中國旅游業(yè)碳排放效率及其時空躍遷

畢斗斗　賴依聰　王龍杰　孟勇

摘要：基于考慮非期望產(chǎn)出的數(shù)據(jù)包絡分析和探索性時空數(shù)據(jù)分析框架，以中國30個省級行政區(qū)（西藏、港澳臺地區(qū)除外）為研究對象，研究旅游業(yè)碳排放效率及其時空躍遷特征。結果表明：2000～2016年大部分?。▍^(qū)）旅游業(yè)碳排放效率呈上升趨勢，其中高值中心集聚在東部沿海?。▍^(qū)），低值中心集聚在西部?。▍^(qū)）；全域自相關分析表明，旅游業(yè)碳排放效率具有顯著的空間正相關關系，各省級行政區(qū)旅游業(yè)碳排放效率的變動受相鄰?。▍^(qū)）影響；LISA路徑及時空躍遷分析表明，大部分省級行政區(qū)旅游業(yè)碳排放效率具有較為穩(wěn)定的局部空間結構，且較少發(fā)生跨類型的時空躍遷，表現(xiàn)出較強的空間依賴和路徑鎖定特征。文章根據(jù)得出的研究結果提出中國旅游朝低碳方向發(fā)展的可行性建議。

關鍵詞：旅游；碳排放；效率；時空躍遷

中圖分類號： F590文獻標志碼：A文章編號：1009-055X（2018）06-0025-11

doi：1019366/jcnki1009-055X201806003

一、引言

隨著經(jīng)濟快速增長，人類在實現(xiàn)自身發(fā)展的同時也不可避免地對環(huán)境造成了不同程度的破壞。2017年11月在德國波恩舉行的聯(lián)合國氣候會談上，國際自然保護聯(lián)盟（International Union for Conservation of Nature）報告指出，聯(lián)合國自然遺產(chǎn)名錄中已有高達25%的自然遺址（包括冰川、濕地以及珊瑚礁等）因氣候變暖而受到不同程度的損害，瀕危的自然遺產(chǎn)數(shù)量從2014年的35處急劇上升至62處?？梢姎夂蜃兣瘜β糜文康牡?、旅游吸引物等主要旅游要素已造成了嚴重、不可逆的危害，減緩氣候變暖已迫在眉睫。而中國作為當今世界旅游發(fā)展最為迅猛的國家之一，探索可持續(xù)型旅游發(fā)展模式成為當前旅游發(fā)展工作中的重中之重。《中國旅游“十三五”發(fā)展規(guī)劃綱要》及黨的十九大報告均指出，旅游作為帶動性強、資源消耗低的戰(zhàn)略性產(chǎn)業(yè)，未來將成為我國低碳發(fā)展的帶動產(chǎn)業(yè)。因此未來旅游如何在提升產(chǎn)出效益的同時，降低其對生態(tài)環(huán)境的破壞，做到“經(jīng)濟效益”與“生態(tài)效益”齊頭并進已成為當今中國乃至世界旅游面臨的重大課題。

迄今為止，中國旅游業(yè)碳排放的研究主要集中于對其排放量的測算以及對旅游效率的評估模型構建。究其原因主要有：旅游業(yè)碳排放量缺乏官方統(tǒng)計數(shù)據(jù)，學界需要探尋科學精準的方法估算旅游業(yè)碳排放量；純經(jīng)濟視角的旅游效率評估方式已不再合時，因此學者試圖從生態(tài)視角構建旅游效率評估體系。創(chuàng)建良好的理論體系與評價框架有利于更好地評價旅游效率。但整體而言，關于旅游業(yè)碳排放研究目前尚處在抽樣調查和評估模型科學性的探討階段。在關于旅游業(yè)碳排放總量測量的研究中，學者多采用基于過程分析的“自下而上”模型以及基于投入產(chǎn)出的“自上而下”模型對旅游能源消費和碳排放量進行測量和研究[1]，比如在不同尺度范圍下，旅游業(yè)碳排放量測算[2-4]；旅游住宿[5-6]、旅游交通[7-9]等旅游相關行業(yè)碳排放總量與強度測算。目前在學界中尚未有關于旅游業(yè)碳排放量測量公認權威的方法，囿于測量的指標、方法等因素影響，不同學者的測量結果及其準確度有所偏差。針對旅游生態(tài)效率的評估，學者多采用考慮非期望產(chǎn)出的DEA分析法[10]、生態(tài)效率公式[11]以及方向性距離函數(shù)[12]的方法進行研究。但由于評價指標選取存在一定的經(jīng)驗性判斷，因此不同學者構建的評價體系往往僅針對于不同特定情境適用。目前關于旅游業(yè)碳排放的研究主要關注總量測算與效率評估，缺乏對其空間特征的探索?？臻g對于社會經(jīng)濟理論的重要性已被廣泛認可[13]，時空交互是地理學研究社會經(jīng)濟發(fā)展變遷的重要視角。對于旅游業(yè)碳排放問題而言，在較準確估算其排放量的基礎上，在空間維度上研究其分布特征以及如何將這一系列“瞬時場景”置于時間序列中進行研究已成為未來研究的重點。已有關于中國旅游業(yè)碳排放效率的空間特征[14]研究只考慮到空間因素，忽略了時間與空間的相互關聯(lián)性。

本文借助Rey等（2006）提出的探索性時空分析（ESTDA）框架[15]，采用空間自相關分析、LISA時間路徑、LISA時空躍遷探究中國30個省級行政區(qū)2000—2016年旅游業(yè)碳排放效率的時空動態(tài)特征，以更好地揭示其發(fā)展規(guī)律，為低碳旅游發(fā)展提供有效依據(jù)。

二、研究設計

（一）研究對象與數(shù)據(jù)來源

省級行政區(qū)是中國旅游發(fā)展的主要決策主體，因此本文以中國30個省級行政區(qū)（除西藏、港澳臺地區(qū)，下同）作為研究對象，因西藏數(shù)據(jù)缺失較為嚴重，在本文中暫不進行討論。本文研究的時間跨度為2000—2016年，數(shù)據(jù)主要來源于各省統(tǒng)計年鑒（2001—2017年）、《中國旅游統(tǒng)計年鑒》（2001—2017年）、《中國能源統(tǒng)計年鑒》（2001—2017年）以及其他統(tǒng)計資料。

（二） 旅游業(yè)碳排放效率評價指標體系構建

在已有研究的基礎上，本文遵從指標數(shù)據(jù)代表性、可得性和投入產(chǎn)出指標宜少原則（一般要求投入+產(chǎn)出指標數(shù)）≤[SX（]1[]3[SX）]（評價單元個數(shù)）。。本文研究對象數(shù)為中國30個省級行政區(qū)（除西藏、港澳臺地區(qū)），選取5個指標構建旅游業(yè)碳排放效率評價體系，具體指標如下：

1.投入要素指標

（1）資本要素投入：資本存量能較好地反映一個行業(yè)的資本投入情況，本文選取旅游資本存量作為資本要素投入指標?！吨袊糜谓y(tǒng)計年鑒》公布的旅游固定資產(chǎn)凈值數(shù)據(jù)只更新至2000年，本文利用永續(xù)盤存法計算2000—2016年旅游固定資產(chǎn)凈值對旅游資本存量進行替代，計算公式為：Kt=It+（1-δ）Kt-1。其中Kt為該省（區(qū)）t年資本存量，It是以2000年為基期的該?。▍^(qū)）t年旅游固定資產(chǎn)投資，δ為資產(chǎn)折舊率，根據(jù)已有研究，為便于計算，將其近似地設定為5%[16]，確定2000年旅游固定資產(chǎn)凈值后，即可依此方法推算中國各省級行政區(qū)（除西藏、港澳臺地區(qū)）2000—2016年旅游資本存量。

（2）勞動力要素投入：某行業(yè)的勞動力要素投入除考慮從業(yè)人員數(shù)以外還應考慮其有效勞動時間，但因缺乏旅游從業(yè)人員有效勞動時間數(shù)據(jù)，用各省（區(qū)）的旅游從業(yè)人員數(shù)近似替代。

（3）能源要素投入：為方便獲取數(shù)據(jù)，用旅游能源終端消費量（實物量）作為旅游能源要素投入代理變量，包括原煤、焦炭、汽油、煤油、柴油、燃料油、液化石油氣、天然氣8種主要化石能源。而由于各類化石能源單位不一，在統(tǒng)計時需要按照各類能源折算標準煤系數(shù)將其轉化為萬噸標準煤（折算系數(shù)見表1）。因在《中國能源統(tǒng)計年鑒》中旅游業(yè)統(tǒng)計數(shù)據(jù)尚未公布，本文參考潘植強的方法[16]，計算旅游相關行業(yè)的消費剝離系數(shù)，把旅游相關行業(yè)（本文選取“交通運輸、倉儲和郵政業(yè)”“住宿與餐飲業(yè)”“批發(fā)與零售業(yè)”“游覽與娛樂業(yè)”作為旅游相關行業(yè)）中因旅游活動而產(chǎn)生的能源消耗剝離出來?！奥糜蜗M剝離系數(shù)”和旅游各相關行業(yè)中歸屬旅游部分的能源消耗表達式為：

TVAi=TRi×VARi=TRi×VAi÷TPVi（1）

i=TVAi×VAi（2）

TFij=Fij×i（3）

式（1）中TVAi為旅游相關行業(yè)i的旅游增加值；TRi為旅游相關行業(yè)i的旅游收入，根據(jù)《中國旅游統(tǒng)計年鑒》及《中國國內旅游抽樣調查綜合分析報告》計算旅游相關行業(yè)收入；VARi為旅游相關行業(yè)i的旅游增加值率我國目前只在2000年、2002年、2005年、2007年、2012年各編制過一次投入產(chǎn)出表，因此在沒有編制投入產(chǎn)出表的年份采用臨近年份數(shù)據(jù)測算旅游相關行業(yè)增加值率。 ；VAi為旅游相關行業(yè)i的增加值；TPVi為旅游相關行業(yè)i的總收入。其中i=1，2，3，4分別代表“交通運輸、倉儲和郵政業(yè)”“住宿與餐飲業(yè)”“批發(fā)與零售業(yè)”“游覽與娛樂業(yè)”。式（2）中的i為相關行業(yè)i的旅游消費剝離系數(shù)。式（3）中TFij是旅游相關行業(yè)i消耗的第j種能源中屬于旅游的部分；Fij為旅游相關行業(yè)消耗的第j種能源量，其中j=1，2，…，8，分別代表“原煤”“焦炭”“汽油”“煤油”“柴油”“燃料油”“液化石油氣”“天然氣”。

2產(chǎn)出指標

（1）期望產(chǎn)出——旅游增加值：本文選取旅游增加值作為旅游業(yè)碳排放效率評價指標的期望產(chǎn)出，旅游增加值是旅游生產(chǎn)活動所增加的價值，其數(shù)值最小，可以比較確切地反映旅游的規(guī)模和速度，旅游增加值的測算表達式為：TVAi=TRi×VARi=TRi×VAi÷TPVi，詳細解釋請參照上頁“能源要素投入”的計算方法。

（2）非期望產(chǎn)出——旅游CO2排放量：旅游活動中的碳排放主要是由旅游相關行業(yè)消耗化石能源而產(chǎn)生的。目前中國尚未公布各行業(yè)碳排放監(jiān)測數(shù)據(jù)，因此大部分研究均參照IPCC的方法，進行碳排量的測算。其表達式如下：

C=∑iTFij×γj（4）

式（4）中，C為某?。▍^(qū)）某年旅游碳排量；TFij為某?。▍^(qū)）某年旅游相關行業(yè)i的第j種能源消耗量；γj為第j種能源碳排放系數(shù)。

（三）研究方法

1考慮非期望產(chǎn)出的數(shù)據(jù)包絡分析法

數(shù)據(jù)包絡分析法（DEA）是Charmes A和Cooper WW等學者在“相對效率評價”基礎上建立起來的一種考慮多輸入、多輸出的系統(tǒng)分析方法[17]，已被廣泛應用于城市土地利用[18]、產(chǎn)業(yè)效率評估[19]等多領域的決策。但在現(xiàn)實生產(chǎn)活動中，大多數(shù)的經(jīng)濟行為均擁有負外部性（即非期望產(chǎn)出），傳統(tǒng)的DEA模型對投入產(chǎn)出的松弛性問題考慮不充分，導致高估效率。因此Tone基于松弛變量提出了非徑向、非角度的SBM模型[20]，在測量效率時避免了由于徑向性和角度性帶來的偏差，從而使效率測量值更貼近實際生產(chǎn)狀況。而旅游盡管一直被認為是低能耗的綠色產(chǎn)業(yè)，但從已有的研究和實際觀察中我們不難發(fā)現(xiàn)旅游在進行生產(chǎn)活動中會排放出不少的二氧化碳從而加劇氣候變暖，產(chǎn)生負外部性。因此在測量我國旅游效率的同時必須考慮其生態(tài)代價，才能更準確地評估其產(chǎn)業(yè)效率。

按照Tone的定義可得，他把每個研究對象視為一個決策單元（decision making unit， DMU），影響決策單元效率的因素有3個：投入變量、期望產(chǎn)出變量、非期望產(chǎn)出變量，分別以：X=（x1，x2，…，xn）∈Rm×n，Yd=（yd1，yd2，…，ydn）∈Rs1×m，Yu=（yu1，yu2，…，yun）∈RS2×n表示n個決策單元的效率影響因素矩陣。其中，x1-xn為n個決策單元（即30個省級行政區(qū)）的投入變量，yd1-ydn為n個決策單元的期望產(chǎn)出變量，yu1-yun為n個決策單元的非期望產(chǎn)出變量。則規(guī)模效益不變（去掉權重和為1的約束條件即為規(guī)模效益可變）情況下潛在生產(chǎn)集A定義為：

2探索性時空數(shù)據(jù)分析

旅游活動具有強的空間性與時間性，因此本文從時空的角度研究旅游業(yè)碳排放效率，探究中國30個省級行政區(qū)從2000～2016年旅游業(yè)碳排放的效率時空動態(tài)變化。ESDA（Exploratory Spatial Data Analysis）通過對研究對象的空間格局進行描述和可視化操作，但其忽略了經(jīng)濟現(xiàn)象中時間這一重要因素。因此本文借助由Rey和Janikas提出的ESTDA（Exploratory Spatialtime Data Analysis）探索性時空數(shù)據(jù)模型，利用全域空間自相關、局部空間自相關、LISA時間路徑、LISA時空躍遷等方法分析中國旅游業(yè)碳排放效率的時空動態(tài)變化。

（1）全域空間自相關。全域空間自相關分析描述區(qū)域內整體空間關聯(lián)度和空間差異度，一般用全域Morans I（莫蘭指數(shù)）檢驗區(qū)域空間上，研究對象是否存在空間集聚性。其表達式為：

式（8）中，n為研究對象個數(shù)，即30，Zi為i?。▍^(qū)）碳排放效率值，Wij為區(qū)位鄰接關系權重矩陣，在生成鄰接矩陣時，將海南定義為與廣東、廣西相鄰，避免產(chǎn)生“孤島”。Morans I∈[-1，1]，當Morans I=0時，說明旅游碳排放效率在空間上隨機分布；當Morans I>0且Morans I→1時，說明旅游碳排放效率整體上具有空間集聚效應，即旅游碳排放效率較高或較低的研究單元在空間上集聚；當Morans I<0且Morans I→-1時，說明旅游碳排放效率整體上具有空間差異性，即旅游碳排放效率在空間上呈現(xiàn)高低間隔分布狀態(tài)。

（2）局部空間自相關。本文通過繪制中國旅游業(yè)碳排放效率的Morans I散點圖，進一步刻畫各研究單元旅游業(yè)碳排放效率與周邊地區(qū)的時空特征。Morans I散點圖的橫軸代表該研究單元碳排放效率觀測值，縱軸代表其空間滯后效應。Morans I散點圖共分為4個象限，分別為第一象限（H-H類型）、第二象限（L-H類型）、第三象限（L-L類型）和第四象限（H-L類型）。分布在第一、第三象限，表明其旅游業(yè)碳排放效率具有較強的空間集聚效應，即自身與周邊?。▍^(qū)）的旅游業(yè)碳排放效率均較高或均較低；若分布在第二、第四象限，說明其旅游業(yè)碳排放效率具有空間異質性，即自身旅游業(yè)碳排放效率較低（高）而周邊?。▍^(qū)）的旅游業(yè)碳排放效率較高（低）。

（3）LISA時間路徑。LISA時間路徑通過融入時間要素，把LISA坐標的時間變動軌跡在Morans I散點圖上直觀地顯示出來，使傳統(tǒng)的靜態(tài)LISA坐標具有動態(tài)。對30個研究單元的旅游業(yè)碳排放效率觀測值及其空間滯后效應的進行可視化處理，LISA時間路徑較好地測量LISA坐標在Morans I散點圖的穩(wěn)定性水平，解釋各研究單元的旅游業(yè)碳排放效率在區(qū)域層面上的時空協(xié)同變化以及確定局部空間差異和旅游業(yè)碳排放的時空動態(tài)性。LISA時間路徑的幾何特征主要包括LISA時間路徑長度、彎曲度。

式（9）中，M代表研究單元數(shù)量即30，T代表時間長度，Lm，t是研究單元m在第t年的LISA坐標。d（Lm，t，Lm，t+1）表示的是研究單元m在第t年到第t+1年間的移動距離。L值越大，代表該研究單元具有較動態(tài)的局部空間結構；L>1代表研究單元m的移動距離大于移動距離的平均值。式（10）中d（Lm，1，Lt，T）表示的是研究單元m在首年到末年的移動距離。δ越大，LISA時間路徑越彎曲，局部空間結構波動越曲折；如果δ>1，表明研究單元m的移動曲折程度高于均值。

（4）時空躍遷。根據(jù)Rey等人提出的時空躍遷（Spacetime Transition）理論[28]，時空躍遷主要分為4種類型（見表2）。Rey將時空變遷與凝聚定義為研究時段內某類型的躍遷數(shù)量與躍遷總數(shù)（t）之比，本文中，t=（2016-2000）*M（30）=480。根據(jù)時空躍遷4種基本類型，可以得出Morans I空間凝聚度：

Ct=[SX（]F0，t[]t[SX）]（11）

在式（11）中，Ct表示空間凝聚度；F0，t表示研究時間t內，發(fā)生Ⅳ型時空躍遷的研究單元數(shù)；t為所有可能發(fā)生躍遷的研究單元數(shù)量。Ct∈[0，1]，Ct的值越大，說明其空間凝聚程度越高，進行躍遷的阻礙越大。

三、旅游業(yè)碳排放效率時空變化

中國旅游業(yè)碳排放效率具有較為明顯的空間分異特征，為方便描述，將中國劃分為三大地區(qū)本文將中國30個省級行政區(qū)（西藏、港澳臺地區(qū)除外）分為東部、中部和西部三個區(qū)，東部地區(qū)包括：遼寧、北京、河北、天津、山東、上海、浙江、江蘇、福建、廣東、廣西、海南；中部地區(qū)包括：黑龍江、吉林、內蒙古、山西、河南、湖北、湖南、安徽、江西；西部地區(qū)包括：重慶、四川、貴州、云南、陜西、甘肅、寧夏、青海、新疆。 。2000—2016年全國旅游業(yè)碳排放效率總體呈波動上升發(fā)展，但波動幅度較?。ㄒ姳?）。為更好地揭示各省級行政區(qū)的相對旅游業(yè)碳排放效率，本文將旅游業(yè)碳排放效率劃分為三個等級：相對高效率（前30%）、相對中效率（30%～60%）、相對低效率（后40%）。從時空角度分析中國各省旅游業(yè)碳排放效率具有較為顯著的變化特征：

中國旅游業(yè)碳排放效率的高值從2000—2016年一直穩(wěn)定在東南沿海地區(qū)和環(huán)渤海地區(qū)，其平均效率值達到08以上，表明其旅游業(yè)碳排放效率已接近有效生產(chǎn)前沿；中國旅游業(yè)碳排放效率的低值主要集中在中、西部地區(qū)，平均效率值分別約為05和04；其余?。▍^(qū)）在觀察年份期間相對效率排名有所變動。從地區(qū)分布來看，東部地區(qū)的旅游業(yè)碳排放效率較高，其次為中部地區(qū)，最低為西部地區(qū)。旅游業(yè)碳排放效率值總體自東向西呈階梯狀下降趨勢。

四、中國旅游業(yè)碳排放效率空間關聯(lián)特征

（一）全域空間自相關

根據(jù)計算可得，2000—2016年中國30個省級行政區(qū)（西藏、港澳臺地區(qū)除外）Morans I指數(shù)均為正（見表4），說明旅游業(yè)碳排放效率在空間上具有較強的聚集作用，即碳排放效率高值省域和低值省域在空間上聚集。

通過中國旅游業(yè)平均碳排放效率散點圖（圖1）可知，分布在第一象限（H-H）和第三象限（L-L）代表相鄰的空間對象具有相似的旅游業(yè)碳排放效率，即具有較強的空間均質性，包括上海、江蘇、天津等共21個省級行政區(qū)，占所有研究對象70%；而分布在第二象限（L-H）和第四象限（H-L）代表相鄰的空間對象具有較強的空間異質性，包括江西、安徽等共9個省級行政區(qū)，占所有研究對象30%。由此可見中國2000—2016年旅游業(yè)碳排放效率的空間均質性愈發(fā)增強，說明旅游業(yè)碳排放效率空間聚集現(xiàn)象逐漸增強。

（二）局域空間自相關

通過全域空間自相關分析可知，中國旅游業(yè)碳排放效率在總體上具有較為顯著的空間關聯(lián)特征，為了進一步研究局部區(qū)域旅游業(yè)碳排放效率的空間關聯(lián)性，本文借助ArcGis軟件繪制觀察期內2000年、2005年、2010年、2016年的LISA集聚圖，更加直觀地探究碳排放效率的局部區(qū)域空間關聯(lián)性。

觀察期內，旅游業(yè)碳排放效率低值集聚中心（L-L）較為穩(wěn)定地處于中國西北部；高值集聚中心（H-H）則從2000年的江蘇、上海逐漸擴散至2016年的江蘇、上海、浙江、福建、廣東、廣西；高值孤立中心（H-L）穩(wěn)定在中部地區(qū)的江西，2005年出現(xiàn)江西、安徽兩個高值孤立中心；而低值孤立中心（L-H）分別在2005年和2010年出現(xiàn)在四川，其余年份均沒有低值孤立中心。從2016年的LISA集聚圖分析可知，中國旅游業(yè)碳排放效率空間差異特征明顯，主要的集聚類型有4種：高高關聯(lián)（H-H）、高低關聯(lián)（H-L）、低高關聯(lián)（L-H）、低低關聯(lián)（L-L）。高高關聯(lián)集聚類型主要分布在中國東部及南部沿海地區(qū)，包括上海、江蘇、浙江等6個?。▍^(qū)），其中上海、浙江的高值集聚效應最強；高低關聯(lián)類型主要出現(xiàn)在四川；低高關聯(lián)類型出現(xiàn)在中部地區(qū)的江西和安徽2個省級行政區(qū)；低低關聯(lián)類型出現(xiàn)在西部和北部地區(qū)，該地區(qū)是旅游業(yè)碳排放效率的洼地。

（三）LISA時空動態(tài)特征分析

1LISA時間路徑的幾何特征

通過對LISA時間路徑幾何特征的計算可以較好地揭示中國旅游業(yè)碳排放效率空間結構的動態(tài)性以及空間依賴的波動性。為方便分類，采取相等間隔法將2000—2016年LISA時間路徑長度分為4類，即短路徑長度（0473～0903）、相對短路徑長度（0904～1333）、相對長路徑長度（1334～1763）、長路徑長度（1764～2193）。東部沿海地區(qū)如上海、江蘇等省（區(qū)）以及西北部地區(qū)如青海、寧夏等省（區(qū)）相對路徑較短，表明空間結構較為穩(wěn)定。東部沿海?。▍^(qū)）由于旅游發(fā)展水平較高，旅游發(fā)展模式為集約型發(fā)展模式，因此其局部空間結構較為穩(wěn)定；而西北部?。▍^(qū)）由于其旅游長期沒有得到較大發(fā)展而且其能源利用結構相對固定，因此也具有較為穩(wěn)定的局部空間結構。而時間路徑較長的?。▍^(qū)）有吉林、黑龍江、山西等省（區(qū)）。這部分省（區(qū)）由于早期的“振興東北”“中原崛起”等國家政策影響，經(jīng)濟發(fā)展以及旅游得到短時間內的迅猛發(fā)展，而這部分?。▍^(qū)）又以煤炭為主要能源消耗，因此使得二氧化碳排放量劇增。但這部分地區(qū)由于其本身旅游缺乏良好的基礎使得后續(xù)發(fā)展力不足，因此其局部空間結構具有較強烈的動態(tài)性。總體而言，時間路徑相對長度<1（即空間移動距離小于平均值）的省級行政區(qū)有16個約占總數(shù)53%，說明中國旅游業(yè)碳排放效率的局部空間格局較為穩(wěn)定。

同樣，采取相等間隔法將2000—2016年LISA時間路徑彎曲度劃分為4個等級：低彎曲度（1069～5852）、相對低彎曲度（5853～10634）、相對高彎曲度（10635～15416）、高彎曲度（15417～20198）。由表5可知，彎曲度較大的省（區(qū)）主要位于中部地區(qū)，包括河南、安徽等，表明其具有強波動性的旅游業(yè)碳排放效率演變及局部空間依賴變化過程，即其與領域?。▍^(qū)）具有非動態(tài)的變遷過程。中部省（區(qū)）由于其位于旅游業(yè)碳排放效率較高與較低集聚中心的臨界處，因此其受到鄰近省區(qū)的影響較大。而彎曲度較小的省（區(qū)）則主要分布于東部沿海及西部?。▍^(qū)），東部沿海省（區(qū)）由于其旅游發(fā)展模式、能源消費結構等因素具有較高相似度，因此其彎曲度較小，局部空間依賴變化過程波動性較弱；而西部內陸?。▍^(qū)）則由于其旅游發(fā)展速度緩慢，且經(jīng)濟發(fā)展水平、能源消費結構等因素存在一定固化作用，因此該部分?。▍^(qū)）也具有較小的彎曲度。

2LISA時間路徑移動方向分析

通過對中國30個省級行政區(qū)（西藏、港澳臺地區(qū)除外）旅游業(yè)碳排放效率在Morans I散點圖中的躍遷軌跡分析，得出在2000—2016年間各省時間路徑移動方向如圖2所示，箭頭方向代表該省的躍遷方向，箭頭長度代表躍遷距離。第一象限代表該省旅游業(yè)碳排放效率與鄰省發(fā)生正向協(xié)同躍遷，第三象限代表發(fā)生負向協(xié)同躍遷，第二象限和第四象限代表該省旅游業(yè)碳排放效率與鄰省發(fā)生反向躍遷?？傮w來看，發(fā)生協(xié)同躍遷的省級行政區(qū)共有21個，占總數(shù)的70%，表明中國各省級行政區(qū)旅游業(yè)碳排放效率空間格局演化有較強的空間整合性。從圖2可知，發(fā)生正向協(xié)同躍遷的?。▍^(qū)）主要位于東部沿海，包括江蘇、浙江等，而發(fā)生負向協(xié)同躍遷的?。▍^(qū)）主要位于西北與東北部，包括甘肅、青海等。因此提高旅游業(yè)碳排放效率需要從區(qū)域視角進行統(tǒng)籌，決不能省際間“各自為政”進行發(fā)展。

3LISA時空躍遷分析

各省的LISA時間路徑的物理變遷方向描繪了各省在Morans I散點圖上的時空演變路徑，而通過空間轉移概率矩陣則可進一步分析不同單元種類在Morans I散點圖上的演變過程。從空間轉移概率矩陣可知，整體上來看中國旅游業(yè)碳排放效率空間結構較為穩(wěn)定，較少發(fā)生不同類型間的躍遷，表現(xiàn)出一定的躍遷惰性。在不同類型間躍遷當中，HLt→HHt+1的轉移概率最大，達到0035，其余轉移類型概率較低，間接說明中國旅游業(yè)碳排放效率空間結構趨于穩(wěn)定。在轉移概率矩陣中（表6），Ⅳ型時空躍遷的概率達到855%，即Morans I的空間凝聚力Ct=0855，說明中國各省旅游業(yè)碳排放效率在2000～2016年間沒有發(fā)生時空躍遷的概率為855%，因此中國旅游業(yè)碳排放效率的空間凝聚力折射出較強的路徑鎖定特征。

2000年以來，國家對旅游發(fā)展的重視程度不斷加強。從2000年首度實行“五一”“十一”黃金周以來，人們因為閑暇時間增多和可支配收入增多，出游的人次不斷上升。而國家也一直根據(jù)旅游發(fā)展的總體態(tài)勢和各省級行政區(qū)所擁有的旅游資源稟賦進行積極引導與開發(fā)。從以往注重“量”到現(xiàn)今注重“質”的旅游發(fā)展理念轉變，折射出無論是政府、企業(yè)還是旅游者的旅游理念愈發(fā)成熟、理性。

中國由于幅員遼闊，無論自然景觀還是人文風貌在區(qū)域間均表現(xiàn)出巨大差異，各省級行政區(qū)均擁有獨具特色的旅游資源。但由于各地經(jīng)濟發(fā)展水平參差不齊，使得處于發(fā)展較落后的省級行政區(qū)盡管擁有極具吸引力的旅游資源，但因缺乏先進的管理、技術手段而難以獲得較高的旅游業(yè)碳排放效率。比如處于第三象限中的西北部省級行政區(qū)，它們大都擁有極具特色的旅游資源，但由于地處西北內陸地區(qū)，交通、高素質人才、科技等引領旅游業(yè)發(fā)展的要素難以流向這部分省級行政區(qū)，使得其僅能以破壞環(huán)境為代價發(fā)展粗放型的旅游業(yè)，成為負向協(xié)同發(fā)展區(qū)域。而位于第一象限的東部沿海省級行政區(qū)，就旅游資源獨特性來講反而可能比不上西北省級行政區(qū)，但由于其經(jīng)濟社會發(fā)展水平高，國內甚至國際知名度高，善于創(chuàng)造旅游消費熱點等原因，成為正向協(xié)同發(fā)展區(qū)域。而中部省級行政區(qū)由于處于過渡地帶，則表現(xiàn)出協(xié)同與競爭并存的局面。

五、結論與政策啟示

（一） 結論

本文采用考慮非期望產(chǎn)出的數(shù)據(jù)包絡分析法測算了2000—2016年中國30個省級行政區(qū)（除西藏、港澳臺地區(qū)）的旅游業(yè)碳排放效率，并利用ESTDA框架分析其時空躍遷特征，結論如下：

旅游業(yè)碳排放效率及其時空特征：觀測期內，中國旅游業(yè)碳排放效率總體呈波動上升趨勢，東、中、西部地區(qū)具有明顯空間分形。2000—2016年全局莫蘭指數(shù)（Morans I）均為正值，呈現(xiàn)先升后降趨勢，大部分年份通過5%顯著性檢驗，表明中國旅游業(yè)碳排放效率具有顯著的空間正相關關系，即高（低）效率值的省區(qū)彼此相鄰。

旅游業(yè)碳排放效率LISA時間路徑特征分析：LISA時間路徑相對長度呈現(xiàn)出東部、西北部省（區(qū)）短，局部空間結構具有穩(wěn)定性；東北部以及中部?。▍^(qū)）高，具有強烈的局部空間結構動態(tài)變化格局。彎曲度分析表明東部沿海?。▍^(qū)）以及西部?。▍^(qū)）彎曲度較小，局部空間依賴變化過程波動性較弱，而中部?。▍^(qū)）則波動性較強；從LISA時間路徑的移動方向上看，大部分?。▍^(qū)）屬于協(xié)同發(fā)展（正向或負向），說明相鄰?。▍^(qū)）間的空間極化（溢出）效應較強。

旅游業(yè)碳排放效率LISA時空躍遷分析：研究中發(fā)現(xiàn)，各省級行政區(qū)的旅游業(yè)碳排放效率在不同類型之間的躍遷較少發(fā)生，空間凝聚程度達到855%，表明各省級行政區(qū)難以改變自身旅游業(yè)碳排放效率的相對位置，旅游業(yè)碳排放空間格局具有一定的路徑依賴和空間鎖定特性，這成為未來提高全國旅游業(yè)碳排放效率的難點之一。

研究展望及局限：中國旅游業(yè)碳排放效率的時空躍遷特征研究能夠揭示出其發(fā)展歷程以及其未來發(fā)展趨勢，為旅游業(yè)未來的綠色發(fā)展、環(huán)境友好型發(fā)展政策制定提供參考。但囿于數(shù)據(jù)可得性等原因，本文研究時序較短，難以深入剖析我國旅游業(yè)碳排放效率的發(fā)展歷史。再者，本文僅從經(jīng)濟視角對旅游業(yè)碳排放效率進行研究，缺乏更廣視角的討論，難以做到全面深入研究，因此后續(xù)研究將根據(jù)旅游業(yè)碳排放效率研究及發(fā)展現(xiàn)狀，進一步完善、優(yōu)化研究模型，從更全面的視角對該問題進行探討，為中國旅游綠色發(fā)展提供更完善、科學的依據(jù)。

（二）政策啟示

綜合提升相鄰省級行政區(qū)旅游業(yè)碳排放效率，需要加強相鄰省級行政區(qū)旅游業(yè)整體布局和規(guī)劃。相鄰省級行政區(qū)通過建立主題旅游片區(qū)等方式，實現(xiàn)多省旅游協(xié)同發(fā)展，避免“各自為政”。東部效率較高的省級行政區(qū)，應利用其技術、人才等優(yōu)勢，發(fā)揮區(qū)域間協(xié)同效應，幫扶鄰近效率較低省級行政區(qū)，使正向協(xié)同發(fā)展圈進一步擴大。效率較低的省級行政區(qū)，應不斷借鑒發(fā)展經(jīng)驗，牢牢把握住如“一帶一路”等發(fā)展熱點，提升自身在國內外旅游業(yè)中的知名度，優(yōu)化自身能源消費結構，提升自身旅游業(yè)發(fā)展的效率，逐漸走向集約型旅游業(yè)發(fā)展道路。

推動旅游業(yè)向綠色發(fā)展，需要政府更好地發(fā)揮職能。在政府治理層面上，首先，政府作為旅游業(yè)發(fā)展的引導者，應做好統(tǒng)籌各省級行政區(qū)旅游業(yè)發(fā)展的協(xié)調與指導工作；其次，應轉變旅游業(yè)發(fā)展評價指標，從以往主要根據(jù)旅游人次、旅游業(yè)收入的單一經(jīng)濟指標評價應轉向考慮環(huán)境、社會等因素的多維度評價指標，使各省級行政區(qū)在發(fā)展旅游業(yè)時不再功利地只考慮其“量”而不考慮其“質”；最后，由于現(xiàn)今對旅游業(yè)碳排放量的測算手段主要以估算為主，由于數(shù)據(jù)可得性等問題，未能對中國旅游業(yè)碳排放量進行準確反映，因此政府應公布官方監(jiān)測數(shù)據(jù)，使旅游業(yè)發(fā)展現(xiàn)狀更直觀、透明地呈現(xiàn)。

形成全行業(yè)綠色發(fā)展理念，需要對相關行業(yè)進行正確引導。在旅游交通方面，構建高效且能源消耗低的公路、鐵路網(wǎng)絡，降低對民航等環(huán)境污染較重的交通方式使用率；在旅游住宿方面，應鼓勵民宿等共享旅游方式發(fā)展，倡導酒店向智能化、綠色化發(fā)展， 提高資源利用率；在旅游購物方面，應著力提高旅游產(chǎn)品的附加值，降低同質化且低附加值的旅游產(chǎn)品在市場上的比例；在旅游娛樂方面，應通過對文化的深層挖掘，開發(fā)既滿足旅游者精神消費需求又低碳環(huán)保的娛樂方式。

參考文獻：

[1]SUSANNE BECKEN How tourists and tourism experts perceive climate change and carbonoffsetting schemes[J].Journal of sustainable tourism， 2004， 12（4）： 332-345

[2]韓元軍， 吳普 京津冀地區(qū)旅游的碳排放測算與比較研究[J].人文地理， 2016（4）：127-134

[3]謝園方， 趙媛 長三角地區(qū)旅游能源消耗的CO2排放測度研究[J].地理研究， 2012， 31（3）：429-438

[4]肖瀟， 張捷， 盧俊宇，等 旅游交通碳排放的空間結構與情景分析[J].生態(tài)學報， 2012， 32（23）：7540-7548

[5]劉益 中國酒店業(yè)能源消耗水平與低碳化經(jīng)營路徑分析[J].旅游學刊， 2012， 27（1）：83-90

[6]魏衛(wèi)，張瓊 基于層次分析法的飯店低碳化水平評價指標體系研究[J].華南理工大學學報（社會科學版），2012（6）：26-31

[7]魏艷旭 我國旅游交通碳排放及其地區(qū)差異的分析研究[D].西安：陜西師范大學， 2012

[8]孫晉坤， 章錦河， 劉澤華，等 區(qū)域旅游交通碳排放測度模型及實證分析[J].生態(tài)學報， 2015， 35（21）：7161-7171

[9]吳普 離岸島嶼目的地旅游交通能耗與CO2排放測算——以海口市為例[J].旅游學刊， 2014， 29（8）：110-116

[10]韓元軍， 吳普， 林坦 基于碳排放的代表性省份旅游產(chǎn)業(yè)效率測算與比較分析[J].地理研究， 2015， 34（10）：1957-1970

[11]姚治國， 陳田， 尹壽兵，等 區(qū)域旅游生態(tài)效率實證分析——以海南省為例[J].地理科學， 2016， 36（3）：417-423

[12]李志勇 低碳經(jīng)濟視角下旅游服務效率評價方法[J].旅游學刊， 2013， 28（10）：71-80

[13]ABREU M， GROOT H L F D， FLORAX R J G M.Space and growth：A survey of empirical evidence and methods[J]Region et developpement，2004，21：13-44.

[14]王坤， 黃震方， 曹芳東 中國旅游業(yè)碳排放效率的空間格局及其影響因素[J].生態(tài)學報， 2015， 35（21）：7150-7160

[15]REY S J， JANIKAS M V STARS： Spacetime analysis of regional systems[J].Geographical analysis， 2006， 38（1）： 67-86

[16]潘植強 我國旅游業(yè)碳排放影響因素及碳減排門檻效應研究[D]上海：上海師范大學， 2016

[17]CHARMES A， COOPER W W， RHODES E Measuring the efficiency of decision making Units [J].European journal of operational research，1978（2）： 429-444

[18]朱巧嫻， 梅昀， 陳銀蓉基于碳排放測算的湖北省土地利用結構效率的 DEA 模型分析與空間分異研究[J].經(jīng)濟地理，2015， 35（12）： 176-184

[19]李瑞， 郭謙， 賀躋， 等 環(huán)渤海地區(qū)城市旅游發(fā)展效率時空特征及其演化階段——以三大城市群為例[J].地理科學進展， 2014， 33（6）： 773-785

[20]TONE K Dealing with undesirable outputs in DEA： A Slacksbased measure（SBM）approach [R]GRIPS research report series， 2003[ZK）][ZK）]

Abstract： Based on data envelopment analysis （DEA） of undesirable outputs and exploratory spatialtime data analysis， this article measures the tourism carbon emission efficiency and discusses its timespatial transition characteristics of 30 provinces and autonomous regions in China （excluding Tibet， Hong Kong， Macao， Taiwan）. The results show that： （1） Tourism carbon emission efficiency in most provinces and autonomous regions show upward trends from 2000 to 2016， with the high value center centering in the eastern coastal provinces and the low value in the western provinces. （2） By conducting global autocorrelation analysis， it can be concluded that there is a significant spatial positive correlation of the tourism carbon emission efficiency. （3） By analyzingthe LISA time path and spatialtime transition， it is shown that the tourism emission efficiency in most provinces has a relatively stable local spatial structure and few spatialtime transitions across different types， showing a strong spatial dependence and pathlocking feature. Based on the results obtained， the article puts forward several feasible suggestions of lowcarbon tourism.

Keywords：tourism； carbon emission； efficiency； spatialtime transition