智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”耦合協(xié)調(diào)分析

摘 要：農(nóng)地種植結(jié)構(gòu)調(diào)整及其趨糧化是穩(wěn)定糧食生產(chǎn)的關(guān)鍵，推進(jìn)智慧農(nóng)業(yè)技術(shù)與糧食生產(chǎn)融合是保障糧食安全的重要手段，研究?jī)烧叩年P(guān)聯(lián)機(jī)制對(duì)穩(wěn)定我國(guó)糧食安全根基和智慧農(nóng)業(yè)技術(shù)的普及具有重大意義。該文基于我國(guó)31個(gè)省（市、自治區(qū)）（不含港澳臺(tái)地區(qū)）2016—2022年的省級(jí)面板數(shù)據(jù)，運(yùn)用超效率SBM模型和耦合協(xié)調(diào)度模型測(cè)算各省份智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”的協(xié)調(diào)發(fā)展水平。研究發(fā)現(xiàn)，研究期內(nèi)70%的省份智慧農(nóng)業(yè)生產(chǎn)效率均值都在1以上，總體波動(dòng)較小，但各地智慧農(nóng)業(yè)生產(chǎn)效率差異較大，區(qū)域發(fā)展不均衡。我國(guó)智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”協(xié)調(diào)發(fā)展水平總體較低，耦合協(xié)調(diào)度介于0.4～0.6之間居多，其中最高的省份達(dá)到中級(jí)協(xié)調(diào)水平，最低位于嚴(yán)重協(xié)調(diào)水平，在空間上呈現(xiàn)出從北到南、從東到西遞減趨勢(shì)，整體耦合協(xié)調(diào)度有待提升。

關(guān)鍵詞：智慧農(nóng)業(yè)；農(nóng)業(yè)生產(chǎn)效率；農(nóng)地趨糧化；超效率SBM；耦合協(xié)調(diào)度模型

中圖分類號(hào)：S-3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2096-9902（2024）18-0017-05

Abstract： The adjustment of farmland planting structure and its grain-oriented trend are the key to stabilizing grain production， and promoting the integration of smart agriculture technology and grain production is an important means of ensuring food security. Based on the provincial panel data of 31 provinces， municipalities and autonomous regions in China from 2016 to 2022， this paper uses the super-efficient SBM model and the Coupling Coordination Degree Model to measure the coordinated development level of smart agricultural production efficiency and "grain-oriented" trend of farmlandin each province. The results show that during the study period， the average production efficiency of smart agriculture in 70% of provinces is above 1， and the overall fluctuation is small， but the production efficiency of smart agriculture varies greatly in different regions， and the regional development is uneven. The coordinated development level of smart agricultural production efficiency and farmlandgrain-oriented trendin China is generally low， and the coupling coordination degree is mostly between 0.4～0.6. Among them， the highest province reaches the intermediate coordination level， and the lowest is at the serious coordination level. It shows a decreasing trend from north to south and from east to west， and the overall coupling coordination degree needs to be improved.

Keywords： smart agriculture; agricultural production efficiency; "grain-oriented" trend of farmland; super-efficiency SBM; Coupling Coordination Degree Model

智慧農(nóng)業(yè)主要是以信息技術(shù)、智能設(shè)備、互聯(lián)網(wǎng)大數(shù)據(jù)等新型技術(shù)為依托，與農(nóng)業(yè)生產(chǎn)各要素相融合，通過(guò)智能感知、數(shù)據(jù)分析和遠(yuǎn)程控制等手段，最終形成農(nóng)業(yè)可持續(xù)化發(fā)展的生產(chǎn)模式[1]。2016年到2023年中央一號(hào)文件中相繼提出要瞄準(zhǔn)農(nóng)業(yè)現(xiàn)代化方向，實(shí)施農(nóng)業(yè)智慧工程，推進(jìn)農(nóng)業(yè)強(qiáng)國(guó)的建設(shè)。國(guó)家糧食和物資儲(chǔ)備局在2022年7月發(fā)布的《“十四五”糧食和物資儲(chǔ)備科技和人才發(fā)展規(guī)劃》中多處提到“智能”字眼，包括“智能化糧機(jī)裝備”“智能化散糧接受管控技術(shù)”“智能化糧食物流技術(shù)”等。通過(guò)數(shù)字技術(shù)與糧食育種、生產(chǎn)、倉(cāng)儲(chǔ)、物流和加工等全產(chǎn)業(yè)鏈的有機(jī)融合，優(yōu)化農(nóng)民生產(chǎn)經(jīng)營(yíng)條件，調(diào)整農(nóng)地種植結(jié)構(gòu)，最終達(dá)到“趨糧化”的目的。那智慧農(nóng)業(yè)生產(chǎn)與農(nóng)地“趨糧化”兩者關(guān)聯(lián)機(jī)制究竟如何，是否可以協(xié)調(diào)發(fā)展呢？以上問(wèn)題都有待進(jìn)一步明晰。

目前學(xué)術(shù)界主要從理論角度論述智慧農(nóng)業(yè)助力農(nóng)業(yè)生產(chǎn)的機(jī)制，或是研究智慧農(nóng)業(yè)某項(xiàng)技術(shù)在農(nóng)業(yè)生產(chǎn)場(chǎng)景的應(yīng)用，但是對(duì)于智慧農(nóng)業(yè)和農(nóng)地“趨糧化”的研究尚處于分離狀態(tài)。為科學(xué)、合理化地研究我國(guó)各省份智慧農(nóng)業(yè)與農(nóng)地“趨糧化”的協(xié)調(diào)發(fā)展程度，本文以全國(guó)31個(gè)省（市、自治區(qū)）（不含港澳臺(tái)地區(qū)）為研究對(duì)象，以2016—2022年為研究時(shí)段，通過(guò)構(gòu)建智慧農(nóng)業(yè)生產(chǎn)效率評(píng)價(jià)指標(biāo)體系，運(yùn)用超效率SBM模型對(duì)全國(guó)31個(gè)省（市、自治區(qū)）（不含港澳臺(tái)地區(qū)）智慧農(nóng)業(yè)的生產(chǎn)效率進(jìn)行測(cè)度，并利用耦合協(xié)調(diào)度模型進(jìn)一步研究智慧農(nóng)業(yè)與農(nóng)地“趨糧化”的耦合協(xié)調(diào)水平，這對(duì)于加快建設(shè)農(nóng)業(yè)強(qiáng)國(guó)、保障糧食安全具有重要的現(xiàn)實(shí)意義。

1 研究方法

1.1 SBM模型

本文首先使用非角度非徑向超效率SBM模型對(duì)全國(guó)31個(gè)省（市、自治區(qū)）（不含港澳臺(tái)地區(qū)）的智慧農(nóng)業(yè)生產(chǎn)效率進(jìn)行測(cè)度。SBM模型源于數(shù)據(jù)包絡(luò)分析法（DEA），該方法是一種以線性規(guī)劃為基礎(chǔ)，根據(jù)投入與產(chǎn)出情況用于計(jì)算各個(gè)決策單元相對(duì)效率（DNU）的主要方法。雖然傳統(tǒng)的DEA模型（如CCR、BBC）等模型已被廣泛應(yīng)用于各大研究領(lǐng)域，但該模型在應(yīng)用中還存在2個(gè)方面缺點(diǎn)：一是未考慮松弛變量，導(dǎo)致效率測(cè)算時(shí)實(shí)際值與理論值的偏差；二在實(shí)際檢驗(yàn)過(guò)程中無(wú)法進(jìn)一步區(qū)分決策單元出現(xiàn)多個(gè)效率值為1的情況[2]；為解決以上問(wèn)題，Tone[3]在2002年提出了一種基于松弛變量的超效率SBM模型，可以對(duì)多個(gè)決策單元進(jìn)行更精確的比較。因此，本文假設(shè)全國(guó)31個(gè)省（市、自治區(qū)）（不含港澳臺(tái)地區(qū)），每個(gè)地區(qū)有n個(gè)投入和m個(gè)產(chǎn)出，x和y分別表示投入變量和產(chǎn)出變量，得出超效率SBM表達(dá)式如下

1.2 耦合協(xié)調(diào)度模型

式中：Y為智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”的耦合協(xié)調(diào)度，C為兩系統(tǒng)間的耦合度，V為兩者的綜合評(píng)價(jià)指數(shù)，α和β為待定系數(shù)且兩者相加等于1，分別代表兩大系統(tǒng)對(duì)整體協(xié)調(diào)度發(fā)展水平的貢獻(xiàn)程度。由于我國(guó)政府近年來(lái)對(duì)于農(nóng)業(yè)現(xiàn)代化發(fā)展和糧食安全的高度重視，本文認(rèn)為智慧農(nóng)業(yè)發(fā)展水平和農(nóng)地“趨糧化”水平的重要程度一致，故將α和β均取值為0.5。參考現(xiàn)有研究結(jié)果[６]，對(duì)本文研究的耦合協(xié)調(diào)度等級(jí)進(jìn)行劃分，見(jiàn)表1。

2 變量界定與數(shù)據(jù)處理

2.1 變量界定

2.1.1 智慧農(nóng)業(yè)生產(chǎn)效率測(cè)度

目前學(xué)術(shù)界對(duì)于智慧農(nóng)業(yè)生產(chǎn)效率評(píng)價(jià)指標(biāo)體系的構(gòu)建較少，本文將借鑒蔡靜雯等[７]學(xué)者的研究，綜合考量智慧農(nóng)業(yè)生產(chǎn)的特點(diǎn)和指標(biāo)數(shù)據(jù)的科學(xué)性、可獲得性，本文從資本、物流、移動(dòng)通信、機(jī)械化、互聯(lián)網(wǎng)、用電量、灌溉及勞動(dòng)力這8個(gè)維度確定智慧農(nóng)業(yè)生產(chǎn)效率測(cè)度的投入指標(biāo)，將農(nóng)業(yè)產(chǎn)出和農(nóng)民收入作為產(chǎn)出變量。詳情見(jiàn)表2。

1）智慧農(nóng)業(yè)投入變量。智慧農(nóng)業(yè)資本投入由財(cái)政支農(nóng)水平、地方財(cái)政科學(xué)技術(shù)支出和地方財(cái)政教育支出衡量。其中財(cái)政支農(nóng)水平這項(xiàng)指標(biāo)無(wú)法直接獲取，因此本文在參照已有研究[８]的基礎(chǔ)上，對(duì)財(cái)政支農(nóng)水平進(jìn)行計(jì)算。公式為：財(cái)政支農(nóng)水平=（農(nóng)林水務(wù)支出/地方一般預(yù)算）×100。其他7個(gè)維度的投入指標(biāo)則分別有農(nóng)村投遞路線及農(nóng)村居民平均每百戶年末電話擁有量、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)村寬帶接入戶數(shù)、農(nóng)村用電量、有效灌溉面積和第一產(chǎn)業(yè)從業(yè)人員衡量[９－１１]。

2）智慧農(nóng)業(yè)產(chǎn)出變量。參考王圣云等[12]和陳湘滿等[１3]的相關(guān)研究，農(nóng)業(yè)產(chǎn)出和農(nóng)民收入分別由農(nóng)林牧漁業(yè)總產(chǎn)和農(nóng)村居民人均可支配收入來(lái)衡量。

2.1.2 農(nóng)地“趨糧化”的確定

2.2 數(shù)據(jù)來(lái)源及處理

智慧農(nóng)業(yè)相關(guān)概念于2014年在我國(guó)首次提出，2016年第一次被計(jì)入我國(guó)政策文件中，至此之后每一年黨中央都會(huì)出臺(tái)新的政策規(guī)劃來(lái)驅(qū)動(dòng)智慧農(nóng)業(yè)的發(fā)展，因此本文選取除港澳臺(tái)外的全國(guó)31個(gè)省（市、自治區(qū)）（不含港澳臺(tái)地區(qū)）2016—2022年的面板數(shù)據(jù)進(jìn)行研究，其數(shù)據(jù)均來(lái)自于《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)人口與就業(yè)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》以及各省、市、自治區(qū)統(tǒng)計(jì)年鑒，對(duì)于部分地區(qū)某些年份的缺失數(shù)據(jù)采用線性插值法補(bǔ)齊。

3 研究結(jié)果分析

3.1 智慧農(nóng)業(yè)生產(chǎn)效率分析

依據(jù)構(gòu)建的指標(biāo)體系，運(yùn)用Matlab軟件并選用規(guī)模報(bào)酬不變假設(shè)下的非角度非徑向超效率SBM模型對(duì)2016—2022年的中國(guó)31個(gè)省（市、自治區(qū)）（不含港澳臺(tái)地區(qū)）的智慧農(nóng)業(yè)生產(chǎn)效率進(jìn)行有效測(cè)度（表3）。

具體來(lái)看，2016—2022年期間，31個(gè)省（市、自治區(qū)）智慧農(nóng)業(yè)生產(chǎn)效率均值都在1以上，整體保持波動(dòng)平穩(wěn)趨勢(shì)。從地區(qū)分布看，上海市智慧農(nóng)業(yè)生產(chǎn)效率均值達(dá)到2.305，遠(yuǎn)高于其他省（市、自治區(qū)），甘肅省最低，僅為0.414。河北、山西、內(nèi)蒙古、吉林、安徽、江西、湖南、重慶和陜西等省份效率值均在1以下，存在較大的提升空間。由此可見(jiàn)，我國(guó)各省份間智慧農(nóng)業(yè)生產(chǎn)效率差異較大，區(qū)域發(fā)展水平不均衡。

從全國(guó)發(fā)展趨勢(shì)來(lái)看，智慧農(nóng)業(yè)生產(chǎn)效率振幅總體波動(dòng)較小。其中，上海、河北、遼寧和內(nèi)蒙古等地區(qū)呈現(xiàn)出波動(dòng)增長(zhǎng)狀態(tài)，說(shuō)明以上地區(qū)投入要素配置合理，反映智慧農(nóng)業(yè)發(fā)展政策執(zhí)行效應(yīng)逐漸凸顯。值得注意的是，上海的效率值增長(zhǎng)幅度較大，形成這種現(xiàn)象的主要原因是上海經(jīng)濟(jì)發(fā)達(dá)，在農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)、財(cái)政投入、專業(yè)科技人才支持方面具有一定的優(yōu)勢(shì)。與2016年比，部分省份的效率值均有所下降，其中西藏、寧夏、貴州等西部地區(qū)偏多，歸結(jié)于可能受資源、地形、氣候條件等因素的限制，智慧農(nóng)業(yè)發(fā)展水平相對(duì)滯后。

3.2 智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”耦合協(xié)調(diào)度分析

運(yùn)用耦合協(xié)調(diào)度模型測(cè)算得出我國(guó)31個(gè)省（市、自治區(qū)）2016—2022年智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”耦合協(xié)調(diào)度，同時(shí)依據(jù)表1對(duì)其耦合協(xié)調(diào)度進(jìn)行等級(jí)劃分，詳細(xì)結(jié)果見(jiàn)表4。

由表4可知，2016—2022年間，我國(guó)智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”耦合協(xié)調(diào)度大多介于0.4～0.6之間，對(duì)照前文等級(jí)劃分標(biāo)準(zhǔn)可知，31個(gè)省（市、自治區(qū)）中耦合協(xié)調(diào)度位于勉強(qiáng)協(xié)調(diào)、初級(jí)協(xié)調(diào)狀態(tài)居多，其中最高的省份達(dá)到中級(jí)協(xié)調(diào)等級(jí)，最低位于嚴(yán)重失調(diào)等級(jí)。由此可見(jiàn)，我國(guó)智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”協(xié)同發(fā)展水平較低，整體耦合協(xié)調(diào)度有待提升。

從增長(zhǎng)幅度來(lái)看，研究期內(nèi)智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”耦合協(xié)調(diào)度變化趨勢(shì)甚微。其中甘肅上升幅度最大，耦合協(xié)調(diào)度由0.222增長(zhǎng)至0.378，累計(jì)增幅為70.31%，實(shí)現(xiàn)了層級(jí)跳躍；其次是內(nèi)蒙古和河北，分別為20.96%和17.18%；新疆降幅最大，耦合協(xié)調(diào)度由0.403到0.33，累計(jì)降幅18.1%。表明現(xiàn)階段各區(qū)域智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”耦合協(xié)調(diào)度發(fā)展態(tài)勢(shì)差異較大，還處于耦合協(xié)調(diào)度的磨合期與調(diào)整期，2個(gè)子系統(tǒng)的協(xié)調(diào)發(fā)展仍處于探索階段。

從協(xié)調(diào)等級(jí)結(jié)果來(lái)看，最高等級(jí)為中級(jí)協(xié)調(diào)，包含天津、黑龍江、西藏3個(gè)地區(qū)，占比9.68%；其次是初級(jí)協(xié)調(diào)，城市包括河北、內(nèi)蒙古、吉林等7個(gè)地區(qū)，占比22.6%；從區(qū)域分布來(lái)看，以上省（市、自治區(qū)）大多位于華北和東北地區(qū)，包含了我國(guó)北方的6個(gè)糧食主產(chǎn)區(qū)，這表明近年來(lái)我國(guó)政府出臺(tái)的一系列智慧農(nóng)業(yè)與糧食政策對(duì)以上地區(qū)農(nóng)業(yè)生產(chǎn)要素流動(dòng)和資源配置起到有效催化作用，推動(dòng)了兩者的協(xié)調(diào)發(fā)展。位于勉強(qiáng)協(xié)調(diào)中的省份主要分布于我國(guó)東部和西南地區(qū)，這主要因?yàn)槲覈?guó)中南地區(qū)把發(fā)展重點(diǎn)偏移在追求經(jīng)濟(jì)效益上，農(nóng)民對(duì)智慧農(nóng)業(yè)認(rèn)識(shí)不足，更愿意選擇選擇收益大的經(jīng)濟(jì)作物。而西南地區(qū)受地勢(shì)影響，耕地細(xì)碎化，農(nóng)機(jī)作業(yè)成本高，導(dǎo)致產(chǎn)出效益不高影響二者的協(xié)調(diào)水平。處于失調(diào)階段的有10個(gè)地區(qū)，協(xié)調(diào)度最低的2個(gè)省（市、自治區(qū)）分別是新疆和甘肅，這些地區(qū)無(wú)論是糧食種植還是智慧農(nóng)業(yè)建設(shè)都受到自然的約束，如地貌、降水生態(tài)環(huán)境的影響。綜合來(lái)看，研究期內(nèi)智慧農(nóng)業(yè)生產(chǎn)效率于農(nóng)地“趨糧化”呈從北到南、從東到西遞減趨勢(shì)。

4 結(jié)論與建議

4.1 結(jié)論

本文基于2016—2022年的面板數(shù)據(jù)，在構(gòu)建智慧農(nóng)業(yè)生產(chǎn)效率的評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，應(yīng)用非角度非徑向SBM模型測(cè)算31個(gè)省（市、自治區(qū)）（不含港澳臺(tái)地區(qū)）的效率值，借助耦合協(xié)調(diào)度模型探究智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”的協(xié)調(diào)水平，得出的結(jié)論如下。

1）研究期內(nèi)，我國(guó)絕大多數(shù)省（市、自治區(qū)）智慧農(nóng)業(yè)生產(chǎn)效率均值在1以上，上海市效率值達(dá)到了2.305，甘肅省僅為0.414，區(qū)域間空間差異明顯。從各省（市、自治區(qū)）效率值變化情況來(lái)看，整體波動(dòng)幅度較小，呈下降的趨勢(shì)的省份較多集中在我國(guó)西部地區(qū)。

2）智慧農(nóng)業(yè)生產(chǎn)效率與農(nóng)地“趨糧化”的耦合協(xié)調(diào)水平整體上存在一定的提升空間。從時(shí)間維度上來(lái)看，變化趨勢(shì)不明顯，但是空間分布特征明顯，整體上呈現(xiàn)出從北向南、從東向西遞減趨勢(shì)。

4.2 深化智慧農(nóng)業(yè)與農(nóng)地趨糧化耦合關(guān)系的建議

根據(jù)以上研究結(jié)論，結(jié)合國(guó)家糧食安全戰(zhàn)略和農(nóng)業(yè)現(xiàn)代化發(fā)展要求，本文提出如下建議。

1）公共資源要素投入是提升二者耦合協(xié)調(diào)度的根本動(dòng)力。政府應(yīng)優(yōu)化公共服務(wù)供給，以穩(wěn)定糧食生產(chǎn)為目標(biāo)導(dǎo)向，加大農(nóng)業(yè)高新技術(shù)的研發(fā)投入，加強(qiáng)智慧農(nóng)業(yè)生產(chǎn)基地與各高校、科研部門的聯(lián)合協(xié)作，鼓勵(lì)社會(huì)各主體參與到新技術(shù)的研發(fā)與投入中，進(jìn)一步推進(jìn)農(nóng)業(yè)技術(shù)創(chuàng)新。并通過(guò)資金補(bǔ)貼、政策扶持等手段降低農(nóng)機(jī)設(shè)備的購(gòu)入成本，實(shí)現(xiàn)資源的優(yōu)化配置和效益的最優(yōu)化，加快智慧農(nóng)業(yè)助力糧食生產(chǎn)的步伐。

2）因地制宜地制定發(fā)展戰(zhàn)略。綜合考慮各地不同的資源稟賦和發(fā)展現(xiàn)狀，要依托各自的特色產(chǎn)業(yè)和資源優(yōu)勢(shì)，推動(dòng)智慧技術(shù)與糧食生產(chǎn)的有機(jī)融合、協(xié)調(diào)發(fā)展。如東部地區(qū)省份在發(fā)展經(jīng)濟(jì)的同時(shí)要保護(hù)耕地資源，提高單位面積糧食產(chǎn)量。中部地區(qū)應(yīng)發(fā)揮各自產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)勢(shì)，完善鄉(xiāng)村基礎(chǔ)設(shè)施的建設(shè)，促進(jìn)城鄉(xiāng)要素流通，西部地區(qū)需加強(qiáng)自然災(zāi)害防范能力，優(yōu)化耕地質(zhì)量，提升農(nóng)業(yè)現(xiàn)代化水平。

3）倡導(dǎo)先進(jìn)的農(nóng)業(yè)生產(chǎn)理念，加快農(nóng)業(yè)科技人才培養(yǎng)。構(gòu)建可持續(xù)發(fā)展的糧食安全體系的前提，除了培養(yǎng)農(nóng)戶個(gè)體的生態(tài)保護(hù)意識(shí)之外，也應(yīng)增強(qiáng)農(nóng)戶數(shù)字技能的培訓(xùn)力度，促進(jìn)農(nóng)業(yè)新技術(shù)的普及與應(yīng)用，鼓勵(lì)農(nóng)戶積極使用現(xiàn)代化農(nóng)機(jī)設(shè)備，激發(fā)農(nóng)戶對(duì)智慧農(nóng)業(yè)新技術(shù)的認(rèn)可。其次，加強(qiáng)高校專業(yè)人才的培養(yǎng)，設(shè)立農(nóng)業(yè)、信息技術(shù)等與智慧農(nóng)業(yè)相關(guān)的學(xué)科，引導(dǎo)高科技人才參與糧食生產(chǎn)工作，切實(shí)推進(jìn)先進(jìn)技術(shù)的使用，為糧食安全保駕護(hù)航。

參考文獻(xiàn)：

[1] 寧甜甜.新發(fā)展階段我國(guó)智慧農(nóng)業(yè)：機(jī)遇、挑戰(zhàn)與優(yōu)化路徑[J].科學(xué)管理研究，2022，40（2）：131-138.

[2] 程娟娟，王倩，余勁，等.基于LCA和SBM模型的蘋果生產(chǎn)環(huán)境效率評(píng)價(jià)[J].干旱區(qū)資源與環(huán)境，2022，36（3）：36-43.

[3] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2001，130（3）：498-509.

[4] 包烏蘭托亞，鄭丹，王慧.鄉(xiāng)村旅游與農(nóng)村可持續(xù)生計(jì)耦合協(xié)調(diào)的時(shí)空演化與驅(qū)動(dòng)機(jī)制研究——以青島市為例[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2023，44（6）：229-242.

[5] 何壽奎，簡(jiǎn)東涵.數(shù)字經(jīng)濟(jì)對(duì)區(qū)域高質(zhì)量發(fā)展空間影響效應(yīng)及耦合協(xié)調(diào)性分析[J].工業(yè)技術(shù)經(jīng)濟(jì)，2022，41（10）：42-50.

[6] 甄俊杰，師博，張新月.中國(guó)數(shù)字創(chuàng)新與經(jīng)濟(jì)高質(zhì)量發(fā)展的協(xié)同效應(yīng)及動(dòng)態(tài)演進(jìn)預(yù)測(cè)[J].現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2023，43（3）：3-20.

[7] 蔡靜雯，許思遠(yuǎn)，丁勝，等.基于DEA模型的江蘇省智慧農(nóng)業(yè)生產(chǎn)效率分析[J].中國(guó)林業(yè)經(jīng)濟(jì)，2022，174（3）：47-50.

[8] 劉心怡，金山，張偉.金融科技對(duì)農(nóng)村居民的收入增長(zhǎng)效應(yīng)及其傳導(dǎo)機(jī)制[J].財(cái)貿(mào)研究，2020，31（8）：65-76

[9] 顏華，魏秀宇，齊悅，等.農(nóng)業(yè)生產(chǎn)集聚提升了環(huán)境效率嗎？——基于環(huán)境規(guī)制調(diào)節(jié)效應(yīng)的分析[J].農(nóng)業(yè)經(jīng)濟(jì)與管理，2022（6）：26-37.

[10] 黃宜，張家縉，周海燕，等.農(nóng)業(yè)科技投入對(duì)農(nóng)業(yè)生態(tài)效率的影響——基于農(nóng)村互聯(lián)網(wǎng)使用的傳導(dǎo)機(jī)制[J].資源開(kāi)發(fā)與市場(chǎng)，2023，39（7）：801-809.

[11] 朱紅根，陳暉.中國(guó)數(shù)字鄉(xiāng)村發(fā)展的水平測(cè)度、時(shí)空演變及推進(jìn)路徑[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2023，519（3）：21-33.

[12] 王圣云，林玉娟.中國(guó)區(qū)域農(nóng)業(yè)生態(tài)效率空間演化及其驅(qū)動(dòng)因素——水足跡與灰水足跡視角[J].地理科學(xué)，2021，41（2）：290-301.

[13] 陳湘滿，喻科.農(nóng)村產(chǎn)業(yè)融合對(duì)農(nóng)村居民收入的影響——基于空間杜賓模型實(shí)證分析[J].湘潭大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2022，46（2）：66-73.

[14] 檀竹平，洪煒杰，羅必良.農(nóng)業(yè)勞動(dòng)力轉(zhuǎn)移與種植結(jié)構(gòu)“趨糧化”[J].改革，2019，305（7）：111-118.

[15] 羅必良，張露，仇童偉.小農(nóng)的種糧邏輯——40年來(lái)中國(guó)農(nóng)業(yè)種植結(jié)構(gòu)的轉(zhuǎn)變與未來(lái)策略[J].南方經(jīng)濟(jì)，2018，347（8）：1-28.