EN中文

地理研究 >

2024 , Vol. 43 >Issue 5: 1146 - 1165

DOI: https://doi.org/10.11821/dlyj020230737

中国旅游生态韧性空间关联网络结构及其驱动因素

  • 李志远 , 1 ,
  • 冯学钢 , 1 ,
  • 何静 1 ,
  • 左文俊 2
展开
  • 1.华东师范大学 经济与管理学院，上海 200062
  • 2.乌拉尔联邦大学 高等经济与管理学院，俄罗斯 叶卡捷琳堡 620002
冯学钢（1962-），男，安徽马鞍山人，教授，博士生导师，地理学博士，主要研究方向为文旅融合、旅游产业管理。E-mail:

李志远（1997-），男，湖北襄阳人，博士研究生，主要研究方向旅游可持续发展、城市化与旅游生态。E-mail:

收稿日期: 2023-08-25

  录用日期: 2024-02-21

  网络出版日期: 2024-05-09

基金资助

国家社会科学基金重大项目(19ZD25)

收起

Spatial correlation network structure and driving factors of tourism ecological resilience in China

  • LI Zhiyuan , 1 ,
  • FENG Xuegang , 1 ,
  • HE Jing 1 ,
  • ZUO Wenjun 2
Expand
  • 1. School of Economics and Management, East China Normal University, Shanghai 200062, China
  • 2. Graduate School of Economics and Management, Ural Federal University, Yekaterinburg 620002, Russia

Received date: 2023-08-25

  Accepted date: 2024-02-21

  Online published: 2024-05-09

Fold

摘要

在生态文明建设的新时期，合理评估旅游生态系统是反映旅游产业是否彰显绿色动能及迈向可持续发展之路的重要表征，从“韧性”视角切入，能凸显旅游生态系统复合性及动态演化特征。本文以2011—2020年中国31省（自治区、直辖市）为研究对象，构建旅游生态韧性综合指标体系并测度其发展水平，借助修正引力模型测度空间关联强度，运用社会网络分析法对其空间关联网络结构及驱动因素进行分析。结果表明：① 中国省际整体旅游生态韧性水平呈现稳态攀升的态势，区域上呈现“东部领衔，中西部追赶”的布局特征；空间关联网络呈现向复杂化、稠密化演化的过程，“东密西疏”的空间特征突出。② 整体网络结构渐趋紧密，但尚未达到最佳空间关联状态；东部地在空间关联网络中处于核心主导地位，中西部部分地区处于空间网络结构的边缘地带。③ 苏、沪、京、津为“净受益”板块，浙、粤、闽充当“经纪人”角色，晋、冀等地区属于“双向溢出”板块，新、藏、贵、滇等地区属于“净溢出”板块。④ 环境规制力度、产业高级化、空间距离、经济水平、科技创新、对外开放差异均对中国旅游生态韧性空间关联效应发挥着正向作用，在多重效应叠加的背景下，旅游产业绿色动能持续彰显，关联特征愈发明显。上述结论回应了旅游可持续发展与生态文明建设高质量互动的学术关切，为提升旅游生态系统韧性并加强与其他地区的空间互动提供了重要导引。

关键词： 旅游生态系统; 旅游生态韧性; 空间关联网络; 社会网络分析; 驱动因素; 作用路径

本文引用格式

李志远 , 冯学钢 , 何静 , 左文俊 . 中国旅游生态韧性空间关联网络结构及其驱动因素[J]. 地理研究, 2024 , 43(5) : 1146 -1165 . DOI: 10.11821/dlyj020230737

Abstract

In the contemporary context of ecological civilization construction, evaluating the tourism ecosystem is crucial for assessing the industry's progress toward sustainable development and its adoption of green practices. This study adopts a "resilience" perspective to underscore the complex and dynamic evolution of the tourism ecosystem. Focusing on the 31 provincial-level regions in China from 2011 to 2020, current research constructs a comprehensive index system to gauge the resilience of the tourism ecosystem. It assesses China's development level and examines its spatial correlation strength using a modified gravity model. Additionally, social network analysis is employed to elucidate the spatial correlation network structure and its driving factors. The findings reveal several key insights: (1) There is a consistent upward trend in the resilience level of China's provincial tourism ecosystems, with a regional pattern where the eastern region leads, and central and western regions follow. The spatial association network is becoming more complex and denser, particularly with more pronounced characteristics of density in the east and sparsity in the west. (2) While the overall network structure is increasingly integrated, it has not yet achieved an optimal state of spatial correlation. The eastern region holds a dominant position in the spatial correlation network, whereas some central and western areas remain on the periphery. (3) Specific regional roles are identified: Jiangsu, Shanghai, Beijing, and Tianjin emerge as "net benefit" areas, Zhejiang Guangdong and Fujian serve as "brokers", and regions like Shanxi and Hebei are characterized by "two-way spillover". Conversely, Xinjiang, Xizang, Guizhou, and Yunnan are classified as "net spillover" areas. (4) The disparities in environmental regulation intensity, industrial upgrading, spatial distance, economic level, scientific and technological innovation, and opening to the outside world positively influence the spatial correlation effect of China's tourism ecological resilience. In the context of multiple effects superimposed, the green energy of tourism industry continues to manifest, and the correlation characteristics become more and more obvious. These conclusions address scholarly concerns regarding the symbiotic relationship between sustainable tourism development and ecological civilization construction. They offer significant guidance for enhancing the resilience of the tourism ecosystem and fortifying its spatial interactions with other regions.

Key words： tourism ecosystem; tourism ecological resilience; spatial association network; social network analysis; driving factors; action path

1 引言及研究综述

旅游业曾长期被视作是实现“绿水青山”向“金山银山”跨越的重要载体和实践范式，但从实际运行轨迹看，对旅游业经济效益的过度追捧加剧了生态环境破坏、生态系统服务功能退化等旅游生态安全问题[1]，释放旅游经济动能与彰显旅游绿色发展效能之间产生制约与胁迫效应，探寻旅游业绿色发展新路径成为理论与实践的关切所在。旅游生态系统反映了旅游及相关子系统之间互惠共生的交互关系，是旅游产业绿色效能彰显的突出表征，打造健康而兼具韧性的旅游生态系统为构筑旅游产业良好发展生境、助力旅游业迈向绿色协调的可持续发展之路提供了逻辑遵循和实践指向。在学理层面，旅游产业绿色发展的空间溢出效应已得到学理支撑[2]，但基于空间关联视角的研究贡献不足，忽略了与旅游生态关联密切的资源、技术、人才等要素流动所引发的空间网络特征。因此，在生态文明建设与旅游业提质增效现实诉求叠加的新发展背景下，从“韧性”视角评估旅游生态系统，深入探析旅游生态韧性的空间关联网络结构特征及作用路径不仅能直观反映旅游生态系统防御抵抗、恢复适应和转型升级的综合能力及动态演化过程，同时，有助于揭示地理邻近性和产业关联等不同作用维度下旅游生态系统的关联效应，这对于促进旅游产业可持续发展、推动生态文明建设具有深刻的实践价值与理论意义。
谋求旅游业与生态环境和谐共生是学界始终关注的重点，学界对于旅游生态系统的研究呈现如下脉络：① 主要沿“概念界定—系统结构特征—特定视角测度—优化路径”逻辑主线展开。学界提出旅游生态系统是由经济、旅游、社会、生态共同构成的复合系统[3]，复合演化性是其最突出的特征。伴随旅游业高速发展所引发的生态环境破坏、污染排放持续加剧等负面效应凸显，越来越多的研究尝试从特定视角对区域旅游生态展开测度评估，相关内容聚焦旅游生态效率[4⇓-6]、旅游生态足迹[7,8]、旅游环境承载力[9,10]、旅游生态安全[11,12]等。② 研究尺度多样，以宏观、中观为主，但不断趋于微缩化，重大战略区域成为近年研究的重点，形成省域[1,2]、重要区域[6]、市域[11]、县域[7]等多元并存的趋势。研究内容持续深入，由旅游生态单一测度逐渐拓展至与环境规制[13]、旅游经济[14,15]、生态安全[16]的关联研究。③ 研究方法定量化转向明显，学科交叉融合特征突出。对旅游生态综合水平的测度方法主要涉及DEA模型[17]、生态足迹法[7]、空间关联网络分析法[18]、TOPSIS法[19]、模糊物元模型[12]等；模糊集定性比较分析法[20]、因子贡献度模型[21]、Tobit模型[6]、地理探测器[22]等方法则被广泛应用于旅游生态影响因素及作用路径的分析；随着研究的深入，旅游学、生态学、地理学、管理学等多学科领域碰撞融合，研究内容及呈现视角不断丰富，很好契合了“生态文明建设”“高质量发展”等重大国家战略。不容忽视的是，随着“全面大众旅游时代”到来，旅游相关的负面生态环境问题持续涌现，加之城镇化快速推进、新冠肺炎疫情等外部因素的冲击，旅游生态系统亟待提升韧性水平以强化自身防御抵抗能力，但针对旅游生态韧性的研究鲜见诸文献。既有研究多从旅游经济韧性[23⇓-25]视角切入探究旅游产业面临的脆弱性问题，关注旅游经济运行过程中抵御冲击扰动、借助模式更新的适应性发展过程，从抵抗力、恢复力、调整力、创造力等方面进行了有益探索；部分学者着重研究疫情冲击下旅游经济韧性的现实困境与高质量发展路径[26]，具有较强的理论与现实意义。
由是观之，学界对旅游生态进行了多视角、宽尺度的有益探究。但仍存以下问题值得思索：第一，既有研究多从投入产出、承载力、生态足迹等“单维”视角切入，但缺乏对旅游生态韧性的探讨，无法反映复杂的旅游生态系统面临冲击挑战时的成长变化轨迹，也难以契合旅游生态系统所呈现的经济效益、环境效益、社会承载效益等叠加融合的综合表征，这对于科学理解旅游生态系统内涵存在一定局限。第二，“韧性”视角为抵御旅游业脆弱性及创新旅游产业发展路径提供了新思路，但相关研究多从旅游经济运行层面展开，忽视了旅游产业经济属性背后隐含的环境友好依托与资源消耗等产业属性，不利于阐发旅游产业向绿色发展模式转变的内在逻辑。第三，在游客跨区域流动、生态环境资源溢出等共同作用下，旅游业绿色发展的空间溢出效应已得到有效验证，但未有研究从空间关联视角探究旅游生态韧性，难以揭示旅游生态韧性空间关联的结构形态和集聚方式，无法判断旅游生态韧性的区域关联及其整体网络的动态演变特征。
鉴于此，本文以中国31省（自治区、直辖市）为研究对象，引入演化韧性理论构建旅游生态韧性内涵框架，在此基础上，建立旅游生态韧性综合评价体系，借助修正引力模型测度旅游生态韧性联系强度，运用社会网络分析方法对其空间网络结构特征、影响因素及驱动机制进行探究。本文尝试作出如下边际贡献：① 基于演化韧性基本内涵，将韧性发展特征内化于旅游生态系统的研究框架中，弥补既有研究对旅游生态系统复合演化特征关注的不足，为旅游生态系统评估及绿色发展效应测度提供新的研究视角，促进旅游学、生态学、地理学等多学科的交叉融合。② 运用空间网络分析，从时空二维视角探讨中国省域层面旅游生态韧性的空间关联特征及演化过程，期望进一步判断旅游生态系统的空间效应及内在关联结构，探寻旅游生态系统在多元化资源流动过程中所呈现的动态关联关系。③ 进一步对旅游生态韧性空间关联的驱动因子展开分析，尝试从纷繁复杂的关联要素中探寻关键原因，进而探索出推动区域旅游生态系统要素流动、绿色效能彰显的合理路径，希冀为旅游产业动能优化及可持续发展提供指引，助力生态文明与美丽中国建设目标的实现。

2 理论支撑、指标体系及研究方法

2.1 旅游生态韧性理论支撑

“韧性”（resilience）一词起源于机械工程领域，用于描述系统受压后恢复原状的能力，随着学科融合及研究的深入，韧性概念逐渐拓展至其他领域，大致经历了由“工程韧性”到“生态韧性”，再到“演化韧性”的发展脉络（见表1）。其中，工程韧性用以表征单一稳态下的系统恢复力。生态韧性是由生态学家Holling引入生态学[27]，用来描述生态系统受到扰动冲击后维持稳定状态的能力，认为系统的发展是不断迈入均衡状态的过程。演化韧性也被称为适应韧性，它摒弃了对系统均衡状态的追求，关注系统的动态演化过程并注重系统的前向演变和恢复，强调系统通过调整自身结构以适应纷繁复杂的各类冲击扰动，最终实现系统稳态均衡的发展能力，其内涵更加契合旅游生态系统的复合演化性，能较好反映系统面对多元冲击扰动的适应性、学习性及创新发展的特征[28]。
表1 三种韧性特征对比分析

Tab. 1 Comparative analysis of the three resilience characteristics

类型 均衡状态 韧性目标 关注重点 内涵 是否适用于旅游生态系统
工程韧性 单一稳态 恢复原稳态 维持性、防御抵抗性 系统遭受冲击扰动后的恢复力，强调系统的有序性和线性特征 不适用，未体现系统复合性及动态演化特征
生态韧性 多重稳态 塑造新稳态 系统进入新状态前最大的吸纳和缓冲力 系统遭受冲击扰动后从一个均衡状态迈向另一个均衡状态的过程 不适用，未考虑系统非均衡持续变化特征
演化韧性 摈弃均衡状态，注重系统持续演化 学习与创
新，适应
循环		 复杂适应，
动态演化		 系统处于不断动态演化的过程，考虑其自组织、适应、学习能力以及创造新发展路径的能力 适用，符合各子系统协同发力的过程，能体现系统的复杂演化趋势

2.2 旅游生态韧性概念界定及指标体系构建

“旅游生态系统”是旅游生态学的主要研究对象，学界普遍认为，旅游生态系统集旅游、生态、社会、经济各子系统于一体，具有结构的复合演化性、发展状态的脆弱性[3]。因此，本文借鉴演化韧性内涵，充分考虑旅游生态系统的复合演化性及易受冲击的特征，尝试对旅游生态韧性作出如下定义：旅游生态韧性是指旅游生态系统面对旅游无序开发、生态环境破坏、外部特殊事件等内外部冲击扰动时的防御抵抗能力，修复漏损维持系统正常功能运行的恢复能力，以及通过创新优化、转型升级等路径推动系统向更优状态转化的再生能力。其中，防御抵抗能力、恢复适应能力、转型升级能力构成了旅游生态韧性的核心维度，仰仗经济、旅游、生态、社会等子系统协同发力，在动态运行及共生融合过程中构建起旅游生态系统的韧性体系（见图1）。
图1 旅游生态韧性理论框架

Fig. 1 Comprehensive index system and theoretical framework of tourism ecological resilience

基于上述理论分析，以演化韧性作为旅游生态韧性指标体系构建的理论基础，将其内涵特征内化于系统的发展维度，充分考虑旅游生态系统经济、旅游、生态、社会各子系统的核心支撑。为提升指标体系的科学性，邀请旅游学、生态学、地理学等方面专家5人组成研判小组，在基于上述遵循原则进行指标构建的基础上，进一步对相关指标进行细筛增减，从而形成最终的综合指标体系（见表2）。
表2 旅游生态韧性综合评价指标体系

Tab. 2 Comprehensive evaluation index system of tourism ecological resilience

准则层 要素层 指标层 指标释义 指标权重 参考文献
抵抗防
御能力		 产业支撑 旅游要素集聚水平 产业发展对旅游生态系统的支撑与驱动 0.0353/+ [30]
旅游固定资产投入(亿元) 0.0657/+ [14]
旅游资源丰度 0.0390/+ [31]
旅行社与星级饭店数量(个) 0.0379/+ [31]
社会压力 游客密度指数(%) 旅游者对旅游地空间的占用 0.0175/+ [29]
旅游交通压力(%) 游客流动对交通运输的冲击 0.0088/+ [29]
旅游空间指数(%) 旅游者对土地承载力的胁迫 0.0147/+ [29]
环境压力 旅游废水排放量(t) 污染物排放强度对旅游生态
系统的潜在破坏		 0.0234/+ [32]
旅游碳排放量(t) 0.0125/+ [33]
恢复适
应能力		 内部驱动 旅游收入占GDP比例(%) 旅游经济支撑能力 0.0306/+ [31]
旅游接待人次(亿人) 旅游吸引力水平 0.0373/+ [34]
旅游从业人员比例(%) 旅游人力资本水平 0.0295/+ [34]
外部保障 城镇化率 城市基础发展水平 0.0143/+ [29]
人均拥有道路面积(km2) 基础交通保障水平 0.0221/+ [35]
人均医疗卫生机构床位数(个) 基础医疗保障水平 0.0418/+ [35]
互联网覆盖率(%) 基础通讯保障水平 0.0363/+ [35]
绿色环境 森林覆盖率(%) 生态系统绿色发展及健康状况，包含绿化、生态、环境保育水平 0.0523/+ [34]
自然保护区占辖区面积比例(%) 0.1426/+ [31]
人均公园绿地面积(m2) 0.0752/+ [34]
改善再
生能力		 产业提升 旅游收入增长率(%) 旅游产业运行效率 0.0819/+ [29]
旅游接待人次增长率(%) 0.0511/+ [29]
创新研发 旅游R&D经费(亿元) 旅游创新经费投入 0.0427/+ [31]
旅游发明专利授权量(件) 旅游创新成果产出 0.0095/+ [31]
旅游院校学生数量(人) 旅游及科研创新人才培育 0.0107/+ [31]
科学研究和技术服务人员数量(人) 0.0106/+ [30]
环境治理 固体废物综合利用率(%) 生态保护与污染防治效率 0.0158/+ [29]
生活垃圾处理率(%) 0.0231/+ [31]
污水处理率(%) 0.0179/+ [31]

注：+表示正向指标，-表示负向指标。

具体而言，本文从防御抵抗能力、恢复适应能力、改善创新能力三个维度构建旅游生态韧性指标体系。其中，防御抵抗能力反映旅游生态系统面临冲击扰动时保持平稳运行的能力，经济的支撑力与旅游业基本发展态势是维持系统运转的基础，旅游业快速发展引致的交通、土地、空间、污染排放等方面的负向压力最为突出，因此，本文从经济运行、旅游产业自身支撑水平及系统承受的社会压力与生态压力构建指标。恢复适应能力体现旅游生态系统经历冲击后自我调整以吸纳、溶解外源扰动，逐步恢复至合理运行轨道的能力，本文从内部驱动力、外部基本保障及旅游生态健康三个方面进行指标构建，经济运行及旅游业经济效应、旅游吸引力、旅游人才状况构成了核心的内在保障体系；城市发展、交通、医疗、通讯与社会发展关联密切，构筑了外部基本保障体系；绿色环境是旅游生态健康的核心表征，以绿化、生态、环境保育水平进行衡量。改善创新能力反映旅游生态系统借助多重举措打破原有发展路径，促使系统提质增效，迈向新发展阶段的能力，一方面，旅游经济产出的提升是直观体现，本文以旅游经济、旅游接待人次的增长作为衡量指标；另一方面，创新驱动战略、生态环境治理有助于系统向更优状态转化，以创新经费投入及成果产出表征创新研发，以生态环境资金投入、防治效率衡量环境治理水平。

2.3 指标量化处理与数据来源

部分指标数据计算说明如下：旅游要素集聚水平采用旅游总收入占国土面积比值表示[30]；旅游资源丰度是根据景区等级分类，分别对其赋值5、2.5、1.75、0.5、0.25加权计算得出[31]；游客密度指数及旅游交通压力分别采用旅游接待人数与地区常住人口总数、交通客运量的比值表征[29]；旅游空间指数采用旅游接待人数占国土面积比值表示[29]；旅游R&D经费采用R&D经费乘以旅游收入占国民经济总产值的比值计算得出[31]；旅游废水排放量是以旅游总人数、游客平均停留天数、人均日生活用水量和生活废水排放系数进行折算，其中，游客平均停留天数取值2.5天，详细计算步骤见文献[32]。旅游碳排放量采用“自下而上”方法计算所得[33]；地理距离是借助ArcGIS计算各省域间的球面距离。
本文所需的数据主要来源于2012—2017年《中国旅游统计年鉴》、2018—2019年《中国文化和旅游年鉴》、2020—2021年《中国文化文物与旅游统计年鉴》；2012—2021年《中国环境统计年鉴》《中国科技统计年鉴》《中国交通统计年鉴》（https://cnki.nbsti.net/CSYDMirror/trade/Yearbook/Single/N2021030182?z=Z008）等，并通过查阅各省（自治区、直辖市）相应年份的国民经济与社会发展统计公报对数据进行补充完善。为便于区域差异分析，本研究沿用国家统计局行政区划分标准，将中国31省（自治区、直辖市）分为东部、中部、西部三大区域。

2.4 研究方法

2.4.1 综合水平指数

运用综合水平指数测度中国省际旅游生态韧性水平，步骤如下：① 对各指标数据进行无量纲化处理。② 基于熵值法计算过程，确定各指标权重。③ 运用加权法，计算各省域不同年份旅游生态韧性发展水平综合得分，计算公式见文献[34]。

2.4.2 修正引力模型

引入修正空间引力模型构建中国省际旅游生态韧性网络空间关联矩阵，测度2011—2020年旅游生态韧性联系强度，公式如下[36]：
S = K E i ∙ E j D i j 2 / g i - g j 2
K = E i E i + E j
式中：S表示省域i与省域j之间的旅游生态韧性空间关联强度；Ei和Ej分别为省域i和省域j的旅游生态韧性水平；Dij指两省域间的球面距离；gi和gj分别为两省域的人均GDP值，为尽可能剔除物价水平的影响，人均GDP数据以2004年为基期进行平减处理。进一步地，本文借鉴刘佳等的研究[36]，将矩阵中各行空间关联强度的均值作为阈值，若两省间旅游生态韧性关联强度S大于阈值，则取值为1，表明两者存在关联关系；反之，则表明两者不存在关联关系，取值为0，由此构建中国省际旅游生态韧性空间关联的二值矩阵。

2.4.3 社会网络分析法

社会网络分析法（Social Network Analysis, 简称SNA）是研究网络成员相互关系的重要方法，可有效反映网络成员间的关联结构及其属性特征，本文借助Ucinet6.0软件对中国省际旅游生态韧性的空间网络结构特征进行测度，具体计算公式见相关文献[37]。
（1）整体空间网络结构特征。采用网络密度、关联关系数、网络等级度和网络效率4个指标来衡量整体网络结构。
（2）个体空间网络结构特征。采用度数中心度、中介中心度、接近中心度3个指标衡量个体网络结构。
（3）QAP分析。本研究运用QAP（Quadratic Assignment Procedure）回归分析法对影响旅游生态韧性空间关联的关键因素进行识别。公式如下[36]：
Q = f D , E , G , I , R , P
式中：Q表示中国省际旅游生态韧性空间关联矩阵；D为空间距离差异关联矩阵；E为经济发展水平差异关联矩阵；G为环境规制强度差异关联矩阵；I为产业高级化差异关联矩阵；R为科技创新水平差异关联矩阵；P为对外开放程度差异关联矩阵。

3 结果与分析

3.1 旅游生态韧性水平的时空分异

总体来看，中国省际旅游生态韧性水平均值由2011年的0.284增长至2020年的0.343，反映出中国旅游业发展动能及质效不断优化，旅游生态系统绿色效应及抵御内外部潜在威胁的能力有所提升。从三大分区来看，东部地区（0.368）>中部地区（0.308）>西部地区（0.299），东部旅游生态韧性水平优势显著，旅游生态系统持续向均衡稳态阶段前进。中、西部地区相较东部地区存在差距，其中，中部地区大量承载东部沿海高污染、高消耗的工业化产业，对生态环境具有明显的胁迫效应，旅游生态系统遭受外部冲击呈现出环境建设与生态保护压力；西部地区旅游业起步晚，原始生态环境相对较好，但受制于区域交通可达性、旅游基础设施建设的不足，无法在要素规模层面为旅游产业结构优化及动能提升提供有效支撑。从省际发展来看，以均值为参考，韧性水平排名前6的分别为：广东（0.517）>江苏（0.491）>浙江（0.486）>山东（0.467）>北京（0.446）>上海（0.402），均为东部地区；排名后6的分别为：青海（0.201）<西藏（0.234）<新疆（0.243）<内蒙古（0.256）<海南（0.258）<吉林（0.269），除海南外，均为中、西部地区。
在空间分布上，对2011—2020年中国省际旅游生态韧性均值进行空间分布趋势模拟并可视化呈现（见图2）。通过竖线端点和投影点得到最佳拟合曲线及拟合曲面，进而模拟旅游生态韧性均值在不同方向的空间分布趋势。由图2可知，2011—2020年中国省际旅游生态韧性均值呈现“东南凸起-西部凹陷-尾部翘尾”的空间形态，反映出中国旅游生态韧性均值整体呈现出东高西低的分布态势，尤其是东部沿海地区形成“高高聚集”的高峰凸起形态，这与东部旅游业起步早先发优势明显，经济、人才、资源等要素充足密切关联。拟合曲面西部凹陷明显，说明西部地区在旅游经济效能、绿色技术应用等方面较东部存在明显的差距。在南北方向上，拟合曲线大致呈现南高北低的拟合形态，表明南部地区整体的旅游生态韧性均值要高于北部地区。
图2 2011—2020年中国省际旅游生态韧性均值的空间分布趋势

注：该图基于自然资源部地图技术审查中心标准地图（审图号: GS（2020）4632号）绘制，底图边界无修改。

Fig. 2 Spatial distribution trend of the mean value of provincial tourism ecological resilience in China from 2011 to 2020

3.2 旅游生态韧性关联强度分析

利用修正引力模型测度中国省际旅游生态韧性水平的联系强度。为便于可视化呈现，选择2011年、2014年、2017年、2020年作为时间节点绘制1/3网络拓扑图（见图3）。
图3 2011—2020年中国省际旅游生态韧性空间联系强度

注：该图基于自然资源部地图技术审查中心标准地图（审图号: GS（2020）4632号）绘制，底图边界无修改。

Fig. 3 Spatial connection intensity of provincial tourism ecological resilience in China from 2011 to 2020

由图3可知，中国省际旅游生态韧性水平空间关联网络呈现向复杂化、稠密化特征演化的过程，东、中、西部地区关联效应持续加强，形成由“东部领衔”—“东部牵引中部”—“东中西部联动式发展”的空间关联结构演变，充分凸显了东部优势区的辐射带动作用，以及中西部地区随着旅游业快速推进、生态文明建设力度增强实现对东部地区的追赶。而区域整体由脱节逐步迈向合作关联状态，则在一定程度上反映出要素跨区域自由流动加强，“辐射效应”和“扩散效应”的增强不断释放其空间势能，提升了省际间旅游生态韧性水平的关联效应。此外，旅游生态韧性呈现“东密西疏”的空间分布特征，这表明经济水平、区位可达性、基础设施建设等因素对旅游生态韧性的关联特征具有潜在影响。进一步地，旅游生态韧性联系强度具有显著的空间邻近性，相邻地区的空间关联效应更为突出，如上海与浙江、北京与天津等。
详而述之，2011—2014年，区域整体的旅游生态韧性空间关联较弱，仅苏浙沪及京津内部具有较强联系，形成“小范围集聚”的关联特征，中西部地区牵引作用较弱。至2017年，区域整体空间联系显著增强，广东成为新的“核心区”，与琼、赣、桂、湘构成强关联关系网络，折射出广东省旅游生态韧性水平快速提升且辐射效应持续增强；东部地区由“小范围集聚”演化成为链状式空间联系网络格局，中、西部地区积极承接东部地区溢出资源，空间联系势能有所提升。直至2020年，随着中、西部地区自身旅游生态韧性水平的提升及资源、人才、绿色技术等要素流动性的持续增强，整体形成苏、浙、沪、粤、京、津、渝等“多核驱动”的空间关联格局，区域韧性水平关联效应的极化现象减弱，均衡收敛特征增强。

3.3 旅游生态韧性空间网络结构特征

3.3.1 整体网络结构特征

整体网络结构特征有助于判断中国省域旅游生态韧性空间关联的宏观特征与时间趋势变化，通过计算中国省际旅游生态韧性水平关联关系数、网络密度、网络效率、网络等级度4个指标来衡量（见图4）。
图4 2011—2020年中国省际旅游生态韧性整体网络结构

Fig. 4 Overall network structure of provincial tourism ecological resilience in China from 2011 to 2020

（1）关联关系数。研究期内，旅游生态韧性空间关联关系数总体呈现显著增长趋势，数量由2011年的204条攀升至2020年的224条，突出反映了随着资源、人才等要素的空间流动，旅游业跨区域合作不断增强，伴随着绿色技术及效能持续不断的溢出，省际间旅游生态韧性空间关联渐趋紧密。
（2）网络密度。旅游生态韧性关联结构的网络密度呈现“平稳运行—略有下降”的变化趋势，密度值维持在0.21~0.24之间，这一结果是中西部与东部地区旅游生态韧性空间关联强度差距的客观体现；但网络密度的提升存在加剧冗余关系数的风险，可能导致影响旅游生态韧性的相关要素在区域的传导和溢出成本增加，因此，在增强地区间及地区内协同合作的同时，需保持适宜的关联密度，进而优化配置效果。
（3）网络效率。中国省际旅游生态韧性空间关联网络效率整体维持在较高水平，表明省际间旅游生态韧性空间关联网络中存在一定冗余关系数，且存在多重叠加的溢出渠道。
（4）网络等级度。旅游生态韧性空间关联网络等级度相对较低，观察期内均低于0.3，部分年份（2014—2017年）存在明显下滑趋势，这反映出中国省际间旅游生态韧性网络等级特征不显著，旅游生态韧性向均衡化、平等化的利好趋势演进。
综上可知，观察期内，随着各地区旅游产业快速推进以及绿色技术、资源、人才等要素的空间溢出，中国省际间旅游生态韧性的空间关联效应持续提升，联系紧密程度不断加强，但也存在冗余关系加剧溢出成本、空间网络等级需进一步破解的问题。

3.3.2 个体网络结构特征

整体网络结构特征只能从宏观揭示中国省域旅游生态韧性空间关联网络发展特征，无法深入判断各省域在网络中的地位和角色。因此，以均值为参考，计算中国省际旅游生态韧性空间关联网络结构的度数中心度、接近中心度和中介中心度，衡量个体网络结构特征、判断各省域在网络结构中所处的地位以及对资源的控制能力（见表3）。
表3 2011—2020年中国省际旅游生态韧性网络中心性

Tab. 3 Centrality of provincial tourism ecological resilience network in China from 2011 to 2020

地区 度数中心度 接近中心度 中介中心度
点出数 点入数 中心度 排名 点出度 点入度 中心度 排名
北京 6 27 80.10 3 90.91 11.77 100.87 2
天津 3 16 51.61 5 66.67 11.58 12.33 14
河北 4 4 19.36 23 52.63 12.45 16.76 12
山西 5 2 16.13 28 49.18 12.50 8.36 22
内蒙古 6 2 19.36 23 49.18 12.55 9.69 18
辽宁 5 1 19.36 23 3.23 19.87 5.00 29
吉林 5 1 19.36 23 3.33 14.22 5.00 29
黑龙江 7 0 22.58 15 3.33 14.22 7.00 26
上海 5 28 90.32 1 93.75 13.10 74.99 3
江苏 7 27 87.10 2 90.91 13.22 122.38 1
浙江 4 20 64.52 4 73.17 12.93 63.17 4
安徽 4 4 16.13 28 51.72 12.45 7.80 25
福建 9 11 48.39 6 46.88 14.56 51.90 5
江西 7 6 22.58 15 53.57 14.02 50.68 6
山东 5 4 16.13 28 53.57 12.50 22.86 11
河南 5 3 22.58 15 52.63 12.50 12.41 13
湖北 6 4 22.58 15 51.72 13.89 10.27 17
湖南 7 2 22.58 15 32.97 14.02 8.38 21
广东 8 9 38.71 7 44.78 14.56 40.40 8
广西 7 4 25.81 10 35,29 14.93 26.89 10
海南 7 2 22.58 15 32.97 14.93 8.04 23
重庆 8 7 32.26 8 30.61 15.08 41.67 7
四川 8 2 25.81 10 24.19 15.23 11.98 16
贵州 7 2 22.58 15 33.71 14.93 11.99 15
云南 8 1 25.81 10 23.62 15.00 9.48 19
西藏 8 0 25.81 10 3.23 17.54 8.00 24
陕西 5 1 16.13 28 20.00 14.35 5.00 29
甘肃 10 5 32.26 8 24.79 15.23 36.56 9
青海 8 1 25.81 10 20.00 15.15 9.17 20
宁夏 6 1 19.36 23 20.00 14.42 6.00 28
新疆 7 0 22.58 15 3.23 16.22 7.00 26
均值 6.35 6.35 32.14 — 40.02 14.19 26.19 —
度数中心度可判别该省域在旅游生态韧性空间网络中是否处于中心位置。度数中心度排名前5的省域为：上海（90.32）>江苏（87.10）>北京（80.10）>浙江（64.52）>天津（51.61）。上述东部省域旅游业已率先步入由追求速度向质效并存的路径转变，旅游生态系统整体富有韧性及绿色效能，对其他省域具有明显的“虹吸效应”。中、西部地区较少与相关省域产生关联关系，处于关联网络的边缘位置，同时，自身的“溢出效应”显著强于“虹吸效应”，影响旅游生态韧性发展的诸要素处于“净流出”状态。
接近中心度表征某省域旅游生态韧性水平不受其他地区控制的程度。测度结果表明，中国各省域入接近中心度水平相当，表明在经济合作、产业协同、绿色技术溢出等途径下，各省域整体都能与其他地区产生有效关联。各省域出接近中心度差距明显，上海、北京、江苏、浙江具有显著的优势；中、西部部分省域出接近中心度相较东部地区差距明显，扮演着“边缘行动者”角色。
中介中心度反映各省域旅游生态韧性建设过程中对各资源要素的控制能力。中介中心度排名前5的省域依次为：江苏（122.38）>北京（100.87）>上海（74.99）>浙江（63.17）>福建（51.90），上述省域均位于东部沿海经济发达地区，在中国省际旅游生态韧性空间关联网络中扮演着“桥梁”和“枢纽”角色。此外，陕、甘、青、辽等省域中介中心度低，地理区位及产业发展等综合因素制约上述省域旅游生态韧性的空间关联效应彰显，致使其处于空间网络结构的边缘地带。
综上可知，东部地区在旅游生态韧性空间关联网络中处于核心主导地位，对各资源要素的控制能力强；中、西部地区整体处于网络的边缘位置，对资源要素控制能力弱，要素属于“净流出”状态。

3.3.3 空间关联网络聚类特征

为探寻中国省际旅游生态韧性空间关联网络中存在的子结构及相互关系，采用块模型分析将整体关联网络按内部关系比例及外部接发关系数的差异，将其划分为“净受益”“净溢出”“经纪人”和“双向溢出”板块四个板块（见表4）。
表4 中国省际旅游生态韧性板块划分及空间关联关系

Tab. 4 Division and spatial correlation of provincial tourism ecological resilience in China

板块 地区 接收关系数 溢出关系数 期望内部关
系比例（%）		 实际内部关
系比例（%）		 板块
属性
板块内 板块外 板块内 板块外
板块一 京 津 沪 苏 4 94 4 17 10.00 19.05 净受益
板块二 浙 粤 闽 1 40 1 21 6.67 4.55 经纪人
板块三 渝 甘 蒙 黑 豫 宁 晋
辽 吉 鲁 陕 冀		 12 19 12 59 36.67 16.91 双向溢出
板块四 藏 青 赣 鄂 湘 桂 川
贵 滇 琼 新 皖		 4 34 4 80 36.67 4.76 净溢出
块模型结果显示，中国省际旅游生态韧性空间关联网络以板块间的传导与溢出效应为主。具体而言，第一板块包含北京、天津、上海、江苏4个成员，均为东部经济及产业发达地区，其溢出关系数远低于接收关系数值，致使实际内部关系数量远高于期望值，属于“净受益”板块。第二板块包含浙江、广东、福建3个成员，该板块成员的内部空间关系数较少，但承担了一定数量的对外辐射与接收功能，扮演中介与枢纽角色，为“经纪人”板块。第三板块包含重庆、甘肃、内蒙古等12个成员，该板块向内部和外部均发出一定数量的关系数，属于“双向溢出板块”。第四板块包含新疆、西藏等12个成员，基本为中、西部省区，该板块内部关系实际比例远低于期望比例，且对外部板块的溢出关系数远大于其接收外部板块的关系数，属于“净溢出”板块。
块模型检验结果表明，经济水平雄厚、旅游产业发达且较早迈向生态文明建设之路的省区能充分获得其他地区旅游发展要素及绿色技术的溢出；经济发展相对滞后、旅游产业及绿色技术水平相对较弱的地区的溢出效应明显；拥有独特地理区位的省域（如浙江、福建、广东等）能发挥“传输带”作用，未来发展潜力较大；毗邻发达地区的部分省域（如山西、河北、辽宁等）呈现空间溢出与接收双向活跃态势，形成机会与挑战并存的局面。

3.4 核心-边缘结构特征

核心-边缘结构是对网络整体空间特征的划分，可根据网络中结点之间联系的紧密程度，揭示出核心省域（核心区）、处于被支配地位的边缘省域（边缘区）、介入核心与被支配之间的省域（半核心区）。基于各省域旅游生态韧性空间关联强度值将其划分为“核心区-半核心区-边缘区”的结构层级，并以2011年、2020年作为时间节点进行可视化呈现（见图5）。根据颜色和层数划分，绿色为核心区、橙色为半核心区、紫色为边缘区；箭头为有向指向，线条越粗表明关联效果越强。
图5 中国省际旅游生态韧性空间网络的核心-边缘结构

Fig. 5 Core-edge structure of provincial tourism ecological resilience spatial network in China

从核心-边缘演化趋势看，核心区数量<半核心区数量<边缘区数量。2011年核心区位于北京、上海、江苏、天津四个省域；2020年，天津退出核心区行列，广东省、浙江省取代天津成为新的核心省域。由此可见，核心区始终位于东部沿海地区，表明东部沿海拥有临江靠海的区位优势及经济、绿色技术创新等方面的先发优势，牢牢占据空间网络的主导位置。半核心区布局变化较大，东、中部地区部分省域牢牢占据半核心区地位，至2020年，随着东部地区绿色技术、资源要素等溢出效应增强，加之西部地区注重旅游产业地位，不断贯彻落实低碳环保的发展理念，重庆、云南、贵州等西部省域已成为新的半核心区。边缘区数量最多，主要集中于中、西部地区，边缘区省域大多经济水平低下、旅游产业发展滞后，致使自身旅游生态系统缺乏韧性；加之受制于地理区位、邻近地区激烈的客源竞争等主客观因素，在空间关系网络中的参与度有限。
由上可知，中国省际旅游生态韧性网络“核心-边缘”结构层次分明，东部地区核心地位稳固，半核心区、边缘区省域数量多，部分中、西部省域参与度不断增强。

3.5 旅游生态韧性空间关联网络的影响因素及驱动机制

3.5.1 模型设定与变量选取

探寻旅游生态韧性空间关联网络的影响因素是旅游生态系统提质增效、彰显绿色动能的重要基础，基于QAP分析法对影响因素进行分析。
参考相关研究，经济发展水平是支撑旅游生态系统功能运转的基础[14]；环境规制强度是引领旅游业绿色发展的重要路径[13]；产业结构高级化是推动旅游业节能减排的利器[38]；科技创新水平是助力旅游业迈向绿色之路的关键[36]；对外开放程度影响旅游企业学习绿色技术及低碳理念[36]；而地理距离也会对空间关联网络的形成和发展产生显著影响。其中，空间距离差异是利用省域之间的地理距离构建差值矩阵计算而得；经济发展水平差异是运用人均GDP构建差值矩阵进行衡量；环境规制强度差异是利用环境支出占GDP比例的差值矩阵进行表征；学界对产业高级化测量仍莫衷一是，为更好体现旅游产业发展动能与特征，借鉴王凯[38]、刘佳[39]等研究，采用三大部门旅游收入比例与劳动生产率乘积的差值矩阵进行衡量；科技创新水平是运用实际科学技术支出额占GDP比例的差值矩阵进行衡量[40]；对外开放程度是借助进出口总额占GDP比例的差值矩阵进行衡量[40]。

3.5.2 QAP回归结果分析

为清晰反映各因素对旅游生态韧性空间关联影响的演化特征，本文选取2011年、2016年、2020年三个时间节点分别展开测度分析。通过设置2000次随机置换次数对中国省际旅游生态韧性空间关联的影响因素进行QAP回归分析，结果表明整体的判定系数R2均在0.96以上，拟合效果良好（见表5）。
表5 中国省际旅游生态韧性关联网络的影响因素

Tab. 5 Impact factors of the provincial tourism ecological resilience correlation network in China

变量 2011年 2016年 2020年
空间距离差异矩阵 0.062***
(0.000)		 0.046***
(0.000)		 0.027***
(0.002)
经济发展水平差异矩阵 0.116***
(0.000)		 0.143***
(0.000)		 0.081***
(0.000)
环境规制强度差异矩阵 0.028***
(0.010)		 0.129***
(0.000)		 0.122***
(0.000)
产业高级化差异矩阵 0.667***
(0.000)		 0.511***
(0.000)		 0.662***
(0.000)
科技创新水平差异矩阵 0.193***
(0.000)		 0.160***
(0.000)		 0.218***
(0.000)
对外开放程度差异矩阵 0.017
(0.161)		 0.034***
(0.000)		 0.096***
(0.004)
常数项 -0.006***
(0.000)		 -0.005***
(0.000)		 -0.002***
(0.000)
R2 0.968 0.971 0.980
调整后R2 0.968 0.970 0.979
重复迭代次数 2000 2000 2000
观察项个数 930 930 930

注：***表示在1%的显著水平下通过显著性检验；括号内为p值。

（1）空间距离差异矩阵。研究期内，空间距离关系差异始终呈现正向效应，表明空间距离相近的省域在各类资源的共享、合作等方面也具有更强联系，能强化省际间旅游生态韧性的空间关联效应，而作用效果随时间推移有所下降。
（2）经济发展水平差异矩阵。研究期内，省际间经济发展水平差异有助于强化旅游生态韧性的空间关联，地区经济的非均衡发展势必引发资源流动交互、产业链上下游有机关联等动态过程，从而进一步激发正向的空间关联效应，但观察后期的效果有所下滑。
（3）环境规制差异矩阵。研究期内，环境规制力度的正向作用持续激发，此结果充分证实了谢佳亮等提出的环境规制对旅游生态具有长期促进效应的结论[13]。
（4）产业高级化差异矩阵。研究期内，产业高级化差异矩阵具有正向影响。旅游产业高级化伴随着省际间旅游消费者、旅游企业、旅游资源要素的跨空间流动，彰显了旅游生态系统的动能优化过程。
（5）科技创新水平差异矩阵。研究期内，科技创新水平的正向效果显著，科技与创新的“双轮”驱动，在供需两端赋能旅游产业全链条发展，助力旅游生态系统迈向可持续路径。
（6）对外开放程度差异矩阵。研究期内，对外开放程度的作用效果经历了由弱到强、有不显著到显著的转变，反映出中国“走出去”“引进来”战略的建设成效，为学习旅游绿色技术与先进理念提供了良好契机。

3.5.3 驱动机制研究

基于驱动因子测度可知，影响旅游生态韧性空间关联网络的因素多元，且各因子的驱动作用呈现一定时间演化差异，为更清晰厘清不同因素的作用路径与驱动效应，本文尝试构建旅游生态韧性空间关联网络驱动机制（见图6）。具体而言：
图6 旅游生态韧性空间关联网络的驱动机制

Fig. 6 Driving mechanism of the spatial correlation network of tourism ecological resilience

（1）地理空间距离是基础动力。支撑旅游生态系统发展的诸要素伴随游客跨区域流动、旅游产业链上下游有机联动、旅游业集聚式发展等途径发挥作用；地理空间距离愈近，各资源要素流动愈频繁，在绿色溢出与产业合作的加持下，进一步激发资源要素的空间关联效应。伴随信息、技术多元化时代的推进，地理距离的边界与“藩篱”正被逐渐打破、弱化，旅游产业链条持续延伸，绿色溢出跨地区效应增强，空间距离对旅游生态韧性空间关联的驱动效应有所减弱，这一结果是新技术、新业态打破旅游地理空间格局的真实写照。
（2）经济发展水平是核心保障。经济发展水平的持续提升，不仅有助于完善旅游产业基础设施，也为旅游业绿色技术研发及生态环境治理提供资金支持，进而为旅游生态韧性空间关联网络提供强大的支撑动力。研究前期，经济发展水平的正向驱动效应突出，反映出经济发达地区对相对落后地区的辐射效应较强，影响旅游生态韧性空间关联网络的资源要素流动方向与经济水平具有一致性；随时间推移，通过产业共建、资源共享、人才共用等形式一定程度弱化经济水平的差异，致使观察后期的驱动效果有所下滑。
（3）环境规制是主要推力。环境规制通过约束效应提升旅游生态韧性并强化空间联动效应，一方面，政府通过加大生态治理投入推动旅游业“高能耗低产出”模式的转变；另一方面，政府通过设置排污标准来引导旅游企业采用新技术提升企业旅游生产效率，实现资源节约与环境保护。从时间轴线看，环境规制正向驱动作用持续增强，反映出“规制之手”倒逼旅游企业进行绿色转型的有效性，环境规制作为政府合理介入深化环境治理的重要手段，这一过程必然伴随绿色知识、技术的持续溢出，进而强化省际间旅游生态韧性空间关联效应。
（4）旅游产业结构是内在动力。产业结构优化所蕴含的转移效应为强化旅游生态韧性空间关联提供动力，旅游产业结构优化伴随的是旅游消费方向持续转向购物、娱乐等低能源消耗部门；产业结构优化也意味着以旅游业为代表的服务业所占比例不断提升。旅游产业结构的驱动作用呈现先下降后增长的趋势，表明进入“十三五”以来，推进供给侧结构性改革、构建现代产业新体系所取得的重要成效，伴随餐饮、住宿、景区等旅游核心产业结构持续优化，省际间旅游消费者、旅游企业、旅游资源要素的跨空间流动显著增强，这必然伴随着旅游产业链的空间联系增强。
（5）科技创新水平是重要支撑力。技术是促进生产前沿面移动的内生变量，科技创新借助涌泉效应作用于旅游生态系统绿色发展及空间关联效应，在科技驱动与创新赋能的共同作用下，旅游产业由“高能耗低效益”的粗放式发展向“低能耗高产出”的可持续发展之路进阶。研究前期，科技创新的正向作用略有下滑，反映出此阶段大量的科技投入尚未充分转化为科技产出，驱动效果有限；随时间推移，以VR、AR、智能交互为代表的绿色技术持续赋能旅游产业，促使旅游生态系统绿色效应充分彰显。
（6）对外开放程度是关键调控力。对外开放带来的学习效应强化了旅游生态韧性空间关联，对外开放程度的提升有助于打破省域间技术、产业及信息壁垒，通过学习国际先进的旅游经营模式与绿色低碳技术，提升旅游生态系统绿色水平及关联强度。研究前期，大多数中、西部省域对外开放程度较低，缺乏对旅游绿色技术与先进发展模式的应用，故驱动效果较弱且未通过显著性检验。随着我国坚持多维度、宽领域开放，各省域强化与国际的合作交流，不断学习、引进先进绿色技术，有效激发了旅游生态韧性正向空间关联效应。

4 结论与讨论

4.1 结论

本文从韧性视角切入测度旅游生态系统的绿色发展水平，刻画中国省际间旅游生态韧性空间关联网络的动态演化过程，运用QAP分析方法探寻潜在的驱动因素并构建动力机制。主要结论如下：
（1）中国省际旅游生态韧性水平呈现稳态攀升的态势，旅游生态系统绿色效应及抵御内外部潜在威胁的能力有所提升；从区域发展看，呈现“东部>中部>西部”的空间分布格局，非均衡分异特征明显。旅游生态韧性空间关联网络呈现向复杂化、稠密化演化的过程，各地区关联效应持续加强，形成由“东部领衔，中西部滞后”—“东部牵引中部”—“东中西部联动式发展”的空间关联结构演变。
（2）从整体网络结构特征看，随着绿色技术、资源、人才等要素的空间溢出，省际间旅游生态韧性空间关联渐趋紧密，但尚未达到最佳空间关联状态，且存在冗余关系加剧溢出成本、空间网络等级亟待破解的现实困境。从个体网络结构特征看，东部地区旅游生态韧性在空间关联网络中处于核心主导地位，中西部部分地区由于区位及产业发展等综合因素制约，处于空间网络结构的边缘地带。
（3）从聚类特征看，苏、沪、京、津等东部经济发达地区为“净受益”板块；浙、粤、闽三省则充当“经纪人”角色，促进资源、绿色技术的传导输送；晋、冀等邻近东部经济发达地区的省域挑战与机会并存，属于“双向溢出”板块；新、藏、滇、贵等地区属于“净溢出”板块。从核心-边缘结构特征看，中国省际旅游生态韧性网络“核心-边缘”结构呈现“核心区数量<半核心区数量<边缘区数量”格局，核心区始终位于东部沿海地区。
（4）研究期内，环境规制力度、产业高级化、科技创新、对外开放程度差异对中国省际旅游生态韧性空间关联发挥着愈发明显的正向作用；空间距离、经济水平的正向影响在后期有所减弱，表明在数字经济、文旅元宇宙等新技术、新业态的加持下，各地区旅游生态关联效应能较好突破地理、经济边界。

4.2 讨论

富有韧性的旅游生态系统是推动旅游绿色发展范式创新、探寻可持续发展新路径的理性选择。鉴于既有研究对旅游生态的测度多关注“效率”“足迹”等相对单一指标，难以契合系统复合演化的发展特征。本文以“韧性”视角切入测度中国省际旅游生态系统发展水平，为评估旅游业可持续发展提供新的研究视角，一定程度上回应了旅游可持续发展与生态文明建设高质量互动的学术关切。进一步抓住旅游生态系统空间网络相关研究缺失的理论缺口，证实了多元化资源要素流动是支撑旅游生态系统高效运行、富有韧性的重要因素。研究结论一定程度上佐证了旅游业绿色发展具有显著的空间分异及溢出特征的观点，也拓展了省域之间旅游业绿色发展关联效应的探究，为提升旅游生态系统韧性并加强与其他地区的空间互动提供重要导引。结合本文结论，提出如下政策建议：
（1）强化系统观念思维，兼顾旅游经济效益与绿色发展。中国省域旅游生态韧性水平空间非均衡性显著，而占领旅游与经济高地，注重绿色技术应用地区的旅游生态韧性水平处于“翘楚”地位。首先，应严格秉持“绿水青山就是金山银山”的理念，充分运用数字化、智能化科技推动旅游集约化、低碳化、绿色化发展，着力推动中西部地区由资源驱动向创新驱动的绿色发展模式转变。其次，坚持生态旅游优化提升工程打造，加大生态旅游线路、重点生态旅游目的地等项目的建设，鼓励资源禀赋优越但旅游业尚处于初级开发阶段的地区合理利用自然和人文环境，优化配置生态旅游产品图谱，积极拓展生态康养、森林旅游等新业态新空间，实现旅游经济动能提升与绿色发展效能彰显的有机结合。最后，强化“经济-生态-旅游-社会”四位一体的共生融合发展，通过促进生态旅游公共服务建设、打造完善的生态旅游传播体系、塑造鲜明的生态旅游品牌等形式，让知识、人才、技术等资源充分涌流，进而提升旅游生态韧性的发展活力。
（2）锚定地区生态旅游特色，强化区域空间联动。中国省域旅游生态韧性空间关联网络强度东密西疏、距离邻近性特征突出，各地区应锚定特色，牢牢抓住长江经济带国际黄金旅游带建设、黄河流域生态保护、京津冀协同发展、粤港澳大湾区建设等区域重大战略旅游协调机制，打造特色旅游产品与体验线路。东部地区旅游经济效益突出、生态环境治理有效，应积极推动景区、饭店等旅游企业开展绿色发展示范，打造绿色旅游、生态旅游示范样板。中部地区需充分发挥毗邻东部的区域优势，积极融入与东部地区的合作交流，通过共筑旅游产业链、搭建技术及人才合作平台等途径不断学习东部绿色旅游发展新技术、新理念，合理引导高排放、高污染企业向节能减排模式转变。西部地区需着力提升旅游发展活力并注重生态环境治理，通过旅游经济水平的提升进一步反哺生态治理与环境保护；同时，应完善生态旅游发展的配套体系，着重提升交通可达性、优化旅游基础设施建设。
（3）多要素协同发力，探索低碳绿色新路径。中国省域旅游生态韧性空间关联效应的彰显仰仗于多要素协同发力。空间距离作为基础动力，需着力发挥东部地区在绿色技术及创新能力的优势地位，加大对中、西部的辐射与支撑，构建开放有序的旅游生态韧性协同创新网络。经济水平具有重要支撑作用，各省域应积极优化旅游消费环境，尤其是中、西部仍处于旅游初级发展阶段的省域需腾笼换鸟，注重绿色技术的应用及新型旅游业态的布局，推动旅游经济的可持续提升。环境规制力度是有为政府的体现，应强化政府“环境规制之手”力度，继续加大对旅游领域生态环境治理资金的投入，并依据严格的环境法规和标准对旅游企业的经营行为进行约束。产业结构优化是内在动力，东部地区应坚持创新驱动战略，重点打造以数字创意、智慧景区为代表的智慧旅游；中、西部需淘汰高排放高污染的产业，着力发展生态旅游、康养旅游等产业。进一步地，应注重科技创新成果运用，以数字化、智能化为重要依托，创新旅游发展业态与产品服务体系，重点发展文旅元宇宙、交互式沉浸式旅游演艺等。对外开放程度作为关键调控力，各省域需鼓励旅游企业“走出去”，学习先进的绿色低碳技术与旅游集约化经营模式，并积极推动国际绿色旅游企业“引进来”，深化国际国内绿色旅游产品的合作。
本文尚存不足之处待完善：① 旅游生态韧性是一个较新的概念，尽管本文结合旅游生态系统自身特征并借鉴演化韧性的内涵构建综合指标体系，但囿于知识范围及数据获取的限制，指标体系仍有进一步完善的空间。② 由于指标数据获取所限，本文从省域视角开展探究，尽管结果一定程度上反映了旅游生态韧性的发展特征，但终究不够细致，希冀伴随旅游及生态相关数据库的完善，能进一步从市域、县域等细粒度尺度开展研究，以期强化对策的反馈提升研究。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，评审专家对文章逻辑分析框架、指标体系构建、驱动机制研究、内容精炼等方面的修改意见，使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王兆峰, 刘庆芳. 中国省域旅游效率空间网络结构演化及其影响因素. 地理科学, 2021, 41(3): 397-406.

DOI

[Wang Zhaofeng, Liu Qingfang. Spatial network structure evolution and its influencing factors of provincial tourism efficiency in China. Scientia Geographica Sinica, 2021, 41(3): 397-406.]. DOI: 10.13249/j.cnki.sgs.2021.03.004.

[2]
刘雨婧, 唐健雄. 中国旅游业绿色发展效率时空演变特征及影响机理. 自然资源学报, 2022, 37(3): 681-700.

DOI

[Liu Yujing, Tang Jianxiong. Spatial and temporal evolution characteristics and influence mechanism of green development efficiency of China's tourism industry. Journal of Natural Resources, 2022, 37(3): 681-700.]. DOI: 10.31497/zrzyxb.20220309.

[3]
牛亚菲, 陈田. 旅游生态环境系统研究: 生态旅游研究的基石. 旅游学刊, 2004, (4): 5-6.

[Niu Yafei, Chen Tian. Research on tourism eco-environment system: The cornerstone of ecotourism research. Tourism Tribune, 2004, (4): 5-6.]

[4]
Kytzia S, Walz M, Wegmann M. How can tourism use land more efficiently? A model-based approach to land-use efficiency for tourist destinations. Tourism Management, 2011, 32(3): 629-640. DOI: 10.1016/j.tourman.2010.05.014.

[5]
Gössling S, Peeters P, Ceron J P, et al. The eco-efficiency of tourism. Ecological Economics, 2005, 54(4): 417-434. DOI: 10.1016/j.ecolecon.2004.10.006.

[6]
王兆峰, 刘庆芳. 长江经济带旅游生态效率时空演变及其影响因素. 长江流域资源与环境, 2019, 28(10): 2289-2298.

[Wang Zhaofeng, Liu Qingfang. Spatial and temporal evolution of tourism eco-efficiency in the Yangtze River Economic Belt and its influencing factors. Resources and Environment in the Yangtze Basin, 2019, 28(10): 2289-2298.]. DOI: 10.11870/cjlyzyyhj201910002.

[7]
徐秀美, 郑言. 基于旅游生态足迹的拉萨乡村旅游地生态补偿标准:以次角林村为例. 经济地理, 2017, 37(4): 218-224.

[Xu Xiumei, Zheng Yan. Ecological compensation standard of Lhasa rural tourism destination based on tourism ecological footprint: A case study of Cijiolin Village. Economic Geography, 2017, 37(4): 218-224.]. DOI: 10.15957/j.cnki.jjdl.2017.04.027.

[8]
汪运波, 肖建红.基于生态足迹成分法的海岛型旅游目的地生态补偿标准研究. 中国人口·资源与环境, 2014, 24(8): 149-155.

[Wang Yunbo, Xiao Jianhong. Research on ecological compensation standard of Marine island tourism destination based on ecological footprint component method. China Population, Resources and Environment, 2014, 24(8): 149-155.]. DOI: 10.3969/j.issn.1002-2104.2014.08.019.

[9]
Paskova M, Wall G, Zejda D, et al. Tourism carrying capacity reconceptualization: Modelling and management of destinations. Journal of Destination Marketing and Management, 2021, 21: 100638. DOI: 10.1016/j.jdmm.2021.100638.

[10]
Leka A, Lagarias A, Panagiotopoulou M, et al. Development of a Tourism Carrying Capacity Index (TCCI) for sustainable management of coastal areas in Mediterranean islands: Case study Naxos, Greece. Ocean and Coastal Management, 2022, 216: 105978. DOI: 10.1016/j.ocecoaman.2021.105978.

[11]
周彬, 钟林生, 陈田, 等. 浙江省旅游生态安全的时空格局及障碍因子. 地理科学, 2015, 35(5): 599-607.

DOI

[Zhou Bin, Zhong Linsheng, Chen Tian, et al. Spatio-temporal pattern and obstacle factors of ecological security of tourism destination: A case of Zhejiang province. Scientia Geographica Sinica, 2015, 35(5): 599-607.]. DOI: 10.13249/j.cnki.sgs.2015.05.012.

[12]
徐少癸, 左逸帆, 章牧. 基于模糊物元模型的中国旅游生态安全评价及障碍因子诊断研究. 地理科学, 2021, 41(1): 33-43.

DOI

[Xu Shaogui, Zuo Yifan, Zhang Mu. Evaluation of tourism ecological security and diagnosis of obstacle factors in China based on Fuzzy Object Element Model. Scientia Geographica Sinica, 2019, 41(1): 33-43.]. DOI: 10.13249/j.cnki.sgs.2021.01.004.

[13]
谢佳亮, 王兆峰. 长江经济带环境规制对旅游生态效率的门限效应及空间差异. 地理与地理信息科学, 2023, 39(2): 117-125.

[Xie Jialiang, Wang Zhaofeng. Threshold effect and spatial difference of environmental regulation on tourism eco-efficiency in Yangtze River Economic Belt. Geography and Geo-Information Science, 2023, 39(2): 117-125.]. DOI:10.3969/j.issn.1672-0504.2023.02.015.

[14]
王兆峰, 刘庆芳. 长江经济带旅游生态效率时空演变及其与旅游经济互动响应. 自然资源学报, 2019, 34(9): 1945-1961.

DOI

[Wang Zhaofeng, Liu Qingfang. Spatial and temporal evolution of tourism eco-efficiency and its interaction with tourism economy in the Yangtze River Economic Belt. Journal of Natural Resources, 2019, 34(9): 1945-1961.]. DOI:10.31497/zrzyxb.20190911.

[15]
王胜鹏, 乔花芳, 冯娟, 等. 黄河流域旅游生态效率时空演化及其与旅游经济互动响应. 经济地理, 2020, 40(5): 81-89.

[Wang Shengpeng, Qiao Huafang, Feng Juan, et al. The spatio-temporal evolution of tourism eco-efficiency in the Yellow River Basin and its interactive response with tourism economy development level. Economic Geography, 2020, 40(5): 81-89.]. DOI: 10.15957/j.cnki.jjdl.2020.05.009.

[16]
闫云平, 余卓渊, 富佳鑫, 等. 西藏景区旅游承载力评估与生态安全预警系统研究. 重庆大学学报, 2012, 35(S1): 92-98.

[Yan Yunping, Yu Zhuoyuan, Fu Jiaxin, et al. Study on tourism carrying capacity evaluation and ecological security early warning system in Tibet scenic spots. Journal of Chongqing University, 2012, 35(S1): 92-98.]

[17]
Fuentes Medina L, Gonzalez Gómez I, Morini Marrero S. Measuring efficiency of sun & beach tourism destinations. Annals of Tourism Research, 2012, 39(2): 1248-1251. DOI: 10.1016/j.annals.2011.12.006.

[18]
程慧, 徐琼, 赵梦亚. 中国旅游生态效率的空间关联网络结构及其影响因素研究. 生态科学, 2020, 39(5): 169-178.

[Cheng Hui, Xu Qiong, Zhao Mengya. Research on spatial correlation network structure of China's tourism eco-efficiency and its influencing factors. Ecological Science, 2020, 39(5): 169-178.]. DOI: 10.14108/j.cnki.1008-8873.2020.05.020.

[19]
陆保一, 明庆忠, 史鹏飞, 等. 基于DPSIR-SBM框架的旅游生态安全时空动态及影响路径: 以云南省为例. 地理与地理信息科学, 2023, 39(6): 134-142.

[Lu Baoyi, Ming Qingzhong, Shi Pengfei, et al. Temporal and spatial dynamics of tourism ecological security and its influence path based on DPSIR-SBM framework: A case study of Yunnan province. Geography and Geo-Information Science, 2023, 39(6): 134-142.]. DOI: 10.3969/j.issn.1672-0504.2023.06.017.

[20]
穆学青, 郭向阳, 明庆忠, 等. 黄河流域旅游生态安全的动态演变特征及驱动因素. 地理学报, 2022, 77(3): 714-735.

DOI

[Mu Xueqing, Guo Xiangyang, Ming Qingzhong, et al. Dynamic evolution characteristics and driving factors oftourism ecological security in the Yellow River Basin. Acta Geographica Sinica, 2022, 77(3): 714-735.]. DOI: 10.11821/dlxb202203015.

[21]
石丹, 关婧文. 基于DPSIR-物元的吉林省旅游生态安全时空格局测度及障碍诊断. 生态学杂志, 2022, 41(8): 1653-1664.

[Shi Dan, Guan Jingwen. Spatial-temporal pattern measurement and obstacle diagnosis of tourism ecological security based on DPSIR matter-element in Jilin province. Chinese Journal of Ecology, 2019, 41(8): 1653-1664.]. DOI: 10.13292/j.1000-4890.202208.007.

[22]
吕雅诗, 刘敏, 闫旭纲. 汾河流域旅游生态安全时空格局演变与影响因素. 地域研究与开发, 2023, 42(5): 87-93.

[Lv Yashi, Liu Min, Yan Xugang. Evolution and influencing factors of spatial and temporal pattern of tourism ecological security in Fenhe River Basin. Areal Research and Development, 2023, 42(5): 87-93.]. DOI: 10.3969/j.issn.1003-2363.2023.05.014.

[23]
方叶林, 王秋月, 黄震方, 等. 中国旅游经济韧性的时空演化及影响机理研究. 地理科学进展, 2023, 42(3): 417-427.

DOI

[Fang Yelin, Wang Qiuyue, Huang Zhenfang, et al. Spatial and temporal evolution and influencing mechanism of tourism economic resilience in China. Progress in Geography, 2023, 42(3): 417-427.]. DOI: 10.18306/dlkxjz.2023.03.001.

[24]
Yang S, Lu Y, Wang S. Quantitative simulation and verification of the tourism economic resilience in urban agglomerations. Scientific Reports, 2023, 13(1): 18879. DOI: 10.1038/s41598-023-46166-0.

[25]
Zhang P, Yu H, Xu L, et al. Synergistic relationship or not? Understanding the resilience and efficiency of the tourism economy: Evidence from Hainan province, China. Environment, Development and Sustainability, 2024, 26(2): 3793-3817. DOI: 10.1007/s10668-022-02858-7.

[26]
魏敏, 魏海湘, 黄海玉. 疫情下旅游经济韧性与高质量发展. 旅游学刊, 2022, 37(9): 5-7.

[Wei Min, Wei Haixiang, Huang Haiyu. Resilience and high-quality development of tourism economy under epidemic situation. Tourism Tribune, 2022, 37(9): 5-7.]. DOI: 10.19765/j.cnki.1002-5006.2022.09.003.

[27]
Holling, C S. Resilience and stability of ecological systems. Annual Review of Ecology & Systematics, 1973, 4(1): 1-23. DOI: 10.2307/2096802.

[28]
Pike A, Dawley S, Tomaney J. Resilience, adaptation and adaptability. Cambridge Journal of Regions Economy and Society, 2010, 3(1): 59-70. DOI: 10.1093/cjres/rsq001.

[29]
王兆峰, 陈青青. 1998年以来长江经济带旅游生态安全时空格局演化及趋势预测. 生态学报, 2021, 41(1): 320-332.

[Wang Zhaofeng, Chen Qingqing. Spatio-temporal pattern evolution and trend prediction of tourism ecological security in the Yangtze River Economic Belt since 1998. Acta Ecologica Sinica, 2021, 41(1): 320-332.]. DOI: 10.5846/stxb201912022599.

[30]
张新成, 高楠, 王琳艳, 等. 文化和旅游产业融合质量的时空动态、驱动机制及培育路径. 旅游科学, 2023, 37(1): 1-22.

[Zhang Xincheng, Gao Nan, Wang Linyan, et al. Spatial and temporal dynamics, driving mechanism and cultivation path of cultural and tourism industry integration quality. Tourism Science, 2023, 37(1): 1-22.]. DOI: 10.16323/j.cnki.lykx. 2023.01.006.

[31]
李志远, 夏赞才. 长江经济带旅游业高质量发展水平测度及失配度时空格局探究. 南京师大学报(自然科学版), 2021, 44(4): 33-42.

[Li Zhiyuan, Xia Zancai. Measurement of high-quality tourism development level and spatial-temporal pattern of mismatch degree in the Yangtze River Economic Belt. Journal of Nanjing Normal University (Natural Science Edition), 2021, 44(4): 33-42.]. DOI: 10.3969/j.issn.1001-4616.2021.04.005.

[32]
毕延凤, 温小虎, 赵平萍, 等. 海岸带陆源水污染负荷模型研究. 人民黄河, 2012, 34(7): 68-70.

[Bi Yanfeng, Wen Xiaohu, Zhao Pingping, et al. Study on load model of land source water pollution in coastal zone. Yellow River, 2012, 34(7): 68-70.]. DOI: 10.3969/j.issn.1000-1379.2012.07.022.

[33]
查建平, 戴家权, 刘珂吉, 等. 旅游增长与碳排放脱钩状态及其驱动因素研究: 一个新的脱钩分析框架. 旅游学刊, 2022, 37(4): 13-24.

[Zha Jianping, Dai Jiaquan, Liu Keji, et al. Research on the decoupling state of tourism growth and carbon emission and its driving factors: A new decoupling analysis framework. Tourism Tribune, 2022, 37(4): 13-24.]. DOI: 10.19765/j.cnki.1002-5006.2022.04.008.

[34]
杨秀平, 贾云婷, 翁钢民, 等. 城市旅游环境系统韧性的系统动力学研究: 以兰州市为例. 旅游科学, 2020, 34(2): 23-40.

[Yang Xiuping, Jia Yunting, Weng Gangmin, et al. Study on system dynamics of resilience of urban tourism environment system: A case study of Lanzhou city. Tourism Science, 2020, 34(2): 23-40.]. DOI: 10.16323/j.cnki.lykx.2020.02.002.

[35]
孙阳, 张落成, 姚士谋. 基于社会生态系统视角的长三角地级城市韧性度评价. 中国人口·资源与环境, 2017, 27(8): 151-158.

[Sun Yang, Zhang Luocheng, Yao Shimou. Evaluating resilience of prefecture cities in the Yangtze River delta region from a social-ecological perspective. China Population, Resources and Environment, 2017, 27(8): 151-158.]. DOI: 10.12062/cpre.20170465.

[36]
刘佳, 宋秋月. 中国旅游产业绿色创新效率的空间网络结构与形成机制. 中国人口·资源与环境, 2018, 28(8): 127-137.

[Liu Jia, Song Qiuyue. Spatial network structure and formation mechanism of green innovation efficiency in China's tourism industry. China Population, Resources and Environment, 2018, 28(8): 127-137.]. DOI: 10.12062/cpre.20180410.

[37]
王凯, 王梦晗, 尹建军, 等. 武陵山片区旅游经济空间网络结构及其效应研究. 长江流域资源与环境, 2022, 31(2): 285-295.

[Wang Kai, Wang Menghan, Yin Jianjun, et al. Study on spatial network structure and effects of tourism economy in Wuling mountain region. Resources and Environment in the Yangtze Basin, 2022, 31(2): 285-295.]. DOI: 10.11870/cjlyzyyhj202202003.

[38]
王凯, 何静, 甘畅, 等. 中国旅游产业结构变迁对旅游业碳排放效率的空间溢出效应研究. 中国软科学, 2022, (12): 50-60.

[Wang Kai, He Jing, Gan Chang, et al. Spatial spillover effect of tourism industry structure change on tourism carbon emission efficiency in China. China Soft Science, 2022, (12): 50-60.]

[39]
刘佳, 安珂珂. 山东省旅游产业结构优化的部门贡献与动能分析. 地理与地理信息科学, 2019, 35(3): 105-111.

[Liu Jia, An Keke. Sectoral contribution and kinetic energy analysis of tourism industry structure optimization in Shandong province. Geography and Geo-Information Science, 2019, 35(3): 105-111.]. DOI: 10.3969/j.issn.1672-0504.2019.03.016.

[40]
刘学峰, 丁翔宇, 董会忠, 等. 黄河流域绿色发展效率空间关联网络及影响因素研究. 资源开发与市场, 2024, 40(2): 194-204.

[Liu Xuefeng, Ding Xiangyu, Dong Huizhong, et al. Study on spatial correlation network and influencing factors of green development efficiency in Yellow River Basin. Resource Development & Market, 2024, 40(2): 194-204.]. DOI: 10.3969/j.issn.1005-8141.2024.02.004.

Options
文章导航

/

〈 〉