中国星级饭店碳排放时空演化特征及影响因素研究

熊 慈

(湖南师范大学 旅游学院，湖南 长沙 410081)

摘要： 基于2000～2016年中国各省区星级饭店碳排放量的测算结果，采用泰尔指数、ArcGIS技术分析了中国星级饭店碳排放时空演化特征，并利用面板数据估计模型揭示星级饭店碳排放时空演化的影响因素。研究表明：(1)中国星级饭店碳排放在时序上呈先递增后波动递减的态势。(2)中国星级饭店碳排放的区域差异呈缩小趋势，各区域内部差异是造成全国总体星级饭店碳排放差异的主要原因。(3)中国星级饭店碳排放东多西少的梯度分布格局较为突出，随时间推移各省区碳排放量出现不同程度的减少。(4)中国星级饭店碳排放时空分布格局受星级饭店碳排放强度、星级饭店规模、星级饭店结构和气候条件的综合影响。

关键词： 星级饭店；碳排放量；时空演化

0 引言

全球气候变暖是21世纪人类社会面临的最重要的环境问题，而人类社会经济活动过程中产生的碳排放是导致气候变化的重要原因。旅游业作为当今世界上发展速度最快、规模最大的产业，在人为因素引起的碳排放总量中，旅游业占据4.9%^[1]，且在2035年以前将以3.2%的平均速度增长^[2]。饭店业作为旅游业一个重要的用能部门，其产生的碳排放占旅游业碳排放总量的21%^[3]，是旅游业除去跨境交通之外的最大的排放源，而饭店业的碳排放在未来较长时间内还将进一步增长^[4]。2009年，世界旅游及旅行理事会确立了至2035年将全球旅游业的碳排放减至2005年的50%的行动纲领。中国作为作为联合国气候变化框架公约下的国家之一，于2016年制定了到2020年单位国内生产总值二氧化碳排放量比2015年下降18%的目标。文化和旅游部在《关于进一步推进旅游行业节能减排工作的指导意见》中明确指出，星级饭店为旅游行业节能减排工作重点领域。因此，旅游业节能减排势在必行，而对星级饭店碳排放的测算及规律研究有助于实现旅游业的可持续发展。

国内外学者对旅游业碳排放的测算^[5-9]、特征^[10，11]、影响因素^[12，13]进行了大量的研究，随之，对旅游业碳排放的重要组成部分饭店业碳排放也引起了重视。国外学者对饭店业的碳排放理论的研究取得一定进展，在基础理论研究和实证研究上有所突破。如对饭店业碳足迹与碳排放政策的探究等^[14-18]。国内学者采用投入产出法、自下而上法、碳足迹法等方法测算了全国^[19]、华东地区^[20，21]、长三角地区^[22]、广东省^[23]、济南市^[24]、昆明市^[25]、宁波市^[26]、黄山市^[27]、深圳市和广州市^[28]等地的部分星级饭店碳排放。从以上可见，研究人员对饭店业碳排放的研究区域范围较小，时间序列较短，不利于从整个行业的纵横视角来审视饭店业碳排放及其差异。因此，本研究对2000～2016年全国星级饭店碳排放时空分布格局进行研究，并对碳排放影响因素进行分析，以为中国各省域饭店业低碳化发展目标和任务提供可靠的数据支撑和理论参考。

1 数据来源与研究方法

1.1 研究方法

1.1.1 碳排放量估算

本研究主要采用“自下而上”CO₂排放核算方法，具体计算方法如下：

(1)

式中：为t 年i 地区星级饭店CO₂排放量为t 年i 地区饭店客房床位数；为t 年i 地区饭店平均客房使用率；β 为每张床位每晚的CO₂排放因子，取值为2.458 g·床^-1·晚^-1[8]。

在现阶段的初中语文课外阅读教学中，为使教师的教学方法真正被学生接受和理解，教师可以采用阶梯式阅读教学方法，根据学生的学习情况和理解能力选取合适的读本，逐步实现课外阅读教学目标。学生在阶梯式课外阅读教学中，阅读难度逐渐增强，给学生阅读水平提供循序渐进的过程，有利于学生阅读能力的发展和提高，是教师课外阅读教学的有效方法。

1.1.2 泰尔指数的分解方法

采用Eviews 8软件分析面板数据，为防止出现异方差，在数据分析之前，对数据进行对数化处理。通过霍斯曼检验结果P >0.5，选取固定效应模型，对面板数据模型进行估计。模型设定为：

T =T _W +T _B

水务IT价值的核心是立足水务，促进社会管理、公共服务又好又快发展，信息类设施、设备和系统运行的安全性、稳定性与社会公众利益产生直接或间接的关联。当信息技术在事业发展中的价值量和贡献度达到一定规模，IT基础环境在技术和管理上的先进性、复杂性、复合性、密集性不断增强时，持续可靠的运行保障已成为确保IT价值实现的重要基础。

(2)

式中：T _W 、T _B 、T 分别表示区域内、区域间以及区域总星级饭店碳排放差异的泰尔指数；T _P 表示各区域内星级饭店碳排放差异的泰尔指数，m 为区域群组数；n _P 为各区域所包括省区的个数；n 为全国各地区省区数总和；和分别为各区域第i 个省区的星级饭店碳排放、各个区域星级饭店碳排放均值以及全国星级饭店碳排放均值，T 的取值介于[0，1]之间，T 值越大，表明区域星级饭店碳排放差异越大。

1.1.3 面板数据估计模型

为了分析中国不同省份星级饭店碳排放空间差异程度，利用泰尔指数来衡量其区域差异。泰尔指数具体计算公式如下：

赫利森认为这种炎症过程可能对许多神经系统疾病很重要，包括多发性硬化等自身免疫性疾病。她说：“多发性硬化的小鼠模型显示，在大脑或脊髓发炎之前，脑膜都有炎症。”

Iny _it =β ₀+β ₁INTE _it +β ₂InSCAL _it +β ₃InSTRC _it +β ₄InTEMP _it +μ _it

(3)

式中：y 表示星级饭店碳排放量，INTE 表示i 地区在t 时期的星级饭店碳排放强度，SCAL 表示i 地区在t 时期的星级饭店规模，STRC 表示i 地区在t 时期的星级饭店结构，TEMP 表示i 地区在t 时期的气候条件，β ₀为常数项，β ₁、β ₂、β ₃、β ₄为系数项，μ 为随机干扰项。

(1)如图3所示，全国星级饭店碳排放空间分布总体呈东多西少的空间分布特征。东部地区历年来是全国星级饭店碳排放的重点区域，2000年、2005年、2010年和2016年的碳排放量中占全国碳排放的66.632%、58.885%、57.009%和56.908%，其中北京一直是超重型碳排放省区，而广东、浙江2省区的星级饭店碳排放始终是重型碳排放及以上水平。西部地区历年来在全国星级饭店碳排放中属于较低水平，2006年、2009年、2012年和2015年的碳排放分别占全国星级饭店碳排放的14.951%、17.275%、20.303%和21.265%。其中新疆、青海、宁夏3个省区的星级饭店碳排放一直处于轻型碳排放水平。

1.2 变量选取

本文数据均来源于《中国旅游统计年鉴(2000—2016)》、《中国旅游统计年鉴副本(2000—2016)》。其中，气温数据从各地区气象局门户网站获取。

不同的信用评价模型在制定模型参数时，参考的数据、计算的方法都有不同，得出的客户信用评分存在差异。不同的信用评分对应不同的信用评级，企业可以对多个评分结果对客户信用进行综合分析，结合客户实际情况，得出与客户信用相吻合的信用评级。根据信用等级判断客户的还款能力，对他的赊销额度进行划定。

精准调控水分不但能提高作物产量和品质，还能有效地提高水分利用效率[11]。定量分析水分与作物生长发育之间的关系，对农田水分管理具有重要意义。研究表明[12-15]，减少作物蒸腾作用而不影响光合作用，则植物的水分利用效率会明显增加，合理的农林间作群体有利于提高土壤贮水量，减少作物蒸腾，促进光合作用，提高水分利用效率。本试验中，轻度水分亏缺下棉花产量与正常灌水差异不显著，考虑到水分投入相对较少，在一定程度上大大提高了间作系统的水分利用效率，这与之前的研究结果一致[16-17]。

1.3 数据来源

本文结合前人研究成果选取星级饭店碳排放强度、星级饭店规模、星级饭店结构和气候条件4个自变量。星级饭店碳排放强度用星级饭店单位营业收入所产生的碳排放量来表征，该指标反映了碳排放经济活动的整体效率^[22]，一个地区星级饭店碳排放强度越低，则技术水平越高，碳排放量越少。星级饭店的规模用客房间数来度量，因为星级饭店的规模越大其产生的碳排放量就越多^[24]；星级饭店结构用五星和四星级饭店家数之和比上全部星级饭店家数表征，因为高星级饭店是星级饭店的重要碳源，高星级饭店数量越多，星级饭店的碳排放就越大^[22]。气候条件用各个省区每年平均气温表征^[25]。

应用SPSS 19.0对数据进行统计学分析。计数资料的比较采用χ2检验，P<0.05表示为对比差异有统计学意义。

2 星级饭店碳排放时空演化特征

2.1 星级饭店碳排放的时序演变特征

此后，徐云天每天给吴丽藻发手机短信。12月9日，徐云天又向吴丽藻表达爱意，她终于回复：“你别再和我捉迷藏，我就相信你，不然我换手机号了。”徐云天忙说：“徐河势力大，咱俩在唐山见面如何？”

如图1所示，2000～2016年中国星级饭店碳排放总体上呈先递增后波动递减的态势，碳排放量从2000年的581.604 t上升到2007年的1 624.027 t的峰值后，从2008年碳排放量开始下降，波动递减至2016年的1 212.629 t。具体来说，2000～2007年星级饭店碳排放量逐年递增，年均增长率为16.463%。2007年前社会经济持续发展，星级饭店接待住宿者人数以12.141%的增长速度不断增长，使得星级饭店碳排放量不断增加。2003年受“非典”事件的影响，星级饭店碳排放增长受到制约，但2004年星级饭店碳排放量回升，增长率达35.574%，高出年均增长率19.111%。2007～2012年星级饭店碳排放近似呈波浪型波动，其中2007～2009年星级饭店碳排放呈以2008年为拐点的“V”型波动，2007～2008年碳排放递减率(5.480%)高于2008～2009年的递增率(3.675%)，这可能跟2008年的金融危机所导致的星级饭店接待游客规模减少有关；2009～2012年星级饭店碳排放呈以2010为拐点的“V”波动，2009～2010年星级饭店碳排放急剧下降，使得2010年的1 387.936 t达到6年内最低碳排放，这可能受“十一五”节能减排目标和旅游行业节能减排目标等中国政策的影响。2012～2016年，星级饭店碳排放中速下降，年均递减率为3.993%。可能因为2012年“十二五”规划“节能减排”这一约束性目标以及中国经济发展进入缓慢阶段。

图1 2000～2016年中国星级饭店碳排放量变化趋势
Fig.1 Trends of carbon emission from star-rated hotels in China from 2000 to 2016

如图2所示，2000～2016年中国东部、中部和西部星级饭店碳排放近似呈“∧”型变化趋势，东部、西部地区星级饭店碳排放以2007年为分界点先升后降，中部地区星级饭店碳排放以2009年为分界点先升后降。东部星级饭店初始碳排放量较大，其2000～2007年碳排放年均增长率达14.048%，2007～2016年碳排放波动递减，年均递减率为3.162%。中部星级饭店碳排放初始碳排放量中等，其2000～2009年碳排放碳排放逐年递增，年均增长率达17.665%，2009～2016年碳排放逐年递减，年均递减率为5.859%。西部星级饭店初始碳排放量低，其2000～2007年碳排放逐年递增，年均增长率达20.555%，2007～2016年碳排放波动递减，年均递减率有2.000%。从累积碳排放量来看，东部星级饭店累积碳排放最高，其占全国同期碳排放量的57.760%，西部星级饭店累积碳排放量最低，只占全国星级饭店同期碳排放量的19.460%。

图2 2000～2016年中国三大区域星级饭店碳排放量变化趋势
Fig.2 Trends of carbon emissions of star-rated hotels in three zone of China from 2000 to 2016

2.2 星级饭店碳排放的区域差异

根据公式(2)计算出2000～2016年星级饭店碳排放的泰尔指数。由图3可知，中国星级饭店碳排放的泰尔指数呈波动下降趋势，表明星级饭店碳排放的区域差异总体上呈缩小趋势。具体来说，从2000年的0.373下降到2016年的0.205，下降了45.040%。同总体泰尔指数一样，区域内和区域间的泰尔指数也呈波动下降趋势。其中，区域内泰尔指数从2000年的0.210下降到2016年的0.137，下降了34.762%；区域间泰尔指数从2000年的0.163下降至2016年的0.068，下降了58.282%。

图3 2000～2016年中国星级饭店碳排放泰尔指数变化趋势
Fig.3 Trends of theil index of carbon emission from star-rated hotels in China from 2000 to 2016

表1 中国星级饭店碳排放区域总差异的分解
Tab.1 Decomposition of regional total differences in carbon emissions of star-rated hotels in China

由表1可知，2000～2016年区域内差异的贡献率从56.319%上升至66.632%，而区域间差异的贡献率则从43.681%下降至33.368%，各年度区域内星级饭店碳排放差距对整体差距的贡献率始终在50%以上，平均贡献率达65.607%，说明各区域内部差距较大程度上解释了总体差异，是造成全国总体星级饭店碳排放差距的主要原因。区域内差异是中国东、中、西部地区内部差异加权平均的结果，比较三者贡献率可知，在区域的横向对比上，东部地区的贡献率始终最大，西部次之，中部最小，表明东部地区内部星级饭店碳排放差异是造成区域内差异的最重要的原因。从时间变化趋势来看，东部贡献率波动递减，从2000年的72.664%下降至2016年的54.220%；中部和西部地区贡献率波动递增，中部地区贡献率从2000年的7.657%上升至2016年的17.435%，西部地区贡献率从2000年的19.679%上升至28.345%。

2.3 星级饭店碳排放的空间演变格局

例3 已知常温下在溶液中可发生如下两种离子反应:Ce4++Fe2+==Fe3++Ce3+,Sn2++2Fe3+==2Fe2++Sn4+,由此可以确定Fe2+、Ce3+、Sn2+三种离子的还原性由强到弱的顺序是( )。

(2)2000～2005年间，全国轻型碳排放由2000年的21个省区减少到2005年的6个，中型碳排放由省区7个增加至12个，重型碳排放从3个增加至7个，超重型碳排放由1个增加至6个。其中，从轻型转向中型的省区有河北、福建、海南、山西、安徽、黑龙江、新疆、甘肃、陕西、重庆、贵州；从轻型转向重型的省区有云南和湖南；从轻型转向超重型的省区有河南。从中型转向重型的省区有四川、广西、湖北、辽宁；从中型转向超重型的省区有山东、江苏。重型转向超重型的省区有广东和浙江。2005～2010年间，轻型、中型、超重型省区数量减少4个，重型省区数量增加4个，重型碳排放省区依然集中在东部的广东、上海和辽宁，中部的湖北和湖南，西部的四川和云南，超重型碳排放省区依然集中在东部的北京、山东、江苏、浙江和广东。由轻型转向重型的省区有内蒙古，由中型转向重型的省区有福建、安徽和新疆，由超重型转向重型的省区有河南。2010～2016年间，轻型、重型省区的数量增加4个，重型和超重型省区数量减少4个，超重型转向重型省区的有江苏，由重型转向中型的有四川、安徽、辽宁、新疆。由中型转向轻型的省区有内蒙古和黑龙江。

图4 2000～2016年中国省区星级饭店碳排放的时空格局变化
Fig.4 Spatial and temporal variation of carbon emission from star-rated hotels inprovinces of China from 2000 to 2016

3 星级饭店碳排放时空演化影响因素分析

从表2来看，模型拟合效果不仅显著，而且非常符合实际情况。从变量的回归系数及显著性来看，星级饭店碳排放受星级饭店碳排放强度、星级饭店规模、星级饭店结构和气候条件的综合影响。星级饭店碳排放强度(INTE)在1%水平上显著为负，对全国及各区域星级饭店碳排放的增长具有一定抑制作用。星级饭店规模(SCAL)对全国及各区域星级饭店碳排放有较为显著的正向影响，相比其他区域，东部星级饭店碳排放受星级饭店规模(SCAL)影响最大，这是因为东部星级饭店的客房数量占据了全国的58.634%。星级饭店结构(STRC)对全国及星级饭店影响为正，且在1%水平上显著，说明星级饭店的设施的豪华程度是影响饭店碳排放的重要因素。五星级及四星级饭店通常能够提供更舒适、更周到的服务，同时也会消费更多以的物质和能源，产生更多的碳排放。气候条件(TEMP)对全国星级饭店碳排放和西部星级饭店碳排放具有一定的影响，中国西部地区气温多变，会影响饭店空调系统对温度、湿度的调节，导致饭店所消耗的能源多，继而产生的碳排放量也多。

表2 中国星级饭店碳排放时空分布影响因素的回归分析结果
Tab.2 Regression results of spatial and temporal distribution of carbon emissions in star-rated hotels in China

注：数值为回归系数；括号内为t检验值；^***、^**分别表示在1%、5%水平下显著。

4 结论与讨论

4.1 结论

2000～2016年中国星级饭店碳排放总体上呈先递增后波动递减的态势，增长速率大于递减速率。2000～2007年碳排放量逐年递增，年均增长率达16.463%，2007～2012年星级饭店碳排放近似呈波浪型波动，2012～2016年星级饭店逐年缓慢递减，年均递减率达3.993%。

中国星级饭店碳排放的泰尔指数呈现波动下降趋势，说明星级饭店碳排放的区域差异总体上呈缩小趋势。区域内部差异是造成全国总体星级饭店碳排放差距的主要原因，而东部地区内部星级饭店碳排放差异是造成区域内差异的最重要的原因。

全国星级饭店碳排放量空间分布总体呈东多西少的空间分布特征。东部地区历年来是全国星级饭店碳排放的重点区域，但所占比例缓慢递减；西部地区历年来在全国星级饭店碳排放中属于较低水平，但所占比例缓慢递增；中部地区在全国星级饭店碳排放的占比出现波动，但总体呈递增态势。

星级饭店碳排放量的时空分布受星级饭店的规模的影响最大，星级饭店碳排放强度和星级饭店结构次之，受气候条件的影响最小，不同影响因素对全国及各区域星级饭店碳排放空间格局的影响程度具有差异性。

4.2 讨论

加强政府部门调控。政府部门作为重要的监管者，对饭店业节能减排具有重要作用，可通过政策指引、能源规范、调整税收等进行宏观的把控，在调控时坚持因地制宜原则，对不同地区采用不同的方式引导，以达到节能减排的效果。

调整档次结构。当前中国星级饭店发展存在档次不平衡的问题，五星级、四星级饭店发展迅速，产业结构比重呈现上升的趋势。五星级、四星级饭店通常能够提供更舒适、更周到的服务，同时也会消费更多以的物质和能源，产生更多的碳排放。因此，合理调整饭店业的档次结构，对于中国饭店业整体实现节能减排目标将起到积极的作用。

优化能源结构。星级饭店并不一定是一个“绿色”产业，需要从技术上探索有效的节能减排措施，而最有效的减碳措施是采取清洁生产提高能源利用强度。

参考文献：

[1]UNWTO.Towards a low carbon travel & tourism sector[R].Report in World Economic Forum，2009.

[2]Peeters P，Dubois G.Tourism travel under climate change mitigation constraints[J].Journal of transport Geography，2010，18(3)：447-457.

[3]UNWTO-UNEP-WMO.Climate change and tourism：Responding to global challenges[R].Madrid，Spain：UNW-TO，UNEP&WMO.2008.

[4]Cössling，S，Buckley.R.Carbon labels in tourism：persuasive communication[J].Journal of Cleaner Production，2016.111：358-369.

[5]Gössling.Global environmental consequences of tourism[J].Global Environmental Change，2002，12(4)：283-302.

[6]Meng W，Xu L，Hu B，et al.Quantifying direct and indirect carbon dioxide emissions of the Chinese tourism industry[J].Journal of Cleaner Production，2016，126：586-594.

[7]Sun Y Y.Decomposition of tourism greenhouse gas emissions：revealing the dynamics between tourism economic growth，technological efficiency，and carbon emissions.[J].Tourism Management，2016，55：326-336.

[8]石培华，吴普.中国旅游业能源消耗与CO₂排放量的初步估算[J].地理学报，2011，66(2)：235-243.

[9]Jun Liu，Tingting Feng，Xi Yang.The energy requirements and carbon dioxide emissions of tourism industry of Western China：A case of Chengdu city[J].Renewable and Sustainable Energy Reviews，2011，15(6)：2887-2894.

[10]黄和平，乔学忠，张瑾.长江经济带旅游业碳排放时空演变分析[J].贵州社会科学，2019(2)：143-152.

[11]田红，丁长安.区域旅游业碳排放的时空差异——以山东省为例[J].北京理工大学学报：社会科学版，2018，20(6)：51-60.

[12]查建平，谭庭，钱醒豹，等.中国旅游业碳排放及其驱动因素分解[J].系统工程，2018，36(5)：27-40.

[13]查建平，舒皓羽，李园园，等.中国旅游业碳排放及其影响因素研究——来自2005—2015年省级面板数据的证据[J].旅游科学，2017，31(5)：1-16.

[14]Taylor S，Peacock A，Banfill P，et al.Reduction of greenhouse gas emissions from UK hotels in 2030[J].Building andEnvironment，2010，45(6)：1389-1400.

[15]Wu X C，Rajagopalan P，Lee S E.Benchmarking energy use and greenhouse gas emissions in Singapore’s hotel industry[J].Energy Policy，2010，38(8)：4520-4527.

[16]Beatriz Rosselló-Batle，Andreu Moià，et al.Energy use，CO₂ emissions and waste throughout the life cycle of a sample of hotels in the Balearic Islands[J].Energy and Buildings，2010，42(4)：547-558.

[17]Gössling S，Garrod B，Aall C，et al.Food management in tourism：Reducing tourism’s carbon ‘foodprint’[J].Tourism Management，2011，32(3)：534-543.

[18]Gössling S，Schumacher K P.Implementing carbon neutral destination policies：issues from the Seychelles[J].Journal of Sustainable Tourism，2010，18(3)：377-391.

[19]刘益.中国饭店业能源消耗水平与低碳化经营路径分析[J].旅游学刊，2012，27(1)：83-90.

[20]黄崎，康建成，黄晨皓.饭店业碳排放评估与节能减排潜力研究[J].资源科学，2014，36(5)：1013-1020.

[21]黄崎，康建成，张建业.饭店业碳排放基准线的构建与节能减排实证研究[J].旅游科学，2017，31(4)：79-94.

[22]陶玉国，黄震方.区域旅馆业碳排放分类测度研究——以长三角为例[J].经济管理，2013(12)：111-120.

[23]李航飞，田广增.广东省旅游住宿业碳排放时空演化研究[J].云南地理环境研究，2017，29(5)：24-27.

[24]Yi L.The Analysis on Carbon Footprint of Catering Products in High-star Hotels during Operation：Based on Investigation Conducted in parts of High-star Hotels in Ji’nan[J].Energy Procedia，2011，5(5)：890-894.

[25]李鹏，黄继华，莫延芬，等.昆明市四星级饭店住宿产品碳足迹计算与分析[J].旅游学刊，2010，25(3)：27-34.

[26]沈杨，胡元超，施亚岚，等.城市饭店业的碳排放核算及低碳指标分析[J].环境科学学报，2017，37(3)：1193-1200.

[27]杨璐，章锦河，钟士恩，等.山岳型景区饭店与城市中心饭店碳足迹比较分析[J].北京第二外国语学院学报，2015(9)：52-61.

[28]黄英.基于混合生命周期评价的饭店碳足迹测评创新研究[J].湖南社会科学，2016(6)：124-129.

A STUDY ON THE TEMPORAL AND SPATIAL EVOLUTION CHARACTERISTICS OF CARBON DIOXIDE EMISSIONS AMONG STAR-RATED HOTELS IN CHINA AND THE INFLUENCING FACTORS OF THE EVOLUTION

XIONG Ci

(College of Tourism ，Hunan Normal University ，Changsha 410081，Hunan ，China )

Abstract ：Based on the calculation results of carbon dioxide emissions from 2000 to 2016 among star-rated hotels in all provinces of China，through applying Theil Index as well as ArcGis technology，this study analyzes the temporal and spatial evolution characteristics of the emissions and reveals the influencing factors of such evolution by taking full advantage of the Panel Data Estimating Model.The study finds that：(1)Chronologically，the carbon dioxide emissions of star-rated hotels in China have seen a steady increase at first and then a progressive but fluctuating decrease.(2)The spatial differences of carbon dioxide emissions among star-rated hotels of different provinces in China present a decreasing trend，and the inner differences within each province are the main causes that result in the overall differences.(3)It is quite obvious that the distribution of carbon dioxide emissions of China’s star-rated hotels takes a look of gradient distribution pattern with more emissions in the east and less in the west.As time goes by，the emissions of each province decline by various degrees.(4)The temporal and spatial distribution pattern of the carbon dioxide emissions among star-rated hotels in China are influenced comprehensively by a combination of the carbon emission intensity，the scales，and the structures of the star-rated hotels as well as the climate.

Key words ：star-rated hotels，carbon dioxide emissions，the temporal and spatial evolution

收稿日期： 2019-01-15；修订日期： 2019-04-04．

基金项目： 国家自然科学基金项目“城际交通与都市圈旅游空间格局协同演化研究—以长株潭为例”(41771162).

作者简介： 熊慈(1993-)，女，土家族，湖南省张家界市人，硕士研究生，研究方向为旅游管理.

中图分类号： F062. 2， F719. 2

文献标识码： A

文章编号： 1001-7852(2019)02-0029-08

标签：星级饭店论文;  碳排放量论文;  时空演化论文;  湖南师范大学旅游学院论文;