中国海洋大学学报社会科学版  2022  Issue (1): 92-102  DOI: 10.16497/j.cnki.1672-335X.202201008

引用本文  

刘佳, 安珂珂. 旅游环境承载力时空演变及其影响因素——基于中国沿海地区的多尺度分析[J]. 中国海洋大学学报(社会科学版), 2022, (1): 92-102.
Liu Jia, An Keke. Multi-Scale Analysis of Spatiotemporal Evolution and Influencing Factors of Tourism Environmental Carrying Capacity in China′s Coastal Areas[J]. Journal of Ocean University of China (Social Sciences), 2022, (1): 92-102.

基金项目

国家社会科学基金项目“‘双循环’新格局下我国海洋旅游业高质量发展与响应机制研究”(21BGL021);国家社会科学基金项目“城镇化进程下中国沿海城市旅游化演变新旧动能转换研究”(19BGL138);文化和旅游宏观决策课题“双循环背景下旅游产业链重构机制与路径研究”(2021HGJCG04);山东省自然科学基金项目“山东省旅游产业绿色创新效率空间网络结构与形成机制”(ZR202102200015)

作者简介

刘佳(1981-),女,山东临朐人,中国海洋大学管理学院教授,博士生导师,中国海洋大学海洋发展研究院高级研究员,主要从事旅游产业与区域发展研究

文章历史

收稿日期:2021-11-12
旅游环境承载力时空演变及其影响因素——基于中国沿海地区的多尺度分析
刘佳1,2 , 安珂珂1     
1. 中国海洋大学 管理学院,山东 青岛 266100;
2. 中国海洋大学 海洋发展研究院,山东 青岛 266100
摘要:旅游环境可持续承载是构建适应“十四五”时期我国高质量发展要求的旅游空间格局的重要依据。基于沿海省域、沿海城市群、沿海城市多尺度空间单元,构建基于驱动力—压力—状态—影响—响应(DPSIR)模型的旅游环境承载力评价指标体系,综合多目标线性加权函数、核密度估计和面板回归模型等研究方法,探索2000—2018年中国沿海地区旅游环境承载力的时空演变格局及其形成机制。研究表明,在时间维度上,不同尺度旅游环境承载力均呈现波动提高态势。其中,沿海省域呈“N”型阶梯式提高特征,沿海城市群呈“长三角—珠三角—京津冀”依次递减特征,沿海城市则呈“省会城市—非省会城市”递减特征。在空间维度上,不同尺度旅游环境承载力的分布格局存在显著分异。其中,沿海省域呈“高值集中、低值分散”的格局,京津冀、长三角、珠三角城市群分别呈“中心高—四周低”“东南高—西北低”“东高—西低”的格局,沿海城市则表现为“京津沪引领其他城市发展”的格局。不同尺度下影响旅游环境承载力的关键因素存在显著差异,空间尺度越小,旅游环境承载力与其影响因素的交互关系越复杂。针对不同空间尺度,从经济发展、科技进步、环境规制、产业集聚等方面提出推进中国沿海地区旅游环境可持续承载与高质量发展的政策建议。
关键词旅游环境承载力    多尺度    时空演变    影响因素    中国沿海地区    
Multi-Scale Analysis of Spatiotemporal Evolution and Influencing Factors of Tourism Environmental Carrying Capacity in China′s Coastal Areas
Liu Jia1,2 , An Keke1     
1. College of Management, Ocean University of China, Qingdao 266100, China;
2. Ocean Development Research Institute, Ocean university of China, Qingdao 266100, China
Abstract: The sustainable carrying of tourism environment is an important basis for building the tourism spatial pattern to meet the requirements of China′s high-quality development during the 14th Five Year Plan period. Based on the multi-scale spatial units of coastal provinces, coastal groups of cities and coastal cities, the article explores the spatiotemporal evolution pattern, influencing factors and formation mechanism of tourism environmental carrying capacity in China′s coastal areas from 2000 to 2018 by comprehensively using DPSIR model, multi-objective linear weighting function, kernel density estimation and panel regression model. The results show that: 1) The tourism environmental carrying capacity of different scales fluctuates and increases. Among them, the tourism environmental carrying capacity in coastal provinces presents an N-shaped gradual increase, while the coastal groups of cities show the decrease in turn in Yangtze River Delta, Pearl River Delta, and Beijing, Tianjin and Hebei province, and the coastal cities show the decrease from provincial capital cities to non-provincial capital cities; 2) There are differences in the distribution pattern of tourism environmental carrying capacity at different scales. Among them, the coastal provinces are characteristic of "high-value concentration and low-value dispersion", while the groups of cities in Beijing, Tianjin and Hebei, Yangtze River Delta and Pearl River Delta follow the patterns of "high in the center and low in the surrounding areas", "high in the southeast and low in the northwest", and "high in the east and low in the west" respectively. The coastal cities set the spatial pattern of "Beijing, Tianjin, and Shanghai developing faster than other cities"; 3) There are significant differences in the key factors affecting tourism environmental carrying capacity at different scales. The smaller the scale, the more complex the interaction between tourism environmental carrying capacity and its influencing factors. Finally, according to different spatial scales, the article puts forward policy suggestions to promote the sustainable carrying and high-quality development of tourism environment in China′s coastal areas from the aspects of economic development, scientific and technological progress, environmental regulation and industrial agglomeration.
Key words: tourism environmental carrying capacity    multi-scale    spatiotemporal evolution    influencing factors    coastal areas in China    
一、引言

20世纪90年代以来,随着可持续发展理念的深入,旅游环境承载力成为旅游开发、规划与管理领域的热点问题。[1]我国《“十四五”文化和旅游发展规划》强调立足资源环境承载能力,构建适应高质量发展要求的文化和旅游空间布局,凸显了旅游环境可持续承载的重要性与必要性。沿海地区旅游环境可持续承载是响应国家海洋强国战略、践行海洋生态文明建设及优化区域旅游业发展格局的重要依据。当前,中国大陆沿海地区已逐步形成以11个沿海省域为依托,京津冀、长三角、珠三角、辽中南、山东半岛、北部湾、粤闽浙7个沿海城市群为载体,55个沿海城市为主体的空间格局,其作为中国社会经济发展的战略核心区,[2]旅游资源较为丰富,旅游业发展水平较高。[3]但与此同时,沿海地区旅游产业发展所依赖的生态系统较为脆弱,环境污染、生态破坏等问题日益凸显,[4]提升区域旅游环境的承载能力成为新时期沿海地区旅游业高质量发展的重要基础。此外,由于自然、文化、社会等因素的影响,沿海地区旅游环境承载力在不同空间尺度下表现出较为显著的非均衡性。对旅游环境承载力进行多尺度时空演变特征及其影响因素的总体把握,从而制定精准化的可持续承载对策,对于推动新时期沿海地区旅游产业高质量发展具有重要意义。

1963年,Laipeqi提出旅游环境承载力的概念,[5]1964年,Wagar进一步将旅游环境承载力界定为“在自然环境没有出现不可接受的变化和游客体验质量没有出现不可接受的降低情况下,一个景点可以容纳的最多游客数量”,[6]成为旅游环境承载力概念的经典描述。[7]后续研究在此基础上围绕“人地关系”深化了旅游环境承载力的概念和内涵,形成了以“地”为中心将自然环境作为承载主体和以“人”为中心将旅游环境复合系统作为承载主体两个维度的内涵。[1][8]当前,旅游环境承载力相关研究取得了较为丰富的成果,主要聚焦在理论内涵、测度评价和影响因素等领域。首先,基于旅游环境承载力与旅游环境容量的异同,[1][8][9]学者们从可持续发展理论、人地关系理论等入手,多从概念、内涵、本质、特征等方面进行理论建构。其次,聚焦海滩、国家公园、自然保护区等微观尺度,[10][11][12]以及城市、省域等中宏观尺度,[13][14]在研究中大多利用PLS路径模型、离散选择模型、生态足迹等研究模型,[15][16][17]采用最小限制因子法、相对承载力、游客体验效用等要素分析法,以及构建指标体系等对旅游环境承载力水平进行测度。[18][19][20][21]另外,利用向量自回归模型、脉冲响应函数、耦合度分析等方法探讨城镇化水平、产业集聚发展、旅游者数量、旅游经济增长等单一因素与旅游环境承载力的耦合关系与动态关联。[14][22][23][24]

综上,现有研究对旅游环境承载力的理论、方法与实践作出了有益探索,但仍存在如下局限:第一,多数研究采用单一要素分析法或构建评价指标体系对旅游环境承载力进行测度,但较少考虑旅游环境复合系统中资源、生态、经济、社会等多要素之间的因果与互馈关系,忽略了不同要素组合的复杂影响机制。驱动力—压力—状态—影响—响应(DPSIR)模型是多维度评价环境承载力的重要分析框架,[25]能够比较完整地反映多维要素间的相互作用关系,[26]其在耕地资源承载力、水生态承载力、旅游生态安全等领域有丰富的应用,[26][27][28]但在旅游环境承载力领域的应用较为匮乏,将其引入旅游环境承载力研究对于解构多要素的互馈关系,系统评价旅游环境承载力水平、规律与态势具有重要意义。第二,已有研究多限于全国、省域及城市群的单一尺度分析,不同空间尺度下旅游环境承载力演变规律的动态比较研究较少,忽略了旅游环境承载力的区域异质特征,不利于系统把握中国沿海地区旅游环境承载力的发展现状与形成机制。由于地理学研究对象是尺度依存的,[29]只有在连续的尺度序列上进行研究,才能把握内在规律。为此,基于已有研究关于旅游环境承载力多要素因果关系与多尺度动态比较的不足,本文选择沿海省域、沿海城市群及沿海城市多空间尺度作为研究与比较对象,构建基于DPSIR模型的评价体系,并运用核密度估计、面板回归模型等方法,探索2000—2018年中国沿海地区旅游环境承载力的时空演变格局及其影响因素,以期推进新时期中国沿海地区旅游可持续承载与高质量发展。

二、研究方法与数据来源 (一) 研究方法

1、旅游环境承载力评价指标体系

DPSIR模型由欧洲环境署于1998年正式提出,[30]其将构成复合系统的社会、经济、资源、环境等多维要素划分为驱动力(D)、压力(P)、状态(S)、影响(I)、响应(R)五个维度,[30]能够系统反映多维要素之间的相互作用和因果关系。[26][31]尽管学者们认识到DPSIR模型在旅游环境承载力领域中具有适应性,[1]但相关评价与实证研究较为匮乏。旅游环境承载系统是涵盖资源环境承载能力及社会经济接纳能力的复合系统,[1]构建驱动力—压力—状态—影响—响应维度下的旅游环境承载力评价体系,能够有效识别旅游环境复合系统中不同要素之间的互馈与协同关系,对于合理评价我国旅游环境承载水平具有重要理论价值。

进一步采用文献分析与专家咨询相结合的方式确定评价指标。以中国期刊全文数据库(CNKI)为数据源,以“环境承载力”“评价指标”为关键词进行检索,提炼环境承载力相关研究中高频经典的评价指标,并基于旅游环境承载力本质和内涵,围绕“驱动力—压力—状态—影响—响应”五个维度进行评价指标的分类凝练; 进而选择旅游环境系统分析、旅游资源开发与管理、生态经济学、资源可持续利用与生态系统管理等领域专家,发放问卷进行专家咨询,并基于前期研究成果, [32]最终确定旅游环境承载力评价指标体系(见表 1)。

表 1 旅游环境承载力评价指标体系

2、多目标线性加权函数

熵权法是较为成熟的客观赋权法,[33]可以避免主观赋权法的随机性,能够有效解决多指标变量的信息重叠问题。[34][35]本文结合熵权法与多目标线性加权函数模型,对中国沿海地区旅游环境承载力进行综合评价。步骤如下:

(1) 数据标准化:

$ \begin{aligned} X_{i j, t}=\left(x_{i j, t}-x_{j \min , t}\right) /\left(x_{j \max , t}-x_{j \min , t}\right)+0.01 \end{aligned} $ (1)
$ X_{i j, t}=\left(x_{j \max , t}-x_{i j, t}\right) /\left(x_{j \max , t}-x_{j \min , t}\right)+0.01 $ (2)

其中,xij, t为第t期研究区域i的第j项指标值; xjmax, txjmin, t分别为j指标的最大值和最小值; Xij, t为标准化处理后的值。正向指标与负向指标分别采用公式(1)、公式(2)处理。

(2) 计算指标占比Pijt、熵值ejt、效用值djt、权重wjt

$ {P_{ijt}} = {X_{ijt}}/\sum\nolimits_{i = 1}^n {} {X_{ijt}};{e_{jt}} = - k\sum\limits_{i = 1}^n {{P_{ijt}}} \ln {P_{ijt}},k = \frac{1}{{\ln n}} $ (3)
$d_{j t}=1-e_{j t} ; w_{j t}=d_{j t} / \sum_{j=1}^{36} d_{j t}(1 \leq j \leq 36) $ (4)

(3) 多目标线性加权函数计算出第ti地区旅游环境承载力水平值TECCit

$ TEC{C_{it}} = \sum\limits_{j = 1}^{36} {{w_{jt}}} {X_{ij,t}} $ (5)

3、核密度估计

核密度估计属于非参数检验方法,可以避免对数据形式假定不当导致的错误,使得估计结果的拟合度更高、稳健性更好,[36][37]成为时序动态演进分析的常用方法。[38]本文运用核密度估计分析中国沿海地区旅游环境承载力的时序动态演进特征。计算公式如下:

$ f(TECC) = \frac{1}{{nh}}\sum\limits_{i = 1}^n c \left( {\frac{{TECC - TEC{C_i}}}{h}} \right) $ (6)

其中,f(TECC)为核密度估计值; TECC为旅游环境承载力水平值; TECCi为标记点; c为核函数; h为带宽。

4、面板回归模型

运用面板回归模型分析中国沿海地区旅游环境承载力时空演变的影响因素,设定公式如下:

$ T E C C_{i t}=\alpha+\beta_{k} X_{i t}+\varepsilon_{i t} $ (7)

其中,TECCit表示旅游环境承载力; Xit表示影响因素; βk为影响系数; α为常数项; εit为随机误差项; i表示研究区域; t表示时间。

结合相关研究成果,[22][23]旅游环境承载力的主要影响因素选取如下:(1)经济发展水平(eco):经济发展水平较高的地区更加注重资源利用的有效性和生态环境治理的综合性,有利于提高资源环境承载能力。[39][40]以人均GDP加以表征。(2)环境规制强度(ers):地方政府可以通过提高环保投入、加大惩罚力度等手段倒逼旅游企业进行创新,提高资源使用效率,达到优化旅游环境承载力的目的。以环境污染治理投资占GDP比重加以表征。(3)科技进步水平(tec):科学技术能够反映人类活动对环境状态的响应,在一定程度上对环境承载力起到正向促进作用。[41]以R&D经费占地方财政支出的比重加以表征。(4)游客密度(den):随着游客人数的增加,旅游住宿、交通等环节产生的废弃物等垃圾增多,导致目的地承载压力增大,从而对旅游环境承载力造成负面影响。以游客数量占地区人口数比重加以表征。(5)旅游生态效率(eff):生态效率可以反映区域发展过程中经济活动对生态环境的影响,[42]会对旅游环境承载力水平产生促进作用。本文构建超效率SBM模型加以衡量。(6)旅游产业集聚(tia):产业集聚能够产生较强的规模经济、成本效应及竞争优势,对旅游环境承载力产生一定影响。[22]本文构建区位熵指数加以衡量。

(二) 研究区域与数据来源

本文研究单元涵盖中国大陆11个沿海省域,京津冀、长三角、珠三角沿海城市群及其48个城市。首先,根据所辖空间是否涵盖海岸线,选择天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南等11个沿海省域,进行省域尺度分析。其次,根据国家战略定位,京津冀、长三角、珠三角城市群为国家级沿海城市群,[2]以其进行城市群尺度分析。最后,根据《京津冀协同发展规划纲要》《长江三角洲城市群发展规划》《珠江三角洲地区改革发展规划纲要》,选择北京、天津、石家庄、唐山、秦皇岛、邯郸、邢台、保定、张家口、承德、沧州、廊坊、衡水、上海、南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州、杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州、合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城、广州、深圳、珠海、佛山、江门、肇庆、惠州、东莞、中山共48个沿海城市进行城市尺度分析。此外,本文选取2000—2018年为研究时段。2019年5月13日,中共中央政治局会议审议通过《长江三角洲区域一体化发展规划纲要》,温州被列为长三角城市群第27个城市。因此,为保证研究区域的一致性和可比较性,本文仅选取2019年之前的数据。相关数据来源于2001—2019年《中国统计年鉴》《中国环境年鉴》《中国旅游统计年鉴》《中国城市建设年鉴》,及各沿海省域和城市的统计年鉴。个别缺失数据采用插值法补齐。

三、中国沿海地区旅游环境承载力的多尺度时空演变分析 (一) 旅游环境承载力的时间演变特征

1、沿海省域尺度

在研究期内,中国大陆沿海省域旅游环境承载力呈“N”型波动提高态势(见图 1),但不同年份、不同省域的承载力水平及其提高幅度存在较大差异。分阶段来看,2000—2011年沿海省域旅游环境承载力波动提高,但2012年出现明显下降,2012—2018年则继续波动提升。分省域来看,在研究期内,河北、辽宁、江苏、浙江、福建、山东、广西七个省域旅游环境承载力缓慢提升,但天津、上海、广东、海南四个省域旅游环境承载力水平呈降低态势。究其原因,这四个省域海水浴场水质状况及空气质量达标天数有一定下降,资源生态状况(S)有所恶化,环境污染治理投资占GDP比重及实际利用外资占GDP比重有所降低,经济响应(R)略显不足,因此导致其旅游环境承载力下降。

图 1 2000—2018年中国大陆沿海省域旅游环境承载力水平

2、沿海城市群尺度

图 2a所示,在研究期内,三大沿海城市群旅游环境承载力均呈提高态势,核密度曲线向右偏移。分城市群来看(见图 2b-2d),三大沿海城市群旅游环境承载力水平不断提高,且呈“长三角—珠三角—京津冀”依次递减特征。在研究期间,三大沿海城市群核密度曲线均逐渐右移,但并非严格的单峰或双峰,且存在右拖尾现象。究其原因,经济社会对三大沿海城市群旅游环境承载的驱动力(D)、旅游环境承载依赖的资源生态状况(S)、旅游环境可持续承载对经济社会的潜在影响(I),以及为应对资源生态压力(P)采取的响应(R)措施均有不同程度的提升,因此推进了三大沿海城市群旅游环境承载力不同程度的显著提升。

图 2 2000年、2005年、2010年、2018年中国三大沿海城市群旅游环境承载力的时序动态演进

3、沿海城市尺度

在研究期内,三大沿海城市群所辖48个城市旅游环境承载力呈现提升态势,其均值由2000年0.16提高至2018年0.21。其中,北京、天津、石家庄、上海、南京、杭州、合肥、广州八个省会城市旅游环境承载力均值高于其余40个非省会城市均值,呈“省会城市—非省会城市”递减特征。原因在于,省会城市发达的地区经济、完善的基础设施等优势对旅游环境承载力产生的正向驱动力(D)更强,其资源状况、生态状况(S)较为良好,对旅游经济、社会环境产生的积极影响(I)较大,且响应(R)措施取得的效果更强,因此省会城市旅游环境承载力高于非省会城市。

(二) 旅游环境承载力的空间演变特征

1、沿海省域尺度

运用ArcGIS10.2空间分析技术,选取2000年、2005年、2010年、2018年为观测年份进行可视化处理,采用相等间隔分组法将旅游环境承载力水平由低到高分为四类:低水平(0,0.25]、次低水平(0.25,0.50]、次高水平(0.50,0.75]和高水平(0.75,1],揭示研究期内中国大陆沿海省域旅游环境承载力的空间格局与演变态势。如图 3所示,沿海省域旅游环境承载力呈“次高水平省域连片集中、次低水平与低水平省域分散布局”的特征。其中,次高水平省域主要集中在上海、江苏、浙江等旅游经济较为发达的省域,次低水平与低水平省域主要分布在辽宁、天津、河北等旅游产业发展与生态环境保护矛盾较为突出的省域。

图 3 2000年、2005年、2010年、2018年中国大陆沿海省域旅游环境承载力的空间演变

2、沿海城市群尺度

与沿海省域处理过程一致,可视化京津冀、长三角、珠三角城市群旅游环境承载力空间演变特征。如图 4所示,京津冀城市群旅游环境承载力呈“中心高、四周低”的空间不均衡分布特征,北京、天津两市旅游环境承载力始终高于河北省11个城市; 长三角城市群旅游环境承载力呈“东南高、西北低”的空间分布格局,宁波、杭州、上海、苏州等东南部城市旅游环境承载力高于盐城、扬州、滁州等西北部城市; 珠三角城市群旅游环境承载力呈“东高、西低”的空间分布格局,次低水平城市以广州、深圳为主,其他城市一直为低水平。

图 4 2000年、2005年、2010年、2018年中国三大沿海城市群旅游环境承载力的空间分布

3、沿海城市尺度

图 4所示,在研究期内,沿海城市旅游环境承载力始终以次低水平和低水平为主,呈“京津沪引领其他城市发展”的空间格局。其中,高水平和次高水平城市主要分布在北京、天津和上海三市; 次低水平城市集中在南京、无锡、苏州、杭州等长三角城市群城市; 低水平城市则较为均衡地分布在三大沿海城市群内部。

四、中国沿海地区旅游环境承载力时空演变的影响因素分析 (一) 单位根检验

在面板模型回归之前需要对数据进行单位根检验,以免出现虚假回归现象。本文采用LLC检验和ADF检验两种最常用的方法,结果如表 2所示。各变量LLC检验和ADF检验的P值均小于0.05,即至少通过5%的显著性水平检验,表明数据具有平稳性。

表 2 单位根检验结果
(二) 协整检验

为进一步考察变量之间是否存在长期均衡关系,本文采用Kao检验和Pedroni检验两种方法进行了协整检验。如表 3所示,两种方法ADF统计量的P值均小于0.01,故可在1%水平下强烈拒绝“不存在协整关系”的原假设,说明各变量间存在协整关系。

表 3 协整检验结果
(三) 影响因素分析

1、沿海省域尺度

从沿海省域看(见表 4a),经济发展水平、环境规制强度、科技进步水平、旅游产业集聚和旅游生态效率对旅游环境承载力具有促进作用,其估计系数均为正,且基本通过5%显著性水平检验; 游客密度则具有显著负向影响,其估计系数为-0.005,且通过1%显著性水平检验。究其原因,由于休闲需求的日益增长、旅游资源空间分布的不均衡,以及沿海地区较为脆弱的生态环境等因素,沿海省域旅游环境承载力与旅游者之间的矛盾日益突出,旅游地游客数量超载逐渐成为旅游环境承载的主要压力,从而制约了旅游环境承载力提升。

表 4 中国沿海地区旅游环境承载力影响因素的回归结果

2、沿海城市群尺度

从三大沿海城市群来看(见表 4b),经济发展水平、环境规制强度、科技进步水平与旅游生态效率对沿海城市群旅游环境承载力提升均起到促进作用,但游客密度、旅游产业集聚的影响方向存在差异。其中,游客密度对长三角城市群旅游环境承载力的影响不明显,但对京津冀、珠三角城市群起到抑制作用; 旅游产业集聚对京津冀、长三角城市群起到促进作用,但对珠三角城市群产生负向影响。

3、沿海城市尺度

从48个沿海城市看(见表 4c),经济发展水平、环境规制强度、科技进步水平、旅游产业集聚、旅游生态效率对沿海城市旅游环境承载力均起到促进作用,游客密度的影响较不明显。具体来看,经济发展水平、环境规制强度、科技进步水平、旅游产业集聚、旅游生态效率估计系数均为正,且均通过5%的显著性水平检验,表明上述影响因素对沿海城市旅游环境承载力具有积极的提升作用。但游客密度估计系数为0,通过1%显著性水平检验,表明游客密度对沿海城市旅游环境承载力的影响尚不明显。

五、结论与建议 (一) 研究结论

本文从省域、城市群及城市不同空间尺度出发,构建基于DPSIR模型的旅游环境承载力评价指标体系,综合运用多目标线性加权函数、核密度估计、面板回归模型等方法,探讨2000—2018年中国沿海地区旅游环境承载力的时空演变特征及其影响因素。主要结论如下:

(1) 不同尺度下旅游环境承载力均呈提高态势。其中,沿海省域呈“N”型波动提高,沿海城市群呈“长三角—珠三角—京津冀”递减特征,沿海城市呈“省会城市—非省会城市”递减特征。

(2) 不同尺度下旅游环境承载力空间分布存在显著分异。其中,沿海省域呈“次高水平省域集中、次低水平与低水平省域分散”的格局,京津冀、长三角、珠三角城市群分别呈“中心高、四周低”“东南高、西北低”“东高、西低”的格局,沿海城市则呈“京津沪引领其他城市发展”的格局。

(3) 不同尺度下影响旅游环境承载力的关键因素存在差异,空间尺度越小,旅游环境承载力与其影响因素的关系越复杂。其中,经济发展水平、环境规制强度、科技进步水平与旅游生态效率对不同尺度旅游环境承载力均具有促进作用,游客密度与旅游产业集聚的影响程度因尺度不同而存在差异。

(二) 政策建议

沿海地区旅游环境承载力具有明显的尺度特征,其时空分布及其影响因素随尺度的缩小更趋复杂。推进沿海地区旅游环境可持续承载与高质量发展需要关注不同尺度上影响因素的作用强度,据此提出如下政策建议:

一方面,经济发展水平、科技进步水平、环境规制强度、旅游生态效率对不同尺度旅游环境承载力均具有促进作用。因此,对沿海省域、沿海城市群及沿海城市提出如下建议:(1)深入落实创新驱动战略,加快现代化经济体系建设,为旅游环境承载力提供经济支撑。紧紧抓住国家“十四五”规划提出的“支持北京、上海、粤港澳大湾区形成国际科技创新中心”这一机遇,积极主动地将经济发展转到创新驱动轨道上,坚持科技创新与制度创新双轮驱动,充分发挥资源要素的最优化配置。(2)建立健全环境规制制度体系,为旅游环境承载力提供制度保障。加强命令控制型、经济激励型、公众参与型环境规制,充分发挥政府在旅游环境治理中的监管作用,通过经济补贴、税收减免等方式对环境友好型旅游企业给予政策扶持。(3)增强游客绿色旅游意识,降低旅游碳排放量,提高旅游生态效率。坚持绿色低碳循环发展道路,鼓励旅游企业以可持续发展理念为指导,积极开发绿色旅游产品,并引导游客选择绿色低碳的旅游方式。例如,在景区内引导游客采用步行、骑车等方式替代传统能源观光车,降低旅游碳排放量对环境承载力造成的压力。

另一方面,不同空间尺度游客密度与旅游产业集聚的影响存在显著的差异性。其中,游客密度对沿海省域及京津冀、珠三角城市群旅游环境承载力具有抑制作用,旅游产业集聚对珠三角城市群旅游环境承载力产生阻碍作用。因此,提出如下建议:(1)沿海省域及京津冀、珠三角城市群应重视减小游客容量不均衡分布造成的负面影响。通过打造精细化服务、抓住市场需求、找准市场定位等措施,提高景区服务质量并加强旅游宣传营销,平衡景区吸引力,从而缓解热点旅游城市或景区人满为患、冷点旅游城市或景区游客不足的矛盾现状,降低因游客过度聚集、活动强度过大对区域旅游环境承载力造成的压力。(2)珠三角城市群还应重视防范旅游产业不合理集聚产生的抑制作用,注重旅游产业布局与人口、资源、经济等要素相适应,构建产业融合互补、资源共享共建的区域协调发展格局,促进旅游产业在空间上的合理集聚,减缓过度集聚对珠三角城市群旅游环境承载力的抑制作用,从而促进旅游环境可持续承载与旅游产业高质量发展。

参考文献
[1]
杨秀平, 翁钢民. 旅游环境承载力研究综述[J]. 旅游学刊, 2019, 34(4): 96-105. (0)
[2]
盛彦文, 骆华松, 宋金平, 等. 中国东部沿海五大城市群创新效率、影响因素及空间溢出效应[J]. 地理研究, 2020, 39(2): 257-271. (0)
[3]
程雪兰, 方叶林, 苏雪晴, 等. 中国东部沿海5大城市群旅游流网络结构空间分布特征研究[J]. 地理科学进展, 2021, 40(6): 948-957. (0)
[4]
彭飞, 孙才志, 刘天宝, 等. 中国沿海地区海洋生态经济系统脆弱性与协调性时空演变[J]. 经济地理, 2018, 38(3): 165-174. (0)
[5]
Laipeqi. The capacity to absorb tourists[J]. Built Environment, 1963, 3(8): 239-263. (0)
[6]
Wagar J A. The carrying capacity of wild lands for recreation[J]. Forest Science Monograph, 1964, 7(3): 62-72. (0)
[7]
魏宁宁, 张全景, 林奕冉, 等. 旅游承载力评估在海滩旅游管理中的应用[J]. 经济地理, 2019, 39(3): 210-217. (0)
[8]
孙晋坤, 章锦河, 李曼, 等. 近十年国内外旅游环境承载力研究进展与启示[J]. 地理与地理信息科学, 2014, 30(2): 86-91. (0)
[9]
崔凤军, 刘家明. 旅游环境承载力理论及其实践意义[J]. 地理科学进展, 1998, 17(1): 86-91. (0)
[10]
Cisneros M H, Revollo Sarmiento N V, Delrieux C A, et al. Beach carrying capacity assessment through image processing tools for coastal management[J]. Ocean & Coastal Management, 2016, 130(sep.): 138-147. (0)
[11]
尹新哲, 李菁华, 雷莹. 森林公园旅游环境承载力评估——以重庆黄水国家森林公园为例[J]. 人文地理, 2013, 28(2): 154-159. (0)
[12]
Salerno F, Viviano G, EC Manfredi, et al. Multiple Carrying Capacities from a management-oriented perspective to operationalize sustainable tourism in protected areas[J]. Journal of Environmental Management, 2013, 128: 116-125. DOI:10.1016/j.jenvman.2013.04.043 (0)
[13]
杨秀平, 翁钢民, 侯玉君, 等. 基于SD模型的多情景城市旅游环境承载潜力建模与仿真——以兰州市为例[J]. 经济地理, 2018, 38(3): 208-216. (0)
[14]
刘佳, 李莹莹, 王娟. 中国沿海地区旅游环境承载力与城镇化水平动态关联性分析[J]. 商业研究, 2017, (4): 178-185. (0)
[15]
Zhang Y, Li X, Su Q, et al. Exploring a theme park's tourism carrying capacity: A demand-side analysis[J]. Tourism Management, 2017, 59: 564-578. DOI:10.1016/j.tourman.2016.08.019 (0)
[16]
F López-Del-Pino, JM Grisolía. Pricing Beach Congestion: An analysis of the introduction of an access fee to the protected island of Lobos (Canary Islands)[J]. Tourism Economics, 2018, 24(4): 449-472. DOI:10.1177/1354816617740065 (0)
[17]
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[J]. 经济地理, 2017, 37(4): 218-224. (0)
[18]
张泰城, 肖鹤亮. 旅游环境承载力的国内研究述评[J]. 生态经济, 2010, (2): 94-97. (0)
[19]
张广海, 刘佳. 我国东部沿海地区旅游环境相对承载力研究[J]. 经济地理, 2009, 29(7): 1222-1227. (0)
[20]
韦健华, 王尔大. 基于游客体验效用的旅游承载力评价方法[J]. 旅游学刊, 2015, 30(4): 105-114. DOI:10.3969/j.issn.1002-5006.2015.04.010 (0)
[21]
刘佳, 于水仙, 王佳. 滨海旅游环境承载力评价与量化测度研究——以山东半岛蓝色经济区为例[J]. 中国人口·资源与环境, 2012, 22(9): 163-170. DOI:10.3969/j.issn.1002-2104.2012.09.025 (0)
[22]
刘佳, 王娟. 我国沿海旅游产业集聚发展与承载力提升关联作用研究[J]. 商业研究, 2016, (10): 145-156. DOI:10.3969/j.issn.1001-148X.2016.10.021 (0)
[23]
杨秀平, 王立岩, 翁钢民. 旅游者数量与旅游环境承载力耦合关系研究[J]. 商业研究, 2015, (12): 171-176. DOI:10.3969/j.issn.1001-148X.2015.12.027 (0)
[24]
刘佳, 于水仙. 山东省旅游环境承载力与旅游经济增长动态关系研究[J]. 中国海洋大学学报(社会科学版), 2013, (4): 58-63. (0)
[25]
郑晶, 于浩, 黄森慰. 基于DPSIR-TOPSIS模型的福建省生态环境承载力评价及障碍因素研究[J]. 环境科学学报, 2017, 37(11): 4391-4398. (0)
[26]
岳启蒙, 文倩, 贺奕, 等. 水生态文明城市建设对城市水生态承载力的影响——以武汉市为例[J]. 生态学报, 2021, 41(14): 5586-5597. (0)
[27]
张宗芳, 易小燕, 尚惠芳, 等. 基于DPSIR-TOPSIS模型的耕地资源环境承载力分析——以安徽省颍上县为例[J/OL]. 中国农业资源与区划: 1-11[2021-12-06]. http://kns.cnki.net/kcms/detail/11.3513.S.20210831.1617.002.html. (0)
[28]
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[J]. 地理科学, 2021, 41(1): 33-43. (0)
[29]
李双成, 蔡运龙. 地理尺度转换若干问题的初步探讨[J]. 地理研究, 2005, (1): 11-18. DOI:10.3321/j.issn:1000-0585.2005.01.002 (0)
[30]
朱新华, 钟苏娟. "流空间"视角下高铁对城市土地利用的影响——基于DPSIR-PLS模型分析[J]. 资源科学, 2019, 41(12): 2262-2273. DOI:10.18402/resci.2019.12.10 (0)
[31]
黄晖, 胡求光, 马劲韬. 基于DPSIR模型的浙江省海域承载力的评价分析[J]. 经济地理, 2021, v. 41;No. 285(11): 48-55. (0)
[32]
刘佳, 刘贤明, 安珂珂, 等. 长三角城市群旅游环境承载力时空分异格局与空间效应研究[J/OL]. 长江流域资源与环境: 1-17[2021-12-22]. (0)
[33]
魏素豪, 李晶, 李泽怡, 等. 中国农业竞争力时空格局演化及其影响因素[J]. 地理学报, 2020, 75(6): 1287-1300. (0)
[34]
肖黎明, 张仙鹏. 强可持续理念下绿色创新效率与生态福利绩效耦合协调的时空特征[J]. 自然资源学报, 2019, 34(2): 312-324. (0)
[35]
刘亚雪, 田成诗, 程立燕. 世界经济高质量发展水平的测度及比较[J]. 经济学家, 2020, (5): 69-78. (0)
[36]
关伟, 许淑婷, 郭岫垚. 黄河流域能源综合效率的时空演变与驱动因素[J]. 资源科学, 2020, 42(1): 150-158. (0)
[37]
卢新海, 杨喜, 陈泽秀. 中国城市土地绿色利用效率测度及其时空演变特征[J]. 中国人口·资源与环境, 2020, 30(8): 83-91. (0)
[38]
郭美晨. 中国品牌发展的区域差异及动态演进[J]. 数量经济技术经济研究, 2020, 37(4): 165-180. (0)
[39]
段佩利, 刘曙光, 尹鹏, 等. 中国沿海城市开发强度与资源环境承载力时空耦合协调关系[J]. 经济地理, 2018, 38(5): 60-67. (0)
[40]
尚勇敏, 王振. 长江经济带城市资源环境承载力评价及影响因素[J]. 上海经济研究, 2019, (7): 14-25, 44. (0)
[41]
孟菲, 赵海霞, 牛铭杰, 等. 南京市环境承载力评价及其成因分析[J]. 中国环境科学, 2019, 39(9): 4007-4016. DOI:10.3969/j.issn.1000-6923.2019.09.049 (0)
[42]
尹科, 王如松, 周传斌, 等. 国内外生态效率核算方法及其应用研究述评[J]. 生态学报, 2012, 32(11): 3595-3605. (0)