长江经济带旅游业绿色生产率测算与时空演变分析

路小静 时朋飞 邓志伟 李星明 胡月

摘要 旅游业绿色生产率是将能源消耗与环境代价纳入旅游业全要素生产率框架，表征旅游业绿色发展能力和水平，关系着区域旅游业可持续发展和生态文明建设。本文在借用“自下而上”法对长江经济带旅游业能源消耗与碳排放评估的基础上，采用基于方向性距离函数的非参数DEA法及ML指数对长江经济带11年间的旅游业绿色生产率进行测度与分解，并运用引力模型对该区域旅游业绿色生产率空间格局演变进行研究。结果表明：①长江经济带旅游业能源消耗与碳排放仍处于增长态势，区域内省份旅游经济与两者（能源消耗与碳排放）正向关联显著，且长江经济带旅游业发展与两者（能源消耗与碳排放）并未实现脱钩。②长江经济带旅游业绿色发展绩效有所提升，但因粗放型发展模式致使其绿色生产率增长迟缓，技术进步已成为该区域旅游业绿色生产率增长的主要源泉，而技术效率驱动作用薄弱。③长江经济带11省市旅游业绿色生产率可分为发展进步型、发展停滞型和发展衰退型，不同类型省份应基于技术进步和技术效率的此消彼长采取适当措施促进旅游业绿色生产率实现俱乐部趋同。④长江经济带旅游业绿色生产率势能值从下游到上游呈“L”型，长三角成为该区域核心增长极，长江中游实现中部隆起而长江上游出现塌陷状态，江西、安徽两省成为长三角和长江中游旅游业绿色生产率联系的重要枢纽，而长江上游旅游业绿色生产率尚未与长三角、长江中游形成相互联系的网络结构。

关键词 旅游业;绿色生产率;时空分析;长江经济带

中图分类号 F062.1文献标识码 A文章编号 1002-2104（2019）07-0019-12DOI：10.12062/cpre.20190111

绿色是美丽中国主色调，绿色发展已成为“十三五”五大发展理念之一。作为国家战略性支柱产业的旅游业，因其能源消耗少、环境污染小、可持续可循环的优点，成為推动中国经济向绿色经济转型的优势产业，更是建设美丽中国与生态文明社会的重要支撑。然而，根据世界旅游组织和联合国环境规划署研究表明，旅游业直接和间接产生的CO2排放量约占全球总排放的4.9%，引起的温室效应贡献率高达14%[1]。同时，伴随着中国旅游业低效、粗放、高速发展，势必也会带来大量的能源消耗与碳排放，致使旅游环境问题凸显[2]。旅游业绿色发展成为促使其向“低排放、低污染、低能耗、高效益”产业回归的关键所在，而旅游业绿色生产率是对旅游业绿色发展质量的直接测度，其内涵是测量基于资源环境约束条件下旅游业全要素产出[3]。旅游业绿色生产率表征三层意蕴，从自然角度实现旅游业对环境影响减量化，从经济视角注重环境刚性约束下经济产出最大化，从低碳视域强调经济发展与生态环境协调化[4-5]。因此，基于资源环境视角，测度旅游业绿色生产率，对于更加科学、全面、准确地研判区域旅游业绿色发展水平，探讨区域旅游业绿色、低碳、集约发展的依赖路径具有重要意义。

1 文献综述

由于绿色生产率更加强调区域经济、环境与资源的协调，体现经济发展、生态保护和资源持续利用的绿色发展理念，导致西方学者跳出传统全要素生产率研究范式[6]，转向将能源消耗作为投入要素与将环境污染作为非期望产出的全要素效率框架建构，从而实现了区域经济发展质量和环境管理效率较为逼真测度，扭转了因忽略资源消耗与环境破坏导致的经济绩效评估的扭曲与失真[7-9]。研究范式转变推动了西方学者对绿色生产率测度方法迭代，研究方法从最初传统参数线性模型和主成分分析模型发展到数据包络分析DEA模型和随机前沿SFA模型再发展到基于方向性距离函数的改进DEA模型[10]。在研究范式和研究方法演进过程中，西方学者更注重微观企业绿色生产率研究，尤其是高耗能、高排放企业生产活动分析[10-12]，如火电厂、造纸厂、钢铁厂等，对于国家、省域层面产业（如服务业、制造业、建筑业等）绿色生产率研究较少涉及，这在某种程度上不利于从宏观层面制定具有战略指导意义的产业节能减排策略。基于西方学者的研究范式和研究方法，囿于微观企业层面生产数据特别是污染排放数据获得性，国内学者更注重从国家或省域视角研究能源消耗与碳排放约束条件下某一产业绿色生产率，逐步形成了“效率测度—影响机理—政策建议”的研究范式，如王许亮等[13]、葛鹏飞等[14]、刘战豫等[15]、吴英姿等[16]学者主要借助Super-SBM模型与Malmquist指数对中国服务业、农业、物流业、工业的绿色生产率进行测度，然后剖析了绿色生产率变化动因，并基于上述分析阐述了提升绿色生产率的政策建议。可见，国内学者进一步拓展了绿色生产率的研究领域，但侧重对研究方法阐述及计量模型运用，造成“重模型轻分析”的弊端。

旅游业并非“零碳排放”的绿色产业，旅游各环节消耗了大量能源，也产生了大量碳排放;伴随着旅游业整体规模迅速扩张，旅游业对全球环境和气候变化影响不容忽视[17]。当前关于旅游业绿色生产率文献较少，多数文献还没有将能源消耗与碳排放纳入旅游全要素生产率衡量，而是沿袭传统研究范式将资本和劳动要素作为投入指标和将旅游总收入作为产出变量。其中，西方学者侧重基于微观层面测度旅游交通、旅行社、酒店业的全要素生产率，如Fernandes等[18]、Koksal等[19]、Ashrafi等[20]学者采用DEA模型分别对巴西国内航空公司、土耳其旅行社、新加坡酒店业的经营效率进行分析。而国内学者更注重从国家、省域、地市视角测量旅游业全要素生产率，如王永刚[21]、吴琳萍[22]、龚艳等[23]、刘建国等[24]基于DEA模型并结合Malmquist指数对全国、江苏省、杭州市的旅游业全要素生产率增长进行了实证研究。也有极少数学者开始尝试将碳排放作为非期望产出置入旅游业全要素生产率测度过程[25-26]，但忽略了将与生态环境密切关联的能源消耗纳入旅游业全要素测度框架，这就不能准确地测度旅游业绿色发展水平和质量，难以厘清旅游业绿色发展的动力源泉，更难以真正实现旅游业与资源环境和谐发展。虽然旅游业绿色生产率研究存在明显短板，但关于旅游业能源消耗与碳排放文献较多，当前研究已实现由考虑少数部门的直接测度让渡到基于多要素的直接与间接测度相结合，这利于从整个产业及其相关产业的纵横视角来审视旅游业能源消耗与碳排放[27-29]，为旅游业绿色生产率框架建构提供了基础。此外，国内外学者对农业、工业、制造业以及相关企业绿色生产率的研究范式、研究方法，为旅游业绿色生产率测度与分析提供了借鉴。

综上，当前关于绿色生产率研究在研究范式、研究方法、研究领域等方面均取得长足发展，但仍存在如下局限。一是，研究区域上囿于国家、省际、地市产业绿色生产率测度，而忽略了对经济带、城市群等协作区域产业绿色生产率分析。作为由共饮“一江水”的11省市组成的长江经济带，对其产业绿色生产率研究具有典型意义。因为长江经济带发展是中国当前重点推进的三大战略之一，强调走生态保护、资源开发与经济发展相互协调的绿色低碳可持续发展之路[30]。二是，研究范式上重视计量模型阐述和应用，陷入“依赖定量测算而缺少定性分析”的窠臼。三是，研究对象上聚焦工业、农业、制造业等产业或火电厂、造纸厂等企业绿色生产率研究，而忽视了已成长为世界经济中发展势头最强劲和规模最大产业——旅游业绿色生产率分析，尤其是缺少将能源消耗与碳排放同时纳入旅游业绿色生产率测度的研究。鉴于当前文献对旅游业绿色生产率关注不足，以及忽视对经济协作区域（经济带、城市群）产业绿色生产率研究，较少基于地理学视角对绿色生产率进行定性与定量相结合的时空格局研究，本文尝试从“测度+过程+格局”视角，借助“自下而上”法对长江经济带旅游业能源消耗与碳排放进行估算，然后利用基于方向性距离函数的非参数DEA法及ML指数对长江经济带旅游业绿色生产率进行测度与分解，再借助引力模型探讨长江经济带旅游业绿色生产率的空间相互作用状况，以期明晰长江经济带旅游业绿色生产率现状和特征，揭示其区域差异及时空格局，进而提出促进该区域旅游业绿色生产率提升的针对性策略。这不仅有利于长江经济带旅游业可持续发展，发挥旅游业在保护生态、减少污染方面的积极作用，进而推动长江经济带实现经济发展与生态保护的双重目标，还可为其他经济带、城市群等协作区域旅游业绿色发展提供一定借鉴和参考。

2 研究方法与数据来源

2.1 研究方法

2.1.1 “自下而上”估算法

由于当前缺少对旅游业能源消耗与碳排放的直接统计，对其能源消耗与碳排放采取估算法已成为学术界共识[31]。估算方法主要有两种：基于能源终端的“自上而下”法和基于消费终端的“自下而上”法[32-37]。“自上而下”法，主要是利用国家建立的旅游卫星账户[32]，或是基于国民经济核算，采用投入产出模型对旅游业能源消耗与碳排放进行估算[33]。“自下而上”法，从到达目的地游客数据入手，采取先分解后加总的方法对各个重点领域以及整体旅游业能源消耗与碳排放逐级向上统计[34-37]。囿于中国能源统计年鉴中没有设置关于旅游业能源消耗统计项和没有构建有关温室气体排放的统计监测体系，致使“自上而下”法实际可操性不强。已有研究表明，“自上而下”法与“自下而上”法估算的旅游业能源消耗与碳排放结果近似[28]，因此，本文选取“自下而上”法对长江经济带旅游业能源消耗与碳排放进行估算。当前主流研究认为旅游业能源消耗与碳排放重点领域和主要环节是旅游交通、旅游住宿、旅游活动[38]，如旅游交通能源消耗与碳排放分别占旅游业总能耗94%和旅游业总排放当量90%[38]，因此，本文也将“自下而上”法核算范围集中于这三个部门，公式如下[35-37]：

式（1）中，Ct表示旅游业能源消耗/碳排放，CTt表示旅游交通能源消耗/碳排放，CHt表示旅游住宿能源消耗/碳排放，CRt表示旅游活动能源消耗/碳排放。

其中，旅游交通能源消耗/碳排放CTt估算公式为：

式（2）中，Qit表示铁路、公路、水运和航空旅客周转量，fi表示某类交通方式旅客周转量中旅游者比例，参考王凯等[39]、石培华等[40]研究，铁路、公路、水运和航空fi取值分别为31.6%、13.8%、10.6%和64.7%。i为i类交通方式能源消耗系数/碳排放因子，由于国内外学者对旅游交通分类和能源消耗系数/碳排放因子取值存在一定差异，因此主要参考国内学者研究[39-40]。铁路、公路、航空、水运能源消耗系数分别为1 MJ/pkm、1.8 MJ/pkm、2 MJ/pkm、1.48 MJ/pkm，碳排放因子取值为分别27 g/pkm、133 g/pkm、137 g/pkm、106 g/pkm。

旅游住宿能源消耗/碳排放CHt的估算公式为：

式（3）中，Nt表示客房床位数，lt表示客房出租率，T表示一年天数（一般取值为365天），β表示旅游住宿能源消耗系数/碳排放因子。由于国内外对住宿旅游能源消耗系数/碳排放因子取值具有差异，主要参考国内学者研究[39-40]，旅游住宿能源消耗系数为155 MJ/人·晚，碳排放因子为245.8 g/人·晚。

旅游活动能源消耗/碳排放CRt的估算公式为：

式（4）中，Pkt表示为k类活动（观光游览、休闲度假、探亲访友、商务会议和其他）旅游人次数，γk表示k类活动能源消耗系数/碳排放因子。主要根据国内学者研究[39-40]，观光游览、休闲度假、探亲访友、商务会议和其他的能源消耗系数分别为8.5 MJ/人、26.5 MJ/人、12 MJ/人、16 MJ/人和3.5 MJ/人，碳排放因子分别为417 g/人、1670 g/人、591 g/人、786 g/人和172 g/人。

2.1.2 Malmquist-luenberger指数法

与其他全要素生产率测度方法相比，DEA法不仅避免因预设生产函数表达形式及误差项分布假设可能带来的偏差，还适用于多投入多产出系统[41]，因此本文选取DEA法作为测度长江经济带旅游业绿色生产率的主要工具。生产前沿函数的构建是基于DEA法生产率测度的关键，距离函数可表征生产决策单元实际生产状态与生产前沿面的径向差距。 Chung等在一般距离函数基础上，提出了方向性距离函数[42]。采用方向距离函数处理同时变化的投入与产出要素，即Malmquist-Luenberger指数，不仅将负产出纳入全要素生产率分析框架中，而且兼顾了非期望产出减少与期望产出增加的绿色发展诉求，还可动态刻画实际绿色产出水平與前沿面水平比较从而得到绿色全要素生产率的相对变动程度。综上，本文运用基于方向性距离函数的非参数DEA法，选取Malmquist-Luenberger 指数来测算长江经济带旅游业绿色生产率。为了排除时期选择的随意性，利用Fare使用的费雪理想 （Fisher Ideal） 法，处理得到t到t+1期间的Malmquist-Luenberger指数公式[43]：

公式（5）中，MLt+1t表示既定技术水平下，从t到t+1时期旅游业绿色生产率变化情况。基于公式（5）中四个距离函数计算，可将ML指数分解为TECH（技术进步）指数和EFFCH（技术效率）指数，两者公式如下[8]：

TECH指数测度每个决策单元从t 到t+1时期向最佳生产前沿面趋近程度，表征由技术进步引起的产出增长，即“增长效应”;EFFCH指数测度每个决策单元从t到t+1时期对生产可能性边界追赶程度，表征内部效率变化激发的产出增长，即“追赶效应”。当ML指数、TECH指数、EFFCH指数大于1时，表示旅游业绿色生产率提高、技术进步和效率改善，反之，则表示旅游业绿色生产率降低、技術停滞和效率恶化[44]。

2.1.3 空间引力模型

基于空间相互作用原理的引力模型可以实现对空间相互作用量的表征，能较好地衡量中心区域对其腹地的辐射能力，还能反映周边地域对中心区域扩散效应的吸收程度，因此引力模型已成为新经济地理学和区域经济学分析空间相互作用的核心工具[45-46]。本文同样借助引力模型对长江经济带省域旅游业绿色生产率的空间联系进行量化分析，以反映某省域绿色生产率对其他省域的辐射能力以及其他省域绿色生产率对该省域辐射能力的接受程度，并刻画长江经济带省域间旅游业绿色生产率联系强度和联系方向，进而提炼长江经济带省域旅游绿色生产率空间联系特征。该模型如下[47]：

其中，gi、gj分别表示省域i、省域j的旅游业绿色生产率，b为省域i、 j之间联系强度的衰减因子，一般取值为2;K为引力常数， 通常取值为1;dij为两省之间的空间距离，Rij表示长江经济带省域i与省域j之间的旅游业绿色生产率空间联系强度，空间联系强度越大，表征省际空间联系越紧密。

利用引力模型测算出长江经济带省际间旅游业绿色生产率空间联系强度之后，可将某省市与长江经济带其他省市旅游业绿色生产率空间联系量进行加总求和，得到某省市空间联系势能值，公式如下[48]：

其中，Ri表示省域i与长江经济带其他所有省域空间联系总量，用于反映省域i旅游业绿色生产率的总体空间吸引与辐射能力。势能值越大，表明该省旅游业绿色生产率对其他省市的空间吸引和辐射能力越大，在长江经济带中的中心地位也越高。

2.2 指标选取与数据来源

基于旅游业全要素生产率的内涵[21-23]，根据综合性、客观性、科学性、适宜性、可操作性等指标体系构建原则，结合DEA-ML测度中涉及多种投入与期望、非期望产出的要求，来构建旅游业全要素生产率投入产出指标体系。首先，利用BSC数据库和CNKI数据库对2006—2016年中关于旅游业全要素生产率高引用率的35篇文献进行指标频度统计，从中选取具有代表性的指标。其次，结合刘佳等[25]对各项指标表征含义剖析和吴旭晓[48]对各项指标重要程度测度，对上一步遴选的指标进行研判。最后，对旅游学、经济学等专业的10多位专家学者进行深度访谈，征询他们对指标体系的意见。基于专家学者意见对构建的指标体系进行修正，最终形成了涉及劳动要素、资本要素和资源要素三个方面和包含期望产出与非期望产出的投入产出指标体系。其中，选取旅游业从业人员数、旅游企业固定资产原价、旅游业能源消费总量来分别表征劳动投入、资本投入和资源投入，借用旅游总收入和旅游业碳排放来表示期望产出与非期望产出。基于数据的获取性和连续性，本文选取2006—2016年连续11年长江经济带11个省市旅游业投入和产出的跨期面板数据来测算旅游业绿色生产率。旅游业投入与产出指标数据来源如下：旅游企业从业人员数、旅游企业固定资产原价、旅游总收入等指标数据均来源于《中国旅游统计年鉴》。旅游业能源消耗与碳排放估算时涉及到数据来源如下：铁路、公路、水运和航空旅客周转量等旅游交通数据来源于《中国统计年鉴》与《中国交通运输统计年鉴》以及长江经济带11省市统计年鉴;床位数、客房出租率等旅游住宿数据来源于《中国旅游统计年鉴》，观光游览人次数、休闲度假人次数、探亲访友人次数和商务会议人次数等旅游活动数据主要根据《旅游抽样调查资料》估算所得。

3 研究过程与结果分析

3.1 长江经济带旅游业能源消耗与碳排放时序分析

对旅游业能源消耗与碳排放测度研究至关重要，这不仅关系到旅游业绿色生产率测量，还是制定旅游业节能减排策略、实现旅游业低碳发展的关键环节[50]。因此，本文首先基于“自下而上”法对长江经济带旅游业能源消耗与碳排放进行评估，得到图1。由图1可知，2006—2016年长江经济带旅游业能源消耗与碳排放均呈持续增长态势，至2016年，其旅游业能源消耗已达到929.85 MJ，年均增长率接近9%;旅游业碳排放达到5 892.27 t，年均增长率接近8%。同时，2006—2016年长江经济带国内旅游收入年均增长率超过20%，入境旅游收入年均增长率超过10%，可见长江经济带旅游业能源消耗与碳排放随着旅游经济的发展而不断增加，但旅游业能源消耗与碳排放增长速度均低于旅游经济增长速度。原因可能是国家对节能减排工作的推进和生态文明、美丽中国建设战略的实施，以及低碳环保理念逐步深入与推广，致使旅游业能源消耗与碳排放增长速度低于旅游经济增长速度。但伴随着旅游需求持续释放和旅游规模继续扩大，旅游业能源消耗与碳排放总量仍处于增长状态且尚未达到峰值，表明当前中国旅游业还处于粗放型发展阶段，旅游业提质增效、绿色低碳发展任重道远。

纵向对比长江经济带11省市旅游业能源消耗与碳排放情况（见图2、图3）发现，11省市旅游业能源消耗与碳排放分异明显，大致可划分为4个梯度。第一梯度为上海，其旅游业能源消耗与碳排放一枝独秀，远高于长江经济带其他省市，且处于波动增长态势。第二梯度为浙江、江苏、四川3省，其旅游业能源消耗与碳排放整体上低于上海，尤其是江苏旅游业在能源消耗增加的情形下实现了旅游业碳排放下降，表明江苏旅游业发展开始减少对化石燃料依赖，转向对清洁能源需求，从而出现旅游业能源消耗与碳排放脱钩的现象。第三梯度包括安徽、湖北、湖南3省，三省旅游业碳排放与能源消耗位居长江经济带中游水平。尤其是湖北、湖南两省，旅游业强势崛起，2016年两省旅游人次数都超过5.0亿人次，国内旅游收入超过4 700亿元，两省旅游业能源消耗与碳排放出现不断增长趋势。第四梯度涉及江西、贵州、重庆和云南4省市。4省市旅游业能源消耗与碳排放维持在较低水平，但伴随着全域旅游、山地旅游、乡村旅游、红色旅游的深入推进以及旅游消费需求爆发式增长，旅游业能源消耗与碳排放处于明显增长态势。参照长江经济带11省市旅游经济发展水平可发现，旅游业能源消耗与碳排放位于第一、第二梯度省市的旅游经济发展水平相对其他省市较高，如2016年江苏旅游总收入跨入万亿级俱乐部，浙江旅游总收入跨过8 000亿门槛，四川旅游总收入突破7 700亿大关;而位于第三、第四梯度省市旅游经济发展水平相对较低，如2016年云南、江西旅游总收入尚未达到5 000亿元。这表明旅游经济发展水平与两者（旅游业能源消耗与碳排放）具有较强的正向相关性，即旅游经济发展水平越高，其旅游业能源消耗与碳排放可能也会较高，这与国内外学者关于旅游经济增长是以能源消耗与碳排放为代价的研究结果基本一致[17、21]。因此实现旅游业持续发展与两者（旅游业能源消耗与碳排放）脱钩成为长江经济带11省市的重任，即研究旅游业绿色生产率对于促进长江经济带11省市旅游业与资源环境协调发展具有重要实践意义。

3.2 长江经济带旅游业绿色生产率动态演进

基于已经得出的2006—2016年长江经济带旅游业能源消耗与碳排放值，利用MATLAB 7.0软件测算了在考虑环境约束条件下2007—2016年长江经济带旅游业绿色生产率ML指数、TECH（技术进步）指数和EFFCH（技术效率）指数（见图4）。由图4可知，2007—2016年长江经济带旅游业绿色生产率ML指数均大于1，但呈较大幅度波动，表明旅游业环境敏感性导致长江经济带旅游业绿色生产率变动不稳定。但在国家节能减排政策驱动下，长江经济带旅游业绿色发展绩效在一定程度上有所提高，即在11年间长江经济带旅游业通过较低的能源消耗与碳排放，获得了较好的旅游产出，这与长江经济帶在高质量发展语境下，促进绿色旅游产品研发，推动新技术在旅游业中应用，推动旅游业绿色转型密切相关。然而值得关注的是，长江经济带旅游业绿色生产率总体上虽有所上升，但上升幅度不大，这在一定程度上说明粗放型发展模式致使长江经济带旅游业绿色发展迟缓。将旅游业绿色生产率ML指数分解后（见图4），发现2007—2016年长江经济带旅游业TECH指数和EFFCH指数均呈波动变化状态，且已出现明显分化态势。TECH指数均大于1，其涨落趋势与ML指数几乎保持同步，而EFFCH指数大多小于1，其变动趋势与ML指数多呈反向变化，这说明长江经济带旅游业技术不断创新进步，获得良好的增长效应，技术进步已成为长江经济带旅游业绿色生产率增长的主要驱动力;而技术效率下降，追赶效应减弱，进而可能导致长江经济带省际间旅游业绿色生产率差距不断扩大，也表征技术效率还有较大提升空间，还表示长江经济带旅游业存在着要素配置效率较低，结构、规模不合理的问题，进而可能造成规模效率增长不佳[51]。由此可推断，长江经济带旅游业坚持创新发展，注重对旅游业技术投入与研发，促进技术创新效率不断提升，技术进步在不断累积、消化、吸收中开始持续释放增长效应，旅游业绿色生产率不断向生产前沿面移动，而技术效率在技术进步挤压下，并未实现追赶效应完全释放，追赶效应趋弱[52]。

同理，本文借助MATLAB7.0软件测度了基于资源环境作为绿色发展刚性约束条件下长江经济带11省市旅游业2007—2016年的ML指数、TECH指数、EFFCH指数，并计算了其均值（见表1）。由表1可知，长江经济带11省市旅游业绿色生产率差异显著，主要分为三种类型。第一类是旅游业绿色发展进步型[53]，即旅游业绿色生产率均值大于1，旅游业绿色生产率总体上呈增长趋势，包括上海、安徽、江西、湖北、湖南、重庆、四川等7省市。上海旅游业技术进步指数位居长江经济带首位（1.075），而技术效率指数位居末尾（小于1），表明上海旅游业技术进步促使旅游业绿色生产率正在不断逼近生产前沿面，但伴随着传统旅游资源要素投入规模持续增加，出现旅游资源投入要素冗余，致使旅游资源边际生产力下降，进而导致其技术效率下降。四川旅游业技术进步指数大于1，而技术效率指数小于1，表明其旅游业绿色发展主要依赖技术效率带来的追赶效应，而技术进步带来的增长效应作用较弱。安徽、江西、湖北、湖南、重庆等省市旅游业技术进步指数和技术效率指数均大于1，表明这些省份旅游业绿色发展是由技术进步带来的增长效应和技术效率带来的追赶效应双重推动作用实现的。这些省市旅游业绿色生产率增长说明长江中游和上游地区旅游业发展的技术进步和技术效率具有后发优势，尤其是在中部崛起和西部大开发战略持续推进的政策体系支撑下，旅游发展技术性和资源性要素已经向中部和西部流入，进而改善了长江中游和上游地区旅游业绿色发展绩效。第二类是旅游业绿色发展停滞型[53]，即旅游业绿色生产率均值等于1，旅游业绿色生产率总体上保持不变，涉及江苏、浙江两省。导致两省旅游业绿色生产率停滞不前的主要原因在于旅游业的增长效应基本完成，而追赶效应释放不明显。具体而言，两省可能是旅游资源要素投入规模持续增加导致出现过度依赖要素驱动的虚假技术效率变化，也有可能是现有旅游资源要素的利用效率水平在达到一定程度时遭遇瓶颈，进而导致要素诅咒，致使两省降低了对技术效率的重视。由此可推断，旅游业绿色发展并非单纯技术进步问题，技术效率也是推动旅游业绿色生产率增长的应有之义。第三类是旅游业绿色发展衰退型[53]，即旅游业绿色生产率均值小于1，旅游业绿色生产率总体上呈现下降态势。贵州、云南两省旅游业绿色发展出现衰退现象，原因可能是贵州、云南两省处在规模红利的上升期，更加重视旅游业绿色发展的技术效率，但囿于发展理念、技术支撑、社会经济等因素导致其旅游业技术创新能力较低、信息化程度不高;再加上两省人力资源质量不高，致使技术进步指数偏低，进而负向抵消了技术效率改进带来的追赶效应，最终影响了两省旅游业绿色发展。

3.3 长江经济带旅游业绿色生产率空间结构演变学者通常会根据地区之间的空间联系量，将地区间的空间联系强度划分为若干等级，以构建空间联系结构[54-55]。基于此，本文通过空间引力模型计算出长江经济带11省市之间的旅游业绿色生产率空间联系量，并根据计算结果将长江经济带11省市间的旅游业绿色生产率空间联系程度划分为5个层级[55]：当空间联系量Rij>20时，表明两省市间旅游业绿色生产率存在强联系;当10 绿色生产率与长三角的江苏、浙江、上海分别保持强联系、较强联系和一般联系，与长江中游的湖北、湖南、江西三省保持较强联系或一般联系，表明安徽是联接长三角与长江中游地区旅游业绿色发展的重要纽带，即长三角与长江中游地区旅游业绿色生产率可通过安徽相互影响;江西旅游业绿色生产率与长三角地区的江苏、浙江的空间联系由较弱联系转变为一般联系，江西与长江中游地区的湖北、湖南、安徽空间联系逐次增强，表明江西作为长三角地区与长江中游地区旅游业绿色生产率的中转枢纽地位日益明显;重庆与四川旅游业绿色生产率始终保持较强联系，与贵州空间联系由较强联系跌落到一般联系，而四川、贵州、云南三省之间空间联系一直维持在较低水平，表明重庆已发展成为长江上游地区旅游业绿色发展的核心，其旅游业绿色发展对长江上游地区具有一定辐射带动作用。空间联系量表征长江经济带11省市间旅游业绿色生产率空间相互作用强度，并没有厘清长江经济带旅游业绿色发展的核心增长极。因此，本文借助空间联系势能值来明晰长江经济带旅游业绿色发展的核心增长极[55]。通过公式（9）计算出2006年、2011年、2016年长江经济带11个省市旅游业绿色生产率势能值（见表2）。由表2可知，长三角地区的上海、江苏、浙江三省市的旅游业绿色生产率势能值均大于60，三省市势能值占比均超过10%，尤其江苏在2006年占比超过17%，长三角地区旅游业绿色生产率在样本期内势能值占比超过42%，可见长三角地区已成为长江经济带旅游业绿色发展重要基地和优势集聚区。究其原因，可能是长三角地区位于中国“T型”发展战略的核心，旅游发展较早，区域交通便利，省际合作深入，人流、物流、信息流等生产要素空间流动频繁，促使长三角地区成为长江经济带旅游经济发展的活跃区，有利地提高了长三角地区作为长江经济带旅游业绿色发展核心增长极地位。值得关注的是，上海作为长江经济带旅游业绿色发展增长极优势并不显著，可能是受区位距离和交通阻碍的限制，致使上海在长江经济带并未表现出较强的集聚效应和扩散效应。长江中游地区的安徽、江西、湖北、湖南势能发展较好，长江中游地区旅游业绿色生产率势能值占比已超过36%。具体而言，由于地域邻近性和交通可达性的原因，安徽、江西两省势能值占比逐年提高，成为联系长三角与长江中游地区的重要纽带。湖北势能值比重已超过10%，成为长江中游地区旅游业绿色发展的重要核心增长极，但与长三角、长江上游地区空间联系普遍较弱。这可能与湖北强力推进“共建中三角、打造第四极”战略关系紧密。湖北近些年与湖南、江西、安徽从顶层推动、体制机制建立、部门合作等多个方面全面推进长江中游城市群建设，致使湖北与长江中游三省联系不断增强，而对长江三角的辐射接受程度和长江上游的辐射扩散效应较弱。

长江上游地区旅游业绿色生产率势能值较差，势能值占比较低，一直徘徊在20%左右，成为长江经济带势能值塌陷区。长江经济带势能值从下游至上游呈较为明显的“L”型变化趋势，这可能与长江上游地区开发时间晚、合作机制不健全、交通建设滞后关系密切。长江上游地区仅有重庆势能值比重逐渐接近10%，成为与上游地区空间联系通道和核心辐射带动省份;四川势能值逐渐提高，有可能与重庆共同成为长江上游的双核心增长极。

4 研究结论与建议

4.1 研究结论

本文在利用“自下而上”法对长江经济带旅游业能源消耗与碳排放进行评估的基础上，基于非参数DEA模型，借助方向性距离函数和ML指数在考虑能源投入与碳排放约束条件下对2006—2016年间长江经济带旅游业绿色生产率进行测算与分解，并利用引力模型对长江经济带旅游业绿色生产率空间联系进行定量测度，得出如下结论：①2006—2016年长江经济带旅游业能源消耗与碳排放总量持续攀升，伴随着旅游需求增长，两者尚未达到峰值;同时长江经济带11省市旅游业能源消耗与碳排放空间格局分异显著，且11省市旅游业能源消耗与碳排放与其旅游经济具有明显正向关联。长江经济带旅游经济增长是以能源消耗和环境压力为代价的，旅游业与两者（能源消耗与碳排放）并未跨越到脱钩阶段。②长江经济带2007—2016年间旅游业绿色发展绩效有所改善，但长期以来粗放型发展模式使得旅游业绿色生产效率增幅较小。其中TECH指数均大于1，而EFFCH指数大多小于1，说明技术进步显然已成为推动长江经济带旅游业绿色生产率向生产前沿面移动的主导力量，而技术效率在技术进步的挤压下下滑，追赶效应趋弱，两者此消彼长共同推动了长江经济带旅游业绿色发展。③长江经济带11省市旅游业绿色生产率地域分布格局没有发生明显改变，可分为三种类型。发展进步型，如安徽、江西、湖北等，这类省份多是由技术进步带来的增长效应和技术效率带来的追赶效应双轮驱动实现;发展停滞型，如江苏、浙江两省，增长效应释放基本完成，而追赶效应释放迟缓;发展衰退型，如贵州、云南两省，技术进步指数偏低负向抵消了技术效率改进带来的追赶效应。④长江经济带11省市间旅游业绿色生产率联结格局变化较为稳定，受距离衰减定律掣肘，临近省市间旅游业绿色生产率空间联系强度较高。长三角地区与长江中游地区空间联系较强，而长江上游地区与长江中游、长三角地区联系出现脱节现象。长江经济带旅游业绿色生产率势能值从下游到上游呈“L”型，长三角成为长江经济带旅游业绿色发展核心增长极，但上海龙头作用并不突出;长江中游地区实现中部隆起，湖北是该区域重要增长核心，江西和安徽成为长三角向长江中游地区要素流动的重要中转枢纽;而上游地区呈现塌陷状态，仅重庆成为长江上游旅游业绿色发展的集聚、扩散核心节点。

4.2 对策建议

旅游业能源消耗与碳排放增量尚未出现拐点，旅游业绿色生产率增幅迟缓，技术进步已成为驱动长江经济带旅游业绿色发展核心动力，而技术效率下降致使追赶效应不足，因此，继续提升技术进步和提高技术效率，实行“双轮驱动”是实现长江经济带旅游业发展方式从粗放型向集约型转变、从要素投入规模发展向内生效率驱动转化的重要依赖路径，更是解锁长江经济带旅游业能源消耗与碳排放增长和推动长江经济带旅游业绿色、低碳、持续发展的关键所在。长江经济带应以人地协调理念为指导，以环境倒逼机制为政策驱动，通过引进低碳、环保、绿色等新兴旅游高新技术和优化旅游产业结构以及要素配置比例，推进旅游业技术持续进步和技术效率不断改善。具体而言：①针对发展进步型省份，上海应充分发挥经济、资金、技术等方面优势，促进旅游交通、旅游住宿、旅游景区的低碳技术水平提升。藉由上海自贸区政策优势，引进欧盟、日本、新西兰等国外先进低碳旅游技术，促使旅游产品从设计、生产到销售增加技术含量。此外，积极借鉴国外旅游企业发展经验，推动组建跨区域、跨行业、跨部门、跨所有制的大型旅游企业集团，做大做强旅游产业板块。安徽、江西、湖北、湖南、重庆、四川等省份应通过增加科研经费、引进旅游人才、强化与科研机构合作等举措，不断挖掘旅游技术创新潜力，开发旅游新技术和特色旅游产品，同时发展森林旅游、观鸟旅游、农业观光、湖泊旅游等符合旅游产业新要素、满足旅游市场发展新需求的旅游业态，进一步优化旅游产业结构。②对于发展停滞型省份，江苏和浙江应利用交通区位优势，借助长三角旅游一体化平台，继续引进上海低碳旅游新技术、新理念，将智慧旅游理念融入食住行游购娱等环节，使科技进步持续发力。此外，继续引导资金、人才、管理要素推动旅游企业垂直整合和纵向重组，培育具有较强实力的大型旅游企业集团和旅游产业集群，科学合理地提升旅游产业规模。③作为发展衰退型省份，贵州和云南应凭借资源优势和环境优势，以全域旅游理念来发展生态旅游，构建有机、低碳、循环的旅游产业体系，同时积极申请设立生态旅游特区，争取更多国家政策支持，促进人才流、技术流、资金流向两省流动，并探索设立专门的旅游自贸试验区，加大旅游业开放程度，促进旅游规模持续扩大，实现两省旅游业绿色发展的弯道超车。通过强化技术进步驱动作用和技术效率推动作用，促进长江经济带旅游业绿色生产率持续增长，进而促使长江经济带成为中国旅游业绿色发展的先行区、引领区和示范区。

长江经济带区域间与省际间旅游业绿色生产率空间差异虽处于稳态水平，但基于中国旅游业成长逻辑，未来该区域旅游业绿色生产率空间差异可能较难出现俱乐部趋同现象，情况并不悲观，这显然留下了相应的政策实施空间，强化增长极极化与扩散作用[56]和推动区域旅游合作与协调发展[57]，成为响应旅游业绿色生产率空间不均衡的有效收敛路径。①长江经济带应发挥好区域内核心增长级上海与江苏、次级增长级湖北与重庆以及中转枢纽安徽、江西的重要作用。具体而言：长江经济带应增强长三角在促进该区域旅游业绿色发展过程中的引领作用，尤其是强化上海、江苏作为核心增长极的极化扩散影响，继续增强安徽和江西的中转枢纽地位。通过合理交通布局、共建共享市场、产业有序转移、深化合作等形式，依托長江黄金水道、沪昆高铁、318国道等轴线实现旅游业绿色创新技术空间溢出，实现长江上游、中游、下游旅游绿色生产率联系向网格化转化。同时，长江中游应继续发挥湖北作为区域增长极的辐射作用，借助武汉城市圈、皖江城市群、环鄱阳湖城市圈、长株潭城市圈的“吸管”效应，不断增强长江中游省际间旅游业绿色生产率联系强度，促进长江中游省份旅游产业要素合理流动，为连接长江上游与下游旅游业绿色发展奠定基础。此外，长江上游应继续稳固重庆作为长江经济带次级增长极的地位，尽快将四川培育成长江上游的旅游业绿色发展核心节点，形成重庆、四川双核心辐射扩散格局，并发挥双引擎带动、支撑作用。同时，通过不断弥补长江上游交通短板，压缩地理空间，合理利用空间区位和提高技术溢出效应，进一步增强长江上游旅游业绿色生产率势能值，进而弥合长江经济带旅游业绿色发展空间不均衡性。②长江经济带应从整体流域视野，统筹考量不同区域旅游业绿色发展水平与区域经济发展实际以及生态环境保护情况，形成多维度流域旅游合作与协调机制。一方面，注重“自上而下”的合作机制建设，建立由文化和旅游部牵头的涉及沿线11省市的长江经济带旅游合作联席会议制度，从顶层设计视角协调区域旅游发展关键核心问题;同时应进一步完善区域旅游合作机构，形成跨省合作、省际合作、旅游区合作等多层级的区域旅游合作机制，重点推进长三角与中三角等相关省市间省际旅游合作机构、跨省市旅游合作区相关地市旅游合作机构和跨行政区的特色旅游目的地合作机构建立，实现旅游一体化全面协同推进。另一方面，探索建立多方参与的流域性综合协调机制，包括旅游投融资机制、旅游信息共享机制、旅游技术交流机制、旅游市场推广机制、人才柔性流动机制，促进资金、信息、技术、人才等要素在地区之间进行重新配置、整合与优化，进而形成规模更大、结构更佳、品牌更优长江经济带旅游目的地。基于上述举措，长江经济带可强化增长极的空间溢出效应、扩散效应和完善多层次的旅游合作与协调发展机制，进而引领长江经济带旅游业绿色生产率空间结构从地区内部集聚关联向上、中、下游网格化联系转向，最终实现长江经济带旅游业绿色发展由绝对差序化向相对均衡化格局让渡。

4.3 研究展望

本文利用ML指数测度了长江经济带旅游业绿色生产率。DEA非参数分析法是ML指数测算的核心，该方法具有通过数据本身特性构造生产前沿面和无须预设生产函数表达形式的优势，但也存在着较难获得测算结果可信度和尚未考虑随机扰动因素的局限。另外，受限于数据可得性，构建的衡量旅游业绿色生产率模型仅将旅游业CO2排放量作为非期望产出。上述两个方面可能会对旅游业绿色生产率测算产生一定影响。此外，拘囿篇幅，文章尚未对长江经济带旅游业绿色生产率影响因素进行分析，没有构建旅游业绿色生产率影响机理的理论分析框架。因此，通过投入产出关系分析与厘清旅游业绿色生产率影响因素，并构建影响旅游业绿色发展机理框架，通过计量模型（Tobit模型）对构建的影响机理框架进行实证解析，成为未来研究的重要方向。

（编辑：刘照胜）

参考文献

[1]The UN World Tourism Organization（UNWTO）. Towards a low carbon travel and tourism sector[R]. The World Economic Forum，2009.

[2]肖建红，于爱芬，王敏.旅游过程碳足迹评估：以舟山群岛为例[J].旅游科学，2011，25（4）：58-65.

[3]钟林生，曾瑜皙.绿色发展理念给我国旅游业带来的新论题[J].旅游学刊，2016，31（10）：1-3.

[4]王勇，李海英，俞海.中国省域绿色发展的空间格局及其演变特征[J].中国人口·资源与环境，2018，28（10）：96-104.

[5]ALDOUS D E， ZHOU W Z， GROENING G， et al. Effects of green tourism on sustainable development[J].Acta horticulturae，2013，999（23）：171-178.

[6]HAILU A， VEEMAN T S. Non-parametric productivity analysis with undesirable outputs： an application to the Canadian pulp and paper industry[J]. American journal of agricultural economics，2001，85 （4）：1075-1077.

[7]GOLLOP F， SWINAND G. From total factor to total resource productivity： an application to agriculture[J].American journal of agricultural economics，1998，80 （3）：577-583.

[8]REINHARD S， LOVELL C A K， THIJSSEN G J. Environmental efficiency with multiple environmentally detrimental variables： estimated with SFA and DEA[J].European journal of operation research，2000，121（2）：287-303.

[9]SCHEEL H. Undesirable outputs in efficiency valuations[J]. European journal of operational research，2001，132（2）：400-410.

[10]FARE R， GROSSKOPF S， JR C A P. Environmental production functions and environmental directional distance functions[J]. Energy， 2007，32（7）：1055-1066.

[11]CHUNG Y H， FARE R，GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach [J]. Microeconomics，1997，51（3）：229-240.

[12]MORFDLDT J， SILVEIRA S. Capturing energy efficiency in European iron and steel production： comparing specific energy consumption and Malmquist productivity index[J]. Energy efficiency，2014，7（6）：955-972.

[13]王許亮，王恕立.服务业能源生产率变迁及收敛性分析——基于全球40个经济体细分行业数据的经验研究[J].数量经济技术经济研究，2018，35（1）：42-59.

[14]葛鹏飞，王颂吉，黄秀路.中国农业绿色全要素生产率测算[J].中国人口·资源与环境，2018，28（5）：66-74.

[15]刘战豫，孙夏令.中国物流业绿色全要素生产率的时空演化及动因分析[J].软科学，2018，32（4）：77-81，114.

[16]吴英姿，闻岳春.中国工业绿色生产率、减排绩效与减排成本[J].科研管理，2013，34（2）：105-111.

[17]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 （13）：69-76.

[18]FERNANDES E， PACHECO R. Efficiency use of airport capacity[J]. Transportation research part A，2006，36（2）：225-238.

[19]KOKSAL C， AKSU A. An efficiency evaluation of a-group travel agencies with data envelopment analysis（DEA）：a case study in the Antalya region， Turkey[J].Tourism management，2007，28（3）：830-834.

[20]ASHRAFI A， HSINVONN S， LAISOON L， et al. The efficiency of the hotel industry in Singapore[J].Tourism management，2013，37（3）：31-34.

[21]王永刚.中国旅游业全要素生产率增长的实证研究[J].经济问题探索，2012（3）：135-139.

[22]吴琳萍.中国旅游业全要素生产率的估算[J].统计与决策，2017（9）：135-139.

[23]龚艳，郭峥嵘.江苏旅游业发展效率及对策研究——基于超效率DEA和Malmquist指数分析[J].华东经济管理，2014，28（4）：7-12，17.

[24]刘建国，刘宇.2006—2013年杭州城市旅游全要素生产率格局及影响因素[J].经济地理，2015，35（7）：190-197.

[25]刘佳，张俊飞.旅游产业绿色全要素生产率变动及收敛性分析——基于中国沿海地区的实证研究[J].资源开发与市场， 2017，33（7）：867-872.

[26]岳艺吾.基于CO2排放的中国旅游全要素生产率研究[D].长沙：湖南师范大学，2017：29-35.

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

[28]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.

[29]汤姿.旅游业碳排放测算及其与经济增长的脱钩分析[J].统计与决策，2015（2）：117-120.

[30]时朋飞，李星明.区域美丽中国建設与旅游业发展耦合关联性测度及前景预测——以长江经济带11省市为例[J].中国软科学，2018（2）：86-102.

[31]NIELSEN S P， SESARTIC A，STUCKI M. The greenhouse gas intensity of the tourism sector： the case of Switzerland[J].Environmental science & policy，2010，13 （2）：131-140.

[32]KELLY J， WILLIAMS P W. Modelling tourism destination energy consumption and greenhouse gas emissions： Whistler， British Columbia， Canada[J].Journal of sustainable tourism，2007，15 （1）：67-90.

[33]袁宇杰.中国旅游间接能源消耗与碳排放的核算[J].旅游学刊，2013，28（10）：81-88.

[34]BECKEN S， SIMMONS D G， FRAMPTON C. Energy use associated[J].Tourism management，2003，24（3）：267-277.

[35]HWITT O J A， REVOL V G N，SMITH I J， et al. Carbon emissions from international cruise ship passengers travel to and from New Zealand[J].Energy policy，2010，38（5）：2552-2560.

[36]沈杨.宁波市旅游业碳排放估算及碳减排对策分析[J].环境保护，2016（18）：66-68.

[37]陶玉国，黄震方，吴丽敏，等.江苏省区域旅游业碳排放测度及其因素分解[J].地理学报，2014，69（10）：1438-1448.

[38]LIU J， FENG T T， YANG X. 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.

[39]王凯，肖燕，李志苗，等.中国旅游业CO2排放因素分解：基于LMDI分解技术[J].旅游科学，2016，30（3）：13-27.

[40]石培华，吴普.中国旅游业能源消耗与CO2排放量的初步估算[J].地理学报，2011，66（2）：235-243.

[41]张仁寿，黄小军，王朋.基于DEA的文化产业绩效评价实证研究——以广东等13个省市2007年投入产出数据为例[J].中国软科学，2011（2）：183-192.

[42]高鸣，宋洪远.中国农业碳排放绩效的空间收敛与分异——基于Malmquist-luenberger指数与空间计量的实证分析[J].经济地理，2015，35（4）：142-148，185.

[43]李双杰，李春琦.全要素能源效率测度方法的修正设计与应用[J].数量经济技术经济研究，2018（9）：110-125.

[44]LU B， PARK N K. Sensitivity analysis for identifying the critical productivity factors of container terminals[J]. Journal of mechanical engineering，2013，59（9）：536-546.

[45]ROSTAMI T B， BABAI M Z，SYNTETOS A A. Demand forecasting by temporal aggregation[J].Naval research logistics，2013，60 （6）：479-498.

[46]何胜，唐承丽，周国华.长江中游城市群空间相互作用研究[J].经济地理，2014，34（4）：46-53.

[47]张鸿鹤，马荣康，刘凤朝.基于引力模型的东北地区创新产出空间联系研究[J].大連理工大学学报（社会科学版），2017，38（4）：33-39.

[48]吴旭晓.基于GRA-DEA模型的区域旅游业发展效率研究[J].商业研究，2013（12）：202-209.

[49]GOSSLING S， SEHUMAEHER K P. Implementing carbon neutral destination policies： issues from the Seychelles [J]. Journal of sustainable tourism，2010，18（3）：377-391.

[50]时朋飞，邓志伟，孙建超，等.中国旅游产业健康度水平特征动态研究——基于2001—2015年面板数据的实证分析[J].珞珈管理评论，2018，17（1）：207-221.

[51]王伟，孙芳城.金融发展、环境规制与长江经济带绿色全要素生产率增长[J].西南民族大学学报（人文社科版），2018，39（1）：129-137.

[52]MA X L，BAO J G，RYAN C. Evaluating the total factor productivity growth of national parks in China with data enveloped analysis[J].Asia pacific journal of tourism research，2009，14（4）：385-402.

[53]徐维祥，张凌燕，刘程军，等.城市功能与区域创新耦合协调的空间联系研究——以长江经济带107个城市为实证[J].地理科学，2017，37（11）：1659-1667.

[54]KEUM K. Tourism flows and trade theory： a panel data analysis with the gravity model[J].The annals of regional science，2010，44（3）：541-557.

[55]陈超凡.节能减排与中国工业绿色增长的模拟预测[J]. 中国人口·资源与环境，2018，28（4）：145-154.

[56]童中贤，曾群华，马骏.我国连片特困地区增长极培育的战略分析——以武陵山地区为例[J].中国软科学，2012（4）：85-96.

[57]MAKKONEN T，WILLIAMS A M，WEIDENFELD A， et al. Cross-border knowledge transfer and innovation in the European neighborhood： tourism cooperation at the Finnish-Russian border[J].Tourism management，2018，68（3）：140-151.

Abstract The green productivity of tourism integrates energy consumption and environmental cost into the measurement framework of tourism total factor productivity. Indicating the green development capacity and level of tourism， it is closely related to the green sustainable development of regional tourism and ecological civilization construction. Based on the ‘bottom-up method， this paper estimates tourism energy consumption and carbon emissions in the Yangtze River Economic Belt （YREB）. Then it measures and decomposes the tourism green productivity of the YREB in 11 years， adopting the non-parametric DEA method based on directional distance function and the ML index. Finally， this paper examines the spatial pattern evolution of tourism green productivity in this region by means of the gravity model. The results show that： ①The energy consumption and carbon emissions of tourism in the YREB are still increasing. The tourism economy of these provinces is significantly positively related with energy consumption and carbon emissions， and what is more， the tourism development in the YREB has not decoupled with them （energy consumption and carbon emissions）. ②The green development performance of tourism industry in the YREB has improved， but the growth of its green productivity remains sluggish due to its extensive development mode. In the meantime， technological progress has become the main source of tourism green productivity growth in the region， while the driving effect of technological efficiency remains weak.③The green productivity of tourism in 11 provinces and cities in the YREB can be divided into three types： progressive， stagnant and declining. Provinces of different types should take appropriate measures to promote tourism green productivity to achieve club convergence according to the variation of technological progress and technical efficiency. ④The potential energy value of tourism green productivity in the YREB presents an ‘L shape from downstream to upstream， the Yangtze River Delta being the core growth pole， with the middle reaches uplifted while the upper reaches collapsed. Jiangxi and Anhui provinces become important hubs to connect the green productivity of tourism in the Yangtze River Delta and the middle reaches， however， the green productivity in the upper reaches have not yet formed a network structure with these two areas.

Key words tourism; green productivity; spatio-temporal analysis; Yangtze River Economic Belt