3939碳足迹核算及影响因素的分析可以为地区碳减排方案的制订提供理论工具和实践案例。文章在梳理碳足迹研究相关文献的基础上，从碳足迹概念、碳足迹研究尺度、碳足迹核算方法及应用范围归纳总结碳足迹研究进展，从经济发展因素、人口因素、技术因素、政策因素4个方面分析碳足迹的主要影响因素，从基础模型（Kaya模型和IPAT模型）、拓展模型（STIRPAT模型）、各影响因子对碳足迹变化的贡献定量分析模型（IDA模型、PDA模型、SDA模型）3大类逐步推演碳足迹影响因子分解模型的应用。研究结果表明：（1）碳足迹内涵研究较为丰富，突破了单一的描述研究，逐步从理论领域延伸到实践应用，“人地关系”等多视角研究有待探索。（2）碳足迹的核算方法都有各自适用条件，根据研究尺度选定合适的核算方法。（3）各地区碳足迹的影响因素差异性较大，对于碳足迹影响因素的研究也逐步细化和深化，从而对症下药，制定相关的减排政策。（4）碳足迹影响因素分解模型的综合分解分析框架有待构建，现有的研究基本都是碳足迹影响因素分解的基础模型、拓展模型及影响因素贡献定量分析模型等单个或两个结合应用进行分析，三者结合使用的较为少见，研究深度有待提高。（5）特殊地区的碳足迹核算及碳减排应更加受到重视，如生态脆弱区等。建议合理制定区域差异化碳减排政策目标，确保经济社会发展的公平与效率。碳足迹；影响因素；碳减排ResearchProgressandProspectsofCarbonFootprintandItsInfluencingFactorsFUWei1LUOMingcan1CHENJiancheng2（1SchoolofEconomicsandManagement,SouthwestForestryUniversity,Kunming650224;2SchoolofEconomicsandManagement,BeijingForestryUniversity,Beijing100083）Abstract:Theanalysisofcarbonfootprintaccountingandinfluencingfactorscanprovidetheoreticaltoolsandpracticalcasesfortheformulationofregionalcarbonemissionreductionprograms.Onthebasisofreviewingcarbonfootprintresearchandrelatedliterature,theresearchprogressofcarbonfootprintwassummarizedfromtheaspectsofcarbonfootprintconcept,carbonfootprintresearchscale,carbonfootprintaccountingmethodandapplicationscope.Themaininfluencingfactorsofcarbonfootprintwereanalyzedfromfouraspects:economicdevelopmentfactor,populationfactor,technologyfactorandpolicyfactor.Theapplicationofcarbonfootprintimpactfactordecompositionmodelwasgraduallydeducedfromthreecategories:basicmodel（KayamodelandIPATmodel）,extendedmodel（STIRPATmodel）andquantitativeanalysismodelofthecontributionofeachimpactfactortocarbonfootprintchange（IDA、PDA、SDAmodel）.Theresultsindicatedthat:（1）Theconnotationofcarbonfootprintresearchisrich,whichbreaksthroughthesingledescriptionresearch,andgraduallyextendsfromthetheoreticalfieldtothepracticalapplication.Researchesfrommultipleperspectivessuchas"man-landrelationship"needtobeexplored.（2）Carbonfootprintaccountingmethodshavetheirownapplicableconditions.Theappropriateaccountingmethodsareselectedaccordingtotheresearchscale.碳足迹及其影响因素研究进展与展望付伟1罗明灿1陈建成2（1西南林业大学经济管理学院昆明650224；2北京林业大学经济管理学院北京100083）收稿日期：作者简介：基金项目：2021-05-11付伟，研究方向：生态经济，资源持续利用。云南省哲学社会科学规划项目“云南森林绿色食品产业竞争力测度及空间分布格局研究”（编号：YB2020054），西南林业大学校级科研启动项目“美丽云南生态文明建设与健商研究”（编号：111427），国家社会科学基金项目“基于生态工程参与的贫困人口创业驱动机理与实现路径研究”（编号：18BGL052）。摘要：文献标识码：A1673-338X（2021）08-039-11文章编号：中图分类号：关键词：X321DOI:10.13843/j.cnki.lyjj.20211017.0014040（3）Theinfluencingfactorsofcarbonfootprintindifferentregionsarequitedifferent.Theresearchontheinfluencingfactorsofcarbonfootprintisgraduallyrefinedanddeepenedtoformulaterelevantemissionreductionpolicies.（4）Acomprehensivedecompositionanalysisframeworkforthedecompositionmodeloffactorsaffectingcarbonfootprintneedstobeconstructed.Theexistingstudiesarebasicallythesingleortwocombinedapplicationsofthebasicmodel,theextendedmodelandthequantitativeanalysismodelofthecontributionofinfluencingfactorsforthedecompositionofcarbonfootprint.Thecombinationofthethreeisrelativelyrare,andtheresearchdepthneedstobeimproved.（5）Moreattentionshouldbepaidtocarbonfootprintaccountingandcarbonemissionreductioninspecialareas,suchasecologicallyfragileareas.Regionaldifferentiatedcarbonemissionreductionpolicyshouldbereasonablyformulatedtoensurethefairnessandefficiencyofeconomicandsocialdevelopment.KeyWords:carbonfootprint;influencingfactors;carbonemissionsreduction1引言低碳发展被认为是应对全球变暖和能源危机的有效模式（Wangetal.，2017），如何采取有效措施减缓温室气体排放已成为世界各国关注的焦点。联合国政府间气候变化专门委员会（IntergovernmentalPanelonClimateChange，IPCC）分别于1990年、1995年、2001年、2007年和2014年发布了五次评估报告，并于2018年10月发布“全球升温1.5℃特别报告”，报告指出将全球变暖限制在1.5ºC可以避免一系列气候变化影响。如果仅依靠市场的力量，则难以应对日益严峻的全球气候变化形势，迫切需要采取有效的政策减少温室气体排放，制定国家战略和具体的碳减排路径。中国的能源消耗和碳排放在过去几十年里增长非常迅速，分别于2006年和2011年成为世界最大的二氧化碳排放国和能源消费国（徐斌等，2019）。积极应对气候变化是中国实现可持续发展和生态文明建设战略的内在要求（方恺等，2020），从碳排放轨迹和生态环境演化上看，中国急需减少化石能源消耗，减缓碳排放压力（庄贵阳等，2018）。2015年，中国向联合国气候变化框架公约秘书处提交了《强化应对气候变化行动——中国国家自主贡献》，文件确定我国到2030年的自主行动目标，2016年，中国在杭州G20峰会上率先签署了气候变化问题《巴黎协定》（钱小军等，2017）。党的十九大报告明确指出要构建清洁低碳、安全高效的能源体系。习近平主席在第七十五届联合国大会一般性辩论上提出，中国二氧化碳排放量力争于2030年前达到峰值，努力争取2060年前实现碳中和，之后提出森林蓄积量将比2005年增加60亿立方米（庄贵阳等，2021），发展森林碳汇将成为应对气候变化的重要途径之一。“碳中和”即净零排放，狭义指二氧化碳排放，广义也可指所有温室气体的净零排放（巢清尘，2021）。碳中和要求人类活动排放的温室气体和大自然吸收相平衡，而准确的碳排放核算则成为碳中和目标实现的重要工具之一。碳是自然界基本的化学元素之一，它存在于地球上物质循环的整个过程中，对全球气候和环境变化起到了决定性作用。其中，碳源和碳汇是描述碳不同的流向，碳源表示向大气圈释放碳的通量，即碳排放，碳汇表示从大气圈中消除碳量的过程，即碳吸收（张精等，2021）；碳足迹（CarbonFootprint,CF）则主要应用于碳排放量的核算。碳足迹是公共领域广泛使用的应对气候变化的专业术语（Chenetal.，2021），作为一种综合的、统一的环境管理和评价指标，已经成为衡量生产和消费过程中直接和间接温室气体排放的常用方法（Wiedmannetal.，2007）和温室气体管理的重要工具，应用潜力巨大，在不同层面的政策制定中都得到广泛应用（Peters，2010），用其衡量碳排放较为合适。目前，运用碳足迹来研究碳减排的文献较为广泛，主要集中于碳足迹数值上的增减变动，以及对引起碳足迹变化影响因素的研究，而关于碳足迹的核算方法、碳足迹影响因素及碳足迹影响因素分解模型从基础到扩展应用的归纳综述较少。鉴于此，本文梳理了国内外碳足迹相关的经典及最新文献，归纳总结碳足迹研究进展、碳足迹主要影响因素及碳足迹影响因子分解模型，提出未来碳足迹有关研究的展望以及有待4141研究或解决的问题。碳足迹核算及影响因素的研究不仅扩展了碳足迹的研究领域，也有利于地区的环境保护和低碳发展，对于构建碳足迹理论体系也有一定的学术价值。2碳足迹研究进展近年来，碳足迹已作为一种评估碳排放量的方法，逐渐引起学术界及公众的广泛关注。国内外的研究主要围绕碳足迹的概念、碳足迹研究尺度、碳足迹核算方法及应用范围等方面的研究展开。2.1碳足迹的概念碳足迹的概念源于生态足迹，约占人类总生态足迹的54%，是人类总生态足迹最大的组成部分（Mancinietal.，2016）。陈振环等（2020）将碳足迹作为林业生态足迹的一部分，研究得出碳足迹在林业生态足迹中所占比例较高。生态足迹是用生物生产性土地面积来衡量一定范围内一定量人口的资源消费和废物吸收水平的账户工具（Wackernageletal.，1996），直接反映了自然资源的使用情况，是衡量人类社会对自然资源使用的程度和强度（Fuetal.，2015），单位是全球公顷。世界自然基金会（WorldWildlifeFund，WWF）基本上每两年公布一次《生命行星报告》（LivingPlanetReport），用于定量测算世界可持续发展的进展情况，报告中就给出了世界各国的生态足迹数值。其中2008年的报告中指出，全球人均生态足迹是2.7全球公顷，而人均碳足迹是1.41全球公顷。鉴于此，碳足迹的表征是土地面积单位，这是对碳足迹概念的一种解释。对于碳足迹概念的另外一种解释着重于碳排放量的衡量。Wiedmannetal.（2010）认为碳足迹是一种被广泛接受的评估活动或产品在其生命周期中所造成的直接和间接碳排放的方法。Hammond（2007）在Nature上发表文章强调碳足迹是一个人或一项活动所产生的“碳重量”。此种对于碳足迹的解释存在的争议是碳足迹的研究对象是二氧化碳的排放量还是所有温室气体的排放量。也有学者将碳足迹的研究对象界定为二氧化碳或者其他温室气体的排放量，柯水发（2015）认为碳足迹是一项活动（或一种服务）进行的过程中直接或间接产生的二氧化碳或其他温室气体排放量，或是产品的生命周期各阶段累计产生的二氧化碳或其他温室气体排放量用二氧化碳等价表示。随着碳足迹的深入研究，隐含碳的概念被提出。Matthewsetal.（2008）指出碳足迹的概念更多地应用于存量碳的核算，包含投入生产中的中间产品的隐含碳。隐含碳是指隐含在产品或服务中的在生产过程中排放的二氧化碳，一般多用于流量碳的核算，如区域间贸易和经济部门间流动的中间产品的隐含碳核算（Peters，2010）。Cangetal.（2020）指出对隐含碳排放进行准确地量化和预测是减少碳排放的有效途径。解希玮等（2021）以中俄林产品贸易为中心，在增加值贸易视角框架下针对国际林产品贸易进行的隐含碳排放进行了研究。此外，赵玉焕等（2021）从全球价值链嵌入角度对中国出口贸易隐含碳的影响进行了研究。2.2碳足迹研究尺度国内外关于碳足迹的研究较多，碳足迹指标包括个人、家庭、城市、国家等多个尺度（Minxetal.，2009）。樊杰等（2010）进行了个人终端消费导向的碳足迹研究；Xuetal.（2021）核算居民住房碳足迹及其驱动因素；Weberetal.（2008）量化了美国家庭碳足迹；Tianetal.（2016）计算了中国辽宁省的家庭碳足迹；Xieetal.（2020）计算了3个风力发电厂的碳足迹；Tóffanoetal.（2019）评估了英超俱乐部旅行模式的碳足迹，在2016/17赛季，英超俱乐部生产了约1134吨二氧化碳当量；石敏俊等（2012）计算了中国各省区的碳足迹；Hertwichetal.（2009）分析了世界上73个国家的碳足迹。此外，也可以按照联合国政府间气候变化专门委员会（IPCC）的分类方法，按部门不同将碳足迹分为能源部门碳足迹、工业过程和产品使用部门碳足迹、农林和土地利用变化部门碳足迹、废弃物部门碳足迹等。Slabochetal.（2021）考察了全球多个国家的二氧化碳排放量发展情况，分别对欧盟28国的四个基本经济部门——能源、其他工业、农业和废物管理进行结构分析，并对比分析了他们对碳足迹的贡献率。42422.3碳足迹核算方法及应用范围国内外常用的碳足迹核算方法主要包括生命周期评价法（LifeCycleAssessment，LCA）、投入产出法（Input-OutputAnalysis，IOA）、《2006年IPCC国家温室气体清单指南》（以下简称为IPCC方法）。2.3.1生命周期评价法（LCA）生命周期评价法是一项自20世纪60年代开始应用的重要环境管理工具，是为了分析产品和服务而产生的，采用自上而下的计算方法，通过获取产品或服务在生命周期内（从原材料开采、生产加工、储运、使用、废弃物处理等过程）所有的输入及输出数据得出总的碳排放量。目前主要应用于产品和服务方面，适用于微观层面的碳足迹核算。LCA法计算过程详细、准确，受边界限制及生命周期确定等方面的影响，该方法具有一定的局限性（张乐勤等，2011）。Rotzetal.（2010）采用生命周期法计算乳制品生产碳足迹。Fořtetal.（2018）采用生命周期评价法计算了捷克天然石膏和烟气脱硫石膏生产的碳足迹。朱强等（2019）采用生命周期法计算金寨县高山有机米在生产、加工处理、运输、餐饮消费以及废弃处理等环节的碳足迹。田沛佩等（2021）基于生命周期评价法定量分析研究我国2008-2017年地市尺度的化肥施用碳足迹时空演变特征。2.3.2投入产出法（IOA）投入产出法是一种自下而上的计算方法，利用投入产出表计算，通过平衡方程反映初始投入、中间投入、总投入，中间产品、最终产品、总产出之间的关系（宁淼，2006），相比于其他方法，具有原理明确、中间过程清晰、结构完整性强等优点，能够综合反映经济系统内各部门直接和间接的碳排放关系，克服因部门间生产关系复杂而导致的重复或遗漏计算问题，减少了系统边界划定带来的不确定性，已成为中宏观层面碳足迹核算的主要方法（张琦峰等，2018）。该方法系统性较强，计算简便，但计算模型所需数据量较大。Wiedmann（2009）对投入产出方法进行分析，并将其与碳足迹理论和实践联系起来。Yuetal.（2017）应用投入产出分析法分析澳大利亚建筑业的碳足迹。2.3.3IPCC方法IPCC方法也称排放系数法，是由联合国政府间气候变化专门委员会编写并提供计算温室气体排放的详细方法，已成为国际公认和通用的碳排放估算方法。IPCC方法较为通用的计算公式是：碳排放量=活动数据×排放因子。该方法可以较为全面地核算不同化石燃料燃烧导致的温室气体排放，数据获取方便，计算过程较简便，适用于各尺度的能源碳足迹核算（张琦峰等，2018）。但是该方法仅适用于研究封闭的孤岛系统的碳足迹，无法从消费角度计算隐含碳排放（耿涌等，2010）。Mohan（2018）使用IPCC方法计算了2005年至2014年印度住宅、商业、农业和渔业部门的碳足迹。Fuetal.（2020）使用IPCC方法核算了云南能源碳足迹的数值。3碳足迹的影响因素研究碳足迹的计算方法实现了碳排放量的核算，而不同地区不同时间的碳足迹有着较大的不同，碳足迹的影响因素研究就是找出影响碳足迹大小的关键因素。国内外对于碳减排影响因素涉及领域宽泛，不是一个简单的技术或经济问题，而是一个涉及经济、社会、环境系统的综合性问题。研究的层面也逐步由经济发展因素细化到人口、经济等具体内容。3.1经济发展因素经济增长促进了国家的发展，但也产生了环境污染问题，经济增长与资源环境承载力之间矛盾日益凸显。经济增长与碳排放的关系得到验证，Lantzetal.（2006）得出人均GDP与CO2排放不存在环境库兹涅茨曲线（EnvironmentalKuznetsCurve，EKC）关系。胡初枝等（2008）基于EKC模型，定量分析1990-2005年数据，得出经济增长与碳排放之间呈现出“N”型关系，经济规模是推动碳排放增加的主要因素。4343卢娜等（2011）利用STIRPAT随机模型分析人口、经济、技术等因素对能源消费碳足迹的影响程度，研究表明经济增长是能源消费碳足迹的主要影响因素，两者关系模型拟合未出现环境库兹涅茨曲线。Wangetal.（2012）运用STIRPAT模型对北京市碳足迹的影响因素进行分析，认为城市化水平是二氧化碳排放的主要驱动因素。周国富等（2014）研究得出经济发展是能源消耗碳足迹的主要因素。陈操操等（2014）基于STIRPAT模型和偏小二乘模型研究北京市能源消耗碳足迹影响因素，得出经济发展与环境保护尚未实现协同的结论。3.2人口因素碳减排的影响因素细化为人口因素，主要包括人口规模、人口结构和居民消费等要素。Satterthwaite（2009）研究表明，人口城镇化对碳排放具有显著的影响，单纯控制人口增长并不能实现碳减排目的。彭希哲等（2010）研究发现，人口因素是碳排放的重要影响因素，人口因素除了人口总量，还有人口城镇化水平、人口年龄构成、家庭规模等人口结构。李国志等（2012）研究表明，人口、消费与二氧化碳排放之间存在长期稳定的关系，二者对碳排放均有比较显著的影响。王耕等（2015）研究表明，人口数量是辽宁省能源消耗碳足迹最主要的影响因素之一。刘玉珂等（2019）研究得出人口规模对安徽省能源消费碳排放为负效应。林永钦等（2020）研究得出人口集聚度、产业（工业）集聚度对城市碳足迹都有显著的影响。3.3技术因素技术水平可以反映一个国家或地区的资源利用效率、经济发展与环境保护之间的平衡能力，是引起碳足迹增减变动的关键驱动力。技术进步可以使我国的CO2排放量减少（郑有飞等，2010），孙建卫等（2010）指出技术进步因素是碳排放量降低的主导因素。而技术进步体现在能源强度、能源结构、清洁能源使用等方面，Wangetal.（2005）等采用对数均值迪氏分解法（LogarithmicMeanDivisiaIndex，LMDI）对我国1957-2000年的CO2排放进行了分解，结果表明，代表技术因素的能源强度对碳排放起着关键性作用。Fanetal.（2006）分析了1980-2003年的碳排放影响因素，认为能源结构变化对于碳减排起到重要作用。王群伟等（2011）研究得出技术进步在二氧化碳排放综合绩效的变动中起着重要作用。林伯强等（2011）提出提高能源效率是减少碳排放的主要途径之一。莫建雷等（2018）认为碳减排的一个关键因素是能源的碳强度，即能源结构的调整，2005-2015年十年间中国能源碳强度年均下降率为0.5%。Zoundi（2017）使用因果检验法研究发现，清洁能源与二氧化碳排放之间存在双向因果关系，积极发展清洁能源有利于减少二氧化碳排放。徐斌等（2019）研究表明，清洁能源发展的二氧化碳减排作用主要体现在早期阶段，对西部地区二氧化碳排放产生一个“U型”非线性影响。杨莉莎等（2019）在引入指数分解（IndexDecompositionAnalysis，IDA）与生产理论分解（Production-theoryDecompositionAnalysis，PDA）相结合的分解分析框架的基础上，研究得出技术进步在二氧化碳减排过程中具有关键性作用，且对碳减排具有双重性影响的结论。3.4政策因素碳减排影响因素还涉及碳减排政策，邵帅等（2010）认为可通过政策引导技术创新提高能源利用效率达到碳减排的目的。碳减排政策包括碳交易政策和碳税政策等，张盼等（2018）建立了Stackelberg模型，得出两种碳减排政策的影响程度有所差异：当二氧化碳等温室气体对环境的破坏作用较小时，碳交易政策效果好，反之碳税政策效果好。谭灵芝等（2019）应用动态随机一般均衡模型（DynamicStochasticGeneralEquilibrium，DSGE）研究发现，在不同的减排目标下单一碳税制更适合持久性碳减排，碳排放权交易机制在短期影响较大，复合制度（碳税+碳排放权交易制度）的影响介于二者之间。田秀杰等（2020）从碳排放视角出发研究政府环境治理政策的效果，发现征收耕地占用税和林业投资均可有效减少碳排放，而征收资源税未能起到有效的约束作用。44444碳足迹影响因素分解模型研究如何将碳足迹的多种关键影响因素遴选出来，这就需要碳足迹影响因素的分解模型。碳足迹影响因素的分解模型较多，不同模型的提出是基于不同的公式和思路，解析出的影响因素也逐步出现差异化。根据模型提出时间及相关内容，将碳足迹影响因素分解模型归纳为三大类，具体如下所示。4.1基础模型——Kaya模型和IPAT模型碳足迹影响因素分解的基础模型主要包括Kaya模型和IPAT模型。Kaya模型是由Kaya于1989年在IPCC的研讨会上提出的，Kaya模型的公式如式（1）所示。ECO2=ECO2/E×E/GDP×GDP/P×P（1）式（1）中，ECO2为某一时期CO2排放总量，E为能源消耗量，GDP为国内生产总值，P为某时期总人口数量。IPAT模型是由Ehrlich等于1971年提出，IPAT模型的公式如式（2）所示。I=P×A×T（2）式（2）中，I为环境压力，P为人口数量，A为经济发展水平，T为科技水平。Kaya模型是通过简单的数学恒等式和乘数分解，将经济、政策和人口等影响碳排放量的主要因素表现出来，该模型的优势在于可以依次反映出能源结构、产业结构与技术水平、总体的经济发展水平和人口的规模效益这四个影响碳排放的宏观因素（牛文元等，2017）。但其分解形式过于随意，有时会造成分解因素间的严重共线性，分解的经济含义和经济相关性无法保证。而IPAT模型是建立在人口、消费和环境影响基础上的（Albuquerqueetal.，2019）。Chenetal.（2013）应用IPAT模型分析了四种二氧化碳排放情景下的碳减排影响因素。但是IPAT模型只能反映等式两边等比例的变化情况，采用的是恒定弹性系数，限制性较强，不能很好地对碳足迹影响因素进行具体分析。4.2拓展模型——STIRPAT模型对于碳足迹影响因素分解的拓展模型主要是STIRPAT模型，为了克服IPAT模型的局限性，Dietzetal.（1994）提出了随机性环境影响评估模型——STIRPAT模型，即人口、经济、技术变化对环境影响的随机回归模型。STIRPAT模型的具体公式如式（3）所示。I=aPbAcTde（3）式（3）中，I、P、A和T分别表示环境压力、人口规模、富裕程度和技术水平，a为模型系数，b、c、d分别为各影响因素的指数，e为模型误差。该模型不仅可以将每个系数作为一个参数进行估计，还可以对每个因素进行适当的分解。Suetal.（2020）指出该模型克服了IPAT模型各因素对碳排放的影响比例相同的缺陷，并使用STIRPAT模型来估计中国的碳排放基准。相比IPAT，STIRPAT模型可通过增减分解影响因素，来提高模型的解释能力。王长建等（2017）采用STIRPAT环境压力评价模型，对1990-2014年广东省能源消费碳排放的主要驱动因素进行时间序列分析。张巍（2021）应用STIRPAT模型，构建了包含人口、经济产出、技术水平、产业结构等变量的西安市碳足迹的预测模型。4.3定量分析模型——IDA模型、PDA模型、SDA模型各影响因素对碳足迹变化的贡献定量分析模型主要有指数分解模型（IDA）、生产理论分解模型（PDA）和结构分解模型（StructuralDecompositionAnalysis，SDA）。IDA一般用于分解单个经济部门碳排放变化的影响因素，且只能分析直接碳排放变化（Suetal.，2012），适合分解含有较少因素的、包含时间序列数据的模型。PDA不但为能源强度的变化提供了更好的经济学解释，而且其分解结果具有更多的政策含义，但是其在产业结构效应和能源消费结构效应的测度上不具备良好的性质（林伯强等，2014）。SDA方法利用投入产出表，以消耗系数矩阵为基础，可对各影响因素如产业部门最终需求、国际贸易等进行较4545为细致的分析（朱勤等，2009）。碳排放问题是SDA模型应用中最为活跃的领域之一（张纳军等，2018），SDA不仅能够分析经济部门的直接碳排放变化，而且能够分析隐含在经济部门供应链中的间接碳排放变化，被广泛应用于国家和区域碳足迹影响因素的分析中（Dengetal.，2016）。SDA的分解方法多样，如Dietzenbacheretal.（1998）开发的D&L模型和对数均值迪氏分解法（LMDI）模型。D&L模型存在非唯一分解问题，当驱动因素增加时，计算量会大大增加。相比而言，LMDI模型具有表达式简单、计算量小的特点（De，2008）。Suetal.（2012）建议当分解的因素多于4个时，应该使用LMDI模型。LMDI模型目的是将一定时期内碳排放的变化表示为各影响因素变化的贡献，Dengetal.（2016）基于时间序列能耗和投入产出数据，应用LMDI模型分析了云南省1997-2012年CO2排放变化的驱动因素。郭瑾等（2020）借助LMDI分解法等构建了我国港口碳足迹测算和驱动因素分析模型，研究了港口碳足迹的影响因素。5结论及展望Yangetal.（2020）以碳足迹为主题，检索了从2008-2018年的7021篇相关论文，通过利用CiteSpace工具综合分析碳足迹研究进展。黎恒等（2019）选取了1996-2017年WebofScience收录的有关碳足迹的相关文献8840篇，对碳足迹研究进行了分析，发现美国、英国、德国等发达国家是该领域的领先国家，中国近年来的研究增长较快，已跻身于全球发文量前十位。国外刊物发表碳足迹相关文献较多的是JournalofCleanerProduction期刊，国内《生态经济》《生态学报》《资源科学》等刊物刊载的碳足迹论文较多（胡小飞等，2019）。可见，碳足迹指标一直是国内外学者关注的对象，碳足迹已逐步成为气候变化、环境影响、资源利用等研究的重要工具。Alvarezetal.（2016）利用SWOT模型分析了碳足迹指标的优势、劣势、机会和威胁，指出必须从战略的角度来评估碳足迹指标。碳足迹分析在不同层次的政策解读中被广泛应用的潜力很大（Peters，2010）。5.1结论本文通过对碳足迹概念、碳足迹研究尺度、碳足迹核算方法及应用范围、碳足迹影响因素及定量分析模型等方面进行研究，归纳总结出3个结论。（1）碳足迹的研究不仅突破了单一的描述，更多地向实践应用发展，呈现多元化发展的趋势。碳足迹的研究范围涵盖微观、中观、宏观，涉及不同的领域不同的行业，但是碳足迹自身的环境信息不足，在制定气候政策方面的针对性较弱，研究视角也相对局限，以评估结果为依据进行政策制定、提供产业碳减排具体对策等方面的研究还相对薄弱。（2）碳足迹核算方法多样，各有适用条件。碳足迹的核算方法总体上有生命周期评价法、投入产出法和IPCC法，每种方法的计算思路不同，适用的条件也有所差异。生命周期评价法偏向微观层面的计算，应用较为广泛，投入产出法较为适用于中宏观层面，IPCC法适用于各尺度温室气体排放的核算。综合碳足迹的各种计算方法可以看出，目前不同尺度碳足迹评估结果多是基于现状静态数据的分析，其计算结果尚不能反映未来的碳排放发展趋势，所得结果的瞬时性特征明显。（3）碳足迹影响因素多样，大致分为经济、人口、技术和政策等层面因素。随着研究的深入，碳减排影响因素的分析呈现由面到点的变化。碳足迹影响因素的筛选是为了找出碳排放的关键因素，以便对症下药，制定相关的减排政策。而碳足迹影响因素分解模型也逐步由简及繁，分解出的影响因子也逐渐全面。但是由于各地区碳排放的影响因素差异较大，对于特殊地区的碳足迹影响因素的差异性研究还相对缺乏。另外，各影响因素对某一特定区域直接影响的研究较多，而对于空间关联性等相关影响的研究较少。5.2展望碳足迹的研究已从平面向三维展开，郑德凤等（2020）借鉴三维生态足迹模型构建了三维碳足迹模型，包括了碳足迹广度、碳足迹深度的测算。在碳足迹的研究延展度增加的同时，还有4个方面有待深入研究。4646（1）研究视角。基于“人地关系”视角的碳足迹内涵及碳排放发生机理有待丰富和完善。人与自然是生命共同体，世世代代生活于此的人是影响该地区生态环境不可忽视的重要因素，是人地关系中的主导者（魏伟等，2020），潘竟虎等（2021）从自然—社会系统的视角研究中国碳足迹时空格局演化，寻求在不同时间和空间尺度上碳减排的优化路径。Wangetal.（2019）研究表明，喀斯特地区近60%的植被退化是人为活动造成的。部分生态脆弱地区资源开发型的粗放型经济发展模式一时难以转变，居民固有的生活方式呈现较高的路径依赖性，要打破这种固有模式，应深入分析地区碳排放发生过程中的人口与资源、地理环境之间的机理，即人与地在特定的地域中相互联系、相互作用而形成的一种动态结构，吴传钧（1991）将其称之为人地关系地域系统。“人地关系”的视角将有利于碳足迹概念的进一步辨析和碳排放发生机理的进一步完善。（2）核算方法。碳足迹的计算方法生命周期评价是碳足迹相关领域未来研究的六大热点之一（黎恒等，2019）。碳足迹的核算方法有待深入研究，特别是一些特殊地区，如生态脆弱民族地区等。国内外对于碳足迹的核算方法在不断完善，但对于隐含碳流动的动态变化分析较少。应用IPCC方法核算宏观层面的碳足迹和应用生命周期法核算微观层面的碳足迹较多，应用投入产出法评估特殊地区的研究较少，且各地区边境贸易日益频繁，贸易产生的温室气体越来越多，有待进一步核算地区重点行业、新兴行业的隐含碳流动量，并深入分析其变化规律。除此之外，碳足迹核算的动态评估研究也有待提升，应强化评估结果对于政策制定的导向性与合理性。（3）影响因素。各地区碳足迹的影响因素差异性较大，应因地制宜、分类筛选。国内外研究普遍认为碳足迹是经济水平、人口、科技水平、政策等因素共同影响的结果。但是未考虑各地区碳排放效率的差异，会产生“鞭打快牛”现象，造成经济效率的扭曲和损失（钱浩祺等，2019）。例如，生态脆弱地区面临着经济跨越式绿色转型的紧迫性，碳足迹的影响因素是否存在差异性急待研究，应进一步找到生态脆弱地区碳减排的有效路径，合理制定区域差异化碳减排政策目标，确保经济社会发展的公平与效率。（4）影响因素分解模型。碳足迹影响因素的综合分解分析框架有待构建。现有的研究基本都是碳足迹影响因素分解的基础模型、拓展模型及影响因素贡献定量分析模型的单个或两个结合应用进行分析，将三者结合使用的较为少见，研究深度有待提高。另外，还可以采用空间计量模型研究碳足迹跨区域空间关联性带来的影响，并将碳源与碳汇间的平衡关系考虑在内。所以为全面、深入评价地区碳足迹的影响因素，有待进一步构建基础模型、拓展模型和影响因素贡献定量分析模型相结合的综合分解分析框架，为政策制定提供有力依据。参考文献巢清尘.“碳达峰和碳中和”的科学内涵及我国的政策措施[J].环境与可持续发展,2021,46（02）:14–19.陈操操,刘春兰,汪浩,等.北京市能源消费碳足迹影响因素分析——基于STIRPAT模型和偏小二乘模型[J].中国环境科学,2014,34（06）:1622–1632.陈振环,张彦发,朱洪革.中国林业生态足迹、生态压力与生态效率评价[J].林业经济问题,2020,40（05）:510–517.樊杰,李平星,梁育填.个人终端消费导向的碳足迹研究框架——支撑我国环境外交的碳排放研究新思路[J].地球科学进展,2010,25（01）:61–68.方恺,李帅,叶瑞克,等.全球气候治理新进展——区域碳排放权分配研究综述[J].生态学报,2020,40（01）:10–23.耿涌,董会娟,郗凤明,等.应对气候变化的碳足迹研究综述[J].中国人口·资源与环境,2010,20（10）:6–12.郭瑾,匡海波,余方平.能源消费视角下的港口碳足迹测算和驱动因素研究[J].管理评论,2020,32（08）:40–51.胡初枝,黄贤金,钟太洋,等.中国碳排放特征及其动态演进分析[J].中国人口·资源与环境,2008（03）:38–42.胡小飞,傅春.中部地区生态补偿的理论基础与实践研究[M].北京:科学出版社,2019.柯水发.北京市碳足迹影响因素、削减潜力及低碳发展策略研究[M].北京:人民日报出版社,2015.李国志,周明.人口与消费对二氧化碳排放的动态影响——基于变参数模型的实证分析[J].人口研究,2012,36（01）:63–72.黎恒,王宁,王宗水,等.碳足迹研究现状与演变:基于社会网络视角分析[J].世界地理研究,2019,28（06）:132–144.4747林伯强,杜克锐.理解中国能源强度的变化:一个综合的分解框架[J].世界经济,2014,37（04）:69–87.林伯强,孙传旺.如何在保障中国经济增长前提下完成碳减排目标[J].中国社会科学,2011（01）:64–76,221.林永钦,胡欣,毛燕玲.人口与产业集聚视角下城市碳足迹影响因素分析[J].生态经济,2020,36（12）:27–33.刘玉珂,金声甜.中部六省能源消费碳排放时空演变特征及影响因素[J].经济地理,2019,39（01）:182–191.卢娜,曲福田,冯淑怡,等.基于STIRPAT模型的能源消费碳足迹变化及影响因素——以江苏省苏锡常地区为例[J].自然资源学报,2011,26（05）:814–824.莫建雷,段宏波,范英,等.《巴黎协定》中我国能源和气候政策目标:综合评估与政策选择[J].经济研究,2018,53（09）:168–181.宁淼.投入产出模型在工业生态系统分析中的应用[J].中国人口·资源与环境,2006,16（04）:69–72.牛文元,《世界可持续发展年度报告》研究组.2016世界可持续发展年度报告[M].北京:科学出版社,2017.潘竟虎,张永年.中国能源碳足迹时空格局演化及脱钩效应[J].地理学报,2021,76（01）:206–222.彭希哲,朱勤.我国人口态势与消费模式对碳排放的影响分析[J].人口研究,2010,34（01）:48–58.钱浩祺,吴力波,任飞州.从“鞭打快牛”到效率驱动:中国区域间碳排放权分配机制研究[J].经济研究,2019,54（03）:86–102.钱小军,周剑,吴金希.2016巴黎协定后中国绿色发展的若干问题思考——清华大学绿色经济与可持续发展研究中心政策研究报告[M].北京:清华大学出版社,2017.邵帅,杨莉莉,曹建华.工业能源消费碳排放影响因素研究——基于STIRPAT模型的上海分行业动态面板数据实证分析[J].财经研究,2010,36（11）:16–27.石敏俊,王妍,张卓颖,等.中国各省区碳足迹与碳排放空间转移[J].地理学报,2012,67（10）:1327–1338.孙建卫,赵荣钦,黄贤金,等.1995-2005年中国碳排放核算及其因素分解研究[J].自然资源学报,2010,25（08）:1284–1295.谭灵芝,孙奎立.基DSGE模型的我国三类碳减排政策效果分析[J].企业经济,2019,38（10）:41–47.田沛佩,卢宏玮,李丹,等.2008-2017年中国地级市化肥施用碳足迹的时空演变格局[J].中国环境科学,2021,41（02）:967–973.田秀杰,唐蕊,周春雨.基于碳排放视角的政府环境治理政策效果研究[J].调研世界,2020（03）:30–36.王长建,张虹鸥,叶玉瑶,等.广东省能源消费碳排放的多变量驱动因素——基于扩展的STIRPAT模型[J].科技管理研究,2017,37（03）:210–214.王耕,徐小迪.辽宁省能源消费碳足迹变化及其人文因素影响研究[J].资源开发与市场,2015,31（09）:1096–1099.王群伟,周德群,周鹏.区域二氧化碳排放绩效及减排潜力研究——以我国主要工业省区为例[J].科学学研究,2011,29（06）:868–875.魏伟,张轲,周婕.三江源地区人地关系研究综述及展望：基于“人、事、时、空”视角[J].地球科学进展,2020,35（01）:26–37.吴传钧.论地理学的研究核心——人地关系地域系统[J].经济地理,1991,11（03）:1–6.解希玮,李芳芳,程宝栋.增加值贸易视角中俄林产品出口隐含碳排放核算[J].林业经济问题,2021,41（03）:296–303.徐斌,陈宇芳,沈小波.清洁能源发展、二氧化碳减排与区域经济增长[J].经济研究,2019,54（07）:188–202.杨莉莎,朱俊鹏,贾智杰.中国碳减排实现的影响因素和当前挑战——基于技术进步的视角[J].经济研究,2019,54（11）:118–132.张精,方堉,魏锦达,等.基于碳足迹的安徽省农田生态系统碳源/汇时空差异[J].福建农业学报,2021,36（01）:78–90.张乐勤,许信旺.气候变暖背景下碳足迹研究现状与展望[J].中国科技论坛,2011（08）:99–105.张纳军,程郁泰.碳排放SDA模型的算法比较及应用研究[J].统计与信息论坛,2018,33（04）:67–74.张盼,熊中楷.基于政府视角的最优碳减排政策研究[J].系统工程学报,2018,33（05）:627–636,697.张琦峰,方恺,徐明,等.基于投入产出分析的碳足迹研究进展[J].自然资源学报,2018,33（04）:696–708.张巍.基于STIRPAT模型的西安市碳足迹预测和情景分析[J].生态经济,2021,37（04）:25–29.赵玉焕,郑璐,刘似臣.全球价值链嵌入对中国出口贸易隐含碳的影响研究[J].国际贸易问题,2021（03）:142–157.郑德凤,刘晓星,王燕燕,等．中国省际碳足迹广度、深度评价及时空格局[J].生态学报,2020,40（02）:447–458．郑有飞,李海涛,吴荣军,等.技术进步对中国CO2减排的影响[J].科学通报,2010,55（16）:1555–1564.周国富,宫丽丽.京津冀能源消耗的碳足迹及其影响因素分析[J].经济问题,2014（08）:27–31.朱强,段继红,钱煜昊,等.基于生命周期理论的有机米碳足迹分析——以金寨县高山有机米为例[J].干旱区资源与环境,48482019,33（10）:41–46.朱勤,彭希哲,陆志明,等.中国能源消费碳排放变化的因素分解及实证分析[J].资源科学,2009,31（12）:2072–2079.庄贵阳,薄凡,张靖.中国在全球气候治理中的角色定位与战略选择[J].世界经济与政治,2018（04）:4-27,155–156.庄贵阳,窦晓铭.新发展格局下碳排放达峰的政策内涵与实现路径[J].新疆师范大学学报（哲学社会科学版）,2021（06）:1–10.AlbuquerquedaSilvaB,ConstantinoM,SouzadeOliveiraO,etal.Newindicatorformeasuringtheenvironmentalsustainabilityofpubliclytradedcompanies:AninnovationfortheIPATapproach[J].JournalofCleanerProduction,2019,215:354–363.AlvarezS,Carballo-PenelaA,Mateo-ManteconI,etal.Strengths-Weaknesses-Opportunities-Threatsanalysisofcarbonfootprintindicatorandderivedrecommendations[J].JournalofCleanerProduction,2016,121:238–247.CangY,YangL,LuoZ,etal.Predictionofembodiedcarbonemissionsfromresidentialbuildingswithdifferentstructuralforms[J].SustainableCitiesandSociety,2020,54:101946.ChenL,YangZ,ChenB.Scenarioanalysisandpathselectionoflow-carbontransformationinChinabasedonamodifiedIPATmodel[J].PLOSONE,2013,8（10）:e77699.ChenW,YinX,ZhangH.Wherehascarbonfootprintresearchgone?[J].EcologicalIndicators,2021,120:106882.DeBoerP.Additivestructuraldecompositionanalysisandindexnumbertheory:anempiricalapplicationofthemontgomerydecomposition[J].EconomicSystemsResearch,2008,20（01）:97–109.DengMX,LiW,HuY.Decomposingindustrialenergy-relatedCO2emissionsinYunnanprovince,china:switchingtolow-carboneconomicgrowth[J].Energies,2016,9（01）:23.DietzT,RosaEA.Rethinkingtheenvironmentalimpactsofpopulation,affluenceandtechnology[J].HumanEcologyReview,1994,1（02）:277–300.DietzenbacherE,LosB.Structuraldecompositiontechniques:senseandsensitivity[J].EconomicSystemsResearch,1998,10（04）:307–324.EhrlichP,HoldernJ.Impactofpopulationgrowth[J].Science,1971,171（3927）:1212–1217.FanY,LiuLC,WuG,etal.ChangesincarbonintensityinChina:Empiricalfindingsfrom1980-2003[J].EcologicalEconomics,2006,62（03）:683–691.FořtJ,ČernR.CarbonfootprintanalysisofcalcinedgypsumproductionintheCzechRepublic[J].JournalofCleanerProduction,2018,177:795–802.FuW,LuoM,ChenJ,etal.Carbonfootprintandcarboncarryingcapacityofvegetationinecologicallyfragileareas:AcasestudyofYunnan[J].PhysicsandChemistryoftheEarth,2020,120:102904.FuW,TurnerJC,ZhaoJ,etal.Ecologicalfootprint（EF）:Anexpandedroleincalculatingresourceproductivity（RP）usingChinaandtheG20membercountriesasexamples[J].EcologicalIndicators,2015,48:464–471.HammondG.Timetogivedueweighttothe“carbonfootprint”issue[J].Nature,2007,445:256.HertwichG,PetersP.Carbonfootprintofnations:Aglobal,tradelinkedanalysis[J].EnvironmentalScienceandTechnology,2009,16:6414–6420.LantzV,FengQ.Assessingincome,population,andtechnologyimpactsonCO2emissionsinCanada:Where'stheEKC?[J].EcologicalEconomics,2006,57:229–238．ManciniMS,GalliA,NiccolucciV,etal.Ecologicalfootprint:Refiningthecarbonfootprintcalculation[J].EcologicalIndicators,2016,61:390–403.MatthewsHS,HendricksonCT,WeberCL.Theimportanceofcarbonfootprintestimationboundaries[J].EnvironmentalScience&Technology,2008,42（16）:5839–5842.MinxJC,WiedmannT,WoodR,etal.Input-outputanalysisandcarbonfootprinting:Anoverviewofapplications[J].EconomicSystemsResearch,2009,21（03）:187–216.MohanRR.TimeseriesGHGemissionestimatesforresidential,commercial,agricultureandfisheriessectorsinIndia[J].AtmosphericEnvironment,2018,178:73–79.PetersGP.Carbonfootprintsandembodiedcarbonatmultiplescales[J].CurrentOpinioninEnvironmentalSustainability,2010,2（04）:245–250.4949RotzCA,MontesF,ChianeseDS.Thecarbonfootprintdariryproductionsystemsthroughpartiallifecycleassessment[J].JournalofDairyScience,2010,93（03）:1266–1282.SatterthwaiteD.TheImplicationsofpopulationgrowthandurbanizationforclimatechange[J].EnvironmentandUrbanization,2009,21（02）:545–567．SlabochJ,HálováP,LaputkováA.DevelopmentandstructuralchangesofcarbonfootprintinEU28[J].Sustainability,2021（13）:4771–4791.SuB,AngBW.Structuraldecompositionanalysisappliedtoenergyandemissions:Somemethodologicaldevelopments[J].EnergyEconomics,2012,34（01）:177–188.SuK,LeeCM.WhenwillChinaachieveitscarbonemissionpeak?AscenarioanalysisbasedonoptimalcontrolandtheSTIRPATmodel[J].EcologicalIndicators,2020,112:106138.TianX,GengY,DongH,etal.RegionalhouseholdcarbonfootprintinChina:AcaseofLiaoningprovince[J].JournalofCleanerProduction,2016,114:401–411.TóffanoPereiraRP,FilimonauV,RibeiroGM.Scoreagoalforclimate:AssessingthecarbonfootprintoftravelpatternsoftheEnglishPremierLeagueclubs[J].JournalofCleanerProduction,2019,227:167–177.WackernagelM,ReesWE.Ourecologicalfootprint:Reducinghumanimpactontheearth[M].GabriolaIsland:NewSocietyPublishers,1996.WangC,ChenJN,ZouJ.DecompositionofenergyrelatedCO2emissioninChina:1957–2000[J].Energy,2005,30:73–83.WangH,LiuG,LiZ,etal.ComparativeassessmentofvegetationdynamicsundertheinfluenceofclimatechangeandhumanactivitiesinfiveecologicallyvulnerableregionsofChinafrom2000to2015[J].Forests,2019,10（04）:317.WangL,ZhaoL,MaG,ZuoJ,etal.Waytoaccomplishlowcarbondevelopmenttransformation:Abibliometricanalysisduring1995–2014[J].RenewableandSustainableEnergyReviews,2017,68:57–69.WangZ,YinF,ZhangY,etal.AnempiricalresearchontheinfluencingfactorsofregionalCO2emissions:EvidencefromBeijingcity,China[J].AppliedEnergy,2012,100:277–284.WeberCL,MatthewsHS.QuantifyingtheglobalanddistributionalaspectsofAmericanhouseholdcarbonfootprint[J].EcologicalEconomics,2008,66（02-3）:379–391.WiedmannT.Editorial:carbonfootprintandinput-outputanalysis-Anintroduction[J].EconomicSystemsResearch,2009,21:175–186.WiedmannT,BarrettJ.Areviewoftheecologicalfootprintindicator-perceptionsandmethods[J].Sustainability,2010（2）:1645–1693.WiedmannT,MinxJ.Adefinitionof"CarbonFootprint"[M].NewYork:NovaSciencePublishers,2007.XieJ,FuJ,LiuS,etal.Assessmentsofcarbonfootprintandenergyanalysisofthreewindfarms[J].JournalofCleanerProduction,2020:120159.XuLQ,GengY,WuD,etal.Carbonfootprintofresidents'housingconsumptionanditsdrivingforcesinChina[J].Eneries,2021,（14）:3890–3906.YangY,MengG.Theevolutionandresearchframeworkofcarbonfootprint:Basedontheperspectiveofknowledgemapping[J].EcologicalIndicators,2020,112:106125.YuM,WiedmannT,CrawfordR,etal.ThecarbonfootprintofAustralia'sconstructionsector[J].ProcediaEngineering,2017,180:211–220．ZoundiZ.CO2emissions,renewableenergyandtheEnvironmentalKuznetsCurve,apanelcointegrationapproach[J].RenewableandSustainableEnergyReviews,2017,72:1067–1075.（责任编辑康燕）