基于SBM-熵權(quán)TOPSIS模型的智慧農(nóng)業(yè)效率評(píng)價(jià)與優(yōu)化研究

隨著信息技術(shù)的迅猛發(fā)展，智慧農(nóng)業(yè)已成為當(dāng)今世界農(nóng)業(yè)發(fā)展的重要趨勢(shì)[1]。它集成了物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等先進(jìn)技術(shù)，旨在提高農(nóng)業(yè)生產(chǎn)效率、優(yōu)化資源配置并減少環(huán)境污染。然而，智慧農(nóng)業(yè)在實(shí)踐中的效率評(píng)價(jià)與優(yōu)化問(wèn)題一直是研究的熱點(diǎn)和難點(diǎn)。傳統(tǒng)的農(nóng)業(yè)效率評(píng)價(jià)方法往往局限于單一指標(biāo)或簡(jiǎn)單的綜合性評(píng)價(jià)，難以全面反映智慧農(nóng)業(yè)系統(tǒng)的復(fù)雜性和動(dòng)態(tài)性。因此，本研究引入SBM模型和熵權(quán)TOPSIS模型，以期為智慧農(nóng)業(yè)的效率評(píng)價(jià)提供更加科學(xué)、準(zhǔn)確的方法論支持。

1模型介紹

1.1 SBM模型

SBM（Stochastic Frontier Analysis with a Measurable Boundary Model）模型，即隨機(jī)邊界模型與可測(cè)量邊界模型的結(jié)合，是一種非參數(shù)的效率評(píng)估方法。它允許在考慮隨機(jī)誤差的同時(shí)，對(duì)生產(chǎn)單元的效率進(jìn)行度量。SBM模型能夠處理多投入多產(chǎn)出的生產(chǎn)環(huán)境，并且不需要預(yù)設(shè)生產(chǎn)函數(shù)的形式，具有較強(qiáng)的靈活性和適用性。在智慧農(nóng)業(yè)研究中，SBM模型可以用于評(píng)估農(nóng)業(yè)生產(chǎn)效率，識(shí)別出效率高的生產(chǎn)單元和效率低下的原因，從而為改進(jìn)農(nóng)業(yè)生產(chǎn)提供科學(xué)依據(jù)。

1.2熵權(quán)TOPSIS模型

熵權(quán)TOPSIS（Technique for Order Prefer‐ence by Similarity to Ideal Solution）模型是一種基于熵權(quán)法的多屬性決策分析方法。它通過(guò)計(jì)算各評(píng)價(jià)指標(biāo)的熵值來(lái)確定其權(quán)重，進(jìn)而利用TOPSIS方法對(duì)各評(píng)價(jià)對(duì)象進(jìn)行排序和優(yōu)選。熵權(quán)法能夠客觀(guān)地反映指標(biāo)信息的重要性，避免主觀(guān)賦權(quán)的偏差；而TOPSIS方法則能夠充分利用原始數(shù)據(jù)的信息，對(duì)評(píng)價(jià)對(duì)象進(jìn)行全面、綜合的評(píng)價(jià)。在智慧農(nóng)業(yè)研究中，熵權(quán)TOPSIS模型可以用于對(duì)農(nóng)業(yè)生產(chǎn)方案、技術(shù)措施等進(jìn)行綜合評(píng)價(jià)和優(yōu)選，幫助決策者選擇最優(yōu)的農(nóng)業(yè)生產(chǎn)策略。

1.3運(yùn)用SBM-熵權(quán)TOPSIS研究智慧農(nóng)業(yè)的意義

將SBM模型和熵權(quán)TOPSIS模型應(yīng)用于智慧農(nóng)業(yè)研究具有重要意義。首先，這兩種模型能夠?yàn)橹腔坜r(nóng)業(yè)的效率評(píng)價(jià)和優(yōu)化提供科學(xué)、準(zhǔn)確的方法支持，有助于提高農(nóng)業(yè)生產(chǎn)效率和效益[2]。其次，通過(guò)綜合運(yùn)用這兩種模型，可以從多個(gè)角度對(duì)智慧農(nóng)業(yè)系統(tǒng)進(jìn)行全面、深入的分析和評(píng)價(jià)，為農(nóng)業(yè)生產(chǎn)者提供更加全面、準(zhǔn)確的決策依據(jù)。最后，這種跨學(xué)科的研究方法也有助于推動(dòng)智慧農(nóng)業(yè)領(lǐng)域相關(guān)理論的創(chuàng)新和發(fā)展，為智慧農(nóng)業(yè)的可持續(xù)發(fā)展提供有力支持。

2中國(guó)智慧農(nóng)業(yè)指標(biāo)體系構(gòu)建

本研究選擇了中國(guó)31個(gè)省份作為研究對(duì)象，能夠全面反映中國(guó)智慧農(nóng)業(yè)的發(fā)展?fàn)顩r，見(jiàn)表1。通過(guò)分析這些省份2015～2021年的數(shù)據(jù)，可以揭示出智慧農(nóng)業(yè)發(fā)展的區(qū)域差異、時(shí)間趨勢(shì)及影響因素，為制定更加精準(zhǔn)的農(nóng)業(yè)政策提供科學(xué)依據(jù)[3]。同時(shí)，這也將為全球智慧農(nóng)業(yè)的發(fā)展提供寶貴的中國(guó)經(jīng)驗(yàn)和智慧。

3結(jié)果與分析

3.1描述性統(tǒng)計(jì)

表2展示中國(guó)智慧農(nóng)業(yè)關(guān)鍵指標(biāo)的基本信息，包括鄉(xiāng)村人口、農(nóng)村用電量、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)村居民平均每百戶(hù)年末計(jì)算機(jī)擁有量、農(nóng)作物總播種面積、有效灌溉面積、農(nóng)林牧漁業(yè)總產(chǎn)值以及農(nóng)村居民人均可支配收入。從表2中可以看出，鄉(xiāng)村人口平均值為1 748.857萬(wàn)人，但標(biāo)準(zhǔn)差達(dá)到1 220.32萬(wàn)人，顯示了不同地區(qū)鄉(xiāng)村人口數(shù)量的巨大差異。農(nóng)村用電量的平均值為274.554億千瓦小時(shí)，標(biāo)準(zhǔn)差為382.319億千瓦小時(shí)，同樣顯示出顯著的地區(qū)性差異。在農(nóng)業(yè)機(jī)械動(dòng)力方面，平均值為3 337.666萬(wàn)千瓦，標(biāo)準(zhǔn)差為2 840.145萬(wàn)千瓦，暗示了農(nóng)業(yè)機(jī)械化水平的地區(qū)不均衡性。農(nóng)村居民平均每百戶(hù)年末計(jì)算機(jī)擁有量為52.169臺(tái)，標(biāo)準(zhǔn)差為18.716臺(tái)，這個(gè)數(shù)據(jù)反映了農(nóng)村信息化程度的提升但仍存在差距。農(nóng)作物總播種面積平均值為5 383.021千公頃，標(biāo)準(zhǔn)差高達(dá)3 993.14千公頃，這揭示了中國(guó)農(nóng)業(yè)生產(chǎn)規(guī)模的巨大變化和地區(qū)間的顯著差異。有效灌溉面積平均值為2 194.009千公頃，標(biāo)準(zhǔn)差為1 733.498千公頃，這在一定程度上反映了中國(guó)農(nóng)田水利建設(shè)的進(jìn)展和地區(qū)間的不同。農(nóng)林牧漁業(yè)總產(chǎn)值的平均值為3 871.184億元，標(biāo)準(zhǔn)差為2 673.042億元，農(nóng)村居民人均可支配收入的平均值為15 453.318元，標(biāo)準(zhǔn)差為5 792.53元。這2項(xiàng)指標(biāo)都顯示了中國(guó)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的整體提升，但同時(shí)也揭示了地區(qū)間發(fā)展的不平衡性。

3.2 SBM結(jié)果

SBM結(jié)果如表3所示。從表3中可以看出，各省份智慧農(nóng)業(yè)SBM綜合效率在逐年提升，但存在顯著的區(qū)域差異。效率值較高的省份主要集中在東部沿海地區(qū)和西部地區(qū)，而中部地區(qū)的效率值相對(duì)較低。這可能與東部沿海地區(qū)的經(jīng)濟(jì)發(fā)展水平較高、科技創(chuàng)新能力強(qiáng)，以及西部地區(qū)得益于國(guó)家政策扶持、具有后發(fā)優(yōu)勢(shì)有關(guān)。其中，海南、西藏兩省在多數(shù)年份中均位列前茅，表現(xiàn)出較高的智慧農(nóng)業(yè)綜合效率。其中，海南省在2015～2021年期間，有4年排名第一，其余年份也均位列前三；西藏自治區(qū)在2017～2021年期間一直穩(wěn)居前三。這些省份在智慧農(nóng)業(yè)技術(shù)應(yīng)用、資源優(yōu)化配置等方面可能具有較為先進(jìn)的經(jīng)驗(yàn)和做法。黑龍江、上海、四川等省份在智慧農(nóng)業(yè)綜合效率上提升較快。例如，黑龍江省從2015年的第四名上升至2021年的第二名；上海市在2018～2021年期間一直保持在前5名之內(nèi)；四川省則從2015年的第五名下降至2021年的第八名。這些省份在智慧農(nóng)業(yè)的發(fā)展過(guò)程中可能加大了投入力度，創(chuàng)新了發(fā)展模式，取得了顯著成效。河北、山西、內(nèi)蒙古等省份在智慧農(nóng)業(yè)綜合效率上排名相對(duì)靠后，且提升幅度有限。這些省份可能受限于自然條件、經(jīng)濟(jì)發(fā)展水平或科技創(chuàng)新能力等因素，導(dǎo)致智慧農(nóng)業(yè)發(fā)展相對(duì)滯后。未來(lái)，這些省份需要加大政策支持力度，提高科技創(chuàng)新能力，促進(jìn)智慧農(nóng)業(yè)的快速發(fā)展。從區(qū)域分布來(lái)看，東部沿海地區(qū)的智慧農(nóng)業(yè)綜合效率普遍較高，如海南、上海、江蘇等省份；中部地區(qū)的效率值相對(duì)較低，如河北、山西、河南等省份；而西部地區(qū)的效率值呈現(xiàn)出兩極分化的現(xiàn)象，既有像西藏、四川這樣效率值較高的省份，也有像甘肅、寧夏這樣效率值較低的省份。這種區(qū)域差異可能與各地區(qū)的經(jīng)濟(jì)發(fā)展水平、科技創(chuàng)新能力、政策支持力度等因素有關(guān)。

3.3熵權(quán)TOPSIS結(jié)果

熵權(quán)TOPSIS結(jié)果如表4所示。

智慧農(nóng)業(yè)作為現(xiàn)代農(nóng)業(yè)發(fā)展的高級(jí)階段，融合了信息技術(shù)、智能裝備和農(nóng)業(yè)管理等多個(gè)領(lǐng)域，對(duì)于提升農(nóng)業(yè)生產(chǎn)效率、優(yōu)化資源配置、保障糧食安全具有重要意義。本文基于2015～2021年中國(guó)各省份智慧農(nóng)業(yè)的熵權(quán)TOPSIS相對(duì)接近度及排名數(shù)據(jù)，進(jìn)行深入剖析，以揭示各省份智慧農(nóng)業(yè)的發(fā)展態(tài)勢(shì)與差異。總體來(lái)看，各省份在智慧農(nóng)業(yè)發(fā)展上呈現(xiàn)出顯著的不均衡性。排名靠前的省份如山東、河南等，在智慧農(nóng)業(yè)的建設(shè)上取得了顯著成效，持續(xù)保持在較高水平，表明這些省份在智慧農(nóng)業(yè)的投入、技術(shù)創(chuàng)新和應(yīng)用推廣等方面具有明顯優(yōu)勢(shì)。而排名靠后的省份如西藏、青海等，由于自然條件、經(jīng)濟(jì)基礎(chǔ)和技術(shù)水平等方面的限制，智慧農(nóng)業(yè)的發(fā)展相對(duì)滯后。具體來(lái)看，山東和河南2省在智慧農(nóng)業(yè)的發(fā)展上表現(xiàn)突出，連續(xù)多年穩(wěn)居第一、第二名。這2個(gè)省份都是農(nóng)業(yè)大省，具有深厚的農(nóng)業(yè)基礎(chǔ)和強(qiáng)大的科技創(chuàng)新能力，能夠有效地將先進(jìn)的信息技術(shù)和智能裝備應(yīng)用于農(nóng)業(yè)生產(chǎn)中，提升農(nóng)業(yè)生產(chǎn)的智能化、精準(zhǔn)化和高效化水平。同時(shí)，這2個(gè)省份還注重智慧農(nóng)業(yè)與鄉(xiāng)村振興、農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革等戰(zhàn)略的結(jié)合，推動(dòng)了智慧農(nóng)業(yè)的全面發(fā)展。黑龍江和河北兩省在智慧農(nóng)業(yè)的發(fā)展上也取得了較好成績(jī)，分別穩(wěn)居第三、第四名。這2個(gè)省份都是中國(guó)重要的糧食生產(chǎn)區(qū)，對(duì)于保障國(guó)家糧食安全具有重要意義。它們?cè)谥腔坜r(nóng)業(yè)的建設(shè)上注重發(fā)揮自身優(yōu)勢(shì)，加強(qiáng)農(nóng)業(yè)科技創(chuàng)新和推廣應(yīng)用，推動(dòng)了農(nóng)業(yè)生產(chǎn)方式的轉(zhuǎn)型升級(jí)和農(nóng)業(yè)生產(chǎn)效率的大幅提升。

相比之下，一些西部和邊遠(yuǎn)地區(qū)的省份在智慧農(nóng)業(yè)的發(fā)展上相對(duì)滯后。如西藏、青海等省份，由于自然條件惡劣、經(jīng)濟(jì)基礎(chǔ)薄弱和技術(shù)水平落后等原因，智慧農(nóng)業(yè)的發(fā)展面臨諸多困難和挑戰(zhàn)。這些省份需要加大政策支持力度，加強(qiáng)基礎(chǔ)設(shè)施建設(shè)和技術(shù)培訓(xùn)，提升農(nóng)民的信息素養(yǎng)和科技創(chuàng)新能力，推動(dòng)智慧農(nóng)業(yè)的快速發(fā)展。

本部分主要運(yùn)用SBM和熵權(quán)TOPSIS進(jìn)行綜合評(píng)估并進(jìn)行排名。SBM主要關(guān)注投入和產(chǎn)出的效率，即給定投入下的最大產(chǎn)出或給定產(chǎn)出下的最小投入。而熵權(quán)TOPSIS則綜合考慮了多個(gè)指標(biāo)的信息，包括但不限于效率指標(biāo)。因此，1個(gè)省份可能在效率方面表現(xiàn)優(yōu)秀（在SBM中排名靠前），但在其他指標(biāo)（如創(chuàng)新能力、可持續(xù)性、社會(huì)影響等）上表現(xiàn)不佳（在熵權(quán)TOPSIS中排名靠后）。熵權(quán)TOPSIS中，權(quán)重是基于指標(biāo)的變異程度（熵值）來(lái)確定的，這意味著那些在不同省份之間差異較大的指標(biāo)會(huì)被賦予更高的權(quán)重。而在SBM中，通常沒(méi)有直接的權(quán)重分配過(guò)程，而是通過(guò)數(shù)學(xué)規(guī)劃方法來(lái)確定相對(duì)效率。因此，權(quán)重的不同分配可能導(dǎo)致2種方法在排名上產(chǎn)生差異。SBM主要關(guān)注于效率評(píng)估，特別是在考慮投入和產(chǎn)出的關(guān)系時(shí)，對(duì)決策單元（DMU）的相對(duì)效率進(jìn)行評(píng)價(jià)。而熵權(quán)TOPSIS則是一種基于熵權(quán)法確定權(quán)重，再結(jié)合TOPSIS方法進(jìn)行綜合評(píng)價(jià)的方法，它更多地考慮了指標(biāo)之間的相對(duì)重要性和決策單元與理想解的接近程度。以海南和西藏為例，它們?cè)赟BM分析中表現(xiàn)出較高的智慧農(nóng)業(yè)綜合效率，但在熵權(quán)TOPSIS排名中可能并不靠前。主要是因?yàn)樗鼈冊(cè)谛手笜?biāo)上表現(xiàn)優(yōu)秀，但在其他如創(chuàng)新能力、基礎(chǔ)設(shè)施、社會(huì)經(jīng)濟(jì)發(fā)展等綜合指標(biāo)上相對(duì)較弱。這也表明，在智慧農(nóng)業(yè)的發(fā)展中，除了關(guān)注效率外，還需要綜合考慮多個(gè)方面的因素，以實(shí)現(xiàn)全面、可持續(xù)的發(fā)展。

4對(duì)策建議

根據(jù)SBM和熵值TOPSIS的分析結(jié)果，可以從以下幾個(gè)方面提出對(duì)策建議：

第一，對(duì)于在SBM分析中效率較高的省份，應(yīng)繼續(xù)保持并發(fā)揚(yáng)其在智慧農(nóng)業(yè)方面的優(yōu)勢(shì)，通過(guò)技術(shù)創(chuàng)新和資源優(yōu)化等手段進(jìn)一步提升效率，為全國(guó)智慧農(nóng)業(yè)的發(fā)展樹(shù)立標(biāo)桿。同時(shí)，這些省份應(yīng)積極分享其成功的經(jīng)驗(yàn)和技術(shù)，帶動(dòng)其他地區(qū)智慧農(nóng)業(yè)的發(fā)展，實(shí)現(xiàn)共同進(jìn)步。

第二，對(duì)于在熵值TOPSIS分析中排名靠前的省份，應(yīng)進(jìn)一步強(qiáng)化其優(yōu)勢(shì)指標(biāo)，鞏固在全國(guó)的領(lǐng)先地位，并針對(duì)排名中暴露出的短板指標(biāo)，制定具體的提升計(jì)劃，通過(guò)政策扶持和技術(shù)創(chuàng)新等手段加以改進(jìn)，實(shí)現(xiàn)全面平衡的發(fā)展。

第三，對(duì)于在2種方法排名中均較后的省份，需要加大政策扶持力度，引進(jìn)先進(jìn)技術(shù)和經(jīng)驗(yàn)，培養(yǎng)專(zhuān)業(yè)人才，并創(chuàng)新發(fā)展模式。政府應(yīng)出臺(tái)相關(guān)政策，提供財(cái)政、稅收、金融等方面的支持，為這些省份的智慧農(nóng)業(yè)發(fā)展注入動(dòng)力。同時(shí)，要積極引進(jìn)國(guó)內(nèi)外先進(jìn)的智慧農(nóng)業(yè)技術(shù)和經(jīng)驗(yàn)，結(jié)合本地實(shí)際情況進(jìn)行消化吸收和再創(chuàng)新。此外，還應(yīng)加強(qiáng)對(duì)智慧農(nóng)業(yè)專(zhuān)業(yè)人才的培養(yǎng)和引進(jìn)，為智慧農(nóng)業(yè)的發(fā)展提供有力的人才保障。

第四，針對(duì)區(qū)域差異問(wèn)題，應(yīng)實(shí)施差異化的發(fā)展策略，加強(qiáng)區(qū)域間的合作與交流，并關(guān)注弱勢(shì)群體與地區(qū)。不同地區(qū)應(yīng)根據(jù)自身實(shí)際情況和資源稟賦，制定符合本地特色的智慧農(nóng)業(yè)發(fā)展策略。同時(shí)，要加強(qiáng)與其他地區(qū)的合作與交流，共同推動(dòng)智慧農(nóng)業(yè)的發(fā)展。對(duì)于經(jīng)濟(jì)條件較差、科技創(chuàng)新能力較弱的地區(qū)和群體，政府和社會(huì)各界應(yīng)給予更多的關(guān)注和支持，幫助其提升智慧農(nóng)業(yè)的發(fā)展水平，實(shí)現(xiàn)全國(guó)范圍內(nèi)的均衡發(fā)展[4]。

參考文獻(xiàn)

[1]張旭云，鄭謙，王子陽(yáng).基于超效率三階段DEA模型的安徽省智慧農(nóng)業(yè)生產(chǎn)效率分析[J].宿州學(xué)院學(xué)報(bào)，2023，38（11）：37-42.

[2]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（3）：47-50.

[3]耿鵬鵬，杜文忠.基于“智慧”過(guò)程模型的廣西智慧農(nóng)業(yè)發(fā)展?fàn)顟B(tài)測(cè)度分析[J].科技管理研究，2020，40（19）：94-102.

[4]童慶蒙.農(nóng)戶(hù)氣候響應(yīng)行為及其對(duì)技術(shù)效率的影響研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2020.

（河南新鄉(xiāng)職業(yè)技術(shù)學(xué)院旅游學(xué)院元成偉，趙紀(jì)國(guó)）