中国旅游业碳减排潜力时空演化及其影响因素

王 凯，余 芳 芳，周 晓 冰，甘 畅，李 智 慧

(1.湖南师范大学旅游学院，湖南 长沙 410081；2.河南理工大学工商管理学院/应急管理学院，河南 焦作 454003)

0 引言

全球气候变暖严重威胁生态、经济及社会可持续发展，节能减排刻不容缓。随着经济快速增长，能源消费量不断攀升，中国已跃升为世界第二大经济体和第一大碳排放国。为兼顾经济发展与环境保护，中国政府积极承担碳减排责任，明确提出2030年碳排放强度比2005年降低60%～65%和碳达峰的减排目标。为确保该目标如期实现，包括旅游业在内的各个行业都应加快推进碳减排工作。作为我国国民经济的战略性支柱产业，旅游业迅速发展所带来的环境和气候变化问题日益凸显。联合国世界旅游组织研究表明，旅游业对全球气候变暖的贡献率高达5%～14%，且以年均2.5%的速度攀升，若不采取有效措施，到2025年其碳排放量将突破65亿t[1,2]。在此背景下，科学测度中国旅游业碳减排潜力并揭示其影响因素，对于旅游业优化减排政策、厘清减排路径和可持续发展大有裨益。

学界对旅游业碳排放的研究主要涵盖以下方面：一是旅游业碳排放量核算。学者们主要利用“自上而下”法[3]、“自下而上”法[4]、生态足迹法[5]和碳足迹法[2]，基于全球[6]、大洲[7]、国家[8]、地区[9]和省市[10]等不同尺度，对旅游业[11]及其细分部门[12-14]的碳排放量进行核算。二是旅游业碳排放影响因素研究。学者们多借助指数分解法对影响旅游业碳排放的关键因素进行探讨，例如：Baležentis等利用指数分解法，揭示了立陶宛乡村的空间布局、旅游容量和游客停留时间等因素对乡村旅游碳排放量的影响[15]；翁钢民等利用LMDI模型将中国旅游业碳排放脱钩效应的影响因素分解为技术效应、经济效应、游客规模效应和能源结构效应[16]；Luo等综合运用指数与结构两种分解法，基于“结构—规模—技术”分析框架，考察中国旅游业碳排放的驱动因素[17]；也有少数学者运用环境扩展投入产出模型、面板数据模型分析影响旅游业碳排放的关键因素[18,19]。三是碳排放约束条件下的旅游发展效率研究。国内外学者多应用数据包络分析方法[20]和单一比值法[21]，将旅游业碳排放因素纳入效率评估框架，对旅游业碳排放效率[22]和旅游生态效率[23]展开研究，涉及酒店[24]、旅游线路产品[25]和旅游目的地[26]等；也有学者借助SBM模型，对中国省域低碳旅游发展效率及减排潜力进行测度[27]，但该研究仅考虑效率，忽略了碳减排公平的作用；部分学者尝试基于公平与效率视角测度碳减排潜力[28-30]。

综上所述，目前学界多侧重旅游业碳排放及其效率研究，对旅游业碳减排潜力缺乏足够重视；兼顾公平与效率的碳减排潜力研究主要聚焦于农业、工业等层面的减排潜力测度，较少涉及区域差异及影响因素。鉴于此，本研究以2000-2018年中国30个省、市、区(以下简称“省区”)为研究样本(不含港澳台及西藏自治区数据)，运用“自下而上”法、Super-SBM对偶模型测算各省区旅游业排放量和影子价格，基于公平与效率双重视角测度旅游业碳减排潜力，继而借助空间分析法、泰尔指数探析旅游业碳减排潜力空间演化特征及区域差异，最后构建Tobit回归模型厘清影响其空间分异的关键因素，以期为发掘区域旅游业碳减排潜力、制定与优化旅游业碳减排政策提供理论依据。

1 研究方法、指标选取与数据来源

1.1 研究方法

1.1.1 旅游业碳排放量测算 鉴于中国旅游卫星账户数据缺失，无法使用“自上而下”法核算旅游业碳排放，且旅游六大要素均直接或间接地产生碳排放，无法精准计算其碳排放量[4]，故本文借鉴文献[11]，采用“自下而上”法先分别核算旅游交通、旅游住宿和旅游活动三大部门的能源消耗量和碳排放量，再进行汇总。计算公式[11]如下：

(1)

1.1.2 旅游业碳排放影子价格测算 CO2排放影子价格用以反映CO2减排成本，影子价格越高则减排所付出的成本越高。常用的CO2排放影子价格测算模型有方向性距离函数模型和SBM模型，前者缺少对投入径向的限制，使得测算结果偏高，而后者存在有效决策单元无法比较的弊端。Super-SBM模型[31]不仅可以对有效决策单元继续排序区分，而且解决了投入和产出的松弛性问题，使得计算出的影子价格更贴合实际，包含非期望产出的Super-SBM模型表示如下：

(2)

式中：ρ*为效率值；m为决策单元投入数量；s1、s2分别为期望产出和非期望产出的数量；x、yg与yc分别为投入、期望产出和非期望产出。

根据线性规划原理并参考陈红蕾等[32]的研究，求解式(2)的对偶模型：

(3)

式中：g为期望产出旅游业总收入；c为非期望产出旅游业CO2排放量。

根据影子价格的定义和对偶模型的理论意义，本文利用各省区旅游业CO2排放的对偶价格dpc及旅游业总收入的对偶价格dpg，求解旅游业CO2排放影子价格PC[32]：

PC=dpc/dpg

(4)

1.1.3 旅游业碳减排潜力指数 参考文献[28]，在综合考虑地区旅游经济发展水平和碳排放量的基础上，构建同时考虑公平原则和效率原则的旅游业碳减排潜力指数，公式为：

ACACIit=ω×Equityit+(1-ω)×Efficiencyit

(5)

(6)

(7)

式中：ACACIit为t年i省区旅游业碳减排潜力值；ω为权重，基于公平与效率同等重要原则其取值为0.5；Equityit、Efficiencyit分别为t年i省区的旅游业碳减排公平指数和效率指数，前者由等权重的游客人均碳排放量PC和人均旅游收入PP共同决定，表示排放的平等主义、减排的支付能力等，后者由等权重的旅游业碳排放强度CI和影子价格PC共同决定，表示旅游业减排经济代价[29]。为消除量纲的影响，上述指标均进行了标准化转换，如对游客人均碳排放量、人均旅游收入和旅游业碳排放强度进行正向处理，对旅游业CO2排放影子价格进行逆向处理。

1.1.4 泰尔指数 与变异系数等区域差异测算方法相比，泰尔指数可将区域总体差异分解为区域间及区域内差异，利于准确找出区域差异来源。计算公式为：

(8)

式中：T、Tb、Tw分别为旅游业碳减排潜力的总体差异、区域间差异和区域内差异；Ym、Ymn和Y分别为m(m=1,2,3)区域、m区域内n(n=1,2,…,N,N为东、中、西三大地区内省区数量)省区及总的旅游业碳减排潜力；F为省区总数(本文F=30)。

1.1.5 Tobit回归模型 Tobit回归模型又称删截回归模型，适用于被解释变量取值受限的情况。由于旅游业碳减排潜力值为介于0～1之间的截尾数据，使用常规的线性回归会导致参数估计存在偏差或不一致，故采用Tobit模型分析其影响因素，模型基本形式如下：

(9)

(10)

1.2 指标选取与数据来源

在对旅游业碳减排潜力指数进行计算时，借鉴其他产业、行业的碳减排潜力研究成果[29,33]，并结合旅游业的特点，选取以下4项指标：1)游客人均碳排放量，以各省区旅游业碳排放总量与旅游人次之比表示；2)人均旅游收入，以各省区旅游总收入与旅游从业人员数量之比表示；3)旅游业碳排放强度，用各省区旅游业碳排放总量与旅游总收入之比表示[11]；4)旅游业CO2排放影子价格，借鉴文献[20,22]，以旅游业的固定资产投资额、从业人员数量和能源消耗量作为投入指标，以旅游业总收入和旅游业碳排放量分别作为期望产出和非期望产出指标(表1)，根据式(2)-式(4)，利用Max DEA Ultra 7.12软件计算出旅游业CO2排放影子价格。

表1 投入—产出指标体系构建Table 1 Construction of input-output index system

研究数据来源于2001-2019年《中国旅游统计年鉴》(及其副本)、《中国文化和旅游统计年鉴》《旅游抽样调查资料》《中国交通年鉴》、各省区统计年鉴与2000-2018年国民经济和社会发展统计公报等。同时，根据国家统计局对三大地区的划分标准，将中国30个省区分为东、中、西三大地区。

2 结果分析

2.1 旅游业碳减排潜力时空格局

根据式(5)-式(7)计算出中国旅游业碳减排潜力，并分析其时序演化特征。由图1可知，研究期内中国旅游业碳减排潜力整体呈下降趋势，从2000年的10.405降至2018年的8.117，均值从0.347降至0.271;分地区而言,东部、中部和西部地区的旅游业碳减排潜力分别从2000年的3.236、2.715、4.455降至2018年的2.865、1.889、3.363，均值分别从0.294、0.339、0.405降至0.260、0.236、0.306。由此可见，全国及三大地区的旅游业碳减排潜力呈逐步降低趋势，反映出中国在大力发展旅游业的同时，积极推进碳减排工作。三大地区旅游业碳减排潜力表现出“西部>东部>中部”的特征，西部地区的旅游业碳减排潜力虽不断下降，但囿于旅游经济发展水平、能源结构和创新环境等异质性因素，减排潜力远高于东、中部地区。

图1 2000-2018年全国及东、中、西部地区旅游业碳减排潜力指数Fig.1 Carbon emission reduction potential index of tourism in China and its east,central and west regions from 2000 to 2018

为分析各省区旅游业碳减排潜力空间格局演化特征，选取2000年、2006年、2012年和2018年旅游业碳减排潜力指数，并借助ArcGIS 10.2中的自然断裂法将其分为4个等级。由表2可知，中国旅游业碳减排潜力省际差异显著且整体呈下降趋势，地区减排潜力存在梯度差，呈“西高东低”的空间分布格局。

表2 各省区旅游业碳减排潜力空间格局演变Table 2 Spatial pattern evolution for carbon emission reduction potential of tourism in 30 provinces (municipalities or autonomous regions) of China

(1)2000年旅游业碳减排潜力高水平类型省区有内蒙古、甘肃、宁夏、新疆和海南5个，中高水平类型省区有黑龙江、河北、青海等13个，除海南、福建和河北位于东部地区外，其余省区集中分布在中、西部地区；中低水平和低水平类型省区共12个，除云南、重庆位于西部地区和河南、湖北位于中部地区外，其余均分布于东部。高水平和中高水平类型省区占比60%，说明此时环境污染与旅游经济增长之间的矛盾较大，旅游发展主要处于“环境换取增长”阶段。

(2)2006年旅游业碳减排潜力高水平类型省区下降为4个，内蒙古由高水平转变为中高水平，中高水平类型省区仍为13个，河北、福建、江西和广西则由中高水平降为中低水平，低水平和中低水平类型省区增至13个。表明自“十一五”规划将降低能源强度作为约束性指标纳入发展规划纲要后，政府加大了节能减排力度，开始倒逼部分省区提高能源利用效率和加强低碳经营管理[16]，初步扭转了“十五”后期能源消耗强度和碳排放总量大幅上升趋势，使中国旅游发展逐渐进入“环境优化增长”阶段。

(3)2012年甘肃、宁夏、新疆和海南仍属于旅游业碳减排潜力高水平类型省区，中高水平类型省区减少为10个，中低水平类型省区则增至13个，其中内蒙古、吉林、陕西、山西和贵州均由中高水平降为中低水平，仅辽宁、天津和重庆的减排潜力有所上升。低水平和中低水平类型省区进一步增加主要得益于《“十二五”节能减排综合性工作方案》《万家企业节能低碳行动实施方案》等文件的出台及《“十二五”控制温室气体排放工作方案》提出的约束性碳排放强度指标，旅游生态红利逐渐显现。

(4)2018年中国旅游业碳减排潜力区域聚集分布和梯度递减特征更为显著，多数省区旅游业碳减排潜力向稳向好发展。减排潜力高水平类型省区减少为2个(宁夏和海南)，低水平类型省区由2000年的仅天津1个增至12个。从“十一五”规划提出降低能耗强度，到“十三五”规划明确提出2020年全国碳强度比2015年下降18%和2030年碳达峰的减排目标，说明中国政府逐步提高气候行动力度，不断推动节能、减排和降碳工作的协同化，促使包括旅游业在内的各行各业不断降低能源消耗和CO2排放。

2.2 旅游业碳减排潜力区域差异

由图2可知，研究期内中国旅游业碳减排潜力总泰尔指数呈先降后升的发展态势，由2000年的0.040降至2008年的0.035，再上升到2018年的0.089，说明中国旅游业碳减排潜力的总体差异表现出先敛缩后扩大的态势。区域内差异与总体差异的变动规律较一致，贡献率始终高于70%，说明旅游业碳减排潜力的总体差异主要源于区域内，区域间差异则相对较小。

图2 2000-2018年中国旅游业碳减排潜力泰尔指数及贡献率Fig.2 Theil index and contribution rate of carbon emission reduction potential of tourism in China from 2000 to 2018

区域间泰尔指数较低且缓慢下降，由研究期初的0.009降至期末的0.005，说明三大地区间的差异逐步缩小；其贡献率也由23.353%降至6.189%，进一步说明三大地区间的差异与旅游业碳减排潜力总体差异的形成关联较小，进而导致其对区域总体差异的影响也较小。虽然中国旅游业碳减排潜力多表现为中、西部高于东部的特征，但中、西部地区的下降幅度大于东部，故区域间差异不断缩小。

区域内泰尔指数的平均贡献率为86.889%，是旅游业碳减排潜力总体差异的首要贡献者；区域内泰尔指数整体呈波动上升趋势，说明区域内差异逐渐扩大。从三大地区泰尔指数变化看，东部地区除2003年与西部地区相等外，其余年份远大于中、西部地区，即东部地区各省区间的旅游业碳减排潜力差异大于中、西部地区各省区间的差异。东部地区的泰尔指数贡献率始终保持在35%～68%，表明东部地区各省区间的差异是造成我国旅游业碳减排潜力区域内差异和总体差异变化的主要原因。研究期内江苏、浙江、山东和辽宁的旅游业碳减排潜力一直处于低或中低水平，海南碳减排潜力居高不下，广东、上海、北京、天津、河北、福建的碳减排潜力变动较大，致使东部省区间的差异不断分化。

2.3 旅游业碳减排潜力影响因素分析

2.3.1 变量选取 Grossman等[34]认为经济活动主要通过规模效应、结构效应和技术效应对环境产生影响，而由于现阶段我国三大地区的三大效应存在差异，因此其旅游业碳减排潜力必然受多重因素的影响，且各影响因素作用强度和方向各异。本文基于Grossman等的研究并借鉴相关成果[19,20]，综合考虑旅游业的特点、指标的可获取性与代表性，选取与旅游业碳排放密切相关的城镇化水平、对外开放程度、产业结构、旅游业碳排放结构、旅游业能耗强度和环境规制6个影响因素(表3)，各因素指标的选取依据及构建如下：1)城镇化水平(URB)：城镇化推动基础设施建设，为旅游业发展提供支撑，城市人口的增长也利于扩大旅游消费规模。2)对外开放程度(OPEN)：该指标反映了各省区的资金、人才、技术与信息等要素与外界的交流程度，对旅游产业规模及结构产生影响，但也有可能造成污染转移，对旅游业发展产生不利影响。3)产业结构(IS)：旅游业具备高度关联和开放性，是第三产业的龙头，与第三产业中其他行业的发展息息相关，因此，第三产业的发展也可能影响旅游业碳减排潜力。4)旅游业碳排放结构(STR)：该指标反映了旅游消费结构，如交通等基础性消费占比过多既不利于旅游经济的良性发展，又增加了旅游业碳排放量。5)旅游业能耗强度(TEI)：能耗强度常用以反映能源使用效率，由能源消耗量与产出之比表示，该指标越大，说明旅游业能源循环利用技术水平越低。6)环境规制(ER)：一方面，政府通过征收环境保护税，整顿和关停高排放高污染企业达到“倒逼减排”效果；另一方面，严格的环境规制也可能迫使污染型企业为降低成本进行地区转移，产生“污染天堂”效应。

表3 旅游业碳减排潜力影响因素指标Table 3 Influencing factors of carbon emission reduction potential of tourism

2.3.2 模型设定与回归结果 运用Stata 15.1计量统计软件依次对全国及东、中、西部地区进行Tobit回归，具体模型设定如下：

ACACIit=β0+β1URBit+β2OPENit+β3ISit+
β4STRit+β5TEIit+β6ERit+εit

(11)

式中：β0为常数项；β1,β2,…，β6为解释变量的回归系数。

由回归结果(表4)可知，模型中的解释变量对全国及三大地区的影响各异，具体分析如下：

表4 中国旅游业碳减排潜力影响因素回归结果Table 4 Regression results for influencing factors of carbon emission reduction potential of tourism in China

(1)城镇化水平分别在5%和1%的显著性水平下对东部和中部地区的旅游业碳减排潜力具有显著正向影响作用，对全国和西部地区的影响不显著。一方面，中国东、中部地区人口城镇化发展速度快、水平高，大量人口向城镇集聚推动了基础设施和服务设施建设，增加了资源、能源消耗；另一方面，城市是旅游活动的主要发生地，城镇化水平提升有助于增加居民收入、刺激居民旅游消费和延长游客驻留时间，进而使得旅游交通、住宿、餐饮、娱乐等要素能耗增加，直接或间接导致旅游业碳排放量及减排潜力不断攀升。

(2)对外开放程度对全国旅游业碳减排潜力具有显著负向影响作用，对东、中部地区有显著正向影响作用，对西部地区的影响不显著。一方面，对外开放可促进人才、资金、技术和信息等要素互联互通，便于旅游企业引入绿色生产技术和先进管理经验，提升旅游经营管理效益；另一方面，当前外资准入门槛仍较高，资金流入旅游产业领域范围受限，多集聚在规模大、档次高的商场、酒店和娱乐等部门[19]，而东、中部地区此类部门多[35]，因此耗能更大、排放更多，进而导致旅游业碳减排潜力上升。

(3)产业结构在1%的显著性水平下对全国和东部地区的旅游业碳减排潜力具有正向影响作用，对中、西部地区的影响不显著。第三产业在国民经济中占据主导地位，旅游业又是东部地区第三产业的龙头，与第三产业内部各行业相互交织，需要关联产业提供支撑，因此第三产业的发展程度决定了旅游业的发展速度、规模和质量。当前全国及东部地区第三产业的繁荣与发展丰富了其旅游产品与服务供给，增加了游客对高能耗、高碳排放旅游产品的消费[19]，进而推动旅游业碳减排潜力上升。

(4)旅游业碳排放结构对碳减排潜力的影响系数为正，且全国及三大地区均在1%的显著性水平下通过检验，即旅游交通碳排放增加促使旅游业碳减排潜力增大。交通是旅游业赖以发展的基础，旅游交通又是旅游业能源消耗和碳排放的主要来源，约占旅游业碳排放总量的75%[1]，因此，必须推动区域旅游交通合理配置和空间结构优化，大力发展绿色交通，促进交通用能清洁化，以减少旅游交通碳排放，促进旅游业可持续发展。

(5)旅游业能耗强度对旅游业碳减排潜力的影响系数为正，且全国及三大地区均通过显著性检验，说明旅游业能耗强度可显著提升旅游业碳减排潜力。一方面，旅游产业规模的持续扩大需要建设大量旅游交通、住宿、餐饮等基础设施和接待设施与之匹配，势必增加能源、资源消耗；另一方面，旅游交通、住宿和餐饮等碳排放重点部门能源应用技术与效率水平受限，致使旅游业能耗强度不断增加。

(6)环境规制在1%的显著性水平下对全国和西部地区的旅游业碳减排潜力具有正向影响作用，对东、中部地区的影响不显著。究其原因，当前我国的环境规制强度仍处于较低水平，且环境规制政策多针对工业等高污染、高排放产业[36]，对旅游业的关注较少，因此环境规制对旅游业尚未产生“创新补偿”效应[37]；同时，由于我国旅游业环境保护机制不够健全，环境规制不仅无法倒逼企业有效实现碳减排，反而在全国及西部地区存在“绿色悖论”效应。

3 结论与建议

本文基于公平与效率双重视角测度2000-2018年中国30个省区的旅游业碳减排潜力，综合运用空间分析方法、泰尔指数与Tobit回归模型探究旅游业碳减排潜力的空间演化特征、区域差异及影响因素，主要结论如下：1)从时空演化看，研究期内全国及东、中、西部地区的旅游业碳减排潜力均呈振荡式下降趋势，呈现“西部>东部>中部”的空间特征。研究期末，高水平类型省区减少为2个，低水平类型省区增至12个。2)从区域差异看，旅游业碳减排潜力总体差异呈先敛缩后扩大态势，区域内差异对总体差异的平均贡献率为86.889%，远大于区域间差异的贡献率(13.111%)。三大地区内的旅游业碳减排潜力差异明显，东部地区各省区间的差异远大于中、西部地区。3)从影响因素看，旅游业碳减排潜力受各因素的影响具有显著差异。就全国层面而言，产业结构、旅游业碳排放结构、旅游业能耗强度和环境规制对旅游业碳减排潜力有显著正向影响，对外开放程度有显著负向影响，城镇化水平的影响不显著；分地区看，旅游业碳排放结构和旅游业能耗强度在东、中、西部地区均通过了显著性检验，而城镇化水平、对外开放程度、产业结构和环境规制则表现出较大的地区差异。

基于上述研究结论，提出如下建议：1)制定差异化的区域碳减排措施，推动区域协调绿色发展。对于碳减排潜力较低的东部地区，一方面鼓励其积极研发和推广低碳、绿色生产技术，使旅游发展更多依靠技术进步而非要素投入；另一方面应加快推动旅游产业升级，促进部分省区由旅游大省向旅游强省转变。中、西部地区既要积极提高能源利用效率、改善旅游经济发展模式以及推动旅游经济结构高质量、合理化和低碳化发展，也要筑牢生态安全屏障，避免成为“污染避难所”。2)加强区域内碳减排合作，建立跨省减排协作与补偿机制。碳排放空间属于公共物品，具有非竞争性和非排他性，在非合作减排条件下，容易引起“搭便车”现象，造成“公地悲剧”[38]，而合作减排则是应对环境治理中“搭便车”和“公地悲剧”等外部性问题的有效手段。一方面，合作减排有利于推动省区间优势互补，降低碳交易成本，提高各省区减排投入意愿和减排效益；另一方面，合作减排可应对大气污染扩散，实现跨界污染控制，使各省区在减少自身旅游业碳排放量的同时，达到互助减排的效果，缓解部分省区减排压力。3)政府、旅游企业、旅游者共同参与，协同推进旅游业碳减排。为提高区域碳减排水平，政府一方面应加强旅游业节能减排统计、监测和考核体系建设，形成加快转变旅游经济发展方式的倒逼机制；另一方面应积极搭建校企合作和技术交流平台，对旅游企业进行技术创新投资或补贴，为旅游业节能减排和低碳发展强化人才、资金和技术支撑；旅游企业应自觉秉持绿色发展理念，积极使用新能源、新技术，推广低碳旅游产品和服务，营造良好低碳旅游氛围；旅游者应积极响应政府和社会相关组织号召，提高环保意识，践行低碳旅游。