气候变化是当今世界各国所面临的共同挑战,中国作为人类命运共同体的倡导者承诺在2030年左右达到碳排放的峰值,然而近年来中国快速的城镇化进程给碳减排目标的实现带来了巨大压力,如何降低城镇居民的碳排放成为学者们关注的热点问题。城市绿地在固碳释氧和减缓城市热岛效应等方面的优点为减少城镇居民以热力消费为主的碳排放提供了可能。此外,城市交通基础设施的密集程度被证明可以有效地缩短城镇居民的通勤距离,因而在交通领域存在碳减排的潜力。由于我国各省份的地形与气候条件存在较大差异,城市绿地与交通基础设施对降低城镇居民碳排放的潜在积极作用未得到充分地认识。该研究首先利用能源平衡表和经改良后的碳排放因子对30个研究省份2011年至2017年间基于13种能源消费类型的城镇居民碳排放进行了核算,结合该数据利用线性回归模型分析了城镇化水平、城市绿地面积和交通基础设施密度对我国城镇居民碳排放的影响,并探讨了不同能源消费特征以及南北热力消费差异下省份分组的回归结果。在预测层面,该研究引入了两种非线性回归模型（随机森林回归和支持向量机回归）,利用机器学习的方法预测和验证了城镇化水平、城市绿地面积和交通基础设施密度影响下2017年我国各省份城镇居民的碳排放量,并对2018年的排放水平进行了预测。研究的结论显示:（1）电力、热力和汽油消费是当前我国城镇居民碳排放的三大主要来源,各省份城镇居民碳排放受能源消费特征的影响存在显著的异质性。（2）线性回归模型的结果显示以人口和土地为代表的城镇化水平对城镇居民碳排放起到了正向的推动作用,而城市绿地面积与交通基础设施密度的提高显著抑制了城镇居民碳排放的增长。（3）分组回归的结果显示城市绿地面积和交通基础设施密度分别对我国冬季无供暖需求省份和居民汽油消费量较高的省份具有显著的碳减排效应。（4）2017年的预测和验证结果显示机器学习算法下两种非线性回归模型与线性模型相比拥有高的拟合优度和更低的预测误差。2018年支持向量机回归的预测结果显示各省份城镇居民碳排放的均值已上升至3079.32吨。该研究建议政策制定者应该更多地关注我国城镇化进程中城市绿地与交通基础设施密度对减少城市碳排放的潜力,并应结合我国省份不同能源消费特征有针对性地实施碳减排方案。