中國(guó)旅游交通碳排放強(qiáng)度的時(shí)空演變特征

殷雅榮, 李 援

(1.瓊臺(tái)師范學(xué)院 生態(tài)經(jīng)濟(jì)研究中心, ?？?570228; 2.瓊臺(tái)師范學(xué)院 自貿(mào)港智能財(cái)務(wù)教育研究中心, 海口 570228;3.瓊臺(tái)師范學(xué)院 教育大數(shù)據(jù)與人工智能研究所, ?？?570228)

政府間氣候變化專門委員會(huì)(IPCC)在第六次《氣候變化2022:減緩氣候變化》評(píng)估報(bào)告中指出:要實(shí)現(xiàn)溫度升高控制在2 ℃左右的目標(biāo),溫室氣體排放達(dá)峰時(shí)間必須控制在2025年前,并在2030年前減少1/4[1]。全球氣候變化已成為當(dāng)今世界面臨的重大挑戰(zhàn)問題之一[2]。旅游業(yè)作為全球第一大產(chǎn)業(yè)[3],其碳排放占全球碳排放總量的14%[4],對(duì)氣候變化產(chǎn)生了重要的影響[5]。而旅游交通的能源消耗則占整個(gè)旅游產(chǎn)業(yè)的70%,是旅游業(yè)最主要的碳排放來(lái)源[5-6]。因此,分析國(guó)內(nèi)各省區(qū)市旅游交通碳排放強(qiáng)度(后文稱碳強(qiáng)度)的空間自相關(guān)性和時(shí)空演變特征、找到影響碳強(qiáng)度的關(guān)鍵因素,對(duì)旅游產(chǎn)業(yè)碳減排、生態(tài)與經(jīng)濟(jì)協(xié)同發(fā)展具有重要的理論價(jià)值和實(shí)踐意義。

1 文獻(xiàn)綜述

國(guó)內(nèi)外對(duì)于旅游交通碳排放的研究主要集中在測(cè)算方法、影響因素、減排措施和碳排放時(shí)空間演變規(guī)律4個(gè)方面,通過國(guó)內(nèi)外學(xué)者共同努力,相關(guān)研究獲得了長(zhǎng)足的進(jìn)展。

在旅游交通碳排放測(cè)算上,學(xué)者們對(duì)省域、經(jīng)濟(jì)區(qū)和景區(qū)做出了大量研究。根據(jù)不同的研究尺度和數(shù)據(jù)類型的選取,旅游交通碳排放測(cè)算方法主要有“自上而下”[7-9]和“自下而上”[10-12]法。部分學(xué)者對(duì)不同的旅游交通方式進(jìn)行了測(cè)算,Byrnes和Warnken[13]研究發(fā)現(xiàn)船只碳排放對(duì)海岸旅游的碳減排壓力較大。魏艷旭等[9]測(cè)算了中國(guó)旅游交通4種主要方式--鐵路、汽運(yùn)、水運(yùn)和民航的碳排放,在時(shí)間維度和地域維度對(duì)其進(jìn)行了對(duì)比,認(rèn)為公路和民航碳排放量最大。陶玉國(guó)[14]測(cè)算了長(zhǎng)三角旅游交通碳排放總量,發(fā)現(xiàn)飛機(jī)和自駕車共占比達(dá)到71.64%。竇銀娣等[15]測(cè)算了衡山旅游風(fēng)景區(qū)旅游交通碳足跡,發(fā)現(xiàn)不同交通方式的碳足跡相差較大,其中公路交通最大。馬慧強(qiáng)等[12]測(cè)算了山西省旅游碳排放量,指出公路、鐵路是山西省旅游交通碳排放量的重要來(lái)源,游客規(guī)模是旅游交通碳排放量快速增長(zhǎng)的主要因素。由此可見,旅游交通碳排放的測(cè)算方法多樣,不同時(shí)期、區(qū)域的旅游交通碳排放的來(lái)源有顯著差異。

國(guó)內(nèi)外學(xué)者對(duì)旅游交通碳排放影響因素進(jìn)行了充分研究。Lin[16]研究顯示,旅行距離和交通方式是碳排放量貢獻(xiàn)最大的因素。Becken等[17]的研究表明通過改變游客的旅行方式(增大游客負(fù)載因子、提升技術(shù)效率和減短旅行距離)能夠極大地影響能源需求。王佳和薛景潔[11]研究了河南省旅游交通碳排放的影響因素,結(jié)果顯示游客規(guī)模、單位交通周轉(zhuǎn)量的能耗、人均旅游消費(fèi)水平依次提高旅游交通碳排放,旅游產(chǎn)業(yè)占生產(chǎn)總值的貢獻(xiàn)度、單位GDP交通周轉(zhuǎn)量和能源結(jié)構(gòu)對(duì)旅游交通碳排放呈負(fù)效應(yīng)。李伯華等[18]利用生命周期評(píng)價(jià)理論對(duì)南岳風(fēng)景構(gòu)建了旅游交通系統(tǒng)碳足跡計(jì)算模型,發(fā)現(xiàn)能源結(jié)構(gòu)效應(yīng)和人口規(guī)模與南岳旅游景區(qū)碳排放成正效應(yīng),而能源強(qiáng)度效應(yīng)和經(jīng)濟(jì)規(guī)模與碳排放呈現(xiàn)負(fù)效應(yīng)。目前研究表明能源結(jié)構(gòu)、交通方式選擇和旅行距離等因素能夠影響旅游交通碳排放。

在旅游交通碳排放減排措施領(lǐng)域,Sgouridis等[19]、Filimonau等[20]先后研究發(fā)現(xiàn),減少飛機(jī)出行可以促進(jìn)旅游碳排放的降低。Peeters等[21]研究發(fā)現(xiàn),航空業(yè)技術(shù)革新對(duì)旅游業(yè)可持續(xù)發(fā)展具有促進(jìn)作用。另外,Rutty等[22]在研究安大略省滑雪勝地旅游碳排放時(shí)提出采用交通工具監(jiān)控技術(shù)和生態(tài)駕駛員訓(xùn)練兩種手段可減少8%的碳排放。孫晉坤等[23]提出改善區(qū)域交通配置狀況、提高區(qū)域旅游各要素的服務(wù)質(zhì)量等旅游交通碳減排措施?，F(xiàn)有研究表明技術(shù)革新、改善交通配置和提高管理水平有利于降低旅游交通碳排放。

當(dāng)前對(duì)于旅游交通碳排放的時(shí)空演變及差異性的研究較為薄弱。胡程等[24]通過研究發(fā)現(xiàn),沿長(zhǎng)江經(jīng)濟(jì)帶旅游交通碳排放呈現(xiàn)“東西高中間低”的空間格局。郭向陽(yáng)等[7]研究發(fā)現(xiàn),全國(guó)省域旅游交通碳排放呈現(xiàn)由東至西遞減態(tài)勢(shì),總體上東-西方向空間聯(lián)動(dòng)效應(yīng)差異趨向最大,其他方向空間分異程度較小。

雖然國(guó)內(nèi)外學(xué)者圍繞旅游交通碳排放開展了大量針對(duì)性研究,但現(xiàn)有研究仍存在以下不足:首先,大多數(shù)研究集中在單個(gè)省、市、景區(qū)或城市群,以全國(guó)視角開展的研究相對(duì)缺乏。其次,盡管現(xiàn)有研究對(duì)旅游交通碳排放的時(shí)空格局及演進(jìn)進(jìn)行了分析,但研究對(duì)象主要集中在碳排放總量上,缺乏對(duì)不同區(qū)域因經(jīng)濟(jì)發(fā)展、城市化水平、科技水平、地理區(qū)位、管理和政策等因素的差異化研究。鑒于此,將旅游交通碳強(qiáng)度和經(jīng)濟(jì)因素結(jié)合進(jìn)行分析,在已有研究成果基礎(chǔ)上,采用“自上而下”的研究方法對(duì)2012-2020年中國(guó)31個(gè)省(自治區(qū)、直轄市)(因數(shù)據(jù)缺失,未包含港澳臺(tái)地區(qū))旅游交通碳強(qiáng)度進(jìn)行測(cè)算,并采用空間相關(guān)性模型探究全國(guó)區(qū)域內(nèi)碳強(qiáng)度的時(shí)空變化規(guī)律,發(fā)現(xiàn)關(guān)鍵聚集發(fā)展區(qū)域并對(duì)其進(jìn)行針對(duì)性分析,以確定影響旅游交通碳效率的關(guān)鍵因素,為降低國(guó)內(nèi)旅游交通碳強(qiáng)度提供有針對(duì)性的建議。

2 研究方法與數(shù)據(jù)

2.1 數(shù)據(jù)來(lái)源

旅游人數(shù)、旅游收入等數(shù)據(jù)均來(lái)源于2012-2020年各省(自治區(qū)、直轄市)的《統(tǒng)計(jì)年鑒》(2012-2020年)、《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》(2012-2020年)、《中國(guó)旅游統(tǒng)計(jì)年鑒》(2012-2017年)和《中國(guó)文化和旅游統(tǒng)計(jì)年鑒》(2018-2020年)。4種交通方式的旅客周轉(zhuǎn)量數(shù)據(jù)主要來(lái)自《中國(guó)交通年鑒》(2012-2020年)和各省(自治區(qū)、直轄市)的《統(tǒng)計(jì)年鑒》(2012-2020年),個(gè)別省份民航客運(yùn)周轉(zhuǎn)量數(shù)據(jù)缺失,通過客運(yùn)量與平均運(yùn)距乘積進(jìn)行補(bǔ)充。由于研究時(shí)間跨度大,在計(jì)算過程中使用各年的 CPI (居民消費(fèi)價(jià)格指數(shù))平減指數(shù)對(duì)旅游收入進(jìn)行平減,利用相應(yīng)年份、地區(qū)的GDP (國(guó)內(nèi)生產(chǎn)總值)平減指數(shù)對(duì)GDP進(jìn)行平減。

2.2 旅游交通碳排放和碳排放強(qiáng)度核算

在前人研究[7,9,25]基礎(chǔ)上,采用自上而下的碳排放核算方法。利用4種交通方式(航空、鐵路、公路、水路)的旅客周轉(zhuǎn)量與旅游旅客占比、不同交通方式碳排放因子的乘積匯總估算旅游交通碳排放量,模型為

(1)

式中:CTt為t年某省區(qū)旅游交通碳排放總量;Qit為第t年第i種交通方式的客運(yùn)周轉(zhuǎn)量;fi為第i種交通方式的旅游旅客占比,根據(jù)已有研究[7,9,25],航空、鐵路、公路和水路運(yùn)輸方式客流中旅游旅客的比例取值fi分別取13.8%、31.6%、64.7% 和 10.6%;?i為各種運(yùn)輸方式的CO2排放因子,4種交通方式單位CO2排放量分別為航空137 g/(人·km)、鐵路27 g/(人·km)、公路133 g/(人·km)和水路106 g/(人·km)。

將旅游交通碳排放相對(duì)旅游收入的碳排放強(qiáng)度作為旅游交通碳強(qiáng)度,參照旅游交通碳強(qiáng)度[26]將其定義為一段時(shí)期內(nèi)旅游交通CO2排放量與相應(yīng)旅游收入的比值,其具體公式為

CPt=Ct/Yt

(2)

式中:CPt為某省區(qū)第t年的旅游交通碳排放強(qiáng)度,t/萬(wàn)元;Ct為某省t年的旅游交通碳排放量;Yt為某省t年經(jīng)過CPI平減(以2012年為基年)后的實(shí)際旅游收入。

2.3 空間自相關(guān)分析

莫蘭指數(shù)(Moran’sI) 是用來(lái)度量某要素與其鄰近區(qū)域要素空間相關(guān)性的一個(gè)重要指標(biāo),表現(xiàn)為變量在地理空間中的聚集和離散特征。莫蘭指數(shù)分為全局和局部莫蘭指數(shù),前者表明空間相關(guān)性的出現(xiàn)與否和強(qiáng)度大小,后者揭示要素在局部地區(qū)的聚集和離散情況。其中全局莫蘭指數(shù)I[27]的計(jì)算公式為

(3)

式中:zi、zj分別為i和j兩個(gè)省的旅游交通碳強(qiáng)度;Wij為空間權(quán)重,代表地區(qū)i與地區(qū)j的空間關(guān)系;So為空間權(quán)重Wij的累加和;n為樣本數(shù)量。Moran’sI指數(shù)取值介于-1～1,當(dāng)I>0 時(shí),說(shuō)明旅游交通碳強(qiáng)度具有空間正相關(guān)性,I越大,空間正相關(guān)性越明顯;當(dāng)I<0時(shí),旅游交通碳強(qiáng)度在空間上呈負(fù)相關(guān),I越小,空間差異越大;當(dāng)I=0時(shí),表明空間分布相互獨(dú)立。

局部莫蘭指數(shù)用于分析某臨近區(qū)域內(nèi)指標(biāo)變量與周邊地區(qū)指標(biāo)變量的地理關(guān)聯(lián)程度,從而說(shuō)明該要素是否存在局部的空間聚集或離散效應(yīng),其計(jì)算公式為

(4)

式中:Ii為地區(qū)i的全局莫蘭指數(shù)。

3 旅游交通碳強(qiáng)度的空間自相關(guān)分析

3.1 旅游收入的核密度分析

為了對(duì)研究期內(nèi)旅游GDP總量建立總體認(rèn)識(shí),選擇高斯核函數(shù)的核密度估計(jì)對(duì)各省份旅游收入分布情況進(jìn)行分析。為避免帶寬對(duì)核密度估計(jì)的影響,采用平均積分平方誤差(MISE)對(duì)估計(jì)的帶寬進(jìn)行計(jì)算,選擇帶寬0.743 1,得到2012-2020年全國(guó)各省份旅游收入的核密度估計(jì)圖,如圖1所示。

圖1 2012-2020年全國(guó)主要省份旅游收入核密度估計(jì)圖

通過各年核密度分布曲線(圖1)可知,2012-2020年主要省區(qū)的旅游收入核密度曲線均為單峰分布,并未出現(xiàn)的多極分化現(xiàn)象;曲線峰值逐步右移,波幅逐步降低,且覆蓋范圍變寬,說(shuō)明2012年以來(lái),國(guó)內(nèi)旅游產(chǎn)業(yè)收入逐步提高,而各省份間收入差異有所增大。從曲線的形態(tài)特征看基本可以劃分為3個(gè)階段。

第1階段(2012-2016年):在這一階段,大部分省份的旅游GDP集中在2 000億～4 000億元的低值區(qū)間范圍,各省份旅游收入差距較小。雖然2012-2016年收入峰值不斷右移,實(shí)現(xiàn)了從1 500億～4 300億元的增長(zhǎng),但提升速度較為緩慢,呈現(xiàn)出蓄勢(shì)待發(fā)的狀態(tài)。

第2階段(2017-2019年):與第1階段相比,該階段中峰值明顯降低,各省份的旅游收入差距顯著。峰值點(diǎn)從2017年的5 500億元移動(dòng)到2019年的8 800億元,表現(xiàn)出快速增長(zhǎng)的特征。

第3階段(2020年):由于受到新冠肺炎疫情影響,出游人數(shù)及距離出現(xiàn)較大幅度收縮,各省份旅游收入范圍收窄,并在2 200億元和4 300億元左右稍顯雙峰形態(tài),旅游收入出現(xiàn)了一定程度的分化。

3.2 空間權(quán)重矩陣

空間自相關(guān)性分析首先要確定空間權(quán)重矩陣,常用的權(quán)重矩陣模型包括Queen、Rook鄰接和基于距離、KNN聚類的權(quán)重矩陣。雖然鄰接權(quán)重在空間相關(guān)性分析中經(jīng)常使用,但是考慮鄰接權(quán)重?zé)o法對(duì)地理孤立區(qū)域(如島嶼)進(jìn)行表征,因此,使用基于聚類的方式生成權(quán)重矩陣,由于Queen鄰接分布中各區(qū)域鄰接區(qū)域頻數(shù)最高為4和6(圖2),因此,使用k近鄰為6條件下生成空間聚類權(quán)重矩陣。同時(shí),考慮區(qū)域間的空間滯后效應(yīng)受到距離的影響,因此,生成權(quán)重矩陣時(shí)使用距離倒數(shù)參數(shù)。

圖2 Queen鄰接區(qū)域頻數(shù)分布直方圖

3.3 全局空間相關(guān)性分析

為評(píng)估全國(guó)旅游交通碳強(qiáng)度的空間聚集效應(yīng),使用莫蘭指數(shù)對(duì)全國(guó)旅游收入、旅游交通碳排放和旅游交通碳強(qiáng)度進(jìn)行全局空間自相關(guān)分析,空間滯后權(quán)重使用生成的空間權(quán)重矩陣,得到全局莫蘭指數(shù),見表1。

表1 2012-2020年旅游收入、旅游交通碳排放量和旅游交通碳強(qiáng)度全局莫蘭指數(shù)

由表1可知,旅游GDP莫蘭指數(shù)均值為0.139,隨機(jī)序列P可信度檢驗(yàn)值均在0.05以下,說(shuō)明旅游GDP具有在95%置信度水平上的空間聚集效應(yīng)。從指數(shù)的變化趨勢(shì)看大致可以劃分為兩個(gè)階段:2012-2016年,全局莫蘭指數(shù)呈逐步下降趨勢(shì),說(shuō)明旅游收入的空間聚集效應(yīng)降低,高增長(zhǎng)區(qū)域零星出現(xiàn),如四川、廣東的旅游收入快速提高,而周邊區(qū)域的旅游收入則增長(zhǎng)較慢。2017年后,莫蘭指數(shù)出現(xiàn)遞增的態(tài)勢(shì),說(shuō)明區(qū)域聚集作用逐步加強(qiáng)。

2012-2020年,旅游交通碳排放的全局莫蘭指數(shù)均為負(fù)值,其絕對(duì)值小于0.1,同時(shí),隨機(jī)序列可信度檢驗(yàn)P值在0.30以下,置信度水平低,因此不具有收斂性,說(shuō)明各省份旅游交通碳排放不滿足空間自相關(guān)特征。

從各省份旅游交通碳強(qiáng)度的全局莫蘭指數(shù)看,其P值小于0.25,置信度水平較低;2012-2020年,全局莫蘭指數(shù)表現(xiàn)遞增的趨勢(shì),說(shuō)明交通碳排放強(qiáng)度聚集性逐漸增強(qiáng)?？偟膩?lái)說(shuō),“高-高”聚集區(qū)主要集中在山東、河南、浙江等東部地區(qū),而西部地區(qū)的新疆、西藏、青海則屬于“低-低”聚集。

3.4 局部空間相關(guān)性分析

利用局部莫蘭指數(shù)對(duì)旅游收入的區(qū)域聚集效應(yīng)進(jìn)行分析。2012-2020年國(guó)內(nèi)旅游產(chǎn)業(yè)收入表現(xiàn)出明顯的空間聚集、傳導(dǎo)特征,其時(shí)間變化基本與核密度分析結(jié)果一致。總體可劃分為2012-2017年的蓄勢(shì)發(fā)展階段,2018-2019的快速發(fā)展階段和2020年新冠肺炎疫情影響階段。 2012-2020年全國(guó)旅游收入局部莫蘭指數(shù)變化情況見表2。

表2 2012-2020年全國(guó)旅游收入局部莫蘭指數(shù)變化情況

總的來(lái)說(shuō),研究期內(nèi)旅游GDP的高增長(zhǎng)區(qū)域展現(xiàn)出明顯的影響作用,推動(dòng)了周邊區(qū)域的旅游產(chǎn)業(yè)發(fā)展;而西北部的“低-低”聚集區(qū)中除新疆外,青海、西藏則處于加入和退出不斷變化的狀態(tài)。通過對(duì)旅游GDP的局部莫蘭指數(shù)時(shí)空演進(jìn)分析可以看出,華南和西北是我國(guó)旅游產(chǎn)業(yè)區(qū)域性聚集發(fā)展區(qū)域,而狀況和發(fā)展路徑表現(xiàn)出不同的特征。

研究期內(nèi),旅游交通碳強(qiáng)度的局部莫蘭指數(shù)也表現(xiàn)出一定的空間聚集特征,特別是在華南旅游GDP“高-高”集聚區(qū)中。2012-2017年,受到山東、河南、上海的高碳強(qiáng)度聚集區(qū)的影響,江蘇、安徽、江西在其中形成一個(gè)“低-高”聚集區(qū)域,并經(jīng)歷了6年的較長(zhǎng)發(fā)展階段。之后,與旅游GDP的“高-高”聚集區(qū)情況相似,該區(qū)域快速向西南地區(qū)發(fā)展:2018-2019年,湖南和貴州先后加入周邊的“低-高”和“高-高”聚集區(qū),至2020年,與貴州毗鄰的云南省也進(jìn)入“低-高”聚集區(qū)域。

從2012-2020年的交通碳強(qiáng)度的局部莫蘭指數(shù)變化(表3)可以看到,我國(guó)南方省份旅游交通碳強(qiáng)度的區(qū)域聚集、時(shí)空演進(jìn)特征,其中的“低-高”聚集區(qū),包括東部的江蘇、安徽,中部的江西、湖南和2020年西南的云南,其單位GDP的旅游交通碳排放強(qiáng)度低于周邊區(qū)域,對(duì)于帶動(dòng)華南地區(qū)旅游產(chǎn)業(yè)的低碳高效發(fā)展起到了重要影響作用。

4 旅游交通碳強(qiáng)度影響因素回歸分析

旅游交通碳強(qiáng)度受到多種因素的共同作用,為了確定產(chǎn)業(yè)聚集度程度、經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平和技術(shù)水平等因素的影響水平[28],建立公式(5)所示的回歸模型,為考慮不同發(fā)展階段旅游交通碳排放強(qiáng)度受以上因素的影響變化,使用2012-2017年和2018-2019年兩個(gè)階段進(jìn)行時(shí)間序列回歸。

CEIit=ρTAit+c1EDit+c2ISit+

c3Urbit+c4TLit+b+εit

(5)

式中:目標(biāo)參數(shù)CEIit為t年省份i的旅游交通碳強(qiáng)度;TAit為t年i省份的產(chǎn)業(yè)聚集度;EDit為t年i省份的經(jīng)濟(jì)發(fā)展水平;ISit為t年i省份的產(chǎn)業(yè)結(jié)構(gòu);Urbit為t年i省份的城鎮(zhèn)化水平;TLit為t年i省份的技術(shù)水平;b為常數(shù)項(xiàng);εit為擬合殘差。各指標(biāo)變量的計(jì)算方式如下。

1)產(chǎn)業(yè)聚集水平(TA)。參考王凱等[28]的研究成果,使用區(qū)位熵來(lái)測(cè)算。 其計(jì)算公式為

TAit=(TrGdpit/Gdpit)/(TrGdpt/Gdpt)

(6)

式中:TrGdpit為t年i省的旅游GDP;Gdpit為該地區(qū)t年i省的GDP收入;TrGdpt和Gdpt分別為全國(guó)t年的旅游GDP收入和全國(guó)GDP。一般認(rèn)為產(chǎn)業(yè)聚集程度高對(duì)于產(chǎn)業(yè)發(fā)展、相關(guān)標(biāo)準(zhǔn)的確立和技術(shù)進(jìn)步具有良好的促進(jìn)作用,而產(chǎn)業(yè)聚集程度低則會(huì)導(dǎo)致碳強(qiáng)度升高。

2)經(jīng)濟(jì)發(fā)展水平(ED)?？紤]經(jīng)濟(jì)發(fā)展水平高的地區(qū)可能會(huì)在碳減排中投入更大,同時(shí)技術(shù)升級(jí)和投資生產(chǎn)效率更高,因此,地區(qū)經(jīng)濟(jì)發(fā)展水平(ED)使用地區(qū)人均GDP并經(jīng)平減計(jì)算后的值進(jìn)行衡量。

3)產(chǎn)業(yè)結(jié)構(gòu)(IS)。由于不同產(chǎn)業(yè)的碳排放水平并不相同,產(chǎn)業(yè)結(jié)構(gòu)(IS)的升級(jí)也會(huì)汰換粗放經(jīng)營(yíng)的產(chǎn)業(yè),因此使用第三產(chǎn)業(yè)產(chǎn)值占比衡量各地的產(chǎn)業(yè)結(jié)構(gòu)。

4)城鎮(zhèn)化水平(Urb)。城鎮(zhèn)化水平提升會(huì)在一定程度上提高旅游行業(yè)的基礎(chǔ)設(shè)施,并在一定程度上影響從業(yè)人員的環(huán)保認(rèn)識(shí),因此使用城鎮(zhèn)化人口占比代表城鎮(zhèn)化水平。

5)環(huán)境保護(hù)技術(shù)水平(TL)?？梢杂觅Y源利用效率表征,利用效率高的地區(qū)創(chuàng)造單位產(chǎn)值消耗的資源量更低,因此該參數(shù)用萬(wàn)元GDP的能耗進(jìn)行測(cè)算。

為避免數(shù)據(jù)之間共線性影響回歸結(jié)果,對(duì)模型的輸入的數(shù)值進(jìn)行VIF (方差膨脹因子)檢驗(yàn),方差膨脹因子最大值為9.264,表明模型輸入解釋變量之間不存在嚴(yán)重共線性。

研究期內(nèi)“高-高”和“低-高”聚集區(qū)時(shí)間序列回歸結(jié)果見表4。4組模型的R2均達(dá)到了較高水平,說(shuō)明模型對(duì)碳強(qiáng)度影響因素具有良好的解釋效果?？偟膩?lái)說(shuō),2012-2019年,“高-高”聚集區(qū)的碳強(qiáng)度受產(chǎn)業(yè)聚集度、經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平和技術(shù)水平的影響模式高度相似,兩個(gè)階段的Pearson相關(guān)性高達(dá)0.951。其中,由顯著性強(qiáng)的影響因素可見:“高-高”聚集區(qū)碳強(qiáng)度與產(chǎn)業(yè)聚集顯著正相關(guān),但其影響程度較低且快速下降,說(shuō)明當(dāng)?shù)吞辑h(huán)保理念尚未進(jìn)入旅游市場(chǎng)時(shí),旅游產(chǎn)業(yè)聚集反而會(huì)提高其碳強(qiáng)度;而城鎮(zhèn)化水平對(duì)碳強(qiáng)度呈負(fù)相關(guān)性,說(shuō)明高城鎮(zhèn)化水平對(duì)旅游交通碳排放降低有益;最后,環(huán)保技術(shù)因素與碳強(qiáng)度雖然表現(xiàn)為顯著的正相關(guān),但是影響水平低,且向降低的方向移動(dòng)。

表4 研究期內(nèi)“高-高”和“低-高”聚集區(qū)時(shí)間序列回歸結(jié)果

影響“低-高”聚集區(qū)碳強(qiáng)度的5個(gè)因素則在兩個(gè)時(shí)間階段中現(xiàn)出明顯的變化。2012-2017年,影響碳強(qiáng)度最重要的3個(gè)因素是城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)發(fā)展水平,其中,城鎮(zhèn)化水平是降低碳強(qiáng)度的最重要因素,擬合系數(shù)達(dá)到-9.069,而產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)發(fā)展水平則提高了碳排放強(qiáng)度,說(shuō)明2012-2017年,第三產(chǎn)業(yè)的繁榮和個(gè)人收入增長(zhǎng)反而增加了旅游交通的碳排放量,這與該階段旅游產(chǎn)業(yè)的環(huán)保意識(shí)尚未建立有關(guān),導(dǎo)致隨著經(jīng)濟(jì)發(fā)展和收入增加,居民希望獲得更多、更好的旅游服務(wù),而缺乏對(duì)環(huán)境保護(hù)的考量。2018年后,城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)、產(chǎn)業(yè)聚集是降低碳強(qiáng)度的重要因素。其中,城鎮(zhèn)化水平仍然是最重要的影響要素,但相較于上一階段,其影響作用明顯下降。相對(duì)地,隨著環(huán)保意識(shí)增強(qiáng),經(jīng)濟(jì)發(fā)展水平對(duì)碳強(qiáng)度增長(zhǎng)影響已經(jīng)顯著降低,而產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化則成為降低旅游交通碳排放的重要因素。最后,雖然技術(shù)因素、產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳強(qiáng)度的影響不顯著,但兩個(gè)階段相比,其影響力均增加了2倍,說(shuō)明其對(duì)降低碳強(qiáng)度的影響正逐步增強(qiáng)。碳強(qiáng)度隨以上5個(gè)要素影響系數(shù)如圖3所示。

圖3 “高-高”和“低-高”聚集區(qū)碳強(qiáng)度與5個(gè)影響要素的雷達(dá)圖

因此,城鎮(zhèn)化水平和產(chǎn)業(yè)結(jié)構(gòu)是影響碳強(qiáng)度的最重要因素,但隨著城鎮(zhèn)化率接近75%,其邊際效應(yīng)正在顯現(xiàn)。而隨著雙碳意識(shí)的普遍建立,產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化、科技進(jìn)步都會(huì)對(duì)旅游交通碳排放降低產(chǎn)生有益的影響。從產(chǎn)業(yè)聚集來(lái)看,其作用發(fā)揮可能仍需產(chǎn)業(yè)結(jié)構(gòu)、科技水平有進(jìn)一步的優(yōu)化提升后才能發(fā)揮更有效的作用。

5 研究結(jié)論與討論

5.1 研究結(jié)論

以2012-2020 年中國(guó)省級(jí)面板數(shù)據(jù)為研究單元測(cè)算各省份旅游交通碳強(qiáng)度,進(jìn)而利用莫蘭指數(shù)對(duì)其進(jìn)行空間自相關(guān)和時(shí)空特征分析,并利用回歸分析探索其影響因素,得出以下結(jié)論。

1) 對(duì)2012-2020年全國(guó)各省域旅游GDP的變化進(jìn)行了核密度分析,將國(guó)內(nèi)旅游GDP發(fā)展情況劃分為3個(gè)階段,即2012-2016年的蓄力發(fā)展期,2017-2019年的快速增長(zhǎng)期和2020年的新冠肺炎疫情影響期。

2)通過莫蘭指數(shù)對(duì)旅游收入和旅游交通碳強(qiáng)度進(jìn)行空間相關(guān)性研究發(fā)現(xiàn),2012-2019年,國(guó)內(nèi)旅游產(chǎn)業(yè)GDP具有較好的全局空間自相關(guān)性,而旅游交通碳排放則不具有明顯的空間自相關(guān)特征,旅游交通碳強(qiáng)度的全局空間相關(guān)性逐步增加,但其顯著性較弱。

從局部空間自相關(guān)分析可以看出,國(guó)內(nèi)旅游產(chǎn)業(yè)區(qū)域聚集和發(fā)展規(guī)律與核密度分析發(fā)現(xiàn)的蓄力發(fā)展、快速增長(zhǎng)期和新冠肺炎疫情影響期3個(gè)階段發(fā)展模式相呼應(yīng)。在旅游交通碳強(qiáng)度上表現(xiàn)出從東部省份開始,形成“高-高”“低-高”鑲嵌發(fā)展的格局,并逐步影響華南,從2018年和2019年,東部的江蘇、安徽,中部的江西、湖南和2020年西南的云南是“低-高”聚集區(qū),對(duì)帶動(dòng)旅游產(chǎn)業(yè)低碳高效發(fā)展起到了重要的輻射作用。

3)為進(jìn)一步確定不同發(fā)展階段影響旅游交通碳強(qiáng)度“低-高”和“高-高”聚集的影響因素,選擇地區(qū)的產(chǎn)業(yè)聚集度、經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、技術(shù)水平對(duì)該地區(qū)的旅游交通碳強(qiáng)度進(jìn)行時(shí)間序列回歸,回歸結(jié)果說(shuō)明:城鎮(zhèn)化水平和產(chǎn)業(yè)結(jié)構(gòu)是影響地區(qū)碳強(qiáng)度的最重要因素。其中,隨著國(guó)家城鎮(zhèn)化水平不斷提高,旅游交通碳強(qiáng)度隨之降低,但降低速度有所減緩。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化正在成為降低旅游交通碳強(qiáng)度的重要影響因素。此外,技術(shù)進(jìn)步對(duì)旅游交通碳排放降低也有有益的影響。

5.2 討論

雖然很多國(guó)內(nèi)外學(xué)者基于空間相關(guān)性對(duì)旅游交通碳排放的時(shí)空變化和影響因素進(jìn)行了針對(duì)性研究[7,13,23-25],但與前人工作相比,本文中在時(shí)空相關(guān)性研究基礎(chǔ)上進(jìn)一步對(duì)旅游交通碳強(qiáng)度的“低-高”“高-高”不同聚集區(qū)在不同發(fā)展階段分別進(jìn)行時(shí)間序列回歸,并通過比對(duì)確定影響碳強(qiáng)度變化的各種因素及其在不同階段的變化狀況,從而為地方轉(zhuǎn)換旅游產(chǎn)業(yè)模式、降低旅游交通碳排放強(qiáng)度提供更明確的建議。

此外,本研究中,旅游交通碳排放與郭向陽(yáng)等[7]發(fā)現(xiàn)的空間分異特征顯著,呈現(xiàn)由東至西遞減態(tài)勢(shì)一致。而在對(duì)影響碳強(qiáng)度的因素分析中,王兆峰和汪倩[29]在長(zhǎng)江經(jīng)濟(jì)帶新型城鎮(zhèn)化對(duì)旅游業(yè)碳排放影響的階段性特征研究中也提出,當(dāng)?shù)貐^(qū)的城鎮(zhèn)化水平介于0.319～0.568時(shí),城鎮(zhèn)化水平的提升對(duì)旅游業(yè)碳排放具有較強(qiáng)的抑制作用,而在城鎮(zhèn)化水平超過0.568后,旅游業(yè)碳排放隨城鎮(zhèn)化水平提高卻不斷增加。雖然其研究的對(duì)象與本文的研究稍有不同,但考慮旅游交通在旅游碳排放中占70%左右,其結(jié)果與本文的研究在兩階段的回歸結(jié)果也體現(xiàn)出較為一致的趨勢(shì)。

總的來(lái)說(shuō),隨著城鎮(zhèn)化降碳紅利下降,我國(guó)旅游業(yè)產(chǎn)業(yè)減碳應(yīng)從以下角度考慮:一是繼續(xù)加強(qiáng)居民環(huán)保意識(shí)的培養(yǎng)。可以看到2018年以來(lái),碳達(dá)峰、碳中和已逐步成為全民共識(shí),這影響了普通群眾的消費(fèi)觀念,促進(jìn)了產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變并對(duì)旅游業(yè)碳強(qiáng)度降低起到了重要影響作用。其次,應(yīng)大力投資、發(fā)展環(huán)境保護(hù)技術(shù),促進(jìn)其在旅游生產(chǎn)各領(lǐng)域、各環(huán)節(jié)中的運(yùn)用。最后,雖然產(chǎn)業(yè)聚集尚未對(duì)旅游交通碳強(qiáng)度產(chǎn)生明顯影響作用,但是其仍然是高速增長(zhǎng)的減碳因素,其作用發(fā)揮可能需要等待產(chǎn)業(yè)結(jié)構(gòu)進(jìn)一步優(yōu)化和關(guān)鍵技術(shù)的發(fā)展應(yīng)用。