“互聯網+”與精準農業相互影響的實證研究

胡世霞 沈祥成 易妍睿 邢美華 張 超

（1.湖北省農業科學院農業經濟技術研究所/湖北省農業科技創新中心農業經濟技術研究分中心/湖北省鄉村振興研究院，湖北 武漢，430064；2.湖北省耕肥總站，湖北 武漢，430070；3.中國電信安徽分公司智慧營銷事業部，安徽 合肥，230001）

一、引言

隨著互聯網的普及，互聯網技術在現代農業經濟發展中的應用越來越廣泛，精準農業已成為當今世界現代農業發展的大趨勢[1]。利用互聯網技術改造傳統農業，能夠優化農業生產要素組合，形成精準生產和產出，提高農業的創新力和生產力。研究“互聯網+”與精準農業的相互影響和作用，對于保障農產品有效供給，提高農產品質量，改善農業生態環境具有重要意義。

當前理論界對“互聯網+”與精準農業研究的文獻很多，可集中歸納為以下四個方面：一是關于“互聯網+”與精準農業的發展現狀、影響因素、關鍵技術[2][3][4]；二是關于“互聯網+”與精準農業的發展模式、生產方式[5][6][7]；三是關于“互聯網+”與精準農業發展環節和發展路徑[8][9][10]；四是關于“互聯網+”與精準農業的發展經驗和支持政策[4][11]。從已有的研究文獻看，針對“互聯網+”與精準農業相互影響的定量研究相對較少，深入研究不多；對“互聯網+”和“精準農業”各要素之間進行定量研究的更是鮮見。為此，本研究以湖北省2005—2018年“互聯網+”和精準農業相關指標數據為基礎，利用典型相關分析（CCA）模型定量分析“互聯網+”與精準農業的相互影響，探索“互聯網+”與精準農業相互影響的機理，尋找“互聯網+”與精準農業融合發展的路徑，推動現代農業的發展。

二、研究方法和模型

（一）研究方法

本文主要選擇典型相關分析法（CanonicalCorrelation Analysis）進行實證研究。它是將變量分成兩組，從兩組變量的整體性出發，把兩組變量分別作為一個整體，并在此基礎上研究兩個整體間的相互關系。兩組變量中的一組變量是獨立變量，而另一組是因變量。典型相關分析使用主成分分析法為每組變量找到最佳線性組合，以使新的集成變量可以涵蓋原始變量的大部分信息，構成典型相關變量。其中第一對典型相關變量是由兩系統對應典型變量間的相關性最大的一組構成。類似得到第二對、第三對……典型相關變量，且變量間相互獨立，典型相關變量間的簡單相關系數稱為典型相關系數。一般兩組變量間的相關性用兩組典型相關變量的相關系數體現。

（二）模型介紹

一般設 X=（X1，X2，…，Xp）'、Y=（Y1，Y2，…，Yq）'是兩個相互關聯的隨機向量，這里分別代表“互聯網+”和“精準農業”兩大系統。典型相關分析方法基于主成分分析的原理，分別在兩組變量中選取若干有代表性的集成變量Ui、Vi，使每一綜合變量都是原始變量的一個線性組合，即：

式中，Ai=（ai1，ai2，…，aip）'、Bi=（bi1，bi2，…，biq）'是任意非0常數向量。Ui、Vi表示原變量X、Y的第i對綜合變量，按Ui、Vi之間相關系數大小排序，相關系數最大的線性組合作為第一對典型相關變量U1、V1，類似得到第二對、第三對……，且各對典型相關變量之間互不相關。進而“互聯網+”與“精準農業”兩對原始變量X、Y的線性相關情況可由這些典型相關變量反映。“互聯網+”與“精準農業”的第一對典型相關變量U1、V1可由以下優化約束模型得到：

其中，A'X=a1X1+a2X2+…+apXp，B'Y=b1Y1+b2Y2+…+bqYq。這里 A1'X、B1'Y是“互聯網+”和“精準農業”的第一對典型相關變量，類似得到第二對、第三對……典型相關變量，這里記 Ui、Vi的典型相關系數為：（rUi，V）i=λi。

典型相關分析的顯著性檢驗方法如下：

首先，對第一對典型相關變量U1、V1作顯著性檢驗，假設如下：

模型似然比統計量為：

假設檢驗統計量為：

檢驗統計量在給定顯著性水平為α（一般取5%）的基礎上，若 F1＞Fα，即 P（F1）＜P（Fα）=5%時，則否定原假設H0，即第一對典型變量具有相關性，否則兩變量不相關。若第一對典型變量相關，同理，繼續檢驗下一對典型變量，直到某一對典型變量不相關為止。

典型相關分析具體步驟為：①計算原始變量間相關系數，進行簡單相關分析；②計算典型變量及對應典型相關系數，進行統計檢驗，確定典型變量對數（多變量統計檢驗P值應小于5%），分析典型變量間的相關系數，判定典型變量對模型的貢獻度；③計算典型變量系數，得出典型相關模型；④計算典型載荷系數，進行典型結構分析，判斷典型變量代表性的強弱，載荷系數在0.9左右表示關聯性很強；⑤計算典型相關分析模型的冗余度，驗證模型解釋能力，模型冗余度越接近于1，解釋能力越強。

（三）變量選擇

分析湖北省“互聯網+”與精準農業相互影響過程中，根據研究需要和變量指標的可獲取性，在“互聯網+”方面選取湖北省2005—2018年農民家庭每百戶家用計算機擁有量（x1）、農民家庭每百戶彩色電視機擁有量（x2）、農村互聯網寬帶接入用戶數量（x3）、農民家庭每百戶移動電話擁有量（x4）、農村長途光纜長度（x5）五個指標；在精準農業方面選取湖北省2005—2018年機械植保面積（y1）、農作物測土配方施肥面積（y2）、化肥深施面積（y3）、使用微量元素肥料面積（y4）、化學調控面積（y5）五個指標。

（四）數據來源

本文研究分析中所運用的數據，主要來自《湖北統計年鑒》（2006—2019年）和《湖北農村統計年鑒》（2006—2019年），以及湖北省耕肥總站、湖北省植保總站2006—2019年相關抽樣調查數據。

三、結果與分析

（一）“互聯網+”與精準農業指標簡單相關性

根據前文介紹的典型相關分析模型思想，結合搜集到的各變量研究數據，借助SAS 9.4統計分析軟件進行數據處理，分析出湖北省“互聯網+”與精準農業發展的典型相關關系。首先從兩系統間的相關性出發，初步得到湖北省“互聯網+”與精準農業各對應指標間的簡單相關分析結果，如表1所示：

表1 “互聯網+”與精準農業指標間相關系數

從表1指標間相關系數可知，在“互聯網+”指標相關性方面，農民家庭每百戶家用計算機擁有量（x1）與農民家庭每百戶彩色電視機擁有量（x2）、農村互聯網寬帶接入用戶數量（x3）、農民家庭每百戶移動電話擁有量（x4）間的相關系數分別為 0.90 、0.97、0.97，農民家庭每百戶彩色電視機擁有量（x2）與農村互聯網寬帶接入用戶數量（x3）、農民家庭每百戶移動電話擁有量（x4）以及農村長途光纜長度（x5）間的相關系數分別是0.88、0.96 、0.91，農村互聯網寬帶接入用戶（x3）與農民家庭每百戶移動電話擁有量（x4）、農村長途光纜長度（x5）間的相關系數分別為0.95、0.88，農民家庭每百戶移動電話擁有量（x4）與農村長途光纜長度（x5）間的相關系數為0.88，它們間的相關系數均在0.90左右，表明 x1與 x2、x3、x4，x2與 x3、x4、x5，x3與 x4、x5，x4與 x5間的相關性很強。

在“精準農業”指標相關性方面，機械植保面積（y1）與農作物測土配方施肥面積（y2）和使用微量元素肥料面積（y4）間的相關系數是0.92、0.88，農作物測土配方施肥面積（y2）與使用微量元素肥料面積（y4）間的相關系數是0.93，表明y1與y2、y4，y2與y4間的相關性很強。

“互聯網+”與“精準農業”指標間，農民家庭每百戶家用計算機擁有量（x1）與機械植保面積（y1）、農作物測土配方施肥面積（y2）、使用微量元素肥料面積（y4）間的相關系數分別為0.91、0.97、0.90，農民家庭每百戶彩色電視機擁有量（x2）與機械植保面積（y1）、農作物測土配方施肥面積（y2）、使用微量元素肥料面積（y4）間的相關系數分別為0.95、0.90、0.88，農村互聯網寬帶接入用戶數量（x3）與機械植保面積（y1）、農作物測土配方施肥面積（y2）間的相關系數分別為0.89、0.98，農民家庭每百戶移動電話擁有量（x4）與機械植保面積（y1）、農作物測土配方施肥面積（y2）、使用微量元素肥料面積（y4）間的相關系數分別為 0.95、0.96、0.91，農村長途光纜長度（x5）與機械植保面積（y1）、農作物測土配方施肥面積（y2）間的相關系數為0.94、0.89，它們間的相關系數均超過 0.90，表明 x1與 y1、y2、y4，x2與 y1、y2、y4，x3與y1、y2，x4與 y1、y2、y4，x5與 y1、y2間的相關性很強。

（二）典型相關模型實證檢驗

在兩系統組內、組間相關性分析的基礎上，進一步使用SAS9.4軟件計算兩組指標，綜合得到典型變量間典型相關系數和顯著性檢驗分析結果（見下頁表2）。

表2 典型相關模型實證檢驗

按照前文研究方法中的假設檢驗模型理論，將表2中的“互聯網+”與精準農業的典型相關系數和特征值有關數據代入似然比統計量和近似F值的計算公式，通過SAS軟件得到其似然比統計量和近似F值，并查得對應的檢驗P值，在α=5%顯著水平下，第一對典型變量U1-V1的P值小于5%，即第一對典型變量顯著，而剩下四對典型變量均大于5%，不顯著，故只有第一對典型變量具有相關性，剩下四對典型變量不相關。故選取“互聯網+”與精準農業第一對典型變量（U1-V1）進行典型相關分析。為了研究方便，將U1、V1記作 U、V。

典型相關系數解釋的是典型變量之間的相關性問題，典型相關系數越大，表明典型變量間的相關性越強。從表2可看出，第一對典型變量間典型相關系數高達0.997，說明兩組變量之間存在很強的相關關系。同時還發現第一對典型變量的特征比例為0.943，說明第一對典型變量包含了“互聯網+精準農業”系統中94.3%的信息，具有很強的代表性。

（三）湖北省“互聯網+精準農業”典型相關分析

典型變量系數是原始變量轉化為典型變量的權數，所反映的是組內變量在形成典型函數模型時的相對作用。前文選取典型變量U、V作為分析對象，通過SAS 9.4軟件對“互聯網+”、精準農業兩組變量進行典型相關分析得到典型變量系數，結果如表3所示。

表3 “互聯網+”與精準農業典型變量系數

從表3典型變量系數可知，“互聯網+”與精準農業典型相關模型表達式為：

由典型變量U、V可以發現，“互聯網+”、精準農業各要素的投入量不同，會對典型變量產生不同程度的影響，U主要體現在農村互聯網接入用戶數量（x3）和農民家庭每百戶移動電話擁有量（x4）的發展水平，其中農村互聯網接入用戶數量、農民家庭每百戶移動電話擁有量每增長1%，“互聯網+”典型變量分別平均增長0.96%和1.45%；V是對“精準農業”系統中各因素的線性組合，同樣V主要體現在機械植保面積（y1）和農作物測土配方施肥面積（y2）等指標的發展情況，其中機械植保面積和農作物測土配方施肥面積每增長1%，精準農業典型變量將平均增加0.02%和1.42%。

（四）湖北省“互聯網+”與精準農業典型結構分析

典型結構分析是研究兩原始系統變量與典型變量的關聯程度的。首先通過模型計算出“互聯網+”與精準農業的典型載荷系數，并以此衡量各典型變量對原始變量的代表性。其中典型載荷系數表示一組原始變量與其典型變量間的相關程度，交叉載荷系數則體現該組原始變量與對應組典型變量的關聯程度。一般典型變量的優劣由其對原始變量的代表性強弱判定得到，載荷系數絕對值越大越接近于1，典型變量的代表性越強，典型變量性能越好。通過SAS9.4軟件分析得出“互聯網+”與精準農業原始變量與典型變量之間相關系數的結果，具體如表4所示：

表4 “互聯網+”與精準農業典型結構分析（典型載荷）

由表4可以看到，農民家庭每百戶家用計算機擁有量（x1）、農民家庭每百戶彩色電視機擁有量（x2）、農村互聯網接入用戶數量（x3）、農民家庭每百戶移動電話擁有量（x4）、農村長途光纜長度（x5）與“互聯網 +”指標組典型變量U的典型載荷系數分別是0.95、0.92、0.98、0.96、0.90，均達到或超過 0.90，說明典型變量 U對 x1、x2、x3、x4、x5這 5 項“互聯網 +”原始變量代表性很強。同時 x1、x2、x3、x4、x5這 5 項指標與精準農業指標組典型變量V的典型載荷系數分別是0.94、0.91、0.98、0.96、0.90，均達到或超過 0.90，說明 x1、x2、x3、x4、x5等“互聯網+”原始變量與精準農業組典型變量高度相關。

精準農業指標組中，機械植保面積（y1）、農作物測土配方施肥面積（y2）及使用微量元素肥料面積（y4）與精準農業指標的典型變量V的典型載荷系數分別是0.92、0.97、0.87，均在0.90左右，說明典型變量V較好地反映了 y1、y2、y4的發展水平。同時 y1、y2這兩項指標與“互聯網+”變量指標組典型變量U的典型載荷系數分別是 0.91、0.97，說明 y1、y2與“互聯網 +”組典型變量高度相關。綜合分析看，“互聯網+”變量組與精準農業變量組顯著互動影響，兩者間存在一定的交互解釋能力，系統反映了“互聯網+”與精準農業發展水平。

（五）冗余度分析和解釋能力

與一般多元回歸R2統計量類似，典型相關分析模型的冗余度（典型R2）能較好地衡量一組自變量對另一組因變量的解釋能力，模型冗余度越接近于1，解釋能力越強。本研究從模型冗余度出發，通過SAS9.4軟件對“互聯網+精準農業”典型相關分析模型進行冗余度分析，得到表5、表6所示結果：

表5 “互聯網+”原始變量冗余分析

表6 精準農業原始變量冗余分析

從原始變量典型冗余分析結果看，對于“互聯網+”指標組，典型變量U和V分別解釋了本組變量的96.7%和96.1%，解釋效果很好；對于精準農業指標組，典型變量U和V分別解釋了變量組的87.0%和86.5%，解釋效果好。兩組典型相關分析模型的冗余度典型R2均為0.994，即變量解釋度高達99.4%，進一步證明了“互聯網+”與精準農業二者間存在顯著的統計相關性。

四、結論與對策建議

（一）結論

1.2005—2018年間，湖北省“互聯網+”水平提升與精準農業發展兩系統整體間存在互相影響、互相促進的強關聯關系。互聯網的發展有助于精準農業智能化及網絡體系建設，同時標準化、科學化的精準農業建設也能極大地促進互聯網的普及。因此，積極發展家用計算機、移動電話、農作物機械植保、測土配方施肥、微量元素肥料等相關產業，對于促進“互聯網+”與精準農業融合發展具有重要的意義。

2.“互聯網+”與精準農業各組指標對本組發展水平的提高有著顯著的正相關關系，對對應組發展水平的提高也有著間接影響。湖北省農村家庭每百戶家用計算機擁有量、農民家庭每百戶移動電話擁有量[12]等互聯網指標的發展對精準農業建設具有促進作用。同時，農作物機械植保面積、農作物測土配方施肥面積及使用微量元素肥料面積等精準農業指標的發展也能促進“互聯網+”能力的提升。但各要素的投入量不同，對“互聯網+”與精準農業的影響程度也不相同。這就啟示我們，科學配置“互聯網+”與精準農業各要素的投入量，才能取得投入的最佳效果。

（二）對策建議

根據以上結論，建議完善政策機制、加強農業科技研發和應用、強化農機農藝融合等措施，促進“互聯網+”和精準農業相互滲透，交織給力，持續遞增發展。

1.完善政策機制，建立“互聯網+”與精準農業投入的保障體系。積極制定、完善“互聯網+精準農業”發展的政策措施，加大財政資金向“互聯網+”、精準農業基礎設施建設的投入力度。科學配置“互聯網+”與精準農業各生產要素的投入比例，提高投資效益。積極推動農村家用彩電、電腦、移動電話更新換代，提升農民互聯網信息接收能力。積極開發農業信息化平臺，形成廣大農民有網上、會上網、善于利用互聯網信息的新局面。加強進口技術設備的消化吸收，積極推廣全球定位系統（GPS）、遙感監測系統（RS）、農田信息采集與環境監測系統、地理信息系統（GIS）、決策支持系統和智能化農機具系統。重點開展水稻等精準農業試驗示范基地建設，探索因地制宜的精準農業技術發展模式。積極支持丘陵地區“稻草易地還土”，精準提高土壤固碳減排能力。積極鼓勵土地流向種田大戶，充分發揮規模集約經營效益。積極推廣畜禽糞污自動干濕分離技術，著力做好畜禽養殖廢棄物資源化綜合利用。引導社會各界加大對“互聯網+精準農業”的關注度和支持度，促進“互聯網+精準農業”健康快速發展。

2.加強農業科技研發和應用，保障對“互聯網+”與精準農業的技術支持。“互聯網+”與精準農業的發展離不開科學技術的進步。一方面，加強農村互聯網基礎設施建設，著力實施農村寬帶村村通政策。充分利用移動電話開展農業科技短信互動，有效解決農業生產中的技術難題。加強涉農部門信息資源整合，完善農村信息服務系統[13]；積極建立農業大數據研究與應用中心，完善農業大數據采集、存儲、處理和分析的全產業信息鏈。積極開發適應農民低成本需求的智能終端，促進互聯網技術在農業生產中的應用。另一方面，加強新型職業農民教育培訓體系建設，構建基于“互聯網+”的新型職業農民專業培訓虛擬網絡教學環境，支持更多農民將精準農業技術應用于農業生產。積極推進智能農民云平臺建設，研發基于智能終端在線教室、互動教室和認證考試的新型職業農民培訓教育平臺[14]，實現新型職業農民培育的移動化和智能化，為加快現代精準農業發展提供人才支持。

3.強化農機農藝融合，提升精準農業作業水平。積極抓好土地平整，推廣農機精準作業播種；積極利用互聯網持續開展縣域耕地質量等級調查評價，科學應用測土配方、土壤改良、地力培肥、治理修復等綜合技術模式；建立田間定位查詢土壤養分數據庫，科學平衡土壤中碳素與其他養分元素；精準調控土壤碳固持，有效提高土壤有機質含量；合理補充土壤微量元素，提高農產品產量和品質；加快選育精準收獲時間的農作物新品種，滿足農作物機械收割要求；推廣農業規模化經營，提高農機精準作業效率和效益；大力發展溫室育秧，有效培育適應機插秧苗；積極推廣水稻機插秧側深施肥技術，促進水稻早期生育優質高產；探索“互聯網+”對農作物病蟲害的監測，積極推廣無人植保機精準配施農藥；利用云技術對農戶生產、流通、銷售的信息進行感知、傳輸、融合和處理，實現農產品“從田間到餐桌”的全程信息可追溯管理。