黄河流域旅游生态安全的动态演变特征及驱动因素

图1 基于DPSIR模型的黄河流域旅游生态安全评价理论框架

Fig. 1 Tourism ecological security evaluation theoretical framework in the Yellow River Basin based on DPSIR model

旅游生态安全DPSIR理论模型框架是一个具有高度复杂性、自组织性、多层次性、不确定性的开放系统,五大子系统之间相互依存、相互制约,只有当各子系统以均衡协调、运行有序、配合得当形成良性循环有机体时,旅游生态安全整体系统才会呈现安全平稳、螺旋式提升状态。总之,健康的旅游生态系统是安全的、稳定的和可持续的,在时间上能够维持它的组织结构和自治,以及保持受外界胁迫的生态系统恢复力或弹性。反之,不健康的旅游地生态系统,是功能不健全或子系统不协调的混淆系统,其安全状况则处于受威胁之中,旅游生态安全系统就会处于不安全状态之中。本文结合旅游生态安全理论框架,从经济—社会—环境统筹发展视角出发,选择旅游生态安全领域相关研究成果中高频使用的指标,征求相关专家意见,并在遵循指标系统性、代表性和数据可得性等原则的基础上,构建出由5个子系统层一级指标和26个因子层二级指标组成的旅游生态安全评价指标体系（表1）。

表1 黄河流域旅游生态安全评价体系

Tab. 1 Tourism ecological security evaluation system of the Yellow River Basin

子系统层	因子层	指标含义	权重	文献来源
驱动力 (D)	旅游收入增长率(%)	旅游经济效益增长潜力	0.0064	[1, 3]
	游客增长率(%)	旅游地对游客的吸引力	0.0064	[3, 47]
	GDP增长率(%)	地方经济增长潜力	0.0018	[47]
	人口自然增长率(%)	人口增长对旅游地生态系统维系的支撑或胁迫	0.0019	[3, 44]
	城镇化率(%)	城市化进程对生态系统的影响	0.0090	[3, 34]
压力 (P)	旅游经济密度(亿元/km²)	旅游活动对旅游目的地社会经济生活的压力强度	0.0460	[47]
	第三产业从业人员增长率(%)	当地旅游业及关联产业吸纳就业的能力	0.0024	[47]
	工业废水排放量(万t)	污水排放对当地生态环境的压力	0.0632	[32, 33]
	工业SO₂排放量(t)	工业废气排放对当地空气质量的影响	0.0677	[33, 47]
	游客密度(人次/km^-2)	旅游活动对当地旅游环境容量造成的综合压力	0.0400	[3, 20]
状态 (S)	游客接待量与人口数量比(-)	本地居民为游客提供的服务供给	0.0424	[47]
	国内旅游收入(亿元)	国内旅游市场经营收益状况	0.0889	[3, 33]
	旅游外汇收入(万美元)	国际旅游市场的营收能力	0.0678	[47]
	绿地园林面积(hm²)	绿化宜居、宜游质量和居民生活福利保健水平	0.0659	[32]
	建成区绿化覆盖率(%)	绿化状况及生态文明建设环境氛围	0.0140	[3, 33]
	空气质量达到二级以上天数(d)	大气环境的综合状态	0.0029	[27, 44]
影响 (I)	旅游总收入占GDP百分比(%)	旅游业的地方经济贡献度	0.0829	[32, 47]
	第三产业占GDP百分比(%)	旅游业发展的宏观环境状况	0.0058	[3]
	住宿和餐饮业从业人员数(万人)	旅游地接待能力	0.0326	[1, 33]
	工业固体废物综合利用率(%)	旅游地对固体废弃物的转化及循环利用情况	0.0101	[19, 20]
	废气排放增长率(%)	大气污染对生态环境的胁迫	0.0833	[19]
响应 (R)	财政支出占GDP百分比(%)	生态环境投资驱动力	0.0603	[47]
	生活污水处理率(%)	生活污水处理技术和能力	0.0027	[33, 47]
	生活垃圾无害化处理率(%)	对生活垃圾的绿色处理和循环发展能力	0.0037	[3, 33]
	普通高等学校学生数(人)	人才供给水平及居民素质	0.1378	[44]
	人均旅游收入(元)	居民在旅游发展中的获利情况和生计资本累积	0.0544	[3, 47]

3 研究方法与数据来源

3.1 研究区域概况

黄河流经青海、四川、甘肃、内蒙古、宁夏、山西、陕西、河南、山东9个省（区）,地处32°10′N~41°50′N、95°53′E~119°05′E之间,全长5464 km,流域面积约217万km²,是中国重要的生态屏障和经济地带^[48],2019年黄河流域生态保护和高质量发展上升为国家战略。本文所确定的流域范围参照水利部黄河水利委员会划定的自然流域范围,选择地级市（州、盟）作为研究尺度,此范围确保了行政区划单元的完整性,所确定的黄河流域范围充分考虑了自然和社会经济两大因素,为深受黄河影响的直接区域,包括9省（区）的73个地级市（州、盟）（图2）。2017年流域9省（区）GDP总值约达221226亿元,占中国GDP总量的26.59%。由于历史、自然条件等原因,黄河流域社会经济整体发展水平相对滞后。流域上中游地区和下游滩区在保障中国经济社会发展和维护生态安全屏障方面具有重要生态保育功能,是中国经济发展中具有全局性、战略性作用的重要生态区域。此外,黄河是中华文化的摇篮,孕育出了河湟文化、河洛文化、关中文化、齐鲁文化等诸多独具特色的区域文化,为黄河流域旅游业发展提供了深厚、持久的人文元素。黄河流域旅游资源种类丰富,不仅有丰富的沙漠（如毛乌素沙漠等）、草原（如鄂尔多斯大草原等）、瀑布（如壶口瀑布等）、峡谷（如准格尔旗黄河大峡谷等）等自然景观,还有洞窟（如龙门石窟等）、陵墓（如秦始皇陵等）、特色屋舍（如皇城相府等）、喷泉（如趵突泉等）等人文景观(划分标准：《旅游资源分类、调查与评价》（GB/T 18972-2017）。)。截至2017年底,黄河流域73个地级市（州、盟）主要景点（5A级景区）达43处,国家级风景名胜区32处,分别占中国的17.20%和13.11%。旅游总收入约23603亿元,占中国旅游总收入比重的43.71%,在中国旅游业发展中占据重要地位。因此,选择黄河流域作为研究对象,探查其旅游生态安全的时空动态演变特征及机理内涵,具有鲜明的区域典型性和重要学术研究价值。

图2

图2 黄河流域区位图

Fig. 2 Location of the Yellow River Basin

3.2 研究方法

3.2.1 改进的TOPSIS模型逼近理想解的排序法（Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS）由Hwang和Yoon于1981年提出,是目前应用较为广泛、有效的多目标系统决策方法。其对数据分布、样本量和指标数量均无严格限制,具有真实、直观、可靠的优点。其可先根据各指标构建最优、最劣方案,然后计算各个指标与最优、最劣方案之间的相对接近度,最后根据与正负理想解的距离评价每种方案的优劣,若方案接近正理想解而远离负理想解,则被认为最优;若方案远离正理想解而接近负理想解,则被认为最劣^[49]。本文采用改进TOPSIS法测度黄河流域各地级市（州、盟）旅游生态安全综合评价指数,具体步骤如下：

（1）对评价指标进行标准化,公式为：

（1）

y_{ij} = \{\begin{array}{l} \frac{(x_{ij} - \min x_{j})}{(\max x_{j} - \min x_{j}) x_{ij} 为正指标} \\ \frac{(\max x_{j} - x_{ij})}{(\max x_{j} - \min x_{j}}) x_{ij} 为逆指标 \end{array}

式中：y_ij为标准化后的值;x_ij（i = 1, 2, …, 10;j = 1, 2, …, 26）为第i年第j项指标值;maxx_j、minx_j分别为第j项指标的最大值和最小值。

（2）指标权重的确定,为避免层次分析法和德尔菲法确定指标权重带来主观因素的影响,本文选择客观性较强的熵权法来计算指标权重,公式如下：

（2）

e_{j} = - k \sum_{i = 1}^{m} [(\frac{y_{ij}}{\sum_{i = 1}^{m} y_{ij}}) \times \ln (\frac{y_{ij}}{\sum_{i = 1}^{m} y_{ij}})], k = \frac{1}{\ln m}

（3）

w_{j} = \frac{(1 - e_{j})}{\sum_{j = 1}^{26} (1 - e_{j})}

式中：w_j为第j项指标的权重;e_j表示第j项指标的信息熵;m为评价年数;k为波尔茨曼常量。

（3）建立加权规范化矩阵,公式如下：

（4）

\begin{array}{l} T_{驱动力} = \sum_{j = 1}^{5} y_{ij} ω_{j}; T_{压力} = \sum_{j = 6}^{10} y_{ij} ω_{j}; T_{状态} = \sum_{j = 11}^{16} y_{ij} ω_{j}; \\ T_{影响} = \sum_{j = 17}^{21} y_{ij} ω_{j}; T_{响应} = \sum_{j = 22}^{26} y_{ij} ω_{j}; i = 1, 2, \dots, 10 \end{array}

构建加权规范化矩阵： $T_{cn} = T_{r \times 5} = (\begin{matrix} T_{11} & T_{12} & T_{13} & T_{14} & T_{15} \\ T_{21} & T_{22} & T_{23} & T_{24} & T_{25} \\ ⋮ & ⋮ & ⋮ & ⋮ & ⋮ \\ T_{r 1} & T_{r 2} & T_{r 3} & T_{r 4} & T_{r 5} \end{matrix})$

式中：T_cn为加权规范化矩阵;c为研究单元数,c = 1, 2, …, r;n为指数个数,本文中n = 5,分别为驱动力指数、压力指数、状态指数、影响指数和响应指数。

（4）正、负理想解的确定,即：

（5）

{T_{n}}^{+} = \{\max T_{cn} |c = 1, 2, \dots, r\}; {T_{n}}^{-} = \{\min T_{cn} |c = 1, 2, \dots, r\}

式中：T_i⁺为指标正理想解;T_i^-为负理想解。

（5）计算目标值到正负理想解的距离,即：

（6）

{D_{c}}^{+} = \sqrt[]{\sum_{n = 1}^{5} {(T_{cn} - {T_{n}}^{+})}^{2}}; {D_{c}}^{-} = \sqrt[]{\sum_{n = 1}^{5} {(T_{cn} - {T_{n}}^{-})}^{2}}; c = 1, 2, \dots, r

式中：D_c⁺、D_c^-为评价对象到正、负理想解的距离。

（6）计算各年评价对象与理想解的贴近度（Z_c）,公式为：

（7）

Z_{c} = \frac{{D_{c}}^{-}}{{D_{c}}^{+} + {D_{c}}^{-}}

式中：Z_c取值范围为[0, 1],其值越大,则研究单元的旅游生态系统越安全,反之则越恶化。考虑到旅游生态安全DPSIR模型系统间的协调性,引入变异系数k分别表示旅游生态安全驱动力、压力、状态、影响、响应指数的离散程度。公式如下：

（8）

k = \frac{\sqrt[]{\sum_{n = 1}^{5} \frac{{(T_{cn} - V)}^{2}}{5}}}{V}; V = \frac{1}{5} \sum_{n = 1}^{5} T_{cn}

修正后的贴近度（旅游生态安全指数）为：

（9）

{Z_{c}}^{'} = Z_{c} (1 - k)

旅游生态安全评价分级尚未形成统一标准,综合黄河流域旅游生态安全实际测度结果和李细归等^[47]、张鹏等^[20]的研究,本文将旅游生态安全的等级标准划分为恶化级、风险级、敏感级、临界安全级、一般安全级、比较安全级和非常安全级7个等级（表2）。

表2 旅游生态安全水平等级标准

Tab. 2 Tourism ecological security level standard

安全状态	恶化级	风险级	敏感级	临界安全级	一般安全级	比较安全级	非常安全级
安全等级	Ⅰ	Ⅱ	Ⅲ	Ⅳ	Ⅴ	Ⅵ	Ⅶ
安全指数	(0, 0.25]	(0.25, 0.35]	(0.35, 0.45]	(0.45, 0.55]	(0.55, 0.65]	(0.65, 0.75]	(0.75, 1]

3.2.2 马尔科夫链马尔科夫链（Markov Chains）是一种时间和状态均为离散的马尔科夫过程^[50],可用来分析旅游生态安全等级类型随时间演变的概率。该方法将连续的旅游生态安全数据离散划为k种类型,再计算相应类型的概率分布和转移情况。通常将t年份旅游生态安全类型的概率分布表示为1×k的状态概率向量P_t,记为P_t= [P_1,_t, P_2,_t, …, P_k_,_t],而不同年份的旅游生态安全不同等级类型之间的转移可用一个k×k的马尔科夫转移概率矩阵M表示如下^[32]：

（10）

M = (\begin{matrix} m_{11} & m_{12} & \dots & m_{1 j} \\ m_{21} & m_{22} & \dots & m_{2 j} \\ \dots & \dots & \dots & \dots \\ m_{i 1} & m_{i 2} & \dots & m_{ij} \end{matrix})

式中：元素m_ij为t年份i类型的地级市（州、盟）在t+1年份转移到j类型的概率,并采用m_ij= n_ij/n_i进行估计,n_ij表示研究期内由t年份i类型的地级市（州、盟）在t+1年转移到j类型地级市（州、盟）数量之和,n_i为研究期内所有年份中属于i类型地级市（州、盟）数量之和。如果某个地级市（州、盟）的旅游生态安全在初始年份为i,下一年份保持不变,则表明其类型转移为平稳状态;若旅游生态安全等级向上提高,则定义为向上转移;反之,则为向下转移。

3.2.3 空间马尔科夫链空间马尔科夫链由传统马尔科夫法与空间滞后相结合而形成,用于分析在不同区域背景下,某一单元旅游生态安全向上或者向下转移的可能性,可较好地分析旅游生态安全变化过程中的空间相互作用关系,揭示出旅游生态安全类型转移概率与相邻城市之间的关系^[51]。空间马尔科夫链通过引入空间滞后算子来表达区域邻域的状态,从而弥补传统马尔科夫空间性的不足。将旅游生态安全离散为k种类型,将传统N×N阶马尔科夫矩阵分解为k个N×N阶转移概率矩阵形式,从而清晰地表达出在不同的邻域背景下,旅游生态安全向上或者向下转移的可能性。第N个条件矩阵中,元素m_ij(k)为在空间滞后类型为k的条件下,t年到t+1年某单元a的旅游生态安全状态类型转移到类型j的概率,单元a的空间滞后值Lag_a是其周边邻近单元观测值的加权平均,公式如下：

（11）

La g_{a} = \sum_{b = 1}^{n} (Y_{b} W_{ab})

式中：Y_b为单元b的观测值;W_ab为空间权重矩阵（由于黄河流域各研究单元空间分布具有显著的空间邻接性与连续性,故本文采用邻接权重矩阵,相邻为1,反之为0）,表示a单元与b单元间的空间关系。

3.2.4 空间面板分位数回归模型分位数回归自被Koenker等提出以来就被广泛地应用到面板数据的研究中。分位数回归可观察不同分位点时的回归系数值,能够更全面地研究自变量X对于因变量Y的影响关系。相对于普通线性OLS回归,当数据中有异常值时,因变量Y不正态时或出现异方差问题时,使用分位数回归算法更加稳健,且结论更为可靠。总之,面板分位数回归不仅无须考虑数据服从正态分布,而且较好地排除离群值的干扰,其可通过控制解释变量差异性,从而有效刻画出对被解释变量在不同分位点上的影响关系。其表达式为^[52]：

（12）

Q_{Y_{it}} (τ |X_{it}) = a_{i} + {X_{it}}^{T} β (τ), (i = 1, 2, \dots, n; t = 1, 2, \dots, T)

式中： $Q_{Y_{it}}$ 为旅游生态安全的条件分位函数;Y_it为旅游生态安全值;a_i为常数项;X_it为解释变量矩阵;n为研究样本量;T为研究时段;β(τ)表示τ分位下的影响系数;τ为本文设定的分位点（0.1, 0.25, …, 0.9）。

（13）

β (θ) = \min_{(α, β)} \sum_{k = 1}^{q} \sum_{i = 1}^{n} \sum_{t = 1}^{T} w_{k} ρ_{τ_{k}} [Y_{it} - a_{i} - {X_{it}}^{T} β (τ_{k})]

式中：β(θ)为影响系数;q为分位数数组数量;k为分位数的第k组; $ρ_{τ_{k}}$ 为分位数损失函数;w_k为第k分位数的权重系数; $β (τ_{k})$ 为第k分位数的影响系数。

综合考虑黄河流域实情及本文对旅游生态安全的测算结果,选取具有代表性和指标权重相对较大的指标构建了人地相互作用关系视角下黄河流域旅游生态安全多要素综合作用的驱动因素模型体系。从旅游发展水平、经济发展水平、劳动力投入量、环境污染、旅游负荷水平、区域绿化程度、政府干预和教育水平方面系统量化多要素作用下旅游生态安全时空演变过程（表3）。

表3 面板分位数回归方程主要变量及其描述性统计

Tab. 3 The main variables of the panel quantile regression equation and their descriptive statistics

变量类型	变量名称	变量解释	平均值	标准差	最小值	最大值
被解释变量	旅游生态安全(TES)	采用改进TOPSIS法计算得出,表征旅游生态安全等级	0.285	0.066	0.154	0.522
解释变量	旅游发展水平(TDL)	旅游收入增长率(%)	29.693	55.449	-90.22	757.36
	经济发展水平(EDL)	GDP增长率(%)	11.485	8.459	-35.7	49.97
	劳动力投入量(LI)	第三产业从业人员增长率(%)	3.272	14.259	-64.77	210.31
	环境污染(EP)	工业二氧化硫排放量(t)	79147.873	99437.673	248	924157
	旅游负荷水平(TLL)	游客接待量与人口数量比(%)	6.026	5.521	0.13	40.24
	区域绿化程度(RGL)	绿地园林面积(hm²)	4062.956	4779.891	23	36209
	政府干预(GI)	财政支出占GDP百分比(%)	30.476	37.92	1.08	286.48
	教育水平(EL)	普通高等学校学生数(人)	76062.666	152425.97	28	935332

3.3 数据来源与处理

研究数据主要来源于《中国区域经济统计年鉴》（2009—2014年）、《中国城市统计年鉴》（2009—2018年）,各地级市（州、盟）《国民经济与社会发展统计公报》（2008—2017年）、《环境统计公报》（2008—2017年）,各省（区）《年鉴》（2009—2018年）《统计年鉴》（2009—2018年）、《发展年鉴》（2009—2018年）以及各省（区）环境保护厅、文化和旅游厅等官方政府网站,部分缺失数据通过线性插值法补足。旅游外汇收入通过相应年份人民币汇率转换为人民币单位,旅游总收入为国内旅游收入与转换后旅游外汇收入之和。此外,主要景点来源于中华人民共和国文化和旅游部官方网站（https://www.mct.gov.cn/）,空间数据通过Google Earth获取,并通过百度地图对所获景区地理坐标进行检验修正。行政区划、一级河流、DEM数字高程数据来自于中国科学院资源环境科学与数据中心（http://www.resdc.cn/）。

4 结果分析

4.1 旅游生态安全的时空间分异特征

4.1.1 旅游生态安全的时序演化特征在探究黄河流域旅游生态安全动态演化特征和驱动因素之前,需对其旅游生态安全时间序列特征进行分析。首先,由旅游生态安全箱型图（图3a）可知,2008—2017年黄河流域旅游生态安全均值大体上波动下降后上升,流域内各地级市（州、盟）旅游生态安全指数的差异在不断缩小,呈收敛趋势。为进一步揭示旅游生态安全的时序动态演进特征,选择2008年、2011年、2014年和2017年进行核密度估计分析（图3b）。由图3b可知,2008—2014年,随着时间推移核密度曲线位置整体呈现左移趋势,2014—2017年,曲线整体出现右移,这一现象反映出旅游生态安全经历了“降低—增长”过程。曲线形态上,右拖尾特征明显,说明流域大部分地级市（州、盟）旅游生态安全在低值聚集,少数地级市（州、盟）向高值靠拢。峰值变化上,波峰并无显著变窄或变宽,但曲线峰值经历下降后上升,随后稳定,表明流域地级市（州、盟）旅游生态安全差异经历了下降—升高的过程,且至2017年,旅游生态安全核密度曲线右尾小幅抬高,说明旅游生态安全较高等级单元有扩张趋势。

图3

图3 黄河流域旅游生态安全箱型图及核密度估计

Fig. 3 Box map and Kernel density estimation for tourism ecological safety in the Yellow River Basin

4.1.2 旅游生态安全的空间分异特征箱型图和核密度估计法仅能分析时间序列上旅游生态安全的变化趋势和整体分布情况,并未体现出旅游生态安全的空间变化特征。因此,本文采用全局Moran's I指数来刻画黄河流域旅游生态安全的空间分布特征,并借助Geoda软件对其空间相关性进行检验（表4）。可知,除2010年和2017年的Moran's I指数在P = 0.10显著水平上不显著之外,其他年份均至少在P = 0.05的显著性水平上显著,这说明在2008—2017年大多数年份中,黄河流域旅游生态安全的空间相关性是显著存在的,契合地理学第一定律。因此,黄河流域旅游生态安全保护应打破行政区划的界限,各研究单元间应协同抓好流域内绿色发展,推动旅游生态保护一体化与联防联控。

表4 2008—2017年黄河流域旅游生态安全全局Moran's I指数

Tab. 4 Overall Moran's I index of tourism ecological security in the Yellow River Basin from 2008 to 2017

年份	Moran's I	Z	P	年份	Moran's I	Z	P
2008	0.1242	1.9497	0.0350	2013	0.1926	2.8218	0.0060
2009	0.1439	2.0682	0.0300	2014	0.1611	2.3089	0.0150
2010	0.0636	1.0447	0.1500	2015	0.1960	2.7813	0.0050
2011	0.2925	4.0245	0.0010	2016	0.2458	3.3651	0.0010
2012	0.1284	1.9242	0.0340	2017	0.0423	0.7845	0.1990

进一步运用ArcGIS10.2软件对研究期内旅游生态安全测度值进行空间可视化处理（图4）。由图4可知,黄河流域旅游生态安全等级位于Ⅰ~Ⅳ之间。总体上,黄河流域旅游生态安全状况堪忧,但有趋向良好发展的势头。2008年黄河流域旅游生态安全层级主要以风险级为主,占总区域的89.04%,而至2017年风险级下降至60.27%,但仍占较大比重,且分布范围广泛。恶化级数量由2008年的3处增至2017年的23处,2008年主要集中在阿坝州、海北州和庆阳市等中上游州市,而至2017年则广泛镶嵌于上中下游各地级市（州、盟）。敏感级由2008年的铜川、太原、洛阳、济南和淄博5市,增至2017年的西安、商洛、吕梁、郑州、青岛和中卫6市,主要分布在陕西、山西、河南、山东等省份。临界安全级2008年主要分布在青岛、郑州和西安3市,2017年虽未出现该层级,但流域旅游生态安全整体水平较研究期初提升明显。

图4

图4 2008—2017年黄河流域旅游生态安全空间分布格局

Fig. 4 Spatial pattern of tourism ecological security in the Yellow River Basin from 2008 to 2017

具体来看：① 2008—2009年,黄河流域旅游生态安全有恶化的趋势。2008年受到国内雨雪冰冻自然灾害、突发事件严峻考验和国际金融危机等的综合影响,旅游业可持续发展和生态环境保护问题受到严重冲击。在2008年之后中国经济开始复苏,黄河流域各地级市（州、盟）第二产业不断发展,但此时期的经济增长模式多为粗放型,“三废”排放量增加明显。此外,北京奥运会的举办在活跃国内外旅游市场、提升旅游形象和改善旅游环境的同时,“过度旅游化”亦给各地级市（州、盟）带来巨大的环境承载压力,导致流域整体旅游生态安全状况恶化。② 2010—2012年黄河流域旅游生态安全整体有所改善,主要得益于原国家旅游局和环境保护部联合发布的《全国生态旅游发展纲要（2008—2015年）》、国务院《关于加快旅游业发展的意见》（国发〔2009〕41号）等文件政策利好,均明确了发展“低碳旅游、绿色旅游”等举措,强化了生态保护与旅游发展的关联性。③ 至2016年,旅游生态安全状况明显改善。究其原因,2016年作为“十三五”规划的开局之年,黄河流域对生态环境污染的治理力度及旅游生态化的诉求显著提升,加之在“环境倒逼机制”影响下,政府提出了“五位一体”的协调及绿色发展理念,使得流域旅游生态安全状况改善明显。如2016年3月国家“十三五”规划明确提出了要“支持发展生态旅游”;同年,国家发改委和原国家旅游局联合制定了《全国生态旅游发展规划》,旅游生态安全保护形势向着利好方向发展。此外,为保障黄河上游生态屏障,2014年《青海省生态文明先行示范区建设实施方案》明确了青海省的重要生态地位,同年,青海省纳入国家公园建设试点。四川省明确了在“十三五”期间构建“四区八带多点”的生态安全战略格局。中下游方面,《河南省“十二五”旅游产业发展规划》明确提出了构建“黄河黄金生态文化旅游带、南水北调中线生态文化旅游带”的重大举措;此外,《山东生态省建设规划纲要》亦提出了建设“大而强,富而美”生态山东的宏伟目标。④ 至2017年,旅游生态安全等级虽得到一定的改善,但旅游生态安全类型主要以风险级和恶化级为主,分别占流域总数的60.27%和31.51%,黄河流域旅游生态安全恶化级数量有所增加,但风险级数量减少,临界安全级数量在增加,这表明黄河流域旅游生态安全敏感级和风险级地区仍存在较大下行转移风险。综上,黄河流域旅游生态安全提升是一个持续性、曲折性和渐进式的过程,这符合事物发展波浪式前进、螺旋式上升的演进规律。

4.2 旅游生态安全的动态演化特征

上述空间自相关检验和空间分布特征分析均表明黄河流域旅游生态安全存在空间关联性特征,但其在时间和空间过程的连续性上存在着怎样的动态转移过程与规律?有必要进一步探究。为此,本文通过构建传统和空间马尔科夫转移矩阵,揭示黄河流域旅游生态安全等级的动态转移特征。根据旅游生态安全等级划分,将黄河流域旅游生态安全划分为恶化级（0, 0.25]、风险级（0.25, 0.35]、敏感级（0.35, 0.45]和临界安全级（0.45, 0.55] 4种类型（表5及以下论述中分别简称DL、RL、SL、CL）。

表5 2008—2017年黄河流域旅游生态安全类型马尔科夫转移概率矩阵

Tab. 5 Markov transition probability matrix of tourism ecological security types in the Yellow River Basin from 2008 to 2017

t	n	DL	RL	SL	CL
DL	199	0.3960	0.4996	0.1044	0
RL	342	0.2880	0.5358	0.1762	0
SL	99	0.0759	0.3613	0.4336	0.1291
CL	15	0	0.0333	0.5500	0.4167

注：DL、RL、SL、CL分别表征旅游生态安全恶化级、风险级、敏感级和临界安全级,下同。

由马尔科夫转移概率矩阵（表5）可知,对角线上的元素表示单元类型没有发生变化的概率,而非对角线上的元素则表示不同单元类型之间发生转移的概率。由此得出旅游生态安全在未考虑地理空间格局下的动态演化特征：① 黄河流域旅游生态安全RL、SL类型转移在对角线上的数值大于非对角线上的数值,而DL、CL类型对角线上数值则小于非对角线。说明RL、SL等级类型俱乐部趋同均具有一定的稳定性,也即一个区域如果在初期属于类型RL和SL,在随后年份属于该类型的可能性则分别至少为53.58%和43.36%,等级类型转移具有“路径依赖”与“自身锁定”效应。而DL、CL类型对角线上的概率值显著低于非对角线上的概率值,这说明黄河流域各地级市（州、盟）的旅游生态安全并不稳定,保持初始状态的概率较小,流域内部等级类型变动性较大。② 非对角线上元素数值除最低层级向高一层级和高层级向低一层级转变的概率大于对角线上的概率外,其余均小于对角线上数值,且等于0的元素均远离对角线两侧,说明区域旅游生态安全转型通常发生在相邻等级之间递次转移,跨等级转移的可能性较小。③ 位于CL级的地级市（州、盟）保持原有状态的概率为0.4167,向下一层级转移及向下越级转移的概率分别为0.5500和0.0333,因此,应重视并警惕该层级向下一层级转移,并扩大该层级的规模,引导其向更高安全层级转变;RL和SL层级保持原有状态的概率分别为0.5358和0.4336,向下一层级转移的概率分别为0.2880和0.3613,向上转移的概率分别为0.1762和0.1291。可知,向下转移的可能性高于向上转移的概率。因此,要主动引导RL和SL层级更上一个台阶并实现其越级转移;DL向上转移的概率值为0.6040,说明DL类型旅游生态安全层级向上提升的可能性较大,体现出旅游生态安全DL类型区域向上提升的迫切性。

图5为整个研究时段黄河流域旅游生态安全等级类型转移的空间分布。从数量上来看,向上转移的地级市（州、盟）占流域总数的6.85%,向下转移的地级市（州、盟）占流域总数的38.36%,而保持平稳状态的地级市（州、盟）则占流域总数的54.79%,总体上研究区域大部分单元旅游生态安全类型相对稳定。空间分布上,向上转移的区域主要集中在黄河上游的固原市、中卫市和黄河中游的延安市、吕梁市,向下转移的地区主要集中在山西中部和北部、河南、山东中东部、宁夏北部以及青海东部,保持平稳的地区则主要集中在山东西部和北部、山西中部和南部、陕西中部、内蒙古、甘肃和青海西北部,分布范围广泛且呈现出地理聚集性特征。

图5

图5 2008—2017年黄河流域旅游生态安全类型转移空间分布

Fig. 5 Spatial distribution of the transfer of tourism ecological security types in the Yellow River Basin from 2008 to 2017

传统马尔科夫概率转移矩阵只重视类型之间的变化,忽视了流域旅游生态安全类型会受邻域地级市（州、盟）旅游生态安全等级类型变化的影响。而Tobler提出的地理学第一定律认为任何事物都是与其他事物相关的,只不过相近的事物关联更紧密。上文分析得知黄河流域旅游生态安全等级并非是孤立存在,旅游生态安全往往受到其周边地级市（州、盟）安全等级变化的影响,具有一定的空间集聚性和空间交互效应。通过在传统马尔科夫转移概率矩阵中加入空间滞后项,构建出黄河流域旅游生态安全空间马尔科夫转移概率矩阵,进而深入探讨邻域背景对旅游生态安全等级类型转移的影响。

由空间马尔科夫转移概率矩阵（表6）和旅游生态安全类型转移及邻域转移类型空间格局（图6）可知,区域背景在黄河流域旅游生态安全动态变化过程中起着相当重要的作用,对比传统马尔科夫转移矩阵,在不同邻域条件下,黄河流域旅游生态安全类型的转移概率发生了明显变化。例如,在不考虑空间邻域背景时,DL转为RL的概率为0.4996,而与DL、RL、SL、CL相邻时,其转移概率分别为0.5430、0.5022、0.4167、0,说明在考虑邻域背景情况下,黄河流域旅游生态安全转移概率与不考虑邻域背景时存在显著差异。具体地：① 就DL而言,当与DL和RL为邻时,其向上转移的概率平均为0.5634和0.6802;当与SL相邻时,其向上转移的概率为0.4167,说明黄河流域旅游生态安全以DL和RL为邻时向上转移潜力较大,未来可致力于提升这两种类型旅游生态安全层级更上一层。② 就RL来看,其分别以DL、RL、SL、CL为邻域背景时,RL保持自身不变的概率分别为0.5469、0.5264、0.4750和0.5455,而其向上转移的概率对应为0.2083、0.1690、0.1845和0.1818,向下转移的概率对应为0.2448、0.3064、0.3405和0.2727。说明在不同邻域背景下,RL保持自身不变的概率大于向上或向下转移的概率,同时也说明了其存在一定程度的“俱乐部趋同”现象,各类型转移概率时空变化存在一定的空间惯性。③ 就SL而言,旅游生态安全SL与DL、RL、SL和CL层级为邻,其向上转移的概率分别为0.1481、0.1741、0和0,向下转移的概率分别为0.4260、0.4127、0.6389和1,说明以DL和RL类型为邻域背景时,其向上转移的概率大于以SL和CL为邻域背景,而其向下转移的概率小于以SL和CL为邻域背景。④ 旅游生态安全的动态演化特征具有时空异质性特征。当旅游生态安全处于DL的地级市（州、盟）与DL地区相邻时,其处于DL的概率为0.4366,大于同期不考虑空间滞后因素时的0.3960。而就RL地区而言,当其与RL地区相邻时,其自身仍为RL的概率为0.5264,小于不考虑空间滞后因素时的概率0.5358。同理,SL区域仍为自身的概率为0.3611,小于不考虑空间滞后条件时的0.4336。由此可见,在不同邻域背景下的旅游生态安全等级类型具有显著差异性。

表6 2008—2017年黄河流域旅游生态安全类型空间马尔科夫转移概率矩阵

Tab. 6 Markov transition probability matrix of tourism ecological security type space in the Yellow River Basin from 2008 to 2017

邻域类型	t/(t+1)	n	DL	RL	SL	CL
DL	DL	52	0.4366	0.5430	0.0204	0
	RL	45	0.2448	0.5469	0.2083	0
	SL	20	0.0741	0.3519	0.4259	0.1481
	CL	2	0	0	1.0000	0
RL	DL	125	0.3198	0.5022	0.1780	0
	RL	212	0.3046	0.5264	0.1690	0
	SL	47	0.1012	0.3115	0.4133	0.1741
	CL	12	0	0	0.5833	0.4167
SL	DL	22	0.5833	0.4167	0	0
	RL	76	0.3405	0.4750	0.1845	0
	SL	27	0.0556	0.5833	0.3611	0
	CL	1	0	1.0000	0	0
CL	DL	0	0	0	0	0
	RL	9	0.2727	0.5455	0.1818	0
	SL	5	0.1250	0.8750	0	0
	CL	0	0	0	0	0

图6

图6 2008—2017年黄河流域旅游生态安全类型转移及邻域转移类型空间格局

Fig. 6 The spatial pattern of the types of tourism ecological security transfer and neighbor transfer types in the Yellow River Basin from 2008 to 2017

4.3 旅游生态安全的驱动因素分析

在中国经济增长新旧动能转换和绿色发展的时代背景下,为提升黄河流域旅游生态安全等级,促进流域高质量及集约型发展,需进一步探析2008—2017年黄河流域旅游生态安全的主要驱动因子。本文选择面板分位数回归方法对黄河流域旅游生态安全的驱动因素进行估计,其中在面板分位数模型估计中,选择了10%、25%、50%、75%和90% 5个具有代表性的分位点,面板分位数回归结果揭示了在黄河流域旅游生态安全条件分布中所有变量弹性系数的变化。为避免数据出现内生性问题,仅考虑最小二乘法是不够的,因此在文中列出普通OLS回归和面板分位数回归的估计结果。同时,为了避免出现伪回归现象,在进行面板分位数回归之前,需对各变量进行平稳性检验。本文选择Levin,Lin和Chu's t-test（LLC检验）、ADF-Fisher Chi-square（ADF检验）和PP-Fisher Chi-square（PP检验）3种常用的单位根检验方法进行面板数据平稳性检验,以3种检验结果的平稳性一致为准（表7）。由表7可知,各变量均在1%的显著水平下通过单位根检验,表明面板数据具有时间序列上的平稳性,下一步可进行面板分位数回归分析。

表7 面板数据单位根检验

Tab. 7 Unit root test of panel data

变量	LLC检验值	ADF检验值	PP检验值	结果
lnTES	-22.0610^***	10.1282^***	16.5920^***	平稳
lnTDL	-26.2052^***	21.3770^***	5.5180^***	平稳
lnEDL	-26.8446^***	12.5169^***	26.6660^***	平稳
lnLI	-16.2025^***	9.7789^***	6.4812^***	平稳
lnEP	-30.1274^***	23.3750^***	35.7319^***	平稳
lnTLL	-21.1290^***	6.5375^***	22.3218^***	平稳
lnRGL	-9.9460^***	4.7944^***	5.9382^***	平稳
lnGI	-9.1612^***	4.8403^***	5.9532^***	平稳
lnEL	-10.7989^***	3.3142^***	3.4957^***	平稳

注：^***表示在1%水平下显著。

从面板分位数回归结果估计（表8）及其分位数回归可视化结果（图7）来看,总体上环境污染因素对旅游生态安全具有显著的负向抑制作用,旅游发展水平、经济发展水平、劳动力投入量、旅游负荷水平、区域绿化程度、政府干预与教育水平则对旅游生态安全具有显著的促进提升作用,但各变量在不同分位点上影响系数大小具有显著差异性。具体来看：

表8 OLS与面板分位数回归结果估计

Tab. 8 OLS and panel quantile regression results estimation

变量	(1) OLS	(2) q10	(3) q25	(4) q50	(5) q75	(6) q90
lnTDL	0.401^***	0.533^***	0.447^***	0.358^***	0.288^***	0.385^***
	(5.38)	(3.61)	(4.13)	(3.34)	(2.77)	(4.18)
lnEDL	0.567^***	0.931^***	1.159^***	0.551^***	0.390^***	0.0543
	(6.99)	(5.80)	(9.85)	(4.72)	(3.45)	(0.54)
lnLI	0.421^***	0.517^***	0.571^***	0.351^***	0.305^**	0.328^***
	(4.84)	(3.00)	(4.51)	(2.79)	(2.51)	(3.05)
lnEP	-0.168^**	-0.343^**	-0.173	-0.120	-0.0337	0.0060
	(-2.10)	(-2.17)	(-1.49)	(-1.05)	(-0.30)	(0.06)
lnTLL	0.258^***	0.276^***	0.255^***	0.184^***	0.317^***	0.241^***
	(8.10)	(4.37)	(5.51)	(4.00)	(7.14)	(6.12)
lnRGL	0.187^***	0.268^***	0.268^***	0.129^**	0.146^***	0.125^***
	(4.86)	(3.51)	(4.79)	(2.33)	(2.72)	(2.62)
lnGI	0.123^***	0.144^*	0.155^***	0.0501	0.162^***	0.121^**
	(3.04)	(1.79)	(2.62)	(0.86)	(2.85)	(2.42)
lnEL	0.238^***	0.312^***	0.250^***	0.272^***	0.207^***	0.175^***
	(6.69)	(4.42)	(4.83)	(5.31)	(4.17)	(3.99)
Cons	1.535^***	1.849^***	1.918^***	1.195^***	1.445^***	1.379^***
	(9.76)	(5.94)	(8.40)	(5.27)	(6.59)	(7.10)
N	730	730	730	730	730	730

注：括号内为t统计量;^***、^**、^*分别表示在1%、5%、10%水平下显著。

图7

图7 黄河流域旅游生态安全分位数回归结果

Fig. 7 Quantile regression results of tourism ecological security in the Yellow River Basin

① 在旅游发展水平变量（lnTDL）影响系数变化方面,旅游发展水平对黄河流域旅游生态安全在各分位点均具有显著提升作用,且在低分位点影响系数高于高分位点,为低等级旅游生态安全地区提升其安全等级的重要途径。旅游生态安全低等级城市产业结构相对不合理,旅游产业发展后劲相对不足,因此旅游发展水平变化将大大提升此类地区旅游生态安全的正向边际效应,进而推动地区产业结构朝向合理化和高级化方向演变,从而在产业间的协调发展和效率导向原则的基础上,实现资源配置最优化和宏观经济效益最佳。此外,旅游业发展过程中资源消耗低、污染少、可循环发展的绿色产业,是区域政府拉动经济增长、创造美丽环境以及人与自然环境和谐相处的重要驱动力量,故其成为影响旅游生态安全等级提升的重要变量。

② 在经济发展水平变量（lnEDL）影响系数变化方面,经济发展水平在低分位点上对旅游生态安全的影响系数先升后降,具有显著的正向作用。总体上,区域经济发展水平对旅游生态安全的影响存在倒“U”型关系,且在所有变量中的正向影响系数最大,但是在高分位点上这种显著作用明显降低,尤其在90%分位数水平下达到最低且不显著,说明提高低等级旅游生态安全地区经济发展水平对其旅游生态安全等级提升至关重要。

③ 在劳动力投入量变量（lnLI）影响系数变化方面,劳动力投入量对旅游生态安全具有显著的正向提升作用,这与李细归等的研究一致^[54]。在各分位点上的影响系数呈现倒“N”型趋势,总体上低分位点上劳动力投入量对旅游生态安全的影响系数大于高分位点。旅游业是典型的劳动密集型产业,劳动力投入量的多寡可揭示出各区域在不同时期旅游业的发展状态,旅游业发展起始阶段对劳动力需求量大,注重“量”的供给,而当旅游业发展到一定程度,对劳动力的需求由从“众”向从“优”转变,劳动力人员的素质和流向均会对区域旅游生态安全的空间异质性产生影响。

④ 在环境污染变量（lnEP）影响系数变化方面,环境污染对旅游生态安全具有显著负向抑制作用,黄河流域以能源重化工为主的产业结构、产业规模过高、资源环境效率较低导致生态空间遭受挤占^[53]。如黄河流域以煤为主的能源消费结构导致流域大气煤烟型污染严重,而二氧化硫作为煤炭燃烧过程中最主要和最多的污染排放物,对流域旅游生态安全产生重要影响。结合实证研究结果来看,环境污染分位数回归估计系数的绝对值随着分位数的增大而减小,且负向效应在10%、25%分位数上较大,说明环境污染是黄河流域低等级旅游生态安全地区的主要障碍因素,表明加强此类单元旅游生态安全的环境保护与污染治理,是提升此类地区旅游生态弹性与韧性的重要途径。环境污染对旅游生态安全等级较高地区的负向影响效应较弱,主要归因于旅游生态安全等级较高地区的环境规制强度、能源利用消费结构、绿色减排技术已经相对逐渐成熟与完善。

⑤ 在旅游负荷水平变量（lnTLL）影响系数变化方面,旅游负荷水平对流域旅游生态安全同样具有正向影响效应,且呈现倒“N”型趋势。旅游负荷水平是影响流域旅游生态安全的重要因素,由面板分位数结果可知,在低分位点区域和高分位点区域旅游负荷水平对旅游生态安全均具有显著且较大的正向影响,但在该分位段随着游客数量的增多,其对旅游生态安全的影响程度均有下降趋势,说明黄河流域旅游发展经历了“游客涌入—可控的游客规模压力—游客规模压力增加”的历程,但仍未超出区域旅游环境合理承载能力范围。

⑥ 在区域绿化程度变量（lnRGL）影响系数变化方面,区域绿化程度在低分位点上对旅游生态安全的影响系数高于高分位点,说明较低等级旅游生态安全单元绿化水平较低,资源本底欠佳且对旅游业承载能力有限,此类单元绿化程度对旅游生态安全提升的边际效应较大。而旅游生态安全等级较高地区绿化水平在一定程度上要好于低等级旅游生态安全地区,区域旅游承载能力和恢复力较强,因此绿化程度对较高等级旅游生态安全地区的影响较小。

⑦ 在政府干预变量（lnGI）影响系数变化方面,政府干预是影响流域旅游生态安全的外在调控力,政府可通过加大环保资金投入、加强环保宣传、整合旅游资源、提高管理效率等途径影响旅游生态安全。实证回归结果显示,黄河流域政府调控力对旅游生态安全的影响大致呈“W”型,说明在不同分位点上政府干预对旅游生态安全的影响不尽相同,因此政府应因时因地采取差别化干预措施来提升区域旅游生态安全。需要注意的是,政府干预对低分位点的影响系数相对较大,说明政府部门应更加关注并加强等级较低旅游生态安全地区的旅游生态安全维护与治理,因地制宜地建立旅游生态补偿机制和完善旅游环境保护法律法规。

⑧ 在教育水平变量（lnEL）影响系数变化方面,高教育水平地区居民的环境保护意识较强,旅游出行方式趋向绿色低碳,购买的产品更为环保,对旅游生态安全提升具有促进作用。而由于高教育群体的分布具有空间错位性特征,因此对旅游生态安全等级低分位点单元的影响程度更强,而对旅游生态安全高分位点单元的边际效益相对较小。本文研究证实了这一点,教育水平在10%和25%分位点上对旅游生态安全的影响系数分别为0.312和0.250,明显高于75%和90%分位点上的0.207和0.175,这也进一步说明提升低等级旅游生态安全单元的教育水平,对其旅游生态安全等级上行至关重要。

5 结论和讨论

5.1 结论

本文以系统论为切入视角,基于DPSIR模型构建了测度黄河流域旅游生态安全的理论框架和评价指标体系,分析了2008—2017年黄河流域旅游生态安全的动态演化特征及驱动机理,研究结果能够客观地反映出黄河流域旅游生态安全状态及演变趋势。主要结论如下：

① 时间序列方面,箱型图显示黄河流域旅游生态安全值整体上较低（0~0.55）,且呈收敛趋势。核密度曲线有向“双峰”形态发展的趋势,说明黄河流域旅游生态安全较高等级的单元有扩大趋势。空间上,黄河流域旅游生态安全具有显著的空间相关性,流域旅游生态安全总体上不断趋好,这也在一定程度上印证了黄河流域旅游生态安全提升是一个持续的、渐进的过程,符合事物发展遵循波浪式前进、螺旋式上升的历史进程。

② 动态演化特征上,黄河流域旅游生态安全类型转移具有“路径依赖”与“自身锁定”效应。安全类型转移通常发生在相邻等级之间递次转移,跨等级转移概率较小,且下行风险明显。黄河流域旅游生态安全类型转移在地理空间上并非是孤立存在的,某一单元旅游生态安全等级状态与邻域状态紧密相关,反映出邻域背景在其动态变化过程中起着相当重要的作用,且其动态演化特征具有明显的时空异质性特征。

③ 影响因素方面,黄河流域旅游生态安全受到环境污染、旅游发展水平、经济发展水平、劳动力投入量、旅游负荷水平、区域绿化程度、政府干预和教育水平等方面的综合影响。其中,环境污染对低层级旅游生态安全单元的负向抑制效应较为明显,旅游负荷水平对较高层级旅游生态安全单元影响的边际效应系数较大,而其余指标均对等级较低旅游生态安全地区影响的边际效应系数较大,反映出以上变量自身结构优化和综合发展质量提升,是黄河流域较低等级旅游生态安全单元提升其旅游生态系统弹性与韧性的关键。

5.2 讨论

在黄河流域生态保护和高质量发展上升为重大国家战略,中国旅游业由规模扩张向质量提升的新时代背景下,本文重点对黄河流域旅游生态安全动态演变特征及驱动因素进行系统且深入研究,对推动黄河流域生态保护和旅游高质量发展意义重大。首先,本文将研究尺度缩小至地级市（州、盟）尺度,能够更好地解释市域尺度旅游生态安全的异质性和规律性。集成多元地理学方法,考察了黄河流域旅游生态安全发展的时空特征和地理关联规律,识别制约区域旅游生态安全的瓶颈,为黄河流域制定相应的旅游生态安全策略提供了科学依据。其次,本文将传统马尔科夫法和空间马尔科夫法结合应用到旅游生态安全研究中,能够有效地测度流域各地级市（州、盟）旅游生态安全的动态转移过程与规律,直观揭示出旅游生态安全动态演化的异质性特征和邻域背景影响,弥补了以往仅采用传统马尔科夫单一方法的不足,明晰了未来黄河流域旅游生态安全的改进方向。最后,更重要的是,本文采用面板分位数回归模型对黄河流域旅游生态安全的驱动因素进行探析,旨在寻求对旅游生态安全时空变化更为全面科学的解释,丰富了旅游生态安全影响机理的研究方法。事实证明,该方法强调了不同旅游生态安全层级背景下驱动因素的动态异质性变化趋势,从而避免了均值回归的理想化模式,能更好地反映出各自变量对旅游生态安全影响的现实情况,为今后同类地区更全面、系统和动态地探查旅游生态安全驱动机理提供了研究方法借鉴。

黄河流域作为中国生态安全的关键区域,其生态环境本底却很薄弱,水土资源匹配条件差,部分区域大气复合型污染凸显,导致部分河段生态功能丧失^[55]。值得注意的是,本文对黄河流域旅游生态安全的测度结果显示,目前黄河流域旅游生态安全状况不容乐观,敏感级和临界安全级单元仍存在较大下行转移风险。此外,上文研究表明黄河流域旅游生态安全空间分布具有显著的空间相关性,这表明黄河流域旅游生态系统是一个有机整体,因此,未来黄河流域生态保护要树立“一体化”意识和“一盘棋”思想,加强跨区域旅游生态保护联防联控,同时要更加注重黄河流域旅游专项规划、生态环境保护、国土空间开发规划制定的系统性、整体性与协同性。再次,黄河流域旅游生态安全格局存在显著的空间差异性特征,其旅游业生态化与高质量发展要从实际出发,充分考虑上中下游的空间地域差异,坚持“宜水则水、宜山则山、宜工则工、宜商则商、宜游则游”的原则,促使整个流域生态资产增值。最后,地方政府自觉践行绿色发展理念,加快旅游生态保护补偿标准体系建设,建立跨省域旅游生态补偿的协调机制。鼓励生态旅游与农业、林业、文化、海洋等相关产业或行业融合发展,与美丽乡村建设相结合。同时,加快打造具有国际影响力的黄河文化旅游带,提高公众及游客的环境保护意识,倡导低碳出行和生态旅游集约节约发展模式。

旅游生态安全时空动态演变规律及机理研究是践行生态文明和建设“美丽中国”的生动实践。本文结合黄河流域实际情况,基于DPSIR理论模型框架选取了26项指标建立了较为全面的评价指标体系,评估黄河流域2008—2017年旅游生态安全状况及机理,研究结论客观反映了黄河流域旅游生态安全状态及演变趋势,可为黄河流域生态保护和旅游业高质量发展提供重要借鉴。在未来研究中仍有必要应用大数据（如卫星遥感影像数据、污染监测站点数据、旅游流大数据、旅游企业大数据、景区兴趣点（POI）等）进一步丰富旅游生态安全的评价指标体系。此外,囿于数据限制,本文仅研究了黄河流域2008—2017年旅游生态安全变化状况,后续有待选择更长时间序列样本数据,更为深入地对黄河流域旅游生态安全及其作用机制进行探究。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Weng

Gangmin

, Pan

Yue

, Li

Lingyan

The eco-security grading and spatial-temporal evolution of tourism based on improved DPSIR-DS model: A case study of the five northwestern provinces along the Silk Road

Tourism Science, 2018, 32(6): 17-32.

[本文引用: 4]

[翁钢民, 潘越, 李凌雁.

基于改进DPSIR-DS模型的旅游生态安全等级测度及时空演变分析: 以“丝绸之路”沿线五省区为例

旅游科学, 2018, 32(6): 17-32.]

[本文引用: 4]

[2]

Peng H

, Zhang J

, Lu

, et al.

Eco-efficiency and its determinants at a tourism destination: A case study of Huangshan National Park, China

Tourism Management, 2017, 60(6): 201-211.

DOI:10.1016/j.tourman.2016.12.005 URL [本文引用: 1]

[3]

Ruan W

, Li Y

, Zhang S

, et al.

Evaluation and drive mechanism of tourism ecological security based on the DPSIR-DEA model

Tourism Management, 2019, 75: 609-625.

DOI:10.1016/j.tourman.2019.06.021 URL [本文引用: 13]

[4]

Edward J

The UK heritage coasts: An assessment of the ecological impacts of tourism

Annals of Tourism Research, 1987, 14(1): 71-87.

DOI:10.1016/0160-7383(87)90048-X URL [本文引用: 1]

[5]

Morrison

, Selman

Tourism and the environment: A case study from Turkey

Environmentalist, 1991, 11(2): 113-129.

DOI:10.1007/BF01266631 URL [本文引用: 1]

[6]

Jones

, Munday

Exploring the environmental consequences of tourism: A statelite account approach

Journal of Travel Research, 2007, 46(2): 164-172.

DOI:10.1177/0047287507299592 URL [本文引用: 1]

[7]

Aryal

, Cockfield

, Maraseni T

Globalisation and traditional social-ecological systems: Understanding impacts of tourism and labour migration to the transhumance systems in the Himalayas

Environmental Development, 2018, 25: 73-84.

DOI:10.1016/j.envdev.2017.09.001 URL [本文引用: 1]

[8]

Farrell B

, Runyan D

Ecology and tourism

Annals of Tourism Research, 1991, 18(1): 26-40.

DOI:10.1016/0160-7383(91)90037-C URL [本文引用: 1]

[9]

Cole D

, Monz C

Impacts of camping on vegetation: Response and recovery following acute and chronic disturbance

Environmental Management, 2003, 32(6): 693-705.

DOI:10.1007/s00267-003-0046-x URL [本文引用: 1]

[10]

Jurado E

, Tejada M

, García F

, et al.

Carrying capacity assessment for tourist destinations. Methodology for the creation of synthetic indicators applied in a coastal area

Tourism Management, 2012, 33(6): 1337-1346.

DOI:10.1016/j.tourman.2011.12.017 URL [本文引用: 3]

[11]

McCool S

, Lime D

Tourism carrying capacity: Tempting fantasy or useful reality

Journal of Sustainable Tourism, 2001, 9(5): 372-388.

DOI:10.1080/09669580108667409 URL [本文引用: 1]

[12]

Arrobas

, Ferreira

, Brito-Henriques

, et al.

Measuring tourism and environmental sciences students' attitudes towards sustainable tourism

Journal of Hospitality, Leisure, Sport & Tourism Education, 2020, 27: 100273. DOI: 10.1016/j.jhlste.2020.100273.

[13]

Hedlund

The impacts of values, environment concern, and willingness to accept economic sacrifices to protect the environment on tourists' intentions to buy ecologically sustainable tourism alternatives

Tourism and Hospitality Research, 2011, 11(4): 278-288.

DOI:10.1177/1467358411423330 URL [本文引用: 1]

[14]

Tokarchuk

, Gabriele

, Maurer

Estimating tourism social carrying capacity

Annals of Tourism Research, 2021, 86: 102971. DOI: 10.1016/j.annals.2020.102971.

URL [本文引用: 1]

[15]

Zhang Y

, Li

, Su

, et al.

Exploring a theme park's tourism carrying capacity: A demand-side analysis

Tourism Management, 2017, 59(6): 564-578.

DOI:10.1016/j.tourman.2016.08.019 URL

[16]

Simón F J

, Narangajavana

, Marqués D

Carrying capacity in the tourism industry: A case study of Hengistbury Head

Tourism Management, 2004, 25(2): 275-283.

DOI:10.1016/S0261-5177(03)00089-X URL [本文引用: 1]

[17]

Sorice M

, Shafer C

, Ditton R

Managing endangered species within the use preservation paradox: The Florida manatee (Trichechus manatus latirostris) as a tourism attraction

Environmental Management, 2006, 37(1): 69-83.

DOI:10.1007/s00267-004-0125-7 URL [本文引用: 1]

[18]

McCool S

, Lime D

Tourism carrying capacity: Tempting fantasy or useful reality?

Journal of Sustainable Tourism, 2001, 9(5): 372-388.

DOI:10.1080/09669580108667409 URL [本文引用: 1]

[19]

Cao

Xinxiang

, Chen

Taizheng

, Wang

Weihong

Ecological security evaluation of tourism destination: A case of Kaifeng city

Research of Soil and Water Conservation, 2006, 13(2): 209-212.

[本文引用: 3]

[曹新向, 陈太政, 王伟红.

旅游地生态安全评价研究: 以开封市为例

水土保持研究, 2006, 13(2): 209-212.]

[本文引用: 3]

[20]

Zhang

Peng

, Qiu

Ping

Ecological security evaluation and influencing factors of island tourist destination: A case analysis of Zhejiang and Fujian provinces

Journal of Zhejiang Ocean University (Humanities Sciences), 2019, 36(1): 30-39.

[张鹏, 丘萍.

海岛旅游地生态安全评价及影响因子: 基于浙江和福建的案例

浙江海洋大学学报(人文科学版), 2019, 36(1): 30-39.]

[21]

Zhou

Daqing

Division of government and market based on tourism ecology security

Economic Geography, 2011, 31(3): 514-517.

[周大庆.

旅游生态安全视野的政府与市场分工

经济地理, 2011, 31(3): 514-517.]

[22]

Xiong

Haoqin

, Li

Xuguang

, Jiang

Wenhua

, et al.

Study on measures of ecological safety of the exploitation of tourism in Wulong county

Chongqing Environmental Science, 2003, 25(3): 15-16, 23.

[熊好琴, 李旭光, 姜文华, 等.

武隆县旅游开发中的生态安全对策研究

重庆环境科学, 2003, 25(3): 15-16, 23.]

[23]

Yajuan

Research on tourism ecological security in Wuhan city

[D]. Wuhan: Central China Normal University, 2011.

[李亚娟.

武汉市旅游生态安全研究

[D]. 武汉: 华中师范大学, 2011.]

[24]

Zhang

Jinhe

, Zhang

Jie

, Wang

Qun

Measuring the ecological security of tourist destination: Methodology and a case study of Jiuzhaigou

Geographical Research, 2008, 27(2): 449-458.

[本文引用: 6]

[章锦河, 张捷, 王群.

旅游地生态安全测度分析: 以九寨沟自然保护区为例

地理研究, 2008, 27(2): 449-458.]

[本文引用: 6]

[25]

Jun

The origin of tourism ecological security thought and its security state diagnosis

Journal of Finance and Economics Theory, 2007(5): 35-38.

[吕君.

旅游生态安全思想的缘起及其安全状态诊断

内蒙古财经学院学报, 2007(5): 35-38.]

[26]

Zou

Jiahong

, Zhao

Yonghua

, Wang

Huiqin

Research on tourism ecological security in China

Journal of Xiangtan Normal University (Social Science Edition), 2008, 30(1): 74-76.

[邹家红, 赵永华, 王惠琴.

我国旅游生态安全研究

湘潭师范学院学报(社会科学版), 2008, 30(1): 74-76.]

[27]

Jun

, Chen

Tian

, Liu

Limei

Analysis about ecological security system of region tourism development: Taking "gegentala grassland tourist center of Siziwang Banner of Inner Mongolia" as an example

Progress in Geography, 2008, 27(2): 80-88.

DOI:10.11820/dlkxjz.2008.02.011 [本文引用: 3]

<p>Sometimes tourism development can bring negative influence to the destination. In order to diagnose its whole l evel of development, we use the “pressure - condition - response” frame model and take “gegentala grassland tourist center of Siziwang Banner of Inner Mongolia” as an example to analyze the ecological security state of region tourism. Three aspects (ecological environment pressure of tourism, ecological environment quality, and ecological environment renovation and construction ability for protection of tourism) are considered, according to analytic hierarchy process principle and each appraisal target's reciprocity, so as to hierarchical structure models and 23 targets. By computing insecurity index value of appraisal target, we determinie the normal value as well as the target's weight value, and again use degree of insecurity formula of various targets and degree of insecurity formula of overall ecosystem to calculate tourism ecosystems which are at insecure state, and to discuss methods that ecosystem has limited by various factors. To certain degree, this research has the practical significance to ecosystem safe analysis of region tourism development.</p>

[吕君, 陈田, 刘丽梅.

区域旅游发展的生态安全系统分析: 以内蒙古自治区四子王旗为例

地理科学进展, 2008, 27(2): 80-88.]

[本文引用: 3]

[28]

Zhou

Guohai

Evaluation and maintenance of the ecological security status of tourist destinations: Take Wulingyuan Scenic Area as an example

Social Scientist, 2009(11): 91-94.

[周国海.

旅游地生态安全状态评价与维护: 以武陵源风景名胜区为例

社会科学家, 2009(11): 91-94.]

[29]

Shujuan

, Chen

Yangyang

Assessment of ecological security of coastal wetland tourism in Shandong province

Scientific and Technological Management of Land and Resources, 2012, 29(4): 6-13.

[李淑娟, 谌杨杨.

山东省滨海湿地旅游生态安全评价研究

国土资源科技管理, 2012, 29(4): 6-13.]

[30]

You

Weibin

, He

Dongjin

, Wu

Liyun

, et al.

Temporal-spatial differentiation and its change in the landscape ecological security of Wuyishan scenery district

Acta Ecologica Sinica, 2011, 31(21): 6317-6327.

[游巍斌, 何东进, 巫丽芸, 等.

武夷山风景名胜区景观生态安全度时空分异规律

生态学报, 2011, 31(21): 6317-6327.]

[31]

Shi

Hui

, Yang

Zhaoping

, Han

Fang

, et al.

Characteristics of temporal-spatial differences in landscape ecological security and the driving mechanism in Tianchi scenic zone of Xinjiang

Progress in Geography, 2013, 32(3): 475-485.

[时卉, 杨兆萍, 韩芳, 等.

新疆天池景区生态安全度时空分异特征与驱动机制

地理科学进展, 2013, 32(3): 475-485.]

[32]

Zhou

Bin

, Zhong

Linsheng

, Chen

Tian

, et al.

Spatio-temporal pattern and obstacle factors of ecological security of tourism destination: A case study of Zhejiang province

Scientia Geographica Sinica, 2015, 35(5): 599-607.

[本文引用: 7]

[周彬, 钟林生, 陈田, 等.

浙江省旅游生态安全的时空格局及障碍因子

地理科学, 2015, 35(5): 599-607.]

[本文引用: 7]

[33]

Zheng

Qiuxia

, Kuang

Yaoqiu

, Huang

Ningsheng

, et al.

Spatiotemporal measurement and diagnosis of obstacle factors on tourism eco-security in Guangdong province

Research of Soil and Water Conservation, 2017, 24(5): 252-258.

[本文引用: 8]

[郑秋霞, 匡耀求, 黄宁生, 等.

广东省旅游生态安全时空测度及障碍因子诊断

水土保持研究, 2017, 24(5): 252-258.]

[本文引用: 8]

[34]

Zhou

Bin

, Yu

, Zhong

Linsheng

, et al.

Developmental trend forecasting of tourism ecological security trends: The case of Mount Putuo Island

Acta Ecologica Sinica, 2016, 36(23): 7792-7803.

[周彬, 虞虎, 钟林生, 等.

普陀山岛旅游生态安全发展趋势预测

生态学报, 2016, 36(23): 7792-7803.]

[35]

Wang

Xue

, Zhang

Zulu

, Zhang

Chao

, et al.

Estimation and prediction of ecological security status of Shandong province

Journal of Ludong University: Natural Science Edition, 2011, 27(2): 173-178.

[王学, 张祖陆, 张超, 等.

山东省旅游生态安全状态评价与预测研究

鲁东大学学报: 自然科学版, 2011, 27(2): 173-178.]

[36]

Chunyou

, Guo

Lingling

, Yu

Jingtao

Dynamic simulation of regional ecological security of tourism

Systems Engineering, 2013, 31(2): 94-99.

[武春友, 郭玲玲, 于惊涛.

区域旅游生态安全的动态仿真模拟

系统工程, 2013, 31(2): 94-99.]

[37]

Liu

Huan

Spatial-temporal evolution and influence mechanism of tourism ecological security in coastal cities based on PSR model: Taking coastal cities in the Bohai Rim region as an example

[D]. Nanjing: Nanjing Normal University, 2019.

[刘欢.

基于PSR模型的滨海城市旅游生态安全时空演变及影响机理: 以环渤海地区沿海城市为例

[D]. 南京: 南京师范大学, 2019.]

[38]

Dong

Xuewang

Ecological security evaluation of tourist destinations: A case of Wudalianchi national park

Natural Science Journal of Harbin Normal University, 2003, 19(6): 100-105.

[董雪旺.

旅游地生态安全评价研究: 以五大连池风景名胜区为例

哈尔滨师范大学自然科学学报, 2003, 19(6): 100-105.]

[39]

Feng

Yafen

, Jia

Tiefei

The ecological security tourism development model and empirical research: A case study on Salawusu River Basin of Inner Mongolia

Journal of Arid Land Resources and Environment, 2009, 23(6): 181-186.

[冯亚芬, 贾铁飞.

旅游开发的生态安全导向模式及其实证研究: 以内蒙古萨拉乌苏河流域旅游开发为例

干旱区资源与环境, 2009, 23(6): 181-186.]

[40]

Pan

Huiqin

, Huang

Shaohui

, Ye

Yuyao

Ecological security evaluation of tourism island: A case of Hailing Island

Guangdong Agricultural Sciences, 2013, 40(20): 171-177.

[潘慧琴, 黄少辉, 叶玉瑶.

海岛型旅游地生态安全评价: 以海陵岛为例

广东农业科学, 2013, 40(20): 171-177.]

[41]

Xiao

Jianhong

, Yu

Qingdong

, Liu

Kang

, et al.

Evaluation of the ecological security of island tourist destination and island tourist sustainable development: A case study of Zhoushan Island

Acta Geographica Sinica, 2011, 66(6): 842-852.

[肖建红, 于庆东, 刘康, 等.

海岛旅游地生态安全与可持续发展评估: 以舟山群岛为例

地理学报, 2011, 66(6): 842-852.]

[42]

Cao

Xinxiang

A study on ecological security alarm assessment of tourism destination: The case of Kaifeng City in Henan province

Environmental Science and Management, 2006, 31(3): 39-43.

[曹新向.

旅游地生态安全预警评价指标体系与方法研究: 以开封市为例

环境科学与管理, 2006, 31(3): 39-43.]

[43]

Cao

Xinxiang

Ecological security evaluation of tourism destination based on ecological footprint analyses

Economic Geography, 2006, 26(6): 1062-1066.

[曹新向.

旅游地生态安全评价模型及实证研究: 基于生态足迹模型的分析

经济地理, 2006, 26(6): 1062-1066.]

[44]

Mei

, Liu

Chunla

Tourism ecological security evaluation and obstacle factors analysis of Zhangjiajie

Resources and Environment in the Yangtze Basin, 2018, 27(3): 605-614.

[徐美, 刘春腊.

张家界市旅游生态安全评价及障碍因子分析

长江流域资源与环境, 2018, 27(3): 605-614.]

[45]

Xigui

, Wu

Qing

, et al.

Evaluation on tourism ecological security and diagnosis of its obstacle indicators in China

Ecological Economy, 2017, 33(6): 90-95.

[李细归, 吴黎, 吴清, 等.

中国旅游生态安全测度及障碍因子诊断研究

生态经济, 2017, 33(6): 90-95.]

[46]

Bao

Qingqing

, Liu

Shengfeng

Dynamic evaluation of ecological security and analysis of obstacle factors in Karst tourist destinations: An example of Guilin city

Carsologica Sinica, 2017, 36(3): 407-414.

[鲍青青, 刘胜峰.

喀斯特旅游地生态安全动态评价与障碍因子分析: 以桂林为例

中国岩溶, 2017, 36(3): 407-414.]

[47]

Xigui

, Wu

Qing

, Zhou

Yong

Spatio-temporal pattern and spatial effect of Chinese provincial tourism eco-security

Economic Geography, 2017, 37(3): 210-217.

[本文引用: 13]

[李细归, 吴清, 周勇.

中国省域旅游生态安全时空格局与空间效应

经济地理, 2017, 37(3): 210-217.]

[本文引用: 13]

[48]

Qiao

Jiajun

, Zhu

Qiankun

, Xin

Xiangyang

Spatial characteristics and influencing factors of rural poverty in the Yellow River Basin

Resources Science, 2020, 42(1): 184-196.

[乔家君, 朱乾坤, 辛向阳.

黄河流域农区贫困特征及其影响因素

资源科学, 2020, 42(1): 184-196.]

[49]

Jiang

Guiyan

, Yun

Yingxia

, Ren

Lijian

, et al.

Spatial-temporal discrimination and the related obstacle factor diagnosis for the valley cities urban eco-security in China west based on the improved TOPSIS method

Journal of Safety and Environment, 2020, 20(1): 342-351.

[蒋贵彦, 运迎霞, 任利剑, 等.

基于改进TOPSIS模型的西部河谷型城市生态安全时空分异及障碍因子诊断

安全与环境学报, 2020, 20(1): 342-351.]

[50]

Yingxia

, Ma

Ronghua

, Ge

Ying

, et al.

Spatial-temporal dynamics of Jiangsu regional convergence with spatial Markov chains approach

Acta Geographica Sinica, 2005, 60(5): 817-826.

[蒲英霞, 马荣华, 葛莹, 等.

基于空间马尔可夫链的江苏区域趋同时空演变

地理学报, 2005, 60(5): 817-826.]

[51]

Zhou

Liang

, Che

Lei

, Zhou

Chenghu

Spatio-temporal evolution and influencing factors of urban green development efficiency in China

Acta Geographica Sinica, 2019, 74(10): 2027-2044.

DOI:10.11821/dlxb201910006 [本文引用: 1]

Green development is pivotal to resolving natural environmental constraints, solving national economic transition, and supporting and realizing the United Nations sustainable development goals. It is gradually growing into a crucial guideline for China's ecological civilization construction, "Beautiful China" development, and global economic transition and restructure. Based on a thorough review of the concept of green development, this paper accurately depicts a full picture of China's spatio-temporal patterns of urban green development efficiency (UGDE) in 2005-2015 by using SBM-Undesirable, the Theil index and the Spatial Markov Chain methods. Moreover, the influencing mechanism has been further discussed based on a quantitative analysis of both natural and human factors. Our results demonstrate that: (1) UGDE increased steadily by 10% from 0.475 in 2005 to 0.523 in 2015. And temporally, it shows a pattern of "W"-shaped fluctuated growth. (2) Spatially, UGDE decreased from eastern to central China, and further to western China. Besides, there is an inverted pyramid pattern of "national level > regional level > local level" urban agglomeration in UDGE growth. Moreover, there is a steady urban scale structure from super city to small city in UDGE. (3) There is an evident concentration of cities with high-level and low-level UDGE, indicating a significant influence of path dependence. (4) Quantitatively speaking, compared to natural factors, human factors such as economy size, industry structure, and openness level play a more important role in influencing the UDGE.

[周亮, 车磊, 周成虎.

中国城市绿色发展效率时空演变特征及影响因素

地理学报, 2019, 74(10): 2027-2044.]

[52]

Liu

Shuaibin

, Yang

Shan

, Wang

Zhao

Characteristics and formation mechanism of China's provincial urbanization spatial correlation based on population flow

Acta Geographica Sinica, 2019, 74(4): 648-663.

DOI:10.11821/dlxb201904003 [本文引用: 1]

Spatial correlation is the link of regional interaction and influence; the urbanization spatial correlation is spatial relationship of urbanization based on population flow, which influences and continuously adjusts the regional economic and social development pattern in China. By analyzing the change of the spatial correlation intensity and the spatial correlation network of provincial urbanization in China during 1990-2015, this paper reveals the spatial correlation characteristics, formation process and influencing factors of China's provincial urbanization since China's reform and opening up. The results show that: (1) 7 types of spatial correlation intensity are identified in the evolution of provincial urbanization of China, among which the dominant type has the highest degree of coincidence with the whole country, and determines the evolution process of the spatial correlation intensity of urbanization in China. The non-dominant types of urbanization spatial correlation intensity evolution feature 2005 as the critical year, and their growth was slow or even negative before the year; then together with the dominant type, they have promoted a continuous increase in the urbanization spatial correlation intensity across the country. (2) Urbanization spatial correlation network structure characteristics are analyzed from national, regional and provincial scales. The structure of the spatial correlation network of urbanization is becoming more and more complicated, and the correlation paths have shifted from centralized to scattered. The differences in the correlation density between regional subgroups with different attributes have begun to shrink, and the high-level nodes have spread from the eastern to the central and western regions. (3) Further, the panel-vector auto-regression and panel quantile regression are used to test the interaction mechanism between urbanization spatial correlation intensity and correlation network centrality, which explains the effect of residents' income level and regional industrial structure on urbanization spatial correlation characteristics. The specialization of urbanization spatial correlation not only deepens the research on urbanization theory and methodology, but also provides a theoretical basis for the development of population urbanization and the adjustment of industrial space in China.

[刘帅宾, 杨山, 王钊.

基于人口流的中国省域城镇化空间关联特征及形成机制

地理学报, 2019, 74(4): 648-663.]

[53]

Jin

Fengjun

, Ma

, Xu

Die

Environmental stress and optimized path of industrial development in the Yellow River Basin

Resources Science, 2020, 42(1): 127-136.

[金凤君, 马丽, 许堞.

黄河流域产业发展对生态环境的胁迫诊断与优化路径识别

资源科学, 2020, 42(1): 127-136.]

[54]

Xigui

GIS-based research on the spatio-temporal pattern evolution and influence mechanism of China's provincial tourism ecological security

[D]. Wuhan: Central China Normal University, 2016.

[李细归.

基于GIS的中国省域旅游生态安全时空格局演化及其影响机理研究

[D]. 武汉: 华中师范大学, 2016.]