EN中文

经济地理 >

2025 , Vol. 45 >Issue 2: 236 - 248

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.02.023

旅游经济与管理

多尺度旅游资源空间信息图谱构建——以海南岛为例

  • 张桐艳 , 1 ,
  • 张生瑞 , 1, ※ ,
  • 王英杰 2, 3, 4 ,
  • 虞虎 2, 3 ,
  • 韩莹 2, 3, 4
展开
  • 1.中国海洋大学 管理学院，中国山东 青岛 266100
  • 2.中国科学院 地理科学与资源研究所，中国 北京 100101
  • 3.中国科学院大学，中国 北京 100049
  • 4.资源与环境信息系统国家重点实验室，中国 北京 100101
※ 张生瑞（1990—），男，博士，副教授，研究方向为旅游资源开发与规划。E-mail：

张桐艳（1987—），女，博士，讲师，研究方向为旅游资源评价与开发、旅游信息挖掘与可视化。E-mail：

收稿日期: 2024-07-18

  修回日期: 2025-01-03

  网络出版日期: 2025-05-12

基金资助

国家自然科学基金项目(42001243)

山东省自然科学基金项目(ZR2022QD132)

山东省社会科学规划项目(24DGLJ35)

教育部人文社会科学研究项目(24YJAZH226)

收起

Multi-scale Tourism Resource Spatial Information Tupu： A Case Study of Hainan Island

  • ZHANG Tongyan , 1 ,
  • ZHANG Shengrui , 1, ※ ,
  • WANG Yingjie 2, 3, 4 ,
  • YU Hu 2, 3 ,
  • HAN Ying 2, 3, 4
Expand
  • 1. College of Management， Ocean University of China， Qingdao 266100，Shandong， China
  • 2. Institute of Geographic Sciences and Natural Resources Research， Chinese Academy of Sciences， Beijing 100101， China
  • 3. University of Chinese Academy of Sciences， Beijing 100049， China
  • 4. State Key Laboratory of Resources and Environmental Information Systems， Beijing 100101， China

Received date: 2024-07-18

  Revised date: 2025-01-03

  Online published: 2025-05-12

Fold

摘要

文章基于地学信息图谱理论，从多尺度视角对旅游资源的空间单元进行界定，针对不同尺度旅游资源空间关系构建了空间尺度、空间关联、空间组合和空间结构4类空间信息图谱，并以海南岛为案例地进行实证分析，揭示了多尺度旅游地的空间差异变化规律。结果表明：①海南岛全部旅游资源与人文类旅游资源的特征尺度相同，自然类特征尺度差异较大；在全域尺度下，人文类旅游资源的特征尺度为600 m，自然类旅游资源的特征尺度为14 km，市、县的最佳尺度小于2 km。②不同地形特征条件下表现出不同类型旅游资源空间关联特征，海南岛东部地区在5 km范围内关联程度较强，其西部地区在12 km范围内关联程度较强。③在特征尺度的基础上，海南岛自然类组合特征为南部地区相对集中；人文类组合特征整体上分布较少，集中分布在北部和东部地区；自然与人文类旅游资源组合聚集分布于东南部、北部和中部地区。④随着旅游资源空间结构尺度的变化，未来旅游空间开发也应发生变化。海南岛内旅游资源集合体连通线路分布呈“田”字形，可达性最高的聚合体为海口一级热点区、三亚市中心二级热点区和白沙三级热点区，未来旅游空间布局应重点考虑东西旅游线路的建设，同时基于交通可达性程度，设计不同时间类型的旅游产品以串联不同类型的景区。

关键词： 旅游资源; 地学信息图谱; 空间尺度; 空间关联; 空间信息图谱; 可达性; 海南岛

本文引用格式

张桐艳 , 张生瑞 , 王英杰 , 虞虎 , 韩莹 . 多尺度旅游资源空间信息图谱构建——以海南岛为例[J]. 经济地理, 2025 , 45(2) : 236 -248 . DOI: 10.15957/j.cnki.jjdl.2025.02.023

Abstract

Based on the theory of geological information Tupu, this study defines the spatial units of tourism resources from a multi-scale perspective and constructs four types of spatial information Tupu for tourism resources at different scales: spatial scale, spatial correlation, spatial combination, and spatial structure. Taking Hainan Island as a case study for empirical analysis, it reveals the spatial variation patterns of multi-scale tourism destinations. It's found that: 1) The characteristic scales of all tourism resources and cultural tourism resources in Hainan Island are consistent, whereas natural tourism resources exhibit significant differences in characteristic scales. At the full-scale level, the characteristic scale for cultural tourism resources is 600 meters, whereas that of natural tourism resources is 14 kilometers. Additionally, the optimal scale for cities and counties is less than 2 kilometers. 2) Tourism resources exhibit distinct spatial correlation characteristics under various terrain conditions. It demonstrates stronger correlation in the eastern region of Hainan Island within a 5-kilometer range, while in the western region of Hainan Island, a stronger correlation is observed within a 12-kilometer range. 3) Based on characteristic scale, The combination of natural tourism resources with other type of tourism resources is relatively concentrated in the southern region, whereas the combination of cultural tourism resources with other type of tourism resources are sparsely distributed, mainly in the northern and eastern regions. The combination of natural tourism resources and cultural tourism resources is primarily concentrated in the southeastern, northern, and central regions. 4) As the spatial structure scale of tourism resources changes, the tourism spatial development in the future will also undergo corresponding transformations. The connectivity lines of the tourism resource complex within Hainan Island form a grid distribution pattern. The areas with the highest accessibility include the first-level hotspot area in Haikou, the second-level hotspot area in central Sanya, and the third-level hotspot area in Baisha. Future tourism spatial planning should emphasize the construction of east-west tourism routes. Moreover, based on transportation accessibility, tourism products of varying types should be designed to connect different categories of scenic spots.

Key words： tourism resource; geological information Tupu; spatial scale; spatial relationship; spatial information Tupu; accessibility; Hainan Island

旅游资源是旅游业发展的基础，也是开展各项旅游活动的重要载体。近年来，受新冠疫情的影响，游客需求偏好发生显著转变，呈现出更加个性化和多样化的趋势[1]。旅游产业通过与农业、文化产业和信息产业等领域的深度融合，不断拓宽旅游发展空间[2]。同时，国家战略的实施也为旅游资源研究提出了新的现实需求和科学问题。新旅游资源观强调人们对不同类型、结构及层次的旅游资源进行整合、配置、重组和优化的动态过程[3]。在此背景下，亟需从多维度、多层次视角出发，结合多尺度理论构建旅游资源空间描述和分析框架，以深入探索旅游空间的复杂性和动态性。
旅游资源的概念界定、分类标准、评价与开发一直是学者们关注的热点[4-6]。目前，旅游资源的多尺度性研究主要集中于利用GIS技术以揭示旅游资源空间结构特征[7-8]，同时聚焦县级或网格尺度对旅游资源的丰度、优势度、空间格局特征、满意度等多维度开展系统性评价[9-10]。此外，有学者提出了“多尺度融合”评价单元划分方法，并引入“载体—载荷”视角，创建了新的旅游生态承载力评价体系[11]；另有研究从多尺度旅游空间行为视角探讨不同类型旅游资源融合发展中的关键作用[12]。随着大数据和人工智能技术的快速发展，多尺度研究逐渐融入人工智能技术方法，一些学者尝试构建复杂网络分析框架，探讨不同尺度网络结构对旅游目的地发展产生的实际影响[13]。同时，也有研究利用知识图谱理论与方法，对旅游资源集合体进行空间认知与识别[14]。综上，多尺度研究在旅游资源领域的应用日益广泛，但目前对旅游资源多尺度空间问题的定量解析仍显不足，尤其缺乏地理时空方面的理论和方法支撑。传统的定性方法、空间指标统计以及简单空间分析难以满足对旅游资源空间知识的深入挖掘需求[15]。因此，亟需引入概念化、指标化、模型化和可视化的空间数据挖掘方法，以进一步深化对旅游资源空间信息的解析与表达。
地学信息图谱是指按照一定指标递变规律或分类规律排列的一组能够反映地球科学空间信息规律的数字地图、图表、曲线或图像[16]。作为表达地学问题和研究时空规律的科学方法论，其具有概念化、图形化、模型化和可视化特征，已被广泛借鉴到土地利用或土地覆被、生态环境或景观、山地垂直带、城市（镇）聚落与交通、地名等领域[17-20]。然而，目前利用地学信息图谱的理论和方法在旅游资源研究中的应用仍较为缺乏，对旅游资源的认知和分类尚不够准确，制约了其合理开发和利用。鉴于此，本文基于地学信息图谱理论，从多尺度视角界定旅游资源的空间单元，并构建多尺度旅游资源空间信息图谱，深入挖掘不同空间尺度旅游资源之间、资源与环境之间的关系与结构，以期能够揭示“景点→景区→旅游区→全域”多尺度旅游地的空间变化规律，为不同尺度区域旅游发展规划提供科学指导。

1 多尺度旅游资源空间单元分类与概念界定

为进一步提取旅游资源的空间知识，首要工作是对旅游资源的空间尺度进行界定。依据旅游资源的空间尺度性，将旅游资源划分为4类空间单元，即单体、集合体、聚合体和组合区。
①单体。旅游资源单体是相对不能再分割的空间存在。单体在空间上是一种相对概念，是构成旅游资源的最基本类型，其可以表现为一座山峰、一座佛塔、一个火山口等，如海南省五指山主峰、太平山瀑布等。
②集合体。旅游资源集合体是在地域上构成一个有机体，由若干的旅游资源基本类型（单体）构成的一个资源综合体。集合体的形成与其赋存环境密不可分，在空间上具有多尺度性和可测量性，其内部的空间关系包括构成关系、衍生关系、伴生关系等。集合体可以表现为单一的自然景观、人文景观或者自然与人文复合景观，如海南五指山是由山峰、热带雨林、瀑布等若干单体构成，而北京潭柘寺则由寺钟楼、鼓楼、大雄宝殿等建筑物构成。
③聚合体。旅游资源聚合体是指由多类型单体与集合体组成的旅游资源高聚集群，具有单体或集合体高集中、拓扑临近等特点，是具有高开发价值的潜在旅游资源集聚区。北京奥林匹克森林公园与周边的国家奥林匹克体育中心、鸟巢、水立方、奥运村、国家会议中心、唐人购物中心等若干邻近集合体组合形成了一个重要的旅游资源聚合体。
④组合区。旅游资源组合区是在中、大尺度空间单元划分的区域（如行政区、流域、地貌单元等）内，由多类型的单体、集合体、聚合体组成的具有一定空间结构的旅游区域。从旅游资源管理的角度，组合区是人为划定的便于区域开发的地理空间单元。按行政区可将组合区划分出不同等级的区域单元，表现为省级、市级和县级行政单元；按不同类型地理单元可将组合区划分为流域、地貌区或其他地理单元；也可按不同格网单元划分为多尺度组合区，如5 km格网、10 km格网、15 km格网等。

2 多尺度旅游资源空间信息图谱模型构建

多尺度旅游资源空间信息图谱（Multi-scale Tourism Resources Spatial Information Tupu）是指以不同尺度旅游资源空间单元为主要分析对象，将旅游资源的尺度关系、关联关系、组合关系、结构关系等空间分布特征，通过地图、图像、表格、数学模型、概念模型及规则等抽象符号加以表达与描述，形成具有可视性、逻辑性、序列性的旅游资源空间知识。本文提出空间尺度、空间关联、空间组合与空间结构4种类型旅游资源空间信息图谱，揭示不同尺度下旅游资源空间关系模式。
多尺度旅游资源空间信息图谱借鉴了地学信息图谱的理论和方法，兼具地学空间性和旅游独特性，同时具备抽象知识性：①是旅游资源数据处理、信息提取、知识挖掘的有效理论和方法支撑；②是研究旅游资源的地域特征与空间分异规律的一种新方法与新技术；③表达方式具有多样性，是一组数字地图、图表、曲线或图像。因此，多尺度旅游资源空间信息图谱对于构建有效的区域旅游发展空间模式，科学指导区域旅游规划与开发具有现实意义（图1）。
图1 旅游资源空间信息图谱构建框架逻辑

Fig.1 Framework for the construction of tourism resource spatial information Tupu

2.1 旅游资源空间尺度图谱

2.1.1 概念模型

旅游景观的空间分布具有显著的空间异质性和空间关系复杂性，其中空间异质性体现在同类景观因地理位置、尺度、环境条件存在差异形成的区域特征，如山地景观在热带与亚热带地区的差异性；而空间关系复杂性则体现在不同景观之间因几何形态差异而形成的方位关系、拓扑关系及相关关系。这种空间异质性与空间复杂关系是尺度问题的重要成因。旅游资源的尺度特征是指旅游景观存在规模性和层次性，即同一空间尺度的旅游资源内部也具有等级性、层次性以及不同等级层次之间的空间拓扑关系。由图2可知，通过层次等级结构树分别实现了集合体、聚合体与组合区的尺度特征图谱。具体来说：①不同尺度集合体在空间上具有叠置关系，在语义上具有属性、构成、衍生等关系，将集合体划分为3个层次等级，大集合体、中等集合体、小集合体（图2a）。例如，一个县级独立型海岛为大尺度集合体，整个海岸线构成一个中等尺度集合体，不同海湾为小尺度集合体，这种情况属于同类型景观要素的空间叠置；还有一种情况是不同类型景观要素的空间叠置，如县级独立型海岛为大尺度集合体，其中山体为中等尺度的集合体，山地景观中包含的河流、水库属于小集合体。②聚合体是在空间上发生的高集聚旅游资源群，可以按空间距离划分2个层次，其上限层次根据空间距离来限定，空间距离越大，聚合体规模越大（图2b）。③组合区可分为自然类与人文类，其中自然类组合区依据景观要素的邻域距离、景观特征进行划分，如流域可分为大流域—中等流域—小流域；而人文类组合区则因行政级别不同，在尺度上形成不同等级的组合区，具体可分为省—市—县3个行政等级（图2c）。因此，集合体尺度可依据景观要素的属性以及不同尺度集合体之间的空间语义关系进行划分，其尺度关系更强调空间拓扑关系；聚合体尺度根据集聚程度进行划分，其尺度随空间距离变化而不同，聚合体之间的尺度关系更强调空间距离大小；组合区尺度依据管理单元进行划分，其尺度随开发利用的区域而发生变化，组合区之间的关系更强调隶属关系与等级关系。
图2 旅游资源空间尺度特征谱序

Fig.2 Schematic diagram of spatial scale characteristics of tourism resources

旅游资源单体被视为是最小尺度的旅游资源类型，在空间上被包含于集合体、聚合体或组合区内部。而集合体、聚合体是由旅游资源单体组成的群体，在空间规模上集合体有不同尺度大小之分，大集合体由单体群组成或是两三个小集合体构成。因此，本文不再涉及旅游资源单体尺度划分的问题，故没有单体尺度特征图谱。

2.1.2 分析方法

L-函数是一种常用的点模式分析方法，它根据空间尺度来判断事件点的空间模式，其优势在于进行多尺度分析[21]。本文采用L-函数来判断区域旅游资源点在最大聚集状态下的空间距离，并将该空间距离称为旅游资源空间格局的特征尺度。其计算公式如下：
L ( d ) = A ∑ i = 1 N ∑ j = 1 , j ≠ i N N k ( i , j ) π N ( N - 1 )
式中：A为区域的面积；N为旅游资源数量；d为距离阈值；k（i，j）是权重值。i与j的距离小于等于d时权重值为1，距离大于d时权重值为0。L（d）与d的关系能够反映旅游资源的空间格局，L（d）>0表示旅游资源在空间上呈聚集分布；L（d）<0表示旅游资源在空间上分布均匀；L（d）=0表示旅游资源在空间分布上是完全随机的。因此，可以从L（d）与d的关系图中读取L（d）最大值下的d值，即旅游资源空间格局的特征尺度，进一步研究该特征尺度下的旅游空间关联、空间组合与空间结构。

2.2 旅游资源空间关联图谱

2.2.1 概念模型

旅游资源空间关联图谱是对旅游资源空间关系的刻画，包括不同尺度旅游资源空间单元之间关系、旅游资源与环境特征之间关系及不同类型的旅游资源之间关系（图3）。按照不同空间尺度，将旅游资源空间关联关系分为集合体空间关联模式与组合区空间关联模式。其中，集合体关联模式指在集合体尺度下，挖掘关联性强的集合体外部条件特征与所包含的资源单体，提取相同类型集合体的特征集合与资源单体集合；而组合区关联模式则指在组合区内，挖掘不同类型旅游资源的关联关系。
图3 旅游资源空间关联类型图谱

Fig.3 Schematic diagram of spatial correlation Tupu of tourism resources

由于单体在空间上的粒度太小，空间关联程度的显著性较弱，而集合体作为一种景观能更好地揭示一类景观和另一类景观共同出现的统计学规律，同时聚合体又是由集合体构成，在分析过程中需要还原成集合体的类型进行分析。因此，本文选择集合体尺度作为判断空间关联关系的基本粒度。而组合区作为一种人们主观划分的区域，常以行政区作为空间管理单元，受行政区划的影响，聚合体跨区域状况较为普遍，这也导致同一聚合体可能被分割于两个行政单元内，在统计更高级别行政区域的旅游资源数量时，同一旅游资源聚合体可能会出现重复统计的问题，导致难以客观反映一个区域的旅游资源状况。从统计学角度，本文仅对集合体和组合区进行空间关联分析。

2.2.2 分析方法

依据旅游资源的空间分异规律，本文采用关联数据挖掘Apriori算法提取自然类旅游资源与环境条件、人文类旅游资源之间的空间强关联关系。通过优化算法提取旅游资源与环境要素的空间关联规则[22]，具体算法描述如下：①确定关联规则算法的环境条件因子，并运用空间分析方法提取自然旅游资源单体的环境属性因素；②设定最小支持度和最小置信度阈值；③筛选相邻原则的资源要素，计算支持度和置信度；④剔除不满足最小置信度的规则；⑤迭代找出所有支持度大于等于最小支持度的频繁项集。关联规则可表示为X→Y（C%，S%），其中X和Y表示两类不同的资源实体集合，C%和S%分别为规则的可信度和支持度。
在大尺度组合区内，自然类旅游资源与人文类旅游资源存在着密切的空间关联关系。本文借鉴景观格局空间关联模型，利用格网统计方法计算样方内自然类与人文类旅游资源之间的空间数量关系。空间关联性计算模型如下：
R = a d - b c ( a + b ) ( c + d ) ( a + c ) ( b + d )
式中：a为所有样方数，包含自然类与人文类旅游资源单体的样方数；b为所有样方中仅包含人文类旅游资源单体的样方数；c为所有样方中仅包含自然类旅游资源单体的样方数；d为所有样方中同时不包含自然类与人文类旅游资源单体的样方数。R的取值介于-1~+1之间，R>0为正关联，R=0为无关联，R<0为负关联。R值显著性检验的计算公式表示为：
X 2 = n ( a d - b c ) 2 ( a + b ) ( c + d ) ( a + c ) ( b + d )
式中：当|X2| > X2α时，表示自然类与人文类旅游资源之间的数量空间关联关系达到显著性水平；当|X2| < X2α时，则表示两者之间数量空间关联关系不显著。其中，X2为计算的关联性指标值，X2α为给定显著性水平（α=0.05）对应的临界值。

2.3 旅游资源空间组合图谱

2.3.1 概念模型

旅游资源空间组合图谱是在特征尺度上，不同类型旅游资源空间组合特征的刻画，使组合效应最大化，达到1+1>2的组合效应。按旅游资源类型可分为自然类组合、人文类组合、自然与人文类组合，其中自然类组合以自然类中的不同主类进行组合，人文类组合以人文类中的不同主类进行组合，自然与人文组合以自然类中的主类与人文类中的主类进行组合（图4）。按旅游资源空间尺度可分为集合体组合、聚合体组合、组合区组合。其中，集合体组合可分为集合体之间与集合体内部的类型组合，前者称为外部空间组合，后者称为内部景观组合；聚合体组合是旅游资源群的空间组合，可分为相同主类集聚组合与不同主类集聚组合，前者称为主类组团，后者称为主类聚集；组合区组合按组合区类型分为行政区组合与自然地理单元空间邻近组合，前者称为区域划分，后者称为地域组合（图5）。
图4 旅游资源类型组合图谱

Fig.4 Schematic diagram of combination Tupu of tourism resource type

图5 旅游资源空间组合图谱

Fig.5 Schematic diagram of spatial combination Tupu of tourism resources

2.3.2 分析方法

本文选择省域尺度下距离阈值判定旅游资源的组合程度，小于距离阈值的旅游资源组合性越好。在地理学领域，图谱可以将地理问题描述为可以在地理网络中定量测量的点和线的排列模式。本文采用地理网络分析方法构建旅游资源类型组合图谱，利用关联矩阵表示不同类型旅游资源的组合，其中图中的顶点代表不同类型旅游资源的分布中心，而顶点之间的边代表不同类型旅游资源的组合。图G = （V，E）的顶点集V是n阶相关方阵，边E是约束函数，可以表示为：
G ( V i j ) = v 11 v 12 ⋯ v 1 m v 21 v 22 ⋯ v 2 m ⋯ ⋯ ⋯ ⋯ v n 1 v n 2 ⋯ v n m
$ G_h\left(E_{ij}\right)= \begin{cases} 0\quad(h>d) \\ \sum_{i=1}^nE_{ij}(h\leq d) & \end{cases} $
式中： V i j是 V i和 V j之间的关系，表示旅游资源的类型； E i j是与第j个节点直接相连的第i个节点之间的实际连接边数，是 V i和 V j之间的距离；h是各类旅游资源的实际距离；d是由L-函数计算的距离阈值。
为了度量旅游资源价值在不同维度上差异，本文引入基于余弦距离的层次聚类算法[23]，对每个地域单元旅游资源价值组合进行划分，从而构建旅游资源空间组合图谱。层次聚类算法包括以下步骤：步骤1是对数据进行标准化处理；步骤2是选择聚类数开始数据聚类；步骤3是将原始数据中的每个数据点视为一个类，然后选择两个类之间的测距标准；步骤4是将两个聚类的最小余弦距离合并成一个聚类，不断迭代，直到所有数据点合并成一个聚类。

2.4 旅游资源空间结构图谱

2.4.1 概念模型

旅游资源空间结构图谱是对旅游资源节点与外部交通线路空间拓扑关系的刻画，其将不同尺度、不同类型旅游资源以“节点”与“线路”进行空间组织与串联。其中“节点”即旅游资源集合体和聚合体以空间斑块形式镶嵌于大尺度组合区上；“线路”即旅游线路，是连接各资源节点的通道。针对不同尺度旅游资源，旅游资源的空间结构具有差异性，未来旅游空间开发方向也不同，如景区与区域旅游空间规划，考虑到旅游要素的尺度不同、等级不同、类型不同以及要素配置比例和组合方式的不同，可以形成不同层次的旅游空间结构。图6所示，随着层次的增加，尺度依次降低，空间结构中的节点、连接线、功能分类等也相应发生变化。其中，区域尺度的旅游空间布局以“核”“轴”“区”的形式存在，属于第一层次网络结构（图6a）；旅游区尺度空间布局通过公路交通对景区进行连接，属于第二层次网络结构（图6b）；景区尺度空间布局通过旅游线路（游步道）对景点进行连接，属于第三层次网络结构（图6c）。因此，旅游资源空间结构本质上是一种网络结构，通过旅游通道对旅游资源之间进行空间联系，即集合体内单体与单体之间通过旅游线路进行空间连接，外部集合体之间通过交通网络进行空间连接，形成不同类型、不同层次的旅游线路。
图6 旅游资源空间结构图谱

Fig.6 Schematic diagram of spatial structure Tupu of tourism resources

2.4.2 分析方法

本文采用可达性指标衡量旅游资源结构图谱中结构要素的关系，分析不同尺度下的各类旅游资源之间的空间连通性。通过计算游客到达景点需要克服的阻力来描述可达性，即时间成本距离[24]。计算公式如下：
c o s t = 1 v · 60
式中： v为各类空间对象的设定速度，单位为km/h； c o s t为时间成本值，单位为min/km。 v的具体值设定依据2020年中国不同级别铁路运行速度标准及《公路工程技术标准（JTGB01—2014）》与海南岛不同等级公路交通实际情况，设定研究区各等级公路交通的平均行车速度，并以分钟为单位来计算时间成本值（表1）。
表1 主要交通线路等级时间成本值

Tab.1 Time cost values of major traffic route levels

道路等级 高铁 铁路 高速公路 国道 省道 县道 空白区域
速度（km/h） 200 120 120 80 60 40 5
时间成本（min/km） 0.30 0.50 0.50 0.75 1.00 1.50 12.00

3 实证分析

本文选择海南岛作为案例地开展多尺度旅游资源空间信息图谱构建研究。从尺度上来看，海南岛本身是具有边界清晰的地理综合体，在空间上存在多尺度嵌套关系，包含流域、海湾、山地等中、小尺度地理单元。从资源特点来看，海南岛具有独特的海岸景观，拥有山岳、热带与亚热带森林资源，动植物资源丰富，气候环境资源品质高，是文化与旅游资源富集区。因此，以海南岛为研究案例地，不仅具有类型和尺度上的典型性，还具有区域代表性。本文采用空间信息采集系统App，实地调查共获取海南岛10260个旅游资源单体的详细信息，包括旅游资源单体名称、类型、所属行政区、坐标、得分、等级等信息；在此基础上，根据前期研究成果，提取集合体和聚合体，并划分行政级别的组合区。

3.1 空间尺度图谱

本文首先采用CrimeStat软件的L-函数并根据Monte Carlo进行模拟检验，获得4个不同组合区尺度下的集聚特征尺度；继而计算获得总体、自然类、人文类与7个主类的旅游资源单体在不同组合区尺度下的特征距离d，并将获得集聚强度最大值时的特征距离定义为最佳尺度。同时，按照面积大小将海南岛组合区尺度分为4个区间，即[3，3.4）万km2、[2，3）万km2、[1，2）万km2、（0，1）万km2范围内，计算获得特征距离均值（表2）。由表2可知，总体与人文类旅游资源的特征尺度相同，自然类特征尺度差异较大。若组合区尺度为全岛或省级区域，人文类旅游资源在600 m处集聚强度达到最大，而自然类特征尺度为14 km处，其中地文景观、建筑与设施的最佳尺度超过20 km，海洋与海岸的特征尺度超过10 km，水域景观、生物景观、天气与天象景观的最佳尺度小于5 km，历史遗迹最佳尺度最小，约为600 m处聚集程度达到最大；若组合区尺度为市、县级区域，不同类型旅游资源特征尺度差异较小，最佳尺度小于2 km。
表2 不同类型旅游资源特征尺度

Tab.2 Characteristic scale of different types of tourism resources

面积（万km2） 特征距离（km）
总体 自然 人文 地文景观 水域景观 天气与气候景观 生物景观 海洋与海岸景观 建筑与设施 历史遗迹
[3，3.4） 0.60 14.29 0.60 33.79 4.43 2.38 1.19 12.75 28.97 0.60
[2，3） 0.50 3.97 0.52 18.45 0.85 2.55 1.04 11.49 18.34 0.52
[1，2） 0.39 0.41 0.41 7.02 0.41 2.02 0.65 5.01 4.55 0.41
（0，1） 0.22 0.24 0.24 0.24 0.24 0.59 0.24 1.80 1.04 0.24

3.2 空间关联图谱

3.2.1 旅游资源与自然环境要素空间关联图谱

以高程与坡度作为环境条件因子，采用等间距分级法对高程与坡度进行离散化分级，将高程划分为6个区间：[-5，300） m、[300，600） m、[600，900） m、[900，1200） m、[1200，1500） m、[1500，1800） m。坡度分级依据《水土保持综合治理 规划通则（GB_T15772—1995）》，分为6级：<5°为微坡，[5°，8°）为较缓坡，[8°，15°）为缓坡，[15°，25°）为较陡坡，[25°，35°）为陡坡，≥35°为急陡坡。本文选取瀑布、沟壑与洞穴、军事遗迹、宗教与祭祀活动场所4种典型类型做空间关联规则提取，最终挖掘出支持度大于5%、置信度大于50%的强关联旅游资源，获得不同地形特征条件下不同类型旅游资源组合特征。由表3可知，关联规则解释为：①在低于海拔300 m的缓坡上，沟壑与洞穴景观常伴有历史事件发生地、独树与丛树、游憩河段、奇特与象形山石、军事遗址与古战场等景观；在海拔[600，1200 m）的陡坡上，沟壑与洞穴景观常伴有钙华与泉化景观。②在低于海拔600 m的陡坡上，军事遗址与古战场景观常伴有碑碣、碑林、经幢；在低于海拔900 m的缓坡上，常伴有独树、林地、河段等景观。③在低于海拔1500 m的缓坡、陡坡上，瀑布景观周围常伴有沟谷型景观、游憩河段、林地、潭池、史前人类活动遗址、陵墓等景观。④在低于海拔300 m的缓坡上，宗教与祭祀活动场所景观周边常伴有沟壑与洞穴、泉、塔型建筑景观；在[300，900 m）的缓坡上，常有军事遗址与古战场、游憩河段、林地景观。
表3 不同地形条件下不同类型旅游资源之间的关联规则

Tab.3 Association rules between different types of tourism resources under different terrain conditions

前项类型 前项属性(高程；坡度) 后项
沟壑
与洞
穴		 [0，300）m；[5°，25°） 历史事件发生地
[0，600]m；[5°，25°） 独树与丛树
[0，900）m；[5°，35°） 游憩河段
[0，300）m、[600，900）m；[5°，25°） 奇特与象形山石
[0，300）m；<5°、[5°，8°）、[15°，25°）、[25°，35°） 军事遗址与古战场
[0，300）m、[600，1200]m；[25°，35°）、≥35° 钙华与泉华
[0，300）m、[600，900]m；<5°、[8°，15°] 瀑布
[0，300）m、[600，900]m；<5°、[8°，15°）、[15°，25°] 史前人类活动遗址
军事
遗址
与古
战场		 [0，600）m；[5°，8°）、[25°，35°） 碑碣、碑林、经幢
[0，900）m；[5°，25°] 独树与丛树
[0，900）m；[5°，35°） 游憩河段
[0，900）m；[5°，35°） 林地
[0，600）m；[5°，8°）、[25°，35°） 纪念地与纪念活动场所
瀑布 [0，1500）m；[5°，35°） 沟谷型景观
[0，1500）m；[5°，35°） 游憩河段
[0，1500）m；[5°，35°） 林地
[0，1500）m；[5°，35°） 潭池
[0，1500）m；[5°，35°） 史前人类活动遗址
[0，900）m；[5°，35°） 陵墓
宗教
与祭
祀活
动场
所		 [0，300）m；[5°，15°] 沟壑与洞穴
[0，300）m；[5°，8°） 泉
[0，300）m；[5°，25°] 塔式建筑
[0，600）m；[5°，25°] 独树与丛树
[0，600）m；[5°，25°] 军事遗址与古战场
[0，900）m；[5°，25°] 游憩河段
[0，900）m；[5°，25°] 林地

3.2.2 自然类与人文类旅游资源空间关联图谱

按照海南岛自然类和人文类旅游资源的分布，分别选取1、2、3、4、5、6、7、8、9、10、11、12 km格网，利用式（3）计算不同格网尺度的自然类与人文类的空间关联关系，得出5和12 km处自然类旅游资源与人文类旅游资源空间关联指数最大（图7）。按5 km网格得出海南岛东部地区高值样方数量明显多于西部地区，南部三亚地区的空间关联性强度高于北部海口地区；按12 km格网得出海南岛西部地区高值样方数量明显多于东部地区，南部三亚地区的空间关联性高值样方数量高于北部海口地区。由此可见，海南岛东部地区在5 km范围内旅游资源关联程度较强，西部地区在12 km范围内旅游资源关联程度较强。
图7 基于组合区尺度下的旅游资源空间关联图谱

Fig.7 Spatial association Tupu of tourism resources based on combination area scale

3.3 空间组合图谱

3.3.1 类型组合图谱

空间组合图谱为不同类型的旅游资源组合，包括自然类组合、人文类组合和自然与人文组合（图8）。由图8a可知，自然类景观组合特征为南部地区相对集中，资源组合为水域景观、生物景观、海岸景观、气象景观组合；西南和中北部地区主要是地文景观和生物景观组合，海口至万宁东北沿线也有零星组合。由图8b可知，人文类组合类型为建筑景观和历史遗迹，整体上组合分布较少，主要分布在北部的海口市和东部的琼海市。由图8c可知，自然类和人文类旅游资源组合集中在东南部、北部和中部地区，分散分布在西海岸。其中中部地区的大部分组合景观为历史遗迹、生物、水域和地文景观组合，南部地区的组合景观为海岸、建筑和历史遗迹组合，北部地区的组合景观为海岸和建筑组合。根据海南岛旅游资源的空间组合分布特征，形成四大组合区域，即以“海口—文昌—琼海—万宁”的东北组合区，以“三亚—乐东”的南部组合区，以“临高—儋州”的西部组合区和以“东方—长江—白沙—屯昌—定安—五指山—保亭—陵水”的中部组合区（图8d）。
图8 旅游资源类型空间组合图谱

Fig.8 Tupu of spatial combination among tourism resource types

3.3.2 地域组合图谱

根据旅游资源本体价值，通过层次聚类分析得到4种类型（图9）。其中，Ⅰ类旅游资源总量和质量都较小，但类型多样，资源组合较好，主要分布在中部山区，涉及34个乡镇，占海南岛乡镇总数的18%；Ⅱ类旅游资源总量大，优质资源量比较大，资源组合也最好，但类型比较单一，集中分布于五指山地区，涉及14个乡镇，占海南岛乡镇总数的8%；Ⅲ类旅游资源总量小，组合差，但种类多，资源质量高，分散分布在南部地区，涉及77个乡镇，占海南岛乡镇总数的42%；Ⅳ类旅游资源总量比较高，但优质资源少，类型单一，组合较差，集聚分布于北部的海口市和南部的三亚旅游景区，涉及59个乡镇，占海南岛乡镇总数的32%。综上所述，从海南岛全域尺度来看，旅游资源地域组合特征表现为中部山区类型多样、组合性好、集聚分布，其中五指山地区类型多、组合好，但分散分布；南部地区类型多样、多优质资源，但分散分布；北部和南部地区旅游资源数量较多，且集聚分布。
图9 旅游资源地域空间组合图谱

Fig.9 Tupu of spatial combination among tourism resource regions

3.4 空间结构图谱

3.4.1 集合体可达性分析

由图10可看出，基于公路交通的海南岛旅游资源集合体连通线路分布呈“田”字形，分为6段：南北段（三亚—海口）、西东段（儋州—万宁）、东北段（万宁—海口）、西北段（儋州—海口）、东南段（万宁—三亚）、西南段（儋州—三亚）。海南岛内部交通由国道、省道、县道组成，外围交通由高速公路构成。其中，南北线国道部分由观澜湖经南丽湖、木色湖至五指山，再由五指山经省道至亚龙湾，全程约3 h35 min；西东线国道部分由海尾湿地经白沙陨石坑、木色湖至母瑞山，再由母瑞山经省道至万泉河，全程约4 h。外围海岸线部分：东北海岸线由万泉河经清澜湾、东寨港至观澜湖，全程约2 h30 min；西北海岸线由海尾湿地经峨蔓火山、百仞滩至观澜湖，全程约1 h30 min；东南海岸线由万泉河经香水湾、陵水湾至亚龙湾，全程1 h20 min；西南海岸线由海尾湿地经棋子湾、莺歌海、南山至亚龙湾，全程约2 h20 min。
图10 基于公路交通的旅游资源集合体可达性分布

Fig.10 Accessibility distribution of tourism resource aggregation area based on traffic highway

3.4.2 聚合体可达性分析

进一步对旅游资源聚合体进行空间可达性分析，得到旅游资源聚合体空间结构图谱（图11）。根据等间隔距离法将可达性从高到低依次分为6个等级：[0，30） min、[30，60） min、[60，90） min、[90，120） min、[120，150） min、[150，180） min。通过与研究区公路分布图对比发现，可达性最高的聚合体为海口一级热点区，三亚二级热点区和白沙三级热点区，其次为琼海二级热点区，可达性最低的聚合体为三亚崖州区热点区（聚合体由核密度分析生成，其等级依据核密度值进行划分[9]）。其中，五指山—琼中—万宁—陵水—保亭区域道路网密度与海口、三亚相比较低，但其可达性高，表明该区域的道路网连通性好，道路节点较多，未来可在该区域的公路沿线设置多个旅游景点。从道路通达性看，除了儋州至白沙段的三级热点区和琼海至海口的三级热点区是由省道连接外，其余部分均可通过高速公路或国道直达。
图11 基于公路交通的旅游资源聚合体可达性分布

Fig.11 Accessibility distribution of tourism resource agglomeration area based on traffic highway

4 结论与讨论

4.1 结论

本文基于地学信息图谱理论，从多尺度视角对旅游资源的空间单元进行界定，并针对不同尺度旅游资源之间及其与环境的空间关系，构建了旅游资源空间尺度、空间关联、空间组合和空间结构4种类型空间信息图谱，揭示出不同尺度旅游资源空间模式；同时，通过对空间信息图谱的实证分析，探讨了海南岛多尺度旅游地的空间差异变化规律。研究结论如下：
①旅游资源空间尺度图谱揭示出尺度具有等级性、层次性以及不同等级层次之间的空间拓扑关系。海南岛全部旅游资源与人文类旅游资源的特征尺度相同，自然类特征尺度差异较大。若组合区尺度为全岛或省级区域，人文类旅游资源的特征尺度为600 m，自然类旅游资源的特征尺度为14 km；若组合区尺度为市、县级区域，不同类型旅游资源特征尺度差异较小，最佳尺度小于2 km。
②旅游资源空间关联图谱揭示出不同地形特征条件下不同类型旅游资源组合具有差异性，以及不同类型旅游资源关联程度的空间尺度性和异质性。海南岛在低于海拔300 m的缓坡上，沟壑与洞穴景观常伴有历史事件发生地、独树与丛树、游憩河段、奇特与象形山石等景观，宗教与祭祀活动场所景观周边常伴有沟壑与洞穴、泉、塔型建筑景观；在低于海拔600 m的陡坡上，军事遗址与古战场景观常伴有碑碣、碑林、经幢等景观；在低于海拔900 m的缓坡上，常伴有独树、林地、河段等景观；在低于海拔1500 m的缓坡、陡坡上，瀑布景观周围常伴有沟谷、游憩河段、林地、潭池、史前人类活动遗址、陵墓等景观。海南岛在5 km和12 km尺度上自然类旅游资源与人文类旅游资源空间关联指数最大，其中东部地区在5 km范围内关联程度较强，西部地区在12 km范围内关联程度较强。
③旅游资源空间组合图谱揭示出不同类型旅游资源空间组合分布特征具有差异性。海南岛自然类组合特征为南部地区相对集中，资源组合类型为水域景观、生物景观、海岸景观、气象景观组合；西南和中北部地区主要是地文景观和生物景观组合。人文类组合特征为建筑景观和历史遗迹组合，整体上分布较少，主要分布在北部的海口市和东部的琼海市。自然和人文旅游资源组合主要聚集分布于东南部、北部和中部地区，分散分布在西海岸。
④旅游资源空间结构图谱揭示出不同尺度旅游资源的空间结构具有差异性，未来旅游空间开发方向也应不同。从集合体尺度分析看，海南岛内旅游资源集合体连通线路分布呈“田”字形；从聚合体尺度分析得到可达性最高的聚合体为海口一级热点区，三亚市中心二级热点区和白沙三级热点区；从组合区尺度看，海南岛外围交通很便利，内部东西线交通便利性一般，未来旅游空间布局应重点考虑东西旅游线路的建设，同时基于交通可达性程度，设计不同时间类型的旅游产品以串联不同类型的景区。

4.2 讨论

在新冠疫情和人工智能技术双重影响下，人们对旅游空间需求发生了显著变化[25]。旅游资源的多尺度研究有助于深度挖掘景点、景区、旅游区等不同尺度、不同类型旅游空间及其相互关系，深化对不同尺度旅游空间的文化内涵和生态价值的理解，对优化旅游空间开发策略、加强资源保护、提升旅游体验质量以及促进区域经济均衡发展具有重要的意义[26]。但是，当前研究多集中于单一尺度，例如省级或市级尺度，缺乏对不同尺度之间的综合分析与比较[27]，这种单一尺度的研究限制了对旅游资源空间关系与结构的全面理解。而地学信息图谱结合地理空间数据的多尺度表达模型，能够将地理空间实体进行多尺度嵌套的序列空间划分，从而实现对不同尺度下地理现象的精确描述和分析[28]。尽管已有研究提出了多尺度表达模型及其可视化方法，但地学信息图谱在旅游领域应用的广度和深度仍显不够，尤其是在旅游资源研究中基本处于空白阶段。与传统研究不同的是，一方面本文在传统旅游资源分类的基础上，基于空间尺度视角对旅游资源进行重分类与界定，在原有分类体系中保留了单体和集合体，二者都是旅游资源空间基本存在，即独立的资源个体，区别在于空间粒度上是否可再划分；从管理单元上增加了聚合体的概念，保留了组合区，但在内涵上与原有组合区有所区别，聚合体和组合区都不再是独立的资源个体，而是由旅游资源群构成的一种空间区域。因此，本文提出的基于空间尺度视角下的旅游资源分类框架，厘清了不同旅游资源之间以及旅游资源与区域之间的空间关系。另一方面，本文通过地学信息图谱方法探索多尺度旅游资源的空间特性，利用空间思维和图形思维构建多尺度旅游资源空间信息图谱模型进行知识发现和可视化表达，深度挖掘旅游资源的空间尺度、空间关联、空间组合、空间结构等关系模式，并通过实证案例分析论证了旅游资源空间信息图谱理论模型的科学性和规范性。本文在理论上从多尺度视角将旅游资源空间进行划分，在此基础上从尺度关系、关联关系、组合关系和结构进一步分析旅游资源的空间模式，是对旅游资源研究范畴的进一步补充；在研究思路和方法上，尝试将地学信息图谱理论与GIS方法相结合并应用于旅游资源领域，提出了多尺度旅游资源空间信息图谱，为新时代国家战略背景下旅游资源科学体系的研究提供了新的方法。本文所构建的多尺度旅游资源空间信息图谱，不仅为不同尺度旅游地的空间研究提供方法论，同时为海南岛旅游空间开发提供了决策参考。
地理空间人工智能（GeoAI）技术和地理大数据的发展显著提升了GIS的智能化水平，极大地推动了旅游资源研究的创新和升级，能够实现对旅游资源的高效管理和科学规划[29]。如何整合GIS、知识图谱、深度学习和大模型等智能技术，有效地用于旅游资源的知识挖掘，推动旅游业的智能化发展，是未来旅游资源研究需要深入探讨的课题。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Kim J, Park J, Kim S, et al. COVID-19 restrictions and variety seeking in travel choices and actions: The moderating effects of previous experience and crowding[J]. Journal of Travel Research, 2022, 61(7):1648-1665.

[2]
王朝辉. 产业融合拓展旅游发展空间的路径与策略[J]. 旅游学刊, 2011, 26(6):6-7.

[3]
任以胜, 陆林, 韩玉刚. 新旅游资源观视角下旅游资源研究框架[J]. 自然资源学报, 2022, 37(3):551-567.

DOI

[4]
郭来喜, 吴必虎, 刘锋, 等. 中国旅游资源分类系统与类型评价[J]. 地理学报, 2000, 55(3):294-301.

DOI

[5]
白凯, 王馨. 《旅游资源分类、调查与评价》国家标准的更新审视与研究展望[J]. 自然资源学报, 2020, 35 (7):1525-1540.

DOI

[6]
朱鹤, 高翔宇, 张生瑞, 等. 旅游资源区域组合:内涵、识别技术与关键问题[J]. 自然资源学报, 2024, 39 (7):1493-1511.

DOI

[7]
苗红, 张敏. 基于GIS缓冲区分析的西北民族地区“非遗”旅游资源空间结构研究[J]. 干旱区资源与环境, 2014, 28 (4):179-186.

[8]
李鹏, 王英杰, 虞虎, 等. 基于GIS格网化分析支撑的旅游空间规划技术方法研究——以青岛市为例[J]. 自然资源学报, 2018, 33 (5):813-827.

DOI

[9]
Zhang T, Wang Y, Zhang S, et al. Evaluation of ontological value of regional tourism resources:A case study of Hainan Island,China[J]. Journal of Geographical Sciences, 2021, 31(7):1015-1038.

[10]
Chen C, Chen S, Lee H, et al. Exploring destination resources and competitiveness-A comparative analysis of tourists' perceptions and satisfaction toward an island of Taiwan[J]. Ocean & Coastal Management, 2016,119:58-67.

[11]
王雨青, 李玉凤, 徐薇, 等. 基于多尺度融合的旅游生态承载力评估[J]. 自然资源学报, 2024, 39(7):1575-1590.

DOI

[12]
陈佳淇, 王胜宏, 王圣斌, 等. 长征沿线红色旅游多尺度空间行为模式挖掘与仿真模拟[J]. 旅游学刊, 2024, 39(4):124-138.

[13]
Gao J, Peng P, Lu F, et al. A multi-scale comparison of tourism attraction networks across China[J]. Tourism Management, 2022,90:104489.

[14]
张桐艳, 王英杰, 张生瑞, 等. 基于Voronoi模型的海南岛旅游资源集合体空间边界提取[J]. 地理学报, 2021, 76(6):1553-1569.

DOI

[15]
王英杰, 张桐艳, 李鹏, 等. GIS在中国旅游资源研究与应用中的现状及趋势[J]. 地球信息科学学报, 2020, 22(4):751-759.

DOI

[16]
齐清文. 地学信息图谱的最新进展[J]. 测绘科学, 2004, 29 (6):15-23,3.

[17]
张百平, 周成虎, 陈述彭. 中国山地垂直带信息图谱的探讨[J]. 地理学报, 2003, 58(2):163-171.

[18]
王志华, 杨晓梅, 周成虎. 面向遥感大数据的地学知识图谱构想[J]. 地球信息科学学报, 2021, 23(1):16-28.

DOI

[19]
胡最, 郑文武, 刘沛林, 等. 湖南省传统聚落景观基因组图谱的空间形态与结构特征[J]. 地理学报, 2018, 73(2):317-332.

DOI

[20]
王莹莹. 多尺度行政地名演变信息图谱构建与演变机制研究[D]. 北京: 中国科学院大学, 2020.

[21]
Ripley B D. Modelling spatial patterns[J]. Journal of the Royal Statistical Society, 1977, 39(2):172-212.

[22]
陈刚, 何政伟, 杨斌. 地形特征与山地气候变化空间关联规则数据挖掘研究[J]. 地理与地理信息科学, 2010, 26(1):37-40,47.

[23]
田至美, 文一惠. 天津市旅游资源的空间组合特征及其优化开发策略[J]. 资源与产业, 2010, 12(1):89-94.

[24]
王莹莹, 王英杰, 戈大专, 等. 典型贫困山区旅游景点可达性评价方法研究[J]. 地球信息科学学报, 2018, 20(7):957-966.

DOI

[25]
刘培学, 王欢颖, 陈伟, 等. 新冠疫情对旅游景区客源市场需求的空间分异影响——以南京夫子庙景区为例[J]. 地理科学, 2022, 42(7):1250-1259.

DOI

[26]
唐月亮, 段建南, 魏晓, 等. 中国旅游用地研究进展与启示[J]. 经济地理, 2021, 41(5):213-222.

DOI

[27]
张广海, 袁洪英, 段若曦, 等. 中国高等级旅游景区资源多尺度时空差异及其影响因素[J]. 自然资源学报, 2022, 37(10):2672-2687.

DOI

[28]
王迪, 钱海忠, 赵钰哲. 综述与展望:地理空间数据的管理、多尺度变换与表达[J]. 地球信息科学学报, 2022, 24(12):2265-2281.

DOI

[29]
蒋依依, 高洁, 郭佳明, 等. 地理大数据在旅游领域的创新应用及学科影响和研究展望[J]. 地球信息科学学报, 2024, 26(2):242-258.

DOI

Options
文章导航

/

〈 〉