旅游地社会—生态系统韧性的时空跃迁特征与驱动因素——以长三角城市群为例

杜 钟 婧,丁 正 山*,穆 学 青,郭 向 阳

(1.南京师范大学地理科学学院,江苏 南京 210023;2.贵州财经大学工商管理学院,贵州 贵阳 550025)

0 引言

随着城市化进程加快和发展环境的快速变化,社会经济危机、极端自然灾害以及流行疾病等危机事件的发生具有难以预见性和不确定性,严重威胁着以城市为代表的旅游目的地社会—生态系统的稳定与发展。韧性(resilience)思想为实现城市旅游地社会—生态系统可持续发展提供了新途径[1]。韧性作为社会—生态系统概念性框架的核心理论[2],符合可持续发展目标[3,4],“十四五”规划亦明确要求建设“韧性城市”,提升城市治理水平和风险防控能力。因此,研究城市型旅游目的地应对危机事件时的韧性,是兼具理论贡献和现实发展需要的重要议题。

关于城市韧性研究已取得丰富成果[5-8],但针对城市旅游地社会—生态系统韧性的探索仍不充分,从韧性视角探析旅游地社会—生态系统的稳定性与抗性是旅游业可持续发展研究的新方向,主要集中在以下方面:①概念与理论诠释:韧性概念起源于物理学,后由生态学家Holling正式引入社会—生态系统[9]。旅游地社会—生态系统属于社会—生态系统的一种特殊类型[10],目前学术界关于旅游地社会—生态系统韧性的定义尚未统一,但对其概念基本内涵所述大体一致[10,11],即旅游地社会、经济和生态系统在内生性和外源性扰动的综合作用下,能化解或吸纳扰动量而维持原有状态,或通过适应、学习与创新而建立新稳态结构的能力。学界依托适应性循环理论、扰沌理论[12]和盆地模型[13]等展开大量研究,奠定了良好的理论基础。②评价与演化分析:旅游地社会—生态系统韧性评价是当前实证研究的核心领域,学者们通过构建“社会—经济—生态”多维指标体系[1]或设置关键阈值[14],结合熵值法、集对分析法、TOPSIS法等对系统韧性进行评估[15-17],但研究对象多为湖泊[16]、滨海[18]、山区[19]、国家公园[20]、旅游社区[21]、乡村地域系统[22]等小尺度区域,对大中尺度旅游地的研究相对较少。随着韧性测评的推进,学界逐渐聚焦于时序演化分析,对社会、经济和生态等分维度韧性的时序变化趋势进行深入分析[15,20,21],并详细探讨二维或三维子系统韧性的耦合协调水平及其交互作用过程的时间序列特征[18,23,24]。③影响因素分析:多借助障碍度模型、回归分析等方法对旅游地社会—生态系统韧性指标体系的关键影响因子进行识别和探讨[24,25],旅游经济效益[24]、财政支持力度[1]、生计多样性[16]、第三产业就业比重[24]、生态环境条件[26]等是较显著的影响因素。

综上可知,当前仍以城市韧性为主要研究对象,对受旅游活动影响的城市型旅游目的地多维系统韧性的关注度不够;多从分维度视角对韧性进行分析,弱化了对系统韧性的整体性研究;多以小尺度旅游地为主要研究区域,缺乏针对区域城市群的普遍适用性旅游韧性研究;关于旅游地社会—生态系统韧性的实证研究仍侧重于测度评估,在演化分析上缺乏基于地理时空二维视角的时空跃迁特征及空间异质性研究;在驱动因素选择上,多从测度指标内部筛选关键影响因素,忽略了外部驱动因素的重要作用,且缺少对疫情冲击下旅游业新发展特征的考量。因此,本文以长三角城市群27个核心城市为研究对象,在构建旅游地社会—生态系统韧性指标体系的基础上测算韧性指数,并运用LISA时间路径和LISA时空跃迁等方法对城市群旅游地社会—生态系统韧性指数的时空跃迁特征和空间异质性进行深入分析,最后采用地理探测器探析旅游地社会—生态系统韧性的驱动因素,以期为长三角城市群打造高质量、强韧性的城市旅游发展示范区提供重要参考。

1 研究数据与方法

1.1 研究区域概况

根据2019年12月1日中共中央、国务院印发的《长江三角洲区域一体化发展规划纲要》,长三角城市群是由以上海市为核心,以江苏省9市、浙江省9市和安徽省8市为组成部分,共同构成的紧密联系的城市群“综合体”。旅游业作为国民经济支柱性产业,是长三角城市群高质量发展过程中的重要一环,长三角城市群旅游发展水平在全国地位突出、经济实力雄厚、旅游资源丰富、游客到访频率高、发展前景广阔,是中国旅游业发展最具潜力和代表性的区域。面对日益复杂的外部环境冲击,长三角城市群旅游地统筹区域“一盘棋”,构建韧性协同增长机制,对于全国不同区域旅游地的韧性建设与发展具有借鉴价值,在示范引领旅游地高质量、强韧性、可持续发展过程中具有重要代表性和典型性。

1.2 理论框架构建

社会—生态系统是包含自然、社会、经济和文化等多个子系统的多维复合系统[27],具有多维性、非线性、敏感性、阈值性等特征[2],旅游业是综合性强、敏感性高、边界感弱的产业,本文所探究的旅游地社会—生态系统韧性聚焦于整个城市旅游目的地的社会、经济和生态系统,旅游相关要素是导致系统韧性改变的重要因素,旅游地社会—生态系统韧性是旅游地能合理应对并适应社会、经济和环境参数内生性和外源性扰动的杠杆[21]。具体看(图1),外部扰动因素(如区域旅游发展情况、旅游市场需求、自然灾害威胁和流行疾病侵扰等)与内部驱动因素(如内部发展矛盾和旅游资源限制等)合力作用于整个系统,而旅游地系统韧性的维持是在应对内外扰动因素时系统抗性和非稳态性相互作用的结果[16]。其中:①系统抗性包括应对性和适应性,具体表现为系统积累与发展能力以及系统支出能力与成长性,对旅游地社会—生态系统韧性起促增效应。旅游物质基础、旅游资源和旅游接待能力等积累是旅游业发展的重要力量来源,系统积累与发展能力决定了系统为应对和化解外部风险可供选择的范畴[10],进而增强系统抗性。此外,稳健的资金支持和调配能力、旅游产业成长潜力以及对环境污染的积极干预等,为旅游业适应内外要素驱动及系统创新优化提供了重要支持,系统支出能力与成长性能有效增强旅游地系统调整适应和再组织的灵活性,进而增强系统抗性。②非稳态性主要指脆弱性,具体表现为影响系统韧性的敏感因子及其对系统可能产生的引致变化,对旅游地社会—生态系统韧性起促减效应。生态环境与生俱来的脆弱性使之成为旅游地社会—生态系统非稳态性的重要来源。此外,旅游业的综合性和脆弱性亦使旅游效益、旅游规模、旅游拉动力、旅游吸引力、游客数量和流动性等方面具有敏感特征,进而造成系统的非稳态性。总体而言,当旅游地社会—生态系统韧性较强时,系统能较好应对干扰,做到持续稳态发展并维持原系统,或在适应扰动的基础上做到系统功能优化,升级为新系统;当韧性较弱并达到最大承受阈值时,系统可能会暂时性崩溃,原系统陷入瘫痪状态,或在此基础上超过阈值,通过系统功能自组织与更新重构而滑向另一新系统。

图1 旅游地社会—生态系统韧性理论框架Fig.1 Theoretical framework of socio-ecological system resilience of tourist destinations

1.3 指标体系构建与数据来源

旅游地社会—生态系统韧性评价指标体系构建具有综合性、复杂性和多维性特点,当前研究多基于社会、经济、生态和治理4个维度构建指标体系,其中治理维度主要通过对其他维度的作用显现[16]。由图1可知,系统韧性与系统抗性和非稳态性的综合作用结果有关,其中系统抗性表现为应对性和适应性,系统非稳态性表现为脆弱性。因此,在参考文献[9]的基础上,结合区域发展特性,本文以社会、经济和生态综合维度为测度单元,以脆弱性、应对性和适应性为指标选取依据。其中,脆弱性从系统敏感因素和旅游发展引致的变化选取,应对性从系统积累水平和发展潜力选取,适应性从系统支出情况和应对扰动威胁的灵活性与成长性选取。具体看,社会维度包括城市间流通性、社会稳定度、财政支持水平和社会储蓄与消费能力等[16-19,23-25],经济维度包括系统经济对旅游业的依赖性、旅游效益水平与产值、旅游接待能力、城市经济发展水平、旅游市场活力与产业多样性等[1,10,28-31],生态维度包括污染处理情况、环保支持力度、旅游环境绿化水平、人口活动和资源消耗产生的生态压力等[15-19,28,32],最终遴选出32项指标(表1)对长三角城市群旅游地社会—生态系统韧性进行测度。

表1 旅游地社会—生态系统韧性测度指标体系Table 1 Indicator system for socio-ecological system resilience of tourist destinations

研究数据来源于2007—2021年《中国城市统计年鉴》、长三角各省市《统计年鉴》和2006—2020年《国民经济与社会发展统计公报》《环境统计公报》以及文化和旅游厅(局)官方网站,少部分缺失值采取插值法补齐。其中,产业结构多样化指数由多用于表征产业集中程度的Herfindahl(HHI)指数衡量,取值(0,1],值越大,说明产业结构多样化程度越低,反之,产业结构多样化程度越高[33]。此外,由于现有资料缺乏针对旅游业固定资产投入和旅游废水、废气、固体废弃物排放等指标的统计,故以旅游总收入/GDP进行换算[32]。

1.4 研究方法

1.4.1 熵值法和全局空间自相关法 在对原始数据进行标准化的基础上,借助熵值法赋权,并通过综合加权求和计算得到旅游地社会—生态系统韧性指数的综合得分,公式详见文献[15]。对长三角城市群旅游地社会—生态系统韧性进行全局自相关分析,研究系统韧性空间相关性的整体趋势,方法和具体步骤见文献[33]。

1.4.2 探索性时空数据分析(ESTDA) ①LISA时间路径。LISA时间路径同时融合时间和空间维度,实现了由静态空间关系向动态连续性转变,是LISA马尔科夫转移矩阵的一种动态连续性表达[34],它借助LISA坐标在Moran散点图中的时间迁移特性,解释各市旅游地社会—生态系统韧性在区域范围内协同演化及空间差异的时空动态特征。其几何特征包括相对长度(Nk)和弯曲度(Dk)(式(1))[34],二者分别反映局部空间结构的动态性和波动性特征[35]。②LISA时空跃迁。LISA时空跃迁能刻画不同城市局部空间类型的时序变化特征,揭示地理要素的空间依赖性[34]。Ye等在LISA时间路径的基础上,将移动路径长度、方向、凝聚系数等属性融入传统马尔科夫链中,提出了局部马尔科夫转移和时空跃迁理论,并将时空跃迁划分为4类[36]:Type0说明城市本身与邻域均未跃迁;Type1说明城市本身跃迁,邻域未发生跃迁(HHt→LHt+1、HLt→LLt+1、LHt→HHt+1、LLt→HLt+1);Type2说明城市本身未跃迁,邻域发生跃迁(HHt→HLt+1、HLt→HHt+1、LHt→LLt+1、LLt→LHt+1);Type3说明城市和邻域均发生跃迁,其中Type3A说明城市与邻域跃迁方向相同(HHt→LLt+1、LLt→HHt+1),Type3B说明城市与邻域跃迁方向相反(HLt→LHt+1、LHt→HLt+1),并以区域系统中的时空流动系数(F)与时空凝聚系数(C)(式(2))[34]分别表征空间格局路径依赖性和锁定性。

(1)

式中:n为研究城市总数,T为时间序列长度,Lk,t为k市在时间t的LISA坐标,d(Lk,t,Lk,t+1)为k市由t年至t+1年的移动长度。

F=(H1+H2)/m,C=(H0+H3A)/m

(2)

式中:H0、H1、H2和H3A分别为Type0、Type1、Type2和Type3A的跃迁单元数量,m为跃迁单元总数。

1.4.3 地理探测器 地理探测器可探测地理要素空间分异特征及驱动力,本文利用该方法分析不同驱动因素X对旅游地社会—生态系统韧性Y的影响。如果驱动因素X对因变量Y有重要影响,则二者的空间分布将具有相似性,计算公式为[37]:

(3)

2 旅游地社会—生态系统韧性时空分异格局及跃迁特征

2.1 时空分异特征

2.1.1 系统韧性时序演化特征 如图2所示,2006—2020年长三角城市群旅游地社会—生态系统韧性基本呈现稳步增长态势,韧性指数由2006年的0.024增至2019年的0.075,新冠疫情突袭对系统韧性造成强烈冲击,导致2020年系统韧性指数骤降至0.069。对经济子系统扰动最强,社会子系统次之,生态子系统最弱。具体看,社会子系统韧性总体呈波动增长态势,由研究期初的0.011增至期末的0.026,说明区域内社会公共事业、民生福祉水平以及相关基础服务设施在国家政策扶持、旅游业发展影响下日渐完善,社会子系统韧性水平发展利好。经济子系统韧性增长速度最快,对系统总韧性影响最大,与系统协同增长性更突出,除2020年外基本实现逐年稳步提高。其中,以2009年为关键时间节点呈现出先慢后快的发展轨迹,可能的原因是2009年出台《国务院关于加快旅游业发展的意见》(国发﹝2009﹞41号),长三角城市群作为发展先行区,强势发展旅游业,经济系统韧性迎来显著提高;2014—2019年经济子系统韧性增速加快,2014年颁布的《关于促进旅游业改革发展的若干意见》(国发﹝2014﹞31号)对旅游业提出更高要求,在“转型升级,提质增效”发展主线下,经济子系统韧性再度提高。生态子系统韧性整体呈微弱上升态势,个别年份存在小幅突变,韧性指数由2006年的0.007微升至2020年的0.011,但始终较低,对系统总韧性影响最小。此外,变异系数总体呈波动微升趋势,由2006年的0.574增至2020年的0.673,表明区域内各旅游地社会—生态系统韧性指数的差距呈扩大态势。

图2 长三角城市群旅游地社会—生态系统韧性指数及变异系数Fig.2 Socio-ecological system resilience index and variation coefficient of tourist destinations in the Yangtze River Delta urban agglomeration

2.1.2 系统韧性空间分异特征

1)全局自相关分析。为探析长三角城市群旅游地社会—生态系统韧性的空间分异性,本文借助GeoDa软件,通过构建共边邻接(rook)型空间权重矩阵和计算全局Moran′s I来刻画系统韧性的空间分布特征(表2)。2006—2020年系统韧性的全局Moran′s I均为正值,大部分年份在5%水平上显著,说明长三角城市群旅游地社会—生态系统韧性存在显著的空间集聚性,即系统韧性强(弱)城市趋于邻近分布,符合地理学第一定律。全局Moran′s I整体呈微弱上升态势,期间波动较大,由研究期初的0.171 4跌至2010年最低值0.106 7,之后波动上涨至0.173 9。总体上,长三角城市群旅游地社会—生态系统韧性的空间趋同性小幅加强。

表2 2006—2020年长三角城市群旅游地社会—生态系统韧性全局Moran′s ITable 2 Global Moran′s I of socio-ecological system resilience of tourist destinations in the Yangtze River Delta urban agglomeration from 2006 to 2020

2)空间特征分析。为进一步探析系统韧性空间分布的差异性,根据我国国民经济发展规划的编制时间,将研究时段划分为2006—2010年(阶段Ⅰ)、2011—2015年(阶段Ⅱ)和2016—2020年(阶段Ⅲ),运用ArcGIS 10.2软件的自然间断点分级方法将韧性指数划分为低度、较低、中度、较高和高度韧性5个等级并进行可视化(图3)。总体上,低度韧性城市先减后增,较低韧性城市大幅减少,中度韧性城市迅速增加,较高韧性城市基本稳定,高度韧性城市保持不变,区域韧性水平有一定提高,但大部分城市仍处于中度韧性及以下,空间上表现为“东高西低”的分布格局。具体看:①低度韧性城市的空间分布格局较稳定,主要在安徽省呈“工”字形分布,空间关联性较强。研究期内仅芜湖实现了向较低韧性跃迁,说明安徽省大部分城市旅游地社会—生态系统应对外部风险的抗性较低。②较低韧性城市在阶段Ⅰ呈弥散状镶嵌于各类型间,阶段Ⅱ实现整体跃迁,韧性水平达到中等层级,“十二五”规划期间,旅游业全面融入国家战略体系,国务院《关于促进旅游业改革发展的若干意见》(国发〔2014〕31号)等政策利好,明确了“转型升级,提质增效”发展主线,助推旅游业可持续发展。阶段Ⅲ空间结构出现重构,较低韧性城市自西南向东北转移,扬州、镇江和盐城均由中度韧性回落至较低韧性。扬州和镇江对旅游业依赖性较高,单一产业支柱地位加强不利于系统稳定,这与王群等[16]的研究结论相符;而盐城是以汽车、钢铁等产业为主的工业城市,旅游业面临突发、破坏强的扰动时抵抗力有限,旅游业韧性亟待加强。③中度韧性城市在阶段Ⅰ数量较少,呈零星分布,于阶段Ⅱ大幅增加并大体维持至阶段Ⅲ,主要依附于高度、较高韧性城市周边,在区域以东呈连片分布,以旅游发展空间大、前景广的二、三线城市为主,“十二五”旅游发展规划要求旅游业转向内涵式发展,做到速度、结构、质量、效益相结合,“十三五”旅游发展规划亦明确提出要遵循绿色协调、创新驱动原则,强化区域空间合作和旅游城市群建设,这符合韧性发展目标,区域系统韧性发展整体利好。④较高韧性城市在阶段Ⅰ、Ⅱ空间格局稳定,与中度韧性城市关联分布,以旅游发展经济条件优良、社会积累稳定和环境质量良好的城市为主,如南京、苏州、杭州等。该层级城市在阶段Ⅲ略有减少,根据适应性循环理论对系统发展阶段的划分[12],可能由于旅游发展逐步向成熟饱和阶段迈进,系统内外供求矛盾愈加复杂且突出,加之受2020年新冠疫情冲击,系统韧性减弱。⑤高度韧性城市只有上海,上海在旅游地社会—生态系统韧性建设方面具有示范效应,但高度的社会流动性、开放性、复杂性和异质性等特征导致上海面临更严峻的风险挑战。

图3 2006—2020年长三角城市群旅游地社会—生态系统韧性空间分布格局Fig.3 Spatial pattern of socio-ecological system resilience of tourist destinations in the Yangtze River Delta urban agglomeration from 2006 to 2020

2.2 韧性LISA时空动态演化特征分析

2.2.1 LISA时间路径分析 根据式(1)及Moran′s I散点图上城市坐标的变化情况,计算长三角城市群旅游地社会—生态系统韧性LISA时间路径的相对长度、弯曲度和移动方向,并采用自然间断点分级法将相对长度和弯曲度均划分为低、较低、较高、高4个等级(图4a、图4b),级别越高,反映局部空间结构的动态性和波动性越大。

图4 长三角城市群旅游地社会—生态系统韧性LISA时间路径的相对长度、弯曲度和移动方向Fig.4 Spatial distribution of relative length,curvature and moving direction of LISA time path of socio-ecological system resilience of tourist destinations in the Yangtze River Delta urban agglomeration

1)长三角城市群旅游地社会—生态系统韧性相对长度均值为1.00,低于均值的城市占比77.78%,路径长度极差较小,整体空间结构的稳定性较强。相对长度自西南部向东北部升高,说明东北部旅游地社会—生态系统韧性空间结构不如西南部稳定,可能缘于东北部城市旅游经济更活跃、社会流动性更高、生态环境扰动源更多。具体看,高相对长度(1.68～4.18)城市包括南通和盐城,较高相对长度(1.03～<1.68)城市包括上海、苏州和安庆,较低相对长度(0.69～<1.03)城市包括杭州、嘉兴、滁州和江苏省大部分城市,低相对长度(0.37～<0.69)城市数量最多,在浙、皖呈连片分布。

2)长三角城市群旅游地社会—生态系统韧性弯曲度的空间分布格局与相对长度的空间特征大致相同,整体表现为较稳定的局部空间依赖方向和增长过程。弯曲度数值越大,说明系统韧性的时空依赖效应越强,增长过程的波动性更剧烈,更易受外界干扰,发展持续性不足。具体看,高弯曲度(24.38～60.79)城市包括南通和盐城,较高弯曲度(14.94～<24.38)城市有上海、苏州和安庆,低弯曲度(5.35～<10.03)城市在浙、皖广泛分布,其他城市则为较低弯曲度(10.03～<14.94)。

3)LISA时间路径移动方向能有效刻画地理要素空间演化所表现的空间整合特征,通过对比2006年和2020年Moran′s I散点图上城市坐标判断各市LISA时间路径迁移方向(图4c)。0°～<90°为区域系统韧性协同正向增长,270°～<360°为区域系统韧性协同负向增长,90°～<180°和180°～<270°为区域系统韧性反向增长。具体看,系统韧性协同增长的城市有11个,占40.74%,说明长三角城市群旅游地社会—生态系统韧性空间格局演化的空间整合性不强,表现为“以竞争为主导,协同共存”的空间分异格局。其中,系统韧性协同正向增长的城市有合肥、芜湖、嘉兴和金华,说明这些城市旅游地社会—生态系统韧性发展的可持续性较强,潜力较大;协同负向增长的城市有南京、苏州、南通、杭州、湖州、舟山和安庆,呈现出协同低速增长的特点,亟待探索新的旅游韧性协同增长机制;其余城市则表现为反向增长趋势。

2.2.2 LISA时空跃迁分析 通过Moran′s I散点图及式(2)、式(3)计算系统韧性时空流动系数F和时空凝聚系数C,得到长三角城市群旅游地社会—生态系统韧性局部空间关联类型的时空转移概率和演化特征(表3)。研究期内,Type0类型为占比最高的跃迁类型,在2006—2010年、2011—2015年、2016—2020年占比分别为91.7%、91.7%、88.0%,说明系统韧性未产生显著的类型转移,空间格局稳定且具有较强转移惰性和空间锁定特征;Type1类型在三时段的转移概率分别为1.9%、3.7%、5.6%,Type2类型的转移概率分别为6.4%、4.6%、6.5%,二者的转移概率较低,但整体呈上升趋势,说明长三角城市群旅游地社会—生态系统韧性的局部时空关联类型间存在转移可能性且趋势利好;Type3类型在三时段的转移概率均为0,表明系统韧性发生跳跃转移的可能性很小,空间凝聚性很强,且短期难以出现较大突破。此外,在三时段中,时空流动系数F分别为0.083、0.083和0.120,总体较低但呈微弱增长趋势,时空凝聚系数C分别为0.917、0.917和0.880,总体较高且呈小幅下降趋势,进一步说明长三角城市群旅游地社会—生态系统韧性具有很强的转移惰性,但其高度的空间格局锁定性和路径依赖性亦表现出减弱的可能。

表3 长三角城市群旅游地社会—生态系统韧性Local Moran′s I时空跃迁矩阵Table 3 Transition probability matrix of Local Moran′s I for socio-ecological system resilience of tourist destinations in the Yangtze River Delta urban agglomeration

3 长三角城市群旅游地社会—生态系统韧性驱动因素分析

3.1 驱动因素选取

复合系统韧性体系通常由社会、经济、生态、治理、文化等不同维度构成[3],参考韧性影响因素相关研究[27,30,31,38,39],同时结合数据可得性,本文从社会、经济、生态、治理和技术5个维度选取驱动因素:社会维度选择劳动力供给度(X1),即第三产业从业人员数量(万人)表征[30],稳定的旅游业人力资源供给能增强防范风险的能力;经济维度选择数字经济发展水平(X2),由百人互联网宽带接入用户数、软件业从业人员占总体比重、人均电信业务总量、百人移动电话用户数的加权综合指数表征[38],数字经济展现的强大优势为增强经济韧性[39]及旅游信息化发展提供了有力支撑;生态维度选择气候环境质量(X3),即PM2.5(μg/m3)表征,气候环境变化会影响旅游业脆弱性和韧性[26];治理维度选择政府支持力度(X4),即财政支出占GDP的比重(%)表征[16,31],政府针对旅游业的适度计划和干预将影响其韧性;技术维度选择技术创新能力(X5),即专利授权量(件)表征[15,31],技术创新是创造旅游业灵活性的主要力量。上述驱动因素的方差膨胀因子(VIF)值低于7.5,不存在多重共线性问题。

3.2 因子探测分析

运用地理探测器对2006年、2013年和2020年各驱动因素对长三角城市群旅游地社会—生态系统韧性的影响程度进行探测分析(表4)。①X1(劳动力供给度)对系统韧性的影响较大,3个时间节点的q值分别为0.712 2、0.873 3和0.902 7,解释力呈上升趋势,说明人力资源不仅是提高生产力的关键,亦是提升系统韧性水平的重要因素,稳定、充分且高质量的劳动力资源可为系统应对外部干扰与危机提供有力支撑,应加大旅游业人才培养力度,储备高粘性、高质量、高抗性的人才力量。②X2(数字经济发展水平)在3个时间节点的q值分别为0.723 9、0.651 6和0.746 9,解释力呈“V”形上升趋势,数字经济作为一种新经济形态,为疫情影响下旅游产业数字化、虚拟旅游发展、旅游信息化建设的重新定位提供了重要方向。③X3(气候环境质量)对系统韧性的影响最小,3个时间节点的q值分别为0.375 3、0.269 6和0.230 5,解释力呈下降趋势,对系统韧性解释力不足,但近年来,频发的极端自然灾害对旅游业造成严重打击,对旅游系统韧性产生强烈扰动,应重视气候环境的影响,加大生态环境保护力度,强化旅游绿色可持续发展能力。④X4(政府支持力度)在3个时间节点的q值分别为0.375 2、0.430 6和0.323 0,解释力先升后降,其中2020年q值较低,其原因可能是新冠疫情的突袭具有未知性、突发性、全球性、复杂性、长期性等特点,政府的反应速度和应对能力难以抵抗强烈的外部危机干扰。因此,政府应提高旅游业危机常态化管理能力,加大对疫情下旅游业的政策支持力度。⑤X5(技术创新能力)对系统韧性的影响较大,3个时间节点的q值分别为0.827 0、0.734 4和0.917 3,解释力呈波动上升趋势,说明技术创新是提高旅游业适应性、灵活性和成长性的重要力量,长三角地区是创新优势最强的区域之一,专利数和研发经费支出约占全国1/3,各市应保持技术创新优势,进一步挖掘技术创新能力,积极通过技术变革提升系统韧性水平。

表4 长三角城市群旅游地社会—生态系统韧性驱动因素探测结果Table 4 Detection results of driving factors for socio-ecological system resilience of tourist destinations in the Yangtze River Delta urban agglomeration

3.3 交互探测分析

因子交互探测结果表明,双因子交互作用的q值均大于单因子,属于双因子增强类型,说明因子对旅游地社会—生态系统韧性水平具有协同作用。由表5可知,2006年X5与X1交互作用q值最大(0.985),原因是稳定且高质量的人才力量有利于科学技术创新与进步,科技事业的发展又需要吸纳更多人力资源,二者相互作用下显著增强了对系统韧性的解释力;2013年X3与X1交互作用q值最高(0.997),说明气候环境质量与旅游业劳动力供给度的相互作用对系统韧性的解释力最大;2020年X4与X1交互作用q值(0.998)最高,可能的原因是新冠疫情侵扰下,政府通过人才鼓励政策、发放人才补贴等形式对旅游业进行扶持与适度干预,有利于保障旅游业人力资源,减少人才流失,另一方面,旅游业劳动力在维持旅游企业正常运转的同时也有助于减缓政府工作压力,政府干预与劳动力支持的双重作用增强了对系统韧性的解释效力。显然,X1在3个时间截面均为主导交互因子之一,进一步说明人力资本作为主要生产要素和社会财富在助推系统韧性方面具有重要作用。此外,除2020年X4与X3交互作用q值为0.550外,不同双因子在3个时间截面交互作用q值均大于0.826,说明各因子之间存在密切的相关性,交互因子作用对长三角城市群旅游地社会—生态系统韧性具有高度解释力且影响效应显著。

表5 长三角城市群旅游地社会—生态系统韧性驱动因素交互探测结果Table 5 Interactive detection results of driving factors for socio-ecological system resilience of tourist destinations in the Yangtze River Delta urban agglomeration

4 结论与讨论

4.1 结论

本研究在测算2006—2020年长三角城市群旅游地社会—生态系统韧性指数的基础上,揭示了旅游地社会—生态系统韧性的时空跃迁特征与驱动因素,主要结论如下:①研究期内长三角城市群旅游地社会—生态系统韧性基本呈现稳步增长态势,并存在显著的空间集聚性,韧性提升空间较大,城市群整体呈现出以上海为极核的“一极独大、东部趋增、西部低平”的韧性空间分异格局,进一步突出了统筹区域城市群旅游韧性协调共进的重要性。②系统韧性的整体空间结构与局部空间依赖方向具有较强的稳定性,空间格局演化的空间整合性不强,呈现“以竞争为主导,协同共存”态势。系统韧性在时空跃迁方面未产生显著的类型转移,具有较强转移惰性和空间锁定特性,且短期难以有较大突破,长三角城市群亟待探索新的旅游韧性协同增长机制,增强城市间的空间溢出效应。③劳动力供给度、技术创新能力、数字经济发展水平对系统韧性影响较大,解释力总体呈上升趋势,政府支持力度和气候环境质量对系统韧性影响较小,解释力呈下降态势。因子间交互作用对系统韧性具有显著增强效应,劳动力供给度分别与技术创新能力、气候环境质量、政府支持力度的交互影响效应较强,对系统韧性产生较大边际影响。

4.2 讨论

长三角城市群旅游地社会—生态系统韧性研究对于强化城市群旅游治理水平和风险防控能力,打造高质量、强韧性城市旅游发展示范区具有显著意义。首先,本文聚焦于旅游资源丰富、游客到访频率高、社会异质性强、人口流动速度快、外部因素多变的典型区域——长三角城市群,丰富了关于城市群旅游韧性的普遍适用性研究。其次,研究注重对旅游地社会—经济—生态系统综合维度的整体韧性分析,有利于从全局视角统筹和对比长三角城市群不同城市旅游地系统韧性的发展特征,从而推进区域旅游韧性的协调共进与可持续发展。此外,本文综合多种地理学方法,精细刻画并揭示了区域旅游地系统韧性的时空动态演变特征和空间异质性,有利于识别和比较不同城市应对危机时反应的差异性和滞后性,明晰了扰动风险在城市旅游地的空间过程及未来长三角城市群旅游地社会—生态系统韧性的改进方向。最后,通过对长三角城市群系统韧性驱动因素的探测分析,为提出旅游地系统韧性适应性管理机制和实现旅游可持续发展提供了科学依据。

但由于系统韧性是一个涉及社会、经济、自然、文化和治理等多方面要素的综合命题,当前研究仍缺少权威的测度指标体系,因此,如何更全面、多维地评估旅游地社会—生态系统韧性仍是今后研究的重点。其次,本文虽在已有研究基础上尽可能延长了研究周期,但当前时间周期仍难以结合适应性循环理论对长三角城市群旅游地社会—生态系统韧性的发展阶段进行划分,不利于对系统韧性发展脉络的整体把握和适应性管理机制的提出,未来研究将进一步延长研究周期,细化韧性发展的阶段特征,以期为打造韧性旅游城市提出重要的建议参考。最后,随着旅游业迅速发展和社会基础设施日渐完善,城市旅游地之间的关联与流动更紧密、频繁,由人流、物流、信息流、交通流等带动的物质能量交换和转移令城市旅游目的地之间、旅游客源地与旅游目的地之间形成了错综复杂的关系网络,这种内部关联性与流动性是否会对旅游地社会—生态系统韧性产生影响、怎样影响以及影响结果如何,是未来值得进一步探索和深化的问题。由于大数据技术的应用重塑了旅游“流空间”并为探析城市旅游地之间的关联特征带来新机遇,未来应加强大数据应用,量化城市旅游目的地之间、旅游客源地与目的地之间的内部关联性及对韧性的影响机制,并揭示此影响的空间过程和区域适应性,由此进一步拓展旅游地社会—生态系统韧性的研究范畴,以期为提升城市旅游业风险防控能力和韧性水平提供更全面的措施建议,推动旅游可持续发展。