农业生产数字化率测度方法及实证研究

时间：2024-05-25

张彦军，李道亮

（1.北京市科学技术情报研究所，北京 100045；2.中国农业大学信息与电气工程学院，北京 100083）

数字农业是农业现代化的高级阶段，大力发展数字农业，已成为推动乡村振兴的重要组成部分，也是我国由农业大国迈向农业强国的必经之路［1］。在农业数字化领域，长期以来缺乏具有标识度的综合性评价指标，无法像农作物耕种收综合机械化率一样持续表征行业发展情况［2］。随着新一代信息技术在农业生产领域的应用不断深化，构建农业生产数字化评价体系，开展数据监测和定期评估，显得越来越迫切。

当前，学界对于农业数字化转型研究较多［3－5］，但尚无学者提出农业生产数字化率的概念。Klerkx［6］、Wolfert［7］等认为农业数字化具有变革力量，将在农业整体价值链的效率、生产率和可持续性方面带来重大变化。赵春江［8］、汪懋华［9］、李道亮［10］等认为发展数字农业是大势所趋，我国已进入加快发展数字农业的新阶段。Mokotjo［11］、Mwalupaso［12］等从农业信息意识、信息服务质量、信息技术效率等方面建立指标体系和模型，评价了有关地区的农业信息化发展程度。吴翌琳［13］、何强［14］利用指数化方法开展了国家数字竞争力指数、中国信息化发展指数等较宏大的数字化率研究。贾铖［15］、袁晓庆［16］等用主成分分析法构建了农业信息化评价体系，并对我国东、中、西部进行了测算，但未提到农业生产数字化相关指标。沈剑波等［17］构建了一套农业信息化水平评价指标体系，农业生产信息化是5个一级指标之一，并采用层次分析法确定了指标权重。袁晓庆等［18］用综合指数法构建了农业信息化水平评价模型，其中农业生产信息化涉及1个一级指标、3个二级指标、9个三级指标，并以山东为例进行了验证。从已有研究来看，关于农业生产数字化的专门研究几乎没有，有关评价包含在农业信息化总体评价中，指标维度较为抽象，底层指标的数据可靠性不强，难以发挥评价的导向作用。

本研究针对农业生产数字化的评价需求，从农业生产的主要行业出发，以物联网等信息技术的综合应用为主，提出农业生产数字化率的概念，并构建相应的评价指标体系和测度方法，据此将农业生产数字化划分为起步期、成长期、加速期、成熟期、平台期5个发展阶段。在此基础上，利用全国监测调查试点数据进行测度方法的验证，从实证研究的角度评述我国农业生产数字化总体水平、区域差异及行业特点，为进一步研究农业农村数字化率奠定基础。

1 农业生产数字化率

数字化技术广泛应用于作物栽培、畜禽饲养、水产养殖和种子繁育等农业生产领域，正在深刻改变传统农业发展方式。农业细分行业多，生产环节复杂，涉及大量信息技术、系统和装备，评测难度较大。根据数字化发展趋势，提出农业生产数字化率，开展常规监测和评价，有助于持续推进农业生产的数字化转型。

本研究认为，农业生产数字化率是指各类数字化技术在农业生产环节的集成应用程度。数字化技术主要包括物联网、大数据、云计算、人工智能、5G等在内的新一代信息技术。集成应用一方面体现技术类别的多样化，另一方面强调技术与系统、装备、设施以及农业种养殖作业过程的融合。

农业生产数字化率是一个综合性的评价结果，适宜作为预期性指标，在农业规划和工作推进方面加以考察。为了取得社会各界的广泛共识，农业生产数字化率的测算应当建立在农业农村部门监测调查的基础上，指标体系要简明清晰，数据来源要可靠，计算方法要易于理解，测算结果应具备较强的标度意义，形成基于统计监测制度的综合性评价解决方案。

2 评价指标体系的构建

2.1 评价指标的选取

农业生产数字化评价指标体系的构建应遵循以下原则：（1）科学性，符合农业生产数字化发展实际；（2）导向性，尤其是底层指标要体现农业生产数字化的发展方向；（3）简明性，避免指标繁杂和交叉；（4）典型性，用较少的指标反映较多的信息量；（5）可操作性，指标数据要易于获取。

指标的选取主要依据现行农业统计制度，从行业和农产品类别方面遴选指标。根据全国农业结构特点，一级指标选取种植业、畜牧业和渔业三大行业，二级指标在三大行业的常规统计品种中进行筛选。候选指标包括29个，如图1所示。

图1 农业生产数字化评价候选指标

二级指标的筛选以2017年全国农业统计数据为准。其中，种植业保留种植面积占比高于10%的4个种植品种，合计种植面积占比68%；畜牧业按产出量对不同品种的存／出栏量进行折算，保留平均存／出栏量和产量占比均高于10%的3个养殖品种，合计平均存／出栏量占比83%；渔业只保留淡水养殖产量位居全国前三的3个养殖品类，合计产量占比64%。最终选定的二级指标如表1所示。经过筛选，二级指标由29个指标减少为10个，分别覆盖了相应行业60%以上的统计量，具有较好的行业代表性。

底层指标的选取突出新一代信息技术的“集成应用”，具体从三个方面考虑：（1）从设施、设备、动植物本体三个要素出发进行指标设计；（2）围绕不同行业关键的生产作业环节进行指标设计；（3）注重数据采集，指标数据全部通过监测调查获得。最终选取了51个底层指标，如表1所示。

表1 农业生产数字化评价指标体系

2.2 指标权重的确定方法

2.2.1 采用产值调节法确定一级指标权重对于一级指标的权重，采用产值调节法，即以评价对象种植业、畜牧业、渔业三大行业产值的相对占比作为权重。针对不同评价对象的权重各不相同，同一评价对象不同年份的权重也不相同，指标赋权取决于其当期农业产业结构。依据2017年全国农业统计数据，以全国为评价对象的一级指标权重如表2所示，各省对应的一级指标权重同理可得。这种动态的指标赋权方法，充分考虑了各地农业产业结构的差异性和可变性，权重值更加客观、符合实际，避免了“一刀切”问题，有利于引导各地聚焦优势产业推进农业生产数字化。

2.2.2 采用熵值法确定二级指标权重熵值法是一种根据各因素所提供信息量大小进行综合评价的数学分析方法，广泛应用于各种指标体系的权重计算［19，20］。本研究在专家打分的基础上采用熵值法赋权，邀请7位领域专家采用1～5分相对重要标度值进行打分，将重要性分值作为熵值法判断矩阵的构建依据。具体计算步骤如下：

（1）根据专家打分结果构建7行n列的分值矩阵X：

（2）对分值矩阵按列归一化进行标准化处理，获得矩阵X′：

（3）将矩阵转化为各指标下的概率矩阵P：

（4）计算各指标的信息熵：

（5）计算各指标的信息熵冗余度：

其中，d（j）＝1－e（j），为第j个指标的信息熵冗余度。

（6）计算指标权重：

根据熵值法原理，信息熵是对数据不确定性的度量。信息量越大，不确定性就越小，信息熵也越小，其贡献度则应越大；反之亦然。经计算，二级指标权重如表2所示。

表2 农业生产数字化评价指标权重

2.2.3 采用优选法确定底层指标权重每个二级指标对应的底层指标数量为4～6个不等，实际测算时根据各地填报数据，统一优选应用比例排前三的3个指标作为实际采用的底层指标，优选出的3个底层指标平均分配权重，即权重各占1／3。这种方法尊重和鼓励各地因地制宜自主选择适合的数字化技术加以应用推广，既有利于最大化凸显各地农业生产数字化应用成效，也为将来底层指标随技术演进适度调整和扩展预留了空间。

2.3 评价结果的计算方法

模糊综合评价法能够较好地诠释指标因子对总评价目标的贡献度大小［21－23］。为了获得合理的评价结果，并强调评价结果的标度意义，本研究采用多层次模糊综合评价法计算评价结果。具体计算步骤如下：

（1）建立农业生产数字化率综合评价指标体系，根据前文研究，评价指标体系如表2所示，包含目标层、准则层和方案层。

（2）确定评价因素集：

其中，U1＝［U11，U12，U13，U14］，表示种植业生产数字化率和其二级指标；U2＝［U21，U22，U23］，表示畜牧业生产数字化率和其二级指标；U3＝［U31，U32，U33］，表示渔业生产数字化率和其二级指标。

（3）建立农业生产数字化率水平评判等级，并将其模糊化，共分为5级。评价等级集为：

其中v1为Ⅰ级，v2为Ⅱ级，v3为Ⅲ级，v4为Ⅳ级，v5为Ⅴ级。

（4）模糊评价矩阵通过二级指标数字化率模糊化得到，通常利用隶属度函数计算，本研究采用常用的三角形隶属度函数。根据样本分布情况，隶属度函数应在区间［0，0.2］上分布更密集。依据实际经验，一个阶段的初期发展速度高于后期发展速度，隶属度函数下降沿应比上升沿缓；相邻发展阶段之间可能存在定位不清，故相邻级别隶属度函数存在交叉，但非相邻级别之间不存在交叉。综上，设计隶属度函数如图2所示。

图2 隶属度函数图

根据方案层因素隶属度可构建准则层因素模糊评价矩阵：

其中，R1为4行5列，是种植业生产数字化率模糊评价矩阵；R2为3行5列，是畜牧业生产数字化率模糊评价矩阵；R3为3行5列，是渔业生产数字化率模糊评价矩阵。

（5）由前述权重确定方法计算准则层和方案层各因素综合权重矩阵，其中，种植业生产数字化率的方案层权重矩阵为W1＝［0.273，0.266，0.209，0.252］；畜牧业生产数字化率的方案层权重矩阵为W2＝［0.459，0.317，0.224］；渔业生产数字化率的方案层权重矩阵为W3＝［0.328，0.281，0.391］；准则层权重矩阵W＝［0.586，0.297，0.117］。

（6）综合评价计算：

其中，B为目标层模糊评价向量；“°”为算子M（·，⊕），·定义为数乘运算，⊕定义为相加后与1之间取小；A为方案层权值矩阵与模糊评价矩阵做“°”运算后的矩阵，用于准则层模糊评价矩阵；bi为最终目标层在第i个评级水平上的评价值。

（7）对目标层模糊评价向量进行加权平均化为评级概率矩阵B′：

其中，b′i是目标属于第i级的概率。

结合上述计算方法，本研究将农业生产数字化率的等级划分为5个，分别为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ级，对应的农业生产数字化发展阶段分别为起步期、成长期、加速期、成熟期、平台期。利用2018年监测调查数据进行计算，我国农业生产数字化率输入Ⅰ～Ⅴ级的概率分别为61.7%、27.8%、10.5%、0和0，因而可以判断当年我国农业生产数字化率属于第Ⅰ级起步期，同理计算得到了部分省份农业生产数字化率的概率分布，如表3所示。

3 基于监测调查数据的实证分析

2019年5—8月，农业农村部组织开展了全国农业农村信息化发展水平监测调查试点工作，采集了北京市、上海市和10个信息进村入户示范省2018年农业农村信息化相关基础数据，其中关于农业生产信息化应用部分的监测调查数据对应于本研究的底层指标。本研究以12个省份为研究对象，利用监测调查数据，计算各省农业生产数字化率P为：

其中，wi根据i取1、2、3分别为种植业、畜牧业和渔业生产数字化率的权值；wij为上述种植业、畜牧业和渔业对应二级指标数字化率的权重值；pij为种植业、畜牧业和渔业对应二级指标的数字化率。

二级指标数字化率pij根据该二级指标的底层指标和数据计算得到，其公式为：

其中，S1、S2、S3分别为当前二级指标对应底层指标数据中居前三位的应用量；S为当前二级指标对应的总量。

依据计算公式（12）（13）及前述权重计算结果，经计算得到了12个省份的农业生产数字化率，具体如表4所示。

从表3和表4可以看出：（1）农业生产数字化率对我国农业生产领域的数字化发展水平具有较好的标度意义，基本符合我国各地区农业生产数字化的实际发展水平；（2）从全国及12个省（市）农业生产数字化率发展阶段的概率分布来看，全国和各省（市）均处于农业生产数字化的起步期，全国总体在成长期和加速期有所分布，少数发达省份在成熟期也有分布；（3）以12个省份的算术平均值0.102作为全国农业生产数字化率的参考值，可以看出2018年我国农业生产数字化整体偏低，信息技术的应用普及率较低；（4）分省来看，东、中、西部农业生产数字化水平差距较为显著，基本呈现东部接近成长期、中部和东北部处于起步中期、西部处于起步初期的总体格局，江苏、北京、上海等省（市）的农业生产数字化率领跑全国，与地区经济、科技的发展水平关联度较高；（5）分行业来看，畜牧业生产数字化率明显高于种植业和渔业，特别是浙江、上海、江苏和北京4省（市）的畜牧业生产数字化已迈入成长期，种植业生产数字化总体偏弱且提升难度较大，渔业生产数字化的省份差异较大。

表3 全国及12个省份农业生产数字化发展阶段的概率分布

表4 2018年北京市等12个省（市）的农业生产数字化率

乡村振兴、数字乡村建设是当前我国农业农村发展的主旋律，数字化在农业生产中的作用日益突出。未来，我国还需要持续加快农业生产的数字化转型，聚焦主要行业和重点农产品，完善数字资源体系，建设单品种全产业链大数据平台，加强关键核心技术攻关，着力发挥各类市场主体的作用，因地制宜加大信息技术的应用与推广，强化信息技术服务，打造政、产、学、研、用一体化的农业生产数字化发展生态，加快推动农业生产数字化迈入新的发展阶段。