论文部分内容阅读
摘要根据2003－2009年省际面板数据，文章测算了中国畜禽养殖业的碳排放总量，并建立了收入水平与碳排放强度关系的非线性计量模型，利用分地区数据进行了EKC检验。笔者认为，清洁技术是影响碳排放的最主要因素，基于此，本文将碳排放强度进行技术分解，在引入其他控制变量的条件下，重点研究了清洁技术的EKC特征。结论显示：两次EKC检验的结果方向一致，东部地区存在显著的“倒U型”关系，中、西部地区则存在显著的“正U型”关系，这与区域经济增长水平和清洁技术的采纳密切相关；东、中、西部地区清洁技术下的碳排放拐点分别为7 942.63元、2 751.77元和2 670.44元，中部地区拐点收入水平基本不变，东、西部地区拐点收入水平有所提高；除了收入水平外，东部地区的碳排放特征主要受农业产值占比、城镇化率和饲料成本的影响；中部地区主要受恩格尔系数的影响；西部地区则主要受农业产值占比、公路密度和土地成本的影响。本文认为，国家应该增加清洁技术补贴，提供技术服务，加强政府规制以及技术创新。
关键词EKC；清洁技术；碳排放；畜禽养殖业
中图分类号F3文献标识码A文章编号1002-2104（2012）07-0028-06doi:10.3969/j.issn.1002-2104.2012.07.005
哥本哈根世界气候大会的召开，温室气体排放受到更多重视，畜禽污染排放日益受到社会各界的关注。据研究，全球养殖业中畜禽粪便甲烷排放总量约2 000万－3 000万t/a，占已知人为甲烷年排放总量的5.5%－8%，占农业甲烷气体年排放的12% ［1］。根据FAO报告《牲畜的巨大阴影：环境问题与选择》中的数据显示，每年由牛、羊、骆驼、马、猪和家禽排放温室气体的二氧化碳当量占全球排放总量的18%。其中氧化亚氮（N2O）约65%，甲烷（CH4）约37% ［2-3］，而氧化亚氮和甲烷的“增温效率”分别是二氧化碳的310倍和21倍［4］。在此背景下，中国各地呼吁大力发展低碳养殖，其目的是实现经济增长与畜禽养殖碳排放量的脱钩发展。因此，如何处理经济发展和畜禽养殖碳排放的关系成为低碳养殖研究领域中十分重要的问题。特别是对于作为农业大国的中国而言，深入研究该问题显得尤为迫切。
国内外学者采用Gene Grossman 和 Alan Krueger［5］提出的环境库兹涅茨曲线（简称EKC）理论研究了环境质量与经济发展之间的关系，结果表明，大多数国家环境质量与经济发展之间存在“倒U型”关系［6-8］，其研究过程中多数以工业污染排放量为研究对象。国内对农业污染与经济发展关系的研究起步较晚，且研究对象大多局限于农业化学品投入和畜禽排泄物［9-10］，而对畜禽养殖碳排放与经济发展关系的比较翔实的文献尚不多见。
因此，本文构建畜禽养殖碳排放与经济发展水平之间关系的计量模型，验证我国畜禽养殖业碳排放的EKC形状，并分析其内在原因，以期为制定我国畜禽低碳养殖政策和改善低碳养殖环境提供依据。
1畜禽养殖业碳排放的EKC验证
1.1碳排放量测算方法
畜禽养殖过程中温室气体排放主要来自于畜禽肠道发酵，以及家畜粪肥处理过程引起的CH4和N2O的排放［11］；而畜禽养殖碳减排主要依靠对利用畜禽粪肥发酵生成的沼气的利用。因此，畜禽养殖碳排放量的测算公式如下：
Qemi=Qpro-Quse（1）
Qpro=Qf+Qm（2）
式(2)中：Qemi表示畜禽养殖碳排放量；Qpro表示畜禽养殖碳产生量；Quse表示沼气利用而减少的碳排放量（按照沼气替代化石燃料产生的碳排放量计算）；Qf表示畜禽肠道发酵甲烷排放量（IPCC（2006）畜禽肠道发酵CH4排放量的测算公式）；Qm表示畜禽粪便管理系统碳排放量［12］畜禽粪便碳减排潜力的计算方式）。畜禽饲养量数据来源于历年《畜牧业统计年鉴》。碳排放量计算所需参数来源于IPCC［13-14］，其中沼气热值本文参照文献推荐值采用20 934 kJ/m3。
田素妍等：中国畜禽养殖业低碳清洁技术的EKC假说检验中国人口·资源与环境2012年第7期1.2模型设定
参考国内外学者的研究成果，本文设定如下对数线性模型进行畜禽养殖碳排放环境库兹涅茨曲线验证。
C=c+αlny+b(lny)2+μ（3）
式(3)中：C为人均畜禽养殖碳排放量，y为农村家庭人均纯收入，a、b、c为模型估计系数，μ为随机误差项。根据公式（3）回归结果可以判断模型的几种可能的曲线关系：如果a＞0，b＜0，则为倒U型曲线关系；如果a＜0，b＞0，则为正U型曲线关系；如果a≠0，b＝0，则为直线关系。
根据公式（3）的回归结果可以计算出环境库兹涅茨倒U型EKC的转折点为：
y*=-a′2b（4）
1.3模型计量检验
本文采用stata10.0软件进行计量模型估计，结果见表1。
表1畜禽养殖碳排放回归结果
Tab.1The regression results of livestock carbon emissions
项目
Items东部
East area中部
Central area西部
West areaCoef.ZStatisticProb.Coef.ZStatisticProb.Coef.ZStatisticProb.C-3.830 6-2.670 00.008 016.038 32.650 00.008 011.736 12.040 00.042 0lny0.936 72.800 00.005 0-4.014 1-2.680 00.007 0-3.060 6-2.090 00.037 0（lny）2-0.055 5-2.850 00.004 00.253 52.750 00.006 00.204 32.190 00.028 0拐点4 628.555 02 751.771 01 790.052 1 3结论和政策建议
3.1主要结论
本文基于2003－2009年的省际面板数据，利用环境经济模型验证了我国东中西部地区畜禽养殖碳排放强度与收入之间的EKC关系。在此基础上，文章将碳排放强度分解为清洁技术和末端处理技术下的碳排放，考虑清洁技术是影响碳排放的最主要因素，引入其他控制变量，对清洁技术下的碳排放特征进行再度验证。结论如下：
第一，三大地区畜禽养殖碳排放拟合曲线形状不同，碳排放趋势不同。东部地区人均畜禽碳排放量和经济增长之间存在显著的“倒U型”关系，碳排放量处于持续下降阶段；中、西部地区人均畜禽碳排放量和经济增长之间的关系呈显著的“正U型”关系，碳排放量处于持续上升阶段。本文认为区域间不平衡发展的经济现象是影响畜禽养殖业不同碳排放特征的决定性因素。不平衡发展的经济水平影响地区清洁技术的创新，影响养殖户的低碳养殖行为和意识，最终影响畜禽养殖的碳排放。
第二，三大地区清洁技术下的碳排放特征与传统EKC验证结果一致。清洁技术下的畜禽养殖碳排放特征，不仅受收入水平的影响，而且还收到其他控制变量的影响，但是其碳排放特征与传统EKC验证结果一致。东部地区呈现“倒U型”排放特征，碳排放处于下降阶段；中西部地区呈现“正U型”排放特征，碳排放处于上升阶段。说明我国东部地区的清洁技术水平较高，中西部地区的清洁技术有待进一步提高。并且，东中西部地区的碳排放拐点分别在收入水平为：7 942.63元、2 751.77元和2 670.44元处，与总体上的碳排放拐点相比（4 628.56元、2 751.77元和1 790.05元），中部地区基本保持不变，东、西部地区拐点的收入水平有所提高。清洁技术下的碳排放拐点与实际情况更相符。
第三，清洁技术下，三大地区的畜禽养殖碳排放影响因素不同。农业产值占比对东部地区碳排放的影响显著为正，而对西部地区显著为负；城镇化率和饲料成本只对东部地区碳排放的影响显著为负；恩格尔系数只对中部地区碳排放的影响显著为正；公路密度和土地成本只对西部地区碳排放的影响显著为正。
第四，影响三大地区畜禽养殖碳排放特征的决定性因素不同。针对东部地区持续下降、中西部地区持续上升的碳排放特征，结合上述研究结论，可以得出：①东部地区城镇化率和饲料成本对下降的碳排放特征影响显著，可见，东部地区的畜禽养殖碳排放受经济因素和其他因素的综合影响；②中部地区，只有恩格尔系数对碳排放的影响显著为正，恩格尔系数降低，碳排放量也降低，这与“双上升”的环境经济现象相矛盾，即只有收入水平对持续上升的碳排放特征贡献最大；③西部地区除了经济水平外，公路密度和土地成本对碳排放特征的贡献也比较明显。
3.2政策建议
东部地区经济发展基础雄厚，已经走上了低碳养殖和经济增长的“双赢”局面。在追求经济发展的同时，应继续向更广泛的区域推广低碳养殖理念和清洁技术，充分发挥清洁技术从“高势能区”向“低势能区”扩散的作用，带动周边高碳养殖区向低碳养殖发展。中、西部地区经济水平稍欠发达，现在已经进入了经济增长和人均畜禽碳排放的“双上升”阶段。应该注意发展资源节约型和环境友好型的特色畜禽养殖农业，增强农业经济增长的可持续性。提出以下几点具体建议：
第一，增加清洁技术补贴。清洁养殖是一种新型的养殖模式，新型养殖模式的运行离不开配套设备及大量资金的投入。政府应当建立专项基金，增加清洁养殖的补贴，适量减轻农户清洁养殖的成本，增加农户采用清洁养殖技术的动力，是促进清洁养殖技术进步的有力保证。
第二，提供清洁技术社会化服务。政府应加强对清洁技术的扶持，出台清洁技术扶持政策，建立清洁技术服务机制，在各地方政府、农技部门及相关农业科研院所等设立专门清洁技术服务平台，培养专门技术服务人才，定期为各地区的养殖户组织清洁技术指导与咨询服务。
第三，培训及宣传。低碳养殖是一种新型的畜牧业生产模式，农村和农民对新事物的采纳有一个认知和接受的过程，而要使该过程加快发展，必须借助国家的行政、法制和技术等手段。
第四，提高专业化水平。养殖户是畜禽清洁养殖的实施主体，养殖户的专业素质一定程度上影响了对清洁养殖的认知程度及清洁技术的接收程度，从而影响了清洁技术的生产力转化效率。因此，政府可相应提供清洁养殖培训平台，加强对养殖户的专业知识教育，尤其是专业养殖大户，提高其养殖专业素质，起到专业大户的示范带头效应。
第五，增加政府对清洁养殖的环境规制。清洁养殖的顺利执行离不开政府对清洁养殖方面的强制规制。因此，增加政府对清洁养殖的环境规制，制定处罚措施，有利于清洁养殖的顺利推行。
第六，加强清洁技术创新。技术创新是我国发展低碳经济的重要手段。政府应加大对清洁技术的研发投资，设立专项课题，加速清洁技术的研发与创新。主要包括饲料配比、饲养管理方面的技术研发及畜禽废弃物的循环利用模式的研究等。
（编辑：温武军）
参考文献（Reference）
［1］Houghton J T，Meira Filho L G，Bruce J，et al. Climate Change 1994. Radiative Forcing of Climate Chang and An Evaluation of the IPCC IS92 Emission Scenarios［M］.UK：Cambrideg University Press，Cambridge，1995.
［2］Flachowsky G，Hachenberg S. CO2 Footprints for Food and Animal Origin:Present Stage and Open Questions［J］. J Verbr Lebensm，2009,（4）：190-198.
［3］Isermeyer F，Otte A，Christen O，et al. Using Biomass to Energy Generation，the Recommendation on the Policy and Opinion［J］. Rep of Agr，2008，116：198-203. ［4］IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories，Agriculture，Forestry and Other Land Use，Volume4［EB/OL］.http://www.ipccnggip.iges.or.jp/public/2006gl/vol4.html，2006.
［5］Grossman G， and Krueger A.Environmental Impacts of a North American Free Trade Agreement［J］.NBER Working Paper，1991.
［6］Grossman G，Krueger A. Economic Growth and the Environment［J］.Quarterly Journal of Economics，1995,110(2):353-377.
［7］Friedl B， Getzner M.Environment and Growth in a Small Open Economy：An EKC CaseStudy for Austrian CO2 Emissions［R］.Discussion Paper of the College of Business Administration University of Klagenfurt，Austria，2002.
［8］林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析［J］.管理世界，2009,（4）：27-36.［Lin Boqiang，Jiang Zhujun. Analysis on Forecasting and Influencing Factors of Environmental Kuznets Curve for China’s Carbon Emissions［J］.Management World，2009,（4）：27-36.］
［9］李海鹏，张俊飚.中国农业面源污染与经济发展关系的实证研究［J］.长江流域资源与环境，2009,（6）：585-590.［Li Haipeng，Zhang Junbiao. An Empirical Test on EKC Relationship between Agricultural Nonpoint Source Pollution and Economic Development in China［J］. Resources and Environment in the Yangtze Basin，2009,（6）：585-590.］
［10］陈勇，冯永忠，杨改河.陕西省农业非点源污染的环境库兹涅茨曲线验证［J］.农业技术经济，2010,（7）：22-29.［Chen Yong，Feng Yongzhong, Yang Gaihe. Verification on Environmental Kuznets Curve of Agricultural Nonpoint Source Pollution in Shanxi Province［J］. Journal of Agrotechnical Economics，2010,（7）：22-29.］
［11］Freibauer A. Regionalised Inventory of Biogenic Greenhouse Gas Emissions from European Agriculture［J］. Eur J Agron，2003,9(2)：135-160.
［12］赵胜男，崔胜辉,等.福建省有机废弃物资源化利用碳减排潜力研究［J］.中国人口·资源与环境，2010，20（9）：30-35.［Zhao Shengnan，Cui Shenghui, et al. Research on Carbon Mitigation Potential of Organic Waste Reutilization in Fujian Province［J］. China Population,Resources and Environment，2010，20（9）：30-35.］
［13］IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories.Volume4：Agriculture, Forestry and Other Land Use［R］. Kanagawa:Institute for Global Environmental Strategies， 2006: 37-54.
［14］IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories.Volume 5：Waste［R］. Kanagawa：Institute for Global Environmental Strategies，2006：12-13.
［15］中华人民共和国国家统计局.中国统计年鉴［M］.北京：中国统计出版社，2011.［National Bureau of Statistics. China Statistical Yearbook［M］.Beijing：China Statistics Press，2011.］
［16］Sun J W. Changes in Energy Consumption and Energy Intensity：A Complete Decomposition Model［J］.Energy Economics，1998,20：85-100.
［17］陈媛媛，李坤望.中国工业行业SO2排放强度因素分解及其影响因素［J］.管理世界，2010,（3）：14-21.［Chen Yuanyuan，Li Kunwang. Factor Decomposition and Influencing Factors of Industrial SO2 Emission Intensity in China［J］.Management World，2010,（3）：14-21.］
［18］丁焕峰，李佩仪.中国区域污染影响因素：基于EKC曲线的面板数据分析［J］.中国人口·资源与环境，2010，20（10）：117-122.［Ding Huanfeng，Li Peiyi. Regional Pollution and Its Affecting Factors:A Panel Date Analysis Based on EKC in China［J］. China Population,Resources and Environment，2010，20（10）：117-122.］
［19］曲永义.鲁苏浙粤区域技术创新能力评价与比较［D］.济南：山东大学，2010.［Qu Yongyi. Evaluation and Comparison of Regional Technical Innovation Capability in Shandong, Jiangsu, Zhejiang and Guangdong Provinces［D］.Jinan:Shandong University，2010.］
［20］徐琼.区域技术效率影响因素实证研究——以浙江为例［J］.经济论坛，2009,（13）：74-77.［Xu Qiong. Empirical Research on Affecting Factors of Regional Technical Efficiency—taking Zhejiang for Example［J］.Economic Forum，2009,（13）：74-77.］
［21］杨湘华.中国生猪业生产的效率及其影响因素分析［D］.南京：南京农业大学，2008.［Yang Xianghua.An Anslysis of the Productive Efficiency and the Influencing Factors of China’s Live Pig Industry［D］.Nanjing：Nanjing Agricultural University，2008.］
关键词EKC；清洁技术；碳排放；畜禽养殖业
中图分类号F3文献标识码A文章编号1002-2104（2012）07-0028-06doi:10.3969/j.issn.1002-2104.2012.07.005
哥本哈根世界气候大会的召开，温室气体排放受到更多重视，畜禽污染排放日益受到社会各界的关注。据研究，全球养殖业中畜禽粪便甲烷排放总量约2 000万－3 000万t/a，占已知人为甲烷年排放总量的5.5%－8%，占农业甲烷气体年排放的12% ［1］。根据FAO报告《牲畜的巨大阴影：环境问题与选择》中的数据显示，每年由牛、羊、骆驼、马、猪和家禽排放温室气体的二氧化碳当量占全球排放总量的18%。其中氧化亚氮（N2O）约65%，甲烷（CH4）约37% ［2-3］，而氧化亚氮和甲烷的“增温效率”分别是二氧化碳的310倍和21倍［4］。在此背景下，中国各地呼吁大力发展低碳养殖，其目的是实现经济增长与畜禽养殖碳排放量的脱钩发展。因此，如何处理经济发展和畜禽养殖碳排放的关系成为低碳养殖研究领域中十分重要的问题。特别是对于作为农业大国的中国而言，深入研究该问题显得尤为迫切。
国内外学者采用Gene Grossman 和 Alan Krueger［5］提出的环境库兹涅茨曲线（简称EKC）理论研究了环境质量与经济发展之间的关系，结果表明，大多数国家环境质量与经济发展之间存在“倒U型”关系［6-8］，其研究过程中多数以工业污染排放量为研究对象。国内对农业污染与经济发展关系的研究起步较晚，且研究对象大多局限于农业化学品投入和畜禽排泄物［9-10］，而对畜禽养殖碳排放与经济发展关系的比较翔实的文献尚不多见。
因此，本文构建畜禽养殖碳排放与经济发展水平之间关系的计量模型，验证我国畜禽养殖业碳排放的EKC形状，并分析其内在原因，以期为制定我国畜禽低碳养殖政策和改善低碳养殖环境提供依据。
1畜禽养殖业碳排放的EKC验证
1.1碳排放量测算方法
畜禽养殖过程中温室气体排放主要来自于畜禽肠道发酵，以及家畜粪肥处理过程引起的CH4和N2O的排放［11］；而畜禽养殖碳减排主要依靠对利用畜禽粪肥发酵生成的沼气的利用。因此，畜禽养殖碳排放量的测算公式如下：
Qemi=Qpro-Quse（1）
Qpro=Qf+Qm（2）
式(2)中：Qemi表示畜禽养殖碳排放量；Qpro表示畜禽养殖碳产生量；Quse表示沼气利用而减少的碳排放量（按照沼气替代化石燃料产生的碳排放量计算）；Qf表示畜禽肠道发酵甲烷排放量（IPCC（2006）畜禽肠道发酵CH4排放量的测算公式）；Qm表示畜禽粪便管理系统碳排放量［12］畜禽粪便碳减排潜力的计算方式）。畜禽饲养量数据来源于历年《畜牧业统计年鉴》。碳排放量计算所需参数来源于IPCC［13-14］，其中沼气热值本文参照文献推荐值采用20 934 kJ/m3。
田素妍等：中国畜禽养殖业低碳清洁技术的EKC假说检验中国人口·资源与环境2012年第7期1.2模型设定
参考国内外学者的研究成果，本文设定如下对数线性模型进行畜禽养殖碳排放环境库兹涅茨曲线验证。
C=c+αlny+b(lny)2+μ（3）
式(3)中：C为人均畜禽养殖碳排放量，y为农村家庭人均纯收入，a、b、c为模型估计系数，μ为随机误差项。根据公式（3）回归结果可以判断模型的几种可能的曲线关系：如果a＞0，b＜0，则为倒U型曲线关系；如果a＜0，b＞0，则为正U型曲线关系；如果a≠0，b＝0，则为直线关系。
根据公式（3）的回归结果可以计算出环境库兹涅茨倒U型EKC的转折点为：
y*=-a′2b（4）
1.3模型计量检验
本文采用stata10.0软件进行计量模型估计，结果见表1。
表1畜禽养殖碳排放回归结果
Tab.1The regression results of livestock carbon emissions
项目
Items东部
East area中部
Central area西部
West areaCoef.ZStatisticProb.Coef.ZStatisticProb.Coef.ZStatisticProb.C-3.830 6-2.670 00.008 016.038 32.650 00.008 011.736 12.040 00.042 0lny0.936 72.800 00.005 0-4.014 1-2.680 00.007 0-3.060 6-2.090 00.037 0（lny）2-0.055 5-2.850 00.004 00.253 52.750 00.006 00.204 32.190 00.028 0拐点4 628.555 02 751.771 01 790.052 1 3结论和政策建议
3.1主要结论
本文基于2003－2009年的省际面板数据，利用环境经济模型验证了我国东中西部地区畜禽养殖碳排放强度与收入之间的EKC关系。在此基础上，文章将碳排放强度分解为清洁技术和末端处理技术下的碳排放，考虑清洁技术是影响碳排放的最主要因素，引入其他控制变量，对清洁技术下的碳排放特征进行再度验证。结论如下：
第一，三大地区畜禽养殖碳排放拟合曲线形状不同，碳排放趋势不同。东部地区人均畜禽碳排放量和经济增长之间存在显著的“倒U型”关系，碳排放量处于持续下降阶段；中、西部地区人均畜禽碳排放量和经济增长之间的关系呈显著的“正U型”关系，碳排放量处于持续上升阶段。本文认为区域间不平衡发展的经济现象是影响畜禽养殖业不同碳排放特征的决定性因素。不平衡发展的经济水平影响地区清洁技术的创新，影响养殖户的低碳养殖行为和意识，最终影响畜禽养殖的碳排放。
第二，三大地区清洁技术下的碳排放特征与传统EKC验证结果一致。清洁技术下的畜禽养殖碳排放特征，不仅受收入水平的影响，而且还收到其他控制变量的影响，但是其碳排放特征与传统EKC验证结果一致。东部地区呈现“倒U型”排放特征，碳排放处于下降阶段；中西部地区呈现“正U型”排放特征，碳排放处于上升阶段。说明我国东部地区的清洁技术水平较高，中西部地区的清洁技术有待进一步提高。并且，东中西部地区的碳排放拐点分别在收入水平为：7 942.63元、2 751.77元和2 670.44元处，与总体上的碳排放拐点相比（4 628.56元、2 751.77元和1 790.05元），中部地区基本保持不变，东、西部地区拐点的收入水平有所提高。清洁技术下的碳排放拐点与实际情况更相符。
第三，清洁技术下，三大地区的畜禽养殖碳排放影响因素不同。农业产值占比对东部地区碳排放的影响显著为正，而对西部地区显著为负；城镇化率和饲料成本只对东部地区碳排放的影响显著为负；恩格尔系数只对中部地区碳排放的影响显著为正；公路密度和土地成本只对西部地区碳排放的影响显著为正。
第四，影响三大地区畜禽养殖碳排放特征的决定性因素不同。针对东部地区持续下降、中西部地区持续上升的碳排放特征，结合上述研究结论，可以得出：①东部地区城镇化率和饲料成本对下降的碳排放特征影响显著，可见，东部地区的畜禽养殖碳排放受经济因素和其他因素的综合影响；②中部地区，只有恩格尔系数对碳排放的影响显著为正，恩格尔系数降低，碳排放量也降低，这与“双上升”的环境经济现象相矛盾，即只有收入水平对持续上升的碳排放特征贡献最大；③西部地区除了经济水平外，公路密度和土地成本对碳排放特征的贡献也比较明显。
3.2政策建议
东部地区经济发展基础雄厚，已经走上了低碳养殖和经济增长的“双赢”局面。在追求经济发展的同时，应继续向更广泛的区域推广低碳养殖理念和清洁技术，充分发挥清洁技术从“高势能区”向“低势能区”扩散的作用，带动周边高碳养殖区向低碳养殖发展。中、西部地区经济水平稍欠发达，现在已经进入了经济增长和人均畜禽碳排放的“双上升”阶段。应该注意发展资源节约型和环境友好型的特色畜禽养殖农业，增强农业经济增长的可持续性。提出以下几点具体建议：
第一，增加清洁技术补贴。清洁养殖是一种新型的养殖模式，新型养殖模式的运行离不开配套设备及大量资金的投入。政府应当建立专项基金，增加清洁养殖的补贴，适量减轻农户清洁养殖的成本，增加农户采用清洁养殖技术的动力，是促进清洁养殖技术进步的有力保证。
第二，提供清洁技术社会化服务。政府应加强对清洁技术的扶持，出台清洁技术扶持政策，建立清洁技术服务机制，在各地方政府、农技部门及相关农业科研院所等设立专门清洁技术服务平台，培养专门技术服务人才，定期为各地区的养殖户组织清洁技术指导与咨询服务。
第三，培训及宣传。低碳养殖是一种新型的畜牧业生产模式，农村和农民对新事物的采纳有一个认知和接受的过程，而要使该过程加快发展，必须借助国家的行政、法制和技术等手段。
第四，提高专业化水平。养殖户是畜禽清洁养殖的实施主体，养殖户的专业素质一定程度上影响了对清洁养殖的认知程度及清洁技术的接收程度，从而影响了清洁技术的生产力转化效率。因此，政府可相应提供清洁养殖培训平台，加强对养殖户的专业知识教育，尤其是专业养殖大户，提高其养殖专业素质，起到专业大户的示范带头效应。
第五，增加政府对清洁养殖的环境规制。清洁养殖的顺利执行离不开政府对清洁养殖方面的强制规制。因此，增加政府对清洁养殖的环境规制，制定处罚措施，有利于清洁养殖的顺利推行。
第六，加强清洁技术创新。技术创新是我国发展低碳经济的重要手段。政府应加大对清洁技术的研发投资，设立专项课题，加速清洁技术的研发与创新。主要包括饲料配比、饲养管理方面的技术研发及畜禽废弃物的循环利用模式的研究等。
（编辑：温武军）
参考文献（Reference）
［1］Houghton J T，Meira Filho L G，Bruce J，et al. Climate Change 1994. Radiative Forcing of Climate Chang and An Evaluation of the IPCC IS92 Emission Scenarios［M］.UK：Cambrideg University Press，Cambridge，1995.
［2］Flachowsky G，Hachenberg S. CO2 Footprints for Food and Animal Origin:Present Stage and Open Questions［J］. J Verbr Lebensm，2009,（4）：190-198.
［3］Isermeyer F，Otte A，Christen O，et al. Using Biomass to Energy Generation，the Recommendation on the Policy and Opinion［J］. Rep of Agr，2008，116：198-203. ［4］IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories，Agriculture，Forestry and Other Land Use，Volume4［EB/OL］.http://www.ipccnggip.iges.or.jp/public/2006gl/vol4.html，2006.
［5］Grossman G， and Krueger A.Environmental Impacts of a North American Free Trade Agreement［J］.NBER Working Paper，1991.
［6］Grossman G，Krueger A. Economic Growth and the Environment［J］.Quarterly Journal of Economics，1995,110(2):353-377.
［7］Friedl B， Getzner M.Environment and Growth in a Small Open Economy：An EKC CaseStudy for Austrian CO2 Emissions［R］.Discussion Paper of the College of Business Administration University of Klagenfurt，Austria，2002.
［8］林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析［J］.管理世界，2009,（4）：27-36.［Lin Boqiang，Jiang Zhujun. Analysis on Forecasting and Influencing Factors of Environmental Kuznets Curve for China’s Carbon Emissions［J］.Management World，2009,（4）：27-36.］
［9］李海鹏，张俊飚.中国农业面源污染与经济发展关系的实证研究［J］.长江流域资源与环境，2009,（6）：585-590.［Li Haipeng，Zhang Junbiao. An Empirical Test on EKC Relationship between Agricultural Nonpoint Source Pollution and Economic Development in China［J］. Resources and Environment in the Yangtze Basin，2009,（6）：585-590.］
［10］陈勇，冯永忠，杨改河.陕西省农业非点源污染的环境库兹涅茨曲线验证［J］.农业技术经济，2010,（7）：22-29.［Chen Yong，Feng Yongzhong, Yang Gaihe. Verification on Environmental Kuznets Curve of Agricultural Nonpoint Source Pollution in Shanxi Province［J］. Journal of Agrotechnical Economics，2010,（7）：22-29.］
［11］Freibauer A. Regionalised Inventory of Biogenic Greenhouse Gas Emissions from European Agriculture［J］. Eur J Agron，2003,9(2)：135-160.
［12］赵胜男，崔胜辉,等.福建省有机废弃物资源化利用碳减排潜力研究［J］.中国人口·资源与环境，2010，20（9）：30-35.［Zhao Shengnan，Cui Shenghui, et al. Research on Carbon Mitigation Potential of Organic Waste Reutilization in Fujian Province［J］. China Population,Resources and Environment，2010，20（9）：30-35.］
［13］IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories.Volume4：Agriculture, Forestry and Other Land Use［R］. Kanagawa:Institute for Global Environmental Strategies， 2006: 37-54.
［14］IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories.Volume 5：Waste［R］. Kanagawa：Institute for Global Environmental Strategies，2006：12-13.
［15］中华人民共和国国家统计局.中国统计年鉴［M］.北京：中国统计出版社，2011.［National Bureau of Statistics. China Statistical Yearbook［M］.Beijing：China Statistics Press，2011.］
［16］Sun J W. Changes in Energy Consumption and Energy Intensity：A Complete Decomposition Model［J］.Energy Economics，1998,20：85-100.
［17］陈媛媛，李坤望.中国工业行业SO2排放强度因素分解及其影响因素［J］.管理世界，2010,（3）：14-21.［Chen Yuanyuan，Li Kunwang. Factor Decomposition and Influencing Factors of Industrial SO2 Emission Intensity in China［J］.Management World，2010,（3）：14-21.］
［18］丁焕峰，李佩仪.中国区域污染影响因素：基于EKC曲线的面板数据分析［J］.中国人口·资源与环境，2010，20（10）：117-122.［Ding Huanfeng，Li Peiyi. Regional Pollution and Its Affecting Factors:A Panel Date Analysis Based on EKC in China［J］. China Population,Resources and Environment，2010，20（10）：117-122.］
［19］曲永义.鲁苏浙粤区域技术创新能力评价与比较［D］.济南：山东大学，2010.［Qu Yongyi. Evaluation and Comparison of Regional Technical Innovation Capability in Shandong, Jiangsu, Zhejiang and Guangdong Provinces［D］.Jinan:Shandong University，2010.］
［20］徐琼.区域技术效率影响因素实证研究——以浙江为例［J］.经济论坛，2009,（13）：74-77.［Xu Qiong. Empirical Research on Affecting Factors of Regional Technical Efficiency—taking Zhejiang for Example［J］.Economic Forum，2009,（13）：74-77.］
［21］杨湘华.中国生猪业生产的效率及其影响因素分析［D］.南京：南京农业大学，2008.［Yang Xianghua.An Anslysis of the Productive Efficiency and the Influencing Factors of China’s Live Pig Industry［D］.Nanjing：Nanjing Agricultural University，2008.］