長(zhǎng)三角旅游業(yè)碳排放強(qiáng)度空間格局及影響因素分析

姚丹, 任麗燕,*, 馬仁鋒, 李澤坤, 王彩娟

長(zhǎng)三角旅游業(yè)碳排放強(qiáng)度空間格局及影響因素分析

姚丹1,2,3, 任麗燕1,2,3,*, 馬仁鋒1,2,3, 李澤坤1,2,3, 王彩娟1,2,3

1. 寧波大學(xué)地理與空間信息技術(shù)系/陸海國(guó)土空間利用與治理研究中心, 寧波 315211 2. 寧波市高等學(xué)校協(xié)同創(chuàng)新中心“寧波陸海國(guó)土空間利用與治理協(xié)同創(chuàng)新中心”, 寧波 315211 3. 寧波大學(xué)東海研究院, 寧波 315211

利用“自下而上”法, 對(duì)長(zhǎng)三角25個(gè)城市2010—2016年旅游業(yè)碳排放進(jìn)行測(cè)算的基礎(chǔ)上, 采用探索性空間數(shù)據(jù)分析方法(ESDA)分析旅游業(yè)碳排放強(qiáng)度的空間結(jié)構(gòu), 并利用SDM模型對(duì)其影響因素展開研究。結(jié)果表明: (1)研究期內(nèi)旅游業(yè)碳排放量除上海和南京呈下降趨勢(shì)外, 其余城市整體呈增長(zhǎng)趨勢(shì), 碳排放強(qiáng)度呈逐年下降態(tài)勢(shì); (2)旅游業(yè)碳排放強(qiáng)度表現(xiàn)出顯著集聚特征, 形成以寧波、舟山與徐州為中心的高值集聚區(qū)和以鎮(zhèn)江、泰州為中心的低值集聚區(qū); (3)SDM模型結(jié)果顯示: 城鎮(zhèn)化率與能源消費(fèi)結(jié)構(gòu)在影響旅游業(yè)碳排放強(qiáng)度中直接效應(yīng)顯著為負(fù); 人均GDP具有顯著為正的溢出效應(yīng)和總效應(yīng); 產(chǎn)業(yè)結(jié)構(gòu)在溢出效應(yīng)和總效應(yīng)中顯著為負(fù); 能源強(qiáng)度表現(xiàn)出顯著為正的直接效應(yīng)和總效應(yīng)。

旅游業(yè); 碳排放強(qiáng)度; 空間格局; ESDA; SDM模型

0 前言

隨著旅游業(yè)的快速發(fā)展, 旅游碳排放對(duì)于環(huán)境的影響逐漸增大。在旅游產(chǎn)業(yè)碳排放的國(guó)家排序中, 中國(guó)的排放總量占比僅次于美國(guó), 位居第二[1]。在全球變暖和節(jié)能減排的背景下, 2015年11月中國(guó)政府向國(guó)際社會(huì)承諾中國(guó)將于2030年左右使CO2排放達(dá)到峰值, 并爭(zhēng)取盡早實(shí)現(xiàn)2030年碳排放強(qiáng)度比2005年下降60%—65%的目標(biāo)[2]。因此推進(jìn)旅游業(yè)碳減排, 是響應(yīng)我國(guó)減排任務(wù)的必然之舉, 也是實(shí)現(xiàn)旅游經(jīng)濟(jì)可持續(xù)發(fā)展的重要方式。上世紀(jì)90年代, 西方學(xué)術(shù)界開始對(duì)旅游業(yè)碳排放進(jìn)行研究。Becken等[3]學(xué)者的研究表明評(píng)估國(guó)家旅游業(yè)CO2排放量對(duì)其旅游業(yè)實(shí)現(xiàn)可持續(xù)發(fā)展至關(guān)重要; Lee等[4]采用歐盟國(guó)家1988—2009年面板數(shù)據(jù)進(jìn)行單位根和協(xié)整檢驗(yàn), 探究旅游業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)和CO2排放的影響。Bale?entis等[5]以立陶宛鄉(xiāng)村為例, 探究了鄉(xiāng)村旅游地?cái)?shù)量、農(nóng)莊空間分布、旅游容量以及游客停留時(shí)間長(zhǎng)短等因素對(duì)鄉(xiāng)村旅游業(yè)碳排放的影響。我國(guó)學(xué)者于2009年左右對(duì)旅游碳排放的關(guān)注逐漸增多。如石培華等[6]應(yīng)用文獻(xiàn)研究和數(shù)理統(tǒng)計(jì)法, 發(fā)現(xiàn)2008年中國(guó)旅游業(yè)CO2排放量占總排放量的0.86%, 證明旅游業(yè)是節(jié)能減排的優(yōu)勢(shì)產(chǎn)業(yè)。查建平等[7]估算中國(guó)省級(jí)旅游業(yè)碳排放量, 在此基礎(chǔ)上進(jìn)一步利用面板模型分析影響旅游業(yè)碳排放強(qiáng)度的因素。王凱等[8]基于面板數(shù)據(jù), 利用修正的引力模型和社會(huì)網(wǎng)絡(luò)分析方法, 分析中國(guó)旅游業(yè)碳排放效率的空間結(jié)構(gòu)及其效應(yīng)。從現(xiàn)有研究成果來看, 影響旅游業(yè)CO2排放的相關(guān)因素探究方面, 多數(shù)學(xué)者采用Kaya等式[9]、LMDI分解模型[9]、泰爾指數(shù)[10]、投入產(chǎn)出分析法[11–12]以及數(shù)據(jù)包絡(luò)分析法[13]等, 利用空間計(jì)量模型分析旅游業(yè)碳排放影響因素的研究尚不充分。因此, 本文利用長(zhǎng)三角25個(gè)地級(jí)以上城市的面板數(shù)據(jù), 測(cè)算旅游業(yè)碳排放強(qiáng)度并利用空間杜賓模型分析其影響因素, 試圖為地方政府制定相關(guān)旅游政策提供據(jù)實(shí)參考。

1 研究區(qū)與研究方法

1.1 研究區(qū)域

本文研究長(zhǎng)三角地區(qū)包括浙江省、江蘇省和上海市兩省一市所轄的25個(gè)地級(jí)以上城市(圖1)。長(zhǎng)三角是中國(guó)旅游發(fā)展最為活躍和最具潛力的地區(qū)之一, 其經(jīng)濟(jì)增長(zhǎng)在全國(guó)一直名列前茅, 對(duì)國(guó)家經(jīng)濟(jì)發(fā)展具有舉足輕重的作用。2010年以來, 旅游經(jīng)濟(jì)平穩(wěn)快速發(fā)展, 2010年長(zhǎng)三角旅游總收入為10951.02 億元, 2016年則達(dá)到22240.86 億元, 增長(zhǎng)達(dá)到2.03倍; 旅游總收入占GDP比重穩(wěn)步增長(zhǎng), 2010年長(zhǎng)三角旅游總收入占GDP的12.6%, 2016年該比重達(dá)到14.7%。

圖 1 長(zhǎng)三角兩省一市行政區(qū)

Figure 1 Administrative regions of two provinces and one city in Yangtze River Delta

1.2 研究方法與數(shù)據(jù)來源

1.2.1 旅游碳排放量的測(cè)算

測(cè)算旅游業(yè)碳排放量, 需要獲取旅游業(yè)的能源消費(fèi)量, 但到目前為止我國(guó)能源統(tǒng)計(jì)中沒有針對(duì)旅游業(yè)的單獨(dú)統(tǒng)計(jì), 因此要從能源統(tǒng)計(jì)數(shù)據(jù)中將旅游業(yè)能源消費(fèi)量提取出來[14]。目前我國(guó)第三產(chǎn)業(yè)內(nèi)部劃分與國(guó)民經(jīng)濟(jì)行業(yè)分類基本一致, 旅游業(yè)主要涉及第三產(chǎn)業(yè)中的交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè), 批發(fā)和零售業(yè), 住宿和餐飲業(yè)三個(gè)行業(yè)部門, 這與省級(jí)第三產(chǎn)業(yè)的能源平衡統(tǒng)計(jì)表中交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè), 批發(fā)、零售和住宿、餐飲業(yè)基本相對(duì)應(yīng)[14]。在此, 本文利用各地市旅游相關(guān)行業(yè)產(chǎn)值占全省第三產(chǎn)業(yè)相關(guān)行業(yè)產(chǎn)值的比例數(shù)據(jù), 分別計(jì)算出各地市交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)行業(yè)系數(shù)與批發(fā)零售和住宿餐飲業(yè)行業(yè)系數(shù)兩部分, 進(jìn)而利用行業(yè)系數(shù)將各地市涉及旅游業(yè)的相關(guān)行業(yè)能源消費(fèi)量從全省第三產(chǎn)業(yè)能源終端消費(fèi)量中剝離出來; 繼而利用地市旅游發(fā)展系數(shù), 即各地市旅游總收入占其第三產(chǎn)業(yè)生產(chǎn)總值的比重, 將旅游業(yè)能源消費(fèi)量從各地市涉及旅游業(yè)的第三產(chǎn)業(yè)各種能源終端消費(fèi)量中提取出來。該方法得到的數(shù)據(jù)客觀性較好, 具有一定的科學(xué)性。具體計(jì)算見公式(1)。

其中:E為各地區(qū)旅游業(yè)能源消費(fèi)量;R為各地區(qū)旅游發(fā)展系數(shù), 即旅游總收入占第三產(chǎn)業(yè)生產(chǎn)總值的比重;E為全省第三產(chǎn)業(yè)分行業(yè)各種能源終端消費(fèi)量;P為各地區(qū)相關(guān)行業(yè)系數(shù)(表示行業(yè)部門, 即交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè), 批發(fā)零售和住宿餐飲業(yè));

在旅游業(yè)能源消費(fèi)量計(jì)算結(jié)果的基礎(chǔ)上, 進(jìn)一步計(jì)算旅游業(yè)碳排放量, 即:

其中:為長(zhǎng)三角旅游業(yè)碳排放總量;C為各市旅游業(yè)碳排放量;f表示j類能源的標(biāo)準(zhǔn)煤轉(zhuǎn)換系數(shù);表示單位標(biāo)準(zhǔn)煤的CO2排放量。本文參照現(xiàn)有的研究成果, 設(shè)定值為2.45[15]。另外, 計(jì)算旅游業(yè)碳排放強(qiáng)度指數(shù)C(噸·萬元-1) , 即單位旅游收入的碳排放量。

1.2.2 ESDA空間格局分析方法

(1)全局空間自相關(guān)。反映整個(gè)研究區(qū)域內(nèi)的空間特征和空間相關(guān)性的整體趨勢(shì)。一般采用全局Moran’s I指數(shù)進(jìn)行度量, 其推算方法如下:

上述數(shù)據(jù)采用顯著性檢驗(yàn)方法均為Z檢驗(yàn)。

1.2.3 空間計(jì)量模型

由上文分析方法得出: 旅游業(yè)碳排放強(qiáng)度的分布具有較強(qiáng)的空間依賴性, 因此有必要采用面板數(shù)據(jù)空間計(jì)量模型識(shí)別旅游業(yè)碳排放強(qiáng)度空間分布的影響因素[16]。空間計(jì)量模型主要包括空間滯后模型(Spatial Lag Model, SLM)、空間誤差模型(Spatial Error Model, SEM)和空間杜賓模型(Spatial Durbin Model, SDM)3種。為選取更優(yōu)空間面板模型, 采用Stata15.0軟件進(jìn)行模型檢驗(yàn), 結(jié)果顯示, LR檢驗(yàn)和Wald檢驗(yàn)結(jié)果均在5%的顯著水平下拒絕了原假設(shè), 表明數(shù)據(jù)模型不可簡(jiǎn)化, 即選取空間杜賓模型(SDM)對(duì)于分析旅游業(yè)碳排放強(qiáng)度空間分布的影響因素更加穩(wěn)健有效。SDM模型用于判斷被解釋變量與解釋變量的空間相關(guān)特性, 以證實(shí)本區(qū)域的被解釋變量是否既受制于本區(qū)域解釋變量的影響, 又受鄰近區(qū)域解釋變量的擾動(dòng)。其基本模型設(shè)定如下:

式中,是空間單元的因變量,是自變量,表示空間誤差項(xiàng)自回歸系數(shù),表示區(qū)域的空間權(quán)重矩陣,為回歸系數(shù),表示鄰近區(qū)域解釋變量的空間滯后變量,代表解釋變量的空間滯后項(xiàng)系數(shù),表示空間自相關(guān)誤差項(xiàng)。

1.2.4 數(shù)據(jù)來源

依據(jù)數(shù)據(jù)的可獲得性原則, 本文選取2010—2016年7個(gè)年份作為研究時(shí)間截面。旅游業(yè)碳排放測(cè)度所需數(shù)據(jù)主要有: 長(zhǎng)三角各城市旅游收入、第三產(chǎn)業(yè)產(chǎn)值、分行業(yè)產(chǎn)值(交通倉(cāng)儲(chǔ)、運(yùn)輸和郵政業(yè), 批發(fā)和零售業(yè), 住宿和餐飲業(yè))以及旅游業(yè)碳排放影響因素方面所需原始數(shù)據(jù), 均來源于各地級(jí)市統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報(bào); 旅游相關(guān)行業(yè)消耗的各種能源數(shù)據(jù), 包括原煤、型煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油氣、天然氣、熱力和電力12種能源終端消費(fèi)量以及能源的標(biāo)準(zhǔn)煤轉(zhuǎn)換系數(shù), 主要來源于中國(guó)能源統(tǒng)計(jì)年鑒中江蘇、浙江、上海三地的能源平衡表與附錄中各種能源折標(biāo)準(zhǔn)煤參考系數(shù)。

2 旅游業(yè)碳排放強(qiáng)度及空間格局

2.1 旅游業(yè)碳排放總量及強(qiáng)度

根據(jù)式(1—3), 測(cè)算長(zhǎng)三角旅游業(yè)碳排放總量(見表1)。結(jié)果表明: 上海作為世界級(jí)旅游城市, 其旅游業(yè)碳排放量位居首位, 從時(shí)間序列來看, 其總體為下降趨勢(shì), 由約占長(zhǎng)三角旅游業(yè)排放量的43%降到25%。另外南京市旅游碳排放量經(jīng)過小幅度波動(dòng)后, 在2016年排放CO2約176.3 萬噸, 整體也表現(xiàn)出下降趨勢(shì)。其余城市旅游業(yè)碳排放量較2010年均呈現(xiàn)增長(zhǎng)態(tài)勢(shì), 其中寧波、杭州和舟山旅游業(yè)碳排放量在2016年均超過300 萬噸。杭州市作為全國(guó)低碳旅游示范城市, 2016年排放量相比于2014年稍有回落, 可見其近年來在碳排放的控制方面顯現(xiàn)出一定成效; 寧波市是浙江省副省級(jí)城市以及浙江省經(jīng)濟(jì)中心, 旅游業(yè)的發(fā)展使其碳排放量位于長(zhǎng)三角前列; 舟山市是全國(guó)唯一的群島旅游城市, 其旅游業(yè)發(fā)展勢(shì)頭強(qiáng)勁且已成為其戰(zhàn)略產(chǎn)業(yè)。整個(gè)研究區(qū)域從2010到2016年旅游業(yè)碳排放量增長(zhǎng)超過30%。

另外, 從各市旅游業(yè)碳排放均值及其年均增長(zhǎng)率(表2)可以看出: 上海市7年旅游業(yè)碳排放均值為1401.4 萬噸, 約為寧波市均值的4.5倍, 淮安市的40倍。7年間旅游業(yè)碳排放均值超過150 萬噸的城市有上海、杭州、南京、寧波、蘇州、舟山、紹興、嘉興、臺(tái)州和溫州, 這也從一方面可以看出各城市旅游業(yè)的發(fā)展?fàn)顩r。就增長(zhǎng)率而言, 各城市間變化程度存在較大差異, 7年間幾乎所有城市每年旅游業(yè)碳排放量的增長(zhǎng)速度都超過30%, 其中麗水、湖州甚至超過180%, 宿遷更是高達(dá)400%。而上海和南京這兩個(gè)旅游業(yè)碳排放量較高的城市增長(zhǎng)率為負(fù), 表明對(duì)于減緩研究區(qū)旅游業(yè)碳排放增長(zhǎng)而言, 上海和南京做出了較大的貢獻(xiàn)。

表1 2010—2016年長(zhǎng)三角各市域旅游業(yè)碳排放量(萬噸)

表2 2010—2016年長(zhǎng)三角25個(gè)城市旅游業(yè)碳排放均值及年均增長(zhǎng)率

以上述數(shù)據(jù)為基礎(chǔ), 計(jì)算旅游業(yè)碳排放強(qiáng)度(圖2), 此處展示3個(gè)年份數(shù)據(jù)以及7年的平均值。考察圖2強(qiáng)度值可以看出, 長(zhǎng)三角大部分地區(qū)旅游業(yè)碳排放強(qiáng)度較低, 可見單位旅游收入的增長(zhǎng)所帶來的CO2排放量相對(duì)較低。從空間分布上看, 研究區(qū)旅游業(yè)碳排放強(qiáng)度呈現(xiàn)明顯的層次性: 舟山均值在0.5 (噸·萬元-1)以上, 為碳排放強(qiáng)度較高區(qū)域; 上海、寧波、嘉興、徐州和宿遷5個(gè)城市均值在0.3—0.5 (噸·萬元-1)之間, 碳排放強(qiáng)度居中; 杭州、溫州、湖州、紹興、金華等19個(gè)城市均值低于0.3 (噸·萬元-1), 屬于碳排放強(qiáng)度較低區(qū)域。所考察城市中, 位居首位的是舟山, 其均值為0.55 (噸·萬元-1); 位居末位的是無錫, 其均值僅為0.1 (噸·萬元-1), 二者相差0.45 (噸·萬元-1), 前者是后者的5.5倍, 可見, 長(zhǎng)三角旅游業(yè)碳排放強(qiáng)度存在顯著的區(qū)域差異。

2.2 碳排放強(qiáng)度空間格局演化

2.2.1 全局空間格局演化

運(yùn)用ArcGIS10.2軟件對(duì)長(zhǎng)三角旅游業(yè)碳排放強(qiáng)度全局Moran’s I值進(jìn)行計(jì)算和檢驗(yàn), 結(jié)果如圖3。總體來看, 旅游業(yè)碳排放強(qiáng)度的全局Moran’s I值均在0.3以上(除2013年), 且均通過5%顯著性檢驗(yàn), 表明長(zhǎng)三角旅游業(yè)碳排放強(qiáng)度在空間上具有明顯的相關(guān)性, 即存在高值或低值集聚區(qū)。從演變趨勢(shì)來看, 全局Moran’s I值總體呈下降趨勢(shì), 2014年之前呈現(xiàn)出大幅波動(dòng), 之后小幅波動(dòng)趨于平穩(wěn)。另外表現(xiàn)出一定的階段性特征, 2010—2011年處于快速上升階段, 旅游業(yè)碳排放強(qiáng)度集聚不斷強(qiáng)化, 2011—2013年開始快速下降, 空間集聚趨勢(shì)逐漸減弱, 直至2013年以后緩慢上升之后趨于平穩(wěn), 表明空間集聚趨勢(shì)持續(xù)強(qiáng)化后維穩(wěn)。

圖2 2010、2013、2016年長(zhǎng)三角25個(gè)城市旅游業(yè)碳排放強(qiáng)度

Figure 2 Carbon emission intensity of tourism industry in 25 cities in Yangtze River Delta in 2010, 2013 and 2016

圖3 2010—2016年長(zhǎng)三角碳排放強(qiáng)度全局Moran’s I與p值變化趨勢(shì)

Figure 3 Trends of global Moran’sandvalues of carbon emission intensity in Yangtze River Delta from 2010 to 2016

2.2.2 局部空間格局演化

(1)總體來看, 2010—2016年間旅游業(yè)碳排放強(qiáng)度的空間格局相對(duì)穩(wěn)定。局部空間集聚逐漸增強(qiáng)的趨勢(shì)與全局空間格局演進(jìn)相對(duì)應(yīng), 初步形成以寧波、舟山、徐州為中心的高值區(qū)和以江蘇省中南部城市為中心的低值區(qū)并向外擴(kuò)散的空間格局, 且總體上浙江省碳排放強(qiáng)度高于江蘇省。

(2)在總體格局保持相對(duì)穩(wěn)定的前提下, 高值區(qū)的空間集聚呈現(xiàn)階段性特征。2010年高值集聚區(qū)位于寧波、徐州和舟山, 2013年以徐州為中心的集聚作用增強(qiáng), 形成包括寧波、舟山、徐州、連云港、宿遷五市的高值集聚區(qū), 表明該階段徐州旅游業(yè)的發(fā)展帶動(dòng)了周邊區(qū)域的協(xié)同發(fā)展, 但可能在旅游業(yè)發(fā)展中較注重經(jīng)濟(jì)效益的提升, 致使碳排放強(qiáng)度有所升高。2013年后連云港和宿遷的集聚作用減弱, 退出高值集聚區(qū), 2016年高值集聚區(qū)空間分布與2010年相一致, 表明2013年后減排措施在旅游業(yè)發(fā)展過程中逐步落實(shí), 旅游業(yè)綠色發(fā)展取得了初步成效。

(3)從整體變化幅度來看, 低值區(qū)的空間變化也呈階段性特征。2010年低值集聚區(qū)主要位于江蘇省的中南部和浙江省的湖州市, 其中江蘇省中南部地區(qū)旅游業(yè)碳排放強(qiáng)度在2010—2012年有所提升, 部分低值集聚區(qū)轉(zhuǎn)變?yōu)榈椭捣稚^(qū); 2012年后其碳排放強(qiáng)度出現(xiàn)明顯下降趨勢(shì), 再次轉(zhuǎn)變?yōu)榈椭导蹍^(qū), 表明2010—2012年江蘇省中南部地區(qū)旅游業(yè)碳排放強(qiáng)度的區(qū)域差距由小變大, 在2012—2016年該差距由大變小。2016年除湖州市轉(zhuǎn)變?yōu)榈椭捣稚^(qū)外, 江蘇中南部城市仍主要在低值集聚區(qū)范圍內(nèi), 即形成了以江蘇省鎮(zhèn)江市為核心的低值簇。結(jié)果表明在研究期間初始階段, 隨著旅游業(yè)的發(fā)展, 各城市旅游業(yè)碳排放量相比于旅游收入而言增加較快, 2012年以后, 旅游業(yè)碳排放強(qiáng)度較低的地區(qū)帶動(dòng)了鄰近區(qū)域旅游業(yè)的減排工作, 旅游業(yè)低碳化發(fā)展理念逐步落實(shí)。

3 旅游業(yè)碳排放強(qiáng)度影響因素分析

3.1 解釋變量選取與模型構(gòu)建

在旅游業(yè)碳排放影響因素研究中, 大部分學(xué)者研究發(fā)現(xiàn), 主要因素有能源強(qiáng)度、能源結(jié)構(gòu)、對(duì)外開放水平、產(chǎn)業(yè)規(guī)模、人均GDP、城鎮(zhèn)化水平等[7,9–11,17]。本文在因素選取時(shí), 充分結(jié)合現(xiàn)有研究結(jié)論, 數(shù)據(jù)的可獲得性以及旅游行業(yè)自身特點(diǎn)和發(fā)展現(xiàn)狀, 擬選用城鎮(zhèn)化率()、經(jīng)濟(jì)發(fā)展水平()、產(chǎn)業(yè)結(jié)構(gòu)()、能源強(qiáng)度()和能源消費(fèi)結(jié)構(gòu)()作為自變量, 旅游業(yè)碳排放強(qiáng)度()為因變量, 以此來探究各因素對(duì)旅游業(yè)碳排放強(qiáng)度的影響狀況, 具體變量說明如表3所示。另外本文針對(duì)模型自變量進(jìn)行VIF共線性檢驗(yàn), 發(fā)現(xiàn)VIF值均小于7, 故自變量不存在多重共線性。

圖4 2010—2016年長(zhǎng)三角各城市旅游業(yè)碳排放強(qiáng)度局部空間格局演化

Figure 4 Evolution of the local spatial pattern of carbon emission intensity of tourism industry in the city-level in Yangtze River Delta from 2010 to 2016

根據(jù)式(6)并結(jié)合因變量與自變量, 構(gòu)建空間杜賓模型形式如下:

式中Q是被解釋變量, 表示城市年度的城市旅游業(yè)碳排放強(qiáng)度,X為解釋變量,為空間誤差系數(shù),W為空間權(quán)重矩陣,為各因素影響系數(shù),ε為隨機(jī)誤差項(xiàng), 其他字符含義參照公式(6)。

3.2 實(shí)證結(jié)果分析

在進(jìn)行空間面板數(shù)據(jù)計(jì)量分析時(shí), 首先要使用Hausman檢驗(yàn), 確定空間模型是采用隨機(jī)效應(yīng)還是固定效應(yīng)模型。本研究使用STATA15.0得到Hausman檢驗(yàn)統(tǒng)計(jì)量為92.2, 且通過1%的顯著性檢驗(yàn), 因此拒絕原假設(shè), 接受固定效應(yīng)模型。由于固定效應(yīng)模型又分為三種形式: 個(gè)體固定效應(yīng)模型、時(shí)間固定效應(yīng)模型和雙固定效應(yīng)模型, 本研究運(yùn)用LR檢驗(yàn), 結(jié)果顯示個(gè)體固定效應(yīng)接受假設(shè), 即選取個(gè)體固定擬合效果最優(yōu), 因此建立個(gè)體固定效應(yīng)的空間杜賓模型對(duì)各影響因素進(jìn)行回歸分析。表4是利用STATA15.0對(duì)長(zhǎng)三角旅游業(yè)碳排放強(qiáng)度影響因素進(jìn)行空間計(jì)量的模型參數(shù)估計(jì)結(jié)果, 為比較出模型擬合優(yōu)度, 此處同時(shí)展示空間滯后模型和空間誤差模型的回歸結(jié)果。

表3 變量說明

表4 空間計(jì)量模型估計(jì)結(jié)果

注: ***、**、*分別表示在1%、5%、10%的顯著性水平下顯著, 表5同。

從總體上看, 空間杜賓模型的擬合優(yōu)度R_sq和Log_likelihood值均較大, 赤池信息準(zhǔn)則(AIC)和貝葉斯信息準(zhǔn)則(BIC)均較小, 表明SDM模型優(yōu)于SLM和SEM模型[18]。計(jì)算結(jié)果來看, 人均GDP(ln)與城鎮(zhèn)化率的空間滯后項(xiàng)(W×ln)的相關(guān)系數(shù)未通過顯著性檢驗(yàn), 其余變量均通過了1%的顯著性檢驗(yàn)。由此可知, 多數(shù)影響因素在旅游業(yè)碳排放強(qiáng)度增長(zhǎng)過程中發(fā)揮重要作用。

LeSage等[19]認(rèn)為, 若空間計(jì)量模型中存在空間滯后項(xiàng)時(shí), 則解釋變量的回歸系數(shù)無法反映對(duì)被解釋變量的具體影響程度。因此, 本文采取空間杜賓模型的偏微分法對(duì)影響因素空間效應(yīng)展開分解(表5), 從而進(jìn)一步分析旅游業(yè)碳排放強(qiáng)度的直接效應(yīng)(影響因素對(duì)各城市內(nèi)部旅游業(yè)碳排放強(qiáng)度的影響程度)、溢出效應(yīng)(影響因素對(duì)周邊鄰近城市旅游業(yè)碳排放強(qiáng)度的影響程度)以及對(duì)整個(gè)區(qū)域的總效應(yīng)(影響因素對(duì)于整個(gè)研究區(qū)域的影響程度)。

直接效應(yīng)中, 除人均GDP外, 其余變量均通過1%的顯著性檢驗(yàn), 表明人均GDP對(duì)于本區(qū)域旅游業(yè)碳排放強(qiáng)度的影響不顯著, 而城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源消費(fèi)結(jié)構(gòu)是重要驅(qū)動(dòng)因素。城鎮(zhèn)化率與能源消費(fèi)結(jié)構(gòu)對(duì)于旅游業(yè)碳排放強(qiáng)度的增長(zhǎng)表現(xiàn)出較強(qiáng)的抑制作用, 其中城鎮(zhèn)化率每增長(zhǎng)1%, 旅游業(yè)碳排放強(qiáng)度下降1.645%, 可見提升地區(qū)的城鎮(zhèn)化率與改善能源消費(fèi)結(jié)構(gòu)有利于減少本區(qū)域旅游業(yè)碳排放。產(chǎn)業(yè)結(jié)構(gòu)對(duì)于旅游業(yè)碳排放強(qiáng)度的增長(zhǎng)具有促進(jìn)作用, 表明第三產(chǎn)業(yè)的不斷發(fā)展致使長(zhǎng)三角各地區(qū)內(nèi)部旅游業(yè)碳排放強(qiáng)度不斷增加。能源強(qiáng)度的直接效應(yīng)系數(shù)為0.603, 說明旅游業(yè)單位GDP能源消耗是推動(dòng)各區(qū)域旅游業(yè)碳排放強(qiáng)度增長(zhǎng)的關(guān)鍵因素。

間接效應(yīng)中, 城鎮(zhèn)化率和能源強(qiáng)度作用不顯著, 人均GDP與能源消費(fèi)結(jié)構(gòu)表現(xiàn)出顯著促進(jìn)作用, 而產(chǎn)業(yè)結(jié)構(gòu)表現(xiàn)出顯著的抑制效應(yīng)。其中, 人均GDP對(duì)于周邊地區(qū)旅游業(yè)碳排放強(qiáng)度的增長(zhǎng)起到促進(jìn)作用, 表明本地區(qū)人均GDP的提升, 對(duì)于促進(jìn)周邊地區(qū)旅游業(yè)發(fā)展進(jìn)而產(chǎn)生更多的旅游業(yè)碳排放有顯著效果。產(chǎn)業(yè)結(jié)構(gòu)系數(shù)為-2.133, 說明相鄰區(qū)域之間通過相互合作等方式改變產(chǎn)業(yè)結(jié)構(gòu), 對(duì)于旅游業(yè)碳排放強(qiáng)度的提升有抑制作用。能源消費(fèi)結(jié)構(gòu)較高的地區(qū), 對(duì)于周邊區(qū)域旅游業(yè)碳排放強(qiáng)度的增長(zhǎng)起到促進(jìn)作用, 表現(xiàn)出正向的溢出效應(yīng)。

總效應(yīng)中, 能源消費(fèi)結(jié)構(gòu)作用不顯著, 其余變量均通過顯著性檢驗(yàn), 其中城鎮(zhèn)化率和產(chǎn)業(yè)結(jié)構(gòu)表現(xiàn)出顯著的抑制作用, 人均GDP和能源強(qiáng)度呈現(xiàn)正向的促進(jìn)作用。城鎮(zhèn)化率表現(xiàn)出強(qiáng)烈的抑制作用, 即城鎮(zhèn)化率每增長(zhǎng)1%, 研究區(qū)旅游業(yè)碳排放強(qiáng)度降低3.289%。人均GDP系數(shù)為0.839, 表明人均GDP的增長(zhǎng)促進(jìn)了區(qū)域旅游業(yè)碳排放強(qiáng)度的增加。產(chǎn)業(yè)結(jié)構(gòu)的變動(dòng), 對(duì)于區(qū)域旅游業(yè)碳排強(qiáng)度起到負(fù)向作用, 說明第三產(chǎn)業(yè)結(jié)構(gòu)的變動(dòng), 在促進(jìn)旅游經(jīng)濟(jì)發(fā)展的同時(shí)所帶來的碳排放量有所減少。能源強(qiáng)度系數(shù)為0.469, 是推動(dòng)區(qū)域旅游業(yè)碳排放增長(zhǎng)的主要因素。

4 討論

降低旅游業(yè)碳排放強(qiáng)度對(duì)于實(shí)現(xiàn)我國(guó)2030年減排目標(biāo)意義重大, 本文通過對(duì)長(zhǎng)三角旅游業(yè)碳排放強(qiáng)度的實(shí)證分析得到如下啟示:

表5 空間杜賓模型的空間效應(yīng)

(1)旅游業(yè)碳排放強(qiáng)度數(shù)據(jù)表明, 舟山、上海、寧波、嘉興、徐州和宿遷屬于長(zhǎng)三角碳排放高強(qiáng)度區(qū)域, 析其原因可能如下, 一是由于處于旅游資源不斷開發(fā)階段, 在發(fā)掘旅游資源與旅游業(yè)配套設(shè)施的過程中對(duì)能耗的依賴性較大; 二是由于目前旅游業(yè)在使用能源類型上, 仍以煤炭為代表的傳統(tǒng)化石能源為主, 并且將在較長(zhǎng)時(shí)間內(nèi)保持這種狀態(tài); 三是由于部分城市處于旅游業(yè)發(fā)展上升期, 其所能帶來的旅游收益還不可觀。

(2)經(jīng)濟(jì)發(fā)展水平與能源強(qiáng)度對(duì)研究區(qū)旅游業(yè)碳排放強(qiáng)度起到顯著的正向促進(jìn)作用, 然而經(jīng)濟(jì)的發(fā)展以及旅游業(yè)規(guī)模的擴(kuò)大成為必然趨勢(shì), 不可能通過抑制經(jīng)濟(jì)發(fā)展水平來達(dá)到減少碳排放強(qiáng)度的目的, 因此降低能源強(qiáng)度, 重視技術(shù)創(chuàng)新, 轉(zhuǎn)變旅游經(jīng)濟(jì)增長(zhǎng)方式, 以實(shí)現(xiàn)旅游經(jīng)濟(jì)由高耗能產(chǎn)業(yè)向循環(huán)綠色產(chǎn)業(yè)轉(zhuǎn)變。產(chǎn)業(yè)結(jié)構(gòu)對(duì)于鄰近區(qū)域的碳排放強(qiáng)度降低具有顯著的促進(jìn)作用, 表明調(diào)整產(chǎn)業(yè)結(jié)構(gòu), 逐步降低以煤為主的高消耗、高排放產(chǎn)業(yè)的發(fā)展, 有助于促進(jìn)旅游業(yè)碳排放強(qiáng)度的降低。旅游業(yè)煤炭消費(fèi)量占能源消費(fèi)總量的比重逐年增長(zhǎng), 這對(duì)于實(shí)現(xiàn)區(qū)域內(nèi)部碳排放強(qiáng)度的增長(zhǎng)具有抑制作用, 對(duì)周邊區(qū)域的碳排放強(qiáng)度增長(zhǎng)有促進(jìn)作用, 故而在今后的發(fā)展中應(yīng)調(diào)整能源消費(fèi)結(jié)構(gòu), 提高清潔能源的消費(fèi)比重, 加大節(jié)能技術(shù)的研發(fā)與應(yīng)用, 此外各地區(qū)應(yīng)摒棄“獨(dú)善其身”的發(fā)展方式, 區(qū)域聯(lián)合協(xié)同發(fā)展綠色旅游業(yè), 縮小區(qū)際能源消耗差異, 進(jìn)一步強(qiáng)化旅游業(yè)碳排放的空間關(guān)聯(lián)性。

5 結(jié)論

本文通過對(duì)長(zhǎng)三角2010—2016年旅游業(yè)碳排放強(qiáng)度的測(cè)算, 分析其時(shí)空格局并利用空間杜賓模型分析其影響因素的空間效應(yīng), 主要結(jié)論如下:

(1)整體來看, 長(zhǎng)三角旅游業(yè)碳排放量呈現(xiàn)逐年增長(zhǎng)的態(tài)勢(shì)。其中上海市碳排放量位居長(zhǎng)三角城市首位, 但從時(shí)間序列來看上海市旅游業(yè)碳排放量逐年遞減。增長(zhǎng)速率方面, 除上海市和南京市為負(fù)增長(zhǎng)外, 其余城市的旅游業(yè)碳排放增速均超過30%, 更有甚者超過100%。

(2)時(shí)空格局來看, 歷年來各市旅游業(yè)碳排放強(qiáng)度變化趨勢(shì)基本一致且呈現(xiàn)逐年遞減的趨勢(shì); 空間上具有較強(qiáng)的相關(guān)性和集聚性, 形成以寧波、舟山和徐州為中心的高值簇和以江蘇省中南部城市為中心的低值簇并向外擴(kuò)散的空間結(jié)構(gòu), 這種空間結(jié)構(gòu)在研究期內(nèi)不斷深化和突顯, 但整體上保持穩(wěn)定。

(3)空間杜賓模型顯示, 長(zhǎng)三角旅游業(yè)碳排放強(qiáng)度影響因子存在明顯的空間效應(yīng), 其中城鎮(zhèn)化率和能源消費(fèi)結(jié)構(gòu)的提高, 對(duì)本地城市旅游業(yè)碳排放強(qiáng)度的增長(zhǎng)具有顯著的抑制作用, 而產(chǎn)業(yè)結(jié)構(gòu)和能源強(qiáng)度表現(xiàn)出明顯的促進(jìn)作用; 人均GDP和能源消費(fèi)結(jié)構(gòu)對(duì)于相鄰城市旅游業(yè)碳排放強(qiáng)度的增長(zhǎng)表現(xiàn)出顯著的正向溢出效應(yīng), 產(chǎn)業(yè)結(jié)構(gòu)的溢出效應(yīng)顯著為負(fù); 總效應(yīng)來看, 城鎮(zhèn)化率和產(chǎn)業(yè)結(jié)構(gòu)的影響顯著為負(fù), 其中城鎮(zhèn)化率的影響強(qiáng)度更為強(qiáng)烈, 人均GDP和能源強(qiáng)度對(duì)區(qū)域旅游業(yè)碳排放強(qiáng)度的增長(zhǎng)表現(xiàn)出顯著的促進(jìn)作用。可見各影響因素對(duì)旅游業(yè)碳排放強(qiáng)度的空間效應(yīng)存在一定差異。

[1] UNWTO, UNEP, WMO. Climate change and tourism: responding to global challenges[R]. Madrid: UNWTO, 2008.

[2] 董昕靈, 張?jiān)掠? 中國(guó)碳強(qiáng)度變化因素再分解的理論與實(shí)證[J]. 軟科學(xué), 2019, 33(9): 75–80.

[3] BECKEN S, PATTERSON M. Measuring national carbon dioxide emissions from tourism as a key step towards achieving sustainable tourism [J]. Journal of Sustainable Tourism, 2006, 14(4): 323–338.

[4] Lee J W, BRAHMASRENE T. Investigating the influence of tourism on economic growth and carbon emissions: evidence from panel analysis of the European Union[J]. Tourism Management, 2013, 38: 69–76.

[5] BALE?ENTIS T, KRI??IUKAITIEN? I, BALE?ENTIS A, et al. Rural tourism development in Lithuania (2003– 2010) - a quantitative analysis[J]. Tourism Management Perspectives, 2012, 2(2): 1–6

[6] 石培華, 吳普. 中國(guó)旅游業(yè)能源消耗與CO2排放量的初步估算[J]. 地理學(xué)報(bào), 2011, 66(2): 235–243.

[7] 查建平, 舒皓羽, 李園園, 等. 中國(guó)旅游業(yè)碳排放及其影響因素研究——來自2005–2015年省級(jí)面板數(shù)據(jù)的證據(jù)[J]. 旅游科學(xué), 2017, 31(5): 1–16.

[8] 王凱, 張淑文, 甘暢, 等. 中國(guó)旅游業(yè)碳排放效率的空間網(wǎng)絡(luò)結(jié)構(gòu)及其效應(yīng)研究[J]. 地理科學(xué), 2020, 40(3): 344– 353.

[9] LIU Jun, FENG Tingting, YANG Xi. The energy requirements and carbon dioxide emissions of tourism industry of Western China: a case of Chengdu city[J]. Renewable and Sustainable Energy Reviews, 2011, 15(6): 2887–2894.

[10] 譚華云, 許春曉, 董雪旺. 旅游業(yè)碳排放效率地區(qū)差異分解與影響因素探究[J]. 統(tǒng)計(jì)與決策, 2018, 34(16): 51–55.

[11] 趙先超, 滕潔, 譚書佳. 基于投入產(chǎn)出法的湖南省旅游業(yè)碳排放測(cè)算及GRA關(guān)聯(lián)度分析[J]. 世界地理研究, 2018, 27(3): 164–174.

[12] 查建平. 中國(guó)低碳旅游發(fā)展效率、減排潛力及減排路徑[J]. 旅游學(xué)刊, 2016, 31(9): 101–112.

[13] 賀臘梅, 李志勇, 查建平. 區(qū)域旅游業(yè)CO2排放的驅(qū)動(dòng)因素分解模型及實(shí)證分析——基于2007–2011年湖北省17個(gè)州市面板數(shù)據(jù)的證據(jù)[J]. 旅游科學(xué), 2016, 30(2): 24–38.

[14] 謝園方, 趙媛. 長(zhǎng)三角地區(qū)旅游業(yè)能源消耗的CO2排放測(cè)度研究[J]. 地理研究, 2012, 31(3): 429–438.

[15] 陳飛, 諸大建. 低碳城市研究的理論方法與上海實(shí)證分析[J]. 城市發(fā)展研究, 2009, 16(10): 71–79.

[16] LEE L F, YU Jihai. Some recent developments in spatial panel data models[J]. Regional Science and Urban Economics, 2010, 40(5): 255–271.

[17] 王凱, 張淑文, 甘暢, 等. 我國(guó)旅游業(yè)碳排放的空間關(guān)聯(lián)性及其影響因素[J]. 環(huán)境科學(xué)研究, 2019, 32(6): 938– 947.

[18] 吳玉鳴, 李建霞. 中國(guó)區(qū)域工業(yè)全要素生產(chǎn)率的空間計(jì)量經(jīng)濟(jì)分析[J]. 地理科學(xué), 2006(4): 4385–4391.

[19] LESAGE J P. An introduction to spatial econometrics[J]. Revue D'économie Industrielle, 2008(123): 19–44.

Analysis of spatial pattern and influencing factors of carbon emission intensity of tourism industry in Yangtze River Delta

YAO Dan1,2,3, REN Liyan1,2,3*, MA Renfeng1,2,3, LI Zekun1,2,3, WANGCaijuan1,2,3

1. Department of Geography and Spatial Information Technology, Center for Land and Marine Spatial Utilization and Governance Research, Ningbo University, Ningbo 315211, China 2. Ningbo University Collaborative Innovation Center for Land and Marine Spatial Utilization and Governance Research at Ningbo University, Ningbo 315211, China 3. Institute of East China Sea, Ningbo University, Ningbo 315211,China

Based on measuring carbon emissions of tourism industry in 25 citiesof Yangtze River Delta in 2010-2016by using “bottom-up” approach, this paper used exploratory spatial data analysis (ESDA) to analyze the spatial structure ofcarbon emission intensity of tourism industry, and SDM model to study its influencing factors. The results showed that: 1) Carbon emissions of tourism industry in the study period increased except of Shanghai and Nanjing, while the carbon emission intensity of tourism industry decreased. 2) The agglomeration characteristic of carbon emission intensity of tourism industry was obvious. The high-value agglomeration areascentered in Ningbo, Zhoushan, and Xuzhou, and the low-value agglomeration areas centered in Zhenjiang and Taizhou. 3) The SDM model results showed that the direct effects of urbanization rate and the energy consumption structure on the carbon emissions intensity of tourism industry were significantly negative. The spillover effect and the total effect of per capita GDP were significantly positive, while those of industrial structure were significantly negative. The direct effect and the total effect of energy intensity were significantly positive.

tourism industry; carbon emission intensity; spatial pattern; ESDA; SDM

10.14108/j.cnki.1008-8873.2021.02.012

X22

A

1008-8873(2021)02-089-10

2020-06-12;

2020-07-08基金項(xiàng)目:國(guó)家自然科學(xué)基金面上項(xiàng)目(41771174); 寧波市軟科學(xué)項(xiàng)目(2017A10053)

姚丹(1996—), 女, 山西呂梁人, 碩士研究生, 研究方向?yàn)樘寂欧? E-mail: nbuyaodan@163.com

任麗燕, 女, 博士, 副教授, 主要從事碳排放研究, E-mail: renliyan@nbu.edu.cn

姚丹, 任麗燕, 馬仁鋒, 等. 長(zhǎng)三角旅游業(yè)碳排放強(qiáng)度空間格局及影響因素分析[J]. 生態(tài)科學(xué), 2021, 40(2): 89–98.

YAO Dan, REN Liyan, MA Renfeng, et al. Analysis of spatial pattern and influencing factors ofcarbon emission intensity of tourism industry in Yangtze River Delta[J]. Ecological Science, 2021, 40(2): 89–98.