數字農業發展：國際經驗、減排效應與金融支持※——基于成都的案例分析

○張柏楊 劉佳穎 朱睿博

中國人民銀行成都分行 四川成都 610041

面對全球氣候變暖的巨大挑戰，中國提出了2030年前實現碳達峰、2060年前實現碳中和的“30·60”目標。作為全球溫室氣體的重要來源，農業二氧化碳減排對于我國實現“30·60”目標具有重要意義。從發達國家經驗看，數字技術加持下的農業精準生產模式是二氧化碳減排的有效方式和重要路徑。近年來，我國也加大了數字農業發展的政策支持力度，從農業生產經營到農產品流通，數字技術在農業領域的應用場景不斷豐富。同時，數字化農業生產形成的大量數據資源很大程度上改變了農村農業領域的傳統融資方式，為金融支持溫室氣體減排甚至是“三農”發展帶來了新的機遇。但我國數字農業發展仍面臨投入成本高、數據利用不足等諸多挑戰。因此，有必要在系統梳理國內外經驗的基礎上，結合中國實際情況討論數字農業發展及金融支持等相關問題，為碳減排及農村金融發展提供有價值的參考。

一、農業溫室氣體排放結構及特征

據聯合國糧農組織發布的《2016年糧食及農業狀況》相關數據，農業（包括農、林、牧、漁業）溫室氣體排放占世界總排放的20%①數據來源：http://agris.fao.org/。。如果將農業相關生產、消費等活動考慮在內，農業無疑是溫室氣體排放不可忽略的重要因素。據聯合國糧農組織研究人員測算（Crippa，2021），2015年全球糧食體系相關溫室氣體排放量達到180億噸（折算二氧化碳當量），占人類活動排放總量的34%。其中排在首位的是糧食生產階段（包括農業、漁業、水產養殖和化肥等生產資料的生產）產生的溫室氣體，占比39%（約71億噸）；其次是土地利用和用途變更活動產生的排放量占32%（約57億噸）；分銷（包括運輸、包裝和零售）、加工、消費和廢物處理的排放量占29%（約52億噸）。從糧食體系溫室氣體排放構成來看，二氧化碳（CO2）占52%，甲烷（CH4）占35%，氧化亞氮（N2O）占10%，含氟氣體占2%。

作為農業生產大國，中國農業的二氧化碳排放量從2002年的0.51億噸提高至2017年的1.02億噸。在全國二氧化碳整體排放強度持續下降的趨勢下，農業排放強度卻從2002年的0.31噸/萬元上升至2017年0.32噸/萬元②排放數據來源于中國碳排放數據庫（CEADs），增加值數據來源于投入產出表并進行了價格平減。農業價格指數由第一產業不變價和可變價國內生產總值推算得到。。另有研究表明（金書秦等，2021），我國農業溫室氣體排放構成由1979年以前的種植（主要包括水稻種植、化肥、土壤培肥、作物殘茬等）、養殖（主要包括腸道發酵、糞便管理、牧場糞便殘留等）各占一半，逐步演變為目前的種植、養殖、能源消耗三分天下。細分來看，能源消耗、化肥施用、動物腸道發酵、水稻種植是農業溫室氣體的四大排放源，2018年合計占農業總排放量8.7億噸（折算二氧化碳當量）的76.9%（見表1）。因此，中國農業溫室氣體減排潛力巨大。

表1 2018年中國農業溫室氣體主要排放源

鑒于農業是二氧化碳的主要排放源之一，歐美發達國家紛紛探索發展氣候智慧型農業。國際經驗表明，數字技術是氣候智慧型農業發展最重要的路徑。在“30·60”的歷史背景下，數字農業實踐對中國實現減排目標意義重大。

二、數字農業的概念及發展歷程

數字農業實踐最早始于20世紀60年代計算機技術在發達國家農業生產中的運用，但關于數字農業的概念目前尚未形成共識，常見的說法包括智慧農業、信息農業、“互聯網+農業”等。中國農業農村部《數字農業農村發展規劃（2019—2025）》將數字農業定義為“生物體及環境等農業要素、生產經營管理等農業過程及鄉村治理的數字化”。盡管概念尚未統一，但普遍認為數字農業的內涵主要體現于兩個方面（郭振海，2021）：一是將高新技術與基礎學科③高新技術包括遙感、全球定位系統、通訊和網絡技術等，基礎學科包括地理學、農學、植物學等。有機結合起來，實現對農業生產全過程的實時監測和精準控制；二是利用數字技術將農產品生產、流通、經營和管理融合起來，達到高效配置農業資源，實現農業降本增效的目的。綜上，本文認為數字農業的本質在于，利用數字技術提高農業生產過程中的資源利用率，促進農業經營過程中的農產品生產和流通，最終使農業全產業鏈以環境友好的方式創造更多經濟價值。

（一）國外數字農業的發展歷程

根據數字農業不同時期的發展重點，發達國家數字農業的發展歷程大致可歸納為三個階段。第一階段（20世紀60年代至80年代中期）為數字農業的初步探索期。歐美發達國家嘗試將計算機技術運用于農業生產之中，主要表現為利用計算機技術對農業數據進行處理、定量化計算等，同時開始了農業數據庫的建設。第二階段（20世紀80年代末至90年代末），農業數據庫建設取得較大突破，發達國家利用數據庫搭建農業知識體系和專家系統，并用于處理和解決農業生產過程中的實際問題。另外，農業數字模型構建成為該階段數字農業發展的重點方向之一，研發農作物生長模擬模型用于作物管理、育種、施肥、灌溉等農業生產環節，實現了農業生產的數字化和可預期。第三階段（21世紀初至今），隨著互聯網技術的飛速發展，這一階段數字農業的重點發展方向是以網絡技術為主的農業生產和服務信息化。發達國家開始研究開發農業信息服務網絡，目前已實現通過標準化網絡技術提供農業信息服務。此外，通過遙感技術和地理信息系統技術對各類農業信息匯集處理等應用技術已進入實用化階段。農業數字化發展從生產領域擴展至整個農業生產、流通、經營和管理的全產業鏈。

由于國情不同，發達國家的數字農業發展各有特點（朱巖等，2020）。美國農業互聯網技術（包括物聯網、大數據等）處于領先地位（見表2）。同時，由于農業生產以農場為主，美國數字農業技術在不同規模農場中的運用存在差異。家庭農場主要采納“植物工廠”④“植物工廠”為一種封閉性生產體系，采用物聯網技術對工廠內溫度、濕度、二氧化碳濃度等進行遠程操作與管理，由機械人或機械手代替人工進行施肥、施藥等作業，智能化自動化程度較高。據朱巖等（2020）統計，美國88%的家庭農場已采用“植物工廠”模式。模式，大型農場主要應用計算機集成技術，實現對市場信息、生產信息、資金信息、勞動力信息等農業生產不同方面的監測與管理。不同于美國，日本人多地少且人口老齡化嚴重，其數字農業發展的重點方向為輕便型智能農機運用，如運輸機器人、無人駕駛拖拉機等，同時將物聯網等技術用于農業生產和管理。由于可耕地面積貧乏，溫室農業是荷蘭農業生產的主要形式，為促進溫室農業發展，荷蘭將數字技術應用于溫室農業，主要體現在溫室環境自動化控制、智能化澆灌等方面。

表2 國外數字農業實踐的代表性案例

（二）國內數字農業發展歷程

中國數字農業起步較晚，主要依靠政策引導。中國數字農業發展的相關政策最早可追溯到1990年科技部組織實施的“農業智能化信息技術應用工程”，當時正值發達國家在農業生產領域廣泛運用數字技術的重要階段。該工程借鑒發達國家數字農業發展經驗，構建計算機農業基礎，實現農業專家系統應用。1998年“數字中國”戰略的提出標志著國內正式全面展開“數字農業”領域的探索和研究。2013年，原農業部出臺《農業物聯網區域試驗工程工作方案》，并選擇天津、上海及安徽等地率先展開試驗工作，進行農業物聯網應用理論研究，探索農業物聯網發展方向、重點領域及推進路線。2019年以來，有關部門密集出臺相關政策意見（見表3），推動農業農村大數據、物聯網和遙感技術、互聯網+農業、區塊鏈、人工智能、通信網絡等多種數字技術在農業領域的運用。中國關于數字農業頂層設計和發展思路不斷完善。

表3 2019年以來數字農業發展相關政策文件

在政策引導下，數字技術在我國廣大農村地區正在逐步推廣運用。根據農業農村部的數據，2019年我國縣域數字農業農村發展總體水平達36%⑤根據《2020全國縣域數字農業農村發展水平評價報告》，農業農村數字化水平按照發展環境、基礎支撐、生產信息化、經營信息化、鄉村治理信息化及服務信息化6大類指標綜合評分測算得出。其中，農業生產數字化包括種植業信息化、設施栽培信息化、畜禽養殖信息化和水產養殖信息化，權重根據各行業產值占比動態調整。，農業生產數字化水平為23.8%，其中精準施藥、病蟲害檢測預警系統、無人機植保等先進技術裝備得到不同程度的應用，農業生產數字化轉型加快推進。阿里、京東、百度等互聯網巨頭和中化集團等知名央企紛紛進軍數字農業領域，數字農業的運用場景不斷拓展豐富（見表4）。

表4 國內數字農業發展的典型模式

三、數字農業減排的國際經驗及中國實踐

（一）數字農業減排的國際經驗

美國哈佛大學有關研究認為（Paarlberg，2021），數字農業整合使用那些環境影響更低、信息化程度更高的現代科技手段⑥數字農業將遙感、地理信息系統、全球定位系統、計算機技術、通訊和網絡技術、自動化技術等高新技術與地理學、農學、生態學、植物生理學、土壤學等基礎學科有機結合起來，實現在農業生產過程中對農作物和土壤從宏觀到微觀的實時監測，定期獲取農作物生長、發育狀況、病蟲害、水肥狀況及相應環境信息;對農業生產中的現象、過程進行模擬，達到合理利用農業資源，降低生產成本，改善生態環境，提高農作物產量和質量的目的。，可在不斷提升農業生產效率的基礎上減少對物質資源的依賴，直接或間接地提高現代農業的環境和經濟效益。具體來看，在農業生產、加工、包裝、倉儲、運輸、銷售等全產業鏈環節中，數字農業利用智能感知、分析和控制等數字技術，精準服務農業價值鏈上生產經營主體的決策行為，減少化學品投入、降低能耗、減少土地資源浪費等，最終起到增加農業碳匯、減少農業碳源的效果。

目前，以農業物聯網、大數據、人工智能等為代表的數字農業技術，已經廣泛應用于發達國家的農業生產領域，為傳統農業向氣候智慧農業轉型提供了技術基礎和重要途徑。經合組織（OECD）開展的調查表明（Henderson et al.，2020），近年來發達國家出臺一系列農業減排政策措施，其中一大共同點就在于普遍重視利用現代科技特別是數字技術手段，引入數據密集型的智能化“精準技術”，提升對農業溫室氣體排放源的實時監控和分析能力，對排放源進行高效管理與干預，實現農業低排放與高產出的雙重目標（見表5）。另外，發達國家數字農業減排的另一個重要特點是，其數字農業減排路徑主要由政府推動甚至是直接參與，如：荷蘭由政府和企業共同投資進行數字農業減排試點，美國加州食品和農業部直接向農民和牧場提供財政獎勵以促進減排。

表5 部分發達國家數字農業溫室氣體減排做法

（二）數字農業的減排效應：以成都市R公司為例

在傳統小農經濟向數字農業轉變過程中，農業生產經營主體與現代數字科技手段及管理技術的有機融合是其中的關鍵。由于實施數字農業需要人力、技術、物資、管理等投入成本，規模化、集約化的農業生產方式是實現數字技術運用的有效途徑。調查發現，成都市土地適度規模經營面積達到362.8萬畝，占耕地總面積的56.7%，其中全市種植大戶1.3萬余戶。不過，受制于知識水平、管理技術、市場信息以及資金實力等因素，有能力實現數字化種養殖的農業生產經營主體主要是農業核心企業，而農戶則主要是依托核心企業、社會化服務組織以及專業化互聯網電商平臺的技術服務支撐，實現傳統農業生產的數字化升級。

1.R公司的數字農業模式（見圖1）。R公司作為農業龍頭企業和數字農業的典型代表，通過建立技術服務中心和數字平臺，為關聯農戶提供糧食生產的技術方案和便利化、低成本、全方位的社會化服務。其中，數字技術服務中心具備糧食生產經營過程中“耕地識別、作物識別、環境監測、適種分析、災害預警、產量預測、精準生產和價格預測”等多種功能；數字平臺是一個集農業生產管理、農資供應管理、農業技術服務、機械作業、糧食銷售為一體的數字化農業管理平臺，提供功能集成、終端對接的服務。該模式以“中心+平臺+農戶”為主線，同時聯結市場和政府，實現了農業生產、流通、經營和管理的數字化融合。R公司在自身種植糧食作物近1.8萬畝的同時，帶動本地農戶種植近18萬畝糧食作物。該數字農業模式下，糧食種植更高效、精確，最終直接或間接起到減少溫室氣體排放的效果。

2.R公司數字農業模式直接減排效應⑦根據IPCC發布的碳排放系數法，農業碳排放量的計算公式為：CE=ΣEi=Σ(ei*δi)。其中，CE為農業碳排放總量，Ei為各類碳源的碳排放量，ei為碳源具體使用數量，δi為對應碳源的碳排放系數。各類碳源具體使用數量由調查得到，對應碳源的碳排放系數分別來源于IPCC、OPNL等機構。測算時各類溫室氣體被統一置換成標準碳的排放量。。基于調查收集的數據，本文對R公司模式下的減排效應和糧食生產經濟效益進行了具體測算（見表6）。

表6 R公司數字農業模式下糧食生產直接減排統計

一是糧食種植過程中生產要素精準投入減排。R公司數字農業模式下，通過遙感技術以及地面地下數據采集系統，精準監測土壤肥力，指導農民按照測土配方技術精準施肥，避免化肥濫用；通過田間傳感裝置全天候監測分析病蟲害等情況，指導農民利用無人機管理病蟲害，及時精準施放農藥，避免過量施藥。據測算，精準施肥施藥使每畝小麥種植可分別減少農藥和化肥投入3.75克和5千克，碳排放量最高可減少0.02千克和4.48千克。每畝水稻種植可減少農藥和化肥投入15克和5千克，碳減排量分別達0.074千克和4.48千克。

二是糧食種植過程中農機能耗節省減排。R公司數字農業模式可科學規劃農機作業最佳路線，并結合GPS等工具引導農業機械在田間精準高效作業，小麥和水稻種植過程中農機使用可分別節省柴油約0.3升/畝和0.4升/畝，相當于直接減少碳排放0.15千克和0.2千克。

三是糧食烘干能耗節省減排。R公司數字農業模式下采用規模化烘干方式，同時精確控制烘干溫度以及熱循環利用等技術加持，烘干效率更高、耗能更低。據估算，R公司數字農業模式下每畝糧食烘干過程可節省天然氣約1立方米，相當于直接減少碳排放2.09千克。

四是糧食運輸過程中能耗節省減排。傳統模式下，糧食運輸由農戶自行組織，單次運輸量小，運輸路線、次數缺乏統籌規劃。R公司數字農業模式通過合理統籌糧食運輸，減少種子和糧食在購買和銷售過程中的運輸次數，使小麥和水稻運輸分別減少汽油消耗0.5升/畝和0.6升/畝，直接碳減排分別為1.02千克和1.23千克。

從排放量指標分析，每畝小麥和水稻直接碳減排分別可達7.76千克和8.07千克。按照R公司數字農業模式種植面積約20萬畝，且小麥、水稻分別1季/年計算，每年實現糧食種植碳減排共計約3166噸。

2.R公司數字農業模式的間接減排效應。一是禁止秸稈燃燒帶來的減排效應。秸稈燃燒是農業碳排放的重要來源，R公司數字農業模式通過搭建天空地一體化的物聯網測控系統，幫助環境管理部門有效加強田間管理，及時發現并制止燃燒秸稈等行為，從而間接實現農業減排。二是從經濟效益方面保障了減排可持續性。數字農業具有明顯的正外部性，但農戶采用數字技術卻需要額外成本投入，只有獲取更高的經濟收益才能吸引更多小農戶放棄傳統粗放耕種模式。R公司數字平臺將農戶組織起來，代表農戶統一與農資企業和社會化服務組織商議價格，解決了傳統農業經營模式下小農生產與大市場不匹配的問題，降低糧食種植的成本。截至2020年末，R公司數字平臺已上線37家育供秧、植保、烘干等社會化服務組織，完成237筆社會化服務交易，交易金額達1163萬元。調查發現，R農業模式下農戶經濟效益提升約8%（見表7）,可較好地覆蓋數字技術的成本投入。

表7 R公司數字農業模式下糧食生產經濟效益對比（單位：元/畝）

四、數字農業模式下的農村融資方式演變

（一）傳統模式下的農村融資方式

傳統模式下，農村的融資方式按交易層次從低至高可劃分為三類（劉錫良，2007）：熟人間的民間借貸、社區間的合作金融、市場化融資。在小農經濟條件下，農村的融資方式主要為熟人間的民間借貸，其信用方式主要基于親戚、朋友、鄰里之間的血緣和地緣關系。隨著小農經濟向市場化發展，農戶生產生活的資金需求不斷擴大并超出熟人間的資金借貸能力時，社區間的合作金融便成為農村資金的一個重要來源渠道，合會、資金互助社、農村合作基金會⑧農村合作基金會已于1999年全部清理關閉。、小額信貸等便是其中的典型代表。當農戶的生產生活完全融入整個市場化經濟中，融資需求也逐漸轉向市場化融資方式，正規金融便成為農村最重要的資金來源。

從信用關系看，上述融資方式體現了農村金融從熟人信用向市場信用的過渡。熟人信用下，借貸雙方多為熟人或經由熟人介紹，省去抵押和擔保環節，手續簡單且期限靈活，易被傳統農戶接受。但是，熟人信用下的借貸金額普遍偏小，借貸市場規模有限，一般僅用于農戶臨時性的資金短缺。市場化融資下，借貸雙方均為陌生人，熟人信用所具有的信息對稱優勢不復存在。為克服信息不對稱，正規金融機構往往會要求農戶提供抵押擔保。但是，我國農村地區抵押品缺乏的問題十分突出，土地、農房和農產品作為抵押品都存在一定的缺陷，如農房的市場流動性不足、農產品不易保存流通等，進而推高了正規借貸的交易成本。正規金融機構對抵押品的強調，變相提高了農戶貸款的“門檻”，融資難問題在傳統模式下一直難以得到解決。

由于信用關系不同，民間借貸與市場化融資在交易成本、增信方式、貸款特征等諸多方面存在差異。民間借貸往往不需要增信，主要依賴于道德約束，交易成本低、融資效率高但額度偏小。而市場化融資依賴于陌生人信用，信息不對稱問題比較嚴重，需要通過抵質押品增信，這導致了較高的交易成本，手續流程復雜且融資效率偏低。正規金融機構只有基于集中性、大額性的融資需求開展業務，才能發揮融資的規模效應，降低交易成本。合作金融的交易成本、增信方式、貸款特征等一般介于民間借貸和市場化融資之間。

（二）數字農業下的農村融資方式演變

數字農業與傳統農業最核心的區別在于決策因素從“人”向“數據資源”的轉變。數字農業模式下，數字平臺收集了農業生產經營主體大量的生產經營數據。金融機構、核心企業圍繞這些數據資源創新融資方式，尤其是利用數據資源代替傳統的抵質押品為農業生產經營主體增信，可有效克服困擾農村金融的信息不對稱和抵押物缺乏問題。目前，數字農業模式下的農村融資創新主要體現在三個方面：

一是增信方式創新。數字平臺作為核心企業，自身擁有雄厚的資信能力，并清晰掌握了合作農戶、農資企業、社會化服務組織的生產經營信息。在與金融機構的合作中，核心企業能夠通過其掌握的數據資源為上下游農業主體融資提供增信，金融機構根據核心企業收集的數據對農業主體進行信用評價和風險判斷，最終實現完全基于數據資源提供融資。

二是信貸流程創新。數字農業模式下，數字平臺與金融機構合作，其信貸業務的開展主要依賴于數字平臺的數據資源，貸前調查、風險評估、貸后管理等信貸流程均可以實現在線完成，金融機構可節約相應管理成本。農業生產經營主體可以通過線上途徑申請貸款，簡化冗長的手續辦理流程，直接提高融資效率。

三是風險分擔機制創新。一方面，數字平臺借助互聯網技術可以有效整合政府、擔保、銀行金融機構等多個主體之間的資源和數據，減少了相關部門之間的溝通成本，為風險分擔機制建設和高效運行夯實了基礎。另一方面，數字平臺基于農業大數據建立農業主體信用評價體系和風控模型，推動融資擔保業務數字化，把數字化業務嵌入風險擔保業務之中，既可以為傳統的風險分擔機制提供精準的數據支持，也可以作為分擔主體參與到風險分擔機制之中，進一步提高業務的精準性和多元性，有效解決傳統農村金融的擔保難題。

總的來講，數字農業模式與傳統模式下融資方式最重要的區別在于增信方式不同（見表8）。擁有數據的核心企業在農村金融中發揮了重要作用，其不僅提供數據資源并為數據的真實性負責，而且作為市場主體參與到信用評價、風險分擔機制之中，最終使融資效率提高、交易成本下降。

表8 農村不同融資方式比較

（三）R公司數字農業模式下的金融實踐

實踐中，成都涉農金融機構和互聯網金融平臺充分利用R公司數字平臺掌握的上下游農業生產經營主體的數據信息，構建數字化信用評分模型，為參與數字農業各個環節的生產經營主體提供信貸、保險等金融服務。從增信方式看，R公司和金融機構主要從兩方面探索創新融資模式。一種方式是由R公司為主導，通過數字平臺積累的上下游農業生產經營主體的數據信息，構建數字化信用評分模型，在此基礎上與金融機構合作。金融機構為R公司提供資金，再由R公司為訂單農戶提供信貸、保險和實物融資等金融服務。另一種方式是以金融機構為主導的融資模式。農戶通過數字平臺購買生產資料、社會化服務時，平臺依托交易數據和云計算技術，創建風險控制模型和策略對農戶進行授信，金融機構在授信額度內按照訂單金額直接將資金劃轉至農資企業或社會化服務組織的賬戶。在風險分擔機制上，R公司參與到風險機制之中，與擔保公司、銀行探索建立了“核心企業+銀行+擔保”的風險分擔機制，以R公司承擔30%、擔保公司承擔40%、銀行承擔30%的比例建立風險基金，按照10倍放大倍數為平臺上下游農業生產經營主體授信。信貸流程方面，目前R公司數字平臺已開通全程在線辦理種植貸款驗證評估業務，農業生產經營主體無需抵押和擔保，憑信用申請貸款30萬～50萬元，全部手續均在線辦理，1至3天即可完成貸款全部流程，且貸款成本比以往資金借貸和農資賒銷等方式節省70%以上。截至2021年5月末，該數字平臺已聯合農業銀行、農商銀行、中國平安、螞蟻金服等金融機構為56戶農戶發放貸款1680萬元。

R公司數字農業模式下，金融機構利用數據資源，實現了綠色、普惠及數字化的有機融合。首先，金融支持數字農業發展，產生明顯的二氧化碳減排效應，充分體現了綠色金融的發展目標；其次，數字農業模式將核心企業與大量農戶、農資企業、社會化服務組織聯結在一起，深化了農村金融的普惠性；最后，數字農業模式下各環節的金融活動均體現出數字金融交易成本低、運行效率高的優勢和特點。綜上，R公司數字農業模式表明，普惠金融、綠色金融和數字金融融合發展，相互促進，不僅必要，而且大有可為。

五、金融支持數字農業發展面臨的障礙

（一）數字技術存在“門檻”效應

長期以來，我國都存在小農生產和土地細碎化經營的基本格局。第三次全國農業普查數據顯示，我國小農戶數量占農業生產經營戶的比重高達98.1%，小農戶經營耕地面積占比超過70%。但調研顯示，采納數字技術的主要為規模以上種養殖戶，小農戶參與的積極性不高，這不僅影響農業生產的溫室氣體減排效果，同時難以生成數據資源，小農戶的融資需求仍只能通過傳統方式滿足。究其原因，數字農業技術具有一定的“門檻”效應。一是采用數字化農業技術需要一定的成本投入，如攝像頭、遙感裝置等設備的投入和更新維護。對小農戶來說，農業生產尤其是糧食種植利潤非常微薄，生產經營需要達到一定的規模才能使數字化農業生產的效益提高與成本投入相匹配。出于成本收益的考慮，對于缺乏規模經濟性的小農戶而言，購買技術服務帶來的額外成本支出降低了其使用數字技術的積極性。這也是當前我國數字農業發展主要依靠政府推動的重要原因。二是農業基礎設施建設不足。雖然目前數字農業技術中無人機植保、物聯網技術的應用一般不限土地規模、地理位置，對基礎設施要求也不高，但仍需要一定的軟硬件投入，在最終生產過程中也需要一定的機械化技術支持。機械化技術運用往往對土地規模和地理地形、田間道路以及水電、網絡等基礎設施有特定要求，如，帶有衛星定位系統的拖拉機在設定軌道行駛和耕作時，在平原地區更具效率。三是農村領域“數字鴻溝”現象比較普遍，這與農村人口老齡化問題⑨根據《中國人口和就業統計年鑒》相關數據，2015年中國農村地區老年人口比例比城鎮地區高出4.2個百分點，且該差距呈不斷擴大的趨勢。嚴峻以及農業人口學歷層次偏低有密切關系，這無疑是當前數字農業技術推廣最主要的障礙之一。

（二）農業領域的數據資源難以有效利用和獲取

在數字農業實踐中，各類數字平臺采集了大量的生產交易數據，可被用于金融機構信貸決策之中。但是，目前的融資模式中，數據資源利用還面臨以下障礙：一是生產交易數據利用不充分。數字農業模式下農戶生產交易數據除提供融資增信之外，在其他金融活動中運用仍十分有限。如，融資擔保機構擔保技術依賴于傳統線下人工處理，難以嵌入大型銀行的線上信貸審批流程中，更不用說直接利用相應的數據資源；部分中小銀行在為農戶提供融資時，雖然不要求農戶提供相應擔保，但對核心企業（數字平臺）的資質、擔保等有一定要求。二是非生產交易信息不充分。由于非生產交易類信息的收集會產生額外成本，數字平臺收集的信息多為農業產業鏈上的生產性數據，農業生產經營主體的非生產交易類信息比較缺乏。調查中有金融機構反映，生產數據只能反映農戶當時的生產情況，金融機構往往還想要對農戶的家庭情況和其他信息進行全面了解，以更準確地判斷風險。三是數據范圍有限。目前數據平臺只能收集和處理采用了數字農業技術的農戶數據，尚未采用數字農業技術的農戶信息只能通過政府相關部門提供，或金融機構自行調查獲取，導致數字技術的服務范圍有限。四是數據標準不統一。由于國家尚未建立農業數據的標準，各部門存在數據儲存和表達格式不一的問題，無形中提高了數據資源利用的難度。總之，由于數字農業模式下農村融資方式創新發展所依賴的全產業鏈數據資源目前尚難以形成并被各類金融機構有效利用，導致短時間內農戶對傳統金融服務的路徑依賴仍難以改變。

六、結論與建議

農業是溫室氣體的重要來源，農業二氧化碳減排對于雙碳目標的實現具有重要意義。從發達國家經驗看，數字技術是實現農業二氧化碳減排的重要途徑。基于此，本文結合成都R公司的案例發現，數字技術可通過精準施藥施肥、減少能源消耗等方式直接使每畝小麥、水稻種植分別減少二氧化碳排放7.76千克和8.07千克；同時，數字技術可使農業生產經營降本增收，從經濟效益上保證了數字農業生產方式的可持續性，進而間接減少排放；數字農業發展也促進了農村融資方式的改變，數據資源在很大程度上實現了對傳統抵質押品的替代，有利于克服長期以來困擾農村金融發展的信息不對稱和缺乏抵質押品的問題，具有重要的示范效應和研究價值。以上研究結論具有重要的政策意義。一方面，數字技術為綠色金融、普惠金融和數字金融的融合發展創造了條件。數字技術模式下，首先，金融支持數字農業發展，可產生明顯的生態環境和溫室氣體減排效應，充分體現了綠色金融的發展目標；其次，數字農業模式將核心企業與大量農戶、農資企業和社會化服務組織聯結在一起，深化了農村金融的普惠性；最后，數字農業模式下各個環節的金融活動均體現出數字金融交易成本低、運行效率高的優勢和特點。另一方面，綠色金融、普惠金融和數字金融融合發展反過來又可以推動金融更好地為“三農”服務，尤其是為數字農業發展提供資金支持。最終數字農業和農村金融相互促進，共同推動“三農”發展。基于此，本文提出以下建議：

一是提高數字農業的普惠性。鑒于數字農業技術存在“門檻”效應，可加大對小農戶運用數字農業技術的引導和激勵，加強對農村地區數字基礎設施建設的持續投入。如由地方農業部門加大對農民職業經理人的培訓力度，促進農民掌握更為豐富的現代農業技術；成立專門的低碳數字農業科技組織，建立配套的培訓教育機制，推廣與普及低碳數字技術，提高企業和個人對低碳農業的認識；鼓勵規模化、專業化的社會化服務組織提供無人機殺蟲、施肥等高效農業生產服務；鼓勵小農戶組建專業合作組織統一使用數字農業技術設施，并由政府予以一定的補貼。此外，地方政府可發行鄉村振興專項債，用于數字農業相關基礎設施建設，為小農戶參與數字農業生產創造條件。金融機構可設計專門產品，以農業設施貸款、融資租賃等形式為小農戶采用數字農業技術的固定投入提供融資。

二是進一步推動涉農數據整合。核心企業基于數字平臺收集的信息主要是產業鏈上的生產交易數據，但農戶的非生產交易類信息相對缺乏。下一步，建議加強農業數據標準制定的頂層設計，并進一步打破數據壁壘。具體可由核心企業與政府部門建立數據共享機制，其中核心企業主要提供鏈上農業生產經營主體的生產性數據，政府部門提供其收集的非生產性基礎信息，兩類數據相互補充、印證，共同為農業生產經營主體融資提供增信。核心企業和政府數據實現對接，將有利于形成“政府+市場”的農業供應鏈生態圈，促進數字農業減排和“三農”發展。

三是建立多層次的金融支持體系。金融支持數字農業發展過程中，應充分結合數字農業可形成大量生產性數據資源和具有二氧化碳減排效應兩大特點開展金融創新。進一步創新農村產權的抵質押融資，加大數字農業發展的信貸支持。復制推廣“數字平臺+擔保+銀行”的融資模式和風險分擔機制，開發更多的信貸產品。如，數字平臺可根據生產交易信息為農戶資信評分，金融機構可圍繞此資信評分設計金融產品。進一步探索綠色債券、融資租賃等多種形式為數字農業的設備投入、基礎設施建設融資。加快建設碳金融衍生品交易市場，圍繞農村碳資產開發期權、期貨等農業碳金融衍生品，最終實現數字農業碳減排的多層次金融支持體系。