随着新型工业化和城镇化深入推进，区域粮食需求日益增长。在资源与环境双重紧约束下，我国粮食供需长期处于紧平衡状态，粮食生产效率在生产要素的不均衡配置、低效率使用等因素驱动下发生剧烈变化，尤其是南部沿海经济发达地区的粮食安全生产形势日益严峻。粗放式、高污染农业生产要素投入模式已被证实难以为继^[1]，基于“美好生活”和“美丽中国”需求构建区域粮食安全保障体系，不仅亟需厘清粮食生产过程中的投入产出效率现状，更需准确识别粮食生产效率提升的关键因子。

近年来，关于粮食生产效率测评模型的研究涵盖了参数与非参数估计两大类方法，分别以随机前沿分析（SFA）和数据包络分析（DEA）为代表^[2-3]。相较前者，DEA模型因其无需主观赋权投入产出指标的优点而被广泛用于评价多投入和多产出效率问题^[4-5]。研究视角主要囊括了农业生产用水^[6]、土地利用变化^[7]、生计水平等^[8]，从全域国土空间^{[1, 9]}、区域^[8]和省域^[10]范围内综合得出中国粮食生产效率整体中等偏低且部分丘陵山区粮食生产效率高于平原的普遍特征。已有文献基于单一或全要素视角运用DEA模型考虑农业物质生产要素投入，对正确识别我国粮食生产现状意义重大。但单一DEA模型测评所得效率排序结果差异较大，且存在忽略重要信息的风险^[11]。有学者结合熵权法、层次分析法等进一步提出一系列超效率DEA模型（SBM、EBM），但仍未完全解决DEA模型自评标准不统一、效率结果过于“激进”且无法实现全排序等缺陷^{[4, 12]}。随后，Sexton等^[13]引入“自评+他评”方法，将公共权重交互测评DEA相对效率的矩阵——交叉效率DEA模型带入大家的研究视野。交叉效率DEA所得的多重最优权重效率结果，具有测评标准多重、效率结果有效排序且差距小的优点^[14]，更能客观、准确地明晰粮食生产效率现状。为了快速识别粮食生产效率结果中的重要影响因子，许多文献运用DEA-Tobit模型对各类要素进行效率评估和影响因子分析^{[10, 15]}。Tobit模型是一种归并模型，它利用极大似然估计法（MLE）对受限因变量的截尾分布进行估计^[16]。但模型缺失对截断点后方数值的观测，忽略多因子间的差异性，以及固有的多重共线性和内生性问题都会造成计量结果的客观偏误。地理探测器模型突破统计模型的变量处理局限且无需设置过多假设条件的优势，使其广泛应用于社会经济和自然环境等影响机理研究^[17]。同时，利用因子探测器可让自变量在相同（相异）区域内部较好地表达相似性（差异性），充分克服空间分异性分析缺陷。综合梳理文献发现，地理探测器模型在交叉效率DEA模型下的最新研究较少，也鲜有学者在效率评价中运用Tobit模型与地理探测器模型进行实证对比分析。

基于此，本研究将交叉效率DEA模型分别与Tobit模型与地理探测器模型结合，测度1999—2018年粤西地区粮食生产综合效率值，在此基础上分别利用两种模型识别粮食生产综合效率中影响力（贡献度）较高的投入因子。以期获得准确且客观的粤西地区粮食生产综合效率结果及其关键影响因子，针对性地为粤西3市提升粮食生产效率，协调与资源要素配置、利用效率间的关系提供切实可行的政策建议，最终实现节本增效的目的。

粤西地区包括湛江、茂名和阳江3市，地理坐标介于东经109°31′ ~112°21′、北纬20°13′ ~22°41′之间（图 1），土地面积3.26×10⁶ hm²，占广东省土地面积的18%。全区耕地面积8.6×10⁵ hm²，人均耕地面积0.054 hm²。粤西地区三面临南海，地势大致呈北高南低，地形以低山丘陵、台地和河流冲积的滨海平原为主。该区地处北回归线的低纬地区，属热带和亚热带季风气候区，终年受海洋气候调节，雨热同期，年均温22.7~23.3 ℃，年降水量1 700~1 800 mm，但热带风暴和台风等农业气象灾害较为频发。粤西地区在广东省标准耕作制度分区中属华南沿海西双版纳低山丘陵二级指标区，复种类型多为一年二熟，雷州半岛部分地区可一年三熟，复种指数高达228%。优越的光、热、水资源条件使得该区热带、亚热带作物资源极其丰富，特别是水稻等喜温粮食作物的安全生长期长达265~285 d。2018年，粤西地区水稻播种面积为5.3×10⁵ hm²，总产量2.97×10⁶ t。全区农业生产经营人员为385万人，从性别看，男性（52%）>女性（48%）；从受教育程度看，初中（57%）>小学及以下（32%）>高中或中专（10%）>大专及以上（1%）。

图 1 研究区位置图 Figure 1 Location of the study area

广东省对外粮食依存度较高，是全国最大的粮食调入省。粤西地区作为珠三角地区产业转移的主承接区，耕地资源与农业劳动人口相对集中，是识别粮食生产效率水平及关键影响因子的典型区域。

本研究以1999—2018年广东省粤西地区的面板数据为基础，收集整理的变量数据共有14个：粮食总产量、粮食播种面积、农作物总播种面积、有效灌溉面积、化肥施用量（折纯）、氮（磷）肥施用量、复合肥含氮（磷）量、农药使用量、农用塑料薄膜使用量、地膜使用量、第一产业从业人员、农业机械总动力、农林牧渔总产值、农业总产值。原始数据均来源于《广东省统计年鉴》，行政区划界线主要由研究区2018年土地利用现状调查成果解译获得，数据处理软件主要为ArcGIS 10.2、MaxDEA Pro 7.6、Stata 15.0和GeoDetector。

基于投入产出视角，参考现有粮食生产效率评价指标研究成果，兼顾表征变量的易获性、可测性和指标体系的科学合理性，设置投入、产出2个一级指标下的物质投入、人力投入、技术投入、期望产出、非期望产出共5个二级指标（图 2）。结合粮食生产实际的投入产出情况，物质投入指标选取的5个表征变量包括粮食播种面积、有效灌溉面积、化肥施用量（折纯）、农药使用量和农用塑料薄膜使用量。第一产业从业人员表征人力投入指标，农业机械总动力表征技术投入指标^{[15, 18]}。期望产出主要包括粮食和经济产出，用粮食产量和农业总产值衡量。非期望产出是人类活动产生的副产品，此处指粮食生产过程中对生态环境造成的污染，主要包括化肥氮（磷）排放、农药残留、地膜残留3类农业面源污染。考虑到DEA模型要求产出指标不宜过多，且避免计量单位差别而造成数量级别差异，本研究将农业面源污染指标用熵值法计算出农业污染排放综合指数来表征^[19-20]。为了避免异常值对结果的影响，本研究剔除不显著和共线性因子后建立权重指标A、B，将第一产业从业人员和农业总产值用权重A折算，有效灌溉面积、化肥施用量、农药使用量和农业机械总动力用权重B折算。非期望产出是负影响，在指标测算中将农业污染排放作为损失，纳入粮食价值进行计算^{[15, 18]}。

化肥氮（磷）排放量=[氮（磷）肥折纯量+复合肥折纯量×15%]×化肥流失率；农药残留量=农药使用量×农药残留系数；地膜残留量=地膜使用量×地膜 残留系数。化肥流失系数、农药残留系数、地膜残留系数分别为0.65、0.5和0.1[19-20] Emission load N（P）=[N（P）fertilizer purity + compound fertilizer purity×15%] × fertilizer loss rate; Pesticide residue = pesticide use × pesticide residue coefficient; Plastic film residue = plastic film use × plastic film residue coefficient. The chemical fertilizer loss coefficient, pesticide residue coefficient and plastic film residue coefficient is 0.65, 0.5 and 0.1, respectively[19-20] 图 2 研究区粮食生产效率评价指标体系 Figure 2 Evaluation index system of grain production efficiency in the study area

交叉效率DEA模型是由Sexton等^[13]于1986年提出的一种交互自评和他评两种策略获得相对效率的互评体系。交叉效率DEA模型区别于经典DEA模型的关键是互评环节，每个决策单元都从自身的测评标准去评价其他决策单元的效率，实现任意两个决策单元间的互评。为了消除传统DEA模型过度依赖权重的问题，交叉效率DEA模型在CCR模型获取效率值的基础上，引入交互评价机制。用第i个决策单元的最优权重计算决策单元j的效率值，得到矩阵主对角线上是自我评价的决策单元，元素E_ij（i ≠ j）表示第i个决策单元对第j个决策单元的评价。用第i列元素的均值衡量第i个决策单元的交叉效率，E_i越大，交叉效率越高^[21]。其计算公式为：

(1)

Tobit模型又称截取回归模型，它运用极大似然估计法（MLE）对因变量进行截取，常被学者用于解决住房需求、耐用品支出、最佳工厂选址等问题^[22]。DEA模型测算的粮食生产效率值通常是[0, 1]之间的受限因变量，因此Tobit模型常被国内学者用于分析耕地利用或粮食生产效率影响机理^{[15, 18, 23]}。但Tobit模型会忽略多因子间的差异性，而且截尾分布特征及其固有的多重共线性和内生性问题还会进一步加剧计量结果的偏误^[16]。

地理探测器模型由王劲峰等^[24]开发，它是从空间异质性视角探测因变量对自变量的解释力（q值）的一种新型空间统计学方法。地理探测器包含了因子、交互作用、生态和风险4个探测器，可同时探测、识别定量和定性驱动因子。与其他传统模型相比，地理探测器模型具有多重共线性免疫、避免自变量与因变量互为因果等优点^{[17, 25]}。因此，在土壤重金属^[26]、耕地生产效率^[27]等空间变异驱动因子分析中，地理探测器模型得到广泛应用。

为了清晰直观表达粤西地区粮食生产效率变化差异，本研究构建粤西地区1999—2018年的交叉效率DEA模型测算粤西地区整体及阳江、湛江、茂名3市的粮食生产效率，并将粮食生产效率结果划分为5组效率区间：低效率≤0.60；0.60 < 中低效率≤0.70；0.70 < 中等效率≤0.80；0.80 < 中高效率≤0.90；0.90 < 高效率≤100。由表 1和图 3可以发现：综合20年粮食生产效率均值来看，3市均值为0.77，整体上呈中等效率水平。其中，阳江、湛江和茂名3市20年粮食生产效率均值依次排序为茂名（0.88）>阳江（0.78）>湛江（0.65）。粤西地区粮食生产效率整体上呈先降后升的变化趋势，波动，幅度较小，约为4%。1999—2008年波动降幅达18%，2008年出现最低值拐点（0.68）后反弹上升，近5年粮食生产综合效率提升显著。阳江市粮食生产效率变化趋势大致与粤西地区整体变化趋势相同，1999—2008年10年间粮食生产效率呈中等效率水平波动，降幅约为22%，最低值出现在2008年（0.67），2010年后开始稳定上升并恢复至中高效率水平。湛江市粮食生产效率常年处于中低效率水平波动状态，1999—2008年波动降幅为15%，并出现低效率年份（2008年0.58），之后粮食生产效率上升趋势不显著。茂名市粮食生产效率整体处于中高效率水平，1999—2008年波动下降19%，最低值出现在2006年（0.76），2006年之后粮食生产效率波动上升，尤其是2014—2018年粮食生产效率达到高效率水平。粤西地区粮食生产效率水平整体不高，20年间无高效率和低效率年份存在，中高效率年份仅有1999年（0.83），中等效率的年份占比最高（85%）；中低效率年份仅有2006年（0.69）和2008年（0.68）。但是，粤西地区内各市粮食生产效率水平差异较大。阳江市粮食生产处于中等效率的年份占比最高（50%），中高效率年份占40%，剩余10%是中低效率年份（2006和2008年）。湛江市粮食生产效率较低，中低效率水平年份占90%，2008年（0.58）为低效率年份，2012年（0.71）为中等效率年份。茂名市粮食生产效率水平较高，中高效率年份占比最高（55%），高效率年份占35%，中等效率年份仅占10%（2006年和2008年）。

表 1 Table 1

表 1 粤西地区3市粮食生产效率的交叉效率分析 Table 1 Cross efficiency analysis of grain production efficiency in western Guangdong

表 1 粤西地区3市粮食生产效率的交叉效率分析 Table 1 Cross efficiency analysis of grain production efficiency in western Guangdong

图 3 粤西地区粮食生产效率变化趋势 Figure 3 Trend chart of grain production efficiency in western Guangdong

本研究选取粮食生产效率指标中的7个投入因子数据作标准化处理，以保障Tobit模型测得回归结果的稳健性。根据回归模型结果（表 2），Log likelihood值为107.675，通过1%显著性水平检验，Tobit模型整体显著。由表 2可以发现，影响粮食生产效率的关键因子主要为化肥施用量、第一产业从业人口、农用塑料薄膜使用量、农业机械总动力4个因子，影响力大小排序依次为：农业机械总动力>化肥施用量>第一产业从业人口>农用塑料薄膜使用量。7个因子中仅有化肥施用量呈显著正相关，回归系数为0.015，且通过5%显著性水平检验，说明每增加1%化肥施用比例，粮食生产效率会提高0.015。农用塑料薄膜使用量、第一产业从业人口、农业机械总动力3个因子对粮食生产效率具有显著负相关，3个因子在1%水平显著，在其他条件不变的情况下，农用塑料薄膜、从业人口和机械总动力每增加1%投入，粮食生产效率将分别下降0.001、0.009和1.082。粮食播种面积、有效灌溉面积和农药使用量3个投入因子虽与粮食生产效率相关性不显著，但均表现出正向性影响，影响力大小排序为：有效灌溉面积>粮食播种面积>农药使用量（表 2）。

表 2 Table 2

表 2 Tobit模型的影响因子分析结果 Table 2 Impact factor analysis results of Tobit model

表 2 Tobit模型的影响因子分析结果 Table 2 Impact factor analysis results of Tobit model

不同地区粮食生产投入量存在空间差异，因子探测器既能探测粤西地区粮食生产效率（Y）的空间分异性，也能探测各影响因子（X）对粮食生产效率空间分异性的解释力（q值）。设粮食生产效率为Y，粮食播种面积、有效灌溉面积、化肥施用量、农药使用量、农用塑料薄膜使用量、第一产业从业人口、农业机械总动力分别为X₁、X₂、X₃、X₄、X₅、X₆、X₇，将研究区内不同地区的原始投入因子数据作降维和变换处理后，分别将X、Y导入地理探测器，q值越大表示自变量X对因变量Y的解释力（贡献力）越强，反之则越弱。经地理探测器因子探测，7个因子均通过显著性水平检验，由结果（表 3）可知，不同因子的贡献力q平均值为0.490，7个因子贡献力从大到小依次排列为：X₇>X₁> X₆>X₂>X₃>X₄>X₅，即农业机械总动力（0.942）>粮食播种面积（0.661）>第一产业从业人口（0.617）>有效灌溉面积（0.587）>化肥施用量（0.235）>农药使用量（0.198）>农用塑料薄膜使用量（0.188）。影响粮食生产效率的第一主导因素是技术投入，农业机械总动力的影响力是农用塑料薄膜使用量的5倍，农用塑料薄膜使用量的影响力最低。

通过Tobit模型和地理探测器模型分析各投入因子对粮食生产效率的影响力度，可以发现，两种模型计算结果存在较大差异，整体上呈现以下特点：Tobit模型与地理探测器模型测度所得的对粮食生产效率影响最大因子的结果相同，均为农业机械总动力。Tobit模型测算粮食生产效率影响因子得出粮食播种面积、有效灌溉面积和农药使用量3个影响因子与粮食生产均呈正相关，但影响不显著。粮食生产效率在一定程度上受粮食播种面积的影响^[2]，显然，Tobit模型判定粮食播种面积对粮食生产效率影响不显著的结果不符合生产实际。地理探测器模型测算各影响因子贡献力（q值）均差异显著。Tobit模型与地，理探测器模型测算结果的差异很有可能是随机效应Tobit模型无法反映个体和时期差异，而本研究不能将时间序列和地区以虚拟变量的形式剔除，进而加剧估计结果的偏误。地理探测器模型对多重共线性免疫，能避免自变量与因变量互为因果的内生性问题，并且从异质性视角探究各投入因子的空间分异特征，从运算结果可以得出，相比于Tobit模型，地理探测器模型在变量处理和参评因素方面更具优越性，因子探测结果偏误较低、有效性更高。

通过两种模型对粤西地区粮食生产效率影响因子的对比分析可以发现，地理探测器模型所得结果更加客观可靠。因此，采用地理探测器模型进一步对粤西3市粮食生产效率影响因子进行分析，以利于因地制宜地为区域优化资源配置和利用效率，以及提升粮食生产效率提供针对性建议。阳江市粮食生产效率的因子贡献力（q值）为0.103~0.829，平均值为0.426，其中农业机械总动力>粮食播种面积>第一产业从业人口>化肥施用量>有效灌溉面积>农药使用量>农用塑料薄膜使用量；湛江市粮食生产效率因子贡献力（q值）为0.103~0.836，平均值为0.346，农业机械总动力>化肥施用量>农药使用量>第一产业从业人口>农用塑料薄膜使用量>粮食播种面积>有效灌溉面积；茂名市粮食生产效率因子贡献力（q值）为0.423~0.938，平均值为0.688，农业机械总动力>化肥施用量>农药使用量>粮食播种面积>第一产业从业人口>农用塑料薄膜使用量>有效灌溉面积（表 3）。

表 3 Table 3

表 3 基于地理探测器模型的粤西地区粮食生产效率因子探测结果（q） Table 3 Factor detection results of production efficiency in the western Guangdong on the basis of geographic detector model(q)

表 3 基于地理探测器模型的粤西地区粮食生产效率因子探测结果（q） Table 3 Factor detection results of production efficiency in the western Guangdong on the basis of geographic detector model(q)

农业资源配置效率与粮食生产效率存在内在联系，广东省农业资源配置效率区域不平衡，粮食生产率水平整体不高^[28]。1999—2018年，粤西地区粮食生产效率整体呈中等效率水平（0.77），表现为先降后升的变化趋势，这可能是由于我国在21世纪初进入了第4次农业结构调整时期，沿海经济发达地区推进以市场为导向，降低种植业内部粮食作物占比，1999— 2008年广东省整体上出现粮食播种面积和粮食总产量连年减少的局面，粤西地区尤其是湛江等地大力提升经济类作物比例，粮食生产效率下降趋势显著^[29-30]。而2008年出现最低值拐点后反弹上升，极大程度得益于粤西地区调整资源配置结构，优化粮食作物品种和品质结构^[31]。

粮食生产效率及其影响因素具有显著的空间异质性^[1]。Tobit模型本质是受限因变量模型，在评价空间性质的影响因子时，不能充分反映各异质性因子的变化规律与粮食生产效率之间的复杂关系，因此其评价结果通常不显著；地理探测器模型充分克服空间分异性分析缺陷，模型更加稳定，结果更加客观。各影响因子中，农业机械总动力对粤西及3市粮食生产效率贡献力最高，这主要由于粤西地区大部分耕地分布于滨海冲积平原和台地上，耕地集中程度较高。粤西地区农业机械化程度超过60%，阳江与茂名农机服务市场也日趋成熟，种植户获取生产机械化服务更加便利，将粮食生产环节外包给专业化的服务组织进行机械化作业可以实现粮食生产过程中的分工经济，分工经济更利于提升生产效率，间接反映了机械化程度对粮食生产效率具有显著促进作用^[32-33]。耕地面积和粮食种植面积是稳定和提高粮食生产的基本条件^[2]，本研究经地理探测器识别得出粤西地区仅湛江市粮食播种面积对粮食生产效率的贡献力较低（0.198），在阳江和茂名两市粮食播种面积均属于高贡献力因子，粮食生产效率也相对较高，这一研究结果与其他学者研究所得结论基本一致^[18]。此外，湛江市粮食生产效率偏低（0.65），而粮食播种面积对粮食生产效率的贡献力仅为0.198，这可能是由于光、热、水资源条件利于粮食、糖料、油料作物种植，但种植经济作物比较利益更高，加之农业结构调整，2012—2018年耕地减少率虽为4.18%，但园地增加率为18.42%^[34]，尤其是粮食播种面积大幅缩减，2018年粮食播种面积不足农作物播种面积的50%。同时，湛江有效灌溉面积对粮食生产效率的贡献力最低（0.103），这可能是因为雷州半岛河川径流不大、地势平坦不利蓄水灌溉、现有水库工程设施陈旧等导致工程性缺水问题较为严重^[35]，农业用水问题在一定程度上阻碍粮食生产效率的提高。研究结果和实际生产情况相互佐证了地理探测器结果的合理性。

Tobit模型中化肥施用量、农药使用量、农用塑料薄膜使用量分别与粮食生产效率呈显著正相关、相关性不显著和显著负相关。而地理探测器模型识别出的对粤西地区整体粮食生产效率影响力较低的因子分别为化肥施用量、农药使用量和农用塑料薄膜使用量，这与闫岩等^[18]、张欣等^[23]的研究结果一致。但是，粤西地区自2008年以来，总氮、总磷等农业面源污染物的排放强度较广东省其他地区显著增加，尤其是湛江市和茂名市农业种植业结构调整，以传统粮食作物为主的种植结构向经济作物和其他作物转变，化肥、农药、农用薄膜2018年每公顷耕地使用量增加约42 kg^[36]。化肥等物质生产要素的加大投入在一定程度上可以提高粮食生产效率，但已有研究证明化肥投入对粮食产量的弹性系数呈“倒U型”变化趋势^[37]，生产要素过度投入所产生的农业面源污染也同样不容忽视。

本研究运用交叉效率DEA模型对粤西地区粮食生产效率进行测算，并用Tobit模型和地理探测器模型分别对影响粮食生产效率的关键因子进行测度，得出如下结论：

（1）1999—2018年，粤西地区粮食生产效率不高，整体上呈中等效率水平（0.77），其中，茂名市粮食生产效率最高（0.88），阳江市次之（0.78），湛江市最低（0.65）。粤西地区粮食生产效率先降后升的变化趋势十分显著，主要表现为1999—2008年，粮食生产效率连年下降，2008年跌至中低效率水平（0.68），在出现最低值拐点后反弹上升。3市粮食生产效率变化趋势大致与粤西地区整体变化趋势相同。

（2）总的来说，地理探测器测度结果无不显著因子存在，测度因子贡献力比Tobit模型所得结果更稳定且偏误小。Tobit模型测得7个影响粮食生产效率的投入因子，其中仅化肥施用量与粮食生产效率呈显著正相关，有效灌溉面积、粮食播种面积、农药使用量3个因子与粮食生产效率相关性不显著，其余因子呈显著负相关；而地理探测器测得所有因子均对粮食生产效率产生显著影响。

（3）农业机械总动力是影响粤西3市粮食生产效率的主导因子，但不同城市粮食生产效率的因子贡献力差异较大。阳江市各投入因子贡献力与粤西地区大致相同。湛江市与茂名市粮食生产效率对化肥、农药等要素依赖较大，两市有效灌溉面积贡献力均最低。

提升粮食生产效率利于维护区域粮食安全，在追求“美好生活”和建设“美丽中国”需求下，更加需要在提升粮食生产效率的同时，协调处理与要素配置、利用效率间的关系，实现节本增效的最终目的。因此，建议未来粤西地区可以采取以下措施：

（1）在保证粮食安全生产的前提下实施差别化绿色农业发展管理模式，引导农户将高投入生产转变为精准生产，走粮食增产和农业污染减排的可持续发展道路，如粮食生产效率较高但对高污染生产要素依赖较大的茂名市可推广测土配方精准施肥技术和生物防治病虫害技术，在提高肥料利用效率和减轻农药依赖的同时，从源头遏制农业面源污染产生。

（2）以广东省高标准农田建设、耕地提质改造（旱改水）等工程项目为契机，完善农业基础设施建设，如水资源匮乏的湛江市可因地制宜开展农田生态沟渠、排水集蓄回用设施和水库加固、扩容工程等，解决农业用水问题，并且进一步推广节水灌溉及水肥一体化等现代先进农业技术，高效利用水资源。

（3）综合提升粮食生产效率必须以政府为主导，构建现代农业生产体系。粤西各市政府应建立长效支农政策，通过政策倾斜引导粮食生产。如大力扶持具有资源禀赋优势的粮食生产集聚区和特色农产品优势区，形成农业产业集群，充分发挥农业生产要素集聚优势，紧密耦合物质、人力、技术三方面生产要素，获取规模效益、专业化效益和技术溢出效益。特别是粤西3市在国家级、省级商品粮基地和现代粮食产业园建设中，政府可在稳妥推进农村承包地流转的基础上，鼓励农户发展农业适度规模经营，实现粮食规模效率生产。同时，政府积极引导科研院所创新粮食增产技术和农技推广模式，定向组建以“院（省级农科院）企结合”为代表的全产业链、专业化专家服务团队，利用“三农”服务人才的专业优势，迅速凝聚、转化和推广农业科技要素，提升人力要素和技术要素配置、利用效率，推进粮食生产向高产、优质、高效、生态和安全转型升级，最终实现粮食产业现代化生产。