摘要：为明确智慧农业技术发展对种植业的影响，选择鄄城2021—2023年度农业种植数据为样本，通过建立固定效应模型,分析智慧农业技术对鄄城县种植业的影响。研究结果表明,智慧农业技术发展能提升农业种植效率和农作物产量，而决定智慧农业技术发展的主要因素有地方政府的财政支持水平和区域城镇化发展水平等。

　　关键词：智慧农业技术；鄄城县；农业种植；效率；产量

　　1.研究设计

　　1.1数据样本

　　选择菏泽市鄄城县2021~2023年农业种植数据作为研究样本，涉及小麦、玉米、花生等各类农作物种植数据，共计确定1130个观测值，经Excel表格整理和筛选数据后，采用SPSS 21.0软件进行实证分析。

　　1.2变量选择

　　1.2.1解释变量

　　智慧农业技术应用密度：核心解释变量，用表lev表示，反映鄄城县在农业种植中智慧农业技术应用面积与农业种植总面积的比值。

　　1.2.2因变量

　　因变量选取智慧农业技术发展水平和农作物产量，分别用和表示。

　　1.2.3控制变量

　　智慧农业技术下的农业种植效率：选取农业种植效率、财政支持水平、智慧农业技术应用密度、城镇化水平为影响智慧农业技术发展水平和农作物效率和产量的外部因素进行回归分析[1]。各指标与描述性统计结果见表1。

　　1.3研究假设

　　为明确智慧农业技术对鄄城县种植业的影响，研究提出以下假设：H 1：智慧农业技术发展能提高农业种植效率；H2：财政支持力度越大，智慧农业技术越高，农业种植效率越高；H3：城镇化水平越高，智慧农业技术发展水平越高，农业种植效率越高；H4：智慧农业技术应用密度越大，农业种植效率越高；H5：智慧农业种植技术发展能提升鄄城县农作物产量[2]。

　　1.4模型创建

　　研究所选数据类型主要为面板数据，因变量选择主要考虑非期望产出的超效率SBM模型预测的效率值，在确定最终模型前使用Hausman检验从固定效应模型和随机效应模型中进行选择，结果显示Hausman检验在1%的显著性水平上显著拒绝原假设，因此需要建立固定效应模型，见表2。

　　所建立的回归模型如下：

　　式（1）中，Y为被解释变量；lev为智慧型农业技术应用水平；CV表示全部控制变量。

　　经Wald检验，样本数据具有异方差性，为避免计算结果存在误差，采用FGLS法进行回归。回归结果见表3。

　　回归结果显示智慧农业技术对农作物种植效率的影响呈显著正相关，而农业技术发展水平受各类因子的影响比较显著。

　　2.实证分析

　　2.1描述性统计

　　表4为各变量的描述性统计结果。通过对2021—2023年度鄄城县农业种植数据进行描述性统计，代入模型计算可知智慧型农业技术发展水平的平均值为0.0218，标准差为0.0366，描述性统计结果表明不同因素对智慧型农业技术发展水平存在显著差异[3]。

　　2.2回归分析

　　根据鄄城县2021—2023年农业种植数据以及前期建立的固定效应模型，得出回归分析结果如表5所示。

　　根据表5统计结果，得出以下结论：

　　2.2.1智慧农业技术发展水平与农业种植效率呈显著正相关，系数为0.177，与H1假设一致。回归分析结果表明，智慧农业技术的发展具有显著提升农业种植效率的作用，在一定程度上能降低每亩作物种植投入的人工劳动力和农业种植成本。

　　2.2.2财政支持水平与农业种植效率呈显著负相关，系数为-1.576，因此H2假设不成立。面向农业种植业的财政支持，可能优先将资金投向偏远农村地区，这些地区的农业种植条件较差，应用智慧农业的水平和效率较低，可能因智慧农业技术的推广难度大、应用面积小，给种植业带来负面影响。

　　2.2.3智慧农业技术应用密度与农业种植效率呈显著正相关，系数为0.188,与假设H2一致。智慧农业技术应用密度是该技术发展的另一面，即经过技术研发和推广后在农业种植中的大面积应用，随着智慧农业技术应用密度的提升，农业种植效率及农作物产量也会随之提升[4]。

　　2.2.4城镇化水平与农业种植效率呈显著负相关，系数为-1.227，与假设H3不符合，说明该假设不成立。在城镇化水平不断提升的过程中，农业种植面积逐渐减小，可能会影响智慧农业技术的应用范围和应用密度，导致农田分散，即便在农业种植中使用智慧农业技术，或者不断推动智慧农业技术发展，可能也无法发挥出智慧农业技术水平。

　　2.2.5根据因子lev的回归分析结果，智慧农业技术发展水平与农业种植效率呈显著正相关，在排除其他因素影响的条件下，随着智慧农业技术的发展，在农业种植过程中可能实现更高的农作物产量，所以假设5成立。

　　2.3总样本回归分析

　　为进一步验证假设5，明确因子Y与农作物产量的关系，对鄄城县2021~2023年度总数据样本进行集成和回归分析，结果如表6所示。

　　表6的回归结果主要分析智慧农业技术与农作物产量的关系，固定效应模型1为只根据所列举核心解释变量与因变量下的回归结果，计算数据为采集的鄄城县2021—2023年度农业种植总数据样本；模型2—模型5是分别添加选择的控制变量后的回归结果。从不同数据样本导入固定效应模型得到的回归结果不同。

　　2.3.1模型1：模型1的结果说明智慧农业技术每提升一个单位，农作物产量上升0.042个单位，通过1%显著性水平检验。分析结果表明，在鄄城县的农作物种植中，智慧农业技术发展水平对农作物产量具有显著正向促进作用。

　　2.3.2模型2—模型5：在后续模型中添加各类控制变量后，各模型回归结果显示智慧农业技术发展对农作物产量都有显著正向促进作用，表明所选的固定效应模型较为稳健。

　　3.基于智慧农业技术发展提升种植效率和作物产量的建议

　　根据实证分析结果，为进一步发挥智慧农业技术在促进农业种植效率提升以及提高农作物产量的作用，提出以下建议。

　　3.1提升技术研发的持续性

　　为解决财政支出水平提升对农业种植带来的不良影响，鄄城县在财政支持智慧农业技术研发前，应做好区域调查和财政规划工作，在实地调查的基础上结合本地历年来的农业种植相关数据，确定各区域对智慧型农业技术的需求程度和需求类型，以此指导财政支出和技术研发，提升财政支出以及技术研发的针对性。

　　3.2平衡城乡发展水平

　　智慧型农业技术的应用，对耕地面积、地势地形的要求较高，尚未达到国际领先水平。在智慧型农业技术发展尚未成熟的背景下，鄄城县应正视城镇化建设可能对农业种植带来的不良影响，适当将城镇化建设与智慧型农业技术推广与应用相结合，通过多种规划的有机结合为智慧型农业技术的应用创造良好条件，力求发挥此类技术在农业种植中的实际价值[5]。

　　4.结束语

　　智慧农业技术发展对鄄城县农业种植的影响体现在多个方面，除了直接会影响农业种植效率和农作物产量外，还因智慧农业技术易受财政支持水平、城镇化水平等因子影响，所以要发挥智慧农业技术对农业种植的正向促进作用，应综合考虑智慧农业技术发展、财政支持和城镇化建设等问题，通过协调各类因子的关系，保障农业种植效率和农作物产量。

　　参考文献

　　[1]孟婧逸.数字技术对农业全要素生产率的影响研究[D].山东财经大学,2024.

　　[2]牛兰英.智慧型农业技术发展对农业种植的影响[J].河北农业,2024,(04):29-30.

　　[3]禹刚.基于“五位一体”的现代智慧农业管理体系建设探索[J].智慧农业导刊,2024,4(03):14-17.

　　[4]郑瑞阳.智慧型农业技术发展对东光县农业种植的影响探究[J].棉花科学,2023,45(01):72-74.

　　[5]李坤.智慧型农业技术发展对交城县农业种植的影响[J].基层农技推广,2023,11(09):59-62.