基于層次分析法的大田型智慧農場發展水平評價研究

林 悅 吳 勇

（1.蕪湖職業技術學院國際經貿學院，安徽 蕪湖 241003；2.合肥工業大學管理學院，安徽 合肥 230009；3.安徽工程大學經管學院，安徽 蕪湖 241000）

0 引言

智慧農業作為深度融合現代信息技術的農業生產模式，已成為當今世界現代農業發展的趨勢［1］。隨著智慧農業不斷得到各國政府和業界的廣泛重視，與其相關的研究也逐漸增多。例如，蔣璐聞［2］、趙春江［3］、陳媛媛等［4］從不同視角對比了中外智慧農業發展現狀，提出我國智慧農業未來發展的戰略目標與主要任務。殷浩棟等［5］從我國現實約束出發，探究了符合我國國情的智慧農業發展路徑與政策建議。目前，我國已有一批基礎設施條件較好的大田型農場率先開啟了智慧農業生產模式，逐步向大田精準作業邁進。在此背景下，大田型智慧農場發展水平成為衡量種植業發展水平與大田型農場競爭力的重要指標。然而，查閱文獻發現，對智慧農場發展水平進行評價的研究較少，尚無學者構建出大田型智慧農場發展水平評價指標體系。發展水平無法得到量化評價，智慧農場發展就缺乏科學指導［2］。鑒于此，筆者利用層次分析法（Analytic Hierarchy Process，AHP）構建大田型智慧農場發展水平評價指標體系，并對5家農場進行實證分析，以期為大田型智慧農場的經營管理實踐提供參考。

1 評價指標體系構建

通過閱讀文獻、分析智慧農業發展的相關理論，并結合走訪農場，確定了資源基礎、關鍵能力、經營績效3個維度為大田型智慧農場發展水平評價指標體系的一級指標。之后，通過咨詢專家，參考國外智慧農業發展經驗，結合我國智慧農業、物聯網技術等發展現狀，確定二、三級指標，最終形成包含3個一級指標、11個二級指標、43個三級指標的大田型智慧農場發展水平評價指標體系，如表1所示。

表1 大田型智慧農場發展水平評價指標體系

2 各指標權重計算與分析

該評價指標體系共有3個維度、43個指標，各個指標在綜合評價中的重要程度是不一樣的。地位重要的，應予以較大的權重；反之，應該給予較小的權重。筆者利用層次分析法確定各指標的權重。

2.1 構建判斷矩陣

邀請專家對各指標的重要程度進行打分，確定各指標之間的相對重要關系，從而構建兩兩比較判斷矩陣。矩陣中的aij表示ai相對aj的重要程度。如果前者更為重要，那么aij＞1；如果兩者同樣重要，則aij=1。

2.2 計算相對于目標層各評價指標相對重要性次序的權重

判斷矩陣的最大特征值和歸一化的特征向量的計算步驟具體為

①正規化處置判斷矩陣

②將判斷矩陣中的元素相加

③對特征向量進行歸一化處理

④計算判斷矩陣A的最大特征值

式（4）中：（AW）i表示AW的第i個元素。

歸一化后的特征向量W=［w1，w2，w3，…，wi］T，即為各評價指標對于目標層的權重。

2.3 進行判斷矩陣的一致性檢驗

若能通過檢測，意味著判斷矩陣合理，存在解釋價值。一致性指標CI為衡量判斷矩陣不一致程度的指標。當CI為0時，判斷矩陣一致；CI越大，判斷矩陣的不一致程度越重。一致性指標計算公式為

RI是隨機一致性指標。根據層次分析法中平均隨機一致性指標RI取值參考表（見表2），計算判斷矩陣的隨機一致性比率CR，即CR=CI/RI。當CR＜0.1時，判斷矩陣具有滿意的一致性，或其不一致程度可以接受。

表2 層次分析法中平均隨機一致性指標RI取值參考

經過計算，準則層B1、B2、B3的CR值分別為0.011 8、0.015 8、0.004 8，指標層C1至C5的CR值分別為0.014 1、0.008 8、0、0.013 7、0.007 8，指標層C6至C8的CR值分別為0.010 4、0.007 9、0.002 9，指標層C9至C11的CR值分別為0.003 2、0.015 8、0.002 3，以上各指標均通過一致性檢驗。同時，計算得到大田智慧農場發展水平評價指標權重如表3所示。其中，方案層中各指標的綜合權重又稱絕對權重，用以描述該指標在總體評價中的權重。其計算結果是方案層對應指標的權重、指標層對應指標的權重、準則層對應指標的權重之積。在一級指標中，資源基礎在智慧農業發展中占據重要地位；在二級指標中，土地資源、智能生產及盈利水平是影響智慧農業發展的關鍵因素；在三級指標中，耕種面積、吸納就業情況、單位產值農藥施用量、產品檢測情況、流動資金情況、智能農機配置等因素對智慧農業發展影響較大。

表3 大田型智慧農場發展水平評價指標權重

3 實證分析

3.1 研究對象選取

筆者經過實地走訪、電話訪談后，最終篩選出位于江蘇（蘇）、安徽（皖）、湖南（湘）3省的5個大田型智慧農場進行實證分析。

3.2 數據獲取與處理

為使評價更加全面，筆者構建了多維度的指標體系。為了使調研結果更加貼近現實，筆者選取的農場數據通過實地調研的方法獲取。

在數據處理上，筆者構建的評價指標體系中既有定量指標也有定性指標。定性指標由8位專家進行打分，求其平均值。定量指標因量綱不同，無法進行直接比較、計算，故先將其標準化處理，最終得到無量綱的標準化數據表。將標準化數據與權重相乘，即可得到這5個大田型智慧農場發展水平的綜合得分，見表4。綜合得分計算公式為

表4 5個大田型智慧農場綜合得分

式（6）中：wj是表3中方案層43個指標的綜合權重，是標準化數據構成的評價矩陣。

從表4可以看出，這5個大田型智慧農場發展水平綜合得分分別為0.715 6、0.729 0、0.724 0、0.995 1、0.761 3，湘4農場綜合得分最高。在資源基礎方面，湘4農場的得分明顯高于其他4個農場，主要原因在于湘4農場可耕種土地面積大，智慧農業生產中所需設備齊全。在關鍵能力方面，5個農場的得分差異不大且得分都較低，主要原因在于農場主的受教育水平普遍不高，在物聯網設備、信息集成系統的操作方面仍不熟練，這也是智慧農業發展中需要重視的一個方面。在經營績效方面，5個農場的得分差異仍舊不大，原因在于各地政府都積極扶持大田型農場與智慧農業發展，并且糧價因受國家調控而差別不大，導致不同農場經營績效差別不大。

4 結論及建議

4.1 結論

筆者構建的大田型智慧農場發展水平評價指標體系科學合理，涵蓋3個維度、43個具體指標，可以從整體上衡量任何一家大田型智慧農場的發展水平，也可以對不同發展水平的智慧農場進行比較，根據智慧農場各指標的具體得分情況找到提升策略。利用層次分析法確定評價指標權重合理且有效，資源基礎是一級指標中最重要的，土地資源、智能生產、盈利水平影響著智慧農場的整體發展水平。從實證分析結果足以可見，筆者構建的大田型智慧農場發展水平評價指標體系能較好地對各大田型智慧農場進行客觀評價。

4.2 建議

4.2.1 資源基礎方面。我國在基礎設施建設上與發達國家有較大差距，而這又是智慧農業發展必不可少的硬件條件。因此，政府部門應加大農業設施配置的幫扶力度，智慧農場應努力提高智能農機配置率、視頻監控覆蓋率，并加強物聯網設備的布控。發展智慧產業，技術人才必不可少，但目前我國針對智慧農業方面的技術人才缺少系統的培養，導致物聯網設備及信息集成系統難以推廣開來，從而阻礙了智慧農業發展。對此，政府部門應健全信息化人才培養機制，如依托國內高校，建設一個系統的信息化人才培養機制，為智慧農業可持續發展提供技術人才儲備。

4.2.2 關鍵能力方面。受教育水平不高的影響，農場主普遍對智能生產技術的掌握有一定困難，對物聯網設備、信息集成系統的操作不熟練。對此，政府應安排專業的農技人員到智慧農場向農場主傳授信息化技術和相關系統操作技能，提升農場主使用智慧農業設備的信心和能力。

4.2.3 經營績效方面。各智慧農場在經營績效方面的差距雖然不大，但得分普遍不高。大多數大田型智慧農場將糧食按國家收儲價格出售給政府相關部門。為提高盈利水平，各農場主可根據自身情況改變經營模式，如實施稻蝦共養、打造品質農產品、建立農產品品牌等。

此外，智慧農場的建設與發展離不開政府的扶持。政府應對積極投入智慧農場建設的農場主適當發放補助，調動其積極性，并制定智慧農場生產標準，推動智慧農場規范化發展。