摘要：為未來(lái)生態(tài)農(nóng)業(yè)培訓(xùn)模式設(shè)計(jì)和創(chuàng)新實(shí)踐提供理論和現(xiàn)實(shí)依據(jù)，進(jìn)而為農(nóng)業(yè)高質(zhì)量發(fā)展提供政策啟示，基于2012—2021年我國(guó)31個(gè)省（市、自治區(qū)）的相關(guān)統(tǒng)計(jì)數(shù)據(jù)，分析政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源四個(gè)要素之間的耦合協(xié)調(diào)關(guān)系。運(yùn)用耦合協(xié)調(diào)度模型，構(gòu)建影響生態(tài)農(nóng)業(yè)培訓(xùn)效果要素系統(tǒng)的協(xié)同度評(píng)價(jià)模型，分析政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源四個(gè)要素之間耦合協(xié)調(diào)的時(shí)空演變特征。在此基礎(chǔ)上，通過障礙度模型識(shí)別出制約生態(tài)農(nóng)業(yè)培訓(xùn)效果的關(guān)鍵因素，探究我國(guó)生態(tài)農(nóng)業(yè)培訓(xùn)效果影響要素耦合協(xié)調(diào)的變化趨勢(shì)與制約因素。研究發(fā)現(xiàn)：2012—2021年全國(guó)31個(gè)?。ㄊ小⒆灾螀^(qū)）四要素耦合協(xié)調(diào)度整體表現(xiàn)為上升趨勢(shì)，由0.478增至0.565，增幅為36.61%，但耦合協(xié)調(diào)度相對(duì)較低；在空間分布方面，各?。ㄊ?、自治區(qū)）四要素耦合協(xié)調(diào)度呈現(xiàn)顯著正相關(guān)；各要素障礙度由大到小依次為：市場(chǎng)競(jìng)爭(zhēng)、培訓(xùn)資源、政策支持、環(huán)保意識(shí)，影響各要素耦合協(xié)調(diào)的主要障礙因子為政策支持中的政府補(bǔ)助金額，市場(chǎng)競(jìng)爭(zhēng)中的涉農(nóng)院校數(shù)量，環(huán)保意識(shí)中的有機(jī)肥的投入量，培訓(xùn)資源中的培訓(xùn)場(chǎng)地面積。

關(guān)鍵詞：生態(tài)農(nóng)業(yè)；培訓(xùn)效果；耦合協(xié)調(diào)度；熵值法；障礙度

中圖分類號(hào)：F272.92

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：20955553 （2024） 070291

11

Study on coupling coordination degree of ecological agriculture training effect

Wang Jin1， 2， Hu Enhua2

（1. Jiangsu Vocational College of Agriculture and Forestry， Zhenjiang， 212400， China；

2. School of Economics and Management， Nanjing University of Aeronautics and Astronautics， Nanjing， 211106， China）

Abstract：

In order to provide theoretical and practical basis for the design and innovative practice of ecological agriculture training model in the future， and then provide policy inspiration for high-quality agricultural development， based on the relevant statistical data of 31 provinces， cities and autonomous regions in China from 2012 to 2021， the coupling and coordination relationship among the four factors of policy support， market competition， environmental awareness and training resources was analyzed. In this study， the coupled coordination degree model was used to construct the evaluation model of the coordination degree affecting the factor system of ecological agriculture training effect，and the spatio-temporal evolution characteristics of the coupling coordination among the four factors of policy support， market competition， environmental awareness and training resources were analyzed. On this basis， the key factors limiting the ecological agriculture training effect were identified through the barrier degree model， and the changing trends and constraints of the coupling coordination of the elements affecting the ecological agriculture training effect in China were explored. The results showed that the coupling coordination degree of the four factors in the 31 provinces from 2012 to 2021， cities and autonomous regions of China was in an overall rising trend from 0.478 to 0.565， with an increase of 36.61%， but the coordination level was still not high， and it was in a state of barely coordinated development for a long time. In terms of spatial distribution， the coupling coordination degree of the four factors showed significant positive correlation among provinces and autonomous regions. The obstacle degree of each factor in descending order was as follows： market competition， training resources， policy support， environmental awareness， and the main obstacle factor affecting the coupling and coordination of various factors was the amount of government subsidies in policy support， the number of agricultural colleges in market competition， the amount of organic fertilizer input in environmental awareness and the area of the training venue in the training resources.

Keywords：

ecological agriculture; training effect; coupling coordination degree; entropy method; obstacle degree

0 引言

農(nóng)業(yè)生態(tài)化是推動(dòng)農(nóng)業(yè)高質(zhì)量發(fā)展、實(shí)施鄉(xiāng)村振興戰(zhàn)略的重要舉措。近年來(lái)，政府層面對(duì)生態(tài)農(nóng)業(yè)發(fā)展問題給予了高度關(guān)注，如《“十四五”全國(guó)農(nóng)業(yè)綠色發(fā)展規(guī)劃》和《全國(guó)農(nóng)業(yè)可持續(xù)發(fā)展規(guī)劃（2015—2030）》等一系列文件鼓勵(lì)全國(guó)各地積極發(fā)展生態(tài)農(nóng)業(yè)，進(jìn)一步明確了生態(tài)農(nóng)業(yè)、環(huán)境保護(hù)在推動(dòng)農(nóng)業(yè)高質(zhì)量發(fā)展中的重要地位。然而，長(zhǎng)期以來(lái)農(nóng)戶粗放的生產(chǎn)經(jīng)營(yíng)管理方式使得生態(tài)農(nóng)業(yè)環(huán)境問題愈發(fā)凸顯，如耕地質(zhì)量、耕地面積、生態(tài)穩(wěn)定性等持續(xù)下降，這給生態(tài)環(huán)境和農(nóng)業(yè)可持續(xù)發(fā)展帶來(lái)了巨大的挑戰(zhàn)［1， 2］。事實(shí)上，生態(tài)農(nóng)業(yè)培訓(xùn)是生態(tài)農(nóng)業(yè)發(fā)展的關(guān)鍵一環(huán)。研究發(fā)現(xiàn)，對(duì)農(nóng)戶進(jìn)行科學(xué)培訓(xùn)以及生態(tài)農(nóng)業(yè)資源的有效配置，能夠有效提升生態(tài)農(nóng)業(yè)環(huán)境的質(zhì)量［35］。因此，如何打破現(xiàn)有農(nóng)業(yè)發(fā)展困境，提升生態(tài)農(nóng)業(yè)培訓(xùn)水平成為理論界和實(shí)踐界的關(guān)注焦點(diǎn)。

國(guó)內(nèi)外已有學(xué)者對(duì)生態(tài)農(nóng)業(yè)培訓(xùn)進(jìn)行了相關(guān)研究，主要包括以下幾個(gè)方面：（1）影響因素方面。學(xué)者們主要研究了個(gè)體認(rèn)知、政策、環(huán)境等對(duì)生態(tài)農(nóng)業(yè)培訓(xùn)效果的影響。王建華［6］、Bravo-Monaroy［7］等認(rèn)為生態(tài)技術(shù)培訓(xùn)對(duì)農(nóng)戶采納生態(tài)耕作技術(shù)具有顯著的正向促進(jìn)作用；Lapple［8］、劉妙品［9］、劉艷婷［10］等進(jìn)一步指出農(nóng)戶采取生態(tài)農(nóng)業(yè)技術(shù)不僅與自身環(huán)保意識(shí)有關(guān)，且會(huì)受到資源、市場(chǎng)和政策等因素的影響。王瑾等［11］研究發(fā)現(xiàn)，政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源是影響生態(tài)農(nóng)業(yè)培訓(xùn)效果的重要決定因素；（2）運(yùn)行機(jī)制方面。學(xué)者們對(duì)二元系統(tǒng)、三元系統(tǒng)間的耦合協(xié)調(diào)進(jìn)行了初步探索。其中，二元系統(tǒng)耦合協(xié)調(diào)研究主要涉及社會(huì)經(jīng)濟(jì)與生態(tài)環(huán)境的耦合。楊慧芳等［12］基于2006—2018年黃河流域9個(gè)省份的統(tǒng)計(jì)數(shù)據(jù)，對(duì)黃河流域“生態(tài)—經(jīng)濟(jì)”系統(tǒng)的耦合協(xié)調(diào)程度進(jìn)行分析，研究發(fā)現(xiàn)，二者的耦合協(xié)調(diào)程度經(jīng)歷了“中度—良好—高度”協(xié)調(diào)的演變態(tài)勢(shì)；鄭曉敏等［13］以閩三角城市群為研究對(duì)象，研究生態(tài)安全與經(jīng)濟(jì)發(fā)展之間的耦合協(xié)調(diào)度，研究發(fā)現(xiàn)2009—2019年閩三角城市群生態(tài)安全和經(jīng)濟(jì)發(fā)展綜合指數(shù)總體呈上升趨勢(shì)，從基本協(xié)調(diào)類發(fā)展到良好協(xié)調(diào)類。王佳楠等［14］則在“生態(tài)—經(jīng)濟(jì)”二元系統(tǒng)的基礎(chǔ)上加入了環(huán)境要素，構(gòu)建了“區(qū)域經(jīng)濟(jì)—生態(tài)安全—環(huán)境保護(hù)”三元系統(tǒng)，并基于山東省16個(gè)城市2010—2019年的數(shù)據(jù)，探討了“區(qū)域經(jīng)濟(jì)—生態(tài)安全—環(huán)境保護(hù)”三元系統(tǒng)的耦合協(xié)調(diào)發(fā)展?fàn)顩r，研究發(fā)現(xiàn)各子系統(tǒng)間發(fā)展關(guān)聯(lián)度較高，各子系統(tǒng)處于高度耦合狀態(tài)。黃仁全［15］、崔靚［16］等分別以陜西省和全國(guó)30個(gè)省份為研究對(duì)象，研究了技術(shù)—經(jīng)濟(jì)—生態(tài)環(huán)境之間的耦合協(xié)調(diào)度以及時(shí)空演變特征。

然而，現(xiàn)有研究較多側(cè)重于二元系統(tǒng)間、三元系統(tǒng)間的耦合研究，對(duì)四元系統(tǒng)間的耦合研究相對(duì)較少，且研究范圍主要集中于局部區(qū)域，全域較少。事實(shí)上，半數(shù)以上的?。ㄊ?、自治區(qū)）生態(tài)農(nóng)業(yè)發(fā)展能力總體水平不僅偏低，且?。ㄊ?、自治區(qū)）間生態(tài)農(nóng)業(yè)發(fā)展不平衡［17， 18］。此外，現(xiàn)有生態(tài)農(nóng)業(yè)培訓(xùn)研究主要涉及經(jīng)濟(jì)、政策支持、環(huán)保意識(shí)層面，還缺乏對(duì)自身培訓(xùn)資源配置的考慮。因此，本研究主要基于王瑾等［11］的研究發(fā)現(xiàn)，通過構(gòu)建“政策支持—市場(chǎng)競(jìng)爭(zhēng)—環(huán)保意識(shí)—培訓(xùn)資源”四要素評(píng)價(jià)指標(biāo)體系，對(duì)我國(guó)31個(gè)省（市、自治區(qū)）的“政策支持—市場(chǎng)競(jìng)爭(zhēng)—環(huán)保意識(shí)—培訓(xùn)資源”四要素間協(xié)調(diào)發(fā)展的時(shí)空特征以及耦合協(xié)調(diào)度進(jìn)行系統(tǒng)分析。

1 生態(tài)農(nóng)業(yè)培訓(xùn)效果的耦合理論基礎(chǔ)

“耦合”最初來(lái)源于物理學(xué)，是指兩個(gè)或兩個(gè)以上的構(gòu)成要素通過相互作用而彼此影響［19， 20］，要素之間通過優(yōu)勢(shì)互補(bǔ)、相互依賴、自由運(yùn)作、相互交融等方式，實(shí)現(xiàn)結(jié)構(gòu)功能的結(jié)合，形成一個(gè)新的、更高層次的結(jié)構(gòu)功能體［21］。“耦合”最初主要用于電力技術(shù)學(xué)、地質(zhì)學(xué)等自然科學(xué)，隨著研究的深入，逐漸引入人文社會(huì)科學(xué)領(lǐng)域［22］。王瑾等［11］研究發(fā)現(xiàn)，政策支持、環(huán)保意識(shí)、市場(chǎng)競(jìng)爭(zhēng)和培訓(xùn)資源是影響生態(tài)農(nóng)業(yè)培訓(xùn)效果的4個(gè)主要要素。具體體現(xiàn)在，政策支持既是生態(tài)農(nóng)業(yè)培訓(xùn)效果的基礎(chǔ)，也是其他要素支撐條件，完善的政策能夠?yàn)榄h(huán)保意識(shí)的提升、市場(chǎng)競(jìng)爭(zhēng)的規(guī)范和培訓(xùn)資源的豐富提供保障［23］；環(huán)保意識(shí)既為生態(tài)農(nóng)業(yè)培訓(xùn)效果提供方向支持，也為其他要素的發(fā)展提供驅(qū)動(dòng)力，環(huán)保意識(shí)能夠以獨(dú)特的方式協(xié)調(diào)農(nóng)業(yè)發(fā)展中生產(chǎn)與生態(tài)之間的關(guān)系，從而驅(qū)動(dòng)生態(tài)農(nóng)業(yè)培訓(xùn)市場(chǎng)競(jìng)爭(zhēng)和資源配置，逐步提高農(nóng)戶參與生態(tài)農(nóng)業(yè)培訓(xùn)的積極性并提高培訓(xùn)成效［24］；市場(chǎng)競(jìng)爭(zhēng)既為生態(tài)農(nóng)業(yè)培訓(xùn)效果提供了需求信號(hào)，也拉動(dòng)其他要素的優(yōu)化完善［25］，市場(chǎng)競(jìng)爭(zhēng)能夠提升培訓(xùn)主體的環(huán)保意識(shí)，從而為生態(tài)農(nóng)業(yè)發(fā)展培育更多的生態(tài)型人才，滿足生態(tài)農(nóng)業(yè)培訓(xùn)資源的需求；培訓(xùn)資源既為生態(tài)農(nóng)業(yè)培訓(xùn)效果提供物力和人力的保障［26］，也是其他要素健康發(fā)展的條件，其對(duì)政策支持的力度和環(huán)保意識(shí)的樹立至關(guān)重要［7］，能夠有效推動(dòng)市場(chǎng)競(jìng)爭(zhēng)的成效實(shí)施。實(shí)際上，生態(tài)農(nóng)業(yè)培訓(xùn)效果就是由上述4個(gè)要素間相互作用的綜合結(jié)果。

2 生態(tài)農(nóng)業(yè)培訓(xùn)效果的指標(biāo)構(gòu)建與研究方法

2.1 指標(biāo)體系構(gòu)建

生態(tài)農(nóng)業(yè)培訓(xùn)效果是一項(xiàng)復(fù)雜適應(yīng)系統(tǒng)，涉及政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源的投入與分配。關(guān)于生態(tài)農(nóng)業(yè)培訓(xùn)效果影響要素的評(píng)價(jià)指標(biāo)，依據(jù)Triguero［27］、Cheng［28］等的研究方法以及原則，分別對(duì)政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源領(lǐng)域相關(guān)概念進(jìn)行明確界定，依據(jù)生態(tài)農(nóng)業(yè)培訓(xùn)效果內(nèi)涵，借鑒現(xiàn)有研究成果［2931］，構(gòu)建本研究的生態(tài)農(nóng)業(yè)培訓(xùn)效果影響要素綜合評(píng)價(jià)指標(biāo)體系，并對(duì)四要素耦合協(xié)調(diào)性進(jìn)行評(píng)價(jià)?？紤]生態(tài)農(nóng)業(yè)培訓(xùn)效果影響要素的特點(diǎn)，選取環(huán)境規(guī)制出臺(tái)的制度數(shù)量和政府補(bǔ)貼金額，反映培訓(xùn)政策支持力度；選取有培訓(xùn)意愿總?cè)藬?shù)和參與培訓(xùn)的院校總數(shù)，反映生態(tài)農(nóng)業(yè)培訓(xùn)過程中的市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度；選取二氧化碳、生活廢水排放量、畜禽糞便處理率及有機(jī)肥投放量，反映各?。ㄊ?、自治區(qū)）的環(huán)保意識(shí)高低；選取培訓(xùn)場(chǎng)地面積、培訓(xùn)總?cè)藬?shù)、培訓(xùn)師資人數(shù)及培訓(xùn)手段的種類，反映培訓(xùn)資源的充裕度。具體指標(biāo)情況見表1。其中，為了對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，采用組間極差值公式進(jìn)行賦值，另外，考慮到指標(biāo)選取和指標(biāo)量化過程中的主觀性問題，借助熵權(quán)法對(duì)系統(tǒng)的評(píng)價(jià)指標(biāo)進(jìn)行客觀賦權(quán)。

依據(jù)對(duì)系統(tǒng)發(fā)展貢獻(xiàn)性，將原始指標(biāo)分為兩類：正向指標(biāo)（+）和逆向指標(biāo)（-）［32］。為消除指標(biāo)中的量綱差異，本研究采用組間極差值公式解決這一問題，計(jì)算如式（1）、式（2）所示。

正向指標(biāo)

Rij=Xij-minXj

maxXj-minXj

（1）

逆向指標(biāo)

Rij=maxXj-Xij

maxXj-minXj

（2）

式中：

Rij——標(biāo)準(zhǔn)化數(shù)值；

Xij——

第i年第j指標(biāo)的原始值；

maxXj——第j指標(biāo)的最大值；

minXj——第j指標(biāo)的最小值。

2.2 研究方法

2.2.1 熵權(quán)法與綜合評(píng)價(jià)法

熵權(quán)法是一種客觀賦權(quán)的方法，該方法在很大程度上避免了指標(biāo)評(píng)價(jià)中權(quán)重計(jì)算的主觀因素，對(duì)指標(biāo)權(quán)重的計(jì)算比較科學(xué)客觀，有助于提高評(píng)價(jià)結(jié)果的準(zhǔn)確性和可靠性。

pij=Rij∑mi=1Rij

（3）

ej=-K∑mi=1pijlnpij

（4）

dj=1-ej

（5）

wj=1-ej∑nj=1（1-ej）

（6）

式中：

pij——

第i年第j項(xiàng)標(biāo)準(zhǔn)化數(shù)據(jù)所占比重；

ej——指標(biāo)j的熵值；

K——

常數(shù)，即波爾茨曼常量，K=1/1 nm；

dj——指標(biāo)j的熵值冗余度；

wj——指標(biāo)j的權(quán)重。

采用多指標(biāo)綜合評(píng)價(jià)法分別對(duì)政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源綜合效應(yīng)進(jìn)行測(cè)度與評(píng)價(jià)。

F1=∑mi=1w1jf1j

（7）

F2=∑mi=1w2jf2j

（8）

F3=∑mi=1w3jf3j

（9）

F4=∑mi=1w4jf4j

（10）

式中：

F1、F2、F3、F4——

政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源4個(gè)要素的綜合評(píng)價(jià)指數(shù)；

w1j、w2j、w3j、w4j——

政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源4個(gè)要素的指標(biāo)權(quán)重；

f1j、f2j、f3j、f4j——

政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源4個(gè)要素標(biāo)準(zhǔn)化處理值。

2.2.2 耦合協(xié)調(diào)度模型

本研究系統(tǒng)、全面、真實(shí)地搜集了政策支持—市場(chǎng)競(jìng)爭(zhēng)—環(huán)保意識(shí)—培訓(xùn)資源四要素協(xié)調(diào)發(fā)展的指標(biāo)，參考王淑佳［33］、楊曉娜［34］等的研究，對(duì)4個(gè)要素采用幾何平均法，分別計(jì)算出各個(gè)要素的綜合評(píng)價(jià)指數(shù)?？紤]到各個(gè)要素的指標(biāo)對(duì)生態(tài)農(nóng)業(yè)培訓(xùn)效果的綜合指標(biāo)同等重要，故采用同等權(quán)重，將4個(gè)要素指標(biāo)乘以權(quán)重轉(zhuǎn)化為生態(tài)農(nóng)業(yè)培訓(xùn)效果的綜合指標(biāo)。政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源4個(gè)要素的綜合評(píng)價(jià)指數(shù)分別為F1、F2、F3、F4，采用如下方法計(jì)算耦合度C。

C=F1F2F3F4

14F1F2F3F44

14

（11）

協(xié)調(diào)度T表示耦合作用中良性耦合的程度，可以反映各系統(tǒng)間協(xié)調(diào)狀況的優(yōu)劣，計(jì)算如式（12）所示。

T=aF1+bF2+cF3+dF4

（12）

式中：

a、b、c、d——各要素的權(quán)重。

在本研究中，設(shè)置四個(gè)要素同等重要，為等權(quán)權(quán)重，因此，設(shè)定a=b=c=d，均取值1/4。

由于耦合協(xié)調(diào)度可以更好地反映出各要素之間的良性關(guān)系，因此運(yùn)用耦合度和協(xié)調(diào)度測(cè)算出耦合協(xié)調(diào)度D。耦合協(xié)調(diào)度的模型表達(dá)式如式（13）所示。

D=C×T

（13）

在計(jì)算中，經(jīng)過標(biāo)準(zhǔn)化處理得到的F1、F2、F3、F4的指標(biāo)值都在［0，1］的區(qū)間，從而保證最終的耦合協(xié)調(diào)度D值也在［0，1］的區(qū)間，最終可以根據(jù)D值的大小判斷系統(tǒng)耦合協(xié)調(diào)度的等級(jí)。D值越大，表明系統(tǒng)良性耦合關(guān)系越強(qiáng)。參考張芷若等［35］對(duì)耦合協(xié)調(diào)度等級(jí)的劃分標(biāo)準(zhǔn)，本研究將耦合協(xié)調(diào)度分為10個(gè)等級(jí)，如表2所示。

2.2.3 障礙度模型

為了識(shí)別出促進(jìn)或制約生態(tài)農(nóng)業(yè)培訓(xùn)效果的關(guān)鍵要素，本研究引入障礙度模型

Fij=wij×wi i=1，2，…，l

（14）

Iij=1-x′ij

（15）

pij=Fij×Iij∑mi=1（Fij×Iij）

（16）

Pij=∑mi=1pij

（17）

式中：

wij——

第i個(gè)準(zhǔn)則層第j個(gè)指標(biāo)的權(quán)重；

wi——

第j個(gè)指標(biāo)所在準(zhǔn)則層的權(quán)重；

x′ij——

第i個(gè)城市第j個(gè)指標(biāo)歸一化后的值；

Fij——因子貢獻(xiàn)度；

Iij——指標(biāo)偏離度；

Pij——障礙度。

2.3 數(shù)據(jù)來(lái)源與處理

基于數(shù)據(jù)的真實(shí)性和可獲得性，本研究以中國(guó)31個(gè)?。ㄊ?、自治區(qū)）為研究對(duì)象（未包含港澳臺(tái)地區(qū)），所用的2012—2021年數(shù)據(jù)主要來(lái)源于歷年《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》和《中國(guó)教育統(tǒng)計(jì)年鑒》以及相關(guān)的政策文件、新聞報(bào)道、工作報(bào)告、年終總結(jié)等。部分年份數(shù)據(jù)缺失值采用移動(dòng)平均法進(jìn)行處理。其中，政策文件和新聞報(bào)道主要來(lái)自中央和各?。ㄊ?、自治區(qū)）政府官方網(wǎng)站以及《人民日?qǐng)?bào)》《光明日?qǐng)?bào)》《農(nóng)民日?qǐng)?bào)》等報(bào)刊；工作報(bào)告和總結(jié)材料則來(lái)自培訓(xùn)主體在農(nóng)技耘等網(wǎng)絡(luò)平臺(tái)上發(fā)布的內(nèi)容以及通過熟人聯(lián)絡(luò)幫助獲取的材料。

3 各?。ㄊ小⒆灾螀^(qū)）生態(tài)農(nóng)業(yè)培訓(xùn)效果耦合協(xié)調(diào)結(jié)果與分析

3.1 綜合評(píng)價(jià)指數(shù)分析

3.1.1 四要素綜合評(píng)價(jià)指數(shù)分析

依據(jù)式（1）～式（10）計(jì)算可得到2012—2021年中國(guó)31個(gè)?。ㄊ?、自治區(qū)）政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源四要素的綜合評(píng)價(jià)指數(shù)均值，如圖1所示。

從各要素綜合評(píng)價(jià)指數(shù)均值情況來(lái)看，研究期內(nèi)各要素綜合指數(shù)差異較大。但從整體情況來(lái)看，除了環(huán)保意識(shí)指數(shù)較高，其他三個(gè)要素綜合指數(shù)雖然低于均值，但大部分都表現(xiàn)較為平穩(wěn)，并保持穩(wěn)步增長(zhǎng)的趨勢(shì)。

3.1.2 各?。ㄊ小⒆灾螀^(qū)）各要素綜合指數(shù)分析

為了比較研究期內(nèi)各要素和四要素綜合指數(shù)均值的區(qū)域差異，本研究制作了31個(gè)?。ㄊ?、自治區(qū)）“政策支持—市場(chǎng)競(jìng)爭(zhēng)—環(huán)保意識(shí)—培訓(xùn)資源”四個(gè)要素的綜合評(píng)價(jià)指數(shù)均值的對(duì)比表，如表3所示。

從四個(gè)要素綜合指數(shù)均值的空間分布來(lái)看，政策支持指數(shù)的區(qū)間為［0.11，0.38］，排名前三的省份為北京、內(nèi)蒙古、江蘇，排名后四位為西藏、河北、四川、甘肅。市場(chǎng)競(jìng)爭(zhēng)指數(shù)的區(qū)間為［0.06，0.55］，排名前三的省份為河南、安徽、江蘇，排名后三位的分別是青海、新疆、北京。環(huán)保意識(shí)指數(shù)的區(qū)間為［0.18，0.94］，排名前三的省份為海南、天津、寧夏，排名后三位為河北、山東、山西。培訓(xùn)資源指數(shù)的區(qū)間為［0.16，0.56］，排名前三的省份為江蘇、廣東、上海，排名后四位為青海、西藏、甘肅、寧夏。由此可見，江蘇有三個(gè)要素綜合指數(shù)均值明顯高于其他省份，說明其在生態(tài)農(nóng)業(yè)培訓(xùn)方面取得一定成果；西藏、河北、甘肅、青海都存在兩個(gè)要素的綜合指數(shù)均值明顯低于其他省份，這說明以上4個(gè)省份在生態(tài)農(nóng)業(yè)培訓(xùn)方面各自受到了一定制約。

3.2 耦合協(xié)調(diào)度分析

3.2.1 耦合協(xié)調(diào)度的時(shí)序分析

為了進(jìn)一步描述生態(tài)農(nóng)業(yè)培訓(xùn)效果耦合協(xié)調(diào)的時(shí)序特征，根據(jù)式（11）～式（13）計(jì)算得到31個(gè)?。ㄊ小⒆灾螀^(qū)）2012—2021年的耦合協(xié)調(diào)度D，如表4所示。

1） 從各年度全國(guó)均值看，耦合協(xié)調(diào)度總體呈緩慢上升態(tài)勢(shì)，從0.478上升至0.565，增幅為36.61%，由瀕臨失調(diào)轉(zhuǎn)變?yōu)槌跫?jí)協(xié)調(diào)，耦合絕對(duì)水平較低。

2） 從四大區(qū)域看，東部、中部、西部、東北的耦合度分別從0.52、0.523、0.403、0.547變動(dòng)至0.7、0.685、0.586、0.703，增幅分別為35%、31%、45%、29%，各區(qū)域耦合水平均保持逐步上升，其中東北增幅最低，而西部一直低于全國(guó)平均水平，但增幅較大。此外，除西部外三大區(qū)域耦合差距逐年縮小，目前均處于初級(jí)協(xié)調(diào)狀態(tài)。東部和東北地區(qū)在2021年率先實(shí)現(xiàn)由初級(jí)協(xié)調(diào)向中級(jí)協(xié)調(diào)的躍遷，領(lǐng)先優(yōu)勢(shì)越來(lái)越明顯。

3）" 在2012—2021年期間，各?。ㄊ小⒆灾螀^(qū)）的4個(gè)要素協(xié)調(diào)發(fā)展水平整體表現(xiàn)為上升的趨勢(shì)，省域間耦合水平差異較為顯著。相比而言，東西部不同省份之間的耦合差異較明顯，東北各省份之間的耦合差異不大，協(xié)調(diào)發(fā)展水平表現(xiàn)較為穩(wěn)定。西部地區(qū)耦合水平僅陜西表現(xiàn)為中級(jí)協(xié)調(diào)，其余有三分之一省份耦合水平仍處于瀕臨失調(diào)。其中，位于前三位的分別是江蘇、浙江、福建，耦合水平主要表現(xiàn)為良好協(xié)調(diào)和中級(jí)協(xié)調(diào)；位于后三位的分別是青海、河北、寧夏，耦合水平主要表現(xiàn)為瀕臨失調(diào)；上海與江蘇的均值差異值為0.453；但較增幅而言，可見上海是該區(qū)域中增幅最大的地區(qū)，說明耦合協(xié)調(diào)水平提升較快。

綜合而言，在2012—2021年期間，全國(guó)31個(gè)?。ㄊ?、自治區(qū)）政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源4個(gè)要素耦合協(xié)調(diào)度整體呈現(xiàn)逐年上升態(tài)勢(shì)，但長(zhǎng)期仍處在勉強(qiáng)協(xié)調(diào)發(fā)展?fàn)顟B(tài)，耦合協(xié)調(diào)水平不高；此外，從起止兩個(gè)年度看，所有省份4個(gè)要素的耦合協(xié)調(diào)度都在提升，但4個(gè)要素之間的相對(duì)關(guān)系并沒有發(fā)生根本變化，從東至西耦合協(xié)調(diào)度依次減弱的趨勢(shì)較為明顯。由此可以明確，在2012—2021年期間，除個(gè)別省份之外，各區(qū)域之間的4個(gè)要素的耦合協(xié)調(diào)度相對(duì)差異沒有發(fā)生根本性變化，區(qū)域內(nèi)部仍存在發(fā)展不均衡，即協(xié)同性發(fā)展仍不充分。究其原因，在“十二五”之前，我國(guó)農(nóng)業(yè)基礎(chǔ)設(shè)施尚不健全，加之全球金融危機(jī)的影響，經(jīng)濟(jì)下行壓力下，保增長(zhǎng)、保就業(yè)和節(jié)能減排的矛盾凸顯，嚴(yán)重制約了我國(guó)生態(tài)農(nóng)業(yè)發(fā)展速度；“十二五”之后，尤其是進(jìn)入“十三五”之后，從“靠山吃山，靠水吃水”到“既要綠水青山，也要金山銀山”，再到“寧要綠水青山，不要金山銀山，而且綠水青山就是金山銀山”，環(huán)保意識(shí)逐漸加強(qiáng)。我國(guó)的東部省份經(jīng)濟(jì)較為發(fā)達(dá)，生態(tài)環(huán)境、農(nóng)業(yè)科技、資金投入、農(nóng)民素質(zhì)、政策導(dǎo)向等都較中西部占優(yōu)［36］，尤其是江蘇、浙江等省份農(nóng)業(yè)基礎(chǔ)雄厚、現(xiàn)代化水平高，極化效應(yīng)突出；上海比較例外，主要是由于農(nóng)業(yè)用地占有率相對(duì)較低，導(dǎo)致市場(chǎng)競(jìng)爭(zhēng)不激烈、培訓(xùn)資源不足。而西部省份深處內(nèi)陸，農(nóng)業(yè)資源不夠豐富，農(nóng)業(yè)基礎(chǔ)相對(duì)薄弱，導(dǎo)致優(yōu)勢(shì)難以充分發(fā)揮；中部省份在經(jīng)濟(jì)實(shí)力、科技投入、農(nóng)業(yè)產(chǎn)出等方面較東部地區(qū)仍有差距。

3.2.2 耦合協(xié)調(diào)度的空間效應(yīng)分析

為了尋求全國(guó)31個(gè)?。ㄊ小⒆灾螀^(qū)）四個(gè)要素耦合協(xié)調(diào)的空間演化特征，選取評(píng)價(jià)期內(nèi)10個(gè)樣本時(shí)間節(jié)點(diǎn)，對(duì)“政策支持—市場(chǎng)競(jìng)爭(zhēng)—環(huán)保意識(shí)—培訓(xùn)資源”四要素耦合協(xié)調(diào)度數(shù)據(jù)進(jìn)行空間自相關(guān)分析，使用Moran’s I指數(shù)進(jìn)行檢驗(yàn)，結(jié)果如表5所示。結(jié)果顯示，研究期內(nèi)全國(guó)Moran’s I指數(shù)全部為正值，Z值均大于2，P值均小于0.05，通過顯著性檢驗(yàn)?？梢钥闯?個(gè)要素的耦合協(xié)調(diào)度在研究期內(nèi)呈現(xiàn)出顯著正向的空間自相關(guān)，耦合協(xié)調(diào)度高的地區(qū)的周邊地區(qū)的耦合協(xié)調(diào)度也相對(duì)較高，其表現(xiàn)出了正向的空間集聚現(xiàn)象。Moran’s I指數(shù)和P值在樣本研究期間內(nèi)呈現(xiàn)起伏波動(dòng)趨勢(shì)，其中2012年和2016年Moran’s I指數(shù)較大時(shí)P值相對(duì)較小，表現(xiàn)較為顯著。而其他年份的Moran’s I指數(shù)都大于0.2，P值變化相對(duì)較小，由此可見，各省（市、自治區(qū)）四個(gè)要素耦合協(xié)調(diào)度的空間分布情況并不穩(wěn)定。

Moran’s I指數(shù)證明了耦合協(xié)調(diào)度存在空間自相關(guān)，為進(jìn)一步反映耦合協(xié)調(diào)度空間聯(lián)系的局部情況，對(duì)主要年份使用局部Moran’s I散點(diǎn)圖進(jìn)行分析，如圖2所示，研究期內(nèi)處于第一、三象限的省份達(dá)到近10個(gè)，比例基本達(dá)到三分之一，且耦合協(xié)調(diào)度呈現(xiàn)出“高—高”和“低—低”集聚的現(xiàn)象，說明耦合協(xié)調(diào)度的空間集聚特征比較明顯，在空間依賴上具有一定代表性。

總體來(lái)看，在2012—2021年期間，隨著時(shí)間的演變，各集聚區(qū)數(shù)量基本上保持穩(wěn)定。從變化趨勢(shì)來(lái)看，在第一象限當(dāng)中，固定分布的省份主要集中在湖北、安徽、浙江、江西等中部地區(qū)，這些地區(qū)自身和周邊省份耦合協(xié)調(diào)度均屬于耦合協(xié)調(diào)高值區(qū)，即耦合協(xié)調(diào)水平都由勉強(qiáng)協(xié)調(diào)進(jìn)入中級(jí)協(xié)調(diào)階段。研究結(jié)果表明，4個(gè)省份對(duì)周邊省份的協(xié)調(diào)發(fā)展起到較為顯著的帶動(dòng)作用。在第二象限，固定的地區(qū)為上海，該地區(qū)自身耦合協(xié)調(diào)度較低，同時(shí)和周邊省份耦合協(xié)調(diào)度拘束于抵制區(qū)。在第三象限，該集聚區(qū)省份主要為新疆、青海、四川、西藏，均集中在西部地區(qū)，表明這些省份自身耦合協(xié)調(diào)度較低，且受周邊高值省份的正向拉動(dòng)作用較小。在第四象限，該集聚區(qū)一直為空白，說明樣本中不存在此類情況。

4 障礙度分析

運(yùn)用式（14）～式（17）計(jì)算得到2012—2021年全國(guó)31個(gè)省（市、自治區(qū)）各個(gè)指標(biāo)的障礙度（表6），進(jìn)而得到各個(gè)要素的障礙度均值（表7）。

總體來(lái)看，各要素障礙度由大到小依次為：市場(chǎng)競(jìng)爭(zhēng)、培訓(xùn)資源、政策支持、環(huán)保意識(shí)，其障礙度平均值分別為0.205 6、0.202 7、0.195 4、0.182 5。影響我國(guó)生態(tài)農(nóng)業(yè)培訓(xùn)效果各要素耦合協(xié)調(diào)度的主要障礙因子，主要集中在市場(chǎng)競(jìng)爭(zhēng)和培訓(xùn)資源兩個(gè)要素。這與其生態(tài)農(nóng)業(yè)發(fā)展程度比較高，實(shí)施綠色低碳戰(zhàn)略分不開。

4.1 障礙因子分析

篩選出障礙度排名第一的指標(biāo)，各要素具體的主要障礙因子分別是：政策支持中的政府補(bǔ)助金額；市場(chǎng)競(jìng)爭(zhēng)中的市場(chǎng)規(guī)模；環(huán)保意識(shí)中的有機(jī)肥投入量；培訓(xùn)資源中培訓(xùn)場(chǎng)地面積，這些因素應(yīng)成為提升生態(tài)農(nóng)業(yè)培訓(xùn)質(zhì)量、耦合協(xié)調(diào)度的關(guān)鍵。對(duì)比2012年和2021年的障礙因子指標(biāo)值（圖3）發(fā)現(xiàn)，政府補(bǔ)助、培訓(xùn)場(chǎng)地、培訓(xùn)規(guī)模3個(gè)因子的障礙度有了明顯下降，這主要與國(guó)家近年來(lái)對(duì)生態(tài)農(nóng)業(yè)培訓(xùn)的政策和資金支持緊密相關(guān)。

4.2 各元素障礙度分析

從31個(gè)?。ㄊ?、自治區(qū)）各要素障礙度均值（圖4）分布來(lái)看，政策支持障礙度排前10位的主要來(lái)自：西部地區(qū)的西藏、新疆、陜西、內(nèi)蒙古、重慶、甘肅、廣西，東部地區(qū)的河北，中部地區(qū)的河南、湖北?？梢?，政策支持障礙因子主要來(lái)西部省份，其區(qū)域經(jīng)濟(jì)發(fā)展基礎(chǔ)薄弱，生態(tài)農(nóng)業(yè)培訓(xùn)人力物力投入較少，培訓(xùn)能力較低導(dǎo)致。四大省域政策支持障礙度均值由高到低依次為：西部地區(qū)、中部地區(qū)、東部地區(qū)、東北地區(qū)。

市場(chǎng)競(jìng)爭(zhēng)障礙度排前10位的省份主要來(lái)自：東部地區(qū)的廣東、浙江、福建、上海、海南，東北地區(qū)的遼寧、黑龍江、吉林，西部地區(qū)的陜西、云南?？梢?，市場(chǎng)競(jìng)爭(zhēng)障礙因子主要來(lái)自東部省域，其經(jīng)濟(jì)發(fā)展基礎(chǔ)雄厚，生態(tài)農(nóng)業(yè)培訓(xùn)經(jīng)費(fèi)和人力資本投入相對(duì)充足，但市場(chǎng)競(jìng)爭(zhēng)發(fā)展程度不均衡，市場(chǎng)競(jìng)爭(zhēng)機(jī)制還不夠完善。四大省域市場(chǎng)競(jìng)爭(zhēng)障礙度均值由高到低依次為：東北地區(qū)、東部地區(qū)、西部地區(qū)、中部地區(qū)。

環(huán)保意識(shí)障礙度排前10位的省份主要來(lái)自：東部地區(qū)的天津、廣東，西部地區(qū)的甘肅、四川、寧夏、廣西、西藏，中部地區(qū)的山西、江西、河南。可見，環(huán)保意識(shí)障礙因子主要來(lái)自西部省域。其原因主要由于西部省份受經(jīng)濟(jì)發(fā)展程度、教育培訓(xùn)資源所限，環(huán)保意識(shí)還不夠高，生態(tài)農(nóng)業(yè)培訓(xùn)力度不大。四大省域環(huán)保意識(shí)障礙度均值由高到低依次為：東北地區(qū)、西部地區(qū)、東部地區(qū)、中部地區(qū)。

培訓(xùn)資源障礙度排前10位的省份主要來(lái)自：東部地區(qū)的山東、上海、江蘇、浙江、北京、河北，西部地區(qū)的西藏、四川、貴州、云南?？梢?，培訓(xùn)資源障礙因子主要來(lái)自東部地區(qū)，其農(nóng)業(yè)科技實(shí)力強(qiáng)，但科研、教學(xué)、技術(shù)推廣與生態(tài)農(nóng)業(yè)需求相脫節(jié)，未有效聯(lián)合，加之人口規(guī)模大，使其人均資源數(shù)量不具優(yōu)勢(shì)。四大省域培訓(xùn)資源障礙度均值由高到低依次為：東北地區(qū)、西部地區(qū)、中部地區(qū)、東部地區(qū)。

5 結(jié)論與建議

5.1 結(jié)論

本研究采用耦合協(xié)調(diào)度模型與障礙度模型，對(duì)我國(guó)31個(gè)?。ㄊ?、自治區(qū)）政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源4個(gè)要素綜合指數(shù)進(jìn)行研究，對(duì)耦合協(xié)調(diào)度進(jìn)行時(shí)序特征與空間差異分析，識(shí)別出其障礙因子，分別對(duì)各個(gè)要素障礙度進(jìn)行分析。

1）" 從綜合指數(shù)來(lái)看，除了環(huán)保意識(shí)指數(shù)高于均值，其他3個(gè)要素綜合指數(shù)都低于均值，但大部分都表現(xiàn)較為平穩(wěn)，并保持穩(wěn)步增長(zhǎng)的趨勢(shì)，其中培訓(xùn)資源指數(shù)高于市場(chǎng)競(jìng)爭(zhēng)和政策支持。研究期內(nèi)各要素綜合指數(shù)呈現(xiàn)出明顯的省份差異，其中江蘇的政策支持、市場(chǎng)競(jìng)爭(zhēng)、培訓(xùn)資源三個(gè)要素綜合指數(shù)均值分別為0.35、0.45、0.56，明顯高于其他省份，西藏、河北、甘肅、青海都存在兩個(gè)要素的綜合指數(shù)均值區(qū)間為［0.06，0.18］，明顯低于其他省份。

2） 從時(shí)序特征分析來(lái)看，2012—2021年全國(guó)31個(gè)省（市、自治區(qū)）政策支持、市場(chǎng)競(jìng)爭(zhēng)、環(huán)保意識(shí)、培訓(xùn)資源四個(gè)要素耦合協(xié)調(diào)度總體從0.478上升至0.565，長(zhǎng)期處在勉強(qiáng)協(xié)調(diào)發(fā)展?fàn)顟B(tài)。四大區(qū)域耦合水平均保持逐步上升，其中東北增幅最低，增幅為29%，而西部雖一直低于全國(guó)平均水平，但增幅較大，增幅為45%。除西部地區(qū)外三大地區(qū)耦合差距逐年縮小，目前均處于初級(jí)協(xié)調(diào)狀態(tài)。

3） 從空間分異分析來(lái)看，通過空間自相關(guān)分析其演變態(tài)勢(shì)。隨著時(shí)間的演變，各集聚區(qū)數(shù)量基本保持穩(wěn)定。第一、三象限的省份達(dá)到近10個(gè)，其中，第一象限的省份主要集中在中部地區(qū)，第二象限的省份固定為上海，第三象限的省份集中在西部地區(qū)。

4）" 障礙因子分析表明：各要素障礙度由大到小依次為：市場(chǎng)競(jìng)爭(zhēng)、培訓(xùn)資源、政策支持、環(huán)保意識(shí)，主要障礙因子來(lái)自政策支持中的政府補(bǔ)助金額；市場(chǎng)競(jìng)爭(zhēng)中的涉農(nóng)院校數(shù)量；環(huán)保意識(shí)中的有機(jī)肥的投入量；培訓(xùn)資源中培訓(xùn)場(chǎng)地面積。四大省域政策支持障礙度均值由高到低依次為：西部地區(qū)、中部地區(qū)、東部地區(qū)、東北地區(qū)；市場(chǎng)競(jìng)爭(zhēng)障礙度均值由高到低依次為：東北地區(qū)、東部地區(qū)、西部地區(qū)、中部地區(qū)；環(huán)保意識(shí)障礙度均值由高到低依次為：東北地區(qū)、西部地區(qū)、東部地區(qū)、中部地區(qū)；培訓(xùn)資源障礙度均值由高到低依次為：東北地區(qū)、西部地區(qū)、中部地區(qū)、東部地區(qū)。

5.2 政策建議

生態(tài)農(nóng)業(yè)培訓(xùn)效果決定了生態(tài)農(nóng)業(yè)技術(shù)的推廣效果，要實(shí)現(xiàn)“生態(tài)優(yōu)先，綠色發(fā)展”的現(xiàn)代農(nóng)業(yè)，各要素協(xié)調(diào)均衡發(fā)展勢(shì)在必行。

1）" 綜合評(píng)價(jià)指數(shù)說明我國(guó)環(huán)保意識(shí)指數(shù)高于政策支持、市場(chǎng)競(jìng)爭(zhēng)和培訓(xùn)資源，由此可見，現(xiàn)階段，既要充分發(fā)揮環(huán)保意識(shí)在生態(tài)農(nóng)業(yè)培訓(xùn)中的優(yōu)勢(shì)作用，又要著力改善政策支持、市場(chǎng)競(jìng)爭(zhēng)和培訓(xùn)資源的薄弱態(tài)勢(shì)。要加大對(duì)西藏、河北、四川和甘肅的政策支持，加強(qiáng)青海、新疆、北京的市場(chǎng)競(jìng)爭(zhēng)意識(shí)，提升河北、山東和山西的環(huán)保意識(shí)，增加對(duì)青海、西藏、甘肅和寧夏的培訓(xùn)資源投入。

2）" 影響我國(guó)生態(tài)農(nóng)業(yè)培訓(xùn)效果的要素整體處于勉強(qiáng)協(xié)調(diào)耦合階段，耦合協(xié)調(diào)水平仍有待提高，需要推動(dòng)個(gè)要素之間的良性協(xié)同發(fā)展。同時(shí)，各要素的耦合協(xié)調(diào)水平存在明顯的省份差異。因此，既要保持江蘇、浙江、福建等省份在生態(tài)農(nóng)業(yè)培訓(xùn)中的良好發(fā)展態(tài)勢(shì)和引領(lǐng)作用，也要重視對(duì)西部省份的培訓(xùn)發(fā)展，要加大對(duì)其政策和資源的投入。

3）" 根據(jù)障礙因子的分析可知，政府補(bǔ)助金額、涉農(nóng)院校數(shù)量、有機(jī)肥的投入量以及培訓(xùn)場(chǎng)地面積是生態(tài)農(nóng)業(yè)培訓(xùn)效果影響要素的主要障礙因子，因此，要建立一種政府、高校、企業(yè)等主體共同參與的多元協(xié)同的培訓(xùn)模式，實(shí)現(xiàn)彼此資源互補(bǔ)、互利共贏。

參 考 文 獻(xiàn)

［1］Yigitcanlar T， Kamruzzaman M. Does smart city policy lead to sustainability of cities？ ［J］. Land Use Policy， 2018， 73： 49-58.

［2］文豐安. 鄉(xiāng)村振興戰(zhàn)略下農(nóng)業(yè)生態(tài)治理現(xiàn)代化： 理論闡釋、問題審視及發(fā)展進(jìn)路［J］. 經(jīng)濟(jì)體制改革， 2022（1）： 82-87.

Wen Feng’an. The modernization of agricultural ecological governance under the rural revitalization strategy： Theoretical interpretation， problem review and development path ［J］. Economic System Reform， 2022（1）： 82-87.

［3］楊興杰， 齊振宏. 預(yù)期收益與技術(shù)補(bǔ)貼對(duì)農(nóng)戶采納生態(tài)農(nóng)業(yè)技術(shù)的影響： 以稻蝦共作技術(shù)為例［J］. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2022（5）： 89-100.

Yang Xingjie， Qi Zhenhong. The impact of expected return and technology subsidy on farmers’ adoption of agroecological technology： Taking rice-crayfish co-culture technology as an example ［J］. Journal of Huazhong Agricultural University （Social Sciences Edition）， 2022（5）： 89-100.

［4］王瑾. 利益驅(qū)動(dòng)視角下我國(guó)生態(tài)農(nóng)業(yè)培訓(xùn)機(jī)制研究［J］. 南京工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2020， 19（3）： 104-110， 112.

Wang Jin. Research on the training mechanism of ecological agriculture in china from the perspective of interest driven ［J］. Journal of Nanjing University of Technology （Social Sciences Edition）， 2020， 19（3）： 104-110， 112.

［5］崔民， 張濟(jì)舟， 夏顯力. 參與培訓(xùn)對(duì)農(nóng)戶生態(tài)農(nóng)業(yè)技術(shù)采納行為的影響——基于生態(tài)認(rèn)知的中介效應(yīng)和遮掩效應(yīng)［J］. 干旱區(qū)資源與環(huán)境， 2021， 35（11）： 38-46.

Cui Min， Zhang Jizhou， Xia Xianli. Effect of training on farmer’s adoption of eco-agricultural technology： The intermediary effect and masking effect ［J］. Journal of Arid Land Resources and Environment， 2021， 35（11）： 38-46.

［6］王建華， 馬玉婷， 劉茁， 等．農(nóng)業(yè)生產(chǎn)者農(nóng)藥施用行為選擇邏輯及其影響因素［J］. 中國(guó)人口·資源與環(huán)境， 2015， 25（8）： 153-161.

Wang Jianhua， Ma Yuting， Liu Zhuo， et al. Behavior choice logic and influencing factors of agricultural producers’ pesticide application ［J］. China Population， Resources and Environment， 2015， 25（8）： 153-161.

［7］Bravo-Monroy L， Potts S G， Tzanopoulos J. Drivers influencing farmer decisions for adopting organic or conventional coffee management practices ［J］. Food Policy， 2016， 58： 49-61.

［8］Lapple D， Kelly H. Understanding the uptake of organic farming： Accounting for heterogeneities among Irish farmers ［J］. Ecological Economics， 2013， 88（7）： 11-19.

［9］劉妙品， 南靈， 李曉慶， 等. 環(huán)境素養(yǎng)對(duì)農(nóng)戶農(nóng)田生態(tài)保護(hù)行為的影響研究——基于陜、晉、甘、皖、蘇五省1023份農(nóng)戶調(diào)查數(shù)據(jù)［J］. 干旱區(qū)資源與環(huán)境， 2019， 33（2）： 53-59.

Liu Miaopin， Nan Ling， Li Xiaoqing， et al. Impact of environmental literacy on farmers’ farmland ecological protection behavior ［J］. Journal of Arid Land Resources and Environment， 2019， 33（2）： 53-59.

［10］劉艷婷， 陳美球， 鄺佛緣， 等. 預(yù)期收益、可行能力對(duì)農(nóng)戶生態(tài)耕種采納意愿的影響及其代際差異［J］. 長(zhǎng)江流域資源與環(huán)境， 2020， 29（3）： 738-747.

Liu Yanting， Chen Meiqiu， Kuang Foyuan， et al. Influence of expected benefits and capability approach on the adoption intention of ecological farming and the intergenerational difference ［J］. Resources and Environment in the Yangtze Basin， 2020， 29（3）： 738-747.

［11］王瑾， 胡彩紅， 胡恩華. 鄉(xiāng)村振興戰(zhàn)略背景下我國(guó)生態(tài)農(nóng)業(yè)培訓(xùn)模式及影響因素研究鄉(xiāng)村振興戰(zhàn)略背景下我國(guó)生態(tài)農(nóng)業(yè)培訓(xùn)模式及影響因素研究——基于扎根方法［J］. 江蘇農(nóng)業(yè)科學(xué)， 2021， 49（23）： 22-28.

Wang Jin， Hu Caihong， Hu Enhua. Ecological agriculture training model in China under the background of rural revitalization strategy research on influencing factors： Based on grounded methods ［J］. Jiangsu Agricultural Sciences， 2021， 49（23）： 22-28.

［12］楊慧芳， 張合林. 黃河流域生態(tài)保護(hù)與經(jīng)濟(jì)高質(zhì)量發(fā)展耦合協(xié)調(diào)關(guān)系評(píng)價(jià)［J］. 統(tǒng)計(jì)與決策， 2022， 38（11）： 114-119.

Yang Huifang， Zhang Helin. Evaluation of the coupling coordination relationship between ecological protection and high quality economic development in the Yellow River Basin ［J］. Statistics amp; Decision， 2022， 38（11）： 114-119.

［13］鄭曉敏， 李兆友. 閩三角城市群生態(tài)安全與經(jīng)濟(jì)發(fā)展的耦合協(xié)調(diào)研究［J］. 地域研究與開發(fā)， 2022， 41（6）： 159-164.

Zheng Xiaomin， Li Zhaoyou.Coupling coordination between ecological security and economy development in the Fujian triangle urban agglomeration ［J］. Areal Research and Development， 2022， 41（6）： 159-164.

［14］王佳楠， 程啟先， 陳慶鋒， 等. 山東省區(qū)域經(jīng)濟(jì)—生態(tài)安全—環(huán)境保護(hù)耦合協(xié)調(diào)水平測(cè)度及時(shí)空分異格局［J］. 濟(jì)南大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2023， 37（1）： 26-33， 47.

Wang Jianan， Chen Qixian， Chen Qingfeng， et al. Coupling coordination level and spatiotemporal differentiation patterns of regional economy-ecological security-environmental protection in Shandong Province ［J］. Journal of University of Jinan （Science and Technology）， 2023， 37（1）： 26-33， 47.

［15］黃仁全， 董娟. 陜西省經(jīng)濟(jì)發(fā)展、科技創(chuàng)新與生態(tài)環(huán)境的耦合協(xié)調(diào)發(fā)展研究［J］. 運(yùn)籌與管理， 2022， 31（10）： 161-168.

Huang Renquan， Dong Juan. Research on coupling coordination development of economic development， technological innovation and ecological environment in Shaanxi Province ［J］. Operations Research and Management Science， 2022， 31（10）： 161-168.

［16］崔靚， 李曉梅， 姚若羲. 數(shù)字物流、生態(tài)環(huán)境治理與區(qū)域經(jīng)濟(jì)增長(zhǎng)的耦合協(xié)調(diào)度分析［J］. 統(tǒng)計(jì)與決策， 2023（1）： 29-33.

Cui Liang， Li Xiaomei， Yao Ruoxi.Analysis on the coupling and coordination degree of digital logistics， ecological environment governance， and regional economic growth ［J］. Statistics amp; Decision， 2023（1）： 29-33.

［17］金賽美. 中國(guó)省際農(nóng)業(yè)綠色發(fā)展水平及區(qū)域差異評(píng)價(jià)［J］. 求索， 2019（2）： 89-95.

Jin Saimei. Evaluation of the green development level and regional differences of agriculture between provinces in China ［J］. Seeker， 2019（2）： 89-95.

［18］張茹， 張德華. 中國(guó)農(nóng)業(yè)綠色發(fā)展與經(jīng)濟(jì)增長(zhǎng)的耦合關(guān)系研究［J］. 技術(shù)經(jīng)濟(jì)與管理研究， 2021（12）： 98-102.

Zhang Ru， Zhang Dehua. Study on the coupling relationship between agricultural green development and economic growth in China ［J］. Journal of Technical Economics amp; Management， 2021（12）： 98-102.

［19］鄒偉進(jìn)， 李旭洋， 王向東. 基于耦合理論的產(chǎn)業(yè)結(jié)構(gòu)與生態(tài)環(huán)境協(xié)調(diào)性研究［J］. 中國(guó)地質(zhì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2016， 16（2）： 88-95.

Zou Weijin， Li Xuyang， Wang Xiangdong. Research on the coordination between industrial structure and ecological environment based on coupling theory ［J］. Journal of China University of Geosciences （Social Sciences Edition）， 2016， 16（2）： 88-95.

［20］Lin B Q， Zhu J P. Changes in urban air quality during urbanization in China ［J］. Journal of Cleaner Production， 2018， 188： 312-321.

［21］周瀟， 胡恩華， 單紅梅. 企業(yè)人力資源管理實(shí)踐與工會(huì)實(shí)踐的耦合構(gòu)念和維度研究［J］. 外國(guó)經(jīng)濟(jì)與管理， 2021， 43（7）： 68-84.

Zhou Xiao， Hu Enhua， Shan Hongmei. The construct and dimensions of the coupling of enterprise HRMPs and labor union practices ［J］. Foreign Economics amp; Management， 2021， 43（7）： 68-84.

［22］Liu J P， Tian Y， Huang K， et al. Spatial-temporal differentiation of the coupling coordinated development of regional energy-economy-ecology system： A case study of the Yangtze River Economic Belt ［J］. Ecological Indicators， 2021， 124（2）： 1-12.

［23］彭皓玥. 公眾參與區(qū)域生態(tài)風(fēng)險(xiǎn)防范模式影響因素及政策干預(yù)路徑研究——基于扎根理論的探索性研究［J］. 軟科學(xué)， 2015， 2， 29（2）： 140-144.

Peng Haoyue. The influencing factors and policy intervention paths of regional ecological risk prevention public participation mode： Exploratory research based on the grounded theory ［J］. Soft Science， 2015， 2， 29（2）： 140-144.

［24］曾經(jīng)緯， 李柏洲. 組態(tài)視角下企業(yè)綠色雙元?jiǎng)?chuàng)新驅(qū)動(dòng)路徑［J］. 中國(guó)人口·資源與環(huán)境， 2022， 32（2）： 151-161.

Zeng Jingwei， Li Baizhou. Driving paths of enterprise green ambidextrous innovation from the configuration perspective ［J］. China Population， Resources and Environment， 2022， 32（2）： 151-161.

［25］王娟茹， 劉娟. 雙元性綠色創(chuàng)新對(duì)我國(guó)制造企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的影響：技術(shù)動(dòng)蕩性的調(diào)節(jié)作用［J］. 科技管理研究， 2020， 40（9）： 196-204.

Wang Juanru， Liu Juan. The impact of ambidextrous green innovation on the competitive advantage of Chinese manufacturing firms： The moderating role of technological turbulence ［J］. Science and Technology Management Research， 2020， 40（9）： 196-204.

［26］Jiao J L， Wang C X， Yang R R. Exploring the driving orientations and driving mechanisms of environmental innovation： The case study of the China Gezhouba ［J］. Journal of Cleaner Production， 2020， 260： 121016.

［27］Triguero A， Moreno-Mondejar L， Davia M A. Drivers of different types of eco-innovation in European SMEs ［J］. Ecological Economics， 2013， 92： 25-33.

［28］Cheng C J， Yang C L， Sheu C. The link between eco-innovation and business performance： A Taiwanese industry context ［J］. Journal of Cleaner Production， 2014， 64： 81-90.

［29］Tang Z. An integrated approach to evaluating the coupling coordination between tourism and the environment ［J］. Tourism Management， 2015， 46： 11-19.

［30］Shi T， Yang S， Zhang， W， et al. Coupling coordination degree measurement and spatiotemporal heterogeneity between economic development and ecological environment： Empirical evidence from tropical and subtropical regions of China ［J］. Journal of Cleaner Production， 2020， 244（3）： 118739.

［31］Yu X， Wang P. Economic effects analysis of environmental regulation policy in the process of industrial structure upgrading： Evidence from Chinese provincial panel data ［J］. Science of the Total Environment， 2021， 753（4）： 142004.

［32］Fodha M， Zaghdoud O. Economic growth and pollutant emissions in tunisia： An empirical analysis of the environmental kuznets curve ［J］. Energy Policy， 2010， 38（2）： 1150-1156.

［33］王淑佳， 孔偉， 任亮， 等. 國(guó)內(nèi)耦合協(xié)調(diào)度模型的誤區(qū)及修正［J］. 自然資源學(xué)報(bào)， 2021， 36（3）： 793-810.

Wang Shujia， Kong Wei， Ren Liang， et al. Research on misuses and modification of coupling coordination degree model in China ［J］. Journal of Natural Resources， 2021， 36（3）： 793-810.

［34］楊曉娜， 彭燦. 產(chǎn)學(xué)研協(xié)同創(chuàng)新協(xié)同度評(píng)價(jià)研究——基于中國(guó)實(shí)際數(shù)據(jù)［J］. 系統(tǒng)工程， 2023， 41（5）： 32-42.

Yang Xiaona， Peng Can.Research on synergy degree evaluation of industry-university-research collaborative innovation： Based on Chinese data ［J］. Systems Engineering， 2023， 41（5）： 32-42.

［35］張芷若， 谷國(guó)鋒. 中國(guó)科技金融與區(qū)域經(jīng)濟(jì)發(fā)展的耦合關(guān)系研究［J］. 地理科學(xué)， 2020， 40（5）： 751-759.

Zhang Zhiruo， Gu Guofeng. The coupling relationship between sci-tech finance and regional economic development in China ［J］. Scientia Geographica Sinica， 2020， 40（5）： 751-759.

［36］Yasmeen H， Tan Q， Zameer H， et al. Exploring the impact of technological innovation， environmental regulations and urbanization on ecological efficiency of China in the context of COP21 ［J］. Journal of Environmental Management， 2020， 274.