基于AHP-PCA模型的數(shù)字鄉(xiāng)村建設(shè)評(píng)價(jià)方法研究

中圖分類號(hào)：F327；F49文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1673-6737（2025）05-0024-05

Evaluation Method for Digital Rural Construction Based on the AHP-PCA Model REN Xin-lu，LIU Yi （School of Management， Guangzhou Huashang College，Guangzhou 5113oo，China）

Abstract：Withtherapiddevelopmentofdigitaltechnology，digitalruralconstructionhas becomeakeyapproachto promoting ruralrevitalization.However，currntevaluationsystemsoftensufferfromunreasonable weightalocationand limitedadaptability.Toaddressthisisue，thisstudyintegratestheAnalyticHierarchyProcessandPrincipalComponents Analysistodevelopanevaluationmodeltailoredtothespecificneedsofdigitalruralconstructioninmajorrice-producing areasinnorthern China.Themodeldemonstratesstrong stability，with minimalimpactfromchangesinthecoordination coeficient.Inpracticalaplication，vilagesguidedbythismodelshowedsignificantimprovements：theaveragescoresof smart agricultural production and digital rural governance increased by 27% ，riceyield per mu rose by 9.9%，the proportion of high-quality rice grew by 56.3% ，and brand premium rates improved by 91.9% .This study provides a scientificevaluationapproachfordigitalruraldevelopmentinnorthernrice-producingregionsandplaysavitalrolein advancing the digital transformation of the rice industry.

Key Words： AHP;PCA； Northern rice-producing region; Digital rural construction

隨著現(xiàn)代數(shù)字技術(shù)的快速發(fā)展，數(shù)字鄉(xiāng)村建設(shè)已成為推動(dòng)鄉(xiāng)村振興的重要方式，特別是在北方水稻主產(chǎn)區(qū)，數(shù)字化轉(zhuǎn)型不僅有助于提升農(nóng)業(yè)生產(chǎn)效率，還能優(yōu)化資源配置，改善農(nóng)民的生活品質(zhì)[-3]。然而，當(dāng)前數(shù)字鄉(xiāng)村建設(shè)評(píng)價(jià)體系普遍存在指標(biāo)選取、權(quán)重分配不合理的問(wèn)題，不能準(zhǔn)確地反映北方水稻種區(qū)數(shù)字鄉(xiāng)村建設(shè)的真實(shí)水平[4-5]。近年來(lái)，層次分析法（Analytic Hierarchy數(shù)字基礎(chǔ)設(shè)施1網(wǎng)絡(luò)Process，AHP作為一種定性與定量相結(jié)合的系統(tǒng)分析方法，能夠?qū)?fù)雜決策問(wèn)題分解為多層次結(jié)構(gòu)，被廣泛應(yīng)用于各類評(píng)價(jià)研究中。但由于其僅依賴專家經(jīng)驗(yàn)判斷指標(biāo)權(quán)重，容易受專家個(gè)人偏好的影響。另一方面，主成分分析法（PrincipalComponents Analysis，PCA）是一種基于數(shù)據(jù)的客觀分析方法，能夠降低指標(biāo)間的相關(guān)性，提取主要影響因素。但缺點(diǎn)是缺乏對(duì)指標(biāo)重要性的先驗(yàn)判斷，且對(duì)原始數(shù)據(jù)質(zhì)量要求較高。為克服上述方法的不足，研究創(chuàng)新性地將AHP與PCA結(jié)合，構(gòu)建適合北方水稻種植區(qū)特點(diǎn)的數(shù)字鄉(xiāng)村建設(shè)評(píng)價(jià)模型。該模型首先通過(guò)AHP構(gòu)建評(píng)價(jià)指標(biāo)體系并確定初始權(quán)重，再引人PCA對(duì)數(shù)據(jù)進(jìn)行降維與優(yōu)化，提取主要成分以修正權(quán)重值，從而實(shí)現(xiàn)專家主觀判斷與數(shù)據(jù)客觀分析的融合。研究旨在提供一種科學(xué)合理的評(píng)價(jià)方法，為推動(dòng)北方水稻主產(chǎn)區(qū)的數(shù)字鄉(xiāng)村建設(shè)提供決策支持，促進(jìn)水稻產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型和農(nóng)村信息化建設(shè)。

1面向數(shù)字鄉(xiāng)村建設(shè)的AHP-PCA評(píng)價(jià)模型

1.1 AHP與PCA的融合設(shè)計(jì)

AHP是一種多準(zhǔn)則決策方法，能夠?qū)?fù)雜問(wèn)題分解為層次結(jié)構(gòu)，系統(tǒng)性地處理指標(biāo)間的關(guān)系。在數(shù)字鄉(xiāng)村建設(shè)的評(píng)價(jià)中，AHP可以考慮北方水稻種植區(qū)的特殊性，如水田灌溉管理、抗寒育秧技術(shù)等數(shù)字化應(yīng)用場(chǎng)景，構(gòu)建符合區(qū)域特點(diǎn)的評(píng)價(jià)體系8-9]。AHP確定各指標(biāo)的相對(duì)重要性的方法是構(gòu)建判斷矩陣并求解，表現(xiàn)形式如式（1）所示

式（1）中， a_ij 表示指標(biāo) i 對(duì)于指標(biāo) j 的重要程度， W₁^AHP 表示第 i 個(gè)指標(biāo)在AHP評(píng)價(jià)體系中的相對(duì)權(quán)重。在北方水稻種植區(qū)，AHP會(huì)賦予智能灌溉系統(tǒng)更高的重要性，因?yàn)樗止芾硎潜狈剿旧L(zhǎng)的關(guān)鍵影響條件。然而，雖然AHP在結(jié)構(gòu)建模方面有優(yōu)勢(shì)，但其過(guò)度依賴專家主觀判斷，會(huì)基于個(gè)人經(jīng)驗(yàn)高估水稻品種數(shù)字化管理的重要性，低估農(nóng)戶數(shù)字素養(yǎng)對(duì)技術(shù)應(yīng)用效果的影響[II-2]。因此，為了增強(qiáng)評(píng)價(jià)體系的客觀性，研究引人PCA對(duì)AHP的結(jié)果進(jìn)行優(yōu)化。PCA通過(guò)降維分析提取數(shù)據(jù)主要信息，實(shí)現(xiàn)思路如圖1所示。

圖1PCA工作機(jī)制原理圖

由圖1可以看出，原始數(shù)據(jù)在高維空間的分布較為分散，而PCA能識(shí)別出數(shù)據(jù)的主要變化方向，將數(shù)據(jù)投影在這兩個(gè)主成分構(gòu)成的二維平面上，使數(shù)據(jù)結(jié)構(gòu)更加清晰。在數(shù)字鄉(xiāng)村評(píng)價(jià)中，PCA能夠有效提取北方水稻種植區(qū)的評(píng)價(jià)指標(biāo)中的關(guān)鍵信息，客觀地反映各指標(biāo)間的內(nèi)在關(guān)聯(lián)，為評(píng)價(jià)體系提供基礎(chǔ)數(shù)據(jù)[13-14]。基于此，研究利用PCA計(jì)算各指標(biāo)的信息貢獻(xiàn)，得到基于數(shù)據(jù)的客觀權(quán)重，計(jì)算方式如式（2）所示。

式（②中， λ_j 為第 j 個(gè)主成分的特征值， l_ij 為指標(biāo) i 在第 j 個(gè)主成分中的荷載系數(shù)， k 為選取的主成分?jǐn)?shù)量。PCA能夠發(fā)現(xiàn)數(shù)據(jù)中隱含的結(jié)構(gòu)，在北方水稻產(chǎn)區(qū)中，智能水溫監(jiān)測(cè)系統(tǒng)與產(chǎn)量提升之間存在相關(guān)性，這種相關(guān)性通常無(wú)法被專家經(jīng)驗(yàn)注意到[。為充分結(jié)合AHP的系統(tǒng)性與PCA的客觀性，研究通過(guò)調(diào)和系數(shù)將權(quán)重進(jìn)行加權(quán)融合，過(guò)程如式（3）所示。

式（3中， W_i 表示融合后 i 指標(biāo)的權(quán)重。 α 為調(diào)和系數(shù)，取值范圍為 [0，1] 。最后，研究對(duì)結(jié)果進(jìn)行歸一化處理，得到綜合權(quán)重向量，如式（4）所示。

這種融合設(shè)計(jì)吸收了水稻專家對(duì)數(shù)字技術(shù)在不同生產(chǎn)環(huán)節(jié)重要性的判斷，又通過(guò)數(shù)據(jù)分析客觀發(fā)現(xiàn)了各指標(biāo)對(duì)數(shù)字鄉(xiāng)村建設(shè)的實(shí)際貢獻(xiàn)，從而提高了評(píng)價(jià)結(jié)果的科學(xué)性和實(shí)用性。通過(guò)AHP-PCA評(píng)價(jià)方法，研究能夠充分考慮區(qū)域特點(diǎn)，更合理地平衡這兩方面的評(píng)價(jià)依據(jù)。

1.2基于AHP-PCA的評(píng)價(jià)模型構(gòu)建

基于融合的AHP-PCA評(píng)價(jià)方法，研究進(jìn)一步構(gòu)建適合北方水稻種植區(qū)的數(shù)字鄉(xiāng)村建設(shè)評(píng)價(jià)模型。研究首先考慮北方水稻種植區(qū)的氣候特點(diǎn)、生產(chǎn)模式和區(qū)域差異，選取具有代表性的指標(biāo)，從四個(gè)維度設(shè)計(jì)評(píng)價(jià)指標(biāo)體系[6-17]。評(píng)價(jià)指標(biāo)體系內(nèi)容如圖2所示。

由圖2可以看到，研究構(gòu)建的數(shù)字鄉(xiāng)村評(píng)價(jià)指標(biāo)體系是一個(gè)多層次的框架，涵蓋了四個(gè)主要維度的16項(xiàng)具體指標(biāo)。主要涵蓋數(shù)字基礎(chǔ)建設(shè)、智慧農(nóng)業(yè)生產(chǎn)、數(shù)字公共服務(wù)、鄉(xiāng)村數(shù)字治理四個(gè)維度8。這些指標(biāo)涵蓋了北方水稻種植區(qū)數(shù)字鄉(xiāng)村建設(shè)的各個(gè)方面，將水稻生產(chǎn)特點(diǎn)與數(shù)字技術(shù)應(yīng)用充分結(jié)合。該體系的表現(xiàn)形式如式（5）所示。

X={X₁，X₂，X₃，X₄}

式（5）中， X₁，X₂，X₃，X₄ 為四個(gè)一級(jí)指標(biāo)。為了進(jìn)行評(píng)估，研究首先收集每個(gè)指標(biāo)的相關(guān)數(shù)據(jù)，對(duì)于定量指標(biāo)通過(guò)統(tǒng)計(jì)年鑒、政府工作報(bào)告和實(shí)地調(diào)研獲取。對(duì)于定性指標(biāo)則采用專家評(píng)分和問(wèn)卷調(diào)查的方式[19-21]。在收集并對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后，研究將指標(biāo)值與AHP-PCA獲得的綜合權(quán)重相結(jié)合，計(jì)算各評(píng)價(jià)對(duì)象的綜合得分，公式如式（6）所示。

式（6）中， S_i 為第 i 個(gè)評(píng)價(jià)對(duì)象的綜合得分， w_j 為第 j 個(gè)指標(biāo)的綜合權(quán)重，得分越高表明數(shù)字鄉(xiāng)村建設(shè)水平越高。為了更好地分析數(shù)字鄉(xiāng)村建設(shè)不同維度中的發(fā)展?fàn)顩r，研究還提出計(jì)算各一級(jí)指標(biāo)的分項(xiàng)得分，該得分可以揭示數(shù)字鄉(xiāng)村建設(shè)的不平衡性，例如可能存在數(shù)字基礎(chǔ)設(shè)施較好但智慧農(nóng)業(yè)生產(chǎn)應(yīng)用不足等情況22。同時(shí)計(jì)算各指標(biāo)對(duì)綜合得分的貢獻(xiàn)率，確定各指標(biāo)對(duì)數(shù)字鄉(xiāng)村建設(shè)的影響程度，發(fā)現(xiàn)哪些因素在數(shù)字鄉(xiāng)村建設(shè)中發(fā)揮更重要的作用，為后續(xù)優(yōu)化建設(shè)路徑提供依據(jù)23]。最后，針對(duì)北方水稻種植區(qū)的特殊性，模型還進(jìn)行敏感性分析，檢驗(yàn)不同指標(biāo)權(quán)重變化對(duì)評(píng)價(jià)結(jié)果的影響，計(jì)算過(guò)程如式（7）所示。

式（7）中， ΔS_i 為綜合得分的變化量， Δw_j 為指標(biāo)權(quán)重的變化量。通過(guò)敏感性分析，可以檢驗(yàn)評(píng)價(jià)結(jié)果的穩(wěn)健性，并識(shí)別對(duì)評(píng)價(jià)結(jié)果影響最大的關(guān)鍵指標(biāo)[24]。根據(jù)以上過(guò)程，研究構(gòu)建的基于AHP-PCA的數(shù)字鄉(xiāng)村建設(shè)評(píng)價(jià)模型工作流程如圖3所示。

AHP權(quán)重計(jì)算一 中 尼四 ★評(píng)價(jià)指標(biāo)體系 十 融合與歸一化 綜合權(quán)重向量數(shù)據(jù)標(biāo)準(zhǔn)化提取主成分計(jì)算貢獻(xiàn)度PCA權(quán)重計(jì)算D H 書(shū)敏感性分析 差距分析 綜合得分 分項(xiàng)得分指標(biāo)貢獻(xiàn)度輸出政策建議評(píng)價(jià)結(jié)果分析 評(píng)價(jià)結(jié)果計(jì)算

圖3中，AHP-PCA模型在構(gòu)建評(píng)價(jià)指標(biāo)體系后，同時(shí)通過(guò)AHP與PCA得出專家經(jīng)驗(yàn)導(dǎo)向權(quán)重和數(shù)據(jù)驅(qū)動(dòng)權(quán)重，后將其進(jìn)行融合與歸一化，得到綜合權(quán)重向量。隨后基于綜合權(quán)重計(jì)算出各評(píng)價(jià)對(duì)象的綜合得分、分項(xiàng)得分和指標(biāo)貢獻(xiàn)率，再通過(guò)評(píng)價(jià)結(jié)果分析環(huán)節(jié)進(jìn)行相關(guān)性分析和差距分析，最終輸出針對(duì)北方水稻種植區(qū)的數(shù)字鄉(xiāng)村建設(shè)政策建議。

2數(shù)字鄉(xiāng)村建設(shè)評(píng)價(jià)模型的應(yīng)用驗(yàn)證

2.1 AHP-PCA模型穩(wěn)定性驗(yàn)證

為驗(yàn)證AHP-PCA模型在北方水稻種植區(qū)數(shù)字鄉(xiāng)村建設(shè)評(píng)價(jià)中的穩(wěn)定性及適用性，研究選取了黑龍江省綏化市五個(gè)典型水稻主產(chǎn)縣作為研究對(duì)象，命名為A-E。研究收集了2024年各縣在16項(xiàng)二級(jí)指標(biāo)上的原始數(shù)據(jù)，采用德?tīng)柗品ńM織10位數(shù)字農(nóng)業(yè)與鄉(xiāng)村振興領(lǐng)域的專家進(jìn)行評(píng)分，取平均值作為最終結(jié)果。為了檢驗(yàn)AHP-PCA對(duì)調(diào)和系數(shù)變化的敏感性，研究設(shè)置了不同的調(diào)和系數(shù)值，計(jì)算各評(píng)價(jià)對(duì)象的綜合得分，結(jié)果如圖4所示。

從圖4（a）可以看出，隨著調(diào)和系數(shù)從0.1增加到0.9，五個(gè)縣區(qū)的綜合評(píng)價(jià)得分雖然有波動(dòng)，但整體變化較小。同時(shí)，五個(gè)縣區(qū)之間的相對(duì)排名始終保持不變，進(jìn)一步說(shuō)明該評(píng)價(jià)方法的穩(wěn)定性和可靠性。由圖4（b）可以看到，各縣的變異系數(shù)均低于0.02，說(shuō)明綜合評(píng)價(jià)結(jié)果對(duì)調(diào)和系數(shù)變化不敏感，尤其是B縣和C縣的變異系數(shù)分別為0.009和0.010，表明這兩個(gè)縣區(qū)的評(píng)價(jià)結(jié)果受調(diào)和系數(shù)影響更小，也證明了該方法的穩(wěn)定性較強(qiáng)。

2.2數(shù)字鄉(xiāng)村建設(shè)的實(shí)用性驗(yàn)證

為驗(yàn)證AHP-PCA在指導(dǎo)數(shù)字鄉(xiāng)村建設(shè)實(shí)踐中的應(yīng)用價(jià)值，研究選取了黑龍江省綏化市內(nèi)兩個(gè)具有相似自然條件和經(jīng)濟(jì)基礎(chǔ)的水稻種植村作為研究對(duì)象，命名為Z村和X村。研究于2023年12月至2024年12月開(kāi)展為期一年的實(shí)證研究，使用AHP-PCA對(duì)兩村數(shù)字鄉(xiāng)村建設(shè)情況進(jìn)行評(píng)估，為Z村制定并實(shí)施了有針對(duì)性的數(shù)字鄉(xiāng)村建設(shè)方案，X村就按照常規(guī)方式推進(jìn)數(shù)字鄉(xiāng)村建設(shè)工作。實(shí)驗(yàn)期間兩村在四個(gè)評(píng)價(jià)維度下的評(píng)分變化如圖5所示。

從圖5可以看出，Z村在四個(gè)維度上的提升均明顯高于X村，特別在智慧農(nóng)業(yè)生產(chǎn)和鄉(xiāng)村數(shù)字治理兩個(gè)維度，評(píng)分分別從開(kāi)始的0.514和0.352上升到0.651和0.452，上升幅度平均達(dá)到27% ，這說(shuō)明針對(duì)性建設(shè)措施有持續(xù)的積極效果。X村也有提升，但幅度較小，而且各維度發(fā)展較為均衡，沒(méi)有明顯突破。這種差異表明，AHP-PCA評(píng)價(jià)方法能夠有效識(shí)別數(shù)字鄉(xiāng)村建設(shè)中的關(guān)鍵環(huán)節(jié)，制定精準(zhǔn)有效的建設(shè)方案。為評(píng)估數(shù)字鄉(xiāng)村建設(shè)對(duì)水稻產(chǎn)業(yè)經(jīng)濟(jì)效益的影響，研究對(duì)比了兩村的水稻生產(chǎn)經(jīng)濟(jì)指標(biāo)變化情況，結(jié)果如圖6所示。綜合圖6可以看出，經(jīng)過(guò)一年的針對(duì)性數(shù)字鄉(xiāng)村建設(shè)，Z村水稻生產(chǎn)的經(jīng)濟(jì)效益顯著提升。產(chǎn)量從536.2kg/667m² 增加到 589.5kg/667m² ，漲幅達(dá)9.9% ，高于Z村的 2.5% 。同時(shí)，Z村水稻的利潤(rùn)最終達(dá)到1298.2元 1667m² ，高品質(zhì)米比例從37.5% 提升至 58.6% ，增幅達(dá) 56.3% ，品牌溢價(jià)率也提升了 91.9% ，這些結(jié)果反映了數(shù)字技術(shù)在提升水稻質(zhì)量和品牌價(jià)值方面的積極作用。另外，Z村的勞動(dòng)生產(chǎn)率每日從 0.22hm² 提高到0.32hm² ，說(shuō)明數(shù)字技術(shù)能夠減輕農(nóng)戶的勞動(dòng)強(qiáng)度，提高生產(chǎn)效率。相比之下，X村各項(xiàng)指標(biāo)提升幅度較小，漲幅最高的品牌溢價(jià)率也僅從 13.1% 增長(zhǎng)到15.2% 。以上結(jié)果說(shuō)明，AHP-PCA評(píng)價(jià)方法能夠科學(xué)客觀地評(píng)估數(shù)字鄉(xiāng)村建設(shè)水平，在指導(dǎo)北方水稻種植區(qū)的數(shù)字鄉(xiāng)村建設(shè)實(shí)踐中具有實(shí)用價(jià)值。

圖6水稻生產(chǎn)經(jīng)濟(jì)指標(biāo)變化結(jié)果

3結(jié)論

針對(duì)北方水稻主產(chǎn)區(qū)數(shù)字鄉(xiāng)村建設(shè)評(píng)價(jià)體系中存在的評(píng)價(jià)不準(zhǔn)確的問(wèn)題，研究構(gòu)建了基于AHP-PCA評(píng)價(jià)方法的數(shù)字鄉(xiāng)村建設(shè)評(píng)價(jià)模型。該模型包含數(shù)字基礎(chǔ)建設(shè)、智慧農(nóng)業(yè)生產(chǎn)、數(shù)字公共服務(wù)和鄉(xiāng)村數(shù)字治理四個(gè)維度的16項(xiàng)評(píng)價(jià)指標(biāo)，通過(guò)調(diào)和系數(shù)將專家經(jīng)驗(yàn)與數(shù)據(jù)分析進(jìn)行融合，實(shí)現(xiàn)經(jīng)驗(yàn)知識(shí)與實(shí)證數(shù)據(jù)的結(jié)合。模型穩(wěn)定性驗(yàn)證表明，在調(diào)和系數(shù)從0.1到0.9的變化范圍內(nèi)，實(shí)驗(yàn)中的五個(gè)縣區(qū)相對(duì)排名保持一致，且各縣的變異系數(shù)均低于0.02，表明評(píng)價(jià)結(jié)果對(duì)調(diào)和系數(shù)變化不敏感。在鄉(xiāng)村建設(shè)的實(shí)際應(yīng)用實(shí)驗(yàn)中，使用AHP-PCA模型進(jìn)行建設(shè)指導(dǎo)的Z村的智慧農(nóng)業(yè)生產(chǎn)評(píng)分從0.514提升至0.651，數(shù)字治理評(píng)分從0.352增至0.452。同時(shí)水稻生產(chǎn)經(jīng)濟(jì)指標(biāo)也得到明顯改善，畝產(chǎn)量增長(zhǎng) 9.9% ，高品質(zhì)米比例提升至 58.6% ，勞動(dòng)生產(chǎn)率從 0.22hm² 每日提高到0.32hm² 每日。這些結(jié)果充分證明了AHP-PCA模型在指導(dǎo)北方水稻種植區(qū)數(shù)字鄉(xiāng)村建設(shè)實(shí)踐中的實(shí)用價(jià)值。盡管研究取得了一些成果，但沒(méi)有分析季節(jié)性氣候變化對(duì)數(shù)字農(nóng)業(yè)技術(shù)應(yīng)用效果的影響，且樣本區(qū)域有限、時(shí)間跨度較短。未來(lái)研究將注重多維度動(dòng)態(tài)評(píng)價(jià)機(jī)制，增強(qiáng)評(píng)價(jià)模型對(duì)復(fù)雜農(nóng)業(yè)生產(chǎn)環(huán)境的適應(yīng)能力，為構(gòu)建高效、可持續(xù)的北方水稻區(qū)數(shù)字鄉(xiāng)村發(fā)展體系提供理論支撐。

參考文獻(xiàn)：

[1]杜蓉，柳思維，馮佑帥.數(shù)字鄉(xiāng)村發(fā)展對(duì)農(nóng)村居民消費(fèi)的影響機(jī)制實(shí)證研究[J].經(jīng)濟(jì)地理，2024，44（4）：190-200.

[2]胡蕾，巫強(qiáng)，姚雨秀.數(shù)字鄉(xiāng)村建設(shè)對(duì)農(nóng)村家庭增收的作用機(jī)制：基于縣域數(shù)字鄉(xiāng)村指數(shù)與中國(guó)家庭追蹤調(diào)查的匹配數(shù)據(jù)[J].云南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2024，40（3）：82-96.

[3]張威威，杜歡政，陸莎.數(shù)字要素賦能鄉(xiāng)村生態(tài)振興的困境與對(duì)策研究[J].環(huán)境科學(xué)與管理，2024，49（10）：169-174.

[4]扎令孜，丁尸夏，臭彬，寺.數(shù)子鄉(xiāng)村建設(shè)賦能鄉(xiāng)村廣業(yè)振興的效應(yīng)與作用機(jī)制[J].西南農(nóng)業(yè)學(xué)報(bào)，2024，37（9）：1925-1936.

[5] 田璞玉，萬(wàn)忠，王建軍，等.廣東省農(nóng)業(yè)農(nóng)村現(xiàn)代化評(píng)價(jià)指標(biāo)體系構(gòu)建與評(píng)估[J].科技管理研究，2023，43（10）：66-72.

[6]李正凱，王趙明，齊亞楠，等.基于改良層次分析法的環(huán)境影響評(píng)價(jià)模型在公路綠色施工中的應(yīng)用研究[J].環(huán)境科學(xué)與管理，2024，49（6）：185-189.

[7] 涂鑫鑫，李偉夫，陳洪，等.基于主成分分析法的城中村居民社會(huì)脆弱性評(píng)估：以武漢市洪山區(qū)為例[J.長(zhǎng)江流域資源與環(huán)境，2023， 32（2）：284-296.

[8]劉海，鄧竹清，曾理文，等.南北種：南方雜交粘稻東北種植的設(shè)想及育種實(shí)踐[J].雜交水稻，2025，40（1）：1-4.

[9]李國(guó)景，楊亞?wèn)|，劉洋，等.縣域水稻生產(chǎn)區(qū)域差異與增產(chǎn)效應(yīng)[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2024，29（10）：60-71.

[10] 劉清圣，王瑩，陳麗紅，等.洱海流域稻田水分管理模式研究[J].江西農(nóng)業(yè)學(xué)報(bào)，2023，35（11）：121-127.

[11]歐陽(yáng)逸云，蘇漳文，李春輝，等.基于模糊邏輯和網(wǎng)絡(luò)層次分析法的森林火險(xiǎn)區(qū)劃[J].應(yīng)用生態(tài)學(xué)報(bào)，2024，35（2）：354-362.

[12]蘭小夢(mèng)，潘杰，趙莉.健康示范縣評(píng)價(jià)指標(biāo)體系構(gòu)建--基于德?tīng)柗坪蛯哟畏治龇╗J].中國(guó)衛(wèi)生政策研究，2024，17（6）：27-32.

[13] 鄭澳月，費(fèi)金娜，陳永清，等.應(yīng)用奇異值分解（SVD）-主成分分析（PCA）組合模型定量圈定與評(píng)價(jià)騰沖地塊錫鎢和鉛鋅多金屬找礦靶區(qū)[J].地學(xué)前緣，2025，32（1）：283-301.

[14] 李冬，劉子源，曾非同，等.基于非參數(shù)估計(jì)與滑動(dòng)窗口改進(jìn)的主成分分析方法研究[J].電測(cè)與儀表，2024，61（11）：107-115.

[15]王忍，黃璜，陳燦，等.不同生態(tài)種養(yǎng)模式對(duì)雙季稻土壤養(yǎng)分及水稻產(chǎn)量的影響[J].雜交水稻，2024，39（3）：127-132.

[16]孟佳瑞.基于水稻產(chǎn)業(yè)發(fā)展的鄉(xiāng)村振興模式探索與實(shí)踐[J].北方水稻，2025，55（2）：87-89.

[17]陳潔菡，郎富平，陳添珍，等.情感導(dǎo)向下的鄉(xiāng)村旅游景觀評(píng)價(jià)指標(biāo)體系構(gòu)建與空間設(shè)計(jì)策略[J.西南林業(yè)大學(xué)學(xué)報(bào)，2024，8（12）：51-57.

[18]許潤(rùn)達(dá)，張建平，葛揚(yáng).中國(guó)鄉(xiāng)村振興水平的指標(biāo)構(gòu)建，測(cè)度評(píng)價(jià)及時(shí)空演變[J].規(guī)劃師，2024，40（8）：43-49.

[19]馬瑞英，趙蕊，翟勇，等.基于鄉(xiāng)村振興戰(zhàn)略分析水稻田園文化旅游的開(kāi)發(fā)路徑[J].北方水稻，2025，55（1）：103-105.

[20] 崔佳倩.鄉(xiāng)村振興背景下水稻種植產(chǎn)業(yè)發(fā)展存在的問(wèn)題與對(duì)策研究[J].北方水稻，2024，54（2）：64-66.

[21]郭映彤.基于鄉(xiāng)村振興的水稻種植綠色生產(chǎn)技術(shù)發(fā)展對(duì)策研究[J].北方水稻，2024，54（4）：91-93.

[22] 胡衛(wèi)衛(wèi)，盧玥寧.數(shù)字鄉(xiāng)村治理共同體的生成機(jī)理與運(yùn)作邏輯研究：基于\"中國(guó)大棚第一村\"數(shù)字鄉(xiāng)村建設(shè)的實(shí)證考察[J]公共管理學(xué)報(bào)，2023，20（1）：133-143.

[23] 王振華，江金啟.數(shù)字鄉(xiāng)村建設(shè)賦能縣域經(jīng)濟(jì)高質(zhì)量發(fā)展研究：基于技術(shù)進(jìn)步偏向視角[J].經(jīng)濟(jì)經(jīng)緯，2024，41（4）：29-43.

[24] 陳謙，楊格，王尚長(zhǎng)，等.基于關(guān)聯(lián)性分析的模型更新混合試驗(yàn)參數(shù)敏感性分析方法[J]．地震工程與工程振動(dòng)，2025，45（2）：192-202.