中国式现代化是新型工业化、信息化、城镇化、农业现代化的复合体[1]。数字农业作为我国农业现代化发展的高级阶段，是有效推动农业大国向农业强国发展的关键途径之一，也是引领农业现代化发展的制高点[2]。农业农村部、中央网络安全和信息化委员会办公室印发《数字农业农村发展规划（2019—2025年）》提出“建设数字农业集成、数字种植业、数字畜牧业、数字渔业、数字种业、数字农业装备等领域国家创新中心”[3]。每年前三季度我国农业产业发展主要依靠畜牧业作为支撑[4]，因此我国将发展数字畜牧业作为数字农业发展的重点[5]。我国将在“十四五”期间建设约20个数字畜牧业创新应用基地，从而加快推进数字化畜牧业建设[6]。在以数字化畜牧业为代表的产业体系驱动下，我国数字农业发展规模逐步扩张。据中研网预测，我国数字农业经济规模将于2025年达到1.26万亿元，占农业增加值比重将达到15%[7]。数字农业作为推动农业现代化的全新描述，将成为有效解决“三农”问题、推进全面建设社会主义现代化国家的关键着力点。因此，全面考察数字农业发展水平，对统筹推进农业强国建设、发展中国式现代化极具重要现实意义。关于数字农业的影响因素的研究较多。黄卓等[8]研究发现，数字普惠金融能够缓解数字农业发展融资难问题。陈加乙[9]提出，大数据技术能够大力提升数字化生产力，推动数字农业高质量发展。陆刚[10]研究发现，产业互联网平台能够有效促进数字农业发展。钟文晶等[11]立足国际视角研究，发现必须解决数字农业技术依赖性，以促进数字农业高质量发展。赵亮[12]研究发现，乡村振兴战略有助于推动数字农业发展。但目前关于数字农业发展水平的空间区位分布探究尚缺，少有学者从中国式现代化视角审视数字农业发展现状。因此，本文以中国式现代化为切入视角，运用加速遗传算法的投影寻踪模型，结合数字农业内涵刻画我国数字农业发展水平轨迹；进一步借助标准差椭圆法探究数字农业发展水平的空间区位分布，为推动农业现代化发展取得实质性进展提供参考。1指标体系构建与测度方法选择1.1指标体系构建促进农业现代化是奋力推进中国式现代化建设的应然选择[13]。数字农业主要指在数字技术与农业的共同作用下形成集约化农业生产方式[14]。作为驱动农业现代化发展的重要抓手，数字农业可依托数字技术赋能传统农业改造升级，提高现代农业生产设施设备的智能化水平，提升农业生产效率和质量效益，为中国式现代化发展夯实农业基础。本文参考蒋永穆等[15]、肖艳等[16]以及沈剑波等[17]的研究成果，结合数字农业内涵，构建中国式现代化背景下数字农业发展水平指标体系。该指标体系涵盖5个一级指标与24个二级指标，具体见表1。出于数据可获得性考虑，剔除数据严重缺失的港澳台和西藏地区面板数据，选取我国30个省份面板数据为研究样本。上述指标数据一部分来源《全国县域数字农业农村发展水平评价报告》《中国农村统计年鉴》《中国县域统计年鉴》，另外一部分来源《中国统计年鉴》、国家统计局以及农业农村部发展规划司。针对部分缺失数据，使用插值法补齐。10.13557/j.cnki.issn1002-2813.2023.19.037.T001表1中国式现代化背景下数字农业发展水平综合指标体系构建总指标一级指标二级指标指标方向数字农业发展水平综合指标体系基础设施现代化（A1）互联网普及率（B1）+互联网技术服务收入（B2）+每百户智能电视拥有率（B3）+农业综合信息服务平台（B4）+县级信息服务机构数量（B5）+人力资源现代化（A2）数字农业科技人员比例（B6）+地方财政农业教育支出（B7）+数字农业服务从业人员比例（B8）+数字农业人员受训率（B9）+发展环境现代化（A3）农业机械总动能（B10）+信息科研和数字技术固定资产投资（B11）+数字农业现代化服务政策所占农业政策比例（B12）+农业支出占财政支出比例（B13）+数字农业专项资金数额（B14）+产业效益现代化（A4）农村居民可支配收入（B15）+农业品牌占比（B16）+农业产值比重（B17）+涉农企业占比（B18）+国家级农业产业化企业数量（B19）+农业技术创新现代化（A5）农业发明实用新型专利申请量（B20）+农业科技成果转化率（B21）+农业科研成果数量（B22）+农业物联网技术应用面积占比（B23）+万人农业专家系统和农业数据库拥有量（B24）+1.2测度方法选取1.2.1基于加速遗传算法的投影寻踪模型投影寻踪法主要用途为分析和处理高维观测数据，具有客观性、稳健性、抗干扰性以及准确性等优点[18]。投影寻踪法的作用原理是寻找能够反映高维数据的低维投影，以便准确分析高维数据[19]。参考王思薇等[20]的研究方法，使用基于加速遗传算法的投影寻踪模型，对中国式现代化背景下数字农业发展水平进行测度，具体步骤为：（1）数据归一化处理。对所选数据进行归一化处理，以消除量纲影响。其中，Xi, j和X*i, j分别表示样本i的第j个指标所对应的数值及相应归一化处理后数值，i=1, 2, 3,⋯, m；j=1, 2, 3, ⋯, n。m和n表征样本和指标的数量；Xmaxj和Xminj表示指标j的最大值以及最小值。具体公式如下：X*i, j=Xi, j-XminXmaxj-Xminj (1)（2）设立目标函数。假设a=a1, a2, ⋯, an是投影方向，则样本i的投影值Zi公式为：Zi=∑j=1naj×X*i, j,i=1, 2, 3, ⋯, m (2)随后，将目标函数定义为Qa，类间距离用Sa表示，Da表征类内密度，公式为：Qa=Sa×Da (3)Sa=∑i=1nZi-EZ2n (4)Da=∑i=1m∑j=1mR-ri, juR-ri, j (5)ri,j=Zi-Zj (6)ut=1, t    00, t0 (7)式中，ri, j和ut为单位跃迁函数及样本距离，R为窗宽参数，EZ为投影期望值，最终将Sa设定为1/10。（3）依托于加速遗传算法求解目标函数。最后，使用加速遗传算法优化寻找最优投影方向maxQa，其中s⋅t⋅为约束条件。maxQa=Sa×Da (8)s⋅t⋅:∑jna2j=1 (9)1.2.2标准差椭圆法标准差椭圆法是一种通过计算方位角和长短半轴等参数，对数据空间分布位基本特征进行描述的方法[21]。其中，方位角是由椭圆长轴与正北方向顺时针所形成夹角[22]，分布重心位置为数据分布平均中心[23]，长半轴是数据分布方向[24]，短半轴指数据分布范围[25]。本文使用标准差椭圆法分析中国式现代化背景下数字农业发展水平的空间区位分布，方位角计算公式为：tanθ=∑i=1nwi2xi2¯-∑i=1nwi2yi2¯+∑i=1nwi2xi2¯-∑i=1nwi2yi2¯+4∑i=1nwi2xi2¯yi2¯2∑i=1nwi2xi2¯yi2¯ (10)分布重心：xc=∑i=1nwixi/∑i=1nwi,yc=∑i=1nwiyi/∑i=1nwi (11)长短半轴：σx=∑i=1n(wix¯cosθ-wiyi¯sinθ)2∑i=1nwi2 (12)σy=∑i=1n(wix¯isinθ-wiyi¯cosθ)2∑i=1nwi2 (13)式中，用wi表征各年份各省份数字农业发展水平权重。其中，xi和yi分别为要素坐标，x¯i=xi-xc，yi¯=yi-yc。tanθ、xc、σx和σy分别为方位角、分布重心、长半轴和短半轴，sinθ和cosθ分别代表角θ的正弦值和余弦值。2结果与分析2.1各省份数字农业发展水平分析依托于Matlab 2018b软件处理样本数据后，使用投影寻踪法寻出最优投影方向[26]，最终将变量数目优化为24，代表数字农业发展水平的24个二级指标（X1~X24）。在程序运行2 000次后，得到2 000个投影方向及目标函数值。据此找出最大目标函数值，其对应方向即为最优投影方向。数字农业发展水平的最优投影方向见表2。将最优投影方向对应数值视作权重值，得到30个省（市、自治区）数字农业发展水平的投影值，见表3。10.13557/j.cnki.issn1002-2813.2023.19.037.T002表2数字农业发展水平的最优投影方向指标投影方向指标投影方向指标投影方向X10.208X90.256X170.107X20.197X100.163X180.216X30.139X110.168X190.134X40.097X120.169X200.142X50.249X130.185X210.061X60.201X140.176X220.097X70.251X150.196X230.164X80.204X160.179X240.18710.13557/j.cnki.issn1002-2813.2023.19.037.T003表32012—2021年中国30个省（市、自治区）数字农业发展水平及增长率地区2012年2013年2014年2015年2016年2017年2018年2019年2020年2021年均值增长率/%北京3.003.203.483.623.733.933.094.374.574.773.780.26天津2.132.272.402.472.542.642.762.852.832.932.580.21河北1.381.441.521.581.631.711.982.052.162.241.770.28山西1.341.391.481.571.571.601.701.922.042.121.670.25内蒙古1.421.501.641.721.801.882.002.152.152.211.850.30辽宁1.741.831.932.032.082.112.122.202.332.322.070.19吉林1.501.581.671.731.771.841.941.962.102.151.820.21黑龙江1.371.411.481.531.571.631.701.781.871.941.630.19上海2.522.672.802.802.943.083.303.443.583.683.080.22江苏2.022.202.382.472.602.792.913.153.273.342.710.34浙江2.052.192.372.532.682.883.003.153.305.413.120.54安徽1.321.411.491.621.691.811.881.982.242.341.780.35福建1.611.761.861.932.032.132.272.532.662.742.150.34江西1.401.461.531.601.651.731.832.052.132.201.760.26山东1.711.821.932.062.142.362.452.552.622.712.240.31河南1.301.381.461.551.621.711.812.122.192.271.740.34湖北1.411.521.621.731.851.982.062.322.402.511.940.38湖南1.291.401.471.531.631.731.812.052.152.301.740.35广东2.002.172.322.412.552.742.872.993.113.202.640.32广西1.141.251.341.431.491.601.711.952.042.091.600.40海南1.451.621.711.791.841.911.932.032.172.251.870.29重庆1.491.701.962.072.142.242.322.412.532.622.150.44四川1.301.391.491.571.621.721.902.082.222.341.760.36贵州0.951.001.101.251.341.451.571.691.922.001.430.50云南1.071.121.181.301.351.401.491.721.781.851.430.33陕西1.371.491.601.721.791.831.932.052.332.381.850.35甘肃1.051.101.191.311.371.441.591.761.811.871.450.38青海1.041.101.191.261.311.371.481.721.771.901.410.36宁夏1.251.261.481.591.691.761.862.002.072.151.710.37新疆1.271.291.351.411.491.561.681.782.022.101.590.26由表3可知，各省份数字农业发展水平整体表现为上升态势，且差距正逐渐扩大；各省（市、自治区）数字农业发展水平增长率在0.19%以上，呈稳步上升趋势，表明在数字经济的持续推动下，我国各省（市、自治区）数字农业发展良好。2012年数字农业发展水平最高和最低的省（市、自治区）为北京（3.00）和贵州（0.95），二者相差2.05；2021年数字农业发展水平最高的分别为浙江（5.41）和云南（1.85），二者相差3.56，反映出数字农业发展水平差距显著扩大。原因可能是伴随中国式现代化的有序推进，我国坚持将现代农业与数字经济相融合，这有助于提高农业生产效率及综合效益，促进数字农业可持续发展[27]。但因各省（市、自治区）政策落实有所差异，导致中国式现代化政策实施效果也不尽相同，进一步促使数字农业发展水平差距显著扩大。按照《中国区域经济统计年鉴》划分方法，将我国30个省（市、自治区）划分为东、中、西部地区，以研究各区域间数字农业发展水平[28]。由表3可知，各区域间数字农业发展水平差距明显，呈现东-中-西部地区依次递减态势。数字农业发展水平年均值位列前5的为北京、上海、浙江、江苏以及天津，均位于东部地区。根据2021年我国东部、中部以及西部地区的数字农业发展水平均值分析，东部地区明显高于中西部地区，表明东、中及西部地区间数字农业发展水平尚有差距，且在空间层面表现为从东到西依次递减现象。主要是因为东部地区作为乡村数字经济发展高地，能够引导数字资源向农业领域流动与集聚[29]。加之现代化发展政策长期向东部地区倾斜，有助于形成优势互补、协同发展的数字农业发展机制，提升本地区数字农业发展水平[30]。2.2数字农业发展水平各一级指标水平分析本文在构建中国式现代化背景下数字农业发展水平指标评价体系的基础上，按区域测算得出我国2012—2021年30个省（市、自治区）数字农业一级指标的均值及年增长率，见表4。10.13557/j.cnki.issn1002-2813.2023.19.037.T004表42012—2021年中国30个省（市、自治区）数字农业发展水平各一级指标水平省份A1A2A3A4A5均值增长率/%均值增长率/%均值增长率/%均值增长率/%均值增长率/%北京0.632.790.515.840.456.070.286.140.396.03天津0.477.070.505.320.293.490.158.850.343.77河北0.197.260.335.190.2910.320.167.670.313.24山西0.197.420.347.670.3810.250.149.440.293.53内蒙古0.274.770.388.320.409.720.226.990.323.67辽宁0.296.890.355.380.346.360.166.160.312.53吉林0.236.590.345.860.348.480.167.280.293.37黑龙江0.193.690.646.330.526.820.356.530.411.44上海0.635.660.506.430.442.800.2712.070.442.57江苏0.396.210.526.550.479.020.2612.130.424.51浙江0.389.190.537.240.279.410.1412.130.373.52安徽0.186.530.415.840.3113.650.1811.450.393.89福建0.329.020.365.840.2911.190.138.820.364.25江西0.186.560.415.780.4112.540.2110.320.393.66山东0.299.010.355.850.2510.560.149.060.383.08河南0.189.580.367.030.3012.440.1810.200.363.70湖北0.229.210.337.200.279.930.169.570.375.52湖南0.182.570.474.980.4711.600.2812.060.444.76广东0.409.130.518.250.269.280.139.310.294.85广西0.176.840.386.010.3714.450.149.230.355.90海南0.219.580.338.420.398.170.1613.910.371.93重庆0.258.790.317.090.2916.300.1511.320.345.27四川0.198.560.259.540.2212.120.0812.860.284.57贵州0.148.420.2511.250.2221.390.0814.260.348.83云南0.159.400.288.200.3313.140.206.600.372.86陕西0.217.580.276.480.2811.960.1210.790.292.46甘肃0.156.750.288.120.2710.900.1013.680.243.06青海0.187.130.297.070.4310.010.1311.000.222.42宁夏0.195.980.326.820.3513.550.139.330.264.22新疆0.632.790.515.840.456.070.286.140.396.03由表4可知，就基础设施现代化层面（A1）而言，东部地区数字农业基础设施水平均值分布在（0.40，0.63）区间内，中部地区分布在（0.18，0.29）区间，西部地区平均值则在（0.14，0.27）区间。从增长率方面分析，东部地区数字农业基础设施水平年均增长率分布于（7.26%，9.21%）区间内，中部地区分布区间为（6.56%，8.42%），西部地区区间为（2.57%，5.98%）。说明东部地区数字农业基础设施发展水平明显高于中西部地区，且增长率也高于中西部地区。就人力资源现代化层面（A2）而言，东、中、西部地区数字农业人力资源水平差距较为明显，其中东部地区的浙江（0.53）、江苏（0.52）和上海（0.50）等3个省（市）数字农业人力资源水平更为突出。从增长率方面来看，东部地区数字农业人力资源水平增长率明显高于中西部地区，表明我国不同地区数字农业人力资源水平差距较明显，东部地区人力资源水平远高于中西部地区。就发展环境现代化层面（A3）而言，从均值方面来看，西部地区数字农业发展环境分布区间明显低于东部地区和中部地区数字农业发展水平。从增长率方面分析，西部地区数字农业发展环境情况与均值一致。就产业效益现代化层面（A4）而言，东部地区的数字农业产业效益的均值和增长率均优于中西部地区，说明东部地区的农民可支配收入、农业品牌占比、农业产值占比、涉农企业占比以及国家级农业产业化企业数量均优于中西部地区。就农业技术创新现代化层面（A5）而言，东、中、西部地区数字农业技术创新现代化表现为依次递减态势。从增长率方向分析，东部地区数字农业技术创新现代化增长率在（4.25%，6.03%）区间内，中部地区在（2.86%，3.77%）区间内，西部地区在（1.44%，3.37%）区间内。因此，东部地区数字农业技术创新现代化增长远大于中西部地区，西部地区数字农业技术创新现代化水平也在快速提升。2.3数字农业发展水平的空间区位分布为更准确分析我国数字农业发展水平的空间区位特征，使用标准差椭圆法展开分析，见表5。假设各省（市、自治区）数字农业发展水平相同，以此便分析现阶段数字农业发展水平空间分布情况与理想状态差距。10.13557/j.cnki.issn1002-2813.2023.19.037.T005表52012—2021年数字农业发展水平标准差椭圆参数项目面积/km2短半轴/km长半轴/km扁率方位角/度分布重心经度纬度理想状态359.909.5412.610.2971.39119.11。N35.31。E2012年373.369.7112.840.2674.22119.34。N35.52。E2013年372.159.7112.810.2573.41119.41。N35.53。E2014年369.299.6612.770.2673.36119.42。N35.56。E2015年367.719.6312.770.2673.02119.37。N35.53。E2016年366.239.5912.770.2672.58119.36。N35.55。E2017年365.069.5712.760.2671.24119.36。N35.52。E2018年366.379.5912.780.2671.57119.27。N35.47。E2019年362.699.5712.670.2670.53119.28。N35.37。E2020年360.619.5412.630.2670.61119.22。N35.37。E2021年359.729.5212.620.2670.54119.15。N35.35。E注：长、短半轴差值与长半轴之比即为扁率。由表5可知，数字农业发展水平的标准差椭圆面积整体波动较为平缓，但与理想状态相比仍存在一定差距，表明数字农业发展水平扩散效应并不显著，且空间分布较为集中。数字农业发展水平的长短半轴与理想状态长短半轴相比较小，表明现阶段数字农业发展水平的集聚效应较为明显，且空间分布同样处于集中状态。数字农业发展水平的扁率处于0.26附近，与理想状态下0.29相比仍偏小，未达到理想状态，说明数字农业发展水平的空间分布方向性尚不明显。数字农业发展水平的方位角逐渐与理想状态相近，这与数字农业发展水平空间分布梯度方向相符。数字农业发展水平的分布重心转移至浙江，呈现向北移动的趋势，与钟晓萍等[31]的研究结论一致。3结论和建议3.1结论文章基于中国式现代化背景，构建数字农业发展水平综合指标体系。借助我国2012—2021年30个省（市、自治区）的面板数据，对各省（市、自治区）数字农业发展水平进行测度，并分析各省（市、自治区）数字农业发展水平的时间变化趋势与空间分布，发现我国数字农业发展水平表现为上升态势，各省（市、自治区）间数字农业发展水平正逐渐扩大，且呈现“东—中—西”依次递减态势分布；东部地区数字农业的基础设施现代化水平、人力资源现代化水平、发展环境现代化水平、产业效益水平以及农业技术创新现代化水平均处于全国领先地位，远高于中西部地区；我国数字农业整体分布较为集中，但空间分布面积较小，且分布方向与数字农业发展水平的梯度方向相符。3.2建议因地制宜缩小数字农业发展差距。对东部地区而言，可主动为中西部地区数字农业发展提供宝贵经验，积极参与中西部地区信息基础设施建设，设立数字农业现代化示范区。同时，东部地区需充分发挥区位优势，带动中西部地区数字农业协同发展，逐渐缩小数字农业发展差距。对中西部地区而言，各省（市、自治区）还需进一步完善农村地区网络设备部署，铺设光纤网络，大幅改善农村地区网络质量，破解数字鸿沟难题，促进数字农业均衡化发展。此外，还可以积极进行招商引资、扩大数字农业领域资本投入，推动本地数字农业发展。夯实数字农业高技术复合型人才基石。一方面，各省（市、自治区）需充分调动科研院所、涉农高校以及农业职业学院等相关人才资源优势，开展一系列与数字农业相关的项目建设，建立数字农业人才培养基地，培育一批理论与实践兼备的高技术复合型人才。另一方面，相关部门应合理利用农产品电子商务培训以及新型职业农民培训等资源，进一步加大对新型职业农民和基层农技人员的培养力度，为数字农业夯实复合型人才基础。健全数字农业生产过程保障措施。第一，有关部门应研究并落实与数字农业相关配套政策，引导各市场主体参与数字农业建设工作。第二，应进一步优化财政资金使用结构，鼓励金融机构优化信贷投放机制，加强对数字农业发展的金融支持。第三，可适时举办数字农业建设推进会，加大农业数字化宣传力度，共享农业技术发展成果和经验，挖掘农业现代化新产品、新模式以及典型案例，打造品牌优势，为数字农业持续发展奠定基础。