旅游业能源消费、CO2排放及低碳效率评估

摘要 本文以投入产出分析思路与IPCC的CO2折算方法为基础，对湖北省17个城市的区域旅游能源消费与CO2排放进行了估算，并利用SBMUndesirable模型对区域旅游低碳效率及其全要素生产率作出了测度与分析。研究结论显示：湖北省旅游业能源消费量从2007年的2 008 518吨上升到2011年的5 121 460吨，对应CO2排放总量从2007年的6 340 302吨上升到2011年的15 773 041吨；住宿、餐饮、景区游览、购物、娱乐、邮电通信及其他服务等二级部门间接能源消费量（间接CO2排放量）远高于直接能源消费量（直接CO2排放量），而交通部门直接能源消费量（直接CO2排放量）远高于间接能源消费量（间接CO2排放量）。效率评估显示，若不考虑非期望产出，则旅游业发展效率存在被低估的可能；湖北省旅游业低碳效率整体上处于较低水平，不同区域旅游业的低碳效率水平存在较大差异，区域旅游经济系统内部生产要素使用潜力尚待发掘；在分析期内，湖北省区域旅游业低碳效率整体上处于上升状态，规模性因素所推动的技术进步是区域低碳旅游经济发展效率攀升的关键动力，而纯技术效率变化则不利于生产率提升。

关键词 城市；低碳旅游；效率；CO2排放

中图分类号 X22；F592 文献标识码 A 文章编号 1002-2104（2016）01-0047-08 doi：103969/jissn1002-2104201601007

联合国世界旅游组织（UNWTO）研究指出，旅游业CO2排放占全球人为CO2排放的4.9%，该排放量造成的影响占到全球温室效应的14%，若不采取有效措施，那么世界旅游业CO2排放总量将在2035年前以年均2.5%的速度递增[1]。2013年，中国入境游客、内地居民出境游客人数分别达到1.29亿人次、0.98亿人次，国内游客人数更是达到了32.62亿人次，这般规模的游客活动及其配套设施运营所造成的直接与间接能源消费、CO2排放理应得到重视[2]。那么旅游业能源消费及其引致CO2排放如何测度？低碳约束对旅游业发展效率产生何种影响？回答与分析这一问题对于旅游经济发展具有重要意义。

迄今为止，学者们从不同的研究视角出发，运用生产法和支出法、投入产出法、延伸式旅游卫星记事方法、以过程分析为基础的“自下而上”模型与以投入产出分析为基础的“自上而下”模型，对旅游产业能源消费与CO2排放作出了测度与分析[3]，譬如旅游目的地尺度范围与国际尺度范围下旅游业能源消耗与CO2排放评估[4-5]，亦有旅游交通[3，6]、旅游住宿[7-8]、旅游景区[9]等二级部门的能源消费、CO2排放问题研究。但综合而言，既有相关文献多侧重于旅游业特定子系统，对旅游产业能源消费与CO2排放问题关注不够，且囿于数据局限，已有研究多局限于与旅游相关直接能源消费与CO2排放，忽略了旅游经济活动引致的间接能源消费与CO2排放。在旅游发展效率评估方面，存在多种方法，但数据包络法是其常用工具，被广泛应用于评估旅游产业效率[10-11]、旅游酒店效率[12-13]、旅游交通效率[14]、旅游目的地效率[15]等等。随着气候变化与环境问题的逐步突显，部分学者选择将生态环境因素纳入旅游业发展效率评估框架，对旅游业低碳效率问题作出了探究，譬如李志勇[16]、查建平[17]等等，但上述研究皆忽略了投入与产出变量松弛型问题，影响了效率评估的准确性，且并未对其动态变化作出有效分析。有鉴于此，本文参照Liu[18]提出的基于投入产出分析法的能源强度测度思路，以2007-2011湖北省17个城市为研究对象，对旅游业直接与间接能源消费及CO2排放量作出评估，并运用SBMUndesirable模型对旅游业低碳效率及其变化进行了测度与分解，以期为低碳经济背景下旅游经济发展政策制定提供参考。

1 研究方法与思路

1.1 旅游业能源消费与CO2排放测度

旅游业能源消费与CO2排放主要包括两部分：一是直接能源消费及CO2排放，是游客在旅游服务消费过程中所直接消费的能源及其引致CO2排放，二是间接能源消费及CO2排放，是旅游经济活动中消费其他产业产品所间接消耗的能源及其引致CO2排放。旅游业直接能源消费计算公式如下：

TEdirect=∑nj=1Tj×eidirectj

（1）

查建平：旅游业能源消费、CO2排放及低碳效率评估

中国人口·资源与环境 2016年 第1期式（1）中：j（j=1，2，…，n）表示旅游产业二级部门，主要包括住宿、餐饮、交通、购物、娱乐、邮电通信和其他服务部门；TEdirect为旅游产业直接能源消费实物量；Tj为旅游业第j部门旅游总收入；eiJdirect为特定行业j的直接能源消费强度。参照Liu[18]提出的基于投入产出分析法的直接能源强度测度思路，利用投入产出表，结合能源平衡表，计算非能源产业能源消费价格（PE），即：

Ph1E=Xh1-Yh1ex+Yh1im-Yh1final-∑ch1=1Xh1h2Eh1S-Eh1Y-∑ch2=1Eh1h2

（2）

式（2）中：Ph1E为第h1种能源消费价格；Xh1为投入产出表中能源生产货币价值总量；Yh1ex为能源出口货币价值量；Yh1im为能源进口货币价值量；Yh1final为终端能源消费货币价值量；Xh1h2为第h2类能源产业所消耗的第h1类能源货币价值量，c为能源产业数量；Eh1S为能源平衡表中第h1类能源供给标准量；Eh1Y为能源平衡表中第h1类终端能源消费标准量；Eh1h2为能源平衡表中第h2类能源产业所消耗的第h1类能源标准量。在能源价格计算的基础上，对旅游业二级部门的直接能源消费强度（eidirect）作出估算，相应折算公式如下：

eidirectj=∑ch1=1Xh1jPh1EXj

（3）

式（3）中：j为特定行业类型，包括住宿、餐饮、交通、购物、娱乐、邮电通信与其他服务部门；Xh1j为投入产出表中第j行业所消耗的第h1类能源货币价值量；Xj为投入产出表中第j行业的总产出货币价值量。依据IPCC CO2排放折算方法，旅游业直接CO2排放量折算公式如下：

Cdirect=∑Hh1=1TEdirect×ηh1×CEh1×Oh1×4412

（4）

式（4）中：Cdirect为旅游业直接CO2排放量，h1（h1=1，2，…，H）为能源消费类型，ηh1为中国初始能源消费结构，CEh1为第h1类能源的碳排放系数，Oh1为第h1类能源的氧化系数，参照2007年IPCC研究报告。总能源消费强度指的是单位最终产品或服务所产生的全部能源消费量，以直接能源强度与列昂惕夫逆矩阵的乘积表示，即：

EItotal=EIdirect×（I×A）-1

（5）

式（5）中：EItotal、EIdirect分别为完全能源消费强度列向量、直接能源消费强度列向量，对应向量元素eitotalj、eidirectj分别表示各部门的总能源消费强度、直接能源消费强度，A为投入产出直接消耗系数，（I-A）-1为列昂惕夫逆矩阵。间接能源消费强度是总能源消费强度与直接能源消费强度的差额。依据间接能源消费强度数据，结合IPCC研究报告的CO2排放折算方法，我们可以计算得到旅游业间接能源消费量（TEindirect）与间接CO2排放量（Cindirect），即：

TEindirect=∑nj=1Tj×eiindirectj

（6）

Cindirect=∑Hh=1TEindirect×ηh×CEh×Oh×4412

（7）

据此，可以进一步计算出旅游业能源消费总量（TEtotal）与旅游业CO2排放总量（Ctotal），即：

TEtotal=TEdirect+TEindirect

（8）

Ctotal=Cdirect+Cindirect

（9）

1.2 旅游发展效率测度模型

假设存在n个受评决策单元（DMUsj）（j=1，2，…，n），第j个决策单元（DMUsj）消耗w种投入xij（i=1，2，…，w），同时生产出种s1期望产出yrj（r=1，2，…，s1）、s2种非期望产出bkj（k=1，2，…，s2），则第j′受评决策单元（DMUsj′）的投入、期望产出与非期望产出对应生产可能性集合数学表达式构造如下：

P={（x，y，b）：∑nj=1λjxij≤xij，i；∑nj=1λjyrj≥yrj′，r；∑nj=1λjbkj≤bj′；∑nj=1λj=1，k；λj≥0}

（10）

式（10）中：P为生产可能性集合，λj是权重变量，为所有受评决策单元对应观察值的权重，∑nj=1λj=1说明生产技术为可变规模报酬（VRS），否则为不变规模报酬（CRS）。参照Tone[19]，结合生产技术可能性集合P，本文构建包含非期望产出的SBMUndesirable模型如下：

p*=min1-1w∑wi=1Sij′-Xij′1+1s1+s2∑s1r=1srj′dyrj′+∑s2k=1skj′itbkj′

s.t. xij′=∑nj=1λjxij+sij′-，i；yrj′=∑nj=1λjyrj-srj′d，r；bkj′=∑nj=1λjbkj+skj′u，k；1=∑nj=1λj；λj≥0，j；sij′-≥0，i；srj′d≥0，r；skj′u≥0，k.

（11）

式（11）中：sij′-、srj′d、skj′u分别表示DMUsj′的投入冗余量、期望产出不足量及非期望产出超标量；旅游业低碳效率为ρ*，ρ*越大则说明旅游业低碳效率越大，反之，说明旅游业低碳效率越小。若不考虑非期望产出，则相应SBM模型如下：

δ*=min1-1w∑wi=1sij′-Xij′1+1s1∑s1r=1srj′dyrj′

s.t. xij′=∑nj=1λjxij+sij′-，i；yij′=∑nj=1λjyrj-srj′d，r；1=∑nj=1λj；λj≥0，j；sij′-≥0，i；sij′d≥0，r.

（12）

式（12）中：δ*为不考虑非期望产出的传统旅游业发展效率指标，δ*越大则说明效率越大，反之，说明效率越小。通过CharnesCooper转换，我们可以将非线性的SBM与SBMUndesirable模型转化为对偶线性规划模型，进而对不考虑非期望产出与考虑非期望产出的两种效率作出求解。

1.3 全要素生产率指数构建及其分解

参照Luenberger全要素生产率指标构建思路，构建反映旅游业低碳效率动态变化的全要素生产率指数如下：

LTFPt+1t=CPRECRS（t+1）-CPRECRS（t）

（13）

式（13）中：LTFPt+1t是从t期到t+1期的Luenberger全要素生产率指标，CPRE（t+1）、CPRE（t）分别表示跨期DEA下t+1期与t期的旅游业低碳效率，即以分析期内所有样本为参照点构造生产技术前沿，以此测度t+1期与t期DMUs的旅游业低碳效率，下标CRS表示不变规模报酬。LTFPt+1t>0说明旅游业低碳效率递增，反之递减。

同理，Luenberger全要素生产率指标可以进一步分解为技术效率变化（LECt+1t）与技术进步（LTPt+1t）两部分，即：

LECt+1t=CRECRS（t+1）-CRECRS（t）

（14）

式（14）中：CRECRS（t+1）（CRECRS（t））表示当期DEA下t+1期（t期）的旅游业低碳效率。

LTPt+1t=TGCRS（t+1）-TGCRS（t）

（15）

式（15）中：TGCRS（t+1）、TGCRS（t）分别表示t+1期与t期的技术差距，即DMUs在跨期DEA与当期DEA两类不同技术前沿测度下的效率差距，若TGCRS（t+1）>TGCRS（t），则说明技术取得进步，反之，则说明技术退化。

考虑规模效率因素后，可以将技术效率变化进一步分解为纯效率变化（LPEC）与规模效率变化（LSEC），将技术进步分解为纯技术进步（LPTP）与技术规模变化（LTSC），即：

LPECt+1t=CREVRS（t+1）-CREVRS（t）

（16）

LSECt+1t=[CRECRS（t+1）-CREVRS（t+1）]-

[CRECRS（t）-CREVRS（t）]

（17）

LPTPt+1t=TGVRS（t+1）-TGVRS（t）

（18）

LTSCt+1t=[TGCRS（t+1）-TGVRS（t+1）]-[TGCRS（t）-TGVRS（t）]

（19）

1.4 指标选取与数据来源

在投入与产出指标选取方面，本文选择旅游资源禀赋（TRE）、第三产业从业人员数量（ETI）、城市固定资产投资（UFI）为投入要素指标；在产出指标方面，各区域旅游业通过向游客提供不同需求与服务，藉此获得旅游产业收益（期望收益与非期望收益），其中期望收益的外在表征主要为旅游总收入（TTR），而非期望产出则以贯穿整个旅游产业链的旅游业CO2排放总量（CET）表征，表示低碳经济背景下旅游经济活动对生态环境形成的压力。

在数据来源方面，旅游业能源消费与CO2排放折算过程中所需的2007-2011年投入产出表源于欧盟投入产出数据库（World InputOutput Database）；入境游客与国内游客的旅游消费及其构成数据来自于湖北省旅游局提供的《湖北旅游便览》；中间与终端能源消费量、能源消费结构数据源于《中国能源统计年鉴》；不同级别旅游景区数目的差异体现了城市旅游资源禀赋高低，参照Tan[20]的思路，本研究以《旅游景区质量等级的划分与评定》（GB/T17775-2003）景区等级划分为依据，对各城市3A级以上景区数目进行分值折算，进而得到旅游资源禀赋指标数据；第三产业从业人员数量、城市固定资产投资指标数据源于《湖北省统计年鉴》；旅游总收入数据源于《湖北省旅游便览》；各城市CO2排放数据则依据上文所述评估方法折算而来。在研究中诸如城市固定资产投资、旅游总收入（TTR）等货币价值指标以2007年不变价格计算，价格波动剔除所需固定资产投资价格指数与居民消费价格指数源于《湖北省统计年鉴》。

2 实证分析结果及解读

2.1 旅游业能源消费量评估

在旅游业直接能源消费方面，武汉市旅游业年均直接能源消费量最高，达到753 378.7 t，其次为宜昌（116 810.3 t）、恩施（96 603.7 t）、十堰（85 227.1 t）、荆州（55 862.6 t）等等，年均直接能源消费量最低城市为潜江（2 668.5 t），各城市旅游业直接能源消费年均增长率皆在14%以上，最高达到69%，17个重点城市旅游业之间的直接能源消费量存在较大差距，且整体上处于明显上升通道（见图1）。从构成角度来看，不同城市之间的旅游业二级部门直接能源消费占比较为相似，各部门直接能源消费量年均占比依次为交通（80.17%）、住宿（7.37%）、购物（425%）、餐饮（341%）、其他服务（2.92%）、娱乐（162%）及邮电通信（026%）。依据能源消费测度方法的内部机理，区域旅游业直接能源消费量主要由直接能源消费强度与旅游经济产出规模两因素主导，直接能源消费强度决定了单位产值的能源消费量，体现了旅游经济系统内部的技术水平与经济结构变化，而旅游经济产出规模则属于规模因素，在很大程度上影响到了城市旅游业直接能源消费总量的高低。同理，旅游业二级部门的直接能源消费占比结构主要受旅游经济系统内部不同二级部门的直接能源消费强度与部门产出规模两个主要因素支配。在能源消费强度与部门产出规模等因素的推动下，餐饮、娱乐及邮电通信部门的旅游业直接能源消费占比逐步缩减，而交通、购物及其他服务部门的旅游业直接能源消费占比逐步攀升，住宿部门直接能源消费占比则相对平稳。

在旅游业间接能源消费方面，武汉市旅游业年均间接能源消费量最高，达到977 112.4 t，其次为宜昌（153 483.2 t）、恩施（123 515.6 t）、十堰（111 161.6 t）、荆州（74 106.8 t）等等，年均间接能源消费量最低城市为潜江（3 532.1 t），最高城市均值约合最低城市的277倍，各城市之间的旅游业间接能源消费量存在较大差异，而2007-2011年间各城市旅游业间接能源消费量增速明显，年均增长率皆在11%-65%之间（见图2）。分结构来看，旅游业二级部门的间接能源消费占比在各城市之间的差异相对较小，交通部门间接能源消费占比最高，年均占比达到29.84%，其次为餐饮（22.41%）、住宿（19.33%）、购物（17.14%）、其他服务（7.72%）、娱乐（2.72%）、邮电通信（0.85%）。与直接能源消费量及其结构相似，间接能源消费量及其结构亦受其能源消费强度与产出规模主导，但与直接能源消费强度相比，间接能源消费强度与旅游业二级部门的产业关联特质密切相关，二级部门所消费的来自能源密集型产业的产品越多，则对应二级部门间接能源强度越高。受旅游业二级部门间接能源消费强度与产出规模变化的驱动，2007-2011年间餐饮、娱乐、住宿及邮电通信部门的间接能源消费占比呈现缩减趋势，而交通、购物及其他服务部门的旅游业间接能源消费占比逐步攀升。在旅游业直接CO2排放方面，武汉市旅游业年均直接CO2排放量最高，达到2 332 944 t，其次为宜昌（362 361.9 t）、恩施（299 310.4 t）、十堰（263 854.8 t）、荆州（173 000.9 t）等等，年均直接CO2排放量最低城市为潜江（8 271.5 t），最高城市均值约合最低城市的282倍，各城市之间的旅游业直接CO2排放量存在明显差异。2007-2011年间各城市旅游业直接CO2排放量急速膨胀，年均增长率在13.23%-68.27%之间（见图3）。分结构来看，旅游产业交通、住宿、餐饮、景区游览、购物、娱乐、邮电通信及其他服务等二级部门的直接CO2排放量占比在各城市之间差异较小，交通部门直接CO2排放量占比最高，年均占比达到79.52%，其次为住宿（7.64%）、购物（4.09%）、餐饮（3.72%）、其他服务（2.94%）、娱乐（1.82%）及邮电通信（0.27%）。由于分析时期内的初始能源消费结构与各类能源碳排放系数变化幅度较小，因而各区域旅游业直接CO2排放量及其结构变化的成因与直 接能源消费量相似，更多地受直接能源消耗强度与产出规模影响，体现了各城市旅游产业节能减排技术水平、服务产品结构及经济规模三大维度变化。受上述因素驱动，2007-2011年间餐饮、娱乐及邮电通信部门的旅游业直接CO2排放占比逐步缩减，而交通、购物及其他服务部门的旅游业直接CO2排放占比逐步攀升，住宿部门对应直接CO2排放占比变化则相对平稳。

在旅游业间接CO2排放方面，武汉市旅游业年均间接CO2排放量最高，达到 3 027 417.1 t，其次为宜昌（476 416 t）、恩施（382 892.1 t）、十堰（344 318.1 t）、荆州（229 649.3 t）等等，年均间接CO2排放最低城市为潜江（10 955 t），最高城市均值为最低城市的276倍，各城市之间的旅游业间接CO2排放量存在较大差异，而2007-2011年间各城市的旅游业间接CO2排放量增速明显，年均增长率皆在10%以上，其中咸宁、鄂州、十堰、襄阳等城市年均增速更是超过30%（见图4）。从间接碳排放构成来看，交通部门间接CO2排放量占比最高，年均占比达到其次为餐饮（23.69%）、住宿（19.64%）、购物（16.46%）、其他服务（7.54%）、娱乐（2.90%）、邮电通信（0.86%）。由于2007-2011年间能源消费结构及不同能源的碳排放系数变化幅度较小，相应间接CO2排放量及其结构变化的成因与间接能源消费相似，主要受间接能源消费强度与产出规模驱动。从动态变化视角上看，2007-2011年间餐饮、娱乐、住宿及邮电通信部门的间接CO2排放占比呈现缩减趋势，而交通、购物及其他服务部门的旅游业间接CO2排放占比逐步攀升。

2.3 旅游业低碳效率

若考虑以CO2排放因素表征的生态环境约束，则无效率城市与前沿城市之间的差距将会缩小，旅游业传统发展效率整体上低于低碳效率（见图5），因而若不考虑非期望产出，则存在低估效率倾向。基于此，本文以低碳效率值为切入点，对各区域旅游业发展效率作出进一步分析与解读。

在整个分析时期内湖北省区域旅游业低碳效率整体均值为0.422，处于较低水平，这意味着将旅游经济系统内部生产要素潜力全部发挥出来，可以使产出在整个样本期再提升57.8%。从空间分布上看，神农架旅游业低碳效率年均值最高，年均效率值达到0.977，其次为恩施（0.869）、武汉（0.705）、十堰（0.511）、荆门（0.503）、仙桃（0.502）、黄冈（0.495）、鄂州（0.468）、宜昌（0.416）、荆州（0.354）、孝感（0.346）、黄石（0.310）、襄阳（0.308）、随州（0.107）、天门（0.105）、潜江（0.103）、咸宁（0.101）。最高城市的低碳效率是最低城市的9.6倍，各区域旅游业之间的低碳效率存在较大差异。作为全国资源节约型和环境友好型社会建设综合配套改革试验区，武汉城市圈9市旅游业低碳效率平均值为0.348，而鄂西生态文化旅游圈8市旅游业低碳效率均值达到0.505。从动态变化视角上看，武汉、十堰、荆州、襄阳、荆门、黄石、鄂州、仙桃、咸宁、天门及潜江等城市旅游业在经济发展与生态环境保护双重维度上的旅游经济低碳效率并未下滑，反而呈现上升态势，说明这些城市的旅游业更趋于资源集约、环境友好，宜昌、恩施、黄冈、孝感等城市的旅游业低碳效率整体上有所下滑，对应旅游经济趋于资源浪费、环境污染，而神农架、随州等城市的旅游业低碳效率则整体上相对平稳。

2.4 全要素生产率及其分解

2007-2011年间湖北省城市旅游业Luenberger全要素生产率均值0.0497，旅游业低碳效率均值从2007年的0.379上升到2011年的0.578，低碳效率整体上呈现出上升趋势。全要素生产率分解结果显示，湖北省旅游业Luenberger全要素生产率分解项LPEC、LSEC、LPTP、LTSC四项均值分别为-0.023、0.009、0.027、0.037，对应分解项在生产率中的占比分别为-24.2%、9.7%、28.1%、38%，因而技术进步（纯技术进步与技术规模变化）是推动旅游业低碳效率攀升的关键因素，其中规模性因素导致的技术进步是首要动因，而技术效率变化（纯技术效率变化与规模效率变化）对其影响相对较小，其中纯技术效率变化更是对生产率增长产生负面影响。

就具体城市而言，恩施、孝感、宜昌、黄冈等4城市生产率均值为负，旅游业低碳效率下滑主要因纯技术效率退化导致，其他城市全要素生产率均值为正，其中荆州、襄阳、荆门、鄂州、仙桃、天门及潜江等7城市的旅游业低碳效率上升主要由技术进步中的技术规模变化造成，武汉、十堰、黄石等3城市低碳效率上升主要受技术进步中的纯技术进步推动，而推动神农架、咸宁、随州等3城市低碳效率上升的因素中受技术效率变化中的规模效率变化影响最大（见图6）。

3 研究结论

本文的主要研究结论如下：

（1）湖北省旅游业能源消费总量从2007年的2 008 518吨上升到2011年的5 121 460 t，各城市旅游业直接能源消费年均增长率皆在14%以上，而旅游业CO2排放总量则从2007年的6 340 302 t上升到2011年的15 773 041 t，年均增长率在10%以上。住宿、餐饮、景区游览、购物、娱乐、邮电通信及其他服务等二级部门间接能源消费量（间接CO2排放量）远高于直接能源消费量（直接CO2排放量），而交通部门直接能源消费量（直接CO2排放量）远高于间接能源消费量（间接CO2排放量）。在旅游业能源消费总量与CO2排放总量中交通部门对应能源消费量与CO2排放量占比最高，其次为餐饮、住宿、购物、其他服务、娱乐、邮电通信，其中餐饮、娱乐、住宿及邮电通信部门占比呈现缩减趋势，而交通、购物及其他服务部门的旅游业能源消费占比与CO2排放占比则逐步攀升。这就要求政府部门在低碳旅游发展工作中不仅要着力减少与旅游相关的直接能源消费及CO2排放，更要将旅游领域节能减排工作嵌入整个旅游产业链，重视间接能源消费及CO2排放的节能减排，并针对旅游产业中不同二级部门的直接与间接能耗及CO2排放差异，在节能减排政策制定过程中做到有所侧重，以有效降低旅游业能源消费总量及CO2排放总量。

（2）非期望产出考虑与否对旅游业发展效率产生较大影响，因而若不考虑非期望产出，则会低估效率真实值；低碳效率测度结果显示，湖北省旅游业低碳效率整体均值为0.422，处于较低水平，若充分发掘旅游经济系统内部生产要素利用潜力，则其产出可提升57.8%。因而，各城市应避免旅游经济领域市场失灵所导致的盲目性，合理地引导旅游经济系统内部要素流动方向，抵制低效投资与重复建设之乱像。同时，参照旅游经济发达地区的成功经验，结合当地实际情况，做好制度创新、管理创新及技术创新工作，充分发挥已有生产要素的利用潜力；各城市的旅游业低碳效率存在较大差异，最高城市低碳效率是最低城市的9.6倍。武汉、十堰、荆州、襄阳、荆门、黄石、鄂州、仙桃、咸宁、天门及潜江等城市的旅游经济更趋于资源集约、环境友好，宜昌、恩施、黄冈、孝感等城市的旅游经济则趋于资源浪费、环境污染，而神农架、随州等城市旅游业相对平稳。Luenberger全要素生产率评估结果显示，湖北省旅游业低碳效率整体上处于上升状态，技术进步是推动低碳效率攀升的关键因素，其中规模性因素所导致的技术进步是首要动因，而技术效率变化对其影响相对较小，而技术效率变化中的纯技术效率变化更是对生产率增长产生负面影响。因此，在低碳旅游发展过程中应继续推进各区域旅游经济做大做强，充分发挥规模经济效应，同时，应采取一系列措施降低不同地区之间的技术效率差距。具体而言，有必要搭建一个旅游业专业技术、经验及知识交流平台，构建不同城市旅游专业人才的流通与扩散机制，推进先进技术、知识及发展观念向落后地区扩散。

（编辑：田 红）

参考文献（References）

[1]The UN World Tourism Organization （UNWTO）. Towards a Low Carbon Travel and Tourism Sector [R]. The World Economic Forum， 2009： 3-36.

[2]Castellani V， Sala S. Sustainable Performance Index for Tourism Policy Development [J]. Tourism Management， 2010， 31（6）： 871-880.

[3]Becken S. How Tourists and Tourism Experts Perceive Climate Change and Carbonoffsetting Schemes [J]. Journal of Sustainable Tourism， 2004， 12（4）： 332-345.

[4]肖建红，于爱芬，王敏. 旅游过程碳足迹评估：以舟山群岛为例[J]. 旅游科学， 2011， 25（4）： 58-65. [Xiao Jianhong， Yu Aifen， Wang Min. Carbon Footprint Evaluation in Tours： A Case Study of Zhoushan Islands [J]. Tourism Science， 2011， 25（4）： 58-65.]

[5]PerchNielsen S， Sesartic A， Stucki M. The Greenhouse Gas Intensity of the Tourism Sector： The Case of Switzerland [J]. Environmental Science and Policy， 2010， 13（2）： 131-140.

[6]Mayor K， Tol R S J. Scenarios of Carbon Dioxide Emissions from Aviation [J]. Global Environmental Changehuman and Policy Dimensions， 2010， 20 （1）： 65-73.

[7]Becken S， Frampton C， Simmons D. Energy Consumption Patterns in the Accommodation Sector：The New Zealand Case [J]. Ecological Economics， 2001， 39（3）： 371-386.

[8]Chan W W. Partial Analysis of the Environmental Costs Generated by Hotels in Hong Kong [J]. International Journal of Hospitality Management， 2005， 24 （4）： 517-531.

[9]Dawson J， Stewart E J， Lemelin H. The Carbon Cost of Polar Bear Viewing Tourism in Churchill， Canada [J]. Journal of Sustainable Tourism， 2010， 18（3）： 319-336.

[10]Assaf A G. Benchmarking the Asia Pacific Tourism Industry： A Bayesian Combination of DEA and Stochastic Frontier [J]. Tourism Management， 2012， 33（5）： 1122-1127.

[11]Juan G B， Nicolás G， Manuela D. Exploring the Dynamics of the Efficiency in the Italian Hospitality Sector： A Regional Case Study [J]. Expert Systems with Applications， 2012， 39 （10）： 9064-9071.

[12]Bernini C， Guizzardi A. Internal and Locational Factors Affecting Hotel Industry Efficiency： Evidence from Italian Business Corporations [J]. Tourism Economics， 2010， 16（4）： 883-913.

[13]Assaf A G， Barros C P， Josiassen A. Hotel Efficiency： A Bootstrapped Metafrontier Approach [J]. International Journal of Hospitality Management， 2012， 31（2）： 621-629.

[14]Juan G B， Manuela D， Manuela P. Tourism and Transport Systems in Mountain Environments： Analysis of the Economic Efficiency of Cableways in South Tyrol [J]. Journal of Transport Geography， 2014， 36： 1-11.

[15]José M， Luis C H， José S. Measuring the Efficiency of Heritage Institutions： A Case Study of A Regional System of Museums in Spain [J]. Journal of Cultural Heritage， 2009， 10（2）： 258-268.

[16]李志勇. 低碳经济视角下旅游服务效率评价方法[J]. 旅游学刊， 2013， 28（10）： 71-80. [Li Zhiyong. The Use of an Efficiency Evaluation Method in the Tourism Service Industry Based on a Lowcarbon Economy Perspective [J]. Tourism Tribune， 2013， 28（10）： 71-80.]

[17]查建平，王挺之. 环境约束条件下景区旅游效率与旅游生产率评估[J]. 中国人口·资源与环境， 2015， 25（5）： 92-99. [Zha Jianping， Wang Tingzhi. Estimation of Tourism Efficiency and Tourism Productivity of Scenic Areas Under Environmental Constraints [J]. China Population， Resources and Environment， 2015， 25（5）： 92-99.]

[18]Liu H， Xi Y， Guo J， et al. Energy Embodied in the International Trade of China： An Energy Inputoutput Analysis [J]. Energy Policy， 2010， 38（8）： 3957-64.

[19]Tone K. A Slacksbased Measure of Efficiency in Data Envelopment Analysis [J]. European Journal of Operational Research， 2001， 130： 498-509.

[20]Tan Y， Wu C. Research on Classification and Grading Indicator System of Ecotourism Zones [J]. Journal of Central South University of Forestry & Technology， 2009，29： 20-28.

Evaluation of Energy Consumption， Carbon Dioxide Emission and Lowcarbon Efficiency

ZHA Jianping1，2

（1.School of Management，Southwest University of Political science and Law，Chongqing 401120，China；

2.School of Tourism，Sichuan University，Chengdu Sichuan 610064，China）

Abstract Through inputoutput analysis and IPCC carbon dioxide calculation， we assessed the energy consumption and CO2 emissions of tourism sectors in 17 cities of Hubei Province in 2007-2011.Then we used the SBMUndesirable model to measure and analyze the development efficiency of lowcarbon tourism economy and its total factor productivity in the cities. The results show that the total energy consumption from urban tourism in Hubei soared from 2 008 518 tons to 5 121 460 tons from 2007 to 2011， and the related CO2 emissions soared from 6 340 302 tons to 15 773 041 tons from 2007 to 2011.Among the secondary sectors， the accommodation， food， site visits， shopping， entertainment， posts & telecommunications and other services segments contributed much more indirect energy consumption （indirect CO2 emissions） than direct energy consumption （direct emissions）， while the transport division producted less indirect emissions than direct emissions. Results of efficiency measurement indicate that it could underestimate tourism development efficiency without considering undesirable output.The overall efficiency of economic growth through lowcarbon tourism in Hubei is at a rather low level and varies significantly among cities， and there are untapped potentials with internal productive factors in the economic system of urban tourism. From the perspective of dynamic shift， however， the overall efficiency within the analyzed period was in an upward trend， driven primarily by the technological progress induced by the scale factor， whereas the purely technological efficiency changes undermined the growth of productivity.