劉軍 岳夢婷

摘要 旅游業(yè)在促進經(jīng)濟增長的同時，帶來的負面環(huán)境影響也不容忽視。首先，借鑒流體力學理論構(gòu)建“旅游流動性”概念，對區(qū)域旅游流動性進行測度，并在此基礎(chǔ)上分析其時空演變特征。其次，基于“自下而上”法，考慮區(qū)域能源結(jié)構(gòu)的差異，引入修訂后的綜合碳排放系數(shù)測算2000—2017年中國區(qū)域旅游業(yè)碳排放量，同時對旅游流動性與旅游業(yè)碳排放之間的關(guān)系進行探討。最后，以旅游流動性為核心解釋變量，基于IPAT模型選擇旅游者人數(shù)、旅游者人均消費支出、區(qū)域技術(shù)水平以及航空客運量作為控制變量，分析各影響因素對旅游業(yè)碳排放的作用。研究結(jié)果表明：①研究期內(nèi)，中國區(qū)域旅游流動性整體水平持續(xù)提升，省際差距明顯，其均值處于235～11 695人km之間。旅游流動性的分布具備明顯梯度特征，長期保持“東部地區(qū)>中部地區(qū)>東北地區(qū)>西部地區(qū)”的空間格局，其高值區(qū)和中高值區(qū)逐步由東部的經(jīng)濟發(fā)達省區(qū)向西部及東北地區(qū)擴張演化。②中國區(qū)域旅游業(yè)碳排放量從4 120.70萬t增加至20 365.59萬t。旅游業(yè)碳排放和旅游流動性的馬太效應(yīng)明顯，在空間上以京滬粵、甘青寧為核心呈現(xiàn)“高流動高排放”、“低流動低排放”的集聚特征。③中國區(qū)域旅游業(yè)碳排放受到多種因素的共同影響，其中，核心解釋變量旅游流動性對旅游業(yè)碳排放的影響顯著，具體表現(xiàn)為U型曲線關(guān)系;控制變量航空客運量、旅游者人數(shù)、旅游者人均消費支出的作用強度依次減小，上述變量分別增加1%將導致旅游業(yè)碳排放量各增加0.33%、0.27%和0.15%。區(qū)域技術(shù)水平對旅游業(yè)碳排放的影響不顯著。

關(guān)鍵詞 旅游業(yè);碳排放;流動性;影響因素

中圖分類號 F592.99文獻標識碼 A文章編號 1002-2104（2021）07-0037-12DOI：10.12062/cpre.20200925

《2030年可持續(xù)發(fā)展議程》明確提出采用可持續(xù)的消費和生產(chǎn)模式和緊急行動來應(yīng)對全球氣候變化。旅游業(yè)作為全球增長最快的行業(yè)經(jīng)濟體，在發(fā)展中帶來的旅游交通、住宿、游憩活動碳排放問題不容忽視。Lenzen等 [1]的研究表明國際旅游業(yè)碳足跡占全球溫室氣體排放的8%，到2025年，全球旅游業(yè)碳排放預計增加至65億t，并且成為影響全球變暖的重要因素 [2]。近年來我國旅游接待人次及總收入由2000年的8.27億人次、4 519億元增加至2018年的56.79億人次、5.97萬億元，由此產(chǎn)生的碳排放也在持續(xù)增長。為提升旅游業(yè)應(yīng)對全球氣候變化與可持續(xù)發(fā)展的能力，原國家旅游局將“綠色發(fā)展”作為旅游業(yè)“十三五”規(guī)劃的基本原則。黨的十九大報告著重強調(diào)建設(shè)生態(tài)文明，明確提出推進綠色發(fā)展，再一次表明了我國踐行“綠水青山就是金山銀山”的發(fā)展理念。旅游業(yè)作為區(qū)域綠色發(fā)展轉(zhuǎn)型的先導產(chǎn)業(yè)，是落實《2030年可持續(xù)發(fā)展議程》的重要載體，其碳減排對于促進區(qū)域可持續(xù)發(fā)展具有重要作用。人口流動作為區(qū)域間經(jīng)濟要素集聚與重組的基石 [3]，實現(xiàn)了空間層面對生產(chǎn)要素的再配置 [4]。伴隨著客源地與目的地之間信息流、客流、物流及能流的交換 [5]，旅游流形成了復雜的空間網(wǎng)絡(luò)結(jié)構(gòu) [6]。其中以交通、住宿及游憩活動等構(gòu)成的異地行為是旅游行為存在和旅游業(yè)發(fā)展的前提，由此形成的游客流成為旅游流的核心 [7]。但在游客流動時，碳排放也隨之產(chǎn)生。當前不同尺度的旅游流研究多借助大數(shù)據(jù)挖掘與社會網(wǎng)絡(luò)等方法，探究其空間分布、網(wǎng)絡(luò)結(jié)構(gòu)及旅游者空間行為特征 [8]，鮮有研究將旅游流與碳排放相結(jié)合。因此，該研究基于游客流動與區(qū)域交通基礎(chǔ)設(shè)施提出“旅游流動性”概念，以此為基礎(chǔ)探討旅游業(yè)碳排放影響因素，將為旅游業(yè)碳減排與區(qū)域可持續(xù)發(fā)展研究提供新視角。

1 文獻綜述

旅游業(yè)碳排放的研究始于國內(nèi)外學者對旅游業(yè)全球環(huán)境影響的關(guān)注。Gssling [9-10]首次提出旅游業(yè)碳排放的定量測度方法，并計算了2001年全球旅游業(yè)交通碳排放量。Becken [11-14]等對各類游憩活動、住宿設(shè)施以及航空交通的碳排放及能源消耗進行討論，采用“自下而上”與“自上而下”的方法估算了新西蘭旅游業(yè)碳排放。以碳排放測度為基礎(chǔ)，國內(nèi)外學者從以下四個方面進行拓展研究：一是旅游業(yè)碳排放影響因素分解。在遵循“技術(shù)—結(jié)構(gòu)—規(guī)?！笨蚣艿幕A(chǔ)上 [15]，學者多利用指數(shù)分解法、結(jié)構(gòu)分解法等進行因素分解 [16-18]，但該方法主要針對內(nèi)在驅(qū)動因素，對外部因素考慮較少 [19]。二是旅游業(yè)碳排放影響因素分析。Solarin [20]的研究結(jié)果表明游客到訪對馬來西亞碳排放的提升有顯著影響;Sghaier [21]等則認為游客到訪對碳排放的影響作用應(yīng)視不同國家具體情況而定。國內(nèi)研究則從社會、經(jīng)濟、旅游等外部視角驗證了社會經(jīng)濟發(fā)展水平、旅游資源稟賦、區(qū)位條件、城市化水平及旅游經(jīng)濟規(guī)模等因素對旅游業(yè)碳排放的顯著影響 [15，19，22]。三是旅游業(yè)碳排放的空間關(guān)系研究?；诳臻g探索性分析、引力模型等，碳排放區(qū)域差異、時空格局、空間關(guān)聯(lián)性及網(wǎng)絡(luò)結(jié)構(gòu)等研究受到廣泛關(guān)注 [23-25]。四是旅游碳排放效率研究。如Gssling [26]將旅游業(yè)碳排放與旅游業(yè)收入作為指標，采用比值法對國家、城市、景區(qū)等不同尺度目的地的旅游生態(tài)效率進行計算?；蚴腔谕度氘a(chǎn)出思路，以SBMDEA等模型開展效率研究 [27-28]。此外，學者還重視對碳排放與其他變量關(guān)系的研究，如利用耦合協(xié)調(diào)模型分析旅游業(yè)碳排放與旅游經(jīng)濟增長的關(guān)系 [29]。

游客流動一直是旅游研究的熱點問題之一。近年來，隨著游客對移動互聯(lián)網(wǎng)的廣泛使用，部分學者開始利用旅行網(wǎng)站、flickr等數(shù)據(jù)進行旅游流空間結(jié)構(gòu)特征的研究 [30-31]。復雜網(wǎng)絡(luò)也被運用至該領(lǐng)域，如Wu等 [32]利用復雜網(wǎng)絡(luò)方法建立了北京入境旅游流動線路預測網(wǎng)絡(luò);Mou等 [31]以上海為例對入境旅游流的結(jié)構(gòu)特征進行分析。游客流動在促進旅游業(yè)發(fā)展的同時，也為目的地帶來了碳排放。Becken [13]認為國際游客流動為目的地帶來了額外的能源消耗，并估算出國際游客為新西蘭帶來了190萬t的額外碳排放;Dubois等 [33]考慮到旅游人口流動對碳排放及氣候變化的影響，認為避免危險的氣候變化為旅游流動性改善預留了空間，但前提是必須實現(xiàn)交通工具的重大轉(zhuǎn)變、運輸距離的減少以及采用新的低碳交通方式技術(shù)。Cavallaro等 [34]以地中海沿岸城市為例分析了大規(guī)模旅游流動對不同城市帶來的影響，并提出減少擁堵和溫室氣體排放的具體實踐方法。Jin等 [35]利用高速公路流量數(shù)據(jù)估算了江蘇縣域自駕游的碳排放流量，并分析了其流入、流出和凈流量的空間格局。

綜上所述，旅游業(yè)碳排放研究成果已較為豐富，但是從旅游流動性視角分析碳排放影響因素的研究仍然較少，且多集中在游客流動對旅游交通碳排放的影響。因此本研究首先對“旅游流動性”進行界定，繼而對影響因素展開分析，以期豐富該領(lǐng)域研究成果，并為碳減排機制構(gòu)建及區(qū)域可持續(xù)發(fā)展提供理論依據(jù)。

2 理論基礎(chǔ)、數(shù)據(jù)來源與研究方法

2.1 旅游流動性作用于碳排放的理論機制

根據(jù)流體力學相關(guān)理論可知，流體在流動過程中會受到多種因素影響，如流體本身的黏度、密度，流體流經(jīng)管道的阻力系數(shù)，流體在不同位置所處的海拔高度等。游客流動是旅游業(yè)存在的根本原因，國際游客流動被認為是國際旅游碳排放產(chǎn)生的重要原因。游客停止流動，旅游業(yè)也就不復存在。該研究將游客從長居地到目的地流動視作流體運動過程。從圖1可知，游客從長居地流向目的地的總流量即游客數(shù)量 （Q） ，這也是既有研究關(guān)注的焦點——旅游流。而游客流動并非憑空產(chǎn)生，需要借助交通基礎(chǔ)設(shè)施以及運載工具完成長居地向目的地的空間轉(zhuǎn)換。根據(jù)流體力學公式，平均流速=流量/流經(jīng)截面面積，可以推算得到 M=Q/TL ，即游客的平均流速由總的游客流量與交通基礎(chǔ)設(shè)施決定。在游客流動的過程中，會產(chǎn)生一系列碳排放，尤其是交通碳排放大約占到旅游業(yè)全部碳排放的60%～95% [26]。游客到達目的地后，將會在目的地內(nèi)部產(chǎn)生交通、住宿和游憩活動碳排放。該研究將游客平均流速界定為旅游流動性，這是一個同時兼顧流量和交通基礎(chǔ)設(shè)施的指標。該指標的意義在于它與碳排放之間關(guān)系能夠幫助各地區(qū)尋找一個合適的旅游流動性閾值，閾值以內(nèi)允許通過游客規(guī)模擴張來促進旅游經(jīng)濟增長;閾值以上則需要轉(zhuǎn)變旅游經(jīng)濟粗放增長模式，提高旅游業(yè)發(fā)展質(zhì)量，減少旅游業(yè)環(huán)境影響。

2.2 旅游流動性測度

引入流體力學公式測度旅游流動性，能夠量化游客流入強度并滿足計量模型的要求。具體公式見式（1）。

M il=Q il/TL i l （1）

其中， M il代表l省份i年旅游流動性;Q il表示l省份i年游客數(shù)量;TL il為l省份i 年加權(quán)旅游交通基礎(chǔ)設(shè)施線路長度;旅游交通基礎(chǔ)設(shè)施包括鐵路、高速公路、一級公路、二級公路及其他等級公路。參照陳永林等 [36]的做法以及結(jié)合實際情況，對不同等級的道路按照其通行速度進行加權(quán)，取值分別為120 km/h、120 km/h、80 km/h、60 km/h、40 km/h。

2.3 綜合碳排放系數(shù)修正

根據(jù)中國各地區(qū)能源結(jié)構(gòu)的實際情況，修訂旅游業(yè)碳排放測度的碳排放系數(shù)，能夠更為準確的估算旅游業(yè)碳排放量 [37]。參考《綜合能耗計算通則》（GBT-2589—2008）中標準煤熱量，以29 307 KJ/kg的標準對生活能源綜合碳排放系數(shù) [38]進行折算（表1）。

2.4 旅游業(yè)碳排放測度

由于“自上而下”法要求建立完善的旅游業(yè)能源消耗統(tǒng)計體系、生命周期評價法需要大量基礎(chǔ)數(shù)據(jù)，而旅游消費剝離系數(shù)的準確度又無法適應(yīng)現(xiàn)實要求。本研究采取“自下而上”法，并通過調(diào)整后的碳排放系數(shù)測算旅游交通 Ctransport、旅游住宿Caccommodation和游憩活動Cactivity 的碳排放量，見式（2）。旅游交通、住宿及活動碳排放分別通過式（3）～（4）、式（5）～（6）及式（7）～（8）估算。

Ct=Ctransport+Caccommodation+Cactivity（2）

Ctransport=∑αl ×E tl（3）

E tl=βm×Cm×em（4）

Caccommodation=∑αl ×E a l（5）

E al=365×θl×Rl×Bl×b（6）

Cactivity=∑αl ×E cl （7）

E cl=E cnl+E cfl=∑αl （εp×nlp+εq×flq） （8）

式中： αl為l省份生活能源綜合碳排放系數(shù);E tl代表l省份旅游交通總能耗;βm表示交通工具m 中旅游者使用的比例，參考已有成果確定火車、飛機、汽車及水運中旅游者分別占比31.60%、64.70%、13.80%和10.60% [39]; Cm為交通工具m的周轉(zhuǎn)量;em代表交通工具m 的能耗系數(shù)，依次為汽車1.80 MJ/pkm，飛機2.00 MJ/pkm，火車1.00 MJ/pkm，其他0.90 MJ/pkm [12，40]。 E al表示l省份旅游住宿總能耗;θl為l省份住宿設(shè)施的平均出租率;Rl代表l省份客房數(shù)量;Bl則為l省份每間客房平均床位數(shù);b=155 MJ，即住宿設(shè)施每床每晚的平均能耗 [41]。E cl為l省份旅游活動總能耗;E cnl代表l省份國內(nèi)旅游者活動能耗;E cfl表示l省份入境旅游者活動能耗;εp表示國內(nèi)旅游者的第p種游覽目的能耗系數(shù);εq表示入境旅游者的第q種游覽目的能耗系數(shù);nlp表示l省份第p種游覽目的國內(nèi)旅游者的數(shù)量;flq表示l省份第q 種游覽目的入境旅游者的數(shù)量。游覽目的分為觀光游覽、度假休閑娛樂、商務(wù)出差、探親訪友及其他目的，其能耗系數(shù)分別為8.57、26.50、16.00、12.00、

3.50 MJ/p visitor [41]。

2.5 計量模型構(gòu)建

將旅游流動性 （Mobility）作為核心解釋變量，利用傳統(tǒng)計量模型探索其與旅游業(yè)碳排放（Tco2）的關(guān)系。利用各變量取對數(shù)后的數(shù)據(jù)進行建模，將在一定程度上克服異方差的問題，因此構(gòu)建模型（I），見式（9），其中α為常數(shù)項，β 為待估參數(shù)， μi表示個體效應(yīng)，εit 表示隨機擾動項。

Ln（Tco2）it=α+βIn（Mobility）it+μi+εit （9）

Ehrlich等 [42]在20世紀70年代提出IPAT模型，該模型隨后被廣泛應(yīng)用于研究經(jīng)濟活動對環(huán)境的影響 [43]。旅游作為一種經(jīng)濟活動，其對環(huán)境的影響主要表現(xiàn)為旅游業(yè)碳排放。因此，引入IPAT模型作為模型（Ⅰ）的控制變量，即旅游業(yè)碳排放受到旅游者人數(shù) （TP）、旅游者人均消費支出（TA）和區(qū)域技術(shù)水平（TT） 的影響。其中旅游者人均消費支出由旅游收入與旅游者人數(shù)計算得到;區(qū)域技術(shù)水平用地區(qū)單位GDP能耗表示，由各地區(qū)的GDP與地區(qū)能源消耗總量計算得到。同時，由于本研究構(gòu)建的旅游流動性僅考慮了陸地交通基礎(chǔ)設(shè)施，而未考慮到航空交通情況，因此在建模時用航空客運量 （Flight） 來表征各地區(qū)的航空運載能力，并將其作為控制變量納入模型。故構(gòu)建模型（Ⅱ）如下：

Ln（Tco2）it=α+βLn（Mobility）it+

β1 Ln（Flight）it+

β2 Ln（TP）it+β3 Ln（TA）it+

β4 Ln（TT）it+μi+εit（10）

既有研究沒有關(guān)于旅游流動性和碳排放關(guān)系的具體研究，因此無法確認核心解釋變量和被解釋變量到底是線性關(guān)系還是非線性關(guān)系。故建模時也將考慮非線性關(guān)系，增加核心解釋變量的平方項（LnMobility） 2，構(gòu)建模型（Ⅲ），其中α、μi和 εit分別為截距項、個體效應(yīng)和誤差項，γ 為解釋變量回歸系數(shù)。

Ln（Tco2）it=α+γLn（Mobility）it+

γ1 [Ln（Mobility）it] 2+γ2 Ln（Flight）it+

γ3 Ln（TP）it+γ4 Ln（TA）it+

γ5 Ln（TT）it+μi+εit （11）

2.6 數(shù)據(jù)來源

由于2018年統(tǒng)計數(shù)據(jù)未全部更新，且2000年之前數(shù)據(jù)缺失量較大，考慮數(shù)據(jù)可得性，將研究時段界定為2000—2017年。研究地區(qū)為未包含西藏、港澳臺的30個省級行政單元。研究數(shù)據(jù)來源如下：旅游業(yè)碳排放估算中，交通工具周轉(zhuǎn)量來自《中國統(tǒng)計年鑒》;住宿設(shè)施平均出租率、客房數(shù)量、每間客房平均床位數(shù)、不同類型游覽目的的游客數(shù)量來自《中國旅游統(tǒng)計年鑒》;碳排放估算中涉及的各項參數(shù)則來自已有文獻研究成果。旅游流動性測算中，交通基礎(chǔ)設(shè)施線路長度（鐵路、高速公路、一級公路、二級公路及其他等級公路）來自《中國統(tǒng)計年鑒》;旅游接待人次數(shù)來自各地區(qū)國民經(jīng)濟和社會發(fā)展統(tǒng)計公報。旅游業(yè)碳排放影響因素分析中，旅游收入與旅游接待人次數(shù)來自各地區(qū)國民經(jīng)濟和社會發(fā)展統(tǒng)計公報;地區(qū)GDP與能源消耗總量來源于各省統(tǒng)計年鑒;航空客運量數(shù)據(jù)來自《中國民航機場生產(chǎn)公報》。計算過程中使用CPI對旅游收入和GDP進行平減，以消除價格因素的影響，該數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。

3 實證結(jié)果分析

3.1 旅游流動性結(jié)果分析

由（1）式計算2000—2017年中國區(qū)域旅游流動性，根據(jù)Jenks最佳自然斷裂法將其分為五類，分別為高值區(qū)、中高值區(qū)、中值區(qū)、中低值區(qū)、低值區(qū)（圖2）。國民經(jīng)濟水平提升帶來了旅游需求和規(guī)模的擴大，2000—2017年中國各省區(qū)旅游流動性長期保持增長態(tài)勢，整體由96～12 745人/km增加至406～17 487人/km，可見旅游消費已經(jīng)成為居民常態(tài)化消費。

從空間格局來看，東、中部流動性整體高于東北、西部。具體到各省份（圖3），上海、北京、天津及浙江等地旅游流動性均值在2 000人/km以上，而青海、內(nèi)蒙古、新疆及寧夏等地均值處于1 000人/km以下，表明區(qū)域旅游流動性存在較大差異。結(jié)合各省份經(jīng)濟發(fā)展水平，流動性高值區(qū)往往處于經(jīng)濟發(fā)展水平較高的地區(qū)，而流動性低值區(qū)則以西部、東北等偏遠省份為主。旅游資源的地域性使旅游業(yè)發(fā)展高度依賴交通基礎(chǔ)設(shè)施，交通設(shè)施建設(shè)水平對游客的流向、規(guī)模和空間分布產(chǎn)生重要影響。東部、中部地區(qū)在物質(zhì)資本積累、促進招商引資等方面的優(yōu)勢減弱了區(qū)域進行交通與酒店建設(shè)、景區(qū)開發(fā)的難度 [44]，偏遠地區(qū)則受制于空間距離與通達性問題，其客流量和接待水平與東部地區(qū)仍有差距，導致東北、西部地區(qū)旅游流動性長期保持較低水平。

從動態(tài)演變來看，2000—2017年中國區(qū)域旅游流動性呈現(xiàn)不斷增強的趨勢。東部地區(qū)以上海、北京和天津為核心，長期處于流動高值區(qū)和中高值區(qū)，具有由“點狀”向“面狀”擴散特征，表明東部仍是中國旅游發(fā)展領(lǐng)跑區(qū)。低值省份雖多居于西部與東北地區(qū)，但其數(shù)量逐年減少。這可能是由于東部經(jīng)濟發(fā)展紅利向全國其他地區(qū)擴散，偏遠地區(qū)在旅游資源開發(fā)與基礎(chǔ)設(shè)施建設(shè)中獲得了更多的資本投資所致。同時這也體現(xiàn)了西部地區(qū)旅游業(yè)的“后發(fā)優(yōu)勢”，即通過旅游業(yè)發(fā)展促進區(qū)域經(jīng)濟增長，進而形成旅游業(yè)與經(jīng)濟增長互相促進的發(fā)展格局 [45]。

從區(qū)域差異來看，2000—2017年甘肅、山西、云南、遼寧及福建等省份旅游流動性年均增長率突破10%，上海、北京、江蘇、黑龍江等省份的年均增長率則低于5%。經(jīng)濟欠發(fā)達地區(qū)旅游流動性年均增長率遠高于經(jīng)濟發(fā)達地區(qū)，其中，西部地區(qū)旅游流動性改善最為明顯，如廣西、貴州、重慶已經(jīng)跨入中高值區(qū)，表明西部地區(qū)相對重視旅游業(yè)在區(qū)域經(jīng)濟增長的作用，并在基礎(chǔ)設(shè)施建設(shè)與引流方面呈追趕之勢，具有成為國內(nèi)旅游熱點區(qū)的潛力。但同時應(yīng)注意到中部地區(qū)旅游流動性的增長速率緩慢，尤其是湖北長期處于中低值區(qū)，在一定程度上說明湖北旅游的“中部塌陷”現(xiàn)象。

3.2 旅游業(yè)碳排放結(jié)果分析

依據(jù)（2）～（8）式計算得到2000—2017年30省份旅游業(yè)碳排放量。囿于篇幅，表2僅展示3個重點年份的數(shù)據(jù)。研究期內(nèi)旅游業(yè)碳排放總量從4 120.70萬t增加至20 365.59萬t。從歷年變化幅度來看（圖4），除2003年（- 0.67%）及2013年（- 0.77%）較上一年有所減少外，其余年份旅游業(yè)碳排放的環(huán)比增長率均為正值，多介于6%～13%之間，2004年旅游業(yè)碳排放總量增幅較上一年增長32.60%，為研究期內(nèi)碳排放增長率波峰，這主要是后非典時期旅游消費市場的“報復性增長”所致。

中國四大區(qū)域旅游業(yè)碳排放量總體呈現(xiàn)增長趨勢，但是地區(qū)之間的碳排放量離散系數(shù)卻由0.65上升至0.82，即區(qū)域旅游業(yè)碳排放差距不斷擴大。反映出東部地區(qū)旅游業(yè)發(fā)展的能源消耗與環(huán)境影響遠高于其他地區(qū)，同時從側(cè)面反映出該區(qū)域存在著較大的減排潛力。受限于地理區(qū)位和交通通達性，航空及私人交通成為西部地區(qū)游客流入與區(qū)域內(nèi)流動的主要方式，導致其旅游業(yè)碳排放增長迅速，且增長速率高于其他地區(qū)。

從區(qū)域空間格局看（圖5），中國旅游業(yè)碳排放量高值區(qū)以北京、上海、廣東為核心，其碳排放量長期保持穩(wěn)定增長。作為京津冀、長三角與珠三角城市群的核心，北京、上海、廣州在信息流、客流及物流等要素上的交流相對其他地區(qū)更為密切，促使京滬粵成為能源消耗與碳排放活躍區(qū)。此外，研究期內(nèi)東部地區(qū)高值區(qū)、中高值區(qū)的數(shù)量減少，反映出區(qū)域內(nèi)部旅游業(yè)碳排放差距呈擴大趨勢。

西部地區(qū)以四川“一枝獨秀”。作為國內(nèi)重要旅游目的地，四川年游客接待人數(shù)長期位于全國前列，使得該地區(qū)航空交通周轉(zhuǎn)量僅次于北京、上海、廣東;同時由于人口基數(shù)大，省內(nèi)游客流動頻繁，造成旅游業(yè)碳排放量長期處于高位。山西和河南是中部地區(qū)碳排放量高值區(qū)，這主要是由于河南人口眾多，省內(nèi)游客流動導致的鐵路、公路交通碳排放高于其他地區(qū);山西則是由于民航周轉(zhuǎn)量上升較快，致使旅游交通碳排放量增長迅速。遼寧是東北地區(qū)最具有經(jīng)濟活力的省份，與京津冀的密切經(jīng)濟聯(lián)系、人口流動使其碳排放量位居東北首位，而黑龍江和吉林并非傳統(tǒng)旅游目的地，且受限于區(qū)位，其旅游流動性與旅游業(yè)碳排放量均較低。

以旅游業(yè)碳排放和旅游流動性的中位數(shù)為坐標交叉點繪制散點圖，由此形成四個象限（圖6）。第一象限為高流動高排放（HH），第二象限為低流動高排放（LH），第三象限為低流動低排放（LL），第四象限為高流動低排放（HL）。

總體來看，66.67%～73.33%的省級行政區(qū)位于第一、三象限，表現(xiàn)出明顯的“HH”“LL”集聚特征，說明地區(qū)間的“馬太效應(yīng)”明顯，集聚效應(yīng)逐漸增強。經(jīng)濟發(fā)達地區(qū)憑借長期積累的發(fā)展優(yōu)勢保持著較為穩(wěn)定的旅游流動性，其碳排放量長居高位;由于經(jīng)濟發(fā)展滯后，經(jīng)濟欠發(fā)達地區(qū)的旅游業(yè)雖然進步較快，但仍難突破“富者恒富，貧者越貧”的瓶頸。縱向比較發(fā)現(xiàn)，位于HL區(qū)域的省份數(shù)量極少，一方面表明西部地區(qū)在推動旅游業(yè)節(jié)能減排、優(yōu)化交通基礎(chǔ)設(shè)施建設(shè)及旅游資源開發(fā)等方面的成效良好;另一方面又說明國家應(yīng)繼續(xù)加大對節(jié)能減排的控制力度，以中部、東北為主要地區(qū)推動旅游產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，將旅游流動性控制在合理閾值內(nèi)，以使更多省份進入HL區(qū)域，以實現(xiàn)區(qū)域節(jié)能減排與旅游發(fā)展的雙重目標。

3.3 流動性對旅游業(yè)碳排放的影響分析

3.3.1 模型平穩(wěn)性檢驗

利用ArcGIS計算2000—2017年旅游業(yè)碳排放全局MoransI 指數(shù)，結(jié)果顯示在0.1水平上均不顯著，即旅游業(yè)碳排放不存在顯著空間相關(guān)性，故采用傳統(tǒng)計量模型進行回歸分析。盡管關(guān)于面板數(shù)據(jù)的平穩(wěn)性檢驗已經(jīng)形成一定共識，即認為短面板數(shù)據(jù)（N>T）可以不進行單位根檢驗。但為保證研究結(jié)論的可靠性，對取對數(shù)后的數(shù)據(jù)平穩(wěn)性進行檢驗。

使用Stata15，采用相同單位根檢驗LLC（LevinLinChu）和不同單位根檢驗Fisher對面板數(shù)據(jù)進行檢驗（表3），其中采用AIC法則自動選擇LLC滯后階數(shù)，F(xiàn)isher則選擇結(jié)果最為顯著的滯后階數(shù)。表3結(jié)果顯示兩種檢驗方法均拒絕原假設(shè)，即不存在單位根，可以進行協(xié)整檢驗。其次，通過Kao檢驗、Pedroni檢驗和Westerlund檢驗判斷各變量之間是否存在長期協(xié)整關(guān)系，任一檢驗結(jié)果顯著即說明存在長期協(xié)整關(guān)系。表4顯示模型（Ⅰ）、模型（Ⅱ）、模型（Ⅲ）均存在協(xié)整關(guān)系，可以采用對數(shù)后的數(shù)據(jù)進行建模。

3.3.2 模型回歸分析

首先，采用BP拉格朗日檢驗判斷應(yīng)選用混合數(shù)據(jù)還是面板數(shù)據(jù)建模，若結(jié)果顯示拒絕混合模型，則應(yīng)采用面板數(shù)據(jù)建模。其次，通過Hausman檢驗對回歸模型效應(yīng)進行選擇，但數(shù)據(jù)若存在異方差，Hausman檢驗即無效。此時可通過過度識別檢驗SarganHansen統(tǒng)計量判斷固定效應(yīng)與隨機效應(yīng)的適配性。另外，面板數(shù)據(jù)的異方差將導致模型參數(shù)的方差偏大，并使模型t檢驗和F檢驗失效;而自相關(guān)的存在將導致模型t檢驗值偏高，夸大參數(shù)顯著性。因此本研究還對面板數(shù)據(jù)的異方差、自相關(guān)進行檢驗，若檢驗結(jié)果顯著，則應(yīng)采用DriscollKraay標準誤回歸。

表5結(jié)果顯示BP拉格朗日檢驗結(jié)果顯著，表明模型（Ⅰ）—（Ⅲ）應(yīng)采用面板數(shù)據(jù)建模。Wald檢驗顯示模型中存在異方差，SarganHansen統(tǒng)計值顯著，表明應(yīng)選擇固定效應(yīng)。Wooldridge檢驗顯示模型中均存在序列相關(guān)，結(jié)合Wald檢驗結(jié)果，采用DriscollKraay標準誤解決模型的異方差、自相關(guān)問題。

模型（Ⅰ）回歸結(jié)果顯示核心解釋變量 lnMobility與lnTco2 呈現(xiàn)顯著正相關(guān)，旅游流動性每增加1%將會導致區(qū)域旅游業(yè)碳排放增加0.94%。表明區(qū)域旅游業(yè)碳減排可以從減少旅游流動性著手，但也要注意流動性是旅游業(yè)發(fā)展的前提，限制區(qū)域流動將會對旅游經(jīng)濟增長產(chǎn)生一定影響。因此需要平衡旅游流動性和旅游業(yè)碳減排之間的關(guān)系。模型（Ⅱ）回歸結(jié)果顯示 lnMobility與lnTco2 呈現(xiàn)顯

著負相關(guān)，即旅游流動性每增加1%反而會導致旅游業(yè)碳排放減少0.18%，這與模型（Ⅰ）結(jié)果相悖，表明 lnMobility 與lnTco2 可能存在非線性關(guān)系。

模型（Ⅲ）顯示變量 （lnMobility） 2與lnTco2 呈現(xiàn)顯著正相關(guān)， lnMobility與lnTco2 呈現(xiàn)顯著負相關(guān)。結(jié)果表明 lnMobility ?與lnTco2 存在U型非線性關(guān)系，即隨著流動性的增加，旅游業(yè)碳排放呈現(xiàn)減少的趨勢，越過拐點后又逐步增加。由此說明可以通過控制區(qū)域旅游流動性實現(xiàn)旅游經(jīng)濟增長與碳減排的雙重目標。即在流動性閾值以內(nèi)通過營銷引流，實現(xiàn)區(qū)域旅游經(jīng)濟增長;在閾值以外則通過限流減少旅游碳排放。

模型（Ⅱ）控制變量回歸結(jié)果顯示，航空客運量對旅游業(yè)碳排放的影響最大，表現(xiàn)為航空客運量每增加1%，將導致旅游業(yè)碳排放增加0.32%。其余變量對旅游業(yè)碳排放的貢獻依次為游客量、區(qū)域技術(shù)水平，各因素每提高1%，旅游業(yè)碳排放分別變動0.27%、-0.22%。而人均旅游消費對碳排放的作用不顯著。這一結(jié)果與既有研究呼應(yīng)，驗證航空交通是旅游業(yè)碳排放的主要來源，在現(xiàn)實中應(yīng)引導游客選擇相對清潔的交通工具，以此推動區(qū)域碳減排。游客是旅游業(yè)服務(wù)的主要對象，游客量對碳排放提高具有顯著正向影響，可以解釋為游客在景區(qū)活動、住宿餐飲及交通運輸中產(chǎn)生碳排放，其排放量與游客數(shù)量成正比。因此，減流是實現(xiàn)碳減排的措施之一，但這將對旅游經(jīng)濟增長產(chǎn)生不利影響。區(qū)域技術(shù)水平對旅游業(yè)碳排放的影響為負，說明旅游業(yè)碳減排不能依賴于區(qū)域技術(shù)水平進步。而人均旅游消費對碳排放無顯著的解釋力，即人均旅游消費的增長可能會引起旅游業(yè)碳排放的小幅增長。

模型（Ⅲ）控制變量的相關(guān)系數(shù)方向與模型（Ⅱ）相同， lnTA與lnTco2 由不顯著變?yōu)轱@著正相關(guān)，即人均旅游消費支出每增加1%將會導致旅游業(yè)碳排放增加0.15%，這是因為人均旅游消費支出的增加意味著旅游消費項目增多，而更多的旅游消費項目可能會伴隨額外碳排放。 lnTT與lnTco2 的相關(guān)關(guān)系由顯著變?yōu)椴伙@著，且系數(shù)明顯減小。此外，通過比較各模型的擬合優(yōu)度 R 2 發(fā)現(xiàn)，模型（Ⅲ）達到0.893 1，具有較好擬合性。綜上，旅游業(yè)碳排放與流動性之間呈現(xiàn)U型曲線關(guān)系。流動性是旅游業(yè)存在的前提條件，尋找區(qū)域U型曲線拐點并劃定流動性合理閾值，能夠促進區(qū)域旅游業(yè)碳減排和旅游經(jīng)濟增長實現(xiàn)雙贏。

4 結(jié)論與政策建議

4.1 結(jié)論及政策含義

通過構(gòu)建“旅游流動性”概念，測算了2000—2017年中國區(qū)域旅游流動性。在此基礎(chǔ)上利用“自下而上”法，結(jié)合修訂后的綜合碳排放系數(shù)估算了旅游業(yè)交通及、住宿及游憩活動3部門的碳排放量。最后，以旅游流動性為核心解釋變量，引入IPAT模型分析影響區(qū)域旅游業(yè)碳排放的相關(guān)因素。主要結(jié)論如下：

（1）中國區(qū)域旅游流動性整體呈現(xiàn)不斷上升的趨勢，區(qū)域旅游流動空間形成東部、中部地區(qū)高，西部、東北地區(qū)低的穩(wěn)定格局。西部地區(qū)改善程度高于其他地區(qū)，致使旅游流動性的區(qū)域差距不斷縮小，偏遠地區(qū)旅游業(yè)發(fā)展具有“后發(fā)優(yōu)勢”。

（2）游客流動使旅游業(yè)碳排放由2000年的4 120.70萬t增加至2017年的20 365.59萬t，以北京、上海、廣東為核心的經(jīng)濟發(fā)達地區(qū)仍然是碳排放高值集聚區(qū)。在空間格局上，旅游業(yè)碳排放呈現(xiàn)東部、西部地區(qū)高，中部、東北地區(qū)低的特點，區(qū)域間差異不斷擴大。同時，區(qū)域旅游業(yè)碳排放受交通影響較大，交通碳減排具有較大的潛力。

（3）旅游流動性與旅游業(yè)碳排放的散點分析顯示，多數(shù)省級行政區(qū)表現(xiàn)出明顯“HH”“LL”集聚特征，說明地區(qū)間“馬太效應(yīng)”明顯。區(qū)域旅游業(yè)應(yīng)由“HH”“LH”“LL”型向“HL”轉(zhuǎn)型，以此實現(xiàn)高流動低排放的發(fā)展目標。

（4）旅游流動性對碳排放的影響作用呈非線性U型曲線，在兼顧經(jīng)濟效益和生態(tài)效益的前提下，通過控制區(qū)域旅游流動性強度，能夠同時實現(xiàn)碳減排和旅游經(jīng)濟增長的雙重目標。航空客運量、游客量和人均旅游消費支出對旅游業(yè)碳排放具有顯著正向影響，而區(qū)域技術(shù)水平對區(qū)域旅游業(yè)碳排放未表現(xiàn)出明顯作用。說明旅游業(yè)減排主要依靠更清潔的交通工具、更具低碳意識的游客，而對區(qū)域技術(shù)水平?jīng)]有顯著依賴。

上述結(jié)論的政策含義：①提升區(qū)域交通通達性，吸引更多游客到訪，以達到持續(xù)改善區(qū)域旅游流動性的目標。盡管西部地區(qū)在流動性增速上已超過其他地區(qū)，但仍與東部、中部地區(qū)存在一定差距，依托“一帶一路”發(fā)展戰(zhàn)略，甘肅、新疆、青海、寧夏等地應(yīng)繼續(xù)加大交通基礎(chǔ)設(shè)施投入，為旅游業(yè)高質(zhì)量發(fā)展奠定基礎(chǔ)。②分區(qū)域?qū)嵤┞糜螛I(yè)高質(zhì)量發(fā)展轉(zhuǎn)型戰(zhàn)略。目前處于“高流動低排放”的地區(qū)仍然較少，而增加區(qū)域公共交通的分流效應(yīng)，是減少旅游交通碳排放和增加游客客運量的關(guān)鍵。在旅游業(yè)低碳發(fā)展轉(zhuǎn)型過程中，東部地區(qū)可通過合理規(guī)劃景區(qū)周邊公共交通線路數(shù)量、提升公共交通服務(wù)質(zhì)量來降低碳排放量，以此實現(xiàn)旅游可持續(xù)發(fā)展;東北地區(qū)則應(yīng)強化旅游服務(wù)意識，加大市場營銷力度，通過提高游客流入量來改善長期低排放低流動的困境;中部地區(qū)則應(yīng)意識到提升旅游流動性的重要性，在改善區(qū)域間交通運輸能力的同時，關(guān)注區(qū)域內(nèi)公共交通規(guī)劃與建設(shè)，以此擴大游客的省內(nèi)短距離流動，進一步促進旅游消費;西部地區(qū)應(yīng)注重改善區(qū)域內(nèi)部交通運輸模式，強化以高鐵、動車為主的交通基礎(chǔ)設(shè)施建設(shè)。③實現(xiàn)旅游業(yè)碳減排的重點在于尋找區(qū)域旅游流動性的曲線拐點，依托航空、鐵路、公路等口岸建立交通流量監(jiān)控體系，以控制游客流入閾值，并以此為基礎(chǔ)確定各區(qū)域旅游流動性拐點，在確保旅游經(jīng)濟增長的同時實現(xiàn)碳排放減量。同時注意到交通是旅游碳排放的主要來源，在流動性閾值內(nèi)控制交通碳排放。交通設(shè)施的建設(shè)則應(yīng)因地制宜，如完善中大型城市綠色軌道交通的建設(shè)，增加小型城市公共交通出行的便捷程度，重視通過公眾宣傳等方式改變游客行為，引導游客選擇更為清潔的交通工具等。

4.2討論與展望

旅游業(yè)碳排放一直是旅游可持續(xù)發(fā)展重點關(guān)注的問題之一。早期學者多是關(guān)注游客到訪量對目的地碳排放產(chǎn)生的影響，或從復雜網(wǎng)絡(luò)和空間溢出視角討論流動性與碳排放之間的關(guān)系。而作為聯(lián)系目的地與客源地的重要載體，交通基礎(chǔ)設(shè)施在其中的作用卻被忽略。該研究基于流體力學公式提出“旅游流動性”概念，旨在考慮游客流動與交通基礎(chǔ)設(shè)施對碳排放的綜合影響。對旅游流動性的評估能在一定程度上反映出各區(qū)域的流動性強度，但測度公式仍有拓展空間。例如，基于地區(qū)旅游資源差異設(shè)定“阻力系數(shù)”，或根據(jù)區(qū)域旅游經(jīng)濟發(fā)展水平的差異設(shè)定“壓力”，以使旅游流動性的測度更為準確。

該研究在測度2000—2017年旅游業(yè)碳排放量的過程中考慮了地區(qū)能源結(jié)構(gòu)差異，這是既有碳排放研究中較少被探討的話題。盡管既有文獻基于對碳排放的測度分析了其空間關(guān)聯(lián)特征 [46]，但本文未發(fā)現(xiàn)旅游業(yè)碳排放存在顯著的空間相關(guān)性。在碳排放的影響因素上，文章驗證了旅游流動性與碳排放的U型非線性關(guān)系。同時，引入航空客運量作為控制變量，其對碳排放的顯著正向影響也得到驗證，這與既有研究觀點較為一致。未來將繼續(xù)完善旅游流動性理論，通過復雜網(wǎng)絡(luò)理論對旅游流動性與碳排放進行分析將成為研究的重點。

參考文獻

[1]LENZEN M， SUN Y Y， FATURAY F， et al. The carbon footprint of global tourism[J]. Nature climate change， 2018， 8（6）： 522-528.

[2]KOCAK E， ULUCAK R， ULUCAK Z S. The impact of tourism developments on CO2 emissions： an advanced panel data estimation[J]. Tourism management perspectives， 2020， 33： 100611.

[3]潘竟虎，賴建波.中國城市間人口流動空間格局的網(wǎng)絡(luò)分析：以國慶-中秋長假和騰訊遷徙數(shù)據(jù)為例[J].地理研究，2019，38（7）：1678-1693.

[4]DE HAAS H. Migration and development： a theoretical perspective[J]. International migration review， 2010， 44（1）： 227-264.

[5]唐順鐵，郭來喜.旅游流體系研究[J].旅游學刊，1998（3）：38-41.

[6]周慧玲，王甫園.基于修正引力模型的中國省際旅游者流空間網(wǎng)絡(luò)結(jié)構(gòu)特征[J].地理研究，2020，39（3）：669-681.

[7]王金瑩，吳晉峰，唐瀾，等.亞洲入境旅游流地理分布及網(wǎng)絡(luò)結(jié)構(gòu)特征分析[J].資源科學， 2013， 35（8）： 1701-1709.

[8]靳誠，徐菁，黃震方，等.南京城市內(nèi)部景點間游客流動特征分析[J].地理學報， 2014， 69（12）： 1858-1870.

[9]GOSSLING S. Sustainable tourism development in developing countries： some aspects of energyuse[J]. Journal of sustainable tourism， 2000， 8（5）：410-425.

[10]GOSSLING S. Global environmental consequences of tourism[J]. Global environmental change， 2002， 12（4）： 283-302.

[11]BECKEN S， SIMMONS D G. Understanding energy consumption patterns of tourist attractions and activities in New Zealand[J]. Tourism management， 2002， 23（4）： 343-354.

[12]BECKEN S， FRAMPTON C， SIMMONS D G. Energy consumption patterns in the accommodation sector-the New Zealand case[J]. Ecological economics， 2001， 39（3）： 371-386.

[13]BECKEN S. Analysing international tourist flows to estimate energy use associated with air travel[J]. Journal of sustainable tourism， 2002， 10（2）： 114-131.

[14]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.

[15]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，2017，31（5）：1-16.

[16]ROBAINAALVES M， MOUTINHO V， COSTA R. Change in energyrelated CO2 （carbon dioxide） emissions in Portuguese tourism： a decomposition analysis from 2000 to 2008 [J]. Journal of cleaner

production， 2016（111）： 520-528.

[17]TANG C， ZHONG L， NG P. Factors that influence the tourism industrys carbon emissions： a tourism area life cycle model perspective [J]. Energy policy， 2017， 109： 704-718.

[18]陶玉國，黃震方，吳麗敏，等.江蘇省區(qū)域旅游業(yè)碳排放測度及其因素分解[J].地理學報，2014，69（10）：1438-1448.

[19]黃和平，喬學忠，張瑾，等.綠色發(fā)展背景下區(qū)域旅游業(yè)碳排放時空分異與影響因素研究：以長江經(jīng)濟帶為例[J].經(jīng)濟地理，2019，39（11）：214-224.

[20]SOLARIN S A. Tourist arrivals and macroeconomic determinants of CO2 emissions in Malaysia [J]. Anatolia， 2014， 25（2）： 228-241.

[21]SGHAIER A， GUIZANI A， JABEUR S B， et al. Tourism development， energy consumption and environmental quality in Tunisia， Egypt and Morocco： a trivariate analysis [J]. GeoJournal， 2019， 84（3）： 593-609.

[22]王凱，邵海琴，周婷婷，等.基于STIRPAT模型的中國旅游業(yè)碳排放影響因素分析[J].環(huán)境科學學報， 2017， 37（3）：1185-1192.

[23]王凱，楊亞萍，張淑文，等.中國旅游產(chǎn)業(yè)集聚與碳排放空間關(guān)聯(lián)性[J].資源科學，2019，41（2）：362-371.

[24]程慧，徐瓊，郭堯琦.中國旅游業(yè)碳排放脫鉤的空間異質(zhì)性及其驅(qū)動因素[J].華東經(jīng)濟管理，2020，34（3）：86-93.

[25]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， 2020， 40（3）： 344-353.

[26]GOSSLING S， PEETERS P， CERON J P， et al. The ecoefficiency of tourism[J]. Ecological economics， 2005， 54（4）： 417-434.

[27]ZHA J， HE L， LIU Y， et al. Evaluation on development efficiency of lowcarbon tourism economy： a case study of Hubei Province， China[J]. Socioeconomic planning sciences， 2019， 66：47-57.

[28]王凱，夏莉惠，陳勤昌，等.基于空間聚類分析的中國旅游業(yè)碳排放效率[J].環(huán)境科學研究， 2018， 31（3）： 419-427.

[29]TANG Z， SHANG J， SHI C， et al. Decoupling indicators of CO2emissions from the tourism industry in China： 1990-2012[J]. Ecological indicators， 2014， 46： 390-397.

[30]LEUNG X Y， WANG F， WU B， et al. A social network analysis of overseas tourist movement patterns in Beijing： the impact of the Olympic Games[J]. International journal of tourism research， 2012， 14（5）， 469-484.

[31]MOU N， YUAN R， YANG T， et al. Exploring spatiotemporal changes of city inbound tourism flow： the case of Shanghai， China [J]. Tourism management， 2020， 76： 103955.

[32]WU X， HUANG Z， PENG X， et al. Building a spatiallyembedded network of tourism hotspots from geotagged social media data[J]. IEEE access， 2018， 6： 21945-21955.

[33]DUBOIS G， PEETERS P， CERON J P， et al. The future tourism mobility of the world population： emission growth versus climate policy[J]. Transportation research part a： policy and practice， 2011， 45（10）： 1031-1042.

[34]CAVALLARO F， GALATI O I， NOCERA S. Policy strategies for the mitigation of GHG emissions caused by the masstourism mobility in coastal areas[J]. Transportation research procedia， 2017， 27：317-324.

[35]JIN C， CHENG J， XU J， et al. Selfdriving tourism induced carbon emission flows and its determinants in welldeveloped regions： a case study of Jiangsu Province， China[J]. Journal of cleaner production， 2018， 186：191-202.

[36]陳永林，謝炳庚，張愛明，等.不同尺度下交通對空間流動性的影響[J].地理學報，2018，73（6）：1162-1172.

[37]劉軍，問鼎，童昀，等.基于碳排放核算的中國區(qū)域旅游業(yè)生態(tài)效率測度及比較研究[J].生態(tài)學報， 2019， 39（6）： 1979-1992.

[38]岳婷，龍如銀.中國省域生活能源碳排放空間計量分析[J].北京理工大學學報（社會科學版）， 2014， 16（2）： 40-46.

[39]魏艷旭，孫根年，馬麗君，等.中國旅游交通碳排放及地區(qū)差異的初步估算[J].陜西師范大學學報（自然科學版）， 2012， 40（2）：76-84.

[40]CARLSSONKANYAMA A， LINDEN A L. Travel patterns and environmental effects now and in the future： implications of differences in energy consumption among socioeconomic groups[J]. Ecological economics， 1999， 30（3）： 405-417.

[41]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].地理學報，2011，66（2）：235-243.

[42]EHRLICH P R， HOLDREN J P. Onedimensional economy[J]. Bulletin of the atomic scientists， 1972， 28（5）：16-27.

[43]王永剛，王旭，孫長虹，等.IPAT及其擴展模型的應(yīng)用研究進展[J].應(yīng)用生態(tài)學報，2015，26（3）：949-957.

[44]TSUI K W H. Does a lowcost carrier lead the domestic tourism demand and growth of New Zealand？ [J]. Tourism management， 2017， 60：390-403.

[45]TUGCU C T. Tourism and economic growth nexus revisited： a panel causality analysis for the case of the Mediterranean Region[J].Tourism management， 2014， 42：207-212.

[46]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)境科學研究，2019，32（6）：938-947.

Carbon emissions of regional tourism industry and their influencing factors： a tourism mobility perspective

LIU Jun 1， 2 YUE Mengting 3

（ 1. School of Business， Hubei University， Wuhan Hubei 430062， China;

2. Institute for Green Development， Hubei University， Wuhan Hubei 430062， China;

3. School of Urban and Regional Science， East China Normal University， Shanghai 200241， China）

Abstract While tourism promotes economic growth， its negative environmental impact cannot be ignored. This study first put forward the concept of tourism mobility by referring to the theory of fluid mechanics. It then measured tourism mobility and analyzed its temporal and spatial characteristics. Next， based on the ‘bottomup method， this study introduced the revised comprehensive carbon emission coefficient in consideration of the differences in regional energy structure and evaluated the carbon emissions of Chinas tourism industry from 2000 to 2017. The study also explored the relationship between tourism mobility and tourism carbon emissions. Finally， taking tourism mobility as the core explanatory variable， the study set tourists， tourism expenditure per capita， regional technical level and air passenger volume as the control variables based on the IPAT model and assessed the impact of these factors on tourism carbon emissions. The results showed that： ① During the study period， with the average between 235 and 11，695 p visitor/km， the tourism mobility in China increased and demonstrated considerable differences among different provinces. The tourism mobility decreased in this sequence： eastern region， central region， northeastern region and western region. Regions with high mobility and mediumhigh mobility expanded gradually from economically developed provinces in the eastern region to the western and northeastern regions. ② The carbon emissions of the Chinese tourism industry increased from 41.207 million tons to 203.6 559 million tons. With Beijing， Shanghai， Guangzhou and Gansu， Qinghai， Ningxia as the core area， the Matthew effect in tourism carbon emissions and tourism mobility was noticeable， indicating significant agglomeration characteristics of ‘high flow and high emissions and ‘low flow and low emissions. ③ Carbon emissions of Chinas tourism industry were affected by a variety of factors. The tourism mobility had a significant impact on tourism carbon emissions， and the relationship was described as a Ushaped curve. The effect intensity of air passenger volume， tourists and tourism expenditure per capita to tourism carbon emissions decreased in turn， and every 1% increase in the above variables led to an increase of 0.33%， 0.27%， and 0.15% in tourism carbon emissions， respectively. The impact of regional technical level on tourism carbon emissions was not significant.

Key words tourism industry; carbon emission; mobility; influencing factor

（責任編輯：王愛萍）