江蘇省農業碳排放時序特征與趨勢預測

邱子健，靳紅梅，高南，徐軒，朱津宏，李慶，王子清，徐擁軍，申衛收*

（1.南京信息工程大學環境科學與工程學院/江蘇省大氣環境監測與污染控制高技術研究重點實驗室/江蘇省大氣環境與裝備技術協同創新中心，南京 210044；2.江蘇省農業科學院農業資源與環境研究所，南京 210014；3.江蘇省有機固體廢棄物資源化協同創新中心，南京 210095；4.南京工業大學生物與制藥工程學院，南京 211816；5.江蘇現代低碳技術研究院，南京 210003）

二氧化碳（CO）等溫室氣體排放加速了全球氣候變化進程，造成極端天氣事件頻發。因此，控制溫室氣體排放、發展低碳經濟已成為國際共識。農業是國民經濟的基礎部門，其碳排放主要在種植、養殖、加工等過程中直接或間接產生。其中，種植業碳排放主要集中在化肥、農藥、農膜、灌溉以及機械動力方面，而畜牧業則主要包括反芻動物腸道發酵和動物糞便管理缺氧產生的甲烷（CH）排放以及畜禽糞便收集、貯存和堆肥等過程中產生的氧化亞氮（NO）排放，其在全球范圍產生的CH和NO約占農業非CO溫室氣體排放量的80%。聯合國糧農組織（FAO）數據顯示，2017年我國農業產生67 846.91萬t CO當量（COe）的溫室氣體排放，其中CH、NO分別排放1 443.50萬、121.08萬t，分別占全國排放總量的23.19%和69.38%。當前我國農業碳排放量年均增長約為1.67%，而碳排放強度則已呈下降趨勢。

為有效遏制氣候變暖，農業碳排放及減排策略已備受全球關注。國內目前的研究主要側重于農業碳排放核算、影響因素及減排機制方面。當前，碳排放估算方法主要包括排放因子法、質量平衡法、實測值法和模型法。排放因子法是依照碳排放清單，對各排放源以活動水平和排放因子的乘積估算其碳排放量的方法，主要參考聯合國政府間氣候變化專門委員會（IPCC）發布的《2006年國家溫室氣體清單編制指南報告》等獲取排放因子。質量平衡法可根據生產生活的新化學物質和設備進行計算，優勢在于可反映實際碳排放量，但中間考慮過程多、數據獲取困難，誤差較大。實測法通過排放源的現場實測基礎數據計算碳排放量，因中間環節少，結果較準確，但數據獲取較難、投入較大，其估算精度多取決于采樣頻率、樣點密度等因素。模型法主要通過數學模型等進行估算，例如國內構建的DNDC模型就可用于估算農田痕量溫室氣體的排放量，但運行模型所需數據種類較多。本文選擇排放因子法估算碳排放，該方法目前已成為國際主流方法，數據獲取較易，可較準確地反映農業各排放源碳排放情況。當前，可用于預測碳排放的模型如環境庫茲涅茨曲線、灰色預測模型、投入產出模型等各有優勢，但部分模型存在自身缺陷或建模較復雜，因而較少用于預測碳排放。本文采用了基于IPAT模型的STIRPAT（STochastic Impacts by Regression on PAT）模型預測農業碳排放趨勢，該模型可以充分考慮社會、經濟和技術方面的碳排放驅動因素，適用于不同情景的分析預測。

江蘇省是農業大省，地理位置與氣候條件優越。國家統計局數據顯示，2019年江蘇省耕地面積約占全國的3.39%，糧食總產量、畜禽肉類總產量分別占全國總量的5.58%、3.54%，而總產值則占全國的6.20%，位列全國第四位。目前，國內有關江蘇省農業碳排放的估算主要集中在種植業，對畜牧業仍未予以足夠重視，因此對全省農業碳排放尚缺少全面、系統的評估。本研究通過排放因子法估算2000—2019年江蘇省農業COe排放量，分析其時序特征，并利用STIRPAT模型對2020—2030年的農業COe排放量進行預測，旨在為江蘇省農業碳減排提供量化參考，為低碳政策的合理安排提供科學依據。

1 材料與方法

1.1 農業碳排放估算方法

借鑒IPCC發布的《2006年國家溫室氣體清單指南》，運用排放因子法估算農業碳排放。本文中種植業主要包括以下碳源：（1）化肥、農藥、農膜生命周期隱含碳：生產和運輸過程中直接或間接導致的碳排放，不涵蓋田間使用過程中由能源消費導致的碳排放；（2）農業用電，即農村用電導致的碳排放；（3）農用柴油，即農業機械在使用過程中消耗農用柴油導致的碳排放；（4）水稻種植，即稻田CH排放；（5）農用地NO排放，包括由氮肥施用引起的NO直接排放，以及由大氣氮沉降、氮淋溶徑流損失分別引起的NO間接排放。畜牧業則主要考慮以下溫室氣體排放源：（1）動物腸道發酵，即在正常的代謝過程中，寄生在動物消化道內的微生物發酵消化道內飼料時從動物口、鼻和直腸排出體外的CH排放；（2）動物糞便管理，即在畜禽糞便施入到土壤之前動物糞便貯存和處理所產生的CH、NO排放。估算模型如下：

式中：為農業的COe排放總量，萬t；I為第類溫室氣體排放源的COe排放量，萬t；AD為第類溫室氣體排放源的活動水平；EF為第類溫室氣體排放源的COe排放系數。

江蘇省種植業溫室氣體排放源的排放系數主要來自IPCC等機構公布的推薦值或經進一步調整計算的結果，畜牧業溫室氣體排放源的排放系數主要參考《省級溫室氣體清單編制指南》的推薦值。主要排放源的溫室氣體排放系數見表1。

表1 農業溫室氣體排放源與排放系數Table 1 Agricultural greenhouse gas emission sources and emission coefficients

1.2 農業碳排放強度估算方法

基于1.1農業碳排放量的估算進一步計算排放強度，公式如下：

式中：為農業COe排放強度，t·萬元；為農業COe排放總量，t；為農業總產值（本文中即種植業和畜牧業之和），萬元。

1.3 農業碳排放趨勢預測模型

EHRLICH等指出，所有環境影響因素可分解為人口規模、富裕度和技術3類，提出了IPAT模型，即=。在此基礎上，本文參考相關構建方法，采用基于IPAT模型改進的STIRPAT模型對碳排放進行了預測。STIRPAT模型可以克服IPAT模型等在假設檢驗方面的局限，定量研究人文指標對碳排放的影響程度。其基本模型為：

由于式（3）標準STIRPAT模型是非線性多元方程，不便于計算，故將式（3）中等式兩邊經對數化處理后變成求和模式：

式中：a為常數；為農業COe排放總量，萬t；為農村人口，萬人；為農業人均GDP，萬元·萬人；為農業COe排放強度，t·萬元；e為誤差，b、c、d分別為農村人口、農業人均GDP、農業COe排放強度的彈性指數。

1.4 數據來源

本文中2000—2019年各年份化肥、農藥、農膜用量、農用柴油用量、農村用電量、水稻種植面積、牲畜年底存欄量、農作物播種面積、農村人口和農業產值等數據主要來自歷年《中國統計年鑒》《中國農村統計年鑒》和《江蘇省統計年鑒》。其中，化肥施用量采用折純量，農藥、農膜、農用柴油采用實際使用量。

2 結果與分析

2.1 農業碳排放時序特征

2.1.1 種植業碳排放時序特征

2000—2019年間，江蘇省種植業COe排放量總體呈“降低-升高-降低”的變化趨勢（圖1），并在2010年達峰，為6 245.63萬t。2000—2003年，因水稻種植面積的減少，COe排放總量持續降低，由6 102.84萬t降至5 477.26萬t，減少10.25%，此后至2010年逐年升高，2010—2019年整體呈緩慢降低趨勢，2019年已降至5 892.22萬t，較2010年減少5.66%。

圖1 2000—2019年江蘇省種植業CO2e排放變化Figure 1 CO2e emission fromplant-products industry in Jiangsu Province from 2000 to 2019

在全省種植業中，水稻種植的COe排放貢獻最大，平均達59.49%，且近年占比有所提高。其次為化肥生命周期隱含碳和農用地NO排放的貢獻較大，平均貢獻17.78%和12.37%，后者中以氮肥施用的直接排放居多。農用柴油、農膜生命周期隱含碳排放的占比近年略有增加，平均分別貢獻4.87%和2.93%，而農藥生命周期隱含碳占比與化肥生命周期隱含碳變化趨勢相近，近年已呈逐年下降趨勢，平均貢獻2.57%。

2.1.2 畜牧業碳排放時序特征

2000—2019年，江蘇省畜牧業COe排放量總體呈“升高-降低-回升-降低”的變化趨勢（圖2），并在2003年達峰，為2 274.20萬t。2005年后排放量降幅明顯，2007年已降至1 344.92萬t，2014年后則呈逐年下降趨勢，2019年因受豬瘟等影響，排放量降至730.88萬t。兩類排放源中，動物糞便管理的平均貢獻率略高，為52.01%。

圖2 2000—2019年江蘇省畜牧業CO2e排放變化Figure 2 CO2e emission from animal husbandry in Jiangsu Province from 2000 to 2019

全省動物腸道發酵COe排放量在2007年較上年大幅降低，此后有所回升，自2015年后逐年下降（圖3）。2000—2019年，所有畜禽中，山羊胃腸道發酵貢獻的排放量最多，平均占比為52.61%，自2007年起，占比大幅下降；綿羊貢獻最少，平均占比1.22%；豬、奶牛和非奶牛則分別平均貢獻18.18%、16.38%和11.60%的排放量。

圖3 2000—2019年江蘇省畜牧業動物腸道發酵CO2e排放變化Figure 3 CO2e emission fromanimal intestinal fermentation in Jiangsu Province from 2000 to 2019

全省動物糞便管理COe排放量在2005—2006年呈較明顯的年際差異，在2007年持續下降后有所回升，自2014年后則逐年降低，其中2019年有大幅下降（圖4）。2000—2019年，所有畜禽中，豬糞便管理是最重要的排放源，平均占比91.07%，其次是山羊、奶牛、非奶牛、家禽和綿羊，分別貢獻3.97%、2.49%、1.40%、0.98%和0.10%。

圖4 2000—2019年江蘇省畜牧業動物糞便管理CO2e排放變化Figure 4 CO2e emission from animal manure management in Jiangsu Province from 2000 to 2019

所有畜禽中，豬養殖過程中的COe排放量遠高于其他畜禽，平均占比54.60%，其次山羊占比29.28%，為第二大排放來源，奶牛、非奶牛、綿羊及家禽則分別占8.07%、6.90%、0.65%和0.50%。因此，合理控制豬養殖規模、加強豬糞減排處理尤為關鍵。

2.1.3 農業碳排放時序特征

2000—2019年江蘇省農業COe排放量總體呈現“降低-回升-降低”的變化趨勢，根據增長率可知，當前全省農業整體已呈降低趨勢，特別是在2007年（-6.58%）、2019年（-8.77%）有大幅減少，COe排放量于2005年達峰，為8 361.77萬t，到2019年已降至6 623.10萬t（圖5）。

圖5 2000—2019年江蘇省農業CO2e排放變化Figure 5 Agricultural CO2e emissions in Jiangsu Province from 2000 to 2019

從時間變化上，農業COe排放強度相比農業COe排放量更能真實反映排放程度。伴隨江蘇省農業產業轉型優化，2000—2019年間全省農業COe排放強度主要呈“降低-回升-降低”的趨勢（圖6）。2000—2003年間，COe排放強度呈先降低后升高的趨勢，2003年達到峰值，為5.38 t·萬元，此后逐年遞減，2019年已降至1.31 t·萬元。在2007年負增長率最高，相較上年排放強度降低了18.37%。

圖6 2000—2019年江蘇省農業CO2e排放強度變化Figure 6 Agricultural CO2e emission intensity in Jiangsu Province from 2000 to 2019

2000—2019年間，江蘇省農業各排放源中，水稻種植（CH）對農業碳排放總量貢獻最大，平均貢獻了47.04%的COe排放，其次是化肥生命周期隱含碳、動物糞便管理和動物腸道發酵，分別貢獻了14.01%、10.73%和10.26%。此外，農用地NO排放、農用柴油、農膜和農藥生命周期隱含碳則分別貢獻了9.73%、3.87%、2.34%和2.02%（表2）。在能源消費中，農業用電的碳排放量遠低于其他排放源，貢獻極低。總體來看，種植業碳排放量遠高于畜牧業，分別平均占比79.01%、20.99%，其中畜牧業的比重整體呈現下降趨勢，而種植業碳排放貢獻率由2000年的74.48%提高至2019年的88.96%。農業資源投入中，農用柴油、農膜生命周期隱含碳排放的貢獻率從2000年的2.95%、1.51%分別提高至2019年的5.24%、3.27%。畜禽腸道發酵對農業碳排放的貢獻率于2007年出現明顯降低，此后基本維持較低的比重，而動物糞便管理碳排放在農業碳排放總量中的貢獻率整體變化較小，僅在2019年呈現明顯降低。

表2 2000—2019年江蘇省農業碳排放源排放結構變化（%）Table 2 The structural change of agricultural carbon emission sources in Jiangsu Province from 2000 to 2019（%）

2.2 農業碳排放趨勢預測

2.2.1 偏相關分析

本文采用STIRPAT模型預測江蘇省碳排放趨勢，先將2000—2019年全省農業COe排放量（）、農村人口（）、農業人均GDP（）、農業COe排放強度（）按時間序列數據進行偏相關分析，、、與偏相關系數分別為0.749、-0.751、0.724。顯著性（雙側）檢驗概率均在1%以下，說明剔除其他變量影響后，農村人口、農業COe排放強度分別與農業COe排放量間呈顯著正相關，而農業人均GDP與農業COe排放量間呈顯著負相關。

2.2.2 模型構建

將原始時間序列數據做自然對數處理后，運用SPSS19.0進行標準化處理以消除量綱影響（表3），分別以、、、表示處理后的變量。進一步降維處理、、時間序列數據，提取2個主成分，分別以、表示，可解釋原變量的99.947%（表4），而Sig.值均遠小于0.01，表明擬合效果好。根據表5，、與原變量間的關系為：

表4 主成分分析解釋的總方差Table 4 Principal component analysis of the total explained variance

表5 主成分分析得分系數曲線Table 5 Principal component analysis of sub-coefficient matrix

由上式構建、時間序列數據，將作為被解釋變量，、作為解釋變量，采用兩階最小二乘法進行回歸分析。方差分析結果的值為11.617，同時檢驗的Sig.值小于0.01，表明模型擬合較好（表6）。根據模型回歸系數（表7）可得綜合變量與因變量的方程如式（7）所示，剔除Sig.值為1常數項，將式（5）、式（6）代入式（7）可得式（8）。

表6 方差分析結果Table 6 The results of the ANOVA

表7 模型系數Table 7 Model coefficients

根據標準化公式及表3標準化描述量，可將式（8）（=20）轉換為：

表3 標準化處理描述統計量Table 3 Statistics described by the normalization

據此可知，江蘇省農業COe排放量的驅動因子模型為：

將模型擬合得到的結果與估算值比較（圖7），忽略其中部分年份實際生產活動中偶然因素影響，擬合值與估算值變化趨勢總體近似，可以較好地反映未來碳排放趨勢。而由式（10）可知，、、對碳排放的彈性系數分別為0.247 4、-0.001 8和-0.024 2，表明在三者共同影響下，農村人口是江蘇省碳排放主要的驅動因素，與COe排放量呈現較強的正相關性。因此，加快城鎮化進程，提高能源、資源利用率和集約化水平，促進農業經濟高質量發展，是農業實現減碳的重要途徑。

圖7 2000—2019年模型擬合江蘇省農業CO2e排放量Figure 7 2000—2019 model fitting of agricultural CO2e emissions in Jiangsu Province

2.2.3 2020—2030年農業碳排放預測

根據當前江蘇省農業發展情況，設置3種2020—2030年的情景模式（表8）。基準情景是根據江蘇省2000—2019年農業COe排放情況，結合全省未來社會發展狀況，將農村人口、人均農業GDP、農業COe排放強度的年均增長率進行設定得到的結果；兩種低碳情景是在基準情景設定基礎上對各影響因素做出的進一步調整，以期能夠全面分析可能出現的情況。

表8 不同情景模式下各參數增長率設定Table 8 Parameter growth rate setting under different scenarios

根據設置的基準情景和低碳情景模式，運用STIRPAT模型對江蘇省農業COe排放進行擬合，得出3種情景下農業COe排放趨勢（圖8）。結果表明：基準情景中，江蘇省農業COe排放量呈持續下降趨勢，在2030年，COe排放量預測為6 784.80萬t，較2000年減少17.20%，但因受豬瘟等影響2019年出現非常態的大幅降低，該情景下2030年的排放量仍比2019年高2.44%；低碳情景1中，全省農業COe排放呈現出較基準情景更明顯的下降趨勢，該情景下維持了與基準情景的人均農業GDP增速水平，COe排放量預測到2030年為6 440.40萬t，分別較2000年和2019年減少21.40%和2.76%，而相比基準情景下2030年農業碳排放量，低碳情景1農業碳排放量下降了344.40萬t，降幅為5.08%；低碳情景2中，人均農業GDP增速較前兩種情景降低，而農村人口、農業COe排放強度的降低速率則均有提高，預計到2030年，COe排放量為6 387.17萬t，分別較2000年和2019年減少22.05%和3.56%，而相比基準情景和低碳情景1的2030年農業碳排放量，低碳情景2農業碳排放量分別下降了397.63萬、53.23萬t，降幅分別為5.86%、0.83%。由此表明，在低碳情景發展模式下，全省農業碳減排的潛力巨大，且在實現農業減碳的同時，也能兼顧農業經濟的發展。

圖8 不同情景模式下2020—2030年江蘇省農業CO2e排放預測Figure 8 Prediction of agricultural CO2e emissions in Jiangsu Province from2020 to 2030 under different scenarios

3 討論

3.1 江蘇省農業碳排放變化趨勢與現狀

本文以江蘇省農業碳排放作為研究對象，較為系統地將全省種植業與畜牧業部門的碳排放數據進行整合，從而對全省農業碳排放做出較客觀的評估。本文發現當前江蘇省農業COe排放量和COe排放強度總體已呈現降低的變化趨勢，其中排放量已于2005年達峰。目前，國內其他學者的研究結果也已證實江蘇省近年農業碳排放趨于減少，例如何艷秋等的研究表明，江蘇省已由中等排放向中低等排放等級轉變。本文估算發現，2000—2019年間，全省農業COe排放量分別在2007年、2019年出現明顯降低。根據碳排放出現大幅降低前后年份的相關統計報道，推測其與牲畜疫病如豬瘟等影響有關。受疫情影響，2007年江蘇省主要牲畜山羊和2019年生豬年末存欄量出現明顯減少，進而造成市場需求萎縮，直接導致了畜牧業碳排放量大幅降低，最終使農業碳排放量整體下降。

本文發現對江蘇省農業碳排放貢獻最大的排放源為水稻種植，其次是化肥生命周期隱含碳、動物糞便管理和動物腸道發酵。而已有的研究卻表明，在我國種植業中，化肥施用是最主要的碳排放源，其碳排放量高低對農業碳排放的地區差異貢獻最大。事實上，化肥僅在生命周期特別是田間施用后貢獻大量溫室氣體排放，而水稻種植過程尤其是伴隨灌溉淹水造成的厭氧環境導致的CH排放大多被國內以往的研究所低估或是忽略，這一類非CO溫室氣體排放也應當被充分考慮在農業碳排放的估算當中。隨著規模化水平提高，畜禽養殖場糞便管理方式的改變已成為導致畜牧業糞便管理過程溫室氣體排放增加的主要原因，而這同樣也是江蘇省動物糞便管理溫室氣體排放近年來仍居高不下的一個可能的解釋。本文重點關注了農業碳排放的時序特征，就空間分布而言，當前全省農業排放量空間集聚特征已越發明顯，高排放量主要集中于蘇北地區，排放強度則由全省普遍較高逐步變化為僅蘇北、蘇中部分地區較高，高排放區域總體已逐漸減少。

3.2 江蘇省農業實現碳減排的路徑措施

本文模型預測江蘇省2020—2030年農業碳排放量仍將實現穩步降低。在低碳情景中，全省農業碳排放量降低趨勢更為明顯，因此需要利用新技術、新生產方式加強對農業中種植業、畜牧業的主要溫室氣體排放源排放量的削減，從而有效控制農業溫室氣體的總體排放，實現減源增匯。黃冰冰等指出，低碳種植技術的減碳效應取決于對應碳排放源占種植業碳排放的比重和其應用程度。因此，稻田優化灌溉、化肥減施增效均是控制并減少種植業乃至農業總體碳排放的重要舉措之一。盡管化肥及農藥在生產、施用等環節易造成環境負效應，但農戶使用習慣仍需要很長時間轉變，在缺乏優質、環保的替代品的前提下，發展精準農業可以在提高單產的同時減少化肥、農藥用量，極大提高農業資源的利用效率和有效性。事實上，除需重點推進化肥減施增效外，優化間歇灌溉、推廣秸稈還田也可以更好地減少作物碳排放、增加碳匯。MCCARL等則認為可以通過直接減排、擴大陸地碳匯或是生產排放密集型產品的替代品來減少碳排放。總之，江蘇省要發展低碳農業、實現經濟高質量發展，必然伴隨碳排放強度的持續降低，而排放強度與農業農戶年齡、務農年限、年均農業收入比例、耕地面積、土地質量等因素關系密切，因此，除研發和推廣農業低碳技術外，還需加強農村建設、耕地保育和農民培訓工作。

此外，畜牧業牲畜養殖規模的變化對江蘇省農業碳排放可能具有重要影響。目前，一個普遍觀點是適當減少需求側畜牧產品的消費，可以有效減少非CO溫室氣體的排放。未來隨著集約化、規模化養殖程度的提高，配套的畜禽糞便管理措施如不靈活改進，糞便管理過程仍會伴有大量溫室氣體的排放。與此同時，如不能積極采取飼料改良加工、動物育種和瘤胃微生物調節等措施，在維持反芻動物較大的養殖規模情況下，也會造成瘤胃發酵產生的CH排放長期居高不下。因此，需要注意的是，若養殖規模增加，未來全省農業碳排放量可能會在一段時期內呈升高趨勢。除畜牧業相關碳排放存在增加的潛在可能性外，農業機械動力能源用量的持續增長也有可能增加未來農業碳排放總量，需要加強綠色能源的使用比重。

4 結論與建議

4.1 結論

（1）江蘇省2000—2019年農業COe排放總量整體呈現降低-回升-降低的趨勢，并且在2005年達峰，為8 361.77萬t。全省農業COe排放強度呈現先升高后降低的趨勢，2003年起已逐年降至2019年的1.31 t·萬元，農業碳排放與經濟增長已漸趨脫鉤。

（2）江蘇省種植業碳排放量比重明顯高于畜牧業。主要種植業碳排放源中，水稻種植碳排放貢獻最大，其次是化肥生命周期隱含碳、動物糞便管理和動物腸道發酵。主要畜禽碳排放源中，豬養殖過程中造成的碳排放遠高于其他畜禽，而非能源消費造成的碳排放遠高于能源消費，因此加快推廣低碳技術尤為必要。

（3）2020—2030年，伴隨城鎮化發展、農業人均GDP提高以及農業碳排放強度的進一步降低，江蘇省農業COe排放量仍將有持續下降的變化趨勢，而在低碳情景下，全省農業COe排放量下降將更為明顯，并能實現農業經濟與低碳減排兼顧的高效發展。

4.2 建議

根據本文研究結果，為在兼顧農業高產優質、養分高效利用和農業經濟效益的前提下，實現江蘇省農業固碳減排和綠色發展，從科學認識、技術方法和政策管理角度提出以下建議：

（1）開展農業領域“雙碳”專題培訓，促進全省農業企業、農戶等穩固樹立低碳發展理念，并深入了解自身生產活動中碳排放分布結構，從而更具針對性地采取相應的減碳策略。

（2）重點加強全省水稻種植、化肥生命周期隱含碳及畜禽養殖（特別是豬養殖過程）等當前主要溫室氣體排放源的減排力度，具體可通過科學調整水稻田灌溉模式、加速新型綠色肥料生產應用以替代傳統化肥、推進飼料改良、改進畜舍設計、優化畜禽圈舍尾氣、糞便管理以及強化農牧廢棄物資源化利用（如有機無機配施、種養結合生產模式）等技術途徑實現。

（3）針對近年全省農業來源于柴油的碳排放略呈升高的趨勢，政府需加強農機購置補貼政策的引導和傾斜，提高高效節能的新型農機使用比例及太陽能、風能等在農機能源中的比重。此外，政府可在科學征收碳稅的基礎上，逐步擴大征稅對象，倒逼農業產業轉型，同時科學規劃未來種植業種植結構和畜牧業養殖結構，對溫室氣體排放量高的作物種植和畜禽養殖的規模加以合理控制，以此加快實現全省農業碳中和目標并保障農業高質量發展。