中國旅游交通碳排放格局及影響因素解析

郭 向 陽,穆 學 青，明 慶 忠，丁 正 山

(1.貴州財經大學工商管理學院/旅游經濟與管理研究院，貴州 貴陽 550025；2.貴州省大數據統計分析重點實驗室，貴州 貴陽 550025；3.南京師范大學地理科學學院，江蘇 南京 210023；4.云南財經大學旅游文化產業研究院，云南 昆明 650221)

0 引言

碳排放被認為是引起氣候變化的重要因素之一，已成為阻礙城市綠色發展的主要問題[1]。世界旅游組織統計數據表明，旅游活動產生的溫室氣體占全球溫室氣體排放量的4%～6%，若不采取必要的應對措施，旅游活動溫室氣體的排放總量將增加1.5倍。當前中國旅游業正處在由粗放型增長向集約型轉變的重要機遇期，在“創新、協調、綠色、開放、共享”新發展理念的指導下，綠色交通、低碳旅游是未來旅游業發展的主要趨勢，也是當前優質旅游發展面臨的重要現實問題。旅游交通指為旅游者往返于客源地和目的地以及在旅游目的地活動而提供的交通設施與服務，是旅游者直接體驗旅游活動的載體[2]，也是旅游業碳排放的主要來源[3-5]。根據已有研究[6-9]，旅游交通碳排放在旅游業碳排放總量中整體高于旅游住宿碳排放量和游憩活動碳排放量，因此，測度旅游交通碳排放量對客觀反映區域旅游業碳排放總量具有較高的代表性，同時能夠為旅游交通運輸部門低碳發展以及改善居民健康水平和建設人與自然命運共同體提供參考。

國內外關于旅游交通碳排放的研究成果主要集中在以下四方面：1)旅游交通碳排放的認知研究。2007年達沃斯第二屆氣候變化與旅游國際會議指出旅游交通碳排放量占旅游業碳排放量的75%[10]；Becken等認為旅游交通是旅游業主要的能源消耗項，占比高達65%～73%[11]；石培華等[4]在對中國旅游業能源消耗與CO2排放量的初步估算中，認為旅游交通碳排放占中國旅游業碳排放的50%以上。隨著研究深入，孫晉坤等[12]以南京市和黃山市為例，對旅游交通碳排放結構進行了估算對比，得出民航碳排放比重最大，公路和鐵路次之；此外，旅游交通碳排放對人類生命健康的影響也受到關注，如廖紅璐[13]研究了中部六省旅游交通碳排放對居民健康的影響機制。2)旅游交通碳排放的測算方法研究。依據不同數據的可選取性和研究尺度，旅游交通碳排放測算方法大致分為“自上而下”法和“自下而上”法。Sgouridis等運用“自上而下”法測算了碳排放非期望產出條件下航空運輸的碳足跡特征[14]；Lin[15]運用“自下而上”法研究臺灣地區5個國家公園1999-2006年旅游交通碳排放的特點，指出旅游交通碳排放與交通方式選擇和出游距離相關聯；魏艷旭等[16]根據旅游者在客運量中的占比初步估算中國旅游交通碳排放。隨著研究深入，Huang等[17]基于數據挖掘技術和旅游交通碳排放流量分析方法測算江蘇省自駕游碳排放流量數據；Lv等[18]基于COPERT IV模型估算2003-2015年云南省各類車輛的CO2排放量。3)旅游交通碳排放的影響因素研究。Yorucu[19]利用自回歸分布滯后方法，發現土耳其的CO2排放與游客規模存在顯著的動態關系；王佳等[20]利用kaya恒等式的擴展建立LMDI分解模型，研究河南省游客人數、人均旅游消費水平、旅游產業對生產總值的貢獻、單位GDP交通周轉量、單位交通周轉量能耗、能源結構六大影響因素對碳排放量的影響；孫燕燕[6]運用因素分解技術考量旅游全員勞動生產率、碳強度、能源強度、能源結構等對碳排放的影響。4)旅游交通碳減排措施研究。Jones[21]運用情景分析法探索旅游業的碳排放問題，發現技術進步能夠持續減少旅游業碳排放量；孫晉坤等[12]提出改善區域交通配置狀況、提高區域旅游各要素的服務質量等旅游交通碳減排措施。

綜上，已有研究存在如下不足：首先，大多數研究圍繞城市群[22]、單個省份[17,18,23]、單個城市[12,24]或單個景區(點)[25]展開，缺乏基于全國視角的旅游交通碳排放差異性與空間異質性研究，忽略了省域間旅游交通碳排放空間效應的相互依賴性，且基于地理學時空視角探查旅游交通碳排放的演變有待深入；其次，旅游交通碳排放影響因素探究是制定碳減排措施的基礎，目前旅游交通碳排放影響因素選取缺乏全面性與科學性，亟須完善相關研究。基于此，本文借鑒已有研究成果，采用“自上而下”思路構建旅游交通碳排放測度模型，基于ArcGIS自然斷點法、空間變差函數與趨勢面分析等空間分析方法系統剖析旅游交通碳排放演變格局，同時克服以往影響變量的單一性，采用空間計量模型深入探討旅游交通碳排放格局演變的影響因素，既豐富了旅游交通碳排放相關研究方法與研究內容，又明確了地理學視角下旅游交通碳排放空間格局演變過程及影響因素，可為制定旅游交通碳減排措施提供參考。

1 數據與方法

1.1 研究區域與數據來源

鑒于數據的可獲得性和完整性，本研究單元涉及除港、澳、臺和西藏之外的中國其余30個省域，研究時間為2005-2018年，研究數據來源于2005-2018年國家相關部門的統計數據和統計公報[26]、《中國統計年鑒(2006-2019)》[27]、《中國旅游統計年鑒(2006-2019)》[28]、《中國交通年鑒》[29]、《新中國六十年統計資料匯編》[30]和中國經濟與社會發展統計數據庫[31]等。

1.2 旅游交通碳排放測度模型

本文借鑒已有研究[8，16，32]，采用4種交通方式(公路、鐵路、航空、其他)的旅客周轉量與相應旅游碳排放因子的乘積匯總估算旅游交通碳排放量，模型為：

(1)

式中：CTt為某省域旅游交通碳排放總量；Qit為第t年i種交通方式的客運周轉量；fi為i種交通方式客流量中旅游者的占比，綜合參考魏艷旭等[16]的研究、全國旅游者的實際情況和有關專家意見，本文對公路、鐵路、航空和其他交通方式客流量中旅游者的占比取值分別為13.8%、31.6%、64.7%和10.6%；αi為i種交通方式的CO2排放因子(g/km)，依據已有研究[16,30,32]，4種交通方式單位碳排放分別為公路133 g/km、鐵路27 g/km、航空137 g/km及其他66 g/km。

1.3 空間變差函數

采用空間變差函數揭示中國旅游交通碳排放格局演變過程，其計算公式為[33,34]：

(2)

式中：γ(h)為變異函數值；Z(xi)和Z(xi+h)分別為空間單元xi和xi+h的旅游交通碳排放量，i=1,2,3，…，N(h)，N(h)為分割距離h的樣本量。

分維數D是運用定量方法揭示研究對象的“非規則”程度，由γ(h)和h確定[35](式(3))。D值越大，表明旅游交通碳排放空間異質性更多是由空間自相關引起，其值越接近2，說明空間異質性越小[36]。

2γ(h)=h4-2D

(3)

1.4 空間計量模型

空間滯后模型主要考慮樣本自身觀測值對周圍地區的溢出效應，空間誤差模型主要用于衡量鄰近地區因變量的誤差沖擊對本地區觀測值的影響程度，強調空間擴散效應是由外生沖擊引起[37-39]。由于中國旅游交通碳排放空間分布具有集聚趨勢，旅游交通碳排放可能存在空間相互作用，本文運用空間滯后模型(SLM)(式(4))和空間誤差模型(SEM)(式(5))揭示中國旅游交通碳排放的影響因素，并與普通最小二乘(OLS)回歸進行對比。

Y=ρWY+xβ+ε

(4)

(5)

式中：Y為旅游交通碳排放因變量向量；ρ為空間滯后系數；W為權重向量；x為K維自變量行向量；β為各自變量對Y的影響系數所構成的向量；ε和γ為隨機誤差向量；λ為空間誤差系數。

旅游交通碳排放空間分異是由經濟與非經濟因素綜合作用的結果。鑒于理論上經濟規模、游客規模、對外旅游開放度、能源強度、能源結構等內外圍因素與旅游交通碳排放具有因果關系，在借鑒已有研究成果[6，9,20,40]基礎上，遵循科學性、代表性和客觀性原則，并結合中國旅游交通碳排放發展實際問題，選取人均國內生產總值(AGDP)[41]、旅游接待總人次(TRTN)、對外旅游開放度(FTOD)[42]、旅游資源稟賦(TRE)[9]、服務業發展水平(SIDL)[43]、能源強度(EI)和能源結構(ES)[20]共7項因子作為自變量(表1)，將各年份的名義GDP、第三產業增加值換算成以2005年為基期的實際值，以剔除價格波動等帶來的影響。需說明的是，本文自變量選取顧及內外圍因素對旅游交通碳排放的引致或抑制作用，尤其是納入了交通能源強度和交通能源結構等內源性變量，同時選取對外旅游開放度和旅游資源稟賦兩項指標，分別測度地區對外旅游開放水平和旅游資源吸引力對交通碳排放的驅動效應。

表1 旅游交通碳排放格局變化的影響因素原始變量Table 1 Original variables of influencing factors of carbon emission pattern change of tourism transportation

不同省域之間旅游交通碳排放存在空間聯動作用(即空間溢出效應)，因此，以各省域旅游交通碳排放為因變量，以選取的因子作為自變量，通過擬合、回歸和檢驗分析，揭示各變量對中國旅游交通碳排放格局演變的影響效應。構建的空間計量模型如下：

lnA=c+β1lnAGDP+β2lnTRTN+β3lnFTOD+
β4lnTRE+β5lnSIDL+β6lnEI+β7lnES+ε

(6)

式中：A為第i個單元旅游交通碳排放；c為各自變量截距項；β1-β7為各自變量對應的影響系數。

2 旅游交通碳排放的時空分異格局

2.1 旅游交通碳排放的時空特征

2.1.1 旅游交通碳排放的時序演化特征 采用標準差和變異系數分別揭示2005-2018年旅游交通碳排放絕對差異和相對差異的時序變化特征(圖1)。1)旅游交通碳排放均值呈逐年遞增態勢，表明游客規模對旅游交通碳排放的引致效應逐漸凸顯，且交通能源強度提升也在一定程度上加劇了環境惡化。2)旅游交通碳排放標準差總體呈連續增長趨勢，由2005年的162.551萬t升至2018年的445.622萬t，表明中國旅游交通碳排放絕對差異逐漸增大。3)旅游交通碳排放變異系數整體呈現波動變化態勢，其相對差異呈階段性變化特征，大致可分為：波動增長期(2005-2007年)，旅游交通碳排放相對差異總體增長，主要歸因于旅游交通碳減排技術落后和交通能源消費模式粗放；波動起伏期(2007-2013年)，一方面，此階段面臨全球性金融危機和碳減排技術壁壘的雙重沖擊，旅游交通碳排放相對差異起伏性較大，另一方面，此階段政府積極采取能源結構優化策略，加大資本和節能減排技術研發投入力度，積極倡導交通能源結構向低排放、綠色化的清潔能源轉型，致使此階段后期旅游交通碳排放相對差異趨向減小；波動降低期(2013-2018年)，此階段面臨國際綠色壁壘、能源約束趨緊等多重因素沖擊，在“環境倒逼機制”和“五位一體”發展理念的影響下，綠色發展逐漸成為主導增長模式，旅游交通碳排放總量相對差異放緩。

圖1 2005-2018年中國旅游交通碳排放變化特征Fig.1 Temporal variation characteristics of carbon emission of tourism transportation in China in 2005-2018

2.1.2 旅游交通碳排放的空間分異特征 從旅游交通碳排放空間分布看(圖2)，30個省域旅游交通碳排放總量等級空間分異特征顯著，總體上呈現由東至西遞減態勢，與中國“東強西弱”的旅游交通網絡格局及“沿主要交通干線和航空樞紐”布局的旅游客流量、流向空間特征基本一致。旅游交通碳排放高值區集中在以長三角城市群、環渤海經濟區和珠江三角洲城市群為代表的旅游經濟發達區域，緣于該區域旅游交通設施完善，居民可支配收入較高，出游意愿強、頻次高，加之北京、上海和廣州均建有特大型機場，且大多是區域性的綜合交通樞紐和國際、國內航線中心，能夠接待相當規模的中遠程游客，航空旅游交通碳排放量比重較大；西北地區交通設施建設落后，航線網絡相對稀疏，航空及其他旅游交通碳排放量相對較小，且交通設施供給對旅游需求存在滯后性，加之游客規模和經濟規模相對較小，為旅游交通碳排放的低值區。

注：審圖號為GS(2019)1825號。

2.2 旅游交通碳排放的空間異質性態勢

由中國旅游交通碳排放格局變差函數擬合參數變化(表2)可知，2005年、2010年和2018年的塊金系數(C/(C0+C))呈現先變小后增大趨勢，決定系數(R2)雖較小，但逐漸增大，表明能解釋中國旅游交通碳排放的空間異質性態勢，空間相關性呈現先增強后減弱的特征，同時也說明中國各省域旅游交通碳排放存在空間相互作用及聯動效應。2005-2018年旅游交通碳排放變程逐漸減小，說明中國旅游交通碳排放影響范圍減小。根據最小二乘法選擇的空間變差擬合模型可知，2005年為指數模型，2010年和2018年為高斯模型，表明2005年和2010年、2018年旅游交通碳排放呈現出差異性的結構特征。

由中國旅游交通碳排放變差分維數(表3)可知，在全方位上，2005-2018年分維數距2越來越遠，且呈現持續減小態勢，表明中國旅游交通碳排放空間分布的異質性態勢逐漸凸顯。從各方向分維數看，2005-2018年東—西方向上維數值一直處于減小態勢，說明研究期間中國旅游交通碳排放在該方向上空間差異呈增大趨勢，2005年東南—西北方向上的維數值最小，表明該時期中國旅游交通碳排放在東南—西北方向上的空間差異最明顯，而其他方向的維數值相對較大，表明其他方向的旅游交通碳排放空間差異較弱。從旅游交通碳排放趨勢面分析(圖3)可知，2005-2018年旅游交通碳排放峰值主要分布在綜合交通優勢度明顯、旅游發展水平高的東部沿海地帶，西部空間分異程度較平緩，南北方向呈現“南多北少”格局。

表3 中國旅游交通碳排放格局變差分維數Table 3 Variation fractal dimension of carbon emission pattern of tourism transportation in China

圖3 中國旅游交通碳排放趨勢面Fig.3 Trend surface of carbon emission of tourism transportation in China

3 旅游交通碳排放空間分異影響因素

運用MATLAB軟件進行空間面板數據模型回歸與擬合分析。由空間依賴性檢驗結果(表4)可知，旅游交通碳排放空間依賴性檢驗結果的莫蘭指數(Moran′sI)為0.1432，且通過1%顯著性水平的檢驗，表明中國旅游交通碳排放一定程度上存在空間自相關性。采用拉格朗日乘數檢驗確定所選擇的空間計量模型形式。LM-lag和LM-error、Robust LM-lag和Robust LM-error均通過1%顯著性水平的檢驗，因此，需進一步通過擬合優度(R2)和自然對數似然函數值(LogL)判定最優模型。

表4 空間依賴性檢驗結果Table 4 Results of spatial dependence test

由空間計量模型估計結果(表5)可知，空間誤差模型的擬合優度(R2)較高，且其自然對數似然函數值(LogL)大于空間滯后模型，故選取空間誤差模型作為本文揭示旅游交通碳排放格局演變的最優模型。進一步依據表5可知，空間滯后項ρ(0.632)和空間誤差項λ(0.926)均通過1%顯著性水平的檢驗，說明各研究單元旅游交通碳排放在空間上存在顯著的正相關性，本地區旅游交通碳排放增加可能會對鄰近省份的旅游交通碳排放帶來引致效應，納入空間要素測算的各變量對于旅游交通碳排放的影響具有合理性。

表5 旅游交通碳排放空間格局的空間計量模型估計結果Table 5 Estimation results of spatial measurement model for spatial differentiation of carbon emission of tourism transportation

空間計量模型估計結果(表5)顯示：1)從經濟發達程度看，人均GDP(lnAGDP)通過1%顯著性水平的檢驗，估計參數為正值(0.326)，說明區域經濟發展水平越高，旅游交通碳排放越高，經濟增長驅動旅游交通碳排放的原假設得到驗證。經濟發展水平與旅游交通相輔相成，不同社會經濟發達程度地區的旅游交通建設規模存在差異，經濟發展影響著交通基礎設施建設規模，進而可能對旅游交通碳排放產生影響。2)從游客規模層面看，旅游接待總人次(lnTRTN)通過1%顯著性水平的檢驗，影響系數為正(0.446)，表明游客規模對旅游交通碳排放具有正向驅動效應。游客規模增加必然促使旅游地交通運輸網絡系統完善，迫使旅游交通運輸規模與強度提升，造成碳排放增加。此外，區域間旅游客流規模集聚效應增大了交通運輸的強度和頻率，理論上也增加了旅游交通碳排放的可能性。3)從旅游地對外開放度看，對外旅游開放度(lnFTOD)通過1%顯著性水平的檢驗，對旅游交通碳排放的估計參數為正(0.371)，表明對外旅游開放度越高，旅游交通碳排放愈高。旅游目的地與外界存在持續的物質能量流、信息流、資金流和旅游客流等交換，該傳遞交流過程勢必伴隨“溢出效應”，往往對旅游交通結構、等級和規模產生倒逼效應，進而影響旅游交通碳排放。此外，區域旅游開放度提升大大增加了要素流流入的機會，而在外資引入尚未“松綁”的現實情況下，投資主要趨向于“高排放、高能耗”的酒店、娛樂、商場等服務行業[9]，而這些行業間規模性的旅游客流、物質要素流動與傳導機制，無疑增加了旅游交通碳排放強度。4)從旅游資源吸引力視角看，旅游資源稟賦(lnTRE)對旅游交通碳排放具有正向影響(0.056)，但未能通過1%顯著性水平的檢驗。究其原因，高等級旅游資源是目的地旅游業可持續發展的重要依托和載體，優質旅游吸引物能夠形成旅游地客流集聚的規模效應以及旅游資源對旅游客流的吸引效應，從而在一定程度上間接地引致旅游交通碳排放。5)從區域服務業發展水平看，服務業發展水平(lnSIDL)通過1%顯著性水平的檢驗，其估計參數為正(0.158)，表明現階段中國服務業發展水平較低且發展模式仍較為粗放，旅游相關服務產業亟須向集約化、規模化經營發展，不斷提高旅游產業的核心競爭力，推動旅游服務產業改革以帶動經濟綠色健康發展。6)從交通能源強度看，能源強度(lnEI)通過5%顯著性水平的檢驗，其影響系數為正(0.128)，表明能源強度對旅游交通碳排放具有正向驅動效應，單位交通客運周轉量能耗越多，旅游交通碳排放提升越明顯。本文研究階段旅游交通的能源消耗以燃料油、柴油、汽油、煤炭等傳統能源類型為主，能源強度對旅游交通碳排放的引致效應較明顯。7)從交通能源結構看，能源結構(lnES)通過1%顯著性水平的檢驗，其估計參數為負值(-0.119)，表明受益于經濟全球化技術擴散影響，先進環保技術的空間溢出效應逐漸凸顯，節能減排技術水平提升一定程度上促使電能、天然氣、風能等清潔能源在旅游交通領域的應用范圍擴大，旅游交通能源消費結構得到調整與優化，能源結構對旅游交通碳排放起到顯著抑制作用。但國際綠色壁壘和節能減排技術約束等問題仍存在，諸多國家(尤其是發展中國家)和地區交通能源消費結構仍存在不合理現象，傳統的旅游交通能源消費結構亟須向新能源消費結構轉型。

上述結果表明，經濟發展水平、對外旅游開放度和游客接待規模是引致旅游交通碳排放的主要因素，較大程度上主導與塑造了中國旅游交通碳排放的空間格局，而服務業發展水平、旅游資源稟賦、能源強度和能源結構對旅游交通碳排放起到不同程度的引致或抑制效應。需說明的是，本研究游客接待規模對旅游交通碳排放的影響系數最大，與文獻[44]結果一致；但旅游相關服務業發展對旅游交通碳排放具有顯著的引致效應，與文獻[44]結果相反，究其原因：本研究尺度為全國，受制于中國各經濟地帶旅游服務業發展水平參差不齊影響，旅游業服務效率相對較低，故服務業整體發展水平對旅游交通碳排放具有引致效應；文獻[44]中僅選取山西省為案例地，研究尺度較單一，山西省近些年推進旅游產業政策調整，加之旅游服務效率顯著提升，致使服務業發展對旅游碳減排初見成效。這表明基于不同的研究尺度探查各變量對旅游交通碳排放的影響可能具有異質性。

4 結論與討論

本研究基于宏觀地理學時空視角探討了中國旅游交通碳排放的格局演變及影響因素，構建的旅游交通碳排放影響變量能較好地揭示中國旅游交通碳排放格局演變及主控因素，豐富了旅游交通碳排放的相關研究方法與內容，彌補了以往研究的局限性，主要結論如下：1)2005-2018年中國旅游交通碳排放呈遞增態勢，旅游交通碳排放的絕對差異逐漸增大，相對差異大致可劃分為波動增長期(2005-2007年)、波動起伏期(2007-2013年)和波動降低期(2013-2018年)3個階段。2)中國旅游交通碳排放的空間分異特征顯著，總體上呈現由東至西遞減態勢，旅游交通碳排放高值區主要集中在以長三角城市群、環渤海經濟區和珠江三角洲城市群為代表的沿海地帶，與中國“東強西弱”的旅游交通網絡格局及“沿主要交通干線和航空樞紐”布局的旅游客流量、流向空間特征基本一致；各省域旅游交通碳排放存在空間相互作用及聯動效應，總體上在東—西方向上空間差異趨向增大，其他方向空間分異程度較小，與中國旅游交通碳排放總體空間分異特征基本契合。3)經濟發展水平、對外旅游開放度和游客接待規模是引致旅游交通碳排放的主要因素，而服務業發展水平、旅游資源稟賦、能源強度和能源結構對旅游交通碳排放起到不同程度的引致或抑制效應；但基于不同的研究尺度探查各變量對旅游交通碳排放的影響可能具有異質性。

在生態文明建設和綠色發展理念的大背景下，如何保障區域旅游交通發展向“低排放、綠色發展”模式轉變，探索綠色旅游交通發展的新路徑和新模式，仍是提升區域旅游交通綠色發展的關鍵問題。1)技術溢出能顯著降低碳排放強度[45]。在相對整體交通結構難以有效迅速調整狀況下，應積極實施“技術性”減碳，通過現代科學技術致力于降低交通能源消耗強度；同時，加快完善產業政策、技術標準和市場應用保障體系，積極發展人均能耗較小的公共旅游交通(如高鐵旅游專列)，倡導低碳出行和綠色消費理念。此外，鑒于航空運輸碳排放占比較大，應通過資金/技術投入、優化整合航線、提高空管效率等措施最大限度地降低航空運輸碳排放，充分利用“結構性”減碳進一步抑制旅游交通碳排放強度提升。2)優化交通能源消費結構，推廣節能新技術。實施化石燃料在旅游交通能源消費強度和規模上的“雙減雙控”措施，鼓勵使用生物燃料，同時建立長期有效的補貼機制，優先發展電動車、太陽能汽車等清潔能源汽車，打造智能綠色交通[46]。3)積極實施“管理性”減碳。通過制定和實施行業環境規制[47]有效提升交通能源利用效率，降低旅游交通能耗強度，比如可以借鑒國際上對交通運輸業征收碳稅的措施，對燃油、天然氣等按照含碳量的比例征收碳稅，通過經濟激勵推動清潔型燃料的推廣與普及，實施必要的交通管制，抑制旅游交通碳排放的增長速率。

旅游交通碳排放是復雜的系統問題，其空間異質性態勢是多尺度、多因素共同作用的結果，且省域間的差異顯著，未來仍需基于多時域、多尺度與多源數據融合等，從深層次揭示省域、市級和景區等多元尺度單元旅游交通碳排放格局變化及其空間分異的影響因素，這將更有利于制定具有針對性的旅游交通碳減排舉措。