主要城市旅游业碳生产率测度及收敛性研究

邓淇中,周 洁,杨凌懿,刘 婕

(湖南科技大学 商学院,湖南 湘潭 411201)

一、引言

旅游业常被称为“无烟产业”和环境友好型产业,具有资(能)源消耗低、环境影响小等特点。然而,根据联合国世界旅游组织测算,旅游业的二氧化碳排放量占全球人为排放量的4.9%,该排放量所造成的影响约可达到全球温室效应的14%,并以年均2.5%的速度递增(UNWTO,2009;Castellani V,2010)[1-2]。类似研究也指出旅游者所产生的CO2占全球CO2排放量的4.4%,预计到2035年将都以3.2%的速度增长(Peeters,2010)[3]。对此,中国政府高度重视生态环境和绿色发展问题,在十九大报告中曾提出“坚持创新、协调、绿色、开放、共享的发展理念;建立健全绿色低碳循环发展的经济体系”等发展思路和政府举措。旅游业相关部门也先后出台了《关于进一步推进旅游行业节能减排工作的指导意见》《国务院关于促进旅游业改革发展的若干意见》等文件,这些建议和举措不仅为旅游业应对气候变化和节能减排进行了指导,也进一步重申要“以转型升级、提质增效为主线”来发展旅游业。面对国际碳减排压力和国内旅游业日趋严重的碳排放问题,中国要建设成为世界旅游强国,就必然要求在确保发展规模的基础上切实提升产业效率、加快产业结构调整以推动产业经济增长与旅游环境保护的协调发展。在这种形势下,迫切需要学术界对旅游业碳生产率问题进行全面、系统的测度和研究,为旅游业健康发展提供决策咨询、理论支撑和政策建议。

回顾国内外相关文献,旅游业碳生产率问题的研究内容主要集中在以下几个方面:旅游业CO2排放量估算。多数学者从国家层面运用不同的投入产出指标和计算方法对旅游业CO2排放量进行了测算(Eijgelaar,2010;钟永德,2014;李强谊,2017;孙媛媛,2017),同时,也有学者对区域旅游业碳排放的差异进行了探讨(Filimonau,2014;杨存栋,2014;郝旭光,2017;陶玉国,2011),少数学者则对深圳、开封等城市旅游业CO2排放量进行了估算(汪清蓉,2012;秦耀辰,2015);针对旅游业单一部门,如旅游交通、酒店业和景区CO2排放量的研究也取得了一定进展(孙晋坤,2015;沈杨,2017;李世宏,2013)。旅游业生产率测度。国外学者从90年代年开始关注旅游业生产率问题。最初,主要从微观角度以旅游酒店、旅行社、旅游景区和旅游交通等单体企业为研究对象,简单测算旅游企业的效率水平(Morey 和 Dittman,1995;Anderson,1999;Fernandes,2002;Barros,2005);国内学者则侧重从宏观角度对旅游业生产率进行分析,部分学者运用Malmquist指数对中国省际旅游业生产率进行测度与分解,通过研究发现:技术进步是推动中国各省市旅游业生产率提高的主要动力,技术效率下降是制约中国各省市旅游业整体生产率水平提升的重要原因(左冰,2008;王永刚,2012;王惠榆,2014;孙盼盼,2014)。旅游业生产率收敛性分析。对旅游业生产率收敛性研究逐渐成为热点,学者们选择不同的城市集合体,得到了较为一致的结论:旅游业生产率在空间分布上会出现分异,但是这种分异也在逐步缩小(马晓龙,2009;曹芳东,2012;梁明珠,2013;龚艳,2014;钟敬秋,2016)。从收敛特征来看,旅游业生产率不存在显著σ收敛和条件β收敛,但存在显著绝对β收敛(何勋,2012;赵磊,2013)。碳生产率的定义及测度。目前学者们在碳生产率的计量模型选择主要是SBM-DEA、RAM-DEA、网络DEA、Bootstrap-DEA等4种主流模型(Simar和Wilson,1999;Tone,2001;Fukuyama和Weber,2009;Tone和Tsutsui,2009;Sueyoshi和Goto,2011;Zhang、Zhou和Kung,2015)。在污染物的处理上主要有扣除环境污染损失价值的GDP做产出、将污染物视为期望同质且可自由处置的产出、将污染排放视为弱可处置性的非期望产出等3种方式(Chung、Fare和Grosskopf,1997;Scheel,2001;Seiford和Zhu,2002)[4-43]。

综上所述,学术界对旅游业碳排放、碳生产率测度等问题的研究取得了丰硕的成果,这为我们系统分析这一问题提供了重要参考。然而,低碳经济领域虽逐渐成为新兴的研究方向,但直接研究碳生产率的文献还不多,相关研究也仍处在不断丰富阶段,且鲜有学者对城市旅游业碳生产率给予足够重视。部分文献采用径向、角度的 DEA 方法计算方向性距离函数,并以此估计碳排放强度对生产率的影响,这种方法会高估评价对象的效率(Chung,1997;Färe R,2001)[41,44],从而可能产生政策误导。然而,了解城市旅游业碳生产率对不同城市制定差异化的碳减排目标和针对性碳减排政策意义重大。鉴于此,本文将构建旅游业碳生产率(Carbon Productivity)增长核算模型,并采用非径向、非角度的SBM方向性距离函数和Malmquist-Luenberger生产率指数,对中国21个主要城市旅游业碳生产率进行测度和收敛性检验,分析其随时间变化的特征、构成因素以及地区差异,借此提出有效促进旅游业绿色、循环、低碳发展的政策建议。

二、研究方法与数据说明

1. 旅游业碳排放量估算方法

中国目前尚未建立起国家和地区层面温室气体排放的统计监测体系,大部分统计结果都是基于对其碳排放量的估算。由于旅游业碳排放量的主要来源是旅游交通、旅游住宿和旅游活动等,因此可采取先分解后加总的方法对主要城市旅游业碳排放量进行估算。具体计算思路可定义为:

Ctj=CTtj+CHtj+CRtj.

(1)

其中Ctj表示t年j城市旅游业CO2排放总量,CTtj、CHtj、CRtj分别表示该城市在某一年旅游交通、旅游住宿和旅游活动的碳排放量。不同来源碳排放量计算公式分解如下。

(1)旅游交通碳排放量。旅游交通碳排放量是旅游业碳排放量的重要组成,其碳排放量不仅与客运交通的乘客量有关,而且与运输的距离有紧密联系。因而本文将旅游交通碳排放量测度定义为:

(2)

式(2)中,CTtj为j城市t年旅游交通碳排放量,Ptij为j城市t年乘坐第i种交通方式的旅游人数,Di为单个中国居民每天乘坐第i类交通方式的出行距离,βi为第i种交通方式的碳排放因子。

(2)旅游住宿碳排放量。考虑到数据的可获得性,本文采用星级饭店住宿所产生的碳排放量替代旅游业住宿碳排放量,因此旅游住宿碳排放量计算公式是:

CHtj=Ntj×Ltj×β.

(3)

其中,Ntj为j城市t年旅游饭店床位数,Ltj为j城市t年旅游饭店平均客房出租率,β表示每张床每晚的碳排放量。

(3)旅游活动碳排放量。旅游者是旅游活动的主体,即旅游活动所产生的主要碳排放量产生于旅游者的旅游过程,鉴于数据可获得性,本文将旅游活动碳排放量计算方式简化为:

(4)

其中,Pktj为j城市t年游览旅游吸引物或参加旅游活动k的游客人数,γk为旅游吸引物或旅游活动k的CO2排放系数。

2. 旅游业碳生产率测度模型

(1)超效率SBM方向性距离函数。SBM模型是由Kaoru Tone在2001年提出的基于松弛变量的非径向和非角度效率度量方法[36]。该模型解决了传统DEA方法在计算决策单元效率时没有把松弛变量的问题考虑在内的缺陷。然而,在实际情况中,可能出现多个决策单元均有效的情况,Tone(2002)在SBM的基础上提出了超效率SBM模型,不仅解决了传统DEA中的松弛变量问题,同时也能够对多个有效决策单元进行排序[45]。超效率SBM模型表示如下:

(5)

(2)Malmquist-Luenberger(ML)生产率指数。为了有效测度并分解21个主要城市旅游业碳生产率,仿照Malmquist指数几何平均值的思路,运用方向性距离函数计算出基于产出从t时期到t+1时期的ML生产率指数:

ML=(xt+1,yt+1,ut+1;xt,yt,ut)=

(7)

=EFFCH(xt+1,yt+1,ut+1,xt,yt,ut)×

TECH(xt+1,yt+1,ut+1,xt,yt,ut).

(8)

ML生产率指数又可以分解为技术效率变化(Efficiency Change,EFFCH)和技术进步变化(Technological Change,TECH)。其中EFFCH表示由于旅游业自身内部效率变化引起的产出增长,主要源于纯技术效率变动和生产规模效率变化两个部分;TECH则表示由技术进步引起的产出增长。如果ML>1,那么表明从t时期到t+1时期的旅游业碳生产率在上升,反之则下降;EFFCH>1、TECH>1分别表示技术效率改善和前沿技术进步;EFFCH<1、TECH<1分别表示技术效率恶化和前沿技术退步。

(3)收敛性分析。收敛通常可以分为σ收敛、绝对β收敛和条件β收敛。其中σ收敛和绝对β收敛属于绝对收敛。就收敛定义而言,σ收敛是指不同经济体之间旅游业碳生产率的离差随时间的推移而趋向于下降。β收敛是指每一个落后经济体的经济增长速度趋向于发达的经济体,即增长率趋同。区别在于条件β收敛考虑了不同的经济体各自的特征和条件,每个经济体都朝着各自的稳态水平运行,而绝对β收敛则是指所有经济体朝着完全相同的稳定水平趋近。

旅游业碳生产率的σ收敛计算方法如下:

(9)

旅游业碳生产率的绝对收敛回归方程为:

Ln(CPi,t+T/CPi,t)/T=α+βLnCPi,t+εi,t.(10)

其中,Ln(CPi,t+T/CPi,t)/T表示第i个经济体从t时期到T时期的旅游业年碳生产率增长率,α为常数项,LnCPi,t是第i个经济体在t时期的旅游业碳生产率初始值的对数值,β是其回归系数,若β显著为负则表明存在绝对β收敛,即旅游业碳生产率的增长与其初始值成反比,落后经济体存在追赶发达经济体的趋势。收敛速度λ可表示为β=-[1-(1-λ)t]/t.

本文采用Panel Data固定效应模型来检验旅游业碳生产率的条件β收敛:Ln(CPi,t)-Ln(CPi,t-1)=α-βLn(CPi,t-1)+εi,t.

(11)

其中,α为面板数据中的固定效应项,对应不同经济体的各自稳定状态。Ln(CPi,t)-Ln(CPi,t-1)为本期与前期的旅游业碳生产率变化水平,β为上期的估计系数,若值为负表明存在条件β收敛,即经济体的旅游业碳生产率变化水平收敛于其自身的稳定条件。同样,收敛速度λ可以通过β系数计算β=-(1-e-λt)。

3. 数据来源及指标选取

选择2003-2013年中国21个主要城市的面板数据进行分析,这些城市或是省会城市,或是著名风景旅游城市,因此被称作旅游业“主要城市”,从地位和收入水平上看,它们代表了中国城市旅游发展的最高水平,以此为研究对象进行碳生产率计算可以反映中国城市旅游的真实绩效。

数据资料来自历年《中国旅游统计年鉴(副本)》《中国区域经济统计年鉴》《国家旅游景区发展报告》及国家、各省旅游局的公告。其投入与产出的变量包括:投入要素。劳动投入指标,用旅行社及星级饭店从业人数表示;资本投入指标,用旅行社及星级饭店的固定资产原值表示;资源投入约束指标用星级景区数量表示,4A、5A景区按照1∶1.2的权重进行统计。产出要素。期望产出指标:旅游收入(国内旅游收入与国际旅游收入之和),接待游客数量(国内旅游者人数与国际旅游者人数之和,国际旅游者不包括港澳台人数);非期望产出指标:旅游业碳排放量(包括旅游交通碳排放量、旅游住宿碳排放量和旅游活动碳排放量)。

三、实证结果分析

根据上述研究方法和相关统计数据,本文测度了不考虑碳排放约束和考虑碳排放约束两种情形下中国主要城市旅游业2003-2013年的碳生产率及其分解情况。具体分析如下(表1)。

1. 时序演变分析

情形1:不考虑碳排放约束的旅游业生产率。2003-2013年中国主要城市旅游业生产率年均增长16%。从其分解结果来看,考察期内技术效率指数年均增长6%,技术进步指数年均增长10%,这说明,不考虑碳排放的旅游业生产率增长呈波动状态。按其增长趋势分为2003-2005年(“十五”时期)、2006-2010年(“十一五”时期)和2011-2013年(“十二五”时期)三个阶段。不同阶段旅游业生产率增长速度及源泉存在一定的差异性。其中“十五”时期旅游业的生产率年均增长为19%,其增长主要来源于技术效率指数,年均增长42%,技术进步指数出现了负增长,制约了旅游业生产率的增长;“十一五”时期旅游业生产率年均增长13%,与“十五”时期相比增速明显放慢,其中技术效率指数年均增长为1%,相比前一阶段下降幅度较大,但技术进步指数得到了明显改善,年均增长为12%;“十二五”时期旅游业生产率相比前两个阶段增长速度最快,年均增长为20%,增长模式转变成为技术进步的单独驱动,年均增长26%,而技术效率则出现了退化现象,年均负增长5%。

情形2:考虑碳排放约束的旅游业生产率。2003-2013年中国主要城市旅游业碳生产率年均增长16%,其中技术进步指数年均增长13%,技术效率指数年均增长3%。对比没有考虑碳排放的情况,中国旅游业碳生产率的增长主要源于技术进步,而其倒退则是受技术效率的影响。从时序演变来看,2003-2013年间,中国主要城市旅游业碳生产率增长也呈波动状态。其中“十五”时期旅游业碳生产率年均增长为19%,其增长主要来源于技术效率,年均增长31%,技术进步指数出现了0.09%的负增长;“十一五”时期旅游业碳生产率年均增长12%,与“十五”时期相比增速有所放慢,其中技术效率指数明显下降,年均增长为-1%,但技术进步得到了改善,年均增长为13%,增长幅度较大;“十二五”时期旅游业碳生产率相比前两个阶段增长速度最快,年均增长为22%,与不考虑碳排放的情形类似,增长模式也转变成为技术进步的单独驱动,年均增长29%,技术效率指数则下降了4%。

表1 2003-2013年中国主要城市旅游业碳生产率数值及其分解结果

2. 城市差异性分析

表2列出了2003-2013年中国21个主要城市旅游业碳生产率年均值排名变动情况。可以发现:

在不考虑碳排放约束的情况下,2003-2013年间,旅游业生产率排名前5位的城市依次是哈尔滨(1.33)、长春(1.29)、西安(1.26)、海口(1.25)和桂林(1.24),其中除西安之外,其余4个城市的旅游业生产率增长主要依靠技术效率。排名后5位的依次为广州(1.08)、无锡(1.08)、深圳(1.07)、青岛(1.06)和厦门(1.00),除广州之外,其他4个城市的旅游业生产率增长主要依靠技术进步,但深圳、青岛和厦门的技术效率指数出现了倒退现象。

在考虑碳排放约束的情况下,2003-2013年间,旅游业碳生产率排名前5位的城市依次是长春(1.39)、哈尔滨(1.31)、大连(1.31)、西安(1.28)和宁波(1.22),除哈尔滨之外,其余4个城市的旅游业碳生产率增长主要依靠技术进步。排名后5位的依次为广州(1.08)、无锡(1.07)、深圳(1.06)、青岛(1.04)和厦门(1.00),与不考虑碳排放的排名相同,除广州之外,其他4个城市的旅游业碳生产率增长主要也是依靠技术进步,其中深圳、青岛和厦门出现了技术效率指数倒退现象。通过进一步的对比分析,我们还能得到以下结论:8个城市的碳生产率排名出现了比较明显的上升,如大连、长春、南京、苏州、杭州、宁波、成都和昆明,其中大连的碳生产率排名上升了7位(10→3),上升幅度主要由技术进步指数所引起,技术效率指数则出现了较小幅度的下降,具有相同变化特征的还有长春、宁波和昆明。7个城市的碳生产率排名出现了明显的下降,如沈阳、哈尔滨、福州、武汉、桂林、海口和西安,其中下降幅度最大的是沈阳,其排名下降了7位(8→15),除了沈阳的下降幅度是由技术效率和技术进步二者共同引起之外,其它6个城市均表现为技术效率指数下降、技术进步指数稍有上升的形态。6个城市的碳生产率排名未发生变动,如无锡、厦门、青岛、广州、深圳和珠海,但其增长源泉的分解发生了变动,如无锡、厦门和广州3个城市的技术效率指数有所上升,而技术进步指数有所下降,深圳和珠海的情况则与之相反。

表2 2003-2013年中国主要城市旅游业碳生产率均值及其排名变动

3. 技术创新者

为研究哪些决策单元是碳生产率的技术创新者,即本文中哪些城市推动了生产可能性边界的外移，äre et al(2001)提出了以下三个判断条件:

(12)

从表3可以看出:在不考虑碳排放约束的生产率情况下,考察期内共有16个城市至少移动生产可能性边界1次，中南京和无锡是移动生产可能性边界次数最多的城市,均移动9次。此外，州和广州移动8次，武汉移动7次,成都和珠海均移动5次。旅游业碳生产率的“技术创新者”略有不同,考察期内共有17个城市至少移动生产可能性边界1次，中南京表现最为突出,共推动生产可能性边界移动10次。此外,无锡移动9次,苏州、广州和武汉移动8次,杭州移动7次、沈阳和成都均移动6次。

表3 2003-2013年中国主要城市旅游业的技术创新者

四、收敛性分析

通过研究地区间不同时期的旅游业碳生产率是否存在收敛性,可以考察当前旅游业发展现状及政策实施是否有利于缩小落后地区与发达地区的碳生产率差异。分析结果如下。

1.σ收敛性检验

图1和图2分别给出了中国21个主要城市以及东、中、西部城市旅游业碳生产率的σ收敛情况。可以看出,中国21个主要城市及东、中、西部城市旅游业碳生产率标准差、变异系数均出现了下降,即呈现收敛趋势;从考察时期来看,在2003-2007年区间段,主要城市及东、中、西部城市的旅游业碳生产率均从最初的较高位置相应降到一个趋于稳态的水平,这说明此区间内存在明显的收敛态势。之后在2007-2008年区间段,经历了冰冻灾害、汶川地震、全球金融危机的冲击,中国政府在采取一系列应对以及救助措施时,旅游业碳生产率打破了原有的稳态而出现了发散迹象,以西部表现最为明显。但是又因救助措施所带来的维稳效应,各地区在2008-2009年区间段出现了收敛,并将这一状态持续到了2013年。为了更准确的考察旅游业碳生产率的收敛情况,本文还做了量化程度较高的绝对β检验。

图1 中国21个主要城市及东、中、西部城市标准差趋势图

图2 中国21个主要城市及东、中、西部城市变异系数趋势图

2. 绝对β收敛

表4报告了中国21个主要城市及东、中、西部城市旅游业碳生产率绝对β收敛性检验结果。其β估计值分别是-0.110 931、-0.119 691、-0.137 054、-0.107 321,均在1%显著性水平下显著,这说明碳生产率增长水平与其期初水平负相关,较低碳生产率水平的中部城市对于其他碳生产率水平较高的城市区域具有“追赶效应”,从而逐渐趋于收敛并趋同于相同稳态值。就收敛速度而言,碳生产率的收敛速度从慢到快依次是西部、东部和中部城市,这意味着各个地区的城市均以不同的收敛速度向相同的稳态均衡水平逐步收敛,其中中部城市拥有较快的增长速度,主要城市区域差距正在缩小。根据新经济增长理论,其收敛机制可表现为知识溢出和技术扩散,这说明由于旅游业技术创新的高速传播,中国旅游市场经济的不断完善以及各地区旅游合作联盟中的要素流动,使得中国旅游业发展的知识和技术壁垒正在逐步降低。

3. 条件β收敛

表5和表6的估计结果显示,β值均为负数,所有估计系数都通过了5%的显著性水平检验,说明“十五”至“十二五”时期主要城市及东、中、西部城市的旅游业碳生产率变化存在显著的条件收敛特征,即在动态中趋向自身的稳态水平。从时序演变来看,“十五”时期的收敛速度最快,主要原因是2000年以来中国各地培育和发展旅游业经济新增长点取得重大进展和显著成绩,虽然在2003年受“非典”影响,中国旅游业发展速度有所下降,但在2004年中国旅游业已逐步恢复,并且呈现新的发展趋势,2005年中国旅游业已全面恢复到2003年“非典”之前的增长轨迹。加之在“十五”期间国家加强旅游城市基础设施建设,改善布局和产业结构,更加促进了旅游业的发展。相比于“十五”时期,“十一五”时期的收敛速度大幅度下降,究其原因是2008年中国旅游业连续遭受金融危机和各种突发事件、不利因素的冲击,经受了前所未有的考验。在“十二五”时期,西部城市收敛速度最快,这说明自2003年起实施的西部大开发战略已见成效,西部城市的资源优势得到有效发挥,国家加大了对西部的财政支持,所提供的景观、交通及环境等硬件建设是支持地区旅游业发展的重要基础,这也促使西部城市的碳生产率不断趋向自身的稳态水平。

表4 旅游业碳生产率增长率条件收敛检验结果

表5 旅游业碳生产率时间条件收敛检验结果(固定效应面板回归)

表6 旅游业碳生产率地区条件β收敛检验结果(固定效应面板回归)

中部城市的收敛速度次之,其原因是中部城市旅游资源丰富,历史文化底蕴厚重,其区位优势对旅游业的发展有着显著影响。同时,由于旅游业在促进区域经济结构调整、落实中部崛起战略中承担了重要的角色,地区政府和相关经济主体对其发展给予高度重视,加强科技要素投入,使得资源配置效率和基础设施建设在一定程度上得到改善,这也促进了中部地区旅游业的发展。东部城市由于其旅游业起步比较早,资源与要素投入、效益产出基本达到良性水平,已经进入稳定发展的阶段,因此收敛速度最慢。

五、结论与建议

本文采用非径向、非角度SBM效率测度模型及ML碳生产率指数对2003-2013年中国21个主要城市旅游业碳生产率进行测度与评价,研究结论为:第一，中国21个主要城市旅游业碳生产率年均增长为16%,碳生产率的技术效率下降趋势和技术进步增长趋势均有所放缓。第二，旅游业碳生产率年均增长水平从“十五”时期等于其生产率年均增长水平发展至“十二五”时期高于其生产率的年均增长水平,这表明中国对旅游业碳排放的控制力度,在“十二五”时期取得了一定的效果。第三，最佳实践者的城市数量东部城市明显多于中、西部城市,以南京和无锡为代表的经济发达城市表现最为突出,这说明中国中、西部城市旅游业发展的成就很大程度上是依赖于大规模旅游业资源的投入,并且对环境资源有一定程度的消耗。第四，存在显著的σ收敛特征,标准差及变异系数呈现明显缩小的趋势;也存在显著的绝对β收敛趋势,旅游业碳生产率水平低的地区对水平较高的地区有显著的“追赶效应”;还存在显著的条件β收敛,这表明它们有适合自己稳态水平的收敛路径。

鉴于此,本文提出以下几点政策建议:第一,推进绿色发展,建立健全绿色低碳循环发展的经济体系;构建市场导向的绿色技术创新体系;通过技术进步与科技创新,减少旅游碳排放污染的产出,倡导简约、绿色低碳的出行方式。为了实现中国旅游业可持续发展,促使其增长方式由粗放型向集约型转变,其核心关键在于技术效率与技术进步的提高,因此应积极发展低碳、环保、绿色等新兴旅游高新技术,推进生态环境评估、控制技术等高新技术在中国旅游发展中的广泛应用;争取培育与发展休闲、绿色、原生态的旅游基地。第二,建立生态环境监管体制。虽然旅游业发展受外部环境的影响较大,但是整体来看中国主要城市的旅游业碳生产率是趋向于相同的稳态水平,但由于各自的发展速度存在差异,这要求对旅游产业结构进行调整和优化,政府发挥“有形之手”的调控作用,建立科学完善的旅游业绿色发展保障体系、完善生态环境管理制度。各级地方政府应积极引导并鼓励旅游科技创新与成果转化;政府、科研机构、旅游企业三方协调组织,加强对中国旅游科技创新能力与可持续发展能力提升的监督管理。加强地区旅游合作与协调发展,缩小旅游产业地区差距。虽然各地区之间存在“追赶效应”,但是差距还是存在的,所以需加强各地区旅游业的合作与交流,共享绿色发展的先进经验,加快先进地区向落后地区的绿色技术扩散,实现资源共享,优势互补,共同推动旅游产业碳生产率的提升,实现绿色低碳发展。