数字农业发展：国际经验、减排效应与金融支持※——基于成都的案例分析

○张柏杨 刘佳颖 朱睿博

中国人民银行成都分行 四川成都 610041

面对全球气候变暖的巨大挑战，中国提出了2030年前实现碳达峰、2060年前实现碳中和的“30·60”目标。作为全球温室气体的重要来源，农业二氧化碳减排对于我国实现“30·60”目标具有重要意义。从发达国家经验看，数字技术加持下的农业精准生产模式是二氧化碳减排的有效方式和重要路径。近年来，我国也加大了数字农业发展的政策支持力度，从农业生产经营到农产品流通，数字技术在农业领域的应用场景不断丰富。同时，数字化农业生产形成的大量数据资源很大程度上改变了农村农业领域的传统融资方式，为金融支持温室气体减排甚至是“三农”发展带来了新的机遇。但我国数字农业发展仍面临投入成本高、数据利用不足等诸多挑战。因此，有必要在系统梳理国内外经验的基础上，结合中国实际情况讨论数字农业发展及金融支持等相关问题，为碳减排及农村金融发展提供有价值的参考。

一、农业温室气体排放结构及特征

据联合国粮农组织发布的《2016年粮食及农业状况》相关数据，农业（包括农、林、牧、渔业）温室气体排放占世界总排放的20%①数据来源：http://agris.fao.org/。。如果将农业相关生产、消费等活动考虑在内，农业无疑是温室气体排放不可忽略的重要因素。据联合国粮农组织研究人员测算（Crippa，2021），2015年全球粮食体系相关温室气体排放量达到180亿吨（折算二氧化碳当量），占人类活动排放总量的34%。其中排在首位的是粮食生产阶段（包括农业、渔业、水产养殖和化肥等生产资料的生产）产生的温室气体，占比39%（约71亿吨）；其次是土地利用和用途变更活动产生的排放量占32%（约57亿吨）；分销（包括运输、包装和零售）、加工、消费和废物处理的排放量占29%（约52亿吨）。从粮食体系温室气体排放构成来看，二氧化碳（CO2）占52%，甲烷（CH4）占35%，氧化亚氮（N2O）占10%，含氟气体占2%。

作为农业生产大国，中国农业的二氧化碳排放量从2002年的0.51亿吨提高至2017年的1.02亿吨。在全国二氧化碳整体排放强度持续下降的趋势下，农业排放强度却从2002年的0.31吨/万元上升至2017年0.32吨/万元②排放数据来源于中国碳排放数据库（CEADs），增加值数据来源于投入产出表并进行了价格平减。农业价格指数由第一产业不变价和可变价国内生产总值推算得到。。另有研究表明（金书秦等，2021），我国农业温室气体排放构成由1979年以前的种植（主要包括水稻种植、化肥、土壤培肥、作物残茬等）、养殖（主要包括肠道发酵、粪便管理、牧场粪便残留等）各占一半，逐步演变为目前的种植、养殖、能源消耗三分天下。细分来看，能源消耗、化肥施用、动物肠道发酵、水稻种植是农业温室气体的四大排放源，2018年合计占农业总排放量8.7亿吨（折算二氧化碳当量）的76.9%（见表1）。因此，中国农业温室气体减排潜力巨大。

表1 2018年中国农业温室气体主要排放源

鉴于农业是二氧化碳的主要排放源之一，欧美发达国家纷纷探索发展气候智慧型农业。国际经验表明，数字技术是气候智慧型农业发展最重要的路径。在“30·60”的历史背景下，数字农业实践对中国实现减排目标意义重大。

二、数字农业的概念及发展历程

数字农业实践最早始于20世纪60年代计算机技术在发达国家农业生产中的运用，但关于数字农业的概念目前尚未形成共识，常见的说法包括智慧农业、信息农业、“互联网+农业”等。中国农业农村部《数字农业农村发展规划（2019—2025）》将数字农业定义为“生物体及环境等农业要素、生产经营管理等农业过程及乡村治理的数字化”。尽管概念尚未统一，但普遍认为数字农业的内涵主要体现于两个方面（郭振海，2021）：一是将高新技术与基础学科③高新技术包括遥感、全球定位系统、通讯和网络技术等，基础学科包括地理学、农学、植物学等。有机结合起来，实现对农业生产全过程的实时监测和精准控制；二是利用数字技术将农产品生产、流通、经营和管理融合起来，达到高效配置农业资源，实现农业降本增效的目的。综上，本文认为数字农业的本质在于，利用数字技术提高农业生产过程中的资源利用率，促进农业经营过程中的农产品生产和流通，最终使农业全产业链以环境友好的方式创造更多经济价值。

（一）国外数字农业的发展历程

根据数字农业不同时期的发展重点，发达国家数字农业的发展历程大致可归纳为三个阶段。第一阶段（20世纪60年代至80年代中期）为数字农业的初步探索期。欧美发达国家尝试将计算机技术运用于农业生产之中，主要表现为利用计算机技术对农业数据进行处理、定量化计算等，同时开始了农业数据库的建设。第二阶段（20世纪80年代末至90年代末），农业数据库建设取得较大突破，发达国家利用数据库搭建农业知识体系和专家系统，并用于处理和解决农业生产过程中的实际问题。另外，农业数字模型构建成为该阶段数字农业发展的重点方向之一，研发农作物生长模拟模型用于作物管理、育种、施肥、灌溉等农业生产环节，实现了农业生产的数字化和可预期。第三阶段（21世纪初至今），随着互联网技术的飞速发展，这一阶段数字农业的重点发展方向是以网络技术为主的农业生产和服务信息化。发达国家开始研究开发农业信息服务网络，目前已实现通过标准化网络技术提供农业信息服务。此外，通过遥感技术和地理信息系统技术对各类农业信息汇集处理等应用技术已进入实用化阶段。农业数字化发展从生产领域扩展至整个农业生产、流通、经营和管理的全产业链。

由于国情不同，发达国家的数字农业发展各有特点（朱岩等，2020）。美国农业互联网技术（包括物联网、大数据等）处于领先地位（见表2）。同时，由于农业生产以农场为主，美国数字农业技术在不同规模农场中的运用存在差异。家庭农场主要采纳“植物工厂”④“植物工厂”为一种封闭性生产体系，采用物联网技术对工厂内温度、湿度、二氧化碳浓度等进行远程操作与管理，由机械人或机械手代替人工进行施肥、施药等作业，智能化自动化程度较高。据朱岩等（2020）统计，美国88%的家庭农场已采用“植物工厂”模式。模式，大型农场主要应用计算机集成技术，实现对市场信息、生产信息、资金信息、劳动力信息等农业生产不同方面的监测与管理。不同于美国，日本人多地少且人口老龄化严重，其数字农业发展的重点方向为轻便型智能农机运用，如运输机器人、无人驾驶拖拉机等，同时将物联网等技术用于农业生产和管理。由于可耕地面积贫乏，温室农业是荷兰农业生产的主要形式，为促进温室农业发展，荷兰将数字技术应用于温室农业，主要体现在温室环境自动化控制、智能化浇灌等方面。

表2 国外数字农业实践的代表性案例

（二）国内数字农业发展历程

中国数字农业起步较晚，主要依靠政策引导。中国数字农业发展的相关政策最早可追溯到1990年科技部组织实施的“农业智能化信息技术应用工程”，当时正值发达国家在农业生产领域广泛运用数字技术的重要阶段。该工程借鉴发达国家数字农业发展经验，构建计算机农业基础，实现农业专家系统应用。1998年“数字中国”战略的提出标志着国内正式全面展开“数字农业”领域的探索和研究。2013年，原农业部出台《农业物联网区域试验工程工作方案》，并选择天津、上海及安徽等地率先展开试验工作，进行农业物联网应用理论研究，探索农业物联网发展方向、重点领域及推进路线。2019年以来，有关部门密集出台相关政策意见（见表3），推动农业农村大数据、物联网和遥感技术、互联网+农业、区块链、人工智能、通信网络等多种数字技术在农业领域的运用。中国关于数字农业顶层设计和发展思路不断完善。

表3 2019年以来数字农业发展相关政策文件

在政策引导下，数字技术在我国广大农村地区正在逐步推广运用。根据农业农村部的数据，2019年我国县域数字农业农村发展总体水平达36%⑤根据《2020全国县域数字农业农村发展水平评价报告》，农业农村数字化水平按照发展环境、基础支撑、生产信息化、经营信息化、乡村治理信息化及服务信息化6大类指标综合评分测算得出。其中，农业生产数字化包括种植业信息化、设施栽培信息化、畜禽养殖信息化和水产养殖信息化，权重根据各行业产值占比动态调整。，农业生产数字化水平为23.8%，其中精准施药、病虫害检测预警系统、无人机植保等先进技术装备得到不同程度的应用，农业生产数字化转型加快推进。阿里、京东、百度等互联网巨头和中化集团等知名央企纷纷进军数字农业领域，数字农业的运用场景不断拓展丰富（见表4）。

表4 国内数字农业发展的典型模式

三、数字农业减排的国际经验及中国实践

（一）数字农业减排的国际经验

美国哈佛大学有关研究认为（Paarlberg，2021），数字农业整合使用那些环境影响更低、信息化程度更高的现代科技手段⑥数字农业将遥感、地理信息系统、全球定位系统、计算机技术、通讯和网络技术、自动化技术等高新技术与地理学、农学、生态学、植物生理学、土壤学等基础学科有机结合起来，实现在农业生产过程中对农作物和土壤从宏观到微观的实时监测，定期获取农作物生长、发育状况、病虫害、水肥状况及相应环境信息;对农业生产中的现象、过程进行模拟，达到合理利用农业资源，降低生产成本，改善生态环境，提高农作物产量和质量的目的。，可在不断提升农业生产效率的基础上减少对物质资源的依赖，直接或间接地提高现代农业的环境和经济效益。具体来看，在农业生产、加工、包装、仓储、运输、销售等全产业链环节中，数字农业利用智能感知、分析和控制等数字技术，精准服务农业价值链上生产经营主体的决策行为，减少化学品投入、降低能耗、减少土地资源浪费等，最终起到增加农业碳汇、减少农业碳源的效果。

目前，以农业物联网、大数据、人工智能等为代表的数字农业技术，已经广泛应用于发达国家的农业生产领域，为传统农业向气候智慧农业转型提供了技术基础和重要途径。经合组织（OECD）开展的调查表明（Henderson et al.，2020），近年来发达国家出台一系列农业减排政策措施，其中一大共同点就在于普遍重视利用现代科技特别是数字技术手段，引入数据密集型的智能化“精准技术”，提升对农业温室气体排放源的实时监控和分析能力，对排放源进行高效管理与干预，实现农业低排放与高产出的双重目标（见表5）。另外，发达国家数字农业减排的另一个重要特点是，其数字农业减排路径主要由政府推动甚至是直接参与，如：荷兰由政府和企业共同投资进行数字农业减排试点，美国加州食品和农业部直接向农民和牧场提供财政奖励以促进减排。

表5 部分发达国家数字农业温室气体减排做法

（二）数字农业的减排效应：以成都市R公司为例

在传统小农经济向数字农业转变过程中，农业生产经营主体与现代数字科技手段及管理技术的有机融合是其中的关键。由于实施数字农业需要人力、技术、物资、管理等投入成本，规模化、集约化的农业生产方式是实现数字技术运用的有效途径。调查发现，成都市土地适度规模经营面积达到362.8万亩，占耕地总面积的56.7%，其中全市种植大户1.3万余户。不过，受制于知识水平、管理技术、市场信息以及资金实力等因素，有能力实现数字化种养殖的农业生产经营主体主要是农业核心企业，而农户则主要是依托核心企业、社会化服务组织以及专业化互联网电商平台的技术服务支撑，实现传统农业生产的数字化升级。

1.R公司的数字农业模式（见图1）。R公司作为农业龙头企业和数字农业的典型代表，通过建立技术服务中心和数字平台，为关联农户提供粮食生产的技术方案和便利化、低成本、全方位的社会化服务。其中，数字技术服务中心具备粮食生产经营过程中“耕地识别、作物识别、环境监测、适种分析、灾害预警、产量预测、精准生产和价格预测”等多种功能；数字平台是一个集农业生产管理、农资供应管理、农业技术服务、机械作业、粮食销售为一体的数字化农业管理平台，提供功能集成、终端对接的服务。该模式以“中心+平台+农户”为主线，同时联结市场和政府，实现了农业生产、流通、经营和管理的数字化融合。R公司在自身种植粮食作物近1.8万亩的同时，带动本地农户种植近18万亩粮食作物。该数字农业模式下，粮食种植更高效、精确，最终直接或间接起到减少温室气体排放的效果。

2.R公司数字农业模式直接减排效应⑦根据IPCC发布的碳排放系数法，农业碳排放量的计算公式为：CE=ΣEi=Σ(ei*δi)。其中，CE为农业碳排放总量，Ei为各类碳源的碳排放量，ei为碳源具体使用数量，δi为对应碳源的碳排放系数。各类碳源具体使用数量由调查得到，对应碳源的碳排放系数分别来源于IPCC、OPNL等机构。测算时各类温室气体被统一置换成标准碳的排放量。。基于调查收集的数据，本文对R公司模式下的减排效应和粮食生产经济效益进行了具体测算（见表6）。

表6 R公司数字农业模式下粮食生产直接减排统计

一是粮食种植过程中生产要素精准投入减排。R公司数字农业模式下，通过遥感技术以及地面地下数据采集系统，精准监测土壤肥力，指导农民按照测土配方技术精准施肥，避免化肥滥用；通过田间传感装置全天候监测分析病虫害等情况，指导农民利用无人机管理病虫害，及时精准施放农药，避免过量施药。据测算，精准施肥施药使每亩小麦种植可分别减少农药和化肥投入3.75克和5千克，碳排放量最高可减少0.02千克和4.48千克。每亩水稻种植可减少农药和化肥投入15克和5千克，碳减排量分别达0.074千克和4.48千克。

二是粮食种植过程中农机能耗节省减排。R公司数字农业模式可科学规划农机作业最佳路线，并结合GPS等工具引导农业机械在田间精准高效作业，小麦和水稻种植过程中农机使用可分别节省柴油约0.3升/亩和0.4升/亩，相当于直接减少碳排放0.15千克和0.2千克。

三是粮食烘干能耗节省减排。R公司数字农业模式下采用规模化烘干方式，同时精确控制烘干温度以及热循环利用等技术加持，烘干效率更高、耗能更低。据估算，R公司数字农业模式下每亩粮食烘干过程可节省天然气约1立方米，相当于直接减少碳排放2.09千克。

四是粮食运输过程中能耗节省减排。传统模式下，粮食运输由农户自行组织，单次运输量小，运输路线、次数缺乏统筹规划。R公司数字农业模式通过合理统筹粮食运输，减少种子和粮食在购买和销售过程中的运输次数，使小麦和水稻运输分别减少汽油消耗0.5升/亩和0.6升/亩，直接碳减排分别为1.02千克和1.23千克。

从排放量指标分析，每亩小麦和水稻直接碳减排分别可达7.76千克和8.07千克。按照R公司数字农业模式种植面积约20万亩，且小麦、水稻分别1季/年计算，每年实现粮食种植碳减排共计约3166吨。

2.R公司数字农业模式的间接减排效应。一是禁止秸秆燃烧带来的减排效应。秸秆燃烧是农业碳排放的重要来源，R公司数字农业模式通过搭建天空地一体化的物联网测控系统，帮助环境管理部门有效加强田间管理，及时发现并制止燃烧秸秆等行为，从而间接实现农业减排。二是从经济效益方面保障了减排可持续性。数字农业具有明显的正外部性，但农户采用数字技术却需要额外成本投入，只有获取更高的经济收益才能吸引更多小农户放弃传统粗放耕种模式。R公司数字平台将农户组织起来，代表农户统一与农资企业和社会化服务组织商议价格，解决了传统农业经营模式下小农生产与大市场不匹配的问题，降低粮食种植的成本。截至2020年末，R公司数字平台已上线37家育供秧、植保、烘干等社会化服务组织，完成237笔社会化服务交易，交易金额达1163万元。调查发现，R农业模式下农户经济效益提升约8%（见表7）,可较好地覆盖数字技术的成本投入。

表7 R公司数字农业模式下粮食生产经济效益对比（单位：元/亩）

四、数字农业模式下的农村融资方式演变

（一）传统模式下的农村融资方式

传统模式下，农村的融资方式按交易层次从低至高可划分为三类（刘锡良，2007）：熟人间的民间借贷、社区间的合作金融、市场化融资。在小农经济条件下，农村的融资方式主要为熟人间的民间借贷，其信用方式主要基于亲戚、朋友、邻里之间的血缘和地缘关系。随着小农经济向市场化发展，农户生产生活的资金需求不断扩大并超出熟人间的资金借贷能力时，社区间的合作金融便成为农村资金的一个重要来源渠道，合会、资金互助社、农村合作基金会⑧农村合作基金会已于1999年全部清理关闭。、小额信贷等便是其中的典型代表。当农户的生产生活完全融入整个市场化经济中，融资需求也逐渐转向市场化融资方式，正规金融便成为农村最重要的资金来源。

从信用关系看，上述融资方式体现了农村金融从熟人信用向市场信用的过渡。熟人信用下，借贷双方多为熟人或经由熟人介绍，省去抵押和担保环节，手续简单且期限灵活，易被传统农户接受。但是，熟人信用下的借贷金额普遍偏小，借贷市场规模有限，一般仅用于农户临时性的资金短缺。市场化融资下，借贷双方均为陌生人，熟人信用所具有的信息对称优势不复存在。为克服信息不对称，正规金融机构往往会要求农户提供抵押担保。但是，我国农村地区抵押品缺乏的问题十分突出，土地、农房和农产品作为抵押品都存在一定的缺陷，如农房的市场流动性不足、农产品不易保存流通等，进而推高了正规借贷的交易成本。正规金融机构对抵押品的强调，变相提高了农户贷款的“门槛”，融资难问题在传统模式下一直难以得到解决。

由于信用关系不同，民间借贷与市场化融资在交易成本、增信方式、贷款特征等诸多方面存在差异。民间借贷往往不需要增信，主要依赖于道德约束，交易成本低、融资效率高但额度偏小。而市场化融资依赖于陌生人信用，信息不对称问题比较严重，需要通过抵质押品增信，这导致了较高的交易成本，手续流程复杂且融资效率偏低。正规金融机构只有基于集中性、大额性的融资需求开展业务，才能发挥融资的规模效应，降低交易成本。合作金融的交易成本、增信方式、贷款特征等一般介于民间借贷和市场化融资之间。

（二）数字农业下的农村融资方式演变

数字农业与传统农业最核心的区别在于决策因素从“人”向“数据资源”的转变。数字农业模式下，数字平台收集了农业生产经营主体大量的生产经营数据。金融机构、核心企业围绕这些数据资源创新融资方式，尤其是利用数据资源代替传统的抵质押品为农业生产经营主体增信，可有效克服困扰农村金融的信息不对称和抵押物缺乏问题。目前，数字农业模式下的农村融资创新主要体现在三个方面：

一是增信方式创新。数字平台作为核心企业，自身拥有雄厚的资信能力，并清晰掌握了合作农户、农资企业、社会化服务组织的生产经营信息。在与金融机构的合作中，核心企业能够通过其掌握的数据资源为上下游农业主体融资提供增信，金融机构根据核心企业收集的数据对农业主体进行信用评价和风险判断，最终实现完全基于数据资源提供融资。

二是信贷流程创新。数字农业模式下，数字平台与金融机构合作，其信贷业务的开展主要依赖于数字平台的数据资源，贷前调查、风险评估、贷后管理等信贷流程均可以实现在线完成，金融机构可节约相应管理成本。农业生产经营主体可以通过线上途径申请贷款，简化冗长的手续办理流程，直接提高融资效率。

三是风险分担机制创新。一方面，数字平台借助互联网技术可以有效整合政府、担保、银行金融机构等多个主体之间的资源和数据，减少了相关部门之间的沟通成本，为风险分担机制建设和高效运行夯实了基础。另一方面，数字平台基于农业大数据建立农业主体信用评价体系和风控模型，推动融资担保业务数字化，把数字化业务嵌入风险担保业务之中，既可以为传统的风险分担机制提供精准的数据支持，也可以作为分担主体参与到风险分担机制之中，进一步提高业务的精准性和多元性，有效解决传统农村金融的担保难题。

总的来讲，数字农业模式与传统模式下融资方式最重要的区别在于增信方式不同（见表8）。拥有数据的核心企业在农村金融中发挥了重要作用，其不仅提供数据资源并为数据的真实性负责，而且作为市场主体参与到信用评价、风险分担机制之中，最终使融资效率提高、交易成本下降。

表8 农村不同融资方式比较

（三）R公司数字农业模式下的金融实践

实践中，成都涉农金融机构和互联网金融平台充分利用R公司数字平台掌握的上下游农业生产经营主体的数据信息，构建数字化信用评分模型，为参与数字农业各个环节的生产经营主体提供信贷、保险等金融服务。从增信方式看，R公司和金融机构主要从两方面探索创新融资模式。一种方式是由R公司为主导，通过数字平台积累的上下游农业生产经营主体的数据信息，构建数字化信用评分模型，在此基础上与金融机构合作。金融机构为R公司提供资金，再由R公司为订单农户提供信贷、保险和实物融资等金融服务。另一种方式是以金融机构为主导的融资模式。农户通过数字平台购买生产资料、社会化服务时，平台依托交易数据和云计算技术，创建风险控制模型和策略对农户进行授信，金融机构在授信额度内按照订单金额直接将资金划转至农资企业或社会化服务组织的账户。在风险分担机制上，R公司参与到风险机制之中，与担保公司、银行探索建立了“核心企业+银行+担保”的风险分担机制，以R公司承担30%、担保公司承担40%、银行承担30%的比例建立风险基金，按照10倍放大倍数为平台上下游农业生产经营主体授信。信贷流程方面，目前R公司数字平台已开通全程在线办理种植贷款验证评估业务，农业生产经营主体无需抵押和担保，凭信用申请贷款30万～50万元，全部手续均在线办理，1至3天即可完成贷款全部流程，且贷款成本比以往资金借贷和农资赊销等方式节省70%以上。截至2021年5月末，该数字平台已联合农业银行、农商银行、中国平安、蚂蚁金服等金融机构为56户农户发放贷款1680万元。

R公司数字农业模式下，金融机构利用数据资源，实现了绿色、普惠及数字化的有机融合。首先，金融支持数字农业发展，产生明显的二氧化碳减排效应，充分体现了绿色金融的发展目标；其次，数字农业模式将核心企业与大量农户、农资企业、社会化服务组织联结在一起，深化了农村金融的普惠性；最后，数字农业模式下各环节的金融活动均体现出数字金融交易成本低、运行效率高的优势和特点。综上，R公司数字农业模式表明，普惠金融、绿色金融和数字金融融合发展，相互促进，不仅必要，而且大有可为。

五、金融支持数字农业发展面临的障碍

（一）数字技术存在“门槛”效应

长期以来，我国都存在小农生产和土地细碎化经营的基本格局。第三次全国农业普查数据显示，我国小农户数量占农业生产经营户的比重高达98.1%，小农户经营耕地面积占比超过70%。但调研显示，采纳数字技术的主要为规模以上种养殖户，小农户参与的积极性不高，这不仅影响农业生产的温室气体减排效果，同时难以生成数据资源，小农户的融资需求仍只能通过传统方式满足。究其原因，数字农业技术具有一定的“门槛”效应。一是采用数字化农业技术需要一定的成本投入，如摄像头、遥感装置等设备的投入和更新维护。对小农户来说，农业生产尤其是粮食种植利润非常微薄，生产经营需要达到一定的规模才能使数字化农业生产的效益提高与成本投入相匹配。出于成本收益的考虑，对于缺乏规模经济性的小农户而言，购买技术服务带来的额外成本支出降低了其使用数字技术的积极性。这也是当前我国数字农业发展主要依靠政府推动的重要原因。二是农业基础设施建设不足。虽然目前数字农业技术中无人机植保、物联网技术的应用一般不限土地规模、地理位置，对基础设施要求也不高，但仍需要一定的软硬件投入，在最终生产过程中也需要一定的机械化技术支持。机械化技术运用往往对土地规模和地理地形、田间道路以及水电、网络等基础设施有特定要求，如，带有卫星定位系统的拖拉机在设定轨道行驶和耕作时，在平原地区更具效率。三是农村领域“数字鸿沟”现象比较普遍，这与农村人口老龄化问题⑨根据《中国人口和就业统计年鉴》相关数据，2015年中国农村地区老年人口比例比城镇地区高出4.2个百分点，且该差距呈不断扩大的趋势。严峻以及农业人口学历层次偏低有密切关系，这无疑是当前数字农业技术推广最主要的障碍之一。

（二）农业领域的数据资源难以有效利用和获取

在数字农业实践中，各类数字平台采集了大量的生产交易数据，可被用于金融机构信贷决策之中。但是，目前的融资模式中，数据资源利用还面临以下障碍：一是生产交易数据利用不充分。数字农业模式下农户生产交易数据除提供融资增信之外，在其他金融活动中运用仍十分有限。如，融资担保机构担保技术依赖于传统线下人工处理，难以嵌入大型银行的线上信贷审批流程中，更不用说直接利用相应的数据资源；部分中小银行在为农户提供融资时，虽然不要求农户提供相应担保，但对核心企业（数字平台）的资质、担保等有一定要求。二是非生产交易信息不充分。由于非生产交易类信息的收集会产生额外成本，数字平台收集的信息多为农业产业链上的生产性数据，农业生产经营主体的非生产交易类信息比较缺乏。调查中有金融机构反映，生产数据只能反映农户当时的生产情况，金融机构往往还想要对农户的家庭情况和其他信息进行全面了解，以更准确地判断风险。三是数据范围有限。目前数据平台只能收集和处理采用了数字农业技术的农户数据，尚未采用数字农业技术的农户信息只能通过政府相关部门提供，或金融机构自行调查获取，导致数字技术的服务范围有限。四是数据标准不统一。由于国家尚未建立农业数据的标准，各部门存在数据储存和表达格式不一的问题，无形中提高了数据资源利用的难度。总之，由于数字农业模式下农村融资方式创新发展所依赖的全产业链数据资源目前尚难以形成并被各类金融机构有效利用，导致短时间内农户对传统金融服务的路径依赖仍难以改变。

六、结论与建议

农业是温室气体的重要来源，农业二氧化碳减排对于双碳目标的实现具有重要意义。从发达国家经验看，数字技术是实现农业二氧化碳减排的重要途径。基于此，本文结合成都R公司的案例发现，数字技术可通过精准施药施肥、减少能源消耗等方式直接使每亩小麦、水稻种植分别减少二氧化碳排放7.76千克和8.07千克；同时，数字技术可使农业生产经营降本增收，从经济效益上保证了数字农业生产方式的可持续性，进而间接减少排放；数字农业发展也促进了农村融资方式的改变，数据资源在很大程度上实现了对传统抵质押品的替代，有利于克服长期以来困扰农村金融发展的信息不对称和缺乏抵质押品的问题，具有重要的示范效应和研究价值。以上研究结论具有重要的政策意义。一方面，数字技术为绿色金融、普惠金融和数字金融的融合发展创造了条件。数字技术模式下，首先，金融支持数字农业发展，可产生明显的生态环境和温室气体减排效应，充分体现了绿色金融的发展目标；其次，数字农业模式将核心企业与大量农户、农资企业和社会化服务组织联结在一起，深化了农村金融的普惠性；最后，数字农业模式下各个环节的金融活动均体现出数字金融交易成本低、运行效率高的优势和特点。另一方面，绿色金融、普惠金融和数字金融融合发展反过来又可以推动金融更好地为“三农”服务，尤其是为数字农业发展提供资金支持。最终数字农业和农村金融相互促进，共同推动“三农”发展。基于此，本文提出以下建议：

一是提高数字农业的普惠性。鉴于数字农业技术存在“门槛”效应，可加大对小农户运用数字农业技术的引导和激励，加强对农村地区数字基础设施建设的持续投入。如由地方农业部门加大对农民职业经理人的培训力度，促进农民掌握更为丰富的现代农业技术；成立专门的低碳数字农业科技组织，建立配套的培训教育机制，推广与普及低碳数字技术，提高企业和个人对低碳农业的认识；鼓励规模化、专业化的社会化服务组织提供无人机杀虫、施肥等高效农业生产服务；鼓励小农户组建专业合作组织统一使用数字农业技术设施，并由政府予以一定的补贴。此外，地方政府可发行乡村振兴专项债，用于数字农业相关基础设施建设，为小农户参与数字农业生产创造条件。金融机构可设计专门产品，以农业设施贷款、融资租赁等形式为小农户采用数字农业技术的固定投入提供融资。

二是进一步推动涉农数据整合。核心企业基于数字平台收集的信息主要是产业链上的生产交易数据，但农户的非生产交易类信息相对缺乏。下一步，建议加强农业数据标准制定的顶层设计，并进一步打破数据壁垒。具体可由核心企业与政府部门建立数据共享机制，其中核心企业主要提供链上农业生产经营主体的生产性数据，政府部门提供其收集的非生产性基础信息，两类数据相互补充、印证，共同为农业生产经营主体融资提供增信。核心企业和政府数据实现对接，将有利于形成“政府+市场”的农业供应链生态圈，促进数字农业减排和“三农”发展。

三是建立多层次的金融支持体系。金融支持数字农业发展过程中，应充分结合数字农业可形成大量生产性数据资源和具有二氧化碳减排效应两大特点开展金融创新。进一步创新农村产权的抵质押融资，加大数字农业发展的信贷支持。复制推广“数字平台+担保+银行”的融资模式和风险分担机制，开发更多的信贷产品。如，数字平台可根据生产交易信息为农户资信评分，金融机构可围绕此资信评分设计金融产品。进一步探索绿色债券、融资租赁等多种形式为数字农业的设备投入、基础设施建设融资。加快建设碳金融衍生品交易市场，围绕农村碳资产开发期权、期货等农业碳金融衍生品，最终实现数字农业碳减排的多层次金融支持体系。