下载:
-
旅游地理学研究的重要方向之一是旅游空间结构及其演化过程，旅游资源的空间结构格局影响着区域旅游资源的空间分布和相互关系，并对旅游市场的消费选择产生重要的影响，同时也是旅游资源进行开发战略的重要依据[1]。
从旅游资源的空间分布格局来看，国外学者主要是从大尺度视角研究旅游资源和旅游现象的空间分布形态，较为关注地理方法和空间格局数理模型的构建。如Paul Lovingood等学者根据不同的空间背景，构建了6类不同的旅游资源开发组合结构模型与4类指标，针对南卡罗来纳州旅游业资源的整体空间格局以及地理集聚程度来进行探究[2]；Joanne Connell等人以国家公园为研究对象，结合旅游业资源的基本分布情况，并借助GIS空间分析软件对国家公园内自驾游的空间格局、游客流量以及行程模式进行分析[3]；Sanghoon Kang等学者利用空间自相关和社交网络分析研究方法，对韩国旅游景区内的旅游景点资源进行空间分布模式的研究，同时探索旅游业景点资源的旅游吸引力网络的空间结构[4]。而国内学者主要是对旅游资源空间形态及空间格局形成原因等方面的研究较为深入。如李月辉等学者发现辽宁地区的旅游资源呈现“一区一廊道”的空间形态[5]；刘康等人对山区旅游景区使用Voronio变异系数对其空间格局进行分析，发现其整体表现出“梭形”的分布态势；杨洁明和许辉对新疆旅游业资源的整体空间格局进行了核密度分析和可达性测度，发现其呈现出“一带一轴”的格局[6]；王雯萱运用空间计量法和图表分析法对湖北省A级旅游景区的空间结构进行分析，并阐述了其影响因素[7]；李会琴等人结合百度指数与GIS分析方法，对中国5A级旅游景区的空间格局与网络关注度进行分析，并发现两者在地理空间上具有耦合性[8]。总体来说，国内外关于旅游资源的空间分布格局研究都取得了较大进展，在研究尺度和研究方法上也有深入拓展，但当前国内对旅游资源的空间分布研究大都以某一具体范围内4A及以上A级景区为研究对象，对大尺度范围内的旅游资源研究较为缺乏，存在进一步探索的空间。
综上所述，大数据具有实时、快速、高效的特点，能够精确反映地物的存在状态[9]，利用POI数据作为旅游资源空间分布研究更具有真实性与时效性[10]。四川省作为国家中心城市和重要的经济、文化中心之一，拥有独特的自然环境及丰富的自然、人文景观资源，具有得天独厚的旅游发展条件，但其旅游资源的区域空间特征研究还存在空缺。鉴于此，基于POI数据与其他多源数据等地理信息数据，以四川省为研究对象，通过核密度算法、标准差椭圆、空间自相关等空间分析方法，克服传统数据的缺陷，全面分析四川省旅游资源的空间分布特征及其影响因素，以期补充发展四川省旅游资源空间分布特征研究。
-
在宏观的地理区域中，可以把旅游景区作为点状的地理事物，点的空间分布形态可以作为该范围内一系列点的排列组合[11]。为总体上把握四川省旅游资源POI的空间分布特征，基于空间分析软件ArcGIS10.2,首先利用核密度算法对旅游资源的分布密度进行动态特征分析，再利用标准差椭圆方法分析各类型旅游资源的空间分布重心，最后利用空间自相关分析，进一步揭示不同类型的旅游资源在空间分布中的关联性。
（1）核密度算法
核密度算法是点模式分析中常用的空间分析方法之一，反映各个要素在空间分布中的相对集中程度[12]。核密度算法是以样本点数据为中心，分析一定窗口范围内的离散点密度，其密度值随样本中心辐射距离的增大而逐渐变小，因而得到样本点数据在空间上连续的分散或集聚的密集度变化图层。公式如下：
$$ f\left(x,y\right)=\frac{1}{{nh}^{2}}\sum\nolimits _{i=1}^{n}k\left(\frac{{d}_{i}}{n}\right) $$ (1) （2）标准差椭圆
在空间统计方法中，标准差椭圆能准确反映空间地理要素的整体分布特征[13]，以各类旅游资源的平均中心作为起点，经纬度x,y坐标的标准差为轴线而产生的椭圆[14]，能够较为有效地、精准地表示地理要素在空间上的分布特征，直观反映空间要素分布的中心性及延展性，其计算公式为：
平均中心：
$$ {\overline{X}}_{w}=\frac{\displaystyle\sum\nolimits _{i=1}^{n}{w}_{i}{x}_{i}}{\displaystyle\sum\nolimits _{i=1}^{n}{w}_{i}},{\overline{Y}}_{w}=\frac{\displaystyle\sum\nolimits _{i=1}^{n}{w}_{i}{y}_{i}}{\displaystyle\sum\nolimits _{i=1}^{n}{w}_{i}} $$ (2) 椭圆方位角：
$ tan\theta =\dfrac{A+B}{C}, $ $$ A=\left(\displaystyle\sum\nolimits _{i=1}^{n}{w}_{i}^{2}\;{\widetilde{x}}_{i}^{2}-\displaystyle\sum\nolimits _{i=1}^{n}{w}_{i}^{2}\;{\widetilde{y}}_{i}^{2}\right) , $$ (3) $$ B=\sqrt{\left(\sum\nolimits _{i-1}^{n}{w}_{i}^{2}\;{\widetilde{x}}_{i}^{2}-\sum\nolimits _{i=1}^{n}\;{\widetilde{y}}_{i}^{2}\right)^{2}+4\sum\nolimits _{i=1}^{n}{w}_{i}^{2}\;{\widetilde{x}}_{i}^{2}\;{\widetilde{y}}_{i}^{2}} $$ (4) $$ C=2\sum\nolimits _{i=1}^{n}{w}_{i}^{2}\;{\widetilde{x}}_{i}\;{\widetilde{y}}_{i} $$ (5) X轴标准差：
$$ {\rho }_{x}=\sqrt{\sum\nolimits _{i=1}^{n}({w}_{i}\;{\widetilde{x}}_{i}cos\theta -{w}_{i}\;{\widetilde{y}}_{i}sin\theta {)}^{2}/\sum\nolimits _{i=1}^{n}{w}_{i}^{2}} , $$ (6) Y轴标准差：
$$ {\rho }_{y}=\sum\nolimits _{i=1}^{n}({w}_{i}\;{\widetilde{x}}_{i}sin\theta -{w}_{i}\;{\widetilde{y}}_{i}cos\theta {)}^{2}/\sum\nolimits _{i=1}^{n}{w}_{i}^{2} $$ (7) （3）空间相关性分析
空间自相关是分析点要素的属性值与其相邻要素之间的依赖性和关联性[15]，分为全局自相关（Global Moran’s I）和局部自相关(Local Moran’s I)。由于四川省各地市之间的旅游资源差异较大，因此有必要采取从全局到局部的研究方法，全局Moran’s I指数（公式8）主要检验空间相邻或邻近的单元属性值在整个研究范围内空间相关性的总体趋势,Moran’s I > 0 表示空间正相关，值越大，空间相关越明显; Moran’s I <0 表示空间负相关，值越小，空间差异越大; Moran’s I = 0，空间呈随机性。
局域关联指数（Getis-OrdGi＊指数）（公式9）表示在空间分布上各种点要素的自相关性，反映各种点要素在不同区域单元及其之间的关联作用[16]。Gi＊值是统计意义上的Ｚ得分，在进行要素分布热点或冷点区域探测时，通常选取Ｚ得分大于1.96（置信度为95％）的区域为要素点聚集的热点区域。
$$ I=\frac{\displaystyle\sum\nolimits _{i=1}^{n}\displaystyle\sum\nolimits _{j=1}^{n}\left({X}_{i}-X\right)\left({X}_{j}-X\right)}{{S}^{2}\displaystyle\sum\nolimits _{i=1}^{n}\displaystyle\sum\nolimits _{j=1}^{n}{W}_{ij}} $$ (8) $$ {I}_{i}=\frac{{X}_{i}-X}{{S}^{2}}\sum\nolimits _{j=1}^{n}{W}_{ij}\left({X}_{j}-X\right) $$ (9) -
在空间大数据中，POI数据作为基础性分析数据能够精准地表示地理实体之间的相对位置，是具有标志性意义的地理对象[17]。由于高德地图POI数据具有高效的实时性、科学性和有效性，因此本次研究的POI数据是通过高德地图提供的API接口以“旅游景点”为关键词于2022年11月获取，总共获取6881条POI数据点，每条数据包含ID、名称、地址、经纬度坐标等主要信息。根据研究需要对获得的POI数据进行筛选、清洗，最后获得4407条有效数据。以郭来喜等[18]提出的旅游资源分类系统为基础，并结合各旅游景区所依托的旅游资源类型，按其资源属性将POI数据分为5种景类（见表1和图1）。除POI数据以外，其他数据如四川省行政边界矢量地图资料来源于国家基础地理信息系统数据库（www.ngcc.cn），地形高程数据来源于地理空间数据云平台中的四川省30 m分辨率DEM栅格数据，地区生产总值、路网长度和常住人口数来源于《2020年四川统计年鉴》。
表 1 四川省旅游资源POI主要分类
Table 1. Main Classification of Tourism Resource POI in Sichuan Province
景系（一级） 景类（二级） POI内容示例 数量 比例 自然资源系
（1189）地文景观类 山丘、谷地、滩地、典型地质带等 396 9% 水域风光类 河流、湖泊、瀑布、泉等 361 8.2% 生物景观类 森林、草地、湿地、动物栖息地等 432 9.8% 文化资源系
（3218）建筑与遗迹类 历史纪念地、建筑旧址、历史人文古迹、寺庙道观、历史遗迹建筑、古城古镇等 1531 35% 现代人文景物类 博物馆、动植物园、古文化街区、民俗村、生态园、主题公园、休闲会馆、观景台等 1687 38% 
图 1 四川省旅游资源类型分布
Figure 1. Distribution of tourism resource types in Sichuan Province
-
运用ArcGIS10.2软件对5大类旅游要素POI进行核密度分析，得到四川省各类旅游资源的总体分布格局（见图2），由于核密度的分级是依据各种类的旅游资源和密度值采取自然间断点分级法对其进行可视化分析，因此只表示该类旅游景点的相对等级。从整体来看，旅游资源核密度空间分布表现为多核心分布结构，其分布密度总体呈现“东多西少”的特征，其主要原因是四川省整体地势呈现为西高东低，西部地区海拔多在3000 m以上，主要以高原、山地为主，地质环境较为复杂，不利于旅游要素形成集聚效应，而东部地区多为盆地、丘陵，具有更适宜的旅游发展环境，高密度空间聚集范围也较广。
图 2 四川省各旅游资源类型核密度
Figure 2. Core density of various tourism resource types in Sichuan Province
在分布特征上，旅游景点整体密度最高的地区为成都市和雅安市，并呈现出由中心向外围递减的趋势，其次为德阳、广元、南充、遂宁、宜宾、乐山。其中，地文景观类旅游景点分布密度最高的地区主要集中在成都、德阳、绵阳、广元、南充、宜宾6市及周边地区，在东部地区形成一个“弧状”圈层。这与川西高原东部山地旅游资源丰富有密切关系，如雪宝顶、四姑娘山、贡嘎山、龙门山等高海拔山地都分布于此。此外，四川盆地西部的峨眉山、龙泉山，北部的米仓山，东部的华蓥山、明月山共同形成一个西、北、东环绕的圆弧状圈层，与(见图2a)中的高密度区分布一致。水域风光类旅游景点的高密度区(见图2b）集中在阿坝藏族羌族自治州内的九寨沟县周围，这与九寨沟县附近水文景观丰富及利用保护良好有密切联系。其余密集区主要位于四川盆地内，由于河流沿地势低平处流动，四川盆地内河流、湖泊易形成集聚，因此水文风光类旅游景点多分布于此。生物景观类旅游景点(见图2c）主要分布在四川盆地，并在成都形成高密度区，主要原因是川西为高原山地气候，冬寒夏凉，水热不足，不适于动植物的生存和繁衍，而四川盆地为亚热带季风气候，全年湿润，雨量充沛，年较差小，为动植物的生长繁衍提供了良好的自然环境基础，形成范围较广的生物景观类旅游景点。而且近年来随着成都市“公园城市”的建设和规划，对森林公园及生态湿地进行保护和可持续发展，并取得了较突出的成绩，使成都市内形成众多的生物景观类旅游景点而成为高密度区。建筑与遗迹类旅游景点的高密度区主要集中在川东地区的成都市和雅安市并向周围扩散，四川东部为人口密集区和经济发展区，因此形成较多的人文建筑，呈现出连续的高密度区分布格局。川西地区虽没有高密度区，但分布范围较广，表明也有较多的建筑与遗迹类旅游景点分布(见图2d）。现代人文类景观的高密度区(见图2e）集中在成都市，在空间上形成“孤岛状”分布格局，成都市作为四川省乃至西部地区的旅游中转站，人文旅游景点丰富，因此现代人文景观类旅游资源集聚特征明显，呈现出核心-边缘的空间分布特征。
为了进一步分析各类型旅游资源的空间分布趋势，运用ArcGIS10.2软件对5类旅游景点进行标准差椭圆分析，得到四川省旅游景点的标准差椭圆图并对椭圆中心进行显示（见图3）。从形状方向来看，四川省各类旅游景点大致呈“东北-西南”的分布趋势，与景点类型分布特征吻合。从分布形状上看，各旅游景点椭圆形状差异较小，其中地文景观类椭圆较大，而现代人文景观类椭圆形状偏小，是由于地文景观类旅游景点在区域内分布较广，而建筑与遗迹类旅游景点主要集中在成都及周围省市。从椭圆分布中心来看，四川省各类旅游景点分布中心均位于成都市，并集中在武侯区、锦江区、双流区和龙泉驿区，这表明四川省各类旅游景点总体分布较为集中。
图 3 四川省各旅游资源类型标准差椭圆
Figure 3. Standard deviation ellipse of various tourism resource types in Sichuan Province
按长度顺序将各类旅游资源的X轴进行排列，X轴最长的为生物景观类，最短的为现代人文景观类。即X轴越长，旅游资源的方向性越强，由此可见，生物景观类旅游资源的方向性最显著，而现代人文景观类最不显著，其他各类旅游资源的方向性位于中间水平，但所有类型的旅游资源均为东北-西南向。Y轴的长度顺序表示各类旅游资源的向心性强弱和分布范围的大小，按顺序排列，Y轴最长的为地文景观类，最短的为现代人文景观类，由此表明分布范围最广的是地文景观类，但其向心性并不显著，而现代人文类旅游景点具有较强的集聚性，向心性也最显著。从椭圆偏转角来看（见表2），按大小顺序排序，其中建筑与遗迹类旅游景点的偏转角最大，为82°24'71，说明其旅游景点在省域范围内更偏南北走向，而其余旅游景点类型大致为东北-西南向。
表 2 四川省各旅游资源类型标准差椭圆参数
Table 2. Standard deviation elliptic parameters of various tourism resource types in Sichuan Province
景区类别 XStdDist(km) YStdDist(km) Rotation 地文景观类 223.447 322.884 62.199 水域风光类 226.982 269.327 71.553 生物景观类 232.063 257.506 64.375 建筑与遗迹类 217.289 283.803 82.247 现代人文景观类 170.903 235.265 62.499 -
以四川省21个地市行政区为基本空间单元，运用ArcGIS10.2软件计算四川省旅游景点空间分布的全局Moran's I指数为0.072347，表示其在空间分布上存在显著的正相关性。正态统计量Z值大于2.58，说明各旅游景点类型在空间分布上存在显著的空间自相关性，则拒绝零假设，即四川省各类旅游景点在空间上呈现聚集分布。
为深入分析四川省各旅游景点类型空间分布格局，利用局域关联指数Getis-Oed Gi*，使用Jenks自然断裂分级法，得出其空间分布热点图（见图4）。由图4可知，地文景观类的热点区域较多，仅东南部的资阳、内江、自贡、宜宾、泸州5市为冷点区域，这与四川省山地多分布于西部，而东部多以丘陵为主有密切关系。生物景观类从区域范围上看，热点区域位于阿坝藏族羌族自治州，达州市为冷点区域，但其程度均较小，其余大部分处于中间区域，说明该类旅游景点在地域间分布较为均匀。水域风光和现代人文景观类旅游景点的热点区域均出现在阿坝藏族羌族自治州，在地区分布特征上具有相似性，说明水域风光类与现代人文类景观在旅游资源上具有相互依存的关系。建筑与遗迹类旅游景点热点区域位于阿坝藏族羌族自治州，中间区域位于雅安市，其余均为冷点区域，在建筑与遗迹类旅游景点中涉及到著名人物的故居、我国历史上多个重要会议的会址和很多红军长征历史上的重要节点等。其中阿坝藏族羌族自治州的红色旅游景点最多，为热点区域，而雅安市为中间区域，也是成都市-甘孜州旅游线路的途经点，是十分重要的交通节点，大幅提高了雅安市的热度。
图 4 四川省各类型旅游资源冷热点
Figure 4. Hot and cold spots in various tourism resource types in Sichuan Province
表 3 四川省旅游资源全局Moran's I指数
Table 3. Overall Moran's I index of tourist resources in Sichuan Province
全局Moran's I指数 0.072347 预期指数 −0.000373 方差 0.000005 Z值 31.824456 p值 0 -
从地形地貌特征来看，四川省西部地区海拔较高，主要以高原、山地为主，东部地区以盆地、丘陵为主，海拔主要在500—2000 m之间。将四川省地貌图和POI旅游资源图叠加得到图5，从图5中可以看出，旅游资源分布与地形地貌具有密切的耦合关系，其旅游资源主要集中在四川省中部和东部地区，其中龙门山断层两侧的旅游资源分布尤为丰富，进一步说明了地形地貌对区域旅游资源的分布和演化起着主导作用，而在川西高原地区整体旅游资源较少，主要是由于该区域大部分海拔较高，导致交通不便，限制旅游资源的发展，这反映了旅游资源的适宜性和可进入性对其开发的重要性。总体上看，自然资源类的旅游景点较多分布在龙门山及东部的丘陵地区，而人文资源类旅游景点如纪念馆等则主要分布在东部盆地地区。
图 5 地形地貌与旅游资源分布关系
Figure 5. The relationship between landform and the distribution of tourism resources
从水文特征方面看，四川大部分地区属于长江流域，其中岷江、嘉陵江、沱江等支流在汇入长江的同时也在东部地区冲积形成肥沃土壤，且河流中下游地区气候温和，水源充沛，洪涝灾害威胁相对较小，为旅游景区的发展创建提供了良好的自然环境。使用ArcGIS10.2软件中的缓冲区分析工具，对四川省内水系进行3km缓冲区分区得出，四川省域内有3936个旅游景点位于主要水系3 km缓冲区范围内，占总数的89%，其中，地文景观类有308个旅游景点位于水系缓冲区内，占7.8%；水域风光类有307个旅游景点位于水系缓冲区内，占7.7%；生物景观类有374个旅游景点落入水系缓冲区，占9.5%；建筑与遗迹类有1363个旅游景点落入水系缓冲区，占34%；现代人文类有1584个旅游景点落入水系缓冲区，占40%。总体上看，各类旅游景点多沿河流、河谷、平原分布，其中建筑与遗迹类和现代人文类旅游景点分布最多，表现出集聚特征，并且在河流中下游地理环境相对优越的城市地区形成大的集聚区。
-
社会经济的发展程度对区域旅游景区的开发建设具有决定作用，是影响旅游景区空间格局演化的主要推动力[19]，对旅游景区空间分布层次的高低及旅游系统的成熟度产生重大影响，尤其在人文旅游资源景区的开发建设中，这种相互关系体现得更为显著。而交通网络作为旅游系统的重要组成部分，是旅游目的地和客源地之间的桥梁和通道，完善的交通网络体系直接影响旅游景区的可进入性和游客游玩的感知距离[20]，通达程度的增强不仅可以扩展客源市场的范围，同时可形成“游慢旅快”的效果，对旅游景区的可持续发展产生重要影响。根据上述分析显示，各类旅游景点的热点区域也是人口的高集聚区，说明人口的空间分布决定着客源市场的等级规模及旅游偏好。客源市场为旅游产业的持续发展提供动力支持，说明市场规模与人口密度具有密切联系，区域人口密度越大，潜在市场规模越大，开发旅游资源或建设旅游产业的动力也就越大[21]。
因此，基于上述分析，以四川省各地级市为单位，运用SPSS26.0软件，以2020年四川省地区生产总值、常住人口数及道路长度为指标，与旅游资源POI数量进行相关性检验得出，经济发展、人口和交通均对各类旅游资源的发展产生较大影响。通过对数据使用标准化处理和Pearson相关性检验得出，旅游景点POI数量与地区生产总值的Pearson系数为0.895，与常住人口的Pearson系数为0.786，与道路长度的Pearson系数为0.827。而且在99%的显著性水平下，所有类型的旅游资源与各社会经济因素均存在着较强的相关关系，尤其是与经济发展状况和交通状况有着极强的相关关系，说明社会经济因素及交通因素对旅游景区的建设和发展发挥着重要的推动作用。
表 4 Pearson相关性检验结果
Table 4. Pearson correlation test results
类型 地区生产总值 常住人口数 道路长度 Pearson相关性 0.895** 0.786** 0.827** 说明：**代表结果在99%的显著性水平下成立。
Note: ** indicates that the result is valid at 99% significance level. -
从省域层面来看，应站在全域旅游发展规划的视角上，以省级旅游发展规划为基础，引导各市开发具有特色化、差异化的旅游发展战略[22]。首先，对各地级市的传统业态进行更新发展，并根据当地市场需求，开发新业态，丰富各类旅游产品，其次，完善交通网络体系，提高旅游景区的交通可达性，最后，提高旅游景区的知名度，打造一流旅游服务。从各地级市层面来看，各地级市要充分利用优势旅游资源打造旅游经济增长极，带动旅游产业全面发展，形成集聚效应，加快推进旅游产业服务链的发育与延伸，进一步形成市场化、专业化的服务体系[23]。
-
基于高德地图API爬取四川省各类旅游景点的POI数据，基于核密度、标准差椭圆及空间自相关等空间分析方法，从大尺度层面上探究四川省旅游要素空间的分异规律。通过对四川省旅游资源的空间格局特征进行分析后发现，在省域范围内各类旅游资源的空间集聚特征表现得较为明显，并显示出不同的分布特征，说明POI数据能够客观地反映旅游资源在区域内的空间分布特征，但是，POI数据也有一定的局限性，如缺少相应的定性数据，导致因素分析不够深入，因此，在后续研究中可尝试将定性与定量数据相结合， 建立更加丰富的影响因子指标体系进行研究。
Research on spatial distribution characteristics and influencing factors of tourism resources in Sichuan Province based on POI data
More Information-
摘要: 研究基于GIS空间分析技术，以四川省旅游资源POI等地理信息数据作为研究对象，通过核密度算法、标准差椭圆、空间自相关等空间分析方法来识别各类旅游资源的空间分布特征，并从自然和人文两大因素探究分布格局形成的影响因素。结果显示：（1）四川省各类旅游资源空间集聚分布特征明显并表现出由中心向四周递减的层级趋势，总体呈现东多西少的分布格局，主要分布于成都市、德阳市、雅安市。（2）各类型旅游资源空间分布方向与景点类型分布特征吻合，现代人文类旅游资源的方向性和向心性均不明显，其余4类旅游资源的方向性和向心性均有不同程度的集聚特征。（3）各地市旅游资源分布的冷热点区域空间差异明显，生物景观类旅游资源分布较为均匀，地文景观类旅游资源在市域内热点区域最多，水域风光和现代人文景观类旅游资源的冷热点在地区分布特征上具有相似性。 （4）从自然条件和社会经济条件两方面分析其影响因素，其中地形、水文是影响四川省各类旅游景区分布的内在决定力量，而社会经济水平、交通条件和人口是影响旅游景区开发建设的重要外在推力。Abstract: Based on GIS spatial analysis technology, the geographical information data such as tourism resources POI in Sichuan Province were takend as the research object, and the spatial distribution characteristics of various tourism resources were identified by spatial analysis methods such as kernel density algorithm, standard deviation ellipse, spatial autocorrelation, and the influencing factors of the formation of distribution patterns were explored from two major factors of nature and humanity. The results showed that: (1) The spatial agglomeration distribution characteristics of various tourism resources in Sichuan Province were obvious and showed a hierarchical trend of decreasing from the center to the surrounding areas, with an overall distribution pattern of more in the east and less in the west, mainly distributed in Chengdu City, Deyang City, and Ya'an City. (2) The spatial distribution direction of various types of tourism resources was consistent with the distribution characteristics of scenic spots. The directionality and centripetal orientation of modern humanistic tourism resources were not obvious, while the directionality and centripetal orientation of the other four types of tourism resources had varying degrees of agglomeration characteristics. (3) There were significant spatial differences in the distribution of cold and hot spots in various cities' tourism resources. The distribution of biological landscape tourism resources was relatively uniform, and the geographical landscape tourism resources were the most abundant in the hot spots within the city. The cold and hot spots of water scenery and modern cultural landscape tourism resources had similarities in regional distribution characteristics. (4) This paper analyzed the influencing factors from two aspects: natural conditions and socio-economic conditions. Among them, topography and hydrology were the internal decisive forces affecting the distribution of various tourist attraction in Sichuan Province, while socio-economic level, traffic conditions and population were the important external forces influencing the development and construction of tourist attractions.
-
Key words:
- tourism resource;
- POI data;
- spatial distribution pattern;
- Sichuan Province
-
图 2 四川省各旅游资源类型核密度
Fig. 2 Core density of various tourism resource types in Sichuan Province
图 3 四川省各旅游资源类型标准差椭圆
Fig. 3 Standard deviation ellipse of various tourism resource types in Sichuan Province
图 4 四川省各类型旅游资源冷热点
Fig. 4 Hot and cold spots in various tourism resource types in Sichuan Province
图 5 地形地貌与旅游资源分布关系
Fig. 5 The relationship between landform and the distribution of tourism resources
表 1 四川省旅游资源POI主要分类
Tab. 1 Main Classification of Tourism Resource POI in Sichuan Province
景系（一级） 景类（二级） POI内容示例 数量 比例 自然资源系
（1189）地文景观类 山丘、谷地、滩地、典型地质带等 396 9% 水域风光类 河流、湖泊、瀑布、泉等 361 8.2% 生物景观类 森林、草地、湿地、动物栖息地等 432 9.8% 文化资源系
（3218）建筑与遗迹类 历史纪念地、建筑旧址、历史人文古迹、寺庙道观、历史遗迹建筑、古城古镇等 1531 35% 现代人文景物类 博物馆、动植物园、古文化街区、民俗村、生态园、主题公园、休闲会馆、观景台等 1687 38% 
下载: 导出CSV
表 2 四川省各旅游资源类型标准差椭圆参数
Tab. 2 Standard deviation elliptic parameters of various tourism resource types in Sichuan Province
景区类别 XStdDist(km) YStdDist(km) Rotation 地文景观类 223.447 322.884 62.199 水域风光类 226.982 269.327 71.553 生物景观类 232.063 257.506 64.375 建筑与遗迹类 217.289 283.803 82.247 现代人文景观类 170.903 235.265 62.499
下载: 导出CSV
表 3 四川省旅游资源全局Moran's I指数
Tab. 3 Overall Moran's I index of tourist resources in Sichuan Province
全局Moran's I指数 0.072347 预期指数 −0.000373 方差 0.000005 Z值 31.824456 p值 0
下载: 导出CSV
表 4 Pearson相关性检验结果
Tab. 4 Pearson correlation test results
类型 地区生产总值 常住人口数 道路长度 Pearson相关性 0.895** 0.786** 0.827** 说明：**代表结果在99%的显著性水平下成立。
Note: ** indicates that the result is valid at 99% significance level.
下载: 导出CSV
-
[1] 杨洁明与许辉,新疆旅游资源空间格局研究. 现代城市研究,2016(05):106−111. [2] Lovingood, P. E. and L. E. Mitchell, A regional analysis of South Carolina tourism. Annals of Tourism Research, 1989. 16(3): 301−317. [3] Connell, J. and S. J. Page, Exploring the spatial patterns of car-based tourist travel in Loch Lomond and Trossachs National Park, Scotland. Tourism Management, 2008. 29(3): 561−580. [4] Kang, S. , et al. , Identifying the spatial structure of the tourist attraction system in South Korea using GIS and network analysis: An application of anchor-point theory. Journal of Destination Marketing & Management, 2018: S2212571X17304171. [5] 李月辉等,沈阳市城市空间扩展的生态安全格局. 生态学杂志,2007(06):875−881. [6] 冯燕,朱晓玲与杨洁明,基于“点—轴”理论的新疆旅游业空间结构研究. 资源开发与市场,2016. 32(07):876−880+897. [7] 王雯萱与谢双玉,湖北省A级旅游景区的空间格局与优化. 地域研究与开发,2012. 31(02):124−128. [8] 李会琴等,中国5A级景区分布及网络关注度空间格局研究. 干旱区资源与环境,2019. 33(10):178−184. [9] 郭艳萍与刘敏,基于POI数据的山西省旅游景区分类及空间分布特征. 地理科学,2021. 41(07):1246−1255. [10] 张坤等,基于POI大数据的京津冀旅游资源空间分异研究. 地域研究与开发,2021. 40(01):103−108+114. [11] 王远飞与何洪林,空间数据分析方法. 2007:空间数据分析方法. [12] 湛东升等,北京市公共服务设施空间集聚特征分析. 经济地理,2018. 38(12):76−82. [13] Lefever, D. W. , Measuring Geographic Concentration by Means of the Standard Deviational Ellipse. American Journal of Sociology, 1926. 32(1): p. 88−94. [14] 胡炜霞,梁晓涛与桑子俞,山西省3A及以上旅游景区时空演化特征及原因分析. 干旱区资源与环境,2020. 34(12):187−194. [15] Mitchell, L. R. , An exploratory spatial data analysis approach to understanding the relationship between deprivation and mortality in Scotland. Social Science & Medicine, 2007. [16] Getis, A. and J. K. Ord, The Analysis of Spatial Association by Use of Distance Statistics. Geographical Analysis, 2010. 24(3). [17] 李江苏,梁燕与王晓蕊,基于POI数据的郑东新区服务业空间聚类研究. 地理研究,2018. 37(01):145−157. [18] 郭来喜吴必虎刘锋范业正,中国旅游资源分类系统与类型评价. 地理学报,2000(03):294−301. [19] 山西省旅游经济发展时空差异与影响因素研究_李龙梅. [20] 吴清等,湖南省A级旅游景区分布格局及空间相关性分析. 经济地理,2017. 37(02):193−200. [21] 刘星雨,基于POI的山地城市旅游资源分布格局与影响因素——以重庆市为例. 自然资源信息化,2022(03):46−52. [22] 朱付彪等,都市圈旅游空间结构演变研究——以长三角都市圈为例. 地理科学,2012. 32(05):570−576. [23] 宁志中,王婷与杨雪春,2001年以来中国旅游景区时空格局演变与景区群形成. 地理研究,2020. 39(07):1654−1666. -
点击查看大图
计量
- 文章访问数: 231
- HTML全文浏览量: 115
- PDF下载量: 105
- 被引次数: 0
