以二氧化碳为代表的温室气体排放所导致的气候变化问题日益引起全球国家的重视。伴随着全球气温的不断升高，如热浪、沙暴、飓风、干旱和洪水等气候灾害发生的频率和强度也随之增强，进而威胁着人类的生存和发展。
为了能够从全球层面更好的应对气候变化问题，作为世界第二大经济体，中国已成为全球最大的二氧化碳排放国回。与此同时，根据国际能源署公布的数据计算得到，2018年中国与能源消费相关的二氧化碳排放占中国总二氧化碳放量的76%，占全球的比例达到了29.3%。
为了充分展现应对全球气候变化的雄心和对全球人类共同事业的责任担当，中国承诺在2030年之前实现二氧化碳达峰，在2060年之前实现碳中和，并进一步宣布了国家自主贡献最新举措。与此同时，中国也相继出台了一系列节能减排政策来进行指导和保障。
实现二氧化碳排放达峰是碳中和的前提条件。其中除了20世纪80年代末、90年代初由于经济衰退和转型而造成碳排放达峰的前苏联加盟共和国和东欧计划经济国家，其他国家基本上都属于经济社会高度发达的后工业化阶段国家，达峰时间也主要发生在了20世纪70年代之后。
在应对全球气候变化的时代背景下，许多未实现二氧化碳排放达峰国家本着“共同但有区别”的责任原则积极参与到二氧化碳减排行列当中，而中国二氧化碳排放峰值的实现将会有力的推动全球二氧化碳排放峰值的到来，也能够进一步为碳中和目标的实现奠定基础。
第四次评估报告指出，二氧化碳排放峰值是指一个国家或者地区的碳排放量在降低之前达到的最高值。就变化趋势而言，初步判断一个国家或地区二氧化碳排放是否达峰最直观的依据是观察有没有出现以倒U型曲线为特征的拐点。但是，出现了拐点是否就意味着实现了二氧化碳排放达峰呢？答案显然是否定的，因为现实情形下的碳排放趋势表现为波动变化的状态，过程中会出现多个阶段性的拐点。
在有足够长的时间序列作为判断依据的前提下，我们基本可以通过变化趋势判断二氧化碳排放是否达峰，例如英美等国家。但是，这种判断在时间上具有严重的滞后性，而在缺少足够长的时间序列作为依据的情况下，在下一个拐点出现之前，单纯依据观察二氧化碳排放趋势是难以准确研判近年来出现的拐点是碳排放的峰值点，还是由于短期波动引起的阶段性拐点，而对于碳排放真假峰值的研判又直接关系到国际承诺的如期兑现以及社会经济发展方式、碳减排策略的及时调整，尤其是对于以中国为代表的的广大发展中国家而言。
为了能够从社会经济发展角度科学合理的对碳达峰进行研判，首先以已实现碳达峰的OECD国家为例，通过构建经济-社会-技术-能源系统深入探究了碳达峰时对应的社会经济发展状态以及达峰前后的演变规律，从而分析社会经济系统动态演化下的碳达峰机理，并以此为前提构建了定量化的峰值综合判断系统，确定了碳达峰的研判标准，在以全球国家为对象来验证系统合理性基础上探究了关键指标对碳排放变动的驱动效应。
在此基础上，利用构建的综合判断系统对中国省市的碳达峰状态进行研判，并根据新形势下中国的实际发展国情分析了综合判断系统的适用性，进而对系统进行了适用于中国本土化的修正和完善，在此基础上提出了相应的政策建议，以期为之后碳达峰和碳减排策略的制定提供支撑和依据。
碳排放影响因素研究
社会经济影响因素选取方面。二氧化碳排放影响因素一直是国内外研究的重要领域，通过影响因素的研究揭示二氧化碳排放的内在驱动原因。当前研究中，学者们分析较多的影响因素包括了经济规模、产业结构、能源结构、能源强度、人口、城市化率、低碳技术、收入等。LOVE等建立的面板向量自回归模型对中国范围内能源消费、经济变化与碳排放之间的关系进行探讨。王少剑等结合动态空间面板数据模型定量识别城市碳排放的关键因素，确定人均碳排放与人均GDP之间存在显著的倒“U”型关系。
王建雄等对能源消费量变化、人口变化、人均GDP以及地区生产总值因素对京津冀地区碳排放的影响进行了分解分析。朱欢等根据新结构经济学理论，利用联立方程模型探究了全球范围内67个经济体经济规模与能源结构改变对二氧化碳排放的影响。
王丽萍等对物流业的二氧化碳排放影响因素进行分析，结果表明经济规模与经济结构对碳排放起到正向促进作用，而行业效率与低碳技术对碳排放反向抑制作用。任英华等对城镇碳排放影响因素进行研究，其中人均可支配收入、城镇居民消费结构、家庭户总数及平均家庭户规模均是二氧化碳排放的关键影响因素。
K.Liaskas将观测到的碳排放变化通过指数分解法进行分解分析，确定了产出水平、能源强度、能源结构变化是工业二氧化碳排放水平变化的主要影响因素。Zhu等利用D&L方法对印度碳排放的影响因素进行了分解分析，结果表明居民消费、投资和出口的需求增加是推动碳排放量增加的主要因素。
Henriques利用Kaya模型分析了北美、欧洲与日本的二氧化碳排放影响因素，在人均收入水平较低的情况下，从生物质燃料转向化石燃料是排放增长的主要影响因素，而随着收入水平的提高，规模效应尤其是收入效应成为主导，此外，从长远来看，技术变革被证明是主要的抵消因素。
Streimikiene等利用Kaya和Shapley分解模型探究了欧洲成员国二氧化碳排放的影响因素，分析显示能源密度和经济增长是所有被分析国家(立陶宛除外)人均排放量变化的主要驱动因素。
研究方法方面
就研究方法而言，相关文献大致可分为四类。
第一类通过分解模型探讨经济规模、产业结构、能源结构、人口等因素对碳排放的影响。由于基于LMDI的指数分解模型具有分解路径独立性和无残差的完美分解结果，它被广泛的应用到二氧化碳排放的分解分析当中，大多数研究表明经济增长是二氧化碳排放量增加的主要原因。
例如，Ma等利用LMDI方法量化了2005年至2016年中国二氧化碳排放量的驱动因素，表明经济快速增长是二氧化碳排放量增加的最重要原因。Du等基于LMDI方法，分析了1986-2013年间中国能源密集型工业二氧化碳排放量变化的驱动因素，结果表明经济规模的增加是促进二氧化碳排放增加的主要动力。
此外，Dong等和Wang等也使用LMDI模型证实，经济产出是二氧化碳排放的主要正驱动因素。Li等人采用一种将对数平均指数和去耦指数相结合的混合方法称为LMDI-D，得到经济增长对中国二氧化碳排放量增长的抑制作用远大于能源强度和碳排放效率对中国二氧化碳排放量增长的抑制作用的结果。
第二类是通过计量经济学和统计学模型对二氧化碳排放量的影响进行定量或定性分析。定量分析模型主要通过拟合模型系数反映影响程度和影响方向，如分析人口、经济发展和技术的随机影响回归模型、向量自回归模型、自回归分布滞后模型、广义矩估计模型等；定性分析模型如向量误差修正模型和格兰杰因果关系分析，其主要通过判断因果关系来解释经济增长等因素和二氧化碳排放之间的关系。
Danish等运用了一系列计量经济学工具量化了能源生产、经济增长与二氧化碳排放之间的关系，揭示了导致二氧化碳排放增加的主要原因是化石燃料的能源生产，还发现在巴基斯坦能源生产中，存在环境库兹涅茨曲线假说。刘晓燕基于STIRPAT模型分析工业能源消费碳排放规模和碳排放强度的影响因素。
冯梅等运用向量自回归模型，综合分析了科技水平、经济规模、城镇化水平和产业结构等影响因素对北京二氧化碳排放的影响。吴翔等运用自回归分布滞后模型，定量探讨了吉林省人均二氧化碳排放、能源强度、人均GNI以及工业化率的影响关系。张露等利用GMM模型研究了京津冀区域的产业结构合理化与高级化对二氧化碳排放的影响程度。
林发照通过VAR模型、Granger因果检验等方法对福建省二氧化碳排放、产业结构与经济增长的动态关系进行了研究。张丽峰等运用分位数回归和VAR模型中的脉冲响应和方差分解法对京津冀地区经济发展水平、技术水平、人口规模、能源结构与二氧化碳排放之间进行了相关关系研究。荣蓉等基于灰色关联度分析法对山东省2010-2019年碳排放量的影响因素进行关联性分析，结果表明城镇化率与碳排放的关联度最高。
第三类是基于环境库兹涅茨曲线模型研究经济增长、能源消费等影响因素与二氧化碳排放之间的关系。与其他定性确定变量间因果关系或通过计算模型系数定量确定影响程度的方法相比，Grossman和Krueger提出的EKC能够更好地反映经济增长与不同经济发展阶段二氧化碳排放之间的动态关系。一些研究的结果符合以倒U型曲线为特征的EKC假说，而另一些研究的结果则不是，呈N型，甚至是M型曲线。
一般来说，导致这一现象的原因有三个方面。第一个原因是研究对象和相应时间序列数据的不同。其中大多数研究表明，与发达地区相比，欠发达地区的经济增长与二氧化碳排放之间的关系不符合EKC假说。此外，特定的研究时间段对应特定的社会经济发展条件，会导致不同的研究结果，即使是对于同一个研究对象。第二个原因源于国内生产总值作为一个独立变量，在建立模型时设定为二次型还是三次型。最后一个原因主要来自于估算模型系数的不同方法，其中FMOLS、DORLS和ARDL是最常用的方法。
第四类是基于脱钩模型探究经济增长等影响因素与二氧化碳排放之间存在的脱钩关系。Wu等人对2001-2015年间中国30个省份的地区生产总值和二氧化碳排放量进行了Tapio脱钩分析，发现GDP和二氧化碳排放量之间存在强脱钩关系。
以2005-2015年的北京和上海为例，Wang等人利用解耦分析探讨了行业经济产出和二氧化碳排放之间的关系，两个城市都经历了建筑领域的弱脱钩、交通领域的扩张性负脱钩、贸易领域的扩张性脱钩。
