西北地区城市旅游时空关联效应——基于高级别景区供给的观察

以西北地区为例,构建空间动态面板数据模型和异质性空间自回归模型,对高级别景区溢出效应的时变特征和城市旅游时空关联效应及其异质性进行分析,结果显示：(1)西北地区城市旅游具有显著的正向空间溢出,合作应成为旅游发展的核心策略;(2)短期来看高级别景区增加有助于本地旅游人次上涨,但会对邻近城市产生“虹吸效应”,长期来看对本地和邻近城市旅游均具有正向影响,但对本地旅游拉动更大;(3)高级别景区组合供给是提升西北地区城市旅游效应和对邻近城市产生“虹吸效应”的充分条件,仅依靠5A级景区的带动效用有限;(4)西北地区城市的旅游时空关联效应具有异质性,84.31%的城市与邻近城市为旅游空间合作关系,空间竞争型城市主要位于新疆北部和西北地区东部局地;(5)西北旅游发展稳态城市呈散点、随机分布,具有经济优势的城市更易从旅游合作中获益并成长为区域旅游增长极。     

高级别景区对旅游发展的影响及其空间效应研究

打造高品质旅游集聚地并构建多站点景区游览环线是推进全域旅游发展的重要突破口。论文基于2006—2018年288个城市评选的最高级别景区——“5A”景区的数据,将“5A”景区划分为自然类、人文类、综合类3类,借助ArcGIS、Stata等工具探索了“5A”景区的空间分布特征,并利用动态空间面板模型定量探讨了高级别景区对城市旅游发展的影响及其空间效应。研究发现,首先,中国“5A”景区存在“东中集聚、区域失衡、禀赋不一”的空间分布特征,综合类景区数量严重不足。其次,高级别景区能显著推动本城市的旅游发展,并存在显著的空间合作与空间竞争效应。其中,同省邻近城市的高级别景区对城市旅游发展的影响表现为空间竞争效应,且主要表现为对同类型景区间的竞争,竞争范围为0~400 km;跨省邻近城市的高级别景区对城市旅游发展的影响表现为空间合作效应,且主要表现为不同类型景区间的合作与互补,最优合作范围为200~400 km。最后,对比各省域内部景区空间分布发现,同一省域内城市多以自然类或人文类“5A”景区中的某一类景区为主,即同一省域内部可能存在针对同类景区的同质化竞争问题。研究结论将为旅游资源的空间配置和空间优化提供经验证据。     

安徽省旅游景区空间分布差异分析

旅游景区是旅游业发展的物质载体与主体依托,旅游景区空间分布差异影响区域旅游发展格局。安徽省旅游景区发展已具规模,通过分析安徽旅游资源分布整体特征以及旅游资源和旅游景区的关系,运用多种分析技术,从数量、等级、效益等3个方面探讨安徽省旅游景区的空间分布特征和差异。得出以下结论:旅游景区在数量上,集群特征明显,空间分布不平衡;等级上南高北低,效益上南好北差。     

短期旅游流时间分布对区域旅游空间结构的响应——以云南省黄金周旅游客流为例

区域旅游空间结构和旅游地客流时间分布特征历来是旅游地理学的重要研究领域,但国内外学者对两者间的内在关系关注较少。中国黄金周旅游流是典型的高强度的短期旅游流。选择云南省的昆明、大理、丽江、西双版纳4 座重点旅游城市的7 处代表性景区为案例,建立黄金周客流周内分布偏度指数G,并使用相关分析及Person 相关系数,发现存在景区短期旅游流时间分布对区域旅游空间结构的响应现象,其机制为：在假日制度时间约束下,距离旅游集散中心的时间距离成为影响各城市及其代表性景区黄金周客流时间分布的重要影响因素,时间距离越大,则黄金周客流峰值出现时刻越迟,G值越高;而部分景区同时受不同尺度区域旅游空间结构的影响,出现客流时间分布对区域旅游空间结构的多重响应现象。     

东北地区A级旅游景区空间分布特征及影响因素

基于东北地区2009年、2012年和2015年A级旅游景区数据,采用最邻近指数、基尼系数、核密度分析、相关分析等数理和空间分析方法,基于GIS空间分析技术,从类型、均衡度和密度等方面对东北地区A级旅游景区的空间分布特征及影响因素进行研究,结果显示：① 2009年、2012年、2015年3个时段,东北地区A级旅游景区在空间上呈集聚状态,且集聚程度具有先强后弱的演变特征;② 省会城市和主要交通节点城市附近A级旅游景区核密度较大;③ 随着旅游业的快速发展,东北三省A级旅游景区核密度增强区域扩散较快,但蒙东地区变化较慢;④ 旅游资源空间分布受自然因素和人文因素影响很大,其中地形地貌、水文是影响A级旅游景区分布的内生因素,而社会经济水平、交通等是重要的外推动力,对A级旅游景区分布影响比较显著。     

基于POI数据的山西省旅游景区分类及空间分布特征

运用大数据与传统地理信息系统相结合的方式,以山西旅游景区POI(Point of Interest)数据为研究对象,对其进行分类后,研究其总体空间分布格局、分布方向以及具体地市空间分布特征。结果表明：山西旅游景区总体分布格局呈现晋中地区集聚特征,具体各类旅游景区的集聚形态与程度有所差异。其中,地文景观类旅游景区集聚于晋中、晋东南和晋北东部地区;水域风光类旅游景区以晋中、晋南和晋北东部地区为轴呈条带状分布;生物景观类旅游景区在空间上呈“菱形”状集聚形态;遗址遗迹类旅游景区集聚于晋北和晋东南地区;建筑与设施类旅游景区呈“三角形”状集聚特征;娱乐购物类旅游景区在全省范围内分布较为均匀。旅游景区空间分布方向与山西省区域形状吻合,除娱乐购物类旅游景区分布方向性和向心性不明显之外,其他类别旅游景区均有不同程度的集聚特征;各地市旅游景区分布情况中,水域风光类旅游景区在各市域间分布较为均匀,地文景观类和建筑设施类旅游景区热点区域出现在阳泉市,冷点区域出现在晋城市,但其集聚程度均较低;生物景观类旅游景区热点区域位于长治市,冷点区域位于临汾市和运城市,其集聚程度较高。最后,从自然地理和人文社会两方面对旅游景区空间分布的影响因素进行了定性分析。     

广东省旅游产业广域空间集聚分布特征及其影响因素分析

产业的空间集聚是区域经济发展的必经阶段。选择旅游产业在广域空间的集聚现象进行研究,针对已有研究在地理学方法使用上的不足,以A级景区、旅行社、星级酒店作为旅游产业的核心组成,采用最近邻指数、核密度估计、缓冲区分析,对旅游产业在案例区域的集聚分布程度、集聚分布特征及集聚影响因素进行分析和揭示,研究发现:案例空间总体呈现明显的旅游产业集聚;A级景区、旅行社和星级酒店的集聚形态呈现不同演化特征,表现出点状、组团状等不同集聚分布特征;城市自身基础和区位条件影响着旅游核心企业的布局和选址;区位综合价值对集聚分布有主要影响。     

云南省A级旅游景区空间演化特征及其驱动机制

探究A级旅游景区的空间演化特征及其驱动机制,对促进区域旅游健康发展具有重要意义。本研究以云南省为研究案例,综合运用最邻近指数、核密度分析、趋势分析和地理探测器等方法,对其A级旅游景区的空间分布类型、分布密度、分异趋势及驱动机制进行探讨。研究表明:(1)云南省A级旅游景区发展具有明显的阶段性特征,景区在空间上呈典型的集聚型分布,其集聚程度随时间的变化不断增强;(2)景区分布密度总体提升,空间分布特征最终呈现"核心—边缘"式空间结构,空间组织形态表现出沿区域行政中心及交通干线的趋向性,景区分布的方向性差异较为明显;(3)景区在东西方向的分异趋势显著,南北方向的空间异质性相对不明显,其增速表现出明显的空间指向性特征,滇中、滇南及滇东地区的市州为A级旅游景区发展优势区;(4)景区空间组织结构变化受自然要素、人文要素、资源禀赋和政策调控的综合驱动,旅游资源属性的差异决定了不同类别景区在自然要素影响下表现出相异的分布特征,不同等级景区受人文要素、资源禀赋及政策调控的作用强度有所不同。本研究可为优化云南省旅游景区空间结构、促进旅游景区可持续发展、提升旅游景区发展的品牌效应提供参考。     

基于地理探测器的乡村旅游化空间分异及其影响因素研究:以野三坡旅游区为例（英文）

乡村旅游化是旅游景区周边乡村聚落功能向旅游服务转变的过程。受同一景区带动,景区周边不同乡村聚落旅游化程度存在空间差异。不少学者已经对此类村落的演变过程、空间分布特征进行了研究,并采用定性分析方法对空间差异影响要素进行了初步分析。然而,目前定量分析方法较少,不能有力说明影响要素与空间差异现象之间的关系。基于此,本文以野三坡旅游区周边56个乡村聚落为例,结合实地考察、GIS分析及地理探测器模型,对乡村旅游化空间分异及影响因素进行了研究。结果表明,距离区域主要入口的远近,景区游客规模及游客逗留时长,距离核心景区的远近是影响村落旅游化程度差异的主要因素;距离河流的远近,高程,距离主要道路的远近以及坡度对村落旅游化程度差异的解释力较弱,但是当他们与其他因素交互时,可以增强其他因素所起的作用;距离区域主入口越近,村落的旅游化程度越高;同样地,村落所处景区游客规模越大、游客逗留时间越长、距离核心景区越近,村落的旅游化程度越高。该研究对于有序引导旅游地乡村聚落的发展,实现旅游地可持续具有重要作用。     

基于地理标记照片的北京市入境旅游流空间特征

城市作为现代旅游目的地的一种重要类型,在集聚旅游发展要素、塑造城市休闲空间、提升城市品质等方面具有突出作用。城市旅游流是城市旅游要素关联、空间组织的路径,对于城市交通组织方式、公共服务设施建设、休闲旅游产业布局等方面影响越来越大。本文立足城市内部微观尺度,以入境旅游流空间特征为研究对象,利用数据挖掘技术,通过Flickr API接口获取了2004-2015年北京市范围内全部带有地理信息的照片及其属性信息,通过构建的数据清洗方法控制初始数据质量,建立基础数据库,使用密度聚类（P-DBSCAN）、马尔科夫随机链等方法探索入境游客热点区域空间分布格局、流动空间特征。结果显示：① 北京市历史城区（2环之内区域）、中心城区（2环至5环之间区域）以及郊区（5环之外区域）的旅游热点区域（AOI）呈现出不同的空间特征,其中历史城区AOI呈现出与景区、休闲娱乐、餐饮购物等相关产业空间重叠的趋势,各热点区域边界模糊,复合连绵成片。中心城区AOI集聚与城市功能区密切相关,具有明确的城市功能取向。郊区AOI基本与旅游景点一致,没有向景区外部延伸;② 传统历史文化类AOI访问热度占有绝对优势,商业购物休闲AOI及现代城市功能AOI的影响力在逐渐增强;③ 强入境旅游流主要集中在历史城区内部AOI之间,以及中心城区的西北部与东部区域内部AOI之间,郊区AOI之间没有较强的旅游流,北京市入境旅游流整体呈现以历史城区为中心,放射性分布的框架;④ 各区域AOI之间均有较次一级旅游流联系,北京市入境旅游流形成了初步的网络结构。     

四川省旅游流空间扩散方向及路径

借用万有引力模型分析四川省各地区之间的旅游经济联系情况,根据旅游经济联系的紧密程度可确定旅 游流进入区域中心城市(成都市)后的主要空间扩散方向为西北(成都—都江堰市)、西南(成都—乐山市)和东北 (成都—德阳—绵阳)三个方向,以此为基础,结合游客流向抽样调查资料,将四川省旅游流的空间扩散路径归纳为 14 条。文章还对不同细分流的空间扩散路径进行了详细分析。     

湖泊型国家级风景名胜区的旅游效率特征、类型划分及其提升路径

通过分析中国国家级湖泊风景名胜区的发展趋势和旅游效率,探讨湖泊风景名胜区的旅游效率总体特征、空间格局及类型,提出发展措施和建议。研究表明：① 湖泊风景名胜区的数量和旅游收益呈增长趋势,湖泊旅游资源开发已由著名的湖泊转向一般性湖泊,单体湖泊开发增多,湖泊旅游产品多元化。② 湖泊风景名胜区的旅游效率偏低,处于规模收益递增阶段的景区较多;分解效率中,规模效率较高,纯技术效率较低;纯技术效率对综合效率的解释能力强于规模效率,相关系数达到0.72,是导致综合效率偏低的主要因素。③ 根据效率得分将38个湖泊风景名胜区划分为技术进步提升型、资源配置能力提升型、规模投入提升型和综合提升型,提出了不同效率类型景区的提升路径。     

贵州省避暑旅游流网络结构特征及其影响因素

气候环境对人类行为具有重要影响,在全球变暖和城市热岛效应不断加剧的背景下,避暑旅游已经成为全球旅游者夏季出行的重要选择。贵州省作为中国国内主要的避暑旅游目的地之一,针对避暑旅游流网络特征及影响因素的研究尚未开展。本研究通过对贵州省避暑旅游现象长期的跟踪调查,获取2015—2019年间有效避暑旅游流线路数据2177条,运用复杂网络、GIS空间分析、QAP回归分析等方法,对避暑旅游流网络结构特征和影响因素进行研究。结果表明：① 避暑旅游流网络规模大、密度低,集聚特征明显,网络发育不完善,具有显著的“核心-边缘”结构,核心城市和景区分别呈“板块”和“点轴”状分布,旅游流线路具有“基营”和“环线”式结构特征。② 交通中心城市和核心景区是避暑旅游流的集散中心,贵阳在整体网络中具有突出优势和无法替代的地位,避暑旅游城市和景区在空间上相互交织,形成“贵（阳）安（顺）-荔波-凯（里）镇（远）”的“▽”空间结构。③ 避暑旅游流空间分布受气候舒适度、空间邻近性、旅游资源禀赋、接待服务能力和交通便捷程度等因素共同影响。最后,从区域旅游协调发展、旅游统计数据改革、网络空间结构优化等方面,对贵州省避暑旅游高质量发展提供了对策建议。     

都市区国内旅游流网络空间关联特征

以上海都市区为例,运用社会网络理论、GIS空间分析方法与技术,基于游客发表旅游行程攻略数据,从节点和网络2个层面分析上海都市区内部旅游流网络空间关联特征。结果表明：1）旅游节点具有明显的等级分层结构特征,知名度较高的明星景区在旅游流网络中占据重要核心地位,上海市旅游节点划分为集聚型、扩散型、均衡型、中介型4种类型;2）旅游流网络在空间上呈现以主城区黄浦区为核心的“单核放射状”,以西南松江、东南浦东新区、西北嘉定区为主流扩散方向的分布形态;3）旅游流网络总体上为联结低、扩散强、趋于均衡分布的散状格局,存在内部关联度高、外部关联度低的5个凝聚子群,网络核心—边缘区分层显著,核心区对边缘区的带动效应有限;4）旅游流与景点之间距离存在指数对应关系,具有明显的距离衰减规律,但各距离段内衰减程度差异明显,0~20 km内旅游流距离衰减规律最为显著。     

中国3A级以上旅游景区空间集聚特征研究

基于中国3 228个3A级以上旅游景区数据分析其空间集聚特征。结果表明,中国3A级以上旅游景区具有典型的“类型极化、区域分化、板块集聚”的分布特征,胡焕庸线两侧景区密度悬殊;中东部地区为凝聚-随机分布,西部地区为凝聚分布,不同区域发育主题和特色不同;5A级景区集聚在经济发达地区,4A级景区沿黄河、长江集中分布,3A级景区多处于东部滨海沿线;历史知名度、自然地理环境、人口经济规模、交通区位条件、审批标准、效仿发展等因素影响较大,循环累积效应显著。据此提出“区域平衡、跨区协调、分类优化”的发展建议。     

民居型景区空间分布特征及影响因素研究——以山西大院民居为例

民居大院景区是人文景观中最主要的组成部分。本文以山西省136个“山西大院名居型景区”为研究对象,通过谷歌地球（Google Earth）、百度地图确定坐标基本地理信息。运用Arcgis10.3空间分析法进行可视化表达,分析山西大院景区的空间分布格局及影响因素。结果表明：（1）山西11个地市的136个大院景区整体空间分布上呈现较均匀状态。（2）山西大院景区存在较为明显的空间差异,形成七个明显密度集聚中心与两个密度集聚区域,整体分布方向将沿东北—西南方向布局。（3）市域分布不均衡,呈现集中于以晋中、晋城为依托的周边地区。（4）高程空间格局显示,74.26%的大院景区海拔高度在1500m~2500m范围中,海拔从宏观上影响大院景区的总体空间格局。（5）大院景区整体距河流平均距离为2.3km,且具有沿河流走势分布的特征。（6）大院景区分布具有倾向城市格局,表现为中心-外围逐渐递减的特点。     

基于网络关注度的中国沙漠型A级景区空间格局及其影响因素分析北大核心CSCD

基于搜索引擎指数、旅游网站指数、社交媒体指数和短视频指数等数据构建评价体系,运用空间分类、核密度估计、最邻近分析等方法,分析中国沙漠型A级景区网络关注度的空间差异并解释其影响因素。结果表明:(1)高、较高关注度水平中国沙漠型A级景区集中在内蒙古、新疆、甘肃,较低、低关注度水平景区数量多、分布广,且大多规模较小、等级偏低;从子系统看,搜索引擎、旅游网站、社交媒体子系统所显示出的空间分布格局与综合水平较为相似,短视频子系统与整体差异较大。(2)从空间集聚格局看,呈现出一主一副、多核联动的格局;从子系统看,搜索引擎、旅游网站和社交媒体子系统与整体相似,短视频子系统差异较大。(3)在空间结构特征中,整体呈现出中等以上水平区趋于均匀、较低水平区趋于随机、低水平区趋于凝聚的分布状态,且随着景区关注度水平降低而集聚特征逐渐增强;搜索引擎和旅游网站子系统与整体相似,社交媒体和短视频子系统与整体差异较大。(4)从影响因子看,景区销售市场、宣传平台建设、地区基础实力是主要影响因素,景区基础实力次之,外部旅游环境的影响力相对较弱。     

珠江三角洲都市圈国内旅游者空间行为模式研究

以珠江三角洲（下称珠三角）都市圈国内主要客源地2009~2011年度中国100强旅行社官网旅游线路报价单为基础数据,研究了珠三角都市圈发展较为成熟阶段的旅游者空间行为模式及目的地类型,发现：① 珠三角都市圈旅游者空间行为模式总体上以营区基地式和完全环游式为主。不同客源地旅游者行为模式差异较大,广东省内旅游者以单目的地式和港澳小环游为主,其余客源地旅游者多采用营区基地式、往返式、区域环游式和完全环游式等旅行模式;② 珠三角都市圈各城市在旅游线路中出现的频次存在较大差异,总体呈现出3个等级层次关系,不同城市在大小珠三角都市圈以及不同客源地旅游线路中的角色与地位不同,据此得出珠三角都市圈各客源地的空间行为模式图;③ 比较大小珠三角都市圈在空间行为模式上的差异,发现港澳与珠三角地区在旅游发展上逐渐成为一个联系紧密的整体,但实现三地旅游一体化尚待时日。