張瑩娜，陳 耀

（甘肅農(nóng)業(yè)大學(xué)財(cái)經(jīng)學(xué)院，甘肅 蘭州 730070）

低碳發(fā)展是當(dāng)前全球面臨的重要生態(tài)議題，碳減排已經(jīng)成為各國共識。農(nóng)業(yè)生產(chǎn)作為碳排放的重要來源，占全球人為排放總量的23%左右[1]，僅次于電熱生產(chǎn)，位居第二。中國作為農(nóng)業(yè)大國，農(nóng)業(yè)碳排放約占碳排放總量的17%[2]，發(fā)展低碳農(nóng)業(yè)已刻不容緩。因此，從“雙碳”視角深入研究農(nóng)業(yè)生態(tài)效率，提出推進(jìn)低碳農(nóng)業(yè)發(fā)展的有效對策成為現(xiàn)高質(zhì)量發(fā)展的重要路徑。

1990 年，德國學(xué)者Schaltegger 和Sturm 首次提出生態(tài)效率的概念[3]，作為環(huán)境管理的一種極其重要的定量分析工具。生態(tài)效率是盡可能在減少資源消耗和降低環(huán)境壓力的同時(shí)保證產(chǎn)出最大化[4]。而農(nóng)業(yè)生態(tài)效率是生態(tài)效率向農(nóng)業(yè)領(lǐng)域的引申和擴(kuò)展，其研究主要集中于農(nóng)業(yè)生態(tài)效率的測算[5-6]、時(shí)空差異[7-8]及影響因素[9-10]等方面。從測算指標(biāo)構(gòu)建來看，多數(shù)學(xué)者選用農(nóng)業(yè)總產(chǎn)值表征期望產(chǎn)出，也有部分學(xué)者在此基礎(chǔ)上加入糧食產(chǎn)量[11]和農(nóng)業(yè)碳匯量[12]共同表征，其中非期望產(chǎn)出指標(biāo)通常選取碳排放和面源污染兩類指標(biāo)表征。關(guān)于時(shí)空差異研究，學(xué)者們主要從國家層面分析農(nóng)業(yè)生態(tài)效率的時(shí)空差異特征[7-8]。在影響因素方面，學(xué)者普遍從農(nóng)村勞動力轉(zhuǎn)移、化肥施用強(qiáng)度、財(cái)政支農(nóng)、工業(yè)化水平、受災(zāi)率、機(jī)械密度等因素進(jìn)行分析[10，13]。從研究區(qū)域來看，目前學(xué)者對農(nóng)業(yè)生態(tài)效率的研究在國家[13-14]、區(qū)域[12，15]、省級層面[11，16]的研究越來越豐富?，F(xiàn)有文獻(xiàn)對本研究具有重要的借鑒意義，但也存在以下不足：一是現(xiàn)有文獻(xiàn)中考慮了農(nóng)業(yè)生產(chǎn)中碳排放，但對農(nóng)業(yè)生態(tài)系統(tǒng)強(qiáng)大的碳匯功能及農(nóng)業(yè)自身碳循環(huán)系統(tǒng)的關(guān)注度不高。經(jīng)測算，中國農(nóng)業(yè)1991 年碳排放量為3 282×104t，2019 年為7 989×104t[17]，而2017 年中國農(nóng)業(yè)種植業(yè)碳匯總量為7.83×108t[18]。從相關(guān)研究來看，中國農(nóng)業(yè)碳匯量遠(yuǎn)大于排放量，存在農(nóng)業(yè)碳盈余[19]，即具有凈碳效應(yīng)。在生態(tài)效率的研究中，較多學(xué)者關(guān)注農(nóng)業(yè)碳排放作為非期望產(chǎn)出進(jìn)行研究；但農(nóng)業(yè)碳匯作為農(nóng)業(yè)生產(chǎn)的重要產(chǎn)出，在當(dāng)前農(nóng)業(yè)生態(tài)效率研究中尚未得到充分體現(xiàn)。二是大多數(shù)研究以國家、區(qū)域等宏觀層面為主，而對于生態(tài)環(huán)境脆弱的西北干旱地區(qū)且基于縣級區(qū)域視角分析農(nóng)業(yè)生態(tài)效率研究比較缺乏。鑒于此，本文將農(nóng)業(yè)生產(chǎn)總值和農(nóng)業(yè)碳匯量作為期望產(chǎn)出、農(nóng)業(yè)碳排放和面源污染作為非期望產(chǎn)出指標(biāo)引入農(nóng)業(yè)生態(tài)效率評價(jià)體系，采用超效率SBM 模型測度2000—2020 年甘肅省各縣域的農(nóng)業(yè)生態(tài)效率，并通過Tobit 回歸模型探討影響農(nóng)業(yè)生態(tài)效率的因素，提出促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展建議。

1 研究方法和數(shù)據(jù)來源

1.1 研究方法

1.1.1 超效率SBM 模型

農(nóng)業(yè)生態(tài)效率的測算常用方法有比值法、生態(tài)足跡法、隨機(jī)前沿法、數(shù)據(jù)包絡(luò)分析法（Data Envelopmant Analysis，DEA）等[20]?，F(xiàn)有研究中最常用的方法是DEA。DEA 是一種非參數(shù)分析方法，由美國學(xué)者Charnes、Cooper 和Rhodes 于1978 年提出，是對同類型的多投入多產(chǎn)出的決策單元進(jìn)行效率的測算[21]。但DEA 屬于徑向和角度的測算方法時(shí)，會造成投入要素的“擁擠”或“松弛”，引起效率值計(jì)算存在偏差。為克服以上不足，2001 年Tone 在此基礎(chǔ)上進(jìn)一步優(yōu)化，構(gòu)建出非徑向、非角度的超效率SBM 模型[22]，具體模型構(gòu)建如下：

式中，ρ為各縣域農(nóng)業(yè)生態(tài)效率值，x、yd、yu分別代表投入、期望產(chǎn)出和非期望產(chǎn)出指標(biāo)的數(shù)值，m、r1、r2分別代表要素投入、期望產(chǎn)出和非期望產(chǎn)出變量的個(gè)數(shù)；n為DMU 數(shù)量，每個(gè)DMU 由m項(xiàng)投入、r1項(xiàng)期望產(chǎn)出和r2項(xiàng)非期望產(chǎn)出構(gòu)成。λj表示權(quán)重。

1.1.2 Tobit 回歸模型

Tobit 回歸模型最早在1958 年由經(jīng)濟(jì)學(xué)家Tobin[23]提出，又稱受限因變量模型，是因變量連續(xù)但取值受到限制或截?cái)嗲闆r下的模型。本文將超效率SBM 測算的生態(tài)效率值作為被解釋變量，屬于受限變量，各影響因素作為自變量。運(yùn)用Tobit模型來定量揭示它們之間的內(nèi)在機(jī)制關(guān)系，其模型的基本形式如下：

式中：y*為因變量向量，x為自變量向量，α為截距項(xiàng)向量，β為回歸參數(shù)向量，ε為隨機(jī)誤差項(xiàng)。

1.2 指標(biāo)體系與數(shù)據(jù)來源

本文以種植業(yè)為研究重點(diǎn)，由于甘肅省87 個(gè)縣域中甘南州瑪曲縣和碌曲縣作為典型牧區(qū)，主要以畜牧業(yè)為主，種植業(yè)占比極低，而且數(shù)據(jù)缺失比較多，故剔除瑪曲縣和碌曲縣。因此本文以2000—2020 年甘肅85 個(gè)縣域?yàn)闃颖緟^(qū)間，經(jīng)過計(jì)算整理形成85 個(gè)縣域的研究區(qū)面板數(shù)據(jù)。

1.2.1 效率測算指標(biāo)選取

農(nóng)業(yè)生態(tài)效率本質(zhì)上是以減少對環(huán)境的污染和對自然資源的消耗，提高經(jīng)濟(jì)產(chǎn)出和保護(hù)環(huán)境。本文參考相關(guān)文獻(xiàn)中農(nóng)業(yè)投入產(chǎn)出指標(biāo)體系[6，15]，根據(jù)數(shù)據(jù)的可獲得性和統(tǒng)計(jì)口徑的一致性，選取土地、勞動力、機(jī)械動力、灌溉、化肥、農(nóng)膜作為農(nóng)業(yè)投入指標(biāo)。并借鑒曹俊文等[12]的研究選取農(nóng)業(yè)總產(chǎn)值作為經(jīng)濟(jì)指標(biāo)，農(nóng)業(yè)碳匯效應(yīng)作為生態(tài)指標(biāo)，二者構(gòu)成期望產(chǎn)出指標(biāo)。農(nóng)業(yè)碳匯量計(jì)算方法參考韓召迎等[24]的研究成果。非期望產(chǎn)出包括農(nóng)業(yè)碳排放量和農(nóng)業(yè)面源污染量，借鑒侯孟陽等[14]的農(nóng)業(yè)碳排放和梁流濤等[25]的污染物排放量進(jìn)行計(jì)算，完整的農(nóng)業(yè)生態(tài)效率的測算指標(biāo)體系見表1。

表1 研究區(qū)農(nóng)業(yè)生態(tài)效率測算指標(biāo)體系

1.2.2 數(shù)據(jù)來源

本文數(shù)據(jù)均來源于歷年的《甘肅發(fā)展年鑒》《甘肅農(nóng)村年鑒》，部分缺失數(shù)據(jù)由插值法補(bǔ)齊，經(jīng)整理組成2000—2020 年研究區(qū)的農(nóng)業(yè)生態(tài)效率評價(jià)面板數(shù)據(jù)。

2 農(nóng)業(yè)生態(tài)效率的時(shí)空差異分析

2.1 農(nóng)業(yè)生態(tài)效率的時(shí)間序列分析

運(yùn)用MaxDEA 9.0 版軟件，采用非徑向、規(guī)模報(bào)酬可變（VRS）的超效率SBM 模型，測算2000—2020 年研究區(qū)的農(nóng)業(yè)生態(tài)效率（圖1）。2000—2020 年，研究區(qū)農(nóng)業(yè)生態(tài)效率整體呈現(xiàn)波動上升的趨勢，從2000 年的0.51 上升到2020 年0.81，年均增長率2.34%。主要原因是近年來政府對化肥、農(nóng)藥的使用規(guī)制不斷增強(qiáng)，循環(huán)農(nóng)業(yè)、綠色農(nóng)業(yè)的不斷興起和發(fā)展。分縣域來看，研究區(qū)內(nèi)大部分地區(qū)的農(nóng)業(yè)生態(tài)效率處于較低水平，僅37 個(gè)縣域超過了平均水平，48 個(gè)縣域低于平均水平，意味著研究區(qū)內(nèi)建設(shè)資源節(jié)約型和環(huán)境友好型的兩型農(nóng)業(yè)具有較大發(fā)展空間。2000—2020 年，農(nóng)業(yè)生態(tài)效率排名前五位的縣域?yàn)槊C北縣、夏河縣、靈臺縣、徽縣和兩當(dāng)縣。因?yàn)樯植莸刭Y源豐富，綠色植被覆蓋面積大，對污染物的吸收率較高，提供了更好的農(nóng)業(yè)碳匯。農(nóng)業(yè)生態(tài)效率排名后五位的縣域是東鄉(xiāng)縣、臨洮縣、皋蘭縣、平川區(qū)和天?？h，其綠色投入產(chǎn)出效率具有較大提升空間。

圖1 2000—2020 年研究區(qū)農(nóng)業(yè)生態(tài)效率演變趨勢

為進(jìn)一步分析研究區(qū)農(nóng)業(yè)生態(tài)效率，對每年85個(gè)縣域農(nóng)業(yè)綜合效率、純技術(shù)效率和規(guī)模效率數(shù)據(jù)取均值繪制折線圖（圖2）。研究期內(nèi)純技術(shù)效率和綜合效率變動趨勢基本一致，規(guī)模效率曲線相對于純技術(shù)效率更為平滑，純技術(shù)效率總體呈上升態(tài)勢。規(guī)模效率變動幅度小，總體呈下降趨勢。綜合效率和其分解效率呈現(xiàn)波動，這與我國經(jīng)濟(jì)發(fā)展、科技水平不斷提升和政府對農(nóng)村生態(tài)環(huán)境越來越重視相關(guān)。對其效率求均值，綜合效率均值0.558，規(guī)模效率均值0.935，純技術(shù)效率均值0.598。通過計(jì)算三種效率均值之間的相關(guān)關(guān)系，純技術(shù)效率與綜合效率的相關(guān)系數(shù)為0.999，高于規(guī)模效率與綜合效率的相關(guān)系數(shù)0.601，通過時(shí)序變化和相關(guān)系數(shù)說明純技術(shù)效率對綜合效率的作用遠(yuǎn)大于規(guī)模效率的作用，側(cè)面反映出技術(shù)進(jìn)步是農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的主要支撐力量。因此，在農(nóng)業(yè)生產(chǎn)中更應(yīng)重視提升和普及農(nóng)業(yè)生產(chǎn)技術(shù)，現(xiàn)農(nóng)業(yè)綠色、生態(tài)發(fā)展。

圖2 研究區(qū)農(nóng)業(yè)生態(tài)效率時(shí)序變化

2.2 農(nóng)業(yè)生態(tài)效率空間格局分析

2.2.1 區(qū)域農(nóng)業(yè)生態(tài)效率空間格局分析

根據(jù)地理環(huán)境和社會經(jīng)濟(jì)，把研究區(qū)劃分為河西地區(qū)、隴中地區(qū)、隴東南地區(qū)和民族地區(qū)四大區(qū)域①根據(jù)地理位置，四大區(qū)域的劃分為：河西地區(qū)，包括酒泉、嘉峪關(guān)、張掖、武威、金昌；隴中地區(qū)，包括蘭州、白銀、定西；隴東南地區(qū)，包括慶陽、平?jīng)?、天水、隴南；民族地區(qū)，包括甘南、臨夏。，對比其生態(tài)效率，河西地區(qū)農(nóng)業(yè)生態(tài)效率平均值為0.66，隴東南地區(qū)為0.63，民族地區(qū)為0.58，隴中地區(qū)為0.44。總體而言，河西地區(qū)最高，其次是隴東南地區(qū)，民族地區(qū)排名第三，隴中地區(qū)排名第四（圖3）。2013 年起各地區(qū)差距越來越小。河西地區(qū)由2000 年0.69 上升到2020 年0.84，年均上升0.96%。河西地區(qū)作為研究區(qū)的主要種植區(qū)，地勢平坦，有利于農(nóng)業(yè)規(guī)?；l(fā)展和農(nóng)業(yè)科技的推廣，農(nóng)業(yè)技術(shù)水平先進(jìn)，生產(chǎn)要素利用效率高，農(nóng)業(yè)生態(tài)效率最高。民族地區(qū)由2000 年的0.55 上升到2020 年的0.74，年均上升1.49%。民族地區(qū)農(nóng)業(yè)發(fā)展方式相對較粗放，農(nóng)業(yè)機(jī)械化程度較低，因此農(nóng)業(yè)生態(tài)效率相對較低。隴中地區(qū)由2000 年0.30上升到2020 年0.72，年均增長4.48%。由于隴中地區(qū)人口密度大、降水量低和農(nóng)業(yè)投入要素不合理，其生態(tài)效率最低。但隨著以蘭州為中心的信息、技術(shù)以及資本等要素的輻射和帶動作用，政府政策的不斷推出，推進(jìn)隴中地區(qū)農(nóng)業(yè)生態(tài)效率不斷提升（圖4）。

圖3 研究區(qū)四大區(qū)域農(nóng)業(yè)生態(tài)效率空間分布

圖4 2000—2020 年研究區(qū)四大區(qū)域農(nóng)業(yè)生態(tài)效率演變趨勢

2.2.2 縣域農(nóng)業(yè)生態(tài)效率空間格局分析

為進(jìn)一步解析研究期研究區(qū)農(nóng)業(yè)生態(tài)效率的空間格局變化趨勢，根據(jù)測算得到的85 個(gè)縣域農(nóng)業(yè)生態(tài)效率值，選取2000 年、2007 年、2014 年、2020 年各縣域農(nóng)業(yè)生態(tài)效率進(jìn)行具體分析。

2000 年，農(nóng)業(yè)生態(tài)效率處于高等效率的14 個(gè)縣區(qū)是夏河縣、肅北縣、寧縣、阿克賽縣等，中等效率水平的有瓜州縣、金塔縣等12 個(gè)縣域，其余59 個(gè)縣域?qū)儆诘偷刃仕?，整體的農(nóng)業(yè)生態(tài)效率處于低水平。2007 年，兩當(dāng)縣、臨澤縣等4 個(gè)縣域農(nóng)業(yè)生態(tài)效率為高等效率，其余81 個(gè)縣域處于較低水平，農(nóng)業(yè)生態(tài)效率有所下降。2014 年，農(nóng)業(yè)生態(tài)效率相比2007 年有大幅度提升，其中安寧區(qū)、嘉峪關(guān)市、臨夏市、鎮(zhèn)原縣等10 個(gè)縣域處于高等效率水平，34 個(gè)縣域處于中等效率水平，其余41個(gè)縣域處于低等效率水平。2020 年，農(nóng)業(yè)生態(tài)效率處于高等效率的縣域有36 個(gè)，主要分布在天水地區(qū)和定西部分地區(qū)；中等效率的縣域有21 個(gè)，低等效率的縣域有28 個(gè)，全省農(nóng)業(yè)生態(tài)效率總體處于中等效率水平。整體來看，農(nóng)業(yè)生態(tài)效率空間上呈現(xiàn)出從西北向東南遞減的格局逐漸轉(zhuǎn)變?yōu)槲鞅焙蜄|南兩頭高的新格局。2000—2014 年，阿克塞縣、肅北縣、高臺縣、臨澤縣4 個(gè)縣域由高等效率轉(zhuǎn)入中等效率，原因是化肥農(nóng)藥的過多投入。2014—2020 年高等效率縣域增加，原因是2015 年以來施化肥農(nóng)藥零增長戰(zhàn)略，《甘肅省生態(tài)環(huán)境保護(hù)工作責(zé)任規(guī)定》政策的施和生態(tài)保護(hù)的意識越來越強(qiáng)。

3 農(nóng)業(yè)生態(tài)效率影響因素分析

3.1 變量選擇

梳理相關(guān)研究成果[11-14，21]，發(fā)現(xiàn)農(nóng)業(yè)生態(tài)效率受自然、經(jīng)濟(jì)、技術(shù)等多種因素共同影響。基于此，本文選取農(nóng)村居民人均可支配收入、地區(qū)GDP、人口總數(shù)、自然災(zāi)害發(fā)生面積、人均耕地面積、農(nóng)業(yè)機(jī)械密度即農(nóng)業(yè)機(jī)械總動力/農(nóng)作物總播種面積，構(gòu)成研究區(qū)農(nóng)業(yè)生態(tài)效率影響因素指標(biāo)體系。指標(biāo)數(shù)據(jù)來源于2001—2021 年《甘肅發(fā)展年鑒》《甘肅年鑒》和《甘肅農(nóng)村年鑒》。

3.2 農(nóng)業(yè)生態(tài)效率影響因素分析

運(yùn)用Stata17.0 計(jì)量軟件進(jìn)行Tobit 模型面板回歸分析。通過多重共線性檢驗(yàn)驗(yàn)證各變量間是否存在共線性，結(jié)果顯示最大的VIF 為3.543，遠(yuǎn)小于10，不存在多重共線性。對Tobit 回歸選用隨即效應(yīng)模型或固定效應(yīng)模型進(jìn)行hausman 檢驗(yàn)，結(jié)果p=0.035，0.035＜0.05，表明本文使用固定效應(yīng)模型較為恰當(dāng)?；貧w結(jié)果如表2 所示。其中，地區(qū)GDP通過了5% 的顯著性檢驗(yàn)，農(nóng)村居民人均可支配收入、人口總數(shù)、自然災(zāi)害發(fā)生面積、人均耕地面積、農(nóng)業(yè)機(jī)械密度通過了1%的顯著性檢驗(yàn)。人均耕地面積整體上并不顯著，依然對農(nóng)業(yè)生態(tài)效率有負(fù)影響。

表2 甘肅省農(nóng)業(yè)生態(tài)效率影響因素

本文對影響因素進(jìn)一步分析：①農(nóng)村居民人均可支配收入對農(nóng)業(yè)生態(tài)效率具有正向影響，說明農(nóng)民收入水平的提升促進(jìn)了農(nóng)業(yè)資金、科技的投入；同時(shí)，社會對綠色食品消費(fèi)的增加，促進(jìn)了農(nóng)民生產(chǎn)方式的轉(zhuǎn)變，綠色農(nóng)業(yè)發(fā)展。②地區(qū)GDP 對農(nóng)業(yè)生態(tài)效率具有正向影響，發(fā)達(dá)的經(jīng)濟(jì)條件有利于增加農(nóng)業(yè)生產(chǎn)過程的投入，改善基礎(chǔ)設(shè)施和生產(chǎn)設(shè)備，增加期望產(chǎn)出；同時(shí)，也有利于增加環(huán)境保護(hù)的投入，從而使農(nóng)業(yè)生態(tài)效率逐步提高。③人口總數(shù)的增加對農(nóng)業(yè)生態(tài)效率具有負(fù)向效應(yīng)，人口的增長，對農(nóng)產(chǎn)品的需求增加，為滿足社會需求，加大農(nóng)用物資的投入，進(jìn)而阻礙農(nóng)業(yè)生態(tài)效率的提升。④自然災(zāi)害對農(nóng)業(yè)生態(tài)效率具有負(fù)向效應(yīng)，農(nóng)業(yè)是受自然和市場雙重風(fēng)險(xiǎn)，具有天然弱質(zhì)性特征，容易受到自然災(zāi)害的影響；農(nóng)業(yè)受災(zāi)引起減產(chǎn)，進(jìn)而引起要素投入的損失，降低農(nóng)業(yè)生態(tài)效率；自然災(zāi)害發(fā)生面積越大，對農(nóng)業(yè)生態(tài)效率的負(fù)影響越強(qiáng)。⑤農(nóng)業(yè)機(jī)械密度對農(nóng)業(yè)生態(tài)效率具有負(fù)向效應(yīng)，這與王寶義等[9]和徐維祥等[13]研究結(jié)果相同，農(nóng)業(yè)機(jī)械密度反映出農(nóng)業(yè)機(jī)械化水平，農(nóng)業(yè)機(jī)械化水平的提高促進(jìn)農(nóng)業(yè)生產(chǎn)效率的提升，節(jié)約勞動力成本但伴隨著自然資源的消耗和大量的碳排放等非期望產(chǎn)出的增加，說明甘肅省農(nóng)業(yè)新技術(shù)帶來的積極作用還沒有抵消農(nóng)業(yè)機(jī)械化水平提高帶來的碳排放等負(fù)面影響，農(nóng)機(jī)組織程度偏低，導(dǎo)致農(nóng)機(jī)的生產(chǎn)效率不高，所以對農(nóng)業(yè)生態(tài)效率有抑制作用。

4 研究結(jié)論及建議

1）從時(shí)間維度來看，2000—2020 年，甘肅省農(nóng)業(yè)生態(tài)效率總體呈現(xiàn)波動上升的趨勢，從2000年的0.51 上升到2020 年的0.81，但是總體水平依然不高。分縣域看，僅有37 個(gè)縣域超過了平均水平，48 個(gè)縣域低于平均水平，還有較大提升空間。

2）從空間維度看，研究期內(nèi)研究區(qū)四大區(qū)域效率值呈現(xiàn)：河西＞隴東南＞民族地區(qū)＞隴中的特征，且2013 年起四大區(qū)域的差距越來越??；整體來看，農(nóng)業(yè)生態(tài)效率空間上呈現(xiàn)出從西北向東南遞減的格局逐漸轉(zhuǎn)變?yōu)槲鞅焙蜄|南兩頭高的新格局。

3）通過面板Tobit 回歸模型對研究區(qū)農(nóng)業(yè)生態(tài)效率演變的驅(qū)動因素進(jìn)行分析表明，農(nóng)村居民人均可支配收入、地區(qū)GDP 對農(nóng)業(yè)生態(tài)效率呈現(xiàn)正向效應(yīng)，人口總數(shù)、自然災(zāi)害發(fā)生面積、人均耕地面積、農(nóng)業(yè)機(jī)械密度呈現(xiàn)負(fù)向效應(yīng)。

基于以上研究結(jié)論，提出相應(yīng)建議：一是以綠色現(xiàn)代農(nóng)業(yè)為發(fā)展方向，促進(jìn)各地區(qū)由資源消耗型粗放農(nóng)業(yè)，逐步向依靠信息、裝備、科技等現(xiàn)代投入要素為核心的高效農(nóng)業(yè)轉(zhuǎn)變，提高農(nóng)業(yè)生產(chǎn)效率，減少農(nóng)業(yè)碳排放。二是綜合甘肅省各地稟賦條件，改善農(nóng)業(yè)要素投入結(jié)構(gòu)，合理配置不同區(qū)域間農(nóng)業(yè)資源。河西地區(qū)自然資源稟賦好，是甘肅省糧食主產(chǎn)區(qū)，可推進(jìn)高標(biāo)準(zhǔn)農(nóng)田建設(shè)，促進(jìn)農(nóng)業(yè)的高質(zhì)高效發(fā)展。隴東南地區(qū)具有眾多特色農(nóng)業(yè)產(chǎn)業(yè)，應(yīng)大力發(fā)展精耕細(xì)作，提高農(nóng)產(chǎn)品的附加值。民族地區(qū)應(yīng)重視農(nóng)業(yè)污染防治，推進(jìn)農(nóng)業(yè)生態(tài)環(huán)境治理。隴中地區(qū)經(jīng)濟(jì)發(fā)展好，可大力發(fā)展現(xiàn)代農(nóng)業(yè)。三是完善農(nóng)業(yè)生態(tài)補(bǔ)償機(jī)制，加大政策和資金的扶持力度，積極推進(jìn)綠色低碳發(fā)展評價(jià)，同時(shí)探索建立農(nóng)業(yè)生態(tài)資源價(jià)格形成和市場化現(xiàn)機(jī)制，促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展和提高農(nóng)民收入。