我國主要旅游城市景區(qū)空間結構特征對其旅游發(fā)展的影響

摘要：收集2021年有關數據，利用ArcGIS空間分析法、景區(qū)空間分布形態(tài)指數、地理集中指數等方法，分析我國主要旅游城市的景區(qū)空間結構特征和類型，并揭示城市的景區(qū)空間結構特征對其旅游發(fā)展的影響，結果發(fā)現：①從景區(qū)分布形態(tài)、吸引力強度和集中程度三個維度綜合分析60個城市的景區(qū)空間結構類型，可以將其分為5大類、32種，與基于平均最近鄰判斷的景區(qū)空間分布類型明顯不同。②在控制其他因素的影響下，發(fā)現城市的景區(qū)空間結構特征對其旅游發(fā)展產生了顯著影響，且對旅游總收入和旅游總人次的影響存在差異。③城市的景區(qū)空間結構各維度特征對其旅游發(fā)展的影響方向、強度也存在差異。城市的景區(qū)分布越集中，越不利于旅游發(fā)展；單位面積內景區(qū)吸引力越強，越有利于旅游發(fā)展；而景區(qū)分布形態(tài)的影響不顯著。造成這一現象的原因有：城市主要是低品級景區(qū)集中，且同一片區(qū)旅游資源同質性較強，景區(qū)間易發(fā)生惡性競爭，以及疫情背景下游客的風險感知強等。

關鍵詞：旅游城市；景區(qū)；空間結構；旅游發(fā)展；ArcGIS空間分析法

中圖分類號：F590.3 文獻標志碼：A 文章編號：1001-2443（2024）05-0448-09

旅游資源稟賦尤其是高級別景區(qū)（5A景區(qū)）能顯著推動城市旅游發(fā)展，是吸引游客和發(fā)展旅游業(yè)的物質基礎［1-2］，是影響城市旅游發(fā)展水平和差異的核心因素之一［3-4］，也是學術界一直探討的研究對象。國內研究旅游資源空間分布狀況的成果頗豐，研究內容主要集中在旅游資源空間分布特征、發(fā)展模式及其形成的影響因素、存在的問題及優(yōu)化建議等方面，如特色旅游名村名鎮(zhèn)、非物質文化遺產旅游資源和A級旅游資源等的空間分布特征［5-7］。案例地包括全國、某群落或某省、市和縣等。研究方法多樣，涉及最鄰近指數、Ripley's K函數、核密度估算法、地理集中指數、不平衡指數、洛倫茲曲線、基尼系數、空間拓撲指數（β指數、γ指數、α指數）、地理探測器和問卷調查法等，并實現了多種分析方法的綜合運用［8-12］。國外近年則多從游客角度出發(fā)，圍繞旅游資源研究的主題有旅游資源分類、效率、可達性、停留時間及其影響因素［13-17］。但旅游景區(qū)空間結構特征對其旅游發(fā)展的影響研究較為薄弱，且以定性分析為主。旅游資源是旅游業(yè)的重要載體，也是旅游業(yè)得以持續(xù)發(fā)展的重要依托，其“生產能力”不僅動態(tài)關聯旅游產業(yè)的綜合收益程度，更能體現旅游經濟發(fā)展的效率水平［18-19］。因此，研究旅游資源的類型和分布等特征，對把握區(qū)域旅游業(yè)的開發(fā)方向，帶動地區(qū)經濟發(fā)展等具有重要意義［20］。比如李玲認為鄉(xiāng)村旅游資源空間結構優(yōu)化有助于改善我國鄉(xiāng)村旅游產業(yè)整體結構，促進鄉(xiāng)村旅游產業(yè)沿著科學、健康、有序的軌道發(fā)展［21］。一些學者定量分析了除旅游資源豐度外，其他因素可能對其旅游發(fā)展產生了一定影響。比如李連璞推測存在區(qū)位差異等擾動要素使得理想的“資源—游客數量—收入”之間正相關的函數關系變形甚至扭曲［22］。另一些學者則探討了景區(qū)空間集聚、重復建設等特征可能對其旅游發(fā)展產生一定影響。比如葉紅、蘇建軍等人認為旅游資源數量與質量的集聚并不一定能帶來同等水平的旅游發(fā)展集聚，存在其他因素的影響［23-24］。貢保南杰、劉卿文等、李顯正等、方世敏等認為景區(qū)（店鋪）重復建設、競爭無序等諸多原因嚴重制約了整體旅游目的地的形成和區(qū)域旅游的可持續(xù)發(fā)展［25-28］。因此，目的地的旅游景區(qū)空間結構可能對其旅游發(fā)展產生一定影響。

有鑒于此，本文選擇《中國旅游統(tǒng)計年鑒（2013—2018年）》統(tǒng)計的60個主要城市為案例地，收集2021年60個城市相關數據，利用ArcGIS空間分析法、景區(qū)空間分布形態(tài)指數、吸引力模型、地理集中指數等方法，從景區(qū)分布類型、分布形態(tài)、吸引力強度和集中程度四個維度綜合分析我國主要旅游城市的景區(qū)空間結構特征，并揭示景區(qū)空間結構特征對旅游發(fā)展的影響，旨在為制定目的地旅游發(fā)展規(guī)劃，實現旅游高質量發(fā)展提供理論依據。首先，旅游景區(qū)空間結構對旅游發(fā)展的影響研究很少，且主要從理論上定性分析旅游資源空間結構對旅游發(fā)展的影響，并未實證檢驗和分析這種影響的存在和大小，本文采用定量分析方法，彌補了該研究不足；其次，本文在研究對象上更加廣泛，將范圍拓寬至全國重點文物保護單位、國家風景名勝區(qū)、世界自然與文化遺產、全國紅色旅游經典景區(qū)、國家森林公園、國家自然保護區(qū)；再次，本文在研究指標上更全面，聚焦景區(qū)空間結構特征，從景區(qū)分布類型、分布形態(tài)、吸引力強度和集中程度四個方面系統(tǒng)地探討旅游景區(qū)空間結構對城市旅游發(fā)展的影響；最后，本文在數據上分辨率更高，利用漁網工具，精細地探討單位面積的景區(qū)吸引力差異。

1 數據來源與研究方法

1.1 數據來源

由于2019年以后，《中國旅游統(tǒng)計年鑒》改版為《中國文化和旅游年鑒》，并未統(tǒng)計主要城市的官方數據，因此本文根據《中國旅游統(tǒng)計年鑒（2013—2018年）》中關于我國主要城市的官方統(tǒng)計數據選取60個城市，并根據國家標準化管理委員會頒布的《旅游資源分類、調查與評價》（GB/T18972—2017）及前人的相關研究，選取的研究對象包括60個主要旅游城市2021年度公布的全國重點文物保護單位、國家風景名勝區(qū)、世界自然與文化遺產、全國紅色旅游經典景區(qū)、國家森林公園、國家自然保護區(qū)和A級景區(qū)（不含1A景區(qū)）。由于個別全國重點文物保護單位、國家風景名勝區(qū)、世界自然與文化遺產、全國紅色旅游經典景區(qū)是以多個景區(qū)（點）為整體申報，故逐個查詢各景區(qū)（點），并考慮百度拾取坐標系統(tǒng)的收錄情況，最終篩選出5565處旅游景區(qū)作為本文的研究對象，用于反映各城市的景區(qū)空間結構。各景區(qū)的經緯度坐標通過百度坐標拾取器獲得，通過將該坐標轉為GCS_WGS_1984坐標后導入ArcGIS軟件，最終得到所需的景區(qū)空間點位數據。全國重點文物保護單位、國家風景名勝區(qū)、世界自然與文化遺產、全國紅色旅游經典景區(qū)數據從中華人民共和國中央人民政府門戶網站獲得，國家森林公園和國家自然保護區(qū)數據從國家林業(yè)與草原局網站獲得，A級景區(qū)從國家文化與旅游部以及各市文化與旅游廳網站獲得。

本文的解釋變量x——景區(qū)空間結構特征，包括分布類型、分布形態(tài)、吸引力強度和集中程度。其中，城市的景區(qū)空間分布類型采用最鄰近指數NNI作為代理指標，景區(qū)空間分布形態(tài)采用指數shape作為代理指標；景區(qū)吸引力強度采用平均吸引力密度作為代理指標，景區(qū)集中程度采用地理集中指數作為代理指標。以上數據基于相關公式，通過ArcGIS軟件計算獲得。被解釋變量y——城市的旅游發(fā)展，分別采用城市的旅游總收入（億元）、旅游總人次（億人次）作為代理指標，數據來源于各城市國民經濟與社會發(fā)展統(tǒng)計公報（2021年）。同時，根據以往研究［2，29］，選擇城市的經濟發(fā)展水平、交通基礎條件、對外開放水平、政府支持、旅游業(yè)接待能力和COVID-19沖擊作為控制變量。其中，以人均GDP（元）反映經濟發(fā)展水平，以市級公路客運量（萬人）反映交通基礎條件，以利用外資總額占GDP比重（%）反映對外開放程度，以地方財政支出占GDP比重（%）反映政府支持，以第三產業(yè)從業(yè)人數（萬人）反映城市旅游業(yè)接待和服務能力，以2021年12月31日累計確診COVID-19人數（人）反映疫情沖擊?？刂谱兞康臄祿饕獊碓从诟鞒鞘姓W站、國民經濟與社會發(fā)展統(tǒng)計公報和《中國城市統(tǒng)計年鑒（2021年）》。個別缺失數據通過趨勢外推法獲得。

1.2 研究方法與分析指標

1.2.1 研究方法

（1）ArcGIS空間分析法 主要借助 ArcGIS10.2空間分析工具，運用最鄰近指數（NNI）、點距離與生成近鄰表等空間分析模型，對60個城市的景區(qū)空間結構特征進行測度分析。其中：NNI>1時，景區(qū)的空間分布類型趨于均勻分布；NNI=1時，景區(qū)為隨機分布；NNI<1時，景區(qū)為集聚分布。

（2）地理集中指數 為識別城市中不同區(qū)域的景區(qū)吸引力差異，利用ArcGIS軟件的漁網工具，按照同一尺碼長度（1km）分割城市，構建若干大小相等（1km2）的漁網。然后基于旅游景區(qū)吸引力模型，測算城市每個漁網中的景區(qū)吸引力。計算公式如下：

[Gm=100×i=1n（LiTm）2] （1）

式中：Gm表示城市m的地理集中指數；Li表示漁網i內旅游景區(qū)吸引力；Tm表示城市m的n個漁網內旅游景區(qū)總吸引力。G取值在0 ～100，G越接近100，說明該城市的旅游景區(qū)吸引力越集中。采用自然斷點法將其劃分成5類，“1G—5G”表示“非常分散到非常集中”。

（3）最小二乘法 最小二乘法是一種通過最小化殘差平方和尋找最佳擬合直線或曲線的方法。其中，殘差是指樣本數據點（觀測值）到擬合直線或曲線（擬合值）的距離，將其平方的目的是防止正負誤差抵消。本文選擇在控制變量的情況下，設置線性回歸模型，對城市景區(qū)空間結構特征數據和旅游發(fā)展數據進行擬合。

1.2.2 分析指標

（1）旅游景區(qū)空間分布形態(tài) 景區(qū)的空間分布形態(tài)shape［30］包括road、max和center三個指標。

road是一個城市中所有景區(qū)之間地表直線距離均值除以城市面積的平方根，這一指標表示城市內各景區(qū)之間的平均相互距離，在一定程度上反映游客的市內出游成本。具體如下：

[roadm=Rijaream] （2）

max是一個城市中所有景區(qū)間距中的最大值除以城市面積的平方根，這一指標代表城市內可能出現景區(qū)之間的最遠距離，或者存在遠離主城區(qū)的大片景區(qū)，在一定程度上突出城市具有“形態(tài)不規(guī)則”或“多中心”景區(qū)的幾何特征。具體如下：

[maxm=max（Rij）aream] （3）

center是城市內每個景區(qū)離城市幾何中心地表直線距離的均值除以城市面積的平方根。城市幾何中心位于與四周距離相等的位置，常用來指在某一方面占重要地位的區(qū)域。因此，游客經過城市幾何中心的概率、頻率往往高于本市其他區(qū)域，在一定程度上反映城市幾何中心與所有景區(qū)之間的通達性和游客的市內出游成本。具體如下：

[centerm=Rioaream] （4）

以上三式中，Rij表示城市m內任意兩個景區(qū)i和j之間的地表直線距離；Rio表示城市m內任意一個景區(qū)i和城市幾何中心o之間的地表直線距離。其中，由于平面圖形屬于平面薄片，密度分布均勻且不受外力，幾何中心和質心是重合的，因此可用城市平面圖形質心表征城市幾何中心，通過ArcGIS軟件的計算幾何工具獲得質心坐標；aream表示城市m的面積。各城市區(qū)域面積area（萬平方公里）、景區(qū)間距離、景區(qū)與城市幾何中心間距離均通過ArcGIS計算獲得。采用自然斷點法將上述三個分布形態(tài)指標劃分成5類，即“非常遠、比較遠、適中、比較近和非常近”；“非常弱、比較弱、一般、比較強和非常強”；“非常集中、比較集中、隨機、比較分散和非常分散”。通過對其加總后求均值，并向下取整得到景區(qū)空間分布形態(tài)（用“S”表示）。“1S～5S”表示“非常劣質、比較劣質、適中、比較良好和非常優(yōu)良”。

（2）旅游景區(qū)吸引力強度 旅游資源分布一般呈現高等級數量少、低等級數量多的現象。若不考慮景區(qū)等級分析城市的景區(qū)空間結構會有失偏頗。因此，本文借鑒劉聰等人基于網絡關注度測度的權重［31］，建立如下模型：

[Lm=2.49X1+5.79X2+10.00X3+4.51X4+2.99X5+3.84X6+9.25X7+3.55X8+1.67X9+1.44X10] （5）

式中：Lm表示城市m的景區(qū)總吸引力；X1、X2、X3、X4、X5、X6、X7、X8、X9、X10分別表示全國重點文物保護單位、國家風景名勝區(qū)、世界自然與文化遺產、全國紅色旅游經典景區(qū)、國家森林公園、國家自然保護區(qū)和5A、4A、3A、2A景區(qū)的數量；2.49、5.79、10.00、4.51、2.99、3.84、9.25、3.55、1.67、1.44分別表示全國重點文物保護單位、國家風景名勝區(qū)、世界自然與文化遺產、全國紅色旅游經典景區(qū)、國家森林公園、國家自然保護區(qū)和5A、4A、3A、2A景區(qū)的權重。

景區(qū)密度是衡量景區(qū)空間結構的重要方面。因此，本文基于旅游景區(qū)吸引力模型，測算城市的景區(qū)平均吸引力強度，具體如下：

[Dm=Lmaream] （6）

式中：Dm表示城市m的旅游景區(qū)平均吸引力強度；Lm表示城市m的景區(qū)總吸引力；aream表示城市m的面積。采用自然斷點法將其劃分成5類，“1D—5D”表示“非常弱到非常強”。

2 主要旅游城市的景區(qū)分布概況

由于部分全國重點文物保護單位、世界自然與文化遺產、國家風景名勝區(qū)等跨多個城市，或多以若干景區(qū)（點）為整體申報，并考慮百度坐標拾取器收錄情況，納入本研究的各級別景區(qū)數量與官方公布的數量不同。截至2021年6月，60個城市共有全國重點文物保護單位1460處、國家風景名勝區(qū)72處、世界自然與文化遺產38處、全國紅色旅游經典景區(qū)110處、國家森林公園244處、國家自然保護區(qū)90處、A級景區(qū)3254個。我國60個主要旅游城市包含的旅游景區(qū)共計5268處（不含1A）。其中，納入本研究的省有1629處全國重點文物保護單位，80處國家風景名勝區(qū)，78處世界自然與文化遺產，182處全國紅色旅游經典景區(qū)，3234處A級景區(qū)被收錄，故納入本研究的旅游景區(qū)共計5565處。

旅游景區(qū)中（圖1），國家重點文物保護單位占比最大，其次是3A景區(qū)、4A景區(qū)、2A景區(qū)、國家森林公園、全國紅色旅游經典景區(qū)、5A景區(qū)，國家風景名勝區(qū)和世界自然與文化遺產占比小。2A景區(qū)、4A景區(qū)、5A景區(qū)和國家森林公園分布數量最多的城市為重慶市，3A景區(qū)、世界自然與文化遺產、全國紅色旅游經典景區(qū)、國家重點文物保護單位分布數量最多的城市為北京市，國家級風景名勝區(qū)分布數量最多的城市為合肥市，國家自然保護區(qū)分布數量最多的城市為延邊州。旅游景區(qū)數量最多的城市為北京市，最少的城市是珠海市。

3 主要旅游城市的景區(qū)空間結構

3.1 主要旅游城市的景區(qū)空間結構特征分析

本文主要從分布類型、分布形態(tài)、吸引力強度和集中程度四個層面分析主要旅游城市的景區(qū)空間結構特征。各城市的景區(qū)空間分布類型以最鄰近指數作為判斷標準，可分為隨機分布、均勻分布和集聚分布。運用ArcGIS軟件對表示景區(qū)的點狀要素進行分析，得到60個城市的景區(qū)分布類型?？梢园l(fā)現，最鄰近指數NNI最小的城市為青島市，最大的城市為三亞市。從分布類型來看，我國主要旅游城市景區(qū)空間分布總體相似，凝聚特征明顯，僅秦皇島市、深圳市、珠海市、汕頭市、湛江市、北海市和?？谑械木皡^(qū)為隨機分布。各城市的景區(qū)空間分布形態(tài)可以用road、max和center這3個指標衡量，指標值較高則意味著景區(qū)彼此相距甚遠、通達性較差、分布形狀不規(guī)則，即景區(qū)空間分布形態(tài)較“劣質”。運用ArcGIS軟件，并根據公式（2）至（4），計算出各城市的景區(qū)空間分布形態(tài)指數?？梢园l(fā)現，road值和center值最大的城市均為重慶市，max值最大的城市為石家莊市，road值和max值最小的城市均為?？谑校琧enter值最小的城市為南京市。從分布形態(tài)來看，我國主要旅游城市的景區(qū)空間分布形態(tài)總體適中，但分化現象明顯，擁有劣質與優(yōu)良景區(qū)形態(tài)的城市數量相當。利用公式（5）和（6）計算得到各城市的景區(qū)平均吸引力強度，結果顯示60個城市的景區(qū)平均吸引力強度的均值為339.728，22個城市超過平均水平，38個城市低于平均水平。其中，重慶市的景區(qū)平均吸引力強度最大，其次是北京市和上海市。而景區(qū)平均吸引力強度最小的是珠海市。從吸引力強度來看，我國主要旅游城市的景區(qū)平均吸引力“一般”等級居多，但分化現象嚴重，擁有強吸引力景區(qū)的城市數量遠少于擁有弱吸引力景區(qū)的城市數量，這一結果與高品質旅游資源有限的現實情況一致。但城市的景區(qū)平均吸引力強度測度略顯粗糙。因此，進一步通過公式（1）測算各城市若干漁網中的景區(qū)吸引力，對景區(qū)集中程度進行分析，發(fā)現60個城市的景區(qū)地理集中指數的均值為17.536，21個城市（超過平均水平）景區(qū)分布較集中，39個城市（低于平均水平）景區(qū)分布較分散。其中，景區(qū)分布最集中的是廈門市，最分散的是南通市。從集中程度來看，我國主要旅游城市的景區(qū)以分散、隨機分布居多，值得注意的是景區(qū)分布相對集中的城市，主要是弱吸引力（低品質）景區(qū)集中，而景區(qū)相對分散的城市，主要是強吸引力（高品質）景區(qū)分散。

3.2 主要旅游城市的景區(qū)空間結構類型分析

主要旅游城市的景區(qū)空間結構類型可以從景區(qū)分布形態(tài)、吸引力強度和集中程度三個維度綜合分析，如圖2所示，60個城市的景區(qū)空間結構類型多達32種。雖然60個城市的景區(qū)空間結構類型不盡相同，但是根據城市的景區(qū)集中程度可以分為5大類，分別為景區(qū)分布非常集中、景區(qū)分布比較集中、景區(qū)隨機分布、景區(qū)分布比較分散和景區(qū)分布非常分散。第一大類城市：景區(qū)分布非常集中的城市，如三亞市、珠海市和深圳市等8個城市，主要表現為景區(qū)間距離、景區(qū)間最遠距離、景區(qū)與市中心間距離非常近或比較近，即景區(qū)空間分布形態(tài)比較良好或適中，單位面積內景區(qū)吸引力非常弱或比較弱；第二大類城市：景區(qū)分布比較集中的城市，如?？谑小⑸蜿柺泻统械率械?個城市，主要表現為單位面積內景區(qū)吸引力比較弱、非常弱或一般。就景區(qū)間距離、景區(qū)間最遠距離、景區(qū)與市中心間距離而言，該類城市的景區(qū)分布沒有一致規(guī)律，有的城市景區(qū)非常近或比較近、有的適中，有的非常遠，即城市的景區(qū)空間分布形態(tài)相差較大；第三大類城市：景區(qū)隨機分布的城市，如南昌市、九江市和黃山市等20個城市，主要表現為景區(qū)間距離、景區(qū)間最遠距離、景區(qū)與市中心間距離適中，即景區(qū)空間分布形態(tài)一般。就單位面積內景區(qū)吸引力而言，該類城市的景區(qū)分布沒有明顯規(guī)律，有的城市景區(qū)比較強、有的一般、有的比較弱，還有的非常弱；第四大類城市：景區(qū)分布比較分散的城市，如西安市、桂林市和洛陽市等19個城市，主要表現為景區(qū)間距離、景區(qū)間最遠距離、景區(qū)與市中心間距離適中、比較遠或非常遠，即景區(qū)空間分布形態(tài)適中或較劣質，單位面積內景區(qū)吸引力一般、比較強或非常強；第五大類城市：景區(qū)分布非常分散的城市，如重慶市、杭州市、北京市和南通市共4個城市，主要表現為景區(qū)間距離、景區(qū)間最遠距離、景區(qū)與市中心間距離適中或非常遠，即景區(qū)空間分布形態(tài)一般或非常劣質。就單位面積內景區(qū)吸引力而言，該類城市的景區(qū)分布沒有明顯規(guī)律，北京市、重慶市非常強，杭州市比較強，而南通市比較弱。這些類型與基于最鄰近指數NNI判斷的旅游景區(qū)空間分布類型有所不同，后者由于受到搜索半徑等因素的影響，主要反映城市的景區(qū)在大尺度空間的分布類型，且未考慮景區(qū)等級，結果相對粗獷。

4 主要旅游城市的景區(qū)空間結構特征對旅游發(fā)展的影響分析

4.1 基本模型設置

前文分析發(fā)現，部分城市的景區(qū)分布非常集中，但景區(qū)間距離（或景區(qū)間最遠距離、景區(qū)與市中心間距離）并不是最近的，如大同市和北海市等；景區(qū)分布非常分散，但景區(qū)間距離（或景區(qū)間最遠距離、景區(qū)與市中心間距離）也并不是最遠的，如北京市和重慶市等。因此，本文基于最小二乘法，建立如下模型，考察城市的景區(qū)空間結構特征對其旅游發(fā)展的影響。

[ym=β0+βixi，m+βjZj，m+δm] （7）

式中：ym為被解釋變量——城市m的旅游總收入（億元）和旅游總人次（億人次）；xi為核心解釋變量——城市m的景區(qū)最鄰近指數NNI、空間分布形態(tài)指數shape、景區(qū)平均吸引力強度D和地理集中指數G；Zj表示城市m的其他控制變量；βi為變量xi對本城市旅游發(fā)展的影響系數；βj為第j個控制變量的回歸系數；δm為殘差項。

4.2 基本回歸結果

由表1可知，在控制其他因素的影響下，僅最鄰近指數NNI、max和D顯著影響旅游總收入，且模型擬合優(yōu)度一般，即三者對旅游總收入的增加（減少）解釋力度偏弱，僅可解釋旅游收入約20%～40%的變動。其中，在其他因素不變的情況下，NNI每增加1個單位，旅游總收入平均減少1.618億元，這說明景區(qū)空間分布越集中，旅游總收入反而更可能減少。而景區(qū)集中指數每增加1個單位，旅游總收入平均減少0.309億元，但不顯著。這說明景區(qū)空間分布越集中，旅游總收入反而會越小，與NNI對旅游總收入產生負向影響的結論一致。在其他因素不變的情況下，max每增加1個單位，旅游總收入平均增加0.103億元，這說明城市景區(qū)多中心特征越突出，旅游總收入越多。在其他因素不變的情況下，D每增加1個單位，旅游總收入平均增加0.555億元，這說明城市單位面積內景區(qū)吸引力越強，旅游總收入越多。在其他因素不變的情況下，城市的景區(qū)分布形態(tài)指標road、center對其旅游經濟發(fā)展的影響不顯著。

由表2可知，在控制其他因素的影響下，僅最鄰近指數NNI和D顯著影響旅游總人次。與以旅游總收入為被解釋變量的模型相比，影響方向一致，但顯著性更強，且模型擬合優(yōu)度更優(yōu)，即二者對旅游人次的增加（減少）解釋力度比對旅游總收入的增加（減少）更強。其中，在其他因素不變的情況下，NNI每增加1個單位，旅游總人次平均減少1.657億人次，這說明景區(qū)分布越集中，旅游總人次反而越小。景區(qū)集中指數每增加1個單位，旅游總人次平均減少0.019億人次，但仍不顯著，這說明景區(qū)分布越集中，旅游總人次反而越小，與NNI對旅游總人次產生負向影響的結論一致。在其他因素不變的情況下，D每增加1個單位，旅游總人次平均增加0.595億元，這說明城市單位面積內景區(qū)吸引力越強，旅游總人次越多。城市的景區(qū)分布形態(tài)指標shape對其旅游總人次的影響不顯著。

值得注意的是，road雖然對旅游總收入和人次的影響均不顯著，但二者回歸系數符號不一致?？赡苁且驗楫斁皡^(qū)間距離越遠時，單位游客的時間和金錢成本升高，因此旅游人次越少，回歸系數符號為負；但當游客一旦選擇出行時，單位游客的消費較高，因此旅游收入增加，回歸系數符號為正。同理，max不同于NNI和D，對旅游收入的影響顯著強于旅游人次，可能是因為城市內可能存在遠離主城區(qū)的大片景區(qū)，且一般為高級別景區(qū)。這些景區(qū)雖然具有強吸引力，但是隨著景區(qū)間最遠距離的增加，單位游客的時間和金錢成本升高，因此對旅游人次的促進作用微乎其微，回歸系數不顯著；但當游客一旦選擇出行，單位游客的消費較高，且高級別景區(qū)創(chuàng)造的旅游收入占旅游總收入的比重較大，因此對旅游收入的促進作用非常明顯，回歸系數顯著。

基于以往研究［32-33］，本文分析可能有以下4點原因造成該現象：①城市的景區(qū)分布集中，但主要是低品級景區(qū)集中，表現為單位面積內旅游吸引力較弱。而景區(qū)分散雖然導致游客不能短時間內游玩25dbef062e35f8b93ae2f686038485462ba9abe1b4957e856099147256ea58ad更多景區(qū)，但是單位面積內景區(qū)吸引力可能較強（景區(qū)品級高），即單位面積內只存在1個5A景區(qū)，其吸引力可能強于單位面積內存在n個其他品級較低的景區(qū)。②雖然集聚有利于競爭，但如果景區(qū)無法發(fā)揮自身的特色優(yōu)勢，可能導致景區(qū)間的過度競爭、惡性競爭（如大打門票戰(zhàn)），甚至影響整個城市的旅游目的地形象。此外，景區(qū)集聚可以壓縮游客停留時間，降低旅游地交通、餐飲、住宿等收入。③集聚的優(yōu)勢不僅在于景區(qū)的相似性，而且也有景區(qū)間的互補性。但城市內同一片區(qū)域的旅游資源比較相似，互補性一般不強。而景區(qū)間競爭主要是旅游資源的競爭，所以無法完全發(fā)揮集聚優(yōu)勢。此外，城市的景區(qū)集聚不同于旅游產業(yè)集聚，景區(qū)周邊如果缺少賓館、飯店等旅游接待設施，無法解決游客吃、住等問題，那么景區(qū)集聚對旅游發(fā)展的拉動作用也會較弱。④在疫情常態(tài)化防控和堅持貫徹“動態(tài)清零”的背景下，城市某一片區(qū)域的景區(qū)分布過于集中可能引發(fā)游客產生較強的風險感知，從而偏向躲避擁擠的旅游目的地，即景區(qū)多、人也多、風險大，從而易染病。所以，城市的景區(qū)集中程度對其旅游發(fā)展產生了負面影響，且相較景區(qū)集中程度，城市的旅游發(fā)展主要取決于單位面積內景區(qū)吸引力強度。

5 結論、不足與展望

5.1 結論

本文收集2021年60個城市有關數據，利用ArcGIS空間分析法、景區(qū)空間分布形態(tài)指數、地理集中指數等方法，分析我國主要旅游城市的景區(qū)空間結構特征和類型，并揭示城市的景區(qū)空間結構特征對其旅游發(fā)展的影響，結果發(fā)現：

第一，基于最鄰近指數NNI判斷，53個城市的景區(qū)空間分布類型為集中分布，僅秦皇島市、深圳市、珠海市、汕頭市、湛江市、北海市和?？谑械木皡^(qū)為隨機分布。大部分城市的旅游景區(qū)分布相對分散（低于平均水平）、平均吸引力強度相對較低（低于平均水平）。從景區(qū)分布形態(tài)、吸引力強度和集中程度三個維度綜合分析60個城市的景區(qū)空間結構類型，可以根據集中程度將其分為5大類、32種。

第二，城市的景區(qū)空間結構對其旅游發(fā)展產生了顯著影響。城市的景區(qū)空間結構特征對旅游總收入和旅游總人次的影響存在差異。具體地說，城市的景區(qū)空間結構對旅游總人次的影響明顯強于對旅游經濟的影響，且模型擬合更佳。狹義的旅游資源通常僅僅指旅游景區(qū)，本文結論與前人認為旅游資源是旅游經濟增長重要因素之一的結論基本一致［34-35］。

第三，城市的景區(qū)空間結構各維度對其旅游發(fā)展的影響方向、強度也存在差異。城市景區(qū)空間結構維度中的僅最鄰近指數NNI和D顯著影響其旅游發(fā)展，景區(qū)分布形態(tài)指標max僅顯著影響旅游收入，而road、center和G的影響均不顯著。即城市的單位面積內景區(qū)吸引力越強，越有利于旅游發(fā)展。這表明相較于分布形態(tài)，城市的旅游資源稟賦（富裕度）對促使各市旅游經濟發(fā)展不平衡的作用更大［36］。因此，城市旅游資源開發(fā)應該更注重“質”，即高級別景點的開發(fā)建設。但同省鄰近城市的高級別景區(qū)對城市旅游發(fā)展的影響表現為空間競爭效應，且主要表現為對同類型景區(qū)間的競爭。而且已有研究表明，城市間的同類旅游景區(qū)產生競爭效應的可能性更大［2，37］。這與本文認為城市的景區(qū)分布越集中，越不利于旅游發(fā)展的結論基本符合。

5.2 不足與展望

本文為優(yōu)化城市的景區(qū)空間結構和促進旅游發(fā)展提供了理論依據，但研究中存在一定的不足，首先，本文只采用了2021年的截面數據分析，可能存在一些因素的干擾，使得相關數據偏離正常值，導致研究結果會出現一定偏差。其次，在計算景區(qū)總吸引力時，不同學者關于不同級別景區(qū)的權重賦值存在差異，即各級別景區(qū)的權重賦值可能不夠精確，也會導致研究結果出現一定偏差。上述兩個方面將在后續(xù)研究中予以改進。此外，后續(xù)還可以構建城市的景區(qū)空間結構測度體系，以便更科學地劃分景區(qū)空間結構類型。

參考文獻：

［1］ 胡森林，焦世泰，張曉奇.中國城市旅游發(fā)展的時空演化及影響因素——基于動態(tài)空間馬爾科夫鏈模型的分析［J］.自然資源學報，2021，36（4）：854-865.

［2］ 龔勤林，鄒冬寒，周沂，等.高級別景區(qū)對旅游發(fā)展的影響及其空間效應研究［J］.地理科學進展，2022，41（8）：1364-1377.

［3］ 李云濤，陶犁.基于地理探測器的云南省邊境州市旅游發(fā)展水平空間分異及影響因素分析［J］.世界地理研究，2022，31（3）：624-636.

［4］ 孫澤乾，楊曉霞，曾于珈.基于地理探測器的重慶市旅游發(fā)展水平空間分異影響因子研究［J］.西南師范大學學報（自然科學版），2019，44（4）：57-63.

［5］ 孫楓，汪德根.全國特色景觀旅游名鎮(zhèn)名村空間分布及發(fā)展模式［J］.旅游學刊，2017，32（5）：80-93.

［6］ 郝金連，林善浪，王國梁，等.遼寧省非物質文化遺產旅游資源分布特征及利用［J］.世界地理研究，2018，27（1）：167-176.

［7］ 吳清，李細歸，吳黎，等.湖南省A級旅游景區(qū)分布格局及空間相關性分析［J］.經濟地理，2017，37（2）：193-200.

［8］ 吳楊，倪欣欣，馬仁鋒，等.上海工業(yè)旅游資源的空間分布與聯動特征［J］.資源科學，2015，37（12）：2362-2370.

［9］ 胡婷，許春曉，王甫園.文化旅游資源市場價值及其空間分布特征——以湖南湘西州為例［J］.經濟地理，2020，40（7）：220-230.

［10］ 田野，羅靜，崔家興，等.長江經濟帶旅游資源空間結構及其交通可進入性評價［J］.經濟地理，2019，39（11）：203-213.

［11］ 徐珍珍，余意峰.國家全域旅游示范區(qū)空間分布及其影響因素［J］.世界地理研究，2019，28（2）：201-208.

［12］ 楊明舉，白永平，張曉州，等.中國國家級風景名勝區(qū)旅游資源空間結構研究［J］.地域研究與開發(fā)，2013，32（3）：56-60.

［13］ ZHA J P，DAI J Q，XU H，et al. Assessing efficiency and determinants of tourist attractions based on a two-subprocess perspective： A case of Chengdu， southwestern China［J］. Journal of Destination Marketing & Management，2021，19（3）：100542.

［14］ LORENZO M，RICHARD H，et al. Modeling tourist accessibility to peripheral attractions［J］. Annals of Tourism Research，2022，92（1）：103343.

［15］ LIU ZW，WANG AQ，KARIN W，et al. Categorisation of cultural tourism attractions by tourist preference using location-based social network data： The case of Central， Hong Kong［J］. Tourism Management，2022，90（6）：104488.

［16］ SANTANA-SANTANA SB，PE?A-ALONSO C，PEéREZ-CHACóN ESPINO E.Assessing physical accessibility conditions to tourist attractions：The case of Maspalomas Costa Canaria urban area （Gran Canaria， Spain）［J］.Applied Geography，2020，125（12）：102327.

［17］ CHIOU Y C， HSIEH C W.Determinants of tourists’ length of stay at various tourist attractions based on cellular data［J］.Transportmetrica A Transport Science，2020（16）：716-733.

［18］ 任國平，鄭慧開，湯放華，等.基于轉化效率的資源型省份紅色旅游經濟高質量發(fā)展［J］.自然資源學報，2023，38（3）：576-600.

［19］ 張宇丹，李偲，關蘇杭，等.新疆紅色旅游資源空間分布及影響因素分析［J］.西南大學學報（自然科學版），2022，44（2）：128-136.

［20］ 李霄，柴璐，王曉光，等.淺析"龍江絲路帶"地質旅游資源分布特征與構造作用［J］.干旱區(qū)資源與環(huán)境，2019，33（2）：194-202.

［21］ 李玲.全面建設小康社會視野下鄉(xiāng)村旅游資源空間結構的優(yōu)化［J］.農業(yè)經濟，2018（10）：23-25.

［22］ 李連璞.區(qū)域旅游發(fā)展“同步—錯位”診斷及差異分析——基于中國31?。▍^(qū)、直轄市）國內旅游統(tǒng)計數據［J］.人文地理，2008（2）：87-90.

［23］ 葉紅.我國旅游產業(yè)區(qū)模式：比較與實證分析［J］.旅游學刊，2006（8）：24-29.

［24］ 蘇建軍，關麗，張毓.絲綢之路經濟帶沿線國家旅游資源與入境旅游發(fā)展空間格局特征與差異［J］.世界地理研究，2021，30（3）：509-519.

［25］ 貢保南杰.試論北京郊區(qū)旅游業(yè)重復建設［J］.旅游學刊，2004（1）：21-26.

［26］ 劉卿文，朱麗男.鄉(xiāng)村旅游特色小鎮(zhèn)的勃興及去同質化困境的破解路徑［J］.農業(yè)經濟，2021（7）：45-47.

［27］ 李顯正，趙振斌，劉陽，等.基于街景圖像的古鎮(zhèn)旅游地商業(yè)同質化空間測度——以大理古城為例［J］.地理科學進展，2023，42（1）：104-115.

［28］ 方世敏，廖珍杰.長株潭旅游景區(qū)群落空間關系及其結構優(yōu)化［J］.經濟地理，2009，29（2）：342-347.

［29］ 孫根年，潘潘. 陜西十地市旅游業(yè)發(fā)展的地區(qū)差異及其影響因素分析［J］. 干旱區(qū)資源與環(huán)境，2013，27（11）：184-191.

［30］ 劉修巖，秦蒙，李松林.城市空間結構與勞動者工資收入［J］.世界經濟，2019，42（4）：123-148.

［31］ 劉聰，馬麗君，黃炳楚，等.我國不同級別旅游景區(qū)空間分布和吸引力比較——基于網絡關注度的分析［J］.河南科學，2023，41（3）：423-433.

［32］ 王洋.產業(yè)集聚、企業(yè)能力與政府行為［J］.當代經濟研究，2007（10）：60-63.

［33］ 程勵，趙晨月.新冠肺炎疫情背景下游客戶外景區(qū)心理承載力影響研究——基于可視化行為實驗的實證［J］.旅游學刊，2021，36（8）：27-40.

［34］ 汪德根，陳田.中國旅游經濟區(qū)域差異的空間分析［J］.地理科學，2011（5）：528-536.

［35］ 韓春鮮.新疆旅游經濟發(fā)展水平與旅游資源稟賦影響研究［J］.生態(tài)經濟，2009（10）：62-66.

［36］ 楊天英，李許卡，郭達.不同旅游資源對區(qū)域旅游經濟增長的影響研究——基于中國省際面板數據分析［J］.生態(tài)經濟，2017，33（6）：105-109.

［37］ 劉改芳，梁嘉驊.區(qū)域內資源相似型人文景區(qū)的競合關系研究：以晉商大院為例［J］.旅游學刊， 2009， 24（4）： 41- 45.

The Influence of Spatial Structure Characteristics of the Scenic Spots in Main Tourist Cities on Their Tourism Development

MA Li-jun，TANG Ying， LIU Xin

（Business School，Xiangtan University，Xiangtan 411105，China）

Abstract： Collecting relevant data of 2021， using ArcGIS spatial analysis method， scenic spot spatial distribution pattern index， geographic concentration index and etc， this study analyzes the spatial structure characteristics and types of scenic spots in major tourist cities in China， and reveals the impact of the spatial structure characteristics of scenic spots on their tourism development. The results show that： ① From the three dimensions of scenic spot distribution pattern， attraction intensity and concentration degree， the spatial structure types of scenic spots in 60 cities are comprehensively analyzed and divided into 5 categories and 32 types， which are significantly different from the spatial distribution types of scenic spots based on average nearest neighbor judgment. ② Under the control of other factors， it is found that the spatial structure characteristics of urban scenic spots have a significant impact on their tourism development， and there are differences in their impact on total tourism revenue and total tourism person-time. ③ There are also differences in the direction and intensity of the impact of various dimensions of the spatial structure of urban scenic spots on their tourism development. The more concentrated the distribution of scenic spots in a city， the less beneficial it is to tourism development; The stronger the attraction of a scenic spot within a unit area， the more beneficial it is to tourism development; The influence of the distribution pattern of scenic spots is not significant. The reasons for this phenomenon are as follows： the concentration of low-grade scenic spots in cities， the strong homogeneity of tourism resources within the same area which can lead to vicious competition among scenic spots， and strong risk perception among tourists under the background of the COVID-19 epidemic.

Key words： tourist city; scenic spot; spatial structure; tourism development; ArcGIS spatial analysis

（責任編輯：鞏 劼）