EN中文

经济地理 >

2024 , Vol. 44 >Issue 12: 206 - 217

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.12.021

旅游经济与管理

中国市域旅游高质量发展格局演化与影响因素

  • 闫明月 , 1 ,
  • 闫明涛 2 ,
  • 张野 , 1, ※ ,
  • 赵建吉 2
展开
  • 1.河南大学 文化旅游学院，中国河南 开封 475001
  • 2.河南大学 黄河文明与可持续发展研究中心/黄河文明省部共建协同创新中心，中国河南 开封 475001
※张野（1985—），男，博士，副教授，硕士生导师，研究方向为文化旅游。E-mail：

闫明月（1997—），女，硕士研究生，研究方向为旅游高质量发展。E-mail：

收稿日期: 2024-05-11

  修回日期: 2024-09-11

  网络出版日期: 2025-01-21

基金资助

国家自然科学基金项目(42371188)

国家社会科学基金项目(20BJL104)

教育部人文社会科学重点研究基地重大招标项目(22JJD790016)

河南省高等学校青年骨干教师培养计划(2023GGJS022)

河南省高校哲学社会科学研究重大项目(2023-YYZD-03)

河南省高校智库研究专项课题(2025ZKYJ07)

河南大学研究生“英才计划”项目(SYLYC2023123)

河南省哲学社会科学规划项目(2024BXW008)

收起

Pattern Evolution and Influencing Factors of High-Quality Tourism Development in Urban Areas of China

  • YAN Mingyue , 1 ,
  • YAN Mingtao 2 ,
  • ZHANG Ye , 1, ※ ,
  • ZHAO Jianji 2
Expand
  • 1. School of Culture and Tourism，Henan University，Kaifeng 475001，Henan, China
  • 2. Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center of Yellow River Civilization Provincial Co-construction，Henan University，Kaifeng 475001，Henan, China

Received date: 2024-05-11

  Revised date: 2024-09-11

  Online published: 2025-01-21

Fold

摘要

动态把握旅游高质量发展时空演化与影响因素对推动旅游强国建设具有重要的理论意义和实践价值。文章基于旅游高质量发展内涵，从旅游产品服务、旅游绿色发展、旅游经济活力和旅游共享发展4个维度，构建旅游高质量发展评价指标体系；通过博弈论组合赋权TOPSIS法测度2011—2020年中国264个地级及以上城市旅游高质量发展水平；借助空间马尔可夫链、最优参数地理探测器和时空地理加权回归等方法分析其格局演化与影响因素。结果表明：①中国城市旅游高质量发展呈“多核集聚”的空间分布特征；热点区集中在南部沿海地区，冷点区集中在中西部地区；均衡熵结果表明50.4%的城市未来旅游发展潜力较大，主要分布在北京、上海、广东、重庆、安徽等地。②相邻地区对于本地旅游高质量发展起重要作用，旅游高质量发展等级变化呈现出稳定的路径依赖和俱乐部趋同效应，且难以实现跨越式提高。③城镇化水平、数字经济和对外开放对旅游高质量发展起主导作用，且主要因素的影响具有时空分异特征。④从地理学本性来看，旅游高质量发展受地理学三大本性综合作用的影响。其中以自然要素为代表的地理学第一本性起基础性作用，以传统经济发展要素为代表的地理学第二本性起支撑性作用，以新经济要素为代表的地理学第三本性起引领性作用。研究结果不仅进一步深化了地理学本性理论和旅游高质量发展关系研究，还为推进旅游高质量发展提供了理论支撑和实践参考。

关键词： 旅游高质量发展; 城市旅游; 绿色发展; 城镇化水平; 数字经济; 地理学本性

本文引用格式

闫明月 , 闫明涛 , 张野 , 赵建吉 . 中国市域旅游高质量发展格局演化与影响因素[J]. 经济地理, 2024 , 44(12) : 206 -217 . DOI: 10.15957/j.cnki.jjdl.2024.12.021

Abstract

Dynamically grasping the spatiotemporal evolution and influencing factors of tourism high-quality development has important theoretical significance and practical value for promoting the construction of a strong tourism country. Based on the connotation of tourism high-quality development, this study constructs an evaluation index system encompassing four dimensions: tourism product services, tourism green development, tourism economic vitality, and tourism shared development. Utilizing the game theory combination weighting TOPSIS method, it assess the level of tourism high-quality development in 264 prefecture-level and above cities across China from 2011 to 2020. It also employs the spatial Markov chains, optimal parameter geographic detectors, and spatiotemporal geographically weighted regression to analyze its pattern evolution and influencing factors. The results indicate that: 1) Tourism high-quality development in China's urban areas exhibits a "multi-core agglomeration" spatial distribution characteristic, with hot spots concentrated in the southern coastal areas and cold spots in the central and western regions. The equilibrium entropy results show that 50.4% of cities have significant tourism development potential, primarily located in Beijing, Shanghai, Guangdong, Chongqing, and Anhui. 2) Neighboring regions play a crucial role in local high-quality tourism development, with changes in development levels exhibiting stable path dependence and club convergence effects, making it challenging to achieve leapfrog improvements. 3) Urbanization levels, digital economy, and openness to the outside world are the primary factors influencing tourism high-quality development, with their impacts exhibiting spatiotemporal differentiation. 4) From a geographical perspective, tourism high-quality development is influenced by the comprehensive effects of three geographic natures: The first geographic nature, represented by natural elements, plays a foundational role; The second geographic nature, represented by traditional economic development factors, serves a supporting role; The third geographic nature, represented by new economic factors, takes a leading role. The findings of this study not only deepen the relationship between geographic nature theory and tourism high-quality development, but also provide theoretical support and practical references for advancing tourism high-quality development at the urban scale.

Key words： tourism high-quality development; urban tourism; green development; urbanization level; digital economy; geographical nature

旅游业作为高质量发展的重要着力点，在推动经济结构优化、促进区域协调发展以及增强人民群众美好生活体验等方面具有重要作用[1]。然而，传统旅游业发展面临诸多挑战，如景区过度开发、文化资源保护不足、服务质量参差不齐等问题[2]。为应对这些困境，旅游业需加强旅游基础设施建设、注重文化和旅游资源的保护、提升服务品质，从而迈向高质量发展的新阶段[3]。因此，科学测度中国市域旅游高质量发展，分析其空间格局及演化特征，识别旅游高质量发展影响因素，对推动中国旅游业高质量发展具有重要的理论和实践意义。
旅游高质量发展是学界关注的热点问题，研究视角以经济学、历史学和地理学等多学科交叉为主，且主要聚焦于理论和实证层面。①理论层面主要包括概念内涵、理论基础和实现路径等。在概念内涵方面，大多数学者认为旅游高质量发展强调供给有效性、结构合理性和环境可持续性，旨在满足人民对美好生活的需求，实现经济、社会和生态效益的有机结合[4]。在理论基础方面，学者们主要从经济学和政治经济学两个视角探讨旅游高质量发展的基本理论。其中经济学视角注重旅游产业内部优化、资源合理配置和服务质量提升[5]；而政治经济学视角则关注旅游业在缓解社会矛盾中的作用，强调旅游业与社会经济的宏观关系，特别是政府在引导旅游高质量发展中所发挥的重要作用[6]。在实现路径方面，学者们认为培育新型旅游市场主体、强化旅游产品精品意识、夯实旅游基础设施建设有助于推动旅游高质量发展[7-8]。②实证研究主要集中在旅游高质量发展水平测度、动态演变和影响因素等方面。其中在水平测度方面，现有研究多利用熵值法[9]、数据包络分析[10]等方法对旅游高质量发展水平进行测算；在评价指标选择上，国内学者多侧重以“创新、协调、绿色、开放、共享”五大发展理念为核心构建指标体系[11]，也有学者将经济效率、产品结构和公共服务等与旅游高质量发展密切相关的因素纳入指标体系[12]。在动态演变方面，学者们主要探讨了流域和省域等尺度下旅游高质量发展水平的时序演化和分布格局[13-14]。在影响因素方面，既有研究多从旅游发展经济绩效、社会绩效、文化绩效和环境绩效等方面分析旅游高质量发展的影响因素[15]。
综上所述，旅游高质量发展研究成果丰硕，为本文提供了重要的参考价值。然而，相关研究仍存在一些不足之处。①现有研究方法多采用熵值法计算旅游高质量发展水平，但这种方法在一定程度上忽略了各评价指标之间的相关性和权重分配的合理性，可能导致结果的准确性受到影响。②现有研究受行政区划空间束缚，多集中于流域和省域等宏观层面，对市域中观尺度的旅游高质量发展缺乏深入研究。③影响因素分析多集中在经济、社会、文化和环境等方面，鲜有学者探讨地理学三大本性对旅游高质量发展的影响。
基于此，本文采用博弈论组合赋权TOPSIS法测度2011—2020年全国264个地级及以上城市旅游高质量发展水平，借助均衡熵识别旅游高质量发展潜力区，利用热点分析和空间马尔可夫链等方法分析空间格局和演化过程。同时，运用最优参数地理探测器和时空地理加权回归模型，从全局和局域双重视角分析旅游高质量发展的影响因素，以期为中国旅游高质量发展提供科学参考。

1 研究设计

1.1 旅游高质量发展评价指标体系构建

旅游高质量发展是新时代背景下，通过提升旅游服务质量、推动旅游产品创新、强化环境与文化资产保护，以实现旅游业健康、高效、持久发展的新模式[13]。基于旅游高质量的理论内涵，借鉴相关研究成果[8,10,13,16]，结合《“十四五”旅游业发展规划》《国内旅游提升计划（2023—2025年）》等政策文件，本文从旅游产品服务、旅游绿色发展、旅游经济活力和旅游共享协调4个维度构建市域旅游高质量发展指标体系，具体包含25项指标（表1）。其中，旅游产品服务包括旅游资源供给、旅游服务和旅游需求3个方面；旅游绿色发展涵盖绿色资源、污染排放和环境治理3个方面；旅游经济活力涉及经济增长、配置效率、创新投入和创新产出4个方面；旅游共享协调则侧重于旅游就业、区域协调和产业协调3个方面。
表1 市域旅游高质量发展评价指标体系

Tab.1 Evaluation index system of tourism high-quality development at the prefecture level

系统层 要素层 指标层 具体测算指标（单位） 指标属性 权重 选取依据
旅游产品服务 旅游资源供给 5A级旅游景区 5A级旅游景区数量（个） 正向 0.083 [13]
国家级旅游资源 国家级森林公园、国家地质公园、国家风景名胜区、世界遗产、国家级旅游度假村、国家全域旅游示范区、国家级文化生态保护区、国家级非物质文化遗产生产性保护示范基地、国家级非物质文化遗产代表性项目保护单位、国家历史文化名城、国家级文化产业示范园区之和（个） 正向 0.035 [8]
旅游服务 公共服务完善度 人均拥有公共厕所（个） 正向 0.063 [13]
人均医疗卫生机构床位数（个） 正向 0.023 [10]
交通服务便捷度 人均年末实有出租汽车数（辆） 正向 0.057 [13]
人均年末实有公共汽车营运车辆（辆） 正向 0.045 [13]
接待设施高级度 五星级旅游酒店数量（个） 正向 0.091 [10]
旅游需求 国际化水平 入境游客数量／游客总数量（%） 正向 0.081 [13]
入境旅游收入／旅游总收入（%） 正向 0.074 [13]
消费结构水平 旅游总收入／旅游总人次（万元/人） 正向 0.021 [13]
旅游绿色发展 绿色资源 公园绿地面积 人均公园绿地面积（m²） 正向 0.048 [13]
建成区绿化 建成区绿化覆盖率（%） 正向 0.010 [13]
污染排放 大气污染程度 年均PM2.5浓度（μg/m³） 负向 0.021 [17]
环境治理 垃圾无害处理 垃圾无害处理率（%） 正向 0.022 [13]
污水处理 污水处理率（%） 正向 0.026 [13]
旅游经济活力 经济增长 旅游经济增长率 旅游总收入增长率（%） 正向 0.018 [10]
旅游就业增长率 旅游直接就业人员增长率（%） 正向 0.011 [13]
配置效率 旅游劳动生产率 旅游总收入／旅游直接从业人数（万元/人） 正向 0.041 [18]
创新投入 研发投入强度 R&D经费支出×（旅游总收入/GDP）（万元） 正向 0.063 [10]
创新产出 旅游创新产品 万人拥有旅游专利数（件） 正向 0.070 [10]
旅游共享协调 旅游就业 旅游直接就业贡献率 旅游直接从业人数／总就业人数（%） 正向 0.020 [8]
区域协调 旅游经济贡献 旅游总收入／GDP（%） 正向 0.032 [13]
产业协调 旅游与第一产业融合度 运用灰色关联度模型计算旅游业与第一、二、三产业的关联系数，用关联系数表征旅游产业的融合度 正向 0.019 [13]
旅游与第二产业融合度 正向 0.017 [19]
旅游与第三产业融合度 正向 0.009 [13]

1.2 旅游高质量发展影响因素选取

地理学本性是指某一地区在地理空间中的本质特性[20]。1990年代初，Krugman提出了地理学本性论，强调地理学第一本性（自然禀赋）和地理学第二本性（集聚和区位）在区域发展中的关键作用[21]。在此基础上，刘清春等进一步扩展了这一概念，提出了以信息化和人力资本等新经济要素为核心的地理学第三本性[22]。本文将地理学本性理论引入旅游高质量发展研究，基于地理学三大本性定量识别影响旅游高质量发展的关键因素。结合前人研究[20,23-24]，本文选取植被状况、地形气温和降水等自然要素作为地理学第一本性的主要指标；经济发展、城镇化水平、产业结构和交通设施等传统经济要素作为地理学第二本性的主要指标；人力资本、数字经济和对外开放等新经济要素作为地理学第三本性的主要指标（表2）。
表2 旅游高质量发展影响因素选取及说明

Tab.2 Selection and explanation of influencing factors of tourism high-quality development

准则层 表征层 具体指标（单位） 变量
代码		 选取
依据
地理学
第一本性		 植被状况 NDVI（-） Xveg [23]
地形 地形起伏度（m） Xter [20]
气温 年均气温（℃） Xtem [20]
降水 年均降水量（mm） Xpre [20]
地理学
第二本性		 经济发展 夜间灯光（-） Xeco [24]
城镇化水平 城镇化率（%） Xurb [23]
产业结构 第三产业增加值占比（%） Xind [24]
交通设施 人均道路面积（m²） Xtra [20]
地理学
第三本性		 人力资本 每万人在校大学生人数（人） Xhum [23]
数字经济 数字经济水平（-） Xdig [23]
对外开放 人均实际使用外资金额（美元） Xope [20]

1.3 研究方法

1.3.1 博弈论组合赋权TOPSIS法测度旅游高质量发展水平的原理

本文采用博弈论组合赋权TOPSIS法计算旅游高质量发展水平。首先利用熵值法和CRITIC法基于博弈论组合赋权，然后采用TOPSIS法逼近理想解；在此基础上，综合考虑指标内和指标间的差异程度，以使研究结果更加客观[25]。具体计算步骤如下：①对原始数据进行极差标准化处理。②通过熵值法确定指标权重W1。③通过CRITIC法确定指标权重W2。④基于博弈论组合赋权法计算综合权重W。⑤构建加权规范化矩阵Zij：
Z i j = Y i j · W j
式中：Y i j是第i个样本在第j个指标上的标准化数值；W j表示通过博弈论组合赋权方法计算得到的第j个指标的综合权重。
⑥确定最优解Z+和最劣解Z-：
Z + = m a x ( Z i j ) j = 1,2 , ⋯ , n = Z 1 + , Z 2 + , ⋯ , Z n + Z - = m i n ( Z i j ) j = 1,2 , ⋯ , n = Z 1 - , Z 2 - , ⋯ , Z n -
⑦计算各评价对象与最优解的欧式距离di+和最劣解的欧式距离di-：
d i + = ∑ j = 1 n ( Z i j - Z j + ) 2 ; d i - = ∑ j = 1 n ( Z i j - Z j - ) 2
⑧计算各评价对象与最优解的相对接近度：
f i = d i - d i + + d i -
式中：fi为旅游高质量发展水平。fi取值为[0,1]，fi值越接近1，表明旅游高质量发展水平越高，反之越低。

1.3.2 均衡熵模型

基于耦合协调模型，通过对比旅游高质量发展协调度的相对优势，判断城市旅游高质量发展的潜力[26]。具体计算公式见相关文献[26]。

1.3.3 空间马尔可夫链

空间马尔可夫链将空间滞后条件纳入传统马尔可夫概念转移矩阵中，能弥补传统马尔可夫空间性的不足，并充分揭示区域现象的时空动态状态[27]。本文采用空间马尔可夫链分析不同区域背景下某一城市旅游高质量发展等级向上或者向下转移的可能性。具体计算公式见相关文献[27]。

1.3.4 最优参数地理探测器

地理探测器模型是一种揭示空间分异性背后驱动因子的方法[28]。本文利用地理探测器中的因子探测识别旅游高质量发展的主要驱动因素。具体计算公式见相关文献[28]。

1.3.5 时空地理加权回归

时空地理加权回归（GTWR）是基于地理加权回归原理，结合时间因子构建时空依赖的局部模型，考虑回归系数不仅随着空间位置的变化而变化，也随时间推移而变化[29]。本文采用该模型来分析旅游高质量发展影响因素的时空异质性问题。具体计算公式见相关文献[29]。

1.4 数据来源与处理

根据数据的可获取性，本文以中国264个地级及以上城市①（以下简称“城市”）为基本空间单元研究旅游高质量发展。社会经济类数据主要源于2012—2021年《中国城市统计年鉴》《中国文化和旅游统计年鉴》《中国旅游统计年鉴》及各市国民经济和社会发展统计公报。个别年份缺失数据采用线性插值法补齐，相关经济数据进行平减处理。专利数据源于中国研究数据服务平台（CNRDS）专利数据库（https://www.cnrds.com/）。国家级旅游资源数据通过文化和旅游部官方网站（https://www.mct.gov.cn）公布的名单整理得到；分析过程中，发现部分5A级旅游景区与国家级旅游资源存在重叠情况，为确保数据的准确性，本文已将这些重复景区从国家级旅游资源统计中剔除。旅游专利数通过中国专利信息网以“旅游”为关键词，检索2011—2020年的授权专利信息，并根据授权时间和申请地确定其年份和所属城市。数字经济数据来源于北京大学数字金融研究中心与蚂蚁金服集团合作测度的中国数字普惠金融指数（https://tech.antfin.com/research/data）。NDVI数据来源于MOD13A3数据集（https://search.earthdata.nasa.gov）。地形起伏度、年均气温、年均降水量数据来自中国科学院资源环境科学数据中心（https://www.resdc.cn）。PM2.5数据来源于华盛顿大学圣路易斯分校网站（https://sites.wustl.edu/acag/datasets/surface-pm2-5/）。夜间灯光数据来源于美国国家航空航天局地球物理数据中心，空间分辨率约为850m（http://www.ngdc.noaa.gov/eog/dmsp/downloadV4composites.html）。

2 旅游高质量发展格局演化

2.1 旅游高质量发展总体演化特征

本文首先运用博弈论组合赋权TOPSIS法测算出2011、2016和2020年中国旅游高质量发展综合指数，然后采用ArcGIS中自然断点法将旅游高质量发展水平划分为低水平、较低水平、中等水平、较高水平、高水平5个等级，最后对264个城市进行空间可视化并绘制中国旅游高质量发展水平及均衡熵空间分布图（图1）。
图1 中国旅游高质量发展水平及均衡熵空间分布演变

注：基于自然资源部标准地图服务网站下载的审图号为GS（2020）4619号的标准地图制作，底图边界无修改。图2~图4同。

Fig.1 Spatial distribution of tourism high-quality development level and balanced entropy in China

由图1a~图1c可知，2011、2016和2020年旅游高质量发展指数均值分别为0.359、0.372和0.376，表明旅游高质量发展水平总体呈上升趋势。值得注意的是，受新冠疫情影响，2020年旅游高质量发展指数增幅明显下降，反映出旅游业在疫情期间面临的严峻挑战，如旅行限制、游客数量锐减以及相关服务业的萎缩等问题。从空间分布看，旅游高质量发展呈“多核集聚”的空间分布特征。长三角地区的苏州、杭州、宁波和上海，以及珠三角地区的广州和深圳形成了显著的高值核心区，代表着全国旅游高质量发展的最前沿。同时，京津冀地区的北京、天津、石家庄，华中地区的武汉、长沙，东北地区的沈阳、大连，以及西南地区的成都、重庆等城市，也表现出较高的旅游高质量发展水平，形成多个次值核心区。这种多中心、多层级的空间格局反映了中国旅游高质量发展的复杂性与多样性。从均衡熵指数来看（图1d），旅游高质量发展潜力较高的城市共有124个（占50.4%），主要分布在北京、上海、广东、重庆、安徽等地。这些省份的城市依托国家政策，挖掘自身独特的文化、自然和地理优势，形成了各具特色的旅游发展模式，显示出较大的旅游高质量发展潜力。
为进一步识别旅游高质量发展关联集聚演化特征，利用热点分析法分析2011、2016和2020年旅游高质量发展冷热点空间格局（图2）。结果显示，2011—2020年，旅游高质量发展热点区主要集中在南部沿海地区，冷点区主要集中在中西部地区。南部沿海地区凭借改革开放初期的政策红利，较早开发了旅游产业，形成了成熟的旅游市场和完善的基础设施。此外，适宜的气候条件、发达的经济水平和便捷的交通体系也促进了该地区旅游业的持续发展，成为旅游高质量发展的热点集聚区。相比之下，东北地区因经济结构过于依赖重工业和资源型产业，旅游业发展相对滞后，且受严寒气候和有限的季节性旅游资源制约，导致2011年后热点集聚现象不明显。而中西部地区由于旅游资源开发不足、基础设施相对落后，旅游吸引力较弱，发展水平长期处于低位。从变化趋势来看，2011—2020年，热点区域基本维持稳定，冷点区域逐渐缩小，表明中西部地区对旅游发展重视程度逐步提高，旅游高质量发展总体趋势良好。
图2 中国旅游高质量发展关联集聚空间分布演变

Fig.2 Spatial pattern of associated agglomeration in tourism high-quality development in China from 2011 to 2020

2.2 旅游高质量发展的分维度演化特征

本文在总体演化特征分析的基础上，进一步从产品服务、绿色发展、经济活力和共享发展4个维度，分析中国旅游高质量发展分维度演化特征（图3）。从时间上看，2011—2020年旅游产品服务水平和旅游绿色发展水平均呈增长趋势，分别由0.115和0.352上升至0.146和0.417。这反映了中国在旅游基础设施建设和环境保护方面的持续投入和改进。然而，旅游经济活力水平和旅游共享发展水平呈下降趋势，分别从0.146和0.267下降至0.101和0.264。这一现象主要是由于新冠肺炎疫情的影响，导致旅游业的市场需求减少，许多旅游企业运营困难，旅游经济活力显著下降。同时，游客出行受限和社交隔离措施的实施，也对共享发展的实现造成了阻碍。从空间分布看，4个维度均呈现出“东高西低”的空间分异格局。这可能是由于东部地区经济发达、基础设施完善、政策支持力度大，因而在旅游产品服务、绿色发展、经济活力和共享发展方面表现突出。相对而言，西部地区由于地理环境复杂、交通基础设施滞后、服务设施薄弱等原因，导致这些维度的表现较为落后。
图3 中国旅游业高质量发展分维度水平空间分布演变

Fig.3 Spatial distribution pattern of tourism high-quality development by dimension in China from 2011 to 2020

2.3 旅游高质量发展动态转移特征

上述空间格局演化分析表明，中国旅游高质量发展存在显著的空间关联特征。因此，本文构建传统和空间马尔可夫转移概率矩阵进一步分析不同领域背景下旅游高质量发展的转移概率。根据上述旅游高质量发展水平划分依据，将旅游高质量发展等级分为Ⅰ（低）、Ⅱ（较低）、Ⅲ（中等）、Ⅳ（较高）和Ⅴ（高）5种类型。由表3可知：①在传统马尔可夫转移概率矩阵中，对角线元素（左上至右下）概率大于非对角线元素，表明旅游高质量发展存在“路径依赖”效应，旅游高质量发展等级变化趋于稳定；该对角线两侧的概率值逐渐减小，表明旅游高质量发展均倾向于向相邻类型转移，跨类型转移的概率较小；该对角线两端用于表征低水平和高水平的稳定性明显大于中间水平，表明旅游高质量发展存在“俱乐部趋同”现象。②在空间马尔科夫转移概率矩阵中，相邻地区对于本地旅游高质量发展等级变化起着十分重要的作用。当邻域旅游高质量发展水平较高时，本地区的旅游高质量发展会受到正向溢出效应的促进，反之则反。例如，对于Ⅰ类型城市而言，当邻域城市为Ⅰ类型时，其向上转移的概率为0.194；而当邻域城市为Ⅱ、Ⅲ、Ⅳ、Ⅴ类型时，其向上转移的概率分别为0.269、0.461、0.625和1.000。这一规律符合地理学第一定律，即“任何事物之间均有联系，相近事物间的联系更为紧密”。此外，本文通过卡方检验验证了上述结论。卡方检验q值为147.745，通过1%的显著水平。这表明相邻地区的旅游高质量发展水平对本地区的旅游发展具有显著影响，进一步强调了空间关联在旅游高质量发展中的关键作用。
表3 中国旅游高质量发展的传统和空间马尔科夫转移概率矩阵结果

Tab.3 Results of trasitional and spatial Markov transfer probability matrix of tourism high-quality development in China

空间
滞后类型		 t/（t+1） Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ
传统
马尔可夫
转移概率
矩阵		 无滞后 Ⅰ 0.689 0.246 0.055 0.008 0.002
Ⅱ 0.106 0.526 0.267 0.081 0.019
Ⅲ 0.017 0.151 0.462 0.336 0.034
Ⅳ 0.009 0.052 0.181 0.547 0.211
Ⅴ 0.002 0.007 0.048 0.105 0.839
空间
马尔可夫
转移概率
矩阵		 Ⅰ Ⅰ 0.806 0.185 0.008 0.000 0.000
Ⅱ 0.205 0.568 0.182 0.023 0.023
Ⅲ 0.050 0.150 0.350 0.450 0.000
Ⅳ 0.000 0.000 0.250 0.250 0.500
Ⅴ 0.000 0.000 0.000 0.071 0.929
Ⅱ Ⅰ 0.731 0.216 0.049 0.004 0.000
Ⅱ 0.130 0.530 0.270 0.050 0.020
Ⅲ 0.025 0.185 0.445 0.311 0.034
Ⅳ 0.025 0.101 0.228 0.443 0.203
Ⅴ 0.000 0.029 0.074 0.118 0.779
Ⅲ Ⅰ 0.539 0.348 0.096 0.017 0.000
Ⅱ 0.077 0.558 0.276 0.088 0.000
Ⅲ 0.015 0.154 0.508 0.282 0.041
Ⅳ 0.007 0.029 0.191 0.618 0.154
Ⅴ 0.000 0.010 0.078 0.088 0.824
Ⅳ Ⅰ 0.375 0.417 0.125 0.042 0.042
Ⅱ 0.075 0.413 0.288 0.175 0.050
Ⅲ 0.009 0.132 0.439 0.395 0.026
Ⅳ 0.006 0.049 0.153 0.571 0.221
Ⅴ 0.007 0.000 0.027 0.142 0.824
Ⅴ Ⅰ 0.000 0.000 1.000 0.000 0.000
Ⅱ 0.000 0.583 0.250 0.083 0.083
Ⅲ 0.000 0.000 0.353 0.588 0.059
Ⅳ 0.000 0.050 0.150 0.475 0.325
Ⅴ 0.000 0.000 0.037 0.065 0.898

3 旅游高质量发展影响因素分析

3.1 旅游高质量发展影响因素探测

运用最优参数地理探测器，对2011—2020年中国旅游高质量发展影响因素进行分析。结果显示（表4）：2011—2020年影响因素作用力排序为：Xurb > Xdig>Xope >Xind >Xhum >Xtem>Xeco>Xpre>Xveg>Xter>Xtra，表明城镇化水平、数字经济和对外开放对旅游高质量发展起主导作用，产业结构、人力资本和气温是影响旅游高质量发展的重要因素，其余因素影响较弱。可以看出，地理学第一本性在旅游高质量发展中起基础性作用；地理学第二本性起支撑性作用；地理学第三本性起引领性作用。从影响因子的q值变化来看，数字经济影响力增长最大（0.095），这一现象反映出近年来数字经济对旅游高质量发展的显著推动作用。可能原因是，数字化平台普及使得旅游信息传播更加高效，增强了游客的获取信息能力，提升了其决策效率。同时，数字经济还推动了智慧旅游的蓬勃发展，通过大数据分析、人工智能和云计算等技术手段，实现了游客流量的实时监控、游客满意度的在线调查以及个性化服务的提供。这些措施不仅提升了旅游服务的效率和质量，还优化了游客的整体体验，进而吸引了更多的游客。这种转型不仅提升了旅游业的整体竞争力，也为推动旅游高质量发展创造了良好的条件。
表4 2011—2020年旅游高质量发展因子探测结果及作用方向

Tab.4 Factor detection results of tourism high-quality development from 2011 to 2020 and their role direction

变量 2011—2015 2016—2020 2011—2020
q值 排序 q值 排序 q值 排序
Xveg 0.045** 9 0.051** 10 0.040** 9
Xter 0.027*** 10 0.030*** 11 0.025*** 10
Xtem 0.161*** 6 0.184*** 6 0.153*** 6
Xpre 0.054* 8 0.062* 8 0.057* 8
Xeco 0.157** 7 0.130** 7 0.131** 7
Xurb 0.521*** 1 0.513*** 1 0.499*** 1
Xind 0.261*** 4 0.219*** 4 0.261*** 4
Xtra 0.006 11 0.058 9 0.007 11
Xhum 0.188*** 5 0.204*** 5 0.160*** 5
Xdig 0.348*** 3 0.443*** 2 0.367*** 2
Xope 0.361*** 2 0.331*** 3 0.313*** 3

注：*、**、***分别表示在0.10、0.05和0.01的置信度水平上统计显著。

3.2 旅游高质量发展影响因素时空异质性

为进一步探究旅游高质量发展影响因素的时空异质性，参考应超等的研究[30]，本文运用时空地理加权回归模型对上文q值排名前三的影响因子（Xurb、Xdig、Xope）进行研究。检验因子多重共线性后，发现共线性较弱（VIF<10）。从AICc值与R2来看，GTWR模型的R2为0.7497，相较于OLS（0.5824）和GWR（0.7374）有所改进；AICc值为-14097.3，较OLS（-12893.5）和GWR（-14022.5）有所降低。由此可见，GTWR模型优于OLS模型和GWR模型，能够较好地测度影响因子对旅游高质量发展的影响。同时，运用ArcGIS绘制2011和2020年3类影响因素的空间分布图（图4），以考察其作用机理变迁。
图4 中国旅游高质量发展主要影响因素的空间分布变化

Fig.4 Spatial changes of influencing factors of tourism high-quality development in China

由图4可知，研究期间城镇化水平、数字经济和对外开放对旅游高质量发展影响具有空间分异特征。①城镇化水平对旅游高质量发展的影响表现为从东南沿海向内陆地区逐渐减弱的趋势。在东南沿海地区，完善的城镇基础设施为旅游高质量发展提供了坚实的支撑。这些地区的城市设施和服务相对齐全，能够满足游客的多样化需求，并提供良好的旅游体验。相较之下，内陆地区的城镇化进程相对缓慢，基础设施建设滞后，未能充分开发其独特的旅游资源，导致旅游服务质量提升受限，从而制约了旅游高质量发展。②数字经济对旅游高质量发展的影响呈现出由东向西逐渐增强的趋势。这主要是由于东部地区在数字经济基础设施、创新能力和技术应用方面相对成熟，早已建立起智能旅游平台和数字化服务体系，使得旅游服务更加高效和便捷。同时，随着技术的普及和数字化转型的推进，西部地区也逐渐认识到数字经济的重要性，开始加大对数字技术的投入与应用。这种技术的扩散与应用提升了西部地区的旅游服务质量，吸引了更多游客，从而促进了旅游高质量发展。③对外开放对旅游高质量发展的影响表现为从北向南逐渐增强的趋势。其中，2020年北京周边地区影响力明显增强。这是由于南方地区优越的地理位置和开放政策，成功吸引了大量国际游客，推动了当地旅游市场的发展与成熟。尽管北方地区，特别是华北地区，近年来在国际交流活动方面有所增强，但仍面临诸多挑战。由于地理位置的限制，北方地区国际航班密度较低，减少了其与全球旅游市场的互动，制约了该地区旅游高质量发展的潜力。

3.3 旅游高质量发展影响机制

上述分析表明，中国旅游高质量发展受地理学三大本性综合作用的影响，主要影响因素的作用效果具有显著的时空分异特征。基于此，本文归纳出中国旅游高质量发展动态演变的影响机制（图5）。
图5 中国旅游高质量发展的空间分异影响机制

Fig.5 Influence mechanism of spatial differentiation of tourism high-quality development in China

①地理学第一本性在旅游高质量发展中起基础性作用。其中，植被状况直接决定了区域的生态健康与游客体验。高覆盖率的植被能够提升生物多样性，改善微气候，增强景观的美观度，从而提高旅游目的地吸引力和游客满意度。地形则直接影响景观的多样性以及游客体验的丰富性。不同的地形特征形成独特的地貌景观，为旅游活动提供多样的选择和体验。气温和降水是影响旅游活动舒适度和可行性的关键因素。适宜的气候条件有利于游客进行户外观光旅游。因此，推动旅游高质量发展需合理保护和利用自然环境，通过科学规划和可持续性管理，提升旅游资源的利用效率。
②地理学第二本性在旅游高质量发展中起支撑性作用。其中，经济繁荣发展提升了人们的收入水平和生活品质，有助于增强旅游消费能力。城镇化水平的提高促进了城市基础设施和服务的完善，增强城市对旅游资源的吸引力和接待能力。产业结构转型升级释放了更多消费需求和就业机会，进而推动新兴旅游模式的发展。良好的交通设施可缩短旅游目的地之间的距离，降低旅行成本和时间，增加旅游者的流动性和便利性。因此，旅游高质量发展应关注经济发展、城镇化、服务业以及交通设施等多个方面的协调推进，以实现整体的可持续发展。
③地理学第三本性在旅游高质量发展中起引领性作用。其中，高素质的人力资本是提供优质旅游服务的关键，显著提高旅游企业和目的地的管理水平，可提升市场竞争力。数字经济改变了旅游营销与推广的方式。通过社交媒体、搜索引擎、内容营销等手段，旅游企业可以更精准地定位目标客户，进行有效的营销推广。此外，数字经济催生了共享经济模式，如短租平台、共享交通等。这些新模式不仅丰富了旅游产品和服务，还降低了游客的出行成本，提高了旅游资源利用率。对外开放有助于提升旅游目的地的国际知名度，吸引更多的国际游客。通过参与国际旅游博览会、举办国际性文化和体育活动，旅游目的地可以展示自身的特色和魅力，增强在全球市场的影响力。因此，旅游高质量发展应注重培养高素质人力资本、增强数字经济应用和推动对外开放发展。

4 结论与讨论

4.1 结论

①中国旅游高质量发展呈持续向好态势。2011—2020年旅游高质量发展指数均值由0.359提升至0.376。然而，受新冠肺炎疫情影响，2020年旅游高质量发展增幅明显下降，反映出旅游业在疫情期间面临的严峻挑战。均衡熵结果表明旅游发展潜力高的城市占50.4%，主要分布在北京、上海、广东、重庆、安徽等地。
②中国城市旅游高质量发展呈“多核集聚”的空间分布特征。其中热点分析结果表明，热点区集中在南部沿海地区，冷点区集中在中西部地区；马尔可夫概率转移矩阵结果显示，旅游高质量发展表现出稳定的“路径依赖”和“俱乐部趋同”效应，且均倾向于向相邻类型转移，跨类型转移概率较小。相邻地区对本地区旅游高质量发展等级变化具有重要影响。
③从地理学本性来看，旅游高质量发展受地理学三大本性的综合作用影响。其中以自然要素为代表的地理学第一本性对旅游高质量发展起基础性作用，以传统经济发展要素为代表的地理学第二本性起支撑性作用，以新经济要素为代表的地理学第三本性起引领性作用。从影响因素来看，城镇化水平、数字经济和对外开放对旅游高质量发展起主导作用，产业结构、经济发展和气温是重要因素，其余因素影响较弱。同时，主要因素的影响呈现显著的时空分异特征。

4.2 讨论

本文基于“格局—过程—机制”的地理学研究范式，对2011—2020年中国市域旅游高质量发展格局演化及影响因素进行研究，是对旅游高质量发展在中观尺度研究方面的补充和拓展。本文进一步深化了地理学本性理论和旅游高质量发展的关系，为推进城市旅游高质量发展提供理论支撑和实践参考。研究发现旅游高质量发展呈“多核集聚”的空间分布特征，高值核心区集中在苏州市、杭州市、宁波市、上海市、广州市、深圳市等地，次值核心区分布在北京市、天津市、武汉市、长沙市、沈阳市、成都市、重庆市等地。这与王金伟等的研究论述[31]相一致。此外，相较于王凯等的研究发现[32]，本文基于地理学本性理论，揭示了以自然要素为代表的地理学第一本性同样在旅游高质量发展中起着重要作用。
结合上文分析，本文得到以下政策启示：
①结合区域特色，推动差异化的旅游发展模式。针对各区域的资源禀赋、经济水平和基础设施条件，东部地区应发挥其经济发达、基础设施完善、市场消费能力强的优势，重点推动创新驱动的高附加值旅游产品，提升在国际市场的竞争力；中部地区应充分利用独特的旅游资源和便利的交通条件，着力发展特色旅游项目，增强市场吸引力；西部地区应优先提升旅游服务设施与质量，夯实旅游高质量发展的基础，逐步形成独具特色的区域旅游体系。
②建立跨区域旅游联动机制，缩小旅游高质量发展的区域差距。中国城市旅游高质量发展存在显著“路径依赖”和“俱乐部趋同”效应，因而应建立跨区域旅游联动发展机制，建议设立专项基金，支持区域旅游合作项目，促进资源互补与市场联动；鼓励区域内不同类型旅游目的地的联合推广与合作开发，形成强有力的旅游产业链，实现区域互利共赢。
③强化新经济要素引领，推动旅游业现代化转型。应鼓励旅游企业加大数字技术应用，通过大数据分析和人工智能提升游客体验和管理效率；推广虚拟现实（VR）、增强现实（AR）等数字技术，提供沉浸式旅游场景和体验，增强旅游产品的互动性与创新性。同时，应扩大对外开放，积极参与国际旅游组织和合作项目，推动市场国际化和多样化发展，提升入境旅游服务水平和旅游企业国际竞争力。此外，还应推动城镇化与旅游业有机结合，完善基础设施，提升公共服务水平，增强城市旅游吸引力与接待能力，实现旅游业的高质量发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
韩庆祥. 党的二十大报告的总体内容及其逻辑——党的二十大报告精神解读[J]. 马克思主义研究, 2022(11):24-33.

[2]
许涛, 张秋菊, 赵连荣. 我国旅游可持续发展研究概述[J]. 干旱区资源与环境, 2004(6):123-127.

[3]
叶欣梁, 何一, 孙瑞红. 脆弱与反脆弱:旅游业韧性研究进展与述评[J]. 旅游学刊, 2023, 38(10):31-48.

[4]
李丽霞, 何彪, 童昀. 中国旅游高质量发展研究热点及趋势分析——基于CiteSpace的知识图谱分析[J]. 华中师范大学学报(自然科学版), 2022, 56(1):51-61.

[5]
张朝枝, 杨继荣. 基于可持续发展理论的旅游高质量发展分析框架[J]. 华中师范大学学报(自然科学版), 2022, 56(1):43-50.

[6]
何建民. 新时代我国旅游业高质量发展系统与战略研究[J]. 旅游学刊, 2018, 33(10):9-11.

[7]
张朝枝, 朱敏敏. 文化和旅游融合:多层次关系内涵、挑战与践行路径[J]. 旅游学刊, 2020, 35(3):62-71.

[8]
郭强, 李秋哲. 中国省域旅游业高质量发展综合评价与时空演化[J/OL]. 旅游科学,1-29[2024-03-20]. DOI:10.16323/j.cnki.lykx.20240319.001.

[9]
Zhu Q, Zhu M. Evaluation of high quality tourism development in Hunan Province based on entropy topsis method and chronological evolutionary features[J]. Academic Journal of Business & Management, 2023, 5(12):38-45.

[10]
时朋飞, 曹钰晗, 龙荟冰, 等. 我国旅游业高质量发展水平测度、空间分异及障碍因子诊断[J]. 经济地理, 2023, 43(2):201-210.

DOI

[11]
舒波, 靳晓双, 程培娴. 省域旅游产业高质量发展水平评价指标体系构建与实证[J]. 统计与决策, 2022, 38(24):22-27.

[12]
刘英基, 韩元军. 要素结构变动、制度环境与旅游经济高质量发展[J]. 旅游学刊, 2020, 35(3):28-38.

[13]
刘雨婧, 唐健雄. 长江经济带旅游业发展质量评价及其时空演变[J]. 经济地理, 2022, 42(4):209-219.

DOI

[14]
丰晓旭, 夏杰长. 中国全域旅游发展水平评价及其空间特征[J]. 经济地理, 2018, 38(4):183-192.

DOI

[15]
陈航, 王跃伟. 乡村旅游高质量发展赋能乡村振兴潜力评价及障碍因素诊断[J]. 中国农业资源与区划, 2024, 45(3):239-248.

[16]
王兆峰, 谢佳亮. 中国文化和旅游融合发展效率时空动态演化及其驱动机制[J]. 旅游学刊, 2024, 39(1):34-51.

[17]
舒小林, 闵浙思, 郭向阳, 等. 省域数字经济与旅游业高质量发展耦合协调及驱动因素[J]. 经济地理, 2024, 44(1):197-208.

DOI

[18]
单勤琴, 李中. 经济高质量发展水平的地区差异及时空收敛性研究[J]. 经济地理, 2022, 42(9):50-58.

DOI

[19]
余宇芬, 董姝娜, 李家源. 吉林省森林旅游业高质量发展水平测度的灰色关联分析[J]. 长春师范大学学报, 2021, 40(6):82-89.

[20]
冉钊, 高建华, 杨捷, 等. 中国商业健身资源集聚的格局演化及其形成机理[J]. 地理学报, 2023, 78(6):1573-1590.

DOI

[21]
Krugman P. First nature,second nature,and metropolitan location[J]. Journal of Regional Science, 1993, 33(2):129-144.

[22]
刘清春, 王铮. 中国区域经济差异形成的三次地理要素[J]. 地理研究, 2009, 28(2):430-440.

[23]
Yan M, Zhao J, Yan M. Patterns,processes,and differentiation mechanisms of China's transition from old to new economic drivers[J]. Journal of Geographical Sciences, 2024, 34(9):1697-1718.

[24]
马海涛, 徐楦钫. 黄河流域城市群高质量发展评估与空间格局分异[J]. 经济地理, 2020, 40(4):11-18.

DOI

[25]
韩叙, 柳潇明, 刘文婷, 等. 黄河流域绿色金融与经济高质量发展耦合协调时空特征及驱动因素[J]. 经济地理, 2023, 43(9):121-130.

DOI

[26]
刘庆芳, 杨定, 杨振山, 等. 青藏高原国家公园群人文生态系统耦合协调评价及障碍因子识别[J]. 地理学报, 2023, 78(5):1119-1135.

DOI

[27]
Wang Y, Chen F, Wei F, et al. Spatial and temporal characteristics and evolutionary prediction of urban health development efficiency in China:Based on super-efficiency SBM model and spatial Markov chain model[J]. Ecological Indicators, 2023,147:109985.

[28]
Yan M, Zhao J, Yan S, et al. Coupling coordination of new urbanization in Chinese urban agglomeration—characteristics and driving factors[J]. Environmental Science and Pollution Research, 2023, 30(55):117082-117095.

[29]
王海军, 张彬, 刘耀林, 等. 基于重心-GTWR模型的京津冀城市群城镇扩展格局与驱动力多维解析[J]. 地理学报, 2018, 73(6):1076-1092.

DOI

[30]
应超, 李加林, 刘永超, 等. 东海海岸带县域城市韧性演化及影响因素[J]. 地理学报, 2024, 79(2):462-483.

DOI

[31]
王金伟, 王启翔, 冯凌. 旅游业发展对共同富裕的直接影响及空间溢出效应[J]. 地理学报, 2024, 79(4):1045-1067.

DOI

[32]
王凯, 郭鑫, 叶俊, 等. 中国旅游业高质量发展的时空特征及影响因素[J]. 世界地理研究, 2023, 32(12):104-117.

DOI

Options
文章导航

/

〈 〉