气候智慧型农业项目能否抑制农业碳排放——来自安徽气候智慧型主要粮食作物生产项目的经验证据

魏新彦，刘 颖，张俊飚

(1.华中农业大学 经济管理学院，湖北 武汉 430070； 2.湖北农村发展研究中心，湖北 武汉 430070， 3.北方工业大学 经济管理学院，北京 100144)

一段时期以来，我国农业依靠资源的密集投入取得了傲人的增长，但农业生产和土地利用变化产生的碳排放也与日俱增。据联合国粮食及农业组织(FAO)报告称，1990—2019年间全球农业生产产生的温室气体排放量增加了17%，2019年全球人为排放的540亿t二氧化碳当量中，31%来自农业生产。温室气体大量排放带来的最直接的后果就是全球气候变暖，这一变化会导致一系列的环境和发展问题，如冰川消融和海平面上升，极端天气和气象灾害频发，农业减产甚至绝收。Ho等[1]研究发现，我国环境污染造成的健康损失占到GDP总值的3%～7.7%，每年在环境治理方面的花费约占GDP总值的5.8%。在2020年9月的联合国大会上，国家主席习近平宣布“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”。农业兼具碳排和碳汇的双重属性，是学者们研究碳减排的重点关注领域，同时也是我国完成《巴黎协定》减排承诺的重要一环。因此，厘清农业碳排放的影响因素，探究减少农业碳排放量的方法不仅是环境经济学的重要研究方向，而且也是政府制定环境政策，积极推进农业绿色可持续发展的着力点。

梳理相关文献发现，早期研究主要集中于对农业碳排放量的测算[2]、时空演变趋势的归纳[3]和特征分析[4]上。随着研究的深入，学者们开始从不同角度探索农业碳排放的影响因素，并在此基础上探究减排路径。一是技术视角。目前，学界关于技术进步对农业碳排放的影响并未取得一致结论。一部分学者认为，技术进步对农业碳排放量具有一定程度的抑制效应[5]，是实现农业碳减排的重要途径[6]；另一部分学者则认为，技术进步会显著增加农业碳排放量，但有利于农业碳排放强度的降低[7]。二是经营规模视角。与经营规模扩大相伴而生的是农业资源消耗量的增加，但地块集中的规模户可以合理配置资源，提高效率和减少浪费，进而减少农业碳排放。此外，规模户的农机作业效率更高，在采纳秸秆还田、测土配方施肥等绿色生产技术上也更具优势[8]。但也有研究认为，经营规模与农业碳排放量之间呈“U”形关系[9]。三是产业视角。农业产业水平提高或结构升级是减少碳排放量和降低碳排放强度的重要因素[10]，若产业升级缓慢，类似机械化等技术进步的效用或会止步于微观层面[11]。四是其他视角。武春桃[12]证实，城镇化可以有效降低农业碳排放。还有部分研究集中于农业碳排放与农业经济的关系[13]，探讨农业碳排放的脱钩效应[14]，验证农业碳排放的库兹涅茨曲线[15]。

现有研究从各视角、各层面对农业碳排放的影响因素进行了探讨，成果颇为丰富，但却忽视了新型农业发展模式对农业碳排放的影响，这为本文提供了新的研究思路。农业的发展进程必然伴随着更多的资源消耗和污染排放，这一结果是否为传统农业发展模式的局限性呢？通过探索可持续的农业发展模式，提高生产中的能源使用效率，提升农业固碳技术水平，是否能够突破传统农业发展必然增加碳排放的局限？

气候智慧型农业的概念是2010年FAO在关于农业粮食安全和气候变化的海牙会议上正式提出的，是在气候变化背景下探索和发展出来的一种既能保持农业生产能力，又能减排固碳缓解气候变化的农业发展新模式。2015年，由农业部与世界银行共同实施的气候智慧型主要粮食作物生产项目就是这样一种农业发展模式。迄今，聚焦气候智慧型主要粮食作物生产项目的文献较少。区别于现有研究，本文利用合成控制法评估气候智慧型主要粮食作物生产项目对农业碳排放的影响，可能的边际贡献有：1)首次利用气候智慧型主要粮食作物生产项目这一准自然实验评估新型农业发展模式对农业碳排放的影响，拓展了农业碳排放影响因素方面的研究，可为气候变化背景下现代农业的发展方向提供参考；2)基于熊彼特创新理论和波特创新驱动理论尝试构建气候智慧型主要粮食作物生产项目影响农业碳排放的理论框架，并在该理论框架的指导下，研究新型农业发展模式的碳减排效应，丰富农业发展模式与碳排放方面的文献。

1 政策背景与研究假设

1.1 气候智慧型主要粮食作物生产项目的政策背景

自19世纪开始，人们逐渐意识到气候变化及其带来的危害，减少碳排放以应对气候变化也逐步成为世界范围内的共识。农业既是受气候变化影响最大、最敏感的产业，又是温室气体排放的重要来源。为了实现农业增长以保障粮食安全和减排增汇以减缓气候变化的双重目标，政界和学界提出过“生态农业”“低碳农业”“循环农业”和“绿色农业”等多种发展理念。2010年，FAO对上述发展理念进行融合和创新，提出建设气候智慧型农业的构想。

从2012年开始，FAO和欧盟共同实施的气候智慧型农业技术示范项目在马拉维、越南和赞比亚启动。此后，联合国开发计划署、全球环境基金、世界银行等还支持了厄瓜多尔、几内亚、马里、塞内加尔、柬埔寨等国开展气候智慧型农业技术项目。随后，加拿大、美国等国开始关注并且参与这一项目。2014年9月，美国主导成立了国际气候智慧型农业联盟(Global Alliance for Climate-Smart Agriculture，GACSA)。

我国在建设气候智慧型农业方面也十分积极。2013年，农业部在财政部和国家发展和改革委员会的大力支持下，开始与全球环境基金、世界银行等机构接洽，规划设计并签署了符合我国农情的气候智慧型农业项目。2015年，气候智慧型主要粮食作物生产项目(以下简称“气候智慧型农业项目”)在我国正式实施。除了种植业外，我国还在青海和内蒙古开展了气候智慧型草原生态建设项目。可以预见，气候智慧型农业这一新型农业发展模式将对我国农业的绿色可持续发展产生重大影响，甚至奠定未来农业的发展方向。

1.2 气候智慧型农业项目的具体实施情况

气候智慧型农业项目重点围绕水稻、小麦、玉米3大主粮作物生产系统，在安徽省怀远县和河南省叶县建立10万亩(亩为旧制单位，为遵从农业生产习惯和相关表述而在此处保留，1亩≈667 m2，下同)示范区，其中，怀远县为水稻-小麦种植模式，叶县为玉米-小麦种植模式。项目通过引入气候智慧型农业的生产理念与技术，重点开展减排固碳关键技术的集成与示范，建立起高产高效低排放的农业发展新模式，提高化肥、农药、灌溉水等投入品的利用效率，增加农田土壤碳储量，减少作物系统碳排放，增强作物适应气候变化的能力。

1.3 机制分析

通过对政策背景和实施情况的梳理，我们认为，气候智慧型农业项目实质上是基于理念转变、技术革新和政策更新的农业生产方式的创新升级。因此，基于熊彼特创新理论，并结合具体举措，本文认为气候智慧型农业项目可以看作是融合了技术创新、产品创新和市场创新的农业发展模式的综合性创新。进一步结合现有研究中关于经济活动对环境影响的效应分解[16]和波特的创新驱动理论，我们认为，气候智慧型农业项目所引发的创新可通过结构效应和技术效应两大路径来影响农业碳排放量。

首先，从固碳减排视角归纳出气候智慧型农业项目创新升级的几大特点。1)技术创新。项目采用测土配方施肥技术提高化肥使用效率，通过“一喷三防”等农药减量技术的示范，将无人机、自走式喷雾机等高效设备应用于病虫害统防统治，对项目区域内农户施用农药化肥的观念和技术手段进行更新升级。2)产品创新。通过推动智能技术应用于传统农产品中，提高农产品及其生产过程中的智慧化和气候适应性水平。这样一方面有利于减少农业碳排放量，增强其应对气候变化的能力；另一方面有利于顺应生态环境而更新换代传统农产品。3)市场创新。项目依托物联网、传感器、云计算等智能信息技术，以及新良种、新农资产业，开拓了以新技术和气候适应性农产品为主的新型农业市场，进一步削减污染产业的生存空间。

其次，从理论上梳理3种创新内生具有的技术效应和结构效应。1)技术创新驱动技术效应和结构效应发挥作用。王一杰等[17]发现，气候智慧型农业项目通过人力、资本等要素的集聚，提升了区域农业技术水平(技术效应)；依托现代化的生产和信息技术，提高了农产品质量，进而驱动农业产业结构升级(结构效应)。2)产品创新驱动技术效应和结构效应发挥作用。农产品创新通过生产过程中技术含量的提升来促进农产品质量升级，具体包括营养品质、商品品质和卫生品质的提升。农产品质量的更新换代即为农业生产技术不断创新发展的过程(技术效应)。当大多数农业经营主体在农产品创新升级的过程中实现了生产方式的优化转变，农业会实现从传统粗放型生产向现代集约型生产的转变(结构效应)。3)市场创新驱动结构效应发挥作用。气候智慧型农业项目开拓了以气候适应性农产品为主的新型农业市场，在气候变化背景下，市场需求的不断扩大会加快当地农业产业结构的升级(结构效应)。

最后，分析两大效应是如何抑制农业碳排放的，并提出本文的研究假设。气候智慧型农业项目的结构效应表现为通过投入新兴生产要素和提高气候适应性绿色产业发展比重来抑制农业碳排放。项目依托传感器、云平台、物联网、云计算等新兴技术要素，对气候、土地、水资源等生产要素进行智能化的监测和管理，形成一个农作物生长环境信息数据库，以便精准配置化肥、农药等要素投入，提高农业资源利用效率，进而驱使传统农业转型升级，向高效高产绿色可持续的发展方向转变。气候智慧型农业项目还通过轮作模式调整种植结构，控制水稻生产中甲烷的排放[18]。这在很大程度上会抑制试点地区的农业碳排放。此外，传统农业依靠大量资源投入的发展方式是不可持续的，而气候智慧型农业项目的试点为农业生产方式和经营者的生产理念提供了具体借鉴，试点的“示范效应”和经营者理念行为转变的“倒逼效应”会推动农业产业和相关的上下游产业转变发展方式，提高生产效率，降低碳排放。综上，本文提出假设H1：气候智慧型农业项目在创新驱动下，通过结构效应减少农业碳排放。

技术进步是改善环境的重要驱动力[19]，同时也被公认是农业碳减排的重要途径[20]。气候智慧型农业项目的技术效应主要通过农业技术进步提高单位资源利用率来降低资源消耗量，以实现抑制农业碳排放的目标。根据农业发展理论，技术效应可以促进生物化学型和机械型两类技术进步[21-22]。一方面，种质创新和化肥农药是生物化学型减排固碳技术的重要代表[23]，其中，化肥农药是农业第二大碳排放源，对农业结构性减排的贡献率在2018年超过90%[24]。为缓解试点地区化肥施用品种单一、投入量过高、效率低等问题，气候智慧型农业项目对数以万亩的粮食作物开展测土配方施肥，合理配置氮肥施用比例，提高了化肥施用效率，减少了化肥资源的浪费。针对试点地区农药施用量高、效率低，以及过量施用导致的农产品质量安全问题，气候智慧型农业项目通过采用植保无人机、自走式喷杆喷雾机等高效农药撒施设备，在5万亩小麦试验田开展“一喷三防”作业，在提高农药施用效率的同时保障了小麦丰收。另一方面，机械型技术进步指的是农用机械数量和质量的提升，主要体现为农业生产方式的改变。气候智慧型农业项目在粮食生产的耕地、播种和收获3个环节基本实现了机械化。同时，通过粉碎机和联合收割机将作物秸秆粉碎后旋耕还田，增加土壤有机质并减少环境污染。但不容忽视的是，粮食生产各环节使用农用机械数量和类型的增加会消耗更多的能源，导致碳排放量的增加。综上，本文提出假设H2a：气候智慧型农业项目在创新驱动下，通过生物化学型技术进步减少了农业碳排放量；假设H2b：气候智慧型农业项目在创新驱动下，通过机械型技术进步增加了农业碳排放量。

2 研究设计

2.1 模型设定

为了更加科学地评估气候智慧型农业项目实施能否抑制农业碳排放，本文将气候智慧型农业项目视为一次准自然实验，运用合成控制法，通过数据驱动方式进行拟合分析。基于政策评估效果的考虑，本文选择粮食生产规模更大、资源环境约束更强的安徽省怀远县为研究对象。基于预测变量，利用省内未实施项目的其他县确定合成怀远县的线性组合权重，通过对比项目实施后的怀远县与合成怀远县的差别来评估项目效果。

安徽省怀远县下辖15个镇和3个乡，是蚌埠市的产粮第一大县，同时也是全国粮食生产先进县。项目正式实施的2015年，怀远县的粮食作物播种面积、产量、农业产值稳居蚌埠全市第一，分别达19.986 2万hm2、124.103万t、57.277 2亿元。怀远县以农村人口为主，占比达78.7%。气候智慧型农业项目区位于怀远县万福镇和兰桥镇。2015年，这2个镇的水稻播种面积分别为5 244、4 044 hm2，分别占怀远县水稻播种面积的9.64%和7.43%；小麦播种面积分别为5 265、3 956 hm2，分别占怀远县小麦播种面积的5.15%和3.87%。项目区域虽未覆盖整个怀远县，但2个项目承担镇的水稻、小麦播种面积分别占全县的17.07%和9.02%，气候智慧型农业项目的试点势必会对整个怀远县的农业碳排放产生影响。因此，本文通过测算怀远县的农业碳排放来评估气候智慧型农业项目的实施效果具有较强的可信度。

(1)

式(1)中：δt为时间趋势；Zi为可观测到的预测变量，θt为预测变量的估计系数；λt为无法观测到的随时间变化的共同因子，μi为个体固定效应，λtμi为交互项；εit为不能预测到的瞬时冲击，均值为0。

假设除了i=1(即怀远县)外，其余县按照权重向量W=(w2，…，wj+1)可构造出虚拟怀远县，且w2+w3+…+wj+1=1，依据权重组合可以计算得到虚拟怀远县的结果变量：

(2)

(3)

2.2 农业碳排放测算

农业碳排放来源主要有两大方面：一是农业生产中农资投入产生的碳排放，包括化肥、农药、农用柴油和农用塑料薄膜使用过程中产生的碳排放，以及农业灌溉消耗电能所导致的间接碳排放。此外，土壤中的有机碳存储结构会在翻耕过程中被破坏，流失到空气中形成碳排放。二是水稻生长中产生的CH4。在计算CH4的排放系数时，已考虑到了化肥对其产生的影响。为避免重复计算而高估农业碳排放量，本文不将水稻生长中产生的CH4考虑在内。

基于李波等[26]、伍国勇等[27]的研究，最终选取化肥、农药、农用柴油、农用塑料薄膜、翻耕和灌溉作为农业碳排放的主要来源，其中，翻耕用农作物实际播种面积替代。

农业碳排放总量的计算公式为

Eit=∑Enit=∑Tnit×σn。

(4)

式(4)中：Eit表示第i个县第t年的农业碳排放总量，∑Enit表示n种碳源的碳排放总量，σn表示各类碳源的碳排放系数，Tnit表示各类碳源的量。

结合West等[28]、Dubey等[29]，以及美国橡树岭国家实验室、IPCC联合国气候变化政府间专家委员会、南京农业大学农业资源与生态环境研究所、中国农业大学生物与技术学院的相关研究，确定化肥、农药、农用柴油、农用塑料薄膜、翻耕和灌溉的碳排放系数分别为0.895 6 kg·kg-1、4.934 1 kg·kg-1、0.592 7 kg·kg-1、5.180 0 kg·kg-1、321.6 kg·hm-2和20.476 kg·hm-2。

人均农业碳排放量的计算公式为

Cit=Eit/Pit。

(5)

式(5)中：Cit表示第i个县第t年的人均农业碳排放量，Pit表示第i个县第t年的农业人口数量。本文使用人均农业碳排放量作为被解释变量，可以剔除人口密度对农业碳排放的影响，使得实证结果更加可靠[30]。

2.3 变量选取

本文选取安徽省未实施气候智慧型农业项目的县来合成怀远县，考虑到数据的可得性和同时期其他减排政策的效果干扰，本文剔除掉国家第二批低碳试点城市中安徽省池州市下属的所有县，最终选取安徽省蚌埠市固镇县、五河县，合肥市肥东县、肥西县、庐江县、长丰县，淮南市凤台县，马鞍山市当涂县、含山县、和县，宿州市砀山县、灵璧县、泗县、萧县，芜湖市繁昌县、南陵县、无为县、芜湖县(现为湾沚区)，宣城市绩溪县、泾县、旌德县、郎溪县作为对照组。

被解释变量为人均农业碳排放量(C)，使用各县农业碳排放量与该县农业人口数量之比表征，单位为kg。解释变量为各县的气候智慧型农业项目是否实施(D)。预测控制变量包括：1)农业机械总动力(Z1)，以各县用于农业生产的柴油、汽油和电动机动力总和(单位为kW)的自然对数值表征；2)氮肥用量比例(Z2)，以各县氮肥施用量占总化肥施用量的比例表征；3)城镇人口比例(Z3)，以各县城镇人口数量占年末总人口数量的比例表征；4)农业生产总值比例(Z4)，以各县农业生产总值(剔除通货膨胀)占该县农林牧渔业生产总值的比例表征；5)农村人均收入(Z5)，以各县农业生产总值与该县农业人口数量之比(单位为元)的自然对数值表征；6)2011年人均农业碳排放(Z6)，以2011年各县的人均农业碳排放量(单位为kg)的自然对数值表征；7)2013年人均农业碳排放(Z7)，以2013年各县的人均农业碳排放量(单位为kg)的自然对数值表征。将各变量的描述性统计结果整理于表1。

表1 变量的描述性统计

3 结果与分析

3.1 合成控制组的权重组合

本文利用预测控制变量合成怀远县的虚拟控制组。具体地，合成怀远县时，共用到3个非0的对照县，按权重组合，分别为灵璧县(权重为0.478)、长丰县(权重为0.467)和肥西县(权重为0.054)。项目实施前，怀远县与合成控制组的均方根预测误差(RMSPE)为0.891。

将2015年气候智慧型农业项目正式实施之前预测控制变量的拟合情况整理于表2。通过对比可以看出，同一变量怀远县的真实值和合成怀远县的预测值之间差异较小，说明合成怀远县对真实怀远县的拟合较为有效。也就是说，可以采用合成控制法评估项目实施对人均农业碳排放量的影响。

表2 变量真实值和拟合值的对比

3.2 气候智慧型农业项目对农业碳减排的影响

测算2011—2019年怀远县与合成怀远县的人均农业碳排放量(图1)，其中，2015年为项目正式实施的年份。通过观察2015年(图1中虚线)两侧真实怀远县和合成怀远县的变化趋势，可以评估项目对怀远县人均农业碳排放量的影响。在项目实施前，两条曲线的变化趋势基本一致，说明合成怀远县较好地拟合了真实怀远县的人均农业碳排放量。然而，在气候智慧型农业项目正式实施之后，合成怀远县与真实怀远县的人均农业碳排放量出现了明显分离，自2016年起真实怀远县的人均农业碳排放量始终小于合成怀远县，2018年两者差值最大，随后开始缩减。由此推断，气候智慧型农业项目的实施对减少怀远县的农业碳排放来说具有明显效果，但政策效应的持续性不强。

2015年，气候智慧型农业项目对怀远县人均农业碳排放的影响效应为正(表3)，说明项目实施效果具有时滞性，项目实施当年并未对人均农业碳排放起到抑制作用。2016—2018年，项目实施的效应逐年增大，至2018年时达到最大值，怀远县人均农业碳排放量下降了5.643 1 kg，下降幅度为4.10%。随后，影响效应开始减小。总的来看，2015—2019年间气候智慧型农业项目平均每年促使怀远县人均农业碳排放量减少1.977 6 kg，平均降幅为1.43%。

表3 2015—2019年气候智慧型农业项目对农业碳排放的影响效应

3.3 稳健性检验

3.3.1 排序检验

为了排除其他政策因素的干扰，并进一步验证气候智慧型农业项目减排效应的显著性，参照Abadie等[25]、于新亮等[31]的研究，利用类似统计中秩检验的排序检验方法，判断是否有未实施项目的县通过合成控制法分析后存在与怀远县相似的结果及其概率。具体思路为，假设除真实的气候智慧型农业项目试点怀远县外所有的对照县在相同时间点也实施了该项目，按照合成控制法合成各假设项目实施县的控制组，并比较各县与其合成控制组的人均农业碳排放量的差异，得出各个县的项目实施效果，再与怀远县的项目实施效果进行比较，若怀远县与假设县的政策效果差异较大，则证明气候智慧型农业项目的碳减排效果显著，反之则不能证明。

值得注意的是，如果在项目实施之前合成控制组不能很好地拟合项目实施县(包含假设项目实施县)的人均农业碳排放量，那就无法保证项目实施后的减排效应是由项目实施导致的。因此，为了保证排序检验的效果，本文事先剔除项目实施前均方预测误差值(MSPE)超过怀远县10倍的县(五河县、凤台县、含山县、和县、繁昌县和肥西县)。

将剔除掉五河县、凤台县、含山县、和县、繁昌县和肥西县6个县后的排序检验结果绘制于图2，图中实线代表怀远县。以2015年为界，项目实施后，怀远县与其他县人均农业碳排放量的差值开始逐渐扩大，2016年后怀远县的曲线开始位于曲线簇的最下端。进一步分析可知，剔除掉6县后剩余的17个样本中，要想获得与怀远县相同的干预效果的概率只有5.88%(1/17)，气候智慧型农业项目的减排效应在10%的水平上显著。

图2 排序检验结果

3.3.2 虚假实验

借鉴Abadie等[25]、张彩江等[32]在稳健性检验中的做法，选取合成怀远县中贡献值最高和最低的县进行虚假实验，检验减排效应评估中是否存在随机性不足的问题。灵璧县是合成怀远县中权重最大的县，说明在所有的对照县中，灵璧县与怀远县最为相似；南陵县是合成怀远县中没有权重的县，说明南陵县与怀远县在基本特征上相去甚远。将灵璧县和南陵县两个极端情况作为处置组，检验项目实施后实际人均农业碳排放量平均值与合成人均农业碳排放量平均值的情况(图3)。对于灵璧县和南陵县来说，项目实施前后，实际人均农业碳排放量平均值始终沿着合成人均农业碳排放量平均值的走势变化，虚假项目实施县的实际人均农业碳排放量平均值与合成人均农业碳排放量平均值在2015年后并未出现与怀远县相似的趋势。这在一定程度上证明，气候智慧型农业项目是促使怀远县人均农业碳排放量减少的重要原因，这一现象并非偶然因素所致。

图3 灵璧县(左)与南陵县(右)的虚假实验结果

3.4 气候智慧型农业项目抑制农业碳排放的机制检验

参考温忠麟等[33]的中介效应研究，进一步验证项目实施的碳减排效应作用路径。鉴于项目主要针对粮食作物生产，使用剔除通货膨胀后的农业生产总值占农林牧渔业生产总值的比例(Z4)表征结构效应；考虑到数据的可获得性和项目实施内容，使用农业机械总动力(Z1)和氮肥占化肥用量比例(Z2)分别从机械型技术进步和生物化学型技术进步两个方面来表征技术效应。

首先，基于Hausman检验结果，决定使用固定效应模型；其次，利用逐步回归检验中介效应。具体检验步骤如下：1)检验项目对人均农业碳排放量的影响；2)检验项目分别对结构效应(Z4)、技术效应(Z1和Z2)的影响；3)同时检验项目和结构效应、项目和技术效应对人均农业碳排放量的影响。

模型1～7的公式如下：

lnCit=α0+β×Dit+γ×xit+eit；

(6)

Z4it=α0+δ1×Dit+γ×xit+eit；

(7)

lnCit=α0+β1×Dit+φ×Z4it+γ×xit+eit；

(8)

Z1it=a0+δ2×Dit+γ×xit+eit；

(9)

lnCit=a0+β2×Dit+ψ×Z1it+γ×xit+eit；

(10)

Z2it=α0+δ3×Dit+γ×xit+eit；

(11)

lnCit=a0+β3×Dit+φ×nZ2it+γ×xit+eit。

(12)

式(6)～(12)中：D为项目实施的虚拟变量，2015年及之后怀远县的取值设为1，2015年之前的怀远县以及其他县都设置为0；α0为常数项；Z4为结构效应，Z1和Z2分别表征机械型技术效应和化学型技术效应；lnCit为人均农业碳排放量的自然对数值；x为控制变量。

首先，检验结构效应(表4)。由模型1的回归结果可知，气候智慧型农业项目的实施在1%的显著性水平上对人均农业碳排放量产生负向影响，系数为-1.650。模型3的回归结果显示，加入结构效应指标后，气候智慧型农业项目的实施仍在1%的显著性水平上对人均农业碳排放量产生负向影响，但影响系数的绝对值有所下降。同时，模型2的回归结果说明，气候智慧型农业项目的实施对结构效应指标在1%的显著性水平上有显著影响。由此可见，结构效应在气候智慧型农业项目对人均农业碳排放的影响中发挥着部分中介效应。经测算，中介效应值为0.397。由此，假设H1得证。试分析其原因如下：气候智慧型农业项目实施后，技术示范与配套政策的完善引导着项目区农户积极改变原有生产方式，学习和采纳绿色生产技术，倒逼农资企业向绿色低碳转型，推动农业产业结构转型升级。

表4 机制检验结果

其次，检验技术效应。由模型1、4、5的回归结果可知，气候智慧型农业项目的实施在1%的显著性水平上对人均农业碳排放量具有负向影响，但机械型技术效应的回归结果不显著，且项目实施对机械型技术效应的影响不显著，说明机械型技术效应并未在项目对人均农业碳排放量的影响中起到中介作用，假设H2b证伪。可能的原因是，气候智慧型农业项目的技术示范应用主要包括化肥减量施用技术、秸秆还田与固碳技术、平整土地与优化灌溉技术，其中，仅平整土地和秸秆还田会涉及到农业机械，但早在项目实施之前，我国粮食主产区就已基本实现机耕机收，项目实施并未通过机械总动力变化而影响到人均农业碳排放量。由模型1、6、7的回归结果可知，气候智慧型农业项目的实施在1%的显著性水平上对人均农业碳排放量有显著负向影响，在1%的显著性水平上对氮肥用量比例有负向影响；氮肥用量比例在10%的显著性水平上对人均农业碳排放量有正向影响，中介效应显著。加入氮肥用量比例后，气候智慧型农业项目的实施对人均农业碳排放量的影响由显著变成了不显著，说明化学型技术效应起到了完全中介作用。经测算，化学型技术效应的中介效应为0.695。由此，假设H2a得证。试分析其原因如下：氮肥是化肥生产和施用中用量最大的肥料品种，农业生产中约70%的温室气体排放与氮肥的制造和施用有关。气候智慧型农业项目通过对示范田的测土配方，科学合理制定施肥比例，减少了化肥施用量，提高了化肥施用效率，从而减少了化肥施用导致的农业碳排放量。

4 结论与政策启示

本文将安徽怀远县气候智慧型农业项目视为一次准自然实验，基于2011—2019年安徽省23个县的面板数据，运用合成控制法评估新型农业发展模式——气候智慧型农业项目对农业碳排放的影响，并使用排序检验和虚假实验对其影响效应进行稳健性检验。结论如下：气候智慧型农业项目的实施对农业碳排放的效应具有一定的时滞性，在其实施初年，怀远县人均农业碳排放量并未受到影响，但自第二年开始显著降低了怀远县的人均农业碳排放量，人均农业碳排放量年均下降1.977 6 kg，年均降幅为1.43%。中介效应模型检验结果发现，气候智慧型农业项目推动了农业发展模式的创新，通过结构效应和生物化学型技术效应抑制农业碳排放。因此，在气候变化的背景下，发展高产高效的绿色农业不仅要加大对绿色技术的集成示范，增强农业经营主体的绿色经营理念，更要注重对新型农业发展模式的探索。

基于上述研究结论，本文提出以下政策建议。

第一，积极探索和推广气候智慧型农业等新型农业发展模式。气候智慧型农业项目能够有效降低怀远县的人均农业碳排放量，说明新型农业发展模式可以突破传统农业发展必然增污的局限性。因此，应该加强对气候智慧型农业项目具体内容、优缺点、适用性和发展方向等方面的总结，充分发挥项目的辐射示范作用，进一步扩大气候智慧型农业这一新型农业发展模式的应用范围，并因地制宜积极探索其他农业发展新模式。第二，推进农业产业结构绿色化转型升级。我国幅员辽阔，各地气候土壤条件迥异，务必因地制宜地调整农业种植结构，探索适宜的轮作和种养结合模式，提高农户的田间管理能力，增强农户的绿色可持续发展意识。第三，强化农业技术创新，转变生产方式。持续推进化肥农药减量增效，推广农作物病虫害生物防控技术措施。全面深化测土配方施肥技术，坚持精准测土、科学配肥和减量施肥相结合，提高我国化肥利用率，减少过量施肥导致的资源浪费和环境污染。