长三角城市群旅游业碳排放脱钩效应测度与空间分异

黄美忠，黄晓坤

（1. 武汉商学院，湖北 武汉 430056；2. 广西壮族自治区土地储备中心，广西 南宁 530028）

旅游业是国民经济的支柱性产业[1]。近几年，随着居民消费意识和生活水平渐次提高，旅游业发展日益壮大。据中国旅游研究院数据显示，2010—2019 年，国内旅游人数从21.3 亿人次上升至60.06 亿人次，旅游业总收入从1.57 万亿元上升至6.63 万亿元。在旅游业持续发展过程中，旅游交通、住宿、餐饮等活动产生的碳排放逐渐增加[2]。世界旅游组织预测，到2030 年，全球旅游交通碳排放将增加至19.98 亿t，分别占交通领域、人为碳排放的23%和5.3%。为推进旅游业节能减排，国务院陆续颁布《关于促进全域旅游发展的指导意见》《关于促进旅游业改革发展的若干意见》系列文件，并在文件中提出旅游业集约低碳发展道路。在各项政策支持下，不同地区先后开发出“碳中和旅游”“绿色补碳旅游”“零碳旅游小镇”等项目。这在提高国内旅游业经济效益的同时，有效控制了碳排放，即产生了旅游业碳排放脱钩效应[3]。据中国碳核算数据库数据显示，2000—2018 年，中国旅游业碳排放总量从2.2 亿t 降至1.4 亿t。在节能减排与碳中和浪潮下，推动区域向低碳、可持续发展成为必然选择[4]。而科学测度并准确判断区域旅游业的碳排放脱钩效应，可以明确区域旅游业环境压力情况，对实现区域旅游产业的可持续、低碳发展具有重要指导意义。

目前，学术界对于旅游业碳排放脱钩的研究已形成一定规模。张广海等[5]以我国沿海区域为研究对象，发现沿海区域的旅游业经济发展与碳排放的关系为弱脱钩。王乐陶等[6]以吉林省为例，分析该省旅游业经济增长与碳排放间的脱钩关系，发现二者主要为弱脱钩关系，旅游业经济增长速度远高于碳排放增长速度。赵先超等[7]主要研究了湖南省旅游业经济增长与直接碳排放的脱钩关系，发现二者主要表现为两种状态，即弱脱钩与扩张性脱钩。黄国庆等[8]研究表明，一直以来，黄河流域的旅游业碳排放均为弱脱钩状态，流域内各省份的旅游业碳排放脱钩指数存在层次化，全局空间相关性较弱，且从西到东整体形成了高-低交替的空间演化格局。徐琼等[9]对我国31 个省份的旅游业碳排放测度，随后指出我国旅游业经济增长与碳排放的关系主要有两种，一是弱脱钩，二是扩张性脱钩。程慧等[10]的研究发现，我国旅游业碳排放脱钩状态不佳，省际差异较小，且受政府政策、经济发展水平、技术创新、产业结构、城镇化水平的影响，东部和西部差异较大。综上可知，学术界对于旅游业碳排放脱钩的研究较为丰富，研究区域范围较为广泛，既涵盖全国范围，也涉及常见区域或单一省域[11-15]，但鲜见从城市群角度出发进行分析。而长三角城市群作为长江经济带与“一带一路”的重要交汇地[16]，近年来一直是旅游业发展的重点区域。研究长三角城市群的旅游业碳排放脱钩效应，对城市群践行低碳发展、实现低碳旅游业引领具有重要意义。因此，本研究以长三角地区为例，测度长三角城市群旅游业碳排放脱钩效应，并分析相应空间分布特征及空间分异的影响因素，以期丰富相关研究领域的理论基础。

1 研究区概况

长三角城市群包括江苏省、浙江省、安徽省和上海市4 个省（市），涵盖26 座城市。除上海市外，城市群内还包括江苏省的无锡、南京、盐城、扬州等9 个地级市，浙江省的宁波、杭州、舟山、台州等8 个地级市，安徽省的合肥、芜湖、马鞍山等8 个地级市。长三角城市群位于长江入海之前的冲积平原，东临东海与黄海，所占面积21.17万km2，人口数量达2.25 亿。区域内旅游资源丰富，涵盖寒山寺、周庄、梅园、金鸡湖、秦淮河、中山陵、夫子庙、东林书院等自然和历史风景区，也包括东方明珠电视塔、环球金融中心等现代观光景点。区域内立体综合交通网络发达，整体旅游业发展程度较高。目前，长三角城市群业已成为中国社会经济发展最为活跃的区域，未来有望成为引领全国、辐射亚太、面向全球的世界级城市群。

2 数据来源与研究方法

2.1 数据来源

为确保数据的可得性、准确性，本研究以长三角4 个省（市）26 个城市为样本，选定2011—2019 年作为时间区间，并通过各种渠道收录相关数据资料。此次研究相关数据主要源自历年《中国统计年鉴》《中国旅游统计年鉴》《中国交通统计年鉴》《长三角地区旅游业发展报告》《长三角城市休闲化指数报告》与《长三角生态旅游发展报告》，以及研究期内上海市、江苏省、浙江省、安徽省四省市统计年鉴及统计公报。此外，部分数据取自文化和旅游部网页、报告公开资料。对于部分缺少、丢失数据，以拟合值抑或平均值进行替代。

2.2 研究方法

2.2.1 长三角城市群旅游业碳排放的测算方法

根据既有旅游业碳排放脱钩效应测度使用方法来看，“自上而下”“自下而上”测度方法使用较为普遍[17-18]。其中，“自上而下”可借助固定系数将一般数据统计体系中的旅游数据剥离，“自下而上”则是基于旅游行业某一部分固定范围进行精准统计。然而，由于旅游碳排放边界并未界定，上述两种方法在单独测算时存在测度误差。为此，需要先行厘清旅游业碳排放边界。就本质而言，旅游业属于综合行业，涉及食、住、行、购、游及娱等诸多要素。可以认为，旅游业碳排放主要源于餐饮、住宿、交通、商业、游览以及娱乐行为。依据刘军等[19]的研究来看，住宿、交通及娱乐占据旅游业碳排放的90%。因此，在测度长三角城市群旅游业碳排放脱钩效应时，拟聚焦旅游领域交通、住宿及娱乐三个维度进行研究。与此同时，为综合“自上而下”“自下而上”方法的优势，本研究拟结合蒋自然等[20]、唐承财等[21]的研究方法，融合“自上而下”“自下而上”法，测算长三角城市群旅游业碳排放量。

首先，以“自下而上”测算方法为切入点，将长三角城市群旅游业碳排放作为数据基础，测算交通、住宿及娱乐的碳排放，不同领域碳排放测算公式分别如下：

2.2.2 Tapio 脱钩模型

目前，脱钩分析多是使用Tapio 及OECD 脱钩模型。其中，Tapio 脱钩模型不仅不受统计量纲变化的影响，而且可依据弹性系数变动范围研判多种类型脱钩状态。鉴于此，本研究选定Tapio 脱钩模型作为基础脱钩效应测度模型。基于脱钩理论的本质，结合既有研究[22-24]，建构长三角城市群旅游业碳排放脱钩效应模型，公式如下：

式（8）中：α为脱钩指数；ΔK为当期旅游业碳排放与前一期旅游业碳排放差值；K为长三角城市群旅游业当期碳排放；ΔM为长三角城市群旅游业当期旅游收入与上期旅游收入差值；M为长三角城市群旅游业当期旅游收入。结合已有研究[25-27]对脱钩弹性系数变化范围的划分经验，将长三角城市群旅游业碳排放脱钩效应划分为脱钩、负脱钩及连接3 种类型。其中，负脱钩、连接2 种类型均为负面评价，脱钩为正面评价。为进行详细描述，进一步将上述3 种类型按照取值范围细分为8种（表1）。

表1 长三角旅游经济与碳排放脱钩划分标准Table 1 Standards for decoupling tourism economy and carbon emissions in the Yangtze River Delta

2.2.3 探索性空间数据分析（ESDA）

探索性空间数据分析可以准确反映数据整体和地区的空间分布特征，包括全局与局部空间自相关。其中，全局空间自相关指数意在精准描述区域整体空间关联及其差异程度；局部空间自相关指数主要用于描述局部地区及其周边地区的空间差异程度。因此，本研究运用探索性空间数据分析法，对长三角城市群旅游业碳排放脱钩效应空间关联进行分析。

在测算全局空间自相关指数时，选用Moran’s I指数，公式如下：

式（9）中：n为长三角城市群中26 个城市；Wij是城市i及城市j共同构成的空间权重矩阵；xi、xj分别表示i、j城市的脱钩指数。I的取值范围在[-1,1]之间，且根据指数范围将其划分为正相关、负相关、空间无关三种类型。

进一步使用LISA 指数测算局部空间自相关指数，公式如下：

式（10）中：各字母内涵与式（9）完全一致，不再赘述。基于I的取值范围，可将空间地理要素划分为4 种空间关联形式，包括“高-高”集聚（H-H）、“低-低”集聚（L-L）、“低-高”（L-H）集聚、“高-低”（H-L）集聚。

3 结果与分析

3.1 长三角城市群旅游业碳排放变化趋势

使用式（7）对长三角城市群旅游业碳排放进行测算，根据结果绘制图1。由图1 走势可以看出，总体而言，长三角城市群旅游业碳排放呈现波动式上升趋势，从2011 年的81 万t 波动上升至2016 年的108 万t，又在2017 年下降至100 万t，最后上升至2019 年的110 万t。这一结果表明，随着旅游业的逐渐发展与规模扩大，长三角城市群旅游业碳排放整体呈现扩大态势。据此可以判断，长三角城市群旅游业发展建立在相对偏高的能源消耗基础之上，属于粗放类型发展模式。而粗放类型发展模式不仅对长三角城市群旅游业集约化发展造成负面影响，而且严重阻碍长三角城市群整体绿色、高质量发展。

图1 2011—2019 年长三角城市群旅游业碳排放Fig. 1 2011-2019 carbon emissions from tourism in the Yangtze River Delta urban agglomeration

分阶段具体来看，2011—2013 年间，长三角城市群旅游业碳排放呈现出先上升后下降的趋势；2013—2016 年间，长三角城市群旅游业碳排放呈现出稳步上升的趋势；2016—2019 年间，长三角城市群旅游业碳排放呈现先下降后缓慢上升的趋势。产生上述阶段性变动趋势的原因可能在于，受国家“十二五”和“十三五”各地区单位国内生产总值二氧化碳排放下降指标的影响，长三角城市群所在省份积极推进各行业碳减排，使得城市群内旅游业碳排放在政策颁布初期有所下降。但囿于城市群旅游业发展模式较为粗放，后期随着旅游业发展规模的持续扩大，长三角城市群旅游业碳排放总量逐渐提高。由此判断，随着绿色发展、生态文明建设全面深化，长三角城市群旅游业碳排放还会受到抑制，但如若不能有效转变旅游业发展模式，控制长三角城市群旅游业碳排放，将对整体长三角城市群节能减排、提质升级、绿色发展目标的实现带来巨大压力。

3.2 长三角城市群旅游业碳排放脱钩效应

在测算得知长三角城市群旅游业碳排放总量以后，进一步使用Tapio 脱钩模型（式8）计算长三角城市群旅游业碳排放脱钩指数（图2）。

由图2 可以看出，总体而言，研究期内长三角城市群旅游业碳排放脱钩效应整体呈现相当强烈的波动态势。详细来看，长三角城市群旅游业碳排放脱钩指数从2011 年的1.12 上升至2012 年最高峰值（1.2），随后又经历了两阶段的急速下降，到2018 年达到谷值（-0.02），后又在短短的一年内提升至0.4。在研究期间强烈波动过程中，除2018 年外，长三角城市群旅游业碳排放脱钩指数均为正值，这表明长三角城市群旅游业碳排放整体脱钩程度为弱脱钩，旅游业碳排放脱钩贡献度有待提高。同时不可否认的是，研究期内长三角城市群旅游业碳减排已经取得初步成效，但囿于经济发展与碳排放处于同向增长，尚未进入环境Kuznets 曲线倒“U”型关键拐点，推测长三角城市群旅游业碳减排弱脱钩仍将持续一段时间。

图2 2011—2019 年长三角城市群旅游业碳排放脱钩指数Fig. 2 Decoupling index of Yangtze River Delta city cluster tourism carbon emissions during 2011-2019

分阶段具体来看，2011—2014 年间，长三角城市群旅游业碳排放脱钩指数呈现出先小幅抬升后大幅度降低的变化趋势，由1.12 先上升至1.2，后又降至0.62。这一变化趋势表明，长三角城市群旅游业碳排放脱钩程度由原先的增长连接转变为弱脱钩，即四年间长三角城市群旅游业发展与碳排放之间关系得到持续改善，二者已由发展冲突向耦合协调阶段演化。2014—2016 年间，长三角城市群旅游业碳排放脱钩指数呈较为缓慢的增长趋势，并始终在0.6 ～0.7 之间，表明长三角城市群旅游业碳排放脱钩程度为弱脱钩。且这一现象也说明长三角城市群旅游经济发展与碳排放均步入快速增长状态，但旅游经济增长已经远超碳排放增长幅度。值得注意的是，这一时期长三角城市群旅游业碳排放量也在持续提高，仍将对生态环境造成较大压力。2016—2019 年间，长三角城市群旅游业碳排放脱钩指数剧烈波动，呈现出先显著大幅下降后快速上升的“V”型变化趋势，即先从0.69 急速下降至-0.02，后又上升至0.4。这一变化趋势表明，该时期长三角城市群旅游业碳排放脱钩仍以弱脱钩为主，在2018 年产生一次强脱钩。产生这一现象的原因可能在于，2017 年以来，政府部门数次出台绿色旅游发展指导意见，为实现旅游经济增长和碳排放脱钩有效赋能，使得2018 年该城市群出现强脱钩。

进一步测算长三角城市群26 个城市旅游业碳排放脱钩指数，并基于脱钩类型差异，将长三角城市群26 个城市分为三种状态（表2）。第一，优质脱钩，涵盖上海、杭州、芜湖、滁州、苏州、绍兴、南京、无锡、合肥及宁波共10 个城市。其中，上海市、苏州市最为典型，已经基本实现强脱钩。第二，良好脱钩，包括南通、常州、扬州、嘉兴、台州、金华、安庆、马鞍山8 个城市。在良好脱钩区间，各城市均已基本达到弱脱钩状态。第三，偏差脱钩，涉及池州、舟山、宣城、泰州、镇江、盐城、湖州、铜陵，这些城市仍然需要加强旅游经济与碳排放脱钩进程。

表2 长三角城市群26 个城市旅游业碳排放脱钩状态†Table 2 Decoupling status of tourism carbon emissions in the 26 cities in the Yangtze River Delta Urban Agglomeration

3.3 长三角城市群旅游业碳排放脱钩效应的空间分异

3.3.1 全局空间自相关分析

基于式（9）且借助GeoDa 095i 软件，测算得出长三角城市群旅游业碳排放脱钩效应的全局空间自相关Moran’s I 指数。结果显示，Moran’s I 指数的正态统计量Z值均超过0.05 置信水平，且为正数（图3）。

图3 2011—2019 年长三角城市群旅游业碳排放脱钩指数的Moran’s I 值Fig. 3 The Moran’s I value of the tourism carbon emission decoupling index of the Yangtze River Delta urban agglomeration from 2011 to 2019

总体来看，2011—2019 年间，长三角城市群旅游业碳排放脱钩效应呈现显著空间正相关关系。换言之，地理位置相对邻近的城市之间脱钩水平差距较小，相关性较为显著。同时，全局长三角城市群旅游业碳排放脱钩效应的Moran’s I 指数平均值仅为0.268，说明长三角城市群整体旅游业碳排放脱钩效应的空间关联较小。由此判断，城市群内各城市旅游业碳排放脱钩程度不仅与相邻省市溢出效应有关，也会受到自身旅游行业发展水平的影响。进一步来看，2011 年的全局Moran’s I 指数仅为0.135，表征长三角城市群旅游业碳排放脱钩效应在2011 年的空间分布处于随机状态；2019 年，全局Moran’s I 指数达到最高，为0.379，表明2019 年长三角城市群旅游业碳排放脱钩效应的空间集聚程度最为显著。综合而言，长三角城市群旅游业碳排放脱钩效应相对偏低，但整体处于波动上升态势。原因可能在于，近年来环境规制、“双碳”目标、旅游业高质量发展等政策持续落实，为长三角城市群旅游业碳排放脱钩提供有力支持。如此，全局Moran’s I 指数逐渐上升。

3.3.2 局部空间自相关分析

进一步基于式（10），分析长三角城市群中26座城市旅游业碳排放脱钩效应的局部空间相关性。为便于观测，分别选取2011—2014 年、2015—2016年、2017—2019 年作为基础时段，并按照局部自相关分析结果进行整合，具体如表3、图4 所示。

表3 长三角城市群旅游业碳排放脱钩指数局部空间集聚Table 3 Local spatial agglomeration of the decoupling index of tourism carbon emissions in the Yangtze River Delta Urban Agglomeration

由图4 可以看出，2010—2014 年，高-高（H-H）集聚城市主要包括上海、苏州两座城市，表明彼时二者脱钩效应较强，是长三角地区旅游业碳排放脱钩发展的重要领头城市。低-低（L-L）集聚城市数量较多，包括宣城、镇江、盐城、湖州、泰州、铜陵、舟山、池州，上述城市旅游业碳排放脱钩滞后，根本原因在于经济水平略显滞后，仍是以化石能源作为旅游发展驱动。南京、无锡属于高-低（H-L）集聚，自身旅游业碳排放脱钩水平偏高，而周边城市旅游业碳排放脱钩水平相对较低。包括合肥、南通、嘉兴、安庆、马鞍山、绍兴、台州、扬州、常州、滁州、金华、宁波、杭州、常州在内的14 个城市属于低-高（L-H）集聚型，这一方面与其旅游业碳排放脱钩水平整体偏低直接相关，另一方面与此时相邻省（市）的旅游业碳排放脱钩水平正向辐射效应未有效发挥有关。

图4 长三角城市群旅游业碳排放脱钩指数局部空间集聚示意Fig. 4 Schematic diagram of local spatial agglomeration of tourism carbon emission decoupling index of Urban Agglomeration in the Yangtze River Delta

2015—2016 年，高-高（H-H）集聚分布于上海、苏州、南京、无锡，主要原因在于上述城市自身经济发展良好，且在周边地区与城市溢出效应之下旅游业发展有所加速，因此旅游业碳排放脱钩水平逐渐向好发展。低-低（L-L）集聚城市并未产生明显变动，究其根本，大概是与地方经济、技术发展水平相对其他城市略微滞后，旅游绿色技术、旅游低碳政策践行尚未全面落实有关。包括南通、常州在内的8 个城市仍停滞于低-高（L-H）范围，而合肥、宁波、杭州、芜湖、绍兴、滁州则进入高-低（H-L）集聚范围，说明这些城市在协同推进旅游业经济发展与碳排放控制工作。

2017—2019 年，上海、苏州、南京、无锡的溢出效应逐渐全面发挥，促使合肥、宁波、杭州、芜湖、绍兴、滁州均进入高-高（H-H）集聚范围。同时，泰州、盐城、镇江、湖州、舟山也逐渐脱离低-低（L-L）集聚范围，进入低-高（L-H）分布领域。但值得注意的是，宣城、铜陵、池州仍处于低-低（L-L）集聚，因此未来需合理借助区位优势，全面提高这些城市的旅游业碳排放脱钩水平。

总的来说，长三角城市群26 座城市的旅游业碳排放脱钩效应空间集聚同时存在“正向相关”“负向相关”，且“正向相关”城市数量远高于“负向相关”城市数量。随着时间的推移，长三角城市群中旅游业碳排放脱钩效应属于空间负向相关的城市数量正渐次减少，正向相关的城市数量正逐渐增加。由此可知，长三角城市群旅游业碳排放脱钩效应的城市之间差异性不断减弱。

3.4 时空分异的影响因素分析

3.4.1 影响因素的选取与模型的构建

由上述研究可知，长三角地区旅游业碳排放脱钩效应表现出复杂的空间分布态势，各城市时序演变亦呈显著波动趋势。为揭示产生这一现象的根本原因，本文中拟引入地理探测器方法，测算长三角地区旅游业碳排放脱钩效应空间分异的影响因素。在此参考其他旅游业碳排放脱钩时空分异影响因素的研究成果[28-29]，并充分考虑长三角城市群旅游业的发展特点及相关统计数据的可得性，选取以下导致旅游业碳排放脱钩效应空间分异的因素：产业结构（长三角城市群第三产业占比）、经济水平（长三角城市群内各城市人均GDP）、政策规制（长三角政府有关旅游业碳排放调控的条例数目）、能源消耗（长三角城市群旅游业能源消耗总量）、生态技术创新（长三角城市群生态技术专利申请数量）、旅游人数规模（长三角城市群旅游接待总人数）。选定影响因素以后，构建地理探测模型如下：

式（11）中：KD.V代表各影响因素的影响效应；n代表长三角城市群城市数量（n=26）；m则代表影响因素（m=6）；ni表示次一级区域样本单元数量；σ2代表次一级区域旅游业碳排放脱钩指数的方差。

3.4.2 影响作用分析

基于式（11），测算2011—2019 年间各因素对长三角地区旅游业碳排放脱钩的影响，结果见表4。

表4 2011—2019 年长三角城市群旅游业碳排放脱钩效应的影响因素†Table 4 Drivers of the decoupling of tourism carbon emissions in the Yangtze River Delta Urban Agglomeration from 2011 to 2019

表4 数据显示：1）产业结构对长三角城市群旅游业碳排放脱钩指数影响逐步降低，2019 年的影响系数达到最低水平，为0.118。分析原因可知，近年来长三角城市群各城市积极响应产业结构升级的政策内容，不断优化、调整旅游业结构，使得城市群旅游业碳排放减少，碳排放脱钩效应逐渐减弱。2）经济水平对长三角城市群旅游业碳排放脱钩指数影响渐次增加，在2017 年达到最高水平（0.192），此后略有降低。究其根本，在城市经济水平持续提升态势下，民众低碳绿色发展意识渐次增强，更加倾向选择生态旅游、低碳旅游这一类环境友好型旅游，使得长三角城市群旅游业碳排放脱钩效应更加凸显。3）政策规制对长三角城市群旅游业碳排放脱钩指数的影响逐渐加强，由2011 年的0.133 上升至2019 年的0.232。原因在于，近年长三角城市群各省（市）及各城市陆续颁布的《长江三角洲城市群发展规划》《长江三角洲区域一体化发展规划纲要》《长三角生态绿色一体化发展示范区嘉善片区发展规划》，一定程度上推进了旅游业碳排放脱钩进程。4）能源消耗对长三角城市群旅游业碳排放脱钩的影响效应虽然呈现增长态势，但整体增幅相对偏小。分析产生这一现象的原因可能在于，长三角地区正在逐步推进绿色交通、无碳住宿、餐饮技术在旅游业的深入应用，使得城市群整体旅游业碳排放总量逐渐进入可控状态。5）生态技术创新对长三角城市群旅游业碳排放脱钩的影响效应持续增强，在2011—2019 年间由0.119 上升至0.192，且一直较为显著。深入研究原因可知，长三角城市群旅游领域所研发的“绿色出行方案”，以及“生态安全保障关键技术研究与集成示范基地”的建立，为城市群旅游业碳排放脱钩提供了技术赋能。6）旅游人数规模对长三角城市群旅游业碳排放脱钩的影响效应渐次降低，2011—2019 年间从0.199下降至0.109。产生这一现象的原因可能是，近年来长三角城市群积极推行各项有利碳排放脱钩措施，使得旅游业对游客食、住、行、游、购、娱等方面的能源消耗需求逐渐降低，旅游业碳排放随之减少。因而，城市群旅游人数规模对旅游业碳排放脱钩的影响不断降低。

综合来看，影响长三角城市群旅游业碳排放脱钩效应空间分异的因素从大到小依次为：政策规制、生态技术创新、能源消耗、经济水平、产业结构、旅游人数规模。其中，政策规制、能源消耗以及生态技术创新的影响效应不断增强，产业结构和旅游人数规模的影响效应不断削弱，经济水平的影响效应则呈现先增强后减弱的态势。

4 结论与建议

遴选长三角城市群26 座城市作为研究样本，采用“自下而上”与“自上而下”结合法、Tapio脱钩模型、探索性空间分析法，对长三角城市群旅游业碳排放脱钩效应及空间分异特征进行分析，得到具体结论如下：1）长三角城市群旅游业碳排放脱钩指数呈现强烈波动态势，但整体表现为弱脱钩，且这一情况将持续一段时间。2）各省市旅游业碳排放脱钩差异较为明显。其中，上海、苏州、南京、无锡、杭州等10 个城市的脱钩状态良好，属于优质脱钩城市；南通、常州、扬州、嘉兴等8个城市属于良好脱钩城市；泰州、盐城、镇江、湖州等8 个城市属于偏差脱钩城市，旅游业碳排放脱钩效应有较大上升空间。3）长三角城市群旅游业碳排放脱钩效应的空间集聚度相对较低，但总体呈波动式上升态势。并且，旅游业碳排放脱钩属于空间负向相关的城市数量正渐次减少，说明各城市之间的碳排放脱钩差异正不断缩小。4）长三角城市群旅游业碳排放脱钩效应空间分异的影响因素有6 个，从大到小依次为：政策规制、生态技术创新、能源消耗、经济水平、产业结构、旅游人数规模。随着时间的推移，政策规制、能源消耗以及生态技术创新的影响效应不断增强，产业结构和旅游人数规模的影响效应逐渐减弱，经济水平的影响效应先增大后减小。

针对上述结论，提出以下几点建议：1）长三角城市群各省（市）政府应牵头成立旅游业发展联盟，推进省、市间旅游业战略合作。同时，长三角城市群各省（市）政府应发挥主导作用，通过财政拨款构建长三角低碳旅游专项扶持基金，配合财税政策、行政措施，加大旅游发展资金投入，积极培育低碳、绿色旅游新业态。此外，长三角各省（市）、地市政府应当充分提升低碳旅游宣传力度，打造精品低碳旅游线路，倡导低碳旅游，以此降低长三角城市群旅游者在食、住、行、娱、购等环节的碳排放。2）长三角城市群内部旅游企业应当结合自身实际，合理借助所在地政府关于旅游业的低碳发展专项资金，持续研发与引进旅游低碳创新技术，全面推进旅游景区低碳建设工作，实现旅游业低碳、绿色转型升级。与此同时，长三角城市群的旅游行业应积极推进高质量发展政策，鼓励旅游企业应用清洁能源，切实提升旅游行业绿色发展质效。另外，各省（市）旅游企业应与政府积极开展合作，建立旅游业绿色低碳考核标准，将旅游行业能源消耗、环境影响纳入文明城市考核体系，执行严格考核及监督，全面提高长三角绿色旅游治理。3）长三角城市群旅游业相关主体应坚持生态优先、绿色发展原则，深化绿色材料、绿色能源在旅游行业中的应用，着力推进本市旅游线路创新设计、旅游产品创新开发。在此过程中，旅游业相关主体应充分意识到绿色旅游的重要性，以旅游业全产业链为基准进行节能减排改造，着力提升长三角城市群的生态环境。

本研究仍存在一些局限：1）由于旅游业能源消耗无法直接获取，借助交通、住宿及娱乐领域的碳排放及相应系数，测算长三角城市群旅游业碳排放总量。测算行业领域不全面，且测算结果可能与实际值不符，出现一定偏差。因此，在下一步研究中，一方面可从旅游业细分行业领域出发进行分析，另一方面可加强对城市群旅游业碳排放脱钩效应的趋势预测，丰富相关领域的实证研究基础。2）关于城市群旅游业碳排放脱钩效应区域差异的影响因素，主要考虑长三角城市群特征，从社会经济及环境维度选取了六个。影响因素选取维度较少，且可能只适合长三角城市群等经济、环境良好地区。因此，在后续研究中，一方面可增加选取旅游业自身发展维度的具体影响因素，另一方面可加强对中西部地区旅游业碳排放脱钩空间分异影响因素的分析，进一步验证研究结果的可靠性、准确性，为整体提升全国旅游业碳排放脱钩效应提供更加翔实的理论参考。