智慧农业生产效率与农地“趋粮化”耦合协调分析

摘 要：农地种植结构调整及其趋粮化是稳定粮食生产的关键，推进智慧农业技术与粮食生产融合是保障粮食安全的重要手段，研究两者的关联机制对稳定我国粮食安全根基和智慧农业技术的普及具有重大意义。该文基于我国31个省（市、自治区）（不含港澳台地区）2016—2022年的省级面板数据，运用超效率SBM模型和耦合协调度模型测算各省份智慧农业生产效率与农地“趋粮化”的协调发展水平。研究发现，研究期内70%的省份智慧农业生产效率均值都在1以上，总体波动较小，但各地智慧农业生产效率差异较大，区域发展不均衡。我国智慧农业生产效率与农地“趋粮化”协调发展水平总体较低，耦合协调度介于0.4～0.6之间居多，其中最高的省份达到中级协调水平，最低位于严重协调水平，在空间上呈现出从北到南、从东到西递减趋势，整体耦合协调度有待提升。

关键词：智慧农业；农业生产效率；农地趋粮化；超效率SBM；耦合协调度模型

中图分类号：S-3 文献标志码：A 文章编号：2096-9902（2024）18-0017-05

Abstract： The adjustment of farmland planting structure and its grain-oriented trend are the key to stabilizing grain production， and promoting the integration of smart agriculture technology and grain production is an important means of ensuring food security. Based on the provincial panel data of 31 provinces， municipalities and autonomous regions in China from 2016 to 2022， this paper uses the super-efficient SBM model and the Coupling Coordination Degree Model to measure the coordinated development level of smart agricultural production efficiency and "grain-oriented" trend of farmlandin each province. The results show that during the study period， the average production efficiency of smart agriculture in 70% of provinces is above 1， and the overall fluctuation is small， but the production efficiency of smart agriculture varies greatly in different regions， and the regional development is uneven. The coordinated development level of smart agricultural production efficiency and farmlandgrain-oriented trendin China is generally low， and the coupling coordination degree is mostly between 0.4～0.6. Among them， the highest province reaches the intermediate coordination level， and the lowest is at the serious coordination level. It shows a decreasing trend from north to south and from east to west， and the overall coupling coordination degree needs to be improved.

Keywords： smart agriculture; agricultural production efficiency; "grain-oriented" trend of farmland; super-efficiency SBM; Coupling Coordination Degree Model

智慧农业主要是以信息技术、智能设备、互联网大数据等新型技术为依托，与农业生产各要素相融合，通过智能感知、数据分析和远程控制等手段，最终形成农业可持续化发展的生产模式[1]。2016年到2023年中央一号文件中相继提出要瞄准农业现代化方向，实施农业智慧工程，推进农业强国的建设。国家粮食和物资储备局在2022年7月发布的《“十四五”粮食和物资储备科技和人才发展规划》中多处提到“智能”字眼，包括“智能化粮机装备”“智能化散粮接受管控技术”“智能化粮食物流技术”等。通过数字技术与粮食育种、生产、仓储、物流和加工等全产业链的有机融合，优化农民生产经营条件，调整农地种植结构，最终达到“趋粮化”的目的。那智慧农业生产与农地“趋粮化”两者关联机制究竟如何，是否可以协调发展呢？以上问题都有待进一步明晰。

目前学术界主要从理论角度论述智慧农业助力农业生产的机制，或是研究智慧农业某项技术在农业生产场景的应用，但是对于智慧农业和农地“趋粮化”的研究尚处于分离状态。为科学、合理化地研究我国各省份智慧农业与农地“趋粮化”的协调发展程度，本文以全国31个省（市、自治区）（不含港澳台地区）为研究对象，以2016—2022年为研究时段，通过构建智慧农业生产效率评价指标体系，运用超效率SBM模型对全国31个省（市、自治区）（不含港澳台地区）智慧农业的生产效率进行测度，并利用耦合协调度模型进一步研究智慧农业与农地“趋粮化”的耦合协调水平，这对于加快建设农业强国、保障粮食安全具有重要的现实意义。

1 研究方法

1.1 SBM模型

本文首先使用非角度非径向超效率SBM模型对全国31个省（市、自治区）（不含港澳台地区）的智慧农业生产效率进行测度。SBM模型源于数据包络分析法（DEA），该方法是一种以线性规划为基础，根据投入与产出情况用于计算各个决策单元相对效率（DNU）的主要方法。虽然传统的DEA模型（如CCR、BBC）等模型已被广泛应用于各大研究领域，但该模型在应用中还存在2个方面缺点：一是未考虑松弛变量，导致效率测算时实际值与理论值的偏差；二在实际检验过程中无法进一步区分决策单元出现多个效率值为1的情况[2]；为解决以上问题，Tone[3]在2002年提出了一种基于松弛变量的超效率SBM模型，可以对多个决策单元进行更精确的比较。因此，本文假设全国31个省（市、自治区）（不含港澳台地区），每个地区有n个投入和m个产出，x和y分别表示投入变量和产出变量，得出超效率SBM表达式如下

1.2 耦合协调度模型

式中：Y为智慧农业生产效率与农地“趋粮化”的耦合协调度，C为两系统间的耦合度，V为两者的综合评价指数，α和β为待定系数且两者相加等于1，分别代表两大系统对整体协调度发展水平的贡献程度。由于我国政府近年来对于农业现代化发展和粮食安全的高度重视，本文认为智慧农业发展水平和农地“趋粮化”水平的重要程度一致，故将α和β均取值为0.5。参考现有研究结果[６]，对本文研究的耦合协调度等级进行划分，见表1。

2 变量界定与数据处理

2.1 变量界定

2.1.1 智慧农业生产效率测度

目前学术界对于智慧农业生产效率评价指标体系的构建较少，本文将借鉴蔡静雯等[７]学者的研究，综合考量智慧农业生产的特点和指标数据的科学性、可获得性，本文从资本、物流、移动通信、机械化、互联网、用电量、灌溉及劳动力这8个维度确定智慧农业生产效率测度的投入指标，将农业产出和农民收入作为产出变量。详情见表2。

1）智慧农业投入变量。智慧农业资本投入由财政支农水平、地方财政科学技术支出和地方财政教育支出衡量。其中财政支农水平这项指标无法直接获取，因此本文在参照已有研究[８]的基础上，对财政支农水平进行计算。公式为：财政支农水平=（农林水务支出/地方一般预算）×100。其他7个维度的投入指标则分别有农村投递路线及农村居民平均每百户年末电话拥有量、农业机械总动力、农村宽带接入户数、农村用电量、有效灌溉面积和第一产业从业人员衡量[９－１１]。

2）智慧农业产出变量。参考王圣云等[12]和陈湘满等[１3]的相关研究，农业产出和农民收入分别由农林牧渔业总产和农村居民人均可支配收入来衡量。

2.1.2 农地“趋粮化”的确定

2.2 数据来源及处理

智慧农业相关概念于2014年在我国首次提出，2016年第一次被计入我国政策文件中，至此之后每一年党中央都会出台新的政策规划来驱动智慧农业的发展，因此本文选取除港澳台外的全国31个省（市、自治区）（不含港澳台地区）2016—2022年的面板数据进行研究，其数据均来自于《中国农村统计年鉴》《中国统计年鉴》《中国人口与就业统计年鉴》《中国科技统计年鉴》以及各省、市、自治区统计年鉴，对于部分地区某些年份的缺失数据采用线性插值法补齐。

3 研究结果分析

3.1 智慧农业生产效率分析

依据构建的指标体系，运用Matlab软件并选用规模报酬不变假设下的非角度非径向超效率SBM模型对2016—2022年的中国31个省（市、自治区）（不含港澳台地区）的智慧农业生产效率进行有效测度（表3）。

具体来看，2016—2022年期间，31个省（市、自治区）智慧农业生产效率均值都在1以上，整体保持波动平稳趋势。从地区分布看，上海市智慧农业生产效率均值达到2.305，远高于其他省（市、自治区），甘肃省最低，仅为0.414。河北、山西、内蒙古、吉林、安徽、江西、湖南、重庆和陕西等省份效率值均在1以下，存在较大的提升空间。由此可见，我国各省份间智慧农业生产效率差异较大，区域发展水平不均衡。

从全国发展趋势来看，智慧农业生产效率振幅总体波动较小。其中，上海、河北、辽宁和内蒙古等地区呈现出波动增长状态，说明以上地区投入要素配置合理，反映智慧农业发展政策执行效应逐渐凸显。值得注意的是，上海的效率值增长幅度较大，形成这种现象的主要原因是上海经济发达，在农业基础设施建设、财政投入、专业科技人才支持方面具有一定的优势。与2016年比，部分省份的效率值均有所下降，其中西藏、宁夏、贵州等西部地区偏多，归结于可能受资源、地形、气候条件等因素的限制，智慧农业发展水平相对滞后。

3.2 智慧农业生产效率与农地“趋粮化”耦合协调度分析

运用耦合协调度模型测算得出我国31个省（市、自治区）2016—2022年智慧农业生产效率与农地“趋粮化”耦合协调度，同时依据表1对其耦合协调度进行等级划分，详细结果见表4。

由表4可知，2016—2022年间，我国智慧农业生产效率与农地“趋粮化”耦合协调度大多介于0.4～0.6之间，对照前文等级划分标准可知，31个省（市、自治区）中耦合协调度位于勉强协调、初级协调状态居多，其中最高的省份达到中级协调等级，最低位于严重失调等级。由此可见，我国智慧农业生产效率与农地“趋粮化”协同发展水平较低，整体耦合协调度有待提升。

从增长幅度来看，研究期内智慧农业生产效率与农地“趋粮化”耦合协调度变化趋势甚微。其中甘肃上升幅度最大，耦合协调度由0.222增长至0.378，累计增幅为70.31%，实现了层级跳跃；其次是内蒙古和河北，分别为20.96%和17.18%；新疆降幅最大，耦合协调度由0.403到0.33，累计降幅18.1%。表明现阶段各区域智慧农业生产效率与农地“趋粮化”耦合协调度发展态势差异较大，还处于耦合协调度的磨合期与调整期，2个子系统的协调发展仍处于探索阶段。

从协调等级结果来看，最高等级为中级协调，包含天津、黑龙江、西藏3个地区，占比9.68%；其次是初级协调，城市包括河北、内蒙古、吉林等7个地区，占比22.6%；从区域分布来看，以上省（市、自治区）大多位于华北和东北地区，包含了我国北方的6个粮食主产区，这表明近年来我国政府出台的一系列智慧农业与粮食政策对以上地区农业生产要素流动和资源配置起到有效催化作用，推动了两者的协调发展。位于勉强协调中的省份主要分布于我国东部和西南地区，这主要因为我国中南地区把发展重点偏移在追求经济效益上，农民对智慧农业认识不足，更愿意选择选择收益大的经济作物。而西南地区受地势影响，耕地细碎化，农机作业成本高，导致产出效益不高影响二者的协调水平。处于失调阶段的有10个地区，协调度最低的2个省（市、自治区）分别是新疆和甘肃，这些地区无论是粮食种植还是智慧农业建设都受到自然的约束，如地貌、降水生态环境的影响。综合来看，研究期内智慧农业生产效率于农地“趋粮化”呈从北到南、从东到西递减趋势。

4 结论与建议

4.1 结论

本文基于2016—2022年的面板数据，在构建智慧农业生产效率的评价指标体系的基础上，应用非角度非径向SBM模型测算31个省（市、自治区）（不含港澳台地区）的效率值，借助耦合协调度模型探究智慧农业生产效率与农地“趋粮化”的协调水平，得出的结论如下。

1）研究期内，我国绝大多数省（市、自治区）智慧农业生产效率均值在1以上，上海市效率值达到了2.305，甘肃省仅为0.414，区域间空间差异明显。从各省（市、自治区）效率值变化情况来看，整体波动幅度较小，呈下降的趋势的省份较多集中在我国西部地区。

2）智慧农业生产效率与农地“趋粮化”的耦合协调水平整体上存在一定的提升空间。从时间维度上来看，变化趋势不明显，但是空间分布特征明显，整体上呈现出从北向南、从东向西递减趋势。

4.2 深化智慧农业与农地趋粮化耦合关系的建议

根据以上研究结论，结合国家粮食安全战略和农业现代化发展要求，本文提出如下建议。

1）公共资源要素投入是提升二者耦合协调度的根本动力。政府应优化公共服务供给，以稳定粮食生产为目标导向，加大农业高新技术的研发投入，加强智慧农业生产基地与各高校、科研部门的联合协作，鼓励社会各主体参与到新技术的研发与投入中，进一步推进农业技术创新。并通过资金补贴、政策扶持等手段降低农机设备的购入成本，实现资源的优化配置和效益的最优化，加快智慧农业助力粮食生产的步伐。

2）因地制宜地制定发展战略。综合考虑各地不同的资源禀赋和发展现状，要依托各自的特色产业和资源优势，推动智慧技术与粮食生产的有机融合、协调发展。如东部地区省份在发展经济的同时要保护耕地资源，提高单位面积粮食产量。中部地区应发挥各自产业结构的优势，完善乡村基础设施的建设，促进城乡要素流通，西部地区需加强自然灾害防范能力，优化耕地质量，提升农业现代化水平。

3）倡导先进的农业生产理念，加快农业科技人才培养。构建可持续发展的粮食安全体系的前提，除了培养农户个体的生态保护意识之外，也应增强农户数字技能的培训力度，促进农业新技术的普及与应用，鼓励农户积极使用现代化农机设备，激发农户对智慧农业新技术的认可。其次，加强高校专业人才的培养，设立农业、信息技术等与智慧农业相关的学科，引导高科技人才参与粮食生产工作，切实推进先进技术的使用，为粮食安全保驾护航。

参考文献：

[1] 宁甜甜.新发展阶段我国智慧农业：机遇、挑战与优化路径[J].科学管理研究，2022，40（2）：131-138.

[2] 程娟娟，王倩，余劲，等.基于LCA和SBM模型的苹果生产环境效率评价[J].干旱区资源与环境，2022，36（3）：36-43.

[3] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2001，130（3）：498-509.

[4] 包乌兰托亚，郑丹，王慧.乡村旅游与农村可持续生计耦合协调的时空演化与驱动机制研究——以青岛市为例[J].中国农业资源与区划，2023，44（6）：229-242.

[5] 何寿奎，简东涵.数字经济对区域高质量发展空间影响效应及耦合协调性分析[J].工业技术经济，2022，41（10）：42-50.

[6] 甄俊杰，师博，张新月.中国数字创新与经济高质量发展的协同效应及动态演进预测[J].现代财经（天津财经大学学报），2023，43（3）：3-20.

[7] 蔡静雯，许思远，丁胜，等.基于DEA模型的江苏省智慧农业生产效率分析[J].中国林业经济，2022，174（3）：47-50.

[8] 刘心怡，金山，张伟.金融科技对农村居民的收入增长效应及其传导机制[J].财贸研究，2020，31（8）：65-76

[9] 颜华，魏秀宇，齐悦，等.农业生产集聚提升了环境效率吗？——基于环境规制调节效应的分析[J].农业经济与管理，2022（6）：26-37.

[10] 黄宜，张家缙，周海燕，等.农业科技投入对农业生态效率的影响——基于农村互联网使用的传导机制[J].资源开发与市场，2023，39（7）：801-809.

[11] 朱红根，陈晖.中国数字乡村发展的水平测度、时空演变及推进路径[J].农业经济问题，2023，519（3）：21-33.

[12] 王圣云，林玉娟.中国区域农业生态效率空间演化及其驱动因素——水足迹与灰水足迹视角[J].地理科学，2021，41（2）：290-301.

[13] 陈湘满，喻科.农村产业融合对农村居民收入的影响——基于空间杜宾模型实证分析[J].湘潭大学学报（哲学社会科学版），2022，46（2）：66-73.

[14] 檀竹平，洪炜杰，罗必良.农业劳动力转移与种植结构“趋粮化”[J].改革，2019，305（7）：111-118.

[15] 罗必良，张露，仇童伟.小农的种粮逻辑——40年来中国农业种植结构的转变与未来策略[J].南方经济，2018，347（8）：1-28.