山东省乡村旅游景点空间结构及影响因素研究*

李淑娟, 高 琳

山东省乡村旅游景点空间结构及影响因素研究*

李淑娟1,2, 高 琳1

(1. 中国海洋大学管理学院 青岛 266000; 2. 中国海洋大学海洋发展研究院 青岛 266000)

乡村旅游已成为农村实现产业融合的新型产业形态, 为探求其开发和发展的空间结构, 以山东省193个乡村旅游景点为研究样本, 运用最近邻指数、多距离空间聚类分析和核密度分析等GIS空间分析和计量地理方法, 对山东省乡村旅游景点的空间结构及影响因素进行定量研究, 旨在为山东省乡村旅游的发展规划提出决策参考。结果显示: 1)山东省乡村旅游景点的最近邻指数()为0.74, 在空间分布上表现为典型的集聚型分布, 主要分布于青岛、济南、临沂及枣庄4座城市周围。2)山东省乡村旅游景点热点区和冷点区空间差异明显, 在省域尺度下表现出明显的“块状”分布特征。3)山东省乡村旅游景点受交通、区位、社会经济、资源禀赋、地形地貌等多种因素综合作用的影响。基于此, 结合山东省乡村旅游发展现状提出两点建议: 1)加强鲁东、鲁西、鲁北、鲁中4大片区合作, 构建多个“核心—边缘”乡村旅游发展区。2)完善旅游交通网, 实现景点之间的有机链接。

乡村旅游; 空间结构; 最近邻指数; 核密度分析; 山东省

党十九大报告中指出要促进农村一、二、三产业融合发展, 支持及鼓励农民就业创业, 拓宽增收渠道, 实施乡村振兴战略。而乡村旅游是促进农村一、二、三产业融合发展重要表现形式之一, 是实现乡村振兴战略的重要抓手。探索乡村旅游景点的空间分布规律及影响因素分析, 有助于提出切实可行的乡村旅游发展建议。

乡村旅游既是农业发展新途径, 也是旅游业发展新领域, 其空间结构及影响因素一直以来受国内外学者广泛关注。国外研究起步较早, 发展较为成熟, 从研究内容来看, 已从乡村旅游概念辨析[1]、乡村旅游的影响[2]、乡村旅游的发展现状、模式、战略[3-4]的研究转向对乡村旅游地社区潜力、乡村旅游开展的社会经济影响[5-6]等方面的研究。国内研究起步较晚, 目前对乡村旅游空间结构的研究, 主要包括乡村旅游景点类型的划分[7]、空间分布特征[8]等。从研究方法上来看, 国内外研究都逐渐由定性研究转向定量与定性相结合的研究方法[9-11]。从研究尺度上来看, 空间尺度涵盖了全国、省域、市级乡村旅游景点, 但出于研究的数据可获得性, 大多研究集中在小尺度范围内[12-13]。

综上所述, 现有文献主要针对小尺度下乡村旅游的研究, 缺乏对中宏观层面下乡村旅游景点空间结构的研究。同时, 在选取乡村旅游景点时, 未充分考虑到乡村旅游景点在旅游消费市场上的影响力。基于此, 本文以山东省域为研究尺度, 选取通过国家旅游局制定的《A级景区评定标准》的乡村旅游景点作为研究对象, 并结合研究区的资源条件及社会经济发展状况等特征, 对山东省乡村旅游景点的空间结构及影响因素进行分析, 为乡村旅游资源开发整合、可持续发展提出建议与对策。

1 数据来源与研究方法

1.1 数据来源与处理

依据山东省文化和旅游厅官网所分类的乡村旅游景点名称, 考虑到景点的市场认可度, 选取通过国家旅游局制定的《A级景区评定标准》的乡村旅游景点作为研究对象。借助百度API获取乡村旅游景点的经纬度信息, 并结合ArcGIS 10.2软件对山东省乡村旅游景点的位置信息进行投影转化, 从而构建山东省乡村旅游景点空间数据库, 并绘制乡村旅游景点空间分布图(图1)。

1.2 研究方法

1.2.1 最近邻指数

最近邻近指数(NNI)表示平均观测距离与预期平均距离之间的比率。NNI公式为[14]:

1.2.2 核密度分析

核密度分析可用来表达山东省境内乡村旅游景点的空间分布密度, 通过形态特征表达要素的空间分布特征, 密度分析能够较为清楚地表达要素的分散或离散特征[15]。核密度分析以山东省乡村旅游景点为圆心, 以输入的数值为搜索半径, 通过统计圆内的景点数量, 估计要素在圆内所发生的概率, 常采用Rosenblatt-Parzen函数[16-17], 公式为:

1.2.3 多距离空间聚类分析

Ripley’s函数可用来研究景点集聚或离散伴随着距离变化所带来的变化特征。其原理分别以山东省193个乡村旅游景点为圆心, 通过设置距离和距离增量, 计算圆内乡村景点数量, 通常情况下伴随着距离的增加, 圆内景点数量逐渐增加, 如果在某一特定距离的平均景点数高于整个研究区内平均密度, 则该距离的分布方式被视为聚类分布。常采用函数的变换()函数, 其计算公式为[18-19]:

式中: a表示山东省面积; N表示山东省乡村旅游景点数; d表示距离; i, j表示各乡村旅游景点; K(di,j)表示权重, 当景点i与j间的距离di,j小于或等于d时, K(i, j)=1, 反之等于0。

(本文所有地图来源于：标准地图服务)

1.2.4 全局空间自相关分析

空间上相邻地域由变量相似性所产生的数据二阶效用称为空间自相关, 其测度有Geary’s和Moran’s两个指标, 本文采用Moran’s指标表示景点在山东省范围内的空间相关性整体趋势及差异性[20], 计算公式如下:

1.2.5 空间自相关分析

局域关联指数Getis-OrdG*通常可用来反映空间要素分布的自相关性, 可用来分析山东省乡村旅游景点的热点区与冷点区的空间分布, 计算公式如下:

式中:是景点在单元的观测值,w,j是景点和之间的距离权重矩阵,为山东省乡村旅游景点总数。

1.2.6 地理加权回归方法基本模型

地理加权回归方法(GWR)通过假定线性回归模型中的回归参数来设置数据空间函数, 建立如下空间变系数回归模型:

2 结果与分析

2.1 山东省乡村旅游景点空间分布特征

点要素的空间分布通常采用最近邻近指数NNI对其空间特征进行描述, 其可分为随机型、集聚型以及均匀型3种类型。使用ArcGIS 10.2平均最近邻近工具进行计算, 得出山东省193个乡村旅游景点的最近邻近指数为0.74, 远小于1;得分为-6.82, 表明山东省193个乡村旅游景点在空间分布上呈现典型的集聚型分布特征。乡村旅游景点在空间上的集聚, 反映山东省乡村旅游景点开发的成熟性和适宜性。

2.2 山东省乡村旅游景点空间多尺度特征

借助ArcGIS 10.2软件中Multi-Distance Spatial Cluster Analysis (Ripley’sFunction)工具, 得到山东省乡村旅游景点的多尺度空间分布图(图2)。由图2可知, 山东省乡村旅游景点的观测值(observerd)曲线大于较高置信区间(Hi Conf Env), 总体呈现聚集型分布; 伴随距离的增加,观测值曲线逐渐远离预期值(expected), 并在66.6 km处聚集强度达到最大, 随后集聚强度逐渐降低; 在188.7 km处观测值曲线和预期值曲线相交, 即在0~188.7 km内景点呈现显著集聚分布, 其空间尺度为188.7 km; 在此之后观测值曲线开始逐渐趋近于置信区间, 集聚强度逐渐减弱。结果反映山东省乡村旅游景点在以66.6 km为搜索半径时, 其距离内的景点数量最多聚集程度最大。

图2 山东省乡村旅游景点的Ripley’s K函数分析

2.3 山东省乡村旅游景点空间密度特征

通过以上分析得知山东省193个乡村旅游景点在空间分布上呈现明显的集聚性分布特征, 利用ArcGIS 10.2空间分析工具Kernel Density, 探索其分布密度。在此前多数研究中很少考虑到搜索半径对于密度分析的影响, 在核密度分析中, 搜索半径越小, 其生成的核密度图所能揭示的局部信息越详细, 但存在掩盖整体特征的缺陷; 但搜索半径越大, 生成的核密度图虽能高度概括整体特征, 但也存在掩盖局部特征的缺陷[21]。综合考虑到山东省乡村旅游景点分布的整体格局和局部特征, 本文选取Ripley’s函数分析得到的66.6 km为搜索半径, 进行下一步的核密度特征分析。

根据搜索半径=66.6 km, 核密度平均值为11.064 6个∙(104km2)-1, 标准差为6.953 1, 采用标准差分类法渲染密度图(图3)。结果表明, 乡村旅游景点空间分布在山东省内不同区域差异显著, 总体呈现“东高、西低”的分布特征。从片区差异来看, 乡村旅游景点空间分布密度最高的地区主要集中在青岛、济南、枣庄、临沂4市周围, 最高分布密度达23.13~31.22个∙(104km2)-1; 潍坊、聊城及东营等市也有较密集的分布, 分布密度达13.22~17.87个∙(104km2)-1; 菏泽、德州2市密度分布较少, 最低密度达0~4.41个∙(104km2)-1。从景点的分布来看, 山东省乡村旅游景点主要分布于交通发达、人口密集度高的区域, 如以青岛为核心的鲁东半岛空间片区便是乡村旅游景点分布最为密集的地区, 其空间分布特征与中心地理论相符合。探究其原因主要为经济发达的地区是信息流、人口流、物质流的汇聚地, 旅游资源的开发相对成熟, 旅游集散功能也更为完善。

所选取的山东省乡村旅游景点都经过《A级景区评定标准》, 因此可具体分为2A、3A、4A及5A景点。由图4可知, 山东省不同等级乡村旅游景点空间密度差异明显。2A级乡村旅游景点数量为63个, 主要分布在青岛、临沂、淄博、潍坊4市, 最高密度达22.74个∙(104km2)-1; 3A级乡村旅游景点数量最多, 为91个, 主要分布在青岛、日照2市周围, 最高密度达21.43个∙(104km2)-1; 4A级乡村旅游景点数量为38个, 主要分布在济南、潍坊、枣庄、日照4市周围, 最高密度为11.58个∙(104km2)-1; 5A级乡村旅游景点数量仅1个, 分布于青岛市。由此可知, 山东省193个A级乡村旅游景点的组合类型呈现出“2A、3A为主, 4A、5A为辅”的特征。从景点空间分布来看, 2A级乡村旅游景点呈现三核分布, 密度最高区分布在青岛、临沂2市周围, 而聊城相对次之。主要由于青岛、临沂、淄博、潍坊这4座城市经济、交通、农业较好; 而聊城农业基础好但经济、交通相对薄弱, 2A乡村旅游产品的类型以有机农场、采摘园、绿色生态观光园以及农业庄园为主。3A级乡村旅游景点呈现“几”字形带状分布的特点, 密度最高区分布在青岛、日照2座城市周围, 济南、枣庄、淄博3座城市相对次之。主要由于青岛、日照为沿海城市, 拥有悠久的滨海文化、经济基础较好、交通可达性高, 周围乡村旅游产品类型以渔家乐、度假村、民俗园为主; 而济南、枣庄、淄博3座城市分布在鲁中地区, 以山岳型乡村旅游资源为主, 同时农业科技技术含量较高, 使得这3座城市周围乡村旅游产品的类型以农家乐、农业科技示范园为主。4A级乡村旅游景点呈现出明显的四核分布, 主要分布于济南、枣庄、潍坊、日照4市周围。探究其原因主要由于这几座城市拥有丰富的济南泉城文化、胶东半岛的滨海文化、潍坊风筝年画民俗文化等文化资源, 同时经济发达, 旅游资源的开发成熟, 旅游集散功能的完善等多方面原因, 导致了4A乡村旅游景点分布密度较高产品类型以风景名胜区为主。

图3 山东省乡村旅游景点空间密度分布图

图4 山东省2A、3A和4A乡村旅游景点核密度图

2.4 山东省乡村旅游景点空间关联特征

以山东省17座城市为基本单元, 利用ArcGIS 10.2计算山东省乡村旅游景点空间分布的全局Moran’s指数, 该指数能够依据位置的相似性和属性相似性的匹配情况对山东省乡村旅游景点空间分布类型进行测度, 并采用Ripley’s函数分析得到的66.6 km最为理想的搜索半径, 寻找山东省17座城市内乡村旅游景点的核密度均值。由表1可知, 全局Moran’s估计值为0.107 9>0, 但接近于0, 而值=0.857 8<1.96, 未通过显著性水平=0.05的检验, 表明在66.6 km的理想尺度上同等级乡村旅游景点的空间分布并未出现明显的空间自相关性, 空间分布自相关性不强。

表1 山东省乡村旅游景点全局Moran’s I指数

对山东省乡村旅游景点的热点进行分析, 计算17个地市行政区的局部关联指数Getis-OrdG*, 其将山东省193个乡村旅游景点分为4类片区(图5)。由图5所示, 热点区主要分布于潍坊、青岛、临沂、烟台等几座城市周围。统计得出热点区占山东省面积的40.63%, 冷点区占山东省面积的59.37%。总体而言, 山东省乡村旅游景点热点区与冷点区空间差异明显, 在省域尺度上展现出明显的“块状”分布特征。

2.5 山东省乡村旅游景点影响因素分析

2.5.1 资源禀赋因素

山东省乡村旅游资源具有以下2点特征: 第一, 齐鲁文化内涵突出。山东省乡村旅游发展依托于特色齐鲁文化、海洋文化、农耕文化及泉文化等文化资源, 其以齐鲁文化为根基, 打造一系列以“好客山东”为品牌的农耕体验游、自然生态游、研学旅游、民俗村等乡村旅游产品, 如济南九顶塔中华民俗园、淄博周村古商城、日照龙门崮旅游度假区等。第二, 传统农业与现代农业体验产品丰富, 如青岛渔家乐、潍坊寿光林海生态博览园、德州沾化冬枣生态旅游采摘园等。山东省地形多样, 具有平原、丘陵、山地等多类地形, 为农副产品, 如寿光蔬菜、莱阳梨等提供良好的生长条件。伴随着近几年来农业集约化、产业化水平不断提升, 一大批农业科技示范园、家庭农场等成为现代高科技农业的新亮点。良好的民俗文化资源、农业资源、科技资源、地貌资源, 为山东省乡村旅游的发展提供了坚实的基础。山东省乡村旅游景点具有典型的景区依托型特点, 具有知名度和影响力的景区(青岛崂山风景区、泰安泰山风景名胜区、日照龙门崮旅游度假村、临沂竹泉村等)拥有较为丰富的旅游资源, 是乡村旅游的重要依托载体。高星级景区已形成良好的规模效应和品牌效应, 同时旅游交通、住宿、餐饮等基础条件也相对完善, 对附近乡村旅游景点的发展具有较强的拉动作用[22]。

2.5.2 可达性因素

可达性可用来测量区域内一点到最近旅游景点所花费的时间以此表示游客到景点的便利程度[23], 有助于分析乡村旅游景点分布与交通网络之间的关系。依据国家规定的不同路网速度指标, 计算网格通行时间, 并赋予相应时间成本, 在此基础上进行成本加权距离计算, 算出景点的可达性。以15 min为时间间隔, 将山东省乡村旅游景点的可达性划分为0~15 min、15~30 min、30~45 min、45~60 min、60~75 min以及75~90 min。

图5 山东省乡村旅游景点空间分布热点图

山东省乡村旅游景点空间可达性良好(表2, 图6), 整个区域内全部乡村旅游景点的平均可达时间为21.6 min, 其中可达性30 min以内的区域达69.47%, 而可达性在1 h以上的区域不足3%。山东省乡村旅游景点可达性空间差异较为明显, 可达性最差的区域主要分布在菏泽市、滨州市、东营市3座城市, 最大可达性达90 min。可达性较好的地市行政区主要为青岛、济南、枣庄市, 这3座城市经济发达, 因其路网较其他城市密集, 所以景点的可达性延展较好, 衰减幅度较少。

图6 山东省乡村旅游景点的可达性空间分布图

表2 山东省乡村旅游景点可达性分布面积和频率

2.5.3 社会经济因素

社会经济的发展对旅游业发展具有重要的推动力, 影响着乡村旅游目的地的空间分布及演变。以2017年山东省各市人均GDP、旅游收入作为判别区域经济发展程度的指标, 通过ArcGIS 10.2中的地理加权回归(GWR)工具进行回归分析, 拟合优度2为0.602(表3), 表明回归模型与观测所得值的拟合度较好, 能够较为清楚地反映社会经济对山东省乡村旅游的影响。结果显示(图7), 经济发达的青岛市为乡村旅游发展的热点区; 在良好的社会经济条件下济南市、烟台市、临沂市等6座城市乡村旅游景点也发展较好。

2.5.4 政策因素

乡村旅游发展和时空变化受到法律法规以及政策制度的影响, 山东省已出台相关乡村振兴战略规划。乡村振兴战略规划指出需进一步开发创新型乡村旅游产品(一户一业态、一村一品等)以及加快建立旅游产业集聚群, 同时指出需密切结合国家及省级层面战略规划如国家新农村建设和半岛蓝色经济区等, 跨地区整合乡村旅游资源, 形成具有鲜明特色的乡村旅游发展片区。在政策制度的推动下, 乡村旅游产品日趋多样化, 不断向优势区域集聚, 逐步形成以“好客山东”为品牌的特色乡村旅游景点空间结构。

3 讨论与结论

3.1 讨论

山东省乡村旅游景点空间分布上表现为典型的集聚性和区域性特征, 经济、交通、资源是影响山东省乡村旅游景点的主要因素。相关研究表明, 不同的地貌、河流都会影响到景点的开发和布局; 旅游交通是影响景点空间分布的指向性因子, 良好的可进入性可为乡村提供稳定的客源, 同时有利于旅游产品的输出; 高级别旅游景点具体较强的品牌辐射效应, 可激发目的地范围内的农户参与到乡村旅游的开发中; 经济发达的区域, 当地居民的旅游需求也较为旺盛, 周围景点开发也较为成熟[24]。研究区地理环境多样、历史文化悠久, 各乡村旅游景点的建设均与交通网络密切相关, 经济发达的区域为乡村旅游景点的集中片区。

图7 山东省乡村旅游景点地理加权回归图

表3 地理加权回归模型参数估计结果

就山东省各市而言, 青岛、烟台、日照、威海、潍坊等沿海城市是山东省乡村旅游发展的热点区域, 此区域乡村旅游的特征为基于乡村的滨海度假、渔家乐等类型的乡村体验游, 同时受到经济、交通网络的影响, 乡村旅游景点主要集聚于青岛、潍坊这两座城市。已有研究表明, 从乡村旅游景点数量、类型、密度的角度考虑, 山东省东部沿海城市为乡村旅游发展的一级区域[25]。鲁中地区乡村旅游景点主要集聚于济南、泰安, 乡村旅游发展以山岳度假为主题。鲁西、鲁北区域经济发展较慢、资源相对贫乏以及受交通的影响, 为乡村旅游发展的冷点区域, 乡村旅游特点表现为平原观光和农事体验。

山东省乡村旅游景点在省域尺度下表现出明显的“块状”分布特征。因此, 可从以下方面来优化山东省乡村旅游景点空间结构: 一是通过加强鲁东、鲁中、鲁西、鲁北4大区域旅游合作, 构建多个“核心—边缘”乡村旅游发展区。通过整合4大区域乡村旅游文化资源、农业资源、交通资源、地貌资源、基础设施资源等多项资源, 跨区域合作实现“核心—边缘”联合发展, 最终形成以半岛滨海、湖泊湿地等多个乡村旅游发展片区为核心, 通过整合不同区域乡村旅游资源, 构建山东省多个“核心—边缘”乡村旅游发展区。二是完善旅游交通网络, 实现景点之间有机链接。山东省乡村旅游景点的空间可达性整体较优, 但仍存在部分旅游景点空间连通度不够完善的情况, 特别是山东省中西部城市以及城市之间交通联系仍不充分, 加快构建北部沿海通道、鲁中通道、济青通道以及鲁南通道, 通过不断完善东部沿海通道、滨临通道等多条交通通道, 提高路网等级和密度, 完善交通网络形态。

3.2 结论

本文借助ArcGIS 10.2软件, 运用最近邻指数、多距离空间聚类分析和核密度分析、热点分析、地理加权回归分析等空间研究方法对山东省乡村旅游景点的空间结构进行分析, 具体结论如下:

1)山东省乡村旅游景点的最近邻指数()为0.74, 在空间分布上表现为典型的集聚型分布。密度最高的地区主要集中在青岛、济南、枣庄、临沂4市周围, 潍坊、聊城及东营等市也有较密集的分布; 菏泽、德州2市密度较低。2)山东省乡村旅游景点热点区和冷点区空间差异明显, 在省域尺度下表现出明显的“块状”分布特征, 青岛、济南、临沂、潍坊4座城市为主要热点区。主要由于此类地区, 区位条件好, 交通可达性强, 经济基础较好, 易于形成具有典型特征的乡村旅游目的地。3)山东省乡村旅游景点受交通、区位、社会经济、资源禀赋等多种因素综合作用的影响。经济、交通发达的地区是信息流、人口流、物质流的汇聚地, 旅游资源的开发相对成熟, 旅游集散功能也较为完善, 乡村旅游景点也较为密集。

[1] NILSSON P Å. Staying on farms: An ideological background[J]. Annals of Tourism Research, 2002, 29(1): 7–24

[2] LOVE T. Agricultural tourism: Curriculum for university students and community enrichment[J]. Nacta/ouma, 2003, 47(4): 78–84

[3] SHARPLEY R, VASS A. Tourism, farming and diversification: An attitudinal study[J]. Tourism Management, 2006, 27(5): 1040–1052

[4] CARPIO C E, WOHLGENANT M K, BOONSAENG T. The demand for agritourism in the United States[J]. Journal of Agricultural and Resource Economics, 2008, 33(2): 254–269

[5] PINA I P A, DELFA M T D. Rural tourism demand by type of accommodation[J]. Tourism Management, 2005, 26(6): 951–959

[6] BRANDTH B, HAUGEN M S. Farm diversification into tourism-implications for social identity?[J]. Journal of Rural Studies, 2011, 27(1): 35–44

[7] 程海峰, 胡文海. 池州市A级旅游景区空间结构[J]. 地理科学, 2014, 34(10): 1275–1280 CHENG H F, HU W H. Spatial structure of class A tourist attraction in Chizhou[J]. Scientia Geographica Sinica, 2014, 34(10): 1275–1280

[8] 潘竟虎, 李俊峰. 中国A级旅游景点空间结构的计量地理分析[J]. 经济地理, 2013, 33(9): 154–160 PAN J H, LI J F. Analysis on spatial structure of A-Grade scenic spots in China based on quantitative geography model[J]. Economic Geography, 2013, 33(9): 154–160

[9] 王卫平. 江苏省休闲农业景点系统空间结构研究——基于分形理论[D]. 南京: 南京师范大学, 2017 WANG W P. Study on the spatial structure of leisure agriculture scenic spot system in Jiangsu Province[D]. Nanjing: Nanjing Normal University, 2017

[10] 许贤棠, 刘大均, 胡静, 等. 国家级乡村旅游地的空间分布特征及影响因素——以全国休闲农业与乡村旅游示范点为例[J]. 经济地理, 2015, 35(9): 182–188 XU X T, LIU D J, HU J, et al. Spatial distribution characteristics and influence factors of rural tourism destination in China — The case of national level leisure agriculture and rural tourism demonstration sites[J]. Economic Geography, 2015, 35(9): 182–188

[11] 李涛, 陶卓民, 李在军, 等. 基于GIS技术的江苏省乡村旅游景点类型与时空特征研究[J]. 经济地理, 2014, 34(11): 179–184 LI T, TAO Z M, LI Z J, et al. The research on types and time-spatial structure of rural tourism attractions in Jiangsu Province based on GIS[J]. Economic Geography, 2014, 34(11): 179–184

[12] 古红梅. 乡村旅游发展与构建农村居民利益分享机制研究——以北京市海淀区西北部地区旅游业发展为例[J]. 旅游学刊, 2012, 27(1): 26–30 GU H M. Study on the development of rural tourism and construction of rural residents’ interest-sharing mechanism: A case of the development of tourism industry in the northwest area of Haidian District, Beijing[J]. Tourism Tribune, 2012, 27(1): 26–30

[13] 席建超, 王新歌, 孔钦钦, 等. 旅游地乡村聚落演变与土地利用模式——野三坡旅游区三个旅游村落案例研究[J]. 地理学报, 2014, 69(4): 531–540 XI J C, WANG X G, KONG Q Q, et al. Spatial morphology evolution of rural settlements induced by tourism: A comparative study of three villages in Yesanpo tourism area, China[J]. Acta Geographica Sinica, 2014, 69(4): 531–540

[14] 谢志华, 吴必虎. 中国资源型景区旅游空间结构研究[J]. 地理科学, 2008, 28(6): 748–753 XIE Z H, WU B H. Tourism spatial structure of resources-based attractions in China[J]. Scientia Geographica Sinica, 2008, 28(6): 748–753

[15] 王远飞, 何洪林. 空间数据分析方法[M]. 北京: 科学出版社, 2007: 13–46 WANG Y F, HE H L. Spatial Data Analysis Method[M]. Beijing: China Social Sciences Press, 2007: 13–46

[16] 李存华, 孙志挥, 陈耿, 等. 核密度估计及其在聚类算法构造中的应用[J]. 计算机研究与发展, 2004, 41(10): 1712–1719 LI C H, SUN Z H, CHEN G, et alKernel density estimation and its application to clustering algorithm construction[J]. Journal of Computer Research and Development, 2004, 41(10): 1712–1719

[17] 魏海洋, 靖常峰, 杜明义. 不同尺度下核密度分析对城市管理案件分布趋势的影响[J]. 城市勘测, 2015, 31(1): 18–20 WEI H Y, JING C F, DU M Y. Kernel density analysis of different scales for distribution trend of urban[J]. Urban Geotechnical Investigation & Surveying, 2015, 31(1): 18–20

[18] KENEEY N C. Pattern of self-thinning in jack pine: Testing the random mortality hypothesis[J]. Ecology, 1988, 69(4): 1017–1024

[19] HASSE P. Spatial pattern analysis in ecology based on Ripley’s K-function: Introduction and methods of edge correction[J]. Journal of Vegetation Science, 1995, 6(4): 575–582

[20] 徐建华. 地理建模方法[M]. 北京: 科学出版社, 2010: 120–132 XU J H. Geographical Modelling Methods[M]. Beijing: China Social Sciences Press, 2010: 120–132

[21] 刘真真, 李盈昌. 山西省休闲农业与乡村旅游景点空间结构的计量地理分析[J]. 中国农业资源与区划, 2017, 38(7): 108–114 LIU Z Z, LI Y C. Spatial structure of leisure agriculture and rural tourism spots in Shanxi Province on quantitative geography model[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(7): 108–114

[22] 刘大均, 胡静, 陈君子. 武汉市休闲旅游地空间结构及差异研究[J]. 经济地理, 2014, 34(3): 176–181 LIU D J, HU J, CHEN J Z. The spatial structure and disparities of leisure tourism destinations in Wuhan[J]. Economic Geography, 2014, 34(3): 176–181

[23] 李保超, 王朝辉, 李龙, 等. 高速铁路对区域内部旅游可达性影响——以皖南国际文化旅游示范区为例[J]. 经济地理, 2016, 36(9): 182–191 LI B C, WANG C H, LI L, et al. The influence of high-speed railways on accessibility of tourism in the region —A case study of southern Anhui international cultural tourism destination[J]. Economic Geography, 2016, 36(9): 182–191

[24] 王新越, 侯娟娟. 山东省乡村休闲旅游地的空间分布特征及影响因素[J]. 地理科学, 2016, 36(11): 1706–1714 WANG X Y, HOU J J. Spatial distribution features and influence factors of rural leisure tourism destinations in Shandong Province[J]. Scientia Geographica Sinica, 2016, 36(11): 1706–1714

[25] 吴伟. 山东省乡村旅游空间布局特征及影响因素分析[D]. 济南: 山东大学, 2013 WU W. Shandong Province rural tourism spatial distribution characteristics and influencing factors[D]. Jinan: Shandong University, 2013

Spatial structure and influencing factors of countryside tourist attractions in Shandong Province*

LI Shujuan1,2, GAO Lin1

(1. Department of Tourism Management College, Ocean University of China, Qingdao 266000, China; 2. Ocean Development Research Institute, Ocean University of China, Qingdao 266000, China)

Countryside tourism has become a new type of industry. In order to explore their spatial distribution pattern and characteristics, 193 countryside tourist attractions in Shandong Province were studies. The spatial distribution patterns of the countryside tourist attractions were analyzed using Geographic Information System (GIS) spatial analysis methods, such as the nearest neighbor index, multi-distance spatial clustering analysis, Ripley’s function and kernel density analysis. Considering the overall and local advantages and disadvantages of multi-scale density analysis, Ripley’s function was used to determine the optimal search radius for density, cold point and hot spot analysis. Shandong Province countryside tourist attractions had a nearest neighbor index () of 0.74, which indicates a typical spatial gathering distribution, mainly distributed in Qingdao, Jinan, Linyi, and Zaozhuang. The spatial differences in hot and cold areas were clearly detected and at the provincial level, showed a significant “block” distribution. Shandong Province countryside tourist attractions were influenced by traffic conditions, location, socioeconomic level, tourism resource endowment, topographical features and other factors. Based on these results, we put forward two proposals combined for the development of Shandong countryside tourism. Firstly, we propose the strengthening of the cooperation between the four regions of eastern Shandong, western Shandong, northern Shandong, and central Shandong to build multiple “core-edge” countryside tourism development areas. Secondly, we propose improvements in the tourist transportation network and the realization of links between different countryside tourist attractions.

Countryside tourist; Spatial structure; Nearest neighbor index; Kernel density analysis; Shandong Province

LI Shujuan, E-mail: drlishujuan@163.com

Jan. 14, 2019;

May 28, 2019

F590

2096-6237(2019)10-1492-10

10.13930/j.cnki.cjea.190045

2019-01-14

2019-05-28

李淑娟, 主要从事旅游规划与开发的研究工作。E-mail: drlishujuan@163.com

* This study was supported by the Social Science Planning Project of Shandong Province (18CLYJ59).

* 山东省社科规划项目(18CLYJ59)资助

李淑娟, 高琳. 山东省乡村旅游景点空间结构及影响因素研究[J]. 中国生态农业学报(中英文), 2019, 27(10): 1492-1501

LI S J, GAO L. Spatial structure and influencing factors of countryside tourist attractions in Shandong Province[J]. Chinese Journal of Eco-Agriculture, 2019, 27(10): 1492-1501