農業綠色生產效率的時空差異及驅動因素研究

高孟菲，鄭 晶

(1.福建農林大學 公共管理學院，福建 福州 350000；2.福建師范大學 公共管理學院，福建 福州 350108)

中國經濟已由高速增長階段轉向高質量發展階段，農業作為國民經濟的基礎性產業，目前處于轉變發展方式、優化產業結構、轉換新舊動能的關鍵時期，邁進農業高質量發展階段勢在必行。農業高質量發展需要技術進步、制度變遷和經濟績效三者良性互動[1]，靠以往增加投入要素的粗放型生產方式已經無法適應當下農業高質量發展的需求。因此，通過轉變農業投入要素數量，提升生產要素配置質量，推動農業綠色發展是實現農業高質量發展的必然要求。農業綠色發展是指通過轉變依靠資源消耗換取農業產量的傳統粗放型農業經營方式，調整農業生產投入要素比例和結構，實現資源節約、要素優化、產出高效的發展目標。實現農業綠色發展目標既是破解中國農業資源約束與環境壓力的重要突破口，也是滿足人民日益增長的美好生活需要的客觀要求。然而我國農業綠色發展效率如何？農業綠色發展效率的驅動因素有哪些？對于這些問題的回答，有助于認清我國農業發展實際，提出針對性農業發展政策。鑒于此，本研究基于我國2007—2017年大陸31個省份(市、區)的面板數據，采用熵值法和SBM-Undesirable模型、泰爾指數、空間杜賓模型分析我國農業綠色生產率的時空差異及驅動因素，以期為我國實現農業高質量發展提供一定的理論參考。

農業綠色發展作為一項重要議題，引起學術界的廣泛關注，并取得了一定研究成果，且主要集中在農業綠色發展效率測算[2]、影響因素[3]等方面。一是農業綠色生產效率的測算方面，主要有參數和非參數兩種方法，Ahmad[4]、展進濤[5]、王奇[6]等運用參數法中隨機前沿函數測算并分析了中國農業綠色全要素生產率，并與傳統農業全要素生產率進行比較分析，得出環境要素對農業全要素生產率影響的重要性；涂正革[7]、崔曉[8]、楊芷晴[9]等運用非參數DEA模型分析中國省級層面的農業綠色生產效率，并得出省際間的時空差異及驅動因素；鑒于變量選取和研究時空存在較大差異，不同學者得出不同的研究結果。二是影響農業綠色發展因素方面，主要借助面板數據模型和空間計量模型分析不同因素對農業綠色生產的影響，王淑紅、肖銳等運用面板模型分別探討了農業勞動力老齡化、財政支農對農業綠色生產率的影響[10-11]；金芳等運用空間計量模型分析農業產業結構對農業綠色生產的直接影響和間接溢出效應[12]；楊騫等利用地理探測器識別農業綠色全要素空間分異的驅動因素，并得出自然環境、財政支農支出、農民收入對農業綠色全要素生產率空間分異影響較大[13]。

綜上所述，關于農地經營規模與農業綠色生產效率的研究取得了一定進展，為本研究提供了豐富的理論基礎，但也存在不足：學者們多基于農業期望產出和非期望產出對效率值進行測算，在計算過程中以農業總產值或農林牧漁業增加值為期望產出，以農業碳排放為非期望產出[3,14]，但忽略了農田作為陸地生態系統的重要組成部分，既是碳源也是碳匯，因此在測算期望產出時，農業的固碳作用不應被忽視；此外，農業生產經營過程中，碳排放只是農業點源污染的一部分，而農業面源污染因具有分散性、隱蔽性和不均勻性特征，對環境的破壞程度更大，因此在測算農業非期望產出時僅以農業碳排放量為依據是不充分的。鑒于此，為了得出相對精確的農業綠色生產率，本文除了將農業碳排放作為非期望產出之外，還將農業面源污染考慮在內，運用熵權法處理農業面源污染指數，將兩者結合作為農業非期望產出；除了將農業不變價格產值作為農業期望產出外，還將農業碳匯作為一種期望產出，進而準確測算農業綠色生產率，并采用熵值法和SBM-Undesirable模型、泰爾指數、空間杜賓模型分析我國農業綠色生產率的時空差異及驅動因素，以期為農業綠色發展提供一定的借鑒。

一、農業綠色生產效率測算方法

(一)研究方法

1.SBM-Udesirable模型。農業生產過程中，不僅有“好”產出，也會有“壞”產出，學術界把這些產出分別稱為期望產出和非期望產出。傳統的徑向DEA模型無法考慮“松弛變量”對效率值的影響，也無法考慮期望產出與非期望產出的動態變化，以此度量的效率值導致結果有偏[3]。SBM-Udesirable模型把松弛變量直接納入目標函數，同時考慮了期望產出增加、非期望產出減少的技術變化，解決了投入產出松弛問題，使得效率值測算更符合生產實際。SBM-Udesirable模型的基本原理如下[15,16]：

(1)

(2)

公式(2)中，s-，sg和sb分別是投入變量、期望產出、非期望產出的松弛變量。目標函數ρ*關于s-，sg和sb嚴格遞減，當s-=sg=sb=0，函數存在最優解，即ρ*=1，表示決策單元是有效率的。如果0≤ρ*≤1，說明決策單元存在效率的損失，沒能實現充分有效。

2.泰爾指數(Theil Index)。泰爾指數最初利用廣義熵指數概念來量化收入不平等，該指數由于可以將研究目標的總體差異分解為組內差異和組間差異，能夠解釋組內間差異的變動趨勢和二者在總體差異中的影響程度[19]。泰爾指數取值范圍是[0,ln(n)](n為樣本個數)，泰爾指數越小，表明所測對象間差異越小，反之則越大。基于泰爾指數的分解方法，將差異分解為區域間差異和區域內差異，并計算各自的差距貢獻率[8,16]。具體計算如下：

Theil=Theilw+Theilb

(二)農業綠色生產效率指標選取與數據來源

本研究將農業投入、農業期望產出和農業非期望產出納入農業綠色生產率的評價指標。具體計算如表1所示。

1.農業投入指標。分別包括勞動力投入、土地投入、化肥投入、農藥投入、農膜投入、機械總動力和灌溉投入。

2.農業期望產出指標。分別包括農業總產值和農業生態碳吸收量。農業總產值以2006年為基期得出2007—2017年農業總產值不變價格；農業生態碳吸收量是農業的正外部屬性的一種體現，綜合考慮數據的可得性、人為活動的干預程度和相關研究[20]，計算農業碳匯量主要針對農業生長周期過程中的碳吸收，而不考慮碳匯效應同樣突出的林地和草地[20-21]。具體而言，農業碳匯是指農作物生產過程中通過光合作用形成的初級生產量，即生產產量，具體計算如下：

其中，C為農業生態系統碳吸收總量，Ci為某種農作物的碳吸收量，k為不同農作物種類，ci為某種農作物的碳吸收率，Yi為農作物單位面積產量，r為農作物含水量，HIi為農作物經濟系數[22]。

3.農業非期望產出。分別包括農業碳排放和面源污染綜合指數。碳排放主要包括生產過程中使用化肥、農藥、農膜、柴油和灌溉、翻耕等農業物質要素投入導致直接或間接的碳流失，具體計算如下[23-24]：

E=∑Ei=∑Ti×λi

其中E是農業碳排放總量，Ei是不同碳排放源產生的碳排放量，Ti、λi分別是不同碳排放源的初始量和碳排放系數。農業面源污染綜合指數主要包括化肥流失量、農藥無效利用量及農膜殘留量，本文使用熵值法對3個指標進行處理，從而得出農業面源污染綜合指數[3]。其中化肥氮流失量等于復合肥含氮量與氮肥施用量之和乘以氮流失系數，化肥磷流失量等于復合肥含磷量與磷肥施用量之和乘以磷肥流失系數 ，最后加總得出化肥流失量；農藥無效利用量等于農藥施用量乘以農藥無效利用系數；農膜殘余量等于農膜施用量乘以農膜殘余系數 。計算出農業面源污染綜合指數，指數越大農業面源污染越嚴重，反之則越弱。

表1 評價農業綠色生產效率的投入產出指標選取

本文數據來自《中國農業年鑒》《中國農村統計年鑒》《中國統計年鑒》及各省份的統計年鑒等。

(三)我國農業綠色生產率的時空差異

1.基于SBM-Undesirable模型的農業綠色生產率的時空變化分析。基于上述指標，構建非徑向、非角度的SBM-Udesirable模型，借助DEA-Solver Pro5.0軟件計算中國大陸31個省份(市、區)的農業綠色生產率。結果見表2所示。

從時間趨勢來看，農業綠色生產率呈“U”型變化趨勢，2007—2013年全國農業綠色生產率呈下降趨勢，農業效率損失量不斷擴大。究其原因，2006年中國農業稅的全面取消，意味著在中國沿襲兩千年之久的傳統稅收的終結，極大地減少了農民負擔，使得農民有更多資金投入農業生產，通過使用化肥、農藥和農膜等生產性資料提高農業產量。這在一定程度上加大了農業生態環境負擔，導致農業綠色生產率逐漸降低[26]。這也是2015年在中央農村工作會議上首次提出農業供給側結構性改革的原因之一[27]。2015—2017年農業綠色生產率呈上升趨勢，但與2007年以前的變動趨勢相比，上升幅度較小，表明農業供給側結構性改革初顯成效，農業綠色生產率逐漸上升。

從空間趨勢來看，相對于糧食主產區而言，非主產區農業綠色生產率較高。究其原因，糧食主產區主要以小麥、玉米和水稻等農作物為主，雖然農作物的碳吸收量在一定程度上可減緩溫室效應，但是為提高農產品產量，保證中國糧食安全，農藥、化肥、農膜等農業生產性資料投入比例也較高，碳排放與碳吸收量之間出現不平衡，導致農業綠色生產率損失，這也驗證了中國的糧食主產區碳減排潛力高于非主產區[28]。相對于欠發達地區而言，發達地區間農業綠色生產率變化波動較大，極端現象明顯。究其原因，發達地區有先進科技和大量資金支撐，行動力和執行力較強，一旦意識到農業生態環境被破壞，則會立即啟動相關措施，加大整治力度，以實現立竿見影的效果，這也集中體現了中國政策執行的地區差異和時間差異，即存在政策試驗、政策創新和政策擴散的內在邏輯。

表2 SBM-Udesirable模型下農業綠色生產效率測算結果

續表

2.基于泰爾指數的農業綠色生產率的區域差異。根據泰爾指數測算出我國農業綠色生產率的區域內差異、區域間差異及差異貢獻率，具體如表3所示。從總體差異來看，我國農業綠色生產率整體泰爾指數波動劇烈，但是總體呈下降趨勢。2007年我國農業綠色生產率的泰爾指數為0.001 9，表明該時期我國農業綠色生產效率較為均衡，地區差異不明顯。但此后，我國農業綠色生產率的整體差距逐漸增大，2012年差距達到最大值，隨后農業綠色生產率的差距逐漸降低，表明地區整體不平衡狀況得到了一定改善。從區域差異來看，區域內差距的變化趨勢與整體差異的變化趨勢一致，表明區域內差異是造成整體差異的主要因素，區域間差距并不明顯。從糧食主產區和非主產區來看，糧食主產區的差距貢獻值更大，且波動較明顯，整體呈上升趨勢，這可能是由糧食主產區內不同省份(市、區)之間經濟發展水平差異造成的。

表3 農業綠色生產效率的泰爾指數及分解結果

二、農業綠色生產率驅動因素的實證分析

根據前文分析可知，我國省份間的農業綠色生產率存在差異，但空間等因素作用下是否存在溢出效應需要進一步檢驗。

(一)模型選擇

1.探索性空間數據分析模型。一般而言，空間溢出的動因主要源自空間相關性和空間異質性，而檢驗空間相關性的統計量主要是莫蘭指數，具體形式[29]：

(3)

2.空間杜賓模型。空間杜賓模型(Spatial Durbin Model，簡稱SDM)包含了解釋變量和被解釋變量的空間依賴效應，是考察地理要素空間關聯的主要模型。本文主要用其來考察我國30個省市(港澳臺和西藏除外)農業綠色生產率的驅動因素。模型設定如下[30]：

其中，yit、xit為第t年空間單元i、j的被解釋變量和解釋變量的觀測值；β為解釋變量的待估參數向量；ρ為被解釋變量的空間滯后系數；φ為解釋變量的空間回歸系數；δi和γt為地區的個體效應和時間效應；εit是隨機誤差項；Wij為空間權重矩陣。為考察穩健性，選取經濟距離矩陣和地理鄰接矩陣的回歸結果作為對比。其中經濟矩陣用省份間經濟發展水平差距的倒數表示，地理鄰接矩陣是相鄰兩省份用1表示，不相鄰則用0表示，并對兩種權重均進行標準化處理。

(二)數據來源與變量選擇

1.數據來源。本文以中國30個省份(西藏由于部分年份數據殘缺嚴重，香港、澳門和臺灣由于數據收集困難，故未納入統計)，選取2007—2017年的有效數據對農業綠色生產率的驅動因素進行分析。基礎數據均來自《中國農業年鑒》《中國農村統計年鑒》《中國統計年鑒》及各省市統計年鑒，部分缺失數據通過插值法補全。

2.變量選取。借鑒已有研究成果，本文把農業生產要素、財政扶持力度、農戶生產行為、自然環境等4個方面納入空間計量模型進行實證分析。各變量的描述性統計詳見表4。

1)農業生產要素方面：農村勞動力非農轉移率用鄉村從業人員和農林牧漁業從業人員的差與鄉村從業人員之比來表示[31]。農村勞動力非農轉移率的均值為0.467，表明我國農村勞動力非農轉移率總體處于一般水平。農業機械化方面，將機耕水平、機播水平和機收水平分別按照0.4、0.3、0.3的權重加權平均計算農作物耕種收機械化率[32]。農業機械化的均值為7.340，表明我國農業機械化率相對較高。農村道路設施方面，用等級公路中扣除高速、一級和二級高速公路的長度再加上等級外公路來衡量農村公路長度，取之其與省域面積之比，這樣做的好處是考慮了公路功能的異質性和農機跨區域作業的可能性[33]。農村道路設施的均值為0.874，表明我國農村道路設施較完善，約87%的公路覆蓋率。

2)財政扶持力度方面：財政支農用各地財政支農支出占財政總支出的比重表示[34]。財政支農的均值為10.846，表明我國財政支農水平較高。

3)農戶生產行為方面：農作物種植結構用糧食作物播種面積與農作物總播種面積之比表示。農作物種植結構的均值為65.419，表明我國糧食作物播種面積大于非糧食作物播種面積。農地經營規模用農村居民家庭人均耕地規模(1)《中國農村統計年鑒》中關于農村居民家庭土地經營規模的相關數據僅統計到2012年，因此2013年至2017年的相關數據按照耕地面積與農村總人口數量之比來替代。來表示[3]。農地經營規模的均值為2.667，表明我國農村家庭人均耕地規模較小。農業收入用農村居民人均可支配收入來表示[10]。農業收入的均值為0.461，表明我國農村居民人均可支配收入較低。

4)自然環境方面：農作物受災率用受災面積與農作物播種總面積之比表示[12]，以控制外部自然因素的影響。農作物受災率的均值為20.747，表明我國農作物受自然災害影響較大。

表4 農業綠色生產率驅動因素的描述性統計

(三)實證結果分析

1.空間相關性分析。2007—2017年間，本研究30個省份農業綠色生產率全局Moran's值大于0的年份為10個，且P值在1%顯著性水平上通過檢驗，結果如表5所示。因此各省農業綠色生產率存在較強的空間溢出效應，滿足空間計量模型檢驗條件。

表5 2007—2017年本研究中各省份農業綠色

2.空間回歸分析。首先對數據進行單位根檢驗，LM檢驗結果顯示，所有統計變量的P值均為0，強烈拒絕面板單位根的原假設，變量為平穩序列，可進行計量回歸。在進行空間回歸前，先對模型進行LR和Wald檢驗，發現LR和Wald統計量都顯示拒絕原假設。因此空間杜賓模型并不能進一步簡化為空間誤差模型和空間滯后模型，前文模型設定較合理。此外，Hausman檢驗結果表明應該使用固定效應模型進行回歸。借助Stata15.0軟件進行回歸，并通過變化不同空間權重矩陣對分析結果進行穩健性檢驗。結果顯示：不管基于何種空間權重矩陣，結果基本一致，表明實證結果穩健可靠。鑒于版面有限，下文僅分析經濟權重矩陣模型下的回歸結果，如表6所示。

(1)農業生產要素方面。直接效應中，農村勞動力非農轉移率對農業綠色生產率的影響未通過顯著性檢驗，不具有統計學意義。間接溢出效應中，在1%水平上顯著負向影響農業綠色生產率。這表明，鄰近地區農村勞動力非農轉移數量的增加會對本地區農業綠色生產率發展產生不利影響。究其原因，鄰近地區農村勞動力非農轉移會導致從事農業生產人數減少，為彌補勞動力數量缺失，鄰近地區會增加替代要素投入，如化肥、農藥、機械等投入量增加，導致區域內農業粗放現象嚴重。隨著污染物的跨區流動和空間轉移，鄰近地區農業收入的提高并不會促進本地區農業綠色生產率的提升，甚至會起阻礙作用。

直接效應中，農業機械化在1%水平上顯著負向影響農業綠色生產率，這表明，不論本地還是鄰近地區農業機械化的發展均不利于提高本地區的農業綠色生產率。究其原因，在農村剩余勞動力大量轉移背景下，農業機械化作為農業勞動力的替代性要素，激勵農業經營者擴大生產規模，對農業物質要素投入增加，從而加劇了農業環境的污染[30]；另外我國農業機械化作業大多集中在機耕、機播和收獲環節，而在施肥、農藥噴灑等環節涉及較少，無法形成對農藥、化肥的減量化使用，且農業機械95%以上使用的配套動力是柴油機，在使用過程中排放大量污染物質，因此農業機械化水平的提高難以緩解化肥、農藥等污染性要素的高流失量，且還伴隨著碳排放量的增加[30]。間接溢出效應中，農業機械化對農業綠色生產率的影響未通過顯著性檢驗，不具有統計學意義。

直接效應中，農業公路設施在1%水平上顯著負向影響農業綠色生產率。這表明本地農業公路設施不利于提高本農業綠色生產率。究其原因，公路設施的完善能夠有效打破區域間農業生產要素流動壁壘，降低農業生產過程中的各項要素的運輸成本和交換成本，但目前我國城鄉二元經濟結構背景下，農村公路密度低、結構不合理、管理機制不健全等問題嚴重，整體不利于農業綠色生產率的提升。間接溢出效應中，農業公路設施對農業綠色生產率的影響未通過顯著性檢驗，不具有統計學意義。

(2)財政支農方面。直接效應中，財政支農在1%水平上顯著負向影響農業綠色生產率。這表明財政支農力度的擴大不利于當地農業綠色生產率的提升。究其原因，財政支農主要側重于非生產性的農業支出，而用于農業科技研發和農業技術培訓的支出占比較低，這種不平衡的支出結構使得農業發展后勁不足[35]，加之財政支農政策執行偏差導致支持農業政策執行效率未達到預期水平，其對農業綠色生產率的影響效應可能存在一定滯后性[11]。間接溢出效應中，財政支農對農業綠色生產率的影響未通過顯著性檢驗，不具有統計學意義。

(3)農戶生產行為方面。直接效應中，農作物種植結構在1%水平上顯著負向影響農業綠色生產率。這表明本地農作物種植結構的調整，即糧食作物種植面積的增加不利于本地區農業綠色生產率的提高。究其原因，相對于糧食作物而言，經濟作物對污染性要素的依賴性更強，污染實物排放量和等標污染負荷較高，因此糧食作物面積的減少導致農業綠色生產率降低。間接溢出效應中，農作物種植結構對農業綠色生產率的影響未通過顯著性檢驗，不具有統計學意義。

直接效應中，農地經營規模在1%水平上顯著正向影響農業綠色生產率。這表明本地區農戶農地經營規模的擴大有利于提高農業綠色生產率。究其原因，農地規模經營是實現農業產業集聚效應的前提，有助于推動土地、勞動和資本等生產要素配置趨向合理，實現規模經濟效應帶來分工和專業化經濟，優化農戶資源配置，采用新型農業技術，從而減少化肥施用量，提高農業綠色生產效率。間接溢出效應中，農地經營規模在1%水平上顯著負向影響農業綠色生產率。這表明鄰近地區農地經營規模的擴大不利于本地區農業綠色生產率的提高。究其原因，經濟水平相近的地區，產業結構、經濟基礎存在顯著差異，盲目效仿臨近地區擴大農地經營規模可能帶來農作物趨同、農產品滯銷、資源浪費等問題，導致農業綠色生產率低。直接效應中，農業收入在1%水平上顯著正向影響農業綠色生產率。這表明本地區農戶農業收入的增加有利于提高農業綠色生產率。究其原因，農業收入的提高，驅使物質水平和精神需求提升，進而消費者對高質量農產品需求增強，生產者的環境友好意識逐漸強化，促使其采納農業綠色生產技術，生態環境保護與農業經濟增長趨于協調，從而促進農業綠色生產率的提升。間接溢出效應中，農業收入對農業綠色生產率的影響未通過顯著性檢驗，不具有統計學意義。

(4)自然環境方面。直接效應中，農作物受災率在10%水平上顯著負向影響農業綠色生產率。這表明，本地區農作物受災率提高不利于本地區農業綠色生產率。究其原因，作為“理性經濟人”的農戶在面對外部自然災害時，優先考慮加大農業生產要素投入，如利用農藥防治病蟲害等，這在一定程度上提高了農業污染要素投入，加大農業環境負擔，導致農業綠色生產率降低。間接溢出效應中，農作物受災率對農業綠色生產率的影響未通過顯著性檢驗，不具有統計學意義。

表6 空間杜賓模型回歸結果

三、結論與建議

(一)結論

本研究基于我國2007—2017年大陸31個省份(市、區)的面板數據，采用熵值法和SBM-Undesirable模型、泰爾指數、空間杜賓模型分析我國農業綠色生產率的時空差異和驅動因素，并得出如下結論：

1.農業綠色生產率的時空差異。從時間趨勢來看，農業綠色生產率呈“U”型變化趨勢；從農業綠色生產率總體差異來看，我國農業綠色生產率的整體泰爾指數波動比較劇烈，但是總體上呈現下降趨勢，說明各地農業綠色生產率存在差異，但這種差異在逐漸變小。從空間趨勢來看，糧食主產區、非主產區和發達地區與欠發達地區農業綠色生產率發展趨勢存在顯著差異，且存在明顯的空間相關性。

2.農業綠色生產率的空間驅動因素。直接效應中，本地農業機械化、農業道路設施、財政支農、農作物種植結構、農作物受災率對農業綠色發展率有顯著的負向影響；農地經營規模、農業收入對農業綠色生產率有顯著的正向影響；農村勞動力非農轉移率對農業綠色生產率的影響不顯著。間接溢出效應中，農村勞動力非農轉移率、農地經營規模對農業綠色生產率有顯著的負向影響；農業機械化、農業道路設施、財政支農、農作物種植結構、農業收入、農作物受災率對農業綠色生產率的影響不顯著。

(二)建議

基于以上分析，本文提出如下建議：

1.加強區域間合作交流，推動生產要素充分流動，實現區域協同發展。農業綠色生產效率具有較強的空間相關性，因此應加強地區間合作交流，加快人力、資本、農業技術和服務等要素在地區間的自由充分流動。充分發揮高農業綠色生產效率地區的輻射帶動作用，低農業綠色生產率地區結合自身實際，學習周邊地區先進經驗，不斷提升自身農業發展效率；同時各省份間加強農業環境污染治理合作，踐行“誰污染誰付費”的農業生態補償原則，激發農業生態保護動力，推動區域協同發展。

2.正確引導農村勞動力轉移，培育新型農業主體，推動農業規模化經營。地方政策在引導農村剩余勞動力轉移的同時，完善相關農業服務配套政策。如健全農地流轉機制，創新農地經營形式，扶持家庭農場、農民專業合作社、農業產業化企業等新型農業經營主體。同時對規模化經營性農戶進行生產培訓，推動現代化農業技術、綠色管理觀念的踐行，提升農業勞動力素質水平和生態農業作物種植能力，推動不同農業生產要素優化組合，實現農地規模效益。

3.優化財政支農體系，加大農業科技投入力度，提高要素利用率。政府及相關部門要因地制宜調整各級財政支農政策，重視區域內不同省份農業綠色生產效率差異，避免出現嚴重的兩極分化現象。結合地區經濟發展水平和科技研發能力加大財政傾斜，改變傳統農用機械效率低下和環境污染嚴重等問題，研發適用區域發展的綠色環保農用機械等生產性資料。此外各地區應降低農藥、化肥等污染性生產資料的投入量，提高農藥化肥使用效率，力求發展生態友好型農業，推廣精準高效施肥。