中國旅游業碳生產率區域差異及其格局演變：1995—2014

王凱 周婷婷 邵海琴 鄧楚雄

摘要利用“自下而上”法核算1995—2014年中國大陸30個省（市、區）旅游業碳生產率，采用標準差、變異系數等指標衡量旅游業碳生產率區域差異，并通過空間自相關分析探討中國旅游業碳生產率區域差異格局演變特征。結果表明：1995—2014年中國旅游業碳生產率總體呈增長趨勢，但增長幅度不大，其年均增長率為2.07%，旅游業碳生產率具體數值由1995年的1.120 1萬元/t增長至2014年的1.653 0萬元/t；旅游業碳生產率區域差異明顯，但區域絕對差異和區域相對差異均逐步縮小；旅游業碳生產率空間分布不均，總體呈東高西低的空間格局；旅游業碳生產率的空間分布存在顯著正空間自相關性，以及局部的不連續性；旅游業高碳生產率集聚區域主要分布在華北地區，以北京、天津、河北為主要代表；旅游業低碳生產率集聚區域主要分布在西北地區，以新疆、青海和陜西為主要代表；中國旅游業碳生產率整體水平較低，多數省區位于旅游業低碳生產率行列，研究期內旅游業低碳生產率的區域重心逐漸由西部向中部轉移?；谏鲜鼋Y論，本文提出針對性建議：政府應制定低碳旅游相關的系列標準規范、行動方案以及保障性政策等，同時應加大對先進低碳技術和低碳設備的引進與推廣；各省區應秉持低碳發展理念并將其融入目的地開發與管理之中；旅游企業應積極利用新能源、新材料和新技術，研發低碳旅游系列產品與服務；加大宣傳生態環保理念，引導旅游者樹立低碳旅游意識，優先選擇低碳旅游景區和低碳出行方式，自覺抵制高碳排旅游活動。

關鍵詞旅游業碳生產率；區域差異；格局演變；空間自相關

中圖分類號F59

文獻標識碼A文章編號1002-2104（2017）06-0027-09DOI：10.12062/cpre.20170351

全球氣候變暖危害人類及其他生物的生存與發展，轉變經濟發展方式，走低碳經濟發展道路勢在必行[1]。碳生產率是指一段時期內國內生產總值與同時期CO2排放總量之比，反映單位CO2排放所產生的經濟效益，是評估一個國家或地區低碳經濟發展水平的重要指標[2]。提高碳生產率，實現經濟增長與碳減排共贏，是發展低碳經濟的關鍵。與工、農業等能源消耗“大戶”相比，旅游業碳排放量雖然相對較少，但也已成為全球碳排放的重要來源之一。研究顯示，造成全球氣候變暖的人為因素中，5%—14%來自旅游業[3]。2015年，中國共接待國內游客40億人次，實現旅游收入34 195億元，同比分別增長10.5%和13.1%。隨著中國旅游業產業規模的迅速擴大，其所帶來的碳排放與環境問題必將日益顯著。因此，如何提高中國旅游業碳生產率，引導旅游業低碳化發展是當前低碳經濟領域必須面對的重大課題。

目前，學術界對旅游業碳排放的研究主要圍繞3個方面：①旅游業CO2排放量核算及其影響因素探究。學者們借助不同方法對洲[4]、國家[5-6]、省區[7-10]、城市[11-12]等區域旅游業CO2排放量進行測算。其中，Camelia和鐘永德基于投入產出法分別核算了羅馬尼亞、中國旅游業CO2排放量[13-14]；謝園方從“大旅游”視角出發，依據能源消耗平衡表，測算了長三角地區旅游業CO2排放量[15]；另外，王凱基于LMDI分解法實證研究了中國旅游業CO2排放的影響因素，包括產業規模、空間結構、能源強度以及產業結構等[16]；Gssling認為通過優化能源結構、提高能源利用效率可有效控制旅游業溫室氣體排放[17]。②旅游部門CO2排放、旅游業CO2排放強度研究。國內外學者針對旅游交通[18-20]、旅游住宿[21]、旅游景區[22-23]等單一部門CO2排放的研究已取得一定進展。如Peeters評估了旅游交通CO2排放的環境影響[24]；陶玉國利用替代式“自下而上”法、歸納法以及變異系數構建區域旅游交通CO2排放測算模型，并以長三角地區為例展開實證研究[25]；張廣海則采用泰爾指數和空間自相關分析探討了中國省域旅游CO2排放強度的時空格局、區域差異及變化趨勢[26]。③旅游業CO2排放與經濟增長的關系分析。李彩云憑借社會調查所得數據，借助文獻研究與統計分析方法，研究發現敦煌市旅游業CO2排放與經濟增長之間以弱脫鉤關系為主[27]；而王凱發現1991—2010年期間除2003年中國旅游業CO2排放與經濟增長之間表現為未脫鉤關系之外，其余年份二者均表現為相對脫鉤關系[28]。

上述研究極大豐富了旅游業碳排放研究體系，為進一步拓展研究內容奠定了基礎。但迄今為止鮮有學者對旅游業碳生產率給予足夠重視，而了解旅游業碳生產率區域差異及其格局演變特征對一個國家或地區制定差異化的碳減排目標和針對性碳減排政策以及科學合理的碳排放空間分配策略意義重大。因此，本研究綜合運用標準差、變異系數和空間自相關分析深入探討1995—2014年中國旅游業碳生產率區域差異及其格局演變，以期探明中國旅游業碳生產率空間分布現狀與特點，并為確定中國旅游業碳減排區域重點以及各區域旅游業碳減排的工作方向，最終實現旅游業可持續發展提供科學依據。

1研究方法與數據來源

1.1研究方法

1.1.1旅游業CO2排放量的核算

基于國內外已有成果[29-31]，本研究利用“自下而上”法核算旅游業CO2排放量，參照Becken[32]和Patterson[33]所用方法，先分別核算旅游交通、旅游住宿及旅游活動等三大旅游業碳排放重點領域內的CO2排放量，再匯總得到旅游業CO2排放總量。其計算公式如下：

Ct=∑3j=1Ctj=Ct1+Ct2+Ct3（1）

式中，Ct表示t年旅游業CO2排放總量；Ct j表示t年j部門的CO2排放量；Ct1表示t年旅游交通部門CO2排放量；Ct2表示t年旅游住宿部門CO2排放量；Ct3表示t年旅游活動CO2排放量。

Ct1=∑30i=1Cti1=∑30i=1∑4x=1Qtix·fx·αx （2）

式中，Cti1表示t年i地區旅游交通部門的CO2排放量；Qtix表示t年i地區第x類交通方式的旅客周轉量；fx表示第x類交通方式的客運量中旅游者所占比例，參考已有研究成果[20]可確定公路、民航、鐵路、水運的f值分別為13.8%、64.7%、31.6%和10.6%；αx表示第x類交通方式的CO2排放系數，其中公路的α值為133 g CO2/pkm，民航的α值為137 g CO2/pkm，鐵路和水運則為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地區旅游住宿部門的CO2排放量；Nti表示t年i地區旅游飯店客房床位數；lti表示t年i地區平均客房出租率；β表示每張床位每晚的CO2排放量（g/p visitornight），取值為2.458 g/p visitornight[34]。

Ct3=∑30i=1Cti3=∑30i=1∑5s=1Ptis·γs （4）

式中，Cti3表示t年i地區旅游活動的CO2排放量；Ptis表示t年i地區參加第s類旅游活動的旅游者數量；γs表示第s類旅游活動的CO2排放系數，觀光旅游、度假旅游、商務出差、探親訪友以及其他旅游活動的CO2排放系數分別為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旅游業碳生產率的估算

旅游業碳生產率用一段時期內旅游業生產總值與同時期旅游業CO2排放總量之比來表示，其計算公式如下：

CPti=YtiCti （5）

式中，CPti表示t年i地區旅游業碳生產率（萬元/t）；Yti表示t年i地區的旅游總收入（億元）；Cti表示t年i地區旅游業CO2排放總量（萬t）。

1.1.3區域絕對差異衡量方法

利用標準差衡量1995—2014年中國旅游業碳生產率的區域絕對差異。標準差計算公式如下：

Sd=∑ni=1（CPi-CP—）2n （6）

式中，Sd表示標準差；CPi表示i地區某一時期的旅游業碳生產率；CP表示同時期全國旅游業碳生產率平均值；n表示樣本區域個數，本研究中n=30。

1.1.4區域相對差異衡量方法

選取變異系數衡量1995—2014年中國旅游業碳生產率的區域相對差異。其計算公式如下：

Cv=Sd/CP （7）

式中，Cv表示變異系數；Sd、CP含義與式（6）中相同。

1.1.5空間自相關分析

空間自相關分析以確定某一要素在地理空間上的分布是否存在自相關以及自相關程度大小為主要目的，通常采用Morans I指數進行衡量。

（1）全局空間自相關分析。全局空間自相關分析可揭示旅游業碳生產率在整個研究區域內的空間分布特征，判斷是否存在空間集聚現象。采用全局 Morans I指數進行度量，其表達式如下：

I=∑ni=1∑nj=1Wij×（CPi-CP）（CPj-CP）∑ni=1∑nj=1Wij×1n∑ni=1（CPi-CP）2 （8）

式中，CPi、CPj分別表示i地區和j地區某一時期的旅游業碳生產率；Wij表示空間權重矩陣；n表示樣本區域個數。Morans I指數值介于[-1，1]之間，若Morans I>0，說明旅游業碳生產率呈正空間自相關，且該值越大，正空間自相關性越強；若Morans I<0，說明旅游業碳生產率呈負空間自相關，且該值越小，負空間自相關性越強；若Morans I=0，說明旅游業碳生產率在空間上隨機分布，不存在空間自相關。為確保分析所得結論的準確性，需對全局 Morans I指數值進行檢驗。常用檢驗公式如下：

Z（I）=I-E（I）VAR（I）（9）

式中，Z（I）表示標準化統計量；E（I）表示全局 Morans I指數值的期望；VAR（I）表示全局 Morans I指數值的方差。若Z值為正且顯著（P<0.05），則正空間自相關關系成立；若Z值為負且顯著，則負空間自相關關系成立；若Z值為0，則空間上呈隨機分布。

（2）局域空間自相關分析。局域空間自相關分析可明確某一省區旅游業碳生產率與相鄰省區旅游業碳生產率間的空間關聯類型與關聯程度大小，本研究綜合利用Morans I散點圖和局部空間關聯指標（Local Indicators of Spatial Association，LISA）Local Morans Ii指數進行衡量。其計算公式如下：

Ii=n（CPi-CP）∑nj=1Wij（CPj-CP）∑ni=1（CPi-CP）2 （10）

式中，Ii表示i地區Local Morans Ii指數，其他參數含義與式（8）中相同，且仍采用Z統計量對Local Morans Ii指數值進行檢驗。

1.2數據來源

本研究測算了1995—2014年間中國大陸30個省區旅游業碳生產率（由于缺乏統計數據，本研究暫未包含西藏）。其中，各省區旅游收入數據來自1996—2015年《中國統計年鑒》，并以1995年為價格基期，剔除通貨膨脹因子影響后轉為可比價格；計算旅游業CO2排放量基礎數據主要來自《中國交通年鑒》、《中國國內旅游抽樣調查資料》、《中國旅游統計年鑒》及副本、《入境游客抽樣調查資料》、《中國能源統計年鑒》及各省區國民經濟和社會發展年度統計公報等，個別缺失數據采用鄰近年份數值進行線性插補；部分參數參考國內外已有相關研究。

2實證結果與分析

2.1旅游業碳生產率總體格局現狀

測算結果顯示，1995—2014年中國旅游業碳生產率總體在小幅波動中增長，具體數值由研究基期的1.120 1萬元/t增長至研究期末的1.653 0萬元/t，年均增長2.07%，表明中國低碳旅游發展取得可喜成果。但因地理區位、資源稟賦、經濟水平等旅游業現實基礎的不同，各省區旅游業碳生產率之間存在顯著差異。圖1顯示，盡管中國旅游業碳生產率標準差在2003年等個別年份出現了較大波動，但在研究期內整體呈逐步減小的態勢，其值從1995年的2.110 7減少到2014年的1.960 2，說明中國旅游業碳生產率區域絕對差異正在逐漸縮小。從變異系數角度來看，研究期內旅游業碳生產率變異系數整體表現為先增后減的趨勢，表明旅游業碳生產率相對差異整體上也正趨于縮小。這主要是因為隨著旅游業產業地位的不斷提升以及低碳生活理念的普及，各地政府紛紛加大投資力度，發展低碳旅游，以提高旅游業碳生產率。其中西部地區成效最為顯著，其旅游業碳生產率以年均3.44%的速率增長，超過了東部地區的1.66%和中部地區的1.33%，推動旅游業碳生產率區域差異逐漸縮小。

2.2空間分布特征

運用Jenks自然間斷點分級法分別對1995年、2000年、2005年、2010年以及2014年中國旅游業碳生產率進行空間聚類，并依次劃分為低旅游業碳生產率地區、中旅游業碳生產率地區、較高旅游業碳生產率地區和高旅游業碳生產率地區等4個類別（表1），由此直觀顯示中國旅游業碳生產率的時空格局演變過程，并全面了解中國旅游業碳生產率區域差異的變化趨勢。

由表1可知，1995年，低旅游業碳生產率省區共有14個，占總數的46.67%，是全國主要分布類型，其中9個省區來自西部，且甘肅旅游業碳生產率水平最低；中旅游業碳生產率省區共有11個，占總數的28.21%，主要集中在東部；較高旅游業碳生產率省區有4個，除湖南以外其余省區均來自東部；天津旅游業碳生產率水平最高。2000年，低旅游業碳生產率省區減少1個，中旅游業碳生產率省區增加1個，但低旅游業碳生產率省區仍主要集中于西部；較高和高旅游業碳生產率省區數量均未改變，且全部集中于東部。2005年，低旅游業碳生產率省區上升至17個，且大部分來自中部；中旅游業碳生產率省區減少至8個，較高及高旅游業碳生產率省區數量沒有變化；全國除上海、黑龍江、河南以及湖南等4個省區由中旅游業碳生產率降至低旅游業碳生產率外，其余省區均屬于原類別。該時期天津旅游業碳生產率仍處于全國最高水平，甘肅處于最低水平，但與2000年相比，天津旅游業碳生產率有所減少，由14.99萬元/t減至14.25萬元/t。

2010年，廣東旅游業碳生產率由中等水平降至低水平，由此看出5年間廣東在大力發展旅游業的同時，對其所帶來的環境問題未予以足夠重視，或所采取減排措施未取得明顯效果；內蒙古旅游業碳生產率由全國較低水平上升至中等水平，這一良性轉變為其他地區低碳旅游發展起到了良好的示范效應。除此以外，其余省區旅游業碳生產率所屬類別均未改變。該時期內天津旅游業碳生產率依然位列全國第一，但其數值持續下降，而甘肅旅游業碳生產率較之前有所提高。2014年，低旅游業碳生產率依然是全國主要分布類型，且中部省區所占數量最多，其占比高達44.44%。期間，浙江上升至高旅游業碳生產率省區，四川和重慶則降至低旅游業碳生產率省區，其他省區沒有變化，較高旅游業碳生產率省區和高旅游業碳生產率省區依舊全部來自東部。

綜上可知，1995—2014年，中國旅游業碳生產率在空間分布總體上呈東高西低特征。其中，北京、天津、山東以及浙江等東部省區一直位于較高旅游業碳生產率地區或高旅游業碳生產率地區行列，而貴州、青海、甘肅、寧夏等西部省區則一直處于低水平行列。同時，低旅游業碳生產率省區數量已由研究期初的14個增加至18個，表明目前中國旅游業碳生產率整體水平較低。此外，低旅游業碳生產率地區重心已由西部向中部轉移。因此，加快推進中部地區低碳旅游發展，提高中部旅游業碳生產率顯得十分迫切與必要。

2.3空間自相關結果分析

2.3.1全局空間自相關結果分析

借助Geoda軟件中基于鄰接關系的Queen Contiguity算法生成gal空間權重矩陣文件，計算1995年、2000年、2005年、2010年和2014年中國旅游業碳生產率的全局Morans I 指數并進行顯著性檢驗。表2顯示，中國旅游業碳生產率的全局 Morans I 指數值均大于零，且除2014年以外，其余均在5%的顯著性水平下顯著。由此可知，研究期內中國旅游業碳生產率存在顯著正空間自相關性，即旅游業碳生產率在空間上并非隨機分布，而是存在明顯的空間集聚現象。

2.3.2局域空間自相關結果分析

基于全局空間自相關分析結果，對旅游業碳生產率做進一步局域空間自相關分析，以探明中國旅游業碳生產率在局部空間上的集聚與異質情況。借助空間分析軟件Geoda分別繪制1995年、2000年、2005年、2010年和2014年旅游業碳生產率的Morans I 散點圖（圖2）。圖中將旅游業碳生產率的空間關系劃分為HH（高值—高值）、LH（低值—高值）、LL（低值—低值）以及HL（高值—低值）等4種類型，分別對應于散點圖中的四個象限。其中HH（LL）類型表征相鄰省區之間存在正的空間相關性，即高（低）旅游業碳生產率地區與高（低）旅游業碳生產率地區為鄰；LH（HL）類型表征相鄰省區間存在負的空間相關性，即低（高）旅游業碳生產率地區與高（低）旅游業碳生產率地區為鄰。第一象限（HH）和第三象限（LL）反映旅游業碳生產率的空間集聚性，而第二象限（LH）和第四象限（HL）則反映了旅游業碳生產率的空間異質性。

由圖2可知，1995年旅游業碳生產率位于第一、三象限的省區共有24個，占總數的80%，說明全國大多數省區旅游業碳生產率存在局域空間集聚效應；2000年位于第一、三象限的省區總數增加1個，可知該期間旅游業碳生產率的區域空間集聚程度增強；2005年位于第一象限的省區數量保持不變，第三象限省區數量減少2個，表明低旅游業碳生產率地區空間集聚程度有所減弱；與2005年相比，2010年位于第一、三象限的省區總數增加了3個，說明旅游業碳生產率的區域空間集聚程度增強；2014年位于第一象限的省區數量未改變，位于第三象限的省區數量減少了2個，說明低旅游業碳生產率地區空間集聚程度有所下降。綜合來看，研究期內旅游業碳生產率落在各象限的省區數量雖有波動，但總體落在第三象限的省區數量比落在第一、二、四象限的省區數量多，表明中國旅游業碳生產率在局部空間上的集聚性強于異質性，且以LL集聚類型為主。

鑒于Morans I散點圖只能定性描述旅游業碳生產率空間關聯類型及集聚區，卻無法判斷其是否具有統計學意義，因此計算Local Morans Ii指數值，并進行顯著性檢驗（表3）。結果顯示，1995—2014年通過顯著性檢驗的省區整體變化不大，即我國旅游業碳生產率在局域空間分布上較為穩定。其中，北京旅游業碳生產率與周邊省區一直呈現HH相關，而新疆旅游業碳生產率與周邊省區則一直表現為LL相關。盡管2014年旅游業碳生產率全局自相關并不顯著，但仍存在顯著的局域空間正相關，主要以新疆、陜西旅游業碳生產率的LL相關及北京、河北旅游業碳生產率的HH相關為代表。另外，研究期內河北旅游業碳生產率與鄰近區域旅游業碳生產率關聯類型由LH逐漸轉變為HH，表明近年來河北旅游業節能減排效果較好。綜合來看，1995—2014年我國旅游業碳生產率“熱點”區域（HH）主要位于華北地區，以北京、天津、河北等省區為代表；“冷點”區域（LL）則主要分布在西北地區，代表性省區有新疆、青海、陜西等；華北地區依靠經濟基礎雄厚、技術

力量強、能源消費結構合理等優勢，其旅游業碳生產率相對較高；西北地區旅游經濟發展滯后、能源利用效率低是造成該地區低旅游業碳生產率的主要原因。

3結論與建議

本研究利用相關數據測算中國大陸30個省區1995—2014年旅游業碳生產率，并運用標準差、變異系數等衡量其區域差異，借助Arcgis軟件對研究期內旅游業碳生產率進行空間聚類，同時采用Geoda軟件展開空間自相關分析，以深入探討中國旅游業碳生產率區域差異及其格局演變特征。研究所得結論及相關政策建議如下：

（1）1995—2014年中國旅游業碳生產率整體在小幅波動中呈現增長態勢，具體由1995年的1.120 1萬元/t增長至2014年的1.653 0萬元/t，年均增長率達2.07%，說明中國旅游業碳減排取得了一定的績效，但目前中國旅游業碳生產率總體水平仍較低，全國大多數省區位于低旅游業碳生產率的行列，因而仍需大力推動低碳旅游發展。為此，政府一方面應制定低碳旅游相關的系列標準規范、行動方案以及保障性政策等，引導和鼓勵開展低碳旅游活動，另一方面可加大對先進低碳技術和低碳設備的引進與推廣，為低碳旅游發展保駕護航；各省區應秉持低碳發展理念科學合理規劃，引進綠色餐飲和綠色酒店，完善低碳旅游設施，嚴控景區環境容量，建立預防、預警機制，以促進低碳旅游景區和目的地創建；旅游企業應積極利用新能源、新材料和新技術，研發低碳旅游系列產品與服務，帶動低碳旅游消費；同時，加大宣傳生態環保理念，引導旅游者樹立低碳旅游意識，優先選擇低碳旅游景區和低碳出行方式，自覺抵制高碳排旅游活動。

（2）中國旅游業碳生產率空間分布不均衡，總體呈現出東高西低的特征。標準差和變異系數結果驗證了旅游業碳生產率區域差異的存在，也表明區域絕對差異和相對差異均呈縮小趨勢，二者的數值分別由1995年的2.110 7、1.718 4下降至2014年的1.960 2和1.164 2。研究期內，低旅游業碳生產率地區重心逐漸由西部向中部地區轉移，可見中部地區是未來中國旅游業節能減排的區域重點。鑒于各區域旅游業現實基礎和發展水平不同，可有針對性地制定差異化的減排政策。其中，旅游業相對發達的東部地區，應在保持旅游經濟穩定增長的同時，一方面依托其強大的經濟實力引進發達國家和地區的低碳技術，另一方面可加大對節能減排技術自主研發的支持力度，積極推進清潔能源和技術創新，提高能源綜合利用效率，加快旅游產業轉型升級。中、西部地區的調控重點則是逐步調整能源消費結構，降低化石能源使用比重，從源頭上降低旅游業的碳排放；同時，將生態文明建設融入旅游產業發展的各個方面，力促旅游經濟發展模式和旅游消費模式的轉變，實現旅游發展與環境保護的良性循環。

（3）全局空間自相關分析結果表明，中國旅游業碳生產率存在較強正空間自相關性，即高旅游業碳生產率地區傾向于與高旅游業碳生產率地區相鄰，低旅游業碳生產率地區傾向于與低旅游業碳生產率地區為鄰。局域空間自相關結果表明，中國旅游業碳生產率以空間LL集聚為主，空間異質為輔，且旅游業碳生產率“熱點”區域主要分布在華北地區，“冷點”區域主要分布在西北地區。要提高中國旅游業碳生產率，實現經濟增長與環境改善的共贏，應針對不同空間關聯類型的省區采取差別化的措施。為此，須重點關注LL類型的省區，該類型省區對煤炭等傳統化石能源具有較高依賴性，可引入低碳技術，推進清潔型生產，嚴格執行旅游企業環保準入標準，逐步改善和轉變其高消耗、高污染的能源消費結構，同時加大財政投入力度、制定優惠保障性政策、引進關鍵人才以支持低碳旅游發展，提高其旅游業碳生產率；對于LH和HL類型的省區，通過加強區域協作，以高旅游業碳生產率地區帶動低旅游業碳生產率地區發展，最終實現區域低碳旅游經濟共同發展。（編輯：王愛萍）

參考文獻（References）

[1]方大春， 張敏新. 低碳經濟的理論基礎及其經濟學價值[J]. 中國人口·資源與環境， 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]張麗峰. 碳生產率的經濟學背景及其內涵分析[J]. 經濟問題探索，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， 韓玉姣. 2000—2012年山西省旅游業碳排放的時空差異[J]. 陜西師范大學學報（自然科學版），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]胡歡， 章錦河， 楊嫚， 等. 區域旅游業碳排放測算及其動態變化研究——以江蘇省為例[J]. 生態經濟，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]楊存棟， 王雪. 內蒙古旅游業碳排放估算及其低碳化發展策略研究[J]. 生態經濟，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， 榮培君. 基于改進EIOLCA模型的城市旅游業碳排放核算研究——以開封市為例[J].地理科學進展，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]楊莎莎， 邱雪晨， 張曉君. 桂林旅游業碳排放的初步估算及脫鉤關系分析[J]. 桂林理工大學學報，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]鐘永德， 石晟屹， 李世宏， 等. 我國旅游業碳排放測算方法構建與實證研究——基于投入產出視角[J]. 中南林業科技大學學報，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]謝園方， 趙媛. 長三角地區旅游業能源消耗的CO2排放測度研究[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]王凱， 肖燕，李志苗， 等. 中國旅游業CO2排放因素分解：基于LMDI分解技術[J]. 旅游科學， 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]孫晉坤， 章錦河， 劉澤華， 等. 區域旅游交通碳排放測度模型及實證分析[J]. 生態學報， 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]魏艷旭， 孫根年， 馬麗君， 等. 中國旅游交通碳排放及地區差異的初步估算[J]. 陜西師范大學學報（自然科學版），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， 賈俊松， 周秀. 我國旅游住宿碳排放時空特征及其主要影響因素[J]. 中南林業科技大學學報，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. 鎮江“三山”風景區旅游碳排放測度研究[J]. 地域研究與開發，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， 鐘永德， 王懷採， 等. 張家界旅游碳排放計量與減排路徑的研究[J]. 中南林業科技大學學 報，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， 黃震方， 史春云. 基于替代式自下而上法的區域旅游交通碳排放測度[J]. 生態學報，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]張廣海， 劉菁. 中國省域旅游碳排放強度時空演變分析[J]. 統計與決策，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， 陳興鵬， 張子龍， 等. 敦煌市旅游業碳排放與經濟增長的耦合關系分析[J]. 生態科學，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]王凱， 李娟， 席建超. 中國旅游經濟增長與碳排放的耦合關系研究[J]. 旅游學刊，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]謝園方， 趙媛. 基于低碳旅游的旅游業碳排放測度方法研討[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]石培華， 吳普. 中國旅游業能源消耗與 CO2排放量的初步估算[J]. 地理學報， 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