景点指原生态的资源,包括自然禀赋的、未经人工开发的各种潜在形态,以及能对游客产生吸引力的自然景观、生物景观、遗址遗物、建筑与设施、人文活动等[],一般划分为自然景点和人文景点。旅游景点在旅游活动中具有特殊的地位,是旅游活动十分重要的载体[],A级旅游景区认定是中国对旅游景点质量和档次进行综合评价的国家标准,其中,4A级及以上景区（点）综合反映了旅游景区具有较高的景观质量、环境质量和服务质量,代表了中国旅游资源开发和旅游地建设的最高水准。旅游的发生和发展是以空间系统为物质载体的[],因而对A级景点空间结构的研究受到越来越广泛的关注,如利用关联维数计算景点分形特征[],构建平面拓扑图测算景区旅游节点特征[];利用段嵌套泰尔系数分解方法分析旅游经济空间差异[];核心–边缘空间格局演变[];景区与人口分布和地形地势间的关联性[];基于点格局分析的景点空间结构特征[];景区旅游吸引空间结构[]等。但上述研究以诠释性和描述性论证居多,缺乏GIS空间分析方法,尤其是很直观有效表现景区空间分布特征的研究方法。此外,已有研究区多集中在东部经济发达地区,全国范围景点空间格局研究相对匮乏。到达旅游景点的出行费用和出行时间直接影响着旅游者出行的动力,因此研究旅游景点空间可达性[]具有十分重要的意义,可为拓展旅游景点的服务范围,游客选择适宜出行目的地和政府优化景点布局提供科学依据。
国外可达性研究开展较早[],从研究尺度上分为国家地域（外部）和城市区域（内部）两个层面;从研究对象看,包括交通设施、空间区位、个人可达范围和利用率空间测度[];从研究内容来看,涵盖区域可达性格局变化[]、到达特定地点（医院、学校、公园等）的难易程度[]、不同人群对社会公共服务设施的接近度[]、可达性的变化对区域经济发展的影响[]等;从研究方法来看,主要有最短距离、重力模型及机会获取等。近年来,GIS空间方法逐渐被引入。中国学者对可达性研究始于20世纪90年代,目前研究多为不同交通方式与区域空间可达性的关系[]、公共绿地景观的可达性评价[]、城市影响域划分等[];研究区域多集中在长三角、东部沿海城市。旅游景点可达性研究不多见,其研究方法主要有缓冲区分析法、最小距离法、旅行成本法和吸引力指数法[]。
本文以中国4A级及以上景点为研究对象,利用GIS栅格成本加权距离方法,计算了不同类型旅游景点的时间可达性和县域可达性,并在此基础上运用ESDA（Exploratory Spatial Data Analysis）方法分析可达性景点分布的空间格局,以期为揭示优质旅游景点空间结构、优化旅游景点空间格局提供科学参考,为旅游景点空间结构研究方法提供新的思路。
1 数据与研究方法
1.1 数据来源与处理
景点信息来自于国家旅游局网站公布的数据,截止2011年6月,共有1 063个4A级及以上景点,其中：5A级景点105个,4A级景点958个。根据两分法将旅游景点划分为自然和人文2种类型,其中自然类旅游景点503个,包括自然风景区、森林公园、自然保护区、田园山村等;人文类型560个,包括历史文化遗址、古建园林、博物馆、游乐场、主题公园运动场馆、度假村等。为便于描述和比较,文中分别针对所有景点、人文景点和自然景点进行分析。以2010年中国县域与地级以上城市市区为研究单元（不含台湾省、香港和澳门特别行政区）,共2 856个;空间行政边界矢量数据来自1∶400万中国基础地理信息数据。交通网络是实现空间可达性的基础,道路数据来源于1∶450万交通地图[]的矢量化。需要说明的是,本文的可达性只是理论上的可达性,换言之,是不考虑交通拥挤、交通组合等方面的一种无障碍的可达性。借助ArcGIS 9.2软件平台,将图形数据统一投影到ALBERS等积圆锥投影系,分层矢量化,存储于地理数据库中。
1.2 基于累积耗费距离的可达性计算
1.2.1 累积耗费距离栅格图
景点可达性定义为在特定时间段内,从该景点出发向其周边出行,所取得出行距离的平均值。本文采用GIS栅格耗费距离计算可达性,充分考虑水域、山体等的阻隔因素,能较好地模拟出区域任何一个点的可达性。在栅格数据上借助最短路径法计算每个网格（GRID）到某个目的网格的最短加权距离,称为“累积耗费距离算法”。该方法目的在于将栅格数据抽象成图的结构加以计算。
A = 1 2 ∑ i = 1 n C i + C i + 1 垂直或平行方向 2 2 ∑ i = 1 n C i + C i + 1 对角线方向 （1）
式中,Ci表示的第i个像元的耗费值,Ci+1是指沿运动方向上的第i+1个像元的耗费值;n为像元总数。
首先用1 km×1 km栅格网将原矢量底图栅格化,整个中国大陆区域有效网格共9 451 423个。不同地表类型具有不同的出行速度,设定时间成本数值的参考为平均出行1 km大约所需要的分钟数,对不同的道路赋予不同的速度。根据2010年中国不同等级的铁路里程和速度标准,以及《中华人民共和国公路工程技术标准（JTGB01-2003）》,并参考前人研究成果[,],本文采用表1所示的时间成本值。根据成本值,从基础数据库中提取空间要素,分别建立矢量要素层,赋予成本属性后,将矢量数据转换为栅格数据,栅格数据的取值即为成本值。对各层时间成本值栅格数据进行空间叠加得到空间地物的时间成本栅格。
表1
Table 1
表1(Table 1)
表1 主要交通线路等级时间成本值 Table 1 The time cost of m ain traffic lines in China
道路等级 铁路 高速公路 国道 省道 县道
速度（km/h） 100 120 80 60 40
时间成本（min） 0.6 0.5 0.75 1 1.5
表1 主要交通线路等级时间成本值 Table 1 The time cost of m ain traffic lines in China
以交通图和基础地理地图为底图,在谷歌地图辅助下确定景点的具体位置,在ArcGIS中建立Point对象图层。利用ArcMap的Cost Weighted操作,在耗费图层上计算出每个景点的成本加权距离。本文对高速公路考虑了封闭性的现实,采用朱杰[]提出的研究方法,定义高速公路500 m缓冲区内栅格速度值为1,即认为此区域高速路基本不通过,但对高速公路交叉连接口设立4个节点,并对其赋值可以通过;低等级公路与高等级公路相交时,交点赋高值,在这样的设定下,栅格间只能通过高等级公路交叉口或国道、省道与高速相连。利用ArcGIS软件求出每个栅格到最近旅游景点的时间,进而求出全国旅游景点的可达性。
1.2.2 县级单元整体景点可达性评价
为了从整体上刻画区域居民日常旅游出行的便利程度,反映旅游景点可达性在行政单元面域层面上的空间结构情况,引入县级单元整体景点可达性评价计算,通过计算行政单元内栅格景点可达性的平均值来反映整个行政单元的景点可达性。
S j = ∑ i = 1 n j A i n j （2）
式中,Sj为第j个行政单元的整体景点可达性,nj为第j个行政单元范围内的栅格个数,Ai为行政单元第i个栅格的景点可达性。Sj越小,该行政单元到旅游景点越便利。
1.3 ESDA空间关联分析
引入ESDA的全局Moran′s I（Global Moran′s I）指数对观测值空间模式的整体定量描述,用于探测整个研究区的空间关联结构模式。限于篇幅,Moran′s I的计算式见参考文献[24]。
Getis-Ord Gi*用于识别不同空间位置上的高值簇与低值簇：
G i * * ( d ) 2 = ∑ j = 1 n W ij ( d ) X j ∑ j = 1 n X j （3）
为便于解释和比较,对 G i * * ( d ) 进行标准化处理：
Z ( G i * * ) 2 = G i * * - E ( G i * * ) Var ( G i * * ) （4）
式中,Wij为i,j之间的空间连接矩阵。E(Gi*)和 Var ( G i * * ) 分别为Gi*的数学期望和变异系数。如果Z(Gi*)为正且显著,表明位置i周围的值相对较高,属高值空间集聚（热点区）;反之,如果Z(Gi*)为负且显著,则表明位置i周围的值相对较低,属低值空间集聚（冷点区）。
2 结果与分析
2.1 旅游景点分布特征
如图1所示,全国31个省（市、区）都拥有4A级及以上旅游景点,但呈现出不均衡的分布特征。数量最多的省份是江苏,有84个,最少的是贵州,仅有5个,平均每个省拥有景区34个。而从景点密度来看,最高的是上海,达到44.75个/104km2,最低的是西藏,为0.07个/104km2,平均密度为1.13个/104km2。
图1
Fig.1
2.2 可达性空间格局
2.2.1 可达性总体空间分布特征
按照所有景点、人文景点和自然景点3种不同类型的旅游景点,将其作为耗费距离源点,计算每个旅游景点通过交通网络到整个中国区域内任意栅格所花费的时间。由交通线路通行的可逆性可知,这一栅格到旅游景点的可达性就是每个旅游景点通过交通网络到整个中国区域内任意栅格所花费时间的最小值。不同景点的可达性结果如图2所示。
以30 min、60 min、120 min、180 min、240 min、300 min、360 min、420 min、480 min为标准,将中国4A级及以上旅游景点可达性划分为10个时间段,分别计算了这10个时间段可达区域占区域面积大小关系,分析各个时间段在空间上的分布,结果见图3。中国4A级及以上旅游景点的平均可达时间为60.50 min,全国63.29%的区域景点可达性在120 min以内,其中景点可达性在30 min以内的区域占全国总面积的19.84%;可达性在360 min以上的区域则占到全国总面积的6.22%。从各个时间段在空间上的以面积占比表示的分布频率来看,可达性以60~120 min时段分布最广泛,占全国总面积的22.25%;其次是30~60 min时段,所占面积比例为21.20%。景点可达性相对较差的地区分布较少,但可达性超过480 min以上的地区仍占到全国总面积的4.8%。
图2
Fig.2
图3
Fig.3
可达性在全国的分布差异十分明显,可达性最差的区域分布在青藏高原、新疆南部、甘青蒙交界、内蒙古北部、川西、黑龙江北部、藏东南等地区,大都为高寒、荒漠、少数民族或边境地区,最差可达性达到了595 min。可达性较好的区域多连片分布于长三角、珠三角、环渤海、中原、成渝等中、东部地区,西部可达性较好的地区则具有明显的交通指向性,主要沿陇海、兰新、成渝、贵昆等交通干线分布。从分布频率和累计频率的整体走势来看,分布频率都随时间的增长在数量上呈现一种“偏正态”的先上升后下降的分布结构,120 min以后下降的趋势比较剧烈。
就人文景点和自然景点2个类型来看,两者可达性总体分布格局大致相同,但在某些区域也存在明显的差异性,差异大的地区主要是在“边缘地区”,如新疆西北、云贵交界、黑龙江北部、内蒙古中东部乃至赣闽交界等地。自然类型和人文类型的平均可达性时间分别为67.70 min和63.01 min,人文景点的可达性要优于自然景点。导致上述格局的原因主要是由于人文景点分布相对集中,而自然景点分布相对比较分散、均衡。最差地区的可达性自然和人文分别达到了598 min和601 min,均约在10 h左右,可见其内部可达性差异巨大。
2.2.2 基于县域单元整体可达性分析
为了从宏观上把握对于旅游景点的整体可达性差异及其区域效应,本文对全国地域进行小范围区域划分。考虑到县级是中国最基本的区域经济单元,按照县级行政单元划分是进行区域划分的常见方法,故本文按照县域单元对全国进行划分,一些城市的中心城区面积比较小,对其进行合并,统一以市区作为单元,共划分出2 596个单元。利用公式（2）对其整体景点可达性进行计算。结合给定的时间值,利用自然断裂法（natural break）将所有景点县域单元可达性划分为5个等级,以保证各级别中的变异总和达到最小;为便于比较,自然景点和人文景点仍采用所有景点的分级标准。结果如图4所示。
从图4可以看出,所有景点类型的整体可达性在空间上呈现出以京津冀、中原、长三角为核心的圈层结构,整体可达性小于13.83 min的县域单元多连片分布在这4个地区,并向东北伸展到辽中,向中部扩展到武汉,向南部通过湘中延伸到珠三角。景点可达性小于13.83 min的高可达县大都集中在110° E以东区域,西部地区亦有少许分布,主要散布在川中、关中、滇中和省会、全国性综合交通枢纽以及高速和铁路的结点城市。景点可达性在13.83~27.13 min的次高可达县大体分布在黑河–腾冲一线以东区域（在关中-天水地区向河西走廊比较凸出）,此线以西,只在云南、蒙中、拉萨和新疆部分地区稍有一些,呈点状分布。景点可达性在27.13~54.24 min的中可达县数量较少,总体呈斑块状分散布局在高可达性县域外侧,或在其内部填空补实,仅在内蒙古中东部和黑龙江北部连片带状分布。景点可达性在54.24~114.37 min的次低可达县域被低、中可达性县域和河西走廊分割,呈较连续的分散性块状格局,大部分聚在2片区域：甘、青、川交界地带和甘、新、蒙交界地带,此外在西藏西南部、新疆西部亦有分布。景点可达性在114.37 min以上的低可达县除西藏山南地区的错那和林芝地区的墨脱两县外,全部聚集在藏北羌塘-青海唐古拉-新疆南部交汇地带,形成一个巨大的斑块。
图4
Fig.4
相对而言,人文景点的县域整体可达性分布比自然景点更为集中,自然景点的县域整体可达性分布则较为零散,小于13.83 min的高可达性区域较人文景点明显减少（图4b和4c）。在空间分布上,自然景点和人文景点县域可达性差异比较大的地区主要有关中-天水、拉萨-日喀则、皖南-赣北、鲁北-冀中、粤西-桂北以及黑龙江等,导致这种现象的原因主要是这些区域的自然景点和人文景点资源分布不均衡,有些区域以自然景点为主,有些则以人文景点分布居多。从不同时间段的分布数量来看,自然和人文景点的分布特征亦存在差异。
2.3 可达性分布空间关联分析
上述分析从空间的角度反映中国4A级及以上景点空间聚集程度,旅游景点处于区域中,可达性分布在空间上呈现出连续变化的特征,因而必须考虑空间的影响。传统的度量方法大都缺乏空间视角,难以真正反映区域空间影响的变化与机制。本文借助ESDA空间关联分析,以县域为分析单元来探求中国4A级及以上旅游景点可达性的空间分布格局。以各个县域单元整体可达性为研究数据,利用公式（3）分别计算了不同类型景点的Global Moran′s I估计值及其相关指标,结果如表2。
表2
Table 2
表2(Table 2)
表2 县域单元整体可达性的Moran’s I估计值 Table 2 Moran’s I for holistic accessibility at the county level
分量 所有景点 自然景点 人文景点
Moran′s I 0.7170 0.7660 0.7080
P值 -0.0004 -0.0004 -0.0004
Z值 9.4810 11.2080 8.7740
表2 县域单元整体可达性的Moran’s I估计值 Table 2 Moran’s I for holistic accessibility at the county level
3种类型景点的Moran′s I估计值全部为正,且数值很大,检验结果也非常显著,说明县域间存在很强的空间正相关,呈强集聚格局。3种类型中,自然景点的I估计值最大,人文景点的最小,说明自然景点的空间分布十分集中,而人文景点分布相对分散,这和前述点格局分析的结果相一致。Moran′s I值能够判断出现象在空间上的整体分布情况,但难以探测出聚集的位置所在及区域相关的程度,当需要进一步考虑是否存在观测值的局部空间集聚,哪个区域单元对于全局空间自相关的贡献更大,以及Moran′s I全局评估在多大程度上掩盖了局部不稳定性时,就有必要进一步研究其内部情况。为了更好更有效地研究县域旅游景点可达性格局,将考察其集聚热点区域的变化情况。本文分别计算3种景点类型的县域单元局域空间关联指数Getis-Ord Gi*,并利用ArcGIS软件将其空间化,用Jenks自然断裂法对每个时相的局域Gi*统计量分成5类,即热点区、次热点区、中间区、次冷点区和冷点区（图5）。
由图5可知,在考虑到空间关联的情况下,旅游景点县域单元可达性空间聚集程度更为显著。3种景点类型可达性热点区域的分布呈现明显的热点-次热点-中间区-次冷点-冷点自东向西带状分布的格局。在所有景点类型中,热点区在空间上最为破碎,被次热点区分割为6个区域,最大的热点区几乎涵盖了华东、华南、环渤海地区,并向东北伸展到长春,向西北伸展到兰州;其他热点区包括成渝-贵阳片、滇中片、哈尔滨片、海南片,最小的热点区是香格里拉。次热点区以额济纳-贡山一线为界,包括除内蒙古东部和黑龙江东北部外的东侧大部区域;在新疆和西藏也有零散分布。冷点区仍聚集在青藏-南疆,次冷点区环绕分布在冷点区外围。中间区则呈现“T”字型分布,将次冷点区和次热点区隔离。
人文类型景点可达性的热点区和所有景点相差不大,值得注意的是,差距大的区域多为两省交界地带,如赣闽交界、粤桂交界、粤闽交界处等;在宁夏也出现了人文景点的可达性热点区。次热点区有所减少,主要体现在黑龙江中部;次冷点区有所增加,主要表现在阿勒泰-塔城地区。人文类型的冷点区域东向增加了格尔木市,北向增加了阿克苏市。
与所有景点类型相比,自然景点的热点区域在东部进一步扩大,集中在除赣闽交界以外的整个东部地区和中部大部区域。热点区在西南也进一步扩大,川贵昆连为一体;唯有关中–陇中热点区被分割,不再连片。冷点区也进一步向西扩展,延伸到和田-喀什地区。
图5
Fig.5
3 结论与讨论
本文基于GIS技术,运用栅格成本加权距离算法,计算中国4A级及以上旅游景点的空间可达性,并测算县域单元的整体可达性,利用空间关联方法分析了县域可达性的空间差异。结果发现,全国4A级及以上景点的平均可达性时间为60.5 min,63.29 %的景点可达性在120 min以内;可达性在全国的分布差异十分明显,可达性空间分布具有明显的交通指向性,人文景点可达性好的区域相对于自然景点更加集中。所有景点、人文景点、自然景点均呈强集聚格局,3种类型可达性热点区域的分布呈现明显的热点–次热点–次冷点–冷点自东向西带状分布的格局。
不容忽视的是,中国4A级及以上旅游景区评级标准因为有很强的市场化导向,即重视游客门槛人数和景区接待设施建设状况,是一种比较彻底的以市场为依据的体系。但在中国西部广大地区,拥有众多旅游资源丰富、品质优良的自然和人文景区,却因为开发条件不好,可达性差,远离客源市场,而与4A级景区无缘。从本文研究结论来看,中国4A级及以上旅游景区应该由集中向均衡方向发展,评级体系既要体现出现有的“发达”景区之间的竞争性,也要兼顾潜在的“不发达”的但却有良好资源基础的“萌芽”旅游景区,大力扶植和保护隐藏着具有巨大发展潜力的西部旅游资源。影响旅游者是否出行的因素主要是到达旅游景点的出行费用、出行时间和旅游者的行为特征,地方政府应加大旅游交通专线建设,优化景点空间布局,提高景点可达性。
本文仅从理论可达性的基础上探讨中国4A级及以上旅游景点的空间结构,尚有一些问题有待在今后的研究中进一步深化。本文交通可达性前提是全国同一级别的陆路交通线具有同样的质量、速度、拥挤度、组合方式等,也没有考虑东中西部同级别线路的差异。此外,由于数据处理量巨大,且资料收集统计困难,本文仅对2010年的数据进行分析,今后将在获取多期数据的前提下,探讨旅游景点空间格局演变规律及其驱动因素,得出更有借鉴性的结论。
The authors have declared that no competing interests exist.
