日益发达的互通互联技术和逐步增强的全球融合意识为世界国际旅游业的发展培育了肥沃的土壤,在过去的几十年里,各国政府积极运用现代化旅游业作为解决经济增长和社会就业问题的万能良药。其中,入境旅游业作为一种当地经济体以外的外部动力源泉,越来越引起了人们的注意。但不论是旅游业本身的集群化发展趋势,还是国际游客流动所带来的多方复杂性,都给入境旅游业的生态影响评估带来了一定的困难。因此如何最大化地发挥旅游业中入境旅游业这一外来驱动力的正向作用,同时最小化地降低其对旅游目的地生态环境系统所带来的“额外压力”,是全球低碳化发展框架下各国政府不得不关注和思考的重要命题。在2021年2月最新发布的国务院指导意见中,我国已经计划开始建设绿色低碳循环发展的全链条,这说明在我国新时代的高质量发展中,包括入境旅游业在内的整个服务行业都迎来了绿色转型的机遇与挑战。鉴于我国各省份的综合发展水平存在着较大的差异性,其入境旅游业的现状和趋势也截然不同,为了寻求全国入境旅游业的“最优低碳解”,需要对各省级地区先进行个性化的分析。本文以2005-2014年的相关数据作为研究样本,首先运用Kaya公式对我国31个省级行政区的入境旅游业碳排放量进行了测算,研究结果表明:从排放体量来看,我国入境旅游业的二氧化碳呈现出了“沿海高,内陆低”的空间分布特点;但从排放趋势来看,与地理位置关系不大。其次,本文在STIRPAT模型的框架指导下,将可能影响入境旅游业碳排放的驱动因素分为了社会人口、经济财富、能源技术以及政策结构四个方面,并通过灰色关联度分析法探究了这些影响因素的作用大小。实证结果显示:社会人口、能源技术、产业结构和旅游外汇收入都将显著地影响我国各省份入境旅游业的碳排放量,但环境政策只对包括北京、天津、吉林等在内的11个省份有效,而当地的经济发展水平则并不能明显驱动我国31个省份的碳排放量。最后,本文利用广义回归神经网络对我国各省级行政区入境旅游业的碳排放和驱动因素之间的关系进行了非线性拟合,并且利用情景分析法预设了三种不同的未来情况,通过已经训练好的神经网络分别进行了预测,结果表明不同省份应该选择的最优路径是不同的,而这个选择与地理位置分布和经济发展规模均没有较为明显的直接关系。本文在理论上将人工神经网络的分析方法运用到了碳排放量的研究中,通过构建跨学科的理论分析框架,拓宽经济问题实证分析的数理化工具,实现了多学科、多理论的深入融合运用;在实践上为我国政府从宏观上把握各地区旅游业低碳化发展的情况特征提供了科学性的量化参考,并且为我国旅游业未来发展路径的选择提供了合理性依据。因此不论是在理论研究还是在现实实践中本文都具有一定的研究意义。