| 标题 | 中国旅游业碳生产率区域差异及其格局演变：1995—2014 |
| 范文 | 王凯 周婷婷 邵海琴 邓楚雄 摘要利用“自下而上”法核算1995—2014年中国大陆30个省（市、区）旅游业碳生产率，采用标准差、变异系数等指标衡量旅游业碳生产率区域差异，并通过空间自相关分析探讨中国旅游业碳生产率区域差异格局演变特征。结果表明：1995—2014年中国旅游业碳生产率总体呈增长趋势，但增长幅度不大，其年均增长率为2.07%，旅游业碳生产率具体数值由1995年的1.120 1万元/t增长至2014年的1.653 0万元/t；旅游业碳生产率区域差异明显，但区域绝对差异和区域相对差异均逐步缩小；旅游业碳生产率空间分布不均，总体呈东高西低的空间格局；旅游业碳生产率的空间分布存在显著正空间自相关性，以及局部的不连续性；旅游业高碳生产率集聚区域主要分布在華北地区，以北京、天津、河北为主要代表；旅游业低碳生产率集聚区域主要分布在西北地区，以新疆、青海和陕西为主要代表；中国旅游业碳生产率整体水平较低，多数省区位于旅游业低碳生产率行列，研究期内旅游业低碳生产率的区域重心逐渐由西部向中部转移。基于上述结论，本文提出针对性建议：政府应制定低碳旅游相关的系列标准规范、行动方案以及保障性政策等，同时应加大对先进低碳技术和低碳设备的引进与推广；各省区应秉持低碳发展理念并将其融入目的地开发与管理之中；旅游企业应积极利用新能源、新材料和新技术，研发低碳旅游系列产品与服务；加大宣传生态环保理念，引导旅游者树立低碳旅游意识，优先选择低碳旅游景区和低碳出行方式，自觉抵制高碳排旅游活动。 关键词旅游业碳生产率；区域差异；格局演变；空间自相关 中图分类号F59 文献标识码A文章编号1002-2104（2017）06-0027-09DOI：10.12062/cpre.20170351 全球气候变暖危害人类及其他生物的生存与发展，转变经济发展方式，走低碳经济发展道路势在必行[1]。碳生产率是指一段时期内国内生产总值与同时期CO2排放总量之比，反映单位CO2排放所产生的经济效益，是评估一个国家或地区低碳经济发展水平的重要指标[2]。提高碳生产率，实现经济增长与碳减排共赢，是发展低碳经济的关键。与工、农业等能源消耗“大户”相比，旅游业碳排放量虽然相对较少，但也已成为全球碳排放的重要来源之一。研究显示，造成全球气候变暖的人为因素中，5%—14%来自旅游业[3]。2015年，中国共接待国内游客40亿人次，实现旅游收入34 195亿元，同比分别增长10.5%和13.1%。随着中国旅游业产业规模的迅速扩大，其所带来的碳排放与环境问题必将日益显著。因此，如何提高中国旅游业碳生产率，引导旅游业低碳化发展是当前低碳经济领域必须面对的重大课题。 目前，学术界对旅游业碳排放的研究主要围绕3个方面：①旅游业CO2排放量核算及其影响因素探究。学者们借助不同方法对洲[4]、国家[5-6]、省区[7-10]、城市[11-12]等区域旅游业CO2排放量进行测算。其中，Camelia和钟永德基于投入产出法分别核算了罗马尼亚、中国旅游业CO2排放量[13-14]；谢园方从“大旅游”视角出发，依据能源消耗平衡表，测算了长三角地区旅游业CO2排放量[15]；另外，王凯基于LMDI分解法实证研究了中国旅游业CO2排放的影响因素，包括产业规模、空间结构、能源强度以及产业结构等[16]；Gssling认为通过优化能源结构、提高能源利用效率可有效控制旅游业温室气体排放[17]。②旅游部门CO2排放、旅游业CO2排放强度研究。国内外学者针对旅游交通[18-20]、旅游住宿[21]、旅游景区[22-23]等单一部门CO2排放的研究已取得一定进展。如Peeters评估了旅游交通CO2排放的环境影响[24]；陶玉国利用替代式“自下而上”法、归纳法以及变异系数构建区域旅游交通CO2排放测算模型，并以长三角地区为例展开实证研究[25]；张广海则采用泰尔指数和空间自相关分析探讨了中国省域旅游CO2排放强度的时空格局、区域差异及变化趋势[26]。③旅游业CO2排放与经济增长的关系分析。李彩云凭借社会调查所得数据，借助文献研究与统计分析方法，研究发现敦煌市旅游业CO2排放与经济增长之间以弱脱钩关系为主[27]；而王凯发现1991—2010年期间除2003年中国旅游业CO2排放与经济增长之间表现为未脱钩关系之外，其余年份二者均表现为相对脱钩关系[28]。 上述研究极大丰富了旅游业碳排放研究体系，为进一步拓展研究内容奠定了基础。但迄今为止鲜有学者对旅游业碳生产率给予足够重视，而了解旅游业碳生产率区域差异及其格局演变特征对一个国家或地区制定差异化的碳减排目标和针对性碳减排政策以及科学合理的碳排放空间分配策略意义重大。因此，本研究综合运用标准差、变异系数和空间自相关分析深入探讨1995—2014年中国旅游业碳生产率区域差异及其格局演变，以期探明中国旅游业碳生产率空间分布现状与特点，并为确定中国旅游业碳减排区域重点以及各区域旅游业碳减排的工作方向，最终实现旅游业可持续发展提供科学依据。 1研究方法与数据来源 1.1研究方法 1.1.1旅游业CO2排放量的核算 基于国内外已有成果[29-31]，本研究利用“自下而上”法核算旅游业CO2排放量，参照Becken[32]和Patterson[33]所用方法，先分别核算旅游交通、旅游住宿及旅游活动等三大旅游业碳排放重点领域内的CO2排放量，再汇总得到旅游业CO2排放总量。其计算公式如下： Ct=∑3j=1Ctj=Ct1+Ct2+Ct3（1） 式中，Ct表示t年旅游业CO2排放总量；Ct j表示t年j部门的CO2排放量；Ct1表示t年旅游交通部门CO2排放量；Ct2表示t年旅游住宿部门CO2排放量；Ct3表示t年旅游活动CO2排放量。 Ct1=∑30i=1Cti1=∑30i=1∑4x=1Qtix·fx·αx （2） 式中，Cti1表示t年i地区旅游交通部门的CO2排放量；Qtix表示t年i地区第x类交通方式的旅客周转量；fx表示第x类交通方式的客运量中旅游者所占比例，参考已有研究成果[20]可确定公路、民航、铁路、水运的f值分别为13.8%、64.7%、31.6%和10.6%；αx表示第x类交通方式的CO2排放系数，其中公路的α值为133 g CO2/pkm，民航的α值为137 g CO2/pkm，铁路和水运则为27 g CO2/pkm和106 g CO2/pkm[20]。 Ct2=∑30i=1Cti2=∑30i=1Nti·lti·β （3） 式中，Cti2表示t年i地区旅游住宿部门的CO2排放量；Nti表示t年i地区旅游饭店客房床位数；lti表示t年i地区平均客房出租率；β表示每张床位每晚的CO2排放量（g/p visitornight），取值为2.458 g/p visitornight[34]。 Ct3=∑30i=1Cti3=∑30i=1∑5s=1Ptis·γs （4） 式中，Cti3表示t年i地区旅游活动的CO2排放量；Ptis表示t年i地区参加第s类旅游活动的旅游者数量；γs表示第s类旅游活动的CO2排放系数，观光旅游、度假旅游、商务出差、探亲访友以及其他旅游活动的CO2排放系数分别为417 g/p visitor、1 670 g/p visitor、786 g/p visitor、591 g/p visitor和172 g/p visitor[34]。 1.1.2旅游业碳生产率的估算 旅游业碳生产率用一段时期内旅游业生产总值与同时期旅游业CO2排放总量之比来表示，其计算公式如下： CPti=YtiCti （5） 式中，CPti表示t年i地区旅游业碳生产率（万元/t）；Yti表示t年i地区的旅游总收入（亿元）；Cti表示t年i地区旅游业CO2排放总量（万t）。 1.1.3区域绝对差异衡量方法 利用标准差衡量1995—2014年中国旅游业碳生产率的区域绝对差异。标准差计算公式如下： Sd=∑ni=1（CPi-CP—）2n （6） 式中，Sd表示标准差；CPi表示i地区某一时期的旅游业碳生产率；CP表示同时期全国旅游业碳生产率平均值；n表示样本区域个数，本研究中n=30。 1.1.4区域相对差异衡量方法 选取变异系数衡量1995—2014年中国旅游业碳生产率的区域相对差异。其计算公式如下： Cv=Sd/CP （7） 式中，Cv表示变异系数；Sd、CP含义与式（6）中相同。 1.1.5空间自相关分析 空间自相關分析以确定某一要素在地理空间上的分布是否存在自相关以及自相关程度大小为主要目的，通常采用Morans I指数进行衡量。 （1）全局空间自相关分析。全局空间自相关分析可揭示旅游业碳生产率在整个研究区域内的空间分布特征，判断是否存在空间集聚现象。采用全局 Morans I指数进行度量，其表达式如下： I=∑ni=1∑nj=1Wij×（CPi-CP）（CPj-CP）∑ni=1∑nj=1Wij×1n∑ni=1（CPi-CP）2 （8） 式中，CPi、CPj分别表示i地区和j地区某一时期的旅游业碳生产率；Wij表示空间权重矩阵；n表示样本区域个数。Morans I指数值介于[-1，1]之间，若Morans I>0，说明旅游业碳生产率呈正空间自相关，且该值越大，正空间自相关性越强；若Morans I<0，说明旅游业碳生产率呈负空间自相关，且该值越小，负空间自相关性越强；若Morans I=0，说明旅游业碳生产率在空间上随机分布，不存在空间自相关。为确保分析所得结论的准确性，需对全局 Morans I指数值进行检验。常用检验公式如下： Z（I）=I-E（I）VAR（I）（9） 式中，Z（I）表示标准化统计量；E（I）表示全局 Morans I指数值的期望；VAR（I）表示全局 Morans I指数值的方差。若Z值为正且显著（P<0.05），则正空间自相关关系成立；若Z值为负且显著，则负空间自相关关系成立；若Z值为0，则空间上呈随机分布。 （2）局域空间自相关分析。局域空间自相关分析可明确某一省区旅游业碳生产率与相邻省区旅游业碳生产率间的空间关联类型与关联程度大小，本研究综合利用Morans I散点图和局部空间关联指标（Local Indicators of Spatial Association，LISA）Local Morans Ii指数进行衡量。其计算公式如下： Ii=n（CPi-CP）∑nj=1Wij（CPj-CP）∑ni=1（CPi-CP）2 （10） 式中，Ii表示i地区Local Morans Ii指数，其他参数含义与式（8）中相同，且仍采用Z统计量对Local Morans Ii指数值进行检验。 1.2数据来源 本研究测算了1995—2014年间中国大陆30个省区旅游业碳生产率（由于缺乏统计数据，本研究暂未包含西藏）。其中，各省区旅游收入数据来自1996—2015年《中国统计年鉴》，并以1995年为价格基期，剔除通货膨胀因子影响后转为可比价格；计算旅游业CO2排放量基础数据主要来自《中国交通年鉴》、《中国国内旅游抽样调查资料》、《中国旅游统计年鉴》及副本、《入境游客抽样调查资料》、《中国能源统计年鉴》及各省区国民经济和社会发展年度统计公报等，个别缺失数据采用邻近年份数值进行线性插补；部分参数参考国内外已有相关研究。 2实证结果与分析 2.1旅游业碳生产率总体格局现状 测算结果显示，1995—2014年中国旅游业碳生产率总体在小幅波动中增长，具体数值由研究基期的1.120 1万元/t增长至研究期末的1.653 0万元/t，年均增长2.07%，表明中國低碳旅游发展取得可喜成果。但因地理区位、资源禀赋、经济水平等旅游业现实基础的不同，各省区旅游业碳生产率之间存在显著差异。图1显示，尽管中国旅游业碳生产率标准差在2003年等个别年份出现了较大波动，但在研究期内整体呈逐步减小的态势，其值从1995年的2.110 7减少到2014年的1.960 2，说明中国旅游业碳生产率区域绝对差异正在逐渐缩小。从变异系数角度来看，研究期内旅游业碳生产率变异系数整体表现为先增后减的趋势，表明旅游业碳生产率相对差异整体上也正趋于缩小。这主要是因为随着旅游业产业地位的不断提升以及低碳生活理念的普及，各地政府纷纷加大投资力度，发展低碳旅游，以提高旅游业碳生产率。其中西部地区成效最为显著，其旅游业碳生产率以年均3.44%的速率增长，超过了东部地区的1.66%和中部地区的1.33%，推动旅游业碳生产率区域差异逐渐缩小。 2.2空间分布特征 运用Jenks自然间断点分级法分别对1995年、2000年、2005年、2010年以及2014年中国旅游业碳生产率进行空间聚类，并依次划分为低旅游业碳生产率地区、中旅游业碳生产率地区、较高旅游业碳生产率地区和高旅游业碳生产率地区等4个类别（表1），由此直观显示中国旅游业碳生产率的时空格局演变过程，并全面了解中国旅游业碳生产率区域差异的变化趋势。 由表1可知，1995年，低旅游业碳生产率省区共有14个，占总数的46.67%，是全国主要分布类型，其中9个省区来自西部，且甘肃旅游业碳生产率水平最低；中旅游业碳生产率省区共有11个，占总数的28.21%，主要集中在东部；较高旅游业碳生产率省区有4个，除湖南以外其余省区均来自东部；天津旅游业碳生产率水平最高。2000年，低旅游业碳生产率省区减少1个，中旅游业碳生产率省区增加1个，但低旅游业碳生产率省区仍主要集中于西部；较高和高旅游业碳生产率省区数量均未改变，且全部集中于东部。2005年，低旅游业碳生产率省区上升至17个，且大部分来自中部；中旅游业碳生产率省区减少至8个，较高及高旅游业碳生产率省区数量没有变化；全国除上海、黑龙江、河南以及湖南等4个省区由中旅游业碳生产率降至低旅游业碳生产率外，其余省区均属于原类别。该时期天津旅游业碳生产率仍处于全国最高水平，甘肃处于最低水平，但与2000年相比，天津旅游业碳生产率有所减少，由14.99万元/t减至14.25万元/t。 2010年，广东旅游业碳生产率由中等水平降至低水平，由此看出5年间广东在大力发展旅游业的同时，对其所带来的环境问题未予以足够重视，或所采取减排措施未取得明显效果；内蒙古旅游业碳生产率由全国较低水平上升至中等水平，这一良性转变为其他地区低碳旅游发展起到了良好的示范效应。除此以外，其余省区旅游业碳生产率所属类别均未改变。该时期内天津旅游业碳生产率依然位列全国第一，但其数值持续下降，而甘肃旅游业碳生产率较之前有所提高。2014年，低旅游业碳生产率依然是全国主要分布类型，且中部省区所占数量最多，其占比高达44.44%。期间，浙江上升至高旅游业碳生产率省区，四川和重庆则降至低旅游业碳生产率省区，其他省区没有变化，较高旅游业碳生产率省区和高旅游业碳生产率省区依旧全部来自东部。 综上可知，1995—2014年，中国旅游业碳生产率在空间分布总体上呈东高西低特征。其中，北京、天津、山东以及浙江等东部省区一直位于较高旅游业碳生产率地区或高旅游业碳生产率地区行列，而贵州、青海、甘肃、宁夏等西部省区则一直处于低水平行列。同时，低旅游业碳生产率省区数量已由研究期初的14个增加至18个，表明目前中国旅游业碳生产率整体水平较低。此外，低旅游业碳生产率地区重心已由西部向中部转移。因此，加快推进中部地区低碳旅游发展，提高中部旅游业碳生产率显得十分迫切与必要。 2.3空间自相关结果分析 2.3.1全局空间自相关结果分析 借助Geoda软件中基于邻接关系的Queen Contiguity算法生成gal空间权重矩阵文件，计算1995年、2000年、2005年、2010年和2014年中国旅游业碳生产率的全局Morans I 指数并进行显著性检验。表2显示，中国旅游业碳生产率的全局 Morans I 指数值均大于零，且除2014年以外，其余均在5%的显著性水平下显著。由此可知，研究期内中国旅游业碳生产率存在显著正空间自相关性，即旅游业碳生产率在空间上并非随机分布，而是存在明显的空间集聚现象。 2.3.2局域空间自相关结果分析 基于全局空间自相关分析结果，对旅游业碳生产率做进一步局域空间自相关分析，以探明中国旅游业碳生产率在局部空间上的集聚与异质情况。借助空间分析软件Geoda分别绘制1995年、2000年、2005年、2010年和2014年旅游业碳生产率的Morans I 散点图（图2）。图中将旅游业碳生产率的空间关系划分为HH（高值—高值）、LH（低值—高值）、LL（低值—低值）以及HL（高值—低值）等4种类型，分别对应于散点图中的四个象限。其中HH（LL）类型表征相邻省区之间存在正的空间相关性，即高（低）旅游业碳生产率地区与高（低）旅游业碳生产率地区为邻；LH（HL）类型表征相邻省区间存在负的空间相关性，即低（高）旅游业碳生产率地区与高（低）旅游业碳生产率地区为邻。第一象限（HH）和第三象限（LL）反映旅游业碳生产率的空间集聚性，而第二象限（LH）和第四象限（HL）则反映了旅游业碳生产率的空间异质性。 由图2可知，1995年旅游业碳生产率位于第一、三象限的省区共有24个，占总数的80%，说明全国大多数省区旅游业碳生产率存在局域空间集聚效应；2000年位于第一、三象限的省区总数增加1个，可知该期间旅游业碳生产率的区域空间集聚程度增强；2005年位于第一象限的省区数量保持不变，第三象限省区数量减少2个，表明低旅游业碳生产率地区空间集聚程度有所减弱；与2005年相比，2010年位于第一、三象限的省区总数增加了3个，说明旅游业碳生产率的区域空间集聚程度增强；2014年位于第一象限的省区数量未改变，位于第三象限的省区数量减少了2个，说明低旅游业碳生产率地区空间集聚程度有所下降。综合来看，研究期内旅游业碳生产率落在各象限的省区数量虽有波动，但总体落在第三象限的省区数量比落在第一、二、四象限的省区数量多，表明中国旅游业碳生产率在局部空间上的集聚性强于异质性，且以LL集聚类型为主。 鉴于Morans I散点图只能定性描述旅游业碳生产率空间关联类型及集聚区，却无法判断其是否具有统计学意义，因此计算Local Morans Ii指数值，并进行显著性检验（表3）。结果显示，1995—2014年通过显著性检验的省区整体变化不大，即我国旅游业碳生产率在局域空间分布上较为稳定。其中，北京旅游业碳生产率与周边省区一直呈现HH相关，而新疆旅游业碳生产率与周边省区则一直表现为LL相关。尽管2014年旅游业碳生产率全局自相关并不显著，但仍存在显著的局域空间正相关，主要以新疆、陕西旅游业碳生产率的LL相关及北京、河北旅游业碳生产率的HH相关为代表。另外，研究期内河北旅游业碳生产率与邻近区域旅游业碳生产率关联类型由LH逐渐转变为HH，表明近年来河北旅游业节能减排效果较好。综合来看，1995—2014年我国旅游业碳生产率“热点”区域（HH）主要位于华北地区，以北京、天津、河北等省区为代表；“冷点”区域（LL）则主要分布在西北地区，代表性省区有新疆、青海、陕西等；华北地区依靠经济基础雄厚、技术 力量强、能源消费结构合理等优势，其旅游业碳生产率相对较高；西北地区旅游经济发展滞后、能源利用效率低是造成该地区低旅游业碳生产率的主要原因。 3结论与建议 本研究利用相关数据测算中国大陆30个省区1995—2014年旅游业碳生产率，并运用标准差、变异系数等衡量其区域差异，借助Arcgis软件对研究期内旅游业碳生产率进行空间聚类，同时采用Geoda软件展开空间自相关分析，以深入探讨中国旅游业碳生产率区域差异及其格局演变特征。研究所得结论及相关政策建议如下： （1）1995—2014年中国旅游业碳生产率整体在小幅波动中呈现增长态势，具体由1995年的1.120 1万元/t增长至2014年的1.653 0万元/t，年均增长率达2.07%，说明中国旅游业碳减排取得了一定的绩效，但目前中国旅游业碳生产率总体水平仍较低，全国大多数省区位于低旅游业碳生产率的行列，因而仍需大力推动低碳旅游发展。为此，政府一方面应制定低碳旅游相关的系列标准规范、行动方案以及保障性政策等，引导和鼓励开展低碳旅游活动，另一方面可加大对先进低碳技术和低碳设备的引进与推广，为低碳旅游发展保驾护航；各省区应秉持低碳发展理念科学合理规划，引进绿色餐饮和绿色酒店，完善低碳旅游设施，严控景区环境容量，建立预防、预警机制，以促进低碳旅游景区和目的地创建；旅游企业应积极利用新能源、新材料和新技术，研发低碳旅游系列产品与服务，带动低碳旅游消费；同时，加大宣传生态环保理念，引导旅游者树立低碳旅游意识，优先选择低碳旅游景区和低碳出行方式，自觉抵制高碳排旅游活动。 （2）中国旅游业碳生产率空间分布不均衡，总体呈现出东高西低的特征。标准差和变异系数结果验证了旅游业碳生产率区域差异的存在，也表明区域绝对差异和相对差异均呈缩小趋势，二者的数值分别由1995年的2.110 7、1.718 4下降至2014年的1.960 2和1.164 2。研究期内，低旅游业碳生产率地区重心逐渐由西部向中部地区转移，可见中部地区是未来中国旅游业节能减排的区域重点。鉴于各区域旅游业现实基础和发展水平不同，可有针对性地制定差异化的减排政策。其中，旅游业相对发达的东部地区，应在保持旅游经济稳定增长的同时，一方面依托其强大的经济实力引进发达国家和地区的低碳技术，另一方面可加大对节能减排技术自主研发的支持力度，积极推进清洁能源和技术创新，提高能源综合利用效率，加快旅游产业转型升级。中、西部地区的调控重点则是逐步调整能源消费结构，降低化石能源使用比重，从源头上降低旅游业的碳排放；同时，将生态文明建设融入旅游产业发展的各个方面，力促旅游经济发展模式和旅游消费模式的转变，实现旅游发展与环境保护的良性循环。 （3）全局空间自相关分析结果表明，中国旅游业碳生产率存在较强正空间自相关性，即高旅游业碳生产率地区倾向于与高旅游业碳生产率地区相邻，低旅游业碳生产率地区倾向于与低旅游业碳生产率地区为邻。局域空间自相关结果表明，中国旅游业碳生产率以空间LL集聚为主，空间异质为辅，且旅游业碳生产率“热点”区域主要分布在华北地区，“冷点”区域主要分布在西北地区。要提高中国旅游业碳生产率，实现经济增长与环境改善的共赢，应针对不同空间关联类型的省区采取差别化的措施。为此，须重点关注LL类型的省区，该类型省区对煤炭等传统化石能源具有较高依赖性，可引入低碳技术，推进清洁型生产，严格执行旅游企业环保准入标准，逐步改善和转变其高消耗、高污染的能源消费结构，同时加大财政投入力度、制定优惠保障性政策、引进关键人才以支持低碳旅游发展，提高其旅游业碳生产率；对于LH和HL类型的省区，通过加强区域协作，以高旅游业碳生产率地区带动低旅游业碳生产率地区发展，最终实现区域低碳旅游经济共同发展。（编辑：王爱萍） 参考文献（References） [1]方大春， 张敏新. 低碳经济的理论基础及其经济学价值[J]. 中国人口·资源与环境， 2011，21（7）：91-95.[FANG Dachun， ZHANG Minxin. Theoretical basis of low carbon economy and its economic value[J]. China population， resources and environment，2011，21（7）：91-95.] [2]張丽峰. 碳生产率的经济学背景及其内涵分析[J]. 经济问题探索，2013（5）：37-41.[ZHANG Lifeng. Analysis on economic background and connotation of carbon productivity[J]. Inquiry into economic issues，2013（5）：37-41.] [3]UNWTO， UNEP， WMO. Climate change and tourism： responding to global challenges[R]. Paris & Madrid： UNWTO & UNEP， 2008. [4]EIJGELAAR E， THAPERR C， PEETERS P. Antarctic cruise tourism： the paradoxes of ambassadorship， ‘last chance tourism and greenhouse gas emissions [J]. Journal of sustainable tourism， 2010，18（3）： 337-354. [5]HOWITT O J A， REVOL V G N， SMITH I J， et al. Carbon emissions from international cruise ship passengers travel to and from New Zealand [J]. Energy policy，2010， 38（5）： 2552-2560. [6]BECKEN S， PATTERSON M. Measuring national carbon dioxide emissions from tourism as a key step towards achieving sustainable tourism[J]. Tourism management， 2006， 31（2）： 285-290. [7]程占紅， 韩玉姣. 2000—2012年山西省旅游业碳排放的时空差异[J]. 陕西师范大学学报（自然科学版），2015，43（6）：77-82.[CHENG Zhanhong， HAN Yujiao. Spatial and temporal differentiation of carbon emission of tourism industry in Shanxi Province from 2000 to 2012[J]. Journal of Shaanxi Normal University（nature science edition），2015，43（6）：77-82.] [8]胡欢， 章锦河， 杨嫚， 等. 区域旅游业碳排放测算及其动态变化研究——以江苏省为例[J]. 生态经济，2016，32（6）：57-62.[HU Huan， ZHANG Jinhe， YANG Man， et al. Measurement CO2 emissions and studying on dynamic changes for regional tourism： a case study in Jiangsu Province[J]. Ecological economy，2016，32（6）：57-62.] [9]FILIMONAU V， DICKINSON J， ROBBINS D. The carbon impact of shorthaul tourism： a case study of UK travel to southern France using life cycle analysis [J]. Journal of cleaner production， 2014，64： 628-638. [10]杨存栋， 王雪. 内蒙古旅游业碳排放估算及其低碳化发展策略研究[J]. 生态经济，2014，30（3）：168-170.[YANG Cundong， WANG Xue. Inner Mongolia tourism carbon emissions estimation and lowcarbon development strategy research[J]. Ecological economy，2014，30（3）：168-170.] [11]秦耀辰， 李旭， 荣培君. 基于改进EIOLCA模型的城市旅游业碳排放核算研究——以开封市为例[J].地理科学进展，2015，34（2）：132-140.[QIN Yaochen， LI Xu， RONG Peijun. Urban tourism carbon accounting based on improved EIOLCA model： a case study of Kaifeng City in Henan Province[J]. Progress in geography，2015，34（2）：132-140.] [12]杨莎莎， 邱雪晨， 张晓君. 桂林旅游业碳排放的初步估算及脱钩关系分析[J]. 桂林理工大学学报，2014，34（4）：797-803. [YANG Shasha， QIU Xuechen， ZHANG Xiaojun. Preliminary estimation of carbon emission and analysis of decoupling relationship in Guilin tourism[J]. Journal of Guilin University of Technology，2014，34（4）：797-803.] [13]CAMELIA S， RAZVAN S M， BREDA Z et al. An inputoutput approach of CO2 emissions in tourism sector in postcommunist Romania[J]. Procedia economics and finance， 2012（3）： 987-992. [14]钟永德， 石晟屹， 李世宏， 等. 我国旅游业碳排放测算方法构建与实证研究——基于投入产出视角[J]. 中南林业科技大学学报，2015，35（1）：132-139.[ZHONG Yongde， SHI Shengyi， LI Shihong， et al. Empirical research on measurement framework construction for tourist industry carbon emission in China，a perspective of inputoutput[J].Journal of Central South University of Forestry & Technology，2015，35（1）：132-139.] [15]谢园方， 赵媛. 长三角地区旅游业能源消耗的CO2排放测度研究[J]. 地理研究， 2012， 31（3）： 429-437. [XIE Yuanfang， ZHAO Yuan. Measuring carbon dioxide emissions from energy consumption by tourism in Yangtze River Delta[J]. Geographical research， 2012， 31（3）： 429-437.] [16]王凯， 肖燕，李志苗， 等. 中国旅游业CO2排放因素分解：基于LMDI分解技术[J]. 旅游科学， 2016，30（3）：13-27.[WANG Kai， XIAO Yan， LI Zhimiao， et al. Decomposition of Chinas tourism carbon emissions： based on LMDI method[J]. Tourism science，2016，30（3）：13-27.] [17]GOSSLING S， BRODERICK J， UPHAM P， et al. Voluntary carbon offsetting chemes for aviation： efficiency， credibility and sustainable tourism[J]. Journal of sustainable tourism，2007，15（3）：223-248. [18]BROWN M A， SOUTHWORTH F， SARZYNSKI A. The geography of metropolitan carbon footprints[J]. Policy and society，2009，27（4）：285-304. [19]孫晋坤， 章锦河， 刘泽华， 等. 区域旅游交通碳排放测度模型及实证分析[J]. 生态学报， 2015，35（21）：7161-7171.[SUN Jinkun， ZHANG Jinhe， LIU Zehua， et al. Estimation model of carbon dioxide emissions by regional tourism transportation and empirical analysis of Nanjing and Huangshan Cities，China[J]. Acta ecologica sinica，2015，35（21）：7161-7171.] [20]魏艳旭， 孙根年， 马丽君， 等. 中国旅游交通碳排放及地区差异的初步估算[J]. 陕西师范大学学报（自然科学版），2012，40（2）：76-84.[WEI Yanxiu， SUN Gennian， MA Lijun， et al. Estimating the carbon emissions and regional differences of tourism transport in China[J]. Journal of Shaanxi Normal University（nature science edition），2012，40（2）：76-84.] [21]胡林林， 贾俊松， 周秀. 我国旅游住宿碳排放时空特征及其主要影响因素[J]. 中南林业科技大学学报，2015，35（3）：123-128.[HU Linlin， JIA Junsong， ZHOU Xiu. The temporalcharacteristics and main influencing factors of carbon emissions from tourism accommodation in China[J]. Journal of Central South University of Forestry & Technology，2015，35（3）：123-128.] [22]王志民. 镇江“三山”风景区旅游碳排放测度研究[J]. 地域研究与开发，2016，35（1）：156-161.[WANG Zhiming. Measurement and analysis on travel carbon emissions of Sanshan scenic area in Zhejiang City[J]. Areal research and development，2016，35（1）：156-161.] [23]李世宏， 钟永德， 王怀採， 等. 张家界旅游碳排放计量与减排路径的研究[J]. 中南林业科技大学学 报，2013，33（3）：120-124.[LI Shihong， ZHONG Yongde， WANG Huaicai， et al. Study on tourism carbon emission measurement and reduction path in Zhangjiajie[J].Journal of Central South University of Forestry & Technology，2013，33（3）：120-124.] [24]陶玉國， 黄震方， 史春云. 基于替代式自下而上法的区域旅游交通碳排放测度[J]. 生态学报，2015，35 （12）：4224-4233.[TAO Yuguo， HUANG Zhenfang， SHI Chunyun.Carbon dioxide emissions from regional tourism transport： a Substitutional Bottomup analysis[J]. Acta ecologica sinica，2015，35 （12）：4224-4233.] [25]PEETERS P， SZIMBA E， DUIJNISVELD M. Major environmental impacts of European tourist transport[J]. Journal of transport geography， 2007， 15（ 2）：83-93. [26]张广海， 刘菁. 中国省域旅游碳排放强度时空演变分析[J]. 统计与决策，2016（15）：94-98.[ZHANG Guanghai， LIU Jing. Analysis on spatial and temporal changes of carbon emission intensity of tourism in China[J]. Statistics & decision，2016（15）：94-98.] [27]李彩云， 陈兴鹏， 张子龙， 等. 敦煌市旅游业碳排放与经济增长的耦合关系分析[J]. 生态科学，2016，35 （1）：109-116.[LI Caiyun， CHEN Xingpeng， ZHANG Zilong， et al. Estimation of tourism carbon emission and its decoupling with tourism development in Dunhuang[J]. Ecological science，2016，35 （1）：109-116.] [28]王凯， 李娟， 席建超. 中国旅游经济增长与碳排放的耦合关系研究[J]. 旅游学刊，2014，29（6）：24-33.[WANG Kai， LI Juan， XI Jianchao. Linking between carbon emission and tourism economic growth in China[J]. Tourism tribune， 2014，29（6）：24-33.] [29]谢园方， 赵媛. 基于低碳旅游的旅游业碳排放测度方法研讨[J]. 人文地理， 2012（1）：147-151.[XIE Yuanfang， ZHAO Yuan. The method of measuring carbon dioxide emissions in tourism on the basis of lowcarbon tourism[J]. Human geography，2012（1）：147-151.] [30]GOSSLING S， PEETERS P， CERON J P， et al. The ecoefficiency of tourism[J]. Ecological economics， 2005， 54（4）： 417-434. [31]MICHEAL C H， JAMES H. Tourism， recreation and climate change[M]. Clevedon： Channel View Publications， 2005：247-259. [32]BECKEN S， SIMMONS D G， FRAMPTON C. Energy use associated with different travel choices[J]. Tourism management， 2003， 24（3）： 267-277. [33]PATTERSON M， MCDONALD G. How clean and green is New Zealand tourism？[M]. Lincoln： Manaki Whenua， 2004：56-59. [34]石培华， 吴普. 中国旅游业能源消耗与 CO2排放量的初步估算[J]. 地理学报， 2011， 66（2）：235-243.[SHI Peihua， WU Pu. A rough estimation of energy consumption and CO2 emission in tourism sector of China[J]. Acta geographica sinica，2011， 66（2）：235-243.] [35]ZHONG Y D， SHI S Y， LI SH， et al. Empirical research on construction of a measurement framesork for tourism carbon emission in China[J]. Chinese journal of population，resources and environment，2015，13（3）：240-249.http：//dx.doi.org/10.1080/10042857.2015.1033806. Regional difference and spatial pattern evolution of tourism carbon productivity in China in the period of 1995-2014 WANG Kai1ZHOU Tingting1SHAO Haiqin1DENG Chuxiong2 （1.Tourism College of Hunan Normal University， Changsha Hunan 410081， China； 2.Resources and Environmental Science College of Hunan Normal University， Changsha Hunan 410081， China） AbstractBased on the bottomup method， this paper estimates the tourism carbon productivity of Chinas thirty provinces from 1995 to 2014. Then this research examines the regional difference of tourism carbon productivity with the standard deviation and variation coefficient. Finally， this paper explores the spatial patterns evolution characteristics of regional difference of tourism carbon productivity in China by the means of spatial autocorrelation analysis. Findings show that the tourism carbon productivity had increased modestly during 1995-2014 in China， with the 2.07% average annual growth. Specifically， the tourism carbon productivity increased from 11 201 Yuan/t in 1995 to 16 530 Yuan/t in 2014. There were obvious regional differences in tourism carbon productivity， and both the absolute and relative regional difference had gradually narrowed down. The nonuniform tourism carbon productivity distribution showed that the overall spatial pattern was high in the eastern China and low in the western China. There was significant positive spatial autocorrelation and local discontinuity in the spatial distribution of tourism carbon productivity in China. The areas with highlevel tourism carbon productivity were mainly distributed in northern China， such as Beijing， Tianjin and Hebei， and those with lowlevel tourism carbon productivity were mainly distributed in northwestern China， such as Xinjiang， Qinghai and Shaanxi. The overall level of carbon productivity in Chinas tourism was low， and the majority of provinces were at the lowlevel rank. The key areas with low tourism carbon productivity had been shifted from west to middle regions. Based on the conclusion above， this paper presents suggestions as below： the government should formulate lowcarbon criterion， action plans and security policies， and need do more to introduce and generalize of the lowcarbon technology and lowcarbon device and at the meanwhile， the provincial governments should develop and administrate the destinations with lowcarbon idea. Tourism companies should actively adopt the new energy， new material， and new technology to develop lowcarbon products and services. We also should further advocate ecotourism and raise tourists ecotourism awareness including encouraging them to give preference to lowcarbon tourism attraction and lowcarbon transportation and resisting highcarbon tourism activities conscientiously. Key wordstourism carbon productivity； regional difference； spatial pattern； spatial autocorrelation |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。