南京城市旅游流空间分布格局演变

南京城市旅游流空间分布格局演变

旅游业是旅游业的基础，也是旅游业地理研究的中心主题之一。目前国内外旅游流研究内容侧重于旅游流时空特征[4,5,6,7,8,9,10,11,12]、出行和入游规律、旅游流空间场效应、旅游流空间结构[17,18,19,20,21,22,23,24]、旅游流模式等;研究方法上,引入了各种数理模型来解释旅游流现象。同时,近期国外学者开始加强了对城市内部旅游流研究,已取得了较多成果[25,26,27,28,29,30,31,32,33,34,35,36,37]。与国外研究相比,中国国内学者在区域旅游地和山岳型景区旅游流入游规律及城市客源地旅游流出游规律方面,已取得了较多成果,但较少从城市目的地内部尺度研究旅游流的动态过程。城市是现代旅游的重要资源,亦是旅游产业的要素载体和重要发展空间,城市已成为重要旅游目的地。随着城市功能转型与旅游发展,城市内部旅游流对城市交通格局、基础设施建设、休闲产业布局等影响日益凸显。本文立足城市内部微观尺度,力求揭示20世纪90年代中期以来南京市内部旅游流空间动态变化。采用Surfer动态图,实态模拟南京旅游流空间分布格局,以期探索城市内部旅游流空间模式,也为具体指导特定区域旅游开发和旅游线路组织、城市基础设施和交通规划、旅游服务设施和产品布局、旅游社会、环境和文化影响管理提供科学依据。1旅游产业资源丰富,带动国内旅游发展南京地处长江中下游,是中国著名的四大古都之一,历史悠久,文化深厚,自古以来被称为“六朝古都”和“十朝都城”。南京作为中国著名的历史文化名城和首批中国优秀旅游城市,境内旅游资源丰富。2000年中山陵、夫子庙秦淮风光带和雨花台被国家旅游局、国家建设部评为国家首批4A级旅游区,2003年明孝陵入选世界文化遗产,总统府、阅江楼建成为国家4A级旅游区。近10a南京国内旅游接待人次一直保持高速增长,年均增长率为14.13%。1995年全市国内旅游接待人次为764.66万人次,2008年增长到4970万人次。因此,研究南京内部旅游客流空间具有一定的代表性。2数据源和测量方法2.1资料与数据收集合理的时间断面选择对于南京内部旅游客流空间变化的研究有着十分重要的意义。时间段选取进一步考虑了中国旅游发展的制度因素和南京国内旅游接待人次变化特点。1995年,国务院实行双休日工作制,居民闲暇时间增多,国内旅游快速发展;1999年,国务院公布新的《全国年节及纪念日放假办法》等进一步刺激了国内居民出游。2005年,南京国内旅游接待人次首次突破3000万。2006～2008年,国内接待人次保持稳定增长,基本维持在3000～4000万之间。据此,选取1995～2005年近10a间南京内部旅游客流空间变化,重点分析1995年、1999年、2005年三个时间断面。收集和处理属性数据。以南京旅游景点接待量统计资料(1995年、1998～2005年)1为依据,以南京市区范围作为研究重点,建立旅游流属性数据。1995年以来南京景区数量和客流规模明显增加。1995年景区数量仅为13个,总流量1923.5万人次;到2005年则达到了63个,总流量高达4901.15万人次,约为1995年的2.5倍。其中,中型和小型旅游流的旅游景区数量增长较快。采集旅游流位置数据和关系数据。①采用GPS测度南京市旅游景区经纬度,通过Mapinfo建立空间数据库。②建立旅游流流向流量空间关系数据库。在进行预调查的基础上,最后选择16个代表性旅游节点(夫子庙、钟山风景区、总统府、大屠杀纪念馆、明故宫、玄武湖、中华门城堡、雨花台、阅江楼、栖霞山、梅园新村、新街口、莫愁湖、清凉山、湖南路步行街、长江大桥)进行旅游者问卷调查,构造旅游节点流量流向数据矩阵Xij。调查时间为2006年6月,总计发放问卷800份,剔除无效问卷41份,问卷有效率为98.75%。2.2测量方法2.2.1中小型旅游景区的空间节点分布运用城市地理学位序-规模分布方法,刻画城市内部旅游流变化特征,以揭示城市内部旅游流系统空间分布的演变趋势。将旅游景区(点)从大到小按旅游流量规模排序,位序-规模法常见的表达式为:Ρi=Κ×Ri-q或lgΡi=lgΚ-qlgRi(1)Pi=K×Ri−q或lgPi=lgK−qlgRi(1)式中,Ri为旅游景区(点)i旅游流量的规模位序;Pi为位序为Ri的旅游景区(点)旅游流流量规模;K、q为参数。若|q|>1,表明城市内部旅游流空间分布不均衡,核心旅游景区占绝对优势,极化过程明显;若|q|<1,说明城市内部旅游流扩散作用显著,中小旅游景区占优势,空间演变趋向于均衡发展;若q=0,则表明所有旅游景区间旅游客流规模无差异,实现完全均衡。2.2.2相关空间的自适应方法(1)全球moran’siGlobalMoran’sI统计量是常用的全局空间自相关度量指标,常用于衡量空间要素的相互关系,其范围为-1～1。大于0表明存在空间的正相关,反之为负相关,等于0则表明不存在空间相关性。其计算公式如下:Ι=ns0n∑i=1n∑j=1w(i,j)(xi-ˉx)(xj-ˉx)n∑i=1(xi-ˉx)2(2)式中,n为对象的数目,xi和xj为对象的属性值,为属性值的均值,s0=n∑i=1n∑j=1w(i,j)。w(i,j)表示i景区与j景区之间的空间邻近关系,是衡量空间景区间空间关系的权重矩阵,相邻为1,不相邻则为0。s0是所有景区的权重矩阵之和。计算出GlobalMoran’sI之后,还需对其结果进行统计检验,一般采用Z检验。Ζ=Ι-E(Ι)VAR(Ι)(3)式中,E(I)为GlobalMoran’sI的期望值,VAR(I)为方差。(2)相关日常moran’sii统计量GlobalMoran’sI统计量只说明城市旅游流在空间上的平均差异程度,不反映旅游流局部空间差异。局域空间自相关LocalMoran’sIi统计量是GlobalMoran’sI的分解形式,是用来揭示空间地域单元与其邻近的空间单元属性特征值之间的相似性或相关性,其数学表达式为:Ιi=zin∑j=1Wijzj,其中‚i≠j(4)式中,zi和zj分别为空间单元i和j上观测值的标准差和标准化值;Wij是标准化的空间权重,其中n∑j=1Wij=1。2.2.3模型建立和因子得分因子分析可定量测度各旅游节点在地域上产生等级各异的旅游集聚场和扩散场。首先,构筑16×16旅游流节点的原始流量、流向矩阵Xij及其转置矩阵XijT。原始矩阵为R型,转置矩阵为Q型。其次,方差极大旋转后因子的特征根与方差平方和百分比,一般应介于70%～85%。第三,因子载荷计算。因子载荷反映因子与原始变量的关系。计算旋转后因子载荷,一般以因子载荷等于0.5为界。最后,计算因子得分。因子得分反映因子与样本间的关系。一般以因子得分绝对值等于1为界,超过此值旅游节点,在R型分析中代表集聚场中的集聚核心,在Q型分析中代表扩散场中的扩散核心。2.2.4建立网格文件的建立通过采用GPS获取南京景区经纬度的“点”位置属性数据,运用Mapinfo软件提取空间“点”的平面空间位置坐标(X,Y)数据,采用克立格插值法,借助三维绘图软件包Surfer8.0,栅格化数据,生成相应的网格文件。依据功网格文件,运用Surfer等值线绘制功能和地图,生成等值线和三维趋势面图形,并将等值线和三维趋势面图进行叠加。3研究结果3.1城市旅游走廊空间分布的动态发展3.1.1旅游流空间格局演变:极化作用下边缘区均衡化趋势逐步加强,旅游业增长持续缓慢根据公式(1),计算南京旅游流位序—规模分布。由图1可知:①各年回归拟合均通过了显著检验,且回归判定系数R2都较高,反映了南京旅游流位序—规模分布非常典型。②|q|大致呈减小趋势,表明极化作用在减弱,而以扩散作用为主的边缘区均衡化发展趋势在逐步加强。③1995～2005年,|q|大于1,揭示南京核心区域的极化发展始终居于主导地位。2002年|q|最小,说明该年核心区域对边缘区扩散作用开始显现,主要因一批新项目的启动和南京旅游倍增计划的推动,2002年,南京旅游业增长速度超过国内生产总值。④从历年回归理想值(截距项)看,极化作用、不均衡发展仍是旅游流空间格局演变中主要特征。因此,南京市旅游流空间格局从核心极化阶段向边缘扩散阶段演化。3.1.2城市内部旅游流空间集聚与分散的现状旅游流分布的实态模拟,可清楚地反映旅游活动空间集中度,但却无法反映相邻景区旅游活动互相影响的关系,也就难以从根本上概括城市内部旅游流的空间集聚与分散状态。空间自相关分析却可以弥补传统方法中空间邻近概念缺失的遗憾。(1)南京旅游流空间集聚特征根据公式(2),计算出南京旅游流GlobalMoran’sI(表1),Z检验的显著性水平(Z>2.0,p<0.001)。结果显示,南京旅游流空间呈显著空间集聚特征。1995～2005年间,全局Moran’sI系数具有一定的波动:①1995年Moran’sI最小,反映这一时期南京旅游流空间关联程度非常弱;②2001年之后,GlobalMoran’sI快速扩大,表明南京旅游流空间关联程度增强,在整体上体现出较为明显的正自相关性(空间依赖性)。(2)旅游流空间关联由于全局空间自相关指标仅仅使用一个综合指标来反映整个研究区域内的空间自相关,很难发现存在于不同位置区域的空间关联模式,所以须考察局部空间自相关。根据公式(3),计算出南京市旅游流的LocalMoran’sI,并对其显著性进行检验(p<0.05)。将计算结果用散点图表达。散点图直观地反映旅游流空间关联情况(图2)。“高高”象限(第一象限)表示该景区及其周边景区旅游流量的均值都高于全部景区平均流量;“低高”象限(第二象限)表示该景区旅游流流量低于全部景区旅游流量,但其周边景区均值高于全部景区平均流量;“低低”象限(第三象限)表明该景区及其周边景区均值都低于全部景区平均流量;“高低”(第四象限)表示该景区旅游流流量高于全部景区旅游流流量,但其周边景区均值低于全部景区平均旅游流流量。“高高”和“低低”表明具有较高的空间正相关。“高低”和“低高”则表示存在较强的空间负相关。南京旅游流在局域范围内具有强烈的空间自相关特征。3.2城市旅游走廊空间的整合与扩展分析集聚和扩散是旅游流相互作用的两种表现形式。这两种作用的结果,必定在地域上产生等级各异的集聚场和扩散场。3.2.1旅游影响范围R型因子贡献率的高低可代表集聚场的重要性程度。从因子贡献率和累计贡献率来看(表2),前4个因子累计贡献率为77.02%。由此可知,南京市内部已形成了4个重要的旅游集聚场。同时从场强上看,第一因子代表的首级集聚场强度非常大,达到了35.82%,表明它的核心地位非常显著,而其余集聚场的场强却相对较弱。R型因子得分大小可判断集聚场的核心。从因子得分大于1看(表3),南京首级集聚场核心在总统府,第二、第三、第四集聚场核分别在夫子庙、玄武湖、大屠杀纪念馆。这些集聚场核心皆为资源品位高景区,表明旅游资源引力是旅游流空间集聚的主要驱动力。另外,首级集聚场中,除总统府是最重要核之外,钟山风景区、玄武湖、新街口因子得分值也超过1,说明这3个景区在受到总统府的吸引时,也将集聚作用施加于其他景区,但没有形成明显的集聚场。R型因子载荷显示上述核心的吸引范围。因子载荷超过0.5景区可认为是集聚场的吸引范围(表3)。夫子庙、明故宫、玄武湖、雨花台4个景区第一R型因子载荷值均超过0.5,说明总统府具有较广的吸引范围,且吸引景区级别较高。第二R型因子载荷值超过0.5景区包括梅园新村、钟山风景区、总统府、莫愁湖、大屠杀纪念馆、中华门城堡6处,说明夫子庙影响范围较总统府广泛,但这些景区主要为南京南部区域,吸引强度弱于总统府。第三R型因子载荷值超过0.5为新街口、湖南路步行街、阅江楼、栖霞山、长江大桥,反映玄武湖影响范围主要集中于南京北部区域。另外,第四R型因子载荷超过0.5景区仅有清凉山,说明大屠杀纪念馆的集聚能力还很微弱。3.2.2核心景区的传播能力Q型因子贡献率的高低可代表扩散场的重要性程度。从因子贡献率和累计贡献率来看(表2),前4个因子累计贡献率为79.41%。由此可知,南京市内部已形成了4个重要的旅游扩散场。同时从场强上看,第一因子代表的首级扩散场强度非常大,达到了35.08%,表明它的核心地位非常显著,而其余扩散场的场强却相对较弱。Q型因子得分的大小可判断扩散场的核心。从因子得分大于1看(表3),南京首级扩散场的核心在钟山风景区,第二、第三、第四扩散场的核心分别为新街口、夫子庙秦淮风光带、总统府。另外,除4个最重要核之外,钟山风景区、玄武湖、大屠杀纪念馆、湖南路步行街因子得分值也超过1,说明这些景区在受到各自扩散场的核心影响时,也将扩散作用施加于其他景区,但没有形成明显的扩散场。这些景区具有较高通达性,均处于市区主干道中山路、汉中路所形成的“十字”型交通空间结构的附近,且被南京一号地铁线所连接,其中玄武湖景区紧靠车站。这进一步反映了交通通达性是旅游流空间扩散的重要驱动力。Q型因子载荷显示上述核心的扩散范围。因子载荷超过0.5景区可认为是扩散场的吸引范围(表3)。第一Q型因子载荷值超过0.5达11个景区,说明首级核钟山风景区的扩散力几乎波及南京市区。第二Q型因子载荷值超过0.5景区包括明故宫、梅园新村、莫愁湖、清凉山、中华门城堡,说明夫子庙扩散范围较广泛,但这些景区主要在南京南部区域。第三Q型因子载荷值超过0.5为新街口、清凉山、湖南路步行街、栖霞山、中华门城堡、雨花台,影响范围尺度较大,但影响强度相对较弱。另一方面,也反映了夫子庙秦淮风光带作为游客信息中心所发挥的功能。另外,第四Q型因子载荷超过0.5景区仅有钟山风景区、大屠杀纪念馆、长江大桥,反映总统府扩散呈现以东西方向直线型的特征。3.3旅游流空间特征运用空间趋势面建模方法,采用Surfer动态图,实态模拟南京旅游流空间分布格局,图3反映旅游流空间分布波动较大,极不均匀;空间集中分布特征明显,集中的核心区域为中心城区,核心区内围绕峰值点呈圈层分布。旅游流分布呈现从少数节点向多数节点转变,旅游节点体系逐渐发育成熟。中心旅游区开始向外扩张,周边地区逐步得以有效开发,在首要节点周围开始形成次要等级的节点群。根据研究结果,构建南京内部旅游流空间变化模式。旅游流空间变化呈现出空间层次性、动态变化性特征。城市内部旅游流分布呈现以集聚为主,集聚与扩散并存的特征。由于城市旅游业不断发展,使具有资源、区位优势的核心区快速成长,形成极化的空间结构。边缘区与核心区联系紧密,边缘区对核心区具有很强依赖性。随着时间推移,旅游流空间格局演变中扩散作用力量开始显现,边缘