前言：想要寫出一篇引人入勝的文章？我們特意為您整理了旅游業碳排放測算分析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：在提倡節能減排和第三產業迅猛發展的大背景下，旅游業碳排放引起了越來越多的關注，重慶作為近年來大熱的旅游城市，研究其旅游業碳排放將具有重要意義。本文通過測算分析，設定基準情況和綜合控制情況，分析評價不同節能減排政策和發展路徑對重慶市旅游業碳排放的影響。

關鍵詞：碳排放計算方法；旅游業碳排放；城鎮化

1研究綜述

近兩年來，重慶以其獨特的山水格局和多層次的立體城市風貌，在新媒介傳播的推動下迅速成為“網紅城市”，吸引大量游客。攜程旅游和百度聯合制作的《2018年城市旅游度假指數報告》顯示，重慶位居全國游客數量增長最快的十強城市榜首。如何在保持旅游經濟增長的同時降低旅游業二氧化碳排放量，是旅游業實現綠色發展必須重視的問題。因此，學者們開始探尋影響旅游業二氧化碳排放的主要因素。孫燕燕運用“自下而上”法估算上海市旅游碳排放量，并運用因素分解技術將碳排放變化分解為5種效應。馬月琴等基于長江中游省域面板數據，建立向量自回歸模型，分析產業結構、旅游業發展與碳排放的演變特征及影響機制。王景波等利用山東省旅游業的面板數據，借助空間自相關模型，測算碳排放強度，并從動態視角分析接待強度等影響因素的作用。湯姿等通過STIRPAT模型研究黑龍江省旅游業碳排放影響因素。

2研究目的和方法

根據現有文獻可以發現，國內研究旅游業碳排放影響因素的文獻不是很多，并且大部分研究其與經濟的脫鉤關系，或是多個城市面板數據之間的對比分析，研究具體某個城市旅游業碳排放的影響因素少之又少。重慶作為旅游熱地，鮮有學者對其旅游業碳排放展開研究，存在研究空白。基于此，本文使用自下而上法、STIRPAT模型、嶺回歸、GM（1，1）灰色預測模型進行研究，以期為重慶市乃至全國類似地區的旅游業低碳減排工作提供借鑒。

3數據來源

本研究選擇重慶市的旅游業為研究對象。由于需要對數據進行線性回歸，選取較長時間段內的數據進行分析能得到更準確的回歸結果，但鑒于2000年前的重慶市旅游業相關數據很難獲取，最終選取2000-2019年的相關數據，用于本研究的分析。2000-2019年，重慶市旅游業碳排放總量從53.41萬噸增加至213.52萬噸，翻了近5倍，總體上呈現出持續增長的態勢。這主要是因為經濟的快速發展和旅游規模的不斷擴大，從而導致了旅游業碳排放量的不斷上升。

4STIRPAT模型分析

為了排除各個變量之間的多重共線性問題，采用嶺回歸進行擬合。經過多次實驗擬合，最終選取嶺回歸系數K=0.17，此時各個變量都趨于穩定的最小數字（見表1）。此時R2為0.978，說明選取的各個因素能夠97.8%對碳排放量進行解釋。各因素顯著性都小于0.05，說明都與旅游碳排放量顯著相關。首先，第三產業的發展是旅游碳排放增加的最大因素。從2019年數據看，重慶旅游業帶來的收入占重慶第三產業收入的40.8%，與旅游業相關的交通運輸、住宿、餐飲業和房地產業，增加了對能源的需求，由此引發了旅游業碳排放的大幅增加。其次，城鎮化率是旅游碳排放增加的第二大因素。2000-2019年，重慶市城鎮化率從36%增加到67%，城鎮化率的提高有助于豐富旅游活動內容和消費結構，延長游客駐留時間。第三，人均旅游支出是旅游碳排放增加的第三大因素。2000-2019年，重慶市人均旅游支出從446元/人增加到873元/人。第四，旅游人次是旅游碳排放增加的最小因素。2000—2019年，重慶市旅游者增長了20余倍。如此大規模的人口流動，必然會帶動旅游業能源消費的增長，進而導致旅游業二氧化碳排放量的增加。第五，碳排放強度的增加是旅游碳排放降低的較大因素。2000年以來，重慶碳排放強度一直處于波動下降態勢，但下降幅度不大，平均每年下降11%。第六，交通碳排放比例的增加是旅游碳排放降低的較小因素。2000年以來，重慶交通碳排放比例也一直處于波動下降態勢，平均每年下降2%。旅游交通的絕對支出費用相對固定，其比例的上升主要反映了旅游總消費的減少和碳排放強度的降低。第七，人均旅游收入對數（lnA）的二次項系數為2負值，即在觀測數據范圍內，人均旅游收入與旅游業碳排放量之間已表現出環境庫茲涅茨曲線所預示的關系，這說明重慶地區的旅游經濟發展已開始與環境保護實現協同發展。

5情景分析

5.1情景設定

為分析評價不同節能減排政策和發展路徑對重慶市旅游業碳排放的影響，本研究設定了基準情況和綜合控制情況，使用灰色關聯分析法進行相關因素的預測，從而預測2025年的旅游碳排放情況。（1）基準情況：未采取進一步措施政策，保持慣性發展的情景，基本反映了重慶市自然引導型的旅游碳排放狀態。（2）綜合控制情況：對影響重慶市旅游碳排放的影響因素進行全面調控，設定了低增長/下降（L）和高增長/下降（H）兩種不同發展水平。其中，由于第三產業比重升高屬于發展需要，對此只能協調其與碳排放的關系，因而取其的自然增長狀態。此外，由于今年疫情的特殊性，情況難以估計，本研究暫不考慮疫情帶來的影響。各因素增長率設定情況如下。旅游人次：為防止類似2003年非典帶來的影響，計算2014-2019年人次的年均增長率為16.5%。考慮游客受人口等客觀條件的限制，不可能無限上漲的現實，設置2020-2025年高、低增長率分別為15%和8%。其他因素：根據歷史數據，其他因素在2000-2019年都屬于波動狀態，因而分別選擇年變化率的最大值和最小值作為兩種綜合控制情況的參考值：人均旅游支出增長率為20%和0.2%，旅游業碳排放強度降低率為21%和3%，交通碳排放比例降低率為6%和1%，城鎮化增長率為7%和1%。

5.2基準情況預測

將2000-2019年旅游人次等各項因素代入GM（1，1）灰色預測模型，先進行2000-2019年預測值的檢驗，再進行合理預測。經校驗，其中各模擬數據后驗差比C值均小于0.35，意味著模型精度等級非常好。

5.3綜合控制情況預測

設定九種情景（見表2）。各因素變化情況取ln值（見表3）。得到S1-S9情景下旅游業碳排放量（見圖1）。

5.4預測結果分析

（1）2025年基準情景（S1）下重慶市旅游排放量為306.13萬噸。如果旅游人次、人均旅游支出、城鎮化低速增長，碳排放強度高速下降、交通碳排放比例低速下降（S2），即為最能促進碳排放量降低的情景，則2025年的碳排放量為268.81萬噸，相對于基準情景將降低37.72萬噸，占基準量的12%。然而，如果各因素增速與S2相反（S3），即為最不利于碳排放量降低的情景，相對于基準情景將增加89.31萬噸，占基準量的29%。而S3和S3相差碳排放量達到123.03萬噸，足可見采取合適的碳減排措施產生的效果之大。（2）在S1的基礎上，若碳排放強度和交通碳排放比例分別保持低下降率和高下降率（S4），2025年的碳排放量相對于基準情景將升高5.87萬噸；反之，如S5，則碳排放量將下降38.93萬噸；S4和S3模式相差44.8萬噸，由此可見，在旅游行業推進清潔煤技術的產業化，重點從交通、住宿、餐飲方面提高煤炭資源的利用效率，以及提高交通耗碳比例，有助于減少二氧化碳的排放量。（3）在S3的基礎上，城鎮化進程以正常的速度推進（S6），相對于S3情景，碳排放量將下降46.81萬噸，減緩效果大于S3，超過基準情景的一半之余。這說明即使在其他因素最不利于碳排放量減少的情景下，只要保持城鎮化的穩定增長，就不會使得碳排放量增長過激。（4）為進一步比較城鎮化帶來的影響，將S7和S8進行對比，這兩個情景的其他因素都為正常增加，城鎮化率分別高速和低速增加，可以看到，二者碳排放量相差49.22萬噸，遠超于S2和S3差距的1/3，足可見城鎮化在旅游碳排放中的重要作用。（5）城鎮化和碳排放強度作為促進和抑制碳排放量增加的兩大因素，通過S9與S1比較，可以發現當二者的促進和抑制作用最大發揮時碳排放量的變化。最終得到數值為349.67萬噸，大于基準情況43.54萬噸，這說明即使碳排放強度按照歷史規律最大限度發揮作用，也不能緩解高速城鎮化帶來的減排壓力。

6結論

經過以上研究，得出結論如下：首先，城鎮化對于重慶旅游碳排放有相當重要的作用，要控制城鎮化率的過快增長，著重開發區縣旅游業，積極尋求對策使游客向周邊區縣疏散。其次，人均旅游支出和旅游人次的增加會對碳排放增加的影響，要著眼于消費者自身，提高旅游者和公眾的低碳環保意識。第三，碳排放強度的增加是旅游碳排放降低的較大因素，但相比較于城鎮化的促進作用來說，影響有限，要積極探尋更高效節能的方式。第四，交通碳排放比例的增加能帶來旅游碳排放降低，應優化調整旅游業消費結構，降低住宿和活動中不必要的消費支出。第五，重慶地區的旅游經濟發展已開始與環境保護協同發展，重慶近年來采取的與旅游業相關的節能減排舉措已卓有成效。

參考文獻：

［1］孫燕燕.上海市旅游碳排放估算及其效應分解［J］.地域研究與開發,2020,39(01):122-126.

［2］馬月琴,甘暢,王凱.長江中游地區產業結構對旅游業碳排放的影響研究［J］.旅游研究,2020,12(01):59-72.

［3］王景波,安伯超,馬國超,等.省域旅游業碳排放強度測算及影響因素研究［J］.統計與決策,2019,35(18):99-102.

［4］湯姿,李曉紅.基于STIRPAT模型的黑龍江省旅游業二氧化碳排放影響因素分析［J］.生態經濟,2019,35(08):141-145.

作者：盧靜怡 徐漢明 單位：重慶大學