旅游型海岛碳排放演变及其与旅游经济互动响应

柯丽娜，孔晓佳，刘 威

（辽宁师范大学 地理科学学院，辽宁 大连 116029）

一、引言

近年来，气候变化问题已引起世界各国的广泛关注，并成为学者研究的热点。联合国政府间气候变化专门委员会（IPCC）发布的第六次评估报告显示，预计2040 年前后全球地表温度将提高1.5℃～1.6℃，因此抑制全球气候变暖刻不容缓。虽然引起全球气候变化的原因复杂，但碳排放的增加是其中的一个重要因素。《2021 年国务院政府工作报告》指出我国要力争在2030 年实现碳达峰，将CO2排放量降低18%，争取在2060 年前实现碳中和，在此背景下，考察碳排放的动态演进，对掌握碳排放的基本情况及制定2030 年前碳达峰行动方案具有重要的参考价值。旅游业作为我国国民经济的战略性支柱产业，其发展过程中产生的CO2不容忽视，探析旅游型海岛地区碳排放演变及其与旅游经济的互动响应关系，对于细化评估区域碳排放压力，推动县域尺度低碳绿色发展具有重要的理论价值与实践意义。

自20 世纪90 年代起，越来越多的学者聚焦于旅游业碳排放的测算研究。常用的测算方法主要有基于能源终端，依据卫星账户统计数据的“自上而下”法，测算旅游业碳排放量[1]，和基于消费终端，依据游客旅游消费分类的“自下而上”法，统计汇总各部门的碳排放量[2]，以及两者相结合的方法[3]。除此之外，“旅游消费剥离系数”法和“旅游碳足迹”法亦有所应用，如黄和平等（2019）[4]引入“旅游消费剥离系数”测算了长江经济带的旅游碳排放；Huang 和Tang（2021）[5]利用“旅游碳足迹”法估算了黑龙江省的旅游碳足迹。随着碳排放测度方法的多元化，学者们开始关注旅游经济发展与碳排放的关系问题。现有研究主要集中于以下四个方面：一是从不同尺度研究旅游经济发展与碳排放的脱钩关系，如翁钢民等（2021）[6]、查建平等（2022）[7]分别对中国和成都市的旅游经济发展和碳排放脱钩关系进行研究；二是对碳排放的影响因素进行量化分析，如Ma 等（2022）[8]使用迪氏因素分解法（LMDI）探析旅游交通碳排放的影响因素；三是利用环境库兹涅茨曲线（EKC）探析旅游经济发展与碳排放之间的关系，如Fethi 和Senyucel（2021）[9]基于EKC 探讨了50 个旅游目的地国家的旅游发展对碳排放的影响；四是通过计量方法研究旅游经济发展与碳排放之间的因果关系，如Zhang 和Zhang（2020）[10]发现中国的碳排放与经济增长、旅游业均存在双向的长期因果关系。

综上所述，目前相关研究主要基于宏观尺度，以国家或省市为研究对象，缺乏县域等微观尺度研究，尤其海岛地区作为一个特殊的地理单元，其旅游业碳排放的机理以及与经济发展的互动响应关系还缺乏一定的研究实例。鉴于此，本文以大连市长海县为研究对象，测算其2005—2020 年旅游碳排放，探析其演变规律，并通过脉冲响应和方差分解来研究以长海县为例的旅游型海岛经济发展与碳排放的互动响应机制，旨在为旅游型海岛低碳旅游发展的切实推行提供必要的参考依据和政策启示。

二、研究区域、研究方法与数据来源

（一）研究区概况

长海县位于辽东半岛东侧黄海北部海域，由大长山岛、小长山岛等195 个岛、坨、礁组成，是全国唯一的海岛边境县[11]。长海县境内旅游资源丰富，大海、岛屿、礁石、林木构成独具特色的海岛风光，是国家级海岛型森林公园。近年来，凭借独特的海岛风光，长海县旅游业发展迅速，旅游人数从2005 年的60 万人次增长到2019 年的134 万人次；长海县旅游业产值占地区总产值的比重也不断提高，由2015年的7.981%增长到2019 年的16.940%[12]。与此同时长海县碳排放量也在迅猛增长，2005—2015 年排放量总体呈上升趋势，从能源消费结构上看，电力和煤炭对碳排放量贡献最大，两者相加占研究区能源消费总量的比重达85%以上[13]。因此，本文选择长海县作为旅游型海岛的典型，探析其碳排放演变规律，分析旅游型海岛旅游经济发展与碳排放之间的互动响应关系。

（二）研究方法

1.旅游业碳排放量测算。本文结合已有文献[2]及海岛旅游实际状况，分别计算旅游交通、旅游住宿及旅游活动的碳排放量，“自下而上”估算旅游碳排放总量。即：

TCt表示长海县t年旅游CO2排放总量；TCjt分别表示旅游交通（TC1t）、旅游住宿（TC2t）和旅游活动（TC3t）产生的CO2排放量。

其中，旅游交通的碳排放量测算公式为：

s为运输方式（即航空、公路、水路）；Dst是运输方式s的乘客周转量；Fs表示交通方式s的游客占乘客的比例；βs表示交通方式s的单位CO2排放（g/pkm）。参照已有研究[14]，航空、公路、水路运输方式的游客占旅客的比重分别为64.7%、13.8%和10.6%，单位碳排放分别为137g/pkm、133g/pkm和106g/pkm。

旅游住宿碳排放量测算公式为：

性状:薏苡仁呈宽卵形或长椭圆形,长4-8mm,宽3-6mm。表面乳白色,光滑,偶有残存的黄褐色种皮。一端钝圆,另端较宽而微凹,有1淡棕色点状种脐。背面圆凸,腹面有1条较宽而深的纵沟。质坚实,断面白色,粉性。气微,味微甜[11]

Gt为酒店床位总数，反映住宿规模；Qt为酒店年出租率；θ为酒店每晚CO2排放量。根据参考文献[2]及研究区实际情况，本研究选取星级酒店和渔家旅店的碳排放系数分别为7kg/床夜和4kg/床夜。

旅游活动碳排放量测算公式为：

Kt为游客数量；Pxt表示游客选择活动类型x的比例；τx是单位活动类型x二氧化碳排放量。结合参考文献[2]及长海县实地调查[15]，本文将旅游活动主要分为休闲度假、探亲访友、观光、商务会议和其他五种类型，分别占游客数量的37%、26%、25%、6%、6%，其碳排放参数分别取1 670g/游客，591g/游客，417g/游客，786g/游客和172g/游客。

2.旅游经济发展水平计算方法。参考已有研究[16-17]，选取旅游收入占GDP 比重、国内旅游收入及人次、入境旅游收入及人次、旅游总收入及总人次增长率等7 个指标来反映长海县旅游经济发展水平。对数据进行标准化处理后，使用改进熵值法对各指标赋权，而后利用线性加权法评价旅游经济发展水平[17-18]，即：

Ut表示第t年的旅游发展水平综合评价值为标准化处理后的第t年第j个指标值；Wj为第j个指标的权重。其中，

为第t年第j个指标值，max（Xtj）、min（Xtj）分别为各指标的最大值和最小值。

gj为第j项指标的信息效用值。

ej为第j项指标的信息熵。

Qtj表示第t年第j项指标值的比重，k=1/ln（T），k＞0，T为时间样本数（t=1，2，…，T）。

3.VAR 模型。VAR 模型是一种向量自回归模型，主要用以探测事先不带约束的联合内生变量之间的动态关系[19]。具体模型构建如下：

式中：yt为内生变量向量；xt为外生变量向量；α是系数变量；p是滞后阶数；T为时间样本数（t=1，2，…，T）；εt代表扰动向量[20]。在构建VAR 模型的基础上，进行脉冲响应和方差分解分析。

（三）数据来源

数据主要来源于2000—2020 年《长海统计年鉴》《大连市统计年鉴》《中国旅游年鉴》以及对应年份的长海县国民经济和社会发展统计公报，针对部分缺失数据，本文采用线性插值法对其进行补充。为了消除数据的异方差性，对旅游经济发展水平（TE）和碳排放（TC）数据分别取其对数形式即LNTE和LNTC作为本文基础研究数据。

三、实证结果与讨论

（一）旅游碳排放测度及评价

本文得到的研究区旅游碳排放结果如图1 所示，长海县2005—2020 年旅游碳排放呈波动上升趋势，其中，2005—2008 年增速不明显，2009 年后呈现稳步增长态势，并于2017 年达到研究期峰值，为39 273.827 吨，2018—2020 年呈逐年下降趋势。究其原因，2009 年后，长海县政府提出将旅游业作为主导产业，鼓励建设星级酒店、高端游玩项目，通过多种渠道加大对外宣传力度，扩大了长山群岛的知名度和影响力，使旅游人数不断增加，旅游碳排放也快速增长；2018—2020 年，长海县推进“生态立县”战略，严格执行环境质量标准，结合大气污染突出问题，强力推进“蓝天工程”和“大气污染防治计划”，使得碳排放量开始逐年下降；2020 年受重大事件的影响，旅游业受到冲击，旅游人数快速减少，旅游碳排放较上年减少9 557.235 吨[12]。长海县旅游碳排放来源占比差异显著，旅游交通是研究区旅游碳排放的主要来源，2005—2007 年缓慢上涨，2007—2018 年进入快速发展阶段，涨幅不断增长，旅游交通占旅游碳排放的比重由2007 年的47%提升至2018 年的79%，2018 年后又呈下降态势；其次是旅游住宿，平均占32.2%；旅游活动所占比重最小，长期稳定在4.3%附近。

图1 研究区旅游碳排放趋势演变（2005—2020 年）

（二）旅游经济发展水平

如图2 所示，长海县2005—2020 年旅游经济发展水平呈波动上升趋势，旅游经济发展态势良好，其中，2005—2013 年，长海县旅游经济稳步增长，2013年达到阶段高峰，2014 年起进入稳步增长时期，于2019 年达到研究期的最优水平，2020 年受重大事件影响旅游经济也快速下降，降至研究期最低值。整体来看，长海县旅游发展态势与近年来长海县贯彻落实旅游兴县战略，不断优化和调整旅游产业结构和布局，逐步完善旅游基础设施、提升旅游接待能力息息相关。另外，长海县不断优化县域旅游宣传手段与途径，推出了一系列具有地域文化特色和国际影响力的精品旅游项目，如“长海之夏”广场文化活动、大长山岛渔家风情旅游节、长山群岛国际海钓节等。这些举措使长海县旅游接待人次和旅游收入不断增加，促进了研究区旅游经济发展水平的不断提升[12]。

图2 研究区旅游经济发展水平状况（2005—2020 年）

（三）旅游经济发展水平与碳排放互动响应关系

1.脉冲响应分析。本文运用Eviews 8.0 建立长海县旅游经济发展水平和碳排放的VAR 模型，并构建两者之间的脉冲响应函数模型，得到图3。其中，图a 表明，当受到旅游经济发展水平冲击时，研究区旅游碳排放的响应持续时间较长，碳排放的响应为逐渐收敛的正向波动响应，即前期持续上升并于第2 期时达到峰值0.03，随后呈现下降态势，表明研究区旅游经济发展水平对碳排放的影响周期较长。图b 表明，当受到旅游碳排放的冲击时，研究区旅游经济发展水平表现在正负响应区间波动变化，即响应函数在第1 期达到最大值0.51，到第2 期降至最小值-0.07，后逐渐回升至正向响应状态并呈现波动收敛态势，说明研究区旅游碳排放对旅游经济发展水平的影响前期较为显著，后期则逐渐减弱，即以牺牲环境为代价的旅游碳排放，前期对旅游经济发展有一定的提升作用，后期提升作用则逐渐减弱。因此，研究区旅游经济发展不能以牺牲环境为代价，而应坚持持续改善生态环境，逐步提升海岛旅游品质，坚持生态优先、绿色发展，逐步降低碳排放，打造独具特色的生态低碳示范岛。

图3 旅游经济发展水平与碳排放脉冲响应函数曲线

2.方差分解分析。本文在脉冲响应的基础上对长海县旅游经济发展水平和碳排放进行方差分解，如图4 所示，旅游经济发展水平对碳排放的贡献程度不高，基本稳定在1.65%左右，这意味着长海县旅游经济发展水平对碳排放的影响较小，长海县碳排放可能受其他多种因素的冲击和影响，如能源强度和旅游规模等相关因素[21]。旅游碳排放对旅游经济发展水平的贡献程度则较高，基本稳定在54%左右，表明研究区旅游经济发展对碳排放的依赖程度较大，旅游低碳发展任重而道远。因此，相关部门应重视旅游过程中产生的碳排放，加大旅游交通设施改造，如投放相关公共交通设施，推广清洁能源利用以及开发低碳旅游活动等，逐步降低研究区旅游业碳排放，同时要不断优化旅游产品、逐步完善旅游设施、提升研究区旅游品质，多元化发展旅游经济，切实推行长海县低碳旅游发展。

图4 旅游经济发展水平与碳排放方差分解结果

四、结论与讨论

本文测算了2005—2020 年长海县旅游碳排放，探析其演变特征，并利用VAR 模型探析研究区旅游经济发展与碳排放之间的互动响应关系。研究结果如下：

一是2005—2020 年，长海县旅游碳排放量呈现波动上升趋势，2005—2017 年稳步增长，并于2017年达到研究期峰值，2018—2020 年呈逐年下降趋势。在碳排放构成中，旅游交通是旅游碳排放的主要来源，平均占比为63.5%，其次是旅游住宿，旅游活动所占比重最小。

二是2005—2019 年，长海县旅游经济发展水平总体呈上升趋势，2005—2013 年，长海县旅游经济稳步增长，2014 年略有回落后步入新的增长期，并于2019 年达到研究区最优水平，2020 年受重大事件影响降至研究期最低值。

三是通过对研究区旅游经济发展水平和碳排放的脉冲响应分析可知，旅游经济发展水平对碳排放的响应前期较强，后期逐渐收敛减弱；而旅游碳排放对旅游经济发展水平的响应为长期正向的，旅游经济发展水平对碳排放量的增长有着长期的促进作用。方差分解结果表明，长海县旅游经济发展水平对碳排放的贡献率较低，仅为1.65%左右，旅游碳排放对旅游经济发展水平的贡献程度较高，基本稳定在54%左右。

针对上述结论，对研究区为例的旅游型海岛提出如下建议：

一是要积极改变传统的海岛旅游资源依赖与粗放型发展模式，合理配置旅游资源要素，提高资源环境与基础设施利用率[22]。目前旅游业经济发展与碳排放关联密切，旅游业低碳发展任重道远，长海县要逐步实现旅游经济由高消耗高排放向循环节约型增长转变，减轻旅游碳排放与旅游经济发展错位现状，不断提高区域协调发展能力，逐步实现节约能源、保护生态、研究区海岛零碳排放的目标，做强做优生态长海县，打造绿色低碳旅游型海岛。

二是考虑到旅游交通在研究区碳排放的比重，应逐步控制旅游交通的碳排放，加快对旅游交通碳排放量较多的老旧设施实施改造，如加快淘汰老旧船舶，推动新能源、清洁能源动力船舶应用，减少游客入岛的交通碳排放，同时也应积极投放共享单车等公共交通工具减少岛内旅游交通的碳排放；旅游酒店及渔家乐饭店应选择低碳材料建造，合理利用太阳能和风能进行采光和发电；旅游部门也可举办环岛骑行、海岛马拉松比赛等低碳旅游活动。

本研究也存在一定的不足之处。本文旅游碳排放主要计算了旅游交通、旅游住宿和旅游活动三方面，并不能完全包含旅游所有过程中的碳排放，未来的研究可以扩大旅游碳排放的计算范围，争取获得完整的旅游碳排放计算数据。