中国A级旅游景点空间分布特征与可达性.pdf

自然资源学报JOURNAL OF NATURAL RESOURCES第29卷第1期2014年1月Vol.29 No.1Jan.,2014收稿日期：2012-11-22；修订日期：2013-02-08。基金项目：国家自然科学基金项目（41061017）；西北师范大学青年教师科研能力提升计划项目（SKQ-NYB12021）。第一作者简介：潘竟虎（1974-），男，甘肃嘉峪关人，副教授，博士，研究方向为空间经济分析。E-mail：panjh_nwnu中国A级旅游景点空间分布特征与可达性潘竟虎，李俊峰（西北师范大学 地理与环境科学学院，兰州 730070）摘要：以A级景点为例，基于GIS技术，通过最近邻指数、K指数、热点聚类等方法分析中国2 424个A级旅游景点的空间分布特征；运用栅格成本加权距离算法，计算中国A级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。结果表明：中国A级景点的空间分布总体上呈现出聚集分布的特点，所有景点的平均可达时间为125.88 min，60%的景点可达时间在90 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。景点的县域可达性呈强集聚格局，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。关键词：空间结构；空间可达性；旅游景点；GIS；中国中图分类号：F592.7文献标志码：A文章编号：1000-3037(2014)10-0055-12DOI：10.11849/zrzyxb.2014.01.006景点是由若干相关联的景物所构成、具有相对独立性和完整性，并具有审美特征的基本境域单元。旅游景点是旅游供给的物质载体1，是旅游业赖以发展的重要依托。旅游景点的空间结构指自然和文化景观资源在空间上的相互关系与组合形式，它是节点（景点）、通道（交通线）和面域（行政区）的集合2。区域旅游景点空间结构不仅涉及景点的分布状况及品位、数量组合关系，而且直接引发旅游者的空间行为3，对旅游资源的开发速度、规模、效益以及时空安排有深刻影响。国外学者的研究始于1960年代，如Christaller运用区位论分析特定游憩活动与其地理空间的结构关系4，Lundgren建立了核心-边缘模型研究旅游活动与地理空间的关系5，Weaver利用中心-外围理论对加勒比海群岛进行实证研究6，Douglas分析了巴黎旅游区域的空间结构特征7，Andreas构建了分析旅游度假区空间和市场结构演变过程的经济地理模型8，Sophie则尝试研究交通建设对旅游空间结构与经济结构改变的影响等9。国内学者的研究起源于1980年代的旅游地理区划工作，主要集中在基础理论研究、旅游空间组织形态、旅游空间结构模式、演化与优化、旅游流空间结构、空间相互作用、空间结构影响以及空间发展战略等10-12。旅游的发生和发展是以空间系统为物质载体的13，因而对景点空间结构的研究也受到广泛的关注，研究方法多为分形、空间计量和数理统计14-15。但已有研究对象多局限于单个省份、城市或区域内部，分析层次也主要以某一级别的旅游景点为主，鲜见对全国范围内旅游景点整体分布规律的研究成果。从研究方法来看，以诠释性和描述性论证居多，缺乏29卷自然资源学报GIS空间分析方法，尤其是很直观有效地表现景点空间分布特征的方法。研究内容多注重于旅游资源空间结构的识别和分析，缺乏旅游系统整体空间结构方面的研究。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不仅十分必要，而且具有现实意义，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。可达性的概念最早由Hansen提出16，经过半个世纪的发展，其度量方法也由空间距离测度扩展到了时间距离、经济距离、心理距离的测度，在交通地理、城市地理、土地利用、经济地理等方面得到了广泛应用17。旅游景点可达性研究不多见，目前采用的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18。A级旅游景点认定是我国对旅游景点质量和档次进行综合评价的国家标准，自1999年国家旅游局认定首批A级旅游景点以来，全国范围内A级旅游景点的数量不断增加，规模结构也不断完善，已经成为我国旅游景点等级划分的重要依据。本文以中国A级旅游景点为研究对象，通过点格局分析方法对景点的空间分布模式进行整体探讨，并尝试从旅游景点可达性入手，利用GIS栅格成本加权距离方法和探索性空间数据分析，分析景点可达性分布的空间格局，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，并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源于国家旅游局网站（年6月，共有2 424个A级景点，其中：5A级景点127个，4A级926个，3A级443个，2A级815个，1A级113个。根据两分法将旅游景点划分为自然和人文两种类型，其中自然类旅游景点1 108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1 316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。景点的空间位置借助谷歌地图详细标定，面积较大的景区取其质点坐标作为景点坐标。以2011年中国县域与合并后的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，道路数据来源于中国地图出版社2011年1:450万交通全图地图的矢量化。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。以ArcGIS9.2为操作软件平台，对图形数据统一投影到Albers等积圆锥投影系，对基础地理信息数据分层矢量化，存储于地理数据库中。1.2 点格局分析1.2.1 最近邻指数最近邻距离指数NNI是通过比较计算最近邻点对的平均距离和随机分布模式中的平均距离之比，来比较与随机分布的偏离程度19：NNI=i=1Nmin()dijN0.5()A N(1)561期潘竟虎 等：中国A级旅游景点空间分布特征与可达性式中：min(dij)是任一点与其最近邻点间的距离，N是景点的总数，A为研究区域总面积。1.2.2 K指数引入K指数来分析不同尺度下景点的空间分布规律。公式如下20：K()ts=AH2iijI(tij)(2)式中：H为样点的个数；I()tij是以i为中心，以ts为半径的圆中的景点，不包含i本身。K()ts可转化成平方根的形式L()ts：L()ts=K(ts)-ts(3)式中：L()ts大于0时，景点呈聚集分布；L()ts小于0时，呈扩散分布，而等于0时，呈空间完全随机分布。1.2.3 热点聚类热点地区是景点在空间上大量聚集的表现，即密度较大的区域。采用最近距离层次聚类法，即根据每个景点i 的最邻近距离，通过定义一个聚集单元、极限距离或阈值和每一聚集单元的最小数目，然后比较聚集单元与每一点对的邻近距离，当某一点的最邻近距离小于该极限距离时，该点被计入聚集单元，据此将原始点数据聚类为若干椭圆区域，称为一阶热点区；同理，对一阶热点区利用同样方法，聚类得到二阶热点区，以此类推更高阶热点区。1.2.4 样方分析用一组样方覆盖在研究区域上并作叠置分析，统计落在每一个样方上的样本数，通过统计不同的具有m个点数的样方的个数及其频率，并与完全随机过程对比来判断点模式的空间分布特征。其结果一般用方差均值比VMR判断21：VMR=VAR/Mean(4)式（4）中：VAR=pix2i-()pixi2/nn-1，Mean=x/m，其中，pi为含有i个点的样方频率，xi为每个样方内的点数，n为样方数，m为总点数。对于Poisson分布，VMR的值为1；当VMR1时，则可认为对象有集中分布的趋势。由于样方数越多，Mean越小，VAR也越小，并且下降的速度比Mean快，因此 VMR 的值会变小，但是不会改变分布的类型。样方大小的确定采用“拇指规则”21，即样方大小应当是平均每个点所占面积的两倍。1.3 可达性测度1.3.1 累积耗费距离栅格运算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到某个目的网格的最短加权距离，称为“累积耗费距离算法”。公式为22：5729卷自然资源学报Ki=12i=1n(Ci+Ci+1)22i=1n(Ci+Ci+1)（5）式中：Ci表示第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，Ki为行政单元第i个栅格的景点可达性。式（5）中的上分式表示通过代价表面垂直或平行的方向上进行代价距离的计算；下分式表示通过代价表面的对角线方向的代价距离的计算。用1 km1 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（JTGB012003），并参考前人研究成果13,22，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。以交通图和基础地理地图为底图，在谷歌地图辅助下确定A级景点的具体位置，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。利用ArcGIS软件求出每个栅格到最近旅游景点的时间，进而求出整个区域的旅游景点的可达性。1.3.2 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。可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。计算式为23：Sj=i=1njKinj(6)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，Sj越小，说明该行政单元到旅游景点越便利。1.4 ESDA空间关联分析方法引入ESDA的全局Moran s I指数探测空间关联结构模式。在给定显著性水平下，若Moran s I显著为正，表示可达性较高（或较低）的区域在空间上显著集聚；反之，则表明区域与其周边地区的可达性具有显著的空间差异。引入Getis-Ord Gi*用于识别不同空间位置上的高值簇与低值簇，为了便于解释和比较，对 Gi*(d)进行标准化处理，得到Z(G*i)，如果Z(G*i)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(G*i)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）24。表1 主要交通线路等级时间成本值Table 1 Main traffic lines cost of China道路等级速度/（km/h）时间成本/min铁路1000.6高速公路1200.5国道800.75省道601县道401.5581期潘竟虎 等：中国A级旅游景点空间分布特征与可达性2结果与分析2.1 旅游景点分布特征2.1.1 省际分布特征全国31个省（市、区）都拥有A级及以上旅游景点（图1），但呈现出不均衡的分布特征。数量最多的省份是江苏，有176个，最少的是海南，仅有11个，平均每个省拥有A级景点76个。密度最高的是北京，达到43.93个/104km2，最低的是西藏，为0.09个/104km2，全国景点平均密度为2.5个/104km2。图1 中国A级景点分布Fig.1 Distribution of A-grade tourist attractions2.1.2 空间分布特征通过ArcGIS 9.2计算景点分布的最近邻距离指数NNI，结果如表2所示。一般认为，NNI0.5和NNI1.5分别为聚集分布和均匀分布；0.5NNI0.8为聚集随机分布；0.8NNI1.2为随机分布；1.2NNI0）。在11 000km 范围内L(ts)呈上升趋势，并且增幅较大，然后逐渐下降。利用最近距离层次聚类的方法对景点分布进行热点探测，结果如图4。中国A级旅游景点空间分布的热点区域呈现出以下特点：三级热点区有48个，呈现出离散的随机分布的特点，最大三级区位于北京市，含38个A级景点。通过对三级热点区进行聚类，得到7个二级热点区，除成渝外，几乎全部集中在中东部地区。图4 景点分布的空间热点探测Fig.4 Spatial hotspot detection of tourist attractions distribution2.1.3 样方分析通过对前述数据库中A级景点的统计发现，2011年中国A级景点总数为2 424个，因此平均每个景点占的面积为 3 899.1 km2，根据拇指规则，每个样方的面积应该为7 798.2 km2，因此本文采用大小为88.31 km88.31 km的样方（图5）对中国A级景点分布模式进行分析。对样方与全国边界进行叠置分析，全国范围内共包含1 323个样方，但是有许多样方位于边界，被边界裁剪后形状不规则，为了消除边界效应将这些样方去掉，最后剩余1 016个样方。分别统计每个样方内景点的数目，由于删去边界附近的非规图2 景点分布的高阶最近邻距离指数Fig.2 High levels nearest neighbor distance index oftourist attractions distribution图3 景点分布的K函数Fig.3 K function of tourist attractions distribution601期潘竟虎 等：中国A级旅游景点空间分布特征与可达性则形状样方，有455个景点没有被样方覆盖。通 过 计 算 可 知，样 方 频 率 方 差 VAR=7.688，平均样方频率Mean=1.938，方差均值比VMR=3.9671，因此中国A级景点的空间分布具有较强聚集分布的趋势。2.2 可达性空间格局2.2.1 可达性总体空间分布特征将A级景点作为耗费距离源点，计算每一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一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。结果如图6所示。图6 A级旅游景点的可达性Fig.6 Accessibility of A-grade tourist attractions以15 min、30 min、45 min、1 h、1.5 h、2 h、3 h、5 h、8 h为标准，将中国A级旅游景点可达性划分为10个时间段，分别计算这10个时间段在空间上的分布频率和累积频率，分析各个时间段所占区域面积大小关系，结果见图7。中国A级旅游景点的平均可达性时间为125.88 min，60%的景点可达性在90 min以内，景点的可达性在30 min以内的区域达到了26.65%，可达性在6 h以上的区域占总面积的9.9%。从各个时间段在空间上的分布频率来看，以1530 min这个时段分布最广泛，占16.04%；其次是3045 min，所占比例为12.48%。景点可达性相对较差的地区分布较少，但480 min以上地区所占的比例仍达到4.28%。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、南疆、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1 260 min。可达性较好的区域多连片分布在长三图5 A级景点分布的样方Fig.5 Quadrats of A-grade tourist attractions distribution6129卷自然资源学报角、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。2.2.2 县域单元可达性的空间差异为了从宏观上把握对于A级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。考虑到县级是我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，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，故对其进行合并，统一以市区作为单元，共划分出2 596个单元。利用式（6）对其整体景点可达性进行计算，借用n小时都市圈理论，将所有景点县域单元可达性划分为0.5 h、1 h、2 h、4h和4 h以上5个等级（图8）。图8 A级旅游景点的县域单元可达性等级分级图Fig.8 Grade map of accessibility of different types of scenic spots at the county level结合不同时间圈内县域可达性特征，中国A级旅游景点可达性总体特征是：景点可达性小于30 min的高可达县大都集中在110E以东、43N以南的区域，在空间上呈现出以京津冀、中原、长三角和珠三角为核心的圈层结构，可达性小于30 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。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3160 min的次高可达县大体分布在黑河腾冲线以东区域，但在关中天水地区向河西走廊凸出；此线以西地区只在云南、内蒙古中部、拉萨和新疆部分地区点状分布。景点可达性在61120 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，仅在新疆北部、内蒙古中东部和黑龙江北部连片带状分布。景点可达性在121240 min的次图7 旅游景点空间可达性时间分析图Fig.7 Time analyses figures of accessibility ofcantonal scenic spots621期潘竟虎 等：中国A级旅游景点空间分布特征与可达性低可达县域被低、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，环状聚集在青藏高原外缘。景点可达性在240 min以上的县除西藏山南地区的两县外，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。从数量来看，可达性小于30 min的高可达县有1 794个，占县域总数的62.8%，但其面积仅占全国总面积的19.8%。在空间布局上，中国A级景点县域可达性分布特征呈现与中国三大自然梯度恰相反的特征，具有明显的“反自然梯度”的阶梯状特征：东部平原区可达性最高，西部和北部高原区可达性最低，中部丘陵山地区可达性界于两者之间。在三大阶梯之间，著名的“黑河腾冲”人口分界线同样也是中国A级景点县域可达性的分界线。2.2.3 可达性分布的空间关联分析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。本文借助ESDA空间关联分析，以县域为分析单元来探求中国A级旅游景点可达性的空间分布格局。中国A级景点的Moran s I值高达0.93，Z值为78.79，检验结果非常显著，说明县域间可达性存在很强的空间正相关，呈强集聚格局。为了更有效地研究县域旅游景点可达性聚集的位置所在及区域相关的程度，本文计算了县域单元局域空间关联指数Getis-OrdG*i，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G*i统计量从高到低分成5类，即热点区、次热点区、中间区、次冷点区和冷点区，生成中国A级旅游景点县域可达性空间格局的热点图（图9）。图9 旅游景点县域单元可达性热点区分布Fig.9 Hot spots of holistic accessibility at the county level由图9可知，在考虑到空间关联的情况下，较之图8，A级景点县域单元可达性空间聚集程度更为显著。中国A级景点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。热点区空间分布最为破碎，最大的热点区几乎涵盖了华东、中原和环渤海区域，并向东北伸展到吉林中部，向西北伸展到关中地区，向南延伸到两广沿海；第二大热点区分布在成渝贵阳，其他热点区面积很小，主要有滇6329卷自然资源学报中、哈尔滨、海东、湘西等。次热点区以石嘴山贡山一线为界，包括除新疆北部和西藏东部外的以东区域。冷点区域聚集在青藏南疆，次冷点区域环绕分布在冷点区外围。2.3 影响因素旅游景点的空间分布主要受经济发展程度、人口规模、交通状况和景点评级标准等因素的影响，而景点可达性在空间上的差异又直接取决于旅游景点分布和路网结构的地区差异，同时，自然和人文环境作为间接因素，通过作用于前两个因素来影响区域旅游景点的可达性。（1）自然环境。景点的分布在一定程度上受限于自然环境，地形地貌、水系、生态环境等都会影响到景点的分布和开发。另一方面，自然环境对交通体系布局影响较大，决定了区域路网结构的差异，进而影响到景点可达性。（2）经济发展。中国A级旅游景点虽呈集聚分布，但却主要集中在东部沿海等经济发达地区，这些区域人均收入相对较高，消费观念较强，用于旅游方面的支出多；同时，基础设施建设相对完善，用于旅游景点的投资也相对较高，进而改善该区域的景点可达性。（3）人口规模。中国A级旅游景区是以市场为导向型，而非以资源为导向型的分布体系，人口基数越大、潜在的游客数越多，也就越容易达到景区门槛值。此外，由于旅游的内聚型，本地居民的多少直接影响到景点的发展。（4）交通体系。路网发育程度和等级在一定程度上影响旅游景点的可进入性，进而影响景点的可达性。而旅游可达性直接影响到旅游时间效益的高低，进而影响到旅游者决策行为的发生。广大西部地区虽有众多独特的旅游资源，但往往限于地势、交通和环境，多不易开发。（5）评级体系。A级旅游景点是中国景区评级体系特有的产物，评级项目和标准直接影响着景点分布格局和现状特征。现有评级体系对旅游交通、基础设施建设、通信服务、游客人数最低标准等多因素的强调使得许多旅游资源丰富的地区由于在经济、交通、人口条件等方面优势的缺失，而无法晋级高级别景区行列。3结论与讨论中国A级景点的空间分布总体上呈现出聚集分布的特点，景点的平均可达时间为125.88 min，60%的景点可达性在90 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。景点县域可达性呈强集聚格局，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。旅游景点分布和可达性主要受自然环境、经济发展、人口规模、路网结构的地区差异以及评级体系等因素的影响。针对中国A级景点在全国分布不均匀但在个别地区集聚程度高的特点，根据核心-边缘理论，在旅游景点集聚的地带形成若干个旅游核心区域，并依托核心区域旅游景点高度集聚的优势，带动广大边缘区域的旅游景点发展，以拓展旅游发展的纵深与腹地，使旅游布局在区域内逐渐均衡。另一方面，众多的旅游景点在地域上的集聚也面临着更为激烈的内部各景点之间的竞争，比较典型如集聚中心的景点同质化导致竞争白热化问题，需要创新竞合模式，实行联动开发，打造异质旅游产品，求得在更大空间上的发641期潘竟虎 等：中国A级旅游景点空间分布特征与可达性展。本文研究显示，中东部地区旅游景点交通可达性较好，但这并不能掩盖该区域边缘地区景点的空间连通性还不完善的事实，特别是省域交界地带，如赣闽粤湘交界、豫皖交界、浙闽交界地带等，因此要建立区域旅游合作机制，加快建设联系相邻省区的道路和基础设施，迎合旅游方式由观光型向度假型转变的需求，实现旅游景点和旅游线路的有机链接。受数据获取难度和篇幅所限，本文没有考虑水路和航空交通的影响，也没有考虑东中西部同级别线路的差异以及不同级别景点的空间分布、关联特征及其空间结构差异对可达性的影响，这也是下一步研究的关键。参考文献：1袁俊,余瑞林,刘承良,等.武汉城市圈国家A级旅游景区的空间结构J.经济地理,2010,30(2):324-328.2李中轩,吴国玺.洛阳市旅游资源的空间结构及其演化模式J.地域研究与开发,2012,31(4):107-109.3王雯萱,谢双玉.湖北省A级旅游景区的空间格局与优化J.地域研究与开发,2012,31(2):124-128.4Christaller W.Some considerations of tourism location in Europe:The peripheral region underdeveloped countries-recreation areas J.Paper and Proceedings of Regional Science Association,1964,12:95-105.5Lundgren J O J.Tourist impact/island entrepreneurship in the Caribben C/Mathiesonm A,Wall G.Tourism:Economic,Physicial,and Social Impacts.Longman,1982:3-22.6Weaver D B.Peripheries of the periphery:Tourism in Tobago and Barbuda J.Annals of Tourism Research,1998,25(2):292-313.7Douglas G P.Tourism in Paris studies at the micro scale J.Annals of Tourism Research,1999,26(1):91-93.8Andreas Papatheodorou.Exploring the evolution of tourism resorts J.Annals of Tourism Research,2004,31(1):219-237.9Sophie M,Romain P.Can the high speed rail reinforce tourism attractiveness?The case of the high speed railbetween Perpignan(France)and Barcelona(Spain)J.Technovation,2009,29(9):611-617.10 毕丽芳,马耀峰,高楠.国内旅游空间结构研究进展J.资源开发与市场,2012,28(3):270-273.11 张永平,吴健生,黄秀兰,等.海峡西岸经济区旅游景区(点)空间结构分析J.资源科学,2011,33(9):1799-1805.12 毛小岗,宋金平,于伟.北京市A级旅游景区空间结构及其演化J.经济地理,2011,31(8):1381-1386.13 靳诚,陆玉麒,张莉,等.基于路网结构的旅游景点可达性分析J.地理研究,2009,28(1):246-258.14戴学军,庄大昌,丁登山.旅游景区(点)系统空间结构网格分形维数研究J.人文地理,2009,24(4):120-123.15 朱竑,陈晓亮.中国A级旅游景区空间分布结构研究J.地理科学,2008,28(5):607-615.16 Hansen W G.How accessibility shapes land-use J.Journal of the American Institute of Planners,1959,25:73-76.17 王姣娥,胡浩.基于空间距离和时间成本的中小文化旅游城市可达性研究J.自然资源学报,2012,27(11):1951-1961.18 钟业喜,刘影,赖格英.江西省红色旅游景区可达性分析及空间结构优化研究J.江西师范大学学报:自然科学版,2011,35(2):208-212.19 李旭,陈德广.郑汴一体化地区旅游景区的空间结构分析J.河南大学学报:自然科学版,2011,41(5):494-499.20 闫庆武,卞正富,王桢.基于空间分析的徐州市居民点分布模式研究J.测绘科学,2009,34(5):160-163.21 毛政元,李霖.空间模式的测度及其应用M.北京:科学出版社,2004.22 靳诚,陆玉麒,范黎丽.基于公路网络的长江三角洲旅游景点可达性格局研究J.自然资源学报,2010,25(2):258-269.23 王振波,徐建刚,朱传耿,等.中国县域可达性区域划分及其与人口分布的关系J.地理学报,2010,65(4):416-426.24 Anse1in L.Local indicators of spatial association:LISA J.Geographical Ana1ysis,l995,27(1):93-l15.6529卷自然资源学报Spatial Distribution Characteristics and Accessibility ofA-grade Tourist Attractions in ChinaPAN Jing-hu,LI Jun-feng(College of Geographic and Environmental Science,Northwest Normal University,Lanzhou 730070,China)Abstract:Scenic spot is a very important carrier of tourism activities.The study of thespatial structure of tourism is receiving increasing attention but methodology so far has usedqualitative rather than quantitative methods.The A-grade tourist attraction is a touristranking classifiable system with Chinese characteristics and is a national standard ofcomprehensive evaluation about scenic spot quality and grade in China.Besides theattraction of scenic spots,enhancing accessibility and perfecting infrastructure in scenicspots are very important for their tourism development.Therefore,the research on spatialdistribution structure and accessibility of A-grade scenic spots are meaningful.Based on aninvestigation of 2424 National A-grade tourist attractions and using GIS and somequantitative analysis methods,such as Nearest Neighbor Index(NNI),Ripley s K function,hot spot clustering,the spatial structure of tourist attractions were investigated,with theircharacteristics and distribution for different strategies being discussed.Based on matrixraster data covering the whole space,this paper calculates spatial accessibility of all countiesin China using cost weighted distance method and ArcGIS as platforms.Then we discussspatial differences of county accessibility of scenic spots by using ESDA(ExploratorySpatial Data Analysis).The results show that general scenic spots exhibit an aggregateddistribution.Considering the accessibility,we find that the human scenic spots are morecentralized.The average accessibility is about 125.88 minutes,and the area where theaccessibility of scenic spots is within 90 minutes reaches 60%,while the area where theaccessibility is within 30 minutes accounts for 26.65%and the longest time needs 1260minutes which is located at central Tibetan Plateau.Distribution of the accessibility haspointed to traffic line.At county level,the estimated values of Moran s I is positivenumbers using analysis of spatial association.All the test results indicate that touristattractions and adjacent areas show strong positive correlation.Distribution of hot spotsregarding the accessibility shows an obvious hot spotssub-hotspotssub-cold spotscoldspots zonal distribution pattern from east to west.Cold spots are distributed in the borderzone of Tibet,Xinjiang and Qinghai.On the basis of the above results,we identify fivefactors which impact the spatial structure and accessibility of scenic spots:naturalenvironment,economic development,traffic condition,population and rating system.Finally,some recommendations are given for optimization of the spatial structure of scenic spots,involvingquickeningthedevelopmentofedgedistr