安徽省A级旅游景区空间结构及空间自相关效应

占得龙， 梁栋栋， 吴 旭， 彭 杰， 何强弟

(1.安徽师范大学 地理与旅游学院，安徽 芜湖 241003;2.安徽师范大学 地理大数据研究中心，安徽 芜湖 241003;3.安徽师范大学 计算机与信息学院，安徽 芜湖 241003)

旅游景区是旅游产业的核心要素，是旅游产品的主要成分[1]。国外对于旅游景区的空间结构研究较早。例如，Christaller在旅游空间结构的研究中将中心地理理论运用其中,针对游客由城市内部向城市外围活动所形成空间扩散和地理空间的联系进行了探讨[2],Lundgren利用区位论，通过建立核心-边缘理论模型来分析旅游景区空间结构[3],Seetaram分析了澳大利亚旅游行业的空间差异及对旅游业发展的影响因素[4]。国内对旅游景区研究相对较晚，主要集中在旅游景区空间结构、旅游景区可达性以及旅游流的空间结构等方面。潘竟虎、吴必虎等人[5-9]运用基尼系数、热点分析等空间计量地理学的方法对旅游景区的空间分布模式进行定量化分析;孙建伟、潘竟虎等人[10-15]利用矢量道路交通网络来测度旅游景区三维可达性格局，并运用空间关联方法分析可达性的空间差异;李创新等[16]将空间场理论引入到旅游流的研究中，对丝绸之路的空间场效应和地域结构进行了研究。虽然总体上国内外学者对旅游景区空间结构格局的研究较为成熟，但主要都集中于城市圈等大范围区域或以5A、4A级旅游景区为研究对象，缺少区域综合和所有级别旅游景区的研究。

本文以安徽省A级及以上旅游景区为研究对象，运用更为准确的分散性评估方法W函数以及能够避免因方差不稳定造成结果错误的经验贝叶斯修正的空间自相关方法，分析安徽省旅游景区的空间结构以及旅游密度的空间自相关性，并结合空间冷热点分析方法，对景区旅游密度冷热点进行评价。引入主成分分析法和地理加权法，探究旅游密度分布的影响因素，以期对安徽省旅游景区合理全面的发展提供有力支撑。

1 数据来源

景区数据来源于安徽省旅游发展委员会网站(http://www.ahlyj.gov.cn/)公布的数据，截止到2016年年底。安徽省共有A级及以上旅游景区546个，其中5A级景区19个，4A级旅游景区167个，3A级景区208个，2A级景区149个,1A级景区3个。景区的空间位置借助百度地图坐标拾取系统标定，面积较大的景区以其质点坐标作为景区坐标。空间行政边界和交通数据通过安徽省天地图矢量化得出。

2 研究方法

2.1 W函数

W函数[17]是一种基于距离的相对密度函数，有助于使用随机蒙特卡罗模拟来评估经济活动的空间模式。它的主要目标是检测一个固定领域内的实体之间的聚类、分散、随机现象，能满足Duranton和Oveman所提出的五个理想指标标准[18](在不同区域、空间尺度是可比较的，对空间的随意变化没有偏见分类，在基准范围内进行，可以确定观察到的分布与基准之间是否存在差异)，能够提供更为准确的分散性评估。

本文采用W函数对安徽省A级旅游景区的空间分布特征进行定量化的分析。其公式为

(1)

式中：NA,NB为A,B类型旅游景区数量，|xAi|xAj|为Ai点到Aj点的距离，τ为高斯核函数的带宽,k为高斯核函数。

2.2 贝叶斯修正的空间自相关

空间自相关分析是以空间关联测度为核心，通过检验空间位置上的某要素与其相邻空间要素是否具有显著性的空间关联，描述现象的空间分布格局，以此来发现空间聚集和空间异常，揭示对象之间的空间相互作用机制[19]。旅游密度是旅游地发展水平的重要评价指标，能够反映旅游资源类型间相互关系的一般规律，主要包括三个方面：旅游人口密度、旅游空间密度、旅游经济密度[20]。

2.2.1 贝叶斯修正全局空间自相关 目前研究对象之间的空间自相关程度普遍采用莫兰指数，但由于旅游密度本质上是一种比率，其不稳定的方差会违背方差稳定性的前提假设，因而会导致莫兰指数得出虚假的结论[18]。本文采用贝叶斯修正全局空间自相关指数EBI[19]，来避免因密度是比率所带来的固有方差不稳定造成的错误结论。EBI统计量的定义如下：

(2)

2.2.2 贝叶斯修正局部空间自相关 基于与上文同样的原因，对于旅游密度间空间关系的局域分布情况，运用经验贝叶斯方法对Moran’sIi指数修正得到局部空间自相关指数[19]，其统计量的定义如下：

(3)

式中参数含义同EBI。利用EBIi及Zi得分值可以判断某区域与周边相邻区域的关联类型:①若EBIi>0且Zi>0,则该区域属于高-高关联类型;②若EBIi>0且Zi<0,则表现为低-低关联类型;③若EBIi<0且Zi>0,则表现为高-低关联类型;④若EBIi<0且Zi<0，则表现为低-高关联类型。

(4)

图1 安徽省A级及以上旅游景区分布图Fig.1 Distribution map of tourist attractions at grade A and above in Anhui Province

3 安徽省旅游资源空间分布规律

3.1 旅游景区空间分布特征

安徽省16个地级市都拥有A级及以上旅游景区(图1)，但呈现出不均衡的特性。数量最多的是黄山，达到59个，最少的是淮北，景区个数为12个。在景区密度上，密度最小出现在宿州市，为13.06个/万平方千米，最大密度出现在铜陵市，为65.26个/万平方千米。大部分景区等级在3A级以上，达到394个。将安徽省A级景区以3A景区为分界线，划分为3A以下和3A及以上两个等级，利用W函数定量化地描述各个区域的空间分布类型，如表1所示。结果表明：安徽省3A级及以上旅游景区总体上呈现出均匀分布的特点，其中皖南和皖中均表现为均匀分布，而皖北呈现为集聚状态分布；3A以下旅游景点表现为集聚状态,其中皖南，皖中表现为集聚状态，皖北属于均匀分布状态。从局部来看，全省有六个地级市3A级以下旅游景区表现为集聚状态，主要分布在黄山、宣城、铜陵、合肥、滁州和宿州，呈线状分布的特点。七个城市3A及以上旅游景区处于集聚状态，且大部分区域集中在皖北地区，主要包括宿州、淮北、亳州、蚌埠、滁州、芜湖、安庆等地区，其余均表现为均匀分布状态。

一方面，旅游景区的分布与区域旅游资源禀赋的差异有关，相对于皖北地区，皖中南自然资源丰富，人文历史文化底蕴深厚，优质旅游资源较多，旅游经济和旅游发展程度相对较高，旅游景区间的相互依赖程度较小，而皖北地区旅游景区规模和影响程度相对较小，旅游资源之间的相互依赖性表现的更为明显。其次，区域经济发展程度也对旅游景区的分布产生影响，经济的发展程度会影响到景区赖以发展的基础设施的建设。皖中南地区是长江经济带的重要节点，区位条件较好，经济发展的速度也较快，经济优势较大，旅游发展的经济条件较好。再者，经济的发展导向和定位也会对旅游景区的分布产生影响。譬如作为一个被旅游催生的城市，黄山市经济的支柱产业是以旅游业为核心的第三产业，旅游业的发展程度关乎其区域经济的发展。另外，皖南国际文化旅游示范区的规划实施，使得皖南地区发展步伐加快，文化产业规模扩大，旅游影响力不断提升，旅游景区布局不断优化。最后，高速交通布局也对景区的空间特征产生影响。随着“京沪”“合福”“宁安”等高速铁路的开通，客源市场产生了巨大变化，对旅游景区的空间布局有巨大影响。

3.2 安徽省A级及以上旅游景区旅游密度空间相关性分析

3.2.1 基于EBI的安徽省A级及以上旅游景区旅游密度全局空间相关性分析 通过GeoDa软件对安徽省A级及以上旅游景区旅游密度进行经验贝叶斯修正的全局空间自相关分析，得到了安徽省A级及以上旅游景区旅游密度的EBI估计值及其显著性检验，如表2所示。

表1 安徽省旅游景区W函数值Table 1 W function values of tourist attractionsin Anhui Province

结果显示，安徽省A级旅游景区旅游人口密度EBI值0.2895，经济密度EBI值0.1845，空间密度EBI值0.1896，其中，旅游人口密度和旅游经济密度大于0且通过了置信度为95%的Z检验，呈现出明显的正空间自相关。而空间密度在置信度为95.3%时 ，Z得分值为1.8165，略小于1.96界限值，但其EBI值大于零，表明其具有一定的正空间相关性。

表2 旅游密度EBI估计值Table 2 Estimates of EBI for tourism density

3.2.2 基于EBIi的安徽省A级及以上旅游景区局部空间特征分析 经验贝叶斯修正的全局空间自相关分析用于验证整个研究区域的旅游密度空间分布模式，而局部空间自相关分析指标LISA可以进一步衡量安徽省局部区域与其周边区域旅游密度的空间关联程度。为进一步分析安徽省A级及以上景区旅游密度局部空间特征，本文利用EBIi对安徽省A级及以上旅游景区旅游密度进行局部空间自相关分析。将EBIi估计值表示在安徽省行政边界底图上，可以得到不同区域LISAEBIi散点地图。如图2所示。

(a)经济密度

(b)人口密度 (c)空间密度

图2 旅游密度LISAEBIi散点地图

Fig.2 LISAEBIiscatter plot for tourism density

从旅游经济密度LISAEBIi散点地图可以看出，马鞍山市为旅游经济密度低—低聚集区域，为低值聚集中点，表明其与周边区域旅游经济密度差异较小，旅游经济密度较低。其他地级市旅游经济密度空间关系均表现为不显著。从旅游人口密度散点地图来看，旅游人口密度高—高区域主要在池州地区，低—低区域主要集中在皖北地区，包括阜阳、亳州、淮北、宿州等地级市。宣城市旅游人口密度较低，与周边区域差异较大，表现为低—高聚集中心。而从旅游空间密度散点地图来看，旅游空间密度高—高区域主要包括池州、铜陵、芜湖、马鞍山、合肥，其旅游空间密度与周边区域差异较小。宣城市表现为旅游空间密度低—高区域。

从经济密度热点图(图3a)可以看出，安徽省A级旅游景区经济密度热点区域集中在黄山和池州市。经济密度冷点区域集中在安徽省的北部和中南部，主要包括阜阳市、亳州市、淮北市、宿州市、滁州市、合肥市、马鞍山市、芜湖市和铜陵市，形成了“横竖”两带状分布格局。次冷点区主要分布在蚌埠市、淮南市、六安市和宣城市，呈现出“一核一带”分布特点。安庆市表现为次热点区域。

在人口密度热点图(图3b)中，黄山市依旧表现为热点区，冷点区呈带状分布区域，包括宿州市、淮北市、亳州市、阜阳市、淮南市和六安市，次冷点主要集中在蚌埠市、滁州市、合肥市、马鞍山市、芜湖市、铜陵市和宣城市，表现为块状分布特征，次热点区域主要集中在皖西南地区，包括安庆市和池州市。

从空间密度热点分布图(图3c)中可知：安徽省A级旅游景区空间密度热点区域主要集中在安徽省中南部，呈块状集中式分布，主要包括合肥市、芜湖市和马鞍山市；次热点区域主要集中在皖南，包括铜陵市、池州市、黄山市，皖北的蚌埠市也表现为次热点，安徽省A级旅游景区空间密度次热点区域表现为“一核一块”分布特征；冷点区域呈现出“多核一块”式分布，包括宣城市、滁州市、宿州市、亳州市、阜阳市、六安市；次冷点主要集中在淮北市、淮南市、安庆市。

(a)经济密度

(b)人口密度 (c)空间密度

图3 旅游密度热点图

Fig.3 Hotspot map for tourist density

3.3 旅游密度空间分布影响因素分析

从经济密度冷热点整体分布来看，经济密度冷热点分布与旅游经济对区域国民生产总值的贡献率高度一致，例如在黄山、池州，旅游资源丰富，旅游经济在国民生产总值中占比较高，而在合肥市、马鞍山市、芜湖市和铜陵市等市域，工业较为发达，旅游经济在国民生产总值占有率不高，旅游经济密度热度相对较低。从人口密度冷热点分布情况来看，旅游人口密度热度相对较高区域都集中在皖南区，热度区逐渐向北递减，这与安徽省皖南区域人口相对较少，而旅游资源丰富，游客量较多，皖中地区经济较好，人口相对较多，皖北人口基数大的实情相符合。黄山、池州、铜陵、芜湖、合肥、蚌埠等区域景区密度较高，而六安、蚌埠、滁州等区域景区密度相对较低，这与空间密度冷热点分布相一致。但无论是空间密度、人口密度还是经济密度，高值区域与热点区域并不一致，可见，旅游密度除了受上述因素影响外，还受到其他因素的影响。

由于旅游资源禀赋、区域经济发展水平以及交通等因素的空间差异，市域间旅游密度表现出空间差异性。根据前人的研究成果，本文选取旅游资源禀赋、床位数、第三产业服务人员数、交通可达性以及第三产业投资等指标，指标量纲统一后，利用主成分分析法进行降维[21-23]。其中旅游资源禀赋借鉴孙根年[24]的赋值法，将5A，4A，3A，2A，A级景区分别赋予权重5，2.5，1.5，0.5，0.25并求和得到市域旅游资源禀赋，交通可达性以每百公里区域面积内公路的里程计算。结果如表3和4所示。

旅游密度是衡量某一区域内旅游业在社会经济生活中的地位的一项指标，故选取旅游经济在国民生产中的贡献率为因变量，利用ARCGIS10.2的地理加权回归分析，与主成分分析得到的两个主成分因子PCA1、PCA2(表4)进行地理加权回归分析，得到影响因素的空间差异性。Bandwidth为44597.3，AICc为26.99，调整R2在0.8236～0.8472之间，模型模拟效果较好。将回归系数进行可视化处理，如图4所示。

由主成分1的回归系数分布图(图4a)可知，回归系数均为正,表明主成分1对安徽省旅游密度具有显著正向影响，强度整体上表现为由北到南逐渐减小，其中主成分1对阜阳和亳州影响程度最大，对黄山和宣城的影响程度最小，说明阜阳和亳州对主成分1的敏感性要强，黄山和宣城较弱，由成分矩阵(表4)可知，对主成分1贡献较高的有旅游资源禀赋、床位数，分别为0.934、0.842，与安徽省旅游南热北冷的特点相吻合。

由表4可知，对主成分2贡献较高的有第三产业服务人数和第三产业投资。旅游是服务型产业，旅游业的发展少不了资金和人才的投入，增加对旅游产业的投资，可以拉动旅游产业的发展。主成分2回归系数均为正值，影响程度以宣城、芜湖、马鞍山以及滁州为高值区，由高值区逐渐向外围圈层递减(图4b)。

表3 相关矩阵Table 3 Correlation matrix

表4 成分矩阵Table 4 Component matrix

(a)主成分1 (b)主成分2图4 回归系数分布图Fig.4 Distribution of regression coefficients

4 结论与讨论

本文基于GIS技术，采用更加精确的W函数分析旅游景区空间分布特征，利用经验贝叶斯修正的空间自相关性，定量化地描述市域之间旅游密度的空间差异，并结合主成分分析法和地理加权法，研究了市域单元的旅游密度空间差异的原因。结果表明：①安徽省A级及以上旅游景区空间分布上总体呈现出聚集分布的特点，3A级及以上优质旅游景区的聚集程度要略低于3A以下旅游景区，市域聚集程度差异性较大。②安徽省A级及以上旅游景区旅游密度主要呈现出南热北冷的分布特点，热点区域和冷点区域存在着明显的空间分布差异性，表现出明显的块状分布特征，这和安徽省旅游资源南多北少的特点相吻合。③影响安徽省旅游密度的因素在市域间存在空间异质性，亳州、阜阳受主成分1影响程度较大，宣城、芜湖、马鞍山以及滁州等城市对主成分2敏感性较强。

因此，根据安徽省旅游区域间分布特征和空间自相关性，安徽省旅游应利用现有的优质资源，以点带面，区域协同，形成集群式互补式发展，以带动旅游资源相对薄弱区域旅游景区的发展，使旅游布局在区域内逐渐平衡。另一方面，根据不同市域间景区差异，制定合适的发展扶持政策，使其有更大的发展。

本文存在以下问题有待进一步研究：①在空间自相关分析时，采用不同的邻近方式会产生不同的空间权重，从而会对研究结果产生影响。如果做进一步研究，可以利用不同的空间权重矩阵对研究结果的进行稳定性检验。②本研究以市域为基本的研究单元，没有考虑市域内部的差异。如做进一步研究，可以采用更小的研究单元，对旅游空间特征以及空间相关效应做出更加详细的阐述。