2026, Vol. 47
2. 浙江工业大学现代化产业体系研究院，杭州 310023;
3. 清华大学经济管理学院，北京 100084
2. Institute of Modern Industrial System, Zhejiang University of Technology, Hangzhou 310023, China;
3. School of Economics and Management, Tsinghua University, Beijing 100084, China
党的二十届三中全会明确提出，中国式现代化是人与自然和谐共生的现代化. 生态环境作为区域可持续发展核心要素的战略定位，其保护与建设已成为旅游业高质量发展的关键. 然而，旅游业具有典型的双重属性，既具有环境友好型产业特征，又不可避免地产生资源消耗与环境压力[1]. 适度旅游开发能够促进生态环境保护与环境质量提升，而过度旅游开发可能导致生态系统遭受不可逆损害[2]. 韧性理论为阐释旅游地生态系统应对外部扰动的响应机制、探寻系统恢复与适应性重构路径提供了分析框架和研究范式. 旅游生态韧性是指旅游生态系统在应对旅游过度开发、生态退化以及外部突发事件等内外部冲击扰动时，所表现的抵抗预防能力、维持系统功能稳定的恢复适应能力，以及通过系统创新与结构优化实现转型升级的重组能力[3]. 旅游业绿色发展具有显著的空间溢出效应[4]，但相关研究多局限于单一区域分析，缺乏对资源要素流动、技术创新扩散和人才迁移等空间网络特征的深入探讨. 在我国旅游业转型升级的关键时期，从韧性理论视角构建旅游生态系统评估框架，深入探究旅游生态韧性空间网络的结构特征与驱动因素，不仅有助于揭示区域旅游生态系统应对环境变化的适应能力及其演化规律，也能够为推动旅游业高质量发展提供理论支撑与实践指导.
韧性表示系统在外部干扰下保持结构功能稳定并实现自我恢复的能力[5]. 当前研究主要围绕以下3个维度展开：①韧性研究. Holling[6]首次将韧性概念应用于生态学领域，将其定义为系统吸收状态变量、驱动变量和参数变量变化的能力指标. 城市生态韧性研究主要集中在概念内涵、评价体系和影响因素这3个方面. 在概念内涵上，Lowe等[7]、Feng等[8]和Liao等[9]认为城市生态韧性是城市生态系统在面对不确定因素冲击时保持抗压和快速恢复的能力；Hong等[10]、Sheergojri等[11]和孙铭等[12]更强调其吸收扰动、重组系统以及实现可持续发展的能力. 在测度评价方面，多数学者基于抵抗-适应-恢复[13，14]、压力-状态-响应[15]和驱动力-压力-状态-影响-响应等[1，16]模型进行评估，也有学者从演化韧性[17]、生态环境维度[18]和景观生态格局[19]等角度构建评价体系. 在影响因素方面，资源禀赋[20]、产业结构[14]、技术创新[18]和政府调控[21]等因素均对生态韧性提升有重要影响. 随着理论体系的不断完善，韧性研究已从生态学范畴逐步延伸至社会学[22]、经济学[23]、地理学[24]和旅游生态学[25]等领域. ②旅游生态系统研究. 目前已经构建了“概念界定-系统分析-多维评估-策略优化”的研究体系. 普遍认为旅游生态系统是由经济、旅游、社会和生态等子系统共同构成的复杂适应系统[26，27]，复合演化性是其最显著的系统特征. 在推动旅游业高质量发展的背景下，研究视角不断拓展，主要聚焦于旅游生态效率[28，29]、旅游生态足迹[30，31]、旅游环境承载力[32，33]和旅游生态安全[34~36]等方面. 旅游生态韧性作为旅游生态系统的重要组成部分，逐渐受到广泛的关注[37，38]. 相关研究表明，旅游生态韧性在不同区域表现出显著的时空差异[39]，并受到多种因素的综合影响[40]. ③空间关联网络研究. 基于对旅游生态系统的研究，后续研究集中在旅游生态系统[26]、旅游生态安全[41]、旅游生态效率[42]、旅游经济[3]和旅游流[43]的空间关联网络结构，而关于旅游生态韧性空间关联网络结构的研究较少[44].
综上，尽管现有研究揭示了旅游生态系统要素空间互动机制、系统反馈效应及组织演化规律，为探索旅游生态系统韧性的机制构造、动态演变、驱动因素及调控路径奠定了理论基础，仍然存在不足和完善的空间：第一，现有研究多局限于投入产出分析、承载力评估、生态足迹测算等单一维度，部分研究虽关注了旅游生态韧性评估，但主要集中于省级尺度和特定地区[39，40，44]，缺乏针对城市群地区的研究，一定程度上制约了对于旅游生态系统本质特征的理论认知. 第二，韧性理论为突破旅游业脆弱性瓶颈、重构产业发展范式提供了新的分析视角，但现有研究主要局限于旅游经济维度，没有充分考察旅游业环境效益与资源消耗并存的双重特性. 第三，虽然有研究关注了旅游生态韧性的空间关联网络特征，但并没有从空间异质性、空间溢出效应以及门槛效应的多维视角综合探讨其驱动因素，从而影响对区域旅游生态韧性内在逻辑与提升路径的深入理解.
基于此，本文以长三角41个城市为研究对象，结合演化韧性理论构建旅游生态韧性评估框架，从抵抗与防御力、恢复与适应力、创新与重组力这3个维度构建了旅游生态韧性的评价指标体系，并采用修正引力模型测算旅游生态韧性关联强度，深入探讨其空间网络特征及驱动因素，以期为旅游业可持续发展提供理论依据和决策支持. 本文的创新点如下：①将演化韧性理论整合到旅游生态系统研究框架中，弥补了现有研究对旅游生态系统动态演化特征关注不足的理论局限，拓展了旅游生态系统评估的研究维度. ②运用修正引力模型和核心-边缘分析方法，揭示长三角城市群旅游生态韧性空间关联网络特征及其演化规律，有助于理解旅游生态系统的内在结构关联. ③从空间异质性、溢出效应和门槛效应的多维视角，深入探讨旅游生态韧性空间关联的驱动因素，以期为提升城市群地区旅游生态韧性提供实践指导.
1 理论分析框架旅游生态系统作为旅游生态学研究的关键对象，是由旅游、生态、社会和经济等子系统共同构成的复杂适应系统，具有典型的复合演化特征和系统脆弱性[26，27]. 根据演化韧性理论的核心内涵，结合旅游生态系统的动态演化特征及其对外部干扰的敏感性，本文认为抵抗与防御能力、恢复与适应能力、创新与重组能力构成了旅游生态韧性的3个基本维度，其能力提升有赖于经济、旅游、生态和社会子系统的协同演进，通过系统间的动态平衡与协同共生，最终形成完整的旅游生态系统韧性框架[1，44]. 根据资源禀赋理论，不同地区的自然资源、劳动力和资本等要素禀赋差异会影响其经济发展模式和旅游生态系统的构建. 资源禀赋丰富的地区，拥有丰富自然景观和文化资源的城市，往往在旅游生态系统中占据核心地位，成为旅游生态韧性的关键节点. 而资源禀赋相对匮乏的地区可通过与核心地区的经济联系和要素流动，实现旅游生态系统的协同发展. 在城市间资源流动与溢出过程中，高水平城市凭借其丰富的资源和强大的经济实力，通过示范引领、协同合作以及带动低水平城市发展，产生极化与涓滴效应. 这种现象可以用核心-边缘理论来解释，城市间的空间关联网络变得更加复杂，核心城市与边缘城市之间的相互作用不断增强. 根据空间相互作用理论，城市间的可达性是要素资源流动的关键保障，而可达性通常受到经济发展水平、交通运输条件以及空间距离等因素的综合影响[45]. 经济发展水平较高的城市、交通网络越完善以及距离越近的城市之间联系强度越大，越能共同推动旅游生态韧性空间关联网络的形成与发展（图 1）. 通过深入分析以上因素的驱动机制，可以更好地理解旅游生态韧性空间关联网络的演化规律.
|
图 1 旅游生态韧性理论框架 Fig. 1 Conceptual framework for assessing resilience in tourism ecosystems |
基于演化韧性理论框架，本文将旅游生态韧性的内涵特征纳入指标体系构建，统筹经济、旅游、生态和社会这四大子系统的协同支撑作用[46]，构建多层次和系统化的综合评价指标体系（表 1）. 第一，通过抵抗与防御力维度衡量旅游生态系统在遭受外部冲击时的稳定性. 产业支撑力与旅游业发展水平是维系系统稳态的关键，而旅游高速增长带来的交通负荷、土地挤占、空间承载力降低及环境压力等问题日益凸显. 因此，本文从产业支撑、社会要素与环境压力这3个方面选取具体指标. 第二，恢复与适应力维度用于评估旅游生态系统受扰后的自我调节与功能复原能力. 本文从内生动力、外部保障与绿色本底这3个方面构建指标. 其中，旅游经济效应与旅游吸引力构成核心内生动力；城市旅行社、星级饭店数量用来表征外部保障体系；绿色本底作为旅游生态健康的核心表征，通过绿化水平和生态质量等指标进行测度. 第三，创新与重组力维度用于衡量旅游生态系统打破路径依赖和实现提质增效的转型能力. 本文从两个方面构建指标，一是通过旅游经济增速和旅游接待人次增长率指标反映旅游产业提升水平；二是通过创新研发投入强度和旅游创新产出表征创新发展水平，以及环境污染治理投资强度和治理效率衡量环境治理成效.
|
表 1 旅游生态韧性评价指标体系 Table 1 Assessment framework for measuring ecological resilience in tourism systems |
2 研究方法 2.1 研究区域概况
长三角城市群作为中国经济发展的重要引擎，该地区“三省一市”包括41个城市，其旅游业蓬勃发展，拥有25个中国优秀旅游城市，48个国家4A级旅游区，占全国4A级景点数的一半. 2019年《长江三角洲区域一体化发展规划纲要》，提出共建世界知名旅游目的地，各地在旅游资源上具有很强的互补性，通过协同合作，整合旅游资源，发布了多条精品旅游线路，提升了区域旅游的整体竞争力. 因此，本文选取长三角城市群具有一定的典型性和代表性，图 2为研究区域.
|
图 2 长三角城市群分布 Fig. 2 Spatial pattern of the Yangtze River Delta urban agglomeration |
本文运用综合评价方法对长三角城市群旅游生态韧性进行量化评估，具体过程如下：①对原始指标数据进行标准化处理. ②通过熵权法计算各评价指标的权重值. ③采用线性加权模型测算2008~2022年长三角城市群旅游生态韧性的综合评价值，具体计算公式参考文献[21].
2.2.2 修正引力模型运用空间引力模型构建长三角城市群旅游生态韧性网络，通过量化区域间旅游生态韧性相互作用强度，分析城市群内部生态韧性空间关联特征，揭示区域旅游生态系统的空间交互特征与网络结构[48]. 鉴于不同城市之间的旅游生态韧性联系并非对称且等值，引入参数k来完善模型，通过计算城市旅游生态韧性占两个关联城市旅游生态韧性之和的比例修正. 计算公式为：
| (1) |
式中，Nij表示城市i和城市j之间的旅游生态韧性空间关联强度；Ei和Ej分别表示城市i和城市j的旅游生态韧性水平；kij作为一个调节因子，平衡城市i对城市j在旅游生态韧性空间关联中的影响权重，从而反映旅游生态韧性空间关联与单纯经济吸引力之间的差异；Dij表示城市i和城市j之间的距离，基于高德地图计算得出的两城市之间的最短公路交通里程.
通过评估旅游生态韧性空间关联总量的高低，能够分析各城市在空间关联网络体系中的核心地位，为此计算城市i与网络中其他城市之间的旅游生态韧性空间关联强度总和.
| (2) |
式中，NETi表示城市i与其他城市之间的旅游生态韧性空间关联强度，用于表征网络节点的规模.
2.2.3 核心-边缘结构识别核心-边缘结构是社会网络分析的重要方法，其以空间维度为研究核心，旨在反映城市与其邻近城市间的关联情况，剖析研究指标在空间分布上呈现非均衡性的内在动因[49]. 对网络进行核心-边缘结构检验，评估现实网络与理想核心-边缘结构网络的相似性. 通过计算现实网络中各节点对的核度乘积，构建理想的核心-边缘结构网络. 在此基础上，核度均较高的节点对，其核度乘积较大，被划为核心区域；核度一高一低的节点对，乘积处于中间水平，划为半边缘区域；而核度均较低的节点对，乘积较小，划为边缘区域. 最终，通过测算现实网络与理想网络的相关系数，确定现实网络存在核心-边缘结构的概率. 具体算法参考王朝辉等[49]对网络节点核心度的研究，通过定量地连续划分以识别长三角城市群旅游生态韧性空间关联的层级结构.
2.2.4 时空地理加权回归地理加权回归模型（GWR）是对普通线性回归模型（OLS）的拓展，将空间位置因素纳入考量，揭示了事物的空间非平稳性特征. 相比之下，时空地理加权回归方法（GTWR）不仅考虑了空间维度，还纳入了时间维度，基于地理加权回归分析事物的时空非平稳特性，从而更有效地提升时空数据多维度的分析能力[51]. 鉴于此，本文采用GTWR模型分析长三角城市群旅游生态韧性空间关联的驱动因素. 模型设定为：
| (3) |
式中，i表示城市；u、v和t分别表示经度、纬度和时间；β0（ui，vi，ti）表示截距，即模型的常数项；βk（ui，vi，ti）表示估计系数；k表示解释变量序号；N表示解释变量总数. NETi表示旅游生态韧性联系总量；Xik表示解释变量；εi表示模型的随机误差项.
2.2.5 空间计量模型为了系统分析长三角城市群旅游生态韧性空间网络的关联效应及其影响机制，本文构建空间计量经济模型，系统分析旅游生态韧性的空间溢出效应及其影响因素. 空间杜宾模型（SDM）同时包含了变量的误差项和滞后项的空间影响，使用更为广泛[52]. 模型设定如下：
| (4) |
式中，i和t分别表示城市和年份；α1表示解释变量的估计系数；ρ1表示被解释变量的空间估计系数；ρ2表示解释变量的空间估计系数；W表示空间权重矩阵. 考虑到旅游生态韧性空间关联与经济发展密切相关，经济发展为旅游生态韧性的提升提供了物质基础和技术支持，所以本文采用经济空间权重矩阵来分析，通过城市之间人均GDP差值绝对值的倒数来构建.
2.2.6 门槛模型为了考察不同城镇化和市场水平下旅游生态韧性空间关联的门槛效应，采用门槛模型进行分析[20]，以城镇化和市场化为门槛变量，构造单一门槛模型如下：
| (5) |
式中，i和t分别表示城市和年份；Tit表示门槛变量和解释变量；γ表示通过估计确定的门槛值；I（）表示指示函数，当括号内的条件成立时值为1，否则为0. 本文选取城镇化（URB）和市场化（MAK）作为门槛变量，分别采用城镇人口占总人口比例、城镇私营和个体从业人员占从业人数比例来衡量[37].
2.3 变量因素选择根据前述理论分析，旅游生态韧性空间关联不仅受经济发展、产业结构和基础设施等多种因素的影响，本文主要探讨长三角城市群旅游生态韧性空间关联的驱动机制，因此将旅游生态韧性空间关联联系总量作为因变量，驱动因素的变量选取如下：经济发展（ECO），经济发展水平决定旅游规模的大小，从旅游需求和旅游供给两个方面影响旅游生态韧性空间关联，采用城市人均GDP来衡量[47]. 产业结构（STU），产业结构升级推动了旅游业与其他产业的深度融合，形成多元化的产业体系，采用第三产业产值与第二产业产值比值来衡量[52]. 交通基础（TRA），交通发展水平影响地区对旅游者的吸引力及可进入性，采用城市人均道路面积来衡量[41]. 人力资本水平（HUM），人力资本是创新的重要组成部分，提高旅游企业的运营效率和竞争力，增强旅游生态韧性，所以采用高等学校在校生人数占总人口比例来衡量[27]. 对外开放程度（OPE），对外联系程度越高，知名度越高. 进出口贸易规模是衡量区域经济对外开放程度的核心指标，本文采用进出口总额与地区生产总值的比值作为测度指标，以客观反映研究区域的外向型经济发展水平[44]. 高铁开通（HIG），高铁的开通能够加强城际之间的联通，所以采用城市是否开通高铁来衡量，如果当年开通了高铁定义为1，否则为0.
2.4 数据来源本文数据主要来源于2008~2022年的《中国城市统计年鉴》以及上海、江苏、浙江、安徽和各城市的统计年鉴，还整合了各省市宏观经济数据库、地方文化和旅游局官方网站公布的数据，各城市国民经济与社会发展统计公报. 旅游专利数据来源于国家知识产权局的专利检索系统（SIPO）. 在数据匹配过程中，以城市为单位进行整合，通过筛选关键词如旅游、导览、酒店、旅行社、景区、景点和宾馆等，同时排除了与旅游主题明显不相关的专利，以确保数据的准确性. 为了确保数据质量，本文对数据进行了严格的预处理. 首先，对收集到的数据进行了数据清洗，包括去除重复记录、填补缺失值等. 对于缺失数据，采用插值法进行填补，以保证数据的完整性. 其次，对数据中的异常值进行了检测和处理，根据具体情况进行修正或剔除，以确保数据的可靠性.
3 结果与讨论 3.1 长三角城市群旅游生态韧性空间关联网络的特征分析 3.1.1 空间关联网络特征基于修正的引力模型构建旅游生态韧性空间关联，联系强度表示空间关联强弱，联系总量表示规模体量，采用自然间断点分级法（Jenks）分为5个等级. 图 3展示了长三角城市群旅游生态韧性空间网络的演变过程，其网络结构表现出明显的复杂性与密集化演进特征. 可以发现，旅游生态韧性的空间关联效应持续增强，城市节点间的相互作用强度明显提升，规模分布呈现出明显的“中心大、边缘小”的格局，其中上海、杭州、南京和苏州等核心城市的比例较大，显示出核心城市旅游生态韧性空间关联存在显著的空间异质性. 长三角城市群内部形成了紧密的空间关联子网络体系，“沪宁杭苏”之间的关联尤为突出，主要节点之间展现出明显的连接趋势，而外围节点间的联系则相对松散. 上海与杭州、南京、苏州之间建立了较强的联系，杭州与绍兴、宁波之间的联系也逐渐增强，这表明杭绍甬一体化发展在旅游生态韧性方面得到了体现和加强. 然而，浙江西南部、江苏北部以及安徽西北部的城市对外联系相对较弱. 因此，有必要进一步推动长三角区域一体化发展战略，以促进旅游生态韧性的协同发展.
|
图 3 旅游生态韧性的空间关联结构 Fig. 3 Spatial network characteristics of resilience in tourism ecosystems |
通过对长三角旅游生态韧性最大引力线联结次数的计算，绘制相应的最大引力线图，图 4展示了长三角旅游生态韧性最大引力线连结格局的显著变化. 联系主线由多个碎片化的组团构成，以上海、南京、杭州和苏州等城市为核心，形成了组团式的发展模式，且以上组团在空间分布上呈现出非均衡的特点. 进一步分析联系主线中存在3个及以上主要连线的节点，可以发现上海、南京、杭州、苏州、无锡、镇江和宁波等城市在各联系主线中扮演着重要的枢纽节点角色. 而其他城市的对外联系主要依赖于其地理位置，尚未形成明显的枢纽节点，核心都市圈内部的旅游生态韧性空间关联呈现出明显的空间指向性特征.
|
图 4 旅游生态韧性的最大引力线与主要首位点 Fig. 4 Maximum gravitational line and primary starting point of tourism ecological resilience |
通过计算，2008年、2015年和2022年旅游生态韧性的网络密度分别为0.147、0.213和0.234，这表明长三角城市群的旅游生态韧性水平呈现出稳步增强的趋势. 为了探究长三角城市群旅游生态韧性的结构特征，本文运用核心-边缘分析方法对旅游生态韧性空间关联网络的圈层结构进行识别（图 5）. 模型拟合结果表明，实际数据矩阵与模式数据矩阵的相关系数分别为0.684、0.638和0.473，表明模型具有良好的拟合效果. 在此基础上，采用自然间断点分级法（Jenks）对核心度指标进行划分，上海、南京、杭州、苏州、无锡和常州等城市被划分为核心层，形成了明显的核心空间分布，位于省域边界线的区域多为半边缘层，主要由省域边界的城市构成，其他节点城市处于边缘层. 总体而言，长三角城市群的旅游生态韧性呈现出一定的三圈层（核心-半边缘-边缘）特征，并存在明显的空间异质性. 从空间扩展规律来看，长三角城市群旅游生态韧性呈现出显著的梯度扩散特征，表现为由核心区域向边缘区域逐级衰减的层级联动模式，以及以中心城市为极核的向心型空间分异格局.
|
图 5 旅游生态韧性的核心-边缘结构 Fig. 5 Core-periphery structure of tourism ecological resilience |
在使用GTWR模型进行空间异质性分析前，需要对旅游业生态韧性空间关联进行空间自相关检验. 表 2中Moran's I检验结果显示，2008~2022年，长三角城市群旅游生态韧性空间关联的Moran's I值均显著为正，说明旅游生态韧性空间关联具有显著的正相关性. 此外，Moran's I值呈现出先下降后上升的Ⅴ型变化趋势，说明旅游生态韧性空间关联的空间集聚性有所增强.
|
|
表 2 旅游生态韧性空间关联的Moran's I值1） Table 2 Moran's I value of spatial correlation of tourism ecological resilience |
本文借鉴现有研究成果，结合长三角的实际情况，从经济发展、产业结构、交通基础、人力资本、对外开放以及高铁开通这6个方面，探讨推动长三角城市群旅游生态韧性空间关联的关键驱动因素，并分析其作用效应的空间异质性. 首先，对各驱动因素进行多重共线性检验，方差膨胀因子（VIF）值均低于10，说明不存在明显的多重共线性，确保了模型估计的有效性和准确性. 其次，时空地理加权回归结果显示，GTWR模型的R2为0.832，说明模型的拟合优度较好. 最后，本文对2008~2022年长三角41个城市旅游生态韧性空间关联驱动因素（平均作用力系数）的空间异质性进行检验，图 6显示各驱动因素均呈现明显的带状和片状空间分异特征.
|
图 6 旅游生态韧性空间关联驱动因素的空间异质性 Fig. 6 Spatial heterogeneity of spatially correlated driving factors of tourism ecological resilience |
经济发展具有显著的正向促进作用，浙江东部城市受益尤为突出. 通常而言，经济发展水平越高的城市，其综合实力就越强，面对外部冲击时，其旅游生态系统也更具抗风险能力和适应性. 相比之下，经济发展对安徽大多数城市以及江苏的淮安、扬州等城市的影响相对较弱，但对于长三角中部以及安徽北部城市则具有显著的促进作用.
产业结构表现出显著的正向促进作用，上海及其周边城市中表现得尤为突出，其正向效应明显高于其他城市. 近年来，长三角城市群产业结构持续优化，服务业和高新技术产业的蓬勃发展，为旅游生态韧性提供了有力支撑. 上海作为长三角核心城市，其产业结构高度发达，不仅显著提升了自身旅游生态韧性，还通过辐射带动促进苏州、嘉兴、宁波等城市的旅游生态韧性空间关联.
交通基础设施与长三角城市群旅游生态韧性空间关联整体呈现正相关关系. 交通基础设施凭借其网络化和外部性特征，能够有效引导资金流、人才流和旅游信息流的空间流动路径，优化旅游空间布局，提升旅游生态系统的抗风险能力. 从空间分布来看，交通基础设施的影响作用呈现出明显的空间异质性，从长三角南部向中部、北部先减小后增大. 主要原因在于，南部和北部地区的温州、丽水、盐城、连云港和滁州等城市，交通基础设施相对薄弱，与核心城市的联系不够紧密，因此交通基础设施的促进作用较为显著. 相比之下，中部地区城市的交通基础设施本身较为完善，交通网络的密度和效率都处于较高水平，因此交通对旅游生态韧性空间关联的进一步增长空间相对较小.
人力资本对长三角城市群旅游生态韧性空间关联具有正向促进作用. 这种作用在东部沿海城市表现比较突出，呈现出明显的东高西低的空间异质性特征. 人力资本通过提升劳动力素质、促进技术创新以及优化资源配置等多种方式，对旅游生态韧性空间关联产生显著的正向影响. 东部沿海城市凭借其雄厚的经济基础和优化的产业结构，对人力资本具有更强的吸引力和更高的利用效率，因此人力资本在以上地区对旅游生态韧性空间关联的促进作用更为显著. 相比之下，西部地区经济发展相对滞后，人力资本水平较低，对旅游生态韧性的提升作用相对有限.
对外开放对长三角城市群旅游生态韧性空间关联的影响呈现出由东南向西北逐渐增强的正向作用. 位于西北地区的徐州、连云港等城市，虽然经济基础相对薄弱，但近年来随着长三角一体化战略的深入推进，其对外开放程度不断提升，在政策支持和区域协同合作的不断加强下，这些城市的旅游生态韧性空间关联逐渐得到增强.
高铁开通对长三角城市群旅游生态韧性空间关联的影响表现为由北向南逐渐发挥正向作用. 高铁的开通显著缩短了城市之间的时空距离，极大地提升了区域内的交通便利性. 从空间异质性来看，随着高铁网络的逐步完善，北部地区的城市如徐州、连云港等率先受益，以上城市与长三角核心区域的联系变得更加紧密，游客的可达性显著提升. 随着高铁网络不断向南延伸，中部和南部地区的城市也能够享受到高铁带来的便利，旅游生态韧性空间关联的正向作用愈发明显.
3.2.2 空间溢出效应分析为了进一步探讨长三角城市群旅游生态韧性空间关联的溢出效应，本文构建空间计量模型进行分析. 参考相关研究方法[52]，对空间计量模型进行检验（表 3）. 首先，LM检验结果显著，说明可以采用空间滞后模型（SLM）和空间误差模型（SEM）；Robust LM检验也表明可以采用SLM和SEM. 其次，LR和Wald的空间滞后项和空间误差项检验表明，原假设被拒绝，说明SDM模型不能退化为SLM或者SEM. 此外，Hausman检验的结果为108.59（P=0.000），拒绝原假设，说明SDM模型应该选择城市和时间的双向固定效应.
|
|
表 3 空间计量模型检验 Table 3 Spatial econometric model test |
表 4展示了SDM模型的估计结果，Main和Wx分别表示变量的估计系数和空间滞后项系数. 结果表明，产业结构、交通基础、对外开放和高铁开通对旅游生态韧性空间关联具有显著影响并且表现出明显的空间溢出效应. 由于空间杜宾模型中存在复杂的空间交互效应，解释变量的回归系数难以直接反映知识溢出的方向与强度，本文采用效应分解方法，将解释变量的空间影响分解为直接效应（Direct）、间接效应（Indirect）和总效应（Total），以分析各因素的空间影响效应[12].
|
|
表 4 空间计量模型回归结果1） Table 4 Regression results of spatial econometric model |
经济发展（ECO）对本地旅游生态韧性空间关联产生了显著影响，其总效应通过了显著性检验. 这表明经济发展对旅游生态韧性的影响具有区域限制，未能发挥出显著的空间溢出效应，可能存在间接因素或机制在其中发挥作用. 经济发展水平的提升往往伴随着基础设施的改善、技术创新的加速以及产业结构的优化，以上间接途径可能会对旅游生态韧性空间关联产生积极的推动作用. 因此，为了促进旅游生态韧性空间关联的提升，需要进一步强化经济发展，特别是要注重经济结构的优化和质量的提升，从而为旅游生态韧性空间关联的增强提供经济基础.
产业结构（STU）对本地及邻近地区的旅游生态韧性空间关联均产生了显著正向影响. 产业结构升级通常伴随着技术创新和管理创新，这些创新举措能够显著提升旅游企业的竞争力和抗风险能力. 通过引入先进的信息技术和管理方法，旅游企业可以更精准地应对市场变化和突发事件，从而有效促进旅游生态韧性空间关联的形成. 此外，产业结构升级还能通过产业协同效应，带动上下游相关产业的协同发展，进一步增强区域旅游生态韧性，推动旅游生态系统整体优化和可持续发展.
交通基础（TRA）对本地及邻近区域的旅游生态韧性空间关联均具有显著的正向促进作用. 结果显示，本地交通基础设施水平每提升1%，旅游生态韧性空间关联将提升5.3%，而邻近地区提升3.3%. 值得注意的是，直接效应显著大于空间溢出效应，这表明在提升旅游生态韧性空间关联强度方面，交通基础设施的改善对本地的直接推动作用更为关键. 原因可能是，交通基础设施的改善可以直接提升本地的旅游便利性，减少游客的旅行时间和成本，从而吸引更多游客. 这不仅增加了旅游收入，还促进了当地经济的发展，进而增强了旅游生态系统的韧性. 然而，邻近区域可能通过共享交通网络、游客分流等方式受益，但这种效应不如直接效应明显.
人力资本（HUM）对本地旅游生态韧性空间关联具有显著的促进作用，但这种作用主要局限于本地而未能显著通过空间溢出影响周边地区. 人力资本通过本地教育体系提升了旅游从业人员的专业技能和服务质量，从而增强了本地旅游生态韧性空间关联. 然而，地理距离和交通成本是空间溢出效应的重要限制因素. 人力资本的提升对本地旅游生态韧性的影响主要通过本地旅游市场的反馈机制实现，这种反馈机制在地理距离较远的周边地区难以有效传递. 因此，本地人力资本的提升主要针对本地旅游市场的需求，促进本地旅游生态韧性空间关联，对周边地区的溢出效应有限.
对外开放（OPE）对本地和相邻地区的旅游生态韧性空间关联均具有显著的促进作用. 对外开放水平提升1%将促进本地和周边地区的旅游生态韧性空间关联分别提升11.9%和14.7%. 可能的解释是，对外开放促进了信息流通，城市能够获取国际和国内先进的旅游管理经验、创新产品和服务模式，不仅有助于提升本地旅游生态韧性，还可以通过区域间的交流和合作，扩散到相邻地区，实现资源共享和优势互补，促进旅游生态韧性空间关联. 因此，政策制定者在提升本地旅游生态韧性时，应充分利用对外开放带来的机遇，加强区域间的合作与交流，实现区域旅游生态韧性的共同提升.
高铁开通（HIG）对本地及周边地区的旅游生态韧性具有显著的提升作用. 一方面，高铁的开通极大地提高了城市的可达性，缩短了城市间的时空距离，使游客能够更便捷地抵达旅游目的地，从而直接增强了本地旅游生态韧性. 另一方面，高铁开通还通过经济联系对周边地区产生积极的溢出效应. 例如，长三角城市群高铁网络的完善能够形成“一小时经济圈”或“半小时经济圈”，促进城市群内的优势互补与功能分工，实现资源的优化配置和经济合作. 这种协同效应不仅能够提升区域内的交通便利性，还通过空间溢出效应带动周边地区旅游发展，形成区域旅游生态韧性的协同发展格局，从而有效促进区域整体的旅游生态韧性空间关联.
3.2.3 门槛效应分析旅游生态韧性空间关联的驱动因素是多维度的，可能会随着城镇化和市场化处于不同区间而呈现不同的影响特征，即变量间可能存在非线性关系. 因此，将城镇化和市场化作为门槛变量，上述6个因素作为控制变量，通过构建门槛模型分析其对旅游生态韧性空间关联的门槛效应. 采用“自助法”（Bootstrap），通过500次反复抽样，基于统计量的显著性水平确定门槛效应及其临界值. 由表 5可知，城镇化和市场化对旅游生态韧性空间关联的影响均存在显著的单一门槛，其门槛值分别为0.798和0.365.
|
|
表 5 门槛变量检验结果 Table 5 Threshold variable test results |
由表 6可知，当以城镇化水平作为门槛变量时，城镇化对旅游生态韧性空间关联的影响在5%和1%显著性水平上呈现非线性关系. 具体而言，当城镇化水平超过0.798门槛值时，其对旅游生态韧性空间关联的促进作用增强，这表明在城镇化程度较高的城市，城镇化进程对旅游生态韧性空间关联的推动作用更大. 相比之下，当城镇化水平低于该门槛值时，虽然其影响依然显著，但估计系数相对较小，说明在城镇化水平较低的城市中，这种促进作用相对较弱. 当以市场化水平作为门槛变量，结果显示市场化对旅游生态韧性空间关联的影响在门槛值0.365的两侧均显著，且当市场化水平高于该门槛值时，其影响系数更大. 这表明市场化水平的提升在一定程度上能够更有效地促进旅游生态韧性空间关联的形成与发展. 总体而言，在以城镇化和市场化水平作为门槛变量的情况下，两者对旅游生态韧性空间关联的影响均呈现出边际效应递增的门槛特征. 一般而言，城镇化水平较高的城市往往具备完善的基础设施、丰富的旅游资源、成熟的市场体系以及人才和技术的高度集聚等优势，以上因素共同作用使得长三角城市群在旅游生态韧性空间关联方面表现出更强的影响力. 此外，市场化水平的提升不仅能够增强旅游生态韧性，还能促进旅游经济与旅游创新之间的深度融合，进而推动形成更加紧密和高效的旅游生态韧性空间关联网络.
|
|
表 6 门槛模型回归结果1） Table 6 Threshold model regression results |
4 建议
（1）促进旅游资源和旅游市场一体化发展，提升长三角城市群旅游生态韧性. 鼓励上海、南京、杭州和苏州等核心城市发挥引领作用，通过资源共享与优势互补，带动边缘城市协同发展，共同开发特色旅游产品与服务，打破地域限制，构建区域旅游一体化格局. 例如，上海可利用其国际化品牌和先进理念，提升周边城市旅游品质；苏州、杭州可以凭借文化底蕴和自然景观，提供多样化体验. 同时，应加强核心城市与边缘城市间的交通基础设施建设，提升旅游可达性，优化交通网络布局，提高出行便利性. 此外，推动服务标准化与专业化，利用智慧旅游技术提升服务智能化水平，建立区域智慧旅游平台提升游客体验，增强旅游生态韧性空间网络联系.
（2）从多方面综合施策，推动构建更为紧密的区域旅游合作机制. 首先，成立长三角城市群旅游合作联盟，制定统一的区域旅游发展规划，明确各城市定位，推动资源共享与协同发展. 其次，加强交通基础设施建设，特别是高铁网络和城市轨道交通，科学规划交通网络布局，确保高铁站点与城市中心区、旅游景区的高效连接，提升区域交通一体化水平. 对于边缘城市，政府应出台政策、设立专项资金，支持其提升旅游基础设施和公共服务水平，鼓励开发特色旅游产品，纳入区域旅游线路. 核心城市应发挥辐射作用，通过空间溢出效应共享旅游资源优势，建立对口帮扶机制，提升边缘城市的旅游管理水平和服务质量，促进整个区域旅游生态系统韧性提升.
（3）充分发挥城镇化和市场化的门槛效应，加强新型城镇化建设和旅游市场体系建设. 一方面，加速推进新型城镇化，优化城镇空间布局，结合三圈层核心-边缘结构，科学规划城市功能，加强核心城市与边缘城市的交通、信息等基础设施建设，提升区域整体可达性与便利性. 另一方面，加强旅游市场体系建设，制定统一市场规则，规范市场秩序，推动市场化进程，通过市场化手段整合旅游资源，优化配置，提升旅游产业竞争力，促进区域旅游市场一体化发展，打破地域限制，共同打造特色旅游产品，为提升长三角城市群旅游生态韧性空间关联提供新动力.
5 结论（1）长三角城市群旅游生态韧性空间关联呈现出复杂且密集的空间结构特征. 旅游生态韧性的联系规模呈现出明显的“中心大、边缘小”的空间分布格局，其中“沪宁杭苏”子网络的节点间联系强度显著高于其他地区，呈现出较强的中心集聚特征. 最大引力线的连接格局呈现出组团式分布且不均衡，主要的首位联系节点多集中于核心城市，表现出一定的同配性特征. 此外，长三角城市群旅游生态韧性空间关联还呈现出明显的三圈层核心-边缘结构，位于省域边界线的城市多处于半边缘层，不仅反映了区域间的协同发展潜力，也体现了空间组织的复杂性.
（2）经济发展、产业结构、交通基础、人力资本、对外开放以及高铁开通等因素，对长三角城市群旅游生态韧性空间关联产生了显著的驱动作用. 这些因素不仅在整体上影响着区域的旅游生态韧性，还表现出明显的空间异质性，呈现出带状或片状的分布规律. 经济发展水平较高的城市、产业结构优化以及交通基础设施完善的地带，其旅游生态韧性空间关联更强，显示出正向促进作用；相比之下，对外开放和高铁开通的影响更为复杂，呈现出明显的正负双重影响.
（3）长三角城市群旅游生态韧性空间关联受到产业结构、交通设施、对外开放以及高铁开通的空间影响，并具有明显的空间溢出效应，这些因素不仅能够提升各城市旅游生态韧性空间关联，还能通过城市间的空间溢出对周边地区产生积极的推动作用. 此外，城镇化和市场化对旅游生态韧性空间关联的影响呈现出显著的门槛效应；当城镇化和市场化水平达到一定阈值后，其对旅游生态韧性空间关联的促进作用会显著增强，随着城镇化和市场化水平的进一步提升，这种促进作用呈现出边际效应递增的非线性特征.
（4）本文受限于数据的复杂性及滞后性，选择长三角城市群作为研究区域，未来研究可以进一步考虑不同尺度下的对比分析，例如省级、市级尺度下旅游生态韧性空间关联网络的演化规律及其差异，并探究不同尺度下的韧性提升路径，从而增强研究的普适性和深度，为地方政策制定提供依据. 此外，还可以采用泰尔指数、三维核密度估计等方法，进一步分析旅游生态韧性的区域差异与动态演进特征，揭示旅游生态韧性的极化现象.
| [1] |
雷婷, 王奕淇, 王超. 中国省际旅游交通碳排放空间关联网络及影响因素[J]. 环境科学, 2025, 46(1): 53-65. Lei T, Wang Y Q, Wang C. Spatial correlation network and influencing factors of carbon emissions from interprovincial tourism transportation in China[J]. Environmental Science, 2025, 46(1): 53-65. DOI:10.13227/j.hjkx.202402137 |
| [2] |
王凯, 赵燕, 谭佳欣, 等. 中国省际旅游经济网络结构韧性演化特征及差异形成机制[J]. 地理科学进展, 2024, 43(12): 2442-2456. Wang K, Zhao Y, Tan J X, et al. Characteristics of change of the structural resilience of China's inter-provincial tourism economic network and the formation mechanism of differences[J]. Progress in Geography, 2024, 43(12): 2442-2456. |
| [3] |
郭向阳, 明庆忠, 杨春宇, 等. 喀斯特生态脆弱区旅游生态系统韧性时空变化及多尺度障碍因素——以贵州省为例[J]. 经济地理, 2023, 43(10): 190-200. Guo X Y, Ming Q Z, Yang C Y, et al. Spatiotemporal evolution of tourism ecosystem resilience in Karst Ecologically Fragile Areas and its multi-scale obstacle factors: a case study of Guizhou[J]. Economic Geography, 2023, 43(10): 190-200. |
| [4] |
贺小荣, 史吉志, 徐海超, 等. 空间溢出视角下旅游发展的绿色经济效应检验与分析[J]. 旅游科学, 2024, 38(4): 38-58. He X R, Shi J Z, Xu H C, et al. Test and analysis of green economy effect of tourism development from the perspective of spatial spillover[J]. Tourism Science, 2024, 38(4): 38-58. |
| [5] | Jie Y, Shiying W, Jie Z, et al. Optimisation of ecological security patterns in ecologically transition areas under the perspective of ecological resilience-a case of Taohe River[J]. Ecological Indicators, 2024, 166. DOI:10.1016/j.ecolind.2024.112315 |
| [6] | Holling C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology, Evolution, and Systematics, 1973, 4: 1-23. |
| [7] | Lowe M, Bell S, Briggs J, et al. A research-based, practice-relevant urban resilience framework for local government[J]. Local Environment, 2024, 29(7): 886-901. DOI:10.1080/13549839.2024.2318571 |
| [8] | Feng X H, Zeng F S, Loo B P Y, et al. The evolution of urban ecological resilience: an evaluation framework based on vulnerability, sensitivity and self-organization[J]. Sustainable Cities and Society, 2024, 116. DOI:10.1016/j.scs.2024.105933 |
| [9] | Liao Z J, Zhang L J. Analyzing and predicting the urbanization and ecological resilience coupling and coordination of Guangdong Province[J]. Humanities and Social Sciences Communications, 2024, 11(1). DOI:10.1057/s41599-024-03851-3 |
| [10] | Hong W Y, Guo R Z, Li X M, et al. Measuring urban ecological network resilience: a disturbance scenario simulation method[J]. Cities, 2022, 131. DOI:10.1016/j.cities.2022.104057 |
| [11] | Sheergojri I A, Rashid I, Aneaus S, et al. Enhancing the social-ecological resilience of an urban lake for sustainable management[J]. Environment, Development and Sustainability, 2025, 27(3): 8085-8110. |
| [12] |
孙铭, 王茗旭. 数字经济发展对生态韧性影响的机制及效应分析[J]. 环境科学, 2025, 46(7): 4602-4614. Sun M, Wang M X. Mechanism and effect of digital economy development on ecological resilience[J]. Environmental Science, 2025, 46(7): 4602-4614. DOI:10.13227/j.hjkx.202406006 |
| [13] | Cui X F, Fu B W, Chen Y J, et al. Bridging digital and ecological resilience: spatiotemporal dynamics and coordinated development paths in the Yellow River Inverted U-Shaped Belt Metropolitan Area[J]. Journal of Environmental Management, 2025, 388. DOI:10.1016/j.jenvman.2025.125990 |
| [14] |
周怡静, 张长淦, 尹上岗, 等. 长三角地区生态韧性抵抗——适应——恢复的耦合协调及影响机制[J]. 经济地理, 2025, 45(3): 160-170. Zhou Y J, Zhang C G, Yin S G, et al. Coupling coordination and influencing mechanisms of ecological resilience in the Yangtze River Delta Region: a resistance-adaptation-recovery framework[J]. Economic Geography, 2025, 45(3): 160-170. |
| [15] | Jiao L D, Wang L, Lu H, et al. An assessment model for urban resilience based on the pressure-state-response framework and BP-GA neural network[J]. Urban Climate, 2023, 49. DOI:10.1016/j.uclim.2023.101543 |
| [16] | Zhao R D, Fang C L, Liu H M, et al. Evaluating urban ecosystem resilience using the DPSIR framework and the ENA model: a case study of 35 cities in China[J]. Sustainable Cities and Society, 2021, 72. DOI:10.1016/j.scs.2021.102997 |
| [17] |
王松茂, 牛金兰. 山东半岛城市群城市生态韧性的动态演化及障碍因子分析[J]. 经济地理, 2022, 42(8): 51-61. Wang S M, Niu J L. Dynamic evolution and obstacle factors of urban ecological resilience in Shandong Peninsula Urban Agglomeration[J]. Economic Geography, 2022, 42(8): 51-61. |
| [18] | Li D, Yang W P, Huang R Y. The multidimensional differences and driving forces of ecological environment resilience in China[J]. Environmental Impact Assessment Review, 2023, 98. DOI:10.1016/j.eiar.2022.106954 |
| [19] |
王少剑, 崔子恬, 林靖杰, 等. 珠三角地区城镇化与生态韧性的耦合协调研究[J]. 地理学报, 2021, 76(4): 973-991. Wang S J, Cui Z T, Lin J J, et al. Coupling relationship between urbanization and ecological resilience in the Pearl River Delta[J]. Acta Geographica Sinica, 2021, 76(4): 973-991. |
| [20] |
徐维祥, 郑金辉, 王睿, 等. 黄河流域城市生态效率演化特征及门槛效应[J]. 地理科学, 2022, 42(1): 74-82. Xu W X, Zheng J H, Wang R, et al. The evolution characteristics and threshold effects of the ecological efficiency in the Yellow River Basin cities[J]. Scientia Geographica Sinica, 2022, 42(1): 74-82. |
| [21] |
鲁方圆, 张郴, 贾添羽, 等. 长江经济带城市生态韧性时空演化特征及其驱动机制[J]. 环境科学, 2025, 46(7): 4592-4601. Lu F Y, Zhang C, Jia T Y, et al. Spatio-temporal evolution characteristics and driving mechanisms of urban ecological resilience in the Yangtze River Economic Belt[J]. Environmental Science, 2025, 46(7): 4592-4601. DOI:10.13227/j.hjkx.202407165 |
| [22] |
张博文, 唐相龙, 崔婕心. 西安市生态韧性与土地利用强度时空关系[J]. 环境科学, 2025, 46(4): 2463-2474. Zhang B W, Tang X L, Cui J X. Temporal and spatial relationship between ecological resilience and land use intensity in the Xi'an City[J]. Environmental Science, 2025, 46(4): 2463-2474. DOI:10.13227/j.hjkx.202405115 |
| [23] | Wang Z X, Wei W. Regional economic resilience in China: measurement and determinants[J]. Regional Studies, 2021, 55(7): 1228-1239. DOI:10.1080/00343404.2021.1872779 |
| [24] | Datola G. Implementing urban resilience in urban planning: a comprehensive framework for urban resilience evaluation[J]. Sustainable Cities and Society, 2023, 98. DOI:10.1016/j.scs.2023.104821 |
| [25] |
李志远, 冯学钢, 何静, 等. 韧性与效率协同视角下旅游生态系统评估[J]. 中国人口·资源与环境, 2024, 34(10): 150-159. Li Z Y, Feng X G, He J, et al. Assessment of the tourism ecosystem from the perspective of the synergistic relationship between resilience and efficiency[J]. China Population, Resources and Environment, 2024, 34(10): 150-159. |
| [26] |
谭佳欣, 王凯. 旅游生态系统发展空间关联网络与土地利用转型的权衡协同关系——以武陵山片区为例[J]. 生态学报, 2025, 45(4): 1563-1574. Tan J X, Wang K. Trade-offs/synergistic relationship between the spatial correlation network of tourism ecosystem development and land use transformation: a case study of Wuling mountain area[J]. Acta Ecologica Sinica, 2025, 45(4): 1563-1574. |
| [27] |
王文辉, 王鑫滨, 熊建新, 等. 长江经济带旅游生态系统适应性时空格局及影响因素[J]. 地理科学, 2024, 44(11): 1966-1976. Wang W H, Wang X B, Xiong J X, et al. Spatio-temporal pattern and influencing factors of tourism ecological system adaptability in the Yangtze River Economic Belt[J]. Scientia Geographica Sinica, 2024, 44(11): 1966-1976. |
| [28] |
谢佳亮, 王兆峰. 中国旅游生态效率与生态旅游关注空间错位及其形成机制[J]. 自然资源学报, 2025, 40(4): 1012-1031. Xie J L, Wang Z F. Spatial mismatch and its formation mechanisms between tourism eco-efficiency and ecotourism attention in China[J]. Journal of Natural Resources, 2025, 40(4): 1012-1031. |
| [29] |
郭丽佳, 李畅, 彭红松, 等. 节能减排约束下中国省域旅游生态效率评估及空间格局研究[J]. 地理科学进展, 2021, 40(8): 1284-1297. Guo L J, Li C, Peng H S, et al. Tourism eco-efficiency at the provincial level in China in the context of energy conservation and emission reduction[J]. Progress in Geography, 2021, 40(8): 1284-1297. |
| [30] |
王淑新, 何红, 付恒阳. 评估旅游活动环境影响的一种新方法: 旅游热足迹[J]. 干旱区资源与环境, 2021, 35(5): 203-208. Wang S X, He H, Fu H Y. Assessing an environmental impact of China's tourism activities: a tourism heat footprint method[J]. Journal of Arid Land Resources and Environment, 2021, 35(5): 203-208. |
| [31] | Gössling S, Hansson C B, Hörstmeier O, et al. Ecological footprint analysis as a tool to assess tourism sustainability[J]. Ecological Economics, 2002, 43(2-3): 199-211. DOI:10.1016/S0921-8009(02)00211-2 |
| [32] |
李志远, 冯学钢, 左文俊, 等. 长江经济带城市韧性水平与旅游环境承载力交互胁迫及协同响应[J]. 地理科学, 2024, 44(4): 660-669. Li Z Y, Feng X G, Zuo W J, et al. Interactive stress effect and collaborative response of urban resilience level and tourism environmental carrying capacity: a case study of the Yangtze River Economic Belt[J]. Scientia Geographica Sinica, 2024, 44(4): 660-669. |
| [33] | Zhou J Y, Chang S S, Ma W Q, et al. An unbalance-based evaluation framework on urban resources and environment carrying capacity[J]. Sustainable Cities and Society, 2021, 72. DOI:10.1016/j.scs.2021.103019 |
| [34] |
穆学青, 郭向阳, 明庆忠, 等. 黄河流域旅游生态安全的动态演变特征及驱动因素[J]. 地理学报, 2022, 77(3): 714-735. Mu X Q, Guo X Y, Ming Q Z, et al. Dynamic evolution characteristics and driving factors of tourism ecological security in the Yellow River Basin[J]. Acta Geographica Sinica, 2022, 77(3): 714-735. |
| [35] | Xiaobin M, Biao S, Guolin H, et al. Evaluation and spatial effects of tourism ecological security in the Yangtze River Delta[J]. Ecological Indicators, 2021, 131. DOI:10.1016/j.ecolind.2021.108190 |
| [36] | Wang T, Yang Z P, Han F, et al. Assessment of tourism socio-ecological system resilience in arid areas: a case study of Xinjiang, China[J]. Ecological Indicators, 2024, 159. DOI:10.1016/j.ecolind.2024.111748 |
| [37] |
刘玫君, 熊建新, 王静, 等. 洞庭湖区生态旅游韧性时空演变及驱动因素[J]. 中南林业科技大学学报, 2025, 45(4): 181-191. Liu M J, Xiong J X, Wang J, et al. Spatio-temporal evolution and driving factors of ecotourism resilience in Dongting lake area[J]. Journal of Central South University of Forestry & Technology, 2025, 45(4): 181-191. |
| [38] |
李志远, 冯学钢, 夏赞才, 等. 长江经济带旅游生态韧性与效率协同效应及空间特征分析[J]. 旅游科学, 2024, 38(3): 1-23. Li Z Y, Feng X G, Xia Z C, et al. Synergy effect and spatial characteristics analysis of tourism ecological resilience and efficiency in the Yangtze River Economic Belt[J]. Tourism Science, 2024, 38(3): 1-23. |
| [39] |
聂寒玉, 张颜辉, 李慧, 等. 黄河流域旅游生态韧性发展水平的时空演化及多尺度障碍因子分析[J]. 干旱区地理, 2025, 48(6): 1089-1102. Nie H Y, Zhang Y H, Li H, et al. Spatio-temporal evolution and multi-scale barrier factor analysis of tourism ecological resilience in the Yellow River Basin[J]. Arid Land Geography, 2025, 48(6): 1089-1102. |
| [40] |
李智慧, 郭海燕, 胡奕, 等. 中国旅游生态安全的空间关联网络结构及其影响因素[J]. 生态学报, 2024, 44(23): 10582-10594. Li Z H, Guo H Y, Hu Y, et al. Spatial correlation network structure and influencing factors of tourism ecological security in China[J]. Acta Ecologica Sinica, 2024, 44(23): 10582-10594. |
| [41] |
黄冬春, 王兆峰. 长江中游城市群旅游生态效率空间网络结构演变及其效应[J]. 长江流域资源与环境, 2023, 32(11): 2326-2337. Huang D C, Wang Z F. Evolution of spatial network structure of tourism eco-efficiency and its effect of urban agglomeration in Middle Reaches of Yangtze River[J]. Resources and Environment in the Yangtze Basin, 2023, 32(11): 2326-2337. |
| [42] |
曹芳东, 黄震方, 黄睿, 等. 江苏省高速公路流与景区旅游流的空间关联及其耦合路径[J]. 经济地理, 2021, 41(1): 232-240. Cao F D, Huang Z F, Huang R, et al. Spatial correlation and coupling path between freeway flow and tourism flow of scenic spot in Jiangsu Province[J]. Economic Geography, 2021, 41(1): 232-240. |
| [43] |
李志远, 冯学钢, 何静, 等. 中国旅游生态韧性空间关联网络结构及其驱动因素[J]. 地理研究, 2024, 43(5): 1146-1165. Li Z Y, Feng X G, He J, et al. Spatial correlation network structure and driving factors of tourism ecological resilience in China[J]. Geographical Research, 2024, 43(5): 1146-1165. |
| [44] |
冯新惠, 李艳, 王诗逸, 等. "双碳"目标下城市形态对碳排放的影响: 以长江经济带为例[J]. 环境科学, 2024, 45(6): 3389-3401. Feng X H, Li Y, Wang S Y, et al. Impacts of urban form on carbon emissions under the goal of carbon emission peak and carbon neutrality: a case study of the Yangtze River Economic Belt[J]. Environmental Science, 2024, 45(6): 3389-3401. DOI:10.13227/j.hjkx.202307030 |
| [45] |
刘玒玒, 刘书芳. 黄河流域城市群生态韧性时空演化及提升路径研究[J]. 环境科学研究, 2024, 37(7): 1534-1545. Liu H H, Liu S F. Research on spatiotemporal evolution and improvement paths of ecological resilience in Yellow River Basin Urban Agglomerations[J]. Research of Environmental Sciences, 2024, 37(7): 1534-1545. |
| [46] |
朱静敏, 卢小丽. 数字经济提升旅游经济韧性的作用机制及空间效应[J]. 地理科学进展, 2024, 43(10): 2004-2020. Zhu J M, Lu X L. Mechanism of impact and spatial effects of digital economy in enhancing tourism economic resilience[J]. Progress in Geography, 2024, 43(10): 2004-2020. |
| [47] |
韩冬日, 刁燕霞, 王心娟. 黄河流域减污降碳协同治理效率空间网络关联特征及驱动因素[J]. 环境科学, 2025, 46(6): 3592-3603. Han D R, Diao Y X, Wang X J. Correlation characteristics and driving factors of spatial network of collaborative governance efficiency of pollution reduction and carbon reduction in the Yellow River Basin[J]. Environmental Science, 2025, 46(6): 3592-3603. DOI:10.13227/j.hjkx.202405227 |
| [48] |
罗泓然, 周启刚, 李辉, 等. 基于社会网络分析法的土地利用碳收支空间关联关系演变: 以重庆主城都市区为例[J]. 环境科学, 2024, 45(9): 5003-5014. Luo H R, Zhou Q G, Li H, et al. Spatial correlation of land use carbon budget based on social network analysis: a case study of Chongqing Metropolitan Area[J]. Environmental Science, 2024, 45(9): 5003-5014. DOI:10.13227/j.hjkx.202308150 |
| [49] |
王朝辉, 乔浩浩, 张姗姗, 等. 入境旅游流空间格局演化及大都市旅游高质量发展——以上海市为例[J]. 自然资源学报, 2022, 37(12): 3167-3182. Wang C H, Qiao H H, Zhang S S, et al. Evolution of spatial pattern of inbound tourism flows and enlightenment of high-quality development of metropolitan tourism: a case stady of Shanghai[J]. Journal of Natural Resources, 2022, 37(12): 3167-3182. |
| [50] |
丁一萌, 韩玲, 黄馨. 陕西省县域碳盈亏驱动因素及时空异质性[J]. 环境科学, 2025, 46(3): 1502-1516. Ding Y M, Han L, Huang X. Temporal and spatial heterogeneity and its influencing factors of carbon surplus and deficit at county-level areas in Shaanxi Province[J]. Environmental Science, 2025, 46(3): 1502-1516. DOI:10.13227/j.hjkx.202401161 |
| [51] |
郑金辉, 徐维祥, 陈希琳, 等. 长江经济带多维产业结构对资源环境承载力影响的空间效应[J]. 长江流域资源与环境, 2023, 32(1): 1-13. Zheng J H, Xu W X, Chen X L, et al. Spatial effect of multidimensional industrial structure on resource and environmental carrying capacity in Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2023, 32(1): 1-13. |
| [52] |
廖钟淇, 范业婷, 王君櫹, 等. 长三角耕地生态系统服务功能时空演变及其驱动机制[J]. 环境科学, 2025, 46(6): 3681-3692. Liao Z Q, Fan Y T, Wang J X, et al. Spatiotemporal evolution of cultivated land ecosystem service functions in the Yangtze River Delta and its driving mechanism[J]. Environmental Science, 2025, 46(6): 3681-3692. DOI:10.13227/j.hjkx.202405081 |