東北平原地區(qū)智慧農(nóng)業(yè)發(fā)展水平測度及耦合協(xié)調(diào)分析

張勁松，姚璐，金亞男

（1.中南民族大學(xué)管理學(xué)院，武漢 430074；2.民族地區(qū)數(shù)字化發(fā)展與治理研究中心）

2020 年農(nóng)業(yè)農(nóng)村部、財政部聯(lián)合印發(fā)《東北黑土地保護性耕作行動計劃（2020-2025 年）》，強調(diào)黑土地保護性耕作和可持續(xù)性發(fā)展的重要性。作為全球僅有的三大黑土區(qū)之一，中國重要商品糧基地，東北平原地區(qū)目前面臨黑土流失、土地荒漠化、鹽堿化等問題。如何改變這一狀況，發(fā)展智慧農(nóng)業(yè)，推動新一代信息技術(shù)與農(nóng)業(yè)生產(chǎn)經(jīng)營深度結(jié)合是重要途徑。智慧農(nóng)業(yè)以其綠色生態(tài)、生產(chǎn)高效等特點，成為拓展農(nóng)業(yè)農(nóng)村大數(shù)據(jù)應(yīng)用情境，推進數(shù)字鄉(xiāng)村建設(shè)發(fā)展的有力手段，有助于提高農(nóng)業(yè)生產(chǎn)效率，拉動農(nóng)業(yè)可持續(xù)發(fā)展，進而助力農(nóng)業(yè)農(nóng)村現(xiàn)代化建設(shè)。農(nóng)業(yè)綠色可持續(xù)發(fā)展是智慧農(nóng)業(yè)發(fā)展的內(nèi)在要求，也是東北平原地區(qū)加快農(nóng)業(yè)高質(zhì)量轉(zhuǎn)型的重要路徑。并且東北平原地區(qū)擁有黑土這一重要的土壤資源，地形平坦開闊，適宜農(nóng)業(yè)規(guī)?；C械化、智能化發(fā)展，在推進農(nóng)業(yè)高質(zhì)量發(fā)展、建設(shè)農(nóng)業(yè)強國方面具有重要的戰(zhàn)略意義。因此，研究該區(qū)域智慧農(nóng)業(yè)發(fā)展狀況，明確智慧農(nóng)業(yè)發(fā)展過程中的障礙，對加快當?shù)剞r(nóng)業(yè)轉(zhuǎn)型升級，推動地區(qū)農(nóng)業(yè)現(xiàn)代化建設(shè)方面具有一定的現(xiàn)實意義。

1 研究綜述

智慧農(nóng)業(yè)是信息技術(shù)與農(nóng)業(yè)生產(chǎn)、經(jīng)營、管理和服務(wù)全產(chǎn)業(yè)鏈的“生態(tài)融合”[1]，也是農(nóng)業(yè)智能革命的外在形態(tài)[2]，旨在貫徹綠色發(fā)展理念[3]，利用智能技術(shù)改善農(nóng)業(yè)生產(chǎn)環(huán)境，創(chuàng)建綠色高效的農(nóng)業(yè)生產(chǎn)體系，達到農(nóng)業(yè)可持續(xù)發(fā)展、推進兩型社會建設(shè)[4]的目的。

近年來，國內(nèi)外學(xué)者對智慧農(nóng)業(yè)的研究側(cè)重點有所不同。國外學(xué)者側(cè)重研究解決智慧農(nóng)業(yè)發(fā)展過程中存在的技術(shù)、成本和信息等問題，如研究納米結(jié)構(gòu)生物傳感器在智慧農(nóng)業(yè)中的技術(shù)適用性[5]，提出多種算法來應(yīng)對無線傳感器網(wǎng)絡(luò)（WSN）壽命縮短問題[6-7]，開發(fā)使用商用廉價WSN 設(shè)備的智慧農(nóng)業(yè)系統(tǒng)和可控制無人機（UAV）的智能藍牙無線技術(shù)來降低智慧農(nóng)業(yè)推廣成本[8-9]，并以物聯(lián)網(wǎng)為智慧農(nóng)業(yè)運營核心，聯(lián)合UAV、WSN、和5G 技術(shù)，實時為農(nóng)業(yè)生產(chǎn)提供數(shù)據(jù)信息，優(yōu)化農(nóng)業(yè)生產(chǎn)決策的效能[10]。國內(nèi)學(xué)者多立足國情探討智慧農(nóng)業(yè)發(fā)展的現(xiàn)實意義、可行性與實現(xiàn)路徑。發(fā)展智慧農(nóng)業(yè)利于解決現(xiàn)階段中國農(nóng)業(yè)質(zhì)量效益不高、競爭力不強等問題[11]，但智慧農(nóng)業(yè)成本高、專業(yè)人才匱乏、信息基礎(chǔ)設(shè)施差、關(guān)鍵技術(shù)存在短板[12]等問題制約其發(fā)展。因此，采用灰色關(guān)聯(lián)分析法、層次分析法等方法篩選構(gòu)建智慧農(nóng)業(yè)發(fā)展水平指標體系，結(jié)合熵權(quán)TOPSIS 模型衡量某省份智慧農(nóng)業(yè)發(fā)展狀態(tài)[13-14]，或者使用超效率SBM 模型測算以省份為研究區(qū)域的智慧農(nóng)業(yè)生產(chǎn)效率，分析其空間演化趨勢和影響因素[15]，來度量該省份智慧農(nóng)業(yè)發(fā)展水平，并對比研究中國與其他發(fā)達國家智慧農(nóng)業(yè)發(fā)展差異[16-18]，總結(jié)提煉共性經(jīng)驗，找到制約因素，提出政府與市場雙向聯(lián)動的智慧農(nóng)業(yè)驅(qū)動機制[19]，堅持創(chuàng)新驅(qū)動、政府引領(lǐng)、市場導(dǎo)向、智能技術(shù)與農(nóng)業(yè)產(chǎn)業(yè)轉(zhuǎn)型融合發(fā)展的路徑來發(fā)揮我國智慧農(nóng)業(yè)布局的后發(fā)優(yōu)勢。

基于現(xiàn)有研究發(fā)現(xiàn)，國內(nèi)學(xué)者在智慧農(nóng)業(yè)領(lǐng)域的研究多為定性研究，有關(guān)定量研究較少，且少有從過程響應(yīng)維度研究區(qū)域智慧農(nóng)業(yè)發(fā)展差異的研究。因此，基于壓力—狀態(tài)—響應(yīng)模型建立智慧農(nóng)業(yè)指標，收集2015-2019 年東北平原地區(qū)各省份的面板數(shù)據(jù)，采用熵權(quán)—模糊綜合評價法，客觀評價該區(qū)域各省份智慧農(nóng)業(yè)發(fā)展水平差異，并且采用耦合協(xié)調(diào)法研究區(qū)域智慧農(nóng)業(yè)發(fā)展協(xié)調(diào)程度，進而明確智慧農(nóng)業(yè)發(fā)展過程中存在的問題，提出切實可行的建議。

2 研究設(shè)計

2.1 數(shù)據(jù)來源與指標體系構(gòu)建

研究數(shù)據(jù)來自于2016-2020 年四省統(tǒng)計年鑒、《中國統(tǒng)計年鑒2016-2020》《中國農(nóng)村統(tǒng)計年鑒2016-2020》以及《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》，具體指標見表1。

表1 東北平原智慧農(nóng)業(yè)發(fā)展水平測度指標權(quán)重Table 1 Measurement index system of intelligent agriculture development level in northeast plain

表2 2015-2019 東北平原四省區(qū)智慧農(nóng)業(yè)發(fā)展水平綜合得分（F）Table 2 Comprehensive score of intelligent agriculture development level in northeast plain from 2015 to 2019（F）

表3 東北平原地區(qū)智慧農(nóng)業(yè)子系統(tǒng)耦合度類型劃分Table 3 Classification of coupling degree type of intelligent agriculture subsystems in northeast plain

表4 東北平原地區(qū)智慧農(nóng)業(yè)子系統(tǒng)耦合協(xié)調(diào)度類型劃分Table 4 Type division of coupling and coordination degree of intelligent agriculture subsystem in northeast plain

PSR 模型最早由世界經(jīng)濟合作發(fā)展組織（OECD）和聯(lián)合國環(huán)境規(guī)劃屬（UNEP）提出，常用于土地等資源生態(tài)安全評估及預(yù)測[20-21]，近些年跨學(xué)科交互研究普遍，也用在糧食安全風(fēng)險評估[22]、經(jīng)濟產(chǎn)業(yè)高質(zhì)量發(fā)展機制研究[23]等方面，應(yīng)用廣泛。因此結(jié)合研究特點，運用該模型測度智慧農(nóng)業(yè)水平具有可行性?；赑SR 模型，遵循科學(xué)性和可行性等原則，從壓力—狀態(tài)—響應(yīng)維度選取了10 個一級指標，28個二級指標。其中，智慧農(nóng)業(yè)發(fā)展面臨的“壓力”是指農(nóng)業(yè)發(fā)展迫切達到規(guī)?；C械化、綠色化以及與互聯(lián)網(wǎng)電子商務(wù)緊密發(fā)展等目標面臨的壓力；智慧農(nóng)業(yè)發(fā)展的“狀態(tài)”是指目前智慧農(nóng)業(yè)發(fā)展呈現(xiàn)的狀況，包括農(nóng)村生活水平、互聯(lián)網(wǎng)通信基礎(chǔ)設(shè)施和農(nóng)業(yè)生產(chǎn)能力；智慧農(nóng)業(yè)發(fā)展的“響應(yīng)”是指為促進農(nóng)業(yè)智慧化所做出的努力，包括增加農(nóng)業(yè)金融服務(wù)支持、大力重視農(nóng)業(yè)人才[24]培養(yǎng)工作和提升農(nóng)業(yè)創(chuàng)新能力。

2.2 研究方法

2.2.1 熵權(quán)法確定指標權(quán)重

熵權(quán)法的計算具體步驟如下：

（1）對數(shù)據(jù)進行標準化處理。處理公式如下：

正項指標標準化處理公式：

負向指標標準化處理公式：

其中標準值記為yij，xij是第i 個省份第j 項指標的原始數(shù)據(jù)值，i=1，2，…m（m=4）；j=1，2，…n（n=28）。

（2）計算指標權(quán)重

計算第i 個省區(qū)第j 項指標在該指標中的占比為

計算第j 項指標熵權(quán)

計算第j 項指標權(quán)重

2.2.2 模糊綜合評價法確定各省智慧農(nóng)業(yè)發(fā)展水平得分

模糊綜合評價法的具體計算步驟如下：

（1）根據(jù)指標性質(zhì)建立理想方案

如果指標j 屬于效益型指標，則該指標的理想方案是對應(yīng)指標所有數(shù)據(jù)中的最大值；如果指標j 屬于成本型指標，則指標的理想方案是對應(yīng)指標所有數(shù)據(jù)中的最小值[25]。

（2）建立相對偏差模糊矩陣R

設(shè)U={U1，U2，…，Um}是需要進行評價的m 個方案集合，V={V1，V2，…，Vn}是評價因素集合，用V 集合因素對U 中每個方案分別進行衡量，得到觀測值矩陣Y：

從而得到相對偏差模糊矩陣R

（3）結(jié)合熵權(quán)法計算出的指標權(quán)重建立綜合評價模型

上式中Fi為第i 個省份智慧農(nóng)業(yè)發(fā)展水平綜合得分，wj為指標權(quán)重，rij為相對偏差模糊矩陣值。Fs＜Ft，表明s 省的智慧農(nóng)業(yè)發(fā)展水平高于t 省智慧農(nóng)業(yè)發(fā)展水平[26]。

2.2.3 內(nèi)部耦合協(xié)調(diào)分析

（1）計算耦合度值

耦合度反應(yīng)各個子系統(tǒng)之間的影響關(guān)系，設(shè)耦合度值為C，耦合協(xié)調(diào)度模型如下：

式中，P、S、R 分別代表壓力、狀態(tài)、響應(yīng)三個子系統(tǒng)，其值為各個系統(tǒng)內(nèi)指標權(quán)重Wj與yij的乘積和，取值范圍在［0，1］。C 值越接近1，表示各個子系統(tǒng)之間耦合度越大，發(fā)展的緊密程度越強；C 值越接近0，表示各個子系統(tǒng)之間耦合度越小，各子系統(tǒng)處于無關(guān)且無須發(fā)展的狀態(tài)[27]。

（2）計算耦合協(xié)調(diào)度

耦合協(xié)調(diào)度模型為：

式中：D 為耦合協(xié)調(diào)度，T 為壓力、狀態(tài)、響應(yīng)子系統(tǒng)的綜合調(diào)和指數(shù)，a、b、c 分別為子系統(tǒng)的權(quán)重系數(shù)。

3 東北平原智慧農(nóng)業(yè)發(fā)展水平

3.1 東北平原智慧農(nóng)業(yè)發(fā)展水平分析

3.1.1 指標權(quán)重分析

根據(jù)指標體系和模型計算出各指標權(quán)重結(jié)果如下：

從二級指標層面上來看，權(quán)重大于0.05 的指標有國有農(nóng)場耕地面積、有效灌溉面積、第一產(chǎn)業(yè)增加值占比及農(nóng)林牧漁業(yè)就業(yè)人員數(shù)，表明增加國有農(nóng)場耕地面積、擴大農(nóng)業(yè)有效灌溉面積、提高農(nóng)業(yè)增加值在地區(qū)生產(chǎn)總值中的占比以及增加農(nóng)業(yè)就業(yè)人數(shù)更有利于智慧農(nóng)業(yè)的推廣和發(fā)展。

從一級指標層面上來看，農(nóng)業(yè)人才培養(yǎng)基礎(chǔ)權(quán)重最高，可見提升農(nóng)業(yè)從業(yè)人員素質(zhì)，培養(yǎng)更多的農(nóng)業(yè)專業(yè)技術(shù)人才對于促進智慧農(nóng)業(yè)發(fā)展而言至關(guān)重要。其次發(fā)展綠色農(nóng)業(yè)、機械化農(nóng)業(yè)、提升農(nóng)業(yè)生產(chǎn)能力與科技創(chuàng)新水平同樣對智慧農(nóng)業(yè)發(fā)展極其有利。最后農(nóng)業(yè)金融服務(wù)與電子商務(wù)發(fā)展在衡量智慧農(nóng)業(yè)發(fā)展水平中權(quán)重不高，需要加強農(nóng)業(yè)在這兩個方面的協(xié)同發(fā)展，共創(chuàng)農(nóng)業(yè)發(fā)展新業(yè)態(tài)。

3.1.2 智慧農(nóng)業(yè)發(fā)展水平得分分析

從總體來看，地區(qū)智慧農(nóng)業(yè)發(fā)展水平綜合得分均值大于0.55，整體波動范圍在[0，0.0509]區(qū)間，但2018-2019 年地區(qū)均值下降，表明該地區(qū)整體智慧農(nóng)業(yè)發(fā)展水平較低，發(fā)展趨勢總體平穩(wěn)，略有上升勢頭。結(jié)合指標體系權(quán)重和原始數(shù)據(jù)分析發(fā)現(xiàn)，農(nóng)業(yè)機械化、農(nóng)業(yè)生產(chǎn)能力、農(nóng)業(yè)人才培養(yǎng)基礎(chǔ)權(quán)重較高，但是地區(qū)在這些方面的表現(xiàn)并不好。在農(nóng)業(yè)機械化方面因農(nóng)用機械設(shè)備成本較高導(dǎo)致單位播種面積農(nóng)業(yè)機械總動力不高；在農(nóng)業(yè)生產(chǎn)能力方面因地區(qū)農(nóng)業(yè)生產(chǎn)自然資源稟賦導(dǎo)致農(nóng)產(chǎn)品大多一年一熟，農(nóng)產(chǎn)品品質(zhì)較好，但糧食總產(chǎn)量不高，且由于農(nóng)業(yè)產(chǎn)業(yè)鏈較短，農(nóng)產(chǎn)品附加值較低，致使農(nóng)業(yè)總產(chǎn)值和第一產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值比重均不高，農(nóng)業(yè)對于GDP 貢獻能力較弱；在農(nóng)業(yè)人才培養(yǎng)基礎(chǔ)方面，東北平原地區(qū)人口較少，且人才流失較為嚴重，雖然每十萬人口平均在校大學(xué)生人數(shù)逐年上升，但農(nóng)業(yè)就業(yè)意愿不強，就業(yè)人數(shù)不多。

從區(qū)域來看，北部地區(qū)綜合得分近五年均小于0.4，與其他地區(qū)相比，數(shù)值離0 值最近，智慧農(nóng)業(yè)發(fā)展水平最高；其次是南部地區(qū)，綜合得分數(shù)值處于[0.5，0.6]區(qū)間范圍，高于北部地區(qū)；最后中部地區(qū)綜合得分數(shù)值處于[0.75，0.85]區(qū)間范圍，地區(qū)間最高，發(fā)展水平最低。究其緣由，國家重視東北地區(qū)黑土地保護性耕作，多次部署行動計劃，注重提高農(nóng)業(yè)生態(tài)和經(jīng)濟效益，北部地區(qū)的黑龍江省因其自身土地資源稟賦和東北平原地區(qū)黑土主要集中區(qū)的優(yōu)勢，得到相對較多的政策關(guān)注，因此在農(nóng)業(yè)綠色化、規(guī)?；?、機械化和農(nóng)業(yè)生產(chǎn)能力這四個影響權(quán)重較大的方面表現(xiàn)優(yōu)于其他省份，而中部地區(qū)的吉林省因土地資源稟賦和政策關(guān)注劣于黑龍江省，且地區(qū)經(jīng)濟發(fā)展環(huán)境劣于南部遼寧省，所以在這些方面的綜合表現(xiàn)劣于其他省區(qū)。

3.2 東北平原智慧農(nóng)業(yè)系統(tǒng)內(nèi)部耦合協(xié)調(diào)分析

關(guān)于耦合度的劃分，不同學(xué)者根據(jù)研究問題的差異有不同的劃分方式，在參照已有研究[28]的基礎(chǔ)上，結(jié)合研究的實際狀況，制定如下標準。

由表5 可知，2015 年東北平原四省區(qū)智慧農(nóng)業(yè)發(fā)展內(nèi)部壓力—狀態(tài)—響應(yīng)子系統(tǒng)之間均已進入?yún)f(xié)調(diào)耦合階段。就2015-2019 年間地區(qū)耦合度均值而言，呈現(xiàn)逐年上漲趨勢，其中2015-2017 年平均增長速度維持在1.7%左右，2018-2019 年平均增長速度維持在0.14%左右，上漲速度逐年放緩。表明隨著東北地區(qū)對發(fā)展智慧農(nóng)業(yè)重視程度的加強，認識到農(nóng)業(yè)面臨規(guī)模化、機械化、綠色化生產(chǎn)的需求和加強智慧農(nóng)業(yè)發(fā)展與電子商務(wù)發(fā)展相聯(lián)系的迫切需要，結(jié)合地區(qū)農(nóng)民生活水平、農(nóng)業(yè)生產(chǎn)能力與互聯(lián)網(wǎng)通信基礎(chǔ)設(shè)施建設(shè)狀況，做出有利于智慧農(nóng)業(yè)發(fā)展的響應(yīng)對策，才使得三個子系統(tǒng)間發(fā)展的緊密程度越來越強。

表5 2015-2019 年東北平原四省區(qū)智慧農(nóng)業(yè)發(fā)展內(nèi)部耦合度值（C）Table 5 Internal coupling degree value of intelligent agriculture development in the four provinces and regions of the northeast plain from 2015 to 2019（C）

由表6 可知，2015-2019 年耦合協(xié)調(diào)度總體呈現(xiàn)穩(wěn)步上升趨勢，年均上漲速度4.15%，整體水平在0.3~0.4 范圍內(nèi)浮動，屬于輕度失調(diào)型。區(qū)域上，呈“北部領(lǐng)先，南部跟上，中部滯后”的空間演化趨勢特征，其中北部地區(qū)2016 年增幅最大，增長速度6.04%，整體水平在0.4~0.5 范圍內(nèi)浮動，屬于瀕臨失調(diào)型，南部地區(qū)耦合協(xié)調(diào)度值波動在0.3~0.4 范圍內(nèi)，年平均增長速度4.9%，增幅不明顯，屬于輕度失調(diào)型。省份上，黑龍江省智慧農(nóng)業(yè)子系統(tǒng)間協(xié)調(diào)發(fā)展程度遠高于其他省份，處于瀕臨失調(diào)類型，五年間總體增速11.79%；其次，遼寧省與內(nèi)蒙古自治區(qū)同處于輕度失調(diào)類型，內(nèi)蒙古五年間總體增速26.26%，而遼寧省增速18.71%，增速排名第三；最后，吉林省耦合協(xié)調(diào)程度最低，處于中度失調(diào)類型，五年間總體增速20.36%，僅次于內(nèi)蒙古。

表6 2015-2019 年東北平原四省區(qū)智慧農(nóng)業(yè)發(fā)展內(nèi)部耦合協(xié)調(diào)度（D）Table 6 Internal coupling coordination degree of intelligent agriculture development in the four provinces regions in the northeast plain from 2015 to 2019（D）

因智慧農(nóng)業(yè)的溢出效應(yīng)是從東部經(jīng)濟繁榮地區(qū)向東北平原地區(qū)擴散，地區(qū)政府對智慧農(nóng)業(yè)的重視度有所延遲，農(nóng)業(yè)向智慧農(nóng)業(yè)發(fā)展面臨規(guī)?；?、綠色化、機械化以及與互聯(lián)網(wǎng)電子商務(wù)及時對接轉(zhuǎn)換農(nóng)業(yè)銷售模式和延長產(chǎn)業(yè)鏈等壓力，但因傳統(tǒng)農(nóng)業(yè)生產(chǎn)模式具有慣性，地區(qū)經(jīng)濟條件有限，農(nóng)民生活水平、農(nóng)業(yè)生產(chǎn)能力與互聯(lián)網(wǎng)通信基礎(chǔ)設(shè)施都有待進一步提升，即使采取了一些對發(fā)展智慧農(nóng)業(yè)有利的措施，該地區(qū)的智慧農(nóng)業(yè)發(fā)展內(nèi)部系統(tǒng)耦合狀態(tài)仍舊處于輕度失調(diào)。

4 研究結(jié)論及建議

4.1 研究結(jié)論

文章使用熵權(quán)—模糊綜合評價法對2015-2019年東北平原地區(qū)智慧農(nóng)業(yè)發(fā)展水平進行測度分析，并借助耦合協(xié)調(diào)模型對智慧農(nóng)業(yè)發(fā)展系統(tǒng)內(nèi)部進行研究，得到如下結(jié)論：

（1）東北平原地區(qū)智慧農(nóng)業(yè)發(fā)展水平總體不高，仍有較大提升空間，發(fā)展水平先后經(jīng)歷“上升—回落—再次上升”三個時期，但5 年間發(fā)展波動幅度不高，最大波動幅度5.09%，整體增幅不明顯。

（2）東北平原地區(qū)智慧農(nóng)業(yè)發(fā)展不協(xié)調(diào)。從區(qū)域來看，各區(qū)域得分差距較大，每個區(qū)域差距近似0.2個得分，曲線近似平行分布。從省份來看，發(fā)展水平最高的黑龍江省平均綜合得分0.36，而發(fā)展水平最低的吉林省平均綜合得分0.81，二者相差1.25 倍。

（3）東北平原地區(qū)智慧農(nóng)業(yè)發(fā)展內(nèi)部耦合協(xié)調(diào)度總體處于穩(wěn)步上升態(tài)勢，空間上呈“北部領(lǐng)先，南部跟上，中部滯后”的演化趨勢，但整體仍處于輕度失調(diào)型。

4.2 研究建議

基于前文理論分析與研究結(jié)論，提出如下建議：

第一，推進農(nóng)業(yè)現(xiàn)代化生產(chǎn)方式，提升農(nóng)業(yè)產(chǎn)出效率。東北平原地區(qū)土地資源稟賦強，地廣人稀，所以十分適合推行機械化、規(guī)模化、智能化生產(chǎn)方式。地區(qū)政府應(yīng)擴大農(nóng)機購置補貼范圍，增加農(nóng)機購置補貼、農(nóng)機報廢更新補貼資金投入，增加農(nóng)民農(nóng)機設(shè)備擁有量，同時優(yōu)化農(nóng)機設(shè)備結(jié)構(gòu)；推廣引進先進智慧農(nóng)業(yè)設(shè)備，如農(nóng)業(yè)傳感器、農(nóng)業(yè)機器人、農(nóng)業(yè)無人機等，監(jiān)測農(nóng)業(yè)環(huán)境，采集農(nóng)作物成長數(shù)據(jù)，利用大數(shù)據(jù)人工智能技術(shù)，實現(xiàn)農(nóng)業(yè)精準高效智能生產(chǎn)模式的轉(zhuǎn)型。

第二，培養(yǎng)農(nóng)業(yè)復(fù)合型人才，助力智慧農(nóng)業(yè)發(fā)展。目前，人才是制約東北平原地區(qū)智慧農(nóng)業(yè)發(fā)展的重要影響因素，尤其是農(nóng)業(yè)復(fù)合型人才。因此，地區(qū)政府應(yīng)重視農(nóng)業(yè)人才培養(yǎng)工作，宣傳推廣農(nóng)業(yè)智能技術(shù)，引進高素質(zhì)復(fù)合型農(nóng)業(yè)人才對當?shù)剞r(nóng)民進行培訓(xùn)，轉(zhuǎn)變傳統(tǒng)農(nóng)民生產(chǎn)思維，切實向互聯(lián)網(wǎng)思維發(fā)展，培育新型農(nóng)民。

第三，強化農(nóng)村通信基礎(chǔ)設(shè)施建設(shè)，提高省域間協(xié)同性。東北平原地區(qū)各省份智慧農(nóng)業(yè)發(fā)展水平和發(fā)展協(xié)調(diào)性差異較大，尤其體現(xiàn)在農(nóng)村通信基礎(chǔ)設(shè)施建設(shè)方面，各省區(qū)農(nóng)村互聯(lián)網(wǎng)寬帶覆蓋率、從事電商企業(yè)占比等方面差異明顯，但總體通信基礎(chǔ)設(shè)施不夠健全，農(nóng)業(yè)信息化程度不高。故地區(qū)政府應(yīng)該統(tǒng)籌規(guī)劃縣、鄉(xiāng)、村三級通信網(wǎng)絡(luò)信息基礎(chǔ)建設(shè)工作，財政適當傾斜信息基礎(chǔ)建設(shè)較差的省份，實現(xiàn)省域協(xié)同發(fā)展。