謝林波 楊振宇 匡博麟

謝林波，楊振宇，匡博麟. 基于AHP-TOPSIS-耦合協(xié)調模型的農業(yè)發(fā)展水平實證評估［J］. 湖北農業(yè)科學，2024，63（3）：97-103．

摘要：近年來國內新農業(yè)發(fā)展格局體系發(fā)展迅速，為加快國內農業(yè)循環(huán)發(fā)展，以2012—2020年31個?。ㄗ灾螀^(qū)、直轄市）面板數(shù)據(jù)為基礎，通過層次分析法、熵權法、最優(yōu)解距離法、耦合協(xié)調模型對新農業(yè)發(fā)展格局體系進行綜合評估，并且從時間和空間兩個維度進行分析。結果表明，2020年農業(yè)發(fā)展水平較高的前三省份為山東、廣東、江蘇，人均GDP與農業(yè)發(fā)展水平具有高度協(xié)調；西部地區(qū)的農業(yè)發(fā)展水平相對中東地區(qū)還有待提高。

關鍵詞：新農業(yè)發(fā)展格局體系；面板數(shù)據(jù)；AHP-TOPSIS模型；耦合協(xié)調模型

中圖分類號：F323? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2024）03-0097-07

DOI：10.14088/j.cnki.issn0439-8114.2024.03.015 開放科學（資源服務）標識碼（OSID）：

農業(yè)國之根基，其發(fā)展與農村發(fā)展息息相關。由中國農業(yè)農村現(xiàn)狀可知國內農業(yè)資源相對匱乏，土地分散程度較高，小農家庭普遍，部分國民對農業(yè)存在歧視觀念，中美貿易戰(zhàn)等一系列因素阻礙了中國農業(yè)農村發(fā)展進程［1］，使中國僅為農業(yè)大國而非農業(yè)強國，為此，深入剖析影響中國農業(yè)發(fā)展的因素并對發(fā)展現(xiàn)狀進行評估很有必要。

隨著產業(yè)技術化變革的推進，農業(yè)領域不斷更新迭代，相對傳統(tǒng)農業(yè)而言，新農業(yè)［2］的發(fā)展是通過結合當代技術，利用數(shù)字化、智能化、系統(tǒng)化等生產資料作為高效工具，以地區(qū)資源特色為導向，資源優(yōu)化配置為方向，通過完整的產業(yè)鏈以及經濟增效的循環(huán)體系來推動農村居民生活品質提升。

目前國內研究農業(yè)發(fā)展水平的方法主要有理論研究和模型研究兩類。理論研究方面?zhèn)戎刂腥A民族厚實悠久的農耕文化來深入挖掘中國特色農業(yè)發(fā)展狀況。葉娟麗等［3］從中國鄉(xiāng)村治理問題出發(fā)闡述了社會化小農、韌性小農、后鄉(xiāng)土中國、祖賦人權等概念，徐勇等［4］就社會化小農問題表明農民是三農問題最底層的鑰匙。模型研究方面著重于新穎的指標評測模型來綜合多方因素評估農業(yè)發(fā)展水平。劉玉杰等［5］基于2007—2018年30個省（市、區(qū)）的農業(yè)資源效率水平面板數(shù)據(jù)，利用核密度函數(shù)分析等3種模型進行時間、空間雙維度研究，表明農業(yè)資源效率存在空間上的相關性，且地域差異特征明顯。安曉寧等［6］通過多目標線性加權函數(shù)就農業(yè)現(xiàn)代化時空分析、區(qū)域非均衡性來測算農業(yè)現(xiàn)代化水平，表明2004—2017年全國農業(yè)發(fā)展水平逐步提升，但不同地域發(fā)展存在差異，影響發(fā)展因素多樣。張志新等［7］采用分異性、集聚性、時空分析、TOPSIS-ESDA模型研究山東2010—2019年農業(yè)的發(fā)展水平。閆昱升等［8］使用AHP-TOPSIS-POE模型對桂林四所高校校園景觀進行質量評測，此方法同時避免主觀和單因素導致決策錯誤。

評價模型需要充分結合實際同時要具有科學性，但大部分學者選擇的部分指標未能全面概括現(xiàn)代農業(yè)發(fā)展水平，對新農業(yè)發(fā)展格局體系建立還需進行大量研究［9］，因此，本研究依據(jù)前人研究成果，通過AHP-TOPSIS模型協(xié)同耦合協(xié)調模型繼續(xù)探討全國2012—2020年31個省（自治區(qū)、直轄市）面板數(shù)據(jù)的信息。

1 研究對象與指標的選取

本研究以科學、質量、精確為基本原則進行指標提煉，確立農村科技發(fā)展、農村資源發(fā)展、農村產業(yè)協(xié)調發(fā)展、農村居民生活發(fā)展4項為指標層，選取指標衡量方式共28項，利用2012—2020年31個?。ㄗ灾螀^(qū)、直轄市）農業(yè)板塊數(shù)據(jù)進行分析。

其中各項指標屬性為指標對新農業(yè)發(fā)展格局體系的作用，屬性為正即對體系發(fā)展有益，屬性為負即為阻礙作用，具體如表1所示。

本研究利用AHP-TOPSIS模型［10］從主觀和客觀角度對31個省（自治區(qū)、直轄市）的綜合得分進行評估，并對結果進行排序分析。AHP模型由業(yè)內專家綜合中國農業(yè)現(xiàn)狀考慮得到4項指標層權重。熵權法與TOPSIS模型從定量角度出發(fā)，可得28項定量指標衡量方式層的各自權重，通過指標層權重及指標衡量方式層權重可得出31個?。ㄗ灾螀^(qū)、直轄市）的最終得分。最后將耦合協(xié)調模型以2020年31個?。ㄗ灾螀^(qū)、直轄市）的人均GDP數(shù)據(jù)原料同AHP-TOPSIS模型得到的綜合得分進行耦合評估，將各個子系統(tǒng)的實際情況進行檢驗分析。

步驟1：為消除各項指標的屬性、量綱、數(shù)量級別不同產生的影響，對數(shù)據(jù)統(tǒng)一按照指標正負效應屬性處理得到標準化矩陣r。

[r=r11r12r21r22？r1n？r2n？？rm1rm2？？？rmn] （1）

步驟2：借助熵權法計算指標衡量方式的各項權重，當熵值越小時其熵權越大，對應指標含信息量大，即該指標權重較大。

指標衡量方式中第j個指標對應第i個省市區(qū)綜合評分比重為[pij]。其中，n為?。ㄗ灾螀^(qū)、直轄市）的個數(shù)，m為指標個數(shù)。

[pij=Yiji=1nYij， i=1，2，？，n， j=1，2，？，m] （2）

第j個指標在31個省（自治區(qū)、直轄市）代表的熵值為[Ej]：

[Ej=-ln（n）-1i=1npijlnpij] （3）

式中，[Ej]代表第j個指標在31個?。ㄗ灾螀^(qū)、直轄市）代表的熵值。[Fj]為對第j個指標進行效益化處理，取F為效益熵，即F越大，所占權重比例越大。

[Fj=1-Ej] （4）

對效益熵歸一化處理，計算第j個方案占全部?。ㄗ灾螀^(qū)、直轄市）的比重，得到各項指標權重[w=（w1，w2，？，wn）]。

[wj=Fjj=1nFj? （j=1，2，？，m）] （5）

步驟3：最優(yōu)解距離法可計算出各省（自治區(qū)、直轄市）對應指標衡量方式層的綜合得分，計算步驟如下：

1）利用歸一化的標準化矩陣乘權重[w]，建立信息矩陣V，其中[vij=rij×wj]。

正理想解為[v+，v+=[max（v：，1），max（v：，2），？，max（v：，m）]] （6）

負理想解為[v-，v-=[min（v：，1），min（v：，2），？，min（v：，m）]] （7）

2）利用歐式空間距離公式，計算信息熵內的各省（自治區(qū)、直轄市）與正負理想解距離。

[S+i=j=1m（vij-v+j）2? ? ? ? ? S-i=j=1m（vij-v-j）2] （8）

3）各省（自治區(qū)、直轄市）與正理想解的相對接近度計算：

[C+i=S-iS+i+S-i] （9）

得到的結果即為各?。ㄗ灾螀^(qū)、直轄市）對應指標層的綜合得分[C=（C+1，C+2，？，C+n）]。

步驟4：層次分析法通過將決策關聯(lián)大的成分分解成目標、準則、方案等層次進行分析，帶有一定模糊量化性質，通過采取專家對指標進行打分方式計算，步驟如下：

1）構建判斷矩陣A。

[A=i=14j=14aija11a12a21a22a13a14a23a24a31a32a41a42a33a34a43a44]

[a：，1] 代表農村科技現(xiàn)代化得分，[a：，2]代表農村資源現(xiàn)代化得分，[a：，3]代表農村居民生活現(xiàn)代化得分，[a：，4]代表農村產業(yè)協(xié)調現(xiàn)代化得分，[aij]代表要素i與要素j的相對重要性。

若不符合判斷矩陣的性質：[aij=1aji]，則A為不一致陣，需要對其不一致的波動范圍加以界定。具體表現(xiàn)需依據(jù)一致性指標CI同隨機一致性指標RI之比的一致性比率CR，若[CR<0.1]則通過一致性檢驗。

[CI=λ-nn-1] （10）

[CR=CIRI] （11）

檢驗通過則可使用指標層權重[w1]。

指標層權重：[w1=（λ1，λ2，λ3，λ4）] （12）

2）計算31個省（自治區(qū)、直轄市）新農業(yè)格局體系綜合評分S。

[S=w1×C] （13）

步驟5：耦合協(xié)調模型是基于兩者或兩者以上系統(tǒng)或運動等形式在作用中產生的各種交互作用對系統(tǒng)產生影響［11］，本研究利用耦合協(xié)調模型將新農業(yè)發(fā)展體系水平同人均GDP進行耦合，耦合度計算公式如下：

[Z=2u1？u2（u1+u2）212] （14）

Z表示二元系統(tǒng)耦合度，[u1]表示新農業(yè)格局體系綜合評分對總系統(tǒng)做出的貢獻，[u2]表示人均GDP對總系統(tǒng)做出的貢獻。

[u1=i=1nbijuij? ? ? ? j=1tbij=1] （15）

式中，[ui]表示第i個子系統(tǒng)對總系統(tǒng)做出的貢獻，[uij]為第i個子系統(tǒng)中對應第j個指標極值歸一化處理，[bij]為第i個子系統(tǒng)占第j個指標的權重，該權重通過熵權法方程（7）結果得出。

[T=au1+eu2]

[a+e=1]

[K=（Z？T）12] （16）

式中，a、e分別為新農業(yè)格局體系綜合評分和人均GDP的權重，T為協(xié)調指數(shù)，K為耦合協(xié)調度。此方法的結合是從客觀角度出發(fā)綜合分析新農產業(yè)與GDP的空間關聯(lián)。

2 全國新農業(yè)發(fā)展水平實證分析

2.1 AHP法對指標層進行權重計算

采取專家打分方法，得其判斷矩陣A：

[A=11/21/31/2211/213212211/21] （17）

[λmax=4.010 4]，[CI=0.003 4]，[CR=0.0037<0.1]，通過一致性檢驗，得到指標層權重[w1=]（0.122 3，0.227 0，0.423 6，0.227 0），農村居民生活發(fā)展權重占比最大，達0.423 6，表明農村居民生活水準是以人為本［12］，在新農業(yè)發(fā)展格局體系中起著關鍵作用。第二、三為農村資源發(fā)展與農村產業(yè)協(xié)調發(fā)展，均為0.227 0，說明新農業(yè)發(fā)展格局體系內生態(tài)環(huán)境以及產業(yè)協(xié)調創(chuàng)新推動體系變革，為當代農業(yè)主流經濟做出貢獻。第四為農村科技發(fā)展，占比為0.122 3，表明農村科技方面還需創(chuàng)新改進，肩負未來體系發(fā)展重擔［13］。

2.2 TOPSIS法計算得分

依據(jù)現(xiàn)有數(shù)據(jù)對指標衡量方式進行優(yōu)劣解距離法，利用歐式空間距離計算正負理想解距離，得到31個省（自治區(qū)、直轄市）各指標衡量方式綜合得分C=（0.194 7，0.127 3，0.017 3，0.255 3，0.194 8，0.210 6，0.090 5，0.092 8，0.185 9，0.098 4，0.105 2，0.427 4，0.126 8，0.086 1，0.225 6，0.320 4，0.023 1，0.122 0，0.019 9，0.020 0，0.056 1，0.053 5，0.117 7，0.130 1，0.128 5，0.296 2，0.150 4，0.123 5），結合AHP所得指標層權重，算出31個?。ㄗ灾螀^(qū)、直轄市）新農業(yè)發(fā)展格局體系最終得分。

3 時空分析

3.1 新農業(yè)發(fā)展體系的時間特征分析

將2012—2020年31個?。ㄗ灾螀^(qū)、直轄市）綜合得分作為整體得到9個數(shù)據(jù)，每一年綜合得分視為一個樣本，共9個樣本，通過這組數(shù)據(jù)進行新農業(yè)發(fā)展格局的時空分析?；谡吡Χ纫约艾F(xiàn)有9年時間數(shù)據(jù)，對新農業(yè)測度體系劃分3個階段進行分析，分別為2012年、2013—2015年和2016—2020年，如圖1和圖2所示。

第一階段：2012年綜合得分為6.75分。由于農村問題還不突出，農村生活發(fā)展狀況為最佳，其他3項指標均低。第二階段：2013—2015年，由圖2可知農村發(fā)展情況穩(wěn)定，整體增幅為0.058分，期間農村居民生活發(fā)展、農村產業(yè)協(xié)調發(fā)展存在反向變動趨勢。在產業(yè)協(xié)調的發(fā)展和大量農民工涌入城鎮(zhèn)導致農村“空心化”的背景下，說明產業(yè)協(xié)調發(fā)展與農村居民生活相互影響，且國家關于三農系列政策出臺［14］，農村科技發(fā)展和農村資源發(fā)展均呈上升趨勢。第三階段：2016—2020年期間整體增幅達0.789分，年均增長0.158分，現(xiàn)代農業(yè)發(fā)展迭代更新。隨著脫貧攻堅等戰(zhàn)略的實施，農村整體居民生活發(fā)展呈現(xiàn)上升趨勢，共增加1.17%?；诠┙o側結構性改革［15］背景下產業(yè)協(xié)調發(fā)展更是迅速，整體增幅達2.39%。農村科技發(fā)展波動較大，2018年下跌幅度較大，同2017年相比大型農業(yè)拖拉機數(shù)量減少2 480 907臺，但機械總動力上升。農村資源發(fā)展緩慢上升，說明農村資源作為物質支撐在農業(yè)發(fā)展中具有穩(wěn)定性、基礎性推動新農業(yè)發(fā)展的作用。

2012—2020年現(xiàn)代化農業(yè)農村發(fā)展綜合水平逐步提升，以2012年為基期，2013—2020年均與2012年對比如表2所示。

從表2可知，農村產業(yè)協(xié)調發(fā)展：2012—2020年期間，4項指標均呈上升趨勢，農村產業(yè)協(xié)調發(fā)展上升幅度最高，2020年達34.88%，為現(xiàn)代化農業(yè)發(fā)展做出巨大貢獻。2012年全國現(xiàn)代種業(yè)發(fā)展規(guī)劃的頒發(fā)，引導中國農林牧漁四大產業(yè)相繼研發(fā)新產品、開創(chuàng)新型產業(yè)結構，2016年供給側結構性改革調整的實施，農林牧漁業(yè)快速發(fā)展，農業(yè)逐漸與其他產業(yè)建立橋梁，且外貿發(fā)展良好。圖3顯示了農業(yè)總產值發(fā)展情況，林業(yè)與漁業(yè)總產值緩增，畜牧業(yè)發(fā)展整體上升。

農村居民生活發(fā)展：綜合水平第二，但2013—2015年呈降低趨勢，主要是城鎮(zhèn)化快速發(fā)展導致大量農村勞動力流入城鎮(zhèn)，鄉(xiāng)村勞動人口缺失。通過系列政策頒發(fā)以及相應戰(zhàn)略的實施，2020年增加至12.24%，農村人民生活水平在改革中不斷提質。

農村資源發(fā)展：作為現(xiàn)代農業(yè)的基石，2012—2020年9年內農村資源利用方式多元效率化，其內推動力主要為糧食產量、農村水電等資源，物質基礎堅實，且中國糧食作物戰(zhàn)略的啟動，糧食質量、數(shù)量穩(wěn)產穩(wěn)增。農村資源發(fā)展年均增長達1.46%。

農村科技發(fā)展：作為現(xiàn)代農業(yè)發(fā)展體系的內核，自2012年中國創(chuàng)新地發(fā)展現(xiàn)代都市農業(yè)起，農村科技因素得以重視。隨著企、農合作，農場逐步開啟規(guī)?；⒓夯顺?，以及“互聯(lián)網+”催生新型農業(yè)生態(tài)的構建等一系列發(fā)展舉措，加快了中國在農業(yè)領域的科技發(fā)展。

3.2 省市區(qū)地區(qū)差異分析

表3為AHP-TOPSIS模型得到的2012年與2020年綜合評分以及排名。由表3知，在農業(yè)水平方面，山東省得分最高，2020年為0.534 1。在排名波動方面，僅上海市年均排名波動超過5名，其余地區(qū)排名波動均在5名（含5名）以內，全國各?。ㄗ灾螀^(qū)、直轄市）新農業(yè)農村發(fā)展格局體系較為穩(wěn)定。

3.3 各?。ㄗ灾螀^(qū)、直轄市）發(fā)展狀況分析

因為全國新農業(yè)發(fā)展水平較為穩(wěn)定，故將2020年的綜合評價作為代表研究新發(fā)展格局狀況，以三大經濟地區(qū)作為分組，以四分位數(shù)原則將31個?。ㄗ灾螀^(qū)、直轄市）的4項指標層綜合得分進行如下分析。

3.3.1 農村科技發(fā)展 江蘇、廣東、新疆、湖南、山東、江西、浙江和河南8省（自治區(qū)）農業(yè)科技發(fā)展水平較高，天津、青海、北京、寧夏、西藏、海南等地區(qū)發(fā)展水平較低，其他省份科技發(fā)展水平中等偏上。東部地區(qū)，江蘇省科技發(fā)展最好，在三農工作方面農耕機械率達到80%，科技進步貢獻達70%，山東的機械總動力最多，天津省科技發(fā)展水平較低，其農村用電量僅占全國的0.4%，農用機械擁有量占比僅0.28%，說明機械化程度是影響天津農業(yè)發(fā)展的主要原因。西部地區(qū)，新疆含有342家大型農場，在生產兵團的建設下，農耕規(guī)?；潭雀?。

3.3.2 農村資源發(fā)展 黑龍江、新疆、云南、四川、內蒙古、湖北、河南、廣東、湖南9?。ㄗ灾螀^(qū)）農村資源水平較高，是中國農業(yè)資源主要地區(qū)，北京、天津、上海、寧夏、海南、山西6省（直轄市）農業(yè)資源偏少。東部地區(qū)，天津市在現(xiàn)代資源衡量指標體系中占比均低，說明農村資源是天津市現(xiàn)代農村發(fā)展較大的阻礙因素。中部地區(qū)，內蒙古林地面積占全國的13.89%，耕地面積占全國的43.79%。西部地區(qū)，新疆有效灌溉面積4 893.35千hm2，具有富饒的農業(yè)生產資料。中國地域資源主要供給為東部和西部地區(qū)。

3.3.3 農村產業(yè)協(xié)調發(fā)展 山東、江蘇、廣東、湖北、福建、四川、安徽、湖南、河南9省產業(yè)協(xié)調化較高，青海、天津、寧夏、北京、西藏5?。ㄗ灾螀^(qū)、直轄市）產業(yè)協(xié)調化偏低。中東部地區(qū)農業(yè)產業(yè)協(xié)調發(fā)展程度普遍較高，山東農業(yè)產業(yè)化程度最高，達7.05%，其農林牧漁產業(yè)總產值、農作物播種面積等均為全國前列，青海農業(yè)產業(yè)化程度最低，其農業(yè)產業(yè)協(xié)調程度為0.89%。西部地區(qū)在資源較多的前提下農業(yè)產業(yè)協(xié)調化程度仍然較低，原因為科技、人口等因素導致。

3.3.4 農村居民生活發(fā)展 山東、廣東、河北、河南、四川、湖北、浙江7省農村居民生活發(fā)展水平較高，青海、寧夏、西藏、甘肅、新疆、黑龍江6?。ㄗ灾螀^(qū)）農村居民生活水平較低，中東部和中部地區(qū)的農村居民生活水平較高，山東省農村居民生活水平最高，達21%。大部分西部地區(qū)農村居民生活水平較低，西藏自治區(qū)較低，為1.80%，且農村人口僅為235萬，整體發(fā)展水平偏低，基于西部大開發(fā)戰(zhàn)略實施下，西藏農村發(fā)展狀況逐漸改善。

3.4 耦合協(xié)調化模型

通過耦合協(xié)調模型分析得中國農業(yè)產業(yè)與人均GDP的協(xié)調狀況，如表4所示。山東省是中國農業(yè)與經濟發(fā)展協(xié)調最好的省份，可擔任中國新農業(yè)格局發(fā)展的代表，其次為河北、浙江及安徽。協(xié)調等級為6～9的地區(qū)集中于東部和中部地區(qū)，為中國農業(yè)與經濟發(fā)展一體化利好區(qū)域，并且得出結果與AHP-TOPSIS評價模型所得發(fā)展水平的結果一致。

4 政策與建議

通過建立AHP-TOPSIS、耦合協(xié)調模型得到各?。ㄗ灾螀^(qū)、直轄市）新農業(yè)發(fā)展格局水平的測度，得知中國農村人均GDP與農業(yè)發(fā)展水平協(xié)調程度高，故要切實以人文本，著重加強扶貧力度，提升農村居民幸福感。在發(fā)展水平方面，山東等農業(yè)領域有權威的地區(qū)需牽頭和推動全國各農業(yè)機構的聯(lián)絡，以綠色發(fā)展為目標加速打造中國農業(yè)發(fā)展示范區(qū)，提供借鑒等措施促進中國農業(yè)發(fā)展。

在各地區(qū)的實證分析中，資源富饒的西部地區(qū)本身需重視鄉(xiāng)村資源、人口流動和環(huán)境發(fā)展，開展特色牧場農業(yè)，打造特色品牌與農業(yè)文化，并且加大力度結合科技因素推動農機效率改革，加速產業(yè)融合，以達高產高收高質目標，外部要堅定西部大開發(fā)戰(zhàn)略，對西部地區(qū)農村基建增加投資力度，改善西部地區(qū)人民生活質量［16］。東部地區(qū)沿海城市各方面綜合實力均較為發(fā)達，要積極開展外貿活動，利用電商、傳媒等方式刺激農業(yè)發(fā)展，以及通過“引進來，走出去”等一系列活動打造中國農業(yè)品牌，激發(fā)全國內需，推動國外需求，充分發(fā)揮本土地理、技術優(yōu)勢，創(chuàng)新搭建特色農業(yè)試驗、觀光基地，搭建循環(huán)體系基地。中部地區(qū)應著重承擔東西部地區(qū)的連接樞紐作用，為西部地區(qū)提供社會援助，為東部地區(qū)提供物質基礎以優(yōu)化中國農業(yè)整體循環(huán)，將復雜環(huán)節(jié)簡約化、高效化，將中國新農業(yè)發(fā)展為一個繁茂的現(xiàn)代化生態(tài)農業(yè)體系。

參考文獻：

［1］ 肖 露， 張榆琴， 李新然，等.欠發(fā)達地區(qū)農業(yè)農村現(xiàn)代化發(fā)展與阻礙因素分析——以云南省為例［J］.農業(yè)現(xiàn)代化研究，2022， 43（5）：780-789.

［2］ 張俊霞， 張民偉，李 紅，等. 陜西西安新農業(yè)發(fā)展路徑選擇［J］.中國國情國力， 2020（8）：63-67.

［3］ 葉娟麗， 徐 琴. 中國鄉(xiāng)村治理研究本土化概念考［J］.理論與改革， 2021（6）：33-50， 151-152.

［4］ 徐 勇， 鄧大才. 社會化小農：解釋當今農戶的一種視角［J］.學術月刊， 2006（7）：5-13.

［5］ 劉玉杰， 耿獻輝. 中國農業(yè)資源效率時空分異與驅動因素研究［J］.中南林業(yè)科技大學學報（社會科學版）， 2021， 15（5）：65-71.

［6］ 安曉寧，辛 嶺. 中國農業(yè)現(xiàn)代化發(fā)展的時空特征與區(qū)域非均衡性［J］.資源科學， 2020， 42（9）：1801-1815.

［7］ 張志新， 孟 曉. 農業(yè)現(xiàn)代化發(fā)展水平時空特征：分異性與集聚性——基于山東省2010—2019年數(shù)據(jù)分析［J］. 中國農業(yè)資源與區(qū)劃，2022， 43（11）：202-214.

［8］ 閆昱升， 黃艷霞， 朱司甲，等.基于AHP-TOPSIS-POE模型的高校校園景觀質量評價研究——以桂林市4所高校為例［J］.北京建筑大學學報， 2022， 38（3）：67-76.

［9］ 魏燕萍， 韓俊英， 尤 剛， 等. 基于AHP和模糊綜合評價的蘭州市休閑農業(yè)發(fā)展評價與分析［J］.江蘇農業(yè)學報， 2020， 36（1）：227-233.

［10］ 劉杰杰， 夏 瑋， 劉子杰，等. 基于熵權法-層次分析法的蒸汽吞吐評價指標構建［J］.節(jié)能， 2022， 41（3）：8-16.

［11］ 吳 凡. 鐵路貨運周轉量與GDP的耦合協(xié)調度分析［J］.現(xiàn)代商貿工業(yè)， 2022，43（13）：24-26.

［12］ 謝亦欣. 當前農村發(fā)展現(xiàn)狀調研報告［J］.中國市場，2018（10）：32-33.

［13］ 聚焦要害短板 加快推動農業(yè)科技進步——農業(yè)農村部科技教育司負責人就《“十四五”全國農業(yè)農村科技發(fā)展規(guī)劃》答記者問［J］. 中國農業(yè)綜合開發(fā)， 2022（1）：63-64.

［14］ 慕良澤，趙 勇.中國共產黨百年“三農”政策的演進邏輯與調適趨向［J］.馬克思主義與現(xiàn)實，2021（6）：81-89， 196.

［15］ 王 勇.農業(yè)供給側改革背景下調整農業(yè)產業(yè)結構促進農村生態(tài)文明建設路徑研究［J］.山西農經，2022（5）：33-35.

［16］ 章艷秋.產業(yè)結構升級對西部地區(qū)農村剩余勞動力轉移的影響研究——基于西部12省2000～2019年面板數(shù)據(jù)分析［J］.農村經濟，2022（7）：136-144.

收稿日期：2022-11-22

基金項目：湖南省教育廳優(yōu)秀青年科學研究項目“不確定性數(shù)據(jù)分析方法在農地流轉綜合效益評價中的應用研究”（20B303）

作者簡介：謝林波（2001-），男，湖南醴陵人，2020級在讀本科生，專業(yè)方向為統(tǒng)計學，（電話）15873305907（電子信息）xlbjyw@163.com。