基于PMC的智慧農業項目執行標準量化分析與優化研究

Quantitative Analysis and Optimization of Executive Standards of Smart Agriculture Projects Based on PMCIndex Model

WANG Jun-yi1 YU Xiao-qing2 XU Dong-ai WANG Qi-qi2HAN Cheng-j2* （1.CollegeofEnvironmentandEcologyHunanAgriculturalUniversity;2.SchoolofEconomics，HunanAgricultural University;3.Changsha Association for Quality and Standardization）

Abstract：Atotalof23national，sectoralandlocalstandardsrelatedtosmartagricultureprojectsfromJanuary0l1 toAugust2024werecolectedandselectedastheresearchobjects.Using thetext miningmethod，theanalysisof the evolutioncharacteristicsofthestandardsandtheanalysisofthesocial networkofkeytechnologies werecarriedout. Onthis basis，thePMCindexmodel wasconstructed，andl3smartagriculture standardtextswereselected bystratified sampling method，to carryout quantitative evaluationandoptimization of the standards.Theresults show that the common problem of existing standards lies inthe single audienceandthe smallnumberof national standards，which，to some extent，restricts the application of intelligent means in agricultural development.

Keywords：smart agriculture，text mining，PMC index model， standard evaluation

0 引言

下，智慧農業作為農業現代化、標準化的前沿陣地，正以前所未有的迅猛態勢推動傳統農業轉型。2024年，農業農村部印發《農業農村部關于大力發在全球化、信息化與標準化深度融合的背景展智慧農業的指導意見》《全國智慧農業行動計劃（2024一2028年）》，明確今后一段時期推進智慧農業的工作思路和重點任務。隨著智慧農業的發展，如何科學、系統地評估智慧農業發展狀況成了一大難題。趙敏娟等學者在研究我國智慧農業今后的發展分析中，強調了需要推動智慧農業標準化建設]。政策一致性指數模型（Policy ModelingConsistency，PMC）作為一種綜合性的績效評估工具，已在數字經濟政策[2、鄉村振興政策[3]，以及區域科技創新政策4等多個領域展現了其強大的評估能力。PMC為智慧農業標準量化評價提供了堅實的理論基礎與實踐依據。在智慧農業領域，PMC能夠覆蓋多個關鍵維度，通過構建科學合理的指標體系，實現對智慧農業標準實施效果的精準刻畫與深度剖析。目前，我國農業發展量化、標準化評價尚不成熟，相關政策體系也尚不完善。本文創新性地引入PMC作為分析工具，力求通過量化評估手段，為我國智慧農業標準的制定與優化貢獻智慧。

發揮了重要作用。例如，山東通過技術標準在物聯網、大數據、云計算等技術的應用上取得了顯著成果，形成了具有地方特色的智慧農業發展模式；安徽確立了數字農業水稻種植信息采集規范的基本要求，包括采集方式、方法和內容，這一標準提高了水稻生產的專業化和市場化水平，降低人工成本，提高水稻產量與品質。

隨著可持續發展成為21世紀科技發展的重大戰略問題，智慧農業作為推動農業綠色發展的重要技術手段和產業形態，日益成為主要發達國家的重要選擇[8。盡管智慧農業政策取得了不少成果，但也面臨著諸多現實約束。當前智慧農業標準在落地實施過程中存在智慧農業技術標準不統一[9、項目使用成本高[]、農民接受度不高等問題[1]。解決這些問題的關鍵在于規范并優化項目執行標準，以標準為引領，持續推進智慧農業高質量發展。因此，如何在科學評價已有標準的基礎上合理進行標準優化與調整，進而實現智慧農業標準科學制定與優化演進，是政府部門和智慧農業項目參與主體關注的焦點。

1 文獻綜述

智慧農業是以信息和知識為生產要素，通過互聯網、物聯網、云計算、大數據、智能裝備等現代信息技術與農業深度跨界融合，實現農業生產全過程的信息感知、定量決策、智能控制、精準投入和個性化服務的全新農業生產方式。近年來，發達國家率先啟動發展智慧農業，如美國、英國、日本等把精準農業與智能技術、數字技術、大數據分析納人國家糧食安全的戰略中[5]

在我國，中央政府高度重視數字農業和智慧農業的發展。通過政策引導、標準賦能，智慧農業技術在農業生產中的應用日益廣泛，特別是在精準農業、智能灌溉、病蟲害監測等方面取得了重要突破。智慧農業不僅從技術上提高了農業生產效率，還顯著降低了農業生產成本，促進了農業持續發展同時，智慧農業項目執行標準在推動智慧農業發展中

2 標準評價設計

2.1數據來源與標準選取

2019年5月16日，中央網絡安全和信息化委員會辦公室聯合印發《數字農業農村發展規劃（2019—2025年）》，對新時期推進數字農業農村建設的總體思路、發展目標、重點任務作出了明確部署。結合趙春江等[12-16]學者的研究，并通過文心大模型分詞處理，采用ROSTCM6軟件對標準進行文本挖掘，統計出高頻詞匯后繪制相關社會網絡圖譜。通過歸納整理高頻詞匯來構建評價指標，保證指標整體的合理性和可靠性。高頻詞匯社會網絡圖譜如圖1所示，去掉“要求”“確保”等不相關詞后，本文選取頻率前40的詞匯，如表1所示，為二級變量的選取提供參考，確定本文檢索關鍵詞為：“農業”“農村”“數字”“數據”“建設”“技術”“數字農業”。

2.2評價指標確立與參數設定

一級變量主要參考M.A.Ruiz.Estrada[17]，張永安等[18學者的研究成果，共選取了包含標準性質、標準效力和標準級別等在內的10個指標。

二級變量的選取上，本文基于《數字農業農村發展規劃（2019—2025年）》，采用文本分析和內容分析的方法，運用RostCM6.0軟件提取關鍵詞頻，通過人工篩選剔除無區分度和相關度較小的詞匯，限于篇幅整理出頻次最多的20個關鍵詞（見表1），并得到智慧農業內涵文本高頻詞共現網絡圖（見圖1），作為二級變量確定的依據。基于以上提取詞匯，結合我國智慧農業發展進展，最終確定PMC的38個二級變量（見表2），并將全部二級變量參數值設為二進制的0和1（即如果標準文本中出現相應含義的關鍵詞則二級變量設置為1，否則為0），以有效平衡所有變量。

2.3構建多投入產出表

結合智慧農業內涵文本變量設置及多投入產出表的特點建立了多投人產出表，如表3所示

2.4PMC指數計算

PMC指數計算分為4個步驟：一是建立多投入產出表；二是根據標準內容填入多投入產出表，并由公式（1）和公式（2）確定二級變量數值；三是根據公式（3）計算一級變量的值；四是將各一級指標值加總計算出PMC指數，如公式（4）所示。

X～N[0，1]

X={XR：[0～1]}

由于一級指標有10個，所以計算得到PMC指數取值在0＼～10，根據Estrada的評價標準，將PMC指數數值進行等級劃分，如表4所示。

2.5PMC曲面的繪制

PMC曲面是一個三維立體曲面，通過曲面的起伏，可以更加直觀地對標準的各個維度進行判斷。本文使用的10個一級變量中，X10無二級變量且各項標準的該項指標評分為1。鑒于矩陣具有對稱性及PMC曲面的展示效果，在PMC中刪去一級變量X10，構成3階PMC。

由于一級指標有10個，所以計算得到PMC指數取值在0＼～10之間，根據Estrada的評價標準，將PMC指數數值進行等級劃分，如公式（5）所示。

3智慧農業標準量化評價實證分析

3.1標準得分計算

基于標準評價模型，邀請了智慧農業、標準化、農經等領域專家、政府及基層管理相關人員和相關地區從業者，對隨機選取的13項標準文本進行二進制0＼～1打分，如表6所示；由此計算出每項標準的PMC指數值并按照其大小對標準所屬等級進行劃分，如表5所示。

3.2PMC曲面圖和雷達圖構建

本研究中由于X10的取值在13項標準中均相同，考慮到矩陣的對稱性和平衡性，去掉X10，按照式（5）建立三階矩陣，繪制PMC曲面圖，如圖2所示。

3.3標準評價結果分析

根據表6的PMC指數結果分析，明晰了樣本智慧農業內涵文本標準總體質量水平。結果顯示，沒有“完美”等級的標準，13項智慧農業內涵文本標準均值為及格等級。但從整體上看，我國智慧農業內涵文本標準仍有較大改進和提升的空間。PMC指數由高到低依次為 P4gt;P2gt;P5gt;P1gt;P6gt;P13gt;P3 gt;P10gt;P11gt;P7gt;P12gt;P9gt;P8_c 其中“優秀”等級的標準為P4、P2、P5；“良好”等級的標準P1、P6;“及格”等級的標準P3、P7、P9、P10、P11、P12、P13；“不佳”等級的標準P8。

通過分析PMC多投人產出表，我國數據安全標準仍有較大改進和完善的空間。X1標準性質均值為0.59，標準多體現為監管性和支持性，在試驗性和建議性方面的作用較為薄弱。X2標準效力均值為0.51，當前標準多考慮中短期數據安全的發展，對長期規劃較少。X3標準重點均值為0.75，標準內容多為農業農村、數字農業和農業建設領域，涉及數字鄉村的領域較少。X5標準視角均值為0.33，主要集中在中觀和微觀視角，較少從宏觀角度制定標準。X6標準措施均值為0.48，標準措施主要對于信息技術支持、人才支持和法律保障的側重較大，而對于資金支持、金融支持和投資支持的投入則較小。X7標準目標均值為0.79，標準目標主要為社會化服務、產學研和科技成果轉化，供需對接較少。

4結論

本文基于PMC對13項標準文本進行量化評價和相應的優化路徑，主要得出以下結論：

（1）13項標準文本PMC指數由高到低依次為P4gt;P2gt;P5gt;P1gt;P6gt;P13gt;P3gt;P10gt;P11gt;P7gt; P12gt;P9gt;P8 。排名靠前的PMC指數得分較高，標準內容設計更全面，各地政府部門可參考優秀等級標準文本，因地制宜改進并完善各地標準文本。其中“優秀”等級的標準有3項（P4、P2、P5）；“良好”等級的標準有2項（P1、P6）；“及格”等級的標準有7項（P3、P7、P9、P10、P11、P12、P13）；“不佳”等級的標準有1項（P8）。

（2）我國標準文本仍然有很大的改進空間，從低于均值的標準變量分值來看，X5標準視角、X6標準措施和標準X8受眾的均值分別為0.33、0.48和0.33，均遠低于平均值，且標準文本評價中得分較低也主要集中于這3個指標，說標準文本仍存在標準視角不全面，標準措施不完善和標準受眾不廣泛等問題亟待改進。

參考文獻

[1]趙敏娟.智慧農業的經濟學解釋與突破路徑[J].人民論壇·學術前沿，2020（24）：70-78.

[2]卜令通，張嘉偉.基于PMC指數模型的數字經濟智慧農業標準文本量化評價[J].統計與決策，2023，39（7）：22-27.

[3]高昕，孫遠太.基于PMC指數模型的鄉村振興智慧農業標準文本量化評價[J].統計與決策，2022，38（19）：57-60.

[4]張永安，耿喆.我國區域科技創新智慧農業標準文本的量化評價：基于PMC指數模型[J].科技管理研究，2015，35（14）：26-31.

[5]藍慶新，彭一然.日本“數字新政”戰略動機與發展特征[J].人民論壇，2020（25）：128-131.

[6]劉科利.推進智慧農業發展面臨的現實約束及智慧農業標準文本建議[J].農業經濟，2024（6）：6-8.

[7]劉君，王學偉.山東智慧農業發展模式、成果與智慧農業標準文本建議研究[J].青海農技推廣，2023（4）：41-45.

[8]馮獻，李瑾，崔凱.中外智慧農業的歷史演進與智慧農業標準文本動向比較分析[J].科技管理研究，2022，42（5）：28-36.

[9]農業農村部市場與信息化司調研組赴四省開展“破解智慧農業應用落地難點卡點的政策措施”調研[J].農業工程技術，2023，43（11）：7.

[10]李惠，郭濤，賈鳳伶.創新價值鏈視角下中國智慧農業標準文本分析[J].農業經濟，2023（4）：6-8.

[11]謝煒聰，王景利.農機購置補貼智慧農業標準文本與智慧農業體系的關聯度模型分析[J].農機化研究，2022，44（6）：41-44.

[12]趙春江.智慧農業發展現狀及戰略目標研究[J].農業工程技術，2019，39（6）：14-17.

[13]劉麗偉，高中理.美國發展“智慧農業”促進農業產業鏈變革的做法及啟示[J].經濟縱橫，2016（12）：120-124.

[14]張少華，陳壬濤，黎美玲.中國智慧農業的規模測度與效應評估[J].貴州財經大學學報，2025（2）：22-31.

[15]朱康睿，宋成校.智慧農業發展的國際經驗及啟示[J].世界農業，2024（3）：43-53.

[16]寧甜甜.新發展階段我國智慧農業：機遇、挑戰與優化路徑[J].科學管理研究，2022，40（2）：131-138.

[17]ESTRADA MAR.Policy modeling：Definition，classification and evaluation[J].Journal of Policy Modeling，2011，33（4）： 523-536.

[18]張永安，郄海拓.國務院創新政策量化評價：基于PMC指數模型[J].科技進步與對策，2017，34（17）：127-136.

作者簡介

王君熠，本科在讀，研究方向為智慧農業標準化、生態農業技術。

于曉慶，本科在讀，研究方向為智慧農業標準化、農業信息技術。

徐冬愛，本科，經濟師，研究方向為標準化管理、標準化技術服務。

王琪琦，本科在讀，研究方向為智慧農業標準化、農業信息技術。

韓成吉，通信作者，博士、博士后，講師，研究方向為智慧農業標準化、農業知識發現與知識管理。

（責任編輯：張瑞洋）