中国A级旅游景点空间分布特征与可达性

  本文关键词：中国A级旅游景点空间分布特征与可达性，由笔耕文化传播整理发布。

当前位置：首页 >> 天文/地理 >> 中国A级旅游景点空间分布特征与可达性

第 29 卷

第1期

自

然

资

源 学

报

Vol.29 No.1 Jan., 2014

2014 年 1 月

JOURNAL OF NATURAL RESOURCES
<

br />中国 A 级旅游景点空间分布特征与可达性
潘竟虎，李俊峰
（西北师范大学 地理与环境科学学院，兰州 730070）

摘要：以 A 级景点为例，基于 GIS 技术，通过最近邻指数、K 指数、热点聚类等方法分析中 国 2 424 个 A 级旅游景点的空间分布特征；运用栅格成本加权距离算法，计算中国 A 级旅游 景点的空间可达性，并测算县域单元的整体可达性；利用空间关联方法分析了县域可达性的 空间差异。结果表明：中国 A 级景点的空间分布总体上呈现出聚集分布的特点，所有景点的 平均可达时间为 125.88 min，60%的景点可达时间在 90 min 以内；可达性在全国的分布差异 十分明显，可达性空间分布具有明显的交通指向性。景点的县域可达性呈强集聚格局，可达 性热点区域的分布呈现明显的热点—次热点—次冷点—冷点自东向西带状分布的格局。 关 键 词：空间结构；空间可达性；旅游景点；GIS；中国 文献标志码：A 文章编号：1000-3037(2014)10-0055-12 中图分类号：F592.7

DOI：10.11849/zrzyxb.2014.01.006

景点是由若干相关联的景物所构成、具有相对独立性和完整性，并具有审美特征 的基本境域单元。旅游景点是旅游供给的物质载体 [1]，是旅游业赖以发展的重要依托。 旅游景点的空间结构指自然和文化景观资源在空间上的相互关系与组合形式，它是节点 （景点） 、通道 （交通线） 和面域 （行政区） 的集合[2]。区域旅游景点空间结构不仅涉及景 点的分布状况及品位、数量组合关系，而且直接引发旅游者的空间行为[3]，对旅游资源的 开发速度、规模、效益以及时空安排有深刻影响。国外学者的研究始于 1960 年代，如 Christaller 运用区位论分析特定游憩活动与其地理空间的结构关系[4]，Lundgren 建立了核 心-边缘模型研究旅游活动与地理空间的关系[5]，Weaver 利用中心-外围理论对加勒比海 群岛进行实证研究[6]，Douglas 分析了巴黎旅游区域的空间结构特征[7]，Andreas 构建了分 析旅游度假区空间和市场结构演变过程的经济地理模型[8]，Sophie 则尝试研究交通建设对 旅游空间结构与经济结构改变的影响等[9]。国内学者的研究起源于 1980 年代的旅游地理 区划工作，主要集中在基础理论研究、旅游空间组织形态、旅游空间结构模式、演化与 优化、旅游流空间结构、空间相互作用、空间结构影响以及空间发展战略等[10-12]。旅游的 发生和发展是以空间系统为物质载体的[13]，因而对景点空间结构的研究也受到广泛的关 注，研究方法多为分形、空间计量和数理统计[14-15]。但已有研究对象多局限于单个省份、 城市或区域内部，分析层次也主要以某一级别的旅游景点为主，鲜见对全国范围内旅游 景点整体分布规律的研究成果。从研究方法来看，以诠释性和描述性论证居多，缺乏
收稿日期：2012-11-22；修订日期：2013-02-08。 基 金 项 目 ： 国 家 自 然 科 学 基 金 项 目 （41061017） ； 西 北 师 范 大 学 青 年 教 师 科 研 能 力 提 升 计 划 项 目 （SKQNYB12021） 。 panjh_nwnu@nwnu.edu.cn 第一作者简介 ： 潘竟虎 （1974-） ，男，甘肃嘉峪关人，副教授，博士，研究方向为空间经济分析。 E-mail：

56

自

然 资 源 学

报

29 卷

GIS 空间分析方法，尤其是很直观有效地表现景点空间分布特征的方法。研究内容多注 重于旅游资源空间结构的识别和分析，缺乏旅游系统整体空间结构方面的研究。到达旅 游景点的出行费用和出行时间直接影响着旅游者出行的动力，因此研究旅游景点空间可 达性不仅十分必要，而且具有现实意义，可为拓展旅游景点的服务范围、游客选择适宜 出行目的地和政府优化景点布局提供科学依据。 可达性的概念最早由 Hansen 提出[16]，经过半个世纪的发展，其度量方法也由空间距 离测度扩展到了时间距离、经济距离、心理距离的测度，在交通地理、城市地理、土地 利用、经济地理等方面得到了广泛应用[17]。旅游景点可达性研究不多见，目前采用的研 究方法主要有缓冲区分析法、最小距离法、旅行成本法和吸引力指数法[18]。A 级旅游景 点认定是我国对旅游景点质量和档次进行综合评价的国家标准，自 1999 年国家旅游局认 定首批 A 级旅游景点以来，全国范围内 A 级旅游景点的数量不断增加，规模结构也不断 完善，已经成为我国旅游景点等级划分的重要依据。本文以中国 A 级旅游景点为研究对 象，通过点格局分析方法对景点的空间分布模式进行整体探讨，并尝试从旅游景点可达 性入手，利用 GIS 栅格成本加权距离方法和探索性空间数据分析，分析景点可达性分布 的空间格局，以期为揭示优质旅游景点空间结构、优化旅游景点空间格局提供科学参 考，并为旅游景点空间结构研究方法提供新的思路。

1

数据与研究方法
景点信息来源于国家旅游局网站 （） 公布的数据，截至 2012

1.1 数据来源与处理 年 6 月，共有 2 424 个 A 级景点，其中： 5A 级景点 127 个， 4A 级 926 个， 3A 级 443 个， 2A 级 815 个，1A 级 113 个。根据两分法将旅游景点划分为自然和人文两种类型，其中自 然类旅游景点 1 108 个，包括自然风景区、森林公园、自然保护区、田园山村等；人文类 型 1 316 个，包括历史文化遗址、古建园林、博物馆、游乐场、主题公园、运动场馆、度 假村等。景点的空间位置借助谷歌地图详细标定，面积较大的景区取其质点坐标作为景 点坐标。以 2011 年中国县域与合并后的地级以上城市市区为研究单元 （不含台湾省、香 港和澳门特别行政区） ，共 2 856 个；空间行政边界矢量数据来自 1:400 万中国基础地理 信息数据。交通网络是实现空间可达性的基础，道路数据来源于中国地图出版社 2011 年 《1:450 万交通全图》 地图的矢量化。需要说明的是，本文的可达性只是理论上的可达 性，换言之，是不考虑交通拥挤、交通组合等方面的一种无障碍的可达性。以 ArcGIS 9.2 为操作软件平台，对图形数据统一投影到 Albers 等积圆锥投影系，对基础地理信息数 据分层矢量化，存储于地理数据库中。 1.2 点格局分析 1.2.1 最近邻指数 最近邻距离指数 NNI 是通过比较计算最近邻点对的平均距离和随机分布模式中的平 均距离之比，来比较与随机分布的偏离程度[19]：
é N min ( dij )ù ê ú ∑ ê N ú i=1 ? ? NNI = 0.5 ( A N )

(1)

1期

潘竟虎 等： 中国 A 级旅游景点空间分布特征与可达性

57

式中： min(dij) 是任一点与其最近邻点间的距离，N 是景点的总数，A 为研究区域总面积。 1.2.2 K 指数 引入 K 指数来分析不同尺度下景点的空间分布规律。公式如下[20]：
K (t s ) = A2∑ ∑I (tij) H i i≠j K (t s ) 可转化成平方根的形式 L(t s ) ： L (t s ) = K (t s) - ts π

(2)

式中：H 为样点的个数； I (tij ) 是以 i 为中心，以 ts 为半径的圆中的景点，不包含 i 本身。

(3)

式中： L(t s ) 大于 0 时，景点呈聚集分布； L(t s ) 小于 0 时，呈扩散分布，而等于 0 时，呈 空间完全随机分布。 1.2.3 热点聚类 热点地区是景点在空间上大量聚集的表现，即密度较大的区域。采用最近距离层次 聚类法，即根据每个景点 i 的最邻近距离，通过定义一个聚集单元、极限距离或阈值和 每一聚集单元的最小数目，然后比较聚集单元与每一点对的邻近距离，当某一点的最邻 近距离小于该极限距离时，该点被计入聚集单元，据此将原始点数据聚类为若干椭圆区 域，称为一阶热点区；同理，对一阶热点区利用同样方法，聚类得到二阶热点区，以此 类推更高阶热点区。 1.2.4 样方分析 用一组样方覆盖在研究区域上并作叠置分析，统计落在每一个样方上的样本数，通 过统计不同的具有 m 个点数的样方的个数及其频率，并与完全随机过程对比来判断点模 式的空间分布特征。其结果一般用方差均值比 VMR 判断[21]：
VMR = VAR/Mean
i 2 i 2 i i

(4)
i

p x - (∑p x ) /n 式 （4） 中： VAR = ∑ ， Mean =∑x/m ，其中， p 为含有 i 个点的样方 n-1 频率，xi 为每个样方内的点数，n 为样方数，m 为总点数。对于 Poisson 分布，VMR 的值

为 1；当 VMR<1 时，可认为对象均匀分布趋势明显；当 VMR>1 时，则可认为对象有集中 分布的趋势。由于样方数越多， Mean 越小， VAR 也越小，并且下降的速度比 Mean 快， 因 此 VMR 的 值 会 变 小，但 是 不 会 改 变 分 布 的 类 型。 样 方 大 小 的 确 定 采 用“ 拇 指 规 则”[21]，即样方大小应当是平均每个点所占面积的两倍。 1.3 可达性测度 1.3.1 累积耗费距离栅格运算 景点可达性定义为在特定时间段内，从该景点出发向其周边出行，所取得出行距离 的平均值。本文采用 GIS 栅格耗费距离计算可达性，充分考虑水域、山体等的阻隔因 素，能较好地模拟出区域任何一个点的可达性。在栅格数据上借助最短路径法计算每个 网格到某个目的网格的最短加权距离，称为“累积耗费距离算法” 。公式为[22]：

58

自

然 资 源 学

报

29 卷

ì1 n ? 2∑(Ci + Ci + 1) ? i=1 Ki = í n ? 2 (C + C ) i+1 ? 2∑ i i=1 ?

（5）

式中：Ci 表示第 i 个像元的耗费值，Ci+1 是指沿运动方向上的第 i+1 个像元的耗费值；n 为 像元总数，Ki 为行政单元第 i 个栅格的景点可达性。式 （5） 中的上分式表示通过代价表 面垂直或平行的方向上进行代价距离的计算；下分式表示通过代价表面的对角线方向的 代价距离的计算。 用 1 km×1 km 栅格网将原矢量底图栅格化，整个中国大陆区域有效网格共 9 451 423 个。不同地表类型具有不同的出行速度，设定时间成本数值的参考为平均出行 1 km 大约 所需要的分钟数，对不同的道路赋予不同的速度。根据 2010 年中国不同等级的铁路里程 和速度标准，以及 《中华人民共和国公路工程技术标准 （JTGB01—2003）》 ，并参考前
表 1 主要交通线路等级时间成本值
Table 1 Main traffic lines cost of China 道路等级 速度（ / km/h） 时间成本/min 铁路 100 0.6 高速公路 120 0.5 国道 80 0.75 省道 60 1 县道 40 1.5

人研究成果 [13,22]，本文采用表 1 所 示的时间成本值。根据成本值，从 基础数据库中提取空间要素，分别 建立矢量要素层，赋予成本属性 后，将矢量数据转换为栅格数据，

栅格数据的取值即为成本值；对各层时间成本值栅格数据进行空间叠加得到空间地物的 时间成本栅格。 以交通图和基础地理地图为底图，在谷歌地图辅助下确定 A 级景点的具体位置，在 ArcGIS 中建立 Point 对象图层；利用 ArcMap 的 Cost Weighted 操作，在耗费图层上计算出 每个景点的成本加权距离。利用 ArcGIS 软件求出每个栅格到最近旅游景点的时间，进而 求出整个区域的旅游景点的可达性。 1.3.2 县级单元整体景点可达性评价 为了从整体上刻画区域居民日常旅游出行的便利程度，反映旅游景点可达性在行政 单元面域层面上的空间结构情况，引入县级单元整体景点可达性评价计算。可通过计算 行政单元内栅格景点可达性的平均值来反映整个行政单元的景点可达性。计算式为[23]：
S j =∑Ki n j
i=1 nj

(6)

式中：Sj 为第 j 个行政单元的整体景点可达性，nj 为第 j 个行政单元范围内的栅格个数，Sj 越小，说明该行政单元到旅游景点越便利。 1.4 ESDA 空间关联分析方法 引入 ESDA 的全局 Moran’ s I 指数探测空间关联结构模式。在给定显著性水平下，若 Moran’ s I 显著为正，表示可达性较高 （或较低） 的区域在空间上显著集聚；反之，则表 明区域与其周边地区的可达性具有显著的空间差异。引入 Getis-Ord Gi*用于识别不同空间 位置上的高值簇与低值簇，为了便于解释和比较，对 Gi*(d) 进行标准化处理，得到 Z (Gi*) ，如果 Z (Gi*) 为正且显著，表明位置 i 周围的值相对较高，属高值空间集聚 （热点 区） ；反之，如果 Z (Gi ) 为负且显著，则表明位置 i 周围的值相对较低，属低值空间集聚 （冷点区） [24]。
*

1期

潘竟虎 等： 中国 A 级旅游景点空间分布特征与可达性

59

2 结果与分析
2.1 旅游景点分布特征 2.1.1 省际分布特征 全国 31 个省 （市、区） 都拥有 A 级及以上旅游景点 （图 1） ，但呈现出不均衡的分布 特征。数量最多的省份是江苏，有 176 个，最少的是海南，仅有 11 个，平均每个省拥有 A 级景点 76 个。密度最高的是北京，达到 43.93 个/104 km2，最低的是西藏，为 0.09 个/ 104 km2，全国景点平均密度为 2.5 个/104 km2。

图 1 中国 A 级景点分布
Fig.1 Distribution of A-grade tourist attractions

2.1.2 空间分布特征 通过 ArcGIS 9.2 计算景点分布的最近邻距离指数 NNI，结果如表 2 所示。一般认为， NNI ? 0.5 和 NNI ? 1.5 分别为聚集分布和均匀分布； 0.5<NNI ? 0.8 为聚集－随机分布； 0.8<NNI<1.2 为随机分布；1.2 ? NNI<1.5 为随机－离散分布。中国 A 级以上景点的空间分 布总体上呈现出聚集分布的特点，而且 Z 检验值和 P 检验值高度显著。分级别而言，最 高级别 （5A 级） 和最低级别 （1A 级） 景点呈现一定的聚集－随机分布特征，而中间级 别 （2A、 3A 和 4A 级） 景点则聚 集分布。 中国 A 级景点的高阶最近邻 距离指数如图 2 所示。随着阶数的 增加，最近邻距离指数亦随之增 加，景点空间分布的集聚程度持 续降低。其中在 1~40 阶值内集聚 程度降幅最大，在 40 阶以后降幅 缓慢。利用 K 指数分析景点的空
表 2 景点分布的最近邻距离指数
NNI
0.41 0.58 0.43 0.39 0.42 0.52 分布类型 聚集 聚集－随机 聚集 聚集 聚集 聚集－随机 Table 2 Nearest neighbor distance index of tourist attractions distribution 景点类型 所有景点 5A 级 4A 级 3A 级 2A 级 1A 级

Z值
-55.29 -35.56 -24.38 -31.58 -9.85 -8.99

P值
0.0001 0.001 0.001 0.001 0.001 0.001

60

自

然 资 源 学

报

29 卷

间分布，得到图 3。由图 3 亦可知，中国 A 级景点的空间分布格局属于集聚分布 （在 CSR (Complete Spatial Randomness，完全空间随机分布)线之上，即 L(ts)>0） 。在 1~1 000 km 范围内 L(ts)呈上升趋势，并且增幅较大，然后逐渐下降。

图 2 景点分布的高阶最近邻距离指数
Fig.2 High levels nearest neighbor distance index of tourist attractions distribution

图 3 景点分布的 K 函数
Fig.3 K function of tourist attractions distribution

利用最近距离层次聚类的方法对景点分布进行热点探测，结果如图 4。中国 A 级旅游 景点空间分布的热点区域呈现出以下特点：三级热点区有 48 个，呈现出离散的随机分布 的特点，最大三级区位于北京市，含 38 个 A 级景点。通过对三级热点区进行聚类，得到 7 个二级热点区，除成渝外，几乎全部集中在中东部地区。

图 4 景点分布的空间热点探测
Fig.4 Spatial hotspot detection of tourist attractions distribution

2.1.3 样方分析 通过对前述数据库中 A 级景点的统计发现， 2011 年中国 A 级景点总数为 2 424 个， 因此平均每个景点占的面积为 3 899.1 km2，根据拇指规则，每个样方的面积应该为 7 798.2 km2，因此本文采用大小为 88.31 km×88.31 km 的样方 （图 5） 对中国 A 级景点分 布模式进行分析。对样方与全国边界进行叠置分析，全国范围内共包含 1 323 个样方，但 是有许多样方位于边界，被边界裁剪后形状不规则，为了消除边界效应将这些样方去 掉，最后剩余 1 016 个样方。分别统计每个样方内景点的数目，由于删去边界附近的非规

1期

潘竟虎 等： 中国 A 级旅游景点空间分布特征与可达性

61

则形状样方，有 455 个景点没有被样方覆盖。 通 过 计 算 可 知 ， 样 方 频 率 方 差 VAR= 7.688，平均样方频率 Mean=1.938，方差均值 比 VMR=3.967>1，因此中国 A 级景点的空间分 布具有较强聚集分布的趋势。 2.2 可达性空间格局 2.2.1 可达性总体空间分布特征 将 A 级景点作为耗费距离源点，计算每一 个旅游景点通过交通网络到整个中国区域内任 意栅格所花费的时间，由交通线路通行的可逆 性，可知这一栅格到旅游景点的可达性就是每 一个旅游景点通过交通网络到整个中国区域内
图 5 A 级景点分布的样方
Fig.5 Quadrats of A-grade tourist attractions distribution

任意栅格所花费时间的最小值。结果如图 6 所示。

图 6 A 级旅游景点的可达性
Fig. 6 Accessibility of A-grade tourist attractions

以 15 min、 30 min、 45 min、 1 h、 1.5 h、 2 h、 3 h、 5 h、 8 h 为标准，将中国 A 级 旅游景点可达性划分为 10 个时间段，分别计算这 10 个时间段在空间上的分布频率和累积 频率，分析各个时间段所占区域面积大小关系，结果见图 7。中国 A 级旅游景点的平均可 达性时间为 125.88 min，60%的景点可达性在 90 min 以内，景点的可达性在 30 min 以内 的区域达到了 26.65%，可达性在 6 h 以上的区域占总面积的 9.9%。从各个时间段在空间 上的分布频率来看，以 15~30 min 这个时段分布最广泛，占 16.04%；其次是 30~45 min， 所占比例为 12.48%。景点可达性相对较差的地区分布较少，但 480 min 以上地区所占的 比例仍达到 4.28%。 可达性在全国的分布差异十分明显，可达性最差的区域分布在青藏高原、南疆、甘 青蒙交界、内蒙古北部、川西、黑龙江北部、藏东南等地区，大都为高寒、荒漠、少数 民族或边境地区，最差可达性达到了 1 260 min。可达性较好的区域多连片分布在长三

62

自

然 资 源 学

报

29 卷

图 7 旅游景点空间可达性时间分析图
Fig. 7 Time analyses figures of accessibility of cantonal scenic spots

角、珠三角、环渤海、中原、成渝等中、 东部地区，西部可达性较好的地区则具有 明显的交通指向性，主要沿陇海、兰新、 成渝、贵昆等交通干线分布。 2.2.2 县域单元可达性的空间差异 为了从宏观上把握对于 A 级景点的整 体可达性差异及其区域效应，本文对全国 地域进行小范围区域划分。考虑到县级是 我国最基本的区域经济单元，按照县级行 政单元划分是进行区域划分的常见方法，

本文按照县域单元对全国进行划分，一些城市的中心城区面积比较小，故对其进行合 并，统一以市区作为单元，共划分出 2 596 个单元。利用式 （6） 对其整体景点可达性进 行计算，借用 n 小时都市圈理论，将所有景点县域单元可达性划分为 0.5 h、1 h、2 h、4 h 和 4 h 以上 5 个等级 （图 8） 。

图 8 A 级旅游景点的县域单元可达性等级分级图
Fig.8 Grade map of accessibility of different types of scenic spots at the county level

结合不同时间圈内县域可达性特征，中国 A 级旅游景点可达性总体特征是：景点可 达性小于 30 min 的高可达县大都集中在 110°E 以东、43°N 以南的区域，在空间上呈现出 以京津冀、中原、长三角和珠三角为核心的圈层结构，可达性小于 30 min 的县域单元多 连片分布在这 4 个地区，并向东北伸展到辽中，向中部扩展到武汉，向南部通过湘中延 伸到珠三角。西部地区亦有少许分布，主要散布在川中、关中、滇中和省会、全国性综 合交通枢纽以及高速和铁路的结点城市。景点可达性在 31~60 min 的次高可达县大体分 布在黑河—腾冲线以东区域，但在关中－天水地区向河西走廊凸出；此线以西地区只在 云南、内蒙古中部、拉萨和新疆部分地区点状分布。景点可达性在 61~120 min 的中可达 县数量较少，总体呈斑块状分散布局在高可达性县域外侧，或在其内部填空补实，仅在 新疆北部、内蒙古中东部和黑龙江北部连片带状分布。景点可达性在 121~240 min 的次

1期

潘竟虎 等： 中国 A 级旅游景点空间分布特征与可达性

63

低可达县域被低、中可达性县域和河西走廊分割，呈较连续的分散性块状格局，环状聚 集在青藏高原外缘。景点可达性在 240 min 以上的县除西藏山南地区的两县外，全部聚 集在藏北羌塘—青海唐古拉—新疆南部交汇地带，形成一个巨大的斑块。 从数量来看，可达性小于 30 min 的高可达县有 1 794 个，，占县域总数的 62.8%，但其 面积仅占全国总面积的 19.8%。在空间布局上，中国 A 级景点县域可达性分布特征呈现 与中国三大自然梯度恰相反的特征，具有明显的“反自然梯度”的阶梯状特征：东部平 原区可达性最高，西部和北部高原区可达性最低，中部丘陵山地区可达性界于两者之 间。在三大阶梯之间，著名的“黑河—腾冲”人口分界线同样也是中国 A 级景点县域可 达性的分界线。 2.2.3 可达性分布的空间关联分析 旅游景点处于区域中，可达性分布在空间上呈现出连续变化的特征，因而必须考虑 空间的影响。本文借助 ESDA 空间关联分析，以县域为分析单元来探求中国 A 级旅游景 点可达性的空间分布格局。中国 A 级景点的 Moran’ s I 值高达 0.93，Z 值为 78.79，检验结 果非常显著，说明县域间可达性存在很强的空间正相关，呈强集聚格局。为了更有效地 研究县域旅游景点可达性聚集的位置所在及区域相关的程度，本文计算了县域单元局域 * 空间关联指数 Getis-Ord Gi ，并利用 ArcGIS 软件将其空间化，用 Jenks 自然断裂法对每 个时相的局域 G i 统计量从高到低分成 5 类，即热点区、次热点区、中间区、次冷点区和 冷点区，生成中国 A 级旅游景点县域可达性空间格局的热点图 （图 9） 。
*

图 9 旅游景点县域单元可达性热点区分布
Fig.9 Hot spots of holistic accessibility at the county level

由图 9 可知，在考虑到空间关联的情况下，较之图 8，A 级景点县域单元可达性空间 聚集程度更为显著。中国 A 级景点可达性热点区域的分布呈现明显的热点—次热点—次 冷点—冷点自东向西带状分布的格局。热点区空间分布最为破碎，最大的热点区几乎涵 盖了华东、中原和环渤海区域，并向东北伸展到吉林中部，向西北伸展到关中地区，向 南延伸到两广沿海；第二大热点区分布在成渝—贵阳，其他热点区面积很小，主要有滇

64

自

然 资 源 学

报

29 卷

中、哈尔滨、海东、湘西等。次热点区以石嘴山—贡山一线为界，包括除新疆北部和西 藏东部外的以东区域。冷点区域聚集在青藏—南疆，次冷点区域环绕分布在冷点区外围。 2.3 影响因素 旅游景点的空间分布主要受经济发展程度、人口规模、交通状况和景点评级标准等 因素的影响，而景点可达性在空间上的差异又直接取决于旅游景点分布和路网结构的地 区差异，同时，自然和人文环境作为间接因素，通过作用于前两个因素来影响区域旅游 景点的可达性。 （1） 自然环境。景点的分布在一定程度上受限于自然环境，地形地貌、水系、生态 环境等都会影响到景点的分布和开发。另一方面，自然环境对交通体系布局影响较大， 决定了区域路网结构的差异，进而影响到景点可达性。 （2） 经济发展。中国 A 级旅游景点虽呈集聚分布，但却主要集中在东部沿海等经济 发达地区，这些区域人均收入相对较高，消费观念较强，用于旅游方面的支出多；同 时，基础设施建设相对完善，用于旅游景点的投资也相对较高，进而改善该区域的景点 可达性。 （3） 人口规模。中国 A 级旅游景区是以市场为导向型，而非以资源为导向型的分布 体系，人口基数越大、潜在的游客数越多，也就越容易达到景区门槛值。此外，由于旅 游的内聚型，本地居民的多少直接影响到景点的发展。 （4） 交通体系。路网发育程度和等级在一定程度上影响旅游景点的可进入性，进而 影响景点的可达性。而旅游可达性直接影响到旅游时间效益的高低，进而影响到旅游者 决策行为的发生。广大西部地区虽有众多独特的旅游资源，但往往限于地势、交通和环 境，多不易开发。 （5） 评级体系。A 级旅游景点是中国景区评级体系特有的产物，评级项目和标准直 接影响着景点分布格局和现状特征。现有评级体系对旅游交通、基础设施建设、通信服 务、游客人数最低标准等多因素的强调使得许多旅游资源丰富的地区由于在经济、交 通、人口条件等方面优势的缺失，而无法晋级高级别景区行列。

3 结论与讨论
中国 A 级景点的空间分布总体上呈现出聚集分布的特点，景点的平均可达时间为 125.88 min， 60% 的景点可达性在 90 min 以内；可达性在全国的分布差异十分明显，可 达性空间分布具有明显的交通指向性。景点县域可达性呈强集聚格局，可达性热点区域 的分布呈现明显的热点—次热点—次冷点—冷点自东向西带状分布的格局。旅游景点分 布和可达性主要受自然环境、经济发展、人口规模、路网结构的地区差异以及评级体系 等因素的影响。 针对中国 A 级景点在全国分布不均匀但在个别地区集聚程度高的特点，根据核心-边

缘理论，在旅游景点集聚的地带形成若干个旅游核心区域，并依托核心区域旅游景点高 度集聚的优势，带动广大边缘区域的旅游景点发展，以拓展旅游发展的纵深与腹地，使 旅游布局在区域内逐渐均衡。另一方面，众多的旅游景点在地域上的集聚也面临着更为 激烈的内部各景点之间的竞争，比较典型如集聚中心的景点同质化导致竞争白热化问 题，需要创新竞合模式，实行联动开发，打造异质旅游产品，求得在更大空间上的发

1期

潘竟虎 等： 中国 A 级旅游景点空间分布特征与可达性

65

展。本文研究显示，中东部地区旅游景点交通可达性较好，但这并不能掩盖该区域边缘 地区景点的空间连通性还不完善的事实，特别是省域交界地带，如赣闽粤湘交界、豫皖 交界、浙闽交界地带等，因此要建立区域旅游合作机制，加快建设联系相邻省区的道路 和基础设施，迎合旅游方式由观光型向度假型转变的需求，实现旅游景点和旅游线路的 有机链接。 受数据获取难度和篇幅所限，本文没有考虑水路和航空交通的影响，也没有考虑东 中西部同级别线路的差异以及不同级别景点的空间分布、关联特征及其空间结构差异对 可达性的影响，这也是下一步研究的关键。 参考文献：
[1] [2] [3] [4] [5] [6] [7] [8] [9] 袁俊, 余瑞林, 刘承良, 等. 武汉城市圈国家 A 级旅游景区的空间结构[J]. 经济地理, 2010, 30(2): 324-328. 李中轩, 吴国玺. 洛阳市旅游资源的空间结构及其演化模式[J]. 地域研究与开发, 2012, 31(4): 107-109. 王雯萱, 谢双玉. 湖北省 A 级旅游景区的空间格局与优化[J]. 地域研究与开发, 2012, 31(2): 124-128. Christaller W. Some considerations of tourism location in Europe: The peripheral region underdeveloped countriesrecreation areas [J]. Paper and Proceedings of Regional Science Association, 1964, 12:95-105. Lundgren J O J. Tourist impact/island entrepreneurship in the Caribben [C]//Mathiesonm A, Wall G. Tourism: Economic, Physicial, and Social Impacts. Longman, 1982: 3-22. Weaver D B. Peripheries of the periphery:Tourism in Tobago and Barbuda [J]. Annals of Tourism Research, 1998, 25 (2): 292-313. Douglas G P. Tourism in Paris studies at the micro scale [J]. Annals of Tourism Research, 1999, 26(1): 91-93. Andreas Papatheodorou. Exploring the evolution of tourism resorts [J]. Annals of Tourism Research, 2004, 31(1): 219-237. Sophie M, Romain P. Can the high speed rail reinforce tourism attractiveness? The case of the high speed rail between Perpignan (France) and Barcelona (Spain) [J]. Technovation, 2009, 29(9): 611-617. [10] 毕丽芳, 马耀峰, 高楠. 国内旅游空间结构研究进展[J]. 资源开发与市场, 2012, 28(3): 270-273. [11] 张永平, 吴健生, 黄秀兰, 等. 海峡西岸经济区旅游景区(点)空间结构分析[J]. 资源科学, 2011, 33(9):1799-1805. [12] 毛小岗, 宋金平, 于伟. 北京市 A 级旅游景区空间结构及其演化[J].经济地理, 2011, 31(8): 1381-1386. [13] 靳诚, 陆玉麒, 张莉, 等. 基于路网结构的旅游景点可达性分析[J]. 地理研究, 2009, 28(1): 246-258. [14] 戴 学 军, 庄 大 昌, 丁 登 山. 旅 游 景 区 ( 点) 系 统 空 间 结 构 网 格 分 形 维 数 研 究 [J]. 人 文 地 理, 2009, 24(4): 120-123. [15] 朱竑, 陈晓亮. 中国 A 级旅游景区空间分布结构研究[J]. 地理科学, 2008, 28(5): 607-615. [16] Hansen W G. How accessibility shapes land-use [J]. Journal of the American Institute of Planners, 1959, 25: 73-76. [17] 王姣娥, 胡浩. 基于空间距离和时间成本的中小文化旅游城市可达性研究 [J]. 自然资源学报, 2012, 27(11): 1951-1961. [18] 钟业喜, 刘影, 赖格英. 江西省红色旅游景区可达性分析及空间结构优化研究[J]. 江西师范大学学报: 自然科学版, 2011, 35(2): 208-212. [19] 李旭, 陈德广. 郑汴一体化地区旅游景区的空间结构分析[J]. 河南大学学报: 自然科学版, 2011, 41(5): 494-499. [20] 闫庆武, 卞正富, 王桢. 基于空间分析的徐州市居民点分布模式研究[J]. 测绘科学, 2009, 34(5): 160-163. [21] 毛政元, 李霖. 空间模式的测度及其应用[M]. 北京: 科学出版社, 2004. [22] 靳诚, 陆玉麒, 范黎丽. 基于公路网络的长江三角洲旅游景点可达性格局研究 [J]. 自然资源学报, 2010, 25(2): 258-269. [23] 王振波, 徐建刚, 朱传耿, 等. 中国县域可达性区域划分及其与人口分布的关系 [J]. 地理学报, 2010, 65(4): 416-426. [24] Anse1in L. Local indicators of spatial association: LISA [J]. Geographical Ana1ysis, l995, 27(1): 93-l15.

66

自

然 资 源 学

报

29 卷

Spatial Distribution Characteristics and Accessibility of A-grade Tourist Attractions in China
PAN Jing-hu, LI Jun-feng
(College of Geographic and Environmental Science, Northwest Normal University, Lanzhou 730070, China)

Abstract: Scenic spot is a very important carrier of tourism activities. The study of the spatial structure of tourism is receiving increasing attention but methodology so far has used qualitative rather than quantitative methods. The A-grade tourist attraction is a tourist ranking classifiable system with Chinese characteristics and is a national standard of comprehensive evaluation about scenic spot quality and grade in China. Besides the attraction of scenic spots, enhancing accessibility and perfecting infrastructure in scenic spots are very important for their tourism development. Therefore, the research on spatial distribution structure and accessibility of A-grade scenic spots are meaningful. Based on an investigation of 2424 National A-grade tourist attractions and using GIS and some quantitative analysis methods, such as Nearest Neighbor Index (NNI), Ripley’ s K function, hot spot clustering, the spatial structure of tourist attractions were investigated, with their characteristics and distribution for different strategies being discussed. Based on matrix raster data covering the whole space, this paper calculates spatial accessibility of all counties in China using cost weighted distance method and ArcGIS as platforms. Then we discuss spatial differences of county accessibility of scenic spots by using ESDA (Exploratory Spatial Data Analysis). The results show that general scenic spots exhibit an aggregated distribution. Considering the accessibility, we find that the human scenic spots are more centralized. The average accessibility is about 125.88 minutes, and the area where the accessibility of scenic spots is within 90 minutes reaches 60% , while the area where the accessibility is within 30 minutes accounts for 26.65% and the longest time needs 1260 minutes which is located at central Tibetan Plateau. Distribution of the accessibility has pointed to traffic line. At county level, the estimated values of Moran’ s I is positive numbers using analysis of spatial association. All the test results indicate that tourist attractions and adjacent areas show strong positive correlation. Distribution of hot spots regarding the accessibility shows an obvious hot spots － sub-hotspots － sub-cold spots － cold spots zonal distribution pattern from east to west. Cold spots are distributed in the border zone of Tibet, Xinjiang and Qinghai. On the basis of the above results, we identify five factors which impact the spatial structure and accessibility of scenic spots: natural environment, economic development, traffic condition, population and rating system. Finally, some recommendations are given for optimization of the spatial structure of scenic spots, involving quickening the development of edge district’ s tourism, coordinating the development of the tourism industry for each region, and enhancing basic infrastructure of transportation especially that of the provincial border-regions. Key words: spatial structure; spatial accessibility; scenic spots; GIS; China



  本文关键词：中国A级旅游景点空间分布特征与可达性，由笔耕文化传播整理发布。