EN中文

经济地理 >

2019 , Vol. 39 >Issue 10: 204 - 213

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.10.025

旅游经济与管理

京津冀城市群高等级景区分布特征及影响因素

  • 唐承财 , 1, 2 ,
  • 孙孟瑶 1, 2 ,
  • 万紫微 1, 2
展开
  • 1.北京第二外国语学院旅游科学学院，中国北京 100024
  • 2.北京旅游发展研究基地，中国北京 100024

唐承财（1982—），男，湖南中方人，博士（后），副教授，硕士生导师。主要研究方向为低碳旅游、绿色旅游、乡村旅游。E-mail：。

收稿日期: 2019-04-07

  修回日期: 2019-07-29

  网络出版日期: 2025-04-18

基金资助

教育部人文社会科学研究规划基金(18YJA630102)

北京市哲学社会科学规划研究基地一般项目(18JDGLB015)

北京市属高校高水平教师队伍建设支持计划青年拔尖人才培育计划项目(CIT&TCD201704067)

收起

Spatial Distribution Characteristics of High-Level Scenic Spots and Its Influencing Factors in Beijing-Tianjin-Hebei Urban Agglomeration

  • TANG Chengcai , 1, 2 ,
  • SUN Mengyao 1, 2 ,
  • WAN Ziwei 1, 2
Expand
  • 1. School of Tourism Sciences，Beijing International Studies University，Beijing 100024，China
  • 2. Research Center for Beijing Tourism Development，Beijing 100024，China

Received date: 2019-04-07

  Revised date: 2019-07-29

  Online published: 2025-04-18

Fold

摘要

以京津冀城市群3A级及以上的高等级景区为研究对象，基于地理学的空间分析方法和ArcGIS空间分析工具，分析京津冀城市群高等级景区空间分布特征。结果表明：①京津冀城市群高等级景区的整体空间分布类型为凝聚型；②北京市（38.31%）、天津市（16.28%）两市的高等级景区数量超过总数的50%，高等级景区在京津冀城市群的空间分布呈现明显不均衡特征；③从京津冀城市群高等级景区丰裕度来看，北京市和天津市属于高度优质率城市，秦皇岛市和廊坊市是中度优质率城市，其他城市属于低度优质率城市，城市群高等级景区数量和质量状况相差较大。其次，利用地理探测器，从旅游资源禀赋、旅游市场条件和旅游政策环境三个因素对京津冀城市群景区空间分布的决定力进行分析，分析发现：旅游资源禀赋和旅游市场条件中的GDP、人均GDP、第三产业比重对京津冀高等级景区空间分布决定力强，而旅游市场中的旅游交通条件和旅游政策环境的决定力较强。修正引力模型的计算结果显示：京津冀城市群的旅游经济联系强度对其景区空间分布也有一定的影响。最后，基于上述研究结果，从协同发展视角提出京津冀城市群高等级景区空间分布优化的建议。

关键词： 京津冀城市群; 高等级景区; 旅游协同发展; 地理探测器; 旅游产业; 文化旅游; 旅游一体化

本文引用格式

唐承财 , 孙孟瑶 , 万紫微 . 京津冀城市群高等级景区分布特征及影响因素[J]. 经济地理, 2019 , 39(10) : 204 -213 . DOI: 10.15957/j.cnki.jjdl.2019.10.025

Abstract

High-level scenic spots have become important engines for the tourism coordinated development of Beijing-Tianjin-Hebei. In this paper, the 3A level-above scenic spots of the Beijing-Tianjin-Hebei urban agglomeration are taken as the research object, and the spatial analysis method based on geography and ArcGIS spatial analysis tool are used to analyze the spatial structure characteristics. The results showed that: 1) the spatial attribution type of high-level scenic spots in Beijing-Tianjin-Hebei urban agglomeration is condensed; 2) The spatial distribution of high-level scenic spots in the Beijing-Tianjin-Hebei urban agglomeration is obviously unbalanced, and the quantity of high-level scenic spots in Beijing (38.31%) and Tianjin (16.28%) account for more than 50% of the total; 3) from the perspective of the abundance of high-level scenic spots in Beijing-Tianjin-Hebei urban agglomeration, Beijing and Tianjin belong to cities with high quality rate, Qinhuangdao and Langfang are cities with medium quality rate, and the other 9 cities belong to cities with low quality rate. The quantity and quality of high-level scenic spots in the urban agglomeration differ greatly. Secondly, the paper analyzes the determinative force between the tourism resource endowment, tourism market conditions, tourism policy environment of Beijing-Tianjin-Hebei urban agglomeration and the spatial distribution of the high-level scenic spots by using the geo-detector method. The result finds that the endowment of tourism resources and GDP, GDP per capita and proportion of tertiary industry in the tourism market environment have a strong influence on the spatial distribution of the high-level scenic spots in Beijing-Tianjin-Hebei urban agglomeration, while the tourism traffic conditions and tourism policy environment in the tourism market have a weak influence. The calculation results of the modified gravity model show that the intensity of tourism economic relation in Beijing-Tianjin-Hebei urban agglomeration also has a certain influence on the spatial distribution. Finally, according to the spatial distribution characteristics and influencing factors of the high-level scenic spots in Beijing-Tianjin-Hebei urban agglomeration, this paper puts forward suggestions on the spatial distribution optimization from the perspective of coordinated development.

Key words： Beijing-Tianjin-Hebei Urban Agglomeration; high-level scenic spots; tourism collaborative development; geo-detector; tourism industry; cultural tourism; tourism integration

2015年《京津冀协同发展规划纲要》指出，推动京津冀协同发展是一个重大国家战略；2019年1月，习近平总书记在京津冀协同发展座谈会上发表重要讲话，提出科学谋划和全面部署推动京津冀协同发展。旅游业以较低的资源消耗、高度的产业关联、紧密的地域联系、显著的富民效应，在京津冀协同发展中占有重要的位置[1]，也是京津冀地区经济增长与促进区域协调发展的重要产业之一。然而，京津冀地区旅游发展仍然存在许多现实问题：不同行政区间的恶性竞争导致整个区域内旅游资源整合程度较低；政府在主导资源开发的同时各自为政，导致了区域资源的过于集中和市场的恶性竞争[2]；京津冀内部旅游产业集聚程度不均衡[3]；区域旅游发展失衡从根本上制约了区域旅游协同发展的进程[4]。旅游景区作为旅游系统的重要组成部分，是区域旅游业发展的基本物质条件，其空间结构深刻影响区域旅游业发展战略，是指导区域旅游规划、开发与管理的基础[5]。京津冀景区的空间组合结构，对区域旅游业能否在合作的基础上最终实现一体化发展有着重要的影响[6]。京津冀旅游景区结构优化是形成全面统筹、协调联动的长效机制的前提，有利于优化京津冀旅游一体化进程和促进旅游协同发展[7]。如何通过优化景区空间分布，从而促进京津冀地区旅游协同发展，值得研究。
国外学者对于景区空间分布的研究较少，主要集中在分析模型和定量分析方法上。Deasy等采取了旅游成本线、旅游无差异曲线等方法对美国宾夕法尼亚地区的两个旅游资源相似且存在竞争关系的景区进行了对比分析[8]；Wilson构建的大熵—引力模型被广泛应用于景区空间分布的研究[9]；Weaver采用核心—边缘理论对加勒比海地区的景区进行实证研究[10]。也有部分学者从旅游景区角度研究旅游空间结构特征[11]、旅游空间的演化[12]、客源市场旅游活动空间行为[13-14]等。国内学者对于旅游景区空间分布也展开一系列的研究，在空间尺度上以全国[15-16]、区域[17-18]、省域[19-20]、城市[21-22]四个层面为主；研究方法以数理模型和空间分析为主，缺少基于GIS分析可视化的空间计量分析[23]；研究内容上较多是关于景区空间分布特征及影响因素定性分析，很少用地理探测器对景区空间分布影响因素进行定量分析[19⇓-21]。A级景区是我国景区建设和管理的示范，特别是3A级及以上的高等级景区，能够反映某个区域内旅游资源的综合开发建设和管理水平，是游客到访率较高的旅游场所，其发展状况是一个地区旅游业发展状况的晴雨表，可以间接反映出某地区旅游业发展的状况和发展中出现的问题[24]。因此，高等级景区具有很强的代表性，其数量及空间分布很大程度上决定了所在区域旅游业的空间结构[25]。但是目前对于城市群尺度高等级景区的研究较少，特别是对京津冀城市群高等级景区空间分布研究较为罕见。
2006年，中国实施区域协调发展战略，正式提出“城市群”的概念，京津冀城市群是中国最重要的城市群之一。旅游协同发展成为京津冀城市群实现协同发展和建设世界级城市群的重要组成部分。高等级景区是京津冀旅游协同发展的重要引擎，本文拟将3A级及以上景区作为高等级景区，以京津冀城市群的高等级景区为对象，运用空间分析方法、ArcGIS软件和地理探测器方法，分析京津冀城市群高等级景区空间分布特征，剖析影响其空间分布的因素。旨在推动协同发展视角下京津冀城市群高等级景区空间结构优化，促进京津冀旅游协同发展，并为中国城市群高等级旅游景区可持续发展提供案例借鉴。

1 研究方法与数据来源

1.1 高等级景区空间分布研究方法

1.1.1 空间分布类型

最邻近距离表示一个区域中点状要素相互接近程度[26]。不少学者对于景区空间结构的研究均采用最邻近点分析法[15,27]。本文运用最邻近距离模型来计算京津冀城市群高等级景区空间分布类型。首先，实际最邻近距离的计算。每个景区与临近点之间的距离为 r，并取得该距离的平均值 r i，这就是实际最邻近距离。其次，理论最邻近距离的计算。当区域中点状分布为随机时，最邻近距离的理论值为 r E。最后，计算最邻近点指数 R。
r i = ∑ i = 1 n r n r E = 1 2 n A = 1 2 D R = r i r E
式中： n为点状要素的个数； A为所研究的区域的面积。当 R = 1时，实际最邻近距离等于理论最邻近距离，说明其空间结构为随机型；当 R 1时，实际最邻近距离大于理论最邻近距离，说明其空间结构为均匀型；当 R 1时，实际最邻近距离小于理论最邻近距离，说明其空间结构为凝聚型。

1.1.2 空间分布均衡性

①地理集中指数。地理集中度指数为各节点要素在研究区域各个分区域的空间集中分布程度[28]，是衡量研究对象集中程度的重要指标，其公式为[29]：
G = 100 × ∑ i = 1 n x i T 2
式中： x i为第 i个城市的高等级景区数量； T为景区总数； n为城市总数。 G的取值在0~100之间， G值越大表示景区分布越集中， G值越小，则景区分布越分散。
②基尼系数。基尼系数（G i n i）可以用于刻画空间要素的分布，也可对两个空间要素的分布进行对比，是地理学中用来描述离散区域空间分布的重要方法[19]。理论上，基尼系数介于0~1之间，越大表明集中程度越高。为准确了解京津冀高等级景区空间分布特点，本文引用基尼系数，计算公式为：
G = - ∑ i = 1 n P i l n P i / l n N
式中： G为基尼系数； P i为第 i个城市的高等级景区数占京津冀城市群总数的比重； N为城市数量。

1.2 城市景区优质率分析方法

为准确地了解京津冀各城市的高等级景区数量和质量水平，本文引入旅游资源丰裕度指数分析方法。旅游资源丰裕度是一个地区旅游景区类型、数量和质量的综合状况，是反映该地区旅游资源禀赋的综合性量化指标[30]。本研究借鉴白洋等的研究结果，以文化和旅游部评定的A级景区为基础，分别赋予不同级别的A级景区以不同的权重，加总后与旅游资源赋存区域的幅员面积之比，即为旅游资源丰裕度指数，表示为[30]：
F = 9 R 5 + 8.5 R 4 + 7.5 R 3 S
式中： F为旅游资源丰裕度指数； S为旅游资源赋存区域的幅员面积； R 5、 R 4、 R 3为5A、4A、3A级景区的数量；9、8.5、7.5为5A、4A、3A景区的权重。

1.3 旅游经济联系强度分析方法

城市经济联系强度又称城市空间相互作用量，是衡量城市间经济联系强弱的重要指标。它可以反映中心城市对周边城市的经济辐射能力和周边城市对中心城市辐射力的接受能力[31]。城市群旅游发展过程是区域内城市经济发展、生产要素等在空间范围内逐步优化组合的过程[32]。本文在考察京津冀城市群的旅游经济联系强度和经济联系总量时，借鉴王俊[33]提出的修正引力模型进一步加强京津冀城市群的旅游联系。其计算公式为：
R i j = k i j P i V i P j V j D i j 2 k i j = k i k i + k j R i = ∑ j = 1 n R i j
式中： R i j为城市i和j之间的经济联系强度； R i为旅游经济联系总量； P i和 P j分别为城市 i和 j的旅游年总收入（亿元）； V i和 V j分别表示城市 i和 j的旅游总人数（万人次）； D i j表示城市 i和 j之间最短高速公路里程； k i j为引力系数（以4A、5A级景区数量作为衡量依据）； k i和 k j为两个不同城市当年的4A级与5A级旅游景区总数。

1.4 地理探测器

地理探测器（Geo-Detector，GD）是探究空间分异性，解释其背后驱动力的计量方法，是探测地理要素空间格局成因和机理的重要方法[34]。其中因子探测器是用来检验某种地理要素是否是形成某个指标值空间分布差异的原因，具体做法是比较该指标在不同类别分区上的总方差与其在整个研究区上的总方差，模型如下[34]：
q = 1 - ∑ h = 1 L N h σ h 2 N σ h 2 = 1 - S S W S S T S S W = ∑ h = 1 L N h σ h 2 , S S T = N σ 2
式中： h=1，2，3，⋯；L为 Y、 X的分层； N h和 N分别为层 h和全区的单元数； σ h 2和 σ 2分别是层 h和全区的 Y值的方差； S S W和 S S T分别是层内方差之和与全区总方差。地理探测器探测的 Y空间分异性以及探测某因子 X多大程度上解释了属性 Y的空间分异，用 q值度量。 q的值域为[0，1]，值越大说明 Y的空间分异性越强；如果分层由自变量 X生成，则 q值越大表示自变量 X对属性 Y的解释力越强，反之越弱。

1.5 数据来源

①从中华人民共和国文化和旅游部的网站与北京市、天津市、河北省的旅游发展委员会的网站上查询有关3A级以上景区的数量，所在区域及区域面积（数据均截止到2018年8月），各市经济发展水平以及旅游业发展概况。②结合从Google Earth上找到的每一个景区的地理坐标，利用ArcGIS 10.3软件将京津冀城市群522处高等级景区导入到京津冀地图上（图1）。③通过Google Earth软件，测量京津冀城市群各个测量点之间的实际最邻近距离，并通过理论最邻近距离测量公式，计算京津冀城市群高等级景区的理论最邻近距离。
图1 京津冀城市群高等级景区空间分布

Fig.1 Spatial distribution of the high-level scenic spots in Beijing-Tianjin-Hebei urban agglomeration

2 结果与分析

2.1 景区空间分布类型

根据最邻近点分析法得到京津冀3个省市高等级景区的最邻近点指数与空间分布类型，见表1。结果表明：京津冀地区、北京市、天津市和河北省高等级景区空间分布类型均为凝聚型，但京津冀整体和北京市、天津市、河北省三个分区的集群分布也有一定的差异，北京市更加趋向于均衡，而京津冀、天津市和河北省分区的景区更加凝聚。京津冀城市群高等级景区空间结构呈现凝聚和集群分布状态，不利于整个京津冀城市群的景区联动。进一步分析京津冀地区（R = 0.545），成渝经济区（R = 0.8）[35]，武汉城市圈（R = 0.67）[29]，长江经济带（R = 0.547）[36]发现，相较于其他地区，京津冀城市群高等级景区的空间分布的集群特征十分明显。上海市最邻近点指数 R = 1.05，基尼系数 G i n i = 0.696，分布均匀度 C = 0.304[37]；重庆市 R = 0.573， G i n i = 0.884， C = 0.116[38]；河南省 R = 0.547， G i n i = 0.9966， C = 0.0034[39]，通过经济发展水平相似城市之间的对比分析得到：北京市（R = 0.743）与上海市（R = 1.05）相比，北京市高等级景区的空间分布凝聚性和不均衡性更加明显，而天津市（R = 0.583）和重庆市（R = 0.573）的高等级景区分布类型均为凝聚型，最临近点指数相差很小，景区空间分布特征相似；河北省（R = 0.591）和河南省（R = 0.547）的高等级景区空间分布的最邻近指数相差不大，分布特征具有一定的相似性。
表1 京津冀城市群高等级景区的最邻近点指数与空间分布类型

Tab.1 The nearest-neighbor index and spatial distribution types of high-level scenic spots in Beijing-Tianjin-Hebei urban agglomeration

区域 面积（万km2） 高等级景区
数量（个）		 最邻近点
指数 R		 空间分布
类型
京津冀 21.7150 522 0.545 凝聚型
北京市 1.6410 200 0.743 凝聚型
天津市 1.1946 85 0.583 凝聚型
河北省 18.8800 237 0.591 凝聚型

2.2 景区的空间分布特征

2.2.1 景区数量和密度分布特征

京津冀城市群高等级景区的市际分布特征为：主要分布在北京市（38.31%）和天津市（16.28%），二市的数量占京津冀城市群总数的54%，而衡水市（0.77%）沧州市（1.15%）和邢台市（2.49%）三市数量占总数的不到5%，城市群之间高等级景区分布呈现明显的不均匀状态。从表2可以看出，从数量上看，京津冀城市群高等级景区主要集中在北京市和天津市两大核心城市；从密度上看，分布密度最大的为北京市（121.88/万km2），分布密度最小的为沧州市（4.47/万km2），市际间的分布密度差别很大。采用ArcGIS对京津冀城市群高等级景区进行核密度分析，生成核密度分布图（图2）。根据图2可以看出，京津冀城市群高等级景区空间分布差异显著，呈现出以北京市和天津市为核心的分布格局。值得注意的是，石家庄市、保定市、唐山市和承德市的分布核心也在初步形成。
表2 京津冀城市群高等级景区数量分布特征

Tab.2 The quantity distributive features of high-level scenic spots in Beijing-Tianjin-Hebei urban agglomeration

区域 数量（个） 总计
（个）		 比例
（%）		 面积
（万km2）		 密度
（个/万km2）
5A 4A 3A
北京 8 71 121 200 38.31 1.6410 121.88
天津 2 31 52 85 16.28 1.1946 71.15
石家庄 1 30 3 34 6.51 1.5800 21.52
唐山 1 15 16 32 6.13 1.3472 23.75
秦皇岛 0 14 8 22 4.21 0.7812 28.16
邯郸 2 14 8 24 4.60 1.2000 20.00
邢台 0 8 5 13 2.49 1.2486 10.41
保定 3 17 10 30 5.75 2.2100 13.57
张家口 0 14 16 30 5.75 3.6860 8.14
承德 1 15 9 25 4.79 3.9519 6.33
沧州 0 1 5 6 1.15 1.3419 4.47
廊坊 0 9 8 17 3.26 0.6500 26.15
衡水 0 2 2 4 0.77 0.8815 4.54
图2 京津冀城市群高等级景区分布核密度图

Fig.2 Kernel density of high-level scenic spots in Beijing-Tianjin-Hebei urban agglomeration

2.2.2 景区分布集中程度

根据地理集中指数模型，京津冀城市群高等级景区总数 T = 522，城市总数 n = 13，各城市高等级景区数量见表2。计算得到京津冀城市群高等级景区地理集中度 G = 44。倘若522处高等级景区平均分布于各个城市，即每个城市的景区数量为 522 13 = 40.15处，则此时的地理集中指数 G = 4440.15，表明京津冀城市群高等级景区分布不均匀，而这种极度不均衡在一定程度上限制了京津冀城市群旅游协同发展。

2.2.3 景区分布均衡程度

根据京津冀城市群高等级景区集中分布和均匀分布数据（表3），绘制高等级景区在各个城市分布的洛伦兹曲线，曲线具有典型的下凹特征（图3），表明京津冀城市群高等级景区分布不均衡，仅北京和天津所拥有的景区数量就达到了总数的一半以上。
表3 京津冀城市群高等级景区集中分布与均匀分布对比

Tab.3 Contrasting on concentrating & equably distributing of high-level scenic spots in Beijing-Tianjin-Hebei urban agglomeration

城市 景区
个数		 % 累积%
（A）		 集中
分布		 累积%
（M）		 均匀
分布		 累积%
（R）
北京 200 38.31 38.31 0 100 7.69 7.69
天津 85 16.28 54.60 0 100 7.69 15.38
石家庄 34 6.51 61.11 0 100 7.69 23.08
唐山 32 6.13 67.24 0 100 7.69 30.77
秦皇岛 22 4.21 71.46 0 100 7.69 38.46
邯郸 24 4.60 76.05 0 100 7.69 46.15
邢台 13 2.49 78.54 0 100 7.69 53.85
保定 30 5.75 84.29 0 100 7.69 61.54
张家口 30 5.75 90.04 0 100 7.69 69.23
承德 25 4.79 94.83 0 100 7.69 76.92
沧州 6 1.15 95.98 0 100 7.69 84.62
廊坊 17 3.26 99.23 0 100 7.69 92.31
衡水 4 0.77 100.00 0 100 7.69 100.00
合计 522 100 1 011.69 1 300 100 700
图3 京津冀城市群高等级景区分布洛伦兹曲线

Fig.3 Lorenz curve of the high-level scenic spots' distribution in Beijing-Tianjin-Hebei urban agglomeration

为了更加准确地了解京津冀城市群高等级景区空间分布的特点，本文引用基尼系数 G i n i（G）和分布均匀度 C = 1 - G。计算得 G = 0.94、 C = 0.06，表明京津冀城市群高等级景区有集中分布、分布均匀度很低的分布特点。

2.3 城市景区的优质率

基于京津冀城市群高等级景区呈现出集中性和不均匀性并存的分布特征，为更准确地了解京津冀各市高等级景区数量和质量综合状况，本文运用旅游资源的丰裕度指数分析京津冀城市群高等级景区优质率。根据公式（4）计算所得的京津冀城市群高等级景区的丰裕度指数和数量构成横纵坐标，形成京津冀各市景区优质率属性象限。根据散点图和景区数量与丰裕度指数的均值线（40.15和2.10%）形成的象限，将景区优质率分为高度优质率、中度优质率和低度优质率（图4）。高度优质率的城市有北京市和天津市，中度优质率的城市有秦皇岛市、廊坊市，其他9市为低度优质率的城市。唐山和石家庄两市处在低度优质率和中度优质率的过渡区域，说明两座城市的高等级景区的发展潜力大，可以向中度优质率景区发展。
图4 京津冀各市高等级景区优质率等级划分

Fig.4 The high-level scenic spots' quality rate hierarchy of the cities in Beijing-Tianjin-Hebei

3 京津冀高等级景区空间分布的影响因素分析

很多学者对不同地区景区空间分布的影响因素进行探讨，见表4。参考已有相关研究成果，结合京津冀旅游协同发展和景区空间分布的现实状况，本研究认为旅游市场条件、旅游资源禀赋与旅游政策环境因素对京津冀景区空间结构具有重要的影响。
表4 景区空间分布的影响因素文献总结

Tab.4 The summary of the influencing factors of the spatial distribution of scenic spots

研究区域 影响因素 文献
安徽省 旅游资源、社会经济、交通网络、自然环境（河流湖泊、地势） [20]
福建省 区域经济总体发展水平、区域旅游经济发展水平、旅游资源禀赋、政府作为 [27]
河南省 地理位置、交通条件、景区地域组合条件、经济发展水平 [19]
重庆市 资源禀赋、经济发展水平、客源市场条件、交通条件 [38]
北京市 资源禀赋、水系和公共绿地条件、交通条件、基础设施条件 [40]
京津冀地区 自然因素（地形地貌、河流）、人文因素（社会经济发展水平、交通可达性） [41]
东北地区 自然因素（地形地貌、水文）、人文因素（社会经济、交通） [42]
本文借鉴贾垚焱等[23]的研究思路，从旅游资源禀赋、旅游市场条件和政策环境条件三个方面对京津冀城市群高等级景区的空间分布影响因素进行分析。自然和人文资源禀赋是旅游景区开发和建设的基础。在进行旅游资源开发时，首先选择的就是旅游资源丰富、等级较高的地区。随着中国经济的发展和大众旅游时代的到来，旅游市场条件成为旅游景区演化的重要推动力：旅游目的地人口规模是旅游景区的客源基础；便捷的交通拉近了旅游客源地和旅游景区之间的距离；旅游目的地社会经济条件的发展促进了旅游景区基础设施建设和旅游接待水平的提高。政府作为区域经济发展的主导力量，在制定区域旅游发展规划、产业扶持政策、旅游景区协调管理政策和促进区域政府间关系发展与合作方面发挥着重要的作用。基于此，本文构建景区空间分布影响指标（表5）。
表5 景区空间分布的影响指标及各指标的决定力

Tab.5 Influencing factors and its decisive force of the distribution of scenic spots

一级指标 二级指标 评价指标 q值
旅游地资源禀赋 自然旅游资源X1 世界自然遗产地数量；国家森林公园数量；国家地质公园数量；国家级自然保护区数量；国家风景名胜区数量 87.6%***
人文旅游资源X2 世界文化遗产地数量；国家级文物保护单位数量；中国历史文化名城数量；中国传统村落数量 88.8%***
旅游市场条件 旅游需求 旅游接待人次数X3 78.5%*
旅游客源市场潜力 常住人口数量X4 78.3%*
旅游地交通条件 年末公路通车里程数X5 50.3%*
旅游地社会经济条件 GDP X6 78.7%**
人均GDP X7 77.7%**
第三产业的比重X8 87.9%***
旅游政策环境 区域发展规划 年度报告中提及旅游的次数X9[43] 39.0%*
产业扶持政策
区域府际关系与合作
景区协调管理政策

注：***、**、*分别表示在1%、5%、10%水平下显著。

3.1 旅游资源禀赋

旅游资源禀赋是区域旅游发展的基础。以世界自然遗产地、国家森林公园、国家地质公园、国家级自然保护区和国家风景名胜区表征城市的自然旅游资源禀赋，以世界文化遗产地、国家级文物保护单位、中国历史文化名城和中国传统村落数量表征城市的人文旅游资源禀赋（表6），用地理探测器对京津冀各市的旅游资源禀赋和景区数量进行相关性分析，得到 q = 0 . 876 * * *、 q = 0 . 888 * * *，说明二者之间存在显著的正相关，而人文旅游资源对京津冀城市群高等级景区的空间分布决定力更大。京津冀地区位于华北平原北部，北靠燕山山脉，南面华北平原，西倚太行山，东临渤海湾，呈现出西北高东南低的地形特点。从地貌上看，该区域囊括有多种地貌特征，但仍然以平原地貌为主，沿渤海岸多滩涂、湿地（图5）。依托地形地貌，京津冀城市群形成山地、水域、草原、森林、海滨等多种自然旅游资源。京津冀地区古为幽燕、燕赵，历朝历代的文化交流、融合和积淀，形成京津冀地区最具代表性的京畿文化：宏伟壮观的长城军事文化遗产和皇家文化遗产、历史悠久的京畿民俗文化遗产和馆藏文化遗产，以及大运河文化遗产和红色文化遗产等。京津冀城市群浓厚的文化底蕴和优质的旅游资源为旅游景区的开发创造良好的环境，是京津冀旅游协同发展的基础。
表6 京津冀城市群优质旅游资源分布

Tab.6 The distribution of high-quality tourist resources in Beijing-Tianjin-Hebei urban agglomeration

分类 级别类型 北京 天津 石家庄 唐山 秦皇岛 邯郸 邢台 保定 张家口 承德 沧州 廊坊 衡水
代表性自然旅游资源 世界自然遗产 0 0 0 0 0 0 0 0 0 0 0 0 0
国家森林公园 15 1 3 2 2 2 2 6 1 7 0 0 0
国家地质公园 5 1 2 1 1 1 1 3 0 1 0 0 0
国家级自然保护区 2 3 1 0 2 1 0 0 3 5 0 0 1
国家风景名胜区 2 1 3 0 1 0 1 1 0 1 0 0 0
代表性人文旅游资源 世界文化遗产 6 0 0 1 0 0 0 1 0 1 0 0 0
国家级文物保护单位 98 14 25 10 7 16 10 47 25 12 6 1 2
国家历史文化名城 1 1 1 0 1 1 0 2 2 1 0 0 0
中国传统村落 22 4 51 2 1 44 40 12 52 1 0 0 1
合计 151 25 86 16 15 65 54 72 83 29 6 1 4
图5 京津冀城市群高等级景区分布与地势分布情况

Fig.5 The distribution of high-level scenic spots and the terrain of Beijing-Tianjin-Hebei urban agglomeration

3.2 旅游市场条件

旅游接待人次数、旅游地常住人口数、年末高速公路通车里程数、GDP和人均GDP能在一定程度上反映旅游地的旅游实际需求、客源市场潜力、旅游交通状况和社会经济发展水平，因此本文以旅游接待人次数、旅游地常住人口数、年末高速公路通车里程数和GDP表征旅游地的旅游经济市场条件，利用地理探测器对其进行决定力分析，得到旅游市场条件与高等级旅游景区空间分布呈现正相关关系，即京津冀城市群旅游需求（q=0.785*）、客源市场潜力（q=0.783*）、旅游交通状况（q=0.503*）、社会经济发展状况（q=0.787**）对京津冀高等级旅游景区的空间分布有一定的影响。
①旅游接待人次数的 q值（0.785）显示：旅游市场需求对京津冀城市群高等级旅游景区空间结构的决定力强。高等级旅游景区的发展促进旅游需求的产生，旅游需求的增长促进旅游景区的建设和发展，二者为相互促进的关系。②旅游地常住人口的 q值（0.783）显示：旅游地常住人口市场潜力对高等级旅游景区空间结构的决定力强。随着人民生活水平的提高和大众旅游时代的到来，旅游目的地居民的旅游增长需求已成为京津冀城市群高等级景区发展的重要因素。③旅游地交通条件的 q（0.503）显示：旅游地的交通条件对京津冀城市群高等级景区空间分布的决定力较强，主要原因是近年来随着京津冀城市群的城际交通条件的不断改善，交通条件已经不再成为影响京津冀城市群高等级景区空间分布的最主要因素。④社会经济条件的生产要素和商品服务的供应能力制约着旅游景区的发展规模、发展层次和管理能力[44]，是影响旅游景区空间结构的重要因素。GDP和人均GDP的q值（0.787、0.777）表明：GDP和人均GDP对京津冀城市群高等级景区空间分布的决定力强。区域经济总体发展水平会影响旅游景区赖以生存和发展的基础设施（包括旅游交通条件）和旅游专用设施，是旅游景区的发展的基础条件，同时旅游地居民的生活水平影响其旅游需求的产生和旅游形态的选择，决定了高等级景区的建设和发展方向。第三产业比重的q值（0.879）表明：第三产业比重对京津冀高等级景区空间分布的决定力很强。第三产业产值比重代表了城市服务业发展水平，景区建设管理与其密切相关[23]。旅游业的发展能够带动第三产业的发展，第三产业发展在很大程度上也能推动景区在内的旅游系统各要素的发展。

3.3 旅游政策环境

地理探测器的计算结果显示：旅游政策环境与京津冀城市群高等级旅游景区空间分布具有正向决定力，但是决定力并不强（q=0.39*）。天津（1次）、秦皇岛（2次）、廊坊（摘要，1次）衡水（6次）政府工作报告中对旅游的提及次数较少，但唐山（18次）、张家口（16次）和石家庄（13次）政府工作报告中对旅游的提及次数相对较多。自2014年习近平总书记提出京津冀协同发展政策以来，促进京津冀协同发展的政策也相继出台。2017年底，京津冀旅行社联盟、景区联盟的成立，搭建起京津冀三地旅行社、景区与政府信息沟通的桥梁，实现了三地旅行社、景区资源互通。根据《京津冀旅游协同发展工作要点（2018—2020）》，2020年底前，京津冀将打造一批区域性龙头景区，形成京津冀旅游协同发展知名品牌。旅游协同发展旅游政策对于促进京津冀旅游景区资源互补、消除客源壁垒以及客源市场扩容等方面都有重要影响。解决京津冀城市群旅游资源过于集中和整合度较低以及政府在主导资源开发的同时各自为政的现实问题，首先就需要京津冀各市政府间的旅游合作的开展和旅游协同发展政策的制定和实施。所以京津冀城市群旅游政策环境对高等级旅游景区的分布也有一定的影响。

3.4 旅游经济联系强度

通过运用地理探测器对京津冀城市群经济条件和高等级景区空间分布的决定力分析，笔者了解到GDP（q=0.787）和人均GDP（q=0.777）对京津冀城市群高等级景区空间分布有强的决定力。区域旅游经济发展水平与A级景区的空间分布实际上存在着相互促进的关系，区域旅游经济的迅速发展，促进了高等级景区的不断涌现与空间集聚，而高等级景区的开发建设及其空间集聚又反过来会带动区域旅游经济的发展[28]。由于京津冀城市群地处我国的经济、政治和文化中心，其特殊的区位决定了城市群间的旅游经济联系强度对高等级旅游景区空间分布有一定的影响。为了更加准确地了解京津冀城市群之间的旅游经济联系强度对高等级景区空间分布的影响，从而更好地开展旅游合作，本文利用修正引力模型公式测度区域13个城市之间的旅游经济联系强度、旅游经济联系总量。由表7和表8可以看出：首先，京津冀地区13个城市的旅游经济联系总量规律为：京津地区最高，京津周围城市（廊坊市、保定市和唐山市）次之。这与京津冀城市群高等级景区空间分布特点相似，说明京津冀地区的旅游经济联系强度对景区空间分布有一定的影响。其次，北京和其他12市保持着较高的旅游经济联系强度，而京津冀城市群旅游经济联系强度呈现以北京为中心的距离衰减趋势，如离北京较远的沧州、邢台、衡水与北京的旅游经济联系都比较弱，相应地沧州、邢台和衡水的高等级景区在空间分布上也比较少。最后，京津冀城市群旅游经济联系总量差异比较大，北京市（34.07%）和天津市（24.57%）约占据京津冀城市群旅游经济联系总量接近60%，而沧州市（1.15%）、邢台市（2.49%）和衡水市（0.77%）3个城市的区域旅游经济联系总量占京津冀地区总量的不到5%，区域之间差异太大，极度不均衡，这主要由于北京与天津属于直辖市，而其他城市则属于地级市或省会城市。所以，京津冀城市区旅游经济联系强度和高等级景区的空间分布呈现相关关系。
表7 2017年京津冀城市群之间的旅游经济联系强度

Tab.7 The tourism economic correlation of Beijing-Tianjin-Hebei urban agglomeration in 2017

城市 北京 天津 石家庄 唐山 保定 邯郸 张家口 承德 廊坊 秦皇岛 沧州 邢台 衡水
北京 0.00 4 823.89 278.28 694.09 1 131.39 91.13 510.47 358.95 3 486.29 212.18 157.35 66.94 73.59
天津 4 823.89 0.00 135.63 950.47 529.99 57.81 127.07 136.99 1 162.85 165.59 369.34 46.31 65.11
石家庄 278.28 135.63 0.00 23.80 258.46 121.84 22.35 13.86 30.29 11.28 28.27 152.15 62.92
唐山 694.09 950.47 23.80 0.00 35.11 6.42 17.01 58.41 56.84 93.86 21.18 5.25 6.83
保定 1 131.39 529.99 258.46 35.11 0.00 31.63 40.01 19.35 283.32 15.05 55.80 30.83 46.46
邯郸 91.13 57.81 121.84 6.42 31.63 0.00 5.16 3.72 6.25 3.30 7.05 3.55 17.10
张家口 510.47 127.07 22.35 17.01 40.01 5.16 0.00 13.96 21.32 7.78 6.45 4.72 4.17
承德 358.95 136.99 13.86 58.41 19.35 3.72 13.96 0.00 17.62 53.35 5.81 3.30 3.26
廊坊 3 486.29 1 162.85 30.29 56.84 283.32 6.25 21.32 17.62 0.00 8.62 19.27 3.94 6.99
秦皇岛 212.18 165.59 11.28 93.86 15.05 3.30 7.78 53.35 8.62 0.00 6.71 2.77 3.00
沧州 157.35 369.34 28.27 21.18 55.80 7.05 6.45 5.81 19.27 6.71 0.00 0.69 4.04
邢台 66.94 46.31 152.15 5.25 30.83 3.55 4.72 3.30 3.94 2.77 0.69 0.00 16.43
衡水 73.59 65.11 62.92 6.83 46.46 17.10 4.17 3.26 6.99 3.00 4.04 16.43 0.00
表8 2017年京津冀城市群旅游经济联系总量

Tab.8 The tourism economic aggregation of Beijing-Tianjin-Hebei urban agglomeration in 2017

城市 北京 天津 石家庄 唐山 保定 邯郸 张家口 承德 廊坊 秦皇岛 沧州 邢台 衡水
R i 11 884.56 8 571.05 1 139.13 1 969.28 2 477.41 354.97 780.48 688.59 5 103.62 583.51 681.95 336.89 309.91
排序 1 2 6 5 4 11 7 8 3 10 9 12 13
占比% 34.07 24.57 3.27 5.65 7.10 1.02 2.24 1.97 14.63 1.67 1.96 0.97 0.89

4 结论与建议

4.1 结论

本文运用ArcGIS软件，通过最邻近指数、基尼系数、地理探测器等分析方法对京津冀城市群高等级景区的空间分布特征和影响因素进行分析。结论如下：第一，京津冀城市群高等级景区空间分布类型为凝聚型，城市群内部的空间分布存在一定的差异。第二，北京市和天津市的高等级景区数量超过京津冀城市群总数的50%，衡水市、沧州市和邢台市景区数量占总数的不到5%，城市群之间高等级景区分布呈现明显的不均匀状态；京津冀城市群高等级景区分布密度差异显著，呈现出以北京和天津为核心的分布格局，但是石家庄、保定、唐山和承德的分布核心也在初步形成。第三，从A级景区丰裕度来看，北京市和天津市属于高度优质率城市，秦皇岛市和廊坊市属于中度优质率城市，其他9市属于低度优质率城市，低度优质率城市向中度和高度优质率城市发展的潜力大，京津冀城市群高等级景区协同发展和提升空间大。第四，旅游资源禀赋和旅游市场条件中的GDP、人均GDP和第三产业比重因素对京津冀高等级景区空间分布决定力强，而旅游市场中的旅游交通条件和旅游政策环境因素的决定力较强。修正引力模型的计算结果显示：京津冀城市群的旅游经济联系强度对其景区空间分布也有一定的影响。

4.2 政策建议

基于上述研究结论，本文从协同发展视角下提出京津冀城市群高等级景区空间分布优化建议：第一，以北京市、天津市和石家庄市为中心建立京津冀旅游经济发展环，发挥三市的经济带动作用；积极推动北京市的皇家文化、军事文化和红色文化类景区与天津市的海滨景区以及河北省的山地度假、温泉养生类景区之间的联动和合作，促进京津冀旅游客源市场的扩大和转移，带动周边低度和中度优质率的城市的旅游发展，实现京津冀城市群景区的协同发展，达到由点及环、由景区协同到旅游产业协同的全面发展。第二，依托京津冀庞大的客源市场，基于大数据及大数据挖掘技术与能力和互联网技术，对京津冀三地的客源市场、游客行为和旅游新业态进行分析，优化旅游产品结构、带动旅游消费热点，提供符合游客需求的智慧旅游服务，实现京津冀城市群景区智慧化规划建设与管理。第三，依托京津冀城市群优质的旅游资源，发挥京津冀城市群高等级景区的集群优势，带动京津冀城市群景区产品优化，以景区产品优化协同推动国际文化旅游休闲特色旅游目的地的建设与发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
杨磊. 基于GIS的京津冀景区空间格局与可达性研究[J]. 城市勘测, 2018(2):14-17.

[2]
杨磊, 董春华, 徐郡, 等. 基于GIS的京津冀旅游景点空间分布特征分析[J]. 城市建筑, 2017(35):67-69.

[3]
郑治伟. 京津冀旅游产业集聚水平时空变化研究[J]. 经济研究参考, 2017(34):63-70.

[4]
陈永昶, 王玉成. 智慧旅游驱动京津冀区域旅游协同发展机理与路径[J]. 河北大学学报:哲学社会科学版, 2018, 43(5):62-70.

[5]
汪德根. 呼伦贝尔—阿尔山旅游区旅游资源空间结构研究[J]. 干旱区地理, 2008, 31(3):456-463.

[6]
张延伟. 京津冀旅游一体化发展研究[D]. 石家庄: 河北大学, 2015.

[7]
尹钧惠, 张曼丽. 基于ERP思想的京津冀旅游一体化进程优化研究[J]. 新经济, 2016(3):30-31.

[8]
Deasy G F, Griess P R. Impact of Tourist Facility on its Hinter-land[J]. Annals of the Association of American Geographers, 1966, 56(2):290-306.

[9]
Wilson A G. A statistical theory of spatial distribution models[J]. Transportation Research, 1967, 1(3):253-269.

[10]
WaverD B. Peripheries of the periphery:Tourism in Tobagoand Barbuda[J]. Annals of Tourism Research, 1988, 25(2):292-313.

[11]
Kwan M P. Space-time and integral measure of individual ac-cessibility:a comparative analysis using a point-based framework[J]. Geographical Analysis, 1998, 30(3):191-126.

[12]
Pearce D. Tourism plan reviews:methodological consider-ations and issues from Samoa[J]. Tourism Management, 2000, 21(2):191-203.

[13]
Masson S, Petiot R. Can the high speed rail reinforce tourismattractiveness?The case of the high speed rail between Perpignan (France) and Barcelona (Spain)[J]. Technovation, 2009, 29(9):611-617.

[14]
Enright M, Newton J. Tourism destination competitiveness:aquantitative approach[J]. Tourism Management, 2004, 25(6):777-778.

[15]
吴必虎, 唐子颖. 旅游吸引物空间结构分析——以中国首批国家4A级旅游区(点)为例[J]. 人文地理, 2003, 18(1):1-5,28.

[16]
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.

[17]
肖光明. 珠江三角洲地区旅游空间结构分析与优化[J]. 经济地理, 2009, 29(6):1 036-1 041.

[18]
杨宏伟, 冯晓玉, 李江丽, 等. 基于DLA模型的旅游产业带景区系统空间结构演化机理与实证——以天山北部旅游产业带开发为例[J]. 资源科学, 2014, 36(5):1 073-1 081.

[19]
申怀飞, 郑敬刚, 唐风沛, 等. 河南省A级旅游景区空间分布特征分析[J]. 经济地理, 2013, 33(2):179-183.

[20]
王秋龙, 晋秀龙. 安徽省A级旅游景区空间结构演变及影响因素分析[J]. 中州大学学报, 2017, 34(1):39-44.

[21]
程海峰, 胡文海. 池州市A级旅游景区空间结构[J]. 地理科学, 2014, 34(10):1 275-1 280.

[22]
刘大均, 谢双玉, 陈君子, 等. 基于分形理论的区域旅游景区系统空间结构演化模式研究——以武汉市为例[J]. 经济地理, 2013, 33(10):155-160.

[23]
贾垚焱, 胡静, 刘大均, 等. 长江中游城市群A级旅游景区空间演化及影响机理[J]. 经济地理, 2019, 39(1):198-206.

[24]
王珊, 朱怡婷, 朱豆豆, 等. 高等级景区旅游人数与收入移动轨迹与错位研究——以新疆5A级景区为例[J]. 特区经济, 2018(12):154-157.

[25]
董宝辉, 长安. 内蒙古高等级旅游景区的空间分布特征及影响因素分析[J]. 内蒙古农业大学学报:自然科学版, 2018, 39(6):61-68.

[26]
谢志华, 吴必虎. 中国资源型景区旅游空间结构研究[J]. 地理科学, 2008, 28(6):748-753.

[27]
黄远水, 陈钢华, 伍弦. 福建省旅游景区空间结构研究——基于国家3A级以上旅游景区的统计分析[J]. 经济地理, 2010, 30(7):1 195-1 199.

[28]
谢志华, 吴必虎. 中国资源型景区旅游空间结构研究[J]. 地理科学, 2008, 28(6):748-753.

[29]
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.

[30]
白洋, 杨晓霞, 樊昊. 我国旅游资源经济转化率及其省际差异分析[J]. 西南师范大学学报:自然科学版, 2015, 40(6):85-90.

[31]
徐建斌, 占强, 刘春浩, 等. 基于经济联系与空间流的长株潭城市群空间异质性分析[J]. 经济地理, 2015, 35(10):36-43.

[32]
祝丹. 长江中游城市群旅游经济空间差异及其机理[D]. 湘潭: 湘潭大学, 2015.

[33]
王俊, 徐金海, 夏杰长. 中国区域旅游经济空间关联结构及其效应研究——基于社会网络分析[J]. 旅游学刊, 2017, 32(7):15-26.

[34]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

DOI

[35]
齐欣, 王昕. 成渝经济区旅游景区空间结构研究[J]. 地理与地理信息科学, 2013, 29(1):105-110.

[36]
张晓梅, 程绍文, 孙雅馨. 长江经济带高级别旅游资源空间分布及影响因素[J]. 地域研究与开发, 2018, 37(5):95-99.

[37]
张博茹. 上海A级旅游景区空间分布特征研究[J]. 市场周刊(理论研究), 2016(9):35-36,97.

[38]
樊昊, 刘玉琪, 王珏. 浅析重庆市3A级以上旅游景区空间分布特征[J]. 度假旅游, 2018(11):213-216.

[39]
乔宇锋, 王晓文, 万媛媛, 等. 河南省高等级旅游景区空间结构分析[J]. 商丘师范学院学报, 2019, 35(6):40-46.

[40]
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):1 381-1 386.

[41]
马欢欢, 谢引引, 王香力. 京津冀区域旅游资源空间格局研究[J]. 河北师范大学学报:自然科学版, 2018, 42(5):444-452.

[42]
王洪桥, 袁家冬, 孟祥君. 东北地区A级旅游景区空间分布特征及影响因素[J]. 地理科学, 2017, 37(6):895-903.

DOI

[43]
胡静, 谢双玉, 冯娟, 等. 中国旅游业发展报告2016[M]. 北京: 中国旅游出版社, 2016.

[44]
林南枝, 陶汉军. 旅游经济学[M]. 天津: 南开大学出版社 2009

Options
文章导航

/

〈 〉