中国大陆旅游业碳足迹与碳承载能力动态研究

王志秀， 王志宝， 庞玉建

(1.山东师范大学 地理与环境学院， 山东 济南 250358；2.山东省济宁生态环境监测中心 监控与预报室， 山东 济宁 272000)

“碳达峰”和“碳中和”发展目标是实现可持续发展的必然选择，也是社会高质量发展的关键。因对很多产业具有较强的关联带动作用，旅游活动是引起全球气候变化的关键因子[1]之一。基于区域旅游活动过程中碳足迹的相关研究，政府制定了低碳政策，以实现旅游业的绿色发展。因此，加快旅游产业低碳转型，对中国实现“双碳”战略目标具有积极意义。

旅游碳足迹研究于1995年进入起步阶段[2]。旅游业能源消耗成为研究的热点，包括：旅游与能耗的关系[3-4]、能源旅游发展定位[5]、游客数量[6]、旅行交通方式[7]、食品消费[8]等旅游产业各组份产生的能源消耗问题以及游客为可再生能源买单的意愿[9]等。2003年、2007年两届旅游业与全球气候变化国际会议的召开，标志着旅游业碳足迹研究进入快速发展阶段[2]。研究内容涉及旅游业碳足迹测度[10]、旅游碳足迹影响因素[11]、旅游业经济增长与碳足迹之间的关系[12]以及低碳旅游的实现路径[13]等。低碳旅游要将旅游业的碳足迹控制在合理水平，一方面使得旅游资源效益最大化；另一方面，将旅游业碳足迹控制在环境承载能力范围之内[14]。为评价低碳旅游的可持续性，碳承载能力研究开始受到关注。现有案例分析表明：江苏旅游业碳足迹在总量和人均水平上均高于碳承载能力，且增速远高于碳承载能力，碳足迹与碳固定处于失衡状态[15]；2012年前后，四川由碳盈余向碳赤字状态转变，碳生态压力指数逐渐增大，碳减排措施的关键在于降低旅游业碳足迹[16]；以草地碳汇为典型代表的青海旅游碳足迹始终低于碳承载能力，旅游业并未对其生态产生更大的压力，但碳排放效率降低，生态压力日益增加[17]；“旅游景区承载力”是辽宁沿海经济带旅游景区开发的底线，也是低碳旅游发展的原则[18]；华东各省份碳排放与碳承载能力基本失衡，生态旅游压力巨大，需要加强对旅游碳排放的管理，同时增加植物碳汇，以提高旅游业的碳承载力[19]。

国内外对不同区域的旅游业碳足迹研究较多，研究领域涉及国家尺度[20]、省级尺度[21,22]、地市尺度[23]等，也有基于某一特定旅游环节的相关研究，如旅游交通[24]、旅游餐饮[25]等。中国旅游业发展地域分异明显[26]，缺少针对省级尺度的旅游业碳足迹和碳承载能力的对比分析以及对区域差异的讨论。综上所述，已有研究主要关注区域旅游业的碳均衡发展状况，但对全国范围的旅游业碳均衡进行分析的研究较少。因此，本文拟从中国大陆31个省份(直辖市)出发，分析旅游业碳足迹与碳固定的平衡状况及时空演变特征，厘清各省份旅游业碳足迹与碳承载能力的变动状况，并探究旅游业碳足迹的影响机制，为各省份从“节能减排”角度制定针对性的低碳措施提供理论依据，对实现旅游业高质量发展具有重要的现实意义。

1 数据来源与研究方法

1.1 数据来源及预处理

国内外旅游接待人数、旅游收入等旅游业相关数据以及GDP来自中国经济社会大数据研究平台(https://data.cnki.net/)、2001—2020年中国及各省份统计年鉴、国民经济和社会发展统计公报以及旅游年鉴。森林面积、草地面积、农作物的经济产量、人口城镇化率及货币汇率(年平均价)等来自《中国统计年鉴(2001—2020)》。本文仅考虑森林、草地、农田生态系统的碳承载能力，并通过汇总求和得到区域生态系统的碳承载能力[27]。本文认为旅游业碳承载能力是在区域生态系统碳承载能力的基础上，通过旅游业碳承载能力系数剥离得到的[15]。能源消费总量来自《中国能源统计年鉴(2001—2020)》。部分缺失数据通过邻近年份数据平滑得到。

1.2 主要研究方法

1.2.1旅游业碳足迹

碳足迹是指人类生产生活过程中产生的CO2或者其他温室气体转化为CO2等价物的排放量，可用来评估CO2等温室气体对生态系统的影响[28]。旅游业碳足迹则是旅游活动各个环节中产生的CO2等温室气体的排放量。旅游业碳足迹的测算方法主要包括基于投入产出理论的“自上而下”法和基于生命周期理论的“自下而上法”[29]。“自上而下”法要求该国家或地区具有完备的旅游数据统计基础或具有旅游卫星账户。“自下而上”法将旅游活动划分为餐饮、购物、交通、住宿、游览、娱乐和废弃物处理7个部分，适合尚未有数据统计基础或未建立旅游卫星账户的国家或地区进行旅游业碳足迹的测算。中国尚未建立旅游卫星账户， 同时《中国能源统计年鉴(2001—2020)》中也没有旅游业相关的能源消费统计。因此，本文无法采用“自上而下”法测算中国旅游业碳足迹。而采用“自下而上”法测度旅游业碳足迹仅能涵盖部分旅游环节的碳排放，如交通、住宿、旅游活动等，且以国家[30,31]或某一区域[32]为主。由于省域数据获取困难，本文也无法采用“自下而上”法。

基于终端消费的旅游业碳足迹测算模型可划分为综合模型和行业模型两种[33]。考虑到数据的可获得性，同时测算区域时间和空间跨度的旅游业碳足迹，本文采用的旅游业碳足迹综合模型为：

(1)

1.2.2旅游业碳承载能力

生态系统的碳承载能力是指不同土地结构的植物光合作用和化石燃料的沉积作用[34]。旅游业碳承载能力为一定的时间和空间条件下，区域生态系统净吸收旅游业CO2排放的最大能力[27]。依据旅游业总收入占GDP的比重(γ)，将旅游业碳承载能力从区域碳承载能力中剥离[15]，其公式如下：

Cij=Aij×αij

(2)

(3)

(4)

表1 农作物含水率与经济系数Tab.1 Moisture content and economic coefficient of crops

1.2.3旅游业碳赤字

旅游业碳赤字用碳足迹和碳承载能力的差值来表示，可反映某区域碳容量的变化情况，清晰直观地表达区域旅游业碳循环的动态变化[15]。其公式如下：

(5)

1.2.4区域等级划分类型

基于现有的划分标准[36]，以相关年份中国旅游业碳足迹总量(TCF)均值的0.50、1.00、1.50倍为标准，将中国大陆31个省份的旅游业碳足迹分别归入低碳足迹区、中碳足迹区、较高碳足迹区和高碳足迹区四种类型(表2)。

表2 中国大陆旅游业碳足迹划分类型Tab.2 Gradation of carbon footprint of tourism in mainland China 单位：106t

1.2.5STIRPAT模型构建

可拓展的随机性环境影响评估(STIRPAT)模型为IPAT模型的拓展模型，可用于分析环境压力的影响因素[37]。本文旅游业碳足迹的影响因素从人口因素、经济发展水平、技术水平三个方面进行选取。人口因素包括人口规模与人口结构两部分。旅游接待人数(P)为国内游客人数与入境游客人数之和，用以表征人口规模；人口城镇化率(U)表征人口结构。旅游业碳排放影响因素的相关文献梳理如表3所示。

表3 旅游业碳排放影响因素梳理Tab.3 Sorting out the influencing factors of tourism carbon emissions

旅游业碳足迹的变化受多种因素影响。旅游接待人数的增长对当地能源消耗提出了更高需求，势必导致旅游业碳足迹的持续增长。经济发展水平的差异决定了旅游业的发展程度，同时也决定了居民的消费水平，进而对旅游业碳足迹[22]产生影响。社会经济发展水平对旅游业碳排放强度具有正向影响[38]。城镇化通过基础设施建设、旅游资源开发促进旅游业发展，而旅游业发展又会促进产业结构的优化升级、增加就业机会，从而使城镇化水平得到提高，二者相辅相成，共同对碳排放产生促进作用[43]。单位GDP能耗可在一定程度上反映能源的利用效率，可用来表征区域技术水平[44]。综合现有研究，本文选取旅游业碳足迹为被解释变量(因变量)，选取旅游接待人数、人均GDP、人口城镇化率、单位GDP能耗作为解释变量(自变量)。

本文借助碳足迹、人口规模、经济水平、技术水平和城镇化率五个指标构建新的模型：

I=aPβ1Aβ2Tβ3Uβ4ε

(6)

式中：I为旅游业碳足迹(万t)；P为国内旅游人数(P1)与国外旅游人数(P2)之和(万人)；A为人均GDP(以2000年为基准年，万元/人)；T为单位GDP能耗(万t标准煤/亿元)；U为人口城镇化率(%)；β为随机误差弹性；a为模型系数；ε为随机误差项。

对式(6)两边取常数对数，得：

lnI=lna+β1ln(P1+P2)+β2lnA+β3lnT+β4lnU+lnε

(7)

2 结果分析

鉴于区域间经济发展水平及资源禀赋的差异，本节将从东、中、西三大地带(1)东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省份或直辖市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省份；西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、内蒙古、广西12个省份或直辖市。分析旅游业碳足迹的空间分异。

2.1 碳足迹时空特征：总量增多但地带性差异显著，东西部地区高于中部地区

对比分析三大地带旅游业碳足迹的时序演变特征发现，各经济地带旅游业碳足迹总量的变化趋势略有差异，但总体上是不断上升的(图1)。2000年左右，东部地区为碳足迹的集中地区，占总量的68.28%，西部地区仅为14.68%；2000—2005年，在碳足迹总量方面，TCF东部地区>TCF中部地区>TCF西部地区，但在年平均增长率方面，V西部地区>V中部地区>V东部地区，均超过15.00%/年；2005—2010年，东部地区碳足迹总量仍位居第一，但中部地区年平均增长率最大，为30.54%/年；2010—2015年，中西部地区碳足迹的绝对份额逐渐上升，到2015年，二者绝对份额之和超过50.00%，年平均增长率均超过25.00%/年；2015—2019年，东部地区碳足迹绝对份额低于50.00%，年平均增长率仅为9.04%/年，西部地区的碳足迹高于中部地区，其年平均增长率最大，为19.15%/年。由此可知，东部、西部地区对旅游业碳足迹的贡献要高于中部地区[45]。

图1 2000—2019年中国不同地区旅游业碳足迹Fig.1 Carbon footprint of tourism in China’s different regions from 2000 to 2019

就具体省份而言，江苏旅游业碳足迹均值最高，为5.05×107t，其次是广东，两者均超过5.00×107t；宁夏最低，仅为95.27×104t，江苏是它的53.01倍(图2)。与2000年相比，2019年各省份碳足迹都增加了5倍之多，山西、吉林、甘肃等少数几个省份甚至达到100倍之多，北京和上海均不足10倍。各省份之间的变化态势虽存在差异性，但31个省份的年平均增长率均超过10.00%/年，山西、内蒙古、贵州、甘肃等7个省份的年均增长率超过25.00%/年，而江苏、广东、浙江、山东等旅游业碳足迹较高的省份年均增长率低于25.00%/年，表明各省份碳足迹差异在逐渐缩小，旅游业低碳发展效果显著。

图2 2000—2019年中国各省旅游业碳足迹Fig.2 Provincial tourism carbon footprint in China from 2000 to 2019

为直观分析中国旅游业碳足迹在空间上的分布状况，选取2000年、2005年、2010年、2015年、2019年作为碳足迹总量的截面数据，将31个省份的旅游业碳足迹总量划分为四个等级(表2)，并绘制中国旅游业碳足迹的等级分类表(表4)。

表4 2000—2019年中国旅游业碳足迹空间分布Tab.4 Spatial distribution of tourism carbon footprint in China from 2000 to 2019

2000年，低碳足迹区有10个省份，占绝对份额的32.26%；中碳足迹区有11个省份，占绝对份额的35.48%，为主要分布类型，其中，辽宁最多，为1.92×106t，江西最少，为1.02×106t；较高碳足迹区有四川、湖北、福建、天津、河南5个省份(或直辖市)；高碳足迹区有山东、江苏、北京、上海、广东5个省份(或直辖市)，其中，广东最高，为8.66×106t。

2005年，低碳足迹区有9个省份，其中，山西转变为低碳足迹区；中碳足迹区占绝对分额的38.71%；较高碳足迹区仍为5个，其中，湖北由较高碳足迹区转变为中碳足迹区，辽宁由中碳足迹区转变为较高碳足迹区；高碳足迹区仍为山东、江苏、北京、上海、广东5个省份(或直辖市)，广东最高，为14.28×106t。

2010年，低碳足迹区为6个省份；中碳足迹区为14个省份，占绝对份额的45.16%；较高碳足迹区为4个省份；高碳足迹区为7个省份，在原有的基础上增加了河南和辽宁。

2015年，低碳足迹区为7个省份，其中宁夏最低，仅为1.61×106t；中碳足迹区为11个省份，占绝对份额的35.48%；较高碳足迹区有8个省份；高碳足迹区有四川、山东、浙江、江苏、广东5个省份，其中，广东最高，为90.93×106t。

2019年，低碳足迹区有6个省份，较2015年减少了1个，新疆由低碳足迹区转变为中碳足迹区；中碳足迹区为9个省份，占绝对份额的29.03%；较高碳足迹区为9个省份；高碳足迹区为7个省份，其中，广东仍为最高，为136.69×106t。

总之，2000—2019年，中国大陆各省份从以低碳、中碳足迹区为主逐渐转变为以中碳足迹区和较高碳足迹区为主。就区域碳足迹类型来看，东部地区以高碳、较高碳足迹区为主，其中，山东、江苏、广东始终保持在高碳足迹区，在旅游业碳排放方面也远高于其他省份[39]；中部地区以中碳、较高碳足迹区为主；西部地区则以低碳足迹区为主，西藏、宁夏、青海、甘肃始终保持在低碳足迹区。北京、上海、广东等地区碳足迹较高，但年平均增长率低于15.00%/年；甘肃、贵州、西藏的碳足迹较低，但年均增长率超过25.00%/年，表明各省份之间的旅游业碳足迹具有收敛趋势[39]。

2.2 碳承载能力时空特征：总量增加，人均减少，呈“东南-西北”分异

作为单一指标，碳足迹并不能直接反映区域旅游业发展的可持续性，而生态环境对碳足迹的吸收作用有一定的阈值。

因此，可通过对阈值范围的界定，判定旅游业碳足迹增长的弹性区间，以进一步指导旅游业朝着绿色低碳的方向发展。

就旅游业年均碳承载能力而言，西藏最高，达到7 981.33×104t，其次是云南和内蒙古，均超过5 000.00×104t，天津和宁夏较低，均不足100.00×104t，上海最少，仅为14.90×104t(图3)。有8个东部省份年均碳承载能力低于1 000.00×104t；有10个西部省份年均碳承载能力高于1 000.00×104t，地带性差异显著。就旅游业碳承载能力而言，TCC西部地区>TCC中部地区>TCC东部地区[45]。就年均增长率而言，31个省份(直辖市)均不超过20.00%/年，其中甘肃最高，为16.63%/年，其次为吉林和贵州，均超过15.00%/年，北京最低，不足0.50%/年。除河北外，东部省份年平均增长率均不超过10.00%/年，西部地区中，宁夏年均增长率最低，为6.94%/年，其余11个省份均高于8.00%/年。

图3 2000—2019年中国各省旅游业碳承载能力Fig.3 Provincial tourism carbon capacity in China from 2000 to 2019

2000—2019年，碳承载能力的组成成分之间无明显变动，就植被碳汇构成而言，森林远大于草地和农作物(图4)。就具体省份而言，森林对福建的贡献率最大，达到98.21%，对新疆、西藏、宁夏的贡献率较小，均不足50.00%，青海最小，仅为24.85%；草地对青海碳承载能力的贡献率最大，高达74.99%，其次是西藏和新疆，均超过50.00%；农作物对西藏和青海的贡献率最小，均不足1.00%，对江苏的贡献率最大，达到37.48%。在东部和中部地区中，森林对各省份的贡献率均超过50.00%；在西部地区的部分省份中，草地的贡献率超过50.00%，如西藏、青海、新疆。农作物的贡献率在各省份中均不超过50.00%，但在年平均碳汇总量上，C中部地区>C东部地区>C西部地区。

图4 2000—2019年中国各省平均碳汇比重Fig.4 Average share of provincial carbon sinks in China from 2000 to 2019

就人均碳承载能力(表5)而言，2000—2019年，西藏、青海、内蒙古始终保持在前三位，但下降趋势显著，年平均下降率分别为12.02%/年、3.69%/年和4.19%/年。2000年西藏最大，其次是内蒙古和青海，均超过1 800.00 kg/人，上海最小，低于10.00 kg/人。

表5 2000—2019年中国旅游业人均碳承载能力分布Tab.5 Distribution of per capita carbon capacity of China’s tourism from 2000 to 2019

2.3 碳赤字时空特征：由东南沿海向中西部地区推移，均衡程度有所加强

就人均碳赤字而言，2000年，西藏最小，其次是青海，均小于-2 000.00 kg/人，上海最大，达到83.48 kg/人；2005年，位序相对稳定，除吉林省外，30个省份均呈增加趋势，西藏最为明显，年均增长量为5 090.37 kg/(人·年)，其次是青海，天津最小，仅为2.30 kg/(人·年)；2010年，天津碳赤字最大，达到178.62 kg/人，其次是广东，均超过130.00 kg/人，西藏、青海、内蒙古位居末位；2015年，西藏仍为最低，广东、北京、天津均高于160.00 kg/人；2019年，西藏、青海、内蒙古均低于-1 000.00 kg/人，广东最高，高达221.27 kg/人(表6)。

表6 2000—2019年中国旅游业人均碳赤字分布Tab.6 Distribution of per capita carbon deficit of China's tourism from 2000 to 2019

TCDi<0的省份由2000年的26个减少到2010年的15个，再减少到2019年的9个。碳赤字有由东南沿海省份向中西部省份扩展的趋势，影响范围逐渐变大。基于旅游业碳赤字的区域差异性，对各省份进行类型划分，发现高碳赤字区主要集中于北京、上海、广东等地；而内蒙古、黑龙江、云南等地的旅游业碳赤字较小[45]。截至2019年，东部地区碳赤字均为正值，表明其生态压力远高于中西部地区。

3 旅游业碳足迹影响因素分析

3.1 影响因素

鉴于旅游业碳承载能力的计算方法，本文仅讨论影响旅游业碳足迹增减的因素。立足于中国经济发展水平的区域差异，为深入探讨旅游业碳足迹的影响机制，分别对三大地区进行回归分析。在梳理已有研究的旅游业碳足迹影响因素的基础上，进一步通过相关性检验来确定与旅游业碳足迹显著相关的指标，作为最终解释变量(表7)。

表7 相关性检验Tab.7 Correlation test

结果表明：旅游接待人数(P)、人均GDP(A)、单位GDP能耗(T)、人口城镇化率(U)四个备选指标均与I显著相关(表6)，故将其作为最终的解释变量进行实证研究。

3.2 回归分析

在回归分析之前，对面板数据进行单位根检验，本文采用LLC检验以确保数据的平稳性(表8)。

表8 单位根检验Tab.8 Unit root test

只要有一种情形拒绝原假设，则表明变量平稳。结果显示：中国大陆及分地区的变量均拒绝原假设，则数据序列平稳，可建立平稳数据面板模型。

采用F检验和豪斯曼检验确定最终的平稳面板数据模型。结果显示：中国大陆及中部和西部地区拒绝原假设，选用固定效应模型；东部地区未拒绝原假设，选用随机效应模型(表9)。

表9 豪斯曼检验结果Tab.9 Hausman test results

旅游接待人数、经济水平与人口城镇化率对中国大陆及分地区的旅游业碳足迹呈现正向影响；技术水平对区域旅游业碳足迹起减量作用(表10)。

表10 面板数据模型估计结果Tab.10 Panel data model estimation results

在 1%、5%、10%的显著性水平下拒绝原假设。

不同区域的影响因素对旅游业碳足迹的影响存在差异。在中国大陆的STIRPAT模型中，人均GDP是旅游业碳足迹最重要的影响因素，即人均GDP每增加1%，旅游业碳足迹将增加0.83%。这是由游客的收入水平决定的。旅游接待人数是影响旅游业碳足迹的又一重要增量因素，其每增加1%，旅游业碳足迹将增加0.58%。旅游接待人数的增加对能源需求提出了更高的要求。人口城镇化率是影响旅游业碳足迹的第三个增量因素。旅游接待人数和人均GDP是从需求角度考虑旅游业碳足迹的影响因素，而人口城镇化率则是从供给方面对旅游业碳足迹产生影响。技术水平对旅游业碳足迹具有较大的负向作用，单位GDP能耗每减少1%，旅游业碳足迹将减少0.21%。

东部地区旅游接待人数对旅游业碳足迹的影响最大，即接待人数每增加1%，旅游业碳足迹将增加0.91%。这是由游客对能源消费的需求所决定的，因此，提高旅游业的低碳意识尤为重要。人均GDP 对旅游业碳足迹的影响较大。这是由游客的心理需求和收入水平所决定的。人口城镇化率每提高1%，旅游业碳足迹将增加0.32%，这是由区域的发展水平决定的。东部地区单位GDP能耗对碳足迹的负向影响作用低于整体水平，单位GDP能耗每下降1%，旅游业碳足迹将减少0.20%。

中部地区经济水平(人均GDP为1.17)对旅游业碳足迹的影响作用最为显著，其次是人口城镇化率(0.47)，而技术水平(单位GDP能耗0.41)对碳足迹的抑制作用均高于东、西部地区。这表明中部地区的低碳技术水平有所提升。相较于东、西部地区，中部地区旅游接待人数对(0.28)旅游业碳足迹的正向促进作用较弱。

西部地区人均GDP对碳足迹的贡献率最高，即人均GDP每提高1%，旅游业碳足迹将增加0.77%。旅游接待人数为旅游业碳足迹的另一重要促进因素。由于西部地区独特的自然和人文景观以及国家的政策倾斜，使得西部地区的旅游业得到快速发展，经济效益和社会效益显著。相较于东、中部地区，西部地区的技术水平对旅游业碳足迹的抑制作用最不显著；人口城镇化率对碳足迹的正向影响也低于东、中部地区，即人口城镇化率每提高1%，旅游业碳足迹将增加0.16%。

4 问题与建议

4.1 主要问题

中国旅游业碳足迹与碳承载能力具有明显的地带性差异。旅游接待人数和经济水平是影响旅游业碳足迹的主要因素。2000—2019年，旅游业碳循环的主要问题有：①碳足迹总量均呈现正增长，均衡程度有所提升，但东部地区仍为其主要集中地区，这与旅游接待人数和经济水平密切相关；②中国大陆旅游业碳承载能力年均增长率为10.04%/年，北京仅为0.39%/年，甘肃为16.63%/年，地域差异显著，就人均碳承载能力增率而言，除吉林(0.52%/年)外，其余30个省份均呈现负增长，这与植被量有一定的关系，其碳汇机制还有待进一步研究；③各省份碳赤字差异显著，碳生态盈余集中在西部地区，就年平均碳赤字而言，上海是湖北的11.30倍，碳赤字在东南沿海地区呈集中连片分布，影响范围和程度均有加深。技术水平和碳汇能力对降低碳赤字具有重要意义。

4.2 对策建议

结合中国大陆的经济发展水平、碳循环发展状态，旅游业“双碳”目标的实现要遵循以下原则：统筹协调原则，即实现经济增长与碳足迹下降的高质量发展；因地制宜原则，即各省份碳赤字的形成机制存在差异，需要制定差异化的旅游低碳发展路径；科技创新原则，即将新技术、新能源应用到旅游活动中[46]。综合中国大陆旅游业发展形势和社会发展状况，提出以下对策建议。

1) 培育低碳消费新模式，促进消费提质升级。加强“双碳”的宣传教育，提高游客低碳旅游的意识及认知；在认知的基础上，通过旅游产品的现实信息和个性化服务，提供低碳旅游消费的便利，激发游客低碳消费的意愿[47]；最后，增强游客消费体验，增强低碳旅游产品的吸引力。

2) 完善碳汇机制研究，多角度提升碳承载能力。加强植被资源管控，建立数据库，为低碳旅游发展提供最有力的数据支撑；利用优势碳汇资源将生态资源与经济发展相结合[48]，达到“绿水青山就是金山银山”的协同发展局面；发挥森林、草地、海洋、湿地等的碳汇作用，提升整体碳汇能力。

3) 加快低碳技术研发，促进能源结构转型升级。将低碳、节能技术运用到景区、交通、住宿等方面，营造“低碳化”的旅游吸引物及设施[49]；重视清洁能源的开发和利用，促进能源结构多元化发展；发展分布式能源，提高能源利用效率。

5 结 论

基于总量与人均两个维度，分析2000—2019年中国及各省份旅游业碳足迹、碳承载能力等指标的空间差异特征及变化趋势，并利用STIRPAT模型分析了旅游业碳足迹的影响因素，以期为旅游业的绿色转型提供一点思路和对策。

1) 2000—2019年，中国大陆旅游业碳足迹从5 986.20×104t增加到200 342.35×104t，年平均增长率为20.29%/年。就碳足迹总量而言，东部地区高于中、西部地区。2015年以来，在碳足迹增长率方面，V西部地区>V中部地区>V东部地区。就区域划分类型而言，目前中国以中碳和较高碳足迹区为主，且主要分布在东部和中部地区。自实施“西部大开发”以来，在西部地区旅游资源被发掘的同时，旅游业碳足迹的绝对份额由2000年的14.68%增加至2019年的31.76%。低碳背景下旅游业的发展初具成效，但仍有待加强。

2) 2000—2019年，旅游业碳承载能力总量由21 949.43×104t增加至135 161.71×104t，年平均增长率为10.04%/年。就碳承载能力总量和年平均增长率而言，东部地区均低于中、西部地区。2000—2019年，碳赤字为负值的省份增加了17个，且有持续增长的趋势，区域均衡程度进一步加强。碳盈余的省份均位于中、西部地区，东部地区不存在碳盈余的省份，表明东部地区的碳生态压力远高于其他地区。

3) STIRPAT模型分析表明，不管是在全国范围还是在三大地区内，旅游接待人数和人均GDP是导致碳足迹持续增加的驱动因素，但其在各区域范围内的作用强度略有差异；技术水平对旅游业碳足迹起到减量作用，且作用强度依次为T中部地区>T东部地区>T西部地区；城镇化水平对区域旅游业碳足迹的促进作用也存在差异性，仍保持U中部地区>U东部地区>U西部地区。

但本文仍存在一些不足：使用一个固定排放系数测度省域尺度下的旅游业碳足迹，其精确度仍有待提升；在碳足迹测算方面，未来可通过收集旅游业能耗数据(吃住行游购娱等细分部门的数据)来提升碳足迹测量精度；同时，降低碳足迹的相关措施也有待进一步深化；植被面积数据在统计年鉴中多用历年清查数据表示，其精确性仍有待进一步提高。本文从宏观上对中国旅游业碳循环做了整体概述，就某一省份而言，内部碳指标的空间分异及演化研究对指导旅游业的低碳发展意义重大。最后，碳足迹的相关研究应注重空间的关联效应。