徐翠蓉等：黄河中下游高级别景区空间分布特征及影响要素组态分析

    2019年黄河流域生态保护与高质量发展上升为国家战略。黄河流域包括9省区，是我国全面建成小康社会的重要自然地理单元。旅游业作为国民经济的战略性支柱产业，在改善生态环境、推动经济发展转型、满足人民美好生活需要等方面具有不可替代的作用。为更好地发挥旅游业在黄河流域高质量发展中的作用，2020年，国家提出建设黄河国家文化公园。黄河中下游是黄河流域旅游资源分布集中、旅游业发达的地区，在黄河国家文化公园建设及区域高质量发展中发挥着重要引领作用。高级别景区是黄河国家文化公园建设的重要依托，因此分析黄河中下游高级别景区的特征及分布，对于黄河国家文化公园建设具有重要参考意义。

国外学者以国家公园为例，研究了景区周边交通与旅游市场开发的关系、旅游者空间行为规律及景区可持续发展。^[1]国内学者围绕高级别景区空间分布进行了多角度的研究，研究内容涉及景区的空间结构特征、集聚与分散、影响因素等方面^[2-3]；研究方法既有基于空间计量分析的核密度估计，也有利用最邻近指数、地理集中指数、标准差椭圆等进行空间分布的分析与测算^[4-5]，亦有学者运用空间自相关、空间回归分析及灰色关联模型等方法，对高级别景区的空间结构及影响因素进行研究^[6]；从研究区域来看，既有从全国尺度对高级别景区分布及空间演化的研究^[7-8]，也有从省域尺度对景区空间结构的研究^[9-11]。现有研究中，对黄河流域高级别景区分布特征和影响因素的探索多聚焦于单个因素对结果的影响，忽视了要素组合作用的实证分析，缺乏对景区空间分布差异背后多重因素间协同匹配效应的深入解析，因此，难以深刻阐释黄河流域高级别景区空间分布的影响机制，并难以明确定位优化高级别景区空间布局以及建设黄河国家文化公园的路径。

模糊集定性比较分析(fsQCA)是探索联合效应和多路径关系的有效方法。组态视角下，多重因素互相关联，通过相互之间的联动匹配以“殊途同归”的方式产生相同的作用结果。在黄河国家文化公园建设的实践场景下，借助组态视角展开研究，有助于揭示黄河中下游高级别景区影响要素匹配作用的差异，通过不同路径优化高级别景区的布局，从而推动黄河国家文化公园建设。本文选取3A级及以上高级别景区，采用fsQCA方法，识别出影响黄河中下游高级别景区分布的组态条件。

(一)研究区概况

黄河流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9个省份的69个城市^[12]，共有高级别景区1953个。黄河中下游位于我国中东部，区域内旅游资源丰富^[13]，截至2022年4月，黄河中下游A级以上景区共有1717个，占黄河流域A级以上景区数量的72%，3A级及以上高级别景区1396个，其中3A级景区872个、4A级景区486个、5A级景区38个。本研究以黄河中下游44个城市为研究样本，选取3A级及以上高级别景区进行分析研究。

(二)研究方法

1.最邻近指数

最邻近指数是一种用于描述点状要素空间分布特征的方法，可以用于描述黄河中下游高级别景区的空间分布情况。R<1，说明景区呈集聚分布；R=1，说明景区随机分布；R>1，说明景区均匀分布。计算公式为

式中：R为最邻近指数；R_E为黄河中下游高级别景区之间的理想最邻近距离；R₁为景区之间实际最邻近距离；N为高级别景区个数；A为区域总面积。

2.核密度分析

核密度分析是一种空间分析方法，用于计算要素在其周围邻域中的密度，可以用来分析黄河中下游高级别景区在研究区域内的分布情况及分布密度。计算公式为

式中：s为待估计黄河中下游高级别景区的位置；s_i为以s为圆心的黄河中下游第i个高级别景区；h为半径空间范围内第i个高级别景区的位置。

       3.地理集中指数

地理集中指数是用于衡量地理要素在空间分布上的集中程度的指标。指数越大，说明高级别景区越集中分布于某一区域；指数越小，说明高级别景区分布越分散。计算公式为

式中：G为地理集中指数；P_i为第i个城市高级别景区的个数；Q为黄河中下游城市高级别景区的总数；n为黄河中下游途经城市个数。

       4.不均衡指数

不均衡指数是用来描述数据分布不均衡程度的指标，本文运用洛伦兹曲线来计算高级别景区的不平衡指数S，计算公式为

式中：n为城市个数；Y_i为第i个城市高级别景区数量的累计百分比。S值越接近于0，表明高级别景区分布越均衡；S值越接近于1，说明分布差异越显著。

       5.模糊集定性比较分析

定性比较分析(QCA)是由社会科学家Ragin开发的一种集合理论方法，该方法的优势在于：其一，QCA更关注导致结果的多个变量条件的组合^[14]，识别多重条件变量的协同效应^[15]；其二，有助于揭示不同场景下导致结果产生的等效结果条件组态及不同条件之间的适配和替代关系，为不同地区寻找等效的因果链；其三，实现对“因果不对称”的进一步探究，探讨两种相反结果下的条件组态差异，进一步拓展对问题的理论解释维度。定性比较分析主要包括清晰集定性比较分析、模糊集定性比较分析、多值集定性比较分析三种方法。与其他两种方法相比，模糊集定性比较分析在处理部分隶属问题上更具优势。

(三)数据来源

黄河中下游高级别景区有关数据来自黄河流域各省、自治区文化与旅游厅官方网站发布的A级景区名录，数据收集截至2022年4月。文中涉及的经济发展数据来自国家统计局《中国城市统计年鉴》以及各地市年度统计公报、政府工作报告等。

(一)空间分布类型特征

黄河中下游包括内蒙古自治区、陕西省、山西省、河南省、山东省5个省份。从高级别景区在这5个省份的分布数据来看，内蒙古自治区占比11.31%，陕西省占比25.59%，山西省占比15.40%，河南省占比14.68%，山东省占比33.02%。高级别景区在山东省所占比例最高，其次为陕西省。山东省位于黄河下游，是唯一一个沿海东部省份，河海交汇地，旅游资源最为富集。陕西省与河南省交界处高级别景区分布也较为集中，内蒙古自治区高级别景区分布数量最少。利用ArcGIS10.2软件计算得到黄河中下游途经城市高级别景区的平均最邻近指数R<0.4671，说明景区在空间分布上呈集聚态势，空间分布类型为凝聚型。

(二)空间分布均衡特征

利用式(4)计算得到黄河中下游高级别景区总体地理集中指数G为17.72。假设1396个高级别景区平均分布于44个城市，则黄河中下游44个城市的平均地理集中指数G₀为31.7272。G₀>G，说明黄河中下游高级别景区在市域尺度上分布较为分散。利用式(5)计算出不均衡指数S=0.35，表明虽然黄河中下游44个城市都分布有一定数量的高级别景区，但其分布不均衡。通过44个城市高级别景区分布的洛伦兹曲线(见图1)可以看出，不均衡指数呈上凸趋势，更加直观说明景区分布呈非均衡态势。

图1 高级别景区的洛伦兹曲线

    (三)空间分布密度特征

对1396个黄河中下游高级别景区进行核密度分析发现，黄河中下游高级别景区空间分布差异显著，高密度区集中于陕西、河南和山东。其中，陕西呈现出以西安为中心的高密度区向周围城市扩散的分布格局，山东省高级别景区密度较高，其他省份景区分布密度较低，呈小范围集聚分布态势。基于篇幅限制，具体分析过程不再赘述。进一步将1396个景区按照资源类别划分为自然景区和人文景区。其中，人文景区高密度区集中于以西安为中心的陕西南部，西安作为历史文化名城，历史古迹、文化遗址、文化景区等人文景观较为丰富；自然景区高密度区集中于黄河下游，尤其是山东省，作为沿海省份，山东具有暖温带季风气候特征，气候适宜，海洋资源充足，光照条件好，“山水林田湖”等自然资源丰富，自然景区数量众多，类型广泛。

(一)影响因素确定

高级别景区的分布数量受多方面因素影响和制约。学者们从人口数量^[16]、旅游环境质量^[17]、经济发展水平^[10]、产业结构^[18]以及政府支持力度^[19-20]等方面进行了多角度分析和探讨。借鉴已有研究，本文也选取这5个因素进行组态条件分析。

1.人口数量

人口数量是影响城市活力的重要因素，可由城市常住人口数量来衡量。城市常住人口数量与城市活力、消费动力紧密相关。^[21]常住人口数量多，旅游休闲需求大，影响当地旅游客源市场的规模，客观上促进高级别景区的开发和建设；常住人口数量还与旅游从业人员规模密切相关，对旅游业的发展具有重要影响。

2.旅游环境质量

旅游环境质量是影响游客感知的重要因素，是旅游业发展的基础条件。旅游环境质量高、旅游发展与环境协调度高，有利于城市旅游业可持续发展。城市绿地面积指城市中绿化的土地面积，能够反映城市旅游环境质量水平，因此选取城市绿地面积作为反映旅游环境质量的指标。^[22]

3.经济发展水平

城市经济发展水平对旅游需求和供给产生双向影响。一方面，经济发展水平高，旅游消费能力强，当地旅游市场潜力大，有利于旅游需求规模扩张；另一方面，经济发展水平越高，城市基建投资的能力越强，城市基础设施建设完善、交通道路通达，客观上有利于高级别景区的开发建设。本文选取城市人均国内生产总值作为反映城市经济发展水平的指标。

4.产业结构

产业结构体现当地经济结构合理化和高级化程度^[23]，本文选取第三产业占地区生产总值的比重作为衡量产业结构合理化的指标。第三产业中的休闲产业、文化创意产业、商业的发展客观上有利于旅游产品的开发和旅游业态创新，对高级别景区开发建设能够产生直接或者间接影响。

5.政府支持力度

高级别景区对公共资源、公共产品和公共服务有较大依赖性。政府公共预算支出主要用于提供基本公共服务，公共预算支出越多，表明政府对公共服务的支持力度越大，因此本文选取城市公共预算支出反映政府支持力度的大小。

(二)数据校准

校准是fsQCA方法的重要步骤，即研究者需要将条件变量的数值转化为[0，1]区间的模糊隶属度分数，目的是为了形成模糊集。模糊隶属度分数为1，说明在该点的案例完全属于模糊集；模糊隶属度分数为0，说明在该点的案例都不属于模糊集。数据校准分为直接法和间接法两种，在直接法中，研究者需要为每个条件变量设立3个定性锚点，分别为完全隶属点、完全不隶属点、交叉点，再根据研究实际需要为3个锚点赋予不同的阈值。本研究采用直接法，将完全隶属点、完全不隶属点、交叉点设立为样本数量分布的上下四分位数以及上下四分位数的均值，如表1所示。

校准后发现仍存在条件变量的模糊隶属度分数为0.5的情况，由于分数为0.5的案例难以判断完全属于或完全不属于模糊集，容易被排除在分析外^[24]，因此本文在模糊隶属度分数小于1的条件变量中添加0.001的数值，使该点的案例在分析时能够保留下来。

表1 条件与结果的校准

(一)研究结论

在组态分析之前，需要对每个条件变量进行单独检验，判断单个条件变量是否是结果变量的必要条件；然后，对无法单独作为必要条件的条件变量展开充分条件分析，并通过“布尔代数最小化”识别出对案例解释力度最大的条件组态。一致性与覆盖度是fsQCA用来衡量关联性的两个指标^[25]，在评估中优先考虑一致性，再考虑覆盖度^[26]。当一致性大于0.9时，表示该条件变量是结果变量的必要条件，覆盖度则表示该条件变量能覆盖多少种案例。本研究分别对“高密度景区分布”和“低密度景区分布”的必要条件进行检验。由表2可知，各单一条件变量的一致性均小于0.9，表明任何单一条件变量都不构成高密度景区分布和低密度景区分布的必要条件。这说明影响高级别景区密度分布的因素和作用机制复杂，应综合考虑5个因素的协同效应。

表2 必要条件分析  

(二)条件组态的充分性分析

充分性分析是fsQCA的核心，目的是寻找满足结果充分性的多种条件组合。通过真值表计算得到所有可能出现的条件组合、所覆盖的案例数量和一致性的值，进一步设置频率阈值和一致性阈值，通常来讲，一致性阈值应不小于0.75。根据样本实际情况，本文将一致性阈值确定为0.75，频数阈值确定为1，覆盖44个样本。

1.高密度景区分布组态

本研究呈现的是中间解，通过对比中间解和简单解识别出核心条件与辅助条件，对景区分布数量多的结果变量进行充分性分析。由表3可知，用以解释高密度景区分布的条件组态一共有5组，无论是单个解还是总体解，其一致性均大于可接受的标准0.75。总体解的一致性为0.868 1，说明在所有满足5组条件组态的城市中，有86.81%的城市呈现高级别景区高密度分布状态，总体解的覆盖度为0.702 9，说明这5组组态能够解释高密度景区分布70.29%的案例。

表3 高密度景区分布组态

组态1中，经济发展水平与政府支持力度发挥核心作用，产业结构合理化作为辅助条件缺失，人口数量、旅游环境质量对结果不产生影响，本文将组态1命名为“经济-政策支持型”。第三产业占比低，有可能刺激政府加大高级别景区建设力度，通过旅游业带动第三产业发展，促进产业结构合理化，这也是很多地区大力发展旅游业的初衷之一。该组态的一致性为0.910 4，原始覆盖度为0.239 2，表明该组态可解释23.92%的案例，唯一覆盖度为0.107 0，表明约10.7%的案例仅可用该组态解释。

组态2中，经济发展水平与政府支持力度发挥核心作用，旅游环境质量发挥辅助作用，人口数量和产业结构对结果不产生影响，本文也将其命名为“经济-政策支持型”。优越的旅游环境质量是促成高级别景区分布数量多的辅助条件。该组态一致性为0.874 3，原始覆盖度为0.379 8，说明其能解释37.98%的案例，唯一覆盖度为0.026 5，说明约2.65%的案例仅可用该组态解释。

组态3中，旅游环境质量和经济发展水平发挥核心作用，产业结构合理化作为核心条件缺失，本文将其命名为“经济-环境支持型”。在第三产业占比较低的情况下，较高的环境质量和经济发展水平为旅游业发展提供了资源基础和条件保障，这种情况下，该地区通常有较强的动力开发建设高级别景区，带动第三产业发展。该组态中政府支持力度对结果不产生影响。该组态一致性为0.867 4，原始覆盖度为0.134 1，说明其能解释13.41%的案例，唯一覆盖度为0.063 9，说明约6.39%的案例仅可用该组态来解释。

组态4中，人口数量、旅游环境质量、产业结构、政府支持力度作为核心条件存在，经济发展水平对结果不产生影响，本文将其命名为“综合条件支持型”。可以看出，在常住人口数量多、旅游环境质量高、产业结构合理、政府支持力度大的城市，无论当地经济发展水平如何，都能促进高级别景区的开发和建设，推动旅游业发展。该组态一致性为0.830 5，原始覆盖度为0.429 9，说明其能解释42.99%的案例，唯一覆盖度为0.125 3，表明约有12.53%的案例仅可用该组态来解释。

组态5中，人口数量和经济发展水平发挥核心作用，产业结构合理化是辅助条件，本文将其命名为“经济-社会支持型”。如果城市常住人口数量多、经济基础好、第三产业较为发达，即使旅游环境质量一般、政府公共财政支出力度不大，仍能有力推动高级别景区开发建设。该组态一致性为0.834 7，原始覆盖度为0.056 1，说明其能解释5.61%的案例，唯一覆盖度为0.020 7，表明约有2.07%的案例仅可用该组态来解释。

图2—图5是4个代表性组态的解释案例。组态1可以解释榆林市、延安市、鄂尔多斯市和淄博市高级别景区高密度分布情况。例如，榆林市作为国家能源化工基地，第二产业发展迅速，对经济发展所起的作用大，但第三产业发展缓慢，在国民经济中占比较低^[27]，在第三产业占比不高的情况下，经济发展水平和政府支持力度作为核心条件存在，也同样能够促进高级别景区发展。

组态2可以解释的案例包括西安市、郑州市、济南市、太原市、淄博市、洛阳市、滨州市、呼和浩特市和鄂尔多斯市。济南市作为山东省省会，经济综合实力位于全省前列，旅游环境质量高，资源丰富，因此高级别景区数量多。组态1和组态2表明，经济发展水平和政府支持力度作为核心条件同时存在，构成影响景区分布数量的核心因素，旅游环境质量高对高级别景区可以发挥辅助促进作用，而第三产业占比相对偏低，亦能够刺激地方政府开发建设高级别景区，因此不同组合能够以“殊途同归”的方式影响高级别景区开发建设。

图2 组态1的解释案例

图3 组态2的解释案例

组态3可以解释东营市和鄂尔多斯市两个案例。这两个案例说明，即使在人口数量与产业结构缺失的条件下，旅游环境质量和经济发展水平作为核心条件存在，也能够促进高级别景区发展。例如，东营市人口总量较少，作为典型的资源型城市面临产业结构发展不平衡的问题，但近年来东营市以黄河三角洲为突破口，加大环境治理力度，生态环境质量得到极大改善，2021年东营市绿地面积达到986 1公顷，在44个城市中居于前列，加上经济发展水平不断提高，这两个核心条件有力促进了高级别景区开发建设，推动了区域旅游业发展。

图4 组态3的解释案例

图5 组态4的解释案例

组态4的解释案例包括西安市、济南市、洛阳市、郑州市、聊城市、菏泽市、太原市、德州市、济宁市、滨州市、泰安市。城市人口数量多、旅游环境质量高、第三产业发达、政府支持力度大4个核心条件同时存在，能够促进高级别景区开发和建设，这时经济发展水平的高低对高级别景区开发影响的差异不显著。例如，西安市、济南市、郑州市、洛阳市、太原市4个核心条件同时具备，经济发展水平也高，促进了高级别景区的发展；而菏泽市、聊城市经济发展水平相对落后，但其他4个核心条件同时具备，同样促进了高级别景区发展。综上所述，黄河中下游高密度景区分布的影响因素组态存在差异，同一城市高级别景区的发展也可以有不同的组态路径。

2.低密度景区分布组态

对低密度景区分布的条件变量进行充分性分析，发现高密度景区的组态条件和低密度景区的组态条件不具有对称性，说明分析结果可信度较高。由表4可知，低密度景区分布的条件组态一共有6种，可归纳为4个类型。其一致性均大于0.75，整体一致性为0.803 4，说明6组条件组态都具有较强的解释力度；整体覆盖度为0.674 3，说明这6组组态能够覆盖67.43%的高级别景区低密度分布案例。

表4 低密度景区分布组态

组态6、组态7和组态8可归纳为“环境-政策缺失型”。组态6表明，当旅游环境质量和政府支持力度作为核心条件缺失，经济发展水平作为辅助条件缺失时，高级别景区处于低密度分布状态，人口数量、产业结构对结果不构成影响。组态7表明，旅游环境质量、政府支持力度作为核心条件缺失，人口数量的缺失构成辅助条件，会导致高级别景区低密度分布，经济发展水平和产业结构对高级别景区分布没有影响，该组态的原始覆盖率最高，为0.507 2，表明该组态可覆盖最多的案例。

组态8表明，在第三产业发达的情况下，如果旅游环境质量差、政府支持力度缺乏，也会导致景区低密度分布，人口数量、经济发展水平对结果不构成影响，该组态的一致性为0.897 3，解释力度最强。

组态9为“综合条件缺失型”，人口数量、旅游环境质量、经济发展水平和产业结构4个因素同时缺失时，高级别景区处于低密度分布状态，政府支持力度对结果不构成影响。

组态10为“社会-经济-政策缺失型”，表明在产业结构合理的情况下，人口数量、经济发展水平、政府支持力度的缺失，导致高级别景区低密度分布，旅游环境质量对结果不构成影响。

组态11为“环境缺失型”，表示即便产业结构合理、第三产业发达、人口数量多，但旅游环境质量作为核心条件缺失，加上经济发展水平作为辅助条件也缺失，会导致高级别景区低密度分布，这时政府支持力度对结果不构成影响。

从表4可以看出，除了组态10，其余组态中旅游环境质量均作为核心条件缺失，说明旅游环境质量是影响低密度景区分布的最核心因素。组态6、组态7、组态8、组态10中，政府支持力度都作为核心条件缺失，说明缺乏政府支持也是影响低密度景区分布的核心因素之一，这符合我国旅游业政府主导型发展道路的实际情况，说明在高级别景区开发建设中，政府支持发挥着举足轻重的作用。   

(三)稳健性检验

一致性阈值、频数阈值的不同会导致组态结果的差异，为了使研究结果更加可靠，需要对样本进行稳健性检验。稳健性检验可通过调整一致性阈值或改变校准方法实现，若调整后的组态仍有清晰的子集关系，则可认为结果是稳健的。^[28]本研究采取调整一致性阈值的方式，将阈值由0.75上调为0.8，组态结果没有明显变化，高密度景区组态路径仍然是5条，总体解的一致性为0.898 5，解的覆盖度为0.577 5，说明本研究结论可信度较高，取得的研究结果较为稳健。

(一)研究结论

本研究运用最邻近指数、地理集中指数、核密度估计和不均衡指数等对黄河中下游高级别景区的空间分布类型、均衡态势及分布密度进行研究，揭示了其空间分布特征和规律。选取人口数量、旅游环境质量、经济发展水平、产业结构、政府支持力度5个因素，通过fsQCA方法探究影响高级别景区分布的组态要素和复杂作用机制，得到如下研究结论。

第一，在空间分布特征上，黄河中下游高级别景区呈较强集聚态势，空间分布类型为凝聚型，且景区分布呈非均衡态势。在密度特征上，黄河中下游交界处与黄河下游景区分布密度较高，高密度区集中于陕西南部、河南和山东。

第二，高级别景区分布密度是多个因素共同组合作用的结果。高级别景区高密度分布的组态条件有5种，可归结为经济-政策支持型、经济-环境支持型、综合条件支持型、经济-社会支持型4个类型。低密度景区分布的组态条件有6种，可归结为环境-政策缺失型、综合条件缺失型、社会-经济-政策缺失型和环境缺失型4个类型。

第三，经济发展水平可以通过与人口结构、旅游环境质量、政府支持力度的不同组合路径发挥作用，促进高级别景区开发建设。在经济发展水平缺失的条件下，需要旅游环境质量、人口数量、政府支持力度、产业结构4个核心条件同时存在，才能达到等同效果。政府支持力度是高密度景区分布的次要因素，说明黄河中下游旅游业发展遵循政府主导型发展道路，政府支持在高级别景区开发建设中具有举足轻重的作用。

(二)建议

结合以上结论，本文为黄河中下游旅游高质量发展以及黄河国家文化公园建设提出两方面建议。

第一，高级别景区在黄河中下游中心城市、省会城市及周边地区集中分布，一方面应实行黄河中下游旅游发展的“一体化”战略，建立跨区域联动发展机制，建设以西安、太原、郑州、济南等省会城市为核心的黄河文化旅游带，在这些区域积极探索黄河国家文化公园建设模式；另一方面，以黄河国家文化公园建设为着力点，促进黄河中下游高级别景区空间结构合理优化，既要发挥中心城市的辐射带动作用，也要促进中小城市的高级别景区开发建设，如咸阳、洛阳、开封、聊城、东营等城市，推动实现黄河中下游重点城市旅游经济高质量发展。

第二，5种因素组合的协同效应揭示了影响高级别景区分布机理的复杂性，也意味着黄河中下游各地区应从整体视角出发，根据自身经济发展水平、旅游环境质量、产业结构状况，因地制宜，选取最合适的发展路径，有针对性地加强建设，为高级别景区开发和运营提供不同的适配条件，尤其应注重经济发展因素、政府支持力度、旅游环境质量的核心作用以及与其他条件的组态匹配。改善旅游环境质量，加大政府支持力度，不断优化景区空间布局，推动在黄河中下游高质量建设国家文化公园，实现旅游发展、经济发展与文化繁荣的互促共赢。