您正在看的综合论文是:旅游吸引物空间结构分析。

　　　　1　研究目的地空间结构的意义
　　　　1.1　国内外研究现状
　　我国在单个旅游目的地的空间结构研究方面已有较多成果，比如：陆林[2](1996)以安徽黄山、九华山和齐云山为例，阐述了山岳风景区旅游者的空间行为，并应用对比的方法，分析了中国黄山与美国黄石公园旅游者空间行为的共性和个性。而张捷、都金康、周寅康等[3](1999)以九寨沟及比较风景区为例，用游客距离衰减曲线和多种距离累计曲线揭示了观光旅游地客源市场空间结构整体特征和空间距离分异特征。另外的一些类似研究还包括潘勇[4](1998)对上海市区居民旅游强度、频度分析及旅游行为模式；朱同林[5](1998)对九华山旅游者的人口学特征；孙玉贞、马耀峰等[6](1998)对昆明市亚太地区主要旅游客源特征；邓明艳[7](2000)对成都旅游市场时空分布模式等。
　　在国外，也有一些关于旅游目的地客源市场的空间分析和测定文献，主要集中在三个领域：需求预测及其数学模型的构造；旅游者目的地选择模型；以及游客流空间结构的研究。在旅游空间模型方面，Wilson[8](1967)对游客空间分布模型的统计理论进行了研究。Miossec[9](1976)和Gormsen[10](1981)从空间结构和空间动力学角度观察了目的地旅游演变过程，并将旅游者的行为和类型同旅游者的地理分布模型结合起来考虑；Lundgren[11](1973)和Britton[12](1980)建立了关于游客空间分布和旅游业的核心—边缘理论模型(core-periphery  model)，他们强调了边缘地区对核心地区的依赖。Mitchell  and  Lovingood[13](1976)从空间关系角度论述了城市公共游憩问题。
　　在前苏联，地理学家们建立了地域游憩系统的概念，来描述旅游空间结构模式（普列奥布拉曾斯基等[14]，1982）。日本学者对旅游空间结构亦曾加以注意，除野信道[15](1985)在其《观光社会经济学》一书中即曾专辟一章“观光之空间构造”讨论旅游空间结构，但其客源市场主要以国外游客作为样本群。
　　　　1.2　研究意义
　　英国学者Mitchell.L.S[16](1985)在《旅游地理学：综述与展望》中，就已经预测了美国、加拿大两国旅游地理学研究今后的发展方向，其中一个重要的方向是空间关系的研究将会逐步代替描述性研究（转自李山，中国国家级风景名胜区空间结构研究，1999）。日本学者石井英也[17](1988)在《空间时代观光旅游地理学的课题》一文中也提到，日本传统观光旅游的一个重要研究课题是以城市为中心的旅游空间结构研究。因此，本文的研究具有两方面的意义：从实践意义上讲，研究4A级旅游区（点）的空间结构及其与城市之间的关系，本质上是在探索目的地与客源地的关系，其结果不仅可以为首批国家4A级旅游区（点）的客源市场预测以及定位提供依据，还可以为其他景区的“旅游标准化”建设、新景区开发的市场定位提供参考标准，为我国旅游业步入正轨化、规范化，为旅游区可持续发展提供了科学技术以及理论上的保障；从理论上讲，本文虽属应用研究，但通过一定标准的样本群，定量研究旅游目的地空间结构问题，可以弥补我国在此方面研究的不足，为以后的旅游地理学空间结构研究发展提供基础。
　　另外，本研究对国家旅游局制定的《旅游区（点）质量等级的划分与评定》，以及以后将要制定的关于旅游城市的评优标准、各种旅游示范区的评定标准，提供了由实践检验获得的论证和建议。
　　　　2　中国国家4A级旅游区（点）的空间结构分析
　　　　2.1　国家4A级旅游区（点）空间分布类型的测定
　　一般说来，我们可以从地图上直观的了解某个模型的分布状况，是聚集的，均匀的或随机的，但这几种情况常常会同时呈现出来。“一个能较为准确并客观地确定布点格局情况的方法就是最近邻分析法”[18]。
　　国家4A级旅游区（点）在宏观上呈点状分布，因此可以根据点状要素空间分布类型进行测定。最邻近距离是表示点状事物在地理空间中相互邻近程度的地理指标。测出每个点与其最邻近点之间的距离r，取这些距离的平均值r，即表示邻近程度的平均最邻近距离（简称最邻近距离）。当区域中的点状分布为随机型（Poisson分布型）时，其理论上的最邻近距离可用公式表示为：  
r[,E]=1/2(n/A)[1/2]=1/2D[1/2]　　　  (1)

　　
　　其中r[,E]为理论最邻近距离，A为区域面积，n为点数，D为点密度。在均匀分布、随机分布和凝聚分布三种点状分布类型中，均匀分布的最邻近距离最大，随机分布次之，凝聚分布最小。
　　最邻近点指数R定义为实际最邻近距离与理论最邻近距离之比：  
R=r[,1]/r[,E]=2(D[,r1])[1/2]　  (2)

　　
　　当R为1时，说明点状分布为随机型；当R＞1时，点状要素趋于均匀分布；当R＜1时，点状要素趋于凝聚分布。
　　　　表1　4A级景区在八大分区中的集中分布与均匀分布对比表
　　Tab.1　The  Contrast  of  the  centralization  distribution  andequality  distribution  with  4A  tour
  areas  in  eight  zones
　　附图
　　根据公式(1)，计算出国家4A级旅游区（点）理想随机分布的最邻近距离（中国领土面积按960万平方公里计）。  
r[,E]=1/2(n/A)[1/2]=1/2(187/9,600,000)[1/2]≈113（公里）

　　
　　根据计算机测量，得到各4A级旅游区（点）与其最邻近的4A级旅游区（点）之间的实际最邻近直线距离值(i=1-137)（位于同一个城市及城市郊区的4A级旅游区（点）归视为1，得到实际计算点数为137个），由公式(2)求取平均最邻近距离为74.29公里，小于113公里。
　　因此，国家4A级旅游区（点）的分布属于凝聚型。
　　　　2.2　国家4A级旅游区（点）在区域空间分布类型的测定
　　基尼系数(Gini)可以用于刻划空间要素的分布，也可以对两个空间要素的分布进行对比，是地理学中用来描述离散区域空间分布的重要方法。理论上，基民系数介于0和1之间，越大表明集中程度越高。
　　现将4A级景区在全国八个地理分区分布的个数，进行基尼系数分析，从而判断其在全国大的地理分区中分布均匀情况。
　　八个地理分区分别是东北区（东北三省）、华北区（黄河中下游五省二市）、华中区（长江中下游六省一市）、华南区（南部沿海三省一区）、西南区（西南三省）、青藏区（青海、西藏）、蒙甘宁区（北部内陆两区一省）、新疆区。  
H=-∑P[,i]logP[,i]=1.7801
(P=0.0107,0.0428,…,0.2888)
H[,m]=logN=2.0794  (N=8)
G[,ini]=H/H[,m]=0.8561
C=1-G[,ini]=0.1439

　　
　　所以，基尼系数(G)是0.8561，分布均匀度(C)为0.1439。结果表明首批国家4A级旅游区（点）在八大地理分区中呈集中分布，且分布的均匀度很低。
　　　　3　中国国家4A级旅游区（点）与客源市场的空间关系
　　　　3.1　与客源市场的不均衡指数和地理联系率
　　用不均衡指数和地理联系率可以反映旅游区（点）分布（作为旅游目的地）与人口（作为客源市场）分布之间的均衡、配合程度。根据国家旅游局与国家统计局城市社会经济调查总队、国家统计局农村社会经济调查总队合作，在全国范围开展的国内旅游调查结果表明，2000年我国居民的国内旅游中，城镇居民出游人数为3.29亿人次，出游花费为678.56元／人次；农民国内旅游人次数为4.15亿人次，出游人均花费226.50元／人次。虽然从总值上看，农民旅游的人次多于城镇居民，但城镇居民出游人次率为104.37%，农民出游率为43.99%，我国的国内旅游仍然可以看作以城镇居民为主。因此，在本次研究中，仍把城镇作为主要的旅游客源市场。
　　现将《中国城市年鉴》[20](2000)中667个城市的分省统计非农业人口数，分别设为P[,1],P[,2],…,P[,31]，相对应各省中的4A级旅游区（点）的个数为N[,1]，N[,2],…,N[,31]，将分省人口数和旅游区（点）的个数换算成百分比，即：  
P'[,i]=P[,i]/∑P[,i]×100%　　(3)
N'[,i]=N[,i]/∑N[,i]×100%　　(4)

　　
　　P'[,i]为第i个省非农业人口占全国非农业人口的百分比，N'[,i]为第i个省内国家4A级旅游区（点）数占187家旅游区（点）的百分比。根据不均衡指数定义：  
I[,d]=1/100∑│N'[,i]-P'[,i]│(n=31)　　　(5)

　　
　　得到不均衡指数为0.4426。理论上，不均衡指数介于0到2之间，不均衡指数越大，表示旅游区（点）分布的不均衡性越大，与城市非农业人口在地域上分布的配合程度越低。
　　根据地理联系率定义：  
G=100-1/2∑│N'[,i]-P'[,i]│(n=31)　　　  (6)

　　
　　得到地理联系率为77.87。理论上地理联系率介于0-100之间，它与不均衡指数相反，越大则均衡度越高。
　　以上一组数据表明，国家4A级旅游区（点）与城市非农业人口在地域上的分布配合较高，反映了4A级旅游区（点）与客源市场（城市）之间的相距程度呈较高水平。
　　　　3.2　国家4A级旅游区（点）与城市间的“廊道”分析
　　　　3.2.1　分析方法
　　旅游者的出游或发生空间位移，是受多种因素影响和制约的。李山在国家级风景名胜区的空间结构的研究中指出，这种制约因素“…从力学的角度可简单表述为客源地‘推力’（旅游者的‘出游力’）、目的地的‘拉力’（目的地的‘吸引力’）和客源地与目的地间的‘阻力’（可达性）。
　　廊道(Corridor)是景观生态学中用来解释景观结构模式的基本要素之一（景观结构模式包括斑块Patch、廊道Corridor和基质Matrix），这种模式为比较、判别空间要素的结构和功能关系提供了“一种通俗、简明和可操作的语言”[19]。该语言对于城乡规划师在规划设计、空间结构以及模型分析方法中是可以共通使用的。本研究中，主要应用该原理定量的研究城市与旅游区（点）之间的数目、空间关系。城市作为旅游区（点）的主要客源地，是研究中的重要对象。在此，客源地(O=Origin)主要指城市，目的地(D=Destination)是国家4A级旅游区（点）。从宏观角度看，城市和各个旅游区（点）可以抽象为点状要素，而它们之间的交通要素可以抽角为线。城市作为对旅游活动的活化“激素”，可以视为“斑块”，国家4A级旅游区（点）作为城市旅游的活化对象，可视为“基质”，而城市与4A级旅游区（点）之间的交通就是“斑块”与“基质”之间的“廊道”。通过定量计算“廊道”的长度，可以从中发现首批国家4A级旅游区（点）与中等城市之间的距离关系，从而得到这些旅游区（点）在中等城市的地域空间上的分布规律。
　　“廊道”具有多种形式，如铁路、公路、航线、水路等。本研究中将城市与4A级旅游区（点）的交通距离，作为度量其空间结构的尺度，其中的交通方式主要以铁路、公路为主，有个别旅游区（点）使用水路（如重庆奉节、丰都、巫山小三峡等），计算时由海里折合为公里数。计算方法如图1所示。
　　附图
　　　　图1　国家4A级旅游区（点）与城市之间的距离计算方法示意图
　　Fig.1　The  sketch  map  of  the  distance  calculation  betweennational  4A  tour  areas  and 
 the  cities  over  200  thousandspopulation
　　国家4A级旅游区（点）A和距其最邻近的各种规模的非农业人口20万以上的城市C之间的距离为S[,1]+S[,2]。
　　我国的城市划分标准是人口在20万以下的城市为“小城市”，20-50万是“中等城市”，50-200万的为“大城市”，200万以上为“特大城市”。该标准中的城市人口是指行政区范围的人口，包括了城市中、从事农业活动的人口和非农人口。本研究中，针对国内主要出游客源为非农业人口，以及为了问题的简化，选择了302个非农人口在20万以上的城市，作为研究对象。
　　根据《中国城市年鉴》(2000)统计，1999年我国非农业人口在200万人口以上的城市有北京、天津、沈阳、大连、长春、哈尔滨、南京、上海、武汉、广州、重庆、成都、西安共13个。100万人口以上的城市共24个，50万人口以上的有49个，20万人口以上的有216个。
　　　　3.2.2　分析结果
　　在187家国家4A级旅游区（点）中，本身位于20万以上非农业人口城市的4A级旅游区（点）共有83个。具体分布如表2。
　　　　表2　位于不同等级城市中的4A级旅游区（点）的个数
　　Tab.2  The  numbers  of  the  national  4A  tour  areas  located  indifferent  city  grades  
城市规模（非农
业人口：万人）　　20-50  50-100  100-200　200以上
4A级旅游区
（点）的个数　　　16　　　16　　  15　　　  36

　　
　　根据吴必虎、唐俊雅、黄安民等(1997)对中国城市居民的出游空间进行的研究表明，“中国城市居民旅游和休闲出游市场随距离增加而衰减，其中80%的出游市场集中在距城市500公里以内的范围内”[21]。因此可以认为，国家4A级旅游区（点）的客源市场约80%集中在距景点500公里以内的地区范围内。在首批国家4A级旅游区（点）中，有9家（云南的丽江玉龙雪山旅游度假区、中科院林双版纳热带植物园，西藏博物馆、布达拉宫、大昭寺、罗布林卡、林芝巴松措旅游区、甘肃的嘉峪关文物景区，青海的格尔木昆仑旅游区）在500公里范围内没有非农业人口在20万以上的城市。因此，在本次统计中没有将其计算在内。
　　　　表3　131个旅游区（点）与其周边最近邻非农业人口20万以上城市之间的平均交通距离
　　Tab.3  The  comparison  of  average  traffic  distance  between131  tour  areas  
and  different  size  of  cities  over  200thousands  population  
城市规模（非农业