《Frontiers in Marine Science》：Promoting or inhibiting? The impact of smart fishery on fishermen’s income in China’s marine fisheries
编辑推荐：
本文基于中国海洋渔业面板数据（2011–2023年），通过构建智慧渔业评价指标体系（TOPSIS–熵权法），实证检验智慧渔业对渔民收入的影响。研究发现：（1）智慧渔业通过技术进步（Tec）、人力资本提升（Tal）和生态改善（Env）三重路径显著促进渔民收入；（2）区域渔业创新能力（Inn）发挥正向调节作用，且在0.75、0.90高分位点效应更显著；（3）异质性分析显示南方地区、大规模渔业及高贸易量区域收入提升效果更突出。研究为渔业数字化转型政策制定提供理论依据。
引言
中国作为全球最大渔业生产国，2023年渔业总产值达3.27万亿元，但传统渔业面临资源约束与效率低下双重挑战。在"十四五"渔业发展规划与数字农业政策推动下，智慧渔业（Smart Fishery）成为渔业现代化核心战略。现有研究多聚焦技术经济贡献，缺乏对渔民收入的直接机制探讨，尤其忽视区域创新的调节作用。本文通过量化智慧渔业水平，系统解析其增收路径与边界条件。
文献综述与假设
全球渔业面临资源衰退与食品安全压力，智慧渔业通过物联网（IoT）、人工智能（AI）等技术重构生产链条。假设H1提出智慧渔业直接促进渔民收入：智能投喂系统降低饲料浪费，数字平台缩短流通链条，疫情后电商渗透率提升进一步缩小信息差价。图1揭示三条中介路径：H2a强调技术进步（如遥感监测、AI预测模型）提升生产精度；H2b指出人力资本升级（如数字技能培训）创造高附加值岗位；H2c论证生态改善（如水质实时监控）降低病害损失，实现可持续增收。假设H3首次引入区域创新能力的调节效应，认为高创新区域能加速技术转化与产业链协同。
模型与变量
研究采用2011–2023年沿海11省面板数据，构建双向固定效应模型（公式1）。被解释变量为渔民人均净收入（Income），核心解释变量智慧渔业（Int）从基础设施、技术应用、要素投入三维度构建15项指标（表1），控制变量包括渔业GDP、贸易依赖度（TD）等。中介变量涵盖技术进步（Tec，以关键技术示范数量衡量）、人力资本（Tal，本科以上从业人员占比）及生态环境（Env，污染物排放量）。调节变量区域创新能力（Inn）采用渔业专利数表征。为缓解内生性，以历史电话普及率（Phone）与邮政网点密度（Post）作为工具变量（IV），进行2SLS回归（表4）。
结果分析
基准回归显示Int系数显著为正（表3），支持H1。非线性检验未发现倒U型关系，表明增收效应随智慧化水平提升持续增强。机制检验（表6）证实三条路径均成立：智慧渔业通过Tec（β=0.204）、Tal（β=0.138）与Env（β=-0.092，污染物减少意味生态改善）间接提升收入。调节效应（表7）中Int×Inn交互项显著为正（β=0.117），且高分位点效应更强，验证H3。异质性分析（表8）揭示南北差异：南方温暖气候与成熟产业链使智慧渔业增收效应更显著（β=0.296），而北方不显著；大规模渔业（β=0.215）与高贸易量区域（β=0.331**）因资源集聚与市场通达性优势更易获益。
讨论与结论
智慧渔业的增收效果受区域创新生态、产业规模与地理条件多重制约。政策建议需差异化推进：南方重点深化技术集成应用，北方加强基础设施投入；大规模渔业拓展智能供应链，小规模主体可通过合作社模式降低技术门槛。同时需强化渔民数字技能培训（如AI设备操作），建立生态补偿机制（如碳汇交易），避免"数字鸿沟"加剧区域失衡。本研究为渔业高质量发展提供实证支持，未来可探索智慧渔业与蓝色碳汇（Blue Carbon）的协同路径。
