胡林林，賈俊松，周 秀

(1.江西師范大學(xué)a.鄱陽湖濕地與流域研究教育部重點實驗室；b.地理與環(huán)境學(xué)院；c.研究生院，江西 南昌330022；2.中國科學(xué)院科技政策與管理科學(xué)研究所 能源與環(huán)境政策研究中心，北京 100190)

我國旅游住宿碳排放時空特征及其主要影響因素

胡林林1a,1b,1c，賈俊松1a,1b,2，周 秀1a,1b,1c

(1.江西師范大學(xué)a.鄱陽湖濕地與流域研究教育部重點實驗室；b.地理與環(huán)境學(xué)院；c.研究生院，江西 南昌330022；2.中國科學(xué)院科技政策與管理科學(xué)研究所 能源與環(huán)境政策研究中心，北京 100190)

核算了我國31個省區(qū)旅游住宿碳排放量，并分析了其時空動態(tài)特征與影響因素。結(jié)果發(fā)現(xiàn)：①該碳排放在2000～2003、2004～2006及2007～2010年間分別經(jīng)歷了起伏、線性與起伏3個增長階段。兩次起伏可能是由于“非典”疫情及金融危機的影響作用。②分省區(qū)看，北京總量和人均量均最大，表明其旅游住宿資源開發(fā)最為齊備，未來可開發(fā)的空間相對較小。同樣地，海南、廣東和上海也較小。但海南的碳排放強度總最大，表明其經(jīng)濟增長對旅游業(yè)依賴性最大。相反地，北京經(jīng)濟增長越來越不依賴旅游業(yè)發(fā)展。碳排放密度則西北小，東南大，呈現(xiàn)類“胡煥庸線”特征。③影響因素按大小可依次排序為：交通活動、研發(fā)活動、電信配套設(shè)施建設(shè)活動、宏觀經(jīng)濟活動、城鎮(zhèn)化建設(shè)活動、教育活動、傳媒活動、醫(yī)療衛(wèi)生活動及人口增長活動。據(jù)此，提出了一些降低旅游住宿碳排放的對策建議供決策者參考。

旅游住宿碳排放；時空特征；影響因素；Hi_PLS

低碳旅游是旅游業(yè)未來，發(fā)展低碳旅游已成必然趨勢[1]。目前對旅游住宿碳排放的研究不多見，也不深入。如，Nielsen等僅估算1998年瑞士旅游住宿溫室氣體排放量占旅游總溫室氣體排放總量的10％[2]。石培華等僅估算了2008年全國星級飯店住宿的CO2排放量為15.36 Mt[3]。鐘永德等僅對張家界20家不同星級酒店進行了走訪，發(fā)現(xiàn)游客日均碳排放存在較大的差異[4]?？梢?，文章擬以我國31個省區(qū)為例，先對其旅游住宿碳排放量進行估算并分析其時空動態(tài)特征。再采用合適的Hi_PLS模型對其影響因素進行辨析，據(jù)此，分析旅游住宿低碳發(fā)展對策具有一定創(chuàng)新意義，結(jié)果可供相關(guān)決策制定者參考。

1 數(shù)據(jù)與方法

數(shù)據(jù)來源包括：《中國統(tǒng)計年鑒》、《中國旅游年鑒》、《中國旅游統(tǒng)計年鑒》、《旅游抽樣調(diào)查資料》及各省區(qū)有關(guān)年鑒。采用石培華旅游住宿碳排放計算方法[3]。Hi_PLS方法來自王惠文著作[4]。

2 結(jié)果與分析

2.1 總體變化

圖1表示我國旅游住宿碳排放總量及人均量變化，從中可見，研究期間該總量和人均量均在增長，但呈現(xiàn)明顯的3階段，即2000～2003、2004～2006及2007～2010年期間分別是起伏、線性再起伏增長階段。這表明總體上人們越來越愿意外出觀光并在旅游地居住。但各種因素影響下，人們旅游觀光的意愿可能會被間歇性削弱，如2003年SARS爆發(fā)，政府及時采取各種措施控制疫情傳播，這同時也限制了人們外出旅游觀光的機會，從而導(dǎo)致碳排放下降。2005～2007年，各方面發(fā)展平順，旅游住宿碳排放顯著且穩(wěn)定增長。2008年后，世界金融危機及低碳發(fā)展意識觀念越來越被得到重視的作用下，人們外出旅游觀光的機會也自然不穩(wěn)定的發(fā)生起伏。為敘述方便，本文將這三階段分別命名為階段1、2和3，3階段碳排放值分別采用各自年限內(nèi)的平均值表示。

2.2 分省區(qū)變化

圖2表示了各省區(qū)旅游住宿碳排放總量、人均量、強度及密度動態(tài)變化。省區(qū)排放總量反映了區(qū)域旅游住宿資源開發(fā)現(xiàn)狀及總的態(tài)勢。總量規(guī)模微型表示其值＜0.25×106tC/a，輕型表示≥前者而＜0.50×106tC/a，同樣地，中型表示＜0.75×106tC/a，重型則表示≥0.75×106tC/a。從階段1到3，總量一直微型的有黑龍江、貴州、內(nèi)蒙古、吉林、天津、青海、寧夏和西藏，一直輕型的有湖北、福建、四川、廣西和海南，一直重型的有廣東和北京。人均排放量也一定程度上反映了區(qū)域旅游住宿資源開發(fā)程度及絕對的態(tài)勢。人均量極小表示其值＜5kgC/人，小表示≥前者而＜10kgC/人，同樣地，大表示＜25kgC/人，極大則表示≥25kgC/人。從階段1到3，人均量一直極小的有黑龍江、河北和四川，一直小的有江蘇、廣西、寧夏、湖北和吉林，一直大的省區(qū)有浙江、新疆和廣東，一直極大的有北京、上海和海南。綜合總量和人均量可知，北京一直是最大的，這說明北京旅游住宿資源開發(fā)最為齊備，其未來可再開發(fā)的空間則相對較小，類似地，海南、廣東和上海也很齊備，它們未來再開發(fā)空間也相對較小。

圖1 2000～2010年全國旅游住宿碳排放總量及人均量Fig.1 Total and per capita of carbon emissions from tourism accommodation in China in 2000～2010

強度用排放量與GDP比值表示，該值可反映區(qū)域經(jīng)濟增長對旅游業(yè)的依賴程度。強度越大，依賴程度越高，反之亦然。強度極低表示其值＜5kgC/104元，低表示≥前者而＜10kgC/104元，同樣地，高表示＜20kgC/104元，極高則表示≥20kgC/104元。從階段1到3，強度一直極低的有河南、山東、黑龍江、河北與內(nèi)蒙古，一直低的有青海、貴州、湖南、陜西、江西及浙江，一直高的有云南和西藏，一直極高的有海南，這說明海南經(jīng)濟增長對旅游業(yè)依賴程度最大。然而，北京排放強度從極高變到低，這說明其經(jīng)濟增長對旅游業(yè)依賴程度在下降，即區(qū)域經(jīng)濟增長越來越不依賴旅游業(yè)發(fā)展。此外，還有其余16省區(qū)也存在類似趨勢。

密度用排放量與區(qū)域國土面積比值表示，極小表示其值＜1tC/km2，小表示≥前者而＜3tC/km2，同樣地，中表示＜10tC/km2，大則表示≥10tC/km2。從階段1到3，密度一直極小的有四川、寧夏、甘肅、黑龍江、新疆、內(nèi)蒙古、青海及西藏，這可能是這些省區(qū)地廣人稀所致，它們基本位于我國西北部。這種現(xiàn)象呈現(xiàn)出一種類似人口分布中的“胡煥庸線”特征。密度一直小的有湖北、河北和廣西，一直居中的有江蘇和廣東，一直最大的有北京和上海，這說明該兩省區(qū)旅游地域資源稟賦最狹小，而上文已分析得知這兩省區(qū)旅游住宿資源開發(fā)的最為齊備，因而，它們遠期開發(fā)空間或潛力相對最小。

圖2 各省區(qū)旅游住宿碳排放總量、人均量、強度及密度動態(tài)變化Fig.2 Provincial changes of total,per-capita,intensity and density of the CE from tourism accommodation

2.3 影響因素分析

采用階段3旅游住宿碳排放年平均值作為因變量，反映我國社會經(jīng)濟發(fā)展的53個指標作為自變量，進行Hi_PLS模型分析。53個指標按如表1所示分成11組，構(gòu)建11個底層PLS模型，分別提取出相應(yīng)的PLS主成分，然后把這些主成分作為自變量，構(gòu)建1個頂層模型，執(zhí)行總體PLS回歸，得出最終結(jié)果，具體如表2所示。

表1 影響因素內(nèi)涵及其塊號?Table 1 Connotation and corresponding sub-blocks of the potential driving factors

表2 Hi_PLS模型回歸結(jié)果Table 2 Regression result of Hi_PLS Model

以表1中人口為例，其總共包含6個具體指標，這些指標共同反映一個省域的人口增長及其結(jié)構(gòu)等特征。表2中R2X和R2Y分別表示所提取的PLS主成分所能解釋的矩陣X和矩陣Y的方差(信息)的能力[5]。Q2cum為交叉有效性，表示所提取的PLS主成分所能解釋的因變量總方差的比例，一般認為該值大于0.5時，所建立的模型具有較好的預(yù)測可靠性[5]。R2為回歸模型的可決系數(shù)。從Q2cum可以看出，模塊5和6均不能通過可靠性檢驗，因它們Q2cum分別為-0.09及0.153，遠小于0.5。這說明模塊5和6對應(yīng)的指標與旅游住宿碳排放量之間不存在顯著PLS關(guān)系，也即不是重要的影響因素。這點從它們各自的VIP圖也可以看出[5](M6.t1與M5.t1均小于1，見圖3)。具體原因可解釋為：模塊5和6的指標反映了一個區(qū)域的自然資源稟賦和農(nóng)業(yè)活動強度等情況，這些指標完全不能反映一個區(qū)域旅游住宿及其相關(guān)的活動等信息，即兩組指標與旅游住宿活動幾乎毫無關(guān)聯(lián)。

圖3 頂層PLS模型VIP圖像Fig.3 VIP graph of the top PLS model

表2可看出頂層模型可決系數(shù)雖比第10模塊的可決系數(shù)小(0.810＜0.823)，但其交叉有效性則大于后者(0.779＞0.774)，這說明Hi_PLS模型結(jié)果更可靠，因而，可以用該頂層PLS模型結(jié)果做為最終結(jié)果。依據(jù)該結(jié)果VIP圖，可將旅游住宿碳排放影響因素按重要性遞減依次排序為[5]：①交通活動(M10.t1)、②研發(fā)活動(M4.t1)、③電信配套設(shè)施建設(shè)活動(M11.t1)、④宏觀經(jīng)濟活動(M2.t1)、⑤城鎮(zhèn)化建設(shè)活動(M9.t1)、⑥教育活動(M3.t1)、⑦傳媒活動(M7.t1)、⑧醫(yī)療衛(wèi)生活動(M8.t1)及⑨人口增長活動(M1.t1)。其中，前6個子塊的VIP值均大于1.25，后3個子塊的VIP值在1～1.25之間。

為進一步分析交通子塊具體重要影響指標，繪出該子塊PLS模型VIP圖(見圖4)，從中可看出，具體指標有X1008(新注冊民用汽車擁有量)、X1006(民用汽車擁有量)及X1007(私人汽車擁有量)，它們VIP值均大于1.25。具有一定重要作用的指標則有X1002(公路運輸職工人數(shù))及X1009(公路運營汽車擁有量)，它們VIP值在1～1.25之間[5]。這可解釋為：汽車擁有量增長增加了人們生活自由度，人們很自然地有更多機會外出旅游并住宿。另外，公路運輸職工人數(shù)及公路運營汽車擁有量增加便相應(yīng)增加了公路可達性，從而也為人們外出旅行提供了便利和機會，自然地帶動了公路旁邊住宿飯店的興起。

研發(fā)活動是第二重要影響因素，可能是由于研發(fā)活動要經(jīng)常進行國內(nèi)外學(xué)術(shù)交流的原因所致。當前我國從事研發(fā)活動的人員越來越多，自然地這類研討會議的機會也越多，從而增加了旅游住宿及其碳排放量。電信配套設(shè)施建設(shè)活動及其他宏觀經(jīng)濟活動是第三、四類重要影響因素。這是因為現(xiàn)代社會電信設(shè)施建設(shè)等經(jīng)濟活動強度越高，自然能吸引更多外來觀光旅游者，旅游住宿碳排放自然也越高。城鎮(zhèn)化建設(shè)活動和教育活動是第五、六類重要影響因素，可能是由于城鎮(zhèn)化和教育的普及逐漸開闊了人們的視野，從而提高了人們外出旅游次數(shù)及住宿碳排放。傳媒活動、醫(yī)療衛(wèi)生活動及人口增長活動是第七、八、九類重要影響因素。這說明此三類活動增強也會在一定程度上促進當?shù)芈糜螛I(yè)興旺及住宿碳排放增長，但它們促進作用不大。

圖4 第10子塊PLS模型VIP圖像Fig.4 VIP graph of the tenth block’s PLS model

3 結(jié)論與討論

我國旅游住宿碳排放總量及人均量在2000～2003、2004～2006及2007～2010年期間分別經(jīng)歷了起伏、線性和起伏增長階段。兩次起伏可能來自“非典”疫情及全球金融危機等的影響作用。分省區(qū)看，北京總量和人均量總最大，這說明北京旅游住宿資源開發(fā)最為齊備，因而未來可再開發(fā)空間相對較小。同樣地，海南、廣東和上海也相對較小。然而，海南排放強度最高，這說明海南經(jīng)濟的增長對其旅游業(yè)依賴性很大。相反地，北京經(jīng)濟增長越來越不依賴其旅游業(yè)發(fā)展。排放密度方面，西北部小，而東南部大，呈現(xiàn)出類“胡煥庸線”特征。影響旅游住宿碳排放的因素按重要性遞減可依次排序為：交通活動、研發(fā)活動、電信配套設(shè)施建設(shè)活動、宏觀經(jīng)濟活動、城鎮(zhèn)化建設(shè)活動、教育活動、傳媒活動、醫(yī)療衛(wèi)生活動及人口增長活動。可見，為促進區(qū)域旅游業(yè)低碳發(fā)展，降低住宿碳排放，可以：①大力提升運輸系統(tǒng)的科技水平，提高運輸效率，如，采用最潔凈運輸工具(電動汽車)等；②提高研發(fā)活動的能源使用效率，如，推廣網(wǎng)絡(luò)會議交流模式；等。

[1] 楊 洪,孫 躍,陳志軍.”低碳經(jīng)濟”視野下的湖南省旅游產(chǎn)品開發(fā)研究[J].中南林業(yè)科技大學(xué)學(xué)報,2012,32(1):13-17.

[2] Nielsen SP,Sesartic A,Stucki M.The greenhouse gas intensity of the tourism sector:The case of Switzerland[J].Environmental Science &Policy,2010,13(2):131-140.

[3] 石培華,吳 普.中國旅游業(yè)能源消耗與CO2排放量的初步估算[J].地理學(xué)報,2011,66(2):235-243.

[4] 鐘永德,李世宏,羅 芬.我國旅游業(yè)計量的三個關(guān)鍵問題思考[J].中南林業(yè)科技大學(xué)學(xué)報,2012,32(11):140-143.

[5] 王惠文,吳載斌,孟 潔.偏最小二乘回歸的線性與非線性方法[M].北京:國防工業(yè)出版社,2006:142-274.

The temporal-spatial characteristics and main in fl uencing factors of carbon emissions from tourism accommodation in China

HU Lin-lin1a,1b,1c,JIA Jun-song1a,1b,2,ZHOU Xiu1a,1b,1c

(1a.Key Lab.of Poyang Lake Wetland and Watershed Research,Ministry of Education;1b.School of Geography and Environment;1c.School of Graduate,Jiangxi Normal University;Nanchang 330022,Jiangxi,China;2.Center for Energy &Environmental Policy Research,Institute of Policy and Management,Chinese Academy of Sciences,Beijing.100190,China)

Taking China’s 31 provinces as examples,we calculate the carbon emissions(CE)from tourism accommodation and analyze their spatial-temporal characteristics,and identify their in fl uencing factors.The results show that:(1)the total CE of China’s tourism accommodation experienced three growth stages( fl uctuant,linear and fl uctuant)in 2000～2003,2004～2006 and 2007～2010,respectively.The two fl uctuant stages maybe arise from the effects of the“SARS” and the world fi nancial crisis.(2)Total and percapita of Beijing’s CE is always the maximum,which indicates the resource development of its tourism accommodation is the most suf fi cient and its developable space is relatively small.Similarly,Hainan,Guangdong and Shanghai are also small.But,Hainan has the largest CE’s intensity,which indicates its economic growth largely depends on tourism.On the contrary,Beijing’s economic growth doesn’t rely on its tourism development increasingly.in the density’s aspect,Northwest is low,but Southeast is large,which shows the similar characteristics of“Hu’s line”.(3)The in fl uencing factors can be sorted from big to small as:traf fi c activities,R&D activities,construction activities of telecommunications facilities,macro-economic activities,urbanization activities,educational activities,media events,health care activities and population growth activities.Based on these,we put forward some suggestions of reducing regional CE from tourism accommodation for the decision makers.

carbon emissions from tourism accommodation;temporal-spatial characteristics;in fl uencing factors;Hi_PLS

S727.5

A

1673-923X(2015)03-0123-06

10.14067/j.cnki.1673-923x.2015.03.025

2014-01-10

國家自然科學(xué)基金項目(41001383,71473113)；江西師范大學(xué)博士啟動基金項目(4581)；中國博士后科學(xué)基金特別項目(201003158)；江西省教育廳項目(GJJ14266)

胡林林，碩士研究生

賈俊松，副教授，博士后，碩士研究生導(dǎo)師；E-mail：jiaaniu@126.com

胡林林，賈俊松，周 秀，等.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(yè)科技大學(xué)學(xué)報，2015,35(3):123-128.

[本文編校：吳 毅]