吉林省智慧农业现状及建议
—— 基于智能设备的新型农业发展

沈洁 王子琪 陈文建 郭晟萱 王子岳 吉林大学

一、绪论

研究智慧农业发展状况，是要根据吉林省农业发展的现状提出针对性的建议，探究吉林省未来智慧农业的发展方向，促进吉林省传统农业的快速转型，提高吉林省农业发展的效益。

发达国家智慧农业发展较为成熟，国外文献对智慧农业模式的研究更加广泛，我国智慧农业的发展方兴未艾。对比中国与美国、法国、日本等国家智慧农业的发展，发达国家虽然在具体措施实施上有所不同，但在科技研发投入、政府整体调控方面都有较大共性（蒋璐闻、梅燕 2018），我们可以有的放矢的借鉴发达国家成功经验，选择最符合我国国情的智慧农业发展方向，运用智能设备为智慧农业发展助力，为我国智慧农业理论体系的完善做出努力。

二、智慧农业基本概念

智慧农业没有一个统一的定义，但可以明确认定的是这是农业信息化与农业现代化发展到一定阶段所产生的概念，它代表的是较高的农业发展水平，代表着一种新型农业的发展方式。智慧农业涉及农业生活的方方面面，包括生产、管理、组织和农业生活等方面（韩猛，2020）。生产上，做到了土地肥力检测与播种的自动化，大大减少人工成本，提高了生产效益；在管理上，自动滴灌装置，温度监测系统等都给农作物提供了良好的生长环境和比人工更全面的照顾；在组织上，大数据互联网可以分析人们需求，及时调整作物种植种类与种植面积，最大可能减少信息不对称的发生，提高农民收入，达到供需平衡；在农业生活上，主要是指提高了农民的人力资本与整体素质，培养新时代农民，建设美丽乡村。根据前文的研究，结论是发展智能设备是促进传统产业转型最有效的路径，且现阶段我国在智慧农业发展中，与科技相连的智能设备起到了决定性作用，因此测量智能设备对农业总产值、传统农业转型的影响近似于测量智慧农业发展对农业总产值和传统农业转型的影响。

三、研究方法与建立模型

（一）研究方法

1.波拉特法测定智慧农业发展水平，运用农业第一信息部门与农业第二信息部门进行量化与分析。

2.模型建立法：索罗模型。在宏观经济学的新古典增长理论中，美国学者罗伯特·索罗（Solow）提出的经济增长理论无疑是具有代表性的理论，这个模型相应的模型被称为索罗经济增长模型，具体表示为：

其中Y表示产出；A（t）表示技术发展水平，也被称为全要素生产率；K（t）表示资本的投入要素；L（t）表示劳动的投入要素，这个模型包含发达国家发展智慧农业时的共性特征，可以进行回归分析，将智慧农业发展在传统农业发展与转型中发挥的作用进行量化，为后续精准农业发展提供路径与指导性方法。

（二）模型建立与数据预处理

索罗的经济增长模型的具体数学表达是基于柯布道格拉斯函数，因此我们建立模型时，同时在等式两边取对数，得到模型：

模型（2）就是本文研究智慧农业发展的具体数学表示，其中Y表示为农业总产值，K为固定资产投资，L为农业部门从业人数，A表示智慧农业发展水平，表示为随机扰动项，我们选取的数据来自2009-2018年的《吉林统计年鉴》。

相较固定资产投资和从业人数，智慧农业发展水平（A）这一指标很难直接得出确切的数据，我们借鉴多篇文献，结合吉林省内数据可获得情况，不适宜应用信息化指数测度，因此我们采用波拉特法进行测定。波拉特把农业信息部门细分为一级信息部门以及二级信息部门，两部门加总的结果占同年吉林省农业总产值的比重视为智慧农业发展水平的发展程度。

我们首先需要测算哪些部门属于第一信息部门。此部门是面向市场提供产品的部门。根据《国民经济行业分类》，农业第一信息部门主要包括农林牧渔服务业以及科教文艺通讯业中包含的部分细分行业，具体操作是科教文艺通讯业总产值与一个相关系数相乘以后归入农业第一信息部门产值，此相关系数为吉林省农业总产值与当年的全省GDP之比[2]，如表1所示。

表1 农业第一信息部门产值

农业第二信息部门主要是指是指政府部门或者非信息相关产业的企业为满足内部的消费而进行的信息服务的生产，具体包括企业内部的数据处理、研究开发、电信电话经营管理等。有公式可以表示为：

固定资产折旧，它是利用各个行业的固定资产折旧和农业的总产值在GDP中的比重来计算得出的，如表2所示。

表2 农业第二信息部门工资收入

由于2017年后，统计年鉴中按照各行业按建设性质和构成分固定资产项目投资被取消，固定资产投资中的数据只展示了房地产行业的细分数据，因此我们用2009-2017年这几年的数据进行测算，如表3所示。

表3 农业第二信息部门固定资产折旧

最后将第一信息部门与第二信息部门得出的数据求和，得出的结果就是智慧农业发展水平，如表4所示。

表4 智慧农业发展水平

四、实证分析

将所有数据整合得到原始数据，其中Y表示农业生产总值，K表示固定资产投资，这两部分都可以从统计年鉴中直接获得，L代表农业就业人数，我们将农林牧渔业及服务业的人数进行了加总，A就是上表给出的智慧农业发展水平，对原始数据取对数，得到表5。

表5 原始数据取对数

通过Eviews对以上数据进行回归分析，得到结果，如表6所示：

表6 回归结果

LnK对LnY的解释程度为-0.1327，两者体现出负相关性，但这种负相关性并不显著；LnL对LnY的解释程度为0.2084，农业生产总值随着劳动力投入的增加而增加，这是情理之中的事情，但是其显著性不高，可能原因是因为传统农业的粗放式发展没有最大效率发挥出劳动力的价值；LnA对LnY的解释程度为1.3202，且在5%的显著性水平上显著，说明以智能设备为代表的智慧农业发展确实会提高农业总产值，促进传统农业产业转型。

五、政策建议

我国的传统农业转型刻不容缓，本文提出了一个发展方向，即发展以智能设备为代表的智慧农业，通过互联网、大数据与智能设备相结合，创造农业发展的规模效应。吉林省一直是产粮大省，独特的气候条件以及地理条件让规模化的种植成为可能，这也是在省内运用智能设备进行智慧农业发展的一个重要优势。

其次，一次性购买这些智能设备与大型机械的支出较大，政府可以进行适当补贴，提供针对三农方面的贷款，在保证农民收入的前提下通过金融行为调动农民生产的积极性，鼓励农业用地的规模化与农业过程机械化的实现；开展“保险+期货”业务，培养高素质的新时代农民，助力传统农业结合现代科技转型成低投入、高效益、低污染、高回报的新型农业。