西南地区A级旅游景区空间演化研究

高明月，邱 爽，周光美，黄艳萍，周 敏，林 莉

（西华师范大学 国土资源学院，四川 南充 637009）

0 引 言

旅游景区是旅游供给的物质载体，是旅游业赖以发展的重要依托［1］。A级旅游景区认定是我国对旅游景区质量和档次进行综合评价的国家标准［2］。自1999年10月1日正式实施以来，A级旅游景区迅速成为中国旅游级别划分的主要体系之一。因此，对A级旅游景区进行研究，探寻旅游景区在不同时空尺度上的变化特征和规律，有助于推动旅游景区的空间优化，对促进区域旅游发展具有重要的意义。近年来，国内学者对A级旅游景区的研究主要集中在不同尺度范围内的景区空间结构、分布特征及影响因素。由于研究重点的不同和数据的可获得性，研究对象各有不同，以A级旅游景区总体分布特征和结构演化为对象的相关研究主要集中于省域尺度［3-8］，以某一级别旅游景区为对象的相关研究则主要集中于全国和大区域尺度［9-12］。测度方法方面，现有的研究成果多以古典统计方法从旅游景区的分布状况、聚集程度和均衡度对旅游景区的空间结构特征和空间分布差异程度进行描述，常用的统计指数主要包括地理集中指数、集中化指数、最邻近点指数和基尼系数等［13-15］。然而，古典统计方法不能直观地反映旅游景区的空间结构演变特征，因此，有研究者进一步将古典统计方法与GIS空间分析方法结合起来，实现旅游景区空间结构演变特征的可视化研究［16-17］。以上研究为理解和研究A级旅游景区空间结构和分布特征提供了理论和方法借鉴，但上述研究忽略了空间因素，导致数值的地理分布信息无从得知，进而也无法解释区域旅游景区发展的相互依赖程度、相互影响和关联模式及其空间格局演变规律。空间统计为空间和数值的有效结合提供了新思路，其核心就是认识与地理位置相关的数据间的空间依赖、空间关联或空间自相关。而当前学术界对区域旅游景区空间自相关性以及异质性的相关研究较为鲜见，尚未查见西南地区A旅游景区研究，而采用空间统计方法的相关研究更是空白。

由于数据的可获得性，本文以西南地区2001—2017年评定的1 043个A级旅游景区为研究对象，采用探索性空间数据分析（ESDA），运用GeoDa和ArcGIS 10.2空间分析工具对西南地区各市（县）与其邻近市（县）之间A级旅游景区发展的相互依赖程度、相互影响和关联模式及其空间格局演变规律进行研究，把握旅游景区空间相互作用及其演化，为优化西南地区A级旅游景区空间结构，协调区域旅游发展以及制定科学的旅游发展政策提供参考依据。

1 研究区域概况

西南地区位于我国西南边陲，包括四川、云南、贵州、重庆三省一市，幅员113.46万km2，占我国国土面积的11.82%，人口1.96亿，占全国人口的14.34%。西南地区是我国民族文化旅游资源最集中的地区，民族文化旅游业起步较早［18］，有着独特的自然生态环境、极具特色的人文景观和丰富的历史文化遗迹。旅游资源具有数量多、类型全、品位高、分布广的特点［19］。截至2017年，A级旅游景区1 043个，其中1A级景区6个，2A级景区243个，3A级景区363个，4A级景区398个，5A级景区33个。

2 数据来源与研究方法

2.1 数据来源与处理

西南地区2001—2017年A级旅游景区相关数据分别来源于云、贵、川、渝三省一市的旅游发展委员会。为对比分析西南地区A级旅游景区空间演化差异，将西南地区各省（市）的二级行政单位作为研究单元，即四川、云南、贵州三省以所辖地市（州）为基本单元，重庆以所辖区县为基本单元。通过ArcGIS 10.2数字化西南地区84个二级行政区，再进行坐标配准和空间校正，得到本研究的空间面板数据。

2.2 研究方法

2.2.1 地理集中指数

地理集中指数是衡量地理事物或地理现象集中程度的重要指标，本文用以分析A级旅游景区在市（县）域尺度上的分布特征。

其中：G表示景区的地理集中指数，xi为第i市（县）的A级旅游景区数；n为地级市（县）总数；T为A级旅游景区总数。

显然，根据（1）式的计算结果一方面会受景区分布是否平衡的影响，另一方面还会受分布区域数量的影响，因此G值只是一个反映景区集中程度的变量，不能直接来说明A级景区集中程度，此时需设定比较基础。以景区完全平均分布于n个地级市（县）计算出n个地区的完全平均情况下的集中指数G—：

G的取值范围均在0—100之间，若数值越大，表明A级旅游景区分布越集中；相反，分布越分散。若G＞，表示A级旅游景区呈集中分布；反之，说明呈分散分布。

2.2.2 全局空间自相关

全局空间自相关是对某一要素的属性值在整个研究区域空间分布的描述，用于判断整个研究区域该要素的集聚特性及集聚强度［20］。全局Moran’s I指数反映的是空间邻接或空间邻近的区域单元属性值的相似程度［21］，其计算公式如下：

其中：I表示全局Moran’s I指数；xi、xj表示在第 i、j地域单元上的 A级旅游景区数为研究单元数量为空间权重矩阵，当空间相邻时为 1，不相邻时为 0。

Moran’s I指数的取值范围在-1～1之间，当Moran’s I＞0时，表示A级旅游景区在空间分布上存在显著正相关性，即A级旅游景区发展水平高或较低的区域在空间上显著集聚；当Moran’s I＜0时，则表示A级旅游景区在空间分布上存在显著负相关性，即A级旅游景区发展水平高与发展水平低与高的区域在空间上相间分布；当Moran’s I趋近于0时，表示A级旅游景区空间分布不存在空间自相关性，即A级旅游景区在空间上随机分布。

对于Moran’s I值，可以采用标准化统计量Z来检验n个区域是否存在空间自相关关系。Z的计算公式为：

其中：Z（I）值表示全局 Moran’s I指数的检验统计值，E（I）表示全局 Moran’s I指数的期望值，Var（I）为全局Moran’s I指数的方差。

2．2．3 局部空间自相关

全局Moran’s I指数对空间自相关的全局评估忽略了空间过程的潜在不稳定性，如果进一步考虑是否存在观测值的高值或低值的局部空间集聚，哪个区域单元对于全局空间自相关的贡献更大，就必须进行局部空间自相关分析［21］。本文采用空间联系的局部指标中的局部Moran指数，并结合Moran散点图和LISA集聚图等形式，对A级旅游景区进行局部空间自相关分析。

Moran散点图常用来研究局部的空间不稳定性［21］，Moran散点图绘制于一个笛卡尔坐标系统中，横坐标为中心市（县）A级旅游景区数量的标准化值，纵坐标为与中心市（县）相邻的所有市（县）A级旅游景区数量的加权平均，也称空间滞后值。Moran散点图由四个象限组成，分别对应于中心市（县）与其相邻市（县）之间四种类型的局部空间联系形式。第一象限表示高高集聚（HH），即中心市（县）与相邻市（县）的A级旅游景区发展水平都较高；第三象限表示LL集聚（LL），即中心市（县）与相邻市（县）的A级旅游景区发展水平都较低。这两个象限内的市（县）A级旅游景区发展存在较强的空间正相关，即均质性。第二象限表示中心市（县）A级旅游景区发展水平较低，而其相邻市（县）发展水平较高；第四象限表示中心市（县）A级旅游景区发展水平较高，而其相邻市（县）发展水平较低。这两个象限内的市（县）A级旅游景区发展存在较强的空间负相关性，即异质性。

局部Moran指数Ii被定义为：

式中：Ii表示局部 Moran指数当 Ii＞0时，则表明该区域单元周围相似值（高值或低值）的空间集聚；当Ii＜0时，则表示非相似值的空间集聚。

局部Moran指数Ii检验的标准化统计量为：

其中：Z（Ii）值表示局部 Moran指数 Ii的检验统计值，Z（Ii）表示局部 Moran指数 Ii的期望值，Var（Ii）为局部Moran指数Ii的方差。

3 研究结果

3.1 集中程度分析

经计算得出2001—2017年西南地区各等级旅游景区的地理集中指数（如表1所示）。

2017年西南地区1A～5A级旅游景区的地理集中指数分别为50.00、15.77、18.40、16.05和21.21，均高于平均数10.91，表明从市（县）级尺度来看，西南地区1A级和5A级旅游景区的地理分布较为集中，其中1A级旅游景区集中程度最高，5A级旅游景区次之；与1A级和5A级旅游景区相比，2A、3A和4A级旅游景区集中程度相对较高。

表1 西南地区A级旅游景区地理集中指数统计表（2001—2017年）

从2001—2017年看，各等级的旅游景区地理集中指数整体上呈下滑趋势，其中1A级旅游景区地理集中指数降幅最大，年平均降低1.22；4A级旅游景区地理集中指数降幅最小，年平均降低0.67，表明2001—2017年西南地区各等级旅游景区集中程度逐渐降低，景区空间分布趋于平衡，但不同等级旅游景区集中程度降幅差异较大。

为进一步探查西南地区A级旅游景区在空间上的演化规律，本文选取2003年、2010年和2017年3个年份的景区数量作为截面数据，借助AcrGIS 10.2空间分析模块中的点密度分析工具，清晰呈现西南地区A级旅游景区空间分布的集聚区及其演化规律同时采用自然间断点分级法将A级旅游景区空间分布的集聚区划分为：高度集中、集中、较集中和不集中4个等级（如图1所示）。

A级旅游景区分布在2003年分布态势的基础上呈显著的向外围扩张趋势，且扩张速度逐渐减弱，景区集聚状况区域差异显著。具体表现为：四川盆地A级旅游景区分布向东南、东北方向扩张，在盆地内形成了以成都和重庆主城区为双核心的高度集中区。景区分布持续向川东北地区扩张至盆地边缘大巴山地区，向东南方向扩张的景区与贵州向北扩张的景区邻接，进而使西南地区东北部和东部的景区分布连为一片；云贵高原和横断山区内A级旅游景区分布早期主要表现为纵向扩张，继而转为向滇西、滇西北、滇中与滇东南交界地区集聚的趋势，呈分散的团块状分布，且集聚区范围先扩大后缩小；贵州A级旅游景区分布持续向西、北扩张，并与四川盆地的景区分布邻接。结合地理集中指数分析，西南地区A级旅游景区地理集中指数由2003年的16.81下降至2017年的14.58，表明至2017年，西南地区A级旅游景区空间分布集中程度有所降低，且随时间推移降幅变缓；景区分布由集中区向外围扩张的趋势显著，空间扩散效应增强；区域内部景区集中程度变化差异较大。

图1 西南地区 A级旅游景区空间集聚演化图

3.2 全局空间自相关

利用ArcGIS 10.2空间统计分析工具中的空间自相关模块，计算得出西南地区2001—2017年A级旅游景区 moran’s I指数、P值和 Z值（如表 2所示）。

2001—2017年，西南地区 A级景区 Moran’s I值均大于0，且总体呈下降趋势，表明A级景区空间分布存在显著的正的空间自相关，A级景区发展水平（高值或低值）相似的地区在空间上呈集中分布，空间上存在着两极分化的现象，且分化程度随时间推移不断减弱，即A级景区发展水平空间异质性增加。Z值均大于1.22，且总体呈下降趋势，变化趋势同Moran’s I值基本保持一致；P值始终小于0.05，因而可以拒绝零假设。

3.3 局部空间自相关

3.3.1 Moran散点图

利用GeoDa，计算西南地区2003年、2010年和2017年A级旅游景区局部 Moran指数，并绘制出Moran散点图（如图2所示）。

表2 西南地区A级旅游景区全局空间自相关分析

图2 西南地区 A级 旅游景区 M oran散点演化图

从图2可见，2003、2010年和2017年3个年份西南地区大部分市（县）位于第一和第三象限，且位于第三象限的市（县）数量明显多于第一象限，表明西南地区市（县）域之间存在较强的空间正相关，A级旅游景区发展差异出现明显的“二元结构”，且发展水平落后的市（县）始终是主导。市（县）在各个象限的分布明显具有整体向坐标轴中心集聚的趋势，表明西南地区市（县）域A级旅游景区发展差异随时间推移逐渐减小，两极分化不断减弱。

为了更直观地反映西南地区A级旅游景区发展水平在空间的动态演化，借助ArcGIS 10.2生成与Moran散点图对应的Moran集聚图（如图3所示）。

2003年，属于HH和LL集聚区的市（县）占整个西南地区市（县）总数的69.05%，表明A级旅游景区发展初期，西南地区就已形成以HH和LL集聚类型为主导的格局。HH集聚区主要集中分布于四川省和云南省境内，为A级旅游景区发展集聚效应区；其余67.24%的LL集聚区全部集中于除毕节和贵阳外的贵州省，四川省的攀枝花以及川东北地区，重庆市东北和东南地区，为A级旅游景区发展低速增长区；阿坝、甘孜、凉山、昭通、毕节、丽江、怒江、德宏、普洱等LH集聚区分布于HH集聚区外围，形成A级旅游景区发展过渡区；HL集聚区的市（县）发展水平较高，但难以带动周边水平落后的市（县）发展，其中万州被本省（市）的LL集聚区外包，体现出强大的极化效应，形成A级旅游景区发展极化效应区。

图3 西南地区 A级 旅游景区 M oran集聚演化图

2003—2010年，集聚类型未发生改变的市（县）有47个，占市（县）总数55.95%，表明西南地区 A级旅游景区发展的空间相关性和集聚特征存在着高度的稳定性。集聚类型发生改变的市（县）以其他类型集聚区向HH和LH集聚区转变为主，凉山、攀枝花、丽江等LH集聚区受四川和云南已有HH集聚区的影响纷纷转变为HH集聚区，两省HH集聚区连为一片，表明A级旅游景区发展水平较高的市（县）对周围低水平发展的市（县）具有一定的辐射带动作用，体现出一定的空间近邻效应。而四川北部的绵阳、广元、巴中、南充和遂宁五市经过7年自身发展转变成为HH集聚区。贵州的景区集聚类型空间格局发生了显著变化，受辐射带动和自身的发展，贵阳和黔南转变为HH集聚区；安顺和黔东南等市（州）则转变成为LH集聚区。毗邻贵州的曲靖和文山等市（州）由于发展动力不足，则转变为LL集聚区。

至2017年，集聚类型未发生变化的市（县）数量减少至43个，占市（县）总数51.19%，表明西南地区A级旅游景区发展的空间相关性进一步加强，集聚特征具有相对稳定性。集聚区类型的空间分布发生了较为显著的改变，主要体现为：四川北部的HH集聚区范围进一步扩大；贵州全省均成为HH集聚区；重庆除万州区外，全部转变为LL集聚区。就省域A级旅游景区发展情况而言，云南景区发展的集聚特征较为稳定；四川体现出明显的区域差异，且有HH集聚区向北迁移，LH集聚区向川西、川南迁移的趋势；贵州从显著的LL集聚区发展为以HH集聚区为主的格局，发展态势良好，空间扩散效益明显；重庆始终没有改变LL集聚区为主导的分布格局，景区发展滞后性明显。

3.3.2 LISA集聚图

鉴于Moran散点图不能判断各地区的局部相关类型及其聚集区是否在统计意义上显著［22］，为进一步揭示西南地区旅游景区发展的热区和冷区，在GeoDa中绘制LISA集聚图（如图4所示）。

图4 西南地区 A级 旅游景区 L ISA集聚演化图

从图4可以看出，A级旅游景区集聚变化为分散到集中，表明近年来A级旅游景区发展的热区在发生集聚效应。到2017年，西南地区A级旅游景区发展属于显著HH集聚区的市（县）均集中在贵州省，表明贵州省成为整个西南地区A级旅游景区发展的核心。显著LL的市（县）数量变化不大，在空间分布上趋于集聚，且除资阳市外，显著LL集聚区全部属于重庆；显著LH集聚区仅剩德阳一个。表明景区发展的冷区和次冷区范围不断缩小，集聚区内部差异逐渐减小。重庆景区发展陷入负的空间扩散困境，结合Moran集聚图分析，2017年重庆38个区县中有36个区县属于LL集聚区，其中奉节、石柱、忠县、綦江、丰都、涪陵、武隆、渝北、巴南9个区县属于显著LL集聚区，成为重庆甚至整个西南地区景区发展核心冷区。四川显著LH集聚区分布于与成都相邻的德阳市，表明景区发展水平与成都差异显著，且很难受到成都的辐射带动作用。

4 结论与讨论

本文以A级旅游景区数量为测度指标，以西南地区二级行政单位为研究单元，运用集中化指数、点密度分析以及空间自相关方法对西南地区2001—2017年A级旅游景区空间演化进行分析，得出以下结论：

（1）西南地区A级旅游景区集中化水平较高，其中1A级和5A级景区分布最为集中；景区集中程度总体逐渐降低，但不同等级景区集中程度降幅差异较大；在空间分布上主要集中在四川盆地，具有由成都、重庆主城区向外围扩散的趋势，空间扩散效应增强；区域内部景区集中程度变化差异较大。

（2）旅游景区在发展初期不存在空间自相关性，随后表现为较强的空间正相关，发展差异出现明显的“二元结构”，且发展水平落后的市（县）始终是主导；景区发展的空间相关性和集聚特征存在着高度的稳定性，但市（县）域发展差异随时间推移逐渐减小，两极分化不断减弱；景区发展水平较高的市（县）具有一定的辐射带动作用，体现出一定的空间近邻效应。

（3）就景区发展省域差异而言，云南景区发展的集聚特征较为稳定；四川景区发展体现出明显的区域差异；贵州景区发展态势良好，空间扩散效益显著；重庆始终没有改变LL集聚区为主导的分布格局，景区发展滞后性明显。

（4）旅游景区发展热区和次热区范围不断缩小，集聚区内部差异逐渐减小；贵州省已成为西南地区旅游景区发展的核心；景区发展的冷区和次冷区范围不断扩大，集聚区内部差异逐渐增大；重庆潼南等14区县成为西南地区景区发展的核心冷区。

旅游景区空间分布的均衡性受经济发展水平、交通状况、人口分布、旅游经济发展水平和资源禀赋等因素的影响，因此，在接下来的研究中，还应当结合社会经济条件，深入剖析西南地区A级旅游景区空间演化差异的影响因素。