| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
| 数字技术对农业碳排放影响研究 |
| 第776期 作者：□文/杨 丽 时间：2026/5/1 14:40:34 浏览：29次 |
［提要］ 数字技术的迅猛发展为农业碳减排提供了新的技术支撑。基于我国省级面板数据，运用双向固定效应模型和中介效应模型实证检验农业数字技术应用对碳排放的影响。研究发现：农业数字技术应用显著降低农业碳排放，总效应为-0.512；技术创新效应和规模效应是主要传导路径，贡献度分别为39.8%和26.6%，联合中介效应为64.1%；东部地区和高发展水平地区减排效应更显著。同时，提出从加快数字基础设施建设、强化技术创新融合、推进数字化规模经营、完善政策激励机制等方面推动农业数字化转型，为实现农业绿色低碳发展提供路径支撑。
关键词：农业数字技术；农业碳排放；规模效应；技术创新效应
基金项目：广州职业技术大学校级科研项目：“促进金融更好的服务实体经济——以番禺区为例”（项目编号：2022sk12）
中图分类号：F32 文献标识码：A
收录日期：2025年11月18日
气候变化已成为人类面临的严峻挑战。根据IPCC（2021）报告，全球农业产业每年贡献约23%的温室气体排放，农业碳减排对缓解气候危机至关重要。中国作为农业大国，农业碳排放占全国总量的近15%。在保障粮食安全的前提下，实现农业绿色低碳转型是当前亟待解决的重大课题。因此，深入探讨农业数字技术应用与农业碳排放的关系，对于制定科学有效的低碳农业政策、推动农业绿色高质量发展具有重要的理论价值和现实意义。
一、文献综述
农业数字技术应用作为推动农业现代化转型的关键驱动力，正深刻改变传统农业生产方式。Wolfert等（2022）通过对智慧农业大数据的系统评述指出，物联网、大数据、人工智能等数字技术的快速发展与深度融合，正在从根本上重塑农业生产范式。这一趋势在全球范围内得到广泛验证。Elijah（2018）对全球50个典型农业案例的meta分析发现，物联网、大数据等数字技术在资源优化和生产精准化方面展现出显著效能。Weersink等（2022）进一步强调，大数据技术的应用不仅为农业生产的精准化和智能化提供了实质性支持，更为农业与环境协同发展开辟了新路径。
数字技术在提高农业生产效率方面的作用日益显著。研究表明，通过技术创新和要素流动能显著提升农业生产力水平，赋能农业高质量发展，还能通过大数据技术的应用，揭示农业与环境分析中的新机遇与挑战，为农业生产的精准化和智能化提供实质性支持，提升资源配置效率，显著减少农业碳排放，有效推动农业绿色生产方式转型。此外，王凤婷等（2023）从产业集聚的视角探讨利用数字技术优化农业产业空间布局，提升区域农业的协同发展能力。Sylvester（2019）从联合国粮农组织的全球视角，系统阐述数字农业转型对气候变化缓解的战略意义，深入分析数字技术在农业减碳、气候适应性提升中的关键作用，并为发展中国家提供了应对气候变化的创新路径。
从现有文献来看，大部分学者关注到数字技术的碳减排效应，但系统性的实证研究相对不足，特别是对影响机制的深入剖析有待加强。本文以2013～2023年中国省级面板数据为基础，系统检验农业数字技术应用对农业碳排放的影响效应，深入剖析技术创新和规模经营的中介作用机制，并探讨不同区域和发展阶段的异质性特征，以期为数字技术赋能农业绿色低碳转型提供更为全面的经验证据和政策启示。
二、理论分析与研究假设
（一）直接影响机制。农业数字技术应用通过多维路径对农业碳排放产生直接影响。智能农机、物联网设备等数字技术使农业生产实现精细化作业，在提升作业效率的同时显著降低燃料消耗，有效降低农业碳排放强度。传感器、无人机等工具的应用实现了对作物和土壤状况的实时监测，推动精准施肥灌溉的落地，有效减少化肥、农药和水资源使用，直接降低温室气体排放。数字化供应链管理通过实现生产、流通、销售环节的智能协同，精准预测市场需求，避免过度生产和资源浪费，从而有效控制能源消耗。数字技术还为农业碳排放的实时监测和精准管理提供了技术支撑，推动基于数据的减排政策有效实施。综上所述，农业数字技术应用通过提升生产效率、优化资源配置、改善供应链管理和强化环境监测等多重路径，对降低农业碳排放具有显著的直接效应。基于此，提出如下假设：
H1：农业数字技术应用能直接有效降低农业碳排放
（二）间接影响机制
1、数字技术应用对农业碳排放存在规模中介效应。农业数字技术应用为规模化经营提供了重要支撑。数字平台使农业生产者能够高效共享市场与技术信息，消除信息不对称，优化资源配置。数字平台还降低了土地流转的信息成本和交易成本，便利了土地集中流转，促进生产要素的优化配置，推动农业生产向规模化、标准化方向发展。农地规模经营能够提升生产效率、减少要素资源浪费及派生污染。规模化经营配套的机械化和自动化设备能够实现统一调度和高效作业，有效降低单位产出的碳排放强度。基于此，提出如下假设：
H2a：数字技术应用能通过土地规模效应有效降低农业碳排放
2、数字技术应用对农业碳排放存在技术创新中介效应。农业数字技术应用通过推动技术创新降低农业碳排放。数字技术增强了创新主体之间的联系、协作以及知识共享，在降低碳排放方面发挥了重要作用。基于多维传感器等数字化设备，农业生产者能够精准掌控生产流程，实时获取各类生产要素及活动信息，深入分析生产流程中的低效环节，不断提升运作效率，进而推动碳排放的减少。研究证明，技术创新对碳减排绩效产生正向影响，在长期内能够显著降低碳排放。在农业领域，技术创新可利用地理信息、遥感监测、数字定位等技术及时掌握农作物生长情况，减少自然灾害损耗，通过在线专家咨询解决种植难题，合理调整农用物资投入，促进农业碳减排。基于此，提出如下假设：
H2b：数字技术应用能通过技术创新有效降低农业碳排放
三、研究设计
（一）模型构建
1、基准回归模型。基于理论分析，本文构建如下模型：
TAC＝?坠0+?坠1ADTAit+?坠2Xit+δi+τt+μit （1）
式中，i代表省份；t代表时间；TAC为农业碳排放总量；ADTAit为农业数字技术应用；Xit表示相关控制变量；?坠表示变量的参数估计值；δi、τt分别表示控制了地区和时间的固定效应；μit表示随机扰动项。
2、中介效应模型。为进一步探究农业数字技术应用对农业碳排放影响的中介效应机制，在基准回归模型的基础上构建如下模型：
TAC＝γ0+γ1ADTAit+γ2Mit+γ3Xit+δi+μit （2）
Mit＝β0+β1ADTAit+β2Xit+δi+τt+μit （3）
式中，Mit代表中介变量，包括规模效应和技术创新效应，分别用土地流转率、农业科技专利表示；β、γ表示变量的参数估计值；δi、τt分别表示控制了地区和时间的固定效应；μit表示随机扰动项。
（二）变量选择
1、核心解释变量：农业数字技术应用（ADTA）。依据中国《数字经济及其核心产业统计分类（2021）》，结合数据科学性和可获得性，从农业数字基础设施、农业生产数字化、农业数字服务3个维度选取9个指标。为了保证农村数字经济发展水平测度的客观性，通过熵权法确定各变量权重，并计算农业数字技术应用水平。（表1）
2、被解释变量：农业碳排放总量（lntac）。参考李波等（2011）的研究，对六类碳源的碳排放量进行测算，总和即为农业碳排放总量。（表2）
农业碳排放总量估算公式为：
TAC＝∑TACi＝∑Fi×Yi （4）
式中，TACi表示第i类碳源的碳排放量；Fi表示第i类碳源的绝对量；Yi表示第i类碳源的碳排放系数。
3、中介变量。包括规模效应（ltr）和技术创新效应（ptech），分别用土地流转率、人均农业科技专利数量作为代理变量。
4、控制变量。借鉴已有研究，本文选取以下控制变量：省级经济发展发平（PGDP，人均GDP）；农业经济结构（AES，农业产出占区域GDP的比例）；农业机械化水平（AMEC，农业机械装备的总功率/每单位农田（千瓦/公顷））；农业土地利用（ALU，各省耕种土地占总面积的比例）；环境规制（EREG，环境保护投资/GDP）；城镇化率（URB，城镇人口与总人口之比）；农业受灾率（ADR，受灾面积与总种植面积之比）。
（三）数据来源。基于数据的可得性，本文选用2013～2023年我国30个省份的面板数据作为研究样本（不含西藏、港澳台地区），相关数据来源于相应年份的《中国统计年鉴》《中国农业年鉴》《中国农村统计年鉴》《中国农业机械工业年鉴》《中国农村电商市场数据报告》，以及各省份统计年鉴、统计公报和EPS数据库等。缺失数据采用线性插值法和ARIMA回归法补充。
四、实证结果与分析
（一）基准回归结果。结合模型设定，本文考虑稳健标准差以提高模型估计准确性，并且通过Hausman检验可以得知双向固定效应模型更为合适。表3报告了这一实证检验结果。估计结果发现，无论是否加入控制变量，核心解释变量农业数字技术应用水平对农业碳排放的影响均在1%的显著性水平下显著为负，这表明农业数字技术能够有效降低农业碳排放总量，是进一步推动绿色农业与可持续发展的新动能，验证了前文假设H1提出的农业数字技术能直接抑制农业碳排放总量的论断。（表3）
控制变量的估计结果总体符合理论预期。从排放驱动因素看，人均国内生产总值（PGDP）、农业经济结构（AES）与农业土地利用（ALU）均显著为正，表明经济发展、农业比重提升与耕地规模扩张通过扩大生产活动强度推高了碳排放。从减排约束因素看，农业机械化水平（AMEC）、环境规制（EREG）与城镇化率（URB）均显著为负，说明装备升级、环境治理投资与城镇化进程通过效率改进与要素重配对农业碳排放形成有效抑制。农业受灾率（ADR）显著为正，反映了灾害冲击增加无效投入，从而推高碳排放。
（二）稳健性检验。为确保基准回归结果的可靠性，本文从估计方法与内生性处理等维度开展稳健性检验，分别采用仅控制时间固定效应的OLS估计、两阶段最小二乘法以及系统广义矩估计三种方法，结果见表4。（表4）
1、OLS方法。考虑到双向固定效应模型可能过度吸收组内变异，模型（1）采用仅控制时间固定效应的OLS方法进行估计。结果显示，农业数字技术应用（ADTA）的系数为-0.467且在1%水平上显著，虽然系数绝对值略有下降，但核心结论依然成立。该结果表明，即便不完全控制地区固有特征，数字技术对农业碳排放的抑制效应仍然显著，证实了基准回归结果并非完全依赖于固定效应设定。
2、内生性检验。考虑到农业数字技术应用可能存在的内生性问题，模型（2）采用两阶段最小二乘法（2SLS）进行估计，同时控制省份与时间双向固定效应。估计结果显示，农业数字技术应用（ADTA）的系数绝对值上升至0.586，且在1%水平上负相关，表明在缓解内生性问题后，数字技术的减排效应更为明显。这一发现说明基准回归结果可能低估了真实的减排效应，而非受到内生性问题的高估。汉森检验的p值为0.342，不能拒绝工具变量外生性的原假设，说明工具变量选择合理有效。模型R2提升至0.653，拟合优度改善印证了2SLS方法的有效性。
3、GMM模型检验。本文采用面板广义矩估计（GMM）进行进一步稳健性检验，模型（3）结果显示，AR（2）的值为 0.384，表明不存在二阶序列相关，满足GMM估计的有效性条件。汉森检验的p值为0.316，表明工具变量整体外生性假设成立，估计结果可信。表明农业数字技术应用仍然显著降低了农业碳排放，与上述基准回归结果一致，进一步说明基准回归结果具有稳健性。
（三）异质性分析。我国幅员辽阔，区域间自然地理环境和经济发展水平呈现显著异质性，这种结构性差异必然导致农业数字技术应用对农业碳排放的影响存在明显区域性特征。鉴于此，本文基于中国国家统计局的区域划分标准，将中国划分为东、中、西部三大地理经济区，深入探究农业数字技术应用对不同区域农业碳排放的差异化影响机制。（表5）
农业数字技术应用对农业碳排放的抑制效应在三大区域均显著为负，但其影响强度呈现出鲜明的“东强西弱”的阶梯式递减特征。在东部地区，农业数字技术应用的回归系数为-0.687，且在1%的水平上显著。这表明农业数字技术在东部地区展现出最强的减排效能。可能的原因在于，东部地区具备更优越的数字基础设施、更高的资本存量与人力资本水平，为数字技术与现代农业的深度融合提供了“沃土”，从而最大化地释放了其节能减排的潜力。中部地区，农业数字技术应用的减排效应依然在1%的水平上显著，但系数绝对值下降至0.418。相较于东部，其数字技术应用的配套条件与产业融合深度尚有差距，导致技术效能的发挥受到一定限制，减排效应强度居中。西部地区，农业数字技术应用的系数绝对值最小（0.286），但在5%的水平上依然显著，这可能归因于西部地区相对薄弱的数字基础设施、农业经营规模化程度不高以及相关技术人才的短缺，这些因素共同制约了数字技术的应用广度与深度，导致其减排效应相对较弱。
（四）中介效应分析。为揭示农业数字技术应用影响农业碳排放的内在传导路径，本文构建了中介效应模型进行检验，结果如表6所示。技术创新效应是最关键的传导渠道，在控制该中介变量后直接效应系数降至-0.308，贡献度达到39.8%，而规模效应的贡献度为26.6%。当两条路径同时纳入模型进行联合检验时，农业数字技术应用的直接效应系数进一步下降至-0.184，两者共同解释了总效应的64.1%，同时模型的R2从0.669提升至0.714。上述结果有力证明，促进农业生产规模化和推动农业技术创新是农业数字技术实现碳减排的两个核心传导渠道。（表6）
五、结论
本文基于2013～2023年我国省级面板数据，运用双向固定效应模型系统考察了农业数字技术应用对农业碳排放的影响效应及其作用机制。研究发现：第一，农业数字技术应用对农业碳排放具有显著的抑制效应，总效应为-0.512（p＜0.01），该结论在经过稳健性检验后依然成立，证实了数字技术赋能农业碳减排的有效性。第二，机制检验揭示了数字技术影响碳排放的内在逻辑：技术创新效应的中介作用最为显著，贡献度达39.8%，数字技术通过促进农业生产技术进步和管理模式创新，从源头降低碳排放强度；规模效应贡献度为26.6%，数字技术通过降低信息不对称和交易成本，推动适度规模经营，提升资源配置效率。两条路径的联合效应共同解释了总减排效应的64.1%，印证了数字技术减排的多维传导机制。第三，异质性分析表明，农业数字技术的碳减排效应在不同地区、不同发展阶段呈现差异化特征，东部地区和高发展水平地区的减排效应更为显著。
基于上述研究结论，本文提出如下政策建议：一是加快农业数字基础设施建设，缩小城乡“数字鸿沟”，构建覆盖全面、互联互通的农业数字化网络体系。二是强化数字技术与农业科技创新的深度融合，建立产学研协同创新机制，推动精准施肥、智能灌溉等低碳技术的研发与推广应用。三是因地制宜推进数字化规模经营，通过数字平台整合资源要素，发展农业社会化服务，引导小农户与现代农业有机衔接。四是完善农业数字化转型的激励机制，将农业碳减排纳入绿色金融支持范畴，对采用数字低碳技术的经营主体给予政策倾斜，激发市场主体参与数字化减排的内生动力。本研究为数字技术助力农业绿色低碳转型提供了经验证据，也为制定精准化、差异化的农业减排政策提供了理论依据和实践参考。
（作者单位：广州职业技术大学财经学院）
主要参考文献：
［1］李艳，赵田田，舒泰一，等.数字经济发展水平对碳排放约束下农业生产效率的影响［J］.中国生态农业学报（中英文），2024.32（11）.
［2］杨军鸽，王琴梅.数字技术与农业高质量发展：基于数字生产力的视角［J］.山西财经大学学报，2023（04）.
［3］岳喜优.数字化转型驱动农业高质量发展的组态路径［J］.哈尔滨工业大学学报（社会科学版），2024.26（03）.
［4］陈中伟，汤灿.数字经济发展对农业碳排放的影响及其时空效应［J］.科技管理研究，2023.43（12）.
［5］王凤婷，王浩，孔凡斌.农村数字化发展对农业全要素碳生产率的提升效应［J］.中国人口·资源与环境，2024（03）.
［6］田云，廖华.数字经济对农业碳排放的影响及作用机制研究［J］.改革，2024（09）.
［7］霍红，钟海岩.农产品供应链质量安全中区块链技术投入的演化分析［J］.运筹与管理，2023.32（01）.
［8］马小雅，陈海芳，冯夏滢.农产品供应链数字化对农业绿色生产效率的影响效应［J］.南宁师范大学学报，2024（03）.
［9］完世伟，汤凯.数字经济促进乡村产业振兴的机制与路径研究［J］.中州学刊，2022（03）.
［10］盖庆恩，李承政，张无坷，史清华.从小农户经营到规模经营：土地流转与农业生产效率［J］.经济研究，2023.58（05）.
［11］范国华，韩建民.农地经营规模对农村生态环境的影响机理与实证检验——基于农业要素投入的视角［J］.中国农业资源与区划，2024.45（04）.
［12］李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解［J］.中国人口·资源与环境，2011.21（08）.
|
|
|
|
