基于时空视角的广东省农业碳排放动态演化特征及发展趋势研究*

任洪杰 ,李辉尚** ,冯祎宇

(1.中国农业科学院农业信息研究所/农业农村部农业大数据重点实验室 北京 100081;2.中国农业科学院农业经济与发展研究所 北京 100081)

目前,众多学者围绕农业碳排放展开的研究主要集中在以下几个方面: 第一,对特定碳源进行测算。现有学者运用科学试验的方法,对农田N2O 排放量[1]、种植蔬菜地与裸地N2O 排放差异[2]、农业灌溉行为的碳排放[3]等进行研究,进而得出我国不同区域农业碳排放系数,更加符合我国实际。第二,构建农业碳排放核算体系并探究时空特征。农业碳排放测算方法包括政府间气候变化专门委员会(IPCC)经典碳排放计算法、生命周期法、投入产出法和实测法,现有研究多运用IPCC 经典碳排放计算法和生命周期法。在碳源选择上,包括农田土壤利用[4]、农业物质投入[5]、畜牧业养殖[6]、秸秆燃烧[7]等。在农业碳排放时空特征方面,现有学者研究中国省域农业碳排放特征时发现,各省域农业碳排放量差距较大,呈 “中心-外围”模式分布,总体来看,西部省域排放等级提升,中部省域下降,呈现西高东低的阶梯状分布特征,且农业碳排放率空间相关性减弱,差距逐渐扩大[8]。上述研究不断扩展农业碳排放测算维度,测算方法不断成熟,为进一步研究打下基础。第三,分析影响农业碳排放的因素。现有研究发现,生产效率、农业生产结构、农村人口[9]、农业产业结构、农业经济发展水平[10]、农村受教育水平、农业机械化[11]、环境规制水平等的提升可降低农业碳排放[12],但农业发展水平[13]、产业集聚水平[14]、城镇化水平、农地规模经营等的加强会促进农业碳排放[15]。第四,预测农业碳排放峰值及趋势,现有学者对省域农业碳排放峰值进行预测,山东省农业碳排放将在2030 年达到峰值;河南省农业碳排放量持续下降[16],预计2029年之前可实现碳中和目标;江苏省农业碳排放已于2005 年达到高峰[17];广西壮族自治区在未来几年农业碳排放量呈增加趋势[18]。回顾现有研究,关于农业碳排放的研究较为丰富,在各方面均取得丰硕成果,但现有文献研究尺度较为宏观,较少考虑各地资源禀赋不同,农业碳排放存在的地区差异问题,因此,构建省域视角的农业碳排放测算体系,探究时空变化趋势,有利于精准识别省份农业碳排放存在的问题,因地制宜采取农业减排措施。

广东省作为中国水稻(Oryza sativa)、蔬菜、水果等种植大省,同时作为我国经济总量(GDP)第一大省,农业现代化水平有待提高,且在粤港澳大湾区政策加成下,自身面临严峻的减排压力。目前关于广东省农业碳排放研究较少,而且广东省各市地理位置、经济发展水平、功能定位不同,只有深入探究广东省农业碳排放区位差异及影响因素,才能制定符合各市资源禀赋的农业减排策略。鉴于此,本文首先探讨2000-2020 年广东省农业碳排放时间及空间演变特征,进而利用对数平均Divisia 指数分解模型(Logarithmic Mean Divisia Index,LMDI 模型)开展影响因素分析,最后运用灰色预测模型GM(1,1)预测2023-2040 年广东省农业碳排放总量,以期为推动广东省农业碳减排工作提供参考依据。

1 研究方法与数据来源

1.1 农业碳排放总量测算

本文参考IPCC、美国农业部Dubey 实验室及闵继胜等[19]发布的碳排放系数法,运用农业碳排放测算公式,从农业物质投入、农田土壤利用、畜牧业养殖3 方面对广东省农业碳排放进行测度。

1.1.1 种植业碳排放

种植业碳排放主要包括农业物质投入(化肥、农药、农膜、农业机械总动力、农业灌溉、农业翻耕等)及农田土壤利用(作物生长过程中排放的N2O、CH4)产生的温室气体排放,根据IPCC 第五次评估报告,CH4和N2O 转化为CO2的100 年增温潜势系数分别为28 和265。

具体公式如下:

式中:C1表示种植业碳排放总量,C1i表示种植业第i种碳源排放量,Ti为第i种碳源活动水平,δi为第i种碳源碳排放系数(表1)。

表1 种植业碳排放源、碳排放系数及参考来源Table 1 Carbon emission sources,carbon emission coefficients and reference sources for the plantation industry

1.1.2 畜牧业养殖碳排放

畜禽养殖碳排放主要来源于反刍动物在养殖过程中肠道发酵产生的CH4和粪便管理产生N2O、CH4。具体公式如下:

式中:C2为畜牧业养殖碳排放总量,C2i为第i种动物碳排放总量,Ni为第i种畜禽平均饲养量,γi为第i种畜禽N2O、CH4排放系数(表2)。由于畜禽饲养周期不同,需要对其平均饲养量进行调整,具体方式见公式(3),需要调整的种类有猪、兔、家禽,饲养周期分别为200 d、105 d、55 d。

表2 畜牧业养殖碳排放源、CH4 和N2O 排放系数[21]Table 2 Carbon emission sources,CH4 and N2O emission factors from livestock farming[21]

本文选取农业碳排放强度(CSt)作为衡量农业碳排放水平指标,即农业碳排放量与农牧业生产总值之比,具体公式如下:

式中: APP 为年饲养量,H erdsend为年末存栏量,Days为饲养周期,N为年出栏量。

1.2 农业碳排放强度

式中:Ct为t时期农业碳排放总量,为C1与C2之和,GDPt为t时期农牧业生产总值。

1.3 核密度估计法

为探究广东省农业碳排放动态演变特征,本文以广东省农业碳排放强度为指标进行核密度估计,函数表达式如下:

式中:f(x)为 概率密度函数,n为城市总数,i表示各城市,k(·)为核函数,xi为独立同分布的观测值,h为带宽,x为样本均值。由于带宽的选择会较大地影响核密度函数的精度和曲线的平滑程度,故采用高斯核函数展开核密度估计,其函数表达式如式(6)所示:

1.4 农业碳排放影响因素及分解模型

为探究各因素对农业碳排放的影响效应,本文在测量农业碳排放的基础上,对其影响因素进行分解。根据Kaya 恒等式的基本形式及其他学者相关研究,本文将广东省农业碳排放做如下变形:

式中:C为农业碳排放总量;GDPP为农牧业GDP;GDPA为 农牧渔林业GDP;PT为 地区总人口;PR为农村总人口;CI表示农业生产效率,是指在固定投入量下,农业实际产出与最大产出两者间的比率,是反映农业物资利用率与农业增收的关键因素[22],本文以农业碳排放量占农牧业生产总值来衡量[23];AI表示农业产业结构,反映农业内部结构的优化程度[20],本文以农牧业生产总值占农牧渔林业生产总值的比重来衡量;IS指地区产业结构,是具有不同发展功能的产业部门之间的比例关系,本文以农牧渔林业生产总值占地区生产总值比重来衡量[24];EDL为地区经济发展水平,指一个地区经济发展的规模、速度和所达到的水准,本文用人均地区生产总值来表示,即地区生产总值与地区总人口之比[10];URB为城镇化水平,主要指人口的城镇化水平,借鉴胡婉玲等[13]的研究,本文采用地区总人口与农村人口之比衡量。

采用LMDI 加和分解方式对广东省农业碳排放影响因素进行分解,具体如下:

式中:t表示时期,0 为基期,ΔCI、ΔAI、ΔIS、ΔEDL、ΔURB、ΔP分别表示农业生产效率、农业产业结构、地区产业结构、地区经济发展水平、城镇化水平和农村人口对农业碳排放在基期(2000 年)到t时间的变化量的贡献值。

1.5 农业碳排放总量预测

本文运用灰色预测模型GM(1,1),结合广东省2000-2020 年农业碳排放量数据,为提高模型预测的准确度,借鉴高标等[25]的研究方法,对碳排放数据做开方处理得到原始数列,构建灰色预测模型,并对预测的最终结果进行平方处理得到2023-2040 年广东省农业碳排放的预测值,模型处理步骤为[10]:

4)采用残差检验、后残差检验、关联度检验等检验模型精度,并进行平方处理,得到2023-2040 年广东省农业碳排放量的预测值。

1.6 数据来源及选取方法

本文所需全部数据来源于《广东统计年鉴》和 《广东农村统计年鉴》,通过查询这些数据库获得2000-2020 年广东省的化肥、农药、农膜、农业机械总动力、农业灌溉面积、农作物播种面积、地区生产总值、地区总人口、农村总人口、农林牧渔业生产总值、农牧业生产总值、早稻播种面积、晚稻播种面积、小麦(Triticum aestivum)播种面积、大豆(Glycine max)播种面积、蔬菜播种面积、家禽年末出栏数、生猪年末出栏数、兔年末出栏数、牛年末存栏数、山羊年末存栏数数据。其中,农药、农膜、化肥(折纯量)为当年实际使用量,灌溉面积以当年有效灌溉面积为准,农业机械总动力为当年实际总动力,翻耕面积用农作物播种面积代替,冬小麦、大豆、蔬菜、早稻、晚稻均以当年实际播种面积为准。由于畜禽饲养周期不同,根据闵继胜等[19]的方法对猪、兔、家禽平均饲养量进行调整,对于不需要调整的牛羊,则选取年末存栏头数进行衡量。为剔除价格影响,本文将地区生产总值、农林牧渔业生产总值、农牧业生产总值以2000 年为基期进行平减。对于个别缺失数据,采用移动平均值、均值插补法和线性插补等方法进行补齐。

2 结果与分析

2.1 广东省农业碳排放时间特征

广东省农业碳排放时序特征见图1。由图可知,2000-2020 年广东省农业碳排放总量呈先增长后波动下降趋势。2000 年碳排放总量为4077.3 万t,2001 年达到峰值为4177.3 万t,2002-2020 年波动下降,至2020 年广东省农业碳排放总量为3297.7 万t,较2000 年减少779.6 万t。

图1 2000—2020 年广东省农业碳排放总量、强度及结构Fig.1 Total,intensity and structure of agricultural carbon emissions in Guangdong Province from 2000 to 2020

与此同时,2000-2020 年间广东省农业碳排放强度呈现逐年递减趋势。农业碳排放强度在2001 年达到峰值,于2002 年陡然下降,降幅高达50.7%,其原因主要归结于2002 年农牧业生产总值猛增。2000-2001 年农牧业发展不景气,畜禽价格波动大,生产运作比较艰难;到2002 年,全省农牧业保持良好增长态势,种植业生产结构进一步调整优化,农业经济稳定增长,基本恢复到2000 年之前的水平,客观上导致了农业碳排放强度的下降。20 年间,广东省农业碳排放强度由2000 年5.89 t·(万元)-1降至2020 年0.59 t·(万元)-1,降幅高达89.99%,说明广东省碳减排政策实施效果显著,农业增长方式正由粗放型向低碳节约型的绿色农业转变。

从结构来看,考察期广东省畜牧业养殖碳排放呈显著下降趋势,由2000 年20.28%降至2020 年11.253%;农业物质投入碳排放占比处于波动上升态势,比基期(2000 年)提高9.86%;农田土壤利用呈现波动下降趋势,占比由2000 年60.07%下降至2020年59.24%。进一步由表3 可知,在16 种碳源中,种植晚稻所导致的碳排放平均占比最高,达41.06%,牛饲养、化肥、早稻种植所引发的碳排放量紧随其后,四者平均占比之和达到了广东省农业碳排放总量的84.53%。究其原因,一方面,作为全国粮食主产省份之一,广东省水稻种植面积长期位于全国前列,2021年水稻播种面积达到182.74 万hm2,在全国排名第8;另一方面,虽然受到城镇化进程、产业结构调整及动物疫病影响,广东省依旧是我国牛饲养大省。与此同时,农膜、机械、翻耕等碳排放所占比重呈波动增长态势,表明广东省农业生产方式绿色转型仍面临不小压力。

2.2 广东省农业碳排放空间特征

从表4 可知,2000-2020 年广东省各地区碳排放量存在较大差异。其中湛江、茂名累计农业碳排放超8000 万t,分别为10 680.6 万t 和8724.0 万t;肇庆、梅州、清远、江门累计农业碳排放5200 万～6300 万t,韶关、河源、阳江、惠州、云浮、揭阳、广州为3000 万～4700 万t,汕尾、汕头、潮州、佛山为1200 万～2600 万t,中山、珠海、东莞、深圳为150 万～620 万t。

2020 年,湛江农业碳排放量居广东省首位,其数量高达480.8 万t,茂名、肇庆、梅州、江门、清远紧随其后位列2～6 位,六地碳排放量之和占全省农业碳排放总量的58.18%。深圳农业碳排放最少,仅为4.2 万t,东莞、珠海、中山顺次排在倒数2～4 位,4 地之和仅占全省农业碳排放总量的1.01%。相比2000 年,只有茂名市农业碳排放总量上升,其余城市农业碳排放总量均下降,其中以东莞、中山、佛山、深圳降幅最大,分别高达86.72%、78.93%、75.30%、64.71%。

为了深入探究广东省农业碳排放总量及强度的空间特征,结合广东省各市经济发展状况,基于空间区位将广东省划分为两大区域: 1)经济发达地区,包括江门市、中山市、佛山市、广州市、东莞市、深圳市、珠海市;2)经济欠发达地区,包括湛江市、茂名市、阳江市、云浮市、肇庆市、清远市、韶关市、惠州市、河源市、汕尾市、揭阳市、梅州市、汕头市、潮州市。利用ArcGIS10.2 软件利用自然断点法将21 个市农业碳排放总量与强度划分为5 个等级,依次为高、次高、中、次低、低,分别对应的碳排放总量区间为283.97 万～480.83 万t、183.94 万～283.97 万t、111.70 万～183.94 万t、30.71 万～111.70万t、4.19 万～30.71 万t,碳排放强度区间为0.90～1.09 t·(万元)-1、0.67～0.90 t·(万元)-1、0.52～0.67 t·(万元)-1、0.30～0.52 t·(万元)-1、0.18～0.30 t·(万元)-1。

由图2 可知,经济欠发达地区农业碳排放总量与强度以高与次高为主,其中湛江与茂名市农业碳排放总量居全省前列,湛江地处中国大陆最南端,温带季风气候及富含微量元素的红土使其成为农业发展宝地,蔬菜、肉类、水果产量位居全省前列;但由于其远离广东省核心经济区,人才匮乏、交通方式落后、农业生产方式更新缓慢、经济发展动力不足,以水稻、甘蔗(Saccharum officinarum)、蔬菜及水果为代表的种植业是其主导产业,农业碳排放总量位居全省第一。茂名市地处热带亚热带过渡地带,雨水充沛,得天独厚的地理优势推动了当地以荔枝(Litchi chinensis)、龙 眼(Dimocarpus longan)、香 蕉(Musa nana)为代表的水果种植产业的发展,粮食产量也屡次位列全省第一。但由于其地形以山区居多,农业生产零碎化,缺乏科学化管理,各种因素导致茂名市农业碳排放总量位居全省第二。在经济欠发达区,潮州市农业碳排放总量最低,为54.89 万t,属于次低区域;河源市农业碳排放强度最高,为1.09 t·(万元)-1,属于高强度区域;潮州市农业碳排放强度最低,为0.43t·(万元)-1,属于次低强度区域。这从侧面反映出经济欠发达地区农业碳排放与经济发展未完全脱钩,农业产业结构有待完善。

图2 2020 年广东省农业碳排放总量(a)和农业碳排放强度(b)Fig.2 Total agricultural carbon emissions (a) and carbon emission intensity (b) of Guangdong Province in 2020

经济发达区农业碳排放总量及强度以次低与低为主,呈现由中心向边缘增加趋势。这可能得益于,一方面经济发达区主要资源用于经济建设,耕地资源稀缺,第三产业发展迅速,农业生产总值占比低,碳排放总量远低于其他农业大市;另一方面,受到经济、科技辐射带动效应的影响,经济发达地区农业生产方式先进,农业领域人才汇集,农业现代化技术成熟。珠海市虽然行政面积小,农业碳排放总量位于低碳区,但农业碳排放强度为中度[0.52～0.67 t·(万元)-1],这可能是因为农业基础设施尚未达到农业现代化要求,农业产业扶持力度不够,对土地、人才、资金等关键要素的扶持力度较弱。

总体而言,广东省农业碳排放总量和强度分级呈现出明显“四周高、中间低”的空间分布格局,经济欠发达地区农业碳排放总量及强度以高和次高为主,经济发达区农业碳排放总量及强度以次低和低为主,呈现由中心向边缘增加趋势。

2.3 广东省农业碳排放动态演进特征

本文利用Matlab 软件,以广东省农业碳排放强度为指标绘制核密度分布图,分别考察经济发达地区与经济欠发达地区农业碳排放动态演进趋势。

图3a 描述了经济欠发达地区农业碳排放强度动态演进趋势,其核密度曲线总体向左平移,表明农业碳排放强度呈下降态势。从波峰来看,波峰逐渐趋于陡峭且宽度缩减,区域内农业碳排放强度差距缩小。初期“单峰”态势明显,后期开始出现较为明显的次峰,2010 年开始呈现双峰格局。次峰主要分布在农业碳排放高强度区域,主峰主要分布在农业碳排放中低区域。究其原因,河源、汕尾两市的农业发展水平虽然逐步提升,但是落后于其他城市,两市农业碳排放强度逐年提升,达到较高强度排放,而经济欠发达区域中的其他市际碳排放相对平均,且强度低,从而诱发了“双峰”局面的形成。

图3 2000—2020 年广东省经济欠发达地区(a)和经济发达地区(b)农业碳排放强度动态演进趋势Fig.3 Dynamics of agricultural carbon emission intensity in economically underdeveloped areas (a) and economically developed areas (b) of Guangdong Province from 2000 to 2020

图3b 描述了经济发达地区农业碳排放强度动态演变趋势。可以看出,经济发达区域核密度曲线总体向左平移,农业碳排放强度呈递减趋势。从波峰来看,前期呈现单峰特征,且波峰宽度长,后期出现多峰,表明区域间碳排放强度存在差异,其中绝大部分市际农业碳排放强度在低水平,少数城市比如珠海市农业碳排放强度分布在高水平区域。

3 广东省农业碳排放影响因素及预测分析

3.1 广东省农业碳排放影响因素分析

表5 为广东省农业碳排放影响因素分解结果。从表5 可以看出,与2000 年相比,2001-2020 年广东省农业碳排放累积减少840.48 万t。农业生产效率提升(ΔC1)是农业碳减排最主要因素,与2000 年相比,农业生产效率提升累积实现9688.15 万t 碳减排,在其他因素不变的情况下,可使碳排放年均递减484.41 万t。农业生产效率的提升以农业科技进步为依托,一方面提高农产品要素投入使用率,降低农业损耗;另一方面促使农业由高能耗、高污染向绿色低碳转变。地区产业结构(ΔIS)、劳动力规模(ΔP)对减排也起到一定作用,在其他影响因素保持不变的情况下,分别可使碳排放年均递减53.95 万t、36.92 万t。农村人口占比由2000 年的45.00%下降至25.85%,农林牧渔业GDP 占地区生产总值比例由2000 年9.25%下降至2020 年7.13%,表明广东省不断推进地区产业结构调整,且农业碳减排成效显著。

表5 2001—2020 年广东省农业碳排放的影响因素Table 5 Influencing factors of agricultural carbon emissions in Guangdong Province from 2001 to 2020

农业产业结构(A1)、地区经济发展水平(EDL)、城镇化水平(URB)因素为农业碳排放量增加的主要因素,在其他因素不变的情况下3 个因素变化导致农业碳排放量分别累计增加70.39 万t、8295.46 万t、2299.20 万t。对于农业产业结构来说,农牧业生产总值占农林牧渔业生产总值比例越大,农业碳排放总量越高,农业碳排放主要来源于种植业及畜牧业,这表明广东省农业产业结构还需进一步调整。城镇人口的扩大一方面导致城市农产品需求加大;另一方面使得农村老龄化及女性化趋势加重,老年人及妇女受制于认知水平,创新性不足。地区经济发展水平为农业碳排放增加的因素之一反映出广东省碳排放与经济发展仍未脱钩。

3.2 碳排放量预测

以广东省及21 个地级市农业碳排放量为依据,构建灰色预测模型GM(1,1)预测2023-2040 年农业碳排放量,考虑到篇幅有限,本文仅列出2025 年、2030 年、2035 年、2040 年预测值(表6)。结果显示,广东省农业碳排放量在2023 年后持续下降;21 个地级市中茂名、湛江农业碳排放在2023 年仍呈上升趋势,其他城市农业碳排放量呈逐年下降趋势。可见,广东省要根据各地资源禀赋及碳排放具体情况,制定符合当地的减排目标及政策安排。

表6 2025 年、2030 年、2035 年和2040 年广东省及21 地级市农业碳排放量预测值Table 6 Predicted agricultural carbon emissions in Guangdong Province and 21 prefecture-level cities in 2025,2030,2035 and 2040 ×104t

4 讨论与结论

4.1 讨论

本文基于广东省及其直辖市2000-2020 年的面板数据,对农业碳排放总量、农业碳排放强度的时空特征进行探究,剖析了其时空演变规律及影响因素,并利用灰色预测模型GM(1,1)预测广东省2023-2040 年农业碳排放总量趋势。从时序演变可以看出,广东省2000-2020 年农业碳排放总量与强度呈下降趋势,这与田云等[14]对广东省2005-2019 年农业碳排放量研究的结论一致。从空间变化来看,经济欠发达地区农业碳排放总量强度以高与次高为主,经济发达区农业碳排放总量及强度以次低与低为主,呈现由中心向边缘增加趋势。从影响因素分解来看,农业生产效率提升是农业碳减排最主要因素,地区产业结构、劳动力规模对减排也有一定作用,而农业产业结构、地区经济发展水平、城镇化水平因素为农业碳排放量增加的主要因素,此研究结论与李绵德等[20]、刘杨等[10]和胡婉玲等[13]对不同省份农业碳排放影响因素探究的结论基本相符。从预测结果来看,广东省农业碳排放量在2023 年后持续下降,这与褚力其等[26]学者对我国各省份峰值预测结果基本一致。

现有研究在农业碳排放的方面取得丰硕成果,但研究尺度较为宏观,较少考虑各地资源禀赋不同,农业碳排放存在地区差异问题;而聚焦广东省农业碳排放测算及预测的文献较少,且年份较为久远,测算维度不够全面。本文在众多学者研究的基础上,进一步扩大研究年份,深入探究广东省农业碳排放总量与强度的空间特征及动态演变趋势,并且利用灰色预测模型对广东省未来年份农业碳排放总量进行预测,以期为广东省农业碳减排规划提供理论参考。

4.2 结论

1) 2000-2020 年广东省农业碳排放总量及强度呈下降趋势,2020 年广东省农业碳排放总量为3297.6 万t,农业碳排放强度为0.59 t·(万元)-1。从结构来看,农田土壤利用是最大的农业碳排放源,2020年其农业碳排放量占比为59.23%,其次是农业物质投入,最后是畜牧业养殖。农田土壤利用中晚稻种植所导致的碳排放平均占比最高,达41.06%,牛饲养、化肥、早稻种植所引起的碳排放量紧随其后,四者之和占广东省农业碳排放总量的84.53%。

2)广东省各市农业碳排放总量及强度呈现地区差异,湛江、茂名累计农业碳排放量位居前列,深圳累计碳排放最少。2020 年湛江农业碳排放量居广东省第一,湛江、茂名、肇庆、梅州、江门、清远6地农业碳排放量之和占全省农业碳排放总量的58.18%,东莞、珠海、中山、深圳4 地之和仅占全省农业碳排放总量的1.01%。相比2000 年,只有茂名碳排放总量上升,其余城市农业碳排放总量均下降。各市农业碳排放强度呈现不同的空间特征,经济欠发达区以高与次高为主,经济发达地区以次低与低为主,呈现由中心向边缘增加趋势。经济欠发达区农业碳排放强度演变由初期单峰转向后期“一主一次”,而经济发达地区前期呈现单峰特征,后期出现多峰,区域间碳排放强度存在差异。

3)农业生产效率、地区产业结构、劳动力规模因素对农业碳减排发挥一定作用,其中,农业生产效率是主力,与2000 年相比农业生产效率提升累积实现9688.15 万t 碳减排。而农业产业结构、地区经济发展水平、城镇化水平因素为农业碳排放增加的主要因素。

4)预测结果表明广东省农业碳排放量在2023 年后持续下降,21 个地级市中茂名、湛江2 个地级市农业碳排放在2023 年后仍有上升趋势,其他城市农业碳排放量呈逐年下降趋势。

基于上述结论,本文得到如下启示: 第一,因地制宜,优化农田土壤利用结构,在保证基本粮食需求的前提下适度减少农业碳排放高的农田土壤利用面积,探索绿色、低碳作物新品种,寻找可能的低碳替代作物。第二,强化农业科技创新,提高绿色技术普及率。第三,各市应结合自身农业发展现状,制定差异化农业碳减排计划,完善农业政策保障体系。与此同时,加强市际减排合作,构建区域联合治理模式。