基于碳足跡的旅游生態效率研究
——以江西九江市為例

鄭群明，陳子奇

(湖南師范大學 a.旅游學院，b.研學旅行研究院，c.湖南省雙碳研究院，中國 長沙 410081)

自全球實行工業化革命以來，產業經濟迅速增長，在經濟發展的同時，生態環境日益惡化。一直以來，旅游業因綠色和低碳而得到大力推廣，但在2003年Becken等通過研究新西蘭旅游業的碳排放，發現旅游業作為所謂的綠色產業卻排放了更多的隱形溫室氣體[1]。有研究表明，2018年旅游業產生的碳排放約占全球碳排放總量的8.3%[2]，UNWTO預測2030年全球旅游交通碳排放量將高達19.98億噸。2012年，習近平總書記提出“兩山”理論，我國正式步入綠色發展階段，為各行各業戰略轉型樹立了指導方針，生態、綠色成為新時代建設的重要篇章。2020年習近平總書記在第75屆聯合國大會首次針對綠色發展提出“2030碳達峰，2060碳中和”的具體目標。生態環境保護和旅游經濟可持續性發展成為新時代旅游業發展的必然趨勢。

Schaltegger和Stum首次提出生態效率是用來判斷經濟發展對環境變化的工具[3]。1996年，世界可持續發展工商理事會(WBCSD)將生態效率定義為利用最小的環境影響創造最大的經濟價值[4]。旅游生態效率是旅游業在生態效率概念上發展衍生而來的，是一個描述旅游單位經濟產出的環境影響大小的變量[5]。在旅游生態效率的測度上，Bruijn等人提出了單一指標法，一般運用碳足跡或生態足跡來表征旅游業的環境影響，用旅游業收入來表征旅游業經濟價值[6]。碳足跡是指產品從生產到使用結束整個生命周期所產生的溫室氣體的總量[7]。自全球氣候變暖以來，國外碳足跡研究主要集中在碳足跡的測算方法[8]、碳排放的群眾認知[9]和碳排放與環境的影響[10]。而國內碳足跡研究主要集中在直接碳排放和隱含碳排放的測算方法[11]、各板塊碳排放的計算[12]及節能減排政策的制定[13]。近年來，旅游生態效率作為聯系環境影響和經濟收入的重要系統，碳足跡開始與生態效率的研究相結合。在研究方法上，主要通過建立旅游者碳足跡生命周期模型來量化整個旅游過程中各個環節所產生的碳排放量。如Stefan首次利用生命周期分析法發現旅游業不同產業部門的旅游生態效率差距較大[14]，后大量研究者根據不同的劃分標準來測算各產業部門的旅游生態效率，如章錦河等人測算了黃山“食住行游購娛”6個部門的旅游生態效率[15]。旅游碳排放的核算范圍從“吃住行游購娛”豐富到旅游產品生產消耗的整個過程，如甄翌測算張家界景區旅游生態效率時加入了旅游者“用水”和“廢棄物處理”產生的碳足跡[16]。但區域碳足跡計算邊界模糊、數據收集難度大，周年興等學者又將碳排放計算模型整合[17]，未將“游購娛”再分板塊進行計算，而是采取不同活動類型直接計算碳排放量，為后續數據不全的景區提供了計算的方法。研究區域也逐步從景區[18]等微觀尺度涉及到省份、國家等宏觀區域[19，20]，又逐步延伸到特色區域聚集區，如“絲綢之路”經濟帶[21]、三峽庫區[22]等。此外，還有學者利用旅游生態效率對目的地管理[23]、旅游生態效率提升機制[24]等方面進行了探究，如鄭群明等人利用生態足跡分析了大型節事活動對環境治理的促進作用[25]。

綜上所述，前人為本文研究碳足跡和生態效率提供了豐富的參考資料和理論支撐，但仍有一些地方值得探索。從研究區域看，雖然張哲測算了湖北省武漢市各部門旅游生態效率[26]，但城市經濟發展水平對城市旅游生態效率水平存在影響作用，現有研究卻未對各層次城市旅游生態效率進行區別和深耕。從研究視角看，已有的研究成果多集中于單一年份、包含時間序列的數據較少，且未將計算結果與不同范圍的研究進行歸類比較。從研究方法上看，前人從各種角度提出了不同的計算模型，但忽略了三四線城市計算指標的可獲得性。鑒于此，本文綜合參考前人計算指標、整合現有研究模型，以九江市為例分析三四線城市旅游業的綠色發展進程，填補各層次城市旅游業綠色發展的空白，并利用面板數據對九江市旅游碳排放和生態效率進行橫向和縱向分析，以期為類似城市旅游業的健康發展提供理論依據。

1 研究方法與研究數據

1.1 研究區域

九江市位于江西省北部，地處長江、京九鐵路兩大經濟開發帶的交匯處，是長江中游著名的中心港口城市，也是江西省重要經濟和區域發展的城市之一。但九江市經濟規模不大，人口數量有限。一直以來，九江市被冠稱為“國家級優秀旅游城市、魅力城市”。九江市具有豐富的旅游資源，旅游業在九江市的發展中占據重要地位，但廬山、鄱陽湖等著名景區遠離市中心、離消費人群過遠，旅游經濟拉動效應有限。九江市旅游業發展以自然環境資源為主，全球變暖將會嚴重影響當地的自然環境、生物多樣性甚至當地文化。因此對九江市碳足跡計算并分析旅游生態效率變化趨勢具有重要的研究意義，可對其他三四線城市旅游生態環境保護和旅游經濟同步增長提供參考。

1.2 研究方法

本文利用生命周期法構建旅游生態效率計算模型，生命周期法是以旅游者旅游過程所有環節來量化旅游每個產業部門所產生的碳排放量，進而可以針對具體步驟做減排。本文采取“自下而上”的方法收集數據，從目的地旅游者的統計數據入手，通過查詢官網統計年鑒及文獻集成資料獲得人均消費量數據，以此來計算九江市旅游業各環節的碳排放量。本文參考周年興的計算方法[17]，不再將“游購娛”分板塊進行計算，采取不同活動類型直接計算碳排放量。將一次旅游產生的碳足跡劃分為：“吃”“住”“行”和“游”產生的碳足跡。本文綜合周年興等[17]、肖建紅等[27]、章錦河等[15]對旅游碳足跡的測算方法，構建了九江市旅游碳足跡模型為

TEI=Et+Eh+Ef+Ea，

(1)

式中，TEI表示旅游碳足跡總量，是旅游活動中各環節碳足跡的總和。Et表示旅游交通碳足跡，Eh表示旅游住宿碳足跡，Ef表示旅游餐飲碳足跡，Ea表示旅游活動碳足跡。

1.2.1 旅游交通碳足跡

Et=∑Ni×Di×εi×βi，

(2)

其中，i表示不同類型的交通方式，Ni為乘坐i類型旅游交通工具的年度游客人數，Di表示乘坐i類型旅游交通工具年度人均行駛距離，εi表示i類型旅游交通工具的均衡因子，βi是乘坐第i種交通工具每人每公里的碳排放系數。

1.2.2 住宿碳足跡

Eh=[∑365×Ni×Ci]×ξ×R，

(3)

式中，Ni表示i等級住宿酒店所擁有的床位數，R表示住宿酒店的年平均客房出租率，Ci表示i等級住宿酒店每日每床位所排放的二氧化碳量,ξ為能源的碳排放因子。

1.2.3 餐飲碳足跡

Ef=N×D×[∑(Ei×ρi×αi)]，

(4)

其中，N表示當地一年的旅游者人數，D為當地旅游者年平均旅游的天數，Ei表示食物之類型加工過程中每位游客利用能源的量，ρi表示能源的熱量轉化系數，αi表示能源碳排放系數。

1.2.4 旅游活動碳足跡

Ea=∑Ni×Ci，

(5)

不同類型的旅游對環境有不同程度的影響。式中，i表示不同類型的旅游活動，Ni為i類型旅游活動的年度游客人數，Ci為i類型旅游活動每人所需排放的二氧化碳量。

1.2.5 旅游生態效率模型

生態效率不僅僅考慮旅游環境保護，同時也注重經濟發展。為使計算數值更加直觀，旅游生態效率模型表示為

1/T=TEI/TR，

(6)

其中，T表示的是旅游生態效率、TEI表示環境受到的影響，用旅游者碳足跡來參與計算、TR表示旅游收入帶來的經濟影響，用旅游收入來參與計算。TEI和TR的比值，即綜合生態效率值越小表示旅游過程產生的旅游生態效率越大。

1.3 研究數據

本文數據分為基礎數據和參數數據。2012年黨的十八大首次提出綠色發展，所以本文以2013—2020年旅游數據對九江市的旅游業發展進行分析。九江市旅游過程各環節數據來源于《九江市統計年鑒》、各年度《九江市社會統計公報》、《2018年度江西旅游市場大數據分析報告》和《江西省統計年鑒》。參數數據來源于《2006年IPCC國家溫室其他清單指南2019年修訂版》和其他參考文獻，如：各類型賓館每日每人CO2消耗量[15]、各種交通工具CO2消耗量[28]、旅游餐飲不同加工過程CO2消耗量[27]、各類型旅游活動碳排放系數[17]等，詳情見表1。由于九江市板塊數據較難獲取，借鑒姚治國等人處理海南省數據的方法[29]，利用江西省的比例數據對九江市無法獲取的數據進行推測，如：2018年九江市接待旅游總人數18 632.72萬人次，根據江西省旅游者類型分析報告顯示江西省旅游者旅游目的各板塊的比例為：觀光旅游(45%)、休閑度假(5.5%)、商務旅游(16.5%)、探親訪友(22%)、其他(11%)，由此計算九江市各類型旅游活動人數。由于數據獲得有限，且板塊數據對整體結果的影響權重不大，本文將板塊極難獲取的數據進行了均值處理，如年平均過夜天數采取用2017—2018年的平均值。城市碳足跡包括旅游者碳足跡和當地居民日常生活的碳足跡[17]。據以往研究表示，不同的烹飪方式和食用不同的食材都會產生不同的碳足跡，食用過多的脂肪和肉類比食用果蔬產生更多的二氧化碳[30]。各類食物消耗不能區分是居民消耗還是旅游者消耗，不同食材對碳排放的影響較小，不同的烹飪方式同樣也會產生不同的碳足跡，歸根到底也是使用不同能源的結果。本文參考肖建紅等人的研究[27]，略過食材消耗產生的碳排放，只計算不同能源產生的碳排放量。對旅游住宿碳足跡的計算參考李夢子計算遼寧省碳排放的方法[31]，只考慮星級酒店和農村星級旅館產生的CO2且不考慮建設期的住宿碳足跡。

表1 旅游碳足跡和旅游生態效率的計算指標

2 研究結果與分析

2.1 旅游碳足跡分析

由表2可知，九江市2013—2020年旅游碳足跡均量為270 567.66×106kg、人均旅游碳足跡2 529.97 kg/人。九江市2013—2020年旅游碳排放總量呈現明顯的“M”型變化軌跡，人均碳足跡呈“減小—增長”的類“V”型波動趨勢。其中，2016年后碳足跡總量呈現穩步增長態勢，且人均碳足跡逐年減少，這說明2016年后九江市旅游業有提速發展的趨勢，且綠色旅游進入了良好發展軌道。2020年，旅游碳足跡總量驟降、人均碳足跡反增，疫情對旅游控碳呈現反向推動作用。從橫向來看，九江市旅游各環節碳排放量呈現差異化結構特征，其中“行”產生的碳足跡始終占整個旅游生命周期內的最大比例，綜合排序依次為：旅游交通>旅游餐飲>旅游住宿>旅游活動。從縱向來看，2013—2019年間“住”和“行”的碳足跡占比呈明顯斂縮態勢。但隨著生活水平的提高，“吃”和“游”成了新一代旅游的剛性需求，碳足跡占比呈明顯擴增趨勢。2020年，在防疫政策外力干預的作用下，堂食和外賣出現了階段性停擺，餐飲業發展陷入停滯。在隔離酒店的新需求下，住宿業的損失稍有彌補，碳足跡占比反而出現增長，但碳總量仍呈現斷崖式下跌。

表2 九江市2013—2020年碳足跡排放量和綜合生態效率匯總表

在研究期間，九江市旅游交通碳排放量的均值占比為75.36%，其中鐵路產生的碳足跡遠高于民航碳足跡，特別是2015年九江廬山機場停航改造以后，九江市鐵路部門產生的碳足跡陡升。與省會旅游城市不同，九江沒有大型客運機場、民航線路較少，旅游吸引力有限，客源市場主要為附近城市或臨近省份，伴隨著中國鐵路的快速發展，鐵路的運載量和需求量大于公路和飛機。2020年，疫情對公共交通工具出行造成打擊，致使鐵路碳排放量驟降而公路碳排放量激增。九江市旅游住宿碳排放量占比在2015年后逐年降低，直至2020年稍有增長。住宿業碳足跡主要由三星級和四星級酒店構成，其他主體的碳排放量維持較低水平且基本不變。從時間跨度和三四線城市用戶畫像來看，九江市游客支出較為保守，中檔酒店成為了三四線城市旅游的最佳選擇。此外，由于民宿和主題酒店數據的缺失，建設期的碳排放量難以評估，所以實際住宿業的碳排放量要大于計算結果。目前來看，酒店業碳排放總量呈走低趨勢，但在旅游業新發展格局下，享受型消費激增，未來住宿業碳排放量的增長不容小覷(圖1)。

在新消費時代的背景下，旅游者對吃的要求越來越高，浪費現象也越來越明顯，碳排放占比隨之增加，直至新冠疫情，不少餐飲行業被迫停業。雖然旅游活動的碳足跡占比也有所增加，但與其他景區和省份相較，九江市旅游活動的碳足跡比例偏低。旅游景區是旅游活動的重要組成板塊。九江市具有四大名山之一的廬山、五大淡水湖之首的鄱陽湖，但自然景觀與人文景觀協調性欠佳，旅游產業系統性不足，九江市觀光旅游者占全部旅游者的45%，休閑度假的旅游者僅占全部旅游者的5.5%。過夜旅游者數量較少，停留時間較短，導致其他板塊的旅游消費偏低。與旅游“吃”和“住”相比，旅游“游”能在碳排放量更小的情況下創造更大的經濟收益。相比縮減旅游交通產生的碳足跡，提升旅游活動碳足跡的占比更為輕松。在游客交通所產生的碳足跡一定的情況下，游客在旅游目的地游停留時間越長、消費水平越高，旅游活動碳足跡的占比越大，旅游可持續發展能力越強。

圖1 九江市2013—2020年旅游交通和旅游住宿各部分碳排放量

2.2 旅游生態效率分析

旅游生態效率計算需衡量環境和經濟雙重作用的影響，受九江市統計年鑒版本的限制，本文只能計算出九江市2016—2020年各部門的旅游生態效率。總體生態效率是各板塊旅游生態效率的總和。如表3所示，2016—2020年九江市旅游綜合生態效率的均值為1.68 kg/元，即九江市旅游業每產生1元的財政收入就會相應排放1.68 kg二氧化碳。其中，“吃”的生態效率均值為5.11 kg/元、“住”的生態效率均值為6.20 kg/元、“行”的生態效率均值為3.08 kg/元、“游”的生態效率均值為0.001 2 kg/元。旅游效率大小依次為：旅游活動>旅游交通>旅游餐飲>旅游住宿。旅游系統內部各部門效率的非均衡性顯著，旅游活動的生態效率顯著大于單位碳排放下旅游交通和住宿餐飲帶來的經濟影響。旅游住宿的生態效率最低，可見，三四線城市酒店的低碳綠色循環管理理念不夠，住宿是旅游業節能減排的關鍵。從縱向來看，在非疫情時代，除餐飲以外，其他板塊生態效率均呈增大趨勢，餐飲生態效率不增反減的主要原因是在旅游過程中需要“吃”的旅游者增多，但“吃”的消費彈性大，旅游收入增長幅度有限。

表3 2016—2020年間九江市旅游各板塊生態效率

根據黃和平等人對篁嶺景區旅游生態效率的劃分標準[18]，通過計算2013—2020年碳足跡(67 641.92×106kg)和旅游生態效率(3.60kg/元)的均值，利用二維矩陣劃分出四種類型(圖2)：高碳高效型、高碳低效型、低碳高效型、低碳低效型。本文通過矩陣圖對2016—2020年間各板塊效率類型的動態變化進行觀察，研究期間，僅有“吃”、“行”的效率類型發生變動。其中“吃”由低碳低效型變為高碳低效型，后于2020年又突變為低碳高效型。“行”由高碳低效型變為高碳高效型。從2016—2020年均值來看，九江市“行”屬于高碳高效型、“游”屬于低碳高效型、“吃”和“住”屬于低碳低效型。在黃和平對篁嶺景區的研究中，“吃”和“住”屬于高碳低效型。這一結果符合本文設定的研究模型，也符合九江市旅游業“吃”、“住”消費偏低，經濟收入較差這一事實。同時，九江市旅游“游”的需求有限，碳足跡占比過低。

圖2 九江市碳足跡與旅游生態效率矩陣圖

對比其他區域各板塊旅游效率的排序，2016年江西婺源篁嶺景區的旅游生態效率排序(旅游活動>旅游交通>旅游餐飲>旅游住宿)與本文相同，但九江市的交通碳足跡占比明顯高于篁嶺景區[18]。2012年海南省的旅游碳足跡排序(旅游交通>旅游住宿>旅游活動)與九江市計算結果基本一致，但海南省的交通效率小于九江市[29]。造成以上現象的主要原因是景區碳足跡的計算范圍只涉及內部小交通，而海南省交通碳足跡的計算范圍大于九江市，且受地理區位的影響，乘坐飛機的游客比例較大，但民航對旅游經濟帶動作用不夠明顯。2015年關門山國家森林公園和2016年婺源篁嶺景區生態效率的測算結果中效率最低的是旅游餐飲，其次才是旅游住宿[34]。九江市計算結果與之相反的原因可能是景區受規模限制、酒店接待能力有限、地理范圍較小、過夜旅游需求較小。但景區餐飲需求量較大、物價偏高，所以各景區內餐飲的旅游生態效率大于住宿旅游生態效率。綜上所述，三四線城市旅游交通的生態效率明顯高于省級宏觀區域，低于景區等微觀區域。三四線城市餐飲和住宿板塊旅游生態效率排序不同于各景區，其主要原因是區域范圍影響碳足跡的測算和游客的需求偏好。同時，受時代的發展和外力政策的干預，研究地“吃”、“住”的效率排序較易發生變動，因此，多年度的綜合分析更符合實際的發展趨勢。

由于缺乏三四線城市的數據，因此將計算所得的九江市生態旅游效率與大小范圍的研究區域相比，發現九江市旅游業生態效率略低于世界旅游業平均生態效率[35]，2004年四川九寨溝風景區的旅游生態效率為0.31 kg/元[36]、2009年浙江舟山群島的旅游生態效率為0.04 kg/元[27]、2012年湖南張家界景區的旅游生態效率為0.2 kg/元[37]、2016年海南省的旅游生態效率為0.6 kg/元[29]、2016—2020年九江市的平均旅游生態效率為1.68 kg/元。相比之下，九江市旅游業生態效率偏低于其他地區，缺乏旅游可持續發展性。關門山國家森林公園[32]、婺源篁嶺景區[18]的旅游活動碳足跡占比分別為0.06%和6.86%，均大于九江市的旅游活動的碳足跡的占比(0.02%)，進一步顯示九江市旅游產品單一，缺乏消費活力。無論是微觀層面的景區旅游生態效率、中觀層面的城市旅游生態效率還是宏觀層面的省級旅游生態效率，旅游活動的生態效率都明顯大于其他板塊的旅游生態效率，其主要原因是研究區域的旅游大都以觀光游覽、欣賞景色為主，且受中國傳統節儉消費觀念的影響，大部分旅游者很少消費非必要的旅游產品。

3 結論及啟示

3.1 結論

首先，本文基于旅游者的視角，利用生命周期法構建旅游碳足跡計算模型，“自下而上”地收集數據，從總量和結構等方面對九江市2013—2020年旅游者碳排放態勢進行了分析，其結果如下：2013—2020年，九江市旅游碳足跡均值為270 567.66×106kg、人均旅游碳足跡均值為2 529.97 kg/人。旅游碳足跡大小排序為旅游交通>旅游餐飲>旅游住宿>旅游活動。研究期間，九江市旅游業CO2排放總量呈現明顯的“M”型變化軌跡，人均碳足跡呈類“V”型波動態勢。在非疫情時代，旅游業控碳減排逐見成效。其中，“住”和“行”的碳足跡占比呈明顯斂縮態勢，而“吃”和“游”的碳足跡占比呈明顯擴增趨勢。疫情對旅游控碳呈現反向推動作用，尤以“住”和“行”的碳排放占比增加為主要原因。

其次，本文通過計算九江市2016—2020年旅游生態效率，將九江市旅游生態效率進行橫向和縱向分析，發現2016—2020年九江市旅游綜合生態效率的平均值為1.68 kg/元，旅游效率大小依次為：旅游活動>旅游交通>旅游餐飲>旅游住宿。在非疫情時代，“行”和“住”的生態效率逐年增大。在疫情之后，除交通以外，其他板塊生態效率均有所增大。從整體來看，九江市“行”屬于高碳高效型、“游”屬于低碳高效型、“吃”和“住”屬于低碳低效型。此外，與其他區域橫向比較的過程中，要注意區分研究范圍，否則會因為計算尺度不同而失去可比性。

3.2 研究啟示

首先，當下三四線城市各板塊旅游碳足跡和生態效率占比需得到重點關注，對比一二線旅游城市各板塊碳足跡，三四線城市的各板塊旅游碳足跡占比差距顯著。三四線城市旅游交通的碳足跡占比過高，旅游活動占比過低。因此，為提高三四線城市旅游生態效率，一方面通過加強當地旅游產業聚集區，提升“吃”、“住”、“游”碳足跡的比例來削弱交通對旅游業碳足跡造成的巨大影響。另一方面可以直接選擇降低“吃”、“住”、“游”的碳足跡或提高“吃”、“住”、“游”的收入來提升旅游生態效率，如酒店可以減少使用一次性產品，采取可降解材料代替。餐廳可以提倡旅游者合理飲食避免浪費、多食用易烹飪的蔬果、采取當地美食降低運輸碳足跡。景區可以豐富旅游產品、合理規劃旅游淡旺季，增加過夜旅游者數量及旅游者游玩天數。

其次，三四線城市各板塊旅游碳足跡和生態效率的變化趨勢不容忽視。在新階段下，人民對“吃”和“游”的需求增加。在“住”和“行”方面，大多數三四線城市的旅游輻射面主要為附近中短距離的省市，對于鐵路和公路的依賴明顯大于航空。三四線旅游城市的消費能力有限,旅游住宿也集中以三、四星級酒店為主，性價比的關注度優于舒適體驗度。未來三四線城市應大力推崇將市內營運車輛轉型為新能源車輛，合理調整淡旺季鐵路、航空的班次和數量。既要兼顧國家低碳發展，又要針對現有旅游發展模式做出相應調整，依托于自然資源發展，打造豐富的旅游產業體系，發展全域旅游。

最后，開創疫情后旅游行業的新模式尤為重要。疫情對旅游控碳的反向推動作用非常明顯，疫情危機也使得旅游產業內部各板塊格局發生變動。從短期來看，疫情的副作用還會持續一段時間。在未來幾年內還應該考慮疫情防疫政策的影響，對相關行業進行調整以適應疫情的影響。之前，三四線城市的旅游需求旺盛但高端消費彈性較大，絕大多數游客停留在觀光旅游，享受型旅游所占的市場份額有限。但疫情對人類情感和社會秩序影響深遠，今后，旅游業要配合旅游者需求和生活政策的變化實行轉型升級，形成新增長點和增長極。從單純的觀光游覽向全套旅游要素橫向延伸，從傳統旅游向多業態發展的縱向延伸，以應對疫情下新時代旅游業變化所帶來的挑戰。