盧辭，李明鴻，張俊

（安徽財經大學經濟學院，安徽蚌埠 233030）

0 引言

農業(yè)是經濟發(fā)展、社會前進、國家富強的基礎。傳統工業(yè)向現代農業(yè)發(fā)展促進了農業(yè)產量的提升，同時也給生態(tài)環(huán)境造成破壞，現代化的農業(yè)生產過程加劇了農業(yè)面源污染，農業(yè)面源污染對于農村水資源造成嚴重污染，并且能通過液體擴散至周圍地區(qū)[1-2]，污染物伴有泥沙，進入河流、湖泊抬高水位，降低蓄水力和承載力破壞農村生態(tài)環(huán)境，給農業(yè)發(fā)展帶來負面影響，阻礙鄉(xiāng)村振興之路。安徽省是國內重要的糧食主產地之一，農業(yè)生產是其生產活動的重要組成部分。省內的許多地區(qū)以農業(yè)生產為支柱產業(yè)，生產的農產品不僅供給當地居民，還要提供其他省份居民，因此，安徽省農業(yè)發(fā)展對淮河、長江流域的社會發(fā)展起重要作用。省內農村人口為2564萬余人，農業(yè)生產和農村生活對當地農業(yè)生態(tài)環(huán)境有嚴重的負面影響，農業(yè)面源污染治理有利于保護當地農業(yè)生態(tài)環(huán)境，有益于促進鄉(xiāng)村生態(tài)振興[3]，實施有效的農業(yè)面源污染治理措施，制定具有針對性的政策建議，首先要研究造成農業(yè)面源污染的因素。

造成農業(yè)面源污染的因素多種多樣，一些學者認為經濟增長與農業(yè)面源污染排放呈正相關關系，二者具有雙向影響機制[4-6]。有些研究將影響農業(yè)面源污染排放的成因歸結于直接驅動和間接驅動，并且認為間接驅動是主要成因[7]。有學者從農地流轉的角度研究農業(yè)面源污染，得出土地政策、土地使用的穩(wěn)定性和土地的流動性會影響農業(yè)面源污染[8]。還有文獻從環(huán)境庫茲涅茨曲線理論[9]出發(fā)，研究農業(yè)經濟增長[10-11]、人均農業(yè)產出[12]、人均GDP[13]、城市化水平[14]與農業(yè)面源污染排放強度的EKC 關系。從上述文獻分析可以看出，大部分學者將農業(yè)面源污染排放成因歸結于農村經濟增長，尤其是農民收入方面。學者認為農民收入增長會加大化肥、農藥的投入比例，從而造成農業(yè)面源污染[15]，但是農民收入不僅來自于農業(yè)生產，還來源于農戶非農業(yè)就業(yè)所得。從1978年起，國內的城鎮(zhèn)化率開始逐年增長，快速城鎮(zhèn)化發(fā)展的背后是從事農業(yè)生產人數減少、從事非農生產人數增多，現有研究驗證農業(yè)勞動力轉移[16]、農業(yè)勞動力結構轉變[17]、非農兼業(yè)[18-19]導致農業(yè)面源污染排放減少。同時，從事城市的高薪工作也會擴大農戶家庭收入，農戶收入增加再加上從事農業(yè)生產時間減少，加重農戶短視行為，如加大化肥、農藥的使用量，學者通過研究驗證農民收入增加會加大農業(yè)面源污染排放[20]。由上述分析可得，農戶從事非農業(yè)生產既有減少農業(yè)面源污染的正效應，又會因為收入增加而增加農業(yè)生產要素投入，增加農業(yè)面源污染的負效應。

綜上所述，對農業(yè)面源污染的驅動機制研究方面，現有研究對影響農業(yè)面源污染排放的成因分析多是從經濟角度展開，一些研究只是簡單分析農民從事非農業(yè)生產勞動會減少農業(yè)面源污染，而沒有從非農就業(yè)對農業(yè)面源污染的正負2 個方面影響進行深入探究。筆者以安徽省為研究對象，基于單元調查法，對2011—2020 年農業(yè)面源污染排放量進行估算，分析2011—2020 年安徽農業(yè)面源污染排放量的時空變化特征和空間相關性，通過空間計量模型探究非農業(yè)就業(yè)對農業(yè)面源污染的影響因素。

1 研究方法與數據來源

1.1 研究方法

1.1.1 農業(yè)面源污染排放量核算基于單元的綜合調查評價方法，確定5 個污染源[21-26]以及對應核算單元、排放系數和產污系數（表1），主要污染物包括化學需氧量(COD)、總氮(TN)、總磷(TP)。

表1 農業(yè)面源污染核算單元和產污強度影響系數

農業(yè)面源污染物排放量和排放濃度的計算如式(1)。

式(1)中，E為進入水系的農業(yè)面源污染的排放量；EUi為單元i指標統計數；ρi為單元i污染物的產污強度系數；ηi為表征相關資源利用效率的系數；PEi是農業(yè)污染的產污量；Ci為單元i污染物的排放系數，它由單元EUi和空間特征S決定。

1.1.2 空間相關性的測度

（1）全局空間自相關莫蘭指數。莫蘭指數是研究變量空間相關性的測量指標，分為全局莫蘭指數和局部莫蘭指數，本研究運用全局Moran’sI指數研究變量是否存在空間相關性，運用局部Moran’sI探究具體哪些地區(qū)存在空間集聚效應。全局Moran’sI的計算如式(2)。

式中，I表示全局Moran’sI；n表示地區(qū)總數；Ai和Aj分別表示地區(qū)i、j的觀測值；Wij表示空間權重矩陣。表示特定觀測變量的平均值；表示不同地區(qū)觀測變量的方差。

（2）局部空間自相關莫蘭指數。局部Moran’sI指數可以用式(3)表示。

（3）權重。構建地理距離矩陣和經濟地理嵌套矩陣2種空間權重矩陣，地理距離矩陣(W1)權重元素為各城市之間距離的倒數，經濟地理嵌套矩陣(W2)計算如式(4)。

式中，W1為地理距離矩陣，diag(...)為對角矩陣，Xi為研究期間內第i市的人均GDP 的均值，X為研究期間內所有市的人均GDP的均值。

1.1.3 空間面板數據模型由于農業(yè)面源污染的自身特性，容易通過地表徑流擴散至周圍地區(qū)，因此采用空間計量模型來分析農業(yè)面源污染的空間相關性。常用的空間計量模型主要包括空間滯后模型[SAR，式(5)]、空間誤差模型[SEM，式(6)]以及空間杜賓模型[SDM，式(7)]。

式中，Y為被解釋變量，X為所有的解釋變量和控制變量，ρ、θ、λ為被解釋變量、解釋變量和控制變量、隨機擾動項空間自相關系數，W為空間權重矩陣。β為lnX相關系數，μ和ε代表隨機誤差。

1.2 數據來源

研究的所有農業(yè)數據和社會經濟數據來自于2012—2021 年《安徽統計年鑒》、《中國統計年鑒》和《中國農村統計年鑒》。

2 結果與分析

2.1 安徽省農業(yè)面源污染排放量的時空變化特征

2.1.1 農業(yè)面源污染排放量的時序變化特征利用式(1)對2011—2020 年間安徽省各核算單元的農業(yè)面源COD、TN 和TP 排放量進行計算，并進行加總得到總COD、TN和TP排放量，結果如圖1～4。

圖1 2011—2020年安徽省農業(yè)面源COD排放量

圖2 2011—2020年安徽省農業(yè)面源TN排放量

圖3 2011—2020年安徽省農業(yè)面源TP排放量

圖4 2011—2020年安徽省農業(yè)面源排放量

2011—2020 年安徽省農業(yè)面源COD 排放量呈先減后增的“U”型趨勢，具有階段性特征。2011—2016年呈穩(wěn)定趨勢；2016—2018年降幅明顯，到達33.70%；2018—2020 年緩慢上升，10 年間整體下降9.93%。各類污染單元排放量變化趨勢具有差異性，農田固廢和農村生活的COD排放量整體呈上升趨勢，畜禽養(yǎng)殖和水產養(yǎng)殖的COD排放量整體呈下降趨勢。TN排放量整體呈下降趨勢，僅2015年TN排放量有所增長，整體下降14.81%。各類污染單元排放量中，農田固廢和水產養(yǎng)殖的TN排放量整體呈上升趨勢，農田化肥、畜禽養(yǎng)殖和農村生活的TN排放量整體呈下降趨勢。TP排放量變化趨勢與COD排放量變化趨勢相似，增減幅度小于COD，整體下降9.45%。各類污染單元排放量中，農田固廢、畜禽養(yǎng)殖和水產養(yǎng)殖的TP排放量整體呈上升趨勢，農田化肥和農村生活的TP排放量整體呈下降趨勢。由于COD排放量在總排放量中貢獻最大，因此三者相加安徽省農業(yè)面源總排放量變化趨勢呈“U”型，在2011—2016 年變化穩(wěn)定，2016—2018 年下降且降幅較大，表明在此期間農業(yè)面源污染排放得到有效控制，但是2018—2020年農業(yè)面源總排放量呈上升趨勢，由此得出2018年后安徽省的農業(yè)面源污染排放有擴大趨勢，農業(yè)面源污染治理亟待加強。

各類污染單元在COD 排放量的貢獻率由大到小依次為畜禽養(yǎng)殖＞農村生活＞水產養(yǎng)殖＞農田固廢，其中畜牧養(yǎng)殖的COD 排放量貢獻最大，年平均占比為69.46%，農田固廢的COD 排放量貢獻最小，年平均占比為0.06%；在TN排放量的貢獻率由大到小依次為農田化肥＞畜牧養(yǎng)殖＞農村生活＞水產養(yǎng)殖＞農田固廢，其中農田化肥的TN 排放量貢獻最大，年平均占比為75.69%，農田固廢的TN排放量貢獻最小，年平均占比為0.16%；TP 排放量中的排序順序與TN 排放量的排序相同，其中農田化肥的TP 排放量貢獻最大，年平均占比為44.41%，農田固廢的TP排放量貢獻最小，年平均占比為0.02%，各類型污染源貢獻率變化趨勢穩(wěn)定。從COD、TN、TP 3種類型農業(yè)面源污染排放的貢獻度來分析，畜禽養(yǎng)殖、農田化肥和農村生活是污染排放的重要貢獻者，如何減少這3 類污染物排放成為治理安徽省農業(yè)面源污染的首要任務。

2.1.2 農業(yè)面源污染排放量的空間分異特征 選取2011和2020年安徽省16個城市的農業(yè)面源污染排放總量進行對比，運用自然斷點法將16市2個時間段的農業(yè)面源污染排放量分為低值區(qū)、較低值區(qū)、中值區(qū)、較高值區(qū)、高值區(qū)5 個等級（圖5），研究農業(yè)面源污染排放量的區(qū)域分異特征。

圖5 2011、2020年安徽省農業(yè)面源污染排放總量分布

2011 年宿州市、六安市、阜陽市的農業(yè)面源污染排放總量最高，其農業(yè)面源污染排放總量是農業(yè)面源污染排放總量最低的銅陵市的2倍，這與3個地區(qū)農產品產量和農村人口數正相關，其余大部分城市處于較高值和中值區(qū)，處于低值區(qū)的城市只有1個，16個城市的農業(yè)面源污染排放量總體較大，表明2011年安徽省雖然在農業(yè)生產方面發(fā)展迅速，但是對農業(yè)面源污染的重視程度不夠，治理力度不足。2020年處于低值區(qū)的城市增至4 個，大部分城市的農業(yè)面源污染排放有顯著下降，僅有宿州、阜陽2 個城市處于高值區(qū)，根據全省不同地區(qū)自身發(fā)展特點，以農作物、畜禽養(yǎng)殖為主的縣區(qū)所在城市的農業(yè)面源污染排放總量比其他城市高，城市化進程快的地區(qū)農業(yè)面源污染相對較低，但是相比于2011年有明顯下降，平均下降幅度約為30%左右，尤其是六安市的農業(yè)面源污染排放量下降至2011年的一半，表明在此期間安徽省不同城市在經濟發(fā)展的同時對農業(yè)面源污染的治理力度加大，綠色低碳的農業(yè)生產模式正逐步形成，對于減少農業(yè)面源污染起到顯著作用。

2.2 農業(yè)面源污染的空間計量分析

2.2.1 影響機理與假設農業(yè)面源污染物通過降水、灌溉、地表徑流等方式進入水體污染水質，同時不可溶解的農業(yè)面源污染物會以固體形式沉淀于河流、湖泊底部，造成其蓄水能力的減低，降低水體的生態(tài)承載力，因此，根據農業(yè)面源污染排放的自身特點，農業(yè)面源污染排放具有明顯的空間外溢性，對于相鄰地區(qū)，農業(yè)面源污染具有空間相關性，據此提出假設1。

假設1：農業(yè)面源污染具有空間相關性，本地區(qū)的農業(yè)面源污染會受到鄰近地區(qū)外溢的影響。

農業(yè)產業(yè)是安徽省的支柱產業(yè)，徽州人在長期的生產、生活實踐中形成了具有徽州地域特色的農耕文化，但是工業(yè)化程度的提升加快了安徽省城市化發(fā)展的步伐，即便是在鄉(xiāng)村振興的背景下，不少過去從事農業(yè)生產活動的勞動者進入城市打工，這些進城打工的農民大多是鄉(xiāng)村社會的主要勞動力，長此以往農業(yè)生產成為其“副業(yè)”。由于安徽省各地區(qū)發(fā)展水平不一致，經濟發(fā)展快、城市建設完善的地區(qū)吸引大量農村勞動力進城務工，造成了農村非農就業(yè)比例的提升，由此從事農業(yè)生產活動比例降低會在一定程度上減少農業(yè)面源污染排放，據此提出假設2。

假設2：非農業(yè)就業(yè)比例的提升會抑制農業(yè)面源污染排放，并受空間相關性影響。

從事非農業(yè)生產活動的勞動者在城市的收入會大大增加其家庭總收入，農戶從事農業(yè)生產的時間減少，為增加單位面積農產品產量，會增加如化肥、農藥業(yè)生產要素的投入，正向促進農業(yè)面源污染排放。據此提出假設3。

假設3：農戶家庭收入增加會促進農業(yè)面源污染排放，并受空間相關性影響。

2.2.2 變量說明

（1）被解釋變量為農業(yè)面源污染排放量(lnE)。核心解釋變量為非農業(yè)就業(yè)比例(lnnfe)和農戶家庭收入(lninc)，其中非農業(yè)就業(yè)比例為1-(從事農林牧漁的鄉(xiāng)村從業(yè)人數/鄉(xiāng)村從業(yè)人數)。

（2）控制變量。①人均耕地面積(lnlan)，人均耕地面積會直接影響化肥、農藥投入，造成農業(yè)面源污染排放。②城鎮(zhèn)化率(lnurb)，城鎮(zhèn)化率的提高會減少農業(yè)生產，進而減少農業(yè)面源污染排放。③單位面積農業(yè)機械投入(lnmac)，農機漏油和農機廢物處理不當會對農田造成污染，采用從事農林牧漁的鄉(xiāng)村從業(yè)人數與農作物播種面積相除來計算單位面積農業(yè)機械投入。④灌溉率(lnirr)，農業(yè)灌溉在潤養(yǎng)農作物的同時會將農藥、化肥等化學制劑帶入水中從而造成水體污染，并會擴散至其他地區(qū)，采用灌溉面積與農作物播種面積相除來衡量灌溉率。⑤產業(yè)結構(lnstr)，第二產業(yè)的發(fā)展帶動農業(yè)大規(guī)模生產、提高生產效率，從而造成農業(yè)面源污染，采用第二產業(yè)占地區(qū)生產總值的比例來衡量產業(yè)結構。

2.2.3 空間相關性分析利用莫蘭指數對安徽省農業(yè)面源污染空間格局進行探測，首先對2011—2020年安徽省16 個城市的農業(yè)面源污染排放量進行空間相關性分析，采用前文所選取的2 種空間權重來測算全局空間莫蘭指數。表2結果顯示，在W1空間權重下2011—2020 年安徽省農業(yè)面源污染的全局莫蘭指數均大于0.3，在W2空間權重下2011—2020 年安徽省農業(yè)面源污染的全局莫蘭指數均大于0.2，并且2種權重的全局莫蘭指數都通過顯著性檢驗，表明2011—2020年安徽省各市的農業(yè)面源污染存在顯著的正相關，莫蘭指數波動幅度不大，變化穩(wěn)定，表明安徽省農業(yè)面源污染排放具有空間依賴性和聚集性，安徽省各市的農業(yè)面源污染存在顯著的正相關，驗證假設1。

表2 2011—2020年安徽省農業(yè)面源污染全局莫蘭指數

為詳細考察安徽省農業(yè)面源污染的空間集聚性，基于地理距離矩陣分別繪制2011 年和2020 年的局部莫蘭指數散點圖，在此基礎上將各市所在象限列出。由表3 可知，以農業(yè)生產為支柱產業(yè)的城市，如阜陽、蚌埠、六安處于第一象限，而位于第三象限的黃山、池州、宣城、蕪湖農產品產量低于全省平均值，黃山和滁州常年的農產品產量排在全省最末。2011 年和2020年各象限所包含的城市變化不大，表明安徽省農業(yè)面源污染排放的空間相關性比較穩(wěn)定，第一象限和第三象限的城市相對較多，表明農業(yè)面源污染的同質溢出效應大于異質溢出效應。

表3 安徽省農業(yè)面源污染局部莫蘭指數的城市分布

2.2.4 農業(yè)面源污染影響因素分析

（1）空間計量模型選擇。首先對模型進行傳統面板回歸(OLS)，通過LM檢驗來分析選擇適合的空間計量模型。由表4可知，所有LM檢驗均拒絕原假設H0，說明數據具有SEM 和SAR 雙重效應，據此選用SDM模型；其次根據Hausman檢驗結果在1%的顯著性水平上通過檢驗，選擇固定效應，進一步通過LR檢驗結果選取雙固定效應，在3種空間模型中SDM模型的σ2最小、R2最大，因此采用空間杜賓雙固定效應模型；最后對SDM 模型是否會退化為SEM 和SAR 模型進行LR和Wald 檢驗，在W1權重下LR 和Wald 指標分別為485.68 和88.95，在W2權重下LR 和Wald 指標分別為473.01 和16.89，2 種權重的LR 檢驗和Wald 檢驗均通過，證明2種權重的SDM模型均不會退化。

表4 LM檢驗

綜上所述，選取雙固定效應的SDM模型來探究安徽省農業(yè)面源污染的影響因素。

（2）實證分析。表5 為雙固定效應OLS 模型和2種權重下SAR、SEM和SDM模型的回歸結果。2種權重的SDM 模型中非農業(yè)就業(yè)系數均為負值，分別在1%和5%的顯著性水平下通過假設檢驗，表明非農業(yè)就業(yè)比例越高，從事農業(yè)生產的勞動力越少，對本市的農業(yè)面源污染排放起抑制作用越大；2 種權重下非農業(yè)就業(yè)的空間滯后項系數在1%顯著性水平下顯示負相關，說明本地區(qū)的非農業(yè)就業(yè)對降低其他地區(qū)的農業(yè)面源污染排放量有顯著影響，驗證假設2。2種權重的SDM 模型中農村家庭收入系數均為正值，且均在5%的顯著性水平下通過假設檢驗，表明農村家庭收入的增加會加大對農業(yè)生產的投資，導致本市的農業(yè)面源污染排放量相應增長；2 種權重下農村家庭收入空間滯后項系數在5%和10%顯著性水平下顯示正相關，說明本地區(qū)農民收入的提升會對其他地區(qū)的農業(yè)面源污染有溢出效應，驗證假設3。

表5 模型回歸結果

2種權重下控制變量中城鎮(zhèn)化率系數和空間滯后項系數均為負，且在1%顯著性水平下通過假設，表明城鎮(zhèn)化率抑制本地區(qū)和其他農業(yè)面源污染排放，因為城鎮(zhèn)化水平的提升改變了人們的思想觀念，增強農村人口環(huán)保意識和健康意識，增加有機產品的種植和綠色生產的普及；人均耕地面積、單位面積農業(yè)機械投入、灌溉率和產業(yè)結構系數和空間滯后項系數均顯著為正，表明人均耕地面積、單位面積農業(yè)機械投入、灌溉率和產業(yè)結構會顯著促進本地區(qū)和其他農業(yè)面源污染排放，原因在于人均耕地面積的增加會導致化肥、農藥以及等投入的增加，單位面積農業(yè)機械投入提升在增加農產品產量的同時會造成對農用地污染，灌溉會使化肥、農藥等污染源擴散，第二產業(yè)的快速發(fā)展會提升農業(yè)生產效率、加大農業(yè)生產量，從而加劇農業(yè)面源污染的排放。

SDM模型的結果可以解釋各地區(qū)之間的空間相關性。為了更好地研究農村經濟結構對農業(yè)面源污染的影響，采用偏微分法將各變量對農業(yè)面源污染排放量的影響分為直接效應、間接效應和總效應，結果見表6。

表6 空間效應分解

在2種權重下，非農業(yè)就業(yè)的直接效應、間接效應和總效應都顯著為負，表明非農業(yè)就業(yè)在減少本地區(qū)農業(yè)面源污染排放量的同時會降低其他地區(qū)農業(yè)面源污染排放量；農村家庭收入的直接效應、間接效應和總效應都顯著為正，表明農村人口收入增加會助長本地農業(yè)面源污染排放，也會對其他地區(qū)農業(yè)面源污染排放有推動作用。從作用程度上看，非農業(yè)就業(yè)比例和農戶家庭收入的間接效應大于直接效應，表明空間溢出效應顯著。

3 討論

筆者從時間和空間2個維度來研究安徽省2011—2020 年農業(yè)面源污染排放量的時序變化趨勢和空間分異特征，并在此基礎上，使用2種權重矩陣測算莫蘭指數并對安徽省農業(yè)面源污染排放的空間相關性進行分析，運用空間杜賓模型探究農民從事非農業(yè)生產勞動對安徽省農業(yè)面源污染排放的影響。

（1）從時序角度分析，2011—2020 年安徽省農業(yè)面源污染排放總量呈U 型，2018 年后有增長趨勢，其中COD和TP的排放量變化趨勢與總排放量變化趨勢相似，TN的排放量呈下降趨勢。COD和TP排放量構成中畜牧養(yǎng)殖的占比最大，TN排放量構成中貢獻最大的是農田化肥，農田固廢對COD、TN、TP 排放量貢獻最小。

（2）從空間角度分析，2011、2020年安徽省16個城市的農業(yè)面源污染排放總量空間分異特征明顯，各市的農業(yè)面源污染排放量與農產品產量和農村人口數量正相關。2020 年各地區(qū)的農業(yè)面源污染排放總量與2011年農業(yè)面源污染排放總量相比有顯著下降，各城市平均下降趨勢為30%左右，處于高值區(qū)的城市數量在減少，處于低值區(qū)的城市數量在增加，各市的農業(yè)面源污染排放量整體處于下降狀態(tài)。

（3）以不同的2 種空間權重矩陣來分析安徽省農業(yè)面源污染排放量的空間相關性，2 種權重的全局莫蘭指數均顯著為正，證明存在空間正相關性，同質溢出性效應顯著。從局部莫蘭指數的城市分布表來看，2011年和2020年安徽省各地區(qū)的空間集聚變化不大，表明安徽省農業(yè)面源污染排放的空間相關性比較穩(wěn)定，第一象限和第三象限的城市相對較多，表明農業(yè)面源污染的同質溢出效應大于異質溢出效應。

（4）利用2 種權重的空間杜賓模型驗證農村人口非農業(yè)就業(yè)比例對農業(yè)面源污染的抑制作用，但由此增加的農戶家庭收入卻對農業(yè)面源污染有促進作用，二者都有顯著的空間溢出效應，并且后者的促進作用大于前者的抑制作用。在2種權重下非農業(yè)就業(yè)比例和農戶家庭收入的直接效應與間接效應均顯著，且間接效應大于直接效應。

4 結論

農業(yè)歷來是中國的立國之本，農耕文化是華夏文明不可缺少的重要文化之一。十九大報告中明確提出鄉(xiāng)村振興戰(zhàn)略，但是農業(yè)面源污染是農業(yè)農村發(fā)展的重要阻礙，農業(yè)面源污染防治已經成為農業(yè)農村發(fā)展過程中的首要任務，農業(yè)面源污染不僅影響農村經濟的發(fā)展，還是制約推進新農村建設的一個重要因素，其中化肥、禽畜糞便等是今后農業(yè)面源污染治理的主要減排對象[27]。安徽省是國內重要的農業(yè)生產省份，要根據其自身的農業(yè)面源污染排放趨勢對農業(yè)面源污染排放進行治理，要從政策、經濟2個方面進行引導。政府要扮演好統籌規(guī)劃者和政策引導者2 個重要角色，時刻把握農業(yè)發(fā)展方向，堅守生態(tài)綠色的生產經營模式，定期對當地土壤、水質、農產品狀況進行監(jiān)測，監(jiān)測污染物排放量是否符合國家標準，排放時是否經過處理，耕地的土壤、水質以及農產品中污染物的含量是否超標等，在源頭處把控農業(yè)面源污染的排放，還要在思想意識層面上對參與農業(yè)生產的農戶傳達綠色農業(yè)發(fā)展理念，鼓勵農戶減少農藥、化肥使用，種植綠色有機農產品，推進產業(yè)綠色振興與生態(tài)文明建設的融合發(fā)展[28]。對于有機產品進行高價收購，或者幫助農戶與當地市場進行聯動，保證農戶生產的有機食品有銷路，解決有機農業(yè)生產的后顧之憂，讓農戶得到實際利益，才能使其從根本上轉變傳統的生產經營模式。從地理角度來看，安徽處于淮河流域和長江中下游平原，各地區(qū)由于自然資源、地理環(huán)境和歷史傳統不同，城市的發(fā)展方向和發(fā)展程度不一致，城市化發(fā)展程度較低地區(qū)的勞動力向城市化、工業(yè)化較高地區(qū)流動，其中大部分來自于農村。對于從事非農業(yè)生產活動的農戶，要對其土地管理出臺明確規(guī)定，防止農戶為求自身利益做出不顧后果的短視行為，對于分散土地進行統一、集中管理，搭建平臺，將限制、分散的土地租用給專業(yè)從事農業(yè)生產勞動的農戶。在農業(yè)生產技術上給予農民支持，大力推廣節(jié)能、節(jié)水產品，保障農業(yè)生產產量的同時，盡最大努力降低污染排放，將污染源控制在生態(tài)環(huán)境可承載范圍內。