2. 海南大学 管理学院, 海口 570228
2. School of Management, Hainan University, Haikou 570228, China
城市的发展难以各自独立,联系是必要的,且趋于紧密。旅游业在促进城市联系的过程中扮演着日益重要的角色[1]。在经济全球化与区域一体化进程的背后,旅游生产要素在各城市旅游地之间飞快流转,其集聚扩散与自由流动程度大大增强[2],打破了旅游目的地相互孤立的格局,取而代之的是区域内的共生共存。
伴随着旅游业高速发展,中国区域旅游经济发展不均衡性愈加明显。越来越多的学者聚焦于区域旅游经济空间结构问题。旅游经济空间结构是旅游地间经济联系强度的体现,同时也从侧面反映了旅游地在区域中的影响和作用[3],彰显了旅游活动在经济运行过程中的特有属性及空间联系强度[4]。国外学者对旅游经济空间结构的关注由来已久,其研究始于20世纪60年代,研究内容主要侧重于旅游经济发展的地区差异、空间分异特征及其外部效应[5-7];国内的相关研究虽略晚于国外,但同样取得了丰硕的成果,研究内容主要集中在旅游空间结构的动态演变[8-11]、区域旅游经济空间差异分析[12-14]、旅游经济的空间网络结构[15-18]三个方面。现有文献更多的是关注区域间的旅游经济相互关系及地区发展差异,更多考虑关系数据而非属性数据,鲜有对旅游经济空间结构特征的刻画分析。
世界银行于2009年发布《重塑世界经济地理》报告,克鲁格曼在“新经济地理”结构体系上提出从不同地理尺度刻画世界经济地理格局,即利用密度(density)、距离(distance)、分割(division)的“3D”框架。报告结果显示,经济得以成功发展的基本条件在于:高密度、短距离与低分割[19]。该报告为刻画区域经济地理空间的演化过程提供了一个全新的框架体系,“3D”框架一经提出,便引起了国内外学者的广泛关注。Conroy针对每个“D”选择有代表性指标,通过回归分析研究拉丁美洲福利状况[20]。Roberts和Goh运用相似的方法,用最小二乘回归对重庆生产力差异进行研究[21]。Shabani等运用“3D”框架分析了人口密度、经济距离和分工对区域经济增长的影响[22]。Jinhwan指出城市化过程需经过3个阶段,分别是密度集聚1D阶段、密度集聚与距离缩减的2D阶段和成熟的3D阶段[23]。国内贺灿飞团队率先对“3D”框架理论加以应用,分别对京津冀都市圈[24]、武汉城市群[25]和长三角城市群[26]的经济空间进行分析,提出优化区域经济空间的方向。陈肖飞等基于“3D”视角,以江苏省地级市为研究区域,对其经济地理空间格局进行探索性研究[27],继而将研究范围拓展至长三角地区,分析了长三角城市群空间发展状态[28]。目前,国内外对“3D”框架的研究仅限于新经济地理学领域,且大多关注城市群经济空间。“3D”框架在旅游经济空间研究上的应用尚未可见。
本文借鉴新经济地理学的“3D”框架理论,结合旅游经济空间发展的实际,探索性的提出了旅游经济空间“T—3D”体系,并构建了旅游经济空间“T—3D”的测量模型,运用SPSS、ArcGIS等分析软件,将长江三角洲地区作为案例地(以下简称“长三角”),借用地理集中度、时空距离及旅游联系来分别刻画旅游经济空间密度(density)、距离(distance)、整合(division)①特征,构建旅游经济空间的“T—3D”分析体系,刻画长三角旅游经济空间特征,验证了“T—3D”分析体系的有效性。
2 研究区概况与数据来源 2.1 研究区概况长三角地跨江、浙、沪2省1市,包括上海、嘉兴、苏州、湖州、无锡、常州、镇江、南京、扬州、泰州、绍兴、杭州、宁波、舟山、南通和台州共16个城市,是我国交通最便捷、经济最发达的地区。2017年,长三角地区旅游总收入为3.16万亿元人民币,占全球比例为8.77%,占全国比例为36.65%,同比增长16.6%②;接待境内外游客总人数23.47亿人次,占全国总体的52.37%,同比增长11.98%。截至2017年,长三角地区共有五星级酒店232家,约占全国总数的27.59%;拥有国家5A级景区54处,占全国总数的29.03%③。毫无疑问,长三角地区已成为当前全国乃至全球最具吸引力和竞争力的旅游目的地之一。
本文相关指标数据来自2018年《中国统计年鉴》、《中国城市统计年鉴》、《浙江省统计年鉴》、《江苏省统计年鉴》、《上海市统计年鉴》以及长三角地区相关城市旅游政务网等,涉及的时间、空间距离则通过百度地图测算得出。需要说明的是:其一,因研究所需的城市两两之间的铁路、航空直达距离难以获得完整的数据,譬如泰州到宁波则无直达火车,许多城市并未设有机场,故而此次仅将公路交通距离纳入测量范围之内;其二,通过百度地图测量时,确定出发到达城市后,自动将起点终点定位到两个城市的市政府所在地,且测量时间避开高峰期,选取最近的交通距离和较短的时间距离作为基础数据,以尽可能增强测度数据的客观性。
3 旅游经济空间T—3D体系基于新经济地理学的“3D”框架理论,本文构建旅游经济空间格局的T—3D分析体系,阐释新经济地理的密度、距离和整合等指标在旅游经济空间层面的新内涵。
3.1 旅游经济空间密度(density)新经济地理研究中将密度定义为每单位土地上的经济活动强度,密度较高代表其更较好地利用聚合经济效应以增强生产优势[28]。Ciccone和Hall发现美国区县在就业密度增加的影响之下,劳动生产率随之提升,同时经济密度也获得了显著提高[29];Ciccone随后对法国、德国、意大利、西班牙和英国5个欧洲国家做了相似的分析,进一步证实了这一规律[30];Brülhart以欧盟国家为例进行实证,研究结果发现人口密度与劳动生产率之间存在正向关关系[31]。旅游经济的空间密度与区域经济的空间密度在地理视角上具有一定的相似性。旅游经济空间密度较高的地区相对而言更易形成旅游经济集聚效应,从而促使旅游成本降低以实现区域旅游经济增长。新经济地理中的密度多用地均经济密度来度量[20, 25-29],借鉴相关度量指标,本文采用旅游经济的地理集中度作为衡量旅游经济空间密度的指标(Ri),计算公式如下:
(1) |
式中,Ri为i城市的旅游经济空间密度,Ai为i城市的旅游收入(亿元),Ti为i城市的国土面积(km2),n为区域内城市的数量。
3.2 旅游经济空间距离(distance)新经济地理学中认为,距离是构成经济活动密集地区和落后地区之间差异的一个主要维度[32],地理学第一定律——“相近者趋同,相远者趋异”,也同样说明距离的影响。在某种程度上,距离发挥作用的微观机制可与密度相重叠,因为高密度本身就意味着短距离,他们都依赖集聚经济发挥作用。Rice和Venables以英国的NUTS3区域为研究对象,发现距离经济中心越近生产率越高[33];Davis和Henderson通过考察一定地理范围内美国总部企业的专利引用情况,研究其经济集聚状况,发现小地域尺度比大尺度的技术溢出效应更大[34]。新经济地理中的距离多指市场距离,且多以各城市间的空间距离作为衡量指标[20, 25-29]。旅游经济空间距离,同样指的是旅游市场距离,此处以时间距离和空间距离同时作为度量指标。在假期时间一定的情况下,时间距离就成为影响旅游者出游决策的重要因素,旅游者更愿选择较近、往返用时较少的旅游目的地。基于此,本文构建如下测量指标:
(2) |
(3) |
式中,Di为i城市的旅游经济空间距离;G为调整系数,这里为方便观察取G =10;dij为城市i和j之间的时空距离,tij为测度所得时间距离(h),aij为测度所得空间距离(km)。
3.3 旅游经济空间整合(division)新经济地理学的相关研究大多为了便于研究直观理解,将division反过来译作“整合”进行研究[20, 25-29]:整合强调相互交流、强调产业的相互联系,以及非障碍阻隔。刘静玉和王发曾提出城市群经济整合包括城市群经济系统整合(产业整合和市场整合)、城市群经济支撑系统整合和城市群区域协调制度建设[35];陈肖飞等认为要想经济空间得以优化,那么提升城市经济整合水平是其主要努力方向[28];陈雯和王珏在对长三角区域经济整合的研究中发现其区域间协调性不足,存在明显的行政区经济障碍,应进一步优化区域间协调机制[36]。在整合指标的测度方面,陈肖飞等利用城市流强度衡量区域内各地市级的整合强度[28],李燕和贺灿飞借城市群内经济联系强度衡量区域内经济空间整合[26],在此基础上结合旅游业发展实践,以旅游经济联系强度衡量长三角地区的区域内旅游经济空间整合强度。
张洪和夏明利用旅游人数、旅游收入及空间距离构建万有引力模型测算安徽省旅游经济空间联系[37]。旅游经济空间整合反映一个城市与区域内其他城市之间在旅游交流与联系方面的紧密程度,不仅与城市旅游人数、旅游收入及空间距离密切相关,同样受到旅游资源、交通、经济水平等多种因素的影响。因此,本文对其提出的万有引力模型进行改进,引入旅游综合质量指数,采用多指标分析方式来测算旅游经济空间整合(Ii)。具体公式如下:
(4) |
(5) |
式中,Ii为旅游经济空间整合,Cij为城市i和城市j之间的旅游经济空间联系强度,n为区域内城市数量,Mi和Mj为城市i和j的旅游综合质量,dij为城市i和城市j之间的时空距离。
3.4 城市旅游综合质量(M)城市旅游综合质量M的测算,为全面考虑影响旅游经济空间相互作用强度的因素,构建如表 1所示的城市旅游经济质量指标体系,包含旅游发展水平、资源水平及支持水平三个层面,三者共同推动旅游流的流动,促进旅游经济空间整合。
运用SPSS21.0软件作主成分分析,以指标的贡献率为权重(wi),构建旅游经济质量模型,测度各城市的旅游经济质量水平,辅助旅游经济空间整合的测度。同时,为避免指标量纲的不一致影响评价结果,本文采取公式(7)进行原始数据的无量纲化处理。具体公式如下:
(6) |
(7) |
式中,Mi为旅游经济质量,wi为权重,yik为i城市标准化处理后的竞争力指标数据,其中xik为旅游综合质量指标数值,m为竞争力指标数量,k指第k个竞争力指标。
3.5 旅游经济空间T—3D体系与新经济地理3D框架对比T—3D分析体系在新经济地理学3D框架理论的基础上,结合旅游业实际分别给密度、距离、整合赋予了新的涵义,新经济地理学的3D框架与T—3D旅游经济空间格局分析体系的对比如表 2所示。
新经济地理中的“3D”框架,以密度反映经济集聚状况,以距离来呈现市场距离,以整合体现城市间的相互交流与联系,密度、距离、整合的度量对于城市化、地区发展及区域一体化有一定的参考作用。
本文构建的“T—3D”体系,以旅游经济空间密度反映旅游经济空间集聚状况,以旅游经济空间距离来表征旅游市场距离,以旅游经济空间整合反映区域旅游一体化,旅游经济空间密度、距离、整合分别借用地理集中度、时空距离及旅游联系来实现量化分析。
4 长三角旅游经济空间T—3D特征分析结合长三角相关数据,运用T—3D测算公式,刻画长三角旅游经济空间格局特征:以国内旅游收入和城市国土面积作为主要指标,运用公式(1)对长三角地区16个城市进行旅游经济空间密度分析,得出长三角各城市的旅游经济空间密度(Ri);综合时间距离和空间距离,运用公式(2)测度得到旅游经济空间距离(Di);依据上文的城市旅游经济质量指标,进行无量纲化处理,运用公式(6)综合计算得出长三角城市旅游经济质量(Mi);结合旅游经济质量,利用引力模型,运用公式(4)、(5)计算得出旅游经济整合(Ii);依据长三角各城市的旅游经济空间密度、距离、整合的评价结果,以各指标的均值作为衡量标准,遵循“高密度、短距离、低分割(本文以“强整合”代指)”的原则,对其T—3D类型进行判别,三个指标全部达到均值则为3D,满足两项为2D,仅一项符合的为1D,3项均不符合的为0D。各城市的旅游经济空间密度、距离、质量、整合、T—3D类型的最终结果如表 3所示。运用ArcGIS10.2软件实现地图化,采用自然断裂法将各城市的密度、距离、整合数据分为5级,空间分布特征如图 2所示。
旅游经济空间密度代表旅游经济的地理集中度,反映了旅游经济的空间集聚程度。密度越高的城市,表明其旅游经济集聚效应越强,反之则越弱。结合表 1的相关数据以及图 2a的空间密度分布特征可以发现:
(1)从具体数值来看,长三角地区旅游经济空间密度值总体差异明显,数值区间跨度较广,密度最低的台州仅为0.38,而密度最高的无锡则达到了3.99,可见其旅游经济空间密度差异之大。长三角地区各城市中,无锡、镇江、上海三个城市的旅游经济密度处于优势地位,其数值明显高于大多数城市,其中无锡旅游经济空间密度高达3.99,在长三角地区占有绝对优势,该地旅游经济的地理集中度最高,镇江、上海次之,其旅游经济空间密度分别为2.70和2.51,旅游业在该地的空间集聚程度强于其他城市,旅游辐射效应显著;绍兴和台州是旅游经济空间密度最低的城市,分别为0.44和0.38,表明其地理集中度差,尚未在当地形成辐射效应;其余城市的旅游经济空间密度介于0.5—2.0之间,地理集中程度一般,即旅游经济在当地的集聚程度一般,旅游经济水平有待提升。
(2)从空间分布来看,长三角的旅游经济空间密度分布不均衡,空间分异特征显著,整体呈现“南疏北密”的特征,江苏省南京、镇江、常州、无锡四市形成高密度区域,密度明显高于长三角其他城市。在长三角地区内,位于江苏省内城市的旅游经济密度整体高于浙江省内城市:泰州市(0.73)在江苏省旅游经济空间密度排名最低,其密度值低于浙江部分排名第二嘉兴市(0.82),可见长三角地区内的浙江城市旅游经济的空间集聚效应显著低于江苏城市,表明相对而言江苏省内城市集聚效应更强,更易产生对相关产业的辐射效应。
(3)由图 2a可见,长三角旅游经济空间密度呈现以“南京—镇江—常州—无锡—苏州—上海—舟山”一线为中心轴,向两侧逐级递减的态势。长三角的旅游经济空间密度呈现明显的扩散模式,中心轴上各城市的旅游经济密度普遍较高,毗邻的城市,其密度略低于中心轴城市,而远离中心轴的城市则难以受到辐射效应影响。
旅游经济空间密度格局与社会经济空间分布以及旅游资源禀赋有一定联系:一方面,经济更为发达的城市,一般同时集聚了大量旅游资源,二者互为助力,促进了旅游经济的发展;另一方面,占地面积较大的城市,受其空间布局影响,旅游资源分布较为分散,因而致其旅游经济空间密度较低。另外,经济水平的高低一定程度也体现了当地居民可支配收入的多少,带薪休假政策的实施为旅游者创造了更多出游时间,可支配收入的多少对出游意愿具有直接影响,可支配收入越高出游的可能性越大,随之带动旅游经济的增长。因而可逐步提高居民可支配收入水平,与此同时不断提升旅游资源吸引力,打造符合大众需求的旅游目的地形象,并且积极吸纳外来投资,提升其吸引资金流的能力,从而加快旅游经济发展,加快促进旅游经济空间密度提高。
4.2 旅游经济空间距离距离体现为各城市的旅游市场距离,是造成旅游经济差异的重要因素之一,距离越近越易产生产业集聚,因而越有利于加强旅游沟通联系。本文以时空距离构建市场距离测算模型,度量旅游经济空间的距离。结合表 1的数据和图 2b可以发现:
(1)从具体数值来看,长三角地区旅游经济空间距离总体呈现较优水平,城市间交通网络发达,区域内交通通达都较高,且距离数值差异不大,仅部分城市的存在距离劣势。长三角各城市中嘉兴的距离数值最低为0.46,嘉兴在长三角地区具有最优的距离优势,到达各城市的时间、空间距离最短;其次是无锡、苏州、湖州、常州,其距离的数值依次为0.49、0.50、0.50和0.60,该4市基于地理位置的优势,具备明显的距离优势,与其他各城市的市场距离均较近;距离数值最高的是台州,其数值为1.04,其位于长三角地区最南部,到各城市的市场距离受到地理位置的影响具有一定的劣势,尤其距离长三角地区北部的城市市场距离更远,交通不便利;数值第二高的是舟山,其距离数值为0.86,舟山市是一个岛屿城市,分散的岛屿地形制约了其交通发展,故而距离处于劣势;其余长三角各城市的距离数值差异不大。
(2)从空间分布上来看,长三角地区旅游经济空间的距离分布呈现明显的“核心—边缘”特征。从地理位置上来看,距离优势明显的5市,即嘉兴、无锡、苏州、湖州、常州均位于长三角地区的中心区域,其地缘优势为其带来市场距离的优势地位,且该5市形成明显的优势区域,见图 2b;毗邻优势区域的城市,杭州、镇江、南通、上海、绍兴、南京,距离数值依次为0.55、0.60、0.60、0.61、0.61和0.62,与优势区域的城市相比距离优势并不明显,但其市场距离依旧较优,可形成与区域内其他城市较为便利的交通联系;其余城市泰州的距离数值为0.64,扬州和宁波距离数值分别为0.67和0.68,从地理位置来看,3市距离优势区域较远,其市场距离由此受到影响,与其他城市的旅游业市场沟通的距离从而增大;而距离处于劣势的台州和舟山,均位于长三角地区的边缘地带,地缘劣势是造成其市场距离劣势的重要因素之一。
旅游经济空间的距离很大程度上受到地缘因素的影响,在长三角地区的中心地带形成市场距离的优势区域,越靠近优势区域市场距离越近,越靠近长三角地区的边缘则市场距离越远,从而显现出明显的“核心—边缘”特征。距离影响着城市间的旅游业合作、旅游流的流动、信息交流沟通以及资源、经济辐射等各个方面,是密切关系旅游经济发展水平的重要因素,缩短距离是加快区域旅游业发展的重要环节之一。加大交通建设方面的资金投资,同时不断提升技术水平,充分利用现代科技,兼顾公路、铁路、航空三条通道,加快高速公路的建设、抓住高铁发展的机遇、加速航空设施建设,缩短与各个城市间的时间距离,寻找各城市间更近的通道,从而缩短市场距离,获得距离优势。
4.3 旅游经济空间整合旅游经济空间整合表示各城市间的旅游要素交流、联系,以及非障碍阻隔,反映了区域内的一体化程度,本文以表征旅游经济联系的万有引力模型进行度量。结合表 1和图 2c可以发现:
(1)旅游经济空间结构整体上呈现上海、苏州、杭州三足鼎立之势。上海以其8.19的优势,占据旅游经济联系的核心地位;苏州、杭州次之,分别以5.69和5.03的旅游经济空间整合居于次核心地位,与上海构成长三角地区旅游经济三大核心;南京、无锡等其余13个城市的旅游经济空间整合较小,但分布较均衡,相互间旅游经济交流与联系较为紧密,有助于区域旅游经济一体化的实现。就长三角整体而言,经济发达的城市旅游空间结构整合数值普遍较高,总体而言一体化程度较高,但长三角地区边缘城市的一体化程度相对较低。
(2)由图 2c可以看出,长三角旅游经济空间格局总体呈现以上海为核心,“上海—杭州”及“上海—苏州—南京”为“两翼”的旅游空间特征,“一核两翼”构成长三角旅游经济的核心区域。地理空间上位于上海周边的城市,南通和宁波的旅游经济空间整合数值较高,分别为1.69和2.33;毗邻“两翼”的城市,无锡、常州、绍兴、嘉兴、湖州,旅游经济空间整合数值普遍较大,依次为3.41、2.36、1.98、2.09、1.98,旅游经济的对外联系较强;距“两翼”较远的城市,位于长三角地区边缘的扬州、泰州、台州、舟山旅游经济空间整合数值较低,依次为1.19、0.85、0.72和0.54,与其他城市的旅游经济之间交流与联系较弱。上海发挥其核心作用,对整个长三角区域的旅游经济发展起到引领模范的作用,与此同时苏州、南京、杭州旅游经济的发展也为上海核心区提供了良好的助力,形成旅游经济重要的两翼,构成旅游经济空间流通通道,进一步辐射区域内边缘城市。
旅游经济空间整合数值的高低,一定程度上与该地的技术水平、旅游综合质量、合作渠道的差异有关:科技发达的城市,具备构建旅游要素流动及信息沟通通道的技术优势,有助于畅通联系沟通渠道;旅游综合质量的提升是吸引旅游者的关键,优质的旅游资源、舒适的旅游环境等都会提升其对旅游者的吸引力,同时吸引外部资金的融入;城市间旅游合作渠道的畅通与否,关系到与核心城市之间的合作关系,渠道畅通即可增强与核心城市的联系。推动区域内一体化进程,应串联起整合度较低的城市,共同提升旅游利用现代科技的能力;整合区域内的旅游资源,促进旅游要素的流动,提升旅游吸引力;搭建区域内的合作交流平台,畅通合作渠道,加强各城市间的旅游联系,吸纳外部资金的融入,实现整个区域的旅游经济一体化。
4.4 T—3D类型分析通过对长三角地区城市的旅游经济空间的“T—3D”类型分析判别(表 1),结合图 2d可以发现:
(1)上海、苏州、无锡表现为3D类型,从旅游经济空间的密度、距离、整合三个维度来看具有发展旅游业的绝对优势,旅游经济集聚程度高,与周边城市的市场距离较近,旅游经济一体化程度较高,是长三角地区的旅游经济区域核心。
(2)镇江、南京、杭州表现为2D类型,在是长三角的旅游经济发展的重要核心。其中镇江为“Density—Distance”型,旅游经济集聚程度较高,与长三角地区其他城市的市场距离较近,但还应加强旅游经济一体化进程,南京、杭州表现为“Distance—Division”型,与周边城市的市场距离较近,一体化程度较高,旅游经济集聚稍显不足。可见表现为2D类型的城市均具备“Distance”优势,与其他城市之间市场距离的远近是影响旅游经济发展的重要因素之一。
(3)常州、南通、嘉兴、绍兴、湖州、舟山均表现为1D类型,其中,舟山为“Density”类型,旅游经济的集聚程度较高,但市场距离的优势不明显且一体化程度较差,其余城市表现为“Distance”类型,旅游经济空间的距离优势明显,但旅游经济的一体化程度较弱,与其他城市的联系较弱,且旅游经济集聚程度有待加强。
(4)泰州、扬州、宁波、台州表现为0D类型,在“T—3D”的密度、距离、整合三个维度均表现得较弱,应发挥当地旅游资源的吸引力,提升核心竞争力,同时缩短与其他城市间的市场距离,提高旅游经济一体化水平。
总体而言,长三角地区“T—3D”类型与当地经济发展水平基本一致,上海是长三角地区的绝对核心,苏州、无锡的经济实力同样不可小觑;其次,从2D类型中看,缺少“Division—Density”类型,可见Distance的重要性,距离远近即旅游要素流动的便捷程度对于旅游经济发展的重要作用可见一斑。整体来看,长三角地区各城市间的距离优势较明显,旅游经济集聚程度也较高,但从1D类型来看,未出现Division类型,可见这一维度虽极为重要但达到标准的城市尚少,应加强与周边城市的联系,畅通要素流动及联系的通道,加强城市间的旅游沟通与合作。
5 结论与讨论 5.1 结论本文借鉴新经济地理学的“3D”框架,提出了旅游经济空间“T—3D”体系,构建旅游经济空间“T—3D”的测量模型,并以长三角地区为例,运用SPSS、ArcGIS等软件从密度、距离、整合三个维度刻画了长三角地区旅游经济空间发展的“T—3D”特征,验证了旅游经济空间“T—3D”分析体系的有效性。
研究表明:①密度:长三角地区各市旅游经济空间密度数值差异明显,空间分布差异显著,旅游经济整体呈现“南疏北密”的空间集聚特征,且呈现以“南京—镇江—常州—无锡—苏州—上海—舟山”一线为中心轴,向两侧逐级递减的态势。②距离:长三角地区的距离总体较优,除个别城市外各城市间市场距离较近且差异不大,在地理空间分布上呈现明显的“边缘—核心”特征,距离长三角核心区偏远的边缘城市处于距离劣势地位。③整合:长三角地区旅游经济空间一体化程度总体呈现较高水平,上海、杭州、苏州呈三足鼎立之势,上海在其中处于绝对核心地位,与苏宁杭构成两条旅游经济联系通道,在地理空间上形成“一核两翼”的旅游经济发展特征。④综合“T—3D”指标来看,长三角地区“3D”类型城市有3个,“2D”类型城市3个,“1D”类型城市6个,“0D”类型城市4个。
5.2 讨论世界银行于2009年发布《重塑世界经济地理》报告,其中克鲁格曼在“新经济地理”结构体系上提出利用密度(density)、距离(distance)、分割(division)的“3D”框架从不同地理尺度刻画世界经济地理格局[19]。“3D”框架一经提出,便引起了国内外学者的广泛关注。但相关研究仅限于新经济地理学领域[20-23],多关注城市群经济空间[24-28],“3D”框架在旅游经济空间研究上的应用尚未可见。本文借鉴新经济地理学的“3D”框架理论,构建了旅游经济空间“T—3D”分析体系,分别以旅游经济地理集中度、时空距离及旅游联系诠释了旅游经济空间的密度、距离及整合。
本文探索性的提出了“T—3D”体系,且尝试构建刻画旅游经济空间格局的“T—3D”测算模型,指标体系的选择及模型构建还需在后续研究中不断斟酌完善,尤其是距离指标的选取应不断斟酌锤炼。在测算旅游经济空间的时间距离时,因为数据获取的限制,本文仅将公路距离纳入考量范围。但从现实层面来看,两城市间的时空距离测度包含公路距离、铁路距离及航空距离等。本文所选取的案例地,并不是所有的城市之间都有直达的火车(如泰州到台州、泰州到宁波等),也并非所有城市都有机场。因此,本文用公路距离来测算时间和空间距离。在后续的研究中,针对不同的案例地,可进一步修正和完善测量指标体系。
伴随着区域经济一体化进程及全域旅游的实践,城市间旅游业的关系已不再仅仅是简单的合作或竞争,而是呈现复杂的竞合关系。本文探索性的将新经济地理学的“3D”框架运用到旅游经济空间结构的研究之中,相关研究还有待深入。本文仅以长三角地区为案例地,对旅游经济空间格局评价体系的构建进行了尝试,分析了长三角地区的城市旅游经济空间结构特征。在后续研究中,可进一步分析不同层级、不同类型城市旅游联系如何。可进行展开演化分析,发现各城市发展变化的规律。亦可分析每个D对城市发展的优先作用,为推动旅游经济发展探寻新的有效途径。
“3D”中的Density(密度)具有正负两种效应,较高的密度可以有效地发挥聚合经济带来的生产优势,而过高的密度则会导致拥挤和规模不经济现象[28]。Density(密度)是否存在临界值,临界值是一个固定的值还是一个区间?城市规模与产业集聚之间的关系问题,多大的城市适合多大的集聚规模?另外,Division(整合)反映旅游业的区域一体化程度,但其与经济发展水平并非呈简单的线性关系,并不是城市经济越发达,其在区域内的市场整合程度就越高。旅游经济空间距离除了受到时空距离的影响外,还受何种因素影响?旅游经济空间整合与区域经济存在何种关系,是否存在一个最优的取值区间,使得旅游经济与区域经济充分发挥良性互动作用?诸如此类问题还有待进一步探究。
注释:
① Division本意为“分割”,结合旅游空间经济发展的特点,参考相关学者的研究(详见理论阐述),为便于研究和直观理解,将其翻译为“整合”展开研究。
② 数据来源:第一财经.长三角地区一年旅游收入占全球近9%,万亿市场潜力巨大.(2019-01-17).https://www.yicai.com/news/100101701.html。
③ 资料来源:中华人民共和国文化和旅游部.中国旅游统计年鉴2018[Z].北京:中国旅游出版社, 2018。
[1] |
曹芳东, 黄震方, 吴丽敏, 等. 基于时间距离视域下城市旅游经济联系测度与空间整合——以长江三角洲地区为例[J]. 经济地理, 2012, 32(12): 157-162. [Cao Fangdong, Huang Zhenfang, Wu Limin, et al. City tourism economic contact measurement and spatial integration based on the temporal distance:A case study of the Yangtze River Delta[J]. Economic Geography, 2012, 32(12): 157-162.] |
[2] |
虞虎, 陈田, 陆林, 等. 江淮城市群旅游经济网络空间结构与空间发展模式[J]. 地理科学进展, 2014, 33(2): 169-180. [Yu Hu, Chen Tian, Lu Lin, et al. Structure of tourist economy network and its spatial development pattern in Jianghuai urban agglomeration[J]. Progress in Geography, 2014, 33(2): 169-180.] |
[3] |
毕斗斗, 王龙杰, 郑鹏. 国家级经济区旅游经济空间结构研究——以中原经济区为例[J]. 资源开发与市场, 2016, 32(11): 1376-1380. [Bi Doudou, Wang Longjie, Zheng Peng. Space structure of tourist economy in state-level economic zone:A case of Central Plains economic region[J]. Resource Development & Market, 2016, 32(11): 1376-1380. DOI:10.3969/j.issn.1005-8141.2016.11.019] |
[4] |
卞显红. 城市旅游空间结构研究[J]. 地理与地理信息科学, 2003, 19(1): 105-108. [Bian Xianhong. Research on urban tourism spatial structure[J]. Geography and Geo-Information Science, 2003, 19(1): 105-108. DOI:10.3969/j.issn.1672-0504.2003.01.026] |
[5] |
Roberto C, Tiziana C. The economic resilience of tourismIndustry in Italy:What the "Great-Recession" data show[J]. Tourism Management Perspectives, 2015, 16(10): 346-356. |
[6] |
Alexandre S G, Isabel M J. Spatial patterns of cultural tourism in Portugal[J]. Tourism Management Perspectives, 2015, 16(10): 107-115. |
[7] |
Sarrión-Gavilán M D, Benítez-Márquez M D, Mora-Rangel E O. Spatial distribution of tourism supply in Andalusia[J]. Tourism Management Perspectives, 2015, 15(7): 29-45. |
[8] |
沈惊宏, 余兆旺, 沈宏婷. 区域旅游空间结构演化模式研究——以安徽省为例[J]. 经济地理, 2015, 35(1): 180-186. [Shen Jinghong, Yu Zhaowang, Shen Hongting. Evolutionary spatial structure models of regional tourism system:A case study of Anhui province[J]. Economic Geography, 2015, 35(1): 180-186.] |
[9] |
陈刚强, 李映辉. 中国区域旅游规模的空间结构与变化[J]. 旅游学刊, 2011, 26(11): 84-89. [Chen Gangqiang, Li Yinghui. Spatial structure and evolution of the scale of China's regional tourism[J]. Tourism Tribune, 2011, 26(11): 84-89. DOI:10.3969/j.issn.1002-5006.2011.11.017] |
[10] |
吴媛媛, 宋玉祥. 中国旅游经济空间格局演变特征及其影响因素分析[J]. 地理科学, 2018, 38(9): 1491-1498. [Wu Yuanyuan, Song Yuxiang. Spatial pattern evolution and influence factors of tourism economy in China[J]. Scientia Geographica Sinica, 2018, 38(9): 1491-1498.] |
[11] |
李彪. 中国旅游经济空间错位的动态演化及其机制分析[J]. 管理世界, 2018(5): 172-173. [Li Biao. An analysis of the dynamic evolution and mechanism of spatial misalignment of China's tourism economy[J]. Management World, 2018(5): 172-173. DOI:10.3969/j.issn.1002-5502.2018.05.016] |
[12] |
冯迎, 张军民. 新疆旅游经济空间分异及影响因素[J]. 地域研究与开发, 2017, 36(4): 99-104. [Feng Ying, Zhang Junmin. Spatial evolution of tourism economy and its driving factors in Xinjiang[J]. Areal Research and Development, 2017, 36(4): 99-104. DOI:10.3969/j.issn.1003-2363.2017.04.018] |
[13] |
李根明, 张亚杰, 张晓洁, 等. 基于入境旅游收入的河南省市域旅游经济空间分异研究[J]. 地域研究与开发, 2017, 36(4): 93-98. [Li Genmin, Zhang Yajie, Zhang Xiaojie, et al. Research on spatial differentiation of cities' tourism economy of Henan province:Based on inbound tourism revenues[J]. Areal Research and Development, 2017, 36(4): 93-98. DOI:10.3969/j.issn.1003-2363.2017.04.017] |
[14] |
韩润娥, 赵峰. 关中-天水经济区旅游经济空间差异演化分析[J]. 资源开发与市场, 2015, 31(4): 509-512. [Han Rune, Zhao Feng. Analysis on spatial differential evolution of tourism economy in Guanzhong-Tianshui economic zone[J]. Resource Development & Market, 2015, 31(4): 509-512. DOI:10.3969/j.issn.1005-8141.2015.04.032] |
[15] |
王博, 吴清, 罗静. 武汉城市圈旅游经济网络结构及其演化[J]. 经济地理, 2015, 35(5): 192-197. [Wang Bo, Wu Qing, Luo Jing. Structure and evolution of tourism economy network in Wuhan metropolitan area[J]. Economic Geography, 2015, 35(5): 192-197.] |
[16] |
朱冬芳, 陆林, 虞虎. 基于旅游经济网络视角的长江三角洲都市圈旅游地角色[J]. 经济地理, 2012, 32(4): 149-155. [Zhu Dongfang, Lu Lin, Yu Hu. Analysis on the roles of tourism destinations in the Yangtze River Delta metropolitan area:Based on the perspective of tourism economy[J]. Economic Geography, 2012, 32(4): 149-155.] |
[17] |
王俊, 夏杰长. 中国省域旅游经济空间网络结构及其影响因素研究——基于QAP方法的考察[J]. 旅游学刊, 2018, 33(9): 13-25. [Wang Jun, Xia Jiechang. Study on the spatial network structure of the tourism economy in China and its influencing factors:Investigation of QAP method[J]. Tourism Tribune, 2018, 33(9): 13-25. DOI:10.3969/j.issn.1002-5006.2018.09.007] |
[18] |
鄢慧丽, 徐帆, 熊浩, 等. 社会网络视角下海南省旅游经济网络空间特征及定位研究[J]. 华中师范大学学报(自然科学版), 2018, 52(2): 264-270. [Yan Huili, Xu Fan, Xiong Hao, et al. On the spatial characteristics and orientation of tourism economic network in Hainan province from the perspective of social network[J]. Journal of Central China Normal University (Natural Sciences), 2018, 52(2): 264-270.] |
[19] |
Scott A J. World Development Report 2009: Reshaping Economic Geography[R]. Washington: World Bank, 2009.
|
[20] |
Conroy H V, Demombynes G. Density, distance, and division in Latin America and the Caribbean: Analysis with a unified local-level economic welfare map[EB/OL]. (2008-11-08)[2018-07-27].http://mdstestserver.com/unbackup/images/pdf/programa/2008/lecturas/GabrielDemom.
|
[21] |
Roberts M, Goh C. Density, distance and division:The case of Chongqing municipality, China[J]. Cambridge Journal of Regions Economy & Society, 2011, 4(2): 189-204. |
[22] |
Shabani Z D, Akbari N, Esfahani R D. Effect of population density, division and distance on regional economic growth[J]. Iranian Economic Review, 2012, 17(1): 101-121. |
[23] |
Oh J. Spatial adaptation of the MSV model, with special reference to world development report 2009 and Korean examples[J]. Letters in Spatial & Resource Sciences, 2012, 5(1): 33-45. |
[24] |
王洁玉, 贺灿飞, 黄志基. 基于3D视角的京津冀都市圈经济空间分析[J]. 城市观察, 2012(3): 67-76. [Wang Jieyu, He Canfei, Huang Zhiji. Analyzing the economic space of Beijing-Tianjin-Hebei megalopolis from the "3D" perspective[J]. Urban Insight, 2012(3): 67-76. DOI:10.3969/j.issn.1674-7178.2012.03.011] |
[25] |
周沂, 沈昊婧, 贺灿飞. 城市群发展的3D框架——以武汉城市群为例[J]. 长江流域资源与环境, 2013, 22(2): 136-142. [Zhou Yi, Shen Haojing, He Canfei. Density, distance and division for urban development:The case of Wuhan city region[J]. Resources and Environment in the Yangtze Basin, 2013, 22(2): 136-142.] |
[26] |
李燕, 贺灿飞. 基于"3D"框架的长江三角洲城市群经济空间演化分析[J]. 经济地理, 2013, 33(5): 43-46. [Li Yan, He Canfei. Evolution of the economic space in the Yangtze River Delta:Density, distance and division[J]. Economic Geography, 2013, 33(5): 43-46.] |
[27] |
陈肖飞, 纪莉莉, 张落成, 等. 基于"3D"框架的江苏省地级市经济地理格局空间演化研究[J]. 地理与地理信息科学, 2014, 30(3): 66-70. [Chen Xiaofei, Ji Lili, Zhang Luocheng, et al. Economic space evolution of prefecture-level cities in Jiangsu province based on density, distance and division[J]. Geography and Geo-Information Science, 2014, 30(3): 66-70.] |
[28] |
陈肖飞, 张落成, 姚士谋. 基于新经济地理学的长三角城市群空间格局及发展因素[J]. 地理科学进展, 2015, 34(2): 229-236. [Chen Xiaofei, Zhang Luocheng, Yao Shimou. Spatial pattern of the Yangtze River Delta urban agglomeration:From the new economic geography perspective[J]. Progress in Geography, 2015, 34(2): 229-236.] |
[29] |
Ciccone A, Hall R E. Productivity and the density of economic activity[J]. American Economic Review, 1996, 86(1): 54-70. |
[30] |
Ciccone A. Agglomeration effects in Europe[J]. European Economic Review, 1998, 46(2): 213-227. |
[31] |
Brülhart M, Mathys N A. Sectoral agglomeration economies in a panel of European regions[J]. Regional Science & Urban Economics, 2008, 38(4): 348-362. |
[32] |
Combes P P, Lafourcade M. Transport costs:Measures, determinants, and regional policy implications for France[J]. Journal of Economic Geography, 2005, 5(3): 319-349. DOI:10.1093/jnlecg/lbh062 |
[33] |
Rice P, Venables A J, Patacchini E. Spatial determinants of productivity:Analysis for the regions of Great Britain[J]. Regional Science & Urban Economics, 2006, 36(6): 727-752. |
[34] |
Davis J C, Henderson J V. The agglomeration of headquarters[J]. Regional Science & Urban Economics, 2008, 38(5): 445-460. |
[35] |
刘静玉, 王发曾. 我国城市群经济整合的理论分析[J]. 地理与地理信息科学, 2005, 21(5): 55-59. [Liu Jingyu, Wang Fazeng. Theoretic analysis on economic integration of urban agglomerations[J]. Geography and Geo-Information Science, 2005, 21(5): 55-59. DOI:10.3969/j.issn.1672-0504.2005.05.013] |
[36] |
陈雯, 王珏. 长江三角洲空间一体化发展格局的初步测度[J]. 地理科学, 2013, 33(8): 902-908. [Chen Wen, Wang Jue. Assessment and measurement of spatial integration in the Changjiang Rriver Delta[J]. Scientia Geographica Sinica, 2013, 33(8): 902-908.] |
[37] |
张洪, 夏明. 安徽省旅游空间结构研究——基于旅游中心度与旅游经济联系的视角[J]. 经济地理, 2011, 31(12): 2116-2121. [Zhang Hong, Xia Ming. Research on tourism spatial structure of Anhui province:Based on tourism centrality degrees and tourism economic contact[J]. Economic Geography, 2011, 31(12): 2116-2121.] |