论文部分内容阅读
摘要:发展乡村休闲旅游是实现乡村振兴的有效途径。以北京市密云区为例,依据分类将POI数据中的1 793个乡村休闲旅游地分为自然风景类、历史与文化活动类、观光农场类和休闲度假类等4类。借助空间数据分析方法和数理统计分析方法,研究其空间格局及影响因素。结果表明,研究区内整体和各类乡村休闲旅游地空间分布趋于集聚。乡村休闲旅游地以观光农场类和休闲度假类为主,二者共占62.87%,在古北口镇、石城镇等乡(镇)分布较集聚。依据最大空间集聚尺度的核密度带宽分析结果,整体和各类乡村休闲旅游地呈现“两条轴带,多个增长极”的集聚分布格局;自然風景类在白、潮河轴带沿线和古北口镇司马台村等增长极所在的村域集聚;观光农场类在已有白、潮河轴带的基础上,凸显了以司马台村为核心的增长极;休闲度假类在已有白、潮河轴带的基础上,呈现环绕古北口镇司马台村的安达木河轴带;历史与文化活动类主要集聚于古北口村、司马台村等增长极上。乡村休闲旅游地的空间格局主要受交通区位、资源禀赋、发展规划等因素的影响。以期为村域等微观尺度乡村休闲旅游差异化研究提供参考,并为密云区乡村休闲旅游地选址布局提供参考依据。
关键词:POI;乡村休闲旅游地;空间格局;影响因素;密云区;乡村振兴战略
中图分类号: F323.4文献标志码: A
文章编号:1002-1302(2021)08-0015-07
收稿日期:2020-08-12
基金项目:北京市农林科学院青年科研基金 (编号:QNJJ201902);北京市自然科学基金面上项目(编号:9192010);河北省社会科学基金(编号:HB18YJ011)。
作者简介:冼炜轩(1995—),男,广东广州人,硕士研究生,主要从事土地资源与城乡规划研究。E-mail:2221262066@qq.com。
通信作者:刘巧芹,博士,教授,主要从事人文地理、土地评价与土地利用规划研究。E-mail:1147065605@qq.com。
乡村是介于城市之间,由多层次的集镇、村庄及其所辖区域组合而成的空间系统[1],拥有显著区别于城市的经济、社会、生态等功能。自新农村建设政策实施以来,伴随着居民收入的稳定增长,居民消费观念发生显著变化,乡村休闲旅游成为城乡居民的消费热点之一。近年来,《乡村振兴战略规划(2018—2022年)》《关于促进乡村产业振兴的指导意见》等文件均把发展乡村休闲旅游作为乡村振兴的重要抓手。因此,在实施乡村产业振兴和乡村休闲旅游分化新形势下,迫切要求系统研究乡村休闲旅游地的空间格局及其影响因素,进而为其现状的评价与优化提供参考。目前,国内外学者基于不同视角对乡村休闲旅游进行深入探讨。总体来看,国外对乡村休闲旅游的研究较早,起源于19世纪80年代的法国。后来,未来学家格雷厄姆莫里托在20世纪90年代出版的《全球经济将出现五大浪潮》进一步预言,2015年人类将进入休闲时代,这是首次提出“休闲”一词[2]。近年来,随着西欧等国家的乡村由“生产型”向“后生产型”或“多功能型”转变,乡村休闲旅游已从内涵界定和空间分析,逐步转向功能识别和发展评价等[3-5]。国内对休闲旅游的研究较晚,起步于20世纪80年代,主要涉及城乡休闲旅游地的空间格局[6-8]、布局优化[8-9]等;主要选用核密度分析、缓冲区分析和BP神经网络分析等方法[9-11];涵盖全国、省域、地市级、县域和旅游景点等研究尺度[11-12],而数据获取的限制使村域尺度的研究较少。在作用机理方面,目前主要采用公园点、景观点和互联网大数据等数据,而兴趣点(point of interest,POI)数据作为互联网大数据的代表被一些学者用于研究城市休闲旅游产业的空间格局[12-15]。相对而言,在村级尺度,基于POI数据的乡村休闲旅游空间特征及其影响机理的研究相对薄弱。综上,在村域尺度下,乡村休闲旅游空间格局分析及其影响机理的研究相对薄弱。因此,本研究基于乡村休闲旅游地视角将POI数据中的乡村休闲旅游资源数据划分为4种类型,运用多距离空间聚类分析法、核密度分析法和数理统计分析法,提炼其整体及其4种类型的空间集聚特征,并尝试从交通区位、资源禀赋、发展规划等方面揭示其影响机理。从研究意义来看,一方面利用POI数据降低研究成本和难度,拓宽乡村地理格局研究的数据源;另一方面以乡村振兴政策和休闲旅游迅速发展现状为指引,系统研究乡村休闲旅游的空间特征及其影响因素,以期服务于乡村休闲旅游地格局的评价和优化。
1 研究区概况与数据处理
1.1 研究区概况
密云区位于北京市东北部,2013年被确认为国家生态文明先行示范区和京津冀生态涵养区的重要组成部分,在北京市乃至全国的乡村研究中均处于突出地位。鉴于乡村定义(即市区和县城区域外的农村地区)和研究需要,本研究范围涵盖前焦家坞村、后焦家坞村、八家庄村等356个行政村和古北口街坊,不包括密云水库以及鼓楼、果园和檀营3个街区,研究区面积为2 035.86 km2。
1.2 数据来源及处理
本研究中的休闲旅游数据来源于北京数字空间科技有限公司提供的2017年北京市POI数据,通过数据去重、纠偏等[16]处理后,形成包含空间信息和属性类别信息的矢量数据。
依据《旅游资源分类、调查与评价》(GBT 18972—2017)[17]对旅游资源进行分类,但由于该分类不是针对休闲旅游地,对休闲旅游地的研究来说分类不够精细,难以满足研究需要。为此,根据研究区现状和已有研究成果中休闲旅游资源[12-14]、旅游地的定义[18],对《旅游资源分类、调查与评价》的分类标准进行细化,将密云区1 793个休闲旅游资源数据条目按属性类别信息细分为4类旅游地(表1),其中观光农场类952个、休闲度假类678个、历史与文化活动类107个、自然风景类56个,以此作为研究的数据基础。其他数据来源为密云区数字表面模型(DSM)和交通道路等级数据。 2 研究方法
2.1 最邻近距离分析法
最邻近距离分析法(NNI)是平均观测距离与随机分布的预期平均距离间的比率[18]。本依据运用ArcGIS 10.5中的NNI功能分析整体和各类休闲旅游的空间集聚程度。
NNI=D0DE。(1)
式中:D0表示同类型休闲旅游数据点与点的平均距离;DE表示在随机模式下同类型休闲旅游数据点与点的预期平均距离。
2.2 Ripleys K函数
Ripleys K函数可分析多尺度下点状要素的空间集聚规模[19-20]。本依据采用Crime Stats 3.3软件的Ripleys K函数分析乡村休闲旅游在不同空间尺度上的集聚特征,取L(r)最大值为最大空间集聚尺度作后续各类核密度估计分析的带宽。其中,Ripleys K函数公式如下。
K(r)=An2∑ni=1∑nj=11wijIr(uij);(2)
L(D)=K(r)∏-r。(3)
式中:A表示研究区域面积;n表示点的数量;r表示空间尺度;uij表示点i和点j之间的距离,当uij≤r时,Ir(uij)为1,否则为0。用L(D) 表示空间集聚特征,其模拟检验法所得最大值、最小值定义为上、下包络线的数值,其中L(D)>0,且模拟结果在上包络线以上,表明样本点呈聚集分布;L(D)=0且模拟结果处于上、下包络线间,表明样本点呈随机分布;L(D)
关键词:POI;乡村休闲旅游地;空间格局;影响因素;密云区;乡村振兴战略
中图分类号: F323.4文献标志码: A
文章编号:1002-1302(2021)08-0015-07
收稿日期:2020-08-12
基金项目:北京市农林科学院青年科研基金 (编号:QNJJ201902);北京市自然科学基金面上项目(编号:9192010);河北省社会科学基金(编号:HB18YJ011)。
作者简介:冼炜轩(1995—),男,广东广州人,硕士研究生,主要从事土地资源与城乡规划研究。E-mail:2221262066@qq.com。
通信作者:刘巧芹,博士,教授,主要从事人文地理、土地评价与土地利用规划研究。E-mail:1147065605@qq.com。
乡村是介于城市之间,由多层次的集镇、村庄及其所辖区域组合而成的空间系统[1],拥有显著区别于城市的经济、社会、生态等功能。自新农村建设政策实施以来,伴随着居民收入的稳定增长,居民消费观念发生显著变化,乡村休闲旅游成为城乡居民的消费热点之一。近年来,《乡村振兴战略规划(2018—2022年)》《关于促进乡村产业振兴的指导意见》等文件均把发展乡村休闲旅游作为乡村振兴的重要抓手。因此,在实施乡村产业振兴和乡村休闲旅游分化新形势下,迫切要求系统研究乡村休闲旅游地的空间格局及其影响因素,进而为其现状的评价与优化提供参考。目前,国内外学者基于不同视角对乡村休闲旅游进行深入探讨。总体来看,国外对乡村休闲旅游的研究较早,起源于19世纪80年代的法国。后来,未来学家格雷厄姆莫里托在20世纪90年代出版的《全球经济将出现五大浪潮》进一步预言,2015年人类将进入休闲时代,这是首次提出“休闲”一词[2]。近年来,随着西欧等国家的乡村由“生产型”向“后生产型”或“多功能型”转变,乡村休闲旅游已从内涵界定和空间分析,逐步转向功能识别和发展评价等[3-5]。国内对休闲旅游的研究较晚,起步于20世纪80年代,主要涉及城乡休闲旅游地的空间格局[6-8]、布局优化[8-9]等;主要选用核密度分析、缓冲区分析和BP神经网络分析等方法[9-11];涵盖全国、省域、地市级、县域和旅游景点等研究尺度[11-12],而数据获取的限制使村域尺度的研究较少。在作用机理方面,目前主要采用公园点、景观点和互联网大数据等数据,而兴趣点(point of interest,POI)数据作为互联网大数据的代表被一些学者用于研究城市休闲旅游产业的空间格局[12-15]。相对而言,在村级尺度,基于POI数据的乡村休闲旅游空间特征及其影响机理的研究相对薄弱。综上,在村域尺度下,乡村休闲旅游空间格局分析及其影响机理的研究相对薄弱。因此,本研究基于乡村休闲旅游地视角将POI数据中的乡村休闲旅游资源数据划分为4种类型,运用多距离空间聚类分析法、核密度分析法和数理统计分析法,提炼其整体及其4种类型的空间集聚特征,并尝试从交通区位、资源禀赋、发展规划等方面揭示其影响机理。从研究意义来看,一方面利用POI数据降低研究成本和难度,拓宽乡村地理格局研究的数据源;另一方面以乡村振兴政策和休闲旅游迅速发展现状为指引,系统研究乡村休闲旅游的空间特征及其影响因素,以期服务于乡村休闲旅游地格局的评价和优化。
1 研究区概况与数据处理
1.1 研究区概况
密云区位于北京市东北部,2013年被确认为国家生态文明先行示范区和京津冀生态涵养区的重要组成部分,在北京市乃至全国的乡村研究中均处于突出地位。鉴于乡村定义(即市区和县城区域外的农村地区)和研究需要,本研究范围涵盖前焦家坞村、后焦家坞村、八家庄村等356个行政村和古北口街坊,不包括密云水库以及鼓楼、果园和檀营3个街区,研究区面积为2 035.86 km2。
1.2 数据来源及处理
本研究中的休闲旅游数据来源于北京数字空间科技有限公司提供的2017年北京市POI数据,通过数据去重、纠偏等[16]处理后,形成包含空间信息和属性类别信息的矢量数据。
依据《旅游资源分类、调查与评价》(GBT 18972—2017)[17]对旅游资源进行分类,但由于该分类不是针对休闲旅游地,对休闲旅游地的研究来说分类不够精细,难以满足研究需要。为此,根据研究区现状和已有研究成果中休闲旅游资源[12-14]、旅游地的定义[18],对《旅游资源分类、调查与评价》的分类标准进行细化,将密云区1 793个休闲旅游资源数据条目按属性类别信息细分为4类旅游地(表1),其中观光农场类952个、休闲度假类678个、历史与文化活动类107个、自然风景类56个,以此作为研究的数据基础。其他数据来源为密云区数字表面模型(DSM)和交通道路等级数据。 2 研究方法
2.1 最邻近距离分析法
最邻近距离分析法(NNI)是平均观测距离与随机分布的预期平均距离间的比率[18]。本依据运用ArcGIS 10.5中的NNI功能分析整体和各类休闲旅游的空间集聚程度。
NNI=D0DE。(1)
式中:D0表示同类型休闲旅游数据点与点的平均距离;DE表示在随机模式下同类型休闲旅游数据点与点的预期平均距离。
2.2 Ripleys K函数
Ripleys K函数可分析多尺度下点状要素的空间集聚规模[19-20]。本依据采用Crime Stats 3.3软件的Ripleys K函数分析乡村休闲旅游在不同空间尺度上的集聚特征,取L(r)最大值为最大空间集聚尺度作后续各类核密度估计分析的带宽。其中,Ripleys K函数公式如下。
K(r)=An2∑ni=1∑nj=11wijIr(uij);(2)
L(D)=K(r)∏-r。(3)
式中:A表示研究区域面积;n表示点的数量;r表示空间尺度;uij表示点i和点j之间的距离,当uij≤r时,Ir(uij)为1,否则为0。用L(D) 表示空间集聚特征,其模拟检验法所得最大值、最小值定义为上、下包络线的数值,其中L(D)>0,且模拟结果在上包络线以上,表明样本点呈聚集分布;L(D)=0且模拟结果处于上、下包络线间,表明样本点呈随机分布;L(D)