“国家的碳源”抑或“国家的碳汇”?——基于武夷山国家公园碳均衡分析

图1 国家公园碳中和研究方法与估算框架

Fig. 1 Carbon neutrality research methodology and estimation framework for national parks

（1）

生 活 食 物 碳 足 迹 : L C F_{a} = N_{a} \times \partial

（2）

生 活 能 源 消 耗 碳 足 迹 : L C F_{b} = N_{a} \times β

（3）

居 民 交 通 能 源 消 耗 碳 足 迹 : L C F_{c} = D_{c} \times χ \times N_{c}

（4）

旅 游 者 交 通 碳 足 迹 : T C F_{t} = \sum^{} \partial_{t} \times β_{t} \times χ_{t}, χ_{t} = \sum^{} (A_{j} \times B_{j} \times C_{i})

（5）

旅 游 者 餐 饮 碳 足 迹 : T C F_{f} = N \times D \times E \times \partial_{f}

（6）

旅 游 者 住 宿 碳 足 迹 : T C F_{a} = C_{1} + C_{2} + C_{3}, C_{1} = \overset{n}{\sum_{i = 1}} E_{i} \times D_{i}, C_{2} = \overset{n}{\sum_{i = 1}} G_{i} \times U_{i}, C_{3} = \overset{n}{\sum_{i = 1}} R_{i} \times W_{i}

（7）

旅 游 者 游 览 碳 足 迹 模 型 : T C F_{v} = N \times D \times a_{v}

（8）

旅 游 者 购 物 碳 足 迹 模 型 : T C F_{s} = N_{s} \times E_{s} \times K_{s}

（9）

旅 游 者 娱 乐 碳 足 迹 模 型 : T C F_{e} = N_{e} \times E_{e} \times K_{e}

（10）

非 林 地 碳 汇 : C_{s} = \sum^{} S_{i} = \overset{n}{\sum_{i = 1}} A_{i} \times \partial_{i}

（11）

乔 木 林 地 碳 汇 估 算 : C_{t} = B_{t} \times C_{c}, B_{t} = a V_{t} \times b A_{t}

（12）

灌 木 林 地 碳 汇 估 算 : C_{i} = W_{i} \times C_{c}, W_{i} = A_{t} \times \partial_{a}

（13）

竹 林 林 地 碳 汇 估 算 : C_{n} = A_{n} \times \partial_{b}

（14）

疏 林 地 及 其 他 林 地 碳 汇 估 算 : C_{m} = A_{m} \times \partial_{i}

式中：N_a为国家公园居民人数（个）； $\partial$ 为食物碳排放系数；β为日常生活能源碳排放系数；D_c为生活交通的平均距离（km）；N_c为乘车人次（人）；χ为交通碳排放系数； $\partial_{t}$ 为 $t$ 类型交通工具的碳排因子；β_t为 $t$ 类型交通工具的碳放均衡因子；j为客源地到武夷山的过程；A_j为j过程中乘坐i类交通工具的人数（人）；B_j为j过程中的大圆距离（great circle distance）；C_i为乘坐i类型交通工具的绕道平均因子，用以将大圆距离转换为实际距离（km）；N为旅游人次（人）；D为平均停留天数（天）；E为餐饮平均能耗（MJ）； $\partial_{f}$ 为餐饮能耗碳排放系数；C₁为酒店能源消耗碳排（MJ）；E_i为酒店能源消耗量，一般包括电能消耗、燃气、燃油消耗等；D_i为消耗能源的碳排放因子；C₂为酒店一次性用品碳排（MJ）；G_i为一次性用品消耗量（kg）；U_i为消耗一次性用品单位碳排量（kg）；C₃为酒店可循环用品碳排（kg）；R_i为可循环用品数量（kg）；W_i为清洗可循环用品的单位碳排量（kg）；旅游住宿能源消耗的CO₂转换因子计为0.1585 kg·MJ；a_v表示游览过程每天平均碳排量（kg）；N_s为购物人次（人）； $E_{s}$ 为购物平均能耗；K_s为购物的单位能耗碳排系数；对旅游娱乐的平均能源消耗量进行估算，得出其平均能源消耗量为9.45 MJ/(人·次)；电力的碳排放系数为0.001007 t/(kW·h)；N_e为参与娱乐人次（人）；E_e为娱乐项目平均能耗 [MJ/(人·次)]；K_e为娱乐的单位能耗碳排系数；旅游者平均能源消耗量10 MJ/(人·次)；S_i为第i种土地利用类型碳汇量（t）；A_i为第i种土地利用类型面积（hm²）； $\partial_{i}$ 为第i种土地利用类型的碳汇系数。参考郑聚锋等^[26]的中国农田土壤固碳速率在20~25 Tg·a^-1，可得耕地平均碳汇系数为0.1721 t·hm^-2·a^-1；参照Piao等^[27]的草地碳汇系数为0.1380 t·hm^-2·a^-1；参考孔东升等^[28]河渠的水体碳汇系数为0.6710 t·hm^-2·a^-1；未利用地、建设用地、无林地三种土地类型用地碳汇系数按0.0005计^[29]；C_t为t种树种的碳吸收量；B_t为t种乔木树种的生物量（t）；C_c为含碳系数；a和b为生物量与蓄积量转换模型的参数；V_t为t种树种的总蓄积量（m³）；A_t为t种树种的面积（hm²）；C_i为i种树种的碳吸收量（t）；W_i为i种灌木树种的生物量（t）；A_i为i种灌木；参照胡会峰等^[31]的研究方法，温带、亚热带落叶灌丛矮林的生物量系数为12.48 t·hm^-2；C_n为n种竹林的碳吸收量（t）；A_n为n种竹林的面积（hm²）； $\partial_{b}$ 为碳汇系数；C_m为m种土地产生的碳吸收量（t）；A_m为m种林地的面积（hm²）； $\partial_{c}$ 为c种林地的碳汇系数。参考Fang等^[30]、Tang等^[33]的研究方法，疏林地碳汇系数取0.5800 t·hm^-2·a^-1，其他林地碳汇系数取0.2327 t·hm^-2·a^-1。

1.3 数据收集与调查

碳汇测算所需数据主要参考武夷山国家公园本底资源调查结果和GIS平台集成数据信息，其主要包含有武夷山国家公园历史土地分类统计信息、林业小班主要树种、树龄、平均胸径、平均树高、面积、蓄积及其相关信息资料。

碳排放分为生活居民碳排放和旅游者碳排放两个部分。前者所需数据主要参考福建省、南平市和武夷山市等统计年鉴数据和相关资料报告，如本地居民生活消费数据、国家公园居民数量、交通、能源消耗等情况。后者的数据问题是运用“自下而上”方法研究旅游者碳排放的主要困难之一，研究主要采用随机抽样方式进行。在2015—2020年间通过“面对面”形式对武夷山国家公园旅游者进行访谈，调查共进行12次，每次调查期约为3~7天不等，季节主要集中1月、3月、7月和10月，基本上覆盖了武夷山国家公园旅游淡旺季。研究共发放问卷1966份，回收有效问卷1719份，问卷总体有效率为87.44%，其中2019年、2020年的问卷增加了旅游者行为和意愿的选择实验法（Choice Experiment，CE法）调查^[34]。在此期间，还对武夷山旅游产业情况进行多次座谈访问，得到所涉及行业部门或企业的直接或间接的相关数据，这两部分调查数据主要包括了旅游者社会经济状况、旅游行为方式与消费选择、国内外旅游接待量、旅游产业经济规模、行业企业能源消耗量、住宿企业和餐饮企业经营管理等基础数据。

研究还通过参阅相关统计资料、文献及前人研究成果的分析得到测算所需的其他数据，如世界平均旅游碳排放强度系数、福建省第三产业、交通住宿餐饮等各行业的能源消耗系数、福建省碳排放强度系数和经换算分析而得的能源强度系数等（表1）。

表1 能源强度系数

Table 1 Energy intensity coefficient

年份	2015	2016	2017	2018	2019
第三产业	0.2868	0.2708	0.2451	0.2376	0.2298
交通运输业	0.6855	0.6596	0.6373	0.9352	0.9362
住宿餐饮业	0.7097	0.7244	0.7175	0.6200	0.6266

注：数据来源于2016—2020年《福建省统计年鉴》。

2 结果分析

2.1 本地居民碳足迹测算

2019年武夷山国家公园内居民人口为3352人，本地居民碳足迹主要包括了食物碳足迹、交通碳足迹和生活能源碳足迹两大部分。本地居民生活食材一般可分为粮食、油脂、蔬菜及菜制品和肉类等9个类别，结合2019年福建省居民人均食品消耗数量和各食物类型碳排放系数，依据式（1），可得出2019年武夷山国家公园本地居民食物碳足迹为24436.92 t。

本地居民生活主要消耗的能源为煤炭、汽油、液化石油气、天然气和电力等五个类别，结合2019年福建省居民人均生活能源消耗数量428.44 kg标准煤，汇总统一折算成标准煤计量，依据式（2），可得出2019年武夷山国家公园本地居民生活能源碳足迹为3518.52 t。

本地居民的交通碳排放主要统计公园内居民至市区的公共交通和私家车交通这两种方式，桐木村到市区每日发车2班，路程72 km，每车旅客按12人计，私家车2019年按300辆计，每车按5人计，依据式（3）可得2019年武夷山国家公园本地居民交通碳足迹为58.84 t。

2.2 旅游者碳足迹测算

2.2.1 旅游餐饮碳足迹

旅游餐饮碳足迹主要包括食材生命周期过程中所产生的碳足迹，以及餐饮企业使用燃煤、天然气、电力等产生的碳足迹。借鉴周年兴等^[22]、IPCC^[23]（Intergovernmental Panel on Climate Change，联合国政府间气候变化专门委员会）的食材分类和计算方法，结合2015—2019年《福建省统计年鉴》的人均食品消耗和人均生活能源消费量数据，旅游餐饮碳足迹根据旅游者数量、平均逗留天数、不同食材生命周期过程的消耗量与各自的生产排放系数、加工排放系数乘积加总而得。其中旅游者食品消费量按居民人均消费量的1.5倍估计，加工能源类主要按电能、燃气等统计，依据式（5）测算，结果表明：2019年武夷山旅游餐饮人均每日碳排放32.84 kg/人/天，总量为818603.78 t。

2.2.2 旅游住宿碳足迹

武夷山三姑旅游度假区内住宿类型众多，包含了武夷山悦华酒店、武夷山庄、维也纳酒店、如家酒店等单体或连锁型酒店，五星级豪华型酒店至经济舒适型酒店等多种酒店类型，是大多数旅游者住宿的主要选择地，故对武夷山酒店经营管理的实地访谈与相关数据调查主要在武夷山三姑旅游度假区内展开。

旅游住宿的碳足迹主要包括了能源消耗、一次性用品和可循环用品三个部分。依据式（6）测算。酒店的能源消耗水平主要参照国内外学者李鹏等^[8]、Gössling^[24]的研究结果，不同星级酒店每床能源消耗量不同，五星级计为每床150 MJ、四星级计为每床 70 MJ、三星级及以下计为40 MJ。一次性用品一般包括酒店六小件（一次性香皂、牙刷等6项）以及其它酒店配套生活用品（卷纸、浴帽等20余项），可循环用品一般包括桌布、床单、被套、浴巾、毛巾等。一次性用品和可循环用品消耗量主要通过酒店的总床位数与抽样调查所得的年客房出租率估算确定。酒店的等级划分主要参考武夷山旅游行业统计资料，未参与星级评定的酒店参照携程、美团等网站的划分结果，详见表2。

表2 不同等级酒店的碳足迹量表

Table 2 Carbon footprint scale for different classes of hotels

等级	床位数/个	平均出租率/%	每床耗能量/MJ	能源消耗的CO₂因子/(kg/MJ)	可循环用品碳排放/t	一次性用品碳排放/t	住宿碳足迹/t
五星级	970	65	150		11.51	4.60	5487.51
四星级	2466	75	70	0.1585	33.75	13.50	7537.13
三星级及以下	40007	79	40		576.80	230.72	73945.88
总计	43443	73					86970.52

2.2.3 旅游交通碳足迹

武夷山国家公园的旅游交通碳足迹包括了外部交通和内部交通两大部分，依据式（4）测算。内部交通主要计算三条不同浏览线路的旅游者数量和距离各自形成的碳排放；外部交通距离根据旅游者居住城市至武夷山市之间的距离测算，目的地终点主要包括了武夷山国际机场、南平市站（2019年12月14日前名为武夷山东站）、武夷山北站和武夷山汽车站。根据旅游者选择的不同交通方式，交通距离分别以中国铁路12306网站数据、中国航空网和高德地图为主要参考标准，同时依据不同的运载工具和距离情况乘以对应的均衡因子与绕道因子。

可以得出景区内部交通碳足迹逐年递增，2015年为14560.54 t，2019年为24647.48 t。外部交通随着游客数量的增加而增加，2019年达到近五年最高值为1819222.85 t。在2019年外部交通碳足迹中，通过航空交通方式所产生碳足迹为1203863.62 t，通过火车所产生碳足迹为222759.03 t，通过汽车所产生碳足迹为171191.94 t，通过私家车所产生的碳足迹为221408.25 t，其中选择航空交通方式的人数占全部游客占比最小为10.66%，但其产生的碳足迹为最高的，详见表3。

表3 武夷山旅游者外部交通碳排放量表

Table 3 Carbon emission statistics for external transportation of tourists in Wuyi Mountains

省份	航空		火车		汽车		私家车		总碳排放量/t	人均碳排放/kg
省份	航线距离/km	碳排放量/t	路程距离/km	碳排放量/t	路程距离/km	碳排放量/t	路程距离/km	碳排放量/t	总碳排放量/t	人均碳排放/kg
江西	237	0	314	1029.91	309	5568.99	309	7202.55	13801.45	20.91
福建	232	1319.17	304	3768.70	348	16658.07	348	21544.44	43290.38	22.65
浙江	500	94885.16	495	6183.27	438	28919.52	438	37402.58	167390.55	65.79
安徽	462	0	776	1747.90	625	6379.96	625	8251.41	16379.27	42.03
湖北	932	27833.45	651	1297.99	658	3874.34	658	5010.81	38016.59	136.52
江苏	481	40186.32	998	6882.33	709	10304.77	709	13327.50	70700.92	87.51
湖南	496	21324.30	674	1934.60	647	5484.26	647	7092.98	35836.15	86.48
上海	600	169114.34	679	6388.63	611	25330.77	611	32761.14	233594.89	118.32
广东	650	37793.73	1079	9696.29	945	10902.04	945	14099.97	72492.03	95.92
河南	952	0	1289	8599.39	1245	24528.22	1245	31723.17	64850.79	76.62
山东	978	86541.03	1843	10922.44	1250	22224.17	1250	28743.26	148430.90	172.91
广西	819	0	1549	2080.49	1070	4244.04	1070	5488.95	11813.48	69.70
陕西	1153	0	1551	10788.50	1386	0	1386	0	10788.50	40.71
贵州	1138	0	1498	1316.03	1406	624.10	1406	807.17	2747.31	57.17
重庆	1142	0	1982	1473.18	1544	1721.44	1544	2226.39	5421.01	86.79
海南	1168	4596.68	1760	462.44	1539	0	1539	0	5059.12	289.66
河北	1205	0	1607	12047.68	1530	0	1530	0	12047.68	42.18
山西	1237	0	1838	23496.53	1590	0	1590	0	23496.53	48.25
天津	1266	108685.43	1566	0	1553	0	1553	0	108685.43	577.85
北京	1383	354350.59	1763	29560.77	1649	0	1649	0	383911.36	338.76
四川	1396	11231.88	1949	7286.07	1848	2987.46	1848	3863.78	25369.18	128.64
黑龙	2159	36024.91	2982	11420.72	2712	0	2712	0	47445.63	305.07
云南	1547	5816.16	2157	2681.73	1906	1439.80	1906	1862.14	11799.83	161.18
内蒙	1592	0	2174	3421.89	2027	0	2027	0	3421.89	57.07
宁夏	1623	0	2592	1813.26	2111	0	2111	0	1813.26	68.04
甘肃	1628	33014.65	1998	7971.44	2037	0	2037	0	40986.09	225.10
辽宁	2044	70780.85	2442	19409.59	2160	0	2160	0	90190.44	281.32
青海	1822	14885.98	2185	1195.62	2276	0	2276	0	16081.59	444.49
吉林	1905	0	2596	27881.64	2458	0	2458	0	27881.64	68.15
香港	727	85478.96	0	0	0	0	0	0	85478.96	331.83
合计	1203863.62		222759.03		171191.95		221408.25		1819222.85	71.74
比例/%	66.17		12.24		9.41		12.17		100.00

2.2.4 旅游者游览、娱乐和购物碳足迹

武夷山国家公园属于较典型的观光型旅游目的地，游览的方式主要涉及登山（天游峰）、竹筏漂流（人工撑运）、徒步（一线天、大王峰）等形式，景点之间主要由游览大巴或中巴进行换乘，景区之内基本形成封闭式的管理。依据式（7），参考石培华等^[10]的游览碳排放系数和各年度旅游者平均停留天数，可得旅游者游览碳足迹为10395.91 t。

旅游者娱乐活动平均能源消耗量参照Beckon等^[25]、汤姿等^[35]的研究，娱乐活动主要来源于观看印象大红袍和周边卡拉OK以及酒吧等娱乐活动，按百分之十的游客参与此类娱乐活动进行测算。

旅游购物碳足迹主要考虑旅游购物点的能源消耗，依据式（9）计算，2019年旅游购物碳足迹为46186.11 t。

综上所述，结合2015—2019年数据可得武夷山国家公园5年间碳排放测算结果（表4）。从总体上看，2015—2019年武夷山总排放量呈上升趋势，由2127940.53 t到2864481.86 t，碳足迹总量同游客量呈正相关的关系，人均碳排放呈先上升后下降的趋势，2017年达到最大值为229.00 kg/人次。通过生命周期模型计算的碳足迹结果中，2019年交通碳足迹占比最高为65.28%，其次是娱餐饮和住宿，分别为28.58%和3.40%，旅游交通对碳排放有非常重要的影响。

表4 国家公园碳排放汇总表

Table 4 Summary of carbon emissions from national parks

类别	碳排放分类	碳排放量/(TCF/t)
类别	碳排放分类	2015年	2016年	2017年	2018年	2019年
本地居民	食物碳排放	26281.42	26902.98	26262.62	25853.54	24436.92
	交通碳排放	55.91	56.64	57.37	58.11	58.84
	能源碳排放	2845.35	3067.00	3287.42	3390.65	3518.52
	居民总碳排	29182.68	30026.63	29607.41	29302.30	28014.28
	人均碳排放	8.71	8.96	8.83	8.74	8.36
旅游者	餐饮碳排放	893348.00	1028781.86	1186181.23	741359.33	818603.78
	住宿碳排放	74160.25	79861.62	81567.87	84210.34	86970.52
	交通碳排放	1090589.01	1332369.97	1587483.51	1722541.19	1869946.67
	游览碳排放	10783.19	12087.92	14179.01	8969.09	10395.91
	娱乐碳排放	2579.64	2891.77	3392.01	4004.21	4364.59
	购物碳排放	27297.76	30600.70	35894.31	42372.63	46186.11
	人均碳排	218.07	230.06	229.00	173.82	173.50
总计	碳排总量	2127940.53	2516620.47	2938305.36	2632759.09	2864481.86
	变化率/%	—	18.27	16.76	-10.40	8.80

2.3 碳汇量测算

2.3.1 非林地碳汇

武夷山国家公园森林覆盖为87.86%，以亚热带森林生态系统为主要特征。根据2019年武夷山国家公园森林资源二类清查数据和GIS平台土地覆被情况，将武夷山国家公园生态系统碳汇分别林地和非林地两个部分进行测算，其中非林地依据式（10）测算，主要包括了耕地、草地、水体、未利用地、建设用地和无林地等类型，面积与分布情况可见图2。

图2

图2 武夷山国家公园土地覆被

Fig. 2 Land cover map of Wuyi Mountain National Park

公园耕地主要种植茶叶及其他农作物，主要考虑农田土壤碳汇，参考郑聚锋等^[26]的测算方法，可得武夷山国家公园耕地碳汇总量为154.6681 t/a。

草地具有一定的碳汇潜力，在陆地碳循环过程中具有重要地位^[36]。武夷山国家公园的草地类型多为中高山草甸，草地面积为0.9641 hm²。参照Piao等^[27]的草地碳汇系数，经测算可得武夷山国家公园草地碳汇总量为0.1330 t/a。

水体碳汇包含江河、湖泊、水库、坑塘等类型，武夷山国家公园水体属山地溪流，面积为57.3009 hm²，参考孔东升等^[28]河渠的水体碳汇系数，经测算可得武夷山国家公园水体碳汇总量为38.4489 t/a。

公园内未利用地主要指低植被覆盖度的土地，建设用地主要包括居民地、交通用地及商用地等，无林地主要为一些采伐、火烧、其他迹地以及规划造林地、其他宜林地，三者土地碳汇能力较弱，面积合计为471.5549 hm²，按赖力等^[29]的土地碳汇系数测算，可得武夷山国家公园未利用地碳汇总量为0.2358 t/a（表5）。

表5 非林地碳汇测算

Table 5 Non-forest land carbon sink measurement

土地类型	面积/hm²	系数	碳汇/t
耕地	898.7109	0.1721	154.6681
草地	0.9641	0.1380	0.1330
水域	57.3009	0.6710	38.4489
未利用地、建设用地、无林地	471.5549	0.0005	0.2358

2.3.2 林地碳汇

武夷山国家公园林地按优势树种可分为乔木林地、竹林地、灌木林地、疏林地和其他林地等类型，依据式（11）~（14）进行测算。

乔木林包括了马尾松（Pinus massoniana Lamb.）、杉木 [Cunninghamia lanceolata （Lamb.）Hook.]、栎类、其他硬阔类等15个类型，不同优势树种不同龄组，生物量不同，碳汇能力也不同。武夷山国家公园乔木林地碳汇采用连续生物量换算因子法^[30,37]，估算各森林类型的生物量密度及碳转换系数，结合乔木树种的平均年龄54.80年，测算可得武夷山国家公园乔木林地碳汇总量为103664.98 t/a，详见表6。

表6 乔木林地碳汇测算表

Table 6 Tree woodland carbon sink estimation

优势树种	面积/hm²	林分蓄积/m³	系数a	系数b	生物量/t	碳汇/t
马尾松	27380.81	3909395	0.5101	1.0451	2022798.07	1011399.04
黄山松（Pinus taiwanensis Hayata）	179.87	14898	0.5101	1.0451	7787.45	3893.72
杉木	5337.13	1036452	0.3999	22.5410	534781.37	267390.68
柳杉（Cryptomeria fortunei Hooibrenk ex Otto et Dietr）	1.35	112	0.4158	41.3318	102.29	51.14
水杉（Metasequoia glyptostroboides Hu & W. C. Cheng）	0.51	81	0.5168	33.2378	58.81	29.40
刺柏（Juniperus formosana Hayata）	1.64	16	0.6129	46.1451	85.40	42.70
红豆杉类	0.30	4	0.5168	33.2378	12.01	6.01
其他杉类	1.16	106	0.5168	33.2378	93.32	46.66
栎类	1013.25	144219	1.1453	8.5473	173834.58	86917.29
赛山梅（Styrax confusus Hemsl. var. confusus）	0.12	15	1.0357	8.0591	16.49	8.24
樟树类	0.17	3	1.0357	8.0591	4.47	2.24
木荷（Schima superba Gardn. et Champ.）	6.29	128	1.0357	8.0591	183.24	91.62
其他硬阔类	48037.40	6783604	0.6255	91.0013	8614609.71	4307304.85
无患子（Sapindus mukorossi Gaertn.）	0.15	0.11	1.0357	8.0591	1.34	0.67
其他软阔类	44.66	5521	0.6255	91.0013	7517.83	3758.92
碳汇总和	5680943.18
年碳汇	103664.98

武夷山国家公园竹林地中毛竹林面积为12304.24 hm²，杂竹林的面积为69.70 hm²，由于杂竹林地面积比例较小且种类不一，计算时将其归入毛竹林地合并处理。参照周国模^[32]等的研究方法，竹林生长周期以60年计，测算可得武夷山国家公园竹林地碳汇总量为21935.1070 t/a。

武夷山国家公园灌木林地面积包含了灌木经济林面积3465.42 hm²和一般灌木林面积760.82 hm²，树种树龄集中分布在20~30年之间。参照胡会峰等^[31]的研究方法，灌木龄组按中间值25年计，测算可得武夷山国家公园灌木林地碳汇总量为1054.8711 t/a。

参考Fang等^[30]、Tang等^[33]的研究方法，武夷山国家公园其他林地面积为59.5412 hm²（主要包括未成林地和苗圃地），疏林地的面积为0.5374 hm²，测算可得武夷山国家公园灌木林地碳汇总量为0.3117 t/a，武夷山国家公园其他林地碳汇总量为13.8552 t/a。

2.4 碳均衡分析

旅游者活动是一种从定居地到目的地之间的空间位移活动，具有多环节、跨区域的特点。因此从碳排放的空间上分析，可以将旅游活动引致的碳排区分为武夷山国家公园区内和区外两个部分，区内主要包括了旅游者内部交通和游览活动等2个环节碳排放，区外主要包括了旅游者外部交通、餐饮、住宿和娱乐等4个环节碳排放；相应地，本地居民碳排放也可以分为公园区内居民碳排（交通和能源部分）和公园区外居民碳排（食物部分）。

2019年武夷山国家公园生态系统碳汇为126862.61 t。2019年武夷山国家公园区内总排放，包括了居民碳排放3577.36 t，占比为0.13%；旅游者碳排放35043.39 t，占比为1.24%；区外总排放，包括了居民碳排放24436.92 t，占比为0.86%；旅游者碳排放2767865.50 t，占比为97.77%。从碳均衡的角度上看，2019年武夷山国家公园生态系统碳汇量大于国家公园内的总碳排放量，年均净碳汇量为88241.86 t，实现了“碳中和”，是一种“碳汇”的状态；而国家公园生态系统碳汇量国家公园内外的总碳排放量，即小于旅游者活动全生命周期碳足迹所带来的排放，年均净碳源量为2737619.25 t，表现为“碳赤字”，是一种“碳源”的状态，其碳源、碳汇及碳均衡情况参见图3。

图3

图3 武夷山国家公园碳源、碳汇均衡

注：区内指武夷山国家公园1001.41 km²面积范围内，其包括了桐木村、麻粟村等社区居住地，主要考虑园内居民和旅游者的活动碳排；区外指武夷山国家公园边界以外，主要考虑在园内生活的居民的外部食物供给碳排，为了进入园内的旅游者在外部的交通碳排、住宿（毗邻国家公园的三姑度假区为代表）碳排和餐饮碳排等。

Fig. 3 Balance of carbon sources and sinks in Wuyi Mountain National Park

根据方精云等^[3]2007年的估算，美国陆地生态系统吸收了国家工业产业碳排放的30%~50%，欧洲陆地生态系统吸收了其国家工业碳排放的7%~12%，中国陆地生态系统则吸工业碳排放的20.8%~26.8%。李威等^[17]2021年测算出中国881处国家森林公园总碳储量为3.56 Pg C，约为全国森林生态系统总碳储量的11.0%~12.2%，1982—2017年国家森林公园平均固碳速率为0.45 t C·hm^-2，国家森林公园的森林生态系统表现出较强的碳吸收能力。武夷山国家公园森林覆盖率为87.86%，假定2015—2019年间武夷山国家公园生态系统每年碳吸存量保持不变，则公园生态系统分别吸收了2015—2019年旅游者活动全生命周期碳足迹的6.04%、5.11%、4.35%、4.86%和4.48%，总体吸收水平较低。与其他区域的旅游碳排比较，肖建红等^[11]2011年测算舟山群岛旅游过程（包括旅游交通、住宿和景区游览等）碳足迹为376587.8606 t CO₂-e，旅游交通碳足迹最大，为291770.0365 t CO₂-e，旅游碳效率较高，其值为0.0369 kg CO₂-e/元，国外旅游碳生态效率一般在0.0131~1.6080 kg CO₂-e/元之间，武夷山国家公园效率情况正常。总的来说，武夷山国家公园旅游者活动是一种对自然资源要求较高、碳排放消耗较高的活动方式。

3 结论与讨论

3.1 结论

国家公园的碳源碳汇的综合评估是计量自然保护地碳能力、提高自然保护地碳效用的重要基础，是中国自然保护地体系应对目的地对全球气候变化的影响，为政府科学制定节能减排政策的重要依据。通过对武夷山国家公园碳源、碳汇和碳均衡的综合分析，可以得出以下几点结论：

（1）采用自下而上的思路和全生命周期（LCA）旅游碳足迹分析法对武夷山国家公园进行测算，得出2015—2019年武夷山国家公园旅游者活动总体碳排放分别为2127940.53 t、2516620.47 t、2938305.36 t、2632759.09 t、2864481.86 t，总体呈上升趋势，这与旅游者数量逐年增长方向一致。但值得注意的是，其与碳排放增长率的变化趋势并不一致，如2018年旅游者数量增长率为18.05%，碳排放增长率为-10.40%。在总体碳排放中，比例最高是旅游者交通、餐饮和住宿等三个环节，2019年分别占比65.28%、28.58%和3.04%。

（2）通过对土地覆被的分类细化计算，可知在武夷山国家公园生态系统中，林地是碳汇能力最重要的土地类型，碳汇占比为99.85%。在林地中，硬阔类和马尾松是是碳汇能力最重要的森林类型，其面积和碳汇能力分别为48037.40 hm²、27380.81 hm²和4307304.8534 t、1011399.0353 t。按《京都协议》确定清洁发展机制（CDM）价格24.2美元/t和2020年美元人民币平均汇率6.4512估测，年均碳汇价值为3070075.21美元或1980.57万元。

（3）从武夷山国家公园管理边界来看，武夷山国家公园旅游—生态系统是一个碳汇，年均净碳汇量为88241.86 t，旅游者在国家公园内的主要活动碳排放是可以实现碳均衡的，也符合“碳中和”目标要求。但从旅游者活动的全生命周期碳足迹来分析，武夷山国家公园则成为一个显著的碳源，年均净碳源量为2737619.25 t。虽然从经济效率角度来分析，2019年从旅游碳足迹效率为12698.28元/t，与全球平均水平1430美元/t相比，是一个较高的效率水平，但从长远的发展看，节能减排仍是武夷山国家公园区域需持续加强的重要工作。

3.2 讨论

综合武夷山国家公园的研究分析和中国自然保护地体系的发展情况，可以从旅游者、企业、政府管理和法律保障几个角度出发，促进中国国家公园的碳中和管理的实现（图4）。首先，应提高碳经济效率，构建旅游者成长体系。从碳价值与使用价值实现过程中，一方面“减量”，通过各种渠道与教育技术形式，提升旅游者个体对“双碳”目标的认知和低碳意识的培养；另一方面是“增效”，不片面倡导低能耗的交通方式或行为的强制选择，“以最小的碳排放换取最大的生态经济收益”。不同环节和行业部门的碳效率是不同的，徙步、竹筏、登山等自然体验环节应多加引导和鼓励，努力将中国国家公园打造成世界标准的“碳中和”旅游目的地^[14]。其次，应合理碳排放布局，强化企业碳中和行为促进体系。国家公园生态旅游产品经营企业可从内部激励和外部激励两方面入手，强化相关企业或组织碳中和与碳达峰的行为责任，在内部主动生产和提供负责任的低碳旅游产品，激励旅游者产品消费时的低碳选择行为，如在武夷山开展的低碳积分、低碳护照等形式行动。在外部努力对区域环境与社区承担企业社会责任，武夷山国家公园区内的“碳盈余”情况则主要受益于区域合理的协调与设计，这一点与其他景区的情况有较明显差别^[22]。最后，应做好监督管理，完善自然保护地相关法制保障体系。在碳汇市场交易体系中，国家公园、国家及地方政府管理扮演的是管理者角色，这并不妨碍其管理资源的碳汇价值的市场化体现，也不影响国家公园或自然保护地公益性的地位。2021年成立的三江源国家公园面积为12.31万 km²，约为武夷山国家公园面积的125倍，其碳汇价值虽未见正式报道，但相应推算其碳汇结果应是一个较为可观的数值。科学客观地分析国家公园及自然保护地的生态系统碳吸存价值^[1]，建立相关资源资产交易的法律保障规则体系，有利于中国碳排放交易市场的建立、对国际碳配额交易规则的主动适应和国家利益话语权的积极维护^[38]。

图4

图4 国家公园碳中和目标管理

Fig. 4 Carbon neutrality target management in national parks

由于研究在碳汇和碳排放估算中，引用的相关的核心参数源于国内外已有调查研究的经验数据或分析结果，尤其部分是国外相关研究成果或全球平均水平的估算，其是否合适中国或武夷山国家公园碳源碳汇的综合测算，值得进一步分析和讨论。值得指出的是，本文对武夷山国家公园碳源碳汇测算结果可能有所偏差，主要原因在于：（1）对于旅游者活动环节碳排放的不同理解，如肖建红等^[11]对于旅游废弃物的计量，虽然黄和平等^[39]、王立国等^[40]大多数旅游碳足迹研究并未将其包括在内。当然也有学者认为由于旅游者活动涉及环节和产业范围很广，旅游碳足迹应仅限于旅游目的地边界范围之内，泛化计算旅游者的所有活动轨迹并不具有实际意义和理论价值。（2）为了便于比较和简化计算方法，研究并未将武夷山国家公园的基础设施建设、国家公园内居民的生产建设活动等影响考虑在内，基础设施未考量的原因同前，而居民生产建设主要指武夷山金峻眉等红茶的生产活动，自武夷山国家公园管理局成立以来，受到管理方和区域政府的严格约束，主要生产加工环节已逐步移至国家公园区域外进行。（3）武夷山国家公园生态系统实际上地跨福建省与江西省的武夷山脉体系，故对其生态系统碳吸收的估算，由于目前国家公园行政边界的限制，其结果可能较保守。（4）交通碳排放是武夷山国家公园碳源组成中占比最大的部分，其测算可能有两方面的偏差，一是对于碳排放系统的边界的处理，如前所述是仅限于目的地边界范围之内，还是包括了旅游者从居留地至目的地的交通活动全过程，从碳足迹的理念和目前研究结果来看，偏于后者，这也是“自下而上”碳排放计算结果偏大的主要原因；二是交通活动全过程的碳排放比例分配问题，武夷山国家公园可能并不是旅游者一次旅游活动的唯一旅游目的地，尤其是境外、福建省外游客群体，本文分别采用的经济地理距离（境外）和平均距离（省外）是一种简便化的折中处理方法。更为精确化地划分旅游者的活动轨迹、处理多旅游目的地之间环节分配和适当增加调查样本量，有利于减少碳排放生命周期法的测算误差。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

WANG

, FENG

, PALMER

P I

, et al.

Large Chinese land carbon sink estimated from atmospheric carbon dioxide data

Nature, 2020, 586(7831): 720-723.

DOI:10.1038/s41586-020-2849-9 [本文引用: 2]

[2]

周迪, 王雪芹.

中国碳排放效率与产业结构升级的耦合度及耦合路径

自然资源学报, 2019, 34(11): 2305-2316.

DOI:10.31497/zrzyxb.20191105 [本文引用: 1]

研究碳排放效率与产业结构升级的耦合关系以及耦合路径,对新时代中国的绿色发展以及美丽中国建设具有重要的现实意义。通过包含非期望产出的超效率SBM模型测算碳排放效率,应用扩展的耦合模型考察了中国各省份碳排放效率与产业结构升级的耦合关系,并根据耦合程度和耦合特征对各省份进行多重分类,在分布动态学框架下设计了中国碳排放效率和产业结构升级水平的耦合路径。研究发现：（1）中国碳排放效率和产业结构升级水平的时空格局存在差异,近一半省份的耦合程度介于0.2~0.4之间,处于轻度到中度的失调衰退水平,且近一半省份的耦合特征属于发展度较低、协调度较高的“低水平协调”类型。（2）从地区间的分布动态上看,中国碳排放效率和产业结构升级存在明显的动态不协调,前者固化程度大于后者,区域碳排放效率的“低水平陷阱”现象比区域产业结构升级更严重,故中国应在缓解区域间碳排放效率固化问题的基础上提升各地区碳排放效率与产业结构升级的耦合度。（3）本文设计的碳排放效率与产业结构升级的耦合路径,既能缓解二者在地区之间的动态不协调问题,又能有效提升二者在各地区内部的耦合度。

[ ZHOU

, WANG

X Q

Research on coupling degree and coupling path between China's carbon emission efficiency and industrial structure upgrade

Journal of Natural Resources, 2019, 34(11): 2305-2316.]

DOI:10.31497/zrzyxb.20191105 [本文引用: 1]

The study of the coupling relationship and coupling path of carbon emission efficiency and industrial structure upgrade is of great practical significance to the green development of China in the new era and for the construction of a beautiful China. Firstly, the carbon emission efficiency is calculated by the super-efficient SBM model containing undesired output. Then, the coupling degree between the efficiency of regional carbon emission and the industrial structure upgrade is calculated and analyzed by the extended coupling model, and the provinces are divided into multiple layers according to their coupling degrees and coupling characteristics. Finally, the coupling path of the two factors is designed under the framework of dynamic distribution. The research found that: (1) There lies an obvious difference between the spatial and temporal pattern of carbon emission efficiency and high-grade industrial structure level. In terms of their coupling degrees, nearly half of the provinces are between 0.2 and 0.4, which can be considered as moderately and mildly imbalanced recession. Besides, according to the coupling characteristics, nearly half of the provinces belong to the coupling type of "low level coordination" with low development degree and high coordination degree. (2) There is an obvious inconsistency between carbon emission efficiency and the industrial structure upgrade in China from the aspect of reginal dynamic distribution. The former has a severer degree of cure than the latter. Therefore, China should improve the degree of coupling between regional carbon emission efficiency and industrial structure on the basis of mitigating the solidification of interregional carbon emission efficiency. (3) The paper designs the coupling path of carbon emission efficiency and the industrial structure upgrade in China on the basis of the coupling classification diagram, which can not only alleviate the dynamic incoordination of the two factors, but also effectively enhance their coupling degree among regions of China.

[3]

方精云, 郭兆迪, 朴世龙, 等.

1981—2000年中国陆地植被碳汇的估算

中国科学(D辑: 地球科学), 2007, 37(6): 804-812.

[ FANG

J Y

, GUO

Z D

, PIAO

S L

, et al.

Estimation of terrestrial vegetation carbon sinks in China from 1981 to 2000

Scientia Sinica: Terrae, 2007, 37(6): 804-812.]

[4]

谢高地, 李士美, 肖玉, 等.

碳汇价值的形成和评价

自然资源学报, 2011, 26(1): 1-10.

DOI:10.11849/zrzyxb.2011.01.001 [本文引用: 1]

在碳减排形势下,如何评价固碳收益价值具有重要的理论与实践意义。论文首先从全球气候变化与碳排放的关联、碳排放与现有经济体系的关联、碳排放空间成为稀缺资源三个方面论证了碳汇效用价值形成的现实基础。然后评述了碳汇价值的构成与度量方法,指出了碳固定与碳蓄积价值的内涵差异。继而总结了碳汇价值的实现机制,认为可以通过碳交易、碳税和固碳项目实际成本3种机制实现碳价格,并在此基础上通过补偿实现碳汇价值。

[ XIE

G D

, LI

S M

, XIAO

, et al.

Value of carbon sink concept and evaluation

Journal of Natural Resources, 2011, 26(1): 1-10.]

[5]

薛龙飞, 罗小锋, 李兆亮, 等.

中国森林碳汇的空间溢出效应与影响因素: 基于大陆31个省(市、区)森林资源清查数据的空间计量分析

自然资源学报, 2017, 32(10): 1744-1754.

DOI:10.11849/zrzyxb.20160912 [本文引用: 1]

科学估算各地区森林碳汇量并探讨其空间关联性特征是制定差异化碳汇发展政策的重要基础。根据1988—2013年中国大陆31个省（市、区）的6次森林资源清查数据,论文利用森林蓄积量扩展法测算了各地区的森林碳汇量,进而检测和比较了省域间碳汇总量空间关联性的方向和强弱,最后运用空间计量模型分析了碳汇的溢出效应与影响因素。结果表明：1）我国的森林碳汇量整体呈上升态势,各地区间碳汇量差异明显,其中西藏、黑龙江等地区碳汇量丰富,而上海、北京等地则碳汇增长率较快;2）研究期内的Moran’s I指数整体表现为倒“S”型的波动变化特征,全国森林碳汇在省域空间分布上的差异性并不是随机的,而是具备一定关联性;3）我国森林碳汇存在显著的近邻空间溢出效应,森林资源采伐、森林受灾程度和降水量等因素对森林碳汇水平的影响显著。因此,研究认为：我国在发挥森林生态功能时,应当考虑省份间的地理区位因素,合理制定兼具差异化和协调性的森林碳汇发展政策。

[ XUE

L F

, LUO

X F

, LI

Z L

, et al.

Spatial spillover effects and influencing factors of forest carbon sink in China: Spatial econometric analysis based on forest resources inventory in 31 provinces of the mainland of China

Journal of Natural Resources, 2017, 32(10): 1744-1754.]

[6]

黄贤金, 张秀英, 卢学鹤, 等.

面向碳中和的中国低碳国土开发利用

自然资源学报, 2021, 36(12): 2995-3006.

DOI:10.31497/zrzyxb.20211201 [本文引用: 1]

基于IPAT和IBIS模型在预测人为碳排放和陆地生态系统碳汇的基础上,探讨了中国2060年实现碳中和的可行性以及不同土地利用方式承载的碳汇分布。2060年我国人为碳排放预计为0.86 Pg C yr -1;IPCC报告中RCP 2.6和RCP 6.0情景的陆地生态系统分别中和33%和38%的人为碳排放。2060年林地、草地、耕地是陆地生态系统碳汇主要贡献者,占93%;与2030年比,在RCP 2.6情景下林地和草地的碳汇贡献分别下降10%和8%,而耕地上升18%;RCP 6.0情景下林地和草地的贡献分别下降7%和2%,而耕地上升4%。但若按2051—2060年间两种情景下的最高年份（2055年）的碳汇计,则分别可以中和65%、82%的人为碳排放。据此,提出为实现2060年碳中和,应以碳承载力为基础,聚焦区域国土空间规划和建设用地开发规模,对土地利用转变进行严格管控,探索制订土地利用碳排放标准。

[ HUANG

X J

, ZHANG

X Y

, LU

X H

, et al.

Land development and utilization for carbon neutralization

Journal of Natural Resources, 2021, 36(12): 2995-3006.]

DOI:10.31497/zrzyxb.20211201 URL [本文引用: 1]

[7]

BECKEN

, FRAMPTON

, SIMMONS

Energy consumption patterns in the accommodation sector: The New Zealand case

Ecological Economics, 2001, 39(3): 371-386.

DOI:10.1016/S0921-8009(01)00229-4 URL [本文引用: 2]

[8]

李鹏, 黄继华, 莫延芬, 等.

昆明市四星级酒店住宿产品碳足迹计算与分析

旅游学刊, 2010, 25(3): 27-34.

[ LI

, HUANG

J H

, MO

Y F

, et al.

Calculation and analysis of carbon footprint of accommodation products in four-star hotels in Kunming

Tourism Tribune, 2010, 25(3): 27-34.]

[9]

鉴英苗, 罗艳菊, 毕华, 等.

海南环东线旅游路线碳足迹计算与分析

海南师范大学学报: 自然科学版, 2012, 25(1): 99-103.

[ JIAN

Y M

, LUO

Y J

, BI

, et al.

Calculation and analysis of carbon footprint of Hainan eastern tour route

Journal of Hainan Normal University: Natural Science, 2012, 25(1): 99-103.]

[10]

石培华, 吴普.

中国旅游业能源消耗与CO₂排放量的初步估算

地理学报, 2011, 66(2): 235-243.

[ SHI

P H

, WU

A rough estimation of energy consumption and CO₂ emission in tourism sector of China

Acta Geographica Sinica, 2011, 66(2): 235-243.]

[11]

肖建红, 于爱芬, 王敏.

旅游过程碳足迹评估: 以舟山群岛为例

旅游科学, 2011, 25(4): 58-66.

[ XIAO

J H

, YU

A F

, WANG

Process carbon footprint assessment of tourism: Take Zhoushan Islands as an example

Tourism Science, 2011, 25(4): 58-66.]

[12]

窦银娣, 刘云鹏, 李伯华, 等.

旅游风景区旅游交通系统碳足迹评估: 以南岳衡山为例

生态学报, 2012, 32(17): 5532-5541.

[ DOU

Y D

, LIU

Y P

, LI

B H

, et al.

Carbon footprint evaluation research on the tourism transportation system at tourist attractions: A case study in Hengshan

Acta Ecologica Sinica, 2012, 32(17): 5532-5541.]

DOI:10.5846/stxb URL [本文引用: 1]

[13]

马慧强, 刘嘉乐, 弓志刚.

山西省旅游交通碳排放测度及其演变机理

经济地理, 2019, 39(4): 223-231.

[ MA

H Q

, LIU

J L

, GONG

Z G

Carbon emission and evolution mechanism of tourism transportation in Shanxi province

Economic Geography, 2019, 39(4): 223-231.]

[14]

郑伯铭, 张宣, 明庆忠.

“一带一路”沿线省份旅游经济与碳排放脱钩态势及影响因素研究

生态经济, 2021, 37(11): 136-143.

[ ZHENG

B M

, ZHANG

, MING

Q Z

Research on the decoupling situation and influencing factors of tourism economy and carbon emissions in the provinces along the "One Belt and One Road"

Ecological Economy, 2021, 37(11): 136-143.]

[15]

UNWTO-UNEP-WMO. Climate change and tourism: Responding to global challenges: Madrid: UNWTO, UNEP＆ WMO, 2008: 169-172.

DOI:10.13287/j.1001-9332.202103.015 [本文引用: 2]

[16]

GÖSSLING

, SCHUMACHER

K P

Implementing carbon neutral destination policies: Issues from the Seychelles

Journal of Sustainable Tourism, 2010, 18(3): 377-391.

DOI:10.1080/09669580903147944 URL [本文引用: 1]

[17]

李威, 黄玫, 张远东, 等.

中国国家森林公园碳储量及固碳速率的时空动态

应用生态学报, 2021, 32(3): 799-809.

森林生态系统在调节气候变化和维持碳平衡中具有重要作用。国家森林公园是森林保护的主要载体,探明其碳储量和固碳速率的变化对于森林生态系统的固碳能力评估和可持续经营管理具有重要意义。本研究采用生态系统过程模型CEVSA2模型,模拟了1982—2017年中国881处国家森林公园的碳密度、碳储量和固碳速率的空间分布特征。结果表明: 国家森林公园平均碳密度为255.18 t C·hm-2,高于中国森林生态系统平均碳密度。2017年,国家森林公园总碳储量为3.56 Pg C,占全国森林生态系统总碳储量的11.0%~12.2%。1982—2017年国家森林公园平均固碳速率达到0.45 t C·hm-2·a-1,各地区国家森林公园固碳速率都在0.30 t C·hm-2·a-1以上。东北和西南地区国家森林公园的总碳储量最高。东北地区国家森林公园的土壤有机碳固碳速率最高,而华东和中南地区国家森林公园的植被碳固碳速率最高。国家森林公园面积占中国森林总面积的5.8%,在森林碳汇管理中占据着重要地位。准确评估国家森林公园的森林生长状况、固碳潜力和碳吸收特征,可为我国森林公园生态系统服务功能的总体评估提供借鉴和参考。

[ LI

, HUANG

, ZHANG

Y D

, et al.

Spatial-temporal variations of carbon storage and carbon sequestration rate in China's national forest parks

Chinese Journal of Applied Ecology, 2021, 32(3): 799-809.]

[18]

FANG

J Y

, YU

G R

, LIU

L L

, et al.

Climate change, human impacts, and carbon sequestration in China

PNAS, 2018, 115(16): 4015-4020.

DOI:10.1073/pnas.1700304115 PMID:29666313 [本文引用: 1]

[19]

CADARSO

M Á

, GÓMEZ

, LÓPEZ

L A

, et al.

Calculating tourism's carbon footprint: Measuring the impact of investments

Journal of Cleaner Production, 2016, 111: 529-537.

DOI:10.1016/j.jclepro.2014.09.019 URL [本文引用: 1]

[20]

KUO

N W

, LIN

C Y

, CHEN

P H

, et al.

An inventory of the energy use and carbon dioxide emissions from island tourism based on a life cycle assessment approach

Environmental Progress & Sustainable Energy, 2012, 31(3): 459-465.

[21]

张瑞英, 席建超, 葛全胜.

基于生命周期理论的旅游者碳足迹分析: 一种"低碳旅游"测度框架及其实证研究

干旱区资源与环境, 2015, 29(6): 169-175.

[ ZHANG

R Y

, XI

J C

, GE

Q S

Analysis of carbon footprint of tourists based on life cycle theory: A measurement framework of "low-carbon tourism" and its empirical research

Journal of Arid Land Resources and Environment, 2015, 29(6): 169-175.]

[22]

周年兴, 黄震方, 梁艳艳.

庐山风景区碳源、碳汇的测度及均衡

生态学报, 2013, 33(13): 4134-4145.

[ ZHOU

N X

, HUANG

Z F

, LIANG

Y Y

Carbon sources and storage sinks in scenic tourist areas: A Mount Lushan case study

Acta Ecologica Sinica, 2013, 33(13): 4134-4145.]

DOI:10.5846/stxb URL [本文引用: 3]

[23]

IPCC. 2006 IPCC guidelines for national greenhouse gas inventories, 2006.

[24]

GÖSSLING

Global environmental consequences of tourism

Global Environmental Change, 2002, 12(4): 283-302.

DOI:10.1016/S0959-3780(02)00044-4 URL [本文引用: 1]

[25]

BECKEN

, SIMMONS

D G

Understanding energy consumption patterns of tourist attractions and activities in New Zealand

Tourism Management, 2002, 23(4): 343-354.

DOI:10.1016/S0261-5177(01)00091-7 URL [本文引用: 1]

[26]

郑聚锋, 程琨, 潘根兴, 等.

关于中国土壤碳库及固碳潜力研究的若干问题

科学通报, 2011, 56(26): 2162-2173.

[ ZHENG

J F

, CHENG

, PAN

G X

, et al.

Perspectives on studies on soil carbon stocks and the carbon sequestration potential of China

Chinese Science Bulletin, 2011, 56(26): 2162-2173.]

DOI:10.1007/s11434-011-4485-0 URL [本文引用: 2]

[27]

PIAO

, FANG

, ZHOU

, et al.

Changes in vegetation net primary productivity from 1982 to 1999 in China

John Wiley & Sons, Ltd, 2005, 19(2): B2027, Doi: 10.1029/2004GB002274.

[28]

孔东升, 张灏.

张掖黑河湿地自然保护区生态服务功能价值评估

生态学报, 2015, 35(4): 972-983.

[ KONG

D S

, ZHANG

Economic value of wetland ecosystem services in the Heihe National Nature Reserve of Zhangye

Acta Ecologica Sinica, 2015, 35(4): 972-983.]

[29]

赖力, 黄贤金, 刘伟良, 等.

基于投入产出技术的区域生态足迹调整分析: 以2002年江苏省经济为例

生态学报, 2006, 26(4): 1285-1292.

[ LAI

, HUANG

X J

, LIU

W L

, et al.

Adjustment for regional ecological footprint based on input-output technique: A case study of Jiangsu province in 2002

Acta Ecologica Sinica, 2006, 26 (4): 1285-1292.]

[30]

FANG

J Y

, CHEN

, PENG

, et al.

Changes in forest biomass carbon storage in China between 1949 and 1998

Science, 2001, 292(6): 2320-2322.

DOI:10.1126/science.1058629 URL [本文引用: 3]

The location and mechanisms responsible for the carbon sink in northern mid-latitude lands are uncertain. Here, we used an improved estimation method of forest biomass and a 50-year national forest resource inventory in China to estimate changes in the storage of living biomass between 1949 and 1998. Our results suggest that Chinese forests released about 0.68 petagram of carbon between 1949 and 1980, for an annual emission rate of 0.022 petagram of carbon. Carbon storage increased significantly after the late 1970s from 4.38 to 4.75 petagram of carbon by 1998, for a mean accumulation rate of 0.021 petagram of carbon per year, mainly due to forest expansion and regrowth. Since the mid-1970s, planted forests (afforestation and reforestation) have sequestered 0.45 petagram of carbon, and their average carbon density increased from 15.3 to 31.1 megagrams per hectare, while natural forests have lost an additional 0.14 petagram of carbon, suggesting that carbon sequestration through forest management practices addressed in the Kyoto Protocol could help offset industrial carbon dioxide emissions.

[31]

胡会峰, 王志恒, 刘国华, 等.

中国主要灌丛植被碳储量

植物生态学报, 2006, 30(4): 539-544.

DOI:10.17521/cjpe.2006.0071 [本文引用: 2]

在广泛收集资料的基础上，利用植被平均碳密度方法，估算了我国6种主要灌丛植被的碳储量，并分析了其区域分布特征。主要结果如下：1) 6种灌丛植被总面积为15 462.64 ×104 hm2，总碳储量为1.68±0.12 Pg C(1 Pg=1015g)，灌丛植被平均碳密度为10.88±0.77 Mg C•hm-2(1 Mg=106 g)，不同植被类型差异较大，在5.92～17Mg C•hm-2之间波动。2) 从区域分布来看，西南3省(云南、贵州、四川)既是我国灌丛主要的分布地区之一，分布面积占6种灌丛总面积的23.5%，又是我国灌丛碳储量的主要储库，碳储量占整个6种灌丛碳储量的1/3（32.6%），适宜的水热条件决定了该地区的植被平均碳密度要高于全国平均水平。3) 与我国森林和草地的植被碳储量相比，这些灌丛碳储量相当于我国森林和草地碳储量的27%～40%和36%～55%。

[ HU

H F

, WANG

Z H

, LIU

G H

, et al.

Vegetation carbon storage of major shrubs in China

Chinese Journal of Plant Ecology, 2006, 30(4): 539-544.]

DOI:10.17521/cjpe.2006.0071 URL [本文引用: 2]

[32]

周国模, 姜培坤.

毛竹林的碳密度和碳贮量及其空间分布

林业科学, 2004, (6): 20-24.

[ ZHOU

G M

, JIANG

P K

Density, storage and spatial distribution of carbon in phyllostachy pubescens forest

Scientia Silvae Sinicae, 2004, (6): 20-24.]

[33]

TANG

, ZHONG

, NG

Factors that influence the tourism industry's carbon emissions: A tourism area life cycle model perspective

Energy Policy, 2017, 109(7): 704-718.

DOI:10.1016/j.enpol.2017.07.050 URL [本文引用: 2]

[34]

曹辉, 林施琦, 张静娴, 等.

福利值与异质性:武夷山国家公园旅游者的选择实验分析

生态与农村环境学报, 2022, 38(1): 126-135.

[ CAO

, LIN

S Q

, ZHANG

J X

, et al.

Welfare value and heterogeneity: An experimental analysis of tourists' choice in Wuyishan National Park

Journal of Ecology and Rural Environment, 2022, 38(1): 126-135.]

[35]

汤姿, 毕克新.

旅游业能源消耗与碳排放研究进展及启示

世界地理研究, 2014, 23(3): 158-168.

[ TANG

, BI

K X

Review on energy consumption and carbon emission of tourism industry

World Regional Studies, 2014, 23(3): 158-168.]

[36]

范月君, 侯向阳, 石红霄, 等.

气候变暖对草地生态系统碳循环的影响

草业学报, 2012, 21(3): 294-302.

[ FAN

Y J

, HOU

X Y

, SHI

H X

, et al.

Effect of carbon in grassland ecosystems on climate warming

Acta Prataculturae Sinica, 2012, 21(3): 294-302.]

[37]

徐冰, 郭兆迪, 朴世龙, 等.

2000—2050年中国森林生物量碳库: 基于生物量密度与林龄关系的预测

中国科学: 生命科学, 2010, 40(7): 587-594.

[ XU

, GUO

Z D

, PIAO

S L

, et al.

China's forest biomass carbon pool from 2000 to 2050: Prediction based on the relationship between biomass density and forest age

Scientia Sinica: Vitae, 2010, 40(7): 587-594.]

DOI:10.1360/zc2010-40-7-587 URL [本文引用: 1]

[38]

田云, 林子娟.

巴黎协定下中国碳排放权省域分配及减排潜力评估研究

自然资源学报, 2021, 36(4): 921-933.

DOI:10.31497/zrzyxb.20210409 [本文引用: 1]

通过构建碳排放权区域分配模型完成了省域分配,在此基础上与当前各地实际碳排放量进行比对,明晰了各自初始空间余额;而后对碳排放权欠缺地区的碳减排潜力进行了综合评估。研究结果表明：（1）我国30个省区碳排放权分配存在较大差异,其中云南配额最高,占比高达10.53%;宁夏配额最少,占比仅为0.28%。（2）全国有14个省区碳排放权初始空间余额表现出盈余状态,根据成因差异可大致分为“低排放、高配额”“低排放、低配额”以及“高排放、高配额”等三种类型;其他16个地区均表现出一定程度的欠缺,结合数值差异可划分为以江苏等4地为代表的轻度欠缺地区,以天津等7地为代表的中度欠缺地区,以及以辽宁等5地为代表的重度欠缺地区。（3）浙江、天津、山东等3地目前所具备的碳减排潜力要明显高于其他地区,而各地区的碳减排潜力水平虽与其碳排放权欠缺量表现出了一定趋同性但并非完全一致。

[ TIAN

, LIN

Z J

Provincial distribution of China's carbon emission rights and assessment of its emission reduction potential under the Paris Agreement

Journal of Natural Resources, 2021, 36(4): 921-933.]

DOI:10.31497/zrzyxb.20210409 [本文引用: 1]

In this paper, the provincial distribution is completed by constructing a regional distribution model of carbon emission rights. On this basis, the initial space balance is clarified by comparing with the actual carbon emissions in various places. Then, the potential of carbon emission reduction in regions lacking carbon emission rights is comprehensively evaluated. The results show that: (1) The distribution of carbon emission rights in 30 provinces of China is quite different, among which Yunnan has the highest quota, accounting for 10.53%, while Ningxia has the least quota, accounting for only 0.28%. (2) The initial space balance of carbon emission rights in 14 provinces of China shows a surplus state, which can be divided into three types according to the difference of causes, namely "low emission, high quota", "low emission, low quota" and "high emission, high quota". All the other 16 provinces show some degree of deficiency. Combined with the numerical differences, they can be identified into three types: 4 provinces with slight deficiency represented by Jiangsu, 7 with moderate deficiency represented by Tianjin, and 5 with severe deficiency represented by Liaoning. (3) Currently, Zhejiang, Tianjin and Shandong have significantly higher carbon emission reduction potential than other regions, while the carbon emission reduction potential level of each region shows certain convergence but is not completely consistent with a lack of carbon emission rights.

[39]

黄和平, 王智鹏, 宋伊瑶.

乡村振兴背景下乡村旅游目的地碳足迹与生态效率研究: 以江西婺源篁岭景区为例

农业现代化研究, 2019, 40(4): 683-691.

[ HUANG

H P

, WANG

Z P

, SONG

Y Y

Carbon footprint and eco-efficiency of rural tourism destination under the background of rural revitalization: A case study of Huangling scenic spot in Wuyuan of Jiangxi province

Research of Agricultural Modernization, 2019, 40(4): 683-691.]

[40]

王立国, 廖为明, 黄敏, 等.

基于终端消费的旅游碳足迹测算: 以江西省为例

生态经济, 2011, (5): 121-124.

[ WANG

L G

, LIAO

W M

, HUANG

, et al.

Calculation of tourism carbon footprint on final consumption: A case of Jiangxi province

Ecological Economy, 2011, (5): 121-124.]