楊霖， 楊斌， 任青山， 楊信廷， 韓佳偉. 中國(guó)智慧冷鏈發(fā)展水平評(píng)價(jià)及對(duì)策建議[J]. 智慧農(nóng)業(yè)（中英文）， 2023， 5(1): 22-33.
doi:10.12133/j.smartag.SA202302003

YANG Lin， YANG Bin， REN Qingshan， YANG Xinting， HAN Jiawei. Evaluation and Countermeasures on the Development Level of Intelligent Cold Chain in China[J]. Smart Agriculture， 2023， 5(1): 22-33. doi:10.12133/j.smartag.SA202302003

官網(wǎng)全文在線閱讀

通過(guò)熵權(quán)法對(duì)2017—2021年冷鏈數(shù)據(jù)進(jìn)行計(jì)算，確定相應(yīng)年份智慧冷鏈發(fā)展評(píng)價(jià)指標(biāo)權(quán)重，本文僅展示了2021年指標(biāo)權(quán)重結(jié)果（見(jiàn)表1）。從表1中可以看出，2021年二級(jí)指標(biāo)中人均冷藏車(chē)、電子商務(wù)銷(xiāo)售額、餐飲企業(yè)營(yíng)業(yè)額影響較大，人均冷藏車(chē)最為重要，權(quán)重為0.1343，冷藏車(chē)在流通過(guò)程中保持低溫環(huán)境，保障生鮮農(nóng)產(chǎn)品質(zhì)量。第二位是電子商務(wù)銷(xiāo)售額，權(quán)重為0.1274，通過(guò)電商平臺(tái)進(jìn)行銷(xiāo)售，提高冷鏈經(jīng)濟(jì)效益，有利于信息技術(shù)融合，促進(jìn)智慧冷鏈發(fā)展。第三位是餐飲企業(yè)營(yíng)業(yè)額，權(quán)重為0.1252，通過(guò)餐飲行業(yè)對(duì)生鮮農(nóng)產(chǎn)品進(jìn)行分銷(xiāo)，促進(jìn)智慧冷鏈高速發(fā)展。

表 1 2021年智慧冷鏈發(fā)展水平評(píng)價(jià)指標(biāo)權(quán)重

Table 1 Weights of indicators for evaluating the development level of intelligent cold chain in 2021

一級(jí)指標(biāo)中經(jīng)濟(jì)效益比重最大為0.2873，經(jīng)濟(jì)發(fā)展對(duì)于智慧冷鏈發(fā)展具有重要影響，高水平經(jīng)濟(jì)推動(dòng)智慧冷鏈物流高質(zhì)量發(fā)展。第二位是倉(cāng)儲(chǔ)能力，權(quán)重為0.2230，基礎(chǔ)建設(shè)是智慧冷鏈的硬實(shí)力，保障冷鏈流通作業(yè)。第三位是信息化水平，權(quán)重為0.2060，信息化水平對(duì)智慧冷鏈發(fā)展重要，信息技術(shù)融合程度越高，智慧冷鏈建設(shè)越強(qiáng)。第四位是運(yùn)輸能力，權(quán)重是0.1750，冷藏運(yùn)輸可以保證生鮮農(nóng)產(chǎn)品品質(zhì)，提高智慧冷鏈服務(wù)質(zhì)量。雖然二級(jí)指標(biāo)中人均冷藏車(chē)權(quán)重最為重要，但在一級(jí)指標(biāo)歸類(lèi)時(shí)，冷鏈運(yùn)輸能力僅包含人均冷藏車(chē)和公路里程兩個(gè)二級(jí)指標(biāo)，且相比其他二級(jí)指標(biāo)，公路里程權(quán)重較小，導(dǎo)致在一級(jí)指標(biāo)權(quán)重排序時(shí)冷鏈運(yùn)輸能力權(quán)重僅為第四位。第五位是供給能力，權(quán)重為0.1087，穩(wěn)定的生鮮農(nóng)產(chǎn)品供應(yīng)保障智慧冷鏈正常運(yùn)作，有助于提升智慧冷鏈綜合實(shí)力。

通過(guò)TOPSIS法綜合分析2017—2021年中國(guó)30個(gè)省市（不含西藏、香港、澳門(mén)、臺(tái)灣）智慧冷鏈發(fā)展水平如圖1所示，首先對(duì)各省市智慧冷鏈發(fā)展進(jìn)行分析，由各省市的年份柱形長(zhǎng)度變化可知，不同省市間的智慧冷鏈發(fā)展水平起伏較大，上海、北京、廣州智慧冷鏈發(fā)展水平最好，遠(yuǎn)超其余省市，青海、甘肅發(fā)展最差。雖然絕大部分省市智慧冷鏈發(fā)展水平較低，但多數(shù)省市智慧冷鏈發(fā)展勢(shì)頭較好。其次分區(qū)域?qū)Φ貐^(qū)智慧冷鏈發(fā)展水平進(jìn)行研究，華東沿海地區(qū)整體柱形長(zhǎng)度最長(zhǎng)，表明華東地區(qū)2017—2021年總體發(fā)展最好，明顯優(yōu)于其他地區(qū)，其次是華南和華北地區(qū)，智慧冷鏈發(fā)展最為落后的為西北和西南地區(qū)。區(qū)域間整體差距較大，并且差距隨時(shí)間變化越來(lái)越大，構(gòu)成了東強(qiáng)西弱，南強(qiáng)北弱現(xiàn)狀。

圖 1 2017—2021年中國(guó)智慧冷鏈發(fā)展水平評(píng)價(jià)結(jié)果

Fig.1 Evaluation results of Chinas intelligent cold chain development level from 2017 to 2021

圖2為2017—2021年中國(guó)智慧冷鏈發(fā)展水平地理分級(jí)圖。首先從圖3可知中國(guó)各省市智慧冷鏈發(fā)展分為四類(lèi)等級(jí)，第一類(lèi)評(píng)價(jià)得分大于0.5，有上海、廣東、北京，這3個(gè)省市一直處于第一梯隊(duì)，2017—2021年從未發(fā)生變化，主要是因?yàn)樵擃?lèi)省市經(jīng)濟(jì)發(fā)達(dá)、人均可支配收入高、生鮮農(nóng)產(chǎn)品需求量大、基礎(chǔ)設(shè)施建設(shè)完備、地理位置便利、冷鏈企業(yè)數(shù)量充足、信息化技術(shù)應(yīng)用率高，智慧冷鏈發(fā)展最好。第二類(lèi)評(píng)價(jià)得分在0.3~0.5之間，在2017—2018年期間有江蘇、山東、浙江、天津、河南，但在2019—2021年減少為江蘇、山東、浙江、天津，該類(lèi)省市經(jīng)濟(jì)發(fā)展向好，人均可支配收入較高，生鮮農(nóng)產(chǎn)品產(chǎn)量多、基礎(chǔ)設(shè)施建設(shè)達(dá)標(biāo)、冷鏈企業(yè)數(shù)量多，智慧冷鏈發(fā)展較好。處于第三類(lèi)和第四類(lèi)等級(jí)中的省市變化較大，例如，陜西在2017年處于第四等級(jí)，而到2018年就發(fā)展上升為第三等級(jí)；而江西2019年之前一直處于第四等級(jí)，到2020年才發(fā)展為第三等級(jí)。吉林省在2017年處于第四等級(jí)，到2018年上升為第三等級(jí)，但在2019年卻下降到第四等級(jí)，并一直持續(xù)到2021年。寧夏2019年之前一直處于第四等級(jí)，到2020年才提升為第三等級(jí)，但在2021年就下降為第四等級(jí)。其中第三類(lèi)得分在0.2~0.3之間，主要有四川、安徽、湖南、河北等，該類(lèi)地區(qū)經(jīng)濟(jì)發(fā)展適中，人均可支配收入一般、基礎(chǔ)設(shè)施建設(shè)不足、冷鏈企業(yè)數(shù)量較少，信息技術(shù)利用率低，智慧冷鏈發(fā)展一般。第四類(lèi)為得分在0.2以下，主要有云南、吉林、寧夏等，該類(lèi)地區(qū)經(jīng)濟(jì)發(fā)展較為落后，基礎(chǔ)設(shè)施明顯欠缺，冷鏈企業(yè)不足，人均可支配收入較少，智慧冷鏈發(fā)展較差。

圖2 2017—2021年中國(guó)智慧冷鏈發(fā)展水平地理分級(jí)圖

注：該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS（2020）4619號(hào)的標(biāo)準(zhǔn)地圖制作，底圖無(wú)修改

Fig.2 The geographical grading chart of Chinas intelligent cold chain development level from 2017 to 2021

對(duì)中國(guó)智慧冷鏈發(fā)展水平結(jié)果進(jìn)行全局自相關(guān)分析，Morans I變化曲線如圖3所示。2017—2021年中國(guó)各省市智慧冷鏈發(fā)展存在空間正相關(guān)性，總體空間相關(guān)性呈先下降后上升趨勢(shì)，下降趨勢(shì)逐漸減慢，下降幅度大于上升幅度。表明自2017年以來(lái)中國(guó)智慧冷鏈發(fā)展水平相似地區(qū)在空間中的集中分布性逐漸減弱，2020年到達(dá)最低值0.13，然后2021年回升到0.168，但依然低于2017年，說(shuō)明中國(guó)在智慧冷鏈物流建設(shè)過(guò)程中總體空間差異性在變大。

圖3 2017—2021年中國(guó)智慧冷鏈發(fā)展全局自相關(guān)系數(shù)

Fig. 3 The global autocorrelation coefficient of Chinas intelligent cold chain development from 2017 to 2021

根據(jù)各省市智慧冷鏈發(fā)展時(shí)空分布特性，繪制2017—2021年LISA聚集圖，如圖4所示，在5%顯著性水平下的進(jìn)行分析可得，中國(guó)智慧冷鏈發(fā)展存在較為顯著的差異格局，在華東區(qū)域內(nèi)的省市間存在正空間相關(guān)性，與鄰近省市間具有相互關(guān)聯(lián)的發(fā)展趨勢(shì)，而在華北和華南區(qū)域中存在負(fù)空間性，智慧冷鏈協(xié)同發(fā)展較差。華東地區(qū)局部空間差異性較小，自身與鄰近省市的智慧冷鏈發(fā)展均處于較高水平（高-高），主要在上海、浙江、江蘇、安徽，天津和山東等地區(qū)附近，該區(qū)域經(jīng)濟(jì)發(fā)展較好，冷鏈基礎(chǔ)設(shè)施建設(shè)完備，地理位置優(yōu)越，信息技術(shù)融合程度高，智慧冷鏈協(xié)同發(fā)展性較好。

圖 4 2017—2021年中國(guó)智慧冷鏈發(fā)展LISA聚集程度地理分布圖

注：該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS（2020）4619號(hào)的標(biāo)準(zhǔn)地圖制作，底圖無(wú)修改

Fig. 4 Geographic distribution map of LISA clustering degree of smart cold chain development in China from 2017 to 2021

華北地區(qū)空間差異性較大，鄰近省市智慧冷鏈發(fā)揮較好但自身發(fā)展較差（低-高），主要在河北和山西等地區(qū)附近。華南地區(qū)空間差異性同樣較大，自身智慧冷鏈發(fā)展較好但鄰近省市發(fā)展較低（高-低），主要在廣東附近。

從整體數(shù)量角度來(lái)看，低-高類(lèi)型省市數(shù)量在2021年之前一直是2個(gè)（河北和山西），2021年減少到只有山西省。高-高類(lèi)型省市從2017年開(kāi)始逐漸減少，在2019年數(shù)量最少，從2020年開(kāi)始增多，與全局自相關(guān)系數(shù)變化趨勢(shì)相吻合。高-低類(lèi)型省市未發(fā)生變化，一直都在廣東省附近。不顯著區(qū)域占絕大數(shù)，且不存在低-低區(qū)域。與2017年對(duì)比，2021年全國(guó)智慧冷鏈發(fā)展空間發(fā)展格局變化較小，華東區(qū)域內(nèi)各省市間依然存在正空間相關(guān)性，華北和華南區(qū)域空間性仍較差，說(shuō)明經(jīng)過(guò)近五年的智慧冷鏈建設(shè)，智慧冷鏈高發(fā)展水平地區(qū)其協(xié)調(diào)帶動(dòng)作用沒(méi)有發(fā)揮出來(lái)。

在進(jìn)行地理加權(quán)回歸分析之前，首先通過(guò)線性回歸分析出智慧冷鏈評(píng)價(jià)指標(biāo)間的線性相關(guān)性，然后根據(jù)分析結(jié)果中膨脹因子（Variance Inflation Factor，VIF），選取VIF<10的評(píng)價(jià)指標(biāo)，最后根據(jù)選取的評(píng)價(jià)指標(biāo)構(gòu)建GWR模型。2017、2018、2019年GWR建模的6個(gè)自變量有人均生鮮農(nóng)產(chǎn)品產(chǎn)量、貨物運(yùn)輸量、公路里程、人均需求量、每百家企業(yè)擁有網(wǎng)站數(shù)和每百人使用計(jì)算機(jī)數(shù)，2020年GWR模型的7個(gè)自變量有人均生鮮農(nóng)產(chǎn)品產(chǎn)量、貨物運(yùn)輸量、人均冷藏車(chē)、公路里程、人均需求量、每百家企業(yè)擁有網(wǎng)站數(shù)和每百人使用計(jì)算機(jī)數(shù)，2021年GWR的5個(gè)自變量有人均生鮮農(nóng)產(chǎn)品產(chǎn)量、公路里程、人均需求量、每百家企業(yè)擁有網(wǎng)站數(shù)和每百人使用計(jì)算機(jī)數(shù)。為減少不同量綱間的影響，將變量數(shù)據(jù)進(jìn)行歸一化處理。

根據(jù)公式（12）創(chuàng)建2021年GWR模型（公式（13））和2017年GWR模型（公式（14）），將兩者進(jìn)行比較分析。2021年各自變量分別為：人均生鮮農(nóng)產(chǎn)品產(chǎn)量（PCOFAP），公路里程（HM），人均需求量（PCD），每百家企業(yè)擁有網(wǎng)站數(shù)量（NWPOE）和每百人使用計(jì)算機(jī)數(shù)量（NCPOP）。2017年各自變量分別為人均生鮮農(nóng)產(chǎn)品產(chǎn)量（PCOFAP），貨物運(yùn)輸量（VT）， 人均需求量（PCD），每百家企業(yè)擁有網(wǎng)站數(shù)量（NWPOE）和每百人使用計(jì)算機(jī)數(shù)量（NCPOP）。

表2為GWR計(jì)算結(jié)果，基于局部R2的空間變異性可知，2021年全國(guó)各省市擬合程度較為相近，2017年西北地區(qū)各省擬合度較高，東北地區(qū)省市擬合度較低。由R2、調(diào)整R2以及殘差平方和可知，2021年整體擬合程度較2017年好，表明2021年所選取指標(biāo)較2017年更為準(zhǔn)確和更具代表性。

表 2 中國(guó)智慧冷鏈發(fā)展水平GWR計(jì)算結(jié)果

Table 2 GWR calculation results of Chinas intelligent cold chain development level

表3為2017年GWR模型自變量回歸系數(shù)結(jié)果，可以明顯看出各自變量對(duì)各省市的影響程度存在空間差異。每百人使用計(jì)算機(jī)數(shù)對(duì)智慧冷鏈建設(shè)最為重要并呈現(xiàn)正相關(guān)性，對(duì)各省市智慧冷鏈的發(fā)展產(chǎn)生不同程度影響，在華南地區(qū)最為強(qiáng)烈，主要以上海、浙江為主，并逐漸向西北部減弱，影響最小的省市主要集中在新疆、青海地區(qū)。

表 3 2017年智慧冷鏈GWR自變量回歸系數(shù)與地區(qū)分布

Table 3 Regression coefficients and regional distribution of GWR independent variables for intelligent cold chain in 2017

人均需求量對(duì)智慧冷鏈建設(shè)的影響次之，與智慧冷鏈發(fā)展呈正相關(guān)性，說(shuō)明人均需求量增加可以提升智慧冷鏈建設(shè)速度，對(duì)不同省市的影響程度差異明顯，影響較大值在華南和西南地區(qū)，影響程度向北逐漸減弱，最小值在黑龍江和新疆地區(qū)。

貨物運(yùn)輸量對(duì)智慧冷鏈發(fā)展影響程度位于第三，對(duì)各省市影響差異較大，對(duì)西南和西北地區(qū)影響最大，影響程度向東逐漸減弱，在東北地區(qū)最小。每百家企業(yè)擁有網(wǎng)站數(shù)對(duì)智慧冷鏈發(fā)展影響居于第四，在吉林和黑龍江地區(qū)敏感度較大，以此向西南依次減少，到廣西、海南、云南地區(qū)最弱。公路里程對(duì)智慧冷鏈建設(shè)的影響力處于第五，正相關(guān)性最小，在吉林和黑龍江最為敏感，向西南和西北地區(qū)逐漸減弱，在云南、青海、新疆地區(qū)最小。人均生鮮農(nóng)產(chǎn)品產(chǎn)量對(duì)智慧冷鏈建設(shè)影響最小，其影響力從海南地區(qū)向北逐漸減弱，到華北和東北地區(qū)最小。

表4為通過(guò)GWR模型計(jì)算2021年自變量回歸系數(shù)結(jié)果，各自變量對(duì)于不同省市的影響程度未存在空間差異。每百人使用計(jì)算機(jī)數(shù)對(duì)智慧冷鏈影響最為明顯并呈現(xiàn)正相關(guān)性，人均需求量正相關(guān)影響同樣較大。與表3進(jìn)行比較，2021年每百人使用計(jì)算機(jī)數(shù)和人均需求量對(duì)智慧冷鏈發(fā)展影響地位相同，但每百人使用計(jì)算機(jī)數(shù)影響程度在減少，人均需求量影響作用逐漸增減。主要由于智慧冷鏈建設(shè)主要通過(guò)智能計(jì)算進(jìn)行信息化轉(zhuǎn)型升級(jí)，計(jì)算機(jī)數(shù)量占主要地位，但隨著建設(shè)進(jìn)程，大部分冷鏈企業(yè)計(jì)算機(jī)數(shù)量飽和，逐漸轉(zhuǎn)變?yōu)橐孕枨鬄閷?dǎo)向的智慧冷鏈建設(shè)。

表 4 2021年智慧冷鏈GWR自變量回歸系數(shù)

Table 4 Regression coefficients of GWR independent variables for intelligent cold chain in 2021