旅游风景区的影响碳排放主要因素分析.docVIP

旅游风景区的影响碳排放主要因素分析 　　摘要：旅游景区产品的生产、消费和碳排放具有同时性，而决定旅游产品生产、消费和碳排放数量的关键因素是客流量；因此，旅游景区客流量是影响旅游收入和碳排放的主要因素。本文通过旅游景区客流量、旅游收入和旅游成本与碳排放的拟合函数关系分析，指出可以通过定量的线性和曲线拟合方程，判断影响旅游风景区碳排放的主要影响因素，并进行相应的碳排放量估算预测。最后，提出了加强碳排放大数据研发与应用，为实现低碳旅游风景区生态环境目标服务。 　　关键词：碳排放影响因素；拟合方程；旅游风景区 　　中图分类号：D669 文献标识码：A 文章编号：1001-0475（2016）09-0087-02 　　一、引言 　　中国和国际社会正致力于经济发展与环境影响脱钩，即经济的增长不以破坏环境为代价。碳排放是造成全球变暖和气候多变的元凶，节能减排，降低与控制温室气体排放，已成为人类共同的责任。从一个国家和地区角度，影响碳排放的因素众多：人口数量、能源结构、产业结构、经济发展水平、城市化水平、居民的生活习惯、单位GDP能耗、节能减排措施、环境碳汇能力等均影响二氧化碳等温室气体的净排放。因此，研究碳排放与经济社会和环境影响因子的相互关系，始终是低碳经济与生态经济研究的重要内容。本文以旅游景区为例重点研究游客量、旅游收入与旅游成本等影响碳排放的因素及其相互关系，以期对旅游景区低碳生态环境建设提供参考。 　　二、方法与案例 　　目前，对旅游风景区或旅游酒店餐饮等部门的碳排放估算多数是直接的、自下而上的将众多影响碳排放的因子逐一加以分析，最后汇总合成得出该单位在一定时间和范围内的总排放量。如从旅游者的角度，对每位游客在特定时间段消费的旅游产品所产生的碳足迹进行统计分析；从旅游企业角度，则对各部门在特定时间内，生产和处理所有旅游产品而消耗的直接化石能源或电力等间接能源所产生的二氧化碳排放进行估算。这些方法虽然直观准确，但不适宜较大范围、接待量较大和复杂性较高的大型旅游企业的碳排放估算。因为，各类能源消耗统计数据非常粗略，且游客活动和垃圾处理等能源消耗和碳排放量较难估算，这些直接的统计方法均难以在实际过程中加以应用，因此，对旅游风景区碳排放进行估算需要在实际过程中寻找相对简单适用与可行的方法。 　　拟合回归分析是研究事物数据之间函数关系并据此拟合模型进行评价和预测的一种统计方法。碳排放及其影响因素之间的关系有些是显性的，而有些是隐含在观察或统计数据组之间，找出并发现因变量与自变量之间相对准确且具有一定拟合精确度的函数关系，揭示其中的内在联系，是估算和解决碳排放问题的基础。目前，较为全面的反映环境污染与人口、经济、技术之间关系的环境经济模型首推STIRPAT模型，国内外很多专家学者均用其对数化处理后的修正模型作为计算碳排放与相关影响因子之间关联程度的工具[1]（P.72-76），从而达到分析相关因子对碳排放的贡献度或弹性数值[2]（P.19-24）。而对于影响碳排放因素相对较为单一的旅游风景区，采用多项式线性或非线性回归拟合函数，获得相关分析结果，是研究旅游风景区碳排放影响因素最简单、也是最直观的分析方法。影响旅游风景区碳排放的因素主要是游客数量、旅游餐饮与住宿的天燃气与汽柴油等化石能源的直接碳排放和电力等二次能源的间接碳排放，能源的构成与利用是影响旅游景区成本与经济效益的重要组成部分，因此，旅游景区收入与成本也必然与碳排放有所关联。因此，可以尝试将旅游风景区多年平均游客人数与直接或间接能源使用量等因素通过拟合回归分析，建立相关的拟合模型，在精度许可的情景下，通过误差纠正，以确定旅游风景区碳排放影响因子和碳排放估算值。 　　由于旅游风景区一般均涉及到交通、住宿、餐饮、商品销售、服务管理等各接待部门，大型旅游风景区上市企业还兼并组合了多家公司与企业，除主营业务外，还涉及房地产与园林建筑等多部门，能源消耗的结构与方式有很大区别，因此，必须对相关数据进行筛选，以获得相对合理的数据组。为了方便获取数据与进行对比分析，首先，我们通过统计国内黄山、桂林、峨眉山、张家界等旅游景区上市公司支付的历年水电费、天燃气与汽柴油相关费用等报表数据，根据电力，天燃气，汽油，柴油碳排放因子，近似的获得相关旅游景区上市公司历年的电力，天燃气，汽柴油等能源利用的碳排放量及其总碳排放量，通过与旅游景区上市公司的历年营业收入、营业成本、旅游总人数等因素进行多项式线性或非线性拟合分析，经过R2因子分析和拟合模型显著性水平检验等，发现不同旅游风景区碳排放影响因子拟合精度有很大区别，除部分风景区影响因子完全不具备相关性外，一些风景区旅游人数与主营收入或主营成本和不同类型的碳排放数量具有一定程度的相关性。其中，主营收入与成本和碳排放量拟合效果较好的是2007年至201