姚丹, 任麗燕,*, 馬仁鋒, 李澤坤, 王彩娟

長三角旅游業(yè)碳排放強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, 對長三角25個城市2010—2016年旅游業(yè)碳排放進行測算的基礎(chǔ)上, 采用探索性空間數(shù)據(jù)分析方法(ESDA)分析旅游業(yè)碳排放強度的空間結(jié)構(gòu), 并利用SDM模型對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外, 其余城市整體呈增長趨勢, 碳排放強度呈逐年下降態(tài)勢; (2)旅游業(yè)碳排放強度表現(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)化率與能源消費結(jié)構(gòu)在影響旅游業(yè)碳排放強度中直接效應(yīng)顯著為負; 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; 能源強度表現(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, 旅游碳排放對于環(huán)境的影響逐漸增大。在旅游產(chǎn)業(yè)碳排放的國家排序中, 中國的排放總量占比僅次于美國, 位居第二[1]。在全球變暖和節(jié)能減排的背景下, 2015年11月中國政府向國際社會承諾中國將于2030年左右使CO2排放達到峰值, 并爭取盡早實現(xiàn)2030年碳排放強度比2005年下降60%—65%的目標[2]。因此推進旅游業(yè)碳減排, 是響應(yīng)我國減排任務(wù)的必然之舉, 也是實現(xiàn)旅游經(jīng)濟可持續(xù)發(fā)展的重要方式。上世紀90年代, 西方學(xué)術(shù)界開始對旅游業(yè)碳排放進行研究。Becken等[3]學(xué)者的研究表明評估國家旅游業(yè)CO2排放量對其旅游業(yè)實現(xiàn)可持續(xù)發(fā)展至關(guān)重要; Lee等[4]采用歐盟國家1988—2009年面板數(shù)據(jù)進行單位根和協(xié)整檢驗, 探究旅游業(yè)對經(jīng)濟增長和CO2排放的影響。Bale?entis等[5]以立陶宛鄉(xiāng)村為例, 探究了鄉(xiāng)村旅游地數(shù)量、農(nóng)莊空間分布、旅游容量以及游客停留時間長短等因素對鄉(xiāng)村旅游業(yè)碳排放的影響。我國學(xué)者于2009年左右對旅游碳排放的關(guān)注逐漸增多。如石培華等[6]應(yīng)用文獻研究和數(shù)理統(tǒng)計法, 發(fā)現(xiàn)2008年中國旅游業(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)勢產(chǎn)業(yè)。查建平等[7]估算中國省級旅游業(yè)碳排放量, 在此基礎(chǔ)上進一步利用面板模型分析影響旅游業(yè)碳排放強度的因素。王凱等[8]基于面板數(shù)據(jù), 利用修正的引力模型和社會網(wǎng)絡(luò)分析方法, 分析中國旅游業(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, 本文利用長三角25個地級以上城市的面板數(shù)據(jù), 測算旅游業(yè)碳排放強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)實參考。

1 研究區(qū)與研究方法

1.1 研究區(qū)域

本文研究長三角地區(qū)包括浙江省、江蘇省和上海市兩省一市所轄的25個地級以上城市(圖1)。長三角是中國旅游發(fā)展最為活躍和最具潛力的地區(qū)之一, 其經(jīng)濟增長在全國一直名列前茅, 對國家經(jīng)濟發(fā)展具有舉足輕重的作用。2010年以來, 旅游經(jīng)濟平穩(wěn)快速發(fā)展, 2010年長三角旅游總收入為10951.02 億元, 2016年則達到22240.86 億元, 增長達到2.03倍; 旅游總收入占GDP比重穩(wěn)步增長, 2010年長三角旅游總收入占GDP的12.6%, 2016年該比重達到14.7%。

圖 1 長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 旅游碳排放量的測算

測算旅游業(yè)碳排放量, 需要獲取旅游業(yè)的能源消費量, 但到目前為止我國能源統(tǒng)計中沒有針對旅游業(yè)的單獨統(tǒng)計, 因此要從能源統(tǒng)計數(shù)據(jù)中將旅游業(yè)能源消費量提取出來[14]。目前我國第三產(chǎn)業(yè)內(nèi)部劃分與國民經(jīng)濟行業(yè)分類基本一致, 旅游業(yè)主要涉及第三產(chǎn)業(yè)中的交通運輸、倉儲和郵政業(yè), 批發(fā)和零售業(yè), 住宿和餐飲業(yè)三個行業(yè)部門, 這與省級第三產(chǎn)業(yè)的能源平衡統(tǒng)計表中交通運輸、倉儲和郵政業(yè), 批發(fā)、零售和住宿、餐飲業(yè)基本相對應(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), 分別計算出各地市交通運輸、倉儲和郵政業(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)能源消費量從全省第三產(chǎn)業(yè)能源終端消費量中剝離出來; 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。具體計算見公式(1)。

其中:E為各地區(qū)旅游業(yè)能源消費量;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, 即交通運輸、倉儲和郵政業(yè), 批發(fā)零售和住宿餐飲業(yè));

在旅游業(yè)能源消費量計算結(jié)果的基礎(chǔ)上, 進一步計算旅游業(yè)碳排放量, 即:

其中:為長三角旅游業(yè)碳排放總量;C為各市旅游業(yè)碳排放量;f表示j類能源的標準煤轉(zhuǎn)換系數(shù);表示單位標準煤的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, 計算旅游業(yè)碳排放強度指數(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)。反映整個研究區(qū)域內(nèi)的空間特征和空間相關(guān)性的整體趨勢。一般采用全局Moran’s I指數(shù)進行度量, 其推算方法如下:

上述數(shù)據(jù)采用顯著性檢驗方法均為Z檢驗。

1.2.3 空間計量模型

由上文分析方法得出: 旅游業(yè)碳排放強度的分布具有較強的空間依賴性, 因此有必要采用面板數(shù)據(jù)空間計量模型識別旅游業(yè)碳排放強度空間分布的影響因素[16]?？臻g計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軟件進行模型檢驗, 結(jié)果顯示, LR檢驗和Wald檢驗結(jié)果均在5%的顯著水平下拒絕了原假設(shè), 表明數(shù)據(jù)模型不可簡化, 即選取空間杜賓模型(SDM)對于分析旅游業(yè)碳排放強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。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系數(shù),表示空間自相關(guān)誤差項。

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個年份作為研究時間截面。旅游業(yè)碳排放測度所需數(shù)據(jù)主要有: 長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(交通倉儲、運輸和郵政業(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), 均來源于各地級市統(tǒng)計年鑒和統(tǒng)計公報; 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種能源終端消費量以及能源的標準煤轉(zhuǎn)換系數(shù), 主要來源于中國能源統(tǒng)計年鑒中江蘇、浙江、上海三地的能源平衡表與附錄中各種能源折標準煤參考系數(shù)。

2 旅游業(yè)碳排放強度及空間格局

2.1 旅游業(yè)碳排放總量及強度

根據(jù)式(1—3), 測算長三角旅游業(yè)碳排放總量(見表1)。結(jié)果表明: 上海作為世界級旅游城市, 其旅游業(yè)碳排放量位居首位, 從時間序列來看, 其總體為下降趨勢, 由約占長三角旅游業(yè)排放量的43%降到25%。另外南京市旅游碳排放量經(jīng)過小幅度波動后, 在2016年排放CO2約176.3 萬噸, 整體也表現(xiàn)出下降趨勢。其余城市旅游業(yè)碳排放量較2010年均呈現(xiàn)增長態(tài)勢, 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城市以及浙江省經(jīng)濟中心, 旅游業(yè)的發(fā)展使其碳排放量位于長三角前列; 舟山市是全國唯一的群島旅游城市, 其旅游業(yè)發(fā)展勢頭強勁且已成為其戰(zhàn)略產(chǎn)業(yè)。整個研究區(qū)域從2010到2016年旅游業(yè)碳排放量增長超過30%。

另外, 從各市旅游業(yè)碳排放均值及其年均增長率(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)展狀況。就增長率而言, 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)碳排放量的增長速度都超過30%, 其中麗水、湖州甚至超過180%, 宿遷更是高達400%。而上海和南京這兩個旅游業(yè)碳排放量較高的城市增長率為負, 表明對于減緩研究區(qū)旅游業(yè)碳排放增長而言, 上海和南京做出了較大的貢獻。

表1 2010—2016年長三角各市域旅游業(yè)碳排放量(萬噸)

表2 2010—2016年長三角25個城市旅游業(yè)碳排放均值及年均增長率

以上述數(shù)據(jù)為基礎(chǔ), 計算旅游業(yè)碳排放強度(圖2), 此處展示3個年份數(shù)據(jù)以及7年的平均值?？疾靾D2強度值可以看出, 長三角大部分地區(qū)旅游業(yè)碳排放強度較低, 可見單位旅游收入的增長所帶來的CO2排放量相對較低。從空間分布上看, 研究區(qū)旅游業(yè)碳排放強度呈現(xiàn)明顯的層次性: 舟山均值在0.5 (噸·萬元-1)以上, 為碳排放強度較高區(qū)域; 上海、寧波、嘉興、徐州和宿遷5個城市均值在0.3—0.5 (噸·萬元-1)之間, 碳排放強度居中; 杭州、溫州、湖州、紹興、金華等19個城市均值低于0.3 (噸·萬元-1), 屬于碳排放強度較低區(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, 長三角旅游業(yè)碳排放強度存在顯著的區(qū)域差異。

2.2 碳排放強度空間格局演化

2.2.1 全局空間格局演化

運用ArcGIS10.2軟件對長三角旅游業(yè)碳排放強度全局Moran’s I值進行計算和檢驗, 結(jié)果如圖3?？傮w來看, 旅游業(yè)碳排放強度的全局Moran’s I值均在0.3以上(除2013年), 且均通過5%顯著性檢驗, 表明長三角旅游業(yè)碳排放強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)。從演變趨勢來看, 全局Moran’s I值總體呈下降趨勢, 2014年之前呈現(xiàn)出大幅波動, 之后小幅波動趨于平穩(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)碳排放強度集聚不斷強化, 2011—2013年開始快速下降, 空間集聚趨勢逐漸減弱, 直至2013年以后緩慢上升之后趨于平穩(wěn), 表明空間集聚趨勢持續(xù)強化后維穩(wěn)。

圖2 2010、2013、2016年長三角25個城市旅游業(yè)碳排放強度

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

圖3 2010—2016年長三角碳排放強度全局Moran’s I與p值變化趨勢

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)碳排放強度的空間格局相對穩(wěn)定。局部空間集聚逐漸增強的趨勢與全局空間格局演進相對應(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)并向外擴散的空間格局, 且總體上浙江省碳排放強度高于江蘇省。

(2)在總體格局保持相對穩(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, 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)濟效益的提升, 致使碳排放強度有所升高。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, 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年后其碳排放強度出現(xiàn)明顯下降趨勢, 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)碳排放強度較低的地區(qū)帶動了鄰近區(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。

3 旅游業(yè)碳排放強度影響因素分析

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), 主要因素有能源強度、能源結(jié)構(gòu)、對外開放水平、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, 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)自身特點和發(fā)展現(xiàn)狀, 擬選用城鎮(zhèn)化率()、經(jīng)濟發(fā)展水平()、產(chǎn)業(yè)結(jié)構(gòu)()、能源強度()和能源消費結(jié)構(gòu)()作為自變量, 旅游業(yè)碳排放強度()為因變量, 以此來探究各因素對旅游業(yè)碳排放強度的影響狀況, 具體變量說明如表3所示。另外本文針對模型自變量進行VIF共線性檢驗, 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年長三角各城市旅游業(yè)碳排放強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為隨機誤差項, 其他字符含義參照公式(6)。

3.2 實證結(jié)果分析

在進行空間面板數(shù)據(jù)計量分析時, 首先要使用Hausman檢驗, 確定空間模型是采用隨機效應(yīng)還是固定效應(yīng)模型。本研究使用STATA15.0得到Hausman檢驗統(tǒng)計量為92.2, 且通過1%的顯著性檢驗, 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: 個體固定效應(yīng)模型、時間固定效應(yīng)模型和雙固定效應(yīng)模型, 本研究運用LR檢驗, 結(jié)果顯示個體固定效應(yīng)接受假設(shè), 即選取個體固定擬合效果最優(yōu), 因此建立個體固定效應(yīng)的空間杜賓模型對各影響因素進行回歸分析。表4是利用STATA15.0對長三角旅游業(yè)碳排放強度影響因素進行空間計量的模型參數(shù)估計結(jié)果, 為比較出模型擬合優(yōu)度, 此處同時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 空間計量模型估計結(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, 赤池信息準則(AIC)和貝葉斯信息準則(BIC)均較小, 表明SDM模型優(yōu)于SLM和SEM模型[18]。計算結(jié)果來看, 人均GDP(ln)與城鎮(zhèn)化率的空間滯后項(W×ln)的相關(guān)系數(shù)未通過顯著性檢驗, 其余變量均通過了1%的顯著性檢驗。由此可知, 多數(shù)影響因素在旅游業(yè)碳排放強度增長過程中發(fā)揮重要作用。

LeSage等[19]認為, 若空間計量模型中存在空間滯后項時, 則解釋變量的回歸系數(shù)無法反映對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影響因素空間效應(yīng)展開分解(表5), 從而進一步分析旅游業(yè)碳排放強度的直接效應(yīng)(影響因素對各城市內(nèi)部旅游業(yè)碳排放強度的影響程度)、溢出效應(yīng)(影響因素對周邊鄰近城市旅游業(yè)碳排放強度的影響程度)以及對整個區(qū)域的總效應(yīng)(影響因素對于整個研究區(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, 表明人均GDP對于本區(qū)域旅游業(yè)碳排放強度的影響不顯著, 而城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源強度和能源消費結(jié)構(gòu)是重要驅(qū)動因素。城鎮(zhèn)化率與能源消費結(jié)構(gòu)對于旅游業(yè)碳排放強度的增長表現(xiàn)出較強的抑制作用, 其中城鎮(zhèn)化率每增長1%, 旅游業(yè)碳排放強度下降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)對于旅游業(yè)碳排放強度的增長具有促進作用, 表明第三產(chǎn)業(yè)的不斷發(fā)展致使長三角各地區(qū)內(nèi)部旅游業(yè)碳排放強度不斷增加。能源強度的直接效應(yīng)系數(shù)為0.603, 說明旅游業(yè)單位GDP能源消耗是推動各區(qū)域旅游業(yè)碳排放強度增長的關(guān)鍵因素。

間接效應(yīng)中, 城鎮(zhèn)化率和能源強度作用不顯著, 人均GDP與能源消費結(jié)構(gòu)表現(xiàn)出顯著促進作用, 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對于周邊地區(qū)旅游業(yè)碳排放強度的增長起到促進作用, 表明本地區(qū)人均GDP的提升, 對于促進周邊地區(qū)旅游業(yè)發(fā)展進而產(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), 對于旅游業(yè)碳排放強度的提升有抑制作用。能源消費結(jié)構(gòu)較高的地區(qū), 對于周邊區(qū)域旅游業(yè)碳排放強度的增長起到促進作用, 表現(xiàn)出正向的溢出效應(yīng)。

總效應(yīng)中, 能源消費結(jié)構(gòu)作用不顯著, 其余變量均通過顯著性檢驗, 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和能源強度呈現(xiàn)正向的促進作用。城鎮(zhèn)化率表現(xiàn)出強烈的抑制作用, 即城鎮(zhèn)化率每增長1%, 研究區(qū)旅游業(yè)碳排放強度降低3.289%。人均GDP系數(shù)為0.839, 表明人均GDP的增長促進了區(qū)域旅游業(yè)碳排放強度的增加。產(chǎn)業(yè)結(jié)構(gòu)的變動, 對于區(qū)域旅游業(yè)碳排強度起到負向作用, 說明第三產(chǎn)業(yè)結(jié)構(gòu)的變動, 在促進旅游經(jīng)濟發(fā)展的同時所帶來的碳排放量有所減少。能源強度系數(shù)為0.469, 是推動區(qū)域旅游業(yè)碳排放增長的主要因素。

4 討論

降低旅游業(yè)碳排放強度對于實現(xiàn)我國2030年減排目標意義重大, 本文通過對長三角旅游業(yè)碳排放強度的實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)碳排放強度數(shù)據(jù)表明, 舟山、上海、寧波、嘉興、徐州和宿遷屬于長三角碳排放高強度區(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, 并且將在較長時間內(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)濟發(fā)展水平與能源強度對研究區(qū)旅游業(yè)碳排放強度起到顯著的正向促進作用, 然而經(jīng)濟的發(fā)展以及旅游業(yè)規(guī)模的擴大成為必然趨勢, 不可能通過抑制經(jīng)濟發(fā)展水平來達到減少碳排放強度的目的, 因此降低能源強度, 重視技術(shù)創(chuàng)新, 轉(zhuǎn)變旅游經(jīng)濟增長方式, 以實現(xiàn)旅游經(jīng)濟由高耗能產(chǎn)業(yè)向循環(huán)綠色產(chǎn)業(yè)轉(zhuǎn)變。產(chǎn)業(yè)結(jié)構(gòu)對于鄰近區(qū)域的碳排放強度降低具有顯著的促進作用, 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, 有助于促進旅游業(yè)碳排放強度的降低。旅游業(yè)煤炭消費量占能源消費總量的比重逐年增長, 這對于實現(xiàn)區(qū)域內(nèi)部碳排放強度的增長具有抑制作用, 對周邊區(qū)域的碳排放強度增長有促進作用, 故而在今后的發(fā)展中應(yīng)調(diào)整能源消費結(jié)構(gòu), 提高清潔能源的消費比重, 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, 進一步強化旅游業(yè)碳排放的空間關(guān)聯(lián)性。

5 結(jié)論

本文通過對長三角2010—2016年旅游業(yè)碳排放強度的測算, 分析其時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, 長三角旅游業(yè)碳排放量呈現(xiàn)逐年增長的態(tài)勢。其中上海市碳排放量位居長三角城市首位, 但從時間序列來看上海市旅游業(yè)碳排放量逐年遞減。增長速率方面, 除上海市和南京市為負增長外, 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)時空格局來看, 歷年來各市旅游業(yè)碳排放強度變化趨勢基本一致且呈現(xiàn)逐年遞減的趨勢; 空間上具有較強的相關(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, 長三角旅游業(yè)碳排放強度影響因子存在明顯的空間效應(yīng), 其中城鎮(zhèn)化率和能源消費結(jié)構(gòu)的提高, 對本地城市旅游業(yè)碳排放強度的增長具有顯著的抑制作用, 而產(chǎn)業(yè)結(jié)構(gòu)和能源強度表現(xiàn)出明顯的促進作用; 人均GDP和能源消費結(jié)構(gòu)對于相鄰城市旅游業(yè)碳排放強度的增長表現(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; 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, 其中城鎮(zhèn)化率的影響強度更為強烈, 人均GDP和能源強度對區(qū)域旅游業(yè)碳排放強度的增長表現(xiàn)出顯著的促進作用?？梢姼饔绊懸蛩貙β糜螛I(yè)碳排放強度的空間效應(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, 張月友. 中國碳強度變化因素再分解的理論與實證[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.

[7] 查建平, 舒皓羽, 李園園, 等. 中國旅游業(yè)碳排放及其影響因素研究——來自2005–2015年省級面板數(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)動因素分解模型及實證分析——基于2007–2011年湖北省17個州市面板數(shù)據(jù)的證據(jù)[J]. 旅游科學(xué), 2016, 30(2): 24–38.

[14] 謝園方, 趙媛. 長三角地區(qū)旅游業(yè)能源消耗的CO2排放測度研究[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. 中國區(qū)域工業(yè)全要素生產(chǎn)率的空間計量經(jīng)濟分析[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基金項目:國家自然科學(xué)基金面上項目(41771174); 寧波市軟科學(xué)項目(2017A10053)

姚丹(1996—), 女, 山西呂梁人, 碩士研究生, 研究方向為碳排放, 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. 長三角旅游業(yè)碳排放強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.