劉大均,賈垚焱
(1.成都大學 旅游與文化產業學院,四川 成都 610106;2.山西財經大學 文化旅游學院,山西 太原 030031)
溫泉旅游是以溫泉為活動載體的旅游活動[1],融觀光游覽、醫療保健、休閑娛樂為一體,是重要的旅游休閑產品[2]。隨著經濟社會的快速發展,健康養生越來越受到人們的關注,溫泉旅游深受游客青睞。在國務院印發的“十四五”旅游業發展規劃中,也提出要推進溫泉旅游發展、建設一批溫泉旅游地。溫泉旅游已逐漸成為旅游開發與投資的熱點,受到政府、企業、學界等多方重視[3]。國外學術界對溫泉旅游的研究較早,成果較為豐富,相關研究主要集中在溫泉旅游的開發過程與發展歷程[4]、溫泉旅游的客源市場[5]、游客感知及滿意度[6,7]等方面。在國內,關于溫泉旅游的研究始于20世紀80年代,進入21世紀之后受到廣泛關注。國內學者主要圍繞溫泉旅游資源價值與開發潛力評價[8~10]、溫泉旅游發展與管理策略[11,12]、溫泉游客的滿意度[13,14]等方面開展研究。溫泉旅游地是溫泉游客停留和活動的目的地,存在共性大、獨特性小的特性,容易出現同質化的趨勢[15]。揭示溫泉旅游地的空間分布規律,對溫泉旅游地進行科學布局與規劃具有重要意義。盡管已有學者針對省域和地市尺度的溫泉旅游地空間分布進行了分析[16,17],但多局限于中觀和微觀空間尺度,缺乏宏觀層面對全國溫泉旅游地的空間分布進行研究。溫泉是一種遍在性資源,溫泉旅游地空間競爭異常激烈[15],有必要對全國溫泉旅游地的分布進行宏觀把握。鑒于此,基于地理空間視角,運用核密度分析、網格維模型、地理探測器等研究方法,對全國溫泉旅游地的空間分布特征進行分析,并揭示其影響因素,以期為溫泉旅游空間格局的優化、溫泉旅游地建設提供參考。
關于溫泉旅游地空間分布研究,學術界多以具有溫泉特色的國家A級旅游景區為研究樣本[16,17]。本文以各省市旅游部門官方網站公布的國家A級旅游景區名錄為數據基礎,以“溫泉”“湯泉”等為關鍵詞進行篩選,并結合網絡查詢與搜索的方式進行補充,從中識別具有溫泉特色的A級旅游景區。截至2019年12月份,共統計出271家具有溫泉特色的A級旅游景區(不含港澳臺數據),以其為研究樣本。為了驗證樣本數據的真實性和有效性,將獲取的樣本數據與具有休閑度假功能的星級溫泉進行了對比。相關性分析結果顯示,兩者間的相關性系數為0.748,sig為0.000,說明利用樣本數據可以較好地反映出溫泉旅游地的空間格局。此外,人均地區生產總值、常住人口、旅游收入等數據來源于《2020中國統計年鑒》、各省市國民經濟和社會發展統計公報。
2.2.1 核密度估計
核密度估計法是研究點集要素在不同地理空間位置上發生概率的方法[18],表達式為:
(1)
2.2.2 網格維模型
網格維數是研究要素空間分布均衡性的重要方法,可以描述系統要素的空間構造特征[19]。進行網格化時,溫泉旅游地占據的網格數N(r)隨著網格尺寸r而變化,若溫泉旅游地分布具有無標度性,則有:
N(r)=∝r-a
(2)
式(2)中,a=D0為容量維。設ij網格中的溫泉旅游地數量為Nij、溫泉旅游地總數為N,其概率為Pij=Nij/N,信息量為:
(3)
式(3)中,K為網格的分段數目,若溫泉旅游地分布是分形的,則有:
I(r)=I0-D1lnr
(4)
式(4)中,I0為常數,D1為信息維。通常,D的變化位于0~2,D越大說明溫泉旅游地分布越均衡,反之則說明溫泉旅游地分布越集中。
2.2.3 地理探測器
地理探測器是探測空間分異性以及揭示其背后驅動因子的一種統計學方法[20],表達式為:
(5)

從省際分布來看,溫泉旅游地的省際差異明顯,廣東、山東、遼寧、重慶、貴州、黑龍江、福建、云南等8個省市的溫泉旅游地數量均在10家以上,占全國總數的54.81%。進一步運用地理集中指數分析發現,溫泉旅游地實際分布的地理集中指數為27.46,大于均勻分布狀態下的地理集中指數17.96,說明溫泉旅游地空間分布具有較強的集中性。從南北分布來看,溫泉旅游地空間分布總體呈“南多、北少”的特征,南方地區和北方地區的溫泉旅游地分別占全國總數的57.41%、42.59%。從三大地帶來看,溫泉旅游地空間分布呈現出“東部多、西部少”的特征,東部、中部、西部地區的溫泉旅游地分別占全國總數的47.78%、22.22%、30%。
運用ArcGIS 10軟件的核密度分析工具對溫泉旅游地的空間分布密度進行分析,識別溫泉旅游地空間分布的集聚區域。結果顯示:溫泉旅游地在空間上存在1個高密度核心區、3個次密度核心區,均分布在“胡煥庸線”以東地區。1個高密度核心區主要分布在廣東省,該核心區位于東南沿海水熱活動密集帶,是中國大陸東部地區溫泉最密集的地帶[21],經濟社會發展水平高,人口分布密集,對溫泉旅游的需求旺盛,是溫泉旅游地分布最密集的地區。3個次密度核心區主要分布在山東半島、遼東半島、渝黔地區,這些地區的溫泉資源較為豐富,經濟社會較為發達,溫泉旅游地分布較多。
運用網格維模型,分別計算溫泉旅游地空間分布的容量維D0和信息維D1。如圖1所示,溫泉旅游地空間分布存在明顯的無標度區,容量維和信息維的測定系數分別為0.993、0.945,說明溫泉旅游地分布具有分形的特性。容量維數值為1.504,大于1,說明溫泉旅游地分布的空間范圍較廣,反映出溫泉旅游發展與需求的廣泛性。信息維數值為0.686,小于1,且與容量維數值相差較大,說明溫泉旅游地在空間上呈不等概率分布態勢,空間分布的不均衡性強,分形結構較為復雜。在自組織演化過程中存在局部圍繞某中心集聚現象,這種集聚現象主要是圍繞廣東、山東半島、遼東半島、滇西等溫泉資源富集區以及廣州、福州、重慶、沈陽等大城市展開的。

圖1 溫泉旅游地網格維雙對數散點
在借鑒相關研究成果的基礎上[17,22],考慮到數據的可獲取性與科學性,從溫泉數量(X1)、消費意愿(X2)、人口規模(X3)、經濟水平(X4)、旅游發展狀況(X5)、政府宣傳(X6)、管理制度(X7)等7個方面,對影響溫泉旅游地空間分布的因素進行定量分析。運用地理探測器的因子探測與交互探測模塊,對溫泉旅游地的空間分布影響因素及其交互作用進行探測。在具體指標選取方面,用各地區擁有的溫泉資源點數量[21]來表征溫泉數量(X1);網民用戶對某一旅游地的檢索行為可視為出游消費意愿的表達[23],用各地區網民以“溫泉旅游”為關鍵詞檢索的百度指數來表征溫泉旅游消費意愿(X2);用各地區的常住人口來表征人口規模(X3);用各地區的人均地區生產總值來表征經濟發展水平(X4);用各地區的旅游總收入來表征旅游發展狀況(X5);用各地區旅游主管部門官方網站上發布的含“溫泉”為篇名的要聞篇數來表征政府的宣傳能力(X6);用各地區旅游主管部門有無出臺溫泉管理條例或服務規范來表征管理制度(X7),有則賦值為1,無則賦值為0。
借助地理探測器的“因子探測”模塊,以各地區溫泉旅游地數量為因變量Y,離散化后的各影響因素指標為自變量,計算得到各影響因素的作用強度(表1)。因子探測結果顯示,各影響因素對溫泉旅游地空間分布的作用強度有所差異,其中q值通過顯著性檢驗的指標共有4項,依據q值的高低,依次為消費意愿(X2)>人口規模(X3)>管理制度(X7)>旅游發展狀況(X5)。

表1 影響因素作用強度
消費意愿對溫泉旅游地空間分布的影響最大,其q值為0.619;人口規模的影響力次之,q值為0.447,說明市場需求是推動溫泉旅游發展的關鍵,是影響溫泉旅游地空間分布的關鍵性力量。溫泉旅游地的建設與發展離不開主管部門的政策引導與管理,探測結果顯示,溫泉管理制度的q值為0.383,說明政策制度是影響溫泉旅游地分布的重要因素。一方面,地方政府通過制定管理與服務規范,保障溫泉旅游的市場秩序與服務質量,為溫泉旅游的良性發展與品質提升創造良好氛圍;另一方面,溫泉資源的產權性質復雜[1],地方政府依托其平臺優勢,利于促進溫泉資源的開發與利用。溫泉旅游作為旅游活動的重要形式,與旅游發展有著緊密的關系。探測結果顯示,旅游發展狀況的q值為0.246,說明較高的旅游發展水平對溫泉旅游地開發具有重要促進重要。溫泉資源是溫泉旅游開發的物質基礎,是溫泉旅游地開發的必要條件與資源本底。然而,探測結果顯示,溫泉數量對溫泉旅游地分布的影響力較弱,未通過顯著性檢驗,說明資源稟賦是溫泉旅游地發展的基礎,但并不是決定性因素。其主要原因在于,不同地區在地理區位、經濟社會發展、市場需求等方面存在較大差異,對溫泉資源的旅游開發程度以及所處的發展階段有所不同,溫泉旅游發展存在較為明顯的兩極分化現象。
運用地理探測器的“交互作用探測”模塊,識別各影響因素間交互作用關系對溫泉旅游地空間分布的解釋力。7項影響因素兩兩作用共計可形成21個互動因子對。如表2所示,任意兩個影響因素對溫泉旅游地的空間分布均具有增強作用,主要形式包括非線性增強與雙因子增強兩種類型,即兩因子交互作用大于其中任意單一因子對因變量的解釋力。交互作用對溫泉旅游地空間分布的影響更為明顯,溫泉旅游地空間分布是影響因素共同作用的結果,而非單一因子影響造成。從交互作用的解釋力q值來看,q值>0.8的互動因子對中,管理制度出現頻率最高,說明主管部門對溫泉旅游發展有著重要影響,與資源稟賦、市場需求交互作用后,表現出顯著的影響效應。

表2 影響因素交互作用探測結果
通過以上分析,得到以下結論:溫泉旅游地區域分異特征明顯,廣東、山東、遼寧等省溫泉旅游地分布較多,總體呈“南多北少、東多西少”的分布特征。溫泉旅游地在空間上具有明顯的集聚性和不均衡性,存在1個高密度核心區、3個次密度核心區,其中,廣東是溫泉旅游地分布最密集的地區。溫泉旅游地在空間上呈不等概率分布態勢,自組織演化過程中存在圍繞溫泉資源富集區、大城市等地理要素展開的現象,分形結構較為復雜。溫泉旅游地空間分布是消費意愿、人口規模、管理制度、旅游發展狀況等因素共同作用的結果,其中消費意愿的q值最大,影響最為明顯。