中国农业数字化发展及区域差异评价

苏锦旗 潘婷 董长宏

摘 要：农业数字化是农业产业高质量发展的重要路径，也是数字中国建设的必然要求。基于数字基础设施、产业数字化和数字产业化三个维度，构建农业数字化发展评价指标体系，利用熵值法测度2011-2020年我國31个省（直辖市、自治区）农业数字化发展综合指数以及东部、中部和西部地区区域指数。研究发现：整体而言，我国农业数字化水平稳步上升的趋势显著，且不同省份间存在明显差异;分区域看，东部地区农业数字化发展指数明显高于中部和西部，中部和西部发展指数接近。依据测度结果，从完善数字基础设施、促进数字技术与农业产业融合及加强政策扶持三方面提出推动我国农业数字化发展的政策建议，以期为政府相关部门制定加快推进农业高质量发展政策提供理论依据。

关键词：农业数字化;数字化发展;空间差异;熵值法

中图分类号：D422.6;F49         文献标志码：A 文章编号：1009-9107（2023）04-0135-10

收稿日期：2022-11-23  DOI：10.13968/j.cnki.1009-9107.2023.04.15

基金项目：陕西省社会科学基金项目（2022D161）;陕西省社科界重大理论与现实问题研究重点研究项目（SX-318）

作者简介：苏锦旗，男，西安邮电大学经济与管理学院副教授，博士，硕士生导师，主要研究方向为数字经济与电子商务。

*通信作者

一、问题提出

党的二十大报告提出了全面推进乡村振兴、建设农业强国的战略规划，强调农业农村优先发展、加快农业农村现代化建设。“三农”问题关系到国计民生，关系到社会主义现代化强国的建设。全面促进乡村振兴的重要任务是推进农业绿色可持续发展，实现数字技术对农业“降本、提质、增效”［1］。数字技术正以渗透性强、灵活性高等特点加速产业融合，推动各行业数字化转型。随着数字技术与传统农业的深度融合，将数字化技术和信息化手段贯穿到农业生产的全流程，不仅节省了大量人力成本，让管理决策更加便捷，而且提升了农业生产效率，优化了农业产业结构。数字农业、智慧农业逐渐成为农业现代化发展的新形态。2020年世界数字农业大会以“数字农业·智引未来”为主题，从农业农村具体需求出发，提出了10项创新模式，如拼多多助农直播，华为数字农业农村智能体，联通现代数字农业产业园等模式。《数字农业农村发展规划（2019-2025年）》对数字农业进行全面部署，突出了数字农业农村建设的战略地位，提出了数字农业农村发展目标，预期到2025年，数字农业农村建设取得新进展，数字乡村战略实施取得新成效，数字化引领驱动农业农村现代化发展，从而实现农业产业高质量发展［2］。近年来，聚焦数字赋能农业发展，我国先后建立了智慧果园、数字渔业、数字蔬菜工厂、数字化生态无人农场等多种试点形式，实现了数字技术对农业生产的全自动监管。华为《联网农场——智慧农业市场评估》报告中提出，2025年智慧农业的全球市场价值可达683.89亿美元，主要应用于土壤监测、精准农业、智能灌溉等方面，数字农业的发展已经成为全球共识。可见，在全球数字化转型发展趋势的推动下，以数字经济赋能现代农业是农业高质量发展的必然选择，也是推进农业农村现代化发展的必由之路。

我国农业农村发展正处于转型升级的关键阶段，需要将数据作为农业生产要素，以信息化技术作为数字化转型升级的路径，提高农业全要素生产率，推动农业强国建设［3］。《2021全国县域农业农村信息化发展水平评价报告》显示，2020年我国县域农业农村信息化发展总水平达到37.9％［4］。我国农业数字化发展水平总体不高，数字化手段与农业产业融合效率低，农业数字化基础设施、数字化生产投入、数字化发展水平等方面还较为薄弱。同时，由于受不同区域的地理位置、气候环境、地方政策和经济发展水平等因素影响，农业数字化发展水平存在较大差异。

数字经济时代，“数字农业”“智慧农业”成为农业现代化发展新业态。农业数字化是实现乡村振兴的战略需求，也是驱动农业现代化发展的重要动能。而评估农业数字化的发展，需构建科学完善的指标体系进行测度分析。通过对国内外文献的梳理发现，关于农业农村数字化研究主要集中在以下方面：一是对乡村治理数字化的探讨［5-8］;二是基于城乡视角对农业数字化的研究［9-12］;三是对区域农业数字化的实证分析［13-15］。可见，数字经济与农业产业融合发展已成为我国农业现代化的重要方式，也是农业农村高质量发展的必然趋势［16］。在现有理论研究中，大多数文献更倾向于研究农业产业与数字经济相融合的路径、农业数字化发展过程中存在的挑战和应对的措施、农业农村数字化转型升级的意义等描述性分析。本文从量化角度分析农业数字化发展的效果，结合现有理论研究成果，对中国农业数字化发展水平进行综合评价，为农业产业与数字经济融合寻求可行路径。

二、农业数字化发展评价指标体系构建

（一）指标体系遴选

1.农业数字化发展内涵。农业数字化发展作为一个复杂的系统工程，仅使用单一指标或者基于单一维度无法全面反映各地区实际发展情况。因此，遵循科学性、系统性、公开性等原则，亟需构建一套农业数字化发展量化标准，通过建立综合性评价指标体系衡量农业数字化发展水平。

农业数字化是信息技术在农业生产应用中的高级阶段，主要是指在农业生产过程中对农业要素、过程、管理等阶段的数字化运用［17］。2021年7月，中央网信办、农业农村部等7部门联合发布《数字乡村建设指南1.0》，提出数字乡村建设的总体参考框架，包括信息基础设施、公共支撑平台、数字应用场景、建设运营管理和保障体系建设等方面［18］。信息基础设施是数字乡村建设的数字底座;公共支撑平台是实现各类数字乡村应用场景的系统基础;数字应用场景描述信息化技术与农业农村各领域之间融合的适用场景;建设运营管理为数字乡村相关主体提供多种建设运营模式;保障体系建设则从组织领导、机制保障、政策支持、人才支撑和氛围营造五个方面为数字乡村的建设提供支持和保障。

农业数字化转型是以农业现代化发展的数字基础设施为前提，并对数字化关键技术进行择优选择，结合农业产业自身发展规律与数字技术信息化、网络化、智能化等特点，促进农业现代化生产和地区经济高质量发展的经济活动。数字技术是传统产业转型升级的切入点，为农业产业注入新的活力。农业数字化应用水平和农业数字产业化是农业数字化转型升级的两个关键。农业数字化应用水平是指数字产品、技术与农业之间的融合程度，数字技术能够有效提高农业产量、效率以及农业现代化水平。农业数字产业化是指农村地区数字产业的发展情况，利用数字化赋能农业产业转型升级，形成农业数字产业链和产业集群。

2.农业数字化发展评价指标体系的构建。在农业数字化发展指数测度方面，本文以《数字乡村发展战略纲要》《数字乡村建设指南1.0》等相关政策性文件为引领［19-20］，参考现有学者的研究，结合农业数字化的内涵，构建农业数字化发展评价指标体系［21］。

农业数字化基础设施包括互联网、计算机、移动设备、软件应用等支持农业数字化转型的基础设施，为后续农业与数字技术进行更深层次的融合提供运行环境，是开展农业数字化转型的前提，是实现农业现代化运行和发展的基础［22］。《数字乡村发展战略纲要》是对数字乡村战略进行部署和规划，在提出加快乡村信息基础设施建设的重点工作时，强调要加快农村宽带通信网、移动互联网、数字电视网等方面的发展。伍国勇等［23］在分析中国乡村数字经济发展水平时，构建涵盖4个子系统22个变量的测度体系，其中数字化基础设施包括农村电脑普及率、移动电话普及率、互联网普及率、物流建设水平和气象观测站数量五方面。基于此研究基础，本文将数字化基础设施设定为一级指标，包含了农村互联网用户量、农村互联网普及率、农村智能电话普及率、农村有线电视普及率、农业气象观测站数量和农业物流建设水平［24-26］等二级指标。

农业数字化应用水平用于衡量数字技术与农业之间的结合程度。数字技术改善了农业在生产、流通、运营管理等方面的传统模式，实现了农业生产过程中的数字化控制和智能化管理，增加了信息之间的流通性，提高了农业管理决策中的准确性，从而确保农业资源能够被更加合理地利用。同时，有效改善了农业产业结构，降低了生产成本，实现农业精准生产，从而促进农业农村现代化的发展。张旺等将数字经济与乡村振兴纳入统一框架，并探究变量之间的耦合协调度，构建数字经济评价体系由数字基础设施、农业数字化和农业数字产业化等3个一级指标，9个二级指标构成，其中农业数字化分为农业数字化规模、农产品数字化交易和农业生产投资力度［27］。借鉴其研究，本文针对农业数字化应用水平构建了3个二级指标，具体为农产品数字化交易、农业生产投资额和农产品信息数字化程度。

农业数字产业化是农村地区数字产业的发展程度，将数据要素作为加工对象，以数字技术为加工手段，用数字化形式赋能农业产业化发展，对农业现代化建设和农业高质量发展有着重要意义［28］。杨海丽等通过构建农产品流通数字化和农村居民生活水平指标体系，对两个变量进行测度分析，从而探究两者的相互影响关系，构建了农村信息化水平、农产品电商发展水平和农村数字产业化水平等3个一级指标，农村数字产业化水平包括平均每一营业网点服务人口、淘宝村数量和农村数字产品与服务消费水平三方面［29］。本文将农业数字产业化设定为一级指标，包含农村网络支付水平、农业信息技术应用和农业农村数字基地等二级指标。

综上所述，根据指标体系构建的原则、农业数字化内涵并借鉴已有学者的研究，搭建了衡量农业数字化的指标体系，其中一级指标3个，二级指标12个，具体指标构建情况如表1所示。

（二）指标测度

1.数字基础设施。农村互联网用户量（A1）采用农村宽带接入用户数量衡量;农村互联网普及率（A2）采用农村地区网民数量占该地区农村人口百分比衡量;农村智能电话普及率（A3）采用农村居民平均每百户移动电话拥有量衡量，反映移动电话设备普及率及应用水平;农村有线电视普及率（A4）采用农村广播电视实际用户比重，即农村有线广播电视实际用户数占农村家庭總户数比重衡量;农业气象观测站（A5）采用农业气象观测站数量衡量;农业物流建设水平（A6）采用农村投递路线密度衡量。

2.农业数字化水平。农产品数字化交易（B1）采用农产品网络零售额，考虑数据的可获得性，具体用实物商品网上零售额来衡量［21］;农业生产投资（B2）采用农、林、牧、渔业固定资产投资衡量;农产品信息数字化程度（B3）采用区域邮电业务总量衡量。

3.农业数字产业化。农村网络支付水平（C1）采用农村数字金融普惠指数衡量;农业信息技术应用（C2）采用农村邮政营业网点平均服务人口数量衡量;农业农村数字基地（C3）采用淘宝村数量衡量。

三、研究设计与评价方法

（一）数据来源

本文主要研究的是2011-2020年我国31个省市区（除港澳台地区以外）农业数字化的发展情况，其中数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国城乡建设统计年鉴》、阿里研究院中国淘宝村研究报告、《北京大学数字普惠金融指数（2011-2020）》以及31个省（市、区）的统计年鉴。

（二）数据处理

在数据收集过程中，由于中国统计年鉴中部分年份的数据缺失，导致数据不完整，因此需对数据进行查找补全，具体分为三种情况。（1）数据严重缺失。一是对于数据严重缺失的指标进行了剔除或更换;二是虽然指标数据缺失，但它与其他指标有明确的相关关系，如邮电总量与邮政业务总量、电信业务总量有明确的比例关系，通过相关指标的计算进行补全。（2）少数年份数据缺失。对于前后年份均有数据，但中间年份缺失，采取线性插值法补齐;对较早年份缺失，最近年份的数据齐全的指标，采取函数法补齐。（3）数据统计口径发生变化。农业生产投资用农、林、牧、渔业固定资产投资指标，统计年鉴的统计口径出现过变化，2018年之前采用实际数值统计，2018年之后采用增长率统计，本文对其统一处理为数值。

（三）评价方法

1.综合指数评价法。在多指标综合评价中，大部分学者使用主成分法等方法进行测度，但相关研究表明，熵值法更适合对多个时间段不同研究对象进行评价，本文选择熵值法测算各地区农业数字化指标权重，对标准化后的数据进行处理，具体步骤如下。

首先，为了消除其量纲和数量级的影响，对正向指标和负向指标数据进行标准化。正向指标代表指标数值越大，农业数字化转型效果越好。负向指标则表示指标数值越小，农业数字化转型效果越好。同时为了防止Zij=0，对指标整体向后移动0.000 01个单位，标准化方法如下：

正向指标Z+ij=xij-min（x1j，x2j，…，xnj）max（x1j，x2j，…，xnj）-min（x1j，x2j，…，xnj）+0.000 01（1）

负向指标Z-ij=max（x1j，x2j，…，xnj）-xijmax（x1j，x2j，…，xnj）-min（x1j，x2j，…，xnj）+0.000 01（2）

其中，xij代表原始二级指标的数据，i代表地区，j代表二级指标，Z+ij、Z-ij代表标准化之后的数据，n为样本数量（n=31），m为指标数量（m=12）。

计算第j项指标下第i个样本占该指标的比重：Pij=xij∑ni=1xij（3）

计算第j项指标的熵值：Ej=-k∑ni=1Pijln（Pij），其中，k=-1ln（n）>0（4）

计算信息熵冗余度：dj=1-Ej，j=1，2，…，m（5）

计算各指标权重： Wj=dj∑m j=1（dj ）（6）

计算综合指数： Si=∑m j=1Wjxij′，i=1，2，3，…，n，xij′为标准化之后的数据。（7）

其中，信息熵冗余度dj的值影响指标权重Wj的大小，冗余度越大，对农业数字化评价的重要性就越大，指标权重随之越大。权重越大，对农业数字化评价结果的贡献就越大。综合指数Si是用某一地区所有指标权重乘以对应指标标准化后的数值的总和，从而可以得到各区域农业数字化发展的综合得分。综合得分越高的地区，农业数字化发展效果越好。

2.区域发展指数测度方法。为了更全面地测度农业数字化的发展水平，按照国家统计局对地区的划分标准，将31个省（市、区）划分为东部、中部和西部三个区域［30］，本文在熵值法的基础上对其发展水平加以测度，参考魏艳华对八大经济区农业农村数字化经济发展测算［31］。在中国统计年鉴中收集各省（市、区）农村人口总人数，并按照标准化Z+ij式（1）对其进行标准化，将标准化后各省的数据作为对应省份的权重，记为Cij，继而利用式（8）计算区域发展指数［21］。

Qc=∑nk i=1SiCij（8）

其中c代表地区，取值为1，2，3，分别代表东部、中部和西部，nk代表划分标准所含省份的个数。区域发展指数Qc用来衡量不同区域农业数字化发展程度，指数数值越大，区域农业数字化发展水平越高。

四、评价结果与分析

（一）综合指数与分析

根据综合指数测度方法，对农业数字化指标权重进行测算，得到各省份2011-2020年综合指数及排名，如表2所示。

由表2可知，从2011年以来，中国农业数字化发展指数增长态势明显，说明近年来与农业相关的数字技术得到广泛应用，全国各地区农业数字化转型卓有成效。2011-2020年中国农业数字化发展的综合指数范围分别是0.038 2～0.719 9、0.046 9～0.755 2、0.032 4～0.713 8、0.038 1～0.792 1、0.024 9～0.716 6、0.042 1～0.693 5、0.055 2～0.732 0、0.070 4～0.769 9、0.071 4～0.752 1、0.073 7～0.734 4，最大值与最小值之间的差值从0.681 7、0.708 3、0.681 4、0.754 0、0.691 7、0.651 4、0.676 8、0.699 5、0.680 7到0.660 7，综合指数极值在波动中小幅下降，可以看出农业数字化发展差距在逐渐减少。进一步比较分析可知，浙江、广东和江蘇三省在这十年期间一直保持着前五名的位次，并且从2015年开始一直稳定在前三位，这些地区经济较为发达，数字化技术更加先进，与农业产业之间融合效果更好，因此农业数字化转型综合指标的排名更靠前。而西藏、青海和宁夏这三个地区的综合指数最靠后，这些地区经济发展较为落后，农业产业与数字化转型的融合程度不强。

对比2011-2020年各地区农业数字化排名情况，贵州、云南和甘肃三省农业数字化的排名上升最多。虽然这些地区的数字技术相对薄弱，但是作为全国农产品以及特色农产品的生产大省，持续积极探索农业与数字化转型结合的道路，出台了一系列推动农业数字化发展的有利政策，加大了在这方面的技术引进和资金设备投入，因此农业数字化发展水平有较大提升。而辽宁、北京和上海三个地区农业数字化排名下降最多，原因可能在于耕地面积较少，并且特色农产品也相对较少，虽然数字技术比较先进，但这些地区发展的重心并未在农业数字化方面，因此综合指数排名下降较多。

考虑到农业数字化指数的多样性和综合性，本文采用综合评价模型，利用31个省（市、区）各指标的综合指数加权平均，得到2011-2020年各省（市、区）农业数字化综合指数的均值，通过指数均值来分析各区域之间农业数字化发展的差异，如表3所示。

通过表3可知，农业数字化发展呈现两极分化趋势，具体表现为经济发达地区的农业数字化转型水平高，经济欠发达地区农业数字化水平偏低。

各省（市、区）农业数字化发展水平中最高的是浙江省，达到了0.665 1，最低的是西藏仅0.051 8，浙江指数是西藏的近13倍，极差为0.613 3，农业数字化呈两极分化趋势明显。因此，在今后的农业数字化发展当中也需要着眼于一些农业数字化发展并不充分的地区，例如西藏、青海、宁夏、海南、新疆等地，可以借鉴一些农业与数字技术结合较好的地区经验，同时要做到因地制宜，制定符合各省特点的农业数字化转型方案，用数字化引领农业产业、农民生活和乡村治理转型升级，让农业农村现代化迈出新步伐。

目前东部沿海地区农业数字化转型水平更高、效果更好，中部次之，而西部的发展则较为落后。其中浙江和广东是中国农业数字化转型效果最好的两个省，原因一方面在于这两个省的数字技术更为先进，更容易与农业产业相融合，另一方面可能与电子商务的发展有关，浙江和广东的电商发展水平在全国排名前列，有着较大的市场容量和交易规模，电商能够助力农产品流通，从而助推农业数字化转型更好地发展。而青海和西藏是农业数字化转型质量较低的两个地区，经济发展水平较低、数字技术较为薄弱以及农业电商融合程度不强可能是农业数字化转型效果较差的原因。

（二）区域发展指数及空间差异分析

应用式（8），分别测度东部、中部和西部三个区域2011-2020年农业数字化发展水平，测度结果如表4所示。为了更直观地展示其发展趋势，利用Python中Pyecharts模块对其进行可视化，区域发展指数趋势如图1所示。

从表4可以看出，东部地区农业数字化发展情况整体优于中部、西部，并且东部地区与其他地区在农业数字化转型方面存在严重的两极化，最可能的原因是由于地理位置的差异影响。对于东部地区而言，总指数在2020年达到最大值，在2011年取得最小值，东部地区农业数字化发展迅速并且效果显著，尤其是2012年和2013年增幅最大;对于中部地区和西部地区，总指数最大值均在2015年，最可能的原因是2015年作为“十二五”收官之年，地方政府出台一系列强农惠农政策，促使农业农村数字化转型，农业成为经济社会发展的“压舱石”和“稳压器”。

由图1可知，全国农业数字化发展水平呈现出东部较高、中西部偏低的特点，并且这种差距具有逐年扩大的趋势，究其原因可能有三方面。一是禀赋效应。东部地区具有农业产业数字化发展的禀赋优势，例如农业机械化水平较高，地理环境优越，气温适宜，水资源丰沛，土壤肥沃。二是政策先导。浙江、福建等东部省份通过构建政策矩阵延展数字经济产业链，在政策优势和产业优势的双轮驱动下农业产业数字化动能强劲。三是西部地区经济发展较为落后，配套的数字化基础设施也相对薄弱，数字化技术和信息化手段更多来源于东部地区，因此农业数字化转型不能很好地落地实行。同时，也与数字人才缺失、农民数字技术匮乏有关。

五、结论与启示

本文通过构建农业数字化指标体系对我国农业数字化转型发展情况进行了综合测度和评价，系统分析了2011-2020年我国农业数字化转型程度和各地区的发展情况，将测度指数分为综合指数和区域发展指数两类。得出的主要结论如下：首先，从农业数字化发展的综合指数及排名来看，我国农业数字化发展整体情况向好，综合指数总体呈增长模式，并且农业数字化发展较好的和较为落后的地区排名均比较稳定，农业数字化发展呈现稳定增长态势;其次，农业数字化发展呈现两极分化趋势，各地区农业数字化发展情况存在显著差异，具体表现为东部最好，中部次之，西部较落后的趋势。

农业数字化作为农业产业与数字技术结合的新业态，是建设数字中国的重要内容，也是我国从传统农业向现代农业转型的必经之路。数字化转型不仅能够有效地提高农业生产率，还能够更好地把控农业全流程生产要素，合理利用农业资源，降低成本投入。依据本文的研究内容和结论，提出三点建议。

1.持续夯实数字基础设施，营造农业产业数字环境。数字基础设施是各地区发展数字经济的重要抓手，也为推动农业现代化发展奠定基础。东部地区与中西部地区在农业数字化发展中存在较大差异，东部地区数字技术更加先进，农业数字化转型效果更好，所以应将农业发展的重心放在降低数据处理成本，提高数据资源利用率，从而提升农业生产效率。西部地区经济发展较为落后，地理位置偏僻复杂，配套的数字化基础设施也相对薄弱，一些先进的数字化技术和信息化手段更多来源于东部地区，西部地区在数字基础设施建设方面仍有较大的发展空间。因此，中西部地区应提升数字化基础设施，夯实农业数字化转型的根基，提升网络速度，加快信息之间的互联互通，推动信息服务深入农业农村生产活动当中，帮助农户解决农业生产当中的实际困难，从而为农业农村精准管理提供有力支撑，促进农业现代化高质量发展。还需要加强数字人才建设，开展数字技术培训，为农业农村现代化全面建设提供人才支撑。

2.推动数字技术与农业产业融合，促进农业数字化发展。数字技术是提高农业生产的关键要素，是传统产业转型升级的切入点。各省（市、区）需要明确各地的农业产业结构，根据不同的区域结构特点，选择符合地区农业现代化发展的数字技术。对于农业数字化发展较好的地区，应该更加注重农业与数字技术融合的创新性，创新农业数字化融合发展模式，激发数字经济的发展潜能。对于农业数字化转型较为落后的地区，如青海、宁夏、新疆等地，需要综合考虑各地区农产品的特殊性和多样性，采用合适的数字技术助力农业生产和管理决策，并积极探索各地特色农产品借助电商渠道促进商品流通的方式，例如西藏、宁夏、青海等地经济发展虽较为落后，但是具有独特的气候，生产出西藏青稞、宁夏枸杞和青海冬虫夏草等具有地方特色的产品，各地区不仅可以通过电商平台销售这些特产，还可以对农产品进行二次加工，提升產品价值，形成特色产业链，进而利用电商助农推动乡村振兴发展。

3.加大政策引导，缩小区域数字“鸿沟”。农业政策是对我国农业发展总体趋势的全面判断和整体把控，各地方政府通过政策导向，充分发挥政府角色，及时了解到与农业数字化相关的政策文件，分析市场变化和行业走向，利用强农惠农政策促进各地区农业现代化发展，积极引导社会各界对农业领域更多的支持，从而帮助一些农业数字化发展薄弱的地区更好地转型升级。对于经济发达的东部地区而言，在政策优势和产业优势的双重驱动下推动农业产业数字化的高质量发展，如东部“一号工程”的全面部署，不仅扩大了农业数字化规模，也为2025年智慧农业发展目标奠定了基础。与此同时，仍需根据每个省（市、区）的农业现状，因地制宜地构建符合各自发展情况的农业数字化转型路径。发展较为落后地区可以借鉴发展较好地区的经验，并通过政策导向，吸引社会投资，从而形成一套有地方特色的农业数字化转型体系。

参考文献：

［1］ 中共中央 国务院.关于做好2022年全面推进乡村振兴重点工作的意见［N］.光明日报，2022-02-23（01）.

［2］ 农业农村部，中央网络安全和信息化委员会办公室.数字农业农村发展规划（2019-2025年）的通知［EB/OL］.（2020-01-20）［2022-11-18］.http：//www.moa.gov.cn/gk/ghjh_1/202001/t20200120_6336316.htm.

［3］ 林青宁，毛世平.产业协同集聚、数字经济与农业全要素生产率［J］.中国农业大学学报，2022，27（08）：272-286.

［4］ 農业农村部信息中心.2021全国县域农业农村信息化发展水平评价报告［R/OL］.（2021-12-20）［2022-11-20］.http：//www.agri.cn/V20/ztzl_1/sznync/ltbg/202112/P020211220311961420836.pdf.

［5］ 冯献，李瑾，崔凯.乡村治理数字化：现状、需求与对策研究［J］.电子政务，2020（06）：73-85.

［6］ 朱建建，顾若琳，袁柳.“十四五”期间乡村治理数字化的框架与指标体系设计［J］.统计与信息论坛，2021，36（09）：110-118.

［7］ 马俊.论智能技术对社会治理变革的影响［J］.行政论坛，2022（04）：141-146.

［8］ 文军，刘雨航.面向不确定性的乡村数字化建设及其实践启示［J］.西北农林科技大学学报（社会科学版），2022，22（05）：62-71.

［9］ 谢璐，韩文龙.数字技术和数字经济助力城乡融合发展的理论逻辑与实现路径［J］.农业经济问题，2022（11）：96-105.

［10］ 姜长云.发展数字经济引领带动农业转型和农村产业融合［J］.经济纵横，2022（08）：41-49.

［11］ 刘元胜.农业数字化转型的效能分析及应对策略［J］.经济纵横，2020（07）：106-113.

［12］ 姚战琪.数字经济对城乡居民服务消费差距的影响研究［J］.北京工商大学学报（社会科学版），2022（05）：34-47.

［13］ 李娟，刘爱峰.中国区域数字产业发展的平衡性分析［J］.统计与信息论坛，2022（01）：3-12.

［14］ 樊胜岳，李耀龙，马晓杰，等.数字化水平对农业绿色发展影响的实证研究——基于中国30个省份的面板数据［J］.世界农业，2021（12）：4-16.

［15］ 徐旭初，葛平，吴彬.农业产业数字化的实践逻辑及其关键机制——基于四省四县的多案例分析［J］.农林经济管理学报，2023（02）：133-141.

［16］ 田野，叶依婷，黄进，等.数字经济驱动乡村产业振兴的内在机理及实证检验——基于城乡融合发展的中介效应［J］.农业经济问题，2022（10）：84-96.

［17］ 阮俊虎，刘天军，冯晓春，等.数字农业运营管理：关键问题、理论方法与示范工程［J］.管理世界，2020，36（08）：222-233.

［18］ 中国网信网.数字乡村建设指南1.0［EB/OL］.（2021-09-03）［2022-11-10］.http：//www.cac.gov.cn/2021-09/03/c_1632256398120331.htm.

［19］ 中共中央办公厅，国务院办公厅.数字乡村发展战略纲要［EB/OL］.（2019-05-16）［2022-11-20］.http：//www.gov.cn/zhengce/2019-05/16/content_5392269.htm.

［20］ 文军，刘雨航.面向不确定性的乡村数字化建设及其实践启示［J］.西北农林科技大学学报（社会科学版），2022，22（05）：62-71.

［21］ 慕娟，马立平.中国农业农村数字经济发展指数测度与区域差异［J］.华南农业大学学报（社会科学版），2021，20（04）：90-98.

［22］ 赵星宇，王贵斌，杨鹏.乡村振兴战略背景下的数字乡村建设［J］.西北农林科技大学学报（社会科学版），2022，22（06）：52-58.

［23］ 伍国勇，庞国光，汤钧惠，等.中国乡村数字经济发展水平的测度、区域差异及时空演变［J］.湖南农业大学学报（社会科学版），2022，23（04）：15-27.

［24］ 张鸿，王浩然，李哲.乡村振兴背景下中国数字农业高质量发展水平测度——基于2015—2019年全国31个省市数据的分析［J］.陕西师范大学学报（哲学社会科学版），2021，50（03）：141-154.

［25］ 曾庆均，唐菁，张娜.数字经济、区域创新能力与农产品流通现代化——来自长江经济带的经验证据［J］.中国流通经济，2022，36（08）：3-15.

［26］ 殷浩栋，霍鹏，汪三贵.农业农村数字化转型：现实表征、影响机理与推进策略［J］.改革，2020（12）：48-56.

［27］ 张旺，白永秀.数字经济与乡村振兴耦合的理论构建、实证分析及优化路径［J］.中国软科学，2022（01）：132-146.

［28］ 郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征［J］.经济学（季刊），2020，19（04）：1401-1418.

［29］ 杨海丽，向能，罗越月.农产品流通数字化能改善农村居民生活水平吗——来自省域面板数据与空间杜宾模型的经验证据［J］.宏观经济研究，2022（10）：88-102.

［30］ 刘纪远，宁佳，匡文慧，等.2010-2015年中国土地利用变化的时空格局与新特征［J］.地理学报，2018，73（05）：789-802.

［31］ 魏艳华，马立平，王丙参.中国八大综合经济区经济发展差异测度与评价［J］.数量经济技术经济研究，2020，37（06）：89-108.

Study on the Development of Agricultural Digitalization and the Evaluation of Regional Differences in China

SU Jinqi1，PAN Ting2*，DONG Changhong2

（1.School of Economics and Management;2.School of Modern Posts，Xian University of Posts and Telecommunication，Xian 710061，China）

Abstract：Agricultural digitalization is an important path for high-quality development of agricultural industry and an inevitable requirement for the construction of Digital China. Based on the three dimensions of digital infrastructure，industrial digitization and digital industrialization，the evaluation index system of agricultural digital development is constructed.The entropy value method was used to measure the comprehensive index of agricultural digital development in 31 provinces （municipalities directly under the Central Government and autonomous regions） in China from 2011 to 2020，as well as the regional indexes in the eastern，central and western regions.It was found that： overall，the trend of Chinas agricultural digitalization level is steadily increasing significantly，and there are obvious differences among provinces.By region，the index of agricultural digital development in the eastern region is significantly higher than that in the central and western regions，and the indexes in the central and western regions are close to each other.Based on the measurement results，policy recommendations for promoting the digital development of agriculture in China are proposed in three aspects：improving digital infrastructure，promoting the integration of digital technology and agriculture，and strengthening policy support.The findings of the study can provide a theoretical basis for the policy opinions of relevant government departments to accelerate the high-quality development of agriculture.

Key words：agricultural digitization;digital development;spatial differences;entropy value method

（責任编辑：王倩）