从水-能源-经济耦合关系的视角看中国滑雪旅游业发展的不平衡性

《Journal of Cleaner Production》：The imbalance development of China's ski tourism industry under the perspective of water-energy-economy nexus

　　龚蓉蓉|夏冰|李宇|史东辉|李泽虹|王子轩|张静|杨雯|李俊杰|甄伟娜
中国科学院地理科学与自然资源研究院，北京100101

**摘要**
滑雪旅游业对区域社会经济发展具有重要影响。然而，资源禀赋与利用模式之间的不匹配导致了水资源和能源分配的不平衡以及经济差异，进而造成了空间上的不均衡。本研究采用水资源-能源-经济（W-E-E-N）视角和环境扩展的多区域投入产出（EE-MRIO）模型，评估了中国滑雪旅游业内部的发展不平衡现象。研究结果表明，多重效应促进了经济增长，增幅达到了2.60倍。与以往认为滑雪旅游业收入与资源使用之间存在正相关性的研究不同，本研究发现：虽然经济足迹的年均复合增长率（CAGR）为3.24%，但2015至2023年间，水资源足迹和能源足迹的年均复合增长率分别为-8.69%和-3.60%。水资源足迹表现出较强的脱钩趋势，而能源足迹则较为弱。通过分析内部和外部足迹比例以及目的地的演变情况，本研究揭示了各省之间的依赖关系如何塑造了中国滑雪旅游业中的W-E-E足迹差异。区域间差距表现为东部以需求驱动的经济增长，而北部和西北部则承担着较大的资源压力。需求扩张是资源消耗的主要驱动因素，技术进步在缓解这一问题上作用有限。本研究符合联合国可持续发展目标（SDG）6和7的要求，并构建了一个政策框架，从四个维度协调滑雪旅游业中的水资源-能源-经济关系，包括政策指导、技术导向、市场调整和区域合作。研究结果为滑雪旅游业快速发展的发展中国家和市场提供了有价值的见解。

**1. 引言**
滑雪旅游业作为全球旅游业中增长迅速的部分，对区域经济做出了重要贡献，但同时也对资源消耗造成了巨大压力（Lasanta等人，2007；Silberman和Rees，2010；Steiger，2010；Morin等人，2023；Li等人，2025）。水资源和能源是滑雪旅游业经济增长的基本投入（Fran?ois等人，2023；Liu等人，2024；Liu等人，2025；Scuderi等人，2025）。水资源、能源与经济部门之间的相互依赖性和制约关系构成了水资源-能源-经济（W-E-E-N）联系（Hosseini等人，2024）。具体而言，滑雪旅游业中的经济活动（如场地运营和人工造雪）直接推动了水资源和能源的消耗（Wang等人，2020；Lenart-Boron等人，2023；Wei等人，2025）。同时，资源消耗过程又对经济产出产生影响（图1）。然而，全球变暖加剧了对人工造雪的需求（Knowles等人，2024），进一步增加了水资源和能源的消耗（Grünewald和Wolfsperger，2019；Viguié等人，2021）。预测显示，到本世纪中叶，超过60%的全球滑雪场将面临造雪成本的上升，山区年度用水需求预计将增加8-25%（+2°C）和14-42%（+4°C）（Fran?ois等人，2023）。到2035年，全球能源消耗预计将增加50%，灌溉用水需求将增加10%（Nations和Mateo-Sagasta，2013）。这些趋势不仅威胁到滑雪旅游业的可持续性，还可能通过跨区域资源转移引发系统性风险。联合国2030年可持续发展目标（SDGs）强调可持续地获取水资源和能源与经济发展密不可分（Pang等人，2024），但目前滑雪旅游业的W-E-E-N联系尚未得到系统性的整合。事实上，理解经济系统与资源系统之间的多变量互动关系是实现经济发展与资源可持续性平衡的关键（Fader等人，2018）。因此，研究水资源、能源与经济之间的协同作用，识别和优化W-E-E-N的关键杠杆点，以及实现高效的资源分配，是提升滑雪旅游业可持续发展的有效途径。

**图1. 滑雪旅游业的W-E-E-N示意图**
自1994年提出水资源-能源联系概念以来，多要素耦合研究已成为资源环境与可持续发展研究领域的焦点（Tabatabaie和Murthy，2021）。这类研究从二元联系分析发展到多要素系统分析，涵盖了水资源-能源联系（Li等人，2019；Chen等人，2024；Yang等人，2024）、水资源-能源-食品联系（Niu等人，2026；Pulido-Ocegueda等人，2026；Yuan等人，2026；Zainali等人，2026）以及水资源-能源-碳联系（Zhang等人，2022；Hosseini等人，2024b；Maziotis和Molinos-Senante，2026）等研究，这些研究在资源协同管理中得到了广泛应用（Voelker等人，2022）。研究范围涵盖全球（Farmandeh等人，2024）、国家（Liang等人，2020；J. T. Liu等人，2024）、城市聚集区（Liu等人，2026）和流域（Han等人，2025）等多个层面，并应用于农业（Naghavi等人，2023）、电力（Q. Li等人，2019；Goodarzi和Li，2025）和旅游（Lee等人，2021）等多个行业。多要素协同治理的核心逻辑在于揭示由资源联系形成的复杂跨区域和跨行业互动机制（Itayi等人，2021；Vats等人，2021）。研究主要集中在三个领域：（1）资源足迹核算，量化特定产品或经济部门的资源消耗（Liang等人，2020；Armengot等人，2021）；（2）资源流分析，追踪区域贸易网络中的资源转移路径和模式（White等人，2018）；（3）耦合资源系统的可持续性评估（Yi等人，2020；Qian和Liang，2021）。通过评估这些要素关联系统的整体运行状况（Gou等人，2026），该研究为政策制定提供了支持（Liu J. T.等人，2024）。

资源足迹作为一种方法论，用于评估人类经济活动对环境的影响（Matu?tík和Ko?í，2021），也是联系研究中核心的分析框架（Zhai等人，2021）。其应用包括水资源足迹评估（Hoekstra和Mekonnen，2012；Mascarelli，2012）、能源足迹评估（Pan等人，2024）以及水资源-能源系统效率分析（Flammini等人，2014；G?ssling和Peeters，2015）。快速的经济增长加剧了资源稀缺性，促进了对外部供应的依赖，并推动了虚拟水（Allan，1998）和蕴含能源（Hoekstra，2009；Han等人，2024）等概念的发展。这些概念代表了整个供应链中的水资源和能源消耗，包括直接和间接使用（Costanza，1980）。具体而言，经济足迹、水资源足迹和能源足迹分别指生产和消费供应链中的直接和间接经济产出、水资源使用和能源利用（Ma等人，2020；Yang等人，2020）。资源足迹评估方法包括自下而上和自上而下的方法（Feng等人，2014；Chen和Chen，2016；Zhou等人，2016）。前者提供了易于获取的数据，但无法区分中间用户和最终用户的需求，导致分配偏差（Feng等人，2011）。相比之下，基于消费平衡理论的多区域投入产出模型（MRIO）能够核算经济活动中的直接和间接资源消耗（Li等人，2023；Cui和Wang，2024）。环境扩展的多区域投入产出（EE-MRIO）模型进一步整合了环境卫星数据，追踪复杂经济网络中的水资源、能源和资金流动。其分析能力源于其双重系统结构：（1）通过区分基于消费的责任和基于生产的责任，可以将供应链足迹归因于来源地和最终消费地区（Alizadeh和Ganji，2021；Yan等人，2025）；（2）通过追踪跨区域水资源和能源分配，评估生产和消费活动对异质时空资源的需求（Xu等人，2022a），确定资源来源和管理责任。跨区域资源分配是经济发展的关键驱动力（Rushforth和Ruddell，2016）。滑雪旅游业的特点是频繁的跨区域资源转移，这受到紧密的区域联系驱动。EE-MRIO模型适用于滑雪旅游业的经济和资源系统协同研究，为W-E-E-N研究提供了重要见解。

**参考文献**
（略）当与MRIO模型集成时，SDA将因变量的变化分解为技术效应、结构效应和需求效应等贡献因素，使其成为分析隐性资源驱动因素的主流工具（Su等人，2021；Xu等人，2022b；Wang等人，2023；J. Wang等人，2024；Yang等人，2025）。SDA已被应用于研究水和能源足迹的驱动因素（Peng等人，2018）。例如，Li等人（2023）使用SDA模型分析了各行业水消耗和污染排放的驱动因素。Zheng等人（2020）采用了IO-SDA模型，并发现最终需求是广东省废水排放的主要驱动力。Su等人（2019）结合结构路径分析（SPA）和SDA，研究了2007年至2012年中国在不同最终需求下能源强度变化的影响因素。Yan和Su（2020）使用加法和乘法SDA方法量化了2010年至2015年中国不同最终需求和部门之间隐性能源消耗和强度的变化。这些研究证实了SDA在分析复杂工业联系方面的有效性。考虑到SDA关注内部产业链驱动因素，如技术、结构和需求，而STIRPAT模型则提供了一个更全面的框架来分析宏观外部驱动因素（Ma等人，2022）。STIRPAT模型源自IPAT方程（York等人，2003），用于评估人类活动对自然环境的影响。例如，Shi等人（2022）扩展了STIRPAT模型，发现消费量和人口规模是城市和农村居民食物消费水足迹变化的关键驱动因素。Wang等人（2025）将EE-MRIO模型与STIRPAT结合，以确定碳排放不平等的驱动因素。Huang和Lin（2026）扩展了STIRPAT模型，增加了六个维度——人口、经济、技术、饮食结构、气象和绿色发展——来分析农业灰水足迹的驱动因素。总之，对于具有复杂产业链、显著需求和技术依赖性的STI，SDA可以量化最终需求（Zheng等人，2020）、资源强度（Zhao等人，2016）和技术生产结构（Xu和Dietzenbacher，2014；Deng和Xu，2017）对资源消耗（Sun等人，2021，2021）的影响，使其适用于研究内部W-E-E足迹驱动因素。同时，整合STIRPAT模型有助于识别外生变量的影响。这两种方法的结合构建了一个“微观-宏观影响”分析框架。作为全球滑雪旅游的新兴市场，中国自2015年以来滑雪场数量一直位居全球前列（Xu等人，2023）。2022年北京冬奥会进一步加速了中国STI的快速发展（Deng等人，2023）。然而，中国面临水资源短缺和高能耗的挑战（Shang等人，2018），这为研究提供了重要案例。作为主要的能源生产和消费国，中国迫切需要进一步提高能源利用效率（Han等人，2026）。根据联合国的分类，中国的人均水资源远低于全球平均水平（Liu等人，2023）。资源密集型生产模式威胁着中国STI的可持续性。然而，关于STI的W-E-E-N的研究仍存在空白。本研究将STI的W-E-E足迹定义为从起源地区到目的地地区的旅行过程中，由产业链和区域经济流动产生的资源消耗或经济产出。它包含四个组成部分：省内游客的直接消费、省外游客的直接消费、省内游客通过产业链的间接消费以及省外游客通过产业链的间接消费。总足迹是直接和间接资源消耗的总和（图1）。基于旅游流动特性，并借鉴全球旅游碳足迹方法（Sun Y.Y.等人，2024），W-E-E足迹的计算采用了基于居住地的核算（RBA）和基于目的地的核算（DBA）。其中，DBA将资源消耗归因于目的地，包括省内直接消费和省外游客在目的地的直接消费（例如，省份A的DBA包括A省内的消费以及来自B/C省的游客在A省的消费）。RBA将资源消耗归因于起源地区，包括当地直接消费和居民前往滑雪目的地的消费（例如，省份A的RBA包括A省内的消费以及A省居民前往B/C省的消费）。DBA用于评估目的地资源管理策略，而RBA则明确了起源地区的资源责任。两者结合，可以实现跨地区嵌入能源、虚拟水和经济产出的横向跟踪，揭示资源因素与经济产出之间的相互依存关系以及供需转移路径。本研究采用“资源-经济”系统的协同视角，为中国STI构建了一个省级规模的EE-MRIO模型，解决了重要的研究缺口。此外，它还整合了Tapio脱钩指数、STIRPAT和SDA模型，建立了W-E-E-N的全面评估和优化路径分析框架。该框架从模式分析发展为脱钩，从驱动机制发展到优化政策。主要创新和贡献如下：（1）将社会经济数据与资源数据集结合起来，为中国STI构建EE-MRIO表格，从而估算30个省份的W-E-E足迹；（2）分析W-E-E足迹的时空演变，并使用Tapio脱钩指数揭示其脱钩效应；（3）研究滑雪旅游目的地和来源地区之间资源投入与经济产出之间的互动关系，从而表征W-E-E足迹的空间流动模式；（4）通过结合SDA和STIRPAT模型，识别W-E-E足迹的内部和外部驱动因素；（5）基于W-E-E足迹的脱钩效应和地区之间的空间流动关系，提出区域资源协同治理政策框架。以中国作为实证案例，本研究为促进全球滑雪旅游中经济和资源的协同发展提供了重要的科学基础。

2. 材料与方法
2.1. 研究过程
本研究基于“总量 - 结构 - 转移 - 机制”的逻辑框架来评估中国的滑雪旅游W-E-E足迹，分析过程分为五个不同的阶段（图2）。
步骤1：明确STI的系统边界，将其与国民经济账户分离，并为中国STI构建EE-MRIO模型。
步骤2：量化2015年和2023年中国30个省份W-E-E足迹的时空演变，使用Tapio脱钩指数揭示滑雪旅游经济增长与资源消耗之间的脱钩状况和演变趋势，比较W-E-E足迹的省内和省际结构。从“总量分析”到“结构分析”的转变定义了后续分析的关键研究范围。
步骤3：从区域联系的角度出发，基于DBA和RBA核算框架，分析W-E-E足迹的空间转移方向和量，评估水-能源-经济空间流动过程中的不平衡问题，明确不同省份在滑雪旅游消费-资源供应网络中的角色定位（净消费者/净供应商），分析市场供需动态的空间差异。
步骤4：使用SDA和STIRPAT模型，研究内部因素（包括需求规模、需求结构和技术效率）和外部因素（包括发展条件、自然因素和政策工具）对W-E-E足迹变化的影响。

最后，基于上述发现，本研究确定了水资源和能源保护的关键区域和联系环节，并为滑雪旅游目的地和来源地区提出了资源协同治理策略。这些努力共同支持“揭示STI中资源-经济系统的耦合机制”的核心研究目标，实现了从现象描述到本质揭示的认知深化，以及从部分分析到系统整合的视角扩展。

2.2. 滑雪旅游EE-MRIO表格构建
2.2.1. 滑雪旅游的系统边界和框架
滑雪旅游是一种以雪资源为主要吸引力的综合旅游形式（Chi等人，2025b；Tang等人，2025，2025）。它涵盖了基础旅游部门（Vanat和Yu，2022），并与各种国民经济领域有深刻的联系（Li Anna，2022）。其工业相关性不仅体现在直接针对消费者的产品和服务上，还体现在支持合作产业上，如冰雪设备制造和运输（Song C Y等人，2023）。现有研究将滑雪旅游分为五大类，包括设备制造、娱乐服务、体育、温泉和文化（Li等人，2025）。其他框架基于旅游的六个要素和投入产出模型，界定了滑雪行业的九个部门，如住宿和餐饮；运输、储存和邮政服务；水利、环境和公共设施管理；批发和零售；文化、体育和娱乐；信息传输、软件和IT服务；公共管理、社会保障和社会组织；房地产；以及住宅服务、维修和其他服务（Liang等人，2023）。本研究使用了国家统计局发布的《中国旅游及相关产业统计分类》（https://www.stats.gov.cn/xw/tjxw/tzgg/202302/t20230202_1893943.html）、联合国世界旅游组织关于编制旅游卫星账户的指南（UNWTO，2010）以及之前的滑雪旅游分类研究（Zhang H Z等人，2020；Liu J等人，2024；Tang C C等人，2025）。通过与美国资源投入产出（MRIO）分析的部门范围保持一致，我们制定了STI的“核心主导商业模式和支持辅助商业模式”系统。核心主导商业模式指滑雪旅游产品满足游客需求的最终消费部门，包括六个要素：旅行、住宿、餐饮、观光、购物和娱乐（Tang C C等人，2023）。这些模式包括六个部门：批发和零售贸易；运输、储存和邮政服务；住宿和餐饮服务；租赁和商业服务；水利、环境和公共设施管理；以及文化、体育和娱乐。具体来说：住宿和餐饮提供滑雪场酒店、当地特色民宿和多样化的餐饮选择。租赁和商业服务包括滑雪设备租赁、旅行社服务和活动策划。批发和零售包括滑雪设备和纪念品的线上线下销售。文化、体育和娱乐涵盖滑雪培训、活动运营和表演。运输、储存、邮政服务和水利或环境部门共同支持乘客流动组织、物资循环和设施维护。支持辅助部门是指由核心商业模式驱动的非滑雪旅游部门，提供辅助产业链支持。完整的旅游活动依赖于六个旅游要素和多部门的协作来提供服务和产品（Liu J等人，2024）。在生产过程中，滑雪旅游从其他非旅游部门获取初始投入（Liu C S等人，2022）。这些辅助部门包括上游和相关部门：上游部门（包括S1、S2、S3、S4、S5和S6）提供原料、原材料、设备制造和能源保障。相关部门（包括S7、S11、S12、S15和S17）执行设施建设、融资和保险、技术支持、设备维护和公共治理，以确保产业链的稳定性（图3）。

根据产业联系理论，STI在经济发展过程中的水资源和能源消耗表现出多层次的传递特性。直接资源消耗来自核心部门的运营，这通过跨部门对中间产品的需求触发间接消费，从而在相关部门产生一级或n级间接消费（图3）。为了便于定量部门联系分析，本研究将MRIO表格中的42个部门合并为17个部门（S1-S17）（表2），基于《初级、二级和三级产业分类规定》和滑雪旅游的特点。这建立了一个W-E-E-N分析框架，以阐明产业链中资源流的完整消费路径。

表2.MRIO表格中的部门整合状况。序列号：17个部门合并；传统上MRIO表格中有42个部门。S1：农业、林业、畜牧业和渔业；农业、林业、畜牧业和渔业产品和服务。S2：采矿业；煤炭开采和选矿产品、油气开采产品、金属开采和选矿产品、非金属矿产及其他矿产开采和选矿产品。S3：食品和烟草；食品和烟草。S4：纺织制造；纺织、服装、鞋类、头饰、皮革、毛皮、羽毛（羽绒）及相关产品制造。S5：制造业；木材加工产品和家具、纸张印刷及文化和教育体育设备、化学品、非金属矿产品、金属冶炼和轧制产品、金属制品、通用设备、专用设备、运输设备、电气机械和设备、通讯设备、计算机及其他电子设备、仪器和仪表、其他制造产品、废料处理、金属制品、机械设备维修服务。S6：电力、热力和水力的生产和供应；电力和热力的生产和供应、天然气生产和供应、水资源生产和供应。S7：建筑业。S8：批发和零售贸易；批发和零售。S9：运输、仓储和邮政服务；运输、仓储和邮政服务。S10：住宿和餐饮服务；住宿和餐饮。S11：金融中介和房地产活动；金融、房地产。S12：信息传输、软件和信息技术服务；信息传输、软件和信息技术服务。S13：水利、环境和公共设施管理；水资源管理、环境管理和公共设施管理。S14：租赁和商务服务；租赁和商务服务。S15：家庭服务、维修及其他服务；家庭服务、维修及其他服务。S16：文化、体育和娱乐；文化、体育和娱乐。S17：公共服务行业；教育；卫生和社会工作；公共管理、社会保障和社会组织。

在STI中构建EE-MRIO表格的过程。Lsard（Isard, 1951）提出的MRIO模型利用了区域经济投入产出表和区域间贸易矩阵。基于Li J F和Li M Y（1999）引入的旅游提取系数概念，并遵循旅游消费与现有行业分类相一致的原则（Liu C S等人，2022；Sun Y Y等人，2024），本研究从现有的MRIO表格中提取滑雪旅游的投入产出数据来构建STI的MRIO表格。根据中国国家统计局的行业分类原则，我们假设同一行业内产品和服务（无论是针对游客还是非游客）的投入产出关系（包括中间投入和中间使用）是一致的（Dong等人，2023）。在评估旅游的经济和环境影响时，通常采用基于“营业收入与增加值比率”的比例分配方法进行部门间利益分配，其合理性已得到实证支持（例如，Dong等人，2023；Sun等人，2024）。因此，六个核心滑雪旅游部门的中间投入和使用的投入产出关系与投入产出表格的产业结构一致。此外，我们假设每个省份的滑雪旅游消费份额与更广泛的旅游消费模式大体一致，按照每个部门在总旅游收入中的比例将滑雪旅游收入分配给这六个核心部门。使用这六个核心部门的收入与其所属部门的增加值比率，分别计算对其他部门的投入和区域间增加值转移。公式如下：

(1) zrtj = zraj + zrhj + zrsj + zrbj + zrcj + zrdj = zraij × Xra × rai + zrhij × rh × rhi + zrsij × rs × rsi + zrbij × rb × rbi + zrcij × rc × rci + zrdij × rdu × rdi
(2) etrd = erda + erdh + erds + erdb + erdc + erdd = erda × xra × rai + erhi × rh × rhi + erdsi × rs × rsi + erdbi × rb × rbi + erdci × rc × rci + erddi × rdu × rdi

其中，r和d表示地区；i和j表示部门；zrtj表示地区r中部门j的中间投入；zraj、zrhj、zrsj、zrbj、zrcj、zrdj分别表示地区r中部门j的六个STI部门的中间投入；zraij、zrhij、zrsij、zrbij、zrcij、zrdij表示属于部门j的六个旅游部门的中间投入；Xra、Xrh、Xrs、Xrb、Xrc、Xrd表示六个STI部门的营业收入；xrai、xrhi、xrsi、xrbi、xrci、xrdi表示六个STI部门的营业收入；erda、erdh、erds、erdb、erdc、erdd表示STI及其附属部门从地区r转移到地区d的价值转移；erda、erhi、erdsi、erdbi、erdci、erddi表示六个旅游部门从地区r转移到地区d的价值转移。

本研究收集了2015年和2023年STI的经济收入数据以及水和能源使用系数，以测量水-能源-经济足迹。MRIO模型中将经济总量与最终使用联系起来的矩阵关系可以表示为：

(3) Xr = Ard × Frd + Erd
(4) Xr = (I – Ard)?1(Erd + Erd)

其中，Xr表示按部门划分的总产出矩阵；I和Ard分别表示单位矩阵和直接消费系数矩阵；Frd是最终需求矩阵，包括本地满足的最终需求和其他省份提供的需求；L = (I – Ard)?1是Leontief逆矩阵，表示当一个地区增加一个单位产出时需要从其他地区获得的投入量。

基于生产平衡的EE-MRIO框架已被证明有助于表达区域产业的总产出：

(5) xri = ∑d=1m ∑j=1纳德ij × xdj + ∑d=1m frdi + eri

其中，m是地区数量；n是单个地区的产业部门数量；xri表示地区r中部门j的总产出；ardij表示地区d中部门j的直接消费系数，表示地区r中的部门i生产一个单位产出所需的部门j的直接投入；xdj表示地区d中部门j的总产出；frdi表示地区d中部门j在最终使用中的投入；eri表示地区r中部门i的产品调度量。

通过将资源-环境扩展矩阵附加到MRIO表格中，可以分析经济流中嵌入的资源流动。在此基础上，构建EE-MRIO模型有助于将水资源和能源分配给每个地区和部门，从而量化30个省份滑雪旅游产业的水和能源足迹。具体公式如下：

(6) WF = Wrj × xri
(7) EF = Erj × xri
(8) Wrj = wrj / Grj
(9) Erj = erj / Grj

其中，wrj和erj分别表示地区r中部门j的水和能源使用量；Grj表示地区r中部门j的总增加值；Wrj和Erj分别是直接水消费系数和直接能源消费系数；WF和EF分别表示水足迹和能源足迹。

本研究对STI各地区之间的产品和服务贸易模式进行了全面分析，重点关注DBA和RBA之间的贸易流动。此外，本研究还测量了六个核心滑雪旅游部门的单位产值能耗，以省级能源消费统计数据为基础。以住宿和餐饮部门的能源转移为例，具体公式如下：

(10) ηrh = ∑k=1l δk × Erh × Frh
(11) Edrh = ηrh × Fdrh

其中，δk表示能源类型k的标准煤炭等效转换系数；Erh表示地区r中住宿和餐饮部门的能源类型k的消耗量；Fdrh表示地区r中住宿和餐饮部门的最终消费量；Fdrh表示从地区d到地区r的住宿和餐饮部门的最终消费转移量；Edrh表示从地区r的住宿和餐饮部门流向地区d的能源转移量。

类似地，可以计算其他五个核心滑雪旅游部门的区域间能源转移量，从而得到每个滑雪旅游部门的30×30区域间能源转移流动矩阵（Edra、Edrh、Edrs、Edrb、Edrc、Edrd）。叠加后，这些矩阵形成了滑雪旅游产业的综合区域间能源转移矩阵（详见附录中的部门对应关系映射）。

基于DBA的滑雪旅游生产核算的能源流入由DBA表示，而基于消费核算的能源流出由RBA表示。具体公式如下：

(13) DBA_Er = ∑d=130 Edrt
(14) RBA_Ed = ∑r=130 Edrt

其中，Edrt表示从地区r到地区d的滑雪旅游能源流动；DBA_Er表示基于DBA核算的能源足迹；RBA_Ed表示基于RBA核算的能源足迹。水足迹转移量的核算方法与能源足迹的核算方法相同。

SDA是一种常用的方法，结合投入产出分析来分解驱动因素（Geels等人，2015；Lei和Xu，2023），在驱动因素分解方面提供了更大的确定性。在本研究中，选择SDA将STI的水-能源-足迹分解为三个驱动因素：需求规模、需求结构和技术效率。时间跨度为2015年至2023年，其中初始年定为t=0，随后年份定为t=1。两年内STI的DBA基础账户水足迹可以表示为：

(15) WFDBA1 = WLFDBA1 × EFDBA1
(16) WFDBA0 = WLFDBA0 × EFDBA0

其中，WLFDBAt表示时期t的 water footprint 技术系数矩阵；EFDBAt表示时期t的 STI 目的地水足迹；WLFDBAt和EFDBAt都是30×30矩阵。

2015年至2023年间，STI目的地水足迹的变化可以表示为：

ΔWFDBA = WFDBA1 – WFDBA0 = WLFDBA1 × EFDBA1 – WLFDBA0 × EFDBA0
= 1/2(ΔWLFDBA1 + EFDBA0 + 1/2WLFDBA1 + WLFDBA0 × EFDBA0)

ΔWFDBA = (EFDBA1 + EFDBA0) × (1/2ΔWLFDBA + 1/2ΔEFDBA)

其中，1/2ΔWLFDBA(EFDBA1 + EFDBA0)表示技术驱动的变化，反映了由于技术进步导致的中国STI的省际水足迹变化；1/2(WLFDBA1 + WLFDBA0)ΔEFDBA表示需求驱动的变化，反映了由于需求波动导致的STI的省际水足迹流出变化。需求驱动的变化可以进一步分解为以下组成部分：

ΔEFDBA = EFDBA1 – EFDBA0 = ETFDBA1 × ERFDBA1 – ETFDBA0 × ERFDBA0
= 1/2ETFDBA1 + ETFDBA0 × ERFDBA + 1/2ΔERFDBA

ΔWFDBA = 1/2ΔWLFDBA + 1/2WLFDBA1 + WTFDBA1 + WTFDBA0 × ΔERFDBA + 1/2WLFDBA1 + WTFDBA0 × ΔETFDBA

其中，WRF表示STI出口中某省份的价值占该省STI总出口价值的比例；1/2(WLFDBA1 + WLFDBA0)(WTFDBA1 + WTFDBA0)ΔERFDBA表示结构驱动的变化，反映了由于游客来源结构的变化导致的STI的省际嵌入水足迹流出变化。

STIRPAT模型是IPAT模型的扩展，允许每个系数作为参数进行估计。其扩展应用表明，可以纳入多种影响因素，如发展条件、自然因素和政策相关因素，以优化资源足迹驱动因素的实证分析（Chen等人，2009）。STIRPAT模型的基本形式为：

I = aPγ1Aγ2Tγ3ε

其中，I表示环境压力；a是常数项；P是人口规模；A是富裕程度；T是技术水平；γ1、γ2和γ3分别是P、A和T的弹性系数；ε是误差项。当a=γ2=γ3=ε=1时，模型简化为IPAT方程I=PAT。

STI的发展受到多种外部因素的影响，这些因素又影响水和能源消耗。基于相关研究（Wang等人，2025；Tang等人，2026）并考虑数据可用性，本研究选择了三个维度（发展条件、自然条件和政策支持）的6个指标作为自变量（表3）。因变量分别是滑雪旅游目的地的水足迹、能源足迹和经济足迹。STIRPAT模型用于分析影响STI水-能源-足迹的外部因素。(1) 发展条件。社会经济发展是STI的关键外部驱动因素。其中，滑雪市场规模产生了显著的资本集聚效应（Aranda-Cuellar等人，2021），从而增加了对STI的投资。每个省份的滑雪场数量被用作滑雪市场规模的指标（Tang等人，2023；Chi等人，2025b）。交通便利性反映了目的地容纳和转化游客流的能力（Rouch和George，2024）。(2) 自然条件。滑雪旅游对自然因素敏感（Tang等人，2025；Chi等人，2025a），特别是气候条件。气候和地形是滑雪旅游布局的先决条件，直接决定了其规模和运营周期（Fidelus-Orzechowska等人，2018；Steiger等人，2020；Steiger和Scott，2020）。海拔高度也对滑雪场的可行性起着关键作用（Falk，2013；Pons等人，2014）。基于此，选择了3个指标——年最低温度、极端低温天数和海拔高度——来衡量影响STI的自然因素。(3) 政策支持。政策作为滑雪旅游发展的监管工具，提供了基础支持和战略指导（Berard-Chenu等人，2022）。本研究使用了地方财政支出在文化、体育和媒体领域的指标（Li和Kou，2025年）来反映地方政府对滑雪旅游发展的支持。表3显示了影响STI（滑雪旅游产业）W-E-E足迹（水足迹、能源足迹和经济足迹）的外部因素选择。根据Tapio脱钩指数，我们将研究区域分为四类：（1）在水资源和能源足迹方面都表现出脱钩关系的区域在空间上分布较为分散，仅涵盖五个省份（例如北京、吉林、海南、安徽和江苏），这些地区似乎处于“低消耗-高产出”的高效脱钩状态。根据2015年至2023年的数据，北京在这些区域中在水资源和能源足迹方面的脱钩指数最低，显示出最显著的脱钩效果，并实现了滑雪旅游业经济增长与资源足迹减少之间的正向协同作用。这种模式可能与北京科技创新（STI）规模化扩张过程中的长期结构性转变有关，例如广泛应用的节水技术和能源资源管理系统的持续优化。作为中国北部的主要滑雪旅游目的地和技术中心，北京利用其在首都经济、交通和技术方面的优势，发展出了一个技术密集型的冰雪服务产业。其发展路径与美国犹他州滑雪带上的帕克城（Park City）有相似之处（Scott等人，2020年）。

（2）在水资源和能源足迹方面都表现出正向耦合关系的区域包括8个省份（例如上海、湖北、广东、重庆、四川、贵州、云南和青海），这些区域主要集中在水资源相对丰富的南部和西南部地区。这表明与2015年相比，2023年这些区域的滑雪旅游业经济足迹以及水资源和能源足迹实现了同步增长，可能表明该行业仍处于培育或发展扩张阶段。例如，在中国南方新兴的滑雪目的地，节水技术的采用和能源利用效率仍有提升的空间。虽然初期增长往往会导致资源消耗增加，但水资源和能源足迹的增长速度低于经济足迹的增长速度。

（3）在水资源和能源足迹方面都表现出负向耦合关系的区域主要分布在北部和西北部地区，包括8个省份（例如天津、山西、内蒙古、辽宁、黑龙江、山东、河南和新疆）。比较2015年和2023年的数据，这些地区的经济足迹和资源足迹消耗都呈现负增长，但资源足迹的下降幅度明显大于经济足迹。潜在原因包括科技创新增长缓慢、市场萎缩导致的产业衰退以及由此产生的资源足迹快速下降。例如，随着北京-天津-河北地区滑雪旅游业的发展以及室内滑雪和冰雪娱乐的兴起，可能会对中国东北部传统的户外滑雪旅游业带来更大的竞争压力（Yang等人，2023年）。

（4）在水资源足迹方面表现出脱钩关系而在能源足迹方面表现出正向耦合关系的区域包括9个省份（例如河北、浙江、福建、江西、湖南、广西、陕西、甘肃和宁夏）。这一类别表明与2015年相比，2023年这些区域的能源系统绿色、高效的转型相对滞后，滑雪旅游业的发展仍遵循传统的高能耗模式。中国西北地区仍然是主要的水源流入区域，但其流入量从0.4290 × 10^8立方米减少到0.2058 × 10^8立方米，形成了“西部资源消耗、东部消费”的水资源流动模式。长期来看，中国水资源在空间和时间上的不平衡分布导致了水资源生产与消费区域之间的严重不匹配，加剧了水资源利用的区域差异。西北地区本身的水资源禀赋就不足，总水量约为2246 × 10^8立方米（仅占全国总量的8.3%）（Liu L J等人，2025年）。然而，从2015年到2023年，它一直是水足迹的核心流入区域，其总流入量约占全国滑雪旅游水足迹的30%。这形成了一个悖论：西部水资源短缺与东部地区为支持滑雪旅游而进行的大量水资源消耗并存，进一步加剧了区域水资源不平衡的压力。同时，能源足迹的转移特征与水足迹相似，表现为中心向南移动。2015年，中国东部是主要的能源足迹输出区，输出量为21.43 × 10^4吨标准煤，与华北和西北地区有着强烈的流动联系。这可能主要是因为东部地区的滑雪游客前往北部地区消费，推动了能源足迹的北向转移。到2023年，东部地区仍然是主要的能源足迹输出区，输出量为26.79 × 10^4吨标准煤，而中部和南部地区则成为次要的输出区，主要的流入区域仍然是华北地区。这凸显了加强区域合作对于优化资源配置和提高效率的重要性，同时有助于缓解资源短缺和环境压力所带来的挑战。

3.3. W-E-E足迹变化的因素驱动
3.3.1. W-E-E足迹的SDA结果
需求结构、规模和技术效应为解析滑雪旅游业的 Water and Energy Footprints（水足迹和能源足迹）提供了一个关键的分析框架，揭示了消费模式、市场扩张动态以及创新采纳如何通过复杂的系统互动来影响资源足迹的轨迹。SDA结果表明，从2015年到2023年，需求规模效应扩大了水足迹和能源足迹，而需求结构效应和技术效应则抑制了足迹的增长（见图8）。
具体来说：
（1）需求结构效应总体上减轻了水足迹和能源足迹。一方面，需求结构效应在所有省份都对水足迹产生了缓解作用，其中黑龙江和新疆的缓解效果最为显著。需求结构也推动了全国所有省份能源足迹的下降。从2015年到2023年，黑龙江通过需求结构优化实现了84.49 × 10^4吨标准煤的能源足迹减少，新疆紧随其后（75.38 × 10^4吨标准煤）。国际经验表明，瑞典和日本等国家的滑雪目的地已经转向产品多样化，通过产品转移和全年运营等策略提高了资源利用效率（Colasante等人，2024年；C. Li等人，2026年）。中国的滑雪旅游业可以利用产业链扩张与虚拟资源转移之间的相互依赖性，通过协调上下游联系和深化需求结构优化来进一步改进资源管理。
（2）规模效应对水足迹和能源足迹具有普遍的扩张性影响，在冰雪资源丰富的地区这种增长压力尤为显著。这表明滑雪旅游业的规模扩张（例如游客数量的增长、设施规模的扩大）是水足迹和能源足迹增加的核心驱动力，证实了需求对消费的放大效应（Smit和De Bruyn，2022年）。在这些省份中，新疆、黑龙江和吉林的规模效应最为强烈，这与这三个传统冰雪资源丰富的省份的游客集聚效应直接相关。相比之下，南方新兴目的地如福建和重庆的效应较弱。因此，在可持续的水资源和能源管理策略中，必须优先考虑规模因素的影响。
（3）技术效应有助于减轻水足迹和能源足迹。技术效应对水足迹的所有效应值均为负数，反映了提高资源利用效率的积极作用。然而，缓解幅度在地区间存在差异：新疆、吉林和内蒙古表现出强烈的技术效应，而青海、上海和天津的效果较弱，表明技术升级滞后。值得注意的是，在南部和中部地区的九个新兴滑雪目的地（海南、上海、安徽、福建、湖南、重庆、贵州和陕西），技术效应是抑制水足迹增长的主要驱动力，其效应超过了需求结构优化的效果。技术效应也有助于减轻能源足迹（所有效应值均为负数），展示了节能技术应用的积极作用。新疆（-15.549 × 10^4吨标准煤）、吉林（-11.302 × 10^4吨标准煤）、河北（-8.798 × 10^4吨标准煤）和黑龙江（-6.457 × 10^4吨标准煤）表现出强大的技术效应，而海南（-0.211 × 10^4吨标准煤）和青海（-0.484 × 10^4吨标准煤）的效果较弱，表明这些地区的减排潜力尚未得到充分挖掘。对于能源足迹，海南、上海、广东和贵州的技术抑制效应超过了结构效应。现有研究证实，技术干预可以有效减少水足迹和能源足迹（Xu等人，2023年），从而促进滑雪旅游业的低碳发展。通过技术进步推进水资源循环利用已成为可持续管理该行业资源能力的最有效策略（Gerbaux等人，2020年）。减少滑雪场碳排放和探索绿色、低碳和循环可持续发展的模式已成为滑雪旅游业应对全球变暖的关键策略（Fei等人，2023年）。这些努力对于促进滑雪旅游业的结构优化至关重要。

3.3.2. W-E-E足迹的外部驱动因素差异
基于STIRPAT模型，本研究从发展条件、自然条件和政策支持三个维度分析了滑雪旅游目的地的水足迹和能源足迹的外部驱动因素。首先，对指标进行了相关性测试和多重共线性诊断，以筛选出独立且有效的解释变量。根据统计显著性，选择了六个关键独立变量（具体过程详见补充材料）。为了解决变量多重共线性的问题，在损失函数中加入了正则化项，实施了岭回归方法。这种方法在保持变量完整性的同时稳定了回归系数。岭回归测试结果显示，这三个模型整体上具有统计学意义，解释能力较强（见表4、表5、表6）。
水足迹的岭回归方程如下：
(22)‐‐‐‐lnWaterfootprint=‐6.394+0.160?lnNSR+0.425?lnTMH‐0.348?lnAAMT‐0.304?lnLTD‐0.172?lnDEM+0.866?lnProp.LFE_CSM
(23)‐‐‐lnEnergyfootprint=‐0.154+0.474?lnNSR+0.050?lnTMH‐0.118?lnAAMT+0.106?lnLTD‐0.140?lnDEM+0.864?lnProp.LFE_CSM
(24)‐‐lnEconomicfootprint=‐2.481+0.444?lnNSR+0.197?lnTMH+0.002?lnAAMT+0.667?lnLTD‐0.269?lnDEM+1.431?lnProp.LFE_CSM

表4. 水足迹的岭回归结果

表5. 能源足迹的岭回归结果

表6. 经济足迹的岭回归结果

综合岭回归结果表明，W-E-E足迹的驱动因素具有共同的逻辑，但由于资源属性和行业 segment 的差异而表现出显著的不同。在共性层面，政策支持和发展条件是主要的积极驱动因素，而地形是一个重要的负面区域因素。Ln Prop. LFE_CSM 对所有三个足迹都显示出显著的正面效应（水：B = 0.866；能源：B = 0.884；经济：B = 1.431），反映了政策倾向（例如，利用冬奥会遗产、政府的特殊财政支持）。值得注意的是，其对经济足迹的拉动作用明显强于对水足迹和能源足迹的作用。在中国滑雪旅游业的强劲市场需求和政府支持下，该行业正在迅速发展（Li等人，2025年）。滑雪场数量的增加对所有三个足迹都有显著的正面拉动作用，表明度假村扩张通过投资和消费链增加了经济足迹，并提高了资源消耗（Deng等人，2019年），强调了产业规模扩张是经济增长和资源消耗的共同核心驱动因素。LnDEM 显示出显著的负面效应（水：B = -0.172；能源：B = -0.140；经济：B = -0.269），表明地形复杂性抑制了所有三个足迹的增长。

在差异因素中，水足迹受到气候和交通条件的主导。系数结果显示，LnAAMT增加1%会使水足迹减少0.348%。LnTMH对水足迹有正面拉动作用，增加1%会导致水足迹上升0.425%，表明道路网络的扩展提高了交通可达性，进而增加了游客数量，从而增加了水足迹。能源足迹主要由滑雪场的扩张（LnNSR，B = 0.474）和政策效应（LnProp. LFE_CSM，B = 0.884）驱动。经济足迹则主要由滑雪场数量（LnNSR，B = 0.444）、政策效应（LnProp. LFE_CSM，B = 1.431）和气候条件（LnLTD，B = 0.667，p = 0.020）积极且显著地驱动。在非显著因素中，LnLTD（B = -0.304，p = 0.263）对水足迹的影响较弱。LnTMH、LnAAMT 和 LnLTD 对能源足迹的影响也较弱，而 LnTMH 和 LnAAMT 对经济足迹的影响则更弱。这些发现进一步突显了每个足迹驱动逻辑的独特性。

这些结果为W-E-E-N（水-能源-经济足迹）的协同治理提供了基础，强调了平衡统一监管和差异化政策的必要性。它们强调了在政策制定中平衡经济发展和气候约束的重要性，避免单一维度管理导致的系统性不平衡，并促进了滑雪旅游业的可持续发展（Xu等人，2023年）。

4. 讨论
4.1. 与以往研究的创新性和重要性
本研究为理解中国滑雪旅游业的水-能源-经济足迹（W-E-E-N）做出了创新性贡献，提供了新的理论见解、方法创新和实证证据，挑战了关于该行业资源环境压力的传统假设。通过整合多源数据、空间分析和解构建模，该研究在三个关键方面推动了领域的发展：首先，它阐明了经济-资源关系的解耦动态和复杂的区域差异；其次，揭示了足迹驱动因素从内部供应链向外部供应链的结构转变；第三，它建立了一个全面框架，用于解析水足迹、能源足迹和经济足迹的内部和外部驱动因素。这些发现重新定义了对水密集型和能源密集型旅游业影响的社会评估，强调了区域间联系和供应链发展的重要性。核心发现将在下文中详细阐述。

当前的科学共识认为，滑雪旅游业的扩张加强了经济活动与资源消耗之间的联系，给实现可持续发展目标带来了挑战。因此，滑雪旅游业可以被视为W-E-E-N研究的关键领域。然而，现有的实证研究主要依赖于微观层面的滑雪旅游目的地数据，这在宏观层面的W-E-E足迹定量评估及其驱动机制分析方面留下了重要空白，特别是对于中国这样一个滑雪旅游业快速发展的市场。本研究构建了一个W-E-E-N分析框架，平衡了区域公平性和产业可持续性，建立了一个“实证验证-机制探索-策略优化”的闭环，以加深对新兴旅游行业中W-E-E-N的理解。

在方法论上，本研究构建了一个适用于滑雪旅游业的EE-MRIO模型。通过区分短链和长链增长极点，它揭示了W-E-E足迹“沿沪昆线向南扩展”的时空演变特征，解决了以往单个地区足迹研究中的空白。研究证实，滑雪旅游业是跨区域经济互联性的催化剂，这与现有研究结果一致（Jin等人，2020年）。然而，必须指出，跨区域资源转移加剧了中国西北地区的资源压力，这凸显了建立公平资源分配机制的紧迫性。

在分析W-E-E足迹的解耦关系时，本研究发现，总体而言，中国滑雪旅游业资源足迹的下降速度超过了其经济足迹的增长速度。与发达国家的研究结果相比，韩国和欧洲阿尔卑斯山的滑雪度假区在实现弱耦合甚至强耦合方面取得了显著进展。例如，韩国的 Oak Valley滑雪度假区在2010年进入了弱耦合阶段（Sung等人，2015年）。成熟的阿尔卑斯山度假区通过推广电动班车、100%可再生能源供应和游客碳补偿机制实现了弱耦合（部分地区甚至接近强耦合）（G?ssling和Lund-Durlacher，2021年）。相比之下，由于依赖长距离自驾游客，北美洲落基山脉的滑雪区仍处于强耦合阶段（Scott等人，2020年）。我们的研究发现表明，中国的滑雪旅游业在水足迹方面主要表现出强耦合，在能源足迹方面则表现出弱耦合，这揭示了发展中国家滑雪旅游市场的独特特征。通过整合SDA和STIRPAT模型，本研究进一步分析了水-能源-环境足迹的内部和外部驱动因素。与Warren和Becken（2017年）的研究一致，结果强调了工业经济结构转型和消费模式对资源消耗的显著影响，突出了结构调整对可持续发展的必要性。本研究强调，水资源-能源-环境协同治理的政策制定应平衡经济发展目标与气候约束，同时考虑目的地和资源来源地区的特点，以避免单一管理方法导致的系统失衡。

4.2. 中国滑雪旅游业的用水和能源管理策略
中国的滑雪旅游业面临着平衡滑雪者的休闲需求、行业的商业利益和环境保护责任的压力。基于实证研究，我们提出了几种关键方法，为致力于可持续管理的国家和地区提供指导和见解。本研究整合了中国滑雪旅游业的水-能源-环境足迹的规模、传输特征以及内部和外部驱动因素，与可持续发展目标6（SDG 6：清洁水和卫生）和目标7（SDG 7：负担得起和清洁的能源）保持一致，并为中国政府及各地区利益相关者提出了四方面的技术驱动转型策略和政策建议：政策指导、技术导向、市场调整和区域合作（图9）。

图9. 中国滑雪旅游业的合作性水资源、能源和经济发展策略。
滑雪旅游业的可持续发展需要政策指导，以根据耦合程度和功能分区实施差异化的治理。根据中国滑雪旅游业水-能源-环境足迹分解指数的区域分布和特点，至关重要的是巩固强耦合的优势，促进从弱耦合的过渡，并打破衰退耦合的循环。应针对不同类别制定差异化策略，以实现水-能源-环境-自然资源系统的系统协调。对于强耦合地区（如北京、吉林），这些地区已经实现了低消耗和高产出的良性协同效应，应进一步加强优势。利用经济和交通优势，这些地区应扩大节水技术（如智能造雪、雨水回收）和能源回收系统的应用，开发冰雪设备和高端服务的研究与开发，并避免无控制的规模扩张，以保持其强耦合优势。对于弱耦合地区（水资源丰富的新兴南部和西部地区），这些地区正处于资源足迹与滑雪旅游业同步增长的产业培育阶段，必须遏制滑雪度假区数量的无序增长。应优先推广节水技术和节能设备，发展综合滑雪生态旅游模式，以减少单位产出的水资源消耗，并建立能源消耗预警机制，防止过度开发。对于耦合度下降的地区（经济和资源足迹均呈负增长的北部和西部地区，资源下降更为严重），应通过探索新的商业模式（如室内滑雪、冰上娱乐）来重振产业活力，以应对竞争。这些地区应利用能源结构调整的成果来减少运营能源消耗，通过区域游客共享激活市场，避免因资源治理过度收缩而导致的经济衰退。对于水耦合度强但能源耦合度弱的地区，应加速能源转型以解决不足问题。这包括推广清洁能源（如光伏发电）、逐步淘汰传统造雪设备，并采用欧洲阿尔卑斯山的100%可再生能源和碳补偿模式来提高能源效率，同时巩固水资源优势，如雨水收集技术。

促进技术创新和应用是关键路径。对于技术驱动效应较弱的滑雪旅游目的地（如青海、上海、天津），增加技术升级的投资对于释放减排潜力至关重要。在南部和中部地区的新兴滑雪目的地，如上海和广东，需要加快节能技术的普及。优化资源系统的效率需要在约束条件下最大化整体系统能源效率，包括平衡供需、管网压力和排放标准；例如，ASPSIOA算法为优化此类复杂互联系统提供了新的见解（Wang等人，2026年）。为缓解滑雪度假区运营成本的持续上升，政府应通过补贴和税收优惠等措施促进滑雪旅游业采用清洁能源和节能技术。还应提出具体管理措施来改善滑雪度假区的水环境（K?enová等人，2020年），并严格执行节水标准（Xu等人，2023年）。现代能源系统的进步标志着区域可持续发展能力的重要突破（J. X. Sun等人，2021年）。推广节水和技术低碳技术是提高资源承载能力、游客满意度和滑雪产业生态平衡的关键策略（Spandre等人，2019年），特别是优化造雪技术的能源效率至关重要（Rixen等人，2011年）。这些技术应用将为滑雪旅游业的可持续发展奠定基础。

市场调整对于引导绿色消费和产业升级至关重要。研究表明，中国的滑雪旅游业形成了“东消西耗”的水-能源-环境足迹跨区域传输模式，加剧了资源禀赋与消费需求之间的空间不匹配。生产效率和消费模式显著影响资源消耗和环境影响（Feng等人，2011年）。产业政策的实施影响着目的地的发展模式；因此，必须遵循本地资源适用性原则，以提高可持续竞争力（Kang等人，2014年）。考虑到外部因素（如气候）对水足迹和能源足迹的积极促进作用，需要警惕气候冲击。在全球气候变化和中国“双碳”目标（碳达峰和碳中和）的双重制约下，中国滑雪度假场的平均滑雪季长度可能会显著缩短，而对人工造雪的需求可能会大幅增加，这对户外滑雪度假场构成生存威胁（Fang等人，2020年）。这些挑战迫使产业进行绿色和低碳转型。可持续旅游整合了休闲娱乐、创业经济机会和环境保护；然而，在气候变化和预计降雪量减少的情况下，山地旅游迫切需要采取气候行动（Colasante等人，2024年）。值得注意的是，对于中国南部处于发展初期且需求规模效应较弱的新兴滑雪旅游目的地，需要适度引导有序的增长，优先通过产品差异化提高资源效率，并引导绿色消费，避免盲目扩张。此外，建立跨区域协同发展机制对于实现水-能源-环境的协同发展至关重要。协同治理策略应明确区分和连接资源供应区和经济消费区。政府需要在宏观规划层面战略性地规划滑雪旅游业的发展（Lin和Tongyu，2024年）。这需要制定强有力的政策，加强利益相关者的参与，并确保透明的决策过程，以优化资源管理和保证经济可行性（Jibat等人，2024年）。对于内部足迹占比高的北部传统目的地（如河北、吉林），应整合当地产业链，同时通过技术改造（如节水造雪、智能能源管理）持续降低内部资源环境强度。此外，还应与主要资源来源省份探索基于足迹转移的横向生态补偿机制。对于以外部足迹为主的南部新兴市场和高收入资源来源地区（如上海、广东），政策重点应转向消费端责任。这包括建立滑雪旅游产品的生命周期足迹核算和信息披露系统，引导市场需求向低足迹选项倾斜，并鼓励资源供应区的绿色投资，以减轻“资源诅咒”和跨区域资源压力。在国家层面，应建立水-能源-环境足迹的跨区域核算和生态补偿机制，将资源环境成本内部化。应通过市场机制（如财政转移和碳权交易）向资源净流入地区提供针对性补偿。应在全国范围内实施水-能源-环境足迹的全链核算、监测和责任分担机制，以推进具有“有价值的资源、损害责任和利益补偿”特征的跨区域协同治理新模式，从而实现国家层面的滑雪旅游业的平衡和可持续发展。

在区域层面，应促进“资源-目的地”的对应合作。经济净流入量高的东部省份应被引导投资绿色技术和资本到北部资源供应省份，支持节水造雪和可再生能源供暖，以降低当地资源消耗强度。在工业层面，需要制定差异化政策：对于资源压力大的地区（如中国西北部），应设定基于生态承载能力的滑雪旅游业发展红线和强度标准；对于高消费资源来源地区（如中国东部），应实施绿色滑雪消费信贷和碳包容系统，引导需求向附近的低碳目的地转移。跨流域合作应平衡利益相关者的需求，促进水资源保护和节约（Pahl-Wostl等人，2012年）。应推动东部和西部地区在能源技术和设备制造方面的协同创新和利用，以确保中国东部滑雪旅游业的能源供应。滑雪旅游目的地和资源来源地区应建立补偿机制，加强信息共享，并共同制定行业计划，以平衡游客流量并防止资源枯竭。最终，通过政策-市场-技术-区域的协同作用，滑雪旅游业将从跨区域资源消耗转移模式转变为区域效率提升的协同模式，从而实现整个产业链的可持续发展。本研究提供了由滑雪旅游业扩展驱动的水和能源责任跨区域传输的宏观实证证据，为协调可持续发展目标6和可持续发展目标7提供了关键支持。

5. 结论
当前的科学共识认为，滑雪旅游业的扩张加剧了经济活动与水资源和能源资源利用之间的相互作用，给实现可持续发展目标带来了挑战。从确保滑雪旅游业可持续发展的角度来看，本研究分析了滑雪旅游业内部水、能源和经济之间的相互关系。作为首项在区域市场层面进行的此类研究，它为滑雪旅游业的可持续性提供了新的见解。研究结果强调了经济发展与资源利用之间动态平衡的必要性，从而指明了提高中国滑雪旅游业国际竞争力的途径。核心发现将在下文中详细说明。

本研究对中国滑雪旅游业供应链中的水-能源-环境足迹提供了若干关键见解。最初，2015年至2023年间，中国滑雪旅游业的经济足迹增长了3.24%。实证数据验证了产业链扩张在滑雪旅游业的涟漪效应，表明该行业的经济产出乘数从2015年的2.23增加到2023年的2.60。空间分布从以“北方为中心、南方边缘化”的单极模式转变为沿胡焕永线向南扩展的多极模式。北部和南部地区存在显著差异，北部在规模上领先，南部表现出更高的效率。核心发现在于识别和量化了中国滑雪旅游业发展中不同的耦合模式及其空间异质性。总体而言，中国滑雪旅游业中经济增长与资源消耗之间存在明显的脱钩现象。总体而言，中国的滑雪旅游中经济增长与资源消耗之间的脱钩现象显而易见：水足迹表现出强烈的脱钩，而能源足迹则显示出较弱的脱钩，这是滑雪旅游可持续性研究中之前被忽略的细微区别。本研究进一步通过实证验证了W-E-E足迹的结构反转特征，即“内部比例的收缩和外部比例的扩大”，挑战了传统的资源利用叙事框架。具体来说，供应链驱动的外部水足迹和能源足迹占总增长的50%以上。新兴的南方目的地对外部水足迹和能源足迹的依赖度超过90%，而北方省份的内部足迹比例显著减少。这反驳了“旅游影响仅限于本地”的假设，表明区域间动态和产业链对当地资源压力起着主导作用。

此外，该研究识别并探讨了非对称的水-能交换机制。经济足迹反映了消费中心的迁移和角色转型，但必须警惕这一机制在滑雪旅游目的地带来的不可持续性挑战。中国滑雪旅游的经济足迹正在摆脱地理邻近性的限制，核心流入区域从华东转向华北，而水和能源足迹的输出中心则向南转移，形成了“东部输出、西部和华北流入”的模式。西北地区作为一个水资源稀缺的地区，始终承担着大约30%的外部水足迹流入，加剧了区域资源不平衡，凸显了跨区域合作以优化资源配置的紧迫性。这种现象在中国干旱地区（如新疆）尤为明显。这种水足迹转移模式表明水资源利用效率低下，导致了资源竞争和环境压力（Cao等人，2023年）。研究发现，能源足迹呈现向南转移的趋势，这主要是由于华东是主要的能源输出地区，而高能源流入集中在华北（Gossling等人，2012年）。因此，必须警惕与经济驱动的滑雪旅游相关的资源足迹的时空转移对水资源稀缺地区当地系统可持续性的潜在威胁。

此外，研究发现需求规模的增长是水足迹和能源足迹增加的主要内部驱动因素，资源丰富的地区面临尤为突出的压力。需求结构效应和技术效应都起着抑制作用：前者对减少资源足迹有显著影响，而后者的缓解效果有限。滑雪旅游中的水足迹、能源足迹和经济足迹的外部驱动因素既有共性也有差异。其中，政策支持和滑雪度假村数量的增加是共同的积极因素，而地理海拔则具有显著的负面抑制作用。具体来说，水足迹受交通便利性和气候影响；能源足迹受滑雪度假村数量主导；经济足迹受滑雪度假村数量、极低温度和政策的双重影响。这些发现为协同治理中制定通用法规和差异化政策提供了关键基础。上述见解为协调区域统一监管与差异化政策提供了可行的指导，最终推动了与可持续发展目标（SDGs）相一致的协同滑雪旅游及其他类似产业的治理进程。

由于研究方法和数据可用性的限制，本研究存在以下局限性和未来的探索方向：(1) 对滑雪旅游及其产业链的研究分类仍有待深入。未来的研究应整合多学科方法（经济学、地理学、自然资源科学等），明确产业链发展的理论基础和路径，构建更为系统的分类框架。(2) 数据时效性和模型假设的局限性。本研究使用了2015年和2020年的MRIO数据，由于MRIO表固有的时间滞后，无法完全捕捉技术和产业调整的变化，这是足迹核算中估计偏差的主要来源。2023年W-E-E足迹的估计基于2020年MRIO结构的推断，假设短期经济结构保持不变（即2023年的行业间和区域间联系与基准年2020年一致）。为了评估这一假设的敏感性，我们参考Sun Y等人（2024年）的研究，使用2017年CEADs发布的MRIO数据重新计算了2023年的W-E-E足迹。通过皮尔逊相关系数（Pearson Correlation Coefficient）量化变量之间的线性相关性，并验证不同方法/样本结果的一致性（Yu等人，2023年；Ren等人，2024年），结果显示两组2023年滑雪旅游W-E-E足迹数据之间的相关性系数r > 0.7（DBA账户：水足迹r = 0.9566，t = 17.37，p < 0.0001；能源足迹r = 0.9262，t = 13.00，p < 0.0001；经济足迹r = 0.9908，t = 38.86，p < 0.0001；RBA账户：水足迹r = 0.7991，t = 7.03，p < 0.0001；能源足迹r = 0.8729，t = 9.47，p < 0.0001；经济足迹r = 0.9087，t = 11.52，p < 0.0001），表明数据一致性较高。同时，基于2017年和2020年MRIO表计算的2023年滑雪旅游经济乘数结果没有系统偏差，表明2020-2023年间滑雪旅游产业链的连接结构保持稳定。这些发现表明，投入-产出表中的短期结构差异对滑雪旅游的输出估计影响不大，静态结构假设不会显著影响定量结论。未来的工作将跟踪最新的MRIO表以减少时间滞后和测量误差。(2) 各省份在滑雪旅游的产业结构和供应链整合方面存在显著异质性。尽管2020年的MRIO表通过引入进口采购系数（IPC）和引力模型（J. Li等人，2026年）部分纠正了区域贸易流差异，但仍保留了不同行业的区域分布差异。然而，基于行业比例对滑雪旅游的“相关行业识别”和“产出剥离”未能反映不同地区和行业内滑雪旅游行业的分布差异，这可能会在区域W-E-E足迹测量中引入偏差。未来的工作将收集滑雪旅游子行业的年度统计数据和实地调查数据，引入空间异质性参数，获取不同地区内滑雪相关业务的产值比例，更准确地捕捉资源的空间非均衡性。(3) 本研究假设滑雪游客和非游客的消费结构相似，但实际上滑雪游客在装备、培训、长途交通和住宿上的支出显著更高，可能导致运输、住宿和餐饮、文化体育娱乐及装备制造等相关行业的“水-能”足迹被低估。未来的研究将通过细化游客消费结构Segmentation和整合大数据来追踪个体消费轨迹，为滑雪旅游建立专门的卫星账户，克服现有假设的局限性，提高足迹核算的精度。(4) 在空间识别足迹流动方面，基于2017年MRIO表的W-E-E足迹的空间转移特征与基于2020年MRIO表的结果相似，表明MRIO结构在短期内具有稳定性，为2023年结果的推断提供了实证支持。然而，本研究假设资源消耗与各行业的总产值成比例分配，尽管这在宏观尺度上便于量化资源流动，但未能完全捕捉滑雪旅游特定资源投入的空间非均衡性，这可能是由于地理位置偏好、产业集聚特征和运输成本差异造成的。未来的研究需要分析地理和资源禀赋差异对经济和环境足迹的影响，并采用空间计量模型进行评估。(5) 目前文献缺乏从全球贸易视角研究中国滑雪旅游的视角，特别是其W-E-E足迹的时空动态。未来的研究应建立符合联合国世界旅游组织（UNWTO）标准的滑雪旅游卫星账户（TSA）系统，利用MRIO表和跨省旅游流动数据，将中国滑雪产业MRIO表与全球投入-产出表结合，分析全球贸易下的W-E-E足迹。(6) 滑雪旅游对全球变暖的脆弱性增加。未来的研究可以构建SSP-RCP多情景耦合分析框架，模拟和预测不同气候情景下滑雪旅游中“水-能”与经济之间脱钩状态的动态响应和长期演变趋势，为滑雪旅游业的可持续发展提供指导。

### 著者贡献声明
龚荣荣：撰写——初稿、方法论、概念化
夏冰：撰写——审阅与编辑、可视化、资金筹集、形式分析
李宇：撰写——初稿、项目管理、资金筹集
史东辉：撰写——审阅与编辑、撰写——初稿、资金筹集、形式分析
李泽宏：撰写——审阅与编辑、撰写——初稿、资金筹集、形式分析
王梓轩：数据管理
张静：数据管理
杨文：数据管理
李俊杰：可视化
甄薇娜：数据管理