Knowledge Flow and Spatial Interaction of Agricultural Science and Technologyamong Provinces in China

Yao Hui,Zhao Xiaoyuan,Gao Qijie

(College of Humanities and Development, China Agricultural University,Beijing 100193, China)

Abstract：Based on the data of 10 agricultural science and technology patent categories at the provincial level in China. By calculating the specialization index of regional agricultural science and technology and the situation of regional dominant agricultural science and technology to analyzing the development trend of agricultural science and technology at provincial level in China. Constructing the distance index of agricultural science and technology knowledge flow between regions to represent the situation of agricultural science and technology knowledge flow between provinces, and to clarify the difference of agricultural science and technology knowledge flow distance between provinces. Finally, The gravity model is used to measure the spatial interaction between regions caused by the flow of agricultural science and technology knowledge. The results show that: From 2000 to 2018, the agricultural science and technology in most provinces in China gradually showed diversified development, and the quantity of superior agricultural science and technology in each province also began to decline.The flow distance of agricultural science and technology knowledge among most provinces is generally small, and the structure of agricultural science and technology among provinces presents a certain homogenization, which is conducive to the agricultural science and technology exchanges and cooperation among provinces.The structure of agricultural science and technology in some provinces is quite different.

Key Words:Agricultural Science and Technology；Knowledge Flow；Agricultural Patent; Alliance for Agricultural Science and Technology Innovation

DOI：10.6049/kjjbydc.2021030267

开放科学(资源服务)标识码(OSID)：

中图分类号：F323.3

文献标识码：A

文章编号：1001-7348(2021)22-0034-09

收稿日期：2021-03-09

修回日期：2021-05-11

基金项目：国家自然科学基金项目(71173219)

作者简介：姚辉(1994-)，男，江苏淮安人，中国农业大学人文与发展学院博士研究生，研究方向为农业技术创新管理；赵晓园(1994-)，女，河南平顶山人，中国农业大学人文与发展学院博士研究生，研究方向为农村发展与创新管理；高启杰(1963-)，男，湖北武穴人，博士，中国农业大学人文与发展学院教授、博士生导师，研究方向为农村发展与创新管理。本文通讯作者：高启杰。

0 引言

2019、2020年中央一号文件提出，要加快突破农业关键核心技术；2021年中央一号文件提出要通过“强化现代农业科技和物质装备支撑”“打好种业翻身仗”“推进农业绿色发展”，加快推进农业现代化建设；要在耕地红线下“提升粮食和重要农产品供给保障能力”。以上目标与实现路径无不对我国农业科技发展提出更高要求。当前我国农业科研体系呈现为国家—省—地市—县的梯形结构，层级分工合理，资源配置优化[1]。各省域农业科技主要服务于国家层面、各行政区划的农业科技安排，从而有利于国家集中农业科技优势资源开展农业核心技术攻关。由于我国各省域农业资源禀赋不均衡，各省域农业科技实力亦差距较大，部分省域需要依赖其它省域的农业技术支持，即省域间需要开展跨地域、跨行业的农业科技合作交流，这样才能弥补部分省域农业科技实力的不足[2]。然而，限于农业科技体制弊端，各省域对于如何开展省域间农业科技合作交流缺乏一定方向性，省域间较少开展农业科技合作。

为解决各省域农业科技供需与协调不足，实施创新实体化、一体化、共建共享等运行机制，中国农业农村部于2019年[3]、2021年[4]分两批次共认定51个国家农业科技创新联盟(产业联盟24个，区域联盟18个，专业联盟9个)，构建了农业产业上中下游协同攻关的新模式、共建共享共用农业科技资源的新平台、多学科集成综合解决区域农业问题的新途径，旨在以农业科技联盟打破区域间农业科技资源流通壁垒。然而，当前联盟还存在“行业细分不够、联盟数量不足”的问题。因此，厘清我国不同地域、不同行业农业科技发展优势，结合各省域农业科技结构、资源禀赋，针对性加大农业科技合作交流，形成区域间农业科技优势合作互补，有利于各省域农业生产提质增量。

1 文献回顾

省域间的农业科技合作涉及资金、人力、知识等要素流动，本文将聚焦于农业科技的核心要素“知识”。知识要素一直备受学者们的关注，尤其是关于知识要素流动的探讨，相关研究主要集中在产学研协同创新、产业集群、知识(社会、创新)网络、科技创新体系、组织间学习、空间知识溢出等方面[5-9]。

1.1 区域间知识流动

知识要素在地理空间上的流动呈现出高度选择性和不均衡性，并不必然溢出到区域内的每个角落，也不会局限在某一区域内传播，而可能突破地域限制，与其它区域发生知识交互，形成区域间的知识要素流动，从而在区际产生一定空间交互作用[10]，进而促进区域间知识要素流动。

区域知识流动往往发生在地理距离较近的节点间，地理邻近有助于发挥蜂鸣能力。高质量地方蜂鸣、有效的战略联盟有利于实现跨区知识传播[11-12]。若区域本地蜂鸣特征不显著，将导致外部主体难以获取区域内部知识：一方面，过度的地理邻近会阻碍新知识进入，削弱区域主体创新能力，导致知识空间锁定，解除上述锁定的有效方式是积极融入外部世界，与外部保持高频联系以获取更多创新知识[13-14]；另一方面，过低的地理邻近会导致信息传递存在偏差，不利于区域组织间开展知识交互[15-16]。区际知识流动也会受到技术邻近距离的影响，这是由于区域创新主体的技术知识与知识结构具有较高交叉性、重叠性，有助于对彼此转移的知识进行编码和吸收，因此区域间极易发生知识流动；反之，如果技术知识、知识结构存在较大差异，就会降低创新主体知识吸收能力[17-18]，导致区域间不易发生知识流动。

此外，关于知识流动的刻画，现有学者借鉴病毒传播、液体流动、空气传播等原理进行仿真，也有借用专利引文数据、文献引用、合作论文等表征知识流动[19-22]，亦有通过企业间人才流动、专利转让、知识产权转让许可直接收入、高校研发经费中来自企业的委托开发资金等予以测度[23-24]。

1.2 农业科技知识流动

部分学者在探讨农业技术扩散、农业技术推广、农业产业集群、农业科技知识网络时会涉及知识要素的流动。如旷浩源[25]针对农户社会网络关系与农业技术扩散展开探讨，提出以信任、熟悉等强关系建立的社会网络、舆论网络可以保证农业技术扩散顺利；郑继兴[26]也指出，不同情境下的农户社会网络结构特征会对网络中的个体关系产生不同影响，进而对农业技术创新扩散产生影响；朱月季[27]指出，农户在社会网络结构中的位置对其获得创新信息存在显著影响，中心度越高的农户接触的农业技术创新信息越多、越早，也更愿意采纳农业技术创新。在社会网络中，由于人际关系结构的密集度高与传播路径短，有助于提高农业技术扩散速率，而农户的社会网络规模过大也会阻碍相互学习[28]。高启杰[29]针对组织间多维邻近性对合作农业推广的影响机制展开探讨，提出在合作农业推广中组织邻近性越高，组织认知系统越相似，基于共同的知识与技术背景形成的认知逻辑的重叠度越高，越有助于各合作主体更加精准、高效地从合作中吸取资源和溢出知识；史焱文等[30]以寿光蔬菜、鄢陵花木产业集群为对象，对集群企业间(官产学研)合作创新网络、区际(国际)合作创新网络的网络关系、互动联系与知识资源流动路径展开探讨，分析发现，国内外创新资源与知识主要通过弱关联进入集群内，通过强关联在集群内部实现扩散、吸收；李二玲[31]指出，寿光蔬菜产业集群各主体通过知识增长、知识流动和知识采纳提高自身内生能力，通过密切外部契约关系、知识交互和创新网络实现协同创新；王文净[32]以跨区域、跨单位的农业科技合作专利数刻画我国农业科技知识网络结构演化，研究发现，在农业科技领域，跨地域的合作专利数量普遍偏少，说明区域农业科技合作交流网络稀疏、区际农业科技知识流动匮乏。

综上所述，当前农业领域的知识流动研究主要集中在微观农户间、企业组织间、官产学研合作层面以及产业集群领域，针对宏观层面区域间农业科技知识流动的探讨较少。此外，由于农业科技跨域合作的专利数量较少，导致现有研究对省域间农业科技知识流动的刻画不足，不能准确反映省际农业科技知识流动情况。本研究通过细分区域农业科技行业，在此基础上测算各省域农业科技专业化指数、结构，以省际农业科技结构差距表征各省域农业科技知识流动距离，进而测度宏观层面区际农业科技知识流动概况。

2 指数测算方法与数据来源

2.1 区域农业科技专业化指数测度

为测度我国内地30个省份(西藏因数据不全未纳入统计)农业科技专业化水平，采用Krugman 专业化指数。该指数是Krugman[33]在研究美国和欧洲产业分工时采用的指标，可利用产业结构差异衡量各空间单元分工程度[34]。本文采用区域农业科技专业化指数衡量某省(市)与其它省(市)农业科技结构的差异程度，反映该省(市)在我国农业科技分工中的专业化程度。

区域农业科技专业化指数计算见公式(1)，为某省(市)农业科技专业化系数与其它省(市)对应行业专业化系数差的绝对值之和。

(1)

QASCSIi(t)值越高，表示i省(市)农业科技结构与其它省(市)相差越大，说明农业科技的差异化发展程度越高，分工水平也越高，即i省(市)在我国农业科技分工中的专业化程度高；反之， QASCSIi(t)值越小，则表示i省(市)农业科技结构与其它省(市)相差越小，说明农业科技同质化发展程度越高，分工水平越低，即i省(市)在我国农业科技分工中的多样化程度较高。

为精确测度我国内地30个省(市)具体农业行业(农业基础科学、农业工程、农艺学、植物保护、农作物、园艺、林业、畜牧与动物医学、蚕蜂与野生动物保护、水产和渔业10个行业)中农业科技的相对专业化程度，运用区位熵指数测算区域农业科技领域的相对专业化程度LQik(t)。区位熵被称作专门化率，广泛用于衡量某区域要素的空间分布情况，反映区域行业专业化程度、地位及水平。

区域农业科技专业化程度LQik(t)的计算如式(2)所示。若LQik(t)>1，则表示农业科技行业(k)为省域(i)优势行业，且LQik(t)值越大，表明i区域农业科技行业(k)的专业化程度越高；反之，该区域农业科技行业的专业化程度越低。

(2)

式中，i、j、k分别代表省域和农业科技专利类别(k取值为1～10)，t表示年份；Pi(t)、Pik(t)分别代表省域i的农业科技专利总数、省域(j)农业科技专利类别(k)的专利数(下同)；m、n分别代表省域数目和行业数目。

2.2 区际农业科技知识流动距离指数测度

本文根据“区域科技结构同构化表明区域间研究内容近似，区域间极易发生知识流动；反之，当区域科技结构呈现出异构时，区域研究内容差异较大，区域间不易发生知识流动”的思想，拟通过区域农业科技结构的同构性、异构性间接反映区域间农业科技知识流动情况。借鉴Krugman专业化指数(同上文)和“曼哈顿距离”思想，构建区域农业科技结构距离指数以衡量区域农业科技结构距离，具体为某省(市)农业科技各行业专业化系数与其它省(市)相应行业专业化系数差的绝对值之和(为整体考量区域各行业专业化情况，基于上文的区位熵测算各区域行业专业化系数)。

由于区域知识流动距离不可直接测量，可将区域农业科技结构距离近似为知识流动距离，即以区域农业科技结构差异(同构性与异构性)判断区域农业科技知识流动距离。区域农业科技结构差异越大，说明异构性越高，则区域农业科技知识流动距离越大，不利于区域间农业科技知识交流；反之，区域农业科技结构差异越小，说明同构性越大，则区域农业科技知识流动距离越短，越有利于区域间农业科技知识交流。

区域农业科技知识流动距离指数计算公式如下：

(3)

式中，QASKFDIij(t)的取值范围为[0，2]。当QASKFDIij(t)越接近0时，区域农业科技专利结构距离越短，易便于区域间农业科技知识流动；当QASDIij(t)等于0时，区域i、j之间农业科技专利结构完全相同，越利于区域间农业科技知识流动；当QASKFDIij(t) 越接近2时，区域间农业科技结构距离较大，不便于区域间农业科技知识流动；如果QASKFDIij(t)等于2，则区域i、j之间的农业科技结构距离达到最大，非常不利于区域间农业科技知识流动。

2.3 区域间农业科技知识流动空间相互作用测度

针对区域间知识要素流动产生的空间相互作用，本文拟采用引力模型予以刻画。该模型已被广泛用于国际贸易流量测算、人口迁移、跨国投资等领域，经Smith(1989)及Wit(1995)等进一步拓展，逐渐成为研究要素流动、空间相互作用的一个主流模型(白俊红，2015)。

区域间农业科技知识流动的空间相互作用强度可表示为：

(4)

其中，TPij表示区域i与区域j的知识空间联系强度；K为常数，通常取值为1；Ni和Nj分别为区域i、j的知识(专利)规模，本文特指农业技术专利数量，Dij为两区域间的地理距离。

2.4 数据来源与指标说明

农业科技专利在农业领域具有较强创新性、实用性，可在一定程度上衡量一个地区的农业科技水平。此外，根据农业技术知识数据的可获取性，本文借助CNKI中农业科技专利数量进行分析。CNKI中农业科技专利数量分类全、年限广，对体现我国各省域农业科技情况具有较强代表性。

本文选取中国内地30个省市作为研究对象。此外，CNKI中2000年以前收录的各省域农业科技专利数量较少，故选用的原始数据主要源于中国知网(中国专利全文数据库)收录的各省域2000—2018年公开发表的农业科技专利数据。其中，农业科技专利数据主要由农业基础科学、农业工程、农艺学、植物保护、农作物、园艺、林业、畜牧与动物医学、蚕蜂与野生动物保护、水产和渔业10个行业的专利数据组成。此外，各省域距离采用各省会城市间的地理距离测度。

3 区域农业科技专业化情况分析

3.1 各省域农业科技专业化情况

根据公式(1)计算，可得各省域2000-2018年农业科技专业化情况，如表1所示(限于篇幅，仅展示2000、2006、2012、2018年)。整体上，2000-2018年我国各省域农业科技水平呈现多元化发展态势。2000年，各省域以发展优势农业科技为主，农业科技专业化水平较高、地域特色显著； 2006年除北京、河北、山东、安徽、黑龙江、湖北、四川、贵州、云南、陕西、甘肃、宁夏、新疆13个省(市)外，其余省域农业科技专业化指数均有下降，朝着农业科技多元化方向发展，不再拘泥于较为单一的特色农业科技； 2012年各省域农业科技多元化发展态势更加明显，仅有山西、辽宁、湖北、云南、陕西、甘肃、新疆等7省的农业科技专业化指数仍有增长；2018年，仅有陕西、宁夏两省的农业科技专业化指数有增长，全国农业科技整体上呈现多元化发展态势。受市场需求、政策导向等因素影响，我国各省域农业科技呈现多元化发展态势，具有鲜明地域特色的农业科技发展不再是某省域形成专利产出的直接动因。虽然综合性强有助于国家整合各省域农业科技力量攻克核心农业科技难题，但同时也应鼓励特色农业资源地区继续保持其特色农业科技发展，不应一味 “无特色”地多元化发展农业科技。

由表1可见，青海省2018年农业科技专业化指数为0.252，2000-2015年的农业科技专业化指数均高于0.5；黑龙江省2000-2015年的农业科技专业化指数徘徊在0.4附近，农业科技专业化水平较高，2018年该数值较2015年有40%的回落；内蒙古、山西、陕西与黑龙江、青海情况类似，2018年农业科技专业化指数虽有一定回落，但前几年的指数还是比较高。江苏省2015、2018年的农业科技专业化指数分别为全国倒数第一或第二，分别为0.094、0.098， 2000-2009年全省农业科技专业化指数维持在0.3左右， 2012-2018年农业科技专业化指数均低于0.17，可见其农业科技专业化能力较低，农业科技呈现多元化发展。

山东省2000-2018年的农业科技专业化指数未超过0.27，农业科技发展一直以多元化为主；北京、天津2018年的农业科技专业化指数均小于0.2，农业科技呈现多元化发展态势，而在2003-2009年两地农业科技专业化指数较高，即农业科技由专业化发展逐步转向多元化发展。四川、江西、湖南、湖北的农业科技专业化水平也不高，2015-2018年农业科技专业化指数均低于0.2，不同于北京、天津两地的农业科技发展逐渐由专业化转向多元化，上述4个中部省域的农业科技发展一直呈现多元化且日渐加重，说明它们尚未找到自己的专业化定位，一味追求多元化，反而不利于自身发展。

3.2 各省域优势农业科技数量

根据式(2)，可计算出各省域优势农业科技行业数，具体见表2。由表2可得，我国优势农业科技行业数量整体呈收缩态势，即各省域农业科技呈现专业化发展态势，与前述各省域农业科技专业化指数朝着多元化发展情况相反。

由表2可见，北京的农业科技优势行业数较稳定且门类几乎不变，2006-2018年间均为5个，主要集中在农业基础科学、农艺学、植物保护、园艺(2018年)、林业(2015年)、蚕蜂与野生动物保护，且其对应的行业区位熵指数在各省域农业科技优势行业中的排名均靠前，结合北京农业科技专业化指数持续走低的现状，北京可朝农业科技多元化方向发展。同样，湖南省2000-2018年的农业科技专业化指数较低，均低于0.3，说明其农业科技适合多元化发展，其对应的农业科技优势行业数目也较多，2006-2018年间均维持在5～7个。广西、贵州、海南3个农业大省2000-2018年间的农业科技优势行业数目不断增长，2018年均达到7个，专业化指数总体呈下降趋势，说明适合发展农业科技多元化。对于山东这一农业大省，2000-2018年间其农业科技专业化指数一直偏低，均低于0.3，适合多元化发展，然而其农业科技优势行业数目一直少于4个，主要集中在农业工程、农业保护、水产和渔业，其余年份行业的农业科技专业化指数多接近于1，说明行业专业化优势不足，不具备多元化发展潜力。上海的农业科技专业化指数一直稳定在0.4左右，适合专业化发展，且其农业科技优势行业数目一直相对较多，尤其是2006年专业化指数达到上海历年最高(0.46)，其农业科技优势行业数量也达到8个，2015、2018年其农业科技优势行业数目分别减少至3个、4个，分别是农业科学基础(2018年区位熵指数排名第2)、畜牧与动物医学(2018年区位熵指数排名第1)、水产和渔业(2018年在该行业区位熵指数排名第1)、农艺学。

4 区域间农业科技知识流动及相互作用分析

4.1 区域间农业科技知识流动情况分析

根据公式(3)，可测算出2018年中国内地各省域农业科技结构距离指数，即各省域农业科技知识流动距离指数，结果见表3。可以发现，2018年各省域农业科技知识流动距离指数值最大为1.027(上海—宁夏)，最小为0.106(江苏-山东)，说明2018年我国各省域农业科技知识流动距离不大，基本处于农业科技流动距离指数值“1”以下，各省域农业科技结构同构化现象比较明显，整体上比较适合开展农业科技合作交流，也利于省域农业科技知识流动。在省域农业科技知识流动距离最大值中，有16个最大值来自与宁夏的组合，6个最大值来自与上海的组合，5个最大值来自与贵州的组合，反映出宁夏、上海、贵州3地的农业科技结构与其它省域差异较大，区域间农业科技知识流动距离较大，不利于上述三省与其它各省展开农业科技交流。同时，上海、宁夏、贵州亦可结合各自农业科技优势，走出独树一帜、风格迥异的农业科技路线。在省域农业科技结构距离最小值中，有5个最小值来自与河南的组合，有4个来自与辽宁的组合，各有3个最小值来自与广西、重庆的组合，说明河南、辽宁、广西、重庆的农业科技结构与其它省域差异不大，区域间农业科技知识流动距离较小，易于上述四省与其它省域展开农业科技交流。

具体来说，宁夏与其余省域农业科技知识流动距离的最小值为0.5(宁夏—甘肃)，与青海、陕西、内蒙古等邻近省域的农业科技知识流动距离指数分别为0.873、0.763、0.754，说明宁夏与邻近省域青海、陕西、内蒙古的农业科技知识流动距离结构指数差异较大，四省农业种植业特色明显，农业科技优势存在偏离，不利于省域间农业科技知识流动。

上海—宁夏的农业科技知识流动距离最大，这是因为两地地理距离较远，一个作为主打现代农业科技、都市农业发展的一线城市，一个作为比较依赖地域气候、资源发展的传统特色农业大省，导致农业科技结构距离相差较大。如果两地能突破技术、地理隔阂，促进现代技术与地域传统特色农业的有机结合，势必能为乡村振兴提供新发展模式。

江苏—山东的农业科技知识流动距离仅为0.106，作为地处沿海平原地区的两个农业大省，两省农业科技结构相似，地理距离也较小，有利于两省间农业科技知识交流。因此，两省应不断加大农业核心技术的合作研发，率先推广利用现代农业技术，为全国现代农业发展作示范。

北京与其它省市农业科技知识流动距离指数的最大值为0.811(北京—宁夏)，和上海—宁夏的情况类似；北京—海南的农业科技知识流动距离指数最小，仅为0.315，说明北京与海南的农业科技结构相似，便于区域间农业科技知识流动。这主要是因为，北京与海南在农业科技领域的交流比较密集，北京的众多农业科研院所(中国农业大学、中国农业科学院等)均在海南有试验基地，两地的农业科研合作甚多。因此，两地农业科技结构较相似，两地的农业科研合作也突破了地域限制。

海南作为热带季风气候的“天然大温室”，除与黑龙江、吉林、青海、宁夏、甘肃、内蒙古、贵州外，与其它各省域的农业科技知识流动距离均较小，即与其它省域的农业科技结构差异较小，便于区域间开展农业科技交流；前6个农业大省的农业种植气候条件与海南差异较大，因此涉及的农业科研领域差异较大。

4.2 区域间农业科技知识流动空间相互作用分析

根据式(4)的引力模型，测算我国各省域农业科技知识流动空间相互作用力，具体见表4。可以发现，省域间空间相互作用力指数过百的仅占7.36%， 10以下的占63.45%，87%的在40以下，其中，空间相互作用力最大的为江苏—安徽(6 396.45)，最小的是青海—海南，仅为0.024。

北京仅与天津、山东、河北等地理邻近省域的农业科技知识流动空间相互作用力突破100，显示出北京农业科技行业数量不足，未突破距离对农业科技专利数量的影响，未形成绝对的农业科技核心优势地位。此外，北京与海南的农业科技知识流动空间相互作用力仅有0.23，与东三省的空间作用力指数也仅有14.38(北京—辽宁)、3.66(北京—吉林)、5.68(北京—黑龙江)，同时，北京与海南、东三省的农业科技交流颇多，在海南、东三省也都设立了农业试验田，但在专利产出方面数量不足，可能是因为其追求的是“质”而不是“量”。从实际合作看，北京与其余省域农业科技合作的专利成果数量也较少，主要由市内合作组成。

天津、河北、山西与其它省域农业科技知识流动的空间相互作用情况和北京类似。内蒙古、东三省的情况更为不足，如内蒙古与其它省域的空间相互作用关系指数最高仅为16.23(内蒙古—北京)，东三省与其它省域的最高空间相互作用指数出现在东三省之间，如辽宁—吉林(24.17)、吉林—黑龙江(40.73)。

上海、江苏、浙江、安徽、福建、江西六省农业科技知识流动空间相互作用力的最大值均来自六省内部，主要集中为与江苏、浙江、安徽的组合。山东作为农业大省，其与河北、河南农业科技知识流动的相互作用力较显著，分别达到352.44、274.33；此外，湖北—安徽(291.63)、广东—贵州(266.14)、重庆—四川(220.45)、广西—广东(167.23)的农业科技知识流动空间作用力也比较突出。由以上数据得出，可加大利用地理空间邻近优势，加强以上省域间的强强合作。

5 结论与建议

根据区域农业科技专业化指数、区域农业科技各行业相对专业化程度、区域间农业科技知识流动距离指数及区域间农业科技知识流动的空间相互作用力测度，研究发现：

(1)2000-2018年中国大部分省(市)农业科技朝着多元化方向发展，仅有较少省域(上海、宁夏、新疆)的农业科技还保持较高的专业化水平，但整体上各省(市)依旧呈现出专业化指数递减趋势，对应的优势农业科技总数也自2012年开始减少。此外，我国农业科技呈现同构化发展态势，各省(市)农业科技特色逐渐被“磨平棱角”，形势不容乐观。因此，应鼓励各省(市)根据农业种植资源优势、农业科技资源禀赋，调整自己的农业科技发展方向，尤其是地域特色比较鲜明的东北、海南、西北等地区应保持优势农业科技不断发展，不一味地“摊大饼式”发展农业科技；地方政府应集中资源，出台农业科技发展规划细则，引导农业科技资源向本地优势农业科技集聚。

(2)2018年我国各省域农业科技知识流动距离指数普遍维持在“1”以下，农业科技知识流动距离指数最高为1.027(上海—宁夏)，最小为0.106(江苏—山东)。偏低的知识流动距离虽然有利于各省域间展开农业科技知识交流，但也侧面印证了各省域间农业科技同构化发展趋势显著。其中，在与其它省域农业科技知识流动距离的最大值中，分别是与宁夏(16个)、上海(6个)、贵州(5个)的省域组合，反映出宁夏、上海、贵州的农业科技结构与其它省域差异较大，不利于与上述三省展开农业科技交流。同时，上海、宁夏、贵州亦可结合各自优势，走出独树一帜、风格迥异的农业科技路线。在与其它省域农业科技结构距离的最小值中，主要是与河南、辽宁、广西、重庆的组合，也即河南、辽宁、广西、重庆的农业科技结构与其它省域差异较小，因此上述四省(市)较易与其它省域展开农业科技交流。

在各省(市)进行农业科技市场化博弈的同时，同构化的整体趋势比较明显。因此，各省域应基于区域间农业科技知识流动距离不大的实际情况，结合地域农业特色，积极展开与优势农业科技省域的农业科技交流，重塑自身农业科技优势，提高农业科技专业化水平。同时，鼓励部分省域在农业科技领域开展同构化的农业科技知识交流，如北京、上海等集经济、科技实力于一体的省域，而诸多具备农业特色的省域可适当推进异构化农业科技发展，通过不断拉大区域间农业科技知识流动距离，助力特色农业科技更好更快地发展。

(3)2018年我国各省域间农业科技知识流动的空间相互作用力普遍偏弱，相比之下，空间相互作用力较强的主要存在于距离较近且农业科技专利数较多的省域间，如江苏—安徽、湖北—安徽、重庆—四川、广西—广东等地。青海、宁夏、海南、新疆、东三省等地处偏远地区，农业科技专利数量严重不足；上海、北京等核心地区的农业科技引领力不足，主要依靠江苏、浙江、安徽等东部沿海经济大省在农业科技领域发挥作用。

由于各省域农业科技专利数普遍偏少，省域间开展农业科技互动也颇为困难，正所谓“巧妇难无米之炊”。因此，各省市应加大支持农业科技专利立项，鼓励各大涉农院校、科研机构重视农业科技专利研发，形成较浓厚的农业科技研发氛围，激励各省(市)产出更多农业科技专利，进一步增强各省域间空间作用力，促进省域间农业科技知识流动。同时，应促进西北(青海、宁夏、海南、新疆)、东三省、海南等具备特色农业种植的省域加大农业科技专业化建设，加大与东部沿海省域在农业科技领域的交流，加强北京、上海等科技核心省市的农业科技引领能力建设，充分结合各省市经济、技术优势展开农业科技合作。

参考文献:

[1] 纪绍勤. 我国农业科技创新体系研究[D].北京：中国农业科学院,2005.

[2] 姚辉，高启杰.中国农业科技的区域分工与空间竞合研究[J].科学管理研究，2020，38(6)：102-111.

[3] 农业农村部办公厅.关于通知决定认定首批国家农业科技创新联盟的通知[EB/OL].http://www.moa.gov.cn/nybgb/2020/202002/202004/t20200414_6341542.htm,2020-04-14/2021-03-28.

[4] 农业农村部办公厅.关于认定第二批国家农业科技创新联盟的通知[EB/OL].http://www.kjs.moa.gov.cn/kjcx/202103/t20210326_6364689.htm,2021-03-26/2021-03-28.

[5] 顾新,李久平,王维成.知识流动、知识链与知识链管理[J].软科学,2006，20(2):10-12，16.

[6] 汪涛,STEFAN HENNEMANN, INGO LIEFNER,等.知识网络空间结构演化及对NIS建设的启示——以我国生物技术知识为例[J].地理研究,2011,30(10):1861-1872.

[7] 白俊红,王钺,蒋伏心,等.研发要素流动、空间知识溢出与经济增长[J].经济研究,2017,52(7)：109-123.

[8] 周灿. 中国电子信息产业集群创新网络演化研究：格局、路径、机理[D].上海：华东师范大学,2018.

[9] 叶琴,曾刚.不同知识基础产业创新网络与创新绩效比较——以中国生物医药产业与节能环保产业为例[J].地理科学,2020,40(8):1235-1244.

[10] 白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究，2015，61(7)：174-187.

[11] 文嫮.嵌入全球价值链的中国地方产业网络升级机制的理论与实践研究[D].上海：华东师范大学,2005.

[12] OWEN-SMITH J,RICCABONI M,PAMMOLLI F,et al．A comparison of U.S.and European university-industry relations in the life sciences[J].Management Science,2002,48(1):24-43．

[13] 李琳,吴越.地理邻近、网络位置对产学联盟合作创新的影响[J].中国科技论坛,2014，30(9):75-78，83.

[14] 李福刚,王学军.地理邻近性与区域创新关系探讨[J].中国人口·资源与环境,2007，17(3):35-39.

[15] 汪涛,任瑞芳,曾刚.知识网络结构特征及其对知识流动的影响[J].知识管理,2010(3):150-155.

[16] 张雅蕊.多维邻近视角下创新网络的生成、演化及效应研究[D].武汉：武汉理工大学,2018.

[17] 佘秋平,蔡翔,陈果.高校科研团队距离因素对团队绩效的影响研究[J].技术经济与管理研究,2012，33(9):26-29.

[18] 于玲玲,赵西萍,周密,等.知识转移中知识特性与联系强度的联合调节效应研究——基于成本视角的分析[J].科学学与科学技术管理,2012,33(10):49-57.

[19] 祁延莉,李婧.用于知识流动测度的专利引文指标分析[J].中国基础科学,2014,16(2):25-33.

[20] 鲜果,曾刚,曹贤忠.中国城市间创新网络结构及其邻近性机理[J].世界地理研究,2018,27(5):136-146.

[21] 殷存毅,刘婧玥.所有制区隔与跨域合作创新——基于2005-2015京、沪、深三大城市专利数据分析[J].中国软科学,2019，34(1):82-97.

[22] 王格格,刘树林.国际专利分类号间的知识流动与技术间知识溢出测度——基于中国发明授权专利数据[J].情报学报,2020,39(11):1162-1170.

[23] 方凌云.企业之间知识流动的方式及其测度研究[J].科研管理,2001，22(1):74-78，44.

[24] 李修全,玄兆辉,杨洋.从中美高校知识流动对比看我国高校科技成果转化特点[J].中国科技论坛,2014，30(12):98-102+113.

[25] 旷浩源.农村社会网络与农业技术扩散的关系研究—以G乡养猪技术扩散为例[J].科学学研究,2014，32(10):1518-1524.

[26] 郑继兴.不同情境社会网络对农业技术创新扩散绩效影响的比较研究——基于两个村屯整体社会网络分析[J].科技管理研究,2015,35(2):171-176.

[27] 朱月季.社会网络视角下的农业创新采纳与扩散[J].中国农村经济,2016，32(9):58-71.

[28] 朱月季,高贵现,周德翼.基于主体建模的农户技术采纳行为的演化分析[J].中国农村经济,2014，30(4):58-73.

[29] 高启杰,等.合作农业推广:邻近性与组织聚合[M].北京：中国农业大学出版社,2016.

[30] 史焱文,李二玲,李小建,等.基于SNA的农业产业集群创新网络与知识流动分析——以寿光蔬菜产业集群、鄢陵花木产业集群为例[J].经济地理,2015,35(8):114-122.

[31] 李二玲.中国农业产业集群演化过程及创新发展机制——以“寿光模式”蔬菜产业集群为例[J].地理科学,2020,40(4):617-627.

[32] 王文净.农业科技知识网络结构及演化研究[D].开封：河南大学,2014.

[33] KRUGMAN P. Geography and trade[M].The MIT Press,1991：76.

[34] 席强敏，李国平.京津冀生产性服务业空间分工特征及溢出效应[J].地理学报，2015，70(12):1926-1938.

(责任编辑：胡俊健)