旅游業能源消費、CO2排放及低碳效率評估

摘要 本文以投入產出分析思路與IPCC的CO2折算方法為基礎，對湖北省17個城市的區域旅游能源消費與CO2排放進行了估算，并利用SBMUndesirable模型對區域旅游低碳效率及其全要素生產率作出了測度與分析。研究結論顯示：湖北省旅游業能源消費量從2007年的2 008 518噸上升到2011年的5 121 460噸，對應CO2排放總量從2007年的6 340 302噸上升到2011年的15 773 041噸；住宿、餐飲、景區游覽、購物、娛樂、郵電通信及其他服務等二級部門間接能源消費量（間接CO2排放量）遠高于直接能源消費量（直接CO2排放量），而交通部門直接能源消費量（直接CO2排放量）遠高于間接能源消費量（間接CO2排放量）。效率評估顯示，若不考慮非期望產出，則旅游業發展效率存在被低估的可能；湖北省旅游業低碳效率整體上處于較低水平，不同區域旅游業的低碳效率水平存在較大差異，區域旅游經濟系統內部生產要素使用潛力尚待發掘；在分析期內，湖北省區域旅游業低碳效率整體上處于上升狀態，規模性因素所推動的技術進步是區域低碳旅游經濟發展效率攀升的關鍵動力，而純技術效率變化則不利于生產率提升。

關鍵詞 城市；低碳旅游；效率；CO2排放

中圖分類號 X22；F592 文獻標識碼 A 文章編號 1002-2104（2016）01-0047-08 doi：103969/jissn1002-2104201601007

聯合國世界旅游組織（UNWTO）研究指出，旅游業CO2排放占全球人為CO2排放的4.9%，該排放量造成的影響占到全球溫室效應的14%，若不采取有效措施，那么世界旅游業CO2排放總量將在2035年前以年均2.5%的速度遞增[1]。2013年，中國入境游客、內地居民出境游客人數分別達到1.29億人次、0.98億人次，國內游客人數更是達到了32.62億人次，這般規模的游客活動及其配套設施運營所造成的直接與間接能源消費、CO2排放理應得到重視[2]。那么旅游業能源消費及其引致CO2排放如何測度？低碳約束對旅游業發展效率產生何種影響？回答與分析這一問題對于旅游經濟發展具有重要意義。

迄今為止，學者們從不同的研究視角出發，運用生產法和支出法、投入產出法、延伸式旅游衛星記事方法、以過程分析為基礎的“自下而上”模型與以投入產出分析為基礎的“自上而下”模型，對旅游產業能源消費與CO2排放作出了測度與分析[3]，譬如旅游目的地尺度范圍與國際尺度范圍下旅游業能源消耗與CO2排放評估[4-5]，亦有旅游交通[3，6]、旅游住宿[7-8]、旅游景區[9]等二級部門的能源消費、CO2排放問題研究。但綜合而言，既有相關文獻多側重于旅游業特定子系統，對旅游產業能源消費與CO2排放問題關注不夠，且囿于數據局限，已有研究多局限于與旅游相關直接能源消費與CO2排放，忽略了旅游經濟活動引致的間接能源消費與CO2排放。在旅游發展效率評估方面，存在多種方法，但數據包絡法是其常用工具，被廣泛應用于評估旅游產業效率[10-11]、旅游酒店效率[12-13]、旅游交通效率[14]、旅游目的地效率[15]等等。隨著氣候變化與環境問題的逐步突顯，部分學者選擇將生態環境因素納入旅游業發展效率評估框架，對旅游業低碳效率問題作出了探究，譬如李志勇[16]、查建平[17]等等，但上述研究皆忽略了投入與產出變量松弛型問題，影響了效率評估的準確性，且并未對其動態變化作出有效分析。有鑒于此，本文參照Liu[18]提出的基于投入產出分析法的能源強度測度思路，以2007-2011湖北省17個城市為研究對象，對旅游業直接與間接能源消費及CO2排放量作出評估，并運用SBMUndesirable模型對旅游業低碳效率及其變化進行了測度與分解，以期為低碳經濟背景下旅游經濟發展政策制定提供參考。

1 研究方法與思路

1.1 旅游業能源消費與CO2排放測度

旅游業能源消費與CO2排放主要包括兩部分：一是直接能源消費及CO2排放，是游客在旅游服務消費過程中所直接消費的能源及其引致CO2排放，二是間接能源消費及CO2排放，是旅游經濟活動中消費其他產業產品所間接消耗的能源及其引致CO2排放。旅游業直接能源消費計算公式如下：

TEdirect=∑nj=1Tj×eidirectj

（1）

查建平：旅游業能源消費、CO2排放及低碳效率評估

中國人口·資源與環境 2016年 第1期式（1）中：j（j=1，2，…，n）表示旅游產業二級部門，主要包括住宿、餐飲、交通、購物、娛樂、郵電通信和其他服務部門；TEdirect為旅游產業直接能源消費實物量；Tj為旅游業第j部門旅游總收入；eiJdirect為特定行業j的直接能源消費強度。參照Liu[18]提出的基于投入產出分析法的直接能源強度測度思路，利用投入產出表，結合能源平衡表，計算非能源產業能源消費價格（PE），即：

Ph1E=Xh1-Yh1ex+Yh1im-Yh1final-∑ch1=1Xh1h2Eh1S-Eh1Y-∑ch2=1Eh1h2

（2）

式（2）中：Ph1E為第h1種能源消費價格；Xh1為投入產出表中能源生產貨幣價值總量；Yh1ex為能源出口貨幣價值量；Yh1im為能源進口貨幣價值量；Yh1final為終端能源消費貨幣價值量；Xh1h2為第h2類能源產業所消耗的第h1類能源貨幣價值量，c為能源產業數量；Eh1S為能源平衡表中第h1類能源供給標準量；Eh1Y為能源平衡表中第h1類終端能源消費標準量；Eh1h2為能源平衡表中第h2類能源產業所消耗的第h1類能源標準量。在能源價格計算的基礎上，對旅游業二級部門的直接能源消費強度（eidirect）作出估算，相應折算公式如下：

eidirectj=∑ch1=1Xh1jPh1EXj

（3）

式（3）中：j為特定行業類型，包括住宿、餐飲、交通、購物、娛樂、郵電通信與其他服務部門；Xh1j為投入產出表中第j行業所消耗的第h1類能源貨幣價值量；Xj為投入產出表中第j行業的總產出貨幣價值量。依據IPCC CO2排放折算方法，旅游業直接CO2排放量折算公式如下：

Cdirect=∑Hh1=1TEdirect×ηh1×CEh1×Oh1×4412

（4）

式（4）中：Cdirect為旅游業直接CO2排放量，h1（h1=1，2，…，H）為能源消費類型，ηh1為中國初始能源消費結構，CEh1為第h1類能源的碳排放系數，Oh1為第h1類能源的氧化系數，參照2007年IPCC研究報告?？偰茉聪M強度指的是單位最終產品或服務所產生的全部能源消費量，以直接能源強度與列昂惕夫逆矩陣的乘積表示，即：

EItotal=EIdirect×（I×A）-1

（5）

式（5）中：EItotal、EIdirect分別為完全能源消費強度列向量、直接能源消費強度列向量，對應向量元素eitotalj、eidirectj分別表示各部門的總能源消費強度、直接能源消費強度，A為投入產出直接消耗系數，（I-A）-1為列昂惕夫逆矩陣。間接能源消費強度是總能源消費強度與直接能源消費強度的差額。依據間接能源消費強度數據，結合IPCC研究報告的CO2排放折算方法，我們可以計算得到旅游業間接能源消費量（TEindirect）與間接CO2排放量（Cindirect），即：

TEindirect=∑nj=1Tj×eiindirectj

（6）

Cindirect=∑Hh=1TEindirect×ηh×CEh×Oh×4412

（7）

據此，可以進一步計算出旅游業能源消費總量（TEtotal）與旅游業CO2排放總量（Ctotal），即：

TEtotal=TEdirect+TEindirect

（8）

Ctotal=Cdirect+Cindirect

（9）

1.2 旅游發展效率測度模型

假設存在n個受評決策單元（DMUsj）（j=1，2，…，n），第j個決策單元（DMUsj）消耗w種投入xij（i=1，2，…，w），同時生產出種s1期望產出yrj（r=1，2，…，s1）、s2種非期望產出bkj（k=1，2，…，s2），則第j′受評決策單元（DMUsj′）的投入、期望產出與非期望產出對應生產可能性集合數學表達式構造如下：

P={（x，y，b）：∑nj=1λjxij≤xij，i；∑nj=1λjyrj≥yrj′，r；∑nj=1λjbkj≤bj′；∑nj=1λj=1，k；λj≥0}

（10）

式（10）中：P為生產可能性集合，λj是權重變量，為所有受評決策單元對應觀察值的權重，∑nj=1λj=1說明生產技術為可變規模報酬（VRS），否則為不變規模報酬（CRS）。參照Tone[19]，結合生產技術可能性集合P，本文構建包含非期望產出的SBMUndesirable模型如下：

p*=min1-1w∑wi=1Sij′-Xij′1+1s1+s2∑s1r=1srj′dyrj′+∑s2k=1skj′itbkj′

s.t. xij′=∑nj=1λjxij+sij′-，i；yrj′=∑nj=1λjyrj-srj′d，r；bkj′=∑nj=1λjbkj+skj′u，k；1=∑nj=1λj；λj≥0，j；sij′-≥0，i；srj′d≥0，r；skj′u≥0，k.

（11）

式（11）中：sij′-、srj′d、skj′u分別表示DMUsj′的投入冗余量、期望產出不足量及非期望產出超標量；旅游業低碳效率為ρ*，ρ*越大則說明旅游業低碳效率越大，反之，說明旅游業低碳效率越小。若不考慮非期望產出，則相應SBM模型如下：

δ*=min1-1w∑wi=1sij′-Xij′1+1s1∑s1r=1srj′dyrj′

s.t. xij′=∑nj=1λjxij+sij′-，i；yij′=∑nj=1λjyrj-srj′d，r；1=∑nj=1λj；λj≥0，j；sij′-≥0，i；sij′d≥0，r.

（12）

式（12）中：δ*為不考慮非期望產出的傳統旅游業發展效率指標，δ*越大則說明效率越大，反之，說明效率越小。通過CharnesCooper轉換，我們可以將非線性的SBM與SBMUndesirable模型轉化為對偶線性規劃模型，進而對不考慮非期望產出與考慮非期望產出的兩種效率作出求解。

1.3 全要素生產率指數構建及其分解

參照Luenberger全要素生產率指標構建思路，構建反映旅游業低碳效率動態變化的全要素生產率指數如下：

LTFPt+1t=CPRECRS（t+1）-CPRECRS（t）

（13）

式（13）中：LTFPt+1t是從t期到t+1期的Luenberger全要素生產率指標，CPRE（t+1）、CPRE（t）分別表示跨期DEA下t+1期與t期的旅游業低碳效率，即以分析期內所有樣本為參照點構造生產技術前沿，以此測度t+1期與t期DMUs的旅游業低碳效率，下標CRS表示不變規模報酬。LTFPt+1t>0說明旅游業低碳效率遞增，反之遞減。

同理，Luenberger全要素生產率指標可以進一步分解為技術效率變化（LECt+1t）與技術進步（LTPt+1t）兩部分，即：

LECt+1t=CRECRS（t+1）-CRECRS（t）

（14）

式（14）中：CRECRS（t+1）（CRECRS（t））表示當期DEA下t+1期（t期）的旅游業低碳效率。

LTPt+1t=TGCRS（t+1）-TGCRS（t）

（15）

式（15）中：TGCRS（t+1）、TGCRS（t）分別表示t+1期與t期的技術差距，即DMUs在跨期DEA與當期DEA兩類不同技術前沿測度下的效率差距，若TGCRS（t+1）>TGCRS（t），則說明技術取得進步，反之，則說明技術退化。

考慮規模效率因素后，可以將技術效率變化進一步分解為純效率變化（LPEC）與規模效率變化（LSEC），將技術進步分解為純技術進步（LPTP）與技術規模變化（LTSC），即：

LPECt+1t=CREVRS（t+1）-CREVRS（t）

（16）

LSECt+1t=[CRECRS（t+1）-CREVRS（t+1）]-

[CRECRS（t）-CREVRS（t）]

（17）

LPTPt+1t=TGVRS（t+1）-TGVRS（t）

（18）

LTSCt+1t=[TGCRS（t+1）-TGVRS（t+1）]-[TGCRS（t）-TGVRS（t）]

（19）

1.4 指標選取與數據來源

在投入與產出指標選取方面，本文選擇旅游資源稟賦（TRE）、第三產業從業人員數量（ETI）、城市固定資產投資（UFI）為投入要素指標；在產出指標方面，各區域旅游業通過向游客提供不同需求與服務，藉此獲得旅游產業收益（期望收益與非期望收益），其中期望收益的外在表征主要為旅游總收入（TTR），而非期望產出則以貫穿整個旅游產業鏈的旅游業CO2排放總量（CET）表征，表示低碳經濟背景下旅游經濟活動對生態環境形成的壓力。

在數據來源方面，旅游業能源消費與CO2排放折算過程中所需的2007-2011年投入產出表源于歐盟投入產出數據庫（World InputOutput Database）；入境游客與國內游客的旅游消費及其構成數據來自于湖北省旅游局提供的《湖北旅游便覽》；中間與終端能源消費量、能源消費結構數據源于《中國能源統計年鑒》；不同級別旅游景區數目的差異體現了城市旅游資源稟賦高低，參照Tan[20]的思路，本研究以《旅游景區質量等級的劃分與評定》（GB/T17775-2003）景區等級劃分為依據，對各城市3A級以上景區數目進行分值折算，進而得到旅游資源稟賦指標數據；第三產業從業人員數量、城市固定資產投資指標數據源于《湖北省統計年鑒》；旅游總收入數據源于《湖北省旅游便覽》；各城市CO2排放數據則依據上文所述評估方法折算而來。在研究中諸如城市固定資產投資、旅游總收入（TTR）等貨幣價值指標以2007年不變價格計算，價格波動剔除所需固定資產投資價格指數與居民消費價格指數源于《湖北省統計年鑒》。

2 實證分析結果及解讀

2.1 旅游業能源消費量評估

在旅游業直接能源消費方面，武漢市旅游業年均直接能源消費量最高，達到753 378.7 t，其次為宜昌（116 810.3 t）、恩施（96 603.7 t）、十堰（85 227.1 t）、荊州（55 862.6 t）等等，年均直接能源消費量最低城市為潛江（2 668.5 t），各城市旅游業直接能源消費年均增長率皆在14%以上，最高達到69%，17個重點城市旅游業之間的直接能源消費量存在較大差距，且整體上處于明顯上升通道（見圖1）。從構成角度來看，不同城市之間的旅游業二級部門直接能源消費占比較為相似，各部門直接能源消費量年均占比依次為交通（80.17%）、住宿（7.37%）、購物（425%）、餐飲（341%）、其他服務（2.92%）、娛樂（162%）及郵電通信（026%）。依據能源消費測度方法的內部機理，區域旅游業直接能源消費量主要由直接能源消費強度與旅游經濟產出規模兩因素主導，直接能源消費強度決定了單位產值的能源消費量，體現了旅游經濟系統內部的技術水平與經濟結構變化，而旅游經濟產出規模則屬于規模因素，在很大程度上影響到了城市旅游業直接能源消費總量的高低。同理，旅游業二級部門的直接能源消費占比結構主要受旅游經濟系統內部不同二級部門的直接能源消費強度與部門產出規模兩個主要因素支配。在能源消費強度與部門產出規模等因素的推動下，餐飲、娛樂及郵電通信部門的旅游業直接能源消費占比逐步縮減，而交通、購物及其他服務部門的旅游業直接能源消費占比逐步攀升，住宿部門直接能源消費占比則相對平穩。

在旅游業間接能源消費方面，武漢市旅游業年均間接能源消費量最高，達到977 112.4 t，其次為宜昌（153 483.2 t）、恩施（123 515.6 t）、十堰（111 161.6 t）、荊州（74 106.8 t）等等，年均間接能源消費量最低城市為潛江（3 532.1 t），最高城市均值約合最低城市的277倍，各城市之間的旅游業間接能源消費量存在較大差異，而2007-2011年間各城市旅游業間接能源消費量增速明顯，年均增長率皆在11%-65%之間（見圖2）。分結構來看，旅游業二級部門的間接能源消費占比在各城市之間的差異相對較小，交通部門間接能源消費占比最高，年均占比達到29.84%，其次為餐飲（22.41%）、住宿（19.33%）、購物（17.14%）、其他服務（7.72%）、娛樂（2.72%）、郵電通信（0.85%）。與直接能源消費量及其結構相似，間接能源消費量及其結構亦受其能源消費強度與產出規模主導，但與直接能源消費強度相比，間接能源消費強度與旅游業二級部門的產業關聯特質密切相關，二級部門所消費的來自能源密集型產業的產品越多，則對應二級部門間接能源強度越高。受旅游業二級部門間接能源消費強度與產出規模變化的驅動，2007-2011年間餐飲、娛樂、住宿及郵電通信部門的間接能源消費占比呈現縮減趨勢，而交通、購物及其他服務部門的旅游業間接能源消費占比逐步攀升。在旅游業直接CO2排放方面，武漢市旅游業年均直接CO2排放量最高，達到2 332 944 t，其次為宜昌（362 361.9 t）、恩施（299 310.4 t）、十堰（263 854.8 t）、荊州（173 000.9 t）等等，年均直接CO2排放量最低城市為潛江（8 271.5 t），最高城市均值約合最低城市的282倍，各城市之間的旅游業直接CO2排放量存在明顯差異。2007-2011年間各城市旅游業直接CO2排放量急速膨脹，年均增長率在13.23%-68.27%之間（見圖3）。分結構來看，旅游產業交通、住宿、餐飲、景區游覽、購物、娛樂、郵電通信及其他服務等二級部門的直接CO2排放量占比在各城市之間差異較小，交通部門直接CO2排放量占比最高，年均占比達到79.52%，其次為住宿（7.64%）、購物（4.09%）、餐飲（3.72%）、其他服務（2.94%）、娛樂（1.82%）及郵電通信（0.27%）。由于分析時期內的初始能源消費結構與各類能源碳排放系數變化幅度較小，因而各區域旅游業直接CO2排放量及其結構變化的成因與直 接能源消費量相似，更多地受直接能源消耗強度與產出規模影響，體現了各城市旅游產業節能減排技術水平、服務產品結構及經濟規模三大維度變化。受上述因素驅動，2007-2011年間餐飲、娛樂及郵電通信部門的旅游業直接CO2排放占比逐步縮減，而交通、購物及其他服務部門的旅游業直接CO2排放占比逐步攀升，住宿部門對應直接CO2排放占比變化則相對平穩。

在旅游業間接CO2排放方面，武漢市旅游業年均間接CO2排放量最高，達到 3 027 417.1 t，其次為宜昌（476 416 t）、恩施（382 892.1 t）、十堰（344 318.1 t）、荊州（229 649.3 t）等等，年均間接CO2排放最低城市為潛江（10 955 t），最高城市均值為最低城市的276倍，各城市之間的旅游業間接CO2排放量存在較大差異，而2007-2011年間各城市的旅游業間接CO2排放量增速明顯，年均增長率皆在10%以上，其中咸寧、鄂州、十堰、襄陽等城市年均增速更是超過30%（見圖4）。從間接碳排放構成來看，交通部門間接CO2排放量占比最高，年均占比達到其次為餐飲（23.69%）、住宿（19.64%）、購物（16.46%）、其他服務（7.54%）、娛樂（2.90%）、郵電通信（0.86%）。由于2007-2011年間能源消費結構及不同能源的碳排放系數變化幅度較小，相應間接CO2排放量及其結構變化的成因與間接能源消費相似，主要受間接能源消費強度與產出規模驅動。從動態變化視角上看，2007-2011年間餐飲、娛樂、住宿及郵電通信部門的間接CO2排放占比呈現縮減趨勢，而交通、購物及其他服務部門的旅游業間接CO2排放占比逐步攀升。

2.3 旅游業低碳效率

若考慮以CO2排放因素表征的生態環境約束，則無效率城市與前沿城市之間的差距將會縮小，旅游業傳統發展效率整體上低于低碳效率（見圖5），因而若不考慮非期望產出，則存在低估效率傾向。基于此，本文以低碳效率值為切入點，對各區域旅游業發展效率作出進一步分析與解讀。

在整個分析時期內湖北省區域旅游業低碳效率整體均值為0.422，處于較低水平，這意味著將旅游經濟系統內部生產要素潛力全部發揮出來，可以使產出在整個樣本期再提升57.8%。從空間分布上看，神農架旅游業低碳效率年均值最高，年均效率值達到0.977，其次為恩施（0.869）、武漢（0.705）、十堰（0.511）、荊門（0.503）、仙桃（0.502）、黃岡（0.495）、鄂州（0.468）、宜昌（0.416）、荊州（0.354）、孝感（0.346）、黃石（0.310）、襄陽（0.308）、隨州（0.107）、天門（0.105）、潛江（0.103）、咸寧（0.101）。最高城市的低碳效率是最低城市的9.6倍，各區域旅游業之間的低碳效率存在較大差異。作為全國資源節約型和環境友好型社會建設綜合配套改革試驗區，武漢城市圈9市旅游業低碳效率平均值為0.348，而鄂西生態文化旅游圈8市旅游業低碳效率均值達到0.505。從動態變化視角上看，武漢、十堰、荊州、襄陽、荊門、黃石、鄂州、仙桃、咸寧、天門及潛江等城市旅游業在經濟發展與生態環境保護雙重維度上的旅游經濟低碳效率并未下滑，反而呈現上升態勢，說明這些城市的旅游業更趨于資源集約、環境友好，宜昌、恩施、黃岡、孝感等城市的旅游業低碳效率整體上有所下滑，對應旅游經濟趨于資源浪費、環境污染，而神農架、隨州等城市的旅游業低碳效率則整體上相對平穩。

2.4 全要素生產率及其分解

2007-2011年間湖北省城市旅游業Luenberger全要素生產率均值0.0497，旅游業低碳效率均值從2007年的0.379上升到2011年的0.578，低碳效率整體上呈現出上升趨勢。全要素生產率分解結果顯示，湖北省旅游業Luenberger全要素生產率分解項LPEC、LSEC、LPTP、LTSC四項均值分別為-0.023、0.009、0.027、0.037，對應分解項在生產率中的占比分別為-24.2%、9.7%、28.1%、38%，因而技術進步（純技術進步與技術規模變化）是推動旅游業低碳效率攀升的關鍵因素，其中規模性因素導致的技術進步是首要動因，而技術效率變化（純技術效率變化與規模效率變化）對其影響相對較小，其中純技術效率變化更是對生產率增長產生負面影響。

就具體城市而言，恩施、孝感、宜昌、黃岡等4城市生產率均值為負，旅游業低碳效率下滑主要因純技術效率退化導致，其他城市全要素生產率均值為正，其中荊州、襄陽、荊門、鄂州、仙桃、天門及潛江等7城市的旅游業低碳效率上升主要由技術進步中的技術規模變化造成，武漢、十堰、黃石等3城市低碳效率上升主要受技術進步中的純技術進步推動，而推動神農架、咸寧、隨州等3城市低碳效率上升的因素中受技術效率變化中的規模效率變化影響最大（見圖6）。

3 研究結論

本文的主要研究結論如下：

（1）湖北省旅游業能源消費總量從2007年的2 008 518噸上升到2011年的5 121 460 t，各城市旅游業直接能源消費年均增長率皆在14%以上，而旅游業CO2排放總量則從2007年的6 340 302 t上升到2011年的15 773 041 t，年均增長率在10%以上。住宿、餐飲、景區游覽、購物、娛樂、郵電通信及其他服務等二級部門間接能源消費量（間接CO2排放量）遠高于直接能源消費量（直接CO2排放量），而交通部門直接能源消費量（直接CO2排放量）遠高于間接能源消費量（間接CO2排放量）。在旅游業能源消費總量與CO2排放總量中交通部門對應能源消費量與CO2排放量占比最高，其次為餐飲、住宿、購物、其他服務、娛樂、郵電通信，其中餐飲、娛樂、住宿及郵電通信部門占比呈現縮減趨勢，而交通、購物及其他服務部門的旅游業能源消費占比與CO2排放占比則逐步攀升。這就要求政府部門在低碳旅游發展工作中不僅要著力減少與旅游相關的直接能源消費及CO2排放，更要將旅游領域節能減排工作嵌入整個旅游產業鏈，重視間接能源消費及CO2排放的節能減排，并針對旅游產業中不同二級部門的直接與間接能耗及CO2排放差異，在節能減排政策制定過程中做到有所側重，以有效降低旅游業能源消費總量及CO2排放總量。

（2）非期望產出考慮與否對旅游業發展效率產生較大影響，因而若不考慮非期望產出，則會低估效率真實值；低碳效率測度結果顯示，湖北省旅游業低碳效率整體均值為0.422，處于較低水平，若充分發掘旅游經濟系統內部生產要素利用潛力，則其產出可提升57.8%。因而，各城市應避免旅游經濟領域市場失靈所導致的盲目性，合理地引導旅游經濟系統內部要素流動方向，抵制低效投資與重復建設之亂像。同時，參照旅游經濟發達地區的成功經驗，結合當地實際情況，做好制度創新、管理創新及技術創新工作，充分發揮已有生產要素的利用潛力；各城市的旅游業低碳效率存在較大差異，最高城市低碳效率是最低城市的9.6倍。武漢、十堰、荊州、襄陽、荊門、黃石、鄂州、仙桃、咸寧、天門及潛江等城市的旅游經濟更趨于資源集約、環境友好，宜昌、恩施、黃岡、孝感等城市的旅游經濟則趨于資源浪費、環境污染，而神農架、隨州等城市旅游業相對平穩。Luenberger全要素生產率評估結果顯示，湖北省旅游業低碳效率整體上處于上升狀態，技術進步是推動低碳效率攀升的關鍵因素，其中規模性因素所導致的技術進步是首要動因，而技術效率變化對其影響相對較小，而技術效率變化中的純技術效率變化更是對生產率增長產生負面影響。因此，在低碳旅游發展過程中應繼續推進各區域旅游經濟做大做強，充分發揮規模經濟效應，同時，應采取一系列措施降低不同地區之間的技術效率差距。具體而言，有必要搭建一個旅游業專業技術、經驗及知識交流平臺，構建不同城市旅游專業人才的流通與擴散機制，推進先進技術、知識及發展觀念向落后地區擴散。

（編輯：田 紅）

參考文獻（References）

[1]The UN World Tourism Organization （UNWTO）. Towards a Low Carbon Travel and Tourism Sector [R]. The World Economic Forum， 2009： 3-36.

[2]Castellani V， Sala S. Sustainable Performance Index for Tourism Policy Development [J]. Tourism Management， 2010， 31（6）： 871-880.

[3]Becken S. How Tourists and Tourism Experts Perceive Climate Change and Carbonoffsetting Schemes [J]. Journal of Sustainable Tourism， 2004， 12（4）： 332-345.

[4]肖建紅，于愛芬，王敏. 旅游過程碳足跡評估：以舟山群島為例[J]. 旅游科學， 2011， 25（4）： 58-65. [Xiao Jianhong， Yu Aifen， Wang Min. Carbon Footprint Evaluation in Tours： A Case Study of Zhoushan Islands [J]. Tourism Science， 2011， 25（4）： 58-65.]

[5]PerchNielsen S， Sesartic A， Stucki M. The Greenhouse Gas Intensity of the Tourism Sector： The Case of Switzerland [J]. Environmental Science and Policy， 2010， 13（2）： 131-140.

[6]Mayor K， Tol R S J. Scenarios of Carbon Dioxide Emissions from Aviation [J]. Global Environmental Changehuman and Policy Dimensions， 2010， 20 （1）： 65-73.

[7]Becken S， Frampton C， Simmons D. Energy Consumption Patterns in the Accommodation Sector：The New Zealand Case [J]. Ecological Economics， 2001， 39（3）： 371-386.

[8]Chan W W. Partial Analysis of the Environmental Costs Generated by Hotels in Hong Kong [J]. International Journal of Hospitality Management， 2005， 24 （4）： 517-531.

[9]Dawson J， Stewart E J， Lemelin H. The Carbon Cost of Polar Bear Viewing Tourism in Churchill， Canada [J]. Journal of Sustainable Tourism， 2010， 18（3）： 319-336.

[10]Assaf A G. Benchmarking the Asia Pacific Tourism Industry： A Bayesian Combination of DEA and Stochastic Frontier [J]. Tourism Management， 2012， 33（5）： 1122-1127.

[11]Juan G B， Nicolás G， Manuela D. Exploring the Dynamics of the Efficiency in the Italian Hospitality Sector： A Regional Case Study [J]. Expert Systems with Applications， 2012， 39 （10）： 9064-9071.

[12]Bernini C， Guizzardi A. Internal and Locational Factors Affecting Hotel Industry Efficiency： Evidence from Italian Business Corporations [J]. Tourism Economics， 2010， 16（4）： 883-913.

[13]Assaf A G， Barros C P， Josiassen A. Hotel Efficiency： A Bootstrapped Metafrontier Approach [J]. International Journal of Hospitality Management， 2012， 31（2）： 621-629.

[14]Juan G B， Manuela D， Manuela P. Tourism and Transport Systems in Mountain Environments： Analysis of the Economic Efficiency of Cableways in South Tyrol [J]. Journal of Transport Geography， 2014， 36： 1-11.

[15]José M， Luis C H， José S. Measuring the Efficiency of Heritage Institutions： A Case Study of A Regional System of Museums in Spain [J]. Journal of Cultural Heritage， 2009， 10（2）： 258-268.

[16]李志勇. 低碳經濟視角下旅游服務效率評價方法[J]. 旅游學刊， 2013， 28（10）： 71-80. [Li Zhiyong. The Use of an Efficiency Evaluation Method in the Tourism Service Industry Based on a Lowcarbon Economy Perspective [J]. Tourism Tribune， 2013， 28（10）： 71-80.]

[17]查建平，王挺之. 環境約束條件下景區旅游效率與旅游生產率評估[J]. 中國人口·資源與環境， 2015， 25（5）： 92-99. [Zha Jianping， Wang Tingzhi. Estimation of Tourism Efficiency and Tourism Productivity of Scenic Areas Under Environmental Constraints [J]. China Population， Resources and Environment， 2015， 25（5）： 92-99.]

[18]Liu H， Xi Y， Guo J， et al. Energy Embodied in the International Trade of China： An Energy Inputoutput Analysis [J]. Energy Policy， 2010， 38（8）： 3957-64.

[19]Tone K. A Slacksbased Measure of Efficiency in Data Envelopment Analysis [J]. European Journal of Operational Research， 2001， 130： 498-509.

[20]Tan Y， Wu C. Research on Classification and Grading Indicator System of Ecotourism Zones [J]. Journal of Central South University of Forestry & Technology， 2009，29： 20-28.

Evaluation of Energy Consumption， Carbon Dioxide Emission and Lowcarbon Efficiency

ZHA Jianping1，2

（1.School of Management，Southwest University of Political science and Law，Chongqing 401120，China；

2.School of Tourism，Sichuan University，Chengdu Sichuan 610064，China）

Abstract Through inputoutput analysis and IPCC carbon dioxide calculation， we assessed the energy consumption and CO2 emissions of tourism sectors in 17 cities of Hubei Province in 2007-2011.Then we used the SBMUndesirable model to measure and analyze the development efficiency of lowcarbon tourism economy and its total factor productivity in the cities. The results show that the total energy consumption from urban tourism in Hubei soared from 2 008 518 tons to 5 121 460 tons from 2007 to 2011， and the related CO2 emissions soared from 6 340 302 tons to 15 773 041 tons from 2007 to 2011.Among the secondary sectors， the accommodation， food， site visits， shopping， entertainment， posts & telecommunications and other services segments contributed much more indirect energy consumption （indirect CO2 emissions） than direct energy consumption （direct emissions）， while the transport division producted less indirect emissions than direct emissions. Results of efficiency measurement indicate that it could underestimate tourism development efficiency without considering undesirable output.The overall efficiency of economic growth through lowcarbon tourism in Hubei is at a rather low level and varies significantly among cities， and there are untapped potentials with internal productive factors in the economic system of urban tourism. From the perspective of dynamic shift， however， the overall efficiency within the analyzed period was in an upward trend， driven primarily by the technological progress induced by the scale factor， whereas the purely technological efficiency changes undermined the growth of productivity.