从电力、天然气、汽车、飞机、饮食和废弃物计算年度CO₂e排放量，与全球平均（7吨/年）对比，了解您的碳足迹。
计算的核心是将各类活动的物理消耗量，乘以对应的排放因子，并汇总为CO₂当量。电力消耗的排放计算是基础：
$$E_{\text{电力}}= \text{月用电量}(kWh) \times 12 \times EF_{\text{电网}}(kgCO_2e/kWh)$$其中，$E_{\text{电力}}$ 是电力产生的年排放量，$EF_{\text{电网}}$ 是电网排放系数，它直接反映了发电能源结构的清洁程度。
对于包含非CO₂温室气体的活动（如天然气燃烧、废弃物处理、畜牧业），计算中需引入全球变暖潜势（GWP）进行换算：
$$CO_2e = \text{活动量}\times EF_{\text{物质}}\times GWP_{\text{物质}}$$例如，计算天然气燃烧的排放：活动量是消耗的立方米数，$EF_{\text{物质}}$ 是CH₄的排放因子，$GWP_{\text{CH₄}} = 28$。这个公式将不同温室气体的影响统一到了CO₂的尺度上。
个人与家庭碳足迹管理：这是最直接的应用。通过量化电、气、交通、饮食等各项排放，个人可以清晰识别主要的排放来源，从而有针对性地采取减排措施，例如减少高频率短途飞行、调整饮食结构或选择绿色电力套餐。
企业供应链碳排放核算：许多大型企业需要核算其产品“从摇篮到坟墓”的碳足迹。计算器中的各类排放因子模型，是评估原材料生产、产品制造、运输物流等环节环境影响的基础工具，帮助企业设定科学碳目标。
城市规划与政策制定：政府部门可以基于区域平均的能源消耗、交通模式和废弃物处理数据，利用类似的模型估算城市总碳排放，评估不同政策（如推广电动汽车、建设垃圾焚烧发电厂）的潜在减排效果，为低碳城市规划提供数据支撑。
绿色金融与碳市场：在碳交易或绿色信贷领域，需要精确评估项目或投资的减排量。这类计算模型为风电、光伏等减排项目产生的“核证减排量”提供了方法论基础，将环境效益转化为可交易的经济价值。
这类计算中最容易踩的第一个坑，就是“活动量”与“排放因子”的单位不匹配。比如，你是否将汽油使用量以“日元”为单位输入了？工具通常需要的是“升”或“公里”。若要从加油费用换算成升数，需要用单价（日元/升）进行除法运算。在实际工作中，如果数据收集时只有“购买金额”，那么第一步就是寻找合适的单价。
其次是“平均值”的陷阱。即使电力排放系数选择了“日本平均值”，如果你签约的电力公司是100%可再生能源，实际排放量几乎为零。这个工具终究只是一个估算参考。若想更精确，专业做法是调查自己电力的“实际排放系数”并进行自定义。天然气和汽油也会因产地和精炼方式导致碳含量略有差异，但初期使用标准值即可。
最后，要注意“减排效果的高估”。例如，输入“每周有一天不开车”时，如果只是简单地将年行驶距离乘以6/7是不够的。那天你可能会改乘电车或巴士，如果不加上这部分移动产生的排放量，就会高估减排量。进行模拟时，要养成从系统整体思考的习惯，避免陷入局部最优。
这类计算的核心思想是“物质平衡（物料衡算）”和“能量平衡”。在工厂的化工流程设计中，会基于反应方程式严格追踪投入的碳如何分配到产品、副产物和废气中。这里的计算模型与之完全相同：假设燃烧汽油这种“碳氢化合物”时，其中所含的碳(C)几乎全部转化为二氧化碳(CO₂)。
此外，确定发电的排放系数离不开“生命周期评估（LCA）”的知识。太阳能电池板制造过程中产生的CO₂，也需要平摊到其整个发电周期内计入。对于风力发电，混凝土基础的制造则是主要的排放源。这个工具的背后，使用了针对各种能源通过LCA推导出的大量清单数据。
再者，估算城市或国家排放量时，会运用“统计学”和“数据同化”技术。典型例子包括回归模型，它利用有限的样本数据（例如家庭调查），以人口动态和经济活动为解释变量，来估算整个区域的活动量。可以说，这个工具的个人计算部分，正是那个庞大估算系统的最小单元。
首先的下一步，是掌握“范围1、2、3”的概念。这个工具计算的主要是个人的直接排放（范围1：车辆燃烧）以及电力等间接排放（范围2）。但真正有趣且困难的是范围3，例如追溯到你食用的牛肉生产过程中牧场产生的甲烷排放。不妨阅读几家企业的LCA报告书，看看他们是如何设定“系统边界”范围的。
如果想了解数学背景，彻底练习“单位的量纲分析”是条捷径。所有的计算都可以通过单位是否能漂亮地约分、整理来验算，例如：$$ \frac{[kg-CO₂]}{[年]} = \frac{[km]}{[年]} \times \frac{[L]}{[km]} \times \frac{[kg-CO₂]}{[L]} $$。这种感觉在未来构建更复杂的物理模型时也绝对用得上。
最后，来学习将计算结果“可视化”并连接到“决策”的阶段。这个工具的比较图表只是入门。接下来，请尝试进行敏感性分析。哪个输入参数（行驶距离还是饮食方式）的微小变动会导致总排放量波动最大？掌握这种数值评估方法（接近偏微分的概念），你就能定量地而非仅凭直觉来解释减排措施的优先顺序了。