基于碳排放核算的中国区域旅游业生态效率测度及比较研究#

刘 军,问 鼎,童 昀,马 勇

1 湖北大学旅游发展研究院,武汉 4300622 湖北大学商学院,武汉 4300623 中国科学院大学,北京 1000494 湖北旅游开发与管理研究中心,武汉 430062

生态效率(Eco-efficiency)是Schaltegger和Stum提出[1],并由世界可持续发展工商理事会(WBCSD)发展了这一概念,即生态效率是用更具有竞争力的产品或服务满足人们需求、提升生活品质的同时,减少这些产品在生命周期内的生态影响和资源利用强度,或者生态影响及资源利用强度至少达到地球能够承载的范围[2]。旅游业生态效率(Eco-efficiency of tourism)由Gössling等明确提出,他认为生态效率是实现旅游可持续发展的重要工具,旅游业生态效率是衡量旅游业环境与经济绩效的重要概念[3]。从既有研究现状来看,生态效率在测度尺度的广泛性[4- 6]、核算方法的多样性[7- 8]以及影响因素[9- 11]等方面的研究已经积累了相当多的成果,但关于旅游业生态效率的研究仍然较少。

既有文献中关于旅游业生态效率的研究以测度和在目的地管理的应用为主[12]。Gössling等利用二氧化碳排放量与旅游收入的比值表征旅游业生态效率,并对落基山国家公园、阿姆斯特丹、法国等不同尺度的目的地进行了测度[3]。李鹏等以旅游产品线路为研究对象,利用旅游者旅游活动各个环节的碳排放与旅游消费的比值对香格里拉旅游产品线路的生态效率进行了测度[13]。Perch-Nielsen等在用“自上而下”和“自下而上”两种方法对碳排放估算的基础上,对瑞士旅游业生态效率进行了测度并与其他产业进行了比较[14]。Bruijn等基于假日调查数据,利用二氧化碳排放量与旅游收入的比值持续估算了荷兰2002—2011年的旅游业生态效率[15]。与上述学者不同,Qiu等利用旅游收入与碳排放比值表征旅游业生态效率,对中国旅游业生态效率进行了测度并分析了它的影响因素与空间集聚模式[16]。Kytzia等在研究达沃斯旅游业土地利用生态效率时,基于投入产出矩阵计算了土地利用量与旅游从业人员变化幅度对旅游业增加值的影响[17]。刘佳等在简化旅游业环境产出的基础上,利用DEA方法对2003—2012年中国以及中国沿海城市旅游产业生态效率进行了测度[18- 19]。彭红松等在DEA的基础上,引入包含非期望产出的 SBM-DEA 模型对黄山旅游目的地的复合生态效率进行了研究[20]。

在旅游业生态效率对目的地的管理应用方面,Kelly等在研究中假设目的地变得更具有生态效率与更不具有生态效率两种情境,并通过对旅游者的调查发现过夜旅游者中有59.8%愿意让目的地更具生态效率[21]。而Reilly等认为交通在旅游业生态效率中扮演了更重要的角色,通过对349个样本进行调查,发现长途旅游者可通过改变其交通工具选择来改善目的地旅游业生态效率[22]。与上述学者关注视角不同,姚治国在对海南旅游业生态效率的研究中,从生态效率感知态度着手,通过对企业与旅游者的调查,发现他们均支持海南生态效率改善,同时也愿意为此支付或增加投资[23]。

综上,在旅游业生态效率测度的方法上,借鉴WBCSD关于生态效率的公式,用比值法来进行测度的研究仍占多数,其测度对象既包括小尺度的旅游地[23- 25],也包括中尺度的城市[3,26]与大尺度的国家[3,14- 15,19]。模型法,如投入产出矩阵、DEA、SBM-DEA等均有一定的应用。但由于旅游数据获得较为不易,模型法测度的区域较为受限,一般以小尺度研究居多。虽然有学者利用模型法对中国旅游产业生态效率进行了测度,但是在非合意产出的处理上显得过于简略,且没有考虑到区域能源消费结构的差异。同时,生态效率作为旅游业向可持续发展转变的重要工具,是实现旅游可持续发展的重要前提。基于此,本研究结合中国实际,采用比值法对2000—2013年中国旅游业生态效率进行测度,利用变异系数与莫兰指数对旅游业生态效率的地区差异进行分析,并通过与可持续发展生态效率值进行比较判断区域旅游业可持续发展状态。

1 研究数据与方法

1.1 研究区域与数据来源

考虑到数据的可获得性,本文研究区域为除港澳台和西藏之外的其余30个省级行政单元,区域总面积833.53万km2,占国土面积的86.8%。研究时间段为2000—2013年,由于研究时间跨度大,在计算过程中将使用CPI对旅游收入进行平减。本文中涉及到的基础数据分别来自《中国旅游统计年鉴(2001—2014)》与中国经济与社会发展统计数据库,这些数据包括各地区国内旅游收入、国际旅游收入、国内旅游人次数、国际旅游人次数、星级饭店床位数、星级饭店出租率、各类交通工具周转量、国内旅游者游览目的、国际旅游者游览目的等。

既有研究中,与中国旅游碳排放相关的研究几乎都是直接使用碳排放系数来进行计算[27-30],并没有考虑到中国地区能源结构的差异性。本研究将使用能耗系数来估算旅游业的总能耗,再通过相关系数折算成二氧化碳排放量,其中交通工具、游憩活动的能耗系数参考石培华等[27]的研究成果(表1、2)；住宿设施能耗系数参考石培华等的研究成果,每床每晚为155 MJ；碳排放系数参考岳婷等[31]的研究成果,将其生活能源综合碳排放系数进行折算,标准煤热量参考《综合能耗计算通则》(GBT2589—2008),取值为1 kg标准煤热量为29307 KJ,经计算得到表3。

表1 交通工具能耗系数值

表2 游憩活动能耗系数值

表3 中国省份生活能源综合碳排放系数/(g/MJ)

1.2 研究方法

1.2.1单一比值法

生态效率的核算方法主要有指标法与模型法[7]。指标法根据指标的种类又分为单一指标法与指标体系法。指标体系法与单一指标法相比涵盖指标类型虽然更多,但是指标权重的处理过程会对结果产生较大的影响。模型法虽然有优势,但是没有考虑随机因素以及数据质量的影响,同时模型本身也不能进行检验[32],因此用单一比值法对旅游业生态效率进行测度。参考Huppes等的研究成果,生态效率大都以经济价值与环境影响比值的方式出现,如单位环境影响的生产价值、单位环境改善的成本、单位生产价值的环境影响、单位成本的环境改善等[33],同时参考前人研究中对旅游业生态效率的计算公式[3,13- 15,23- 26],本研究计算公式为式1,式中,TE表示旅游业生态效率,TC表示旅游业碳排放量,TR表示旅游业收入。

(1)

1.2.2“自下而上”法

旅游业碳排放的估算一般有“自下而上”和“自上而下”两种方法。其中“自下而上”法主要是指通过估算旅游业各部门碳排放,然后将其进行加总；“自上而下”法主要是借助旅游卫星账户来进行估算。由于我国旅游卫星账户数据缺失,研究中将采用“自下而上”法对中国旅游业碳排放进行估算。旅游碳排放包括旅游交通、旅游住宿和旅游活动三类[3,27],如式2：

TC=Ttransport+Taccommodation+Tactivities

(2)

(3)

(4)

Ttransport=∑αi×βm×Cm×em

(5)

(6)

(7)

Taccommodation=∑αi×365×δi×Ri×Bi×b

(8)

(9)

(10)

Tactivities=∑αi(εp×nip+εq×fiq)

(11)

1.2.3变异系数

变异系数是用来衡量一组数据当中各观测值变异程度的统计量。常用的标准差变异系数用CV表示,它是标准差(σ)与算术平均数(μ)的比率。

(12)

1.2.4莫兰指数

(13)

2 旅游业生态效率测度及比较

2.1 旅游业碳排放估算

2.1.1旅游交通碳排放

依据式3—5,计算得到2000—2013年中国各地区旅游交通碳排放数据。其中旅游交通碳排放总量从2000年的1046.12 万t上升到2013年的3719.69 万t,增长了2.56倍(图1)。2003年后,中国旅游交通碳排放量迎来了一个较快的增长期,主要是2003年之后国内旅游发展迅速,同时飞机出行的旅客增多,导致民航的旅游交通碳排放量显著增加,其占比从2000年的32.08%上升至2013年的61.83%。

图1 2000—2013年中国旅游交通碳排放总量估算Fig.1 Estimation of Chinese tourism transport carbon emissions from 2000—2013

从各地区旅游交通碳排放量来看(表4),广东、上海、北京旅游交通碳排放量年均值最高,青海、宁夏旅游交通碳排放量年均值最低。广东、上海、北京是我国旅游业发展较为成熟的地区,区域经济发展水平高,游客接待人次数以及交通周转量大,从而造成碳排放高。青海、宁夏由于游客量、区域交通通达性等均较为滞后,因而碳排放总量低。从变异系数来看,天津、重庆、青海2000—2013年离散程度要大于其他地区,说明其碳排放波动较大。

表4 2000—2013年中国省域旅游交通碳排放量均值与变异系数

2.1.2旅游住宿碳排放

图2 2000—2013年中国旅游住宿碳排放总量估算 Fig.2 Estimation of Chinese tourism accommodation carbon emissions from 2000—2013

依据式6—8,计算得到2000—2013年旅游住宿碳排放总量。旅游住宿碳排放量从2000年的124.44 万t上升到2013年的183.89 万t,增长47.77%。与旅游交通碳排放量整体呈现上升的趋势不同,旅游住宿碳排放量呈现出波动变化的趋势(图2)。

从地区旅游住宿碳排放量的变化情况来看,河南、湖南、青海的变异系数位于前三位,表明它们在2000—2013年的变动情况较大。北京、上海、广东变异系数则位于最后三位(表5)。

2.1.3游憩活动碳排放

依据式9—11,计算得到2000—2013年中国旅游者游憩活动碳排放量从32.16 万t上升为247.98万t(图3),增长6.71倍,是旅游业碳排放中增长最快的部门,但其碳排放总量是3个部门中最小的,最高年份仅占旅游业碳排放总量的5.97%。

表5 2000—2013中国省份旅游住宿碳排放量均值及变异系数

2.1.4碳排放总量

依据式2,计算得到2000—2013年中国及各地区旅游业碳排放总量情况(表6)。中国旅游业碳排放量从2000年的1202.71 万t上升到2013年的4151.57 万t,增长2.45倍,其中2013年旅游业碳排放总量占全国碳排放总量的0.42%。从各地区来看,旅游业碳排放量均值最高的3个地区为广东、北京、上海,碳排放量均值最低的3个地区为青海、宁夏、天津。从各地区变异系数值来看,天津、重庆、青海碳排放总量离散程度最大。从旅游业各部门来看,旅游交通碳排放量最高,占到旅游业碳排放总量的86.98%—90.33%,这与Gössling等估算的旅游交通碳排放占旅游碳排放总量的60%—95%结果一致[3]。旅游住宿碳排放占到旅游业碳排放总量的4.43%—10.35%,游憩活动碳排放量则占到2.67%—5.97%。

2.2 测度结果及比较

2.2.1中国旅游业生态效率总体情况

通过查阅《中国旅游统计年鉴(2001—2014)》以及各省社会经济发展统计公报得到2000—2013年旅游收入数据,同时用2000—2013年CPI数据以及人民币对美元的平均汇率将旅游收入调整到以2000年为基期的旅游收入。依据式1,计算得到2000—2013年中国旅游业生态效率值(图4)。从结果来看,中国旅游业生态效率呈现持续改善的趋势,每创造1美元旅游收入的碳排放量由0.12 kg下降到0.03 kg。与全国单位GDP的碳排放强度值比较,即使考虑旅游业收入大于旅游业增加值这一因素,2000—2013年全国碳排放强度仍然远大于旅游业,由此可见旅游业相对于其他产业来说创造同样的经济价值所产生的环境影响更小。

图3 2000—2013年中国游憩活动碳排放总量估算 Fig.3 Estimation of Chinese tourism activities carbon emissions from 2000—2013

图4 2000—2013年中国旅游业生态效率Fig.4 Eco-efficiency of tourism from 2000—2013 in China

表6 2000—2013中国省份旅游碳排放量/(104 t)

2.2.2地区间旅游业生态效率比较

通过计算得到2000—2013年各地区旅游业生态效率值(表7)。从结果来看,天津、江苏、浙江旅游业生态效率均值最小,分别为0.0236 kgCO2-e/＄、0.0370 kgCO2-e/＄和0.0511 kgCO2-e/＄,说明这3个地区每创造1美元的旅游收入所产生的碳排放量最小,即生态效率最优。甘肃、海南、宁夏旅游业生态效率均值最大,分别为0.3675 kgCO2-e/＄、0.2414 kgCO2-e/＄和0.2168 kgCO2-e/＄,说明这3个地区每创造1美元的旅游收入所产生的碳排放量最大,即生态效率最差。

从各个地区2000—2013年旅游业生态效率变动的情况来看,天津、北京、上海、海南旅游业生态效率相对较为平稳,变化趋势较小,变异系数低于0.2；内蒙古、贵州、甘肃、辽宁、吉林旅游业生态效率变化较大,变异系数超过0.7；2000—2013年,各地区旅游业生态效率整体上呈现下降的趋势,表明大部分地区旅游业生态效率得到了改善。其中内蒙古、贵州、吉林地区旅游业生态效率相对改善程度最大,分别改善了15.51倍、14.81倍与12.46倍；旅游业生态效率绝对程度改善最大的则是甘肃、内蒙古、贵州,每创造1美元旅游收入碳排放量分别减少了0.7231 kg、0.3584 kg与0.3035 kg。

表7 2000—2013中国省份旅游业生态效率/(kgCO2-e/＄)

图5 2000—2013年中国各地区旅游业生态效率变异系数Fig.5 CV of tourism eco-efficiency from 2000—2013 in China

从地区间差异来看,通过计算2000—2013年全国旅游业生态效率的变异系数(图5),发现区域差异没有缩小,区域旅游业生态效率仍然存在着不平衡的问题。以2000年为例,旅游业生态效率最优的天津与最差的甘肃,创造1美元旅游收入所产生的碳排放量相差0.7499 kg,接近25.51倍；到2013年,旅游业生态效率最优的江苏与最差的海南,创造1美元旅游收入所产生的碳排放量相差0.1548 kg,大约13.58倍。

2.2.3旅游业生态效率的空间差异

使用Geoda1.6对2000—2013年区域旅游业生态效率值进行Univariate Moran`s I检验。通过计算,得到Moran`s I散点图,见图6。该图的第一象限表示旅游业生态效率高值地区被高值地区包围,即高高聚集(High-high)；第二象限表示旅游业生态效率低值地区被高值地区包围,即低高聚集(Low-high)；第三象限表示旅游业生态效率低值地区被低值地区包围,即低低聚集(Low-low)；第四象限表示旅游业生态效率高值地区被低值地区包围,即高低聚集(High-low)。

图6 莫兰指数散点图(2000,2005,2010,2013)Fig.6 Scatter plot of Moran′s I (2000,2005,2010,2013)

根据图6的结果整理得到表8,2000年中国各地区旅游业生态效率呈现显著的高高集聚与低低集聚,旅游业生态效率的空间差异与地区经济发展程度高度相关,生态效率低值地区,即生态效率好的地区几乎全分布在沿海地区与经济发展较好的地区,而生态效率高值地区则全部为中西部经济发展滞后地区。2005年,中国各地区旅游业生态效率空间集聚发生了一定的变化,四川、辽宁、吉林由高高集聚变为低高集聚,即它们的旅游业生态效率相对于周边地区得到了改善；天津、河南由低低集聚变为低高集聚,表明它们相对于周边地区生态效率改善更快；云南由低高集聚变为低低集聚,表明它周边地区的生态效率改善程度要快于它本身生态效率的提升；高低集聚地区维持不变,表明河北、贵州、湖南、江西、海南、安徽旅游业生态效率改善程度相对于周边区域要慢。2010年,全国除海南以外的地区旅游业都进入可持续发展状态,地区的旅游业生态效率集聚模式发生较大的变迁,同时相比于2000年和2005年,该年的莫兰指数只有0.1149,地区旅游业生态效率的空间关系减弱。2013年,莫兰指数进一步下降到0.0278,相对于2010年,陕西由低高集聚变为低低集聚,广西、安徽、江西由高低集聚变为低低集聚,旅游业生态效率的空间集聚性进一步减弱。

表8 中国各地区旅游业生态效率集聚模式(2000,2005,2010,2013)

2.2.4旅游业生态效率的国际比较

在Gössling等的研究中,他指出旅游业生态效率评价的根本目的在于将其作为一种工具用来衡量旅游业的可持续发展程度。世界可持续发展的生态效率值为0.2339 kgCO2-e/＄,因此可用这个值作为参考来判断我国旅游业的可持续发展水平。

从全国总体情况来看,2000—2013年中国旅游业一直处于可持续发展状态。同期的全国单位美元GDP平均碳排放强度一直高于0.2339 kgCO2-e/＄,说明中国旅游业整体可持续水平要优于其他产业,同时也表明旅游业在经济发展与环境影响方面比其他产业具有更好的效率。

从全国各地区情况来看,大部分地区的旅游业生态效率都得到了改善。2000年全国有甘肃、内蒙古、宁夏、贵州、新疆、湖南、海南、吉林8个地区旅游业生态效率高于可持续发展的阈值；到2009年,全国仅海南一个地区旅游业生态效率高于可持续发展阈值；从2010年开始,全国所有地区旅游业均进入可持续发展状态。海南旅游业生态效率相对其他地区偏高的主要原因在于海南是海岛型旅游目的地,飞机是旅游者进出岛的主要交通工具,因而旅游者人均碳排放量较高,2013年海南岛的旅游者人均旅游碳排放达到31.27 kg,位居全国第一。

3 结论与讨论

3.1 结论

3.1.1旅游业的环境影响不容忽视,旅游业部门碳排放差异明显

传统的观点认为旅游业是无烟产业[37],研究显示中国旅游业碳排放量一直呈现上升趋势,旅游业的碳排放总量绝对值依然较大,至2013年达到4151.57 万t。旅游业的碳排放中,交通、住宿和游憩活动3个部门之间碳排放量差异巨大,旅游交通部门几乎占到了碳排放量的90%,旅游住宿与游憩活动合计只占碳排放量的10%左右。造成这种结果的原因,一方面是由于地区旅游交通可达性不一样,导致旅游者交通工具的选择差异较大；另一方面由于国内出台的关于旅游交通的政策性文件较少,自1949年以来,只有14个与旅游交通相关的文件,因而在政策驱动减排上力度不够。

3.1.2旅游业生态效率总体趋于改善,旅游业生态效率仍不平衡

研究显示2000—2013年我国旅游业生态效率值总体呈现下降的趋势,由2000年的0.1193 kgCO2-e/＄下降为2013年的0.0309 kgCO2-e/＄,表明我国旅游业生态效率不断趋于改善。这与这一时期我国对旅游业的重视程度密不可分。自2000年开始,国务院、原国家旅游局等部门出台了136个与旅游有关的政策性文件[38],其中最为重要的便是2009年的国务院41号文件,这些政策性文件极大的促进了我国旅游业的快速平稳发展,国内旅游迎来了蓬勃发展时期。

同时,从区域差异的角度来看,在时间维度上,中国各地区旅游业生态效率的变异系数呈现不平稳的波动趋势,最大值年份为2003年的0.8415,最小值为2007年的0.5647；2013年的变异系数为0.7483,2000年的为0.7114,表明各地区旅游业生态效率差异反而扩大了。在空间维度上,各地区旅游业生态效率的集聚模式发生了明显的变化。新疆、甘肃、青海、宁夏一直位于高高集聚区；山东、江苏、浙江、福建一直位于低低集聚区；河北、湖南、海南一直位于高低集聚区；其他地区的旅游业生态效率空间集聚模式均发生了变化。

3.1.3旅游业发展质量持续提升,旅游业进入可持续发展阶段

通过与世界可持续发展的生态效率值比较,我国旅游业一直处于可持续发展状态,这表明中国旅游业既做大了规模,产业质量也不断提升。从各个地区的情况来看,2010年之后所有地区旅游业进入可持续发展阶段。与其他行业比较,旅游业的碳排放总量相对较小。据国家统计局测算,2014年旅游业增加值占GDP比重为4.33%,而2013年旅游业碳排放量仅占全国的0.42%,由此可见旅游业具有资源消耗低,综合效益高的特点。

3.2 讨论

从旅游业生态效率测度方法来看,由于采用的是“自下而上”的方法估算旅游业碳排放,因此数据统计的全面性与广泛性将决定研究的精确性。国内统计数据中对于旅游的统计仍不全面,因此本研究在进行碳排放估算时可能由于口径较窄而漏掉一部分碳排放。与Qiu等[16]、石培华等[27]对中国旅游业碳排放估算结果相比,由于考虑到地区能源消费结构的差异,碳排放总量要小于上述研究。

从旅游业生态效率测度的结果来看,随着时间的变化,我国各地区旅游业生态效率总体差距仍然存在,但经济欠发达地区相对于经济发达地区旅游业生态效率改善拥有后发优势,旅游业生态效率绝对改善状况明显。这主要是由于旅游业对于经济欠发达地区来说是重要的经济增长点,因而作为区域的支柱性产业来发展。而对于经济发达地区,旅游业对于经济的贡献不如欠发达地区重要,因而旅游业生态效率的改善空间要滞后于欠发达地区。但由于经济发达地区的要素禀赋优势,它们是国内最早进入旅游业可持续发展状态的地区。

从旅游业生态效率优化与提升路径来看,旅游业生态效率的改善既有赖于旅游业收入的增加,同时更重要的是减少旅游业碳排放。而旅游业减排的关键在于旅游者的“食住行游购娱”各个环节,企业、景区等应从旅游供给侧进行改革,提供低碳旅游产品；旅游者应普及低碳旅游与环保意识,减少每次旅游活动的碳排放。另外,交通作为旅游碳排放的主要构成部分,应强化交通运输企业主动减排的意识。