中國農業能源碳排放效率的空間異質性及其影響因素—基于空間面板數據模型的實證研究

馬大來

(重慶理工大學 管理學院,重慶 400054)

改革開放以來,我國農業發展經歷了從傳統農業向現代農業轉變的歷程,在創造大量財富的同時,帶來了能源消耗和環境污染等問題。大量農藥、化肥、農業機械等高碳型生產資料投入,驅動農業部門的能源消費量不斷增加,最終導致農業能源碳排放在整個農業碳排放中的比重不斷提升。在整個農業部門的碳排放結構中,按照國際通用的IPCC方法估算出的非能源類型的農業碳排放(包括燃燒植物秸稈、動物糞便發酵、畜禽腸道發酵)所占比重并不高,且呈逐年減少趨勢;由化石能源消耗所引致的碳排放所占比重則不斷上升,2015年已高達60%以上。在2009年的哥本哈根氣候大會上,我國承諾到2020年單位GDP的CO2排放量將在原有的基礎之上下降40%—45%,這無疑會給我國帶來巨大的碳減排壓力。如何在有效實現CO2減排的基礎上發展綠色低碳農業,成為當前政府面臨的重要問題,因此必須提高農業能源碳排放效率。

1 文獻回顧

長期以來,農業部門的CO2排放問題較為嚴重,受到學術界的密切關注，相關研究主要集中在以下方面:①重點關注導致農業CO2排放不斷攀升的源泉問題。就農業CO2排放來源而論,國內學者形成了農業土地利用論[1]、農用物資使用論[2]、農業生產活動論[3]等多種觀點。但隨著我國煤炭、石油等化石能源在農業領域的大量使用,加上國家大力倡導發展低碳農業,目前國內學者越來越重視由農業能源消耗所產生的碳排放問題。史常亮[4]、謝淑娟[5]、李國志、李宗植[6]等先后估算了我國各省份由農業能源消耗所排放的CO2,結果發現其規模隨著時間推移呈現出穩步上升的態勢。②對農業CO2的排放效率開展評價,并深入探究其相關的影響因素。國外,Burney等[7]的研究表明,農業碳生產效率提升對增加農業碳匯功能起到重要促進作用;Mrini等[8]發現小農田的碳效率要遠高于大農田;Dubey、Lal[9]比較了美國俄亥俄州和印度旁遮普兩個地區農業碳效率的差異性問題。國內,吳賢榮等[10]通過建立包含非期望產出的農業碳排放效率評價模型,使用DEA-Malmquist方法測度了各省的農業碳排放效率,結果表明省際之間的差異性表現突出。劉其濤[11]通過構建ML函數測度了我國2000—2013年各省的農業碳排放效率,發現不同省份的效率水平差距較大,且產業結構、經濟水平和技術進步等因素均對其變化產生了重要影響。高鳴、宋洪遠[12]測算了我國1999—2010年各省農業碳排放績效的ML指數,考察了其收斂性問題,實證結果顯示農業碳排放績效存在顯著的“俱樂部收斂”效應。

綜上所述,目前學術界已高度認同能源利用是產生農業CO2的重要源泉。不少學者開始重點關注過度農業能源消耗所導致碳排放不斷攀升的問題，但縱觀已有文獻,大多數研究集中在能源消費所引致碳排放絕對量增加的問題,效率評價僅關注到整個農業部門,鮮有文獻評價由農業能源所引致CO2的排放績效問題。同時,較之以往有關農業碳排放效率的文獻研究,本文在以下兩點進行了拓展:①傳統DEA評價模型中只注重投入—產出變量的對應性問題,沒有考慮到變量的松弛性問題,造成評價結果存在一定的偏差,而本文構建的農業能源碳排放效率評價模型則將該問題考慮在內。②鮮有文獻考察農業能源碳排放效率在空間上可能存在的自相關性和異質性特征,而該問題對回歸模型的構建具有重要的影響。鑒于此,本文首先使用mSBM方法測度了1998—2016年各個省份的農業能源碳排放效率,分別采用Morans′I指數和空間LISA圖分析了農業能源碳排放效率的空間自相關性、空間異質性問題,通過構建空間面板數據模型考察了農業能源碳排放效率的影響因素。

2 理論基礎與測算方法

2.1 環境技術理論

zi≥0,i=1,2,…,N}

(1)

式(1)是一個典型的生產性集合,具有封閉、凸性和有界三個重要特征。此外，該集合還具備投入要素自由處置性、期望產出強可處置性、投入—產出弱可處置性、零結合性等特點,反映出在完整的生產過程中均可能出現投入要素過多、非期望產出冗余、期望產出不足等缺陷,致使整個效率未能達到前沿面,即出現效率過低的情況。鑒于投入要素和產出結果有較強的對應關系。即有限的要素投入也只能帶來有限的產出,因此要實現效率的最優化改進,唯一途徑是調整要素投入—產出的數量關系。該理論既為精準測度農業能源碳排放效率奠定了相應的理論基礎,又給出了實現效率最大化改進的途徑。

2.2 至強有效前沿的最小距離法

借鑒Jahanshahloo等[14]有關DEA方法的研究成果,本文給出了包含非期望產出的至強有效前沿的最小距離法(mSBM)。該方法構建的原理在于在整個生產集合中,找出距離最小的L1值,以此確定整個生產前沿上的投影點,測算出最終效率值。

(2)

(3)

(4)

2.3 農業能源碳排放綜合效率函數

為科學準確測算本文的核心內容——農業能源碳排放效率,需要構建包含投入—產出變量的評價模型。整個評價模型分別由三種投入要素和兩種產出結果所構成,其中三種投入要素為農業資本存量、農業勞動力和農業能源消耗,分別使用K、L和E字母表示;產出結果則由各個省份的農業總產值和農業能源CO2構成,其中農業總產值用字母y表示,代表期望產出,農業能源CO2用字母b表示,代表非期望產出。為滿足測算的需要,整個評價體系對投入變量—產出變量分別賦予一定的權重,其中農業資本存量(K)、農業勞動力(L)、農業能源消耗(E)的權重均為1/6,而農業總產值(y)和農業能源碳排放(b)的權重則均為1/4。參考Cooper等[15]研究成果,本文給出投入無效率、期望產出無效率和非期望產出無效率的方程式分別為:

(5)

(6)

(7)

(8)

3 農業能源碳排放效率評價及其空間異質性

3.1 變量說明與數據來源

本文構建的農業能源碳排放效率評價模型中包含了農業資本存量、農業勞動力和農業能源消耗三種投入變量,農業總產值和農業能源CO2兩種產出結果。各投入—產出變量的概念界定為:①農業資本存量。按照王金田等[16]的研究成果,采用“永續盤存法”計算每個省份歷年的農業資本存量,表達式為:Ki,t=Ii,t+(1-δ)Ki,t-1。式中,Ki,t、Ii,t、δ分別代表第i省t期的資本存量、農業投資、資本折舊率。為消除價格通貨膨脹所帶來的失真影響,本文以1978年的農業生產資料價格作為基期價格,按照平減指數法把名義農業資本存量轉換成實際農業資本存量。②農業勞動力。根據國內有關表征農業勞動力的研究成果,本文采用每年各省的農業從業人員來衡量。③農業能源消耗。為精準衡量當前的農業能耗狀況,結合《中國統計年鑒》的計算口徑,本文最終選擇農業部門的煤炭、焦炭、柴油、汽油、煤油、燃料油、電力等7種能源作為計算基數。為方便計算,基于以萬t標準煤為單位的標準能源折合系數,本文將各個能源進行統一折算加總后作為農業部門的能源消費總量。④農業總產值。鑒于年鑒上提供的僅僅是名義農業總產值,各個省份的實際農業總產值同樣以1978年的農業生產資料價格作為基期,將名義農業總產值轉換為實際農業總產值。⑤農業能源CO2。由于國家相關的權威部門尚未公布有關農業CO2排放的具體數據,根據IPCC(2006)聯合國氣候變化框架公約和京都議定書指定的國家溫室氣體清單指南第二卷(能源)第六章提供的參考方法,本文選擇下列方程計算出由農業能源消耗所產生的CO2:

(9)

式中,CO2為采用該公式估算出的CO2排放量,i=1,2,…,7分別代表煤炭、焦炭、柴油、汽油、煤油、燃料油和電力等7種農業能源;E為上述7種能源加總后的能源消費量,鑒于不同能源的統計單位存在差異,本文采用以萬t標準煤為能源折合系數對各個農業能源折算后進行相加;NCV、CEF、COF分別代表化石能源燃燒后的氧化因子、能源凈發熱值和碳排放系數;44、12分別代表CO2和碳的分子量。

為了最大程度保證數據的全面性和可得性兩個基本原則,本文最終選定我國1998—2016年30個省份(香港與澳門特別行政區、西藏自治區、臺灣地區除外)的面板數據作為考察樣本。本文所使用的數據均來自于相關年份的《中國統計年鑒》、《中國農業年鑒》、《中國能源統計年鑒》和各地方統計年鑒,下同。

3.2 農業能源碳排放效率的靜態時序分析

基于式(2)—式(8),本文使用DEA軟件測度出1998—2016年30個省份的農業能源碳排放效率,結果見圖1。由圖1可知,在樣本考察期內只有北京和天津的平均農業能源碳排放效率為1,位于生產的前沿面上;其他省份的效率水平均低于1,未能達到效率最優。在考察的30個省份中,排名前五位的省份分別為北京、天津、遼寧、海南和上海,農業能源碳排放效率平均值均在0.9以上。這些省份的效率值之所以較高,原因在于:北京和天津作為全國僅有的效率值為1的地區,農業技術發達、農業產出水平高,且以城郊農業為主體的農業生產部門具備了較高的“碳匯”能力;遼寧作為傳統的農業生產大省,不但整個農業部門的結構較合理,而且大規模推廣農業產業化經營,農業產出效益較高;海南作為全國重要的熱帶水果生產基地,種植業所占比重較低,農業能源使用量較小,整個農業部門的碳排放強度較低;上海同樣以城郊農業為主,農業產出水平高,農業能源得到充分利用,且優越地理位置使農業相對效益也較高。而農業能源碳排放效率位居全國后五位的省份分別是云南、安徽、貴州、新疆和山西,平均值均在0.5以下。其中,云南盡管近幾年的農業產出增加較快,但依靠大量的農用物資投入作為基礎,屬于典型的高碳農業;安徽的農業發展則受制于種植業結構的影響,糧食作物居多而經濟作物較少,農業生產效益較差;貴州、新疆由于落后的農業技術和較差的農業生產條件,使整個農業產出水平較低;山西的農業低碳水平較低與其農業能源大量使用,且利用效率較低是緊密相關的。

圖1 我國30個省份的平均農業能源碳排放效率

整體而言,我國省際間的農業能源碳排放效率呈現出較強的區域差異性,大多數農業能源碳排放效率較高的省份位于東部沿海地區,而農業能源碳排放效率較低的省份則大多處于中西部內陸地區。如果能加快效率水平落后的中西部省份的發展速度,不但有利于縮小省際間農業能源碳排放效率的差距,而且對提升我國整體的低碳農業水平具有非常重要的意義。

3.3 農業能源碳排放效率的空間異質性分析

由于我國地域廣大,不同區域之間的農業稟賦、資源情況存在較大差別,因此不同省份的農業發展存在較大差異性,那么這種情況是否反映在低碳農業發展上。即農業能源碳排放效率在空間上是否表現出顯著的空間異質性,這是本文需要考察的重要方面。空間異質性又稱為空間不均勻性,具體指不同省份的農業能源碳排放效率不僅有區域差異之分,還存在空間上的集聚和離群之別。但要考察農業能源碳排放效率的空間異質性,一般先要衡量農業能源碳排放效率是否存在著顯著的空間自相關性。通常,空間自相關性可用空間自相關系數表征,表達式為[17]:

(10)

(11)

全局空間自相關系數Moran′s I僅反映出被研究對象在整體上的空間自相關性問題,而對其內部具體的空間異質性特征是無法考察的。為探究不同省份農業能源碳排放效率空間分布的異質性特征,本文據此引入局部空間相關性指標——局部散點圖(LISA)來詳細觀察被研究對象在局部空間分布上的異質性問題。Moran′s I的方程表達式為[18]:

(12)

通過引入由0和1所構成的空間鄰接矩陣,本文使用Geoda軟件計算出我國1998—2016年農業能源碳排放效率的全局Moran′s I指數。根據表1的計算結果,在樣本考察期內我國農業能源碳排放效率的全局Moran′s I均取值為正,且通過了1%的顯著水平的檢驗,充分反映出農業能源碳排放效率在空間上具有顯著的空間自相關性。該空間特征對農業能源碳排放效率的變遷產生重要影響,即省際農業能源碳排放效率表現出較強的空間集聚格局,并不是呈隨機性的空間分布。因此,在對農業能源碳排放效率進行深入研究時不能忽視其空間自相關性特征,否則將導致模型的回歸結果與實際存在著較大的誤差。

表1 1998—2016年我國農業能源碳排放效率的Moran′s I指數

為了直觀反映農業能源碳排放效率在局部空間分布的異質性現象,本文繪制了1998—2016年我國平均農業能源碳排放效率的局部散點圖(LISA),見圖2。局部散點圖共分為4個象限,其中第一、三現象為空間集聚區域,分別代表著高值集聚(H-H)和低值集聚(L-L),意味著本身的農業能源碳排放效率水平高(低),且四周鄰近省份的農業能源碳排放效率水平也高(低);第二、四象限則為空間離群區,意味著本身的農業能源碳排放效率較高(低),而四周鄰近省份農業能源碳排放效率則較低(高)。此外,位于第一、三象限的省份屬于典型的中心地區,而第二、四象限的省份屬于非典型的外圍地區。其中,北京、上海、天津、遼寧、吉林、黑龍江、浙江、江蘇、江西、福建、湖北、廣東、海南等13個省份位于第一象限,占全部統計單元的43.33%,這些省份屬于典型的高值集聚區;山西、河北、山東、安徽、湖南等5個省份處于第二象限,占全部統計單元的16.67%,這些省份屬于空間離群區;位于第三象限的河南、重慶、四川、貴州、云南、寧夏、甘肅、青海、新疆等9個省份,占全部統計單元的30%,這些省份屬于典型的低值集聚區;僅內蒙古、陜西和廣西3個省份位于第四象限,占全部統計單元的10%,這些省份同樣位于空間離群區內。可見,我國大多數省份位于高值集聚區(H-H)和低值集聚區(L-L),比例為73.33%;僅有少量省份處于空間離群區內,比例為26.67%,突出反映出省際農業能源碳排放效率在局部上表現出顯著的空間異質性特征。

圖2 1998—2016年我國農業能源碳排放效率的局部散點圖

4 農業能源碳排放效率影響因素的空間回歸分析

4.1 空間計量模型構建與數據來源

通過進一步考察農業能源碳排放效率的外在影響因素,這對加快我國農業發展的低碳轉型具有重要意義。借鑒已有成研究果,本文從以下方面考察對農業能源碳排放效率的影響:①經濟發展水平(GDP)。經濟發展與農業現代化的發展進程息息相關[19],農業現代化程度不但關系到農業產出的大小,而且關系到農業能源的利用效率,會對農業能源CO2排放產生重要影響。②農村人力資本(HUM)。農民受教育程度決定了農地利用方式和對先進農業技術的采用程度,影響到農業能源的利用規模和碳排放量的大小,直接關系到農業能源碳排放效率高低。③農業產業結構(STR)。研究表明,種植業在整個農業中所占的比重越高,不但整個農業的“碳匯”效應會越差[20],而且會極大地提高整個農業能源的使用強度,明顯降低農業能源碳排放效率。④農業財政支出(GOV)。政府用于支持農業發展的財政規模越大,農業基礎設施建設就越完善,地區先進生產技術普及程度越高,有利于提高農業能源碳排放效率。⑤農業技術創新(TEG)。農業技術研發力度通常最能體現該地區的農業現代化程度[21],農業技術研發力度越強,說明該地區土地集約化程度越高,農業資源使用量越小,有利于提升農業能源碳排放效率。⑥城鎮化水平(UBR)。研究發現,城鎮化為我國實現農業規模化和產業化經營創造了必要條件[22],有利于提升農業部門的能源利用效率,進而提高農業能源碳排放效率。

本文印證了農業能源碳排放效率具有顯著的空間自相關性,這一特性對模型構建具有重要的影響。假如只建立傳統的普通計量模型而忽略空間效應,則有可能導致實證結果與實際存在較大偏差。因此,為提高模型估計的精準性,有必要將空間效應納入到傳統的模型之中,而空間計量模型正是符合本文實證模型的最好選擇。本文構建的空間面板數據模型形式為:

AECTEi,t=αt+φt+β1GDPi,t+β2HUMi,t+β3STRi,t+β4GOVi,t+β5TEGi,t+β6URB+δΣjWij

(AECTEi,t)+μi,t

μi,t=λΣjWi,j×υi,t+εi,t

(13)

該模型同時表現為SEM和SAR兩種基本形式,但究竟采取哪種形式,取決于空間自回歸系數δ和空間誤差系數λ的取值情況。假如δ為0,則該模型為空間誤差模型(SEM);假如λ為0,則該模型為空間自回歸模型(SAR)。αi代表空間固定效應,φt代表時間固定效應。此外,該模型中各變量的具體涵義為:AECTE為農業能源碳排放效率;GDP為經濟發展水平,具體用i省份第t年的人均國內生產總值的自然對數來表示;HUM代表農村人力資本,具體用各個省份具有初中及以上文化程度的農村勞動者占總人口的比重來表示;STR代表農業產業結構,具體以種植業產值占農林牧漁總產值的比重來表征;GOV代表農業財政支出,具體以各地區農林水利財政支出占全部財政總支出的比重來表示;TEG代表農業技術創新,具體對各省份的農業發明授權、外觀設計和實用新型專利取自然對數來表征;URB代表城鎮化水平,具體以各地區從事非農業人口占全部總人口的比重來表示。

4.2 實證結果及其解釋

首先使用普通的計量方法對模型(13)進行模擬,并驗證模型的殘差項是否存在著空間自相關性,回歸結果見表2。為進一步提高模型估算的準確性,有必要對整個模型采取何種固定效用做出選擇。因此,表2同時列出混合面板模型、地區固定效應模型、時間固定效應模型和雙向固定效應模型,通過對4種不同效應下的檢驗結果進行對比分析,以選擇出最優的實證模型。

表2 普通面板數據模型的估計與檢驗結果

注:()中數據為T檢驗值,*、**、***分別表示10%、5%、1%的顯著性水平;模型估計、空間自相關檢驗使用Matlab7.11。

根據表2的驗證結果,首先就擬合優度的判定系數而言,混合模型、空間固定效應模型、時間固定效應模型和雙向固定效應模型的擬合優度分別為0.6012、0.3086、0.6126和0.5475,比較后發現時間固定效應模型是最大的,表明時間固定效應模型的擬合優度最好。其次比較4個模型DW值的大小發現,時間固定效應模型的DW值為1.9226,也大于其他3個模型。通過以上驗證結果的對比顯示,相較于其他3個模型,時間固定效應模型的結果是最優的。因此,本文最終選擇時間固定效應模型開展實證分析。同時,為驗證普通模型的殘差項是否具有顯著的空間自相關性,表2還分別給出了LM-sar和LM-err統計量的估計結果。在時間固定效應模型中,LM-sar、LM-err的統計值分別為41.5829、0.0057,前者通過了1%顯著水平的檢驗,而后者未能通過顯著水平檢驗,表明普通模型的殘差項具有空間自相關性,因此其回歸結果不可避免地存在著偏差。此外,由于LM-sar的統計量大于LM-err,因此較之空間誤差模型,空間自回歸模型是本文空間計量模型的最好選擇。

由于普通模型的殘差項具有顯著的空間自相關性,其估計結果可能存在一定偏差。因此,本文分別采用空間自回歸模型(SAR)和空間誤差模型(SEM)對模型形式(13)進行重新回歸,結果見表3。由表3可知:一方面,兩個空間計量模型的擬合優度判定系數均和對數似然函數值Log-L均在普通模型的基礎上實現了提升;另一方面,空間計量模型各變量系數的正負仍與普通模型的結果保持一致,但T檢驗值卻有所增加,這表明空間計量模型的估計結果優于普通模型的結果。在兩個空間面板時間固定效應模型中,SAR、SEM模型中的Log-L值分別為377.5931、350.6437,前者大于后者,說明SAR模型的解釋力度更強,因此本文最終對空間自回歸模型(SAR)變量系數的現實意義進行了解釋分析。

表3 空間面板數據模型的估計結果(時間固定效應模型)

綜上所述:①經濟發展水平GDP在5%的顯著性水平上對農業能源碳排放效率的影響為正,表明在其他因素不變的條件下,人均GDP的提高能顯著促進農業發展的低碳轉型。同時，這也很好地詮釋了隨著我國經濟發展水平不斷提高,促使農業現代化的推進速度不斷加快,不但進一步提升了農業產出水平,而且帶來了綠色農業生產技術變革和農地利用方式的轉變,有助于實現由傳統高能耗農業向綠色低碳農業的發展轉型。②農村人力資本HUM在1%的顯著性水平上對農業能源碳排放效率的影響為負。這從側面反映出,當前我國農村勞動力大多數以初、高中學歷為主,僅有極少數擁有大專及以上學歷。在當前農業生產活動中,只有高素質的農民傾向于采用低碳農業模式,而多數中等文化素質的農民更青睞“高能耗、高產出”的傳統農業模式,這無疑對會對農業能源碳排放效率產生負面影響。③農業產業結構STR的估計系數顯著為負,表明種植業規模擴大對農業能源碳排放效率提升產生了消極影響。目前在我國大部分省份的農業產業結構中,種植業部門仍占據了較大比重,而其他具備高“碳匯”效應的林業、牧業所占的比重較小。與林業、牧業和副業相比,種植業不但需要大量的農用資料作為支撐,而且對農業機械的使用數量也在逐年增加,這無疑提升了農業部門對化石能源的需求量,進而產生大量的CO2,顯然不利于農業發展的低碳轉型。④農業財政支出GOV在10%的顯著水平上對提升農業能源碳排放效率起到了促進作用,表明政府增加涉農資金的財政支持力度有利于農業發展的低碳轉型。由于當前我國政府已充分認識到農業仍是整個產業體系中的薄弱環節,因此逐步加大了對農業部門的政策支持力度。特別是隨著惠農型“中央一號”文件的連續頒布、“鄉村振興戰略”的提出,政府用于農業財政支出的規模逐年增加,重點應用于改善農業生產的基礎設施建設、農業現代化技術創新與普及、農民科學知識培訓等關鍵領域,為改善農地利用方式,發展現代綠色低碳農業提供了重要的前提條件。⑤農業技術創新TEG的估計系數顯著為正,表明現代農業技術的采用有利于提升農業能源碳排放效率。這從側面反映出,隨著我國大力提倡發展綠色農業和低碳農業,政府加大了對生態農業技術、低碳農業技術的研發和普及力度,逐步淘汰和替換農業部門中的落后生產技術,改進了農地利用方式,提高了農業生產的集約化水平,這有助于提升農業能源碳排放效率。⑥城鎮化水平URB在1%的顯著性水平上對農業能源碳排放效率的影響為正,說明加快農業人口向非農人口的轉變對提升農業能源碳排放效率起到了積極作用。當前我國城鎮化與農業現代化是相輔相成的,加快城鎮化進程是有效提升農業現代化水平的重要途徑,有助于逐步構建起現代農業經營體系,對實現農業的高效節能生產,降低農業能源的碳排放強度具有重要意義。

5 結論與政策啟示

本文采用比較前沿的至強有效前沿的最小距離法(mSBM)測算了我國1998—2016年30個省份的農業能源碳排放效率，同時在考察農業能源碳排放效率空間自相關性和空間異質性的基礎上,通過構建空間面板數據模型研究了農業能源碳排放效率的影響因素。主要結論為:樣本期內的農業能源碳排放效率測算結果表明,農業能源碳排放效率較高的省份主要分布在東部沿海地區,而中西部內陸省份的農業能源碳排放效率較低;根據Global Moran′s I指數可知,我國農業能源碳排放效率存在顯著的空間自相關性,而空間LISA圖則顯示,絕大部分省份的農業能源碳排放效率處于高值集聚區(H-H)和低值集聚區(L-L),僅有少量省份處于空間離群區內,反映出農業能源碳排放效率具有顯著的空間異質性特征;空間面板模型的實證結果表明,經濟發展水平、農業財政支出、農業技術創新和城鎮化水平對農業能源碳排放效率起到顯著的促進作用,而農村人力資本和農業產業結構則對農業能源碳排放效率具有抑制作用。

本文的研究結論為有效提升農業能源碳排放效率,實現農業發展的綠色低碳轉型提供一定的借鑒。具體的政策啟示為:①中西部地區要強化與東部地區的交流合作,通過借鑒和吸收先進的農業管理方式和技術模式,逐步建立起農業生態環境保護責任制,提高農業部門的能源利用效率,降低農業能源消耗所產生的CO2。②以貫徹和實施我國提出的鄉村振興戰略為契機,大力發展農村和農業經濟,通過加大對傳統高能耗、高排放農業發展模式的改造力度,全面推進農業生產的現代化進程。③強化普及農村基礎教育,開展以通識教育與農業技術培訓相結合方式有效提升農民素質,為發展綠色低碳農業提供相應的智力支持。④各地區要結合自身的資源稟賦,因地制宜實施退耕還林、退耕還牧,同時積極發展特色農業,進一步調整和優化農業產業結構。⑤加大農業財政支出力度,建立農業財政支持低碳農業發展的長效機制。農業財政資金不但要優先用于農業低碳項目開發,而且要為農業企業提供節能技術改造補貼,鼓勵他們使用清潔能源。⑥充分發揮政府的農業技術創新主導地位,鼓勵企業參與農業技術創新,同時積極打造技術交易服務平臺,切實提高農業技術成果的轉化率,逐步建立起完善的農業技術創新體系。⑦在快速推進城鎮化過程中正確處理工業對農業的反哺關系,積極實施“以工促農、以城帶鄉”的城鄉一體化策略,最終實現城鎮化和農業現代化的協調發展。