農業生產數字化率測度方法及實證研究

張彥軍，李道亮

（1.北京市科學技術情報研究所，北京 100045；2.中國農業大學信息與電氣工程學院，北京 100083）

數字農業是農業現代化的高級階段，大力發展數字農業，已成為推動鄉村振興的重要組成部分，也是我國由農業大國邁向農業強國的必經之路［1］。在農業數字化領域，長期以來缺乏具有標識度的綜合性評價指標，無法像農作物耕種收綜合機械化率一樣持續表征行業發展情況［2］。隨著新一代信息技術在農業生產領域的應用不斷深化，構建農業生產數字化評價體系，開展數據監測和定期評估，顯得越來越迫切。

當前，學界對于農業數字化轉型研究較多［3－5］，但尚無學者提出農業生產數字化率的概念。Klerkx［6］、Wolfert［7］等認為農業數字化具有變革力量，將在農業整體價值鏈的效率、生產率和可持續性方面帶來重大變化。趙春江［8］、汪懋華［9］、李道亮［10］等認為發展數字農業是大勢所趨，我國已進入加快發展數字農業的新階段。Mokotjo［11］、Mwalupaso［12］等從農業信息意識、信息服務質量、信息技術效率等方面建立指標體系和模型，評價了有關地區的農業信息化發展程度。吳翌琳［13］、何強［14］利用指數化方法開展了國家數字競爭力指數、中國信息化發展指數等較宏大的數字化率研究。賈鋮［15］、袁曉慶［16］等用主成分分析法構建了農業信息化評價體系，并對我國東、中、西部進行了測算，但未提到農業生產數字化相關指標。沈劍波等［17］構建了一套農業信息化水平評價指標體系，農業生產信息化是5個一級指標之一，并采用層次分析法確定了指標權重。袁曉慶等［18］用綜合指數法構建了農業信息化水平評價模型，其中農業生產信息化涉及1個一級指標、3個二級指標、9個三級指標，并以山東為例進行了驗證。從已有研究來看，關于農業生產數字化的專門研究幾乎沒有，有關評價包含在農業信息化總體評價中，指標維度較為抽象，底層指標的數據可靠性不強，難以發揮評價的導向作用。

本研究針對農業生產數字化的評價需求，從農業生產的主要行業出發，以物聯網等信息技術的綜合應用為主，提出農業生產數字化率的概念，并構建相應的評價指標體系和測度方法，據此將農業生產數字化劃分為起步期、成長期、加速期、成熟期、平臺期5個發展階段。在此基礎上，利用全國監測調查試點數據進行測度方法的驗證，從實證研究的角度評述我國農業生產數字化總體水平、區域差異及行業特點，為進一步研究農業農村數字化率奠定基礎。

1 農業生產數字化率

數字化技術廣泛應用于作物栽培、畜禽飼養、水產養殖和種子繁育等農業生產領域，正在深刻改變傳統農業發展方式。農業細分行業多，生產環節復雜，涉及大量信息技術、系統和裝備，評測難度較大。根據數字化發展趨勢，提出農業生產數字化率，開展常規監測和評價，有助于持續推進農業生產的數字化轉型。

本研究認為，農業生產數字化率是指各類數字化技術在農業生產環節的集成應用程度。數字化技術主要包括物聯網、大數據、云計算、人工智能、5G等在內的新一代信息技術。集成應用一方面體現技術類別的多樣化，另一方面強調技術與系統、裝備、設施以及農業種養殖作業過程的融合。

農業生產數字化率是一個綜合性的評價結果，適宜作為預期性指標，在農業規劃和工作推進方面加以考察。為了取得社會各界的廣泛共識，農業生產數字化率的測算應當建立在農業農村部門監測調查的基礎上，指標體系要簡明清晰，數據來源要可靠，計算方法要易于理解，測算結果應具備較強的標度意義，形成基于統計監測制度的綜合性評價解決方案。

2 評價指標體系的構建

2.1 評價指標的選取

農業生產數字化評價指標體系的構建應遵循以下原則：（1）科學性，符合農業生產數字化發展實際；（2）導向性，尤其是底層指標要體現農業生產數字化的發展方向；（3）簡明性，避免指標繁雜和交叉；（4）典型性，用較少的指標反映較多的信息量；（5）可操作性，指標數據要易于獲取。

指標的選取主要依據現行農業統計制度，從行業和農產品類別方面遴選指標。根據全國農業結構特點，一級指標選取種植業、畜牧業和漁業三大行業，二級指標在三大行業的常規統計品種中進行篩選。候選指標包括29個，如圖1所示。

圖1 農業生產數字化評價候選指標

二級指標的篩選以2017年全國農業統計數據為準。其中，種植業保留種植面積占比高于10%的4個種植品種，合計種植面積占比68%；畜牧業按產出量對不同品種的存／出欄量進行折算，保留平均存／出欄量和產量占比均高于10%的3個養殖品種，合計平均存／出欄量占比83%；漁業只保留淡水養殖產量位居全國前三的3個養殖品類，合計產量占比64%。最終選定的二級指標如表1所示。經過篩選，二級指標由29個指標減少為10個，分別覆蓋了相應行業60%以上的統計量，具有較好的行業代表性。

底層指標的選取突出新一代信息技術的“集成應用”，具體從三個方面考慮：（1）從設施、設備、動植物本體三個要素出發進行指標設計；（2）圍繞不同行業關鍵的生產作業環節進行指標設計；（3）注重數據采集，指標數據全部通過監測調查獲得。最終選取了51個底層指標，如表1所示。

表1 農業生產數字化評價指標體系

2.2 指標權重的確定方法

2.2.1 采用產值調節法確定一級指標權重 對于一級指標的權重，采用產值調節法，即以評價對象種植業、畜牧業、漁業三大行業產值的相對占比作為權重。針對不同評價對象的權重各不相同，同一評價對象不同年份的權重也不相同，指標賦權取決于其當期農業產業結構。依據2017年全國農業統計數據，以全國為評價對象的一級指標權重如表2所示，各省對應的一級指標權重同理可得。這種動態的指標賦權方法，充分考慮了各地農業產業結構的差異性和可變性，權重值更加客觀、符合實際，避免了“一刀切”問題，有利于引導各地聚焦優勢產業推進農業生產數字化。

2.2.2 采用熵值法確定二級指標權重 熵值法是一種根據各因素所提供信息量大小進行綜合評價的數學分析方法，廣泛應用于各種指標體系的權重計算［19，20］。本研究在專家打分的基礎上采用熵值法賦權，邀請7位領域專家采用1～5分相對重要標度值進行打分，將重要性分值作為熵值法判斷矩陣的構建依據。具體計算步驟如下：

（1）根據專家打分結果構建7行n列的分值矩陣X：

（2）對分值矩陣按列歸一化進行標準化處理，獲得矩陣X′：

（3）將矩陣轉化為各指標下的概率矩陣P：

（4）計算各指標的信息熵：

（5）計算各指標的信息熵冗余度：

其中，d（j）＝1－e（j），為第j個指標的信息熵冗余度。

（6）計算指標權重：

根據熵值法原理，信息熵是對數據不確定性的度量。信息量越大，不確定性就越小，信息熵也越小，其貢獻度則應越大；反之亦然。經計算，二級指標權重如表2所示。

表2 農業生產數字化評價指標權重

2.2.3 采用優選法確定底層指標權重 每個二級指標對應的底層指標數量為4～6個不等，實際測算時根據各地填報數據，統一優選應用比例排前三的3個指標作為實際采用的底層指標，優選出的3個底層指標平均分配權重，即權重各占1／3。這種方法尊重和鼓勵各地因地制宜自主選擇適合的數字化技術加以應用推廣，既有利于最大化凸顯各地農業生產數字化應用成效，也為將來底層指標隨技術演進適度調整和擴展預留了空間。

2.3 評價結果的計算方法

模糊綜合評價法能夠較好地詮釋指標因子對總評價目標的貢獻度大小［21－23］。為了獲得合理的評價結果，并強調評價結果的標度意義，本研究采用多層次模糊綜合評價法計算評價結果。具體計算步驟如下：

（1）建立農業生產數字化率綜合評價指標體系，根據前文研究，評價指標體系如表2所示，包含目標層、準則層和方案層。

（2）確定評價因素集：

其中，U1＝［U11，U12，U13，U14］，表示種植業生產數字化率和其二級指標；U2＝［U21，U22，U23］，表示畜牧業生產數字化率和其二級指標；U3＝［U31，U32，U33］，表示漁業生產數字化率和其二級指標。

（3）建立農業生產數字化率水平評判等級，并將其模糊化，共分為5級。評價等級集為：

其中v1為Ⅰ級，v2為Ⅱ級，v3為Ⅲ級，v4為Ⅳ級，v5為Ⅴ級。

（4）模糊評價矩陣通過二級指標數字化率模糊化得到，通常利用隸屬度函數計算，本研究采用常用的三角形隸屬度函數。根據樣本分布情況，隸屬度函數應在區間［0，0.2］上分布更密集。依據實際經驗，一個階段的初期發展速度高于后期發展速度，隸屬度函數下降沿應比上升沿緩；相鄰發展階段之間可能存在定位不清，故相鄰級別隸屬度函數存在交叉，但非相鄰級別之間不存在交叉。綜上，設計隸屬度函數如圖2所示。

圖2 隸屬度函數圖

根據方案層因素隸屬度可構建準則層因素模糊評價矩陣：

其中，R1為4行5列，是種植業生產數字化率模糊評價矩陣；R2為3行5列，是畜牧業生產數字化率模糊評價矩陣；R3為3行5列，是漁業生產數字化率模糊評價矩陣。

（5）由前述權重確定方法計算準則層和方案層各因素綜合權重矩陣，其中，種植業生產數字化率的方案層權重矩陣為W1＝［0.273，0.266，0.209，0.252］；畜牧業生產數字化率的方案層權重矩陣為W2＝［0.459，0.317，0.224］；漁業生產數字化率的方案層權重矩陣為W3＝［0.328，0.281，0.391］；準則層權重矩陣W＝［0.586，0.297，0.117］。

（6）綜合評價計算：

其中，B為目標層模糊評價向量；“°”為算子M（·，⊕），·定義為數乘運算，⊕定義為相加后與1之間取小；A為方案層權值矩陣與模糊評價矩陣做“°”運算后的矩陣，用于準則層模糊評價矩陣；bi為最終目標層在第i個評級水平上的評價值。

（7）對目標層模糊評價向量進行加權平均化為評級概率矩陣B′：

其中，b′i是目標屬于第i級的概率。

結合上述計算方法，本研究將農業生產數字化率的等級劃分為5個，分別為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ級，對應的農業生產數字化發展階段分別為起步期、成長期、加速期、成熟期、平臺期。利用2018年監測調查數據進行計算，我國農業生產數字化率輸入Ⅰ～Ⅴ級的概率分別為61.7%、27.8%、10.5%、0和0，因而可以判斷當年我國農業生產數字化率屬于第Ⅰ級起步期，同理計算得到了部分省份農業生產數字化率的概率分布，如表3所示。

3 基于監測調查數據的實證分析

2019年5—8月，農業農村部組織開展了全國農業農村信息化發展水平監測調查試點工作，采集了北京市、上海市和10個信息進村入戶示范省2018年農業農村信息化相關基礎數據，其中關于農業生產信息化應用部分的監測調查數據對應于本研究的底層指標。本研究以12個省份為研究對象，利用監測調查數據，計算各省農業生產數字化率P為：

其中，wi根據i取1、2、3分別為種植業、畜牧業和漁業生產數字化率的權值；wij為上述種植業、畜牧業和漁業對應二級指標數字化率的權重值；pij為種植業、畜牧業和漁業對應二級指標的數字化率。

二級指標數字化率pij根據該二級指標的底層指標和數據計算得到，其公式為：

其中，S1、S2、S3分別為當前二級指標對應底層指標數據中居前三位的應用量；S為當前二級指標對應的總量。

依據計算公式（12）（13）及前述權重計算結果，經計算得到了12個省份的農業生產數字化率，具體如表4所示。

從表3和表4可以看出：（1）農業生產數字化率對我國農業生產領域的數字化發展水平具有較好的標度意義，基本符合我國各地區農業生產數字化的實際發展水平；（2）從全國及12個省（市）農業生產數字化率發展階段的概率分布來看，全國和各省（市）均處于農業生產數字化的起步期，全國總體在成長期和加速期有所分布，少數發達省份在成熟期也有分布；（3）以12個省份的算術平均值0.102作為全國農業生產數字化率的參考值，可以看出2018年我國農業生產數字化整體偏低，信息技術的應用普及率較低；（4）分省來看，東、中、西部農業生產數字化水平差距較為顯著，基本呈現東部接近成長期、中部和東北部處于起步中期、西部處于起步初期的總體格局，江蘇、北京、上海等省（市）的農業生產數字化率領跑全國，與地區經濟、科技的發展水平關聯度較高；（5）分行業來看，畜牧業生產數字化率明顯高于種植業和漁業，特別是浙江、上海、江蘇和北京4省（市）的畜牧業生產數字化已邁入成長期，種植業生產數字化總體偏弱且提升難度較大，漁業生產數字化的省份差異較大。

表3 全國及12個省份農業生產數字化發展階段的概率分布

表4 2018年北京市等12個省（市）的農業生產數字化率

鄉村振興、數字鄉村建設是當前我國農業農村發展的主旋律，數字化在農業生產中的作用日益突出。未來，我國還需要持續加快農業生產的數字化轉型，聚焦主要行業和重點農產品，完善數字資源體系，建設單品種全產業鏈大數據平臺，加強關鍵核心技術攻關，著力發揮各類市場主體的作用，因地制宜加大信息技術的應用與推廣，強化信息技術服務，打造政、產、學、研、用一體化的農業生產數字化發展生態，加快推動農業生產數字化邁入新的發展階段。

4 結論

本研究立足農業生產數字化監測調查基礎，堅持“集成應用”“突出優勢”的評價導向，進行了農業生產數字化率的系統研究，主要結論有：

（1）結合數字經濟發展趨勢，提出了農業生產數字化率的概念，為農業農村數字化率研究進行了初步探索。

（2）聚焦種植業、畜牧業、漁業等農業生產的主要行業，以重點農產品為關注點，建立了包括3個方面10項評價指標的農業生產數字化評價指標體系，并結合設施、設備、動植物本體等信息技術應用要素，按生產作業環節設計了相應的底層指標。

（3）研究構建了農業生產數字化率的評價模型，針對指標權重提出了產值調節法、熵值法和優選法三種適用性較強的賦值方法，采用多層次模糊綜合評價法對12個省（市）農業生產數字化發展階段的概率分布和農業生產數字化率進行了測算，計算結果基本符合實際并具有較強的標度意義。