本文构建的农业数字化水平测度指标体系基于多维度解构原则，将核心框架划分为数字基础设施建设、经济数字化、治理数字化与生活数字化四个协同作用的子系统。基础设施维度通过农村宽带接入用户数量衡量网络覆盖能力，结合气象监测站点业务规模衡量数据采集基础，采用农村投递路线长度衡量物联网末端服务渗透度；经济转型层面选择淘宝村占比衡量产业集聚形态，利用电子商务交易规模与普惠金融指数分别刻画市场交易活动和金融服务数字化深度；治理维度衡量财政支出的城乡社区事务资金配置效率，生活维度则从居民通信消费支出与电信业务总量两个视角，衡量信息服务供需双侧的数字化演进轨迹。该指标架构以层次化设计实现农业数字化转型特征的系统性刻画。具体指标体系变量选择，如下 表1 所示。

续表

本文利用2013~2022年全国除港澳台地区以外31省(市、自治区)的农业数字化各维度数据，采用熵值法对其进行综合测度。本节数据源于《中国统计年鉴》、各省统计年鉴、北大普惠金融中心、国家统计局《淘宝村研究报告》等。

图1 显示，自2013年至2018年，农业数字化转型进入初期扩展阶段，年均增长率为12.43%至23.80%，累计年均增幅达123%。政策驱动下，大规模基础设施投资与技术引入推动了农业生产效率提升与市场拓展，改善了农村生产要素回报率。自2019年进入结构调整阶段，增长率降至7.78%至19.17%区间，2021年出现−3.94%的负增长，主要因疫情冲击导致农村数字服务供应链中断，以及传统农业经营主体转型滞后，部分地区收入差距加大。至2022年，增速恢复至7.78%，年度均值增为0.2123，说明农业数字化行业内部韧性增强，低代码技术普及和新型经营主体发展推动了数字化转型的普惠效应。

2013年至2022年，各省农业数字化整体呈现大幅提升趋势，但疫情冲击催生了一定程度的格局重构。通过ARCGIS 10.8绘制的热力图， 图2 显示，2013年和2016年大部分地区仍处于较低水平，而2019年和2022年，沿海及经济发达地区(如北京、上海、浙江、广东)已达到中高或高水平。具体而言，北京和上海在后疫情阶段的平均增速分别为33.44%和21.92%，浙江、福建、海南、重庆、西藏、天津、山东、广东等地亦保持稳健回弹。与此同时，东北三省在2022年的热力图中相比2019年出现“掉档”迹象，其十年累计增速分别为黑龙江52.89%、辽宁57.67%和吉林66.23%，位居全国尾端。其原因在于，沿海与经济发达省份拥有完善的数字基础设施、雄厚资本、政策支持以及成熟的电商和物流网络，从而为农业数字化转型提供了强有力的硬件与制度保障；此外，这些省份在产业结构上更易与数字经济深度融合，借助智能装备、精准农业技术和数据服务实现高效升级。相比之下，东北三省等传统农业大省在疫情期间对数字技术的吸纳和应用较为迟缓，部分原因在于人口老龄化、产业转型动力不足、人才外流以及数字化基础薄弱，致使其增速难以追赶活跃区域，形成“东强西弱、南快北慢”的发展格局。

基于地理因素，我国各省划分为东部、中部和西部三个区域。 图3 展示了2013至2022年各区域农业数字化水平均值时序图，显示出农业数字化转型呈现显著梯度分化特征，主要源于区域间数字化要素禀赋结构失衡。东部地区持续领先，其核心动能来自于城市群经济带构建的物流网络和数字基建协同效应，十年间数字化水平增幅达260%，对全国均值变动的贡献始终超过75%。长三角和珠三角资本密度显著高于中西部，加之数字经济人才优势，推动农业数字化向高附加值环节延伸，形成智能装备应用与垂直产业融合的良性循环。中部与西部增速波动反映出系统脆弱性，2021年数字化水平分别出现11.5%和12.4%的断崖式下跌，原因在于产业链数字化改造深度不足及风险缓冲机制缺失。此外，中西部县域农产品电商渗透率远低于东部，传统流通体系在外部冲击下供给响应滞后。

在对各省农业数字化水平预测时，采用马尔科夫模型可有效揭示状态转移规律和发展趋势。本文基于分位数方法将农业数字化水平数据划分为低、中低、中高和高四个等级，并利用马尔科夫模型对其状态动态进行建模与分析。

表2 为马尔科夫模型的移步转移概率矩阵。主对角线元素显示系统存在明显自锁定效应：低水平和高水平区域维持现状的概率分别为82.43%和98.44%，形成两极分化的稳态结构，而中低和中高状态的自我维持概率较低，分别为66.22%和73.13%。低水平区域向中低跃迁的概率仅为17.57，且难以实现更高阶段跃迁；这是由于数字化要素边际成本递增，初始数字化水平较低的地区需承担较高的基础设施沉没成本与人力资本培育费用，导致追赶动力衰减。高水平区域则依托技术扩散的网络外部性，通过构建数字生态系统形成技术壁垒，使高阶技术应用的边际收益呈指数增长。此外，中低状态向中高状态的转移概率为33.78%，而中高向高阶跃迁的概率仅为19.4%，表明农业数字化转型中期存在协同瓶颈，即产业融合不足和治理模式滞后，限制了技术红利的释放。因此，单靠市场机制的渐进改良难以打破两极分化格局，亟需构建精准干预的跨区域数字化补偿机制，以缓解低水平区域的资源约束和中间层级的协同障碍。

传统马尔科夫链分析中，状态转移概率主要依赖于自身历史状态的延续性与跃迁倾向，未关注区域环境的动态关联。引入空间马尔科夫模型对邻域条件产生实际影响，从而使农业数字化水平未来演化预测更趋于现实。下 表3 显示，各省经济高质量发展的长期状态不再是内生自我演进，而是受周边区域结构共同约束与激发的过程。无论外部条件如何，当某省处于低水准时，其维持原状态的概率较高：当邻域水准较低时为78.95%，而邻域水准较高时升至100%。在非高邻域水准条件下，低水准地区向上跃迁的概率约为17.57%，表明空间溢出效应突破了传统马尔科夫模型的预测局限，为低水准地区创造了跨越式发展机遇。中低水准省份在邻域水准提升过程中稳定性明显削弱；当邻域水准介于低与中高之间时，其维持原状态的概率依次为72.73%、75.9%和64%，而在高邻域水准下，该概率骤降至25%，同时向中高水准跃迁的概率高达75%。原因在于，外部高水准邻域激发正向空间溢出效应，通过知识溢散、技术示范和资源共享等机制削弱中低省份的转型惯性，并促成区域间数字化转型的拉动效应。对于高水准省份，尽管邻域效应较低，其维持高水准的概率仍极高，至少达97.44%，得益于完善的数字生态系统和技术壁垒，巩固了其领先地位。

续表

农业数字化转型直接影响城乡收入差距的机制主要体现在生产力重构、市场边界拓展和就业结构优化三个层面。农业生产中，智能设备和精准农业技术提升了产出效率，降低了资源损耗和人力投入，从而提高了单位劳动收益。产业链升级方面，电商平台普及使农产品流通渠道扁平化，压缩了中间环节利润，并突破了传统信息获取的局限，通过实时供需对接降低了交易成本。就业创业方面，数字技术催生了农产品直播销售、智慧农场运维等新兴职业，并借助物联网服务与普惠金融工具降低创业门槛，形成农村非农就业乘数效应。上述机制共同促进了农民经营性收入与工资性收入的同步增长，通过提高要素配置效率和拓展经济活动空间，有效缩减城乡收入差距。

研究假设H1：农业数字化转型显著抑制城乡居民收入差距扩张。

数字化技术推动农业生产由经验依赖向数据决策转变，并催化农业与加工制造、供应链管理及金融服务的垂直整合，构建以数字化为纽带的产业生态。在此过程中，传统农业附加值通过产品深加工与品牌运营提升，物流基础设施延伸与普惠金融服务支撑产业融合深化。跨产业协同重构农村要素配置模式，催生农产品电商运营、智慧农机服务等新兴业态，促使农村劳动力从单一农业向多元非农领域转移。产业价值链的延伸与裂变通过规模经济效应提高劳动生产率，并通过就业岗位增多拓宽收入渠道，从而形成缓解城乡收入分化的传导链。农业数字化转型通过塑造新型产业分工与价值分配格局，实质推动城乡生产要素报酬趋同。

研究假设H2：农业数字化转型促进产业结构创新升级，进一步对城乡居民收入差距存在负向显著性间接影响。

在技术扩散初期，数字要素渗透具有明显区位选择倾向，主要集中于人力资本充足、物质资本雄厚及基础设施条件优越的区域。这些区域的经营主体通过智能装备与数据要素协同，优化生产流程、扩展市场半径，从而提高农业全要素生产率并加速收入增长。然而，由于技术鸿沟和要素错配，乡村内部不同群体的技术获取能力存在梯度差异，部分边缘农户在数字红利分配中处于结构弱势，导致收入分化出现马太效应，城乡收入差距阶段性扩大。随着数字技术进入规模化应用阶段，网络基础设施的普及和数字素养的提升催生技术普惠效应，此时数据要素的乘数作用突破区域界限，通过产业生态重构和价值链升级形成空间溢出效应。智慧农业系统的深度融合推动传统农业向精准化、集约化转型，同时催生农村电商、云服务、供应链管理等新兴业态，为农村剩余劳动力创造多元增收路径。当数字技术应用的广度与深度达到临界阈值，其边际增收效应由局部扩散转向整体均衡，城乡要素流动壁垒逐步消解，收入分配格局由分散趋于均衡。这印证了数字技术扩散遵循“先极化后均衡”的演进路径，最终通过技术同化与制度适配逐步缩小城乡收入差距。

研究假设H3：农业数字化转型对城乡居民收入差距存在显著的非线性“倒V”形影响。

本文最终选择2013~2022年全国除港、澳、台地区以外31个省(直辖市、自治区)的数据，探讨农业数字化转型对城乡居民收入差距的影响。

本文以城乡居民收入差距为被解释变量，采用城镇与农村居民可支配收入比值衡量区域发展均衡性。核心解释变量为农业数字化水平，基于熵值法构建涉农数字化基础设施、经济数字化、治理数字化和生活数字化等指标。中介变量为产业结构高级化指数，以第三产业与第二产业增加值之比衡量经济结构转型，考察其在生产要素再配置与技术扩散中的传导作用。控制变量包括：固定资产投资能力(衡量区域资本形成强度)；科技创新能力(衡量知识溢出与技术转化水平)；人力资本水平(以高等教育人口占比衡量劳动力质量)；市场化程度(基于技术交易活跃度衡量要素配置效率)；对外开放程度(衡量经济外向型特征)；城镇化水平(衡量城市空间集聚效应)；政府干预程度(以财政支出规模衡量政府调控力度)。上述变量选取严格遵循科学原则，具体介绍见 表4 。

本节变量的数据源于《中国统计年鉴》、各省统计年鉴等。各变量描述分析如下 表5 所示。

续表

本文首先构造基准回归模型，探讨农业数字化水平 $AD{L}_{it}$对城乡居民收入差距 $UI{G}_{it}$的直接影响。模型在控制个体固定效应 ${\alpha }_i$与时间固定效应 ${\lambda }_t$的前提下，综合考虑其他控制变量 $X_{it}$对因变量的调控作用，模型表达式为式(1)：

$UI{G}_{it}={\alpha }_i+{\beta }_{1}AD{L}_{it}+\gamma X_{it}+{\lambda }_t+{\epsilon }_{it}$ (1)

其中 $i$和 $t$分别代表省域个体与时间截面， ${\beta }_1$为待估参数， $\gamma$表示控制变量的联合效应， ${\epsilon }_{it}$为随机扰动项。

为检验产业结构 $I{S}_{it}$在农业数字化水平与城乡居民收入差距之间的中介作用，本文引入中介效应模型，再基准回归模型的基础上，补充两步估计中介效应。首先，构造中介变量方程式(2)：

$I{S}_{it}={\alpha }_i^M+{\delta }_{1}AD{L}_{it}+{\gamma }_1{X}_{it}+{\lambda }_t^M+{\epsilon }_{it}^M$ (2)

其中 ${\alpha }_i^M$与 ${\lambda }_t^M$分别为中介模型中的个体和时间固定效应， ${\delta }_1$表示农业数字化水平对产业结构的影响系数。其次，在控制农业数字化水平的基础上，建立城乡收入差距的回归方程式(3)：

$UI{G}_{it}={\alpha }_i^U+{\beta }_{1}AD{L}_{it}+{\beta }_{2}I{S}_{it}+{\gamma }_2{X}_{it}+{\lambda }_t^U+{\epsilon }_{it}^U$ (3)

其中 ${\alpha }_i^U$与 ${\lambda }_t^U$分别为因变量模型的个体和时间固定效应， ${\beta }_2$为产业结构对城乡收入差距的边际效应。通过温忠麟三步法，本文量化中介变量在影响链条中的作用。

为进一步刻画农业数字化水平对城乡居民收入差距影响的非线性关系，本文构建双重门槛模型。考虑到农业数字化水平可能在不同发展阶段呈现出阶段性边际效应，故将农业数字化水平 $AD{L}_{it}$作为门槛变量，并设定两个门槛值 ${\tau }_1$与 ${\tau }_2$。在控制个体固定效应 ${\alpha }_i$，时间固定效应 ${\lambda }_t$以及其他控制变量 $X_{it}$的前提下，模型表达式为式(4)：

$UI{G}_{it}={\alpha }_i+{\beta }_{1}AD{L}_{it}\cdot I\left(AD{L}_{it}\le {\tau }_1\right)+{\beta }_{2}AD{L}_{it}\cdot I\left({\tau }_1<AD{L}_{it}\le {\tau }_2\right)+{\beta }_{3}AD{L}_{it}\cdot I\left(AD{L}_{it}>{\tau }_2\right)+\gamma X_{it}+{\lambda }_t+{\epsilon }_{it}$(4)

其中 $I(\cdot )$表示指示函数， ${\beta }_1,{\beta }_2$与 ${\beta }_3$分别反映农业数字化水平在不同区间对城乡收入差距的边际效应。

从 表6 基准回归结果可见，农业数字化水平(ADL)的系数在五个回归模型中均呈显著负向效应，且各模型均通过1%显著性检验，表明农业数字化提升对收入差距收窄具有显著作用。究其原因，数字化技术显著提高农业生产效率，提升农民收益，精准农业技术提升资源利用效率、降低成本并增加产出效益。在农产品流通环节，数字化拓展销售渠道，削减中间环节，帮助农民与市场直接对接，从而获得更高收益。

在模型5中，固定资产投资能力系数为2.518，5%水平显著，表明资本投入增加会扩大城乡收入差距。投资主要集中于城市，推动城市经济和收入提升，而农村因基础设施、资本积累和技术滞后未能同步受益。科技创新能力系数为1.652，5%水平显著，显示城市在技术创新中的领先地位加剧城乡差距。人力资本水平系数为−31.316，1%水平显著，表明提高高等教育人口比例可提升农村劳动力技能与收入潜力，从而缩小城乡差距。市场化程度系数为−0.017，5%水平显著，说明技术市场交易额增加优化资源配置，促进农村经济融入市场，进而缩小收入差距。

注：括号内为T统计值，^***p < 0.01，^**p < 0.05，^*p < 0.1。

本文通过增加控制变量、缩短样本区间以及剔除直辖市三种方法对研究结果进行稳健性检验，以确保研究的可靠性与有效性。结果如 表7 所示。

模型6至模型8逐步纳入对外开放程度、城镇化水平和政府干预程度变量，以验证核心结论的稳健性。农业数字化水平系数在−0.130至−0.172之间，均在5%及以上水平显著，证实其缩小城乡收入差距的持续效应。以模型8为例，城镇化水平系数为−0.960 (t = −5.00)，在1%水平显著，表明城市扩展有助于优化农村资源配置；政府干预程度系数为0.604 (t = 4.43)，在1%水平显著，反映财政支出结构中城市偏向性导致的资源错配，过度干预可能扭曲市场对农村要素的定价效率；对外开放程度系数为0.031，未达统计显著性。

2020年疫情对农业数字化转型形成双向冲击：防疫封锁倒逼农业生产端加速应用物联网、电商平台等数字技术，但物流中断与劳动力流动限制同时削弱了数字技术对农产品流通环节的优化效应。此外，城市经济活动迅速恢复、农村市场调适滞后导致城乡收入分配遭受冲击。因此模型9剔除2020年数据后，农业数字化水平系数为−0.131，达10%显著性标准，印证在常态化年份时，农业数字化对缩减城乡收入差距仍存在显著的缓和作用。

为控制直辖市特殊制度禀赋对估计结果的潜在偏误，模型10对进行剔除直辖市处理。直辖市兼具行政层级优势与资源集聚特征，其超常规财政投入机制、优先数字基建布局及高度城镇化基础，使得城乡要素流动机制与非直辖省份存在结构性差异。结果显示农业数字化水平系数为−0.149 (t = −2.19, p < 0.05)，较模型(8)系数绝对值提升14.6%，5%统计显著性验证常态省份的区域普适性。结果证实：排除行政资源配置极化区域的干扰后，农业数字化转型对一般性省份城乡收入差距的收敛效应更趋强化，技术渗透对传统农业省份要素报酬结构的优化作用具有更强的边际改进空间。

注：括号内为T统计值，^***p < 0.01，^**p < 0.05，^*p < 0.1。

基于温忠麟中介效应检验框架， 表8 中模型11~13分别检验农业数字化对城乡收入差距的直接效应、通过产业结构升级的中介效应及总效应。根据温忠麟三步法的中介效应检验，首先检验农业数字化水平对收入差距的直接效应，其系数为−0.130 (t = −2.05, p < 0.05)，表明农业数字化水平在控制其他变量后，对城乡收入差距具有显著的负向影响。其次，产业结构的中介效应系数为0.691 (t = 4.14, p < 0.01)，说明农业数字化通过产业结构调整对收入差距产生显著的正向影响。全效应为−0.147 (t = −2.25, p < 0.05)，进一步验证通过产业结构创新升级可以更大程度地抑制城乡居民收入差距的扩大。因此验证研究假设H2。究其原因，数字化技术采用率较高家庭中超40%劳动力转移至电商运营与物流配送岗位，促使家庭收入上扬。农业企业中，数字化投入较多单位超60%从事农产品深加工与品牌建设，产品附加值提升幅度达20%~50%，资本及劳动力配置效能获改善。另外，农户受教育年限延长时，数字化工具使用效率提高，通过技术替代与效率增进传导机制推动产业结构转型，城乡收入差距得到有效缓和。

注：括号内为T统计值，^***p < 0.01，^**p < 0.05，^*p < 0.1。

在进行门槛效应检验前，需对面板模型的门槛个数予以检验。本文运用Bootstrap法进行500次抽样，针对农业数字化水平与城乡居民收入差距之间，就农业数字化水平的单一门槛、双重门槛展开检验。 表9 显示，单门槛模型的F统计量为23.52，Prob值为0.094，表明在10%显著性水平下，单门槛模型的门槛效应显著。而双重门槛模型的F统计量为7.39，Prob值为0.742，高于10%临界值，意味着双重门槛模型的门槛效应不显著。因此，原假设“无显著门槛效应”在双重门槛模型下未被拒绝。综上，模型存在显著的单门槛效应，经计算，门槛值为0.0988。

从 图4 可见，LR统计量在门槛值范围内波动明显，且当门槛值处于交点左侧时，LR统计量显著高于红色虚线的5%临界值，表明单门槛效应成立且具有较高的统计显著性。

表10 中门槛模型检验结果证明农业数字化对城乡收入差距调节效应存在明显非线性倒V特征：农业数字化水平低于0.0988时，系数为0.368 (t = 2.85, p < 0.01)，在1%显著性水平下促使城乡收入差距扩大；超过此阈值后，系数转为−0.133 (t = −2.17, p < 0.05)，在5%显著性水平下缩小收入差距。农业数字化转型过程中存在结构性拐点，初期数字基础设施覆盖不均与技术应用能力差距致使城镇资本密集部门与高技能群体获取较高红利，促使要素报酬分配出现区域分割；跨越临界水平后，农村数字生态系统完善促成技术扩散，通过农产品供应链数字化改造与普惠金融渗透扩大利益范围，城乡收入差距随之减小。微观数据指示，农业数字化水平低时，小规模农户在电商平台应用不足，高技能群体借数字渠道获得额外收益，城乡收入差距随之拉大。随着数字生态系统改善，电商渗透提升，小规模农户依托直播等新业态收入增加，普惠金融覆盖率提高，缓解资本约束，城乡收入差距趋于缩小。某地区在数字化水平突破临界后，电商助力农户收入上升，城乡收入比下降，验证数字技术普惠扩散须跨越基础设施与人力资本临界点，收入分配由极化效应转向涓滴效应，从而支持假设H3。

注：括号内为t统计值，^***p < 0.01，^**p < 0.05，^*p < 0.1。

(一) 我国农业数字化水平自2013年以来呈现阶段性发展态势，初期迅速扩展，后进入结构调整阶段，受疫情冲击出现波动，但行业内生韧性逐步强化。各省份发展差异显著，沿海与经济发达省份凭借优势条件大幅提升，而东北三省等传统农业大省因多种因素增速滞后，形成“东强西弱、南快北慢”格局。区域上，东部地区持续领跑，中西部地区因产业链数字化改造不足及风险缓冲机制缺失，存在系统脆弱性与增速波动。

(二) 农业数字化水平存在自锁定效应，低高水平两极分化，低水平跃迁难，高水平自我强化，转型中期有协同瓶颈。空间马尔科夫模型表明，各省农业数字化水平发展受周边区域影响，低水准省份维持原态概率高，但在非高邻域时有跃迁机会，中低水准省份稳定性随邻域水准提升而降低，高水准省份维持领先概率高。

(三) 基准回归显示，农业数字化水平提升显著缩小城乡收入差距，在生产与流通环节为农民增收。稳健性检验通过增加控制变量、缩短样本区间、剔除直辖市三种方法验证结论的可靠性。中介效应检验表明，农业数字化能通过产业结构升级对收入差距产生抑制影响。模型存在单门槛效应，农业数字化水平低于门槛值时扩大城乡收入差距，高于门槛值后则抑制差距扩张，整体呈现“倒V”效应。

基于上述结论，本文对应给出下述政策建议。

(一) 统筹推进区域协调发展机制，破解农业数字化非均衡结构性矛盾。针对农业数字化“东强西弱、南快北慢”的分化问题，需强化顶层设计和区域协同。一是以国家农业数字化示范区建设为抓手，完善东部技术优势向中西部及东北地区的梯度转移机制，推动智能装备、数据平台等核心资源跨区域共享。二是聚焦中西部粮食主产区和特色农业带，加大中央财政对全产业链数字化改造的投入，重点补齐冷链物流和遥感监测等基础设施短板，构建“生产–加工–流通”数字化闭环。三是建立农业数字化风险评估与联防联控机制，在中西部布局国家级农业大数据灾备节点，通过数字技术赋能气象预警和疫病防控，提升产业链韧性。对东北地区，实施“传统农区数字化转型振兴计划”，利用税费减免和用地倾斜等政策破解资源型农业数字化转型的制度约束。

(二) 实施梯度化数字跃迁战略，破解低水平区域发展锁定效应。基于农业数字化自锁定特征与空间溢出规律，需构建差异化政策干预体系：一是对低水平区域实施“数字筑基工程”，将农业新基建纳入乡村振兴考核，通过中央转移支付支持农田物联网、村级电商服务站等普惠设施建设，同时培育新型农业经营主体的数字应用能力；二是建立省域农业数字化动态监测平台，依据空间马尔科夫模型测算，对邻域协同效应显著的中低水平省份实施“跃迁窗口期”专项扶持，强化数字技术扩散政策引导；三是设立农业数字化技术扩散引导基金，对高水平省份向邻近区域输出的技术专利、数据服务给予税收抵扣奖励，推动形成“核心带动、圈层辐射”的技术扩散格局，同时支持跨省农业数字技术创新联合体建设，重点攻克智能决策、区块链溯源等“卡脖子”技术。

(三) 完善阈值调控机制，强化数字化增收效应的结构转化。针对农业数字化对城乡收入差距呈“倒V型”门槛效应，需建立分阶段、精准化的政策干预框架：一是对未达门槛地区，实施“生产流通端数字化普惠行动”，中央财政优先支持精准施肥、电商物流等短期增收项目，通过技术降本直接提升农民经营收入；二是对跨越门槛区域，推进“农业数字化增值计划”，引导社会资本投向农产品精深加工、数字农服等融合业态，依托县域特色产业打造数字农业集群；三是健全数字红利共享制度，加快制定农业数据确权、交易及收益分配国家标准，探索将数字资产纳入农村集体产权改革。同时，构建“数字技能培训–认证–就业”全链条服务体系，将农业无人机操作、大数据分析等课程纳入新型职业农民培养体系，并建立数字替代就业过渡期补偿机制，以防范技术性失业风险。

(四) 农业数字化生态培育与区域差异化支持策略。构建农业数字化可持续环境需注重生态培育。财政方面设立专项建设基金，对发达地区补贴智慧农业研发费用，对中西部及东北地区支持基础设施运营维护。人才培养上，发达区域实施高端人才引育计划，中西部与东北开展人才返乡创业扶持。技术推广方面，发达区域建立技术共享平台，中西部和东北组织专家深入基层指导。各发展阶段分别重点扶持基础设备应用、数字农业新业态发展及前沿技术探索，以构建多层次数字化发展生态。