《Smart Agricultural Technology》：The Nexus of Big Data, Internet of Things-Enabled Agro-Technologies, and Farm Performance
编辑推荐：
本研究针对农业领域物联网技术采纳不均衡及可持续绩效提升需求，探讨了大数据分析能力对物联网农业技术采纳的影响机制。通过对中国五大粮食主产区285家农场的调查，研究发现数据、技术、技术技能、管理技能和数据驱动文化显著促进AIoT采纳，进而提升经济与环境绩效，而基础资源的影响不显著。该研究为农业数字化转型提供了关键能力建设路径，对实现可持续精准农业具有重要实践意义。
随着全球人口持续增长和城镇化进程加速，传统农业面临着前所未有的挑战。据预测，到2050年全球粮食需求将增加70%，而与此同时，可耕地资源减少、水资源短缺以及环境压力不断加剧。传统农业生产模式已难以满足未来的粮食安全需求，农业部门亟需通过技术革新实现提质增效。物联网和大数据技术为农业转型提供了新的契机，通过传感器、无人机等智能设备实时监测土壤墒情、作物长势和环境参数，结合大数据分析生成决策支持，显著提升资源利用效率和农业生产可持续性。
然而，尽管物联网技术在医疗、金融等领域取得显著成效，其在农业领域的应用却相对滞后。特别是在中国这样的农业大国，物联网农业技术的采纳程度与发达国家存在明显差距。这种差异不仅源于技术基础设施的不足，更与农场层面的技术应用能力密切相关。现有研究表明，许多农场虽然投入了大量资源进行数字化建设，却未能实现预期的可持续绩效提升。这引发了一个关键问题：农场究竟需要具备哪些核心能力，才能有效采纳物联网农业技术并实现可持续发展？
为回答这一问题，马来西亚国民大学的研究团队在《Smart Agricultural Technology》发表了题为"The Nexus of Big Data, Internet of Things-Enabled Agro-Technologies, and Farm Performance"的研究论文。该研究基于动态能力理论，构建了一个涵盖数据、技术、基础资源、技术技能、管理技能和数据驱动文化六维度的大数据分析能力框架，通过对中国五大粮食主产区（河南、山东、安徽、河北、江苏）的285家农场进行问卷调查，深入探讨了这些能力如何影响物联网农业技术采纳，并最终作用于农场的经济与环境绩效。
研究采用偏最小二乘结构方程模型进行数据分析。样本选择采用目的性分层抽样，从企查查数据库获取农场名单，按省份粮食产量比例分配样本量。调查工具包含24个BDAC测量项、4个AIoT测量项和8个绩效测量项，均采用5点李克特量表。通过Harman单因子检验和全共线性检验控制共同方法偏差，确保数据质量。
研究结果显示，数据、技术、技术技能、管理技能和数据驱动文化对AIoT采纳均有显著正向影响，而基础资源的影响不显著。AIoT采纳又显著正向影响经济绩效和环境绩效。中介效应分析表明，AIoT在BDAC各维度与可持续绩效之间起显著中介作用（基础资源除外）。重要性-绩效地图分析显示，数据、技术技能和管理技能是AIoT采纳的最重要预测因子。多群组分析发现，高收入农场中技术对AIoT的影响更强，表明财务能力与技术采纳存在交互作用。
具体而言，在动态能力理论的框架下，农场的"感知"能力体现在对数据价值的认识和技术的把握上；"捕捉"能力反映在技术技能和管理技能的运用上；"转化"能力则通过数据驱动文化实现运营模式的重构。研究发现，仅仅拥有基础资源不足以推动技术采纳，关键在于农场能否有效整合和配置这些资源，将其转化为可持续的竞争优势。
这项研究的理论贡献在于将动态能力理论具体应用于农业数字化转型场景，明确了BDAC各维度作为微基础的作用机制，揭示了"能力-技术-绩效"的传导路径。实践上，研究建议农场应重点投资于人员技能培养和数据驱动文化建设，而非单纯追求硬件投入。政策制定者可参考研究结论，设计针对性的培训和支持政策，加速农业数字化进程。
研究的局限性在于横截面设计难以确立因果关系，未来可采用纵向研究跟踪能力建设与技术采纳的演化过程。同时，研究聚焦中国主要粮食产区，结论在其他农业系统和地区的普适性有待进一步验证。
总体而言，这项研究为理解农业数字化转型提供了重要的理论框架和实证证据，强调动态能力建设是实现可持续农业的关键。在粮食安全与环境保护双重压力下，该研究为农场提升竞争力指明了方向，对推动农业高质量发展具有重要指导意义。
