中国智慧冷链发展水平评价结果与分析

杨霖, 杨斌, 任青山, 杨信廷, 韩佳伟. 中国智慧冷链发展水平评价及对策建议[J]. 智慧农业（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

官网全文在线阅读

通过熵权法对2017—2021年冷链数据进行计算，确定相应年份智慧冷链发展评价指标权重，本文仅展示了2021年指标权重结果（见表1）。从表1中可以看出，2021年二级指标中人均冷藏车、电子商务销售额、餐饮企业营业额影响较大，人均冷藏车最为重要，权重为0.1343，冷藏车在流通过程中保持低温环境，保障生鲜农产品质量。第二位是电子商务销售额，权重为0.1274，通过电商平台进行销售，提高冷链经济效益，有利于信息技术融合，促进智慧冷链发展。第三位是餐饮企业营业额，权重为0.1252，通过餐饮行业对生鲜农产品进行分销，促进智慧冷链高速发展。

表 1   2021年智慧冷链发展水平评价指标权重

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

一级指标中经济效益比重最大为0.2873，经济发展对于智慧冷链发展具有重要影响，高水平经济推动智慧冷链物流高质量发展。第二位是仓储能力，权重为0.2230，基础建设是智慧冷链的硬实力，保障冷链流通作业。第三位是信息化水平，权重为0.2060，信息化水平对智慧冷链发展重要，信息技术融合程度越高，智慧冷链建设越强。第四位是运输能力，权重是0.1750，冷藏运输可以保证生鲜农产品品质，提高智慧冷链服务质量。虽然二级指标中人均冷藏车权重最为重要，但在一级指标归类时，冷链运输能力仅包含人均冷藏车和公路里程两个二级指标，且相比其他二级指标，公路里程权重较小，导致在一级指标权重排序时冷链运输能力权重仅为第四位。第五位是供给能力，权重为0.1087，稳定的生鲜农产品供应保障智慧冷链正常运作，有助于提升智慧冷链综合实力。

通过TOPSIS法综合分析2017—2021年中国30个省市（不含西藏、香港、澳门、台湾）智慧冷链发展水平如图1所示，首先对各省市智慧冷链发展进行分析，由各省市的年份柱形长度变化可知，不同省市间的智慧冷链发展水平起伏较大，上海、北京、广州智慧冷链发展水平最好，远超其余省市，青海、甘肃发展最差。虽然绝大部分省市智慧冷链发展水平较低，但多数省市智慧冷链发展势头较好。其次分区域对地区智慧冷链发展水平进行研究，华东沿海地区整体柱形长度最长，表明华东地区2017—2021年总体发展最好，明显优于其他地区，其次是华南和华北地区，智慧冷链发展最为落后的为西北和西南地区。区域间整体差距较大，并且差距随时间变化越来越大，构成了东强西弱，南强北弱现状。 

图 1   2017—2021年中国智慧冷链发展水平评价结果

Fig.1   Evaluation results of China's intelligent cold chain development level from 2017 to 2021

图2为2017—2021年中国智慧冷链发展水平地理分级图。首先从图3可知中国各省市智慧冷链发展分为四类等级，第一类评价得分大于0.5，有上海、广东、北京，这3个省市一直处于第一梯队，2017—2021年从未发生变化，主要是因为该类省市经济发达、人均可支配收入高、生鲜农产品需求量大、基础设施建设完备、地理位置便利、冷链企业数量充足、信息化技术应用率高，智慧冷链发展最好。第二类评价得分在0.3~0.5之间，在2017—2018年期间有江苏、山东、浙江、天津、河南，但在2019—2021年减少为江苏、山东、浙江、天津，该类省市经济发展向好，人均可支配收入较高，生鲜农产品产量多、基础设施建设达标、冷链企业数量多，智慧冷链发展较好。处于第三类和第四类等级中的省市变化较大，例如，陕西在2017年处于第四等级，而到2018年就发展上升为第三等级；而江西2019年之前一直处于第四等级，到2020年才发展为第三等级。吉林省在2017年处于第四等级，到2018年上升为第三等级，但在2019年却下降到第四等级，并一直持续到2021年。宁夏2019年之前一直处于第四等级，到2020年才提升为第三等级，但在2021年就下降为第四等级。其中第三类得分在0.2~0.3之间，主要有四川、安徽、湖南、河北等，该类地区经济发展适中，人均可支配收入一般、基础设施建设不足、冷链企业数量较少，信息技术利用率低，智慧冷链发展一般。第四类为得分在0.2以下，主要有云南、吉林、宁夏等，该类地区经济发展较为落后，基础设施明显欠缺，冷链企业不足，人均可支配收入较少，智慧冷链发展较差。

图2   2017—2021年中国智慧冷链发展水平地理分级图

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2020）4619号的标准地图制作，底图无修改

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

对中国智慧冷链发展水平结果进行全局自相关分析，Moran's I变化曲线如图3所示。2017—2021年中国各省市智慧冷链发展存在空间正相关性，总体空间相关性呈先下降后上升趋势，下降趋势逐渐减慢，下降幅度大于上升幅度。表明自2017年以来中国智慧冷链发展水平相似地区在空间中的集中分布性逐渐减弱，2020年到达最低值0.13，然后2021年回升到0.168，但依然低于2017年，说明中国在智慧冷链物流建设过程中总体空间差异性在变大。

图3   2017—2021年中国智慧冷链发展全局自相关系数

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

根据各省市智慧冷链发展时空分布特性，绘制2017—2021年LISA聚集图，如图4所示，在5%显著性水平下的进行分析可得，中国智慧冷链发展存在较为显著的差异格局，在华东区域内的省市间存在正空间相关性，与邻近省市间具有相互关联的发展趋势，而在华北和华南区域中存在负空间性，智慧冷链协同发展较差。华东地区局部空间差异性较小，自身与邻近省市的智慧冷链发展均处于较高水平（高-高），主要在上海、浙江、江苏、安徽，天津和山东等地区附近，该区域经济发展较好，冷链基础设施建设完备，地理位置优越，信息技术融合程度高，智慧冷链协同发展性较好。

图 4   2017—2021年中国智慧冷链发展LISA聚集程度地理分布图

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2020）4619号的标准地图制作，底图无修改

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

华北地区空间差异性较大，邻近省市智慧冷链发挥较好但自身发展较差（低-高），主要在河北和山西等地区附近。华南地区空间差异性同样较大，自身智慧冷链发展较好但邻近省市发展较低（高-低），主要在广东附近。

从整体数量角度来看，低-高类型省市数量在2021年之前一直是2个（河北和山西），2021年减少到只有山西省。高-高类型省市从2017年开始逐渐减少，在2019年数量最少，从2020年开始增多，与全局自相关系数变化趋势相吻合。高-低类型省市未发生变化，一直都在广东省附近。不显著区域占绝大数，且不存在低-低区域。与2017年对比，2021年全国智慧冷链发展空间发展格局变化较小，华东区域内各省市间依然存在正空间相关性，华北和华南区域空间性仍较差，说明经过近五年的智慧冷链建设，智慧冷链高发展水平地区其协调带动作用没有发挥出来。

在进行地理加权回归分析之前，首先通过线性回归分析出智慧冷链评价指标间的线性相关性，然后根据分析结果中膨胀因子（Variance Inflation Factor，VIF），选取VIF<10的评价指标，最后根据选取的评价指标构建GWR模型。2017、2018、2019年GWR建模的6个自变量有人均生鲜农产品产量、货物运输量、公路里程、人均需求量、每百家企业拥有网站数和每百人使用计算机数，2020年GWR模型的7个自变量有人均生鲜农产品产量、货物运输量、人均冷藏车、公路里程、人均需求量、每百家企业拥有网站数和每百人使用计算机数，2021年GWR的5个自变量有人均生鲜农产品产量、公路里程、人均需求量、每百家企业拥有网站数和每百人使用计算机数。为减少不同量纲间的影响，将变量数据进行归一化处理。

根据公式（12）创建2021年GWR模型（公式（13））和2017年GWR模型（公式（14）），将两者进行比较分析。2021年各自变量分别为：人均生鲜农产品产量（PCOFAP），公路里程（HM），人均需求量（PCD），每百家企业拥有网站数量（NWPOE）和每百人使用计算机数量（NCPOP）。2017年各自变量分别为人均生鲜农产品产量（PCOFAP），货物运输量（VT）， 人均需求量（PCD），每百家企业拥有网站数量（NWPOE）和每百人使用计算机数量（NCPOP）。 

表2为GWR计算结果，基于局部R2的空间变异性可知，2021年全国各省市拟合程度较为相近，2017年西北地区各省拟合度较高，东北地区省市拟合度较低。由R2、调整R2以及残差平方和可知，2021年整体拟合程度较2017年好，表明2021年所选取指标较2017年更为准确和更具代表性。

表 2   中国智慧冷链发展水平GWR计算结果

Table 2  GWR calculation results of China's intelligent cold chain development level 

表3为2017年GWR模型自变量回归系数结果，可以明显看出各自变量对各省市的影响程度存在空间差异。每百人使用计算机数对智慧冷链建设最为重要并呈现正相关性，对各省市智慧冷链的发展产生不同程度影响，在华南地区最为强烈，主要以上海、浙江为主，并逐渐向西北部减弱，影响最小的省市主要集中在新疆、青海地区。 

表 3   2017年智慧冷链GWR自变量回归系数与地区分布

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

人均需求量对智慧冷链建设的影响次之，与智慧冷链发展呈正相关性，说明人均需求量增加可以提升智慧冷链建设速度，对不同省市的影响程度差异明显，影响较大值在华南和西南地区，影响程度向北逐渐减弱，最小值在黑龙江和新疆地区。

货物运输量对智慧冷链发展影响程度位于第三，对各省市影响差异较大，对西南和西北地区影响最大，影响程度向东逐渐减弱，在东北地区最小。每百家企业拥有网站数对智慧冷链发展影响居于第四，在吉林和黑龙江地区敏感度较大，以此向西南依次减少，到广西、海南、云南地区最弱。公路里程对智慧冷链建设的影响力处于第五，正相关性最小，在吉林和黑龙江最为敏感，向西南和西北地区逐渐减弱，在云南、青海、新疆地区最小。人均生鲜农产品产量对智慧冷链建设影响最小，其影响力从海南地区向北逐渐减弱，到华北和东北地区最小。

表4为通过GWR模型计算2021年自变量回归系数结果，各自变量对于不同省市的影响程度未存在空间差异。每百人使用计算机数对智慧冷链影响最为明显并呈现正相关性，人均需求量正相关影响同样较大。与表3进行比较，2021年每百人使用计算机数和人均需求量对智慧冷链发展影响地位相同，但每百人使用计算机数影响程度在减少，人均需求量影响作用逐渐增减。主要由于智慧冷链建设主要通过智能计算进行信息化转型升级，计算机数量占主要地位，但随着建设进程，大部分冷链企业计算机数量饱和，逐渐转变为以需求为导向的智慧冷链建设。 

表 4   2021年智慧冷链GWR自变量回归系数

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