二氧化碳等温室气体的排放引起全球气候变暖,严重威胁着人类生活生产和社会经济的可持续发展,已成为各国家政府高度重视的一个国际性议题,有关碳的研究也已成为各国学者研究的热点课题。就碳排放而言,国外学者对碳排放的研究角度较丰富,虽然我国对于碳的研究起步晚于国外,但是发展迅速,研究角度和对象也逐渐丰富起来。西安市作为西北地区最大的中心城市以及我国第三个国际化大都市,目前对于西安市的碳排放研究还处于起步阶段,因此,本文以西安市为例,采用回归模型、灰色关联度、IDW插值、Hopfield神经网络、LMDI法、RBF神经网络、灰色模型方法对其过去和现在的土地利用变化下碳排放量的动态变化和“碳源”的格局进行分析,并对未来的碳排放量进行预测,得到以下主要结论：(1)不同用地类型的动态变化差异显著应用土地利用动态度和土地利用变化量对西安市各区县土地利用数据进行测算和统计,得到：1997-2007年,西安市主要土地利用类型的动态度表现为：建设用地>水体>耕地>未利用地>草地>林地,其中,西安市建设用地的变化最大,动态度为2.83%；林地的变化最小,动态度仅为0.18%。(2)建设用地变化对区域碳排放动态影响显著通过碳排放模型计算出1997～2007年,西安市的碳排放总体上呈增加趋势,主要土地利用方式的碳排放变化情况：建设用地>耕地>林地>草地,其中,建设用地的碳排放量是影响碳排放总量的主要因素。从建设用地碳排放的内部结构来看,煤炭的碳排放对建设用地碳排放的贡献最大,是产生建设用地碳排放的主要动力。经回归分析法和灰色关联度计算出不同土地利用方式与碳排放总量的关联度,大小表现为：建设用地>林地>耕地>草地,可见,建设用地是主要的碳源,并且建设用地与碳排放的关联度大于林地面积大小与碳排放关联度,可以推断,建设用地上能源的大量消耗所带来的碳排放远大于林地的吸收能力。(3)各区县碳源格局对比分析采用2007年西安市各区县的断面数据,以ArcGIS软件为操作平台,利用IDW插值法对其进行插值计算,得到西安市2007年“碳源”格局,雁塔区>未央区>灞桥区>户县>长安区>莲湖区>高陵县>新城区>碑林区>临潼区>蓝田县>阎良区>周至县；并利用Hopfield神经网络聚类分析对其进行聚类分析,根据碳排放量的结构和大小将西安市各区县的土地利用结构分为了四类。(4)碳排放驱动因素分析通过LMDI分解法探讨西安市碳排放动态变化的驱动因素。1997～2007年,能源结构、人均GDP与人口对于西安市碳排放量具有拉动作用,而能源强度对碳排放量具有抑制作用。碳排放量产生的主要驱动因素是经济发展因素(人均GDP、人口数量)和以煤炭为主的能源结构,其中,经济发展因素是导致碳排放量增加的主要原因,煤炭消耗量过且比例过大是产生碳排放量增加的直接原因。(5)2015年碳排放预测通过RBF神经网络方法、灰色模型、回归模型预测,2015年西安市碳排放总量将达到7085.477万t,其中,建设用地仍然是主要碳源,碳排放量将达到7101.787万t；林地仍然是主要碳汇,碳吸收将为28.488万t,但是,建设用地的碳源能力远大于林地的碳汇能力。