基于多智能體建模的旅游目的地碳平衡壓力研究

關鍵詞：多智能體；建模仿真；旅游碳平衡；碳平衡壓力

中圖分類號：F590 文獻標識碼：A DOI：10.3969/j.issn.1003-8256.2024.06.008

旅游業的協調發展一直面臨經濟、自然、社會等多方壓力，尤其在新時代高質量發展階段，此壓力更加突出。盡管受新冠疫情沖擊，全球旅游業仍在2023年穩步復蘇。與產業重振并行的是其環境影響，旅游業向來不是“零碳產業”，全球旅游碳足跡在2018年已占全球碳排放量的8%［1-2］，據預測至2035年旅游碳足跡還將增加一倍［3］。

面對環境壓力，2021年聯合國世界旅游組織做出了全球旅游業碳排放量2030年減半、2050年中和的承諾［4］。目前旅游業的快速發展依賴于大量能源消耗和碳排放，且能源消費量級呈指數增長。旅游業建立面向多方利益相關者的碳減排響應和行為干預機制迫在眉睫［5］。為加快碳中和步伐，旅游業不僅要減少碳排放，還要增加碳吸收［6］。具體來講，為提高旅游碳足跡與目的地碳承載力間的平衡潛力，需要更精準識別旅游碳排放與碳吸收的影響因素，評估碳源與碳匯之間的關系，在實現目的地資源充分利用的前提下，加快構建旅游業主客共享的可持續發展路徑。自上世紀90年代起，旅游碳排放和碳吸收的影響因素逐漸被國內外學者關注。關于旅游碳排放，其被認為受游客規模和消費水平影響較深［7-8］，其中游客規模是主要誘因［9］，并依目的地發達程度而影響表現不同［10］。另一個重要因素是旅游收入結構，在國內旅游中，收入結構被發現與碳排放存在線性相關［11］，而在入境旅游中，收入結構則與碳排放強度呈現出非線性特征［10］。從產業部門參與角度來看，旅游碳排放的95%來自交通業［12］，各地運輸工具的碳排規模受主要客源地距離、旅游者偏好表現出區域差異化［13］。除此之外，住宿業也會因游客規模和滯留時間提升而增加碳排放。總的來說，旅游目的地設施依賴能源運行，其碳排強度普遍較高。在碳吸收方面，清潔能源技術、可持續管理方法和自然資源是影響碳吸收的主要因素［14］。我國目前的碳吸收主要依賴自然資源。據預測，2020—2050 年間森林植被將吸收燃燒化石燃料所產生碳排放的22.14%［15］。但近年旅游相關建設規模擴大，景區植被覆蓋率下降將威脅旅游碳系統的良性循環。綜上，本文認為影響旅游碳排放和目的地碳吸收的因素有：游客規模、旅游者消費行為、旅游收入、旅游相關行業的能源消費和目的地自然環境。

學者提出碳平衡壓力（carbon balance pressure）來衡量碳排放與碳吸收間的平衡狀況，它能直接客觀地反映碳中和水平。目前國內外關于碳平衡的研究成果集中在城市群和生態系統，使用凈值法和系統動力學模型等探討碳平衡的生態補償、演變路徑以及外部影響。近些年，學者多從“源-匯”角度測度旅游業碳平衡壓力，通過分析自然型景區碳源、估算碳匯和碳中和系數來建立低碳旅游發展路徑［16-18］。程占紅等［19］以太原為例構建了旅游業碳排放與生態系統碳吸收模型。Xu等［20］為珠峰旅游區建立了碳中和計算框架。朱海等［21］預測了江西省的旅游業碳達峰時間，并認為政策影響下旅游業有望達到碳中和。可見在研究地域上，多數研究是基于具體地域，其普適性有待證實。同時，國內外學者為精準測算旅游碳平衡壓力，雖已探索了旅游碳平衡的影響因素，但較少考慮旅游者和本地居民的偏好和態度，而目的地的游客、居民和環境涉及多次互動和反復博弈，是一個自組織、自適應的復雜網絡，因此碳足跡與碳匯之間的動態關系也需更深探討。

本文旨在根據研究共識建立目的地碳平衡壓力仿真模型，以人地互動視角，探索不同初始條件下目的地碳平衡壓力的變化，為此采用多智能體建模方法，借助Netlogo 軟件實現。Netlogo 是一種基于個體的建模方法，適用于模擬復雜的現實系統，是實現多主體模型、網絡和復雜動力系統的先進模擬軟件之一［22-23］。與傳統分析碳平衡影響因素的方法相比，本研究利用多智能體仿真，能在不同參數情境下動態、持續地模擬目的地碳排放和碳吸收的變化趨勢，可為旅游管理部門提供更加普遍、客觀的決策依據，促進目的地的碳平衡。

1 仿真模型構建

1.1 模型概述

碳平衡是指某系統或活動在特定時空尺度內的溫室氣體排放量與環境吸收量相等。碳平衡壓力表示碳排放與碳吸收間的平衡狀態，其數值等于碳足跡總量與環境碳承載力的比值。本研究旨在建立旅游目的地碳平衡壓力仿真系統，模擬目的地內各行為主體的碳足跡和環境碳承載力，并通過調整模型參數來探索不同條件下目的地碳平衡壓力的動態變化，為此采取以下建模思路：（1）提取參與旅游碳循環的主體作為模型中的異構智能體；（2）根據現有研究確定各主體的行為事實和特征，確定智能體的屬性和活動規則；（3）建立智能體之間的交互關系和邏輯，形成統一而復雜的智能體系統；（4）驗證和實驗模型。

1.2 智能體定義與行為規則設定

在NetLogo中，“智能體”被定義為一個能夠自我調整和適應環境的實體，該實體會對其他實體做出適應和反饋。智能體可以是現實中人或物的抽象映射，本模型設定了旅游者、本地居民（包含普通居民和旅游從業者）和目的地環境三類智能體。

1.2.1 旅游者智能體

旅游者是目的地內主要的碳足跡生產者，在前往目的地和在目的地停留時會進行碳排放。依托前人研究，在模型中賦予旅游者以下屬性。

①滿意度：指游客對目的地環境和所接受旅游服務質量的滿意程度，此外在一定范圍內對每個旅游者設置最大滿意度值，作為游客“滿意而歸”且向外推介目的地的條件。當旅游者智能體所游覽環境的資源吸引力和接受服務的質量達到一定閾值時，其自身的滿意度值加1，滿意度達到最大值，離開目的地，并帶來兩名新游客。此設定的依據為Kim［24］、馬慧強等［25］和吳江等［26］的研究，其發現游客總體滿意度直接影響其重游意愿和推薦行為。同時，劉巧輝等［27］研究證明滿意度會影響旅游者的環境行為。當游客滿意度水平達到最大值六成以上時，其在目的地新產生碳足跡量會隨滿意度的增加而減少，且顯著減少對游經環境的破壞效果；

②體力：旅游者具有體力上限，且在游覽中消耗體力，體力耗盡時返回最近的“旅館”停留以恢復體力；

③視野：旅游者能夠掌握視野內目的地環境的資源吸引力情況，并選擇吸引力最大的方向行進；

④金錢：各旅游者智能體擁有一定范圍內的金錢，在“旅館”停留和與從業者交互會消耗金錢，當金錢耗盡，旅游者離開目的地。游客人均金錢數量和旅館過夜價格依據《2019年國民經濟和社會發展統計公報》與《2019年度全國星級飯店統計報告》設定；

⑤碳足跡：按通用計算方法，旅游者智能體的碳足跡分為交通碳足跡、住宿碳足跡和游覽碳足跡。交通碳足跡為游客旅途交通能耗產生的二氧化碳總量，秉著學界通行的“誰消費誰負責”原則，將到達前碳足跡和行中碳足跡一并算入目的地旅游者的交通碳足跡中，計算公式為：

⑥O-D距離：距目的地距離不同的旅游者會選擇不同方式前往目的地，本模型中旅游者到達前交通方式的選擇規則參考石曉騰等［29］的研究，以O-D距離為標準設定不同交通工具的使用比例，距離目的地300km內首選汽車，1300km內首選火車，1300km外首選飛機。

⑦目的地內交通選擇偏好：此屬性集中體現在旅游者于目的地的行中碳足跡。模型設定游客在目的地移動的每公里每人碳足跡根據出行工具選擇偏好按汽車、公交車和步行（0kg）三檔計算，當設定偏好為某一交通工具時，過半的旅游者會在目的地內選擇該方式出行。

1.2.2 本地居民類智能體

本地居民是目的地社區的原住民，包含普通居民和旅游從業者兩類智能體。其屬性設置如下：

①體力：與旅游者“體力”設定類似，當體力耗盡時返回“居民社區”休息以恢復體力；

②收入：從業者與旅游者交互會增加自身收入，當從業者的平均收入水平達到一定水平將會助益目的地環境改善，李衛兵等［30］和曹和平等［31］研究發現居民收入水平與居民環境意識明顯正相關，并通過影響環境偏好程度間接作用于邊際環境支付意愿。這表明居民的收入水平越高，其對環境治理的助力越大；

③視野：普通居民隨機移動，從業者“趨利移動”，即選擇視野內旅游者最多的方向移動以進行交互獲取金錢；

④服務質量：隨著從業者與旅游者交互即提供服務的次數越多，經驗得到積累，服務質量提高。同時服務質量與服務價格成正比，即在目的地整體發展過程中旅游產品價格呈上升趨勢；

⑤環境意識：指居民在感知環境變化的前提下，所表現出的對環境現狀及未來境況的態度。當環境意識較強時，居民會展現更強烈的環境保護態度，而當環境意識薄弱時，居民往往無視環境惡化和縱容環境破壞行為；

⑥容忍度：此屬性與旅游者滿意度和居民收入相關，當游客與容忍度很低的普通居民交互時，其滿意度下降，而與容忍度很低的從業者交互時，服務價格較高，可理解為被加征環境稅。容忍度的變化受居民的環境感知和環境意識決定。此規則依據肖林等［32］的研究設置，目的地居民能夠很好感知旅游發展所帶來的環境變化，居民容忍度被設置為與目的地碳足跡量成反比，其中從業者的容忍度設定與普通居民略有差異。存在差異的證據來自李志飛［33］的調研，他認為旅游從業者由于在旅游業發展中得到的經濟利益超越了其承受的社會文化和環境成本，因而對旅游活動的態度較一般居民更為寬容。故在本模型中，從業者的容忍度水平較普通居民高且下降較慢。普通居民和從業者的容忍度初始值以70為中心上下浮動，象征對旅游活動較友好的態度；

⑦碳足跡：居民碳足跡由交通碳足跡和日常活動碳足跡組成，計算公式如下：

以上屬性中，滿意度最大值、體力、視野、金錢和容忍度初始值在固定范圍內隨機給定，O-D距離、目的地內交通選擇偏好和環境意識通過初始設置給定。

1.2.3目的地環境智能體

環境智能體是旅游者和本地居民智能體活動的場所，也是模型的“地塊”，具有以下屬性：

①類別：分為綠地、景區、居民社區、旅館和其他用地，其中綠地和景區貢獻碳中和能力；

②資源吸引力：為“綠地”和“景區”專屬，景區具體數值的給定根據旅游者滿意閾值上下浮動，而對綠地則賦予一個基礎值；

③生長速率：指“綠地”和“景區”的NEP 值增加速率，即固碳能力的實時增長速度，通過初始設置給定。當居民收入達到一定水平時，可加速綠地的生長和恢復；

④碳承載力：本模型將旅游碳承載力（tourismcarbon capacity）界定為一定的時空條件下，區域生態系統凈吸收旅游業CO₂排放的最大能力。依建模需要，分為原始碳承載力和現時碳承載力，原始碳承載力為模型初始化時地塊的碳承載力，現時碳承載力為隨著模型運行，受游客活動、碳足跡總量和恢復速率影響而實時變化的碳承載力。計算思路如下：碳承載力是指綠色植被的固碳能力，在森林、農田、草地三種植被類型中，森林的固碳量最大，占總固碳量的98%，占絕對地位［34］，故參考肖玲等［35］和涂瑋等［36］對碳承載力的計算公式，在植被碳匯中主要考慮森林和草地的固碳能力。目的地旅游碳承載力的測算方法為：

1.3 模型運行流程

本仿真模型的核心由兩大部分構成：一是碳足跡的生產者，即旅游者和目的地居民智能體，二是碳承載力的來源，即目的地環境智能體中的“綠地”和“景區”。具體運行流程見圖1。

第一步：初始化目的地環境。生成具有資源吸引力和碳中和能力的“綠地”“景區”及其他地塊。具有碳中和能力地塊的生成遵循現實目的地植被覆蓋率的一般實際，依據國家全域旅游示范區中三個有典型代表性目的地的植被覆蓋率：北京懷柔區（92.1%）、青島嶗山區（65.6%）和桂林陽朔縣（87.7%），將其設置為60%～90%。同時依據曹云等［37］的研究，將單位時間內植被NEP增長率限定在0.2%～0.8%。

第二步：初始化旅游者和本地居民智能體。出于聚焦旅游系統的考慮，本地居民中普通居民和旅游從業者的比例設置于3：7。旅游者與普通居民智能體的行動均以體力大于零為前提，以碳足跡和碳承載力的變化為結果。

第三步：旅游者與本地居民的交互。首先是社會交互，此交互影響游客滿意度；然后是消費交互，結果一般是消費者金錢的失去和從業者收入的增加（服務價格服從以從業者服務質量乘物價系數的積為參數的泊松分布，旨在模擬以價值為核心上下浮動的市場價格現狀）。

第四步：旅游者、本地居民與目的地環境的交互。環境破壞方面，鑒于CO2施肥效應和碳排放污染環境現象的共存，本模型僅考慮碳足跡增加對碳承載力的直接影響，即旅游者會對所經綠地和景區地塊的碳中和能力造成小程度損害。當地塊的碳中和能力低于原始值三成時，喪失資源吸引力。環境助益方面，旅游者的滿意度接近于期望滿意度時會產生環境責任行為，本地居民收入達到一定閾值時會協助環境治理，表現在模型中是綠地地塊NEP增長率的提高。

第五步：旅游者智能體的新增判斷。當旅游者的滿意度達到預期值且金錢未耗盡而離開目的地時，會產生推薦和重游行為，表現在模型中為旅游者智能體的新增。

第六步：模型的終止判斷。當模型內旅游者智能體的實時數量為零或碳承載力為零時，模型終止，輸出7個結果：“從業者人均收入（R1_MN）”“居民人均容忍度（R01_TLRC）”“ 碳足跡歷史總和（ALLCFP，每個時間步碳足跡總量的加總）”“碳承載力歷史總和（ALLCNC，每個時間步碳承載力總量的加總）”“碳平衡壓力指數（CBPI，為碳足跡歷史總和與碳承載力歷史總和的比值）”“瞬時最大游客量（MAX_TN，目的地在各單位時間步內游客量的最大值）”和“ 游客總人次（ALLT）”。

2 模型測試與驗證

２.1 平穩性檢驗

隨機設定3套初始條件，分別運行模型1 000次，每次運行時間步最長限制為500步（耗時約1min），總耗時50h左右。對各條件下的輸出結果進行平穩性檢驗，發現p 值均小于顯著性水平0.05，即數據平穩，說明已有條件參數能夠充分解釋模型結果，模型內不存在未被設置的參數。模型中可供調整的初始條件：（1）目的地環境變量，包括目的地植被覆蓋率（GR）和目的地植被NEP 自然增長率（GS）；（2）目的地社會變量，包括居民整體環境意識（EC，作用于居民容忍度變化和旅游產品定價，取值范圍為0～10，值越高環境意識越強）和目的地物價指數（P，作用于居民收入積累和旅游產品定價，設置1=低物價，2=一般物價，3=高物價）；（3）旅游者變量，包括主要客源地距離（OD，單位為km）和旅游者目的地內交通選擇偏好（VP，0=步行，1=公共交通，2=私家車或出租車）。模型中默認初始設置見表1。

2.2 模型驗證

目的地系統要素龐雜，難以運用完全定量的方法去模擬驗證其碳平衡壓力演變。故本模型基于研究共識和普遍規律對目的地的旅游碳循環系統進行抽象，力求做到映射真實世界。同時，模型驗證應用定性方法［38］，以胡斌等［39］的模擬系統驗證框架為參考，設計出樸素有效的驗證方案，即將模型輸入-輸出與一般規律比較，符合常理則有效，反之無效。兩套驗證實驗如下：

2.2.1 實驗一

考察植被覆蓋率和植被NEP增長率對目的地碳平衡壓力的影響。在控制變量的前提下分別運行模型，然后對比其輸出結果。

輸入條件1：最小的植被覆蓋率（60%）和NEP增長率（0.002）；輸入條件2：最大的植被覆蓋率（90%）和NEP增長率（0.008）。其余保持默認設置。兩種條件下各運行100次，每次時長300時間步。實驗結果見表2實驗1部分。就研究共識和常理而言，目的地植被覆蓋率和NEP 增長率的提高能增強目的地的碳中和能力，從而可在保持環境條件不變的前提下容納更多碳足跡，即容許更多的旅游活動。在模型中，條件2的各項輸出結果均值皆高于條件1。具體來看，居民的環境感知溫和化，對旅游活動更為寬容，平均容忍度從1.42陡增至33.53；環境方面，碳平衡壓力指數從0.67下降至0.55，說明環境壓力緩和；居民收入方面，更大規模的旅游活動（總人次提升67%）帶來了更多收入（提升71%）。可見演示結果基本反映了客觀規律。

2.2.2 實驗二

考察居民整體環境意識的提升對目的地旅游活動規模和碳承載力的影響。輸入條件1：居民整體環境意識為0；輸入條件2：居民整體環境意識最大化。其他設置不變。運行次數與時長同上。實驗結果見表2實驗2部分。當調高居民環境意識后，其旅游活動容忍度隨之下降，由條件1下在初始值左右的72.53驟降至條件2下的-215.78。由于“好客氛圍”的消失，游客人次也隨之減少22%，從業者人均收入下降18%。目的地碳承載力方面，由于旅游活動規模的縮小，碳足跡和來自旅游系統的環境破壞行為相應減少，碳承載力歷史總和獲得了0.2%的小幅提升，而碳平衡壓力指數顯著下降34%，環境壓力大幅減輕。據此可知，實驗結果與主流研究觀點相符，居民環境意識的增強有助于約束過量旅游，從而減輕目的地旅游碳循環壓力。

綜上，本模型通過了兩個樸素實驗方案的檢驗，輸入-輸出結果與公識規律相符，可認為其能夠良好反映現實目的地的旅游碳平衡系統。

3 模型運行與分析

模型驗證后將結合仿真實驗結果，探索不同因素與目的地碳平衡壓力變化的關系。首先對每套實驗的輸出數據進行穩定性檢驗以確保其可信，然后依據結果與實驗變量間的偏相關系數及輸出數據的三維散點圖來分析目的地碳平衡的影響因素。在本模型的未來實際應用中，可根據目的地的實際情況設定各項參數，以針對性模擬和預測目的地旅游碳平衡壓力的演變態勢。

3.1 單類參數調整的影響識別

3.1.1 環境參數變化對旅游目的地碳平衡壓力的影響

考察環境變量（植被覆蓋率與植被NEP增長率）調整對目的地碳平衡的影響。利用NetLogo中的“行為空間”設置模擬實驗：植被覆蓋率調整范圍［0.6，0.9］（跨度為0.1），植被NEP增長率調整范圍［0.002，0.008］（跨度為0.001），共28種排列組合。實驗設定為每組合運行10次，每次最高時間步限制為300步（下文均同）。對模型結果穩定性進行檢驗，即信度檢驗中的重測/再測檢驗，流程如下：從各條件組合下隨機抽取運行次數50%的輸出結果作為第一組樣本，其余構成第二組樣本；對兩組樣本做相關系數估計，所得相關系數即信度系數。測得輸出結果的Pearson 相關系數大于0.7，且在1%水平上顯著，故可認為模型試驗結果信度水平較高。

對輸出數據與受調整的環境參數進行偏相關估計（結果見表3 中GR 和GS 部分），可知碳平衡壓力指數（CBPI）、居民人均容忍度（R01_TLRC）、碳足跡歷史總和（ALLCFP）、碳承載力歷史總和（ALLCNC）、瞬時最大游客量（MAX_TN）和游客總人次（ALLT）與環境變量明顯相關。具體來講，目的地植被覆蓋率與ALLCNC 和R01_TLRC，植被NEP 增長率與ALLT 和MAX_TN 相關程度最高。重點觀察CBPI 與各參數調整間的關聯（見圖2）。據圖2a可知，碳平衡壓力與目的地植被覆蓋率負相關，而與植被NEP增長率正相關，這說明在目的地植被覆蓋率不變的情況下，提高目的地植被NEP 增長率所增加的碳匯不能抵消旅游活動強度加大所帶來的額外碳排放量，只有在優化目的地植被品種，提高單位面積固碳能力的同時，擴大目的地植被覆蓋面積，才能有效緩解旅游碳平衡壓力。

3.1.2 社會參數變化對旅游目的地碳平衡壓力的影響

考察社會變量“居民整體環境意識”與“目的地物價指數”對目的地旅游經濟及旅游碳平衡的影響。行為空間實驗設置為：居民整體環境意識調整范圍［0，10］（跨度為2），物價指數調整范圍［1，3］（跨度為1），共18種排列組合。對實驗輸出結果的信度檢驗測得兩組樣本間Pearson 相關系數大于0.75，且在5%水平上顯著。

將輸出數據與受調整的環境參數進行偏相關估計（結果見表3中EC 和P 部分），可知CBPI 與居民環境意識和物價水平成反比，除此之外，ALLCFP、MAX_TN 和ALLT 也與社會變量相關明顯，并均呈負相關。即說明居民環境意識和物價水平的提升會限制旅游活動規模，使目的地碳足跡總量減少和環境壓力減輕。結合圖2b和圖3b進行分析，可發現物價水平對碳足跡總量和碳平衡壓力的制約作用隨著居民環境意識的提升而逐漸減弱，整體上，居民環境意識對于碳足跡總量及碳平衡壓力的限制作用較物價水平更明顯。值得關注的是，從業者人均收入與目的地物價水平間偏相關系數顯著為負，結合圖3a進一步說明，盡管在模型設定中已將其環境意識作為決定旅游服務定價的參數之一，但居民環境意識與其從旅游活動中獲取的收入并未表現出明顯關聯，反而是物價水平在一定程度上決定了從業者收入。即當目的地物價處于一般水平時，從業者獲取了最多收入，而隨著物價水平的提高超出一般水平時，從業者收入水平由之降低。此現象出現的原因可能歸結于物價指數與“瞬時最大游客量”及“游客總人次”的反向關系上，對于大眾旅游者來講，昂貴的旅游成本會使其行程縮短、整體滿意水平下降并減少重游與推薦行為，進而導致旅游交易次數減少和從業者收入降低。

3.1.3 旅游者參數變化對旅游目的地碳平衡壓力的影響

考察旅游者變量“主要客源地距離”與“目的地內交通選擇偏好”對目的地旅游碳平衡的影響。行為空間實驗設置為：主要客源地距離調整范圍［100，2 100］（跨度為200），目的地內交通選擇偏好調整范圍［1，3］（跨度為1），共33種排列組合。實驗輸出結果信度檢驗測得兩組樣本間Pearson相關系數大于0.6，且在5%水平上顯著。

測算輸出數據與被調整參數間的偏相關系數（結果見表3中OD 和VP 部分），可知ALLCFP 和MAX_TN 與旅游者變量相關程度較為顯著，其中ALLCFP 與旅游者兩變量成正比，MAX_TN 與主要客源地距離成正比，與目的地內交通選擇偏好成反比。而碳平衡壓力（CBPI）則僅與主要客源地距離成正比。結合圖2c進行分析，可發現交通選擇偏好對碳平衡壓力的影響雖然存在但比較微弱，目的地旅游碳平衡壓力的走高主要取決于主要客源地距離的擴大所造成的游客行前碳足跡的增加。當客源地距離較近（0，300 km］時，游客大多選擇自駕或乘大巴前往，碳排放系數較高，碳足跡攀升較快；而當客源地距離中等（300，1 300 km］時，游客首選火車出行，碳排放系數低，此時碳平衡壓力與碳排放總量呈現出先下降后緩慢提高的特征；當客源地距離較遠（gt;1 300 km）時，飛機成為交通方式首選，其碳排放系數雖然較自駕低，但由于里程數很大，故碳足跡總量與碳平衡壓力值起點值最高。此外，目的地內交通偏好在目的地瞬時最大游客量上發揮了明顯作用，兩者呈負相關，即綠色低碳的出游方式會減輕目的地旅游碳平衡壓力，而能容納更多旅游活動。

3.2 多類參數調整的影響識別

以上單一參數調整的實驗表明，目的地植被覆蓋率GR、居民環境意識EC 和主要客源市場距離OD 與旅游目的地碳平衡壓力相關性最為明顯，后續實驗以此為基礎進行參數調整。對各實驗的輸出結果進行信度檢驗，發現皆可能通過信度檢驗，且其樣本數據組間的Pearson 相關系數分別在1%、5%和1%水平上顯著。

3.2.1 GR和EC變化對旅游目的地碳平衡壓力的影響

考察環境變量“目的地植被覆蓋率”與社會變量“居民整體環境意識”對目的地旅游碳平衡的影響。行為空間實驗設置為：目的地植被覆蓋率調整范圍［0.6，0.9］（跨度為0.1），居民整體環境意識調整范圍［0，10］（跨度為2），共24種排列組合。

將輸出數據與受調整的參數進行偏相關估計（結果見表4組合1），可知碳平衡壓力、居民容忍度、碳足跡歷史總和和游客總人次與受調整的兩變量顯著相關。觀察圖4各輸出數據的散點分布，可發現居民容忍度和游客總人次的始終與居民整體環境意識反向變化，而僅在環境意識處于極高水平時與目的地植被覆蓋率呈正向線性相關；碳平衡壓力指數變化則同時表現出與兩參數的顯著反向相關。

3.2.2 GR和OD變化對旅游目的地碳平衡壓力的影響

考察環境變量“目的地植被覆蓋率”與旅游者變量“主要客源市場距離”對目的地旅游碳平衡的影響。行為空間實驗設置為：目的地植被覆蓋率調整范圍［0.6，0.9］（跨度為0.1），主要客源地距離調整范圍［100，2 100］（跨度為200），共44種排列組合。

對輸出數據與受調整的參數進行偏相關估計（見表4組合2），發現在此調節情境下，僅碳平衡壓力與碳足跡歷史總和與兩參數的調整同時存在顯著關聯。參照圖5a可知主要客源地距離與碳平衡壓力指數的相關性始終較大，且當其處在［250，500］區間時，與碳平衡壓力指數間存在非線性相關的特征。而目的地植被覆蓋率與碳平衡壓力指數的關聯程度高低因主要客源地距離變化而變化，客源地距離越遠目的地植被覆蓋率與碳平衡壓力指數的反比關系越明顯。

3.2.3 EC和OD變化對旅游目的地碳平衡壓力的影響

考察社會變量“居民整體環境意識”與旅游者變量“主要客源市場距離”對目的地旅游碳平衡的影響。行為空間實驗設置為：居民整體環境意識調整范圍［0，10］（跨度為2），主要客源地距離調整范圍［100，2 100］（跨度為200），共66種排列組合。

測算輸出數據與被調整參數之間的偏相關系數（見表4組合3），可知僅有碳平衡壓力指數和碳足跡歷史總和兩變量與被調整參數顯著相關。通過觀察圖5b可發現，碳平衡壓力指數隨OD 值變化的幅度大于EC值。當OD值較低時，不論EC 取值高低，碳平衡壓力指數均維持在較穩定水平，而當OD值大于1200時，EC與碳平衡壓力指數的相關性逐漸明顯。但此時兩者并非同步變化，碳平衡壓力指數的下降速度隨EC 值的增加而逐漸放緩，說明在此情境下，居民整體環境意識提高對減輕目的地旅游碳循環系統壓力的貢獻存在上限。

4 結論與展望

通過建立基于多智能體的旅游目的地碳平衡壓力仿真模型，在虛擬目的地環境中對影響旅游目的地碳平衡的因素進行了探索。研究發現：

（1）旅游目的地碳承載力的提升和碳平衡壓力的減輕主要依賴于目的地植被覆蓋率。單位面積植被固碳能力的增強盡管從一定程度上能夠緩解目的地旅游碳平衡壓力，但其作用效果弱于植被覆蓋率的提升。據此目的地管理者可加強植被保護和恢復工作，開展植樹活動，提高植被覆蓋率，并通過政策扶持等鼓勵旅游從業者發展環保周邊產業，增加經濟收益。

（2）居民環境意識的增強和物價水平的提高均能明顯限制目的地內旅游碳足跡的增長，但其作用并非等效。物價水平對碳足跡總量和碳平衡壓力的抑制作用隨著居民環境意識的提升而逐漸減弱，而環境意識在此方面則始終影響明顯。此外，提升物價水平對于目的地經濟社會來講或得不償失，其雖能減輕旅游碳平衡壓力，但也很可能造成目的地旅游從業者的收入下降。目的地可加強社區環保宣傳教育，提高居民環境意識，推廣低碳生活方式。同時合理控制物價水平，避免過高物價對目的地經濟造成負面影響。

（3）主要客源市場的距離在很大程度上決定了目的地旅游碳足跡總量和碳平衡壓力指數大小，整體上兩者呈正比關系。旅游者在目的地內交通選擇的偏好與目的地旅游容量呈現出了較明顯的關系，當游客多選擇綠色低碳的出游方式時，目的地在既定時段內往往能夠容納更多旅游活動。在目的地規劃和管理中應推行旅游綠色交通，提升公共交通線路密度和運輸效率。此外還可多面向國內近鄰市場展開營銷推廣和產品設計，以吸引更多鄰近游客，減輕本地旅游碳平衡壓力。

（4）當綜合調整多類參數時，目的地植被覆蓋率和主要客源地距離依然與旅游目的地碳平衡壓力指數保持了高度關聯。客源地距離越遠，植被覆蓋率調整和居民整體環境意識大幅提高所造成的目的地旅游碳平衡壓力減輕效果越明顯。

本研究雖以較充分的理論共識為基礎設計了一套自洽仿真模型，但仍具有一些局限：其一，鑒于目的地碳平衡實現過程的復雜性，抽象模型在建立中不可避免會忽視一些實際情況，故本研究實驗結果與分析結論僅能反映現實的某個側面。其二，本模型聚焦在一種旅游目的地類型上，即以自然資源，尤其是森林資源為核心吸引力的目的地，因此對于其他類型的目的地，如人文歷史型目的地，模型可能需要進一步探討和修正。

在下一階段，除將本模型應用于具體旅游目的地的碳平衡壓力預測和管理外，還可考慮在以下方面對模型進行拓展：①擴充智能體類別和行為規則，如對旅游者按收入水平、出游目的和年齡結構等進行分類，更細致地設定智能體差異化行為從而更貼合現實系統的復雜性；②增添新的輸入參數，如地方旅游經濟水平、旅游容量管理措施等，從更多角度考慮影響目的地旅游碳平衡的因素；③在目的地環境中引入生態環境以外的其他旅游吸引物，如城市建筑或村落等以更趨近于目的地實際情況。