下载文档原格式
我国碳排放影响因素的实证研究基于固定效应面板分位数回归模型一、本文概述随着全球气候变暖的日益严重，碳排放问题已成为全球关注的焦点。
我国作为全球最大的碳排放国，其碳排放影响因素的研究具有重大的理论和现实意义。
本文旨在通过固定效应面板分位数回归模型，对我国碳排放影响因素进行实证研究，以期为我国碳减排政策的制定提供科学依据。
本文回顾了国内外关于碳排放影响因素的相关研究，梳理了影响碳排放的主要因素，包括经济发展、能源结构、技术进步、人口规模等。
在此基础上，本文构建了固定效应面板分位数回归模型，以控制个体效应和时间效应，同时考虑到碳排放分布的非对称性。
本文利用我国省级面板数据，对模型进行估计和检验。
通过对比分析不同分位数的回归结果，揭示了各影响因素在不同碳排放水平下的作用机制和差异性。
这有助于我们更全面地了解碳排放影响因素的复杂性和多样性。
本文根据实证研究结果，提出了针对性的政策建议。
包括优化能源结构、提高能源利用效率、促进技术创新、推动产业升级等，以期为我国实现碳减排目标提供有益的参考。
本文也指出了研究中存在的不足和未来的研究方向，以期推动该领域的研究进一步发展。
二、文献综述在全球气候变化背景下，碳排放量的增加及其影响因素已成为国内外学者研究的热点。
我国作为世界上最大的碳排放国，其碳排放量的变化及其影响因素的研究对于全球气候治理和可持续发展具有重要意义。
本文将从碳排放量的影响因素、面板分位数回归模型的应用等方面进行文献综述。
关于碳排放影响因素的研究，国内外学者从多个角度进行了深入探讨。
经济因素方面，多数研究认为经济增长与碳排放量之间存在正相关关系，即随着经济的增长，碳排放量也会相应增加。
但也有学者认为，在经济发展的不同阶段，碳排放量与经济增长之间的关系可能存在差异。
产业结构也是影响碳排放的重要因素，工业化进程中的能源消耗和排放增加会导致碳排放量的上升。
技术因素在碳排放量的控制中扮演着重要角色。
技术进步可以通过提高能源利用效率、推广清洁能源等方式来减少碳排放。
中国城镇碳排放的区域差异和影响因素宋德勇;徐安【摘要】This paper amends IPCC's carbon emission coefficient of the electricity in 2006. Based on China's energy balance table, this paper calculates the urban carbon emissions in China's 30 provinces during 1995 and 2008. The regional difference of carbon emission is analyzed by the division of high, medium and low carbon emission zones, while the STIRPAT model is employed to its influential factors analysis. The results showed that urban emission, featured in rapid growth since 2001 particularly, played the dominant role of the total carbon emission. There is a strong regional difference of urban carbon emissions in China, for eight provinces of high-emission accounted for more than 50% of China's total urban carbon emissions in 2008. The per capita income of urban residents exerted the greatest impact on urban carbon emissions, followed by the urbanization rate and energy intensity. The population had relatively little influence on carbon emissions. There are differences among the influence on carbon emission as a result of urban average income increase, the progress of urbanization and energy intensity reduce. The intensity-affected difference constructs the main reason of regional difference in urban carbon emission. On the one hand, China's rising urban incomes and urbanization need some space for carbon emissions, while on the other hand, towns need to follow sustainable low-carbon development path.%修正了IPCC关于电力碳排放系数的计算方法,根据中国(省市)能源平衡表估算了1995-2008年中国30个省市的城镇碳排放,划分了高、中、低三个不同排放区域,分析城镇碳排放的区域差异,采用STIRPAT模型分析城镇碳排放及区域差异的影响因素.结果表明,城镇碳排放是中国碳排放的主体；城镇碳排放总体快速增长趋势,2001年后表现尤为明显;中国城镇碳排放存在很强的区域差异,2008年高排放区域的八个省市城镇碳排放总量占全国城镇碳排放总量的50％以上；城镇居民人均收入对城镇碳排放影响最大,然后是城镇化率和能源强度,人口总量对碳排放影响较小；城镇居民人均收入增加、城市化进程不断推进、能源强度降低对城镇碳排放的影响存在区域差异,这种影响强度的差异是导致城镇碳排放存在区域差异的主要原因.一方面,我国城镇居民收入的不断提高和城市化进程的推进决定了城镇发展需要一定的碳排放空间,另一方面,城镇需要走可持续的低碳发展道路.【期刊名称】《中国人口·资源与环境》【年(卷),期】2011(021)011【总页数】7页(P8-14)【关键词】城镇碳排放;区域差异;影响因素;STIRPAT模型【作者】宋德勇;徐安【作者单位】华中科技大学经济学院,湖北武汉430074;华中科技大学经济学院,湖北武汉430074【正文语种】中文【中图分类】X2;F29当前中国处于城市化快速发展时期，据统计，1995年中国城镇化率为29．04%，2008年中国城镇化率达到45．68%，增长了16．64%，年均增长1．28%。
中国碳排放区域差异研究综述作者：万子捷肖雁飞来源：《经济研究导刊》2013年第15期摘要：在面对越来越严峻的国际减排新形势下，中国碳排放的增加受到全球的重点关注，如何降低中国的碳排放成为一个我们亟待研究的课题。
以综述的方式总结中国碳排放的区域差异和影响碳排放的多种因素，通过对经济学研究文献的梳理可知，中国碳排放区域差异的研究主要从三大区域、八大区域和碳聚集三个划分标准展开。
影响中国碳排放区域差异的驱动因素主要有经济增长、产业结构和能源消费结构为三大主要影响因素，技术、贸易、人口和城市化也对碳排放有相应的影响。
关键词：碳排放；区域差异；影响因素；综述中图分类号：F124.5 文献标志码：A 文章编号：1673-291X（2013）15-0218-02引言在面对越来越严峻的国际减排新形势下，中国碳排放的增加受到全球的重点关注，如何降低中国的碳排放成为一个我们亟待研究的课题。
根据国际能源署（IEA，2009）统计数据，中国已经成为全球CO2排放量最大的国家。
在“十二五”规划中，中国把降低碳排放强度这一目标放在首要考虑的范围之中。
一、关于碳排放空间差异研究由于中国幅员辽阔，不同区域之间的自然条件因素、经济发展程度等都不尽相同，所以中国碳排放分布的一个重要特征——非均衡性。
中国专家学者从不同区域划分的角度来研究CO2空间分布差异。
（一）地理区域划分标准1.三大区域划分标准。
把中国划分为东、中、西三大区域，谭丹（2008）运用碳排放量分解模型的算法，测算出中国三大区域的排放总量及变化趋势，简单描述了东部地区的碳排放总量远高于中、西部地区。
同样的结论岳超（2010）用各省的CO2排放总量、人均CO2排放量和碳强度等数据，通过泰尔系数来分析省区碳排放差异。
结论认为中国碳排放量和人均碳排放量由东部沿海想西部内陆逐渐递减，而碳排放强度则是中、西部高于东部。
杨骞（2012）也采用泰尔系数的分析方法对中国碳排放的区域差异进行了结构分解，则持不同的观点。
我国碳排放区域差异及成因分析作者：辛玲付志刚刘莹来源：《中国管理信息化》2017年第19期[摘要] 进行碳排放的区域差异及成因研究，可以为制定合理科学、针对性强的节能减碳政策提供信息支持。
论文较准确地测算了1995-2013年我国各省市的碳排放，从空间统计学的角度分析碳排放的区域特点，并构建空间滞后模型考察造成我国碳排放区域差异的成因。
结果表明：一是我国各省市碳排放区域差异明显，且存在“北高南低”的特点；二是我国各地区碳排放差异存在空间集聚效应，雾霾现象会跨地区连片形成；三是科技创新效率、居民收入、能源消费结构和产业结构是造成我国碳排放区域差异的主要成因，对外贸易度和城市化水平对碳排放区域差异的影响不大。
[关键词] 碳排放差异；区域；空间滞后模型doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 19. 057[中图分类号] F830 [文献标识码] A [文章编号] 1673 - 0194（2017）19- 0133- 050 前言作为世界上最大的碳排放国家， 2015年我国政府在巴黎气候大会上再次承诺：2030年单位GDP的碳排放比2005年下降60%～65%。
低碳减排行动实施以来，我国单位GDP的碳排放水平从2005年的29.68吨/万美元下降到2014年的19.65吨/万美元，下降幅度达到33.8%，低碳减排行动效果显著。
但与单位GDP碳排放效率高的国家相比，我国还有较大差距。
例如瑞士的单位GDP碳排放水平只有1.35吨/万美元，仅为我国的6.87%。
我国各省市的经济发展不平衡、资源禀赋差异使得各省市的碳排放水平不同，碳排放区域差异是否明显，引起差异的主要影响因素有哪些，能否依据区域差异有针对性地制定碳减排政策，此类问题值得思考。
鉴于此，论文将在测算我国各省市碳排放的基础上，分析区域差异特点并探究其成因，为制定合理科学、针对性强的节能减碳政策提供支持。
1. 我国二氧化碳排放绩效的动态变化区域、差异及影响因素中国工业经济2010方法：用DEA构建Malmquist指数测算效率，用固定效应模型进行影响分析门伉也尸y计严：汁匕肝皿:朋才指标符号：-+++-2. 能源消耗、二氧化碳排放与中国工业的可持续发展陈诗一经济研究2009方法：普通面板回归模型In/k = 0i + + 阳 + 片目才+ 丙\nX>f+ 占〉j （J 3/ b〕_¥j InA^f +屁—J3. 生产中碳排放效率长期决定及其收敛性分析数量经济技术经济研究2010指标：R&D投入、能源价格、公共投资、对外开放度、产业结构、技术溢出4. 我国二氧化碳排放的影响因素：基于省级面板数据的研究南方经济2010启示：查一篇已下载含滞后项的英文SFA文献w n W 处面板数据模型指标：人均收入、能源消费结构、产业结构、工业结构（重工业总产值占工业总产值的比重）、城市化水平、时间趋势人均收入：在不同的收入阶段，人们对环境的要求有所不同，低收入阶段时，人们更关注物质生活，对环境的要求不高，而随着收入的提高，人们很可能转而更关注环境质量。
因此，两者之间很可能存在倒u型关。
这一理论也被称为环境库兹涅兹曲线假说。
能源消费结构：不同种类能源消费所产生的CO2排放量并不相同。
煤炭燃烧的CO2排放量是天然气的1.6倍，石油的1.2倍，而核电、水电、风电、太阳能等则是清洁能源，并不排放CO2。
各省煤炭消费量占该省一次能源消费总量的比重作为能源消费结构的代理变量。
城市化水平：1、城市化的推进需要进行大规模基础设施建设，需要消耗大量的钢铁和水泥，从而产生大量的C02排放。
2、城市化也改变人们的生活习惯，城市人口的能源消费要大大高于农村人口的能源消费，而能源消费的大幅度增加则是C02排放增加的主要原因。
本文以非农人口比重作为各省城市化水平的代理变量。
产业结构和工业结构：工业的能源消耗往往要比农业和第三产业高很多，特别是重工业,一般都是高耗能产业。
我国省域碳排放绩效差异及影响因素研究——基于非期望产出的SBM模型及Malmquist指数分解
陈燕和
【期刊名称】《海南金融》
【年(卷),期】2022()9
【摘要】不同地区人口、经济和技术等发展水平和特征呈现出较大差异,这使得碳排放绩效以及影响碳排放绩效的因素也存在差异。
本文在评估2001—2019年全国各省区碳排放绩效基础上,深入分析碳排放绩效的结构和差异,研究分析其影响因素,并提出完善碳绩效考核机制、制定差异化碳减排政策、完善碳减排管理制度、加快能源结构转型等政策建议。
【总页数】16页(P42-57)
【作者】陈燕和
【作者单位】中国人民银行南宁中心支行
【正文语种】中文
【中图分类】F124.6;F062.1
【相关文献】
1.我国工业绿色全要素生产率的区域差异与影响因素研究——考虑非期望产出的SBM-DDF与GML指数方法的应用
2.我国省域全要素碳排放绩效比较研究——基于Malmquist指数分解方法
3.新疆农业生产效率地区差异分解与影响因素研究——基于非期望产出Super-SBM-Theil-GMS
4.我国工业绿色全要素生产率的区域
差异与影响因素研究——考虑非期望产出的SBM-DDF与GML指数方法的应用5.考虑非期望产出的航空公司运营效率及影响因素研究--基于SBM-Malmquist-luenberger指数和Tobit方法
因版权原因，仅展示原文概要，查看原文内容请购买。
江西省研究生数学建模竞赛参赛选择的题号是：B 关于碳减排问题解决方案的建模探讨摘要碳减排是近年来备受关注的国际问题，由于全球各国对经济发展的侧重性，盲目地投入到对经济发展增长的问题上，忽视了环境的保护，造成了各种环境问题，尤其是温室效应，近年来已经越来越严重，温室效益主要是由于全球碳排放的增加造成的，“全球气候变暖”（Global Warming）以及“碳减排”（Carbon emission reduction）已经成了当今世界关注的热点问题。
分别对1959年到2009年全球每年平均碳排放总量进行线性拟合、二次曲线拟合、三次曲线拟合、四次曲线拟合和五次曲线拟合，建立了不减少碳排放时，全球每年平均碳排放量的数学模型，利用建立的数学模型，预测2010年到2050年全球每年平均碳排放量，发现利用三次曲线拟合预测的2010年到2013年全球碳排放量与实际2010年到2013年的碳排放量最接近，最终选用三次曲线拟合求到的方程作为不减排时，全球每年平均碳排放的数学模型，以此模型来预测不减排时，2014年到2050年全球碳排放量，预测到2050年全球二氧化碳排放量达到474ppm,相对2010年地球表面温度将会上升3.2摄氏度，所以必须对碳进行减排。
经过研究发现，要使全球温度不超过2摄氏度，全球每年二氧化碳排放量不能超过442ppm，通过控制交通运输业、电力行业、农业和其他产业的碳排放量，全球每年减排16%的碳，2050年相对2010年，全球排放的二氧化碳上升不超过8ppm,如果再增加全球绿化的面积，可以实现联合国“使全球变暖不超过2摄氏度”的气候变化目标。
通过对1980年到2007年美国、日本、俄罗斯、印度、巴西、中国碳排放量进行曲线拟合，建立数学模型，预测如果不减排，碳排放量将会非常多，通过分析这些国家能源消耗结构和碳排放结构和特点，对这些碳排放主要国家提出了一些建议，希望通过碳减排，最终使全球每年碳排放减少16%，从而实现地球表面温度升高不超过2摄氏度。
我国碳排放量预测模型我国碳排放量预测模型随着全球气候变化的加剧，碳排放量成为全球关注的重要问题。
我国作为全球最大的碳排放国之一，建立碳排放量预测模型对于制定减排策略和推动可持续发展具有重要意义。
本文将介绍我国碳排放量预测模型的研究现状、模型构建方法和未来发展趋势。
一、研究现状我国在碳排放量预测领域的研究起步较晚，但近年来随着国家对碳排放控制重视程度的提高，相关研究逐渐增多。
目前，国内外学者主要采用情景分析、多元回归分析、神经网络等方法对我国碳排放量进行预测。
其中，情景分析法通过设定不同的政策、经济、能源等情景，预测未来碳排放量；多元回归分析法利用历史碳排放数据和相关影响因素建立回归模型，预测未来碳排放量；神经网络法则通过构建复杂的神经网络模型，对碳排放量进行预测。
二、模型构建方法1.数据收集与处理首先，收集历史碳排放数据及相关影响因素数据，如能源消费、经济增长、人口变化等。
对数据进行清洗、整理和标准化处理，确保数据的质量和可靠性。
2.确定影响因素通过对历史数据的分析，筛选出与碳排放量相关性较高的影响因素。
例如，能源消费结构、能源强度、产业结构、城市化率等。
3.建立回归模型利用筛选出的影响因素，建立多元线性回归模型或非线性回归模型，对碳排放量进行预测。
通过调整模型参数，优化模型的预测精度和稳定性。
4.模型验证与评估将建立的模型应用于实际数据，对模型进行验证和评估。
可以采用交叉验证、ROC曲线分析等方法对模型的预测性能进行评估。
5.制定减排策略根据模型的预测结果，制定相应的减排策略。
例如，调整能源消费结构、提高能源利用效率、推广清洁能源等措施。
三、未来发展趋势1.考虑更多影响因素随着研究的深入，未来预测模型将考虑更多与碳排放相关的因素，如气候变化、政策调整、技术创新等。
这将有助于提高模型的预测精度和稳定性。
2.结合先进技术方法随着人工智能、机器学习等技术的发展，未来预测模型将结合这些先进技术方法，构建更加复杂、精准的模型。
第36卷第5期2014年5月2014，36（5）：0998-1004Resources Science收稿日期：2013-12-11；修订日期：2014-03-05基金项目：中国科学院重点部署项目（编号：KZZD-EW-14）；国家自然科学基金（编号：41071278）；中国人才引进基金和135项目（编号：Y254021031，Y355031061）。
作者简介：王秋贤，女，山东烟台人，博士生，讲师，主要研究方向土地利用与碳循环。
E-mail ：qxwang@ 通讯作者：高志强，E-mail ：zqgao@文章编号：1007-7588（2014）05-0998-07基于公平的中国省域碳排放差异模型构建探讨——以中国2010年碳排放为例王秋贤1，2，3，高志强1，宁吉才1（1.中国科学院烟台海岸带研究所，烟台264003；2.中国科学院大学，北京100049；3.鲁东大学地理与规划学院，烟台264025）摘要：中国各省份经济发展水平不同，其CO 2排放也存在很大的空间差异。
作者认为碳排放的区域差异不应只体现在其绝对排放数量上，更要体现在其与社会、经济和生态的兼容度差异上。
因此本文首先运用IPCC2006清单法计算出了2010年中国各省份碳排放数量，然后对之进行了空间差异分析。
接着在综合考虑碳排放的生态、公平和效率前提下，尝试性地构建了碳排放区域差异的3E 模型体系，并用之进行了具体计算。
结果表明，虽然广东、湖北、四川和黑龙江等省的碳排放绝对量大，但这些省份的Y 3E 值均大于1，表明这些区域的碳汇能力很强，无论从生态、公平还是从效率的角度来说其碳排放都是在其省域的生态承载范畴之内。
由此证明新构建的3E 模型对中国碳排放区域差异研究是有益的参考和补充。
关键词：碳排放；省域差异；模型构建；公平；中国1引言温室气体含量的增加被认为是当下全球气候变暖的一个主要原因，而温室气体中的主要物质是CO 2[1]，因此自20世纪80年代以来，世界各国都非常重视CO 2排放问题的研究。
在碳排放的研究中，主要以碳排放量的计算方法、碳排放的公平性研究和碳排放空间以及情景模拟为主。
其中碳排放量的计算目前国内外都有较为成熟的方法，如IPCC 清单法[2]、实测法[3]、物料衡算法[4]、模型因素分解法[5]等；碳排放空间及排放情景模拟也有相关比较成熟的模型，国内许多学者也做了大量的工作[6-8]。
但CO 2排放的公平性研究或者基于公平的碳排放区域差异研究目前在国内外争议比较大。
发达国家倾向忽略地区的历史碳排放量，侧重研究如何合理分配世界各国未来的CO 2排放限额[9]，而国内学者则更倾向的采用某个历史时期的累计排放量[10，11]或者基尼系数[12]来进行基于公平性的区域碳排放研究，有关碳排放区域差异研究的其他方法则少有人关注，目前没有一个统一的模型对国家范围内的碳排放区域空间差异进行具体计算。
另外在低碳减排的大背景下，目前世界范围内没有公认的国家排放权分配方案，将来国际上一旦确定中国的碳排放额，那么中国承诺到2020年碳排放强度在2005年基础上降低45%[13]的目标将面临总配额在国内各省之间进行合理分配的问题。
如果单纯的以排放绝对数量或历史累积量来进行分配，而不考虑我国各省不同的生态条件和社会经济发展水平、不考虑高碳排放区可能包含的高经济生产力和高碳吸收能力，对某些区域来讲势必是不公平的。
基于以上考虑本文尝试在生态经济学的构架下，建立一个能从生态、公平和效率（Ecology-Equity-Efficiency ）3个方面综合反映中国省域CO 2排放公平性的综合研究指标Y 3E （简称3E 模型），用这个指标来进行我国各个省、直辖市、自治区的碳排放的公平性研究，以期为今2014年5月王秋贤等：基于公平的中国省域碳排放差异模型构建探讨后探讨我国省域CO2排放公平性提供方法支持，或为将来我国各省份CO2排放额的计算提供依据。
2数据来源与碳排放计算方法2.1数据来源与处理①化石燃料数据来源于《中国能源统计年鉴2011》；②水泥生产量来自于《中国水泥年鉴2011》；③人口，GDP等经济社会数据来源于《中国统计年鉴2011》；④能源和水泥碳排放参数来自IPCC2006碳排放清单；⑤土地利用数据是选择了2000年、2005年和2010年3个时期的SPOTNDVI数据，每年36个VGT-S10文件。
2.2数据处理将影像按年叠加（Annual Stacking）合成为36个波段的年NDVI时间序列数据集。
使用SRTM3（Shuttle Radar Mission）的DEM数据用来辅助Topography土地覆盖分类后处理，空间分辨率为90m×90m。
同时，利用中国资源环境遥感数据库的2000年和2005年两期通过TM/ETM/ETM+机助人工解译的土地利用数据对基于SPOT VEGETATION NDVI时序数据分类的2000年和2005年结果进行精度检验。
检验时主要使用混淆矩阵[14]分别计算了Kappa系数、总体精度和用户精度。
通过计算得到：2000年的Kappa系数为0.8226，2005年的Kappa系数为0.8218；总体分类精度2000年为86.67%，2005年为86.58%；而用户精度除了2000年的建设用地用户精度为0.5255和2005年的建设用地用户精度为0.5536略低外，其他类型分类的用户精度均在0.8以上。
由此可见，基于SPOT VEGETATION NDVI的时序数据提取的中国土地覆盖数据精度能满足研究的需要。
2.3排放量计算方法根据2007年IPCC第四次评估报告，温室气体增加的主要来源是化石燃料燃烧（化石燃料燃烧所导致的CO2排放量在2004年占世界总排放量将近95.13%）[15]，结合我国现状，作者在计算中国碳排放量时主要考虑化石燃料燃烧和水泥消费两个方面，两者的碳排放数量分别采用IPCC2006排放清单法进行计算。
其中化石燃料的CO2排放计算方法采用的是《中国能源统计年鉴》中统计的8类最终能源数据，即原煤、焦炭、原油、汽油、煤油、柴油、燃料油和天然气；而水泥消费的碳排放计算是使用水泥产量数据来估算熟料产量，本文采用默认熟料含量为75%，不考虑水泥的进出口量，具体方法参见曾贤刚提出的计算公式[16]。
3碳排放区域差异3E模型的构建如前言所述，目前对于区域碳排放公平性研究无论是国外还是国内主要是采用的一段时期的碳累计排放量来考虑，但是笔者认为：不同的区域有不同的地域面积、不同的土地利用类型、不同的人口数量、不同的经济发展水平、不同的环境承载力，如果只考虑累计碳排放量一个指标作为公平研究标准的话对区域公平碳排放研究有一定局限性。
因为有些区域虽然碳排放总量大，但是当地的植被碳汇能力也较强，所以在很大程度上可以减少排向大气的CO2。
受文献[11]的启发笔者尝试着从生态承载力、区域公平性和社会碳排放效率3个方面构建基于生态、公平、效率（Ecology-Equity-Efficiency）的3E模型来探讨碳排放公平性研究，即：Y3E=∑i=1i=3ri×Ii（1）式中Y3E为运用特尔斐法综合考虑的表征生态、公平、效率3个指标转化而来的可度量指标；Ii为3个指数即生态承载指数（Ecological Support Index，即ESI）、公平分配指数（Equitable Distribution Index，即EDI）和经济效率指数（Economy Efficient Index，即EEI），ri为每个指标的权重，主要是通过特尔斐法确定。
调查问卷中说明了本文模型构建的初衷，考虑到区域碳排放与该区经济发展关系紧密、但森林对碳的吸收能力也很强的特点，然后选择了碳排放研究领域的包括科学院、高等院校和发展与改革委员会等部门在内的10名专家，分别对3个指数的重要性进行权重赋予，因为第一轮统计结果各位专家的意见就比较一致，所以对各个指标权重取了算术平均，即ESI、EDI、EEI分别为0.4、0.2、0.4，以此为权重做相关的计算分析。
3.1生态承载指数（ESI）生态承载力是指区域生态系统可承受各种自然与人为活动的能力，它可以评价一个区域可持续发展的能力[17]。
一个区域碳排放量的增加会加速大气中温室气体含量的增加，从而导致全球气温的999第36卷第5期资源科学变暖，进而威胁到生态系统的承载能力。
但是考虑到森林是一个巨大的碳汇，如果该地区有足够的森林、草地，那么该区域强大的碳汇能力定会大大减少进入大气中的CO 2，减少温室气体的增加趋势，从而使得区域生态系统实现稳定、有良好承载性。
所以本文设计的碳排放生态承载指数就是借鉴了传统生态学中的生态承载力概念并对之进行延伸，主要考虑区域的生态碳汇功能对其碳排放的承载能力，以各个行政单元主要碳汇对碳的吸收量为参照，对比排放一定比例的碳需要贡献相应比例的碳吸收量[12]来设计生态承载指数，生态承载指数（ESI ）等于区域主要碳汇对碳的吸收量的比率/碳排放的比率，若某一区域碳排放的比率大于其主要碳汇对碳吸收量的贡献率，则其侵害了其它区域的利益，要使其它区域为其承担过量碳排放带来的生态环境影响；反之，则其属于有相对较高的生态容量，该地区对减轻碳排放对生态环境的压力有重要贡献。
生态承载指数ESI 表示公式为：E S I =(A i A )(Y i Y )（2）式中A i ，A 为各区域和全国的主要碳汇对碳的吸收量；Y i ，Y 为各区域和全国的CO 2排放量。
其中A 鉴于目前国内的研究现状[18-20]，本文主要选取林地和草地为主要碳汇（碳的吸收源）进行相关计算研究，估算公式为：A =∑i =1i =nT i ×s i（3）式中A 为不同土地利用方式碳的吸收总量；T i 为第i 种土地利用方式的面积，包括林地面积和草地；s i 为第i 种土地利用方式的碳的吸收系数，林地和草地的碳汇系数来源于方精云等的研究成果，林地碳汇（吸收）系数为5.77kg/（m 2·a ），草地碳汇（吸收）系数为0.0021kg/（m 2·a ）[21]。
3.2公平分配指数（EDI ）社会发展除了要考虑以生态规模为代表的地球环境接纳CO 2温室气体的能力外，还要考虑人民平等的碳排放权利和福利的合理配置。
20世纪90年代起，作为发展中国家代表，中国学者开始关注国际气候制度中的公平问题，人均CO 2排放量作为较早出现的碳排放公平分配指标具有现实意义[11]，目前在国际上也得到一定认可。
同时笔者认为不同面积的区域在面临相同数量的碳排放时，其大气中CO 2增加浓度是不同的，所以本文在构建公平分配指数（EDI ）时主要是基于公平分配的人均年CO 2排放量和碳排放密度两个指标展开。
