长江中游城市群国家森林公园旅游效率时空格局及影响机理研究

朱 磊,李燕楠,卿 琪

(安庆师范大学 资源环境学院,安徽 安庆 246133)

国家森林公园作为我国森林公园中的最高等级,是我国生态旅游发展的重要载体,在森林公园旅游发展中起到了积极的示范和引领作用,近年来其数量不断增加,旅游发展势头也较为强劲。据统计,2017年,全国881处国家森林公园接待游客人数为5.47亿人次,旅游收入达到657.15亿元,分别占森林公园旅游接待总人次和总收入的56.86%、74.8%[1-2]。国家森林公园作为我国旅游产业中的重要组成部分,在发挥经济效益的同时,也发挥着重要的社会效益和环境效益。但由于国家森林公园具有公共资源属性,其资源的配置缺乏科学合理性,已造成森林资源严重浪费,成为制约森林公园旅游可持续发展的突出问题和重要瓶颈。因此,构建科学合理的指标对其进行效率测度,掌握国家森林公园旅游效率在不同区域间的差异及时空演化规律,探究其影响机理,可以实现对森林公园生产要素投入合理性的整体科学把握,对提升其资源的利用效率,实现其健康可持续发展意义重大。

一、旅游效率相关研究概述

旅游效率研究一直是国内外学者研究的热点问题。国外学者对旅游效率研究开始于20世纪90年代,主要集中在对酒店[3]、旅行社[4]和国家公园[5,6]等传统旅游产业部门效率的对比研究。国内学者对旅游效率研究起步较晚,但研究内容较为广泛,几乎涉及旅游产业中的各个业态和部门,研究成果较为丰硕。其中区域旅游目的地效率研究尤受到国内学者广泛关注。从研究对象来看,主要涉及省域旅游[7-11]、城市旅游[12-15]、风景名胜区[16-17]、旅游景区[18-19]、森林公园[20]等旅游目的地;从研究方法来看,主要涉及DEA、Super-DEA、SFA和三阶段模型等[21-24]。森林公园作为我国重要的生态旅游目的地之一,是我国旅游业转型发展的重要载体,然而对其进行系统的效率研究相对薄弱,学者们主要从全国、省域等宏观尺度对区域内全部森林公园旅游效率进行系统研究[25,26],并未区分不同等级的森林公园,且未涉及城市单元。以长江中游城市群为研究对象,聚焦其区域内不同城市内部国家森林公园,在科学构建评价指标体系的基础上,运用DEA-Malmquist指数模型对2009—2019年长江中游城市群国家森林公园旅游效率进行综合测度,并系统研究其时空演化规律,采用GMM模型对其演化的影响机理进行表征,旨在优化国家森林公园旅游资源配置,提升其旅游效率,实现其旅游可持续发展提供一定的借鉴。

二、研究方法

(一)DEA模型

DEA模型即数据包络分析法,它是在相同指标类型的前提下,对多投入、多产出的若干个决策单元进行相对效率性分析的,是一种系统分析评价方法[27]。采用规模报酬可变模型估计长江中游城市群国家森林公园旅游效率。旅游效率主要包括旅游综合效率、旅游纯技术效率和旅游规模效率。具体公式如下:

(1)

式中,λj≥0,j=1,2,…,n。λj为权重变量,由此公式可知国家森林公园旅游综合效率θk可以分解为纯技术效率θTE和规模效率θSE。称纯技术效率和规模效率为综合效率的分解效率,易知综合效率受纯技术效率和规模效率共同影响,并存在以下关系:

θk=θTE×θSE

(2)

可以看出,θk、θTE和θSE间有如下关系:0<θk≤θTE≤1,0<θSE≤1,若效率值为1,表明生产单元位于前沿面上[2,25]。

依据DEA模型研究方法可知,国家森林公园旅游综合效率反映的是森林公园要素资源的配置、利用水平和投入规模集聚水平等,纯技术效率则表示的是森林公园要素资源的配置、利用水平,规模效率表示的是森林公园资源投入规模集聚水平。从旅游综合效率、旅游纯技术效率和旅游规模效率三个方面展开对国家森林公园旅游效率的测度和研究。

(二)Malmquist指数

为了实现对各地市森林公园旅游效率的趋势研究,旅游效率研究中经常采用DEA软件对不同决策单元跨期的效率变化即Malmquist指数进行测度,旨在对旅游效率变化趋势进行动态研究。从t期到t+1期,生产点(xt+1,yt+1)相对于生产点(xt,yt)的Malmquist指数(M0)可表示为:

M0=(xt+1,yt+1,xt,yt)=

(3)

其中,(xt+1,yt+1)和(xt,yt)代表不同时间投入和产出向量的值,Dt和Dt+1分别代表以t期技术为参考,t期和t+1期的距离函数。当规模报酬可变时,Malmquist指数(M0)可以分解为技术进步指数(Tch)、纯技术效率变化指数(TEch)和规模效率变化指数(SEch)的乘积。

M0=(xt+1,yt+1,xt,yt)=

TEch×SEch×Tch

(4)

公式中的M0、Tech、SEch、Tch分别指的是旅游综合效率的变化率、旅游纯技术效率的变化率、旅游规模效率的变化率、技术进步的变化。若M0>1则表明该决策单元趋向前沿面,其森林公园旅游综合效率提高,反之则下降。类似的,当TEch>1、SEch>1时,表明其森林公园旅游综合效率在提高,反之则下降。Tch>1,表明技术进步,反之则为技术退步[2,28]。

三、旅游效率评价体系构建与数据来源

(一)旅游效率评价体系构建

在选择国家森林公园旅游效率评价指标时,参考经济学理论从土地、资本、劳动力三个方面选取投入指标,从经济效益、社会效益和环境效益三个方面选取产出指标。在梳理借鉴前人相关研究的基础上,充分考虑森林公园的性质及功能作用,建立评价指标体系(见表1)。投入指标为森林公园面积、森林公园职工人数、投入资金。森林公园面积最直接地表现出森林公园土地投入,森林公园职工人数代表的是其劳动力投入,用年度投资作为资本的投入代表。产出指标为旅游收入、旅游接待人次、植树造林面积和改造林相面积。旅游收入是森林公园经济效益最直观的表现,旅游接待人次体现森林公园的社会休闲教育功能的发挥,而植树造林面积和改造林相面积是森林公园实现环境效益的重要组成部分[20,25,26]。在此基础上将上述数据代入到DEA软件中计算出长江中游城市群国家森林公园旅游效率及Malmquist指数。

表1 国家森林公园旅游效率评价指标体系

(二) 研究数据来源及说明

根据2015年国务院批复的《长江中游城市群发展规划》,长江中游城市群是以武汉城市群、环长株潭城市群、环鄱阳湖城市群(内部三大次城市群)为主体形成的特大型城市群[29]。其中武汉城市群包括武汉、襄阳、宜昌、荆门、天门、孝感、仙桃、潜江、黄冈、鄂州、黄石、荆州、咸宁,环长株潭城市群包括长沙、湘潭、株洲、常德、益阳、岳阳、娄底、衡阳,环鄱阳湖城市群包括南昌、九江、上饶、景德镇、宜春、鹰潭、萍乡、新余、抚州、吉安。其中天门、仙桃、潜江、鄂州和黄石5市暂无国家森林公园,故研究单元总数为26。评价指标体系中的数据来自2010—2020年《中国林业统计年鉴》《中国旅游统计年鉴》《森林公园年度建设与经营情况统计表》,以及中国林业网(http://www.forestry.gov.cn/)。采用消费价格指数和投资价格指数(数据来自国家统计局网站,按照 2009 年为 100 计算) 对旅游收入和投入资金进行调整,以防价格变动产生影响。

四、旅游效率的时空格局及演化

(一)时序变化特征

1.旅游综合效率水平总体不高,且主要受纯技术效率驱动

运用DEAP 2.1,计算出26个研究单元2009—2019年各旅游效率均值,绘制其时序变化特征图(见图1)。总体来看,11年间,旅游规模效率均值(0.843)>纯技术效率均值(0.783)>综合效率均值(0.677),旅游综合效率均值不高,而旅游规模效率均值较高,表明旅游纯技术效率是导致旅游综合效率较低的主要原因。综上,不难发现,长江中游城市群国家森林公园旅游发展具有一定的规模效应,粗放式发展特征较为明显,旅游发展的创新水平和能力稍显不足。

图1 2009—2019年长江中游城市群国家森林公园旅游效率时序变化

2.旅游综合效率提升幅度较低,并呈现两阶段变化特征

从时序变化来看,旅游综合效率平均增速为1.4%,增幅较低;旅游纯技术效率平均增速为7.2%,增幅明显;而旅游规模效率与前两者有所不同,呈现出一定的下降态势,其平均降幅为3.4%。这表明,长江中游城市群国家森林公园旅游发展由粗放式逐渐向集约化转变,但转变速度和程度较低。此外,旅游综合效率以2013年为拐点,可划分为两个阶段。第一阶段为2009—2012年的波动上升期,呈现出“W”型增长态势。第二阶段为2013—2019年的波动下降期,呈现出“V” 型波动态势。其中值得注意的是2011年增幅和2016年的降幅较为明显。可能的原因是,2011年是国家首次出台《国家级森林公园管理办法》,国家森林公园迎来了旅游发展的黄金期,旅游效率不断提升,而2016年由于是“十三五”的开局之年,国家森林公园各项投入可能有所扩大,其投入的影响具有滞后性,产生一定的投入冗余,导致其效率呈现下降态势。

(二)空间格局与演化特征

1.呈现“东强西弱”梯度格局,内部空间分异特征明显

将研究单元历年的旅游综合效率均值分为4个层级,运用ArcGIS10.2软件绘制旅游综合效率空间分布格局图(见图2)。从宏观层面来看,旅游综合效率空间分异显著,大体呈现出“东强西弱”的空间分异规律。从微观层面来看,武汉、湘潭、衡阳、景德镇等高效率区主要分布于环鄱阳湖城市群和环长株潭城市群,呈“团块状”分布模式;襄阳、荆门、孝感、岳阳、咸宁等中高效率区主要分布于武汉城市群和环鄱阳湖城市群,为“东西向连片带状”集聚分布模式;宜昌、常德、益阳、长沙等中低效率区则主要分布于环长株潭城市群,呈“南北向连片带状”集聚分布模式;黄冈、荆州、娄底和株洲低效率区则散布于武汉城市群和环长株潭城市群,呈“破碎点状”零星分布模式。

图2 长江中游城市群国家森林公园旅游综合效率空间格局

2.整体由集聚向离散状态转移,城市间空间关联性减弱

等距选取2009年、2014年和2019年3个时间截面,绘制旅游综合效率时空演化图(见图3)。高效率区集聚逐步由环鄱阳湖城市群向武汉城市群和环长株潭城市群转移,其范围先扩散,再收缩,最终有半数集聚于武汉城市群,另外半数则零星散布于环鄱阳湖城市群和环长株潭城市群;中高效率区由最初集聚于西北部转移到中部;中低效率区始终呈“破碎点状”零星分布模式。低效率区由初始的南北向“一”字形集聚于长江中游城市群中部,在经历散布趋势之后,再次呈东西向“一”字形集聚于长江中游城市群中部,其范围未明显扩张,原二元格局差异依然保持。局部存在非效率现象。研究期内,南昌、武汉、湘潭和鹰潭的旅游综合效率始终高于0.8,一直属于高效率区,是国家森林公园旅游发展的热点城市,表明其国家森林公园的旅游发展较为迅猛;株洲的综合效率始终低于0.4,一直属于低效率区,存在严重非效率现象。不难看出,高效率区从东南向西北部区域迁移,空间关联性相对减弱,其中武汉城市群国家森林公园旅游发展已经超越环鄱阳湖城市群,成为国家森林公园旅游发展高地。而低效率区相对较为稳定,集中在长江中游城市群中部地区,主要以环长株潭城市群城市为主,是国家森林公园旅游发展的洼地。

图3 长江中游城市群国家森林公园旅游综合效率时空演化

五、全要素生产率的时空格局及演化

(一)时序变化特征

1.时序上呈现波动式增长,总体保持向好基本面

运用DEAP 2.1计算2009—2019年长江中游城市群国家森林公园旅游发展全要素生产率指数(Malmquist指数)。由表2可知, 2009—2019年Malmquist指数平均增长为4.2%。具体从时序变化上来看,40%的年份全要素生产率指数小于1,60%的年份全要素生产率指数大于1,全要素生产率指数围绕着1波动,说明增长年份远多于下降年份,表明森林公园旅游发展保持总体向好基本面。

2.各分解效率变化较小,技术进步效率推动为主

技术进步效率、纯技术效率和规模效率的平均增长分别为4.6%、2.0%和0.5%。技术进步效率对全要素生产率的影响最大,说明在森林公园的旅游发展中,科技赋能、旅游产品创新和运营管理创新取得了一定进步和提升。规模效率变化微弱,说明在规模投入方面可能存在盲目投入现象。为提升国家森林公园效率,应加大旅游产品的创新性开发,走集约化发展道路。

(二)空间格局与演化特征

1.总体空间分异明显

将Malmquist指数平均值划分为四个等级,运用ArcGIS10.2进行可视化处理(见图4)。结果表明,森林公园旅游效率发展呈现出明显空间分异,但整体有效率增长趋势。具体而言,襄阳、孝感等11个研究单元全要素生产率指数小于1,效率变化表现为负增长,趋于衰退。景德镇、黄冈等15个研究单元全要素生产率指数大于1,趋于增长。值得注意的是,株洲的综合效率均值不高,但全要素指数高,说明株洲的技术进步效率较高,在研究期内其国家森林公园旅游开发和产品创新水平均有所提升。

图4 长江中游城市群国家森林公园全要素生产率空间格局

2.空间演变呈现出“发散—收敛—发散—收敛”的四阶段变化特征

观测历年Malmquist指数平均数和变异系数变化的组合结果(见表3),选取全要素生产率显著变化的4个时段,即2009—2010年、2011—2012、2014—2015年和2018—2019年,运用ArcGIS10.2刻画Malmquist指数时空演化图(见图5)。

图5 2009—2019年长江中游城市群国家森林公园旅游全要素生产率时空演化

表3 长江中游城市群国家森林公园旅游全要素指数年际变化

结果显示,国家森林公园的全要素生产率整体呈现收敛趋势,其格局经历了“发散—收敛—发散—收敛”的四阶段演变过程(见图5)。第一阶段为2009—2010年,Malmquist指数平均增速为92%,整体以中等速度提升,内部分异不大,空间上呈现出增速向上的“发散”特征;第二阶段为2011—2012年,Malmquist指数平均增速4%,内部分异减弱较小,具有整体效率递增的“收敛”特征;第三阶段为2014—2015年,Malmquist指数平均增速54%,内部分异较小,整体表现出效率递增的“发散”特征;第四阶段2018—2019年,Malmquist指数平均增速11%,内部分异较小,整体具有效率的增强的“收敛”特征。

六、驱动因素分析

(一)影响因素的选择

国家森林公园旅游综合效率的分析结果表明,城市群内部效率分异明显,这可能与地区经济基础、市场开放程度等方面有关。为寻求多因素作用下的国家森林公园旅游综合效率空间格局演化的影响因素,借鉴前人研究成果[2,20,26],选取地区经济水平(ECON)、市场化程度(MARK)、交通条件(TRAN)、信息化水平(INFO)、资源禀赋(RESO)和区位条件(LOCA)6个典型因子构建长江中游城市群国家森林公园旅游效率的影响因素分析框架(见表4)。其中,地区经济水平是区域旅游发展的重要推动力,也是国家森林公园旅游发展的原始驱动力;市场化程度是区域经济活跃程度的表现,也是国家森林公园融入旅游市场程度的体现;交通条件能直接影响到地区经济的持续发展,也是国家森林公园获得更大发展空间的重要保障;信息化水平是提升国家森林公园旅游现代化水平的关键;资源禀赋是旅游资源开发的保障,也是国家森林公园在同类型竞争中脱颖而出的法宝;区位条件是经济活动的空间基础,其对国家森林公园旅游发展既有支持作用,又有限制作用。各解释变量的数据均源于2009—2019年各市《统计年鉴》和《国民经济和社会发展统计公报》。

表4 旅游效率驱动因素分析框架

(二) 回归模型的选择

为防止数据出现“伪回归”,用PP和IPS两种分析方法对原始数据进行平稳性检验(表5)。结果发现,解释变量的面板数据存在平稳性。定性分析和Hausman检验定量分析结果表明,综合效率适合采用随机效应模型。

表5 面板数据的平稳性检验

考虑到变量间可能存在内生性问题,并为了得到一致估计量,采用GMM模型对长江中游城市群和内部次级城市群进行回归分析。GMM模型,也称广义矩估计,该模型无需假定随机扰动项的分布概率,也不用考虑异方差和序列相关问题,与OLS和MLS等常用估计方法相比,更能得到效率可靠的估计量[30]。GMM模型分为差分GMM和系统GMM,系统GMM模型可以利用更多的信息,估计结果的准确率更高,因此采用系统GMM方法。建立的模型如下:

TEit=α+β1lnECONit+β2lnMARKit+

β3lnTRANit+β4lnINFOit+β5lnRESOit+

β6lnLOCAit+μit

(5)

其中,TE为森林公园旅游综合效率,i为城市,t为时间,β0为截距项,βi为回归系数,ECON表示经济水平,MARK为市场化程度,TRAN为交通条件,INFO为信息化水平,RESO为资源禀赋,LOCA为区位条件,μit为残差。计量模型均采用计量软件EVIEWS进行分析。系统GMM模型是否能够得到一致估计系数,关键是工具变量的选取是否有效以及残差项是否存在二阶自相关。因此对系统GMM估计结果采用Sargan检验判断工具变量的有效性,采用AR检验判断模型的残差项是否存在自相关[31]。

(三)定量分析结果

GMM模型回归结果如表6所示,Sargan检验和AR检验均通过检验,说明MM估计中的工具变量不存在过度识别问题,且残差项不存在自相关。滞后一期的综合效率在长江中游城市群及其内部3个次级城市群均未显著促进综合效率的提升,说明国家森林公园旅游效率是一个非连续性的过程。除此之外,长江中游城市群和次级城市群各回归系数值和符号存在差异,表明影响因素作用具有空间异质性,具体分析如下:

表6 解释变量不包括被解释变量的滞后项回归结果

1.地区经济水平和区位条件对城市群整体和内部次级城市群均有正向促进作用

地区经济水平(ECON)和区位条件(LOCA)对长江中游城市群和各次级城市群的回归系数均为正,且均通10%的显著水平。说明研究期内,地区经济水平和区位条件均能够正向激励城市群整体和内部次级城市群国家森林公园旅游效率。长江中游城市群地区社会经济水平提升,其政府和投资者对国家森林公园的资金投入也相应提升。在森林公园的发展过程中,资金投入增多,有利于森林公园加大产品创新和研发力度,助推其逐渐由粗放向集约化发展转变,提升其旅游发展的竞争力,从而不断提高其旅游效率。此外,优越的区位条件意味着森林公园旅游发展受到关注的机会更多,其开展旅游活动所受到的空间摩擦和距离摩擦较小,克服这些摩擦所花费的时间、费用和劳动都会相对较少,从而更易获得游客和投资者的青睐。旅游企业同时也将获得更多的资源,利于产业集聚。因而长江中游城市群及内部次级城市群区位条件的提升,可正向促进国家森林公园旅游效率。

2.资源禀赋对城市群整体和内部次级城市群均有阻滞作用

资源禀赋(RESO)对城市群整体和内部次级城市群的回归系数方向为负,显示资源禀赋的提升对森林公园旅游效率增长的贡献不高。可能的原因是,长江中游城市群和内部次级城市群森林覆盖率提升,森林资源进一步丰富,使得国家森林公园面对更多同质化竞争的旅游产品,导致国家森林公园在森林资源方面的吸引力相对减弱。提升森林公园旅游效率,应该意识到,资源禀赋是旅游资源开发的保障,而资源禀赋包括但不限于优质的森林资源。森林资源应与其他旅游资源联合开发,力求开发创新性旅游产品,扩大产业规模,提升市场竞争力,实现跨省、跨市的各方面的旅游合作,形成完善的产品体系和经典的旅游形象,提升旅游收入,以此正向激励森林公园旅游效率的进一步提升。

3.市场化程度、交通条件和信息化水平的空间异质性作用明显

市场化程度(MARK)仅对武汉城市群的回归系数为负。说明市场化程度的提升对武汉城市群国家森林公园旅游效率有阻滞作用。可能的原因是,武汉城市群的市场化水平高,其区域经济活跃程度高,地区对外开放程度高,且旅游业态齐全、规模庞大,其市场化程度提升,对除国家森林公园以外的其他旅游相关业态而言,具有更显著的增长效应,从而显示出市场化程度对武汉城市群国家森林公园旅游效率有负向阻滞作用。交通条件(TRAN)仅对环鄱阳湖城市群的回归系数为负,而对武汉城市群和环长株潭城市群具有正向影响。可能的原因是,环鄱阳湖城市群的人均公路密度低于其他城市群,交通条件较差,国家森林公园的市场半径相对较窄,在辐射半径内与其他旅游综合体进行联动的程度较低。近年来尽管环鄱阳湖城市群的交通条件有所改善,但改善速度还不足以正向激励森林公园旅游效率。因此为提升国家森林公园旅游效率,环鄱阳湖城市群应继续加强交通等旅游基础设施建设。信息化水平(INFO)仅对武汉城市群的回归系数为正,而对环鄱阳湖城市群和环长株潭城市群为负。说明信息化水平的提升对武汉城市群国家森林公园旅游效率的提升有正向激励作用。这是由于武汉城市群的国家森林公园旅游发展中,信息化利用水平高,智慧旅游发展较为超前,旅游数字化水平高。其中武汉是国家级智慧旅游城市,其旅游过程中信息流和资金流都能更高效地流动,森林公园旅游效率得到正向激励;而环鄱阳湖城市群和环长株潭城市群信息化发展水平相对较低,对区域内森林公园旅游发展支撑相对不够。

七、结论和建议

在科学构建国家森林公园旅游效率评价指标的基础上,对长江中游城市群2009—2019年各城市单元国家森林公园旅游效率和全要素生产率进行综合测度,并采用地理空间分析技术对其时空格局进行系统分析,最后遴选科学的影响因素指标,采用GMM模型探究其对长江中游城市群及内部三大子城市群国家森林公园旅游效率影响的空间异质性。研究结果表明:

2009—2019年长江中游城市群国家森林公园旅游综合效率水平总体不高,且增速缓慢,平均增速为1.4%;主要受旅游纯技术效率驱动,时序上形成了以2013年为拐点的“W”型和“V”型两阶段变化特征。旅游综合效率总体上呈现出“东强西弱”梯度格局,内部空间分异特征明显,空间演化上由集聚向离散状态转移,城市间空间关联性减弱。其中高效率区由东南向西北部区域迁移,而低效率区相对较为稳定,主要集中在长江中游城市群中部地区。武汉城市群和环长株潭城市群分别已成为国家森林公园旅游发展的“高地”和“洼地”。

2009—2019年全要素生产率Malmquist指数平均增长4.2%,时序上呈现波动式增长,总体保持向好基本面。从各分解效率变化来看,技术进步效率的平均增长为4.6%,提升最快,是全要素生产率指数的主要驱动要素。全要素生产率指数空间分异格局出现了较明显的空间集聚现象。空间格局的演化经历了“发散—收敛—发散—收敛”四阶段。GMM 估计结果表明,旅游综合效率驱动因子对三大次级城市群作用存在空间异质性特征。地区经济水平和区位条件对长江中游城市群国家森林公园旅游综合效率具有正向驱动作用,而资源禀赋对整体城市表现出阻滞作用。市场化程度仅对武汉城市群有一定的阻滞作用,交通条件则仅对环鄱阳湖城市群具有消极影响,信息化水平则仅对武汉城市群有正向激励作用。

根据上述研究结论,为了进一步促进长江中游城市群国家森林公园旅游业的健康发展,提升其旅游效率,提出以下建议:

首先,加大森林公园旅游发展的科技创新力度。目前长江中游城市群旅游效率主要受纯技术效率驱动,且技术进步是全要素生产率的主要影响因子。因此森林公园要加大招引高水平的专业技术人员的力度,提高森林公园旅游发展中的技术含量,推动数字旅游、智慧旅游在森林公园中的应用,不断提升其旅游效率,实现科技赋能森林旅游高质量发展。加大创新研发游客体验型产品,如森林民宿、森林露营地、森林探险等旅游产品,进一步提升森林公园旅游吸引力,增加森林公园旅游市场份额,提高其旅游产出水平,从而推动森林公园旅游效率进一步提升。

其次,加强城市群内部城市国家森林公园旅游协同发展、均衡发展。目前城市群城市内部国家森林公园旅游发展的联动和集聚效应较弱,未来应加强协同发展,尤其是武汉城市群要发挥示范引领效应,实现三大城市群森林公园旅游均衡化发展,从而助力整个城市群森林公园的高质量发展。

最后,加快区域经济发展水平,促进国家森林公园旅游效率的全面提升。长江中游城市群各城市森林公园旅游效率受地区经济水平和区位条件的正向驱动较为明显,未来城市群各城市要不断练好内功,提高城市经济发展水平、旅游业发展水平,促进国家森林公园旅游效率的全面提升,从而为森林公园旅游发展的提质增效打下坚实基础。