基于GWR模型的中國(guó)5A級(jí)旅游景區(qū)空間異質(zhì)性分析

朱永鳳， 瓦哈甫·哈力克， 盧龍輝

(1.新疆大學(xué) 綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室， 烏魯木齊 830046；2.新疆大學(xué) 旅游學(xué)院， 烏魯木齊 830046；3.新疆大學(xué) 資源與環(huán)境科學(xué)學(xué)院， 烏魯木齊 830046)

基于GWR模型的中國(guó)5A級(jí)旅游景區(qū)空間異質(zhì)性分析

朱永鳳1，2*， 瓦哈甫·哈力克1，2， 盧龍輝1，3

(1.新疆大學(xué) 綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室， 烏魯木齊 830046；2.新疆大學(xué) 旅游學(xué)院， 烏魯木齊 830046；3.新疆大學(xué) 資源與環(huán)境科學(xué)學(xué)院， 烏魯木齊 830046)

隨著5A級(jí)景區(qū)“退出機(jī)制”的實(shí)施，各地方政府越來(lái)越重視5A級(jí)景區(qū)的可持續(xù)發(fā)展.為了探討中國(guó)5A級(jí)景區(qū)的時(shí)空演變特征及其影響因素的空間異質(zhì)性，選取2007年、2011年、2015年全國(guó)5A級(jí)景區(qū)為研究對(duì)象，綜合運(yùn)用了空間自相關(guān)、空間回歸模型、最鄰近指數(shù)和地理集中指數(shù)等方法，結(jié)果顯示：1) 中國(guó)5A級(jí)景區(qū)呈凝聚型分布，集中程度逐漸增強(qiáng)；2) 5A級(jí)景區(qū)在空間上的分布存在較強(qiáng)的依賴性，并非隨機(jī)分布，2007年中國(guó)5A級(jí)景區(qū)的空間聚類(lèi)整體上存在差異性，而2011年、2015年空間聚類(lèi)的差異減小，但空間集聚態(tài)勢(shì)加強(qiáng)；3) GWR模型要優(yōu)于OLS模型，從全域視角，A級(jí)景區(qū)資源和公共交通密度對(duì)中國(guó)第一批5A級(jí)景區(qū)的分布具有顯著的影響，隨后公共交通密度的影響減弱，文化資源的開(kāi)發(fā)程度影響增強(qiáng).從局部視角，公共交通密度、文化資源的開(kāi)發(fā)程度、自然生態(tài)環(huán)境以及A級(jí)景區(qū)資源在空間上均具有顯著的異質(zhì)性.

GWR模型； 5A級(jí)旅游景區(qū)； 空間結(jié)構(gòu)； 空間異質(zhì)性

5A級(jí)景區(qū)作為旅游景區(qū)體系中的最高級(jí)別，一方面帶動(dòng)、輻射周邊景區(qū)的發(fā)展，形成“月亮和星星”的關(guān)系，如湖南的張家界，安徽的黃山等；另一方面其代表區(qū)域旅游目的地形象，成為區(qū)域?qū)ν庑麄鹘榻B的明信片，如上?？萍拣^，成為上?，F(xiàn)代化、國(guó)際化大都市的象征.在“5A景區(qū)”品牌效應(yīng)的驅(qū)動(dòng)下，隨后各省市自治區(qū)全力申報(bào)5A級(jí)景區(qū).而2015年“十一”期間，5A級(jí)景區(qū)河北山海關(guān)首次被“摘牌”’，之后相繼取消了湖南橘子洲景區(qū)和重慶神龍峽景區(qū)的5A資質(zhì)，5A級(jí)景區(qū)的終身制成為歷史，敲響了各地方政府合理規(guī)劃和發(fā)展5A級(jí)景區(qū)的警鐘，把握5A級(jí)景區(qū)的空間分布特征及其影響因素的空間異質(zhì)性對(duì)于指導(dǎo)5A級(jí)景區(qū)的可持續(xù)發(fā)展具有重要的實(shí)踐意義.

國(guó)外關(guān)于旅游景區(qū)空間結(jié)構(gòu)的研究主要集中在旅游空間結(jié)構(gòu)特征、旅游空間的演化以及客源市場(chǎng)旅游活動(dòng)空間行為研究[1-3].國(guó)內(nèi)關(guān)于旅游景區(qū)空間結(jié)構(gòu)的研究，在范圍上，早期集中在全國(guó)范圍，近幾年則聚焦在局部區(qū)域，如朱竑等[4]以全國(guó)A級(jí)景區(qū)為例，提出A級(jí)景區(qū)的空間分布與人口聚集程度、地形以及河流具有相關(guān)性，而近幾年學(xué)者王雯萱[5]、程曉麗[6]和田逢軍[7]分別以湖北、安徽以及江西為例，研究小范圍內(nèi)旅游景區(qū)空間結(jié)構(gòu)的特征；在研究?jī)?nèi)容上，主要涵蓋旅游景區(qū)空間結(jié)構(gòu)特征的分析、時(shí)空的演變及其影響因素的分析，吳麗敏[8]在研究江蘇省A級(jí)景區(qū)空間分布結(jié)構(gòu)的基礎(chǔ)上，從內(nèi)部驅(qū)動(dòng)力和外部驅(qū)動(dòng)力兩個(gè)方面分析了其動(dòng)力機(jī)制；在研究方法上，以統(tǒng)計(jì)分析為主，并融合GIS地理空間分析，實(shí)現(xiàn)定性分析與定量分析相結(jié)合.

地理加權(quán)回歸(GWR)模型是基于回歸原理上，將變量的空間特征考慮到模型中，從局部視角研究變量間的空間非穩(wěn)定性.GWR模型常用于地理學(xué)方面的研究，近幾年被引入到旅游學(xué)研究中，戈冬梅(2013)基于GWR模型分析了我國(guó)旅游發(fā)展的影響因素[9]；方遠(yuǎn)平(2014)利用GWR模型研究了我國(guó)入境旅游的空間關(guān)聯(lián)性[10]；謝朝武(2015)利用GWR模型探討了我國(guó)旅游突發(fā)事件的傷亡規(guī)模及影響因素[11].本研究在借鑒前人研究的基礎(chǔ)上，首次嘗試將空間計(jì)量方法引入到A級(jí)景區(qū)的研究中，運(yùn)用地理加權(quán)回歸(GWR)模型分析我國(guó)5A級(jí)景區(qū)影響因素的空間異質(zhì)性，以期為我國(guó)5A級(jí)景區(qū)的發(fā)展規(guī)劃提供理論參考，同時(shí)也為今后研究A級(jí)景區(qū)的影響因素提供參考和借鑒.

1數(shù)據(jù)來(lái)源與研究方法

1.1數(shù)據(jù)來(lái)源

統(tǒng)計(jì)2007年～2015年5A級(jí)景區(qū)申報(bào)成功數(shù)(圖1)，發(fā)現(xiàn)排名前三的年份依次是2007年、2011年和2015年.因此本研究以2007年、2011年和2015年的31個(gè)省市自治區(qū)(不包括港澳臺(tái))的截面數(shù)據(jù)為初始數(shù)據(jù)，其中5A級(jí)景區(qū)名錄來(lái)源于國(guó)家旅游局官網(wǎng)(http://www.cnta.gov.cn/)，公布的名錄中不包括已被摘牌的5A級(jí)景區(qū)，本研究也將其剔除，統(tǒng)計(jì)數(shù)據(jù)均來(lái)源于各年的《中國(guó)統(tǒng)計(jì)年鑒》，以保證數(shù)據(jù)獲取的科學(xué)性.在Google Earth精確定位各景區(qū)后，利用ArcGis10.3數(shù)字化中國(guó)行政圖地圖，繪制中國(guó)5A級(jí)旅游景區(qū)空間分布圖.

圖1 2007年～2015年5A級(jí)景區(qū)申報(bào)成功數(shù)Fig.1 China’s annual increase in the number of 5A tourist attractions

1.2指標(biāo)選取

現(xiàn)有研究學(xué)者認(rèn)為：1)旅游資源稟賦是影響景區(qū)分布的主要因素，也是區(qū)域旅游開(kāi)發(fā)建設(shè)的基礎(chǔ)[12]；2)景區(qū)分布密度最高的地區(qū)一般經(jīng)濟(jì)較發(fā)達(dá)[13]；3)公共配套基礎(chǔ)設(shè)施對(duì)A級(jí)景區(qū)建設(shè)具有驅(qū)動(dòng)力；4)政府的重視程度影響景區(qū)的空間分布[14].在參照前人研究的基礎(chǔ)上，遵循數(shù)據(jù)獲取的真實(shí)性原則，本研究選取人均GDP(EL)代表各省市自治區(qū)的經(jīng)濟(jì)發(fā)展水平，用城市公共交通運(yùn)營(yíng)線路密度(PT)代替各省市自治區(qū)的配套設(shè)施.旅游資源稟賦分別從A級(jí)景區(qū)資源、文化資源開(kāi)發(fā)程度以及自然生態(tài)環(huán)境進(jìn)行衡量，A級(jí)景區(qū)資源(TR)采用4A、3A和2A的景區(qū)數(shù)量，在參考相關(guān)文獻(xiàn)以及咨詢有關(guān)專(zhuān)家的基礎(chǔ)上進(jìn)行權(quán)重賦值：4A∶3A∶2A=1.7∶1.5∶1，文化資源開(kāi)發(fā)程度(CR)選取文化系統(tǒng)藝術(shù)表演演出場(chǎng)次來(lái)代替，自然生態(tài)環(huán)境(GA)采用森林覆蓋面積代替.后期進(jìn)行OLS模型模擬時(shí)，人均GDP(EL)的方差膨脹因子大于7.5，說(shuō)明解釋變量存在多余，本研究將其剔除；政府的重視程度太過(guò)宏觀和主觀，指標(biāo)量化比較困難，因此本研究通過(guò)模型整體的擬合優(yōu)度進(jìn)行分析.

1.3研究方法

1.3.1空間自相關(guān)(Moran’s I) Moran’s I從定量的角度描述了地理空間上臨近事物之間的關(guān)聯(lián)程度：

(1)

其中，n為研究樣本的數(shù)量，Xi與Xj即單位區(qū)域上的值，Wij即空間權(quán)重矩陣，I的取值區(qū)間在[-1，1]，若I>0，表明地理要素在空間上顯示出集聚態(tài)勢(shì)，若I<0，表明地理要素在空間上顯示出分散的態(tài)勢(shì)[15].

1.3.2地理加權(quán)回歸模型 地理加權(quán)回歸模型有全局回歸模型和局部回歸模型，而全局回歸模型不能體現(xiàn)出不同空間上的自變量對(duì)因變量的差異影響，只能表現(xiàn)一個(gè)空間的平均效果，因此本研究選擇局部回歸模型：

(2)

其中，(ui，vi)是第i個(gè)樣本點(diǎn)的經(jīng)緯度，βi(ui，vi)是自變量xik在i點(diǎn)的值，εi即殘差項(xiàng)，滿足正態(tài)分布，各樣本點(diǎn)的權(quán)重通常采用高斯核函數(shù)來(lái)確定[9].

2結(jié)論分析

2.1中國(guó)5A級(jí)景區(qū)的時(shí)空分布特征

2.1.1景區(qū)分布類(lèi)型 空間中點(diǎn)要素的分布一般有凝聚分布、隨機(jī)分布和均勻分布3種類(lèi)型，學(xué)術(shù)界目前對(duì)點(diǎn)狀要素分布類(lèi)型的判別通常使用最鄰近指數(shù)：

(3)

其中，rE是理論最鄰近距離，r是實(shí)際最鄰近距離，S是區(qū)域面積，n是景區(qū)數(shù)量[16].當(dāng)R=1，景區(qū)呈隨機(jī)型分布，R>1時(shí)，景區(qū)呈均勻型分布，R<1，景區(qū)呈凝聚型分布.依據(jù)2007年、2011年、2015年中國(guó)5A級(jí)旅游景區(qū)的數(shù)據(jù)，通過(guò)ArcGis10.3中平均最近相鄰要素工具，利用歐式距離法，得出2007年、2011年、2015年中國(guó)5A級(jí)景區(qū)的最鄰近指數(shù)分別為：0.642<1(p=0.00，z=-5.52)、0.554<1(p=0.00，z=-9.27)、0.582<1(p=0.00，z=-11.65)，均通過(guò)顯著性水平檢驗(yàn)，說(shuō)明我國(guó)5A級(jí)景區(qū)呈凝聚型分布，且凝聚強(qiáng)度2011年最高，2007年最弱.

2.1.2景區(qū)分布集中程度 點(diǎn)狀要素在空間上呈凝聚型分布，并不能反映其空間上集中程度，為此本研究進(jìn)一步引入地理集中指數(shù)：

(4)

2.2中國(guó)5A級(jí)景區(qū)空間相關(guān)性

選取Moran’s I衡量中國(guó)5A級(jí)景區(qū)空間分布的依賴性，利用GeoDa平臺(tái)，以各省域的5A級(jí)景區(qū)數(shù)作為第一變量，用二階Rock作為權(quán)重矩陣，進(jìn)行5A級(jí)景區(qū)數(shù)量的空間自相關(guān)分析.

Moran’s I結(jié)果顯示，2007年的Moran’s I為0.05(p=0.12，z=1.11)，呈正空間相關(guān)，p的值接近0.1，且z得分接近1.96，對(duì)應(yīng)的Moran’s I散點(diǎn)圖(圖2)，樣本點(diǎn)較為分散，說(shuō)明2007年全國(guó)5A級(jí)景區(qū)的空間聚集特征不顯著.2011年Moran’s I為0.21(p=0.00，z=3.42)，z得分大于1.96，通過(guò)1%的顯著性水平檢驗(yàn)，對(duì)應(yīng)的Moran’s I散點(diǎn)圖樣本點(diǎn)大部分集中在一、二象限，說(shuō)明從2007年到2011年，全國(guó)5A級(jí)景區(qū)的空間依賴性增強(qiáng).2015年Moran’s I為0.16(p=0.01，z=2.82)仍然呈顯著的空間正相關(guān)，但相關(guān)性較2011年有所減弱.綜上所述，我國(guó)5A級(jí)景區(qū)數(shù)量在空間上的分布呈現(xiàn)一定的依賴關(guān)系，并非隨機(jī)分布，這是由于影響5A級(jí)景區(qū)空間分布的社會(huì)-環(huán)境因子(A級(jí)景區(qū)資源、文化、生態(tài)環(huán)境、交通)具有空間異質(zhì)性，這也進(jìn)一步保障了GER模型的有效性.

對(duì)于A級(jí)景區(qū)空間分布聚類(lèi)的研究，傳統(tǒng)的方法是采用核密度分析，通過(guò)計(jì)算景區(qū)的分布密度，并將密度進(jìn)行可視化處理后形成空間聚類(lèi)圖，這種方法存在的弊端是沒(méi)有考慮空間權(quán)重，而LISA聚類(lèi)彌補(bǔ)了這一缺陷，因此本研究采用其研究5A級(jí)景區(qū)的空間聚類(lèi).

圖2 中國(guó)5A級(jí)景區(qū)Moran’s I散點(diǎn)圖Fig.2 Moran’s I plot of 5A tourist attractions in China

圖3 中國(guó)5A級(jí)景區(qū)空間分布 LISA聚類(lèi)圖Fig.3 LISA cluster map for 5A tourist attractions in China

2007年我國(guó)5A級(jí)景區(qū)的空間聚類(lèi)整體上存在差異性(圖3)，內(nèi)蒙古呈低-高集聚，即該區(qū)域自身?yè)碛械?A級(jí)景區(qū)數(shù)不多，但其周邊的其他區(qū)域卻擁有A級(jí)景區(qū)數(shù)較多，統(tǒng)計(jì)數(shù)據(jù)顯示，2007年內(nèi)蒙古沒(méi)有5A級(jí)景區(qū)，其周邊地區(qū)黑龍江(1)、吉林(2)、遼寧(2)、河北(2)、山西(2)、陜西(3)、寧夏(2)和甘肅(2)的A級(jí)景區(qū)數(shù)均比其多，因此在空間上形成低-高聚類(lèi)；河南呈高-高集聚，說(shuō)明該區(qū)域的5A級(jí)景區(qū)數(shù)較多，且其周?chē)鷧^(qū)域的5A級(jí)景區(qū)數(shù)也較多；廣西呈高-低集聚.2011年和2015年全國(guó)5A級(jí)景區(qū)的空間分布差異減小，但空間集聚態(tài)勢(shì)加強(qiáng)，2011到2015年間，高-高集聚區(qū)由湖北和浙江兩個(gè)，發(fā)展到江蘇、湖北和浙江3個(gè)，且形成江蘇-浙江連片集聚區(qū).

2.3構(gòu)建空間回歸模型

為探索各省域5A級(jí)景區(qū)的數(shù)量與各影響因素的關(guān)系，本研究以各省市自治區(qū)的5A級(jí)景區(qū)數(shù)目為因變量，從A級(jí)景區(qū)資源(TR)、公共交通密度(PT)、自然生態(tài)環(huán)境(GA)以及文化資源開(kāi)發(fā)程度(CR)，4個(gè)緯度建立空間回歸模型，為避免單一模型可能存在的偶然性，本研究將GWR模型與傳統(tǒng)的普通最小二乘(OLS)模型進(jìn)行對(duì)比研究.

2.3.1基于全域尺度的OLS模型 OLS模型的回歸結(jié)果顯示(表2)，方差膨脹因子(VIF)均小于7.5，說(shuō)明解釋變量存在弱多重共線性.從顯著性水平來(lái)看，2007年A級(jí)景區(qū)資源(t=2.66，p=0.01)和公共交通密度(t=3.01，p=0.01)對(duì)5A級(jí)景區(qū)的數(shù)量具有顯著的影響，其中A級(jí)景區(qū)資源的影響最高，由A級(jí)景區(qū)資源引起的5A級(jí)景區(qū)數(shù)量每提高1，總的5A級(jí)景區(qū)數(shù)目會(huì)上升0.49；2011年與2015年A級(jí)景區(qū)資源與文化資源開(kāi)發(fā)程度均顯著影響全國(guó)5A級(jí)景區(qū)的規(guī)模.從影響系數(shù)來(lái)看，A級(jí)景區(qū)資源與文化資源的開(kāi)發(fā)程度系數(shù)逐漸增加，表明兩者對(duì)5A景區(qū)數(shù)量的影響逐漸增強(qiáng)；公共交通密度的系數(shù)逐漸較少，顯著性也逐漸降低，這說(shuō)明第一批5A景區(qū)受交通條件的影響較大，隨后由于全國(guó)交通條件的普遍改善，交通對(duì)5A景區(qū)的影響力降低.

表1 OLS模型擬合結(jié)果

注：C表示截距，“*”表示通過(guò)5%顯著性水平檢驗(yàn)，“**”代表通過(guò)1%的顯著性水平檢驗(yàn).

2.3.2基于局部尺度的GWR模型 OLS模型認(rèn)為空間是均質(zhì)的，其只能對(duì)全國(guó)5A級(jí)景區(qū)進(jìn)行總體的評(píng)估，不能反映空間的異質(zhì)性，因而忽略了景區(qū)在各局部區(qū)域上的空間非穩(wěn)定性，因此本研究借助ArcGis10.3平臺(tái)，構(gòu)建2007年、2011年和2015年的GWR模型，從局部視角對(duì)全國(guó)5A級(jí)景區(qū)進(jìn)行空間非穩(wěn)定性分析，并與傳統(tǒng)的OLS模型進(jìn)行對(duì)比以驗(yàn)證GWR模型的優(yōu)越性.

表2 GWR與OLS模型擬合參數(shù)對(duì)比

2.4中國(guó)5A級(jí)景區(qū)影響因素空間分異性

借助ArcGis10.3平臺(tái)，構(gòu)建2007年、2011年、2015年的GWR模型，并將回歸系數(shù)進(jìn)行空間可視化處理.由交通回歸系數(shù)空間分布圖可見(jiàn)，回歸系數(shù)均為正數(shù)，表明改善交通條件可以促進(jìn)5A級(jí)景區(qū)的建設(shè)，這是由于旅游的發(fā)展離不開(kāi)交通的支持，提高景區(qū)的交通通達(dá)性，可以縮短景區(qū)-游客之間的距離，減少游客出行的時(shí)間成本，同時(shí)從時(shí)間上來(lái)看，2007年影響系數(shù)最高，2011年次之，2015年最低，這是由于隨著我們交通條件的完善，交通對(duì)5A級(jí)景區(qū)的影響在慢慢減弱，2015年影響系數(shù)在0.002 38～0.002 53之間浮動(dòng)，從統(tǒng)計(jì)學(xué)意義上來(lái)看，2015年交通對(duì)5A級(jí)景區(qū)分布的影響基本可以忽略；從空間上來(lái)看，忽略2015年，2007年、2011年整體上西部地區(qū)的敏感程度高于東部，這主要是由于受經(jīng)濟(jì)、地形等的影響，西部地區(qū)的交通通達(dá)度較低，因此其受交通的影響較為敏感.

A級(jí)景區(qū)資源對(duì)5A級(jí)景區(qū)的分布呈顯著的正向影響，相關(guān)性強(qiáng)度表現(xiàn)出明顯的空間差異，整體上呈現(xiàn)出由西南向東北遞減的趨勢(shì)，其中新疆、廣州以及海南受A級(jí)景區(qū)資源的影響較為敏感.這主要是由于5A景區(qū)通常是在4A景區(qū)的基礎(chǔ)上申報(bào)的，因此各個(gè)省市自治區(qū)的A級(jí)景區(qū)的資源將直接影響到當(dāng)?shù)氐?A級(jí)景區(qū)數(shù)量.以新疆為例，其交通、生態(tài)環(huán)境以及文化開(kāi)發(fā)程度相比其他省市自治區(qū)均處于弱勢(shì)地位，但截止2015年底新疆擁有5A景區(qū)數(shù)達(dá)9個(gè)，同安徽、福建和山東并列全國(guó)第六名，這主要是因?yàn)槠鋼碛胸S富的A級(jí)景區(qū)資源密，屬于資源驅(qū)動(dòng)型景區(qū)發(fā)展模式，因而其受A級(jí)景區(qū)資源的影響較為明顯.

森林覆蓋率回歸系數(shù)均為正值，表明改善自然生態(tài)環(huán)境可以增加5A級(jí)景區(qū)的數(shù)量，森林從空間上來(lái)看回歸系數(shù)呈現(xiàn)出由南向北遞減，與實(shí)際的森林覆蓋率的空間分布的變化大致相同.由于各省市自治區(qū)的植被覆蓋率在短時(shí)間內(nèi)不會(huì)有很大變化，因此其回歸系數(shù)從時(shí)間上來(lái)看無(wú)明顯變化.旅游產(chǎn)品分為自然景觀與人文景觀，文化資源開(kāi)發(fā)程度與5A級(jí)景區(qū)呈顯著的正相關(guān)(圖4d)，但相關(guān)性2007年最高，2011年次之，2015年最低，表明文化資源開(kāi)發(fā)程度與5A級(jí)景區(qū)數(shù)量的依賴性在減弱，從空間上來(lái)看，文化資源開(kāi)發(fā)程度的相關(guān)系數(shù)整體上呈現(xiàn)由西南向東北遞減的態(tài)勢(shì).

3結(jié)論與討論

本研究以2007年、2011年、2015年的截面數(shù)據(jù)為樣本，以5A級(jí)景區(qū)的數(shù)量為研究對(duì)象，綜合運(yùn)用了最鄰近指數(shù)、地理集中指數(shù)、核密度分析、空間自相關(guān)以及空間回歸模型.揭示了中國(guó)5A級(jí)景區(qū)的時(shí)空分布特征，同時(shí)從公共交通密度、文化資源開(kāi)發(fā)程度、自然生態(tài)環(huán)境以及A級(jí)景區(qū)資源四個(gè)維度，構(gòu)建5A景區(qū)的空間回歸模型，并探討了各影響因素的空間分異性，研究結(jié)論如下.

1) 中國(guó)5A級(jí)景區(qū)呈凝聚型分布，2011年凝聚強(qiáng)度最高，2007年最弱；地理集中指數(shù)呈上升態(tài)勢(shì)，說(shuō)明景區(qū)在空間上的集中程度逐漸變強(qiáng).中國(guó)5A級(jí)景區(qū)數(shù)量在空間上的分布呈現(xiàn)一定的規(guī)律性，體現(xiàn)出集聚的態(tài)勢(shì)，空間自相關(guān)性整體上變強(qiáng)，2007年不顯著，2011年高度顯著；2007年全國(guó)5A級(jí)景區(qū)的空間聚類(lèi)整體上存在差異性，形成內(nèi)蒙古低-高集聚區(qū)，河南高-高集聚區(qū)和廣西呈高-低集聚區(qū).2011年、2015年全國(guó)5A級(jí)景區(qū)的空間分布差異減小，但空間集聚態(tài)勢(shì)加強(qiáng)，且形成江蘇-浙江連片集聚區(qū).

圖4 GWR模型估計(jì)下各影響因素回歸系數(shù)空間分布Fig.4 Regression coefficients for the explanatory variables of 5A tourist attractions by GWR

2) 基于OLS模型與GWR模型的對(duì)比研究發(fā)現(xiàn)，從局部尺度的GWR模型要優(yōu)于全域尺度的OLS模型.從全域視角，A級(jí)景區(qū)資源和公共交通密度對(duì)中國(guó)第一批5A級(jí)景區(qū)的分布具有顯著的影響，隨后公共交通密度的影響減弱，文化資源的開(kāi)發(fā)程度影響增強(qiáng).從局部視角，公共交通密度、文化資源開(kāi)發(fā)程度、自然生態(tài)環(huán)境以及A級(jí)景區(qū)資源在空間上均具有顯著的異質(zhì)性.同時(shí)，對(duì)比各期調(diào)整后的R2值，可見(jiàn)GWR模型對(duì)5A級(jí)景區(qū)數(shù)量的解釋力在降低，表明5A級(jí)景區(qū)數(shù)受其它因素影響的力度在增加，比如說(shuō)政府和經(jīng)濟(jì)發(fā)展等.

3) 5A級(jí)景區(qū)的建設(shè)與發(fā)展受多種因素綜合影響，而本研究?jī)H從公共交通密度、文化資源開(kāi)發(fā)程度、自然生態(tài)環(huán)境以及A級(jí)景區(qū)資源四個(gè)方面，對(duì)5A級(jí)景區(qū)的影響因素進(jìn)行探索性研究.同時(shí)，本研究在OLS模型與GWR模型模擬時(shí)由于方差膨脹因子和多重共線性剔除經(jīng)濟(jì)發(fā)展水平影響因子，只能說(shuō)明模型不適用，并不能說(shuō)明5A級(jí)景區(qū)的建設(shè)不受當(dāng)?shù)亟?jīng)濟(jì)水平的影響，后期學(xué)者可以采用其它方法探討5A級(jí)景區(qū)與當(dāng)?shù)亟?jīng)濟(jì)之間的關(guān)系.

[1] ZAHRA A， RYAN C. From chaos to cohesion—Complexity in tourism structures: an analysis of New Zealand’s regional tourism organizations[J]. Tourism Management， 2007， 28(3):854-862．

[2] MASSON S， PETIOT R. Can the high speed rail reinforce tourism attractiveness？ The case of the high speed rail between Perpignan (France) and Barcelona (Spain)[J]. Tech-novation， 2009， 29(9):611-617．

[3] ENRIGHT M， NEWTON J. Tourism destination competitiveness:a quantitative approach[J]. Tourism Management， 2004， 25(6) :777-778．

[4] 朱 竑， 陳曉亮. 中國(guó)A級(jí)旅游景區(qū)空間分布結(jié)構(gòu)研究[J]. 地理科學(xué)， 2008， 28(05):607-615.

[5] 王雯萱， 謝雙玉. 湖北省A級(jí)旅游景區(qū)的空間格局與優(yōu)化[J]. 地域研究與開(kāi)發(fā)， 2012， 31(02):124-128.

[6] 程曉麗， 黃國(guó)萍. 安徽省旅游空間結(jié)構(gòu)演變及優(yōu)化[J]. 人文地理， 2012， 27(06):145-150.

[7] 田逢軍. 中部崛起背景下江西旅游景區(qū)發(fā)展問(wèn)題與提升路徑[J]. 經(jīng)濟(jì)地理， 2016， 36(01):194-199+207.

[8] 吳麗敏， 黃震方， 周 瑋， 等. 江蘇省A級(jí)旅游景區(qū)時(shí)空演變特征及其動(dòng)力機(jī)制[J]. 經(jīng)濟(jì)地理， 2013， 33(08):158-164.

[9] 戈冬梅， 姜 磊. 基于GWR模型的省域旅游影響因素空間差異分析[J]. 生態(tài)經(jīng)濟(jì)， 2013， 29(07):93-97+132．

[10] 方遠(yuǎn)平， 謝 蔓， 畢斗斗， 等. 中國(guó)入境旅游的空間關(guān)聯(lián)特征及其影響因素探析——基于地理加權(quán)回歸的視角[J]. 旅游科學(xué)， 2014， 28(03):22-35．

[11] 謝朝武， 張 俊. 我國(guó)旅游突發(fā)事件傷亡規(guī)?？臻g特征及其影響因素[J]. 旅游學(xué)刊， 2015， 30(01):83-91．

[12] 陳 剛， 劉大均， 黃 翔， 等. 中國(guó)旅游業(yè)集聚化水平及演化空間差異研究[J].資源開(kāi)發(fā)與市場(chǎng)， 2012， 28(10):945-948．

[13] 袁 露， 楊彥平， 王繼建. 中國(guó)5A級(jí)旅游景區(qū)發(fā)展特征研究[J]. 華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2014， 48(02):301-306．

[14] 黃遠(yuǎn)水， 陳鋼華， 伍 弦. 福建省旅游景區(qū)空間結(jié)構(gòu)研究——基于國(guó)家3A級(jí)以上旅游景區(qū)的統(tǒng)計(jì)分析[J]. 經(jīng)濟(jì)地理， 2010， 30(07):1195-1199.

[15] 袁玉蕓， 瓦哈甫·哈力克， 關(guān)靖云， 等. 基于GWR模型的于田綠洲土壤表層鹽分空間分及其影響因子[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2016， 27(10):3273-3282．

[16] 蔡碧凡， 陶卓民， 葛佩佩. 浙江省優(yōu)良景區(qū)空間分布特征及影響因素[J]. 西北師范大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2016， 52(4):99-106．

[17] 申懷飛， 鄭敬剛， 唐風(fēng)沛， 等. 河南省A級(jí)旅游景區(qū)空間分布特征分析[J]. 經(jīng)濟(jì)地理， 2013， 33(02):179-183.．

[18] FOTHERINGHAM A S， BRUNSDON C， CHARLTON M E. Geographically Weighted Regression: The Analysis of Spatially Varying Relationships[M]. San Francisco: John Wiley & Sons Ltd， 2002: 95．

Spatial differentiation and its influencing factors of national 5A tourist attractions based on GWR in China

ZHU Yongfeng1，2， HALIKE Wahap1，2， LU Longhui1，3

(1.The Key Lab for Oasis Ecosystem of MOE，Xinjiang University，Urumqi 830046；2.College of Tourism Management，Xinjiang University，Urumqi 830046；3.College of Resources and Environment Science，Xinjiang University，Urumqi 830046)

With the coming of the ‘withdrawal mechanism’， local governments pay more and more attention to the sustainable development of 5A tourist attractions. This paper investigates how 5A tourist attractions are spatially distributed， and what affect they. The results show that， 1) The spatial distribution of the national 5A tourist attractions was clustered， and the degree of concentration increased gradually. 2) There was a strong spatial dependence on the distribution of 5A spots， not randomly distributed. 3) By comparing OLS and GWR model， we found GWR model had been better performance. In addition， the spatial distribution of the 5A tourist attractions was affected by the transportation， A-class tourist attractions resources， cultural resources and ecological environment in China．

GWR mode; 5Atourist attractions; spatial structure; spatial differentiation

2016-11-30.

國(guó)家自然科學(xué)基金項(xiàng)目(41271168).

1000-1190(2017)03-0416-07

F590

A

*E-mail: 1648445895@qq.com.