Identificar los factores clave que influyen en las emisiones de carbono en la agricultura y predecir con precisión las tendencias futuras son esenciales para alcanzar los objetivos de pico de carbono y neutralidad de carbono. Este estudio tiene como objetivo evaluar las emisiones de carbono en la agricultura desde 1997 hasta 2022, construir un modelo preciso para identificar los factores influyentes clave y predecir las emisiones de carbono en la agricultura desde 2023 hasta 2030 con un sistema de predicción inteligente para discutir la gestión de riesgos. Además, se empleó el método Dagum para explorar las diferencias regionales en las emisiones de carbono agrícola en toda China. Los resultados revelan que las emisiones de carbono agrícola de China mostraron una tendencia fluctuante desde 1997 hasta 2022, alcanzando su punto máximo en 2015, seguido de un período de declive y un rebote moderado en los últimos años. La regresión Elastic Net identificó once variables clave, incluyendo el Nivel de Maquinaria Agrícola (MA), el Número de Herramientas Agrícolas (AT) y la Modernización de la Estructura Industrial Agrícola (AICE), como determinantes principales de las emisiones de carbono agrícola. Además, el método RF-PSO demostró la mayor precisión predictiva, pronosticando un pequeño pico en las emisiones de carbono agrícola en 2027, seguido de una estabilización. Regionalmente, se observaron desequilibrios en las emisiones, con la intensidad de la transvariación representando el 37.078% de la disparidad. Por lo tanto, se aconseja al gobierno chino implementar estrategias específicas para cada región para controlar las emisiones de carbono agrícola, cultivar una nueva productividad agrícola de alta calidad y promover tecnologías avanzadas.