效益，北部地区的黑龙江省因其自身土地资源禀赋和东北平原地区黑土主要集中区的优势，得到相对较多的政策关注，因此在农业绿色化、规模化、机械化和农业生产能力这四个影响权重较大的方面表现优于其他省份，而中部地区的吉林省因土地资源禀赋和政策关注劣于黑龙江省，且地区经济发展环境劣于南部辽宁省，所以在这些方面的综合表现劣于其他省区。

3.2 东北平原智慧农业系统内部耦合协调分析

关于耦合度的划分，不同学者根据研究问题的差异有不同的划分方式，在参照已有研究[28]的基础上，结合研究的实际状况，制定如下标准。

由表5 可知，2015 年东北平原四省区智慧农业发展内部压力—状态—响应子系统之间均已进入协调耦合阶段。就2015-2019 年间地区耦合度均值而言，呈现逐年上涨趋势，其中2015-2017 年平均增长速度维持在1.7%左右，2018-2019 年平均增长速度维持在0.14%左右，上涨速度逐年放缓。表明随着东北地区对发展智慧农业重视程度的加强，认识到农业面临规模化、机械化、绿色化生产的需求和加强智慧农业发展与电子商务发展相联系的迫切需要，结合地区农民生活水平、农业生产能力与互联网通信基础设施建设状况，做出有利于智慧农业发展的响应对策，才使得三个子系统间发展的紧密程度越来越强。

表5 2015-2019 年东北平原四省区智慧农业发展内部耦合度值（C）Table 5 Internal coupling degree value of intelligent agriculture development in the four provinces and regions of the northeast plain from 2015 to 2019（C）

由表6 可知，2015-2019 年耦合协调度总体呈现稳步上升趋势，年均上涨速度4.15%，整体水平在0.3~0.4 范围内浮动，属于轻度失调型。区域上，呈“北部领先，南部跟上，中部滞后”的空间演化趋势特征，其中北部地区2016 年增幅最大，增长速度6.04%，整体水平在0.4~0.5 范围内浮动，属于濒临失调型，南部地区耦合协调度值波动在0.3~0.4 范围内，年平均增长速度4.9%，增幅不明显，属于轻度失调型。省份上，黑龙江省智慧农业子系统间协调发展程度远高于其他省份，处于濒临失调类型，五年间总体增速11.79%；其次，辽宁省与内蒙古自治区同处于轻度失调类型，内蒙古五年间总体增速26.26%，而辽宁省增速18.71%，增速排名第三；最后，吉林省耦合协调程度最低，处于中度失调类型，五年间总体增速20.36%，仅次于内蒙古。

表6 2015-2019 年东北平原四省区智慧农业发展内部耦合协调度（D）Table 6 Internal coupling coordination degree of intelligent agriculture development in the four provinces regions in the northeast plain from 2015 to 2019（D）

因智慧农业的溢出效应是从东部经济繁荣地区向东北平原地区扩散，地区政府对智慧农业的重视度有所延迟，农业向智慧农业发展面临规模化、绿色化、机械化以及与互联网电子商务及时对接转换农业销售模式和延长产业链等压力，但因传统农业生产模式具有惯性，地区经济条件有限，农民生活水平、农业生产能力与互联网通信基础设施都有待进一步提升，即使采取了一些对发展智慧农业有利的措施，该地区的智慧农业发展内部系统耦合状态仍旧处于轻度失调。

4 研究结论及建议

4.1 研究结论

文章使用熵权—模糊综合评价法对2015-2019年东北平原地区智慧农业发展水平进行测度分析，并借助耦合协调模型对智慧农业发展系统内部进行研究，得到如下结论：

（1）东北平原地区智慧农业发展水平总体不高，仍有较大提升空间，发展水平先后经历“上升—回落—再次上升”三个时期，但5 年间发展波动幅度不高，最大波动幅度5.09%，整体增幅不明显。

（2）东北平原地区智慧农业发展不协调。从区域来看，各区域得分差距较大，每个区域差距近似0.2个得分，曲线近似平行分布。从省份来看，发展水平最高的黑龙江省平均综合得分0.36，而发展水平最低的吉林省平均综合得分0.81，二者相差1.25 倍。

（3）东北平原地区智慧农业发展内部耦合协调度总体处于稳步上升态势，空间上呈“北部领先，南部跟上，中部滞后”的演化趋势，但整体仍处于轻度失调型。

4.2 研究建议

基于前文理论分析与研究结论，提出如下建议：

第一，推进农业现代化生产方式，提升农业产出效率。东北平原地区土地资源禀赋强，地广人稀，所以十分适合推行机械化、规模化、智能化生产方式。地区政府应扩大农机购置补贴范围，增加农机购置补贴、农机报废更新补贴资金投入，增加农民农机设备拥有量，同时优化农机设备结构；推广引进先进智慧农业设备，如农业传感器、农业机器人、农业无人机等，监测农业环境，采集农作物成长数据，利用大数据人工智能技术，实现农业精准高效智能生产模式的转型。

第二，培养农业复合型人才，助力智慧农业发展。目前，人才是制约东北平原地区智慧农业发展的重要影响因素，尤其是农业复合型人才。因此，地区政府应重视农业人才培养工作，宣传推广农业智能技术，引进高素质复合型农业人才对当地农民进行培训，转变传统农民生产思维，切实向互联网思维发展，培育新型农民。

第三，强化农村通信基础设施建设，提高省域间协同性。东北平原地区各省份智慧农业发展水平和发展协调性差异较大，尤其体现在农村通信基础设施建设方面，各省区农村互联网宽带覆盖率、从事电商企业占比等方面差异明显，但总体通信基础设施不够健全，农业信息化程度不高。故地区政府应该统筹规划县、乡、村三级通信网络信息基础建设工作，财政适当倾斜信息基础建设较差的省份，实现省域协同发展。