环境科学学报  2017, Vol. 37 Issue (12): 4798-4806
自驾游客对低碳旅游交通的意愿及其影响因素研究——以浙江舟山普陀金三角旅游区为例    [PDF全文]
肖建红1,2 , 陈宇菲1,2 , 王敏1,2 , 于庆东1     
1. 青岛大学商学院, 青岛 266071;
2. 青岛大学中国海岛发展研究所, 青岛 266071
摘要: 运用问卷调查法和多分类Logistic回归模型,以舟山普陀金三角旅游区为案例地,对自驾游客对低碳旅游交通的意愿及其影响因素进行了研究.结果表明:在支持低碳旅游交通的939位自驾受访游客中,有25.77%的受访游客愿意选择旅游交通碳减排方式一(长途汽车),有35.46%的受访游客愿意选择旅游交通碳减排方式二(火车),有38.77%的受访游客愿意选择旅游交通碳补偿方式(交纳碳排放增量税用于植树造林).自驾游客旅游交通碳减少(碳减排和碳补偿)效果显著.各客源地用全部游客衡量,游客旅游交通的人均碳减少量处于12.548~28.516 kg·人-1之间,短途客源地和中途客源地游客旅游交通的碳减少效果分别超过了50%和20%.客源地、学历、停留时间和收入对自驾游客选择旅游交通碳减排方式与选择旅游交通碳补偿方式具有显著影响.其中,个人年收入在10万元以上的自驾游客更愿意选择碳补偿方式.
关键词: 自驾游客     低碳旅游     旅游交通     多分类Logistic回归     普陀金三角旅游区    
The willingness of self-driving tourists for low-carbon tourism transportation and its factors:Based on Putuo Golden Triangle in Zhoushan Islands
XIAO Jianhong1,2 , CHEN Yufei1,2, WANG Min1,2, YU Qingdong1    
1. Business College, Qingdao University, Qingdao 266071;
2. Institute of China Island Development Research, Qingdao University, Qingdao 266071
Received 1 May 2017; received in revised from 18 June 2017; accepted 18 June 2017
Supported by the National Natural Science Foundation of China (No. 41301622)
Biography: XIAO Jianhong(1979—), male, professor, E-mail:xiaojian_hong@163.com
*Corresponding author: XIAO Jianhong, E-mail:xiaojian_hong@163.com
Abstract: Based on questionnaires method and a multinomial logistic regression model, we studied the willingness of self-driving tourists for low-carbon tourism transportation and its factors in Putuo Golden Triangle of Zhoushan Islands. The results are as follows:Firstly, among 939 respondent self-driving tourists who support the low-carbon tourism transportation. There are 25.77%, 35.46% and 39.77% of them respectively, who would like to choose the first carbon abatement method of tourism transportation(i.e., coach), the second carbon abatement method(i.e., train), and carbon offsets program(i.e., the carbon increment tax for afforestation project). Secondly, in Putuo Golden Triangle, the result about carbon reduction(i.e. carbon abatement and carbon offsets) of tourism transportation contributed by self-driving tourists was remarkable. And, the reduction amount of carbon emissions measured according to all tourists from 5 tourist source markets was between 12.548 kilogram and 28.516 kilogram per person. Specifically, the carbon emission abatement percentages from short and middle distance tourist source markets were more than 50% and 20%, respectively. Finally, the choices(the carbon abatement methods or carbon offsets program) made by the self-driving tourists were mainly affected by tourist source markets, education level, personal income, and the length of stay in tourism destination. Particularly, the self-driving tourists whose annual income was more than 100000 RMB would be more willing to choose carbon offsets program.
Key words: self-driving tourists     low-carbon tourism     tourism transportation     multinomial logistic regression     Putuo Golden Triangle    
1 引言(Introduction)

旅游交通是旅游系统中能源消耗和二氧化碳排放最多的环节(Gössling et al., 2007; Whittlesea et al., 2012), 旅游交通碳排放相关研究一直是国内外学术界关注的热点(Peeters et al., 2007; Kuo et al., 2009; Gössling et al., 2015).目前, 这一领域的研究成果主要集中在两个方面:一方面是关于旅游交通碳排放量评估的相关研究成果.国内外运用的评估方法主要有自下而上法和自上而下法(Gössling, 2002; Kelly et al., 2007; Lin, 2010; 陶玉国等, 2015; 王凯等, 2017)、生产法和支出法(Dwyer et al., 2010)、生态足迹法(Peeters et al., 2006)、生命周期法(窦银娣等, 2012)等;评估范围主要涉及全球(Gössling, 2002)、国家(Dwyer et al., 2010)、区域(Becken et al., 2003; Peeters et al., 2006; Kelly et al., 2007; 陶玉国等, 2015)、景区(Lin, 2010; 窦银娣等, 2012)、旅游线路(罗芬等, 2014)等;评估结果显示, 旅游交通碳排放量占旅游碳排放总量的比例处于60%~90%之间(Gössling, 2002; Becken et al., 2003; Peeters et al., 2006; Kelly et al., 2007; Dwyer et al., 2010).从国内外旅游交通碳排放量评估相关研究成果来看, 运用的评估方法主要以自下而上法和自上而下法为主, 评估对象主要是针对某一区域的整体旅游业或旅游交通碳排放, 而专门针对自驾旅游交通碳排放评估方面的研究成果较少见.

另一方面是关于旅游交通碳减排的相关研究成果.其中, 国外学者较关注碳税(Tol, 2007)、碳补偿或碳中和(Smith et al., 2009)、市场替换(Gössling et al., 2015)、“慢旅游”(Dickinson et al., 2011)等旅游交通碳减排相关政策研究, 拟运用政府或市场两种手段, 通过制定碳减排相关政策实现低碳旅游交通;目前在国外, 旅游交通碳减排意愿方面的研究是学者们关注的热点问题, 如航空游客的碳补偿意愿(Brouwer et al., 2008)、气候变化背景下游客主动改变旅游行为的意愿(McKercher et al., 2010)、游客对气候变化和长途旅行的态度(Higham et al., 2011)、旅客改变交通模式的反应(Reilly et al., 2010)、碳税和个人碳交易对改变个人旅游行为和减少碳排放的差异(Raux et al., 2015)、公路交通乘客对碳税的支付意愿(Gupta, 2016)等.在国内, 专门针对旅游交通碳减排的相关研究成果较少, 已有的成果主要以低碳旅游研究为主, 低碳旅游交通只是其中的一个指标或一个问题(朱国兴等, 2013);目前在国内, 低碳旅游意愿方面的研究已引起学者们的关注, 如低碳旅游参与率(张琰飞等, 2013)、低碳旅游认知和意愿与行为差异(刘亚萍等, 2013)、游客特定旅游情景下的低碳旅游行为影响因素(赵黎明等, 2015)等.从国内外旅游交通碳减排意愿相关研究成果来看, 国外成果主要以乘坐某一类交通工具(如飞机)游客的碳减排意愿相关研究为主, 而国内成果主要以游客对整体旅游业碳减排意愿相关研究为主;但国内外均较少发现有关于自驾游客碳减排意愿方面的研究成果.

据《中国统计年鉴(2016)》数据资料显示:2005—2015年10年间, 我国载客小型和微型私人汽车拥有量从1325×104辆增加到了12700×104辆;前5年以平均每年超过700×104辆的速度递增, 后5年以平均每年超过1500×104辆的速度递增.另据国家旅游局网站资料显示:2015年, 我国自驾游客达到了23.4×108人次, 占国内游客的58.5%;到“十三五”末, 我国自驾游客预计将达到58×108人次, 约占国内游客的70%以上.依据文献(陶玉国等, 2015)计算可得, 自驾游客平均每人公里的碳排放量分别相当于乘坐飞机、火车、汽车等主要交通工具游客平均每人公里碳排放量的0.63、8.44和2.71倍.由此可见, 减少自驾游客的碳排放量对于减少我国旅游业直接碳排放量至关重要.但从目前国内外旅游交通碳排放相关研究成果来看, 专门针对自驾旅游交通碳排放评估、碳减排意愿等方面的研究成果较少, 这不利于我国旅游业碳减排相关政策的制定.基于此, 本文以舟山群岛为案例地, 通过问卷调查获取数据, 对自驾游客低碳旅游交通的意愿进行研究, 并运用无序多分类Logistic回归模型对自驾游客低碳旅游交通意愿的主要影响因素进行分析, 以期为低碳旅游交通相关研究和相关政策制定提供参考.

2 研究区域(Research area)

浙江省舟山群岛含两区和两县, 共有大小岛屿1300多个, 其中, 住人岛屿140个.选择这一案例地的原因是:游客到达群岛旅游目的地可选择的交通工具较复杂, 乘坐火车的游客需要在群岛附近的宁波、杭州、上海等中心城市中转, 因普陀机场航线较少, 多数乘坐飞机的游客也需要在群岛附近的中心城市中转, 乘坐长途汽车或自驾的游客通常可以直达群岛旅游目的地;群岛交通条件的限制为本文研究自驾游客低碳旅游交通意愿及其影响因素提供了更为有利的条件.2015年, 舟山群岛接待国内外游客量达到了3876.22×104人次;旅游总收入达到了552.18×108元,与GDP的比值为50.43%.舟山群岛旅游资源的核心区域位于普陀金三角旅游区, 主要包括普陀山(国家5A级景区)、朱家尖(国家4A级景区)、桃花岛(国家4A级景区)和沈家门等.舟山群岛普陀金三角旅游区的旅游资源在我国海岛中具有代表性.通过2014年和2015年到普陀金三角旅游区进行的2次游客旅游交通问卷调查可知(表 1), 2014—2015年, 旅游目的地的短途客源地(浙、苏、沪)游客、中途客源地(豫、闽、皖、鄂、赣、鲁、湘)游客和长途客源地(大陆其他省市区)游客的自驾比例均出现了显著上升.

表 1 普陀金三角旅游区游客自驾比例的变化 Table 1 The change of percentages of the self-driving tourists in Putuo Golden Triangle
3 研究基础(Research base) 3.1 问卷调查法 3.1.1 问卷设计

调查问卷分为两大部分:(1)受访游客的基本信息, 主要包括客源地、来旅游目的地的游览次数、在旅游目的地的停留时间、长途交通乘坐的交通工具和中转城市及性别、年龄、学历、收入等社会经济特征;(2)核心问题, 询问受访游客中的自驾游客是否愿意选择低碳的旅游交通工具, 或者支持植树造林等吸碳、固碳工程建设;若回答“愿意”, 则从以下2种旅游交通碳减排方式和1种旅游交通碳补偿方式(将这3种方式统称为旅游交通碳减少方式)中选择自己(最)支持的一种方式:①由自驾转换为乘坐长途汽车(称为旅游交通碳减排方式一);②由自驾转换为乘坐火车(称为旅游交通碳减排方式二);③仍选择自驾, 但会交纳自驾与长途汽车或火车相比碳排放增量税, 资金用于植树造林等吸碳、固碳工程建设, 以抵消因自驾而增加的碳排放量(称为旅游交通碳补偿方式);税率约为每人每百公里1.1~1.2元(Gössling et al., 2005; 肖建红等, 2016).

3.1.2 调查实施和样本分布

调查实施:为了熟悉和掌握游客的客源地、乘坐各类交通工具和中转城市的比例、旅游目的地的停留时间等基础数据, 于2014年7—8月到舟山普陀金三角旅游区进行了游客旅游交通问卷调查(表 1).以2014年问卷调查收集的数据信息为基础, 设计了自驾游客低碳旅游交通意愿调查问卷;设计的初始问卷在普陀山景区、朱家尖国际沙雕广场景区和桃花岛茅草屋码头3个调查点各进行了1 d的预调查, 发现并修改了问卷初稿中存在的问题, 最终确立了正式调查问卷;并于2015年7—8月实施了问卷调查(其中团队游客只抽取一个样本).

样本分布:所有受访游客样本分布如表 1(2015年调查)所示, 支持低碳旅游交通的自驾受访游客样本分布如表 2所示.舟山普陀金三角旅游区共获得旅游交通有效样本2137份, 其中, 有1164位非自驾受访游客完成了调查问卷中的第一部分, 有973位自驾受访游客完成了整份调查问卷(表 1).在973位自驾受访游客中, 有939位自驾受访游客支持低碳旅游交通, 占自驾受访游客的96.51%(表 2).本文选取支持低碳旅游交通的自驾受访游客为研究对象.

表 2 研究对象的调查分布 Table 2 The survey distribution of the research objects
3.1.3 样本基本特征

支持低碳旅游交通的自驾受访游客基本特征如表 3所示.由表可知, 自驾游客中男性占到了近2/3;45周岁及以下的占85%以上;学历大专及以上的占55%以上;个人年收入超过10万元的占40%以上;重游游客占到了近2/5;旅游目的地停留时间在48 h以内的占70%以上;长三角地区短途客源地自驾游客占80%以上, 华中和华东地区(除长三角地区)中途客源地自驾游客占15%以上, 而大陆其他12个省市区长途客源地自驾游客占比不足3%.

表 3 自驾受访游客基本特征 Table 3 The basic characteristics of the self-driver respondents′ tourists
3.2 划分客源地

依据支持低碳旅游交通的939位自驾受访游客样本信息, 将舟山普陀金三角旅游区游客划分为44个子客源地:①短途客源地划分为25个子客源地, 包括:杭州、宁波、绍兴、金华(不含义乌)、嘉兴、温州、丽水、台州、义乌、湖州、衢州、南京、苏州、常州、徐州、无锡、扬州、南通、泰州、镇江、盐城、淮安、宿迁、连云港和上海;②中途客源地划分为7个子客源地, 包括:河南、福建、安徽、湖北、江西、山东和湖南;③长途客源地划分为12个子客源地, 包括:辽宁、黑龙江、内蒙古、北京、河北、天津、山西、陕西、新疆、重庆、四川和广东.

3.3 评估模型 3.3.1 碳减排量和碳补偿量评估模型

模型中所涉及的方程式主要如下:

(1)
(2)
(3)

式中,C1C2分别为2014年舟山普陀金三角旅游区旅游交通碳减排方式一和碳减排方式二的碳减排量(t·a-1);C3为2014年舟山普陀金三角旅游区旅游交通碳补偿方式的碳补偿量(t·a-1);Mi0Mi1分别为舟山普陀金三角旅游区第i客源地游客到达舟山普陀客运中心的自驾里程和长途汽车里程(省级客源地起点取省会城市)(km);Mi2为舟山普陀金三角旅游区第i客源地游客到达宁波的火车里程(省级客源地起点取省会城市)(km);m为舟山至宁波的长途汽车里程(km);β0β1β2分别为自驾、长途汽车和火车的碳排放因子(kg·pkm-1),其值选自文献(Gössling et al., 2005);ni1ni2ni3分别为舟山普陀金三角旅游区第i客源地游客选择旅游交通碳减排方式一、碳减排方式二和碳补偿方式的样本量(份);Nt为舟山普陀金三角旅游区旅游交通调查的样本总量(含非自驾游客样本和不支持低碳旅游交通的自驾游客样本),其值为2137份(参见表 1的2015年调查部分);Qt为2014年普陀山景区的国内游客量(人次);ε为自驾、长途汽车和火车的碳排放均衡因子,其值选自文献(Gössling et al., 2005);Δt为自驾游客交纳碳排放增量税的均值,其值为1.15元/100 pkm(Gössling et al., 2005; 肖建红等, 2016);PC为碳的单位价格,其值为0.751元·kg-1(肖建红等, 2016);1000表示1 t等于1000 kg;44/12表示CO2与C之间换算;2表示交通往返.

3.3.2 碳减少效果评估模型

模型中所涉及的方程式主要如下:

(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)

式中,Ctct分别为2014年舟山普陀金三角旅游区全部游客(含自驾游客和非自驾游客)的碳排放总量和人均碳排放量(t或kg·人-1);Csdcsd分别为支持低碳旅游交通的自驾游客的碳排放总量和人均碳排放量(t或kg·人-1);DijDi0分别为2014年舟山普陀金三角旅游区第i客源地游客乘坐第j类交通工具的年游客周转量和支持低碳旅游交通的自驾游客的年游客周转量(人·km·a-1);βjβ0分别为第j类交通工具每人每km的CO2排放系数和自驾交通每人每km的CO2排放系数(kg·pkm-1);εjε0分别为第j类交通工具排放等当量CO2的均衡因子和自驾交通排放等当量CO2的均衡因子;ΔCsd、Δct和Δcsd分别为2014年舟山普陀金三角旅游区自驾游客旅游交通碳减少量、用全部游客衡量的游客旅游交通人均碳减少量和用支持低碳旅游交通的自驾游客衡量的游客旅游交通人均碳减少量(t或kg·人-1);Qtni1ni2ni3NtC1C2C3的含义同公式(1)~(3);Δet和Δesd分别为2014年舟山普陀金三角旅游区用全部游客衡量的旅游交通碳减少效果和用支持低碳旅游交通的自驾游客衡量的旅游交通碳减少效果.

3.3.3 无序多分类Logistic回归模型

无序多分类Logistic回归模型为(王济川等, 2001):

(13)

式中,αj为截距参数;βjk为偏回归系数;xk为第k个影响自驾游客选择低碳旅游交通碳减少方式的自变量;J为参照组(旅游交通碳补偿方式).在二分类因变量分析中曾使用多种分布函数,本文采用的是最常用的Logistic分布,另一种可供替换的分布函数是标准正态分布(与之相对应的是Probit模型).为事件发生比,将事件发生比取自然对数可得到一个线性函数,即式(13).

本文中旅游交通碳减少方式y分为3种:旅游交通碳减排方式一(选择长途汽车,y=1)、旅游交通碳减排方式二(选择火车,y=2)和旅游交通碳补偿方式(交纳碳排放增量税用于植树造林,y=3设为参照组).相应的Logistic回归模型如式(14)和(15)所示.其中,式(14)表示旅游交通碳减排方式一(选择长途汽车)与旅游交通碳补偿方式(交纳碳排放增量税用于植树造林,参照组)的对数发生比;式(15)表示旅游交通碳减排方式二(选择火车)与旅游交通碳补偿方式(交纳碳排放增量税用于植树造林,参照组)的对数发生比.本文采用SPSS19.0软件包进行多分类Logistic回归分析.

(14)
(15)
4 碳减少效果(Carbon emission reduction effects)

在舟山普陀金三角旅游区支持低碳旅游交通的939位自驾受访游客中, 有242位受访游客愿意选择旅游交通碳减排方式一(选择长途汽车), 占支持低碳旅游交通的自驾受访游客的25.77%;有333位受访游客愿意选择旅游交通碳减排方式二(选择火车), 占支持低碳旅游交通的自驾受访游客的35.46%;有364位受访游客愿意选择旅游交通碳补偿方式(交纳碳排放增量税用于植树造林), 占支持低碳旅游交通的自驾受访游客的38.77%.

运用式(1)~(12)可计算得出各客源地的各变量值(表 4).由Δet和Δesd可知,舟山普陀金三角旅游区旅游交通碳减少效果显著.短途客源地(浙江省、江苏省和上海市)的Δet值均超过了50%,中途客源地(豫、闽、皖、鄂、赣、鲁、湘)的Δet值超过了20%,全部客源地的Δet值达到了18.72%;各客源地和全部客源地的Δesd值均超过了65%.

表 4 碳减少效果 Table 4 The carbon emission reduction effects
5 影响因素(Factors) 5.1 模型似然比检验结果

对数据进行多分类Logistic回归分析, 使自变量全部进入模型, 进行似然比检验.结果表明(表 5), 客源地、学历、停留时间和收入对自驾游客选择旅游交通碳减排方式(碳减排方式一和碳减排方式二)与选择旅游交通碳补偿方式具有显著影响(显著水平小于0.05).

表 5 模型似然比检验 Table 5 Likelihood ratio tests of the model
5.2 参数估计结果

模型参数估计结果如表 6所示.碳减排方式一(选择长途汽车)与碳补偿方式(交纳碳排放增量税用于植树造林)相比:①江苏和上海的自驾游客与浙江的自驾游客相比, 更愿意选择交税.因浙江本省客源地中的杭州、宁波、绍兴和嘉兴4个子客源地的样本量占浙江样本总量的72.48%, 其中, 杭州和宁波的样本量占浙江样本总量的54.13%.这4个子客源地是所有客源地中距离舟山普陀金三角旅游区最近的, 乘坐长途汽车非常方便;其中, 杭州和宁波到舟山普陀长途客运中心每天流水发车, 绍兴和嘉兴每天有多趟汽车到舟山普陀长途客运中心.江苏各子客源地和上海的自驾游客乘坐长途汽车不及浙江的自驾游客方便, 并且江苏和上海距离舟山较近, 自驾游客支付的碳排放增量税相对较少;因此, 与浙江的自驾游客相比他们更愿意选择交税方式.②高中(含中专和技校)、大专和本科及以上学历的自驾游客与初中及以下学历的自驾游客相比, 更愿意选择长途汽车, 这表明学历较高的自驾游客更愿意接受碳减排方式(而非碳补偿方式).③个人年收入在10万元以上的自驾游客更愿意选择碳补偿方式, 这表明收入水平是决定自驾游客选择旅游交通碳减排方式还是碳补偿方式的主要因素.

表 6 参数估计结果 Table 6 The parameters estimated results

碳减排方式二(选择火车)与碳补偿方式(交纳碳排放增量税用于植树造林)相比:①江苏和豫、闽、皖、鄂、赣、鲁、湘的自驾游客与浙江的自驾游客相比, 更愿意选择火车.截至2014年底, 我国高铁运营里程达到了15800 km.目前, 华东和华中地区高铁基本呈网状分布, 乘坐高铁到达宁波非常方便;所以, 这八省自驾游客比较愿意选择高铁, 而不愿意再增加经济负担(交税).浙江的自驾游客若乘坐高铁需要在宁波中转, 相对不太方便;并且浙江各子客源地距离舟山较近, 自驾游客支付的碳排放增量税相对较少;所以, 浙江的自驾游客与上述八省的自驾游客相比更愿意选择交税.因杭州湾跨海大桥的修建, 上海的自驾游客不需要再绕行杭州, 使其到宁波里程缩短了120 km;而乘坐高铁需要绕行杭州且需要在宁波中转, 距离相对较远一些、相对也不太方便;所以, 上海自驾游客在火车与交税之间选择时, 选择交税的较多.浙江的自驾游客距离舟山近, 交纳碳排放增量税较少;若乘坐火车需要在宁波中转, 不太方便;所以, 浙江的自驾游客在火车与交税之间选择时, 选择交税的也较多.基于上述分析, 上海与浙江的自驾游客在火车与交税之间进行选择时, 并未表现出显著差异.②本科及以上学历的自驾游客与初中及以下学历的自驾游客相比, 更愿意选择火车, 这进一步验证了学历较高(特别是本科及以上学历)的自驾游客更愿意接受碳减排方式(而非碳补偿方式).③停留时间超过1 d的自驾游客与停留时间在1 d以内的自驾游客相比, 更愿意选择火车.通过2014年的问卷调查可知(有效问卷量985份), 在舟山普陀金三角旅游区, 华中和华东地区(除长三角地区)中途客源地的游客比长三角地区短途客源地的游客在旅游目的地停留时间长11.93 h;其他省市区长途客源地的游客比长三角地区短途客源地的游客在旅游目的地停留时间长17.23 h.游客在旅游目的地停留时间长, 相对来说花费较多;且停留时间较长的游客距离舟山也较远, 若交纳碳排放增量税也较多;所以, 停留时间较长的自驾游客更愿意选择火车.④个人年收入在10万元以上的自驾游客更愿意选择交税, 这进一步验证了收入水平是决定自驾游客选择旅游交通碳减排方式还是碳补偿方式的主要因素.

6 讨论(Discussion)

旅游交通碳排放减少途径主要有:“慢旅游”(Dickinson et al., 2011; Lumsdon et al., 2011)、短途旅游(由长距离旅游目的地变换为短距离旅游目的地)(Lin, 2010; Gössling et al., 2015)、碳补偿(Brouwer et al., 2008; Smith et al., 2009)、改变交通工具(由高碳排放交通工具转乘相对低碳交通工具)(Reilly et al., 2010; Girod et al., 2013)等.2003—2015年, 我国高速铁路长度由405 km增加到19000 km, 位居世界第一;2004—2015年, 我国高速公路长度由3.43×104 km增加到12.54×104 km, 位居世界第一;2004—2015年, 我国民用航空输送乘客由1.21×108人次增加到3.94×108人次.由此可见, 自驾、长途汽车、火车和飞机已成为国内游客出行的主要交通工具.在综合考虑旅游交通碳排放减少途径、我国交通基础设施建设和游客出行选择主要交通工具的基础上, 本文设计了碳补偿、自驾转乘长途汽车和自驾转乘火车3种旅游交通碳排放减少方式, 涉及碳补偿和改变交通工具2种旅游交通碳排放减少途径.进一步的研究可考虑增加设计涉及“慢旅游”、短途旅游等旅游交通碳排放减少途径的碳减少方式, 增加调查自驾游客的意愿及其影响因素;同时, 也可以应用本文方法, 调查研究飞机乘客的旅游交通碳减少意愿及其影响因素.

受访者的性别、年龄、学历、收入、客源地等社会经济特征是影响其意愿的核心因素, 多数研究均会考虑这些因素对受访者意愿的影响(MacKerron et al., 2009; Lu et al., 2012; Gupta, 2016; 刘亚萍等, 2013), 本文也将这些社会经济特征作为影响受访者意愿的主要因素.同时, 本文也尝试性的考虑了游览次数和旅游目的地停留时间2个因素对受访者意愿的影响.通常, 研究者还会从态度(McKercher et al., 2010; Hares et al., 2010; Higham et al., 2011)、认知(Brouwer et al., 2008)、感知(Becken, 2007)、行为(赵黎明等, 2015)、消费习惯(张琰飞等, 2013)等多个角度来选择影响因素, 研究受访者的低碳旅游意愿.进一步研究可以从更广泛的角度选择影响因素, 通过设计受访者结构式或半结构式访谈问卷, 从多角度研究更多因素对自驾游客旅游交通碳减少意愿的影响.

低碳旅游交通意愿及其影响因素研究可为低碳旅游相关政策制定指明方向和提供依据.为了解决从意愿到实际行动的差异和弥补本文研究的不足, 未来需要在以下方面继续深入研究:①综合考虑主要车型、载荷因子等因素的我国自驾车辆平均碳排放因子;②适合我国国情的碳排放增量的税率(单位价格);③增加典型景区游客低碳旅游交通意愿相关研究, 为多个案例对比研究和共性研究提供支撑;④以低碳旅游交通意愿及其影响因素研究为基础, 开展典型景区主要客源地游客的低碳旅游交通相关政策模拟研究, 并在少数特定游客人群中进行政策真实执行的相关验证研究;⑤增加旅游交通碳排放减少途径和扩大低碳旅游交通意愿影响因素范围的相关研究;⑥问卷中增加设计并深入调查研究, 分析自驾游客未采用低碳交通方式的主要原因;⑦对已采用低碳交通方式的非自驾游客进行深入调查, 分析探寻其采用低碳交通方式的原因和动力.

7 结论(Conclusions)

1) 舟山普陀金三角旅游区2137位有效受访游客中, 有973位受访游客为自驾游客, 占有效受访游客的45.53%.在973位自驾受访游客中, 有939位自驾受访游客支持低碳旅游交通, 占自驾受访游客的96.51%.在939位支持低碳旅游交通的自驾受访游客中, 分别有575位和364位自驾受访游客选择旅游交通碳减排方式(方式一和方式二)和旅游交通碳补偿方式, 分别占支持低碳旅游交通自驾受访游客的61.23%和38.77%.

2) 舟山普陀金三角旅游区自驾游客旅游交通碳减少效果显著.2014年, 支持低碳旅游交通的自驾游客旅游交通的碳减少量为123949.992 t;其中, 旅游交通碳减排量和碳补偿量分别为78843.198 t和45106.794 t.各客源地全部游客(含自驾游客和非自驾游客)旅游交通的人均碳减少量处于12.548~28.516 kg·人-1之间;短途客源地和中途客源地游客旅游交通的碳减少效果分别超过了50%和20%.各客源地支持低碳旅游交通的自驾游客旅游交通的人均碳减排量处于23.974~184.192 kg·人-1之间;短途客源地、中途客源地和长途客源地支持低碳旅游交通的自驾游客旅游交通的碳减排效果均超过了65%.

3) 客源地、学历、停留时间和收入对自驾游客选择旅游交通碳减排方式与选择旅游交通碳补偿方式具有显著影响.旅游交通碳减排方式一(选择长途汽车)与旅游交通碳补偿方式(交纳碳排放增量税用于植树造林)相比, 江苏和上海的自驾游客比浙江的自驾游客更愿意选择交税;旅游交通碳减排方式二(选择火车)与旅游交通碳补偿方式(交纳碳排放增量税用于植树造林)相比, 江苏和豫、闽、皖、鄂、赣、鲁、湘的自驾游客比浙江的自驾游客更愿意选择火车;旅游交通碳减排方式(选择长途汽车或火车)与旅游交通碳补偿方式(交纳碳排放增量税用于植树造林)相比, 本科及以上学历的自驾游客比初中及以下学历的自驾游客更愿意选择碳减排方式(长途汽车或火车);个人年收入在10万元以上的自驾游客更愿意选择碳补偿方式.

参考文献
Becken S. 2007. Tourists' perception of international air travel's impact on the global climate and potential climate change policies[J]. Journal of Sustainable Tourism, 15(4): 351–368. DOI:10.2167/jost710.0
Becken S, Simmons D G, Frampton C. 2003. Energy use associated with different travel choices[J]. Tourism Management, 24: 267–277. DOI:10.1016/S0261-5177(02)00066-3
Brouwer R, Brander L, Van Beukering P. 2008. "A convenient truth":Air travel passengers' willingness to pay to offset their CO2 emissions[J]. Climatic Change, 90(3): 299–313. DOI:10.1007/s10584-008-9414-0
Dickinson J E, Lumsdon L M, Robbins D. 2011. Slow travel:Issues for tourism and climate change[J]. Journal of Sustainable Tourism, 19(3): 281–300. DOI:10.1080/09669582.2010.524704
窦银娣, 刘云鹏, 李伯华, 等. 2012. 旅游风景区旅游交通系统碳足迹评估——以南岳衡山为例[J]. 生态学报, 2012, 32(17): 5532–5541.
Dwyer L, Forsyth P, Spurr R, et al. 2010. Estimating the carbon footprint of Australian tourism[J]. Journal of Sustainable Tourism, 18(3): 355–376. DOI:10.1080/09669580903513061
Girod B, van Vuuren D P, de Vries B. 2013. Influence of travel behavior on global CO2 emissions[J]. Transportation Research Part A:Policy & Practice, 50: 183–197.
Gössling S. 2002. Global environmental consequences of tourism[J]. Global Environmental Change, 12(4): 283–302. DOI:10.1016/S0959-3780(02)00044-4
Gössling S, Peeters P. 2007. 'It does not harm the environment!' An analysis of industry discourses on tourism, air travel and the environment[J]. Journal of Sustainable Tourism, 15(4): 402–417. DOI:10.2167/jost672.0
Gössling S, Peeters P, Ceron J P, et al. 2005. The eco-efficiency of tourism[J]. Ecological Economics, 54(4): 417–434. DOI:10.1016/j.ecolecon.2004.10.006
Gössling S, Scott D, Hall C M. 2015. Inter-market variability in CO2 emission-intensities in tourism:Implications for destination marketing and carbon management[J]. Tourism Management, 46: 203–212. DOI:10.1016/j.tourman.2014.06.021
Gupta M. 2016. Willingness to pay for carbon tax:A study of Indian road passenger transport[J]. Transport Policy, 45: 46–54. DOI:10.1016/j.tranpol.2015.09.001
Hares A, Dickinson J, Wilkes K. 2010. Climate change and the air travel decisions of UK tourists[J]. Journal of Transport Geography, 18(3): 466–473. DOI:10.1016/j.jtrangeo.2009.06.018
Higham J E S, Cohen S A. 2011. Canary in the coalmine:Norwegian attitudes towards climate change and extreme long-haul air travel to Aotearoa, New Zealand[J]. Tourism Management, 32(1): 98–105. DOI:10.1016/j.tourman.2010.04.005
Kelly J, Williams P W. 2007. Modelling tourism destination energy consumption and greenhouse gas emissions:Whistler, British Columbia, Canada[J]. Journal of Sustainable Tourism, 15(1): 67–90. DOI:10.2167/jost609.0
Kuo N W, Chen P H. 2009. Quantifying energy use, carbon dioxide emission, and other environmental loads from island tourism based on a life cycle assessment approach[J]. Journal of Cleaner Production, 17(15): 1324–1330. DOI:10.1016/j.jclepro.2009.04.012
Lin T P. 2010. Carbon dioxide emissions from transport in Taiwan's national parks[J]. Tourism Management, 31(2): 285–290. DOI:10.1016/j.tourman.2009.03.009
刘亚萍, 刘庆. 2013. 低碳旅游认知和意愿与行为差异分析—基于南宁市两组不同人群的实证分析[J]. 人文地理, 2013, 28(4): 132–139.
Lu J L, Shon Z Y. 2012. Exploring airline passenger's willingness to pay for carbon offsets[J]. Transportation Research Part D:Transport and Environment, 17(2): 124–128. DOI:10.1016/j.trd.2011.10.002
Lumsdon L M, McGrath P. 2011. Developing a conceptual framework for slow travel:A grounded theory approach[J]. Journal of Sustainable Tourism, 19(3): 265–279. DOI:10.1080/09669582.2010.519438
罗芬, 王怀採, 钟永德. 2014. 旅游者交通碳足迹空间分布研究[J]. 中国人口·资源与环境, 2014, 24(2): 38–46.
MacKerron G J, Egerton C, Gaskell C, et al. 2009. Willingness to pay for carbon offset certification and co-benefits among(High-) flying young adults in the UK[J]. Energy Policy, 37(4): 1372–1381. DOI:10.1016/j.enpol.2008.11.023
McKercher B, Prideaux B, Cheung C, et al. 2010. Achieving voluntary reductions in the carbon footprint of tourism and climate change[J]. Journal of Sustainable Tourism, 18(3): 297–317. DOI:10.1080/09669580903395022
Peeters P, Schouten F. 2006. Reducing the ecological footprint of inbound tourism and transport to Amsterdam[J]. Journal of Sustainable Tourism, 14(2): 157–171. DOI:10.1080/09669580508669050
Peeters P, Szimba E, Duijnisveld M. 2007. Major environmental impacts of European tourist transport[J]. Journal of Transport Geography, 15(2): 83–93. DOI:10.1016/j.jtrangeo.2006.12.007
Raux C, Croissant Y, Pons D. 2015. Would personal carbon trading reduce travel emissions more effectively than a carbon tax?[J]. Transportation Research Part D:Transport and Environment, 35: 72–83. DOI:10.1016/j.trd.2014.11.008
Reilly J, Williams P, Haider W. 2010. Moving towards more eco-efficient tourist transportation to a resort destination:The case of Whistler, British Columbia[J]. Research in Transportation Economics, 26(1): 66–73. DOI:10.1016/j.retrec.2009.10.009
Smith I J, Rodger C J. 2009. Carbon emission offsets for aviation-generated emissions due to international travel to and from New Zealand[J]. Energy Policy, 37(9): 3438–3447. DOI:10.1016/j.enpol.2008.10.046
陶玉国, 黄震方, 史春云. 2015. 基于替代式自下而上法的区域旅游交通碳排放测度研究[J]. 生态学报, 2015, 35(12): 4224–4233.
Tol R S J. 2007. The impact of a carbon tax on international tourism[J]. Transportation Research Part D:Transport and Environment, 12(2): 129–142. DOI:10.1016/j.trd.2007.01.004
王济川, 郭志刚. 2001. Logistic回归模型:方法与应用[M]. 北京: 高等教育出版社.
王凯, 邵海琴, 周婷婷, 等. 2017. 基于STIRPAT模型的中国旅游业碳排放影响因素分析[J]. 环境科学学报, 2017, 37(3): 1185–1192.
Whittlesea E R, Owen A. 2012. Towards a low carbon future—the development and application of REAP Tourism, a destination footprint and scenario tool[J]. Journal of Sustainable Tourism, 20(6): 845–865. DOI:10.1080/09669582.2012.680699
肖建红, 王敏, 于庆东, 等. 2016. 海岛型旅游目的地生态补偿标准方法体系的构建与应用[J]. 生态学报, 2016, 36(2): 448–462.
张琰飞, 朱海英, 刘芳. 2013. 旅游环境、消费习惯与低碳旅游参与意愿的关系—以武陵源自然遗产地为例[J]. 旅游学刊, 2013, 28(6): 56–64.
赵黎明, 张海波, 孙健慧. 2015. 旅游情境下公众低碳旅游行为影响因素研究—以三亚旅游为例[J]. 资源科学, 2015, 37(1): 201–210.
朱国兴, 王金莲, 洪海平, 等. 2013. 山岳型景区低碳旅游评价指标体系的构建—以黄山风景区为例[J]. 地理研究, 2013, 32(12): 2357–2365.