翁 钢 民,李 聪 慧 ,潘 越 ,李 建 璞

(1.燕山大学经济管理学院，河北 秦皇岛066004；2.燕山大学区域经济发展研究中心，河北 秦皇岛066004)

0 引言

全球经济的快速发展和能源消耗的加剧，导致大量温室气体排放，引发全球气候变暖等一系列环境问题。旅游业在快速成长的同时带来大量碳排放，其碳排放量占全球总碳排放量的8.3%[1]，因此，旅游业在全球温室气体排放中应承担重要责任；与此同时，作为新世纪的朝阳产业和低耗能产业，我国旅游业在应对气候变化、开展节能减排方面具有潜在的关键性作用。原国家旅游局印发的《关于进一步推进旅游行业节能减排工作的指导意见》(旅发办〔2010〕80号)要求旅游业积极采取措施应对气候变化和能源消耗问题。国务院出台的《“十三五”旅游业发展规划》(国发〔2016〕70号)也指出，要在旅游规划、开发、管理和服务的全过程中认真贯彻绿色发展理念，将旅游业培育成生态文明建设重要引领产业。因此，如何在保证旅游经济持续增长的同时，实现旅游业低碳化发展是亟待探讨的重要课题。

目前，国内外学者对旅游业碳排放的研究主要集中于旅游业碳排放的测算方法、影响因素、脱钩效应等领域。Gössling、Cadarso等分别采用“自下而上”法、“自下而上”和“自上而下”结合法对旅游业碳排放进行测度[2，3]，此外，国外学者在两种方法模型的对比分析和应用研究方面也做了很多探讨[4，5]。国内学者主要采用“自下而上”法从全国[6]、省市[7]、景区[8]等区域尺度以及旅游业整体[6]、旅游交通[9]、旅游住宿[10]等研究视角测度旅游业碳排放，然而基于“自上而下”法的旅游业碳排放量估测研究相对较少[11，12]。常用的碳排放影响因素研究方法有Hi-PLS模型[13]、IPAT模型[14]、STIRPAT模型[15]、GMM动态回归模型[16]、迪氏因素分解法(LMDI)等，其中LMDI分解模型最为常见[17-19]。随着旅游经济发展带来一系列环境问题，旅游业碳排放与经济增长间的关系逐渐成为研究重点。Tapio提出Tapio脱钩模型，并用于欧洲地区交通运输业发展与碳排放脱钩关系的探讨[20]。国内学者赵先超等首次将脱钩理论用于湖南省旅游业碳排放与经济增长的脱钩关系研究[21]；王凯、马继等分别采用OECD脱钩指数、Tapio脱钩模型衡量全国旅游业碳排放量与经济增长的脱钩情况[22，23]；还有学者对脱钩关系模型构建问题进行了不同的尝试[24，25]。

综上所述，国内外学者采用不同方法从不同视角对不同区域尺度的旅游业碳排放进行了分析，但目前专门针对旅游业碳排放脱钩的研究较少，特别是关于旅游业碳排放脱钩空间格局演化及其影响因素的探索更为缺乏。基于此，本文以中国30个省域为研究对象，基于Tapio脱钩模型，尝试采用ESDA-LMDI方法对我国旅游业碳排放与经济增长脱钩效应的时空演变及影响因素问题进行探讨，以期为制定可行的减碳措施提供决策参考。

1 数据来源与研究方法

本研究所需数据包括能源消耗数据和经济发展数据，前者来源于2009-2018年《中国能源统计年鉴》，后者来源于2009-2018年《中国统计年鉴》及省域统计公报；其中，旅游总收入由国内旅游收入和旅游外汇收入构成，旅游外汇收入按照历年美元对人民币的汇率换算得到。基于数据的可获得性，将中国30个省域作为研究区域。

1.1 旅游业碳排放量估测方法

(1)

在此基础上，进一步计算旅游业碳排放量，即：

(2)

(3)

式中：C、Ci分别为中国和i省域的旅游业碳排放量；fj为j类能源折算标准煤参考系数(表1)；k为单位标准煤的CO2排放量，设定k=2.45[27]；m为省域数量；n为各省域能源消耗种类。

表1 各种能源折算标准煤参考系数

1.2 脱钩模型

目前，用于脱钩分析的模型主要有OECD脱钩模型和Tapio脱钩模型，前者对时间段基期的选择较敏感，不同时间基期的计算结果有较大差别，而后者是一种弹性分析，不受统计量纲变化的影响，计算结果有较强的稳定性，因此，本文基于Tapio脱钩模型分析旅游业碳排放量与旅游经济增长的脱钩关系(表2)。计算公式如下：

e=(ΔC/C)/(ΔG/G)

(4)

式中：e为脱钩弹性指数；ΔC、ΔG分别为旅游业碳排放变化量和旅游经济变化值，旅游经济情况用旅游业总收入G表示。

表2 脱钩状态划分

1.3 探索性空间数据分析(ESDA)

探索性空间数据分析包括全局空间自相关指数I和局部空间自相关指数Ii，前者用于描述区域整体的空间关联和空间差异程度，后者用于衡量各个二级区域与周边地区的空间差异程度及显著性。计算公式如下：

(5)

(6)

1.4 LMDI分解法

作为当前碳排放领域最热门的一种因素分解方法，LMDI以目标变量的分解为基础，是一种可完全分解残差项的指数分解法，在适应性、呈现性、结果展示方面优势明显，测算结果更具说服力。本文利用LMDI分解法将旅游业碳排放量分解如下：

(7)

假设C0和CT分别代表基期年和第T年的旅游业碳排放量，根据LMDI分解法中的加法形式，将第T期相对于当前的旅游业碳排放量ΔC分解为：

ΔC=ΔC∂+ΔCβ+ΔCε+ΔCη

(8)

式中：ΔC∂、ΔCβ、ΔCε、ΔCη分别表示能源结构、旅游能源强度、人均旅游消费水平与游客规模对旅游业碳排放的影响，其分解结果分别为：

(9)

(10)

(11)

(12)

结合脱钩模型，可得：

(13)

式(13)表明，旅游业碳排放与旅游经济的脱钩效应可被分解为能源结构效应e∂、技术效应eβ、经济效应eε与游客规模效应eη。

2 中国旅游业碳排放脱钩的时空演化

2.1 中国旅游业碳排放脱钩的时间演化

由2008-2017年中国旅游业总收入变化率、旅游业碳排放变化率和脱钩指数图(图1)可以看出，旅游业碳排放脱钩指数整体处于0.4380～0.8758之间，且旅游收入和旅游碳排放的增速均为正值，表明旅游经济增长与碳排放处于弱脱钩状态，旅游业碳排放脱钩的贡献程度有待提升。其中2008-2010年旅游业总收入变化率与旅游业碳排放变化率均呈缓慢上升态势，旅游业碳排放脱钩指数呈下降态势，2010-2017年旅游业总收入变化率呈平缓的“N”形，而旅游业碳排放脱钩指数与碳排放变化率的变动趋势大体一致，均呈显著的上升—下降—上升—下降的波动变化趋势。导致这种趋势的原因是我国旅游经济的增长与旅游产品的生产、消费密切相关，因此，旅游业碳排放的下降态势难以持续。其中，我国旅游业碳排放变化率和旅游业总收入变化率在2011-2012年间达到峰值，这与该年交通运输部出台的《重大节假日免收小型客车通行费实施方案》有关，此外，哈大、京广等高铁线路的开通对其也有一定影响。总体而言，旅游业总收入变化率呈增长趋势、旅游业碳排放变化率呈下降趋势是由国家高度重视生态文明建设、稳步实施旅游业低碳化发展战略所致。

图1 2008-2017年中国旅游业总收入变化率、旅游业碳排放变化率和脱钩指数

2.2 中国旅游业碳排放脱钩的空间分异

为进一步探讨旅游业碳排放脱钩的空间变化关系，本文选取3个时段(2008-2009年、2012-2013年、2016-2017年)考察不同省域间的差异(表3)。由表3可知，2008-2017年中国旅游业碳排放脱钩指数分布不均衡，表现为中东部地区脱钩程度较好、西部地区脱钩程度较差，脱钩水平呈“东高西低”格局。2008-2009年，除新疆处于扩张性负脱钩状态外，有19个省域处于弱脱钩状态，占总数的63.33%，10个中西部省域属于增长连接状态，表明这些地区旅游经济与碳排放的增速基本同步，旅游经济总体仍属粗放型增长。2012-2013年，处于弱脱钩和增长连接状态的省域数量均有所减少，而属于扩张性负脱钩的省域数量增加，并呈现出由西北向中部扩张的态势；强脱钩和衰退脱钩状态开始出现，包括仅属于衰退脱钩的上海及处于强脱钩状态的北京、天津、山东等7省市，说明这些地区随着旅游经济的持续增长，碳排放量呈负增长，二者达到理想的脱钩状态。2016-2017年，处于弱脱钩状态的省域增至23个，表明虽然我国大部分地区旅游业碳排放量仍有所增加，但已得到有效控制，表现为旅游业碳排放量的增速小于旅游经济的增速；增长连接状态的省域增至4个，分布于中西部地区；强脱钩状态的省域减少为北京、河南和湖北3个，其中河南的脱钩程度最好，指数为-0.238。总体上，增长连接的省域数量减少，实现弱脱钩和强脱钩的省域总量有所增加，旅游经济与生态环境逐步实现绿色和谐发展。

表3 2008-2017年中国旅游业碳排放脱钩指数的空间分布差异

2.3 中国旅游业碳排放脱钩的空间演变

采用Geoda软件计算中国旅游业碳排放脱钩指数的全局Moran′sI指数，分析旅游业碳排放脱钩指数整体的时空演变趋势(表4)。结果显示，2008-2017年全局Moran′sI指数区间为[-0.0841，-0.0302]，且不同程度的显著性检验表明，我国旅游业碳排放脱钩指数具有显著的空间负相关性，但空间分布的集聚程度较低。进一步对我国3个时期的旅游业碳排放脱钩指数进行局部自相关分析(表5)，发现旅游业碳排放脱钩指数的集聚特征表现为空间正、负相关性并存，但空间负相关的省域数量大于空间正相关的省域数量。

表4 中国旅游业碳排放脱钩指数Moran′s I值

表5 中国旅游业碳排放脱钩指数局部空间聚类状况

2008-2009年，H-H类型的省域集中在中部的湖南、湖北、山西等地，其旅游业碳排放与经济发展的脱钩水平较高，是我国旅游业碳排放脱钩发展的重要增长极；L-L类型的省域包括云南和宁夏，其旅游业碳排放脱钩程度较低，为低值集聚区，与当地经济发展落后、科技创新能力弱、交通通达度不高有很大关系；新疆、青海、甘肃、陕西和四川属于H-L类型，其旅游业碳排放脱钩水平较高，但周边地区碳排放脱钩水平较低；辽宁、北京、天津和浙江等地虽与脱钩水平较高的地区相邻，但受到的正向辐射作用不明显，自身旅游业碳排放脱钩水平较低，为L-H类型。2012-2013年，H-H类型的省域包括河北和黑龙江，其受相邻省域辐射作用的影响，碳排放脱钩水平向好发展并演化为高值集聚区；L-L类型的省域向中东部扩张，多数相互毗邻，如陕西、山西等地旅游能耗主要以高碳排放的煤炭为主，广西、广东、福建等地旅游发展迅猛，而游客低碳旅游意识较差，加之清洁技术的开发应用尚未普及，故碳排放量大规模增加，旅游业碳排放脱钩水平向低水平转变；H-L类型的省域在增强自身脱钩程度的同时，形成明显的扩散效应，河南、贵州等地旅游业碳排放脱钩水平有所提升，旅游业发展逐渐趋于低碳化；L-H类型的省域积极吸收周边地区的溢出效应，提高自身旅游业碳排放脱钩水平，省域数量呈下降态势。2016-2017年，H-H类型的省域向西南部扩张，山西、重庆、湖南等地受相邻省域溢出效应的影响，旅游业碳排放脱钩水平有所提升，由低水平脱钩向高水平脱钩转变；L-L类型仅剩四川和广东，虽然两省旅游资源丰富，旅游发展较好，但较高的旅游能耗导致碳排放处于短期失衡状态；在周边地区的辐射带动下，云南、广西等地由L-L类型转变为H-L类型，实现旅游业碳排放脱钩水平的跨越式发展；属于L-H类型的河南、湖北、河北等地，其周边地区未能起到明显的带动作用，故需利用区位优势，努力提升旅游业碳排放脱钩水平。总体而言，我国旅游业碳排放脱钩呈现空间负相关的省域数量逐渐减少，空间差异性减弱，而呈现空间正相关的省域数量逐渐增多，表明我国旅游业碳排放脱钩的同质性愈加明显。

3 中国旅游业碳排放脱钩的影响因素

通过LMDI模型将中国旅游业碳排放脱钩效应的影响因素分解为能源结构效应、技术效应、经济效应和游客规模效应，在此基础上绘制影响因素变化情况图(图2)，以讨论不同效应因素对我国旅游业碳排放脱钩指数变化的影响。

图2 2008-2017年中国旅游业碳排放脱钩影响因素变化情况

整体上，影响中国旅游业碳排放脱钩变化的因素中：能源结构效应在2008-2013年的贡献量始终为正(2008-2012年出现小幅波动，2013年达到最大值后迅速下降)，2014-2016年贡献量为负，之后又缓慢回升为正；技术效应在2015-2016年贡献量为正，其余年份均为负，说明技术效应对碳排放脱钩的促进作用显著，在一定程度上缓解了大量能源消耗所带来的环境污染问题;经济效应对碳排放脱钩的贡献量在研究期内一直为正，但在整体结构中所占份额较小，对我国旅游业碳排放脱钩的影响程度不高;游客规模效应对碳排放脱钩的贡献量在研究期内也一直为正，且在整体结构中占有较大份额，处于主导地位，对碳排放脱钩的抑制作用较强。

为探究各省域旅游业碳排放脱钩的影响因素，运用LMDI计算研究期内各指标对旅游业碳排放脱钩的贡献量，绘制30个省域各指标贡献量分布图(图3)。

图3 2008-2017年中国30个省域旅游业碳排放脱钩各指标贡献量分布

能源结构效应对中国旅游业碳排放脱钩指数的影响存在显著的空间差异。随着《国家煤炭深加工“十三五”规划》的落实，能源结构调整使得山西、黑龙江、陕西、新疆等地减少了对煤炭、石油等化石能源的依赖，同时大力发展新能源，逐步形成了清洁低碳、安全高效的能源体系，为此能源结构效应对旅游业碳排放脱钩起促进作用;而辽宁、浙江、河南等地能源结构调整的效果尚未显现，依然表现为抑制作用，如辽宁作为传统的工业基地，摆脱了单一的能源利用结构，但旅游业的快速发展仍依赖于排放高熵废物的能源，浙江、河南等地旅游业发展相对较好，但能源消耗依然以传统能源为主，因此，加快非化石能源的发展、扩大可再生能源的使用将是这些地区努力的重点。

技术效应是促进旅游业碳排放与经济脱钩的重要因素，改善能源利用技术水平、提高能源利用效率有利于减少旅游业碳排放对环境造成的污染。由图3可知，研究期内北京、浙江、辽宁等地的技术效应对旅游业碳排放脱钩的促进作用显著，多数地区的技术效应对旅游业碳排放脱钩的贡献程度超过了能源结构效应的贡献程度，这些地区经济发展水平较高，在2008年均为高碳排放区，但随着技术改善，旅游业碳排放量大幅下降，说明这些地区重视通过技术提升解决旅游业发展过程中的环境污染问题；黑龙江、山西、陕西、新疆和甘肃的技术效应对旅游业碳排放脱钩起抑制作用，这些地区经济发展水平不高，科技创新能力偏弱，导致能源利用率偏低。从各省域总效应的构成看，技术效应对碳排放脱钩的贡献量较高，故可通过技术改善减少碳排放，进而实现旅游业碳排放脱钩。

经济效应对各省域旅游业的碳排放脱钩均有一定影响，但总体影响程度不大。除黑龙江在保持旅游经济增长的同时，有效抑制了碳排放，对旅游业碳排放脱钩起到显著的促进作用外，其余省域的旅游业碳排放量随着经济规模的扩大而有所增加，并呈现出明显的地域差异。其中，经济效应对旅游业碳排放脱钩抑制效果最明显的区域多分布在西部地区，以四川、云南和青海为代表，这些地区旅游收入的增加对碳排放量的贡献程度较大；而天津、福建、重庆等地旅游经济增长对碳排放脱钩的抑制作用较小，表明旅游消费体验趋于多样化的同时，游客消费行为与旅游业低碳化发展要求尚有较大差距，绿色消费仍是旅游健康发展中的关键环节。为此，各省域需加快转变旅游发展方式，从增加旅游投入到依靠低碳技术开展旅游活动来获取更大的旅游经济收入。

游客规模效应对旅游业碳排放脱钩的贡献量为正值，是旅游业碳排放脱钩的主要抑制因素。游客规模效应决定于游客人数的变化，游客人数的增长对旅游业碳排放具有显著的正向拉动作用，其对旅游业碳排放脱钩的贡献主要体现在景区内产生的废弃物。此外，旅游交通能耗占旅游业总能耗的72.08%[28]，故游客规模效应主要的贡献在于旅游交通部门产生的碳排放。研究期内我国各省域游客人数均表现为逐年递增趋势，碳排放脱钩的贡献指数多集中于0.6～1之间，仅有黑龙江的贡献指数为1.4692，这表明当地旅游经济增长率小于碳排放的增长率，旅游经济存在一定的滞后性。因此，我国各地在保证游客规模合理的同时，应积极采用清洁技术，从而实现碳减排工作的有序推进和旅游经济的持续增长。

4 结论与建议

本文基于Tapio脱钩模型，结合ESDA和LMDI方法，从时空格局和因素分解两方面分析2008-2017年中国旅游业碳排放脱钩指数的格局演变及影响因素，得出如下结论：1)研究期内我国旅游业碳排放脱钩指数整体处于0.4380～0.8758之间，呈现“下降—上升”的波动趋势，旅游经济增长与碳排放处于弱脱钩状态；脱钩水平呈现“东高西低”的空间格局，研究期内增长连接的省域数量减少，实现弱脱钩和强脱钩的省域总数有所增加。2)研究期内我国旅游业碳排放脱钩指数呈现出显著的空间负相关性，但空间分布的集聚程度较低；我国旅游业碳排放脱钩呈现空间负相关的省域数量逐渐减少，空间差异性减弱，而呈现空间正相关的省域数量逐渐增多，表明我国旅游业碳排放脱钩的同质性愈加明显。3)影响因素方面，技术效应对旅游业碳排放脱钩起主要的促进作用，游客规模效应是抑制旅游业碳排放脱钩的主导因素，能源结构效应则表现为先抑制后促进的作用，而经济效应对旅游业碳排放脱钩的影响最小，表现为较弱的抑制作用。

针对以上结论，本文提出如下对策建议：1)开发清洁能源，优化能源结构。能源结构对旅游业碳排放脱钩具有显著的抑制作用，意味着我国许多地区的能源结构不利于其旅游业碳排放的减少，需重点优化能源结构，提高可再生能源的使用，积极开发清洁高效的新能源。2)鼓励技术创新，降低能源消耗强度。技术创新和节能减排是旅游业碳减排的主要路径，技术进步有助于能源利用效率的提高，进而降低能源消耗强度，为此，政府应加大对清洁能源开发技术、污染处理技术的支持力度，鼓励企业加强技术创新，强制关闭高能耗企业，通过加强国际交流，积极借鉴国外先进技术。3)转变经济发展方式，促进节能减排。减少旅游业碳排放的根本动力在于降低资源消耗，保护生态环境，促进经济增长。经济增长意味着居民收入和消费水平的提高，可有效扩大游客规模，推动旅游业发展。因此，各省域需转变粗放型旅游经济发展方式，提高能源利用效率，通过实施节能减排等措施实现旅游经济增长与碳排放脱钩。4)提高游客素质，引导低碳消费。游客数量的大规模增加是旅游经济与碳排放难以达到理想脱钩状态的主要原因之一，倡导绿色低碳消费，引导游客消费模式向可持续消费方向发展，以此抵消游客规模增长对旅游业碳排放脱钩的影响。

本文仍存在不足：由于旅游能耗无法直接获取，借助地区旅游发展系数所剥离的旅游业碳排放量，在某种程度上与实际值存在一定的偏差；此外，在今后研究中，应加强对旅游业碳排放脱钩水平区域差异及发展趋势的分析预测，为我国旅游业碳排放与经济增长的脱钩发展提供更加翔实的理论及实证参考。