EN中文

自然资源学报 >

2024 , Vol. 39 >Issue 6: 1262 - 1277

DOI: https://doi.org/10.31497/zrzyxb.20240602

中国城市群旅游经济韧性的动态变化及障碍因子分析

  • 杨莎莎 , 1 ,
  • 黄丽露 2 ,
  • 段至诚 3 ,
  • 黄婉华 4
展开
  • 1.桂林旅游学院商学院，桂林 541006
  • 2.广西民族大学民族学与社会学学院，南宁 530006
  • 3.广西大学工商管理学院，南宁 530004
  • 4.广西民族大学管理学院，南宁 530006

杨莎莎（1981- ），女，广西河池人，博士，教授，博士生导师，主要从事区域旅游可持续发展方向的研究。E-mail:

收稿日期: 2023-09-18

  修回日期: 2024-01-09

  网络出版日期: 2024-06-11

基金资助

国家社会科学基金重大项目(20&ZD157)

收起

Spatiotemporal dynamic and obstacle factor analysis of tourism economic resilience in Chinese urban agglomeration

  • YANG Sha-sha , 1 ,
  • HUANG Li-lu 2 ,
  • DUAN Zhi-cheng 3 ,
  • HUANG Wan-hua 4
Expand
  • 1. Business School of Guilin Tourism College, Guilin 541006, Guangxi, China
  • 2. School of Ethnology and Sociology, Guangxi Minzu University, Nanning 530006, China
  • 3. School of Business Administration, Guangxi University, Nanning 530004, China
  • 4. School of Management, Guangxi Minzu University, Nanning 530006, China

Received date: 2023-09-18

  Revised date: 2024-01-09

  Online published: 2024-06-11

Fold

摘要

旅游经济韧性强调旅游生态系统吸收或承受扰动和其他压力的能力，使旅游产业的发展维持其结构和功能；旅游韧性管理通过合理的内外部资源利用，以最快的速度恢复旅游产品供给和旅游服务功能。在多源数据支持下，构建中国城市群旅游经济韧性评价指标体系，运用组合动态评价法对各城市群旅游经济韧性进行定量分析以及识别韧性水平层次，通过空间核密度方法对城市群旅游经济韧性的演进过程、空间分布形态进行动态分析，使用障碍度模型分析各准则层与指标层对旅游经济韧性的负面影响程度，为旅游经济韧性水平提升寻找路径支撑。结果表明：（1）大多数城市群在2010—2018年间的旅游经济韧性均呈上升趋势，但2020年受到疫情的影响，旅游经济韧性下降；（2）城市群旅游经济韧性发展与区域经济发展的空间格局及演进规律基本一致；（3）城市群内部相邻城市的发展对韧性水平的影响较小，城市群整体的旅游经济韧性水平相对独立；（4）数字化工具在旅游业中的应用对提高韧性起到了积极作用。

关键词： 城市群; 旅游经济韧性; 空间核密度; 障碍因子

本文引用格式

杨莎莎 , 黄丽露 , 段至诚 , 黄婉华 . 中国城市群旅游经济韧性的动态变化及障碍因子分析[J]. 自然资源学报, 2024 , 39(6) : 1262 -1277 . DOI: 10.31497/zrzyxb.20240602

Abstract

The resilience of the tourism economy emphasizes the ability of the tourism ecosystem to absorb or withstand disturbances and other pressures, enabling the development of the tourism industry to maintain its structure and function. Good tourism resilience management can restore the supply of tourism products and the functions of tourism services at the fastest speed through reasonable utilization of internal and external resources. Supported by multi-source data, a tourism economic resilience evaluation index system for Chinese urban agglomerations was constructed. The combination dynamic evaluation method was used to quantitatively analyze the tourism economic resilience of each urban agglomeration and identify the level of resilience. The spatial kernel density method was used to dynamically simulate and analyze the evolution process and spatial distribution pattern of tourism economic resilience in urban agglomerations. An obstacle model was used to analyze the negative impact of each criterion layer and indicator layer on tourism economic resilience, in order to find path support for improving the level of tourism economic resilience. The results indicate that: (1) The tourism economic resilience of most urban agglomerations showed an upward trend from 2010 to 2018, reflecting the overall enhancement of tourism economy in different regions of China. However, due to the impact of the COVID-19 in 2020, the resilience of tourism economy declined. (2) The spatial pattern and evolution law of the resilience development of tourism economy in urban agglomerations are basically consistent with that of regional economic development. (3) The development of adjacent cities within the urban agglomeration has a relatively small impact on the resilience level, and the overall tourism economic resilience level of the urban agglomeration is relatively independent. (4) The application of digital tools in the tourism industry has a positive impact on enhancing resilience. This article proposes suggestions to strengthen resilience in responding to emergencies, promote the widespread application of digitalization and informatization in the tourism industry, optimize the infrastructure and resource allocation of the tourism market, and establish the cooperation mechanism between urban clusters, in order to enhance the overall resilience of urban clusters.

Key words： urban agglomerations; tourism economic resilience; spatial kernel density; obstacle factor

旅游产业作为国民经济的重要战略支柱产业[1]，为各地带来高效的旅游流与经济、知识溢出效应，有利于地区间的信息交流与沟通，提高国民劳动就业率与收入，缩小国民收入差距，实现共同富裕[2]。中国旅游产业随人民财富收入的增长及对美好生活支付愿望的提升而不断发展[3]。纵观中国旅游经济发展历程，不确定性风险始终影响着旅游业，其环境敏感性使其容易受到自然、社会、政治和经济环境的波动影响，具有脆弱性特征[4]，因此旅游经济的韧性水平成为衡量其可持续发展能力的关键指标[5]。为减少不确定性风险对区域旅游经济发展带来的损失，有必要对区域旅游经济的韧性问题进行深入分析，确保旅游业在不确定性风险下持续发展，为社会各个群体提供更多机会，实现共同富裕目标，保护环境和维持资源可持续性。在经济、文化交流日益密切的大背景下，旅游产业发展体现出区域开放性和产业关联性，与城市群的融合度逐步提升[6]。城市群不仅是空间主体，也是区域旅游业发展和市场竞争的重要载体[7]。因此，通过城市群层面，科学识别旅游经济韧性潜力来源，提高地区旅游经济韧性，适应外部冲击，促使旅游业快速恢复，带动地方经济增长，有助于实现共同富裕战略目标[8]，促进中国经济的可持续和区域协调发展。
韧性理论最早于2002年被Reggiani等[9]应用至经济学领域，以对抗脆弱性、提升经济系统的自适应和可持续发展能力，并提出韧性水平的差异会导致不同区域在同样的外部冲击下呈现出不同的反应。此后，经济韧性的概念定义逐渐清晰，学界普遍认为经济系统对其内部结构进行适应和重组以缓和冲击导致的影响[10]，以及维持继续发展的同时利用外部冲击实现系统再更新的能力即为经济韧性[11,12]。而关于旅游韧性或旅游经济韧性的探讨则相对出现较晚，旅游经济韧性是指旅游生态系统吸收或承受扰动和其他压力的能力，使旅游产业的发展维持其结构和功能，良好的旅游韧性管理能够通过合理的内外部资源利用，以最快的速度恢复旅游产品的供给和旅游服务的功能。旅游经济韧性的应用集中于重大灾害或危机对旅游经济系统造成的外部冲击[13]，主要在生态环境、社会经济和地缘政治三个框架下展开。生态环境变化背景下的旅游经济韧性研究认为，生态环境是旅游经济维持继续发展能力的基础，气候变化引发的自然灾害频发，会损害旅游目的地生态群落和结构的多样性，从而暴露旅游目的地的脆弱性[14]。过度追求短期利益，人为增重生态资源压力，则加剧了旅游目的地的脆弱性。社会经济问题背景下的旅游经济韧性研究，多关注于社会问题以及重大经济危机影响下的旅游经济韧性作用[15]，特别是公共卫生事件对旅游经济的影响得到了最多的讨论[16]。地缘政治冲突背景下的旅游经济韧性研究则相对较少，但恐怖袭击和战争对旅游经济也产生了不容忽视的影响[17]，以此为切入点，提出相较于环境及社会经济问题，旅游经济韧性对政治冲突的韧性相对较高[18]。此外，旅游经济韧性的研究方法多样，包括定性研究和定量研究。定性研究方法包括案例分析、访谈和问卷调查，用于深入了解旅游业者和目的地的韧性表现，Quang等[19]则以问卷调查法将越南旅游行业从业者对疫情影响的感知进行了整理归纳，随之给出了贴合具体情况的应对建议来促进旅游经济韧性的进一步提升。定量研究方法涵盖韧性的衡量和影响因素的识别，使用不同的模型和技术来量化韧性水平，Zhang等[20]在不同风险周期情境下探讨了中国旅游经济是否存在韧性，最终借由地理探测器对旅游经济韧性的影响因素进行了识别。
综上，国内外学者通过不同方法丰富了旅游经济韧性研究，为本文提供了宝贵的理论基础。但现有旅游经济韧性研究领域在层次性和全面性方面存在不足，现有评估体系主要依据生态韧性理论，未充分考虑旅游产业的经济属性。因此，评估体系的准确性、适用性和内在价值尚需进一步验证。目前的研究主要依赖于官方统计年鉴数据，但数据存在分离偏差和缺失以及统计口径不一致的问题，难以全面反映旅游经济韧性的复杂性和真实情况。且中国的旅游经济数据主要集中在国家和省级层面，难以获取地级市层面的数据，这导致中观层面的旅游经济定量分析较少，城市群作为中观尺度的重要空间载体，对于区域协调发展和高质量就业增长具有重要意义。在当前研究的基础上，本文期望做出以下边际贡献：第一，通过整合多源数据，建立城市群旅游经济韧性评价体系，能够更全面、更准确地测度城市群旅游经济韧性的水平。对各城市群旅游经济韧性的发展水平进行初步认识，为深入研究提供基础。第二，通过划分韧性等级，深入检验城市群旅游经济韧性的时空演进态势。利用空间核密度模型，解读城市群旅游经济韧性的静态、动态演进特征以及空间相关性格局，有助于揭示城市群旅游经济韧性的内在规律和地域差异。第三，采用障碍度模型，详细分析各准则层与指标层对旅游经济韧性带来的负面影响程度，提出具体的路径指导，以促进城市群旅游经济韧性水平的提升。

1 研究方法与数据来源

1.1 研究区域

“十四五”发展规划指出要推动京津冀、长三角、珠三角、成渝、长江中游城市群不断优化提升，山东半岛、粤闽浙沿海、中原、关中平原、北部湾城市群需要发展壮大，哈长、辽中南、山西中部、黔中、滇中、呼包鄂榆、兰西、宁夏沿黄、天山北坡城市群进一步培育发展。本文参照国务院、国家发展和改革委员会以及各省（自治区、直辖市）政府批复印发的19个城市群发展规划文件，对中国19个城市群进行研究。由于城市群样本中包含部分地级市代管的县级市或省直管的县级市，数据样本可能会出现重叠，因此予以剔除，加之部分城市数据缺失严重，同样需要剔除，故选取城市群样本区间包含的全国203个地级市的数据进行研究。

1.2 数据来源

研究涉及到大量的数据，其中绿色创新专利、星级饭店数量、旅游人次规模及经济收入数据来源于中国研究数据服务平台（www.cnrds.com）；人口密度数据获取自腾讯位置大数据[21]，通过旅游人次规模、旅游经济收入以及人口密度来反映旅游目的地的远程、近程旅游经济需求韧性；旅游产业关注度、环境规制强度数据整理自各地市政府门户网站，并通过旅游词频与报告总词频、环境词频与报告总词频的比值分别反映旅游产业关注度与环境规制强度水平，以此作为旅游目的地旅游经济管理韧性水平的评价指标；夜间灯光强度数据获取自《Nature》旗下数据分享性子刊《scientific data》已发表的文章[22]。在原始数据基础上，本文对城市群下辖不同地市进行了整理归纳，得到研究区域各地市的夜间灯光强度数据。结合已获取的星级饭店数量等数据，借此综合表征城市及城市群的旅游资源、产品供给规模及多样性；社会、经济统计数据来源于2011—2021年的《中国城市统计年鉴》《中国区域经济年鉴》《中国国民经济和社会发展统计公报》《中国城市建设统计年鉴》等统计资料，部分缺失数据则依据平均值法和线性插值法补齐。

1.3 研究方法

1.3.1 组合动态评价

本文借鉴聂长飞等[23]采用纵横向拉开档次法对基础指标进行赋权，对原始数据进行标准化处理时可采用定基功效系数法，计算中国城市群旅游经济韧性水平。纵横向拉开档次法是一种新的动态综合评价方法[24]，其确定权重系数的原则是基于时序立体数据表体现各被评价对象之间的差异。
m a x   w T H   w
s . t . w = 1
w > 0  
式中：假设被评价对象集为 s = s 1 ,   s 2 ,   ⋯ ,   s n；指标权重系数向量为 w = w 1 ,   w 2 ,   ⋯ ,   w m T； x i j t k为第 i个城市群第 j个指标在第 t k年度的原始数据； x i j * t k是 x i j t k经过无量纲化处理后的值，对于时刻 t k，取综合评价函数 y i t k = ∑ j = 1 m w j x i j * t k，则 y i t k总离差平方和 σ 2 = ∑ k = 1 N ∑ i = 1 n y i t k - y - 2为各被评价对象间的差异。标准化处理原始数据可假设公式为 σ 2 = ∑ k = 1 N ∑ i = 1 n y i t k 2 = ∑ k = 1 N w T H k w = w T ∑ k = 1 N H k w = w T H w。其中， H = ∑ k = 1 N H k为 m × m阶对称矩阵，而 H k = A k T A k，由此若假设 w T w = 1，可取 w为矩阵 H的最大特征值所对应的特征向量，且 σ 2取最大值。同时为了保证所有权重为正，可进一步假设 w > 0，即可通过上式计算得出指标权重系数向量 w。
以2010年为基期，对原始数据运用功效系数法进行标准化处理，具体公式为：
s i j t k = 10 × m a x x j t 1 - x i j t k m a x x j t 1 - m i n x j t 1           x j 为 正 向 指 标 10 × x i j t k - m i n x j t 1 m a x x j t 1 - m i n x j t 1           x j 为 逆 向 指 标
式中：第 i个城市群第 j个指标在第 t k年度的原始值和标准值分别用 x i j t k和 s i j t k；所有城市群第 j个指标在基期的最大值和最小值可用 m a x x j t 1和 m i n x j t 1分别表示。
运用线性加权法结合上述权重系数向量和标准化处理后的指标值，即可计算出第 i个城市群第 t k年度的旅游经济韧性指数 Q i t k，公式为：
Q i t k = ∑ j = 1 m w j s i j t k

1.3.2 时空动态分析

传统核密度估计以高斯核函数为底层逻辑，能够有效展示出旅游经济韧性的时空格局。传统的核密度估计公式如下：
f x = 1 n h ∑ i = 1 n K x i - x - h
K x = 1 2 π e x p - x 2 2
式中：假设随机变量 X其密度函数为 f ( x )；随机变量 X = ( x 1 ,   x 2 , ⋯ ,   x n )为独立同分布的观测值； x -为均值； n为城市群城市数量（个）； h为带宽，密度函数的平滑参数由 h决定； K ( x )定义为高斯核函数，本文基于符合正态分布的高斯核函数进行密度估计。
空间核密度分析则是基于传统核密度估计上，加入时间和空间因素，对随机变量进行描述，从无条件、空间静态、空间动态三个角度出发，使分析角度更广，更能反映随机变量的空间分布特征及动态演进过程[25]，可估计随机变量的概率密度，在时空条件下利用连续密度曲线描述随机变量的分布形态。
f x ,   y = 1 n h x h y ∑ i = 1 n K x X i - x h x K y Y i - y h y
g y | x = f ( x ,   y ) f ( x )
式中： f x ,   y为结合时间和空间条件下的联合核密度函数； g y | x为在 x的条件下的 y的分布。

1.3.3 阻力要素测度

阻力要素测度可利用障碍因子诊断模型进行分析[26]，分析影响城市群旅游经济韧性的影响因子，为制定科学、合理的政策提供依据，促进旅游经济可持续发展[27]，具体公式如下：
T i j = ∑ P i j = 1 - m i j
P i j = T i j w j ∑ j = 1 n T i j w j × 100 %
式中： T i j为指标偏离度； w j为因子贡献度，即其权重； m i j为单项指标的标准化值； P i j为单项指标对该年份旅游经济韧性的障碍度（%）。障碍度越大，阻碍效应越强；障碍度越小，则阻碍效应越弱。

1.4 指标体系

有别于目前基于生态环境思维的韧性概念架构，本文从旅游业的经济属性出发构建韧性评价体系，提出旅游韧性应注重旅游产业与地区经济的融合度及兼容性。旅游经济的持续发展不仅依靠外地游客，亦需挖掘本地居民的潜在需求。当流动性受阻等不确定性风险来临时，远程游客与近程游客的转变替换可以为旅游经济提供韧性生存空间。旅游经济的核心是旅游活动，在风险来临时的抗脆弱性水平主要体现为旅游服务提供者的供给能力和游客旺盛的旅游需求[28]。再者，丰富旅游经济结构以及加强政府管理能力是旅游活动应对社会风险冲击时增强恢复能力的重要手段[29]。因此，本文将从旅游业的经济属性出发，从供给、需求、结构、管理四个角度对旅游经济韧性进行综合评价（表1）。
表1 旅游经济韧性指标体系

Table 1 Evaluation index system of tourism resilience

A目标层 B准则层 C指标层 D计算方法

旅游经济韧性		 供给韧性 旅游业贡献率/% 地区旅游经济收入/GDP
星级饭店数量/个 —
住宿餐饮行业从业人员占比/% 地区住宿餐饮行业从业人员数量/就业人员总量
文化娱乐行业从业人员占比/% 地区文化娱乐行业从业人员数量/就业人员总量
夜间灯光强度/(Lm/m2) —
需求韧性 旅游人次规模/千人 —
旅游消费水平/元 地区旅游经济收入/地区旅游人次
旅游收入/百万元 —
人口密度/(人/km2) —
人均社会消费品零售额/元 地区社会消费品零售总额/地区总人口
结构韧性 产业结构合理化指数/% 地区第三产业产值/第二产业产值
资金配置效率/% 地区金融机构贷款余额/金融机构存款余额
数字化产业从业人员占比/% 地区数字化产业从业人员数量/就业人员总量
绿色创新专利占比/% 地区绿色创新专利数量/创新专利总量
互联网普及率/% 地区互联网宽带接入用户数/总人口
管理韧性 固定资产投资总额/百万元 —
环境规制强度/% 地区政府报告环境相关词频/报告总词频
政府干预水平/% 地区财政支出/GDP
社保就业支出/百万元 —
旅游产业关注度/% 地区政府报告旅游相关词频/报告总词频
其中，供给韧性与需求韧性综合考量旅游目的地在流动性危机下的营业反脆弱性，即旅游产业与当地经济的融合度及服务对象的兼容性。基于参考文献 [30]，本文用星级酒店数量、住宿餐饮行业从业人员占比和文化娱乐行业从业人员占比等指标表征旅游经济的供给韧性，衡量旅游服务提供者在受到风险干扰后恢复到理想状态的能力。基于参考文献 [31]，用旅游人次规模、旅游消费水平等指标表征旅游产业的需求韧性，衡量游客在受到风险干扰后恢复旅游活动的动力。结构韧性则主要考量旅游目的地在流动性限制或消费潮流变化等不确定性风险下是否具备形成数字旅游或替代性旅游的调整创新能力。基于参考文献 [32]，用产业结构合理化指数、数字行业从业人员比例等指标表征旅游经济的结构韧性，衡量旅游目的地在受到风险干扰后是否具备形成数字旅游代替传统旅游的调整能力。管理韧性则是通过旅游目的地在旅游生态环境保护、旅游产业扶持、基础设施支撑等方面的投入状况及重视程度进行表征，体现了旅游目的地对于旅游经济反脆弱性的潜在扶持能力。基于参考文献 [33]，用环境监管力度、旅游行业关注度等指标表征旅游经济的管理韧性，衡量旅游目的地受到风险干扰后的潜在应对能力。

2 结果分析

2.1 城市群旅游经济韧性水平的量化分析

为直观展现各城市群旅游经济韧性的量级演化规律，通过Origin软件对各城市群旅游经济韧性数值进行矩阵化处理，以Planar heat map的形式对中国各城市群旅游经济韧性进行可视化效果呈现，如图1所示。
图1 中国城市群旅游韧性的整体演进态势

Fig. 1 Evolution of tourism resilience in urban agglomerations

从旅游经济韧性的量级分布来看，中国城市群整体旅游经济韧性水平处于0.1~0.3范围内。珠三角、长三角、京津冀三大城市群及粤闽浙城市群在观测年份内旅游经济韧性水平超过0.3，大部分城市群旅游经济韧性水平处于0.1~0.2范围，中国城市群旅游经济韧性的整体发展水平仍存在较大的进步空间。从旅游经济韧性水平的发展态势来看，中国城市群旅游经济韧性在观测中期出现小幅扰动外，基本呈现增长态势，但2020年受新型冠状病毒肺炎疫情（以下简称“疫情”）的影响，中国城市群旅游经济韧性水平有所下降。其中，超半数城市群年均韧性增长率处于6%~8%，长江中游、成渝、关中、晋中、滇中、黔中、兰西城市群年均增长率超过8.5%。结合旅游经济韧性水平的量级分布格局，韧性水平较高的城市群因较强的基础和较大的规模，其年均增速已逐步趋于平稳。而增速较高的城市群则受限于区位因素、旅游资源匮乏或区域空间发展效益不佳等因素，导致其基础韧性水平较差，仍处于初期的快速增长阶段。总之，城市群旅游经济韧性水平的整体量级分布格局及演进态势与中国现阶段区域经济的发展规律具有较强的相似性。

2.2 城市群旅游经济韧性水平的时空格局特征分析

为进一步探寻城市群内部各城市旅游经济韧性水平的分布格局及演进态势，对组合动态评价法测算所得韧性水平进行自然间断法分级，如表2所示。
表2 中国城市群旅游经济韧性等级统计

Table 2 Statistics of tourism resilience in urban agglomerations

城市群 年份 综合等级
2010 2012 2014 2016 2018 2020
京津冀 IV IV V V V IV V
辽中南 III III IV III IV III IV
长三角 IV V V V V IV V
粤闽浙 IV IV V V V IV V
长江中游 III II III IV IV IV III
山东半岛 III IV IV IV V III IV
中原 III III IV IV IV III IV
珠三角 V V V V V IV V
成渝 II III III IV IV IV IV
关中 II II III III IV IV III
哈长 II II III III IV III III
北部湾 II III III IV IV III III
晋中 II II III III IV IV III
呼包鄂榆 II III IV IV V IV IV
滇中 II II III IV IV IV III
黔中 II III IV IV V III IV
兰西 I II II III IV III III
宁夏沿黄 I II III III III III III
天山北坡 III III III IV V III IV

注：I、II、III、IV、V分别表示低韧性、较低韧性、中级韧性、较高韧性、高韧性等级。

从时序发展特征上看，城市群在观测年份内皆出现了韧性等级上升，旅游经济韧性的整体水平改善相对较明显。2010—2018年，京津冀城市群的韧性等级逐渐提高，从IV级升至V级，在2020年略有回落至IV级。2010—2016年，辽中南城市群的韧性等级经历了波动，但整体保持在III~IV级之间，之后在2018年有一个回升至IV级的趋势。长三角城市群在2012—2018年间，韧性等级一直维持在V级，而在2020年下降至IV级。粤闽浙城市群的韧性等级在2012—2018年间一直维持在V级，在2020年略有下降。从2010—2020年，长江中游城市群的韧性等级有所波动，但整体维持在III级~IV级之间。山东半岛城市群的韧性等级在2010—2018年间逐渐提高，在2020年有所下降。中原城市群的韧性等级在2010—2018年间逐渐提高，在2020年下降至IV级。珠三角城市群在2010—2018年间一直维持在V级，而在2020年下降至IV级。成渝城市群的韧性等级在2010—2018年间逐渐提高，在2020年下降至IV级。其他城市群的韧性等级在不同年份有所波动，整体呈现出多样化的趋势。总体而言，不同城市群在不同时期的旅游经济韧性等级有所波动，2020年受到全球疫情的冲击，整体呈现下降趋势。
从空间格局特征上看，中国城市群旅游经济韧性分布格局的区域属性较为明显，主要划分为三个类别。首先，较高及以上韧性等级的城市群，主要分布于社会经济发展整体靠前的东部沿海区域，东部沿海城市群的旅游经济韧性水平具有较为普遍的空间一致性，区域核心城市与周边城市韧性等级差距不大；其次，中级韧性等级城市群多分布于中部区域，此范围内城市群多由研究初始年份的较低韧性等级逐步攀升至较高韧性等级，发展迅速，旅游经济的反脆弱性改善程度较高。东北、西北区域的哈长、宁夏沿黄城市群仍维持在较低的韧性等级，这可能受限于区位因素、旅游资源开发程度以及整体发展基础的劣势，导致其旅游经济韧性的发展较为缓慢。结合时序发展与空间格局二者特征可以发现，韧性水平的等级跨越多发生在研究年份范围内社会经济整体进步较快的中部及西南区域城市群；较高及高等级韧性水平的城市群多位于经济规模较强及经济结构较合理的东部沿海区域，进一步反映了中国旅游经济韧性发展与区域经济发展的空间格局及演进规律基本一致。

2.3 城市群旅游经济韧性水平的分布动态演化规律分析

在充分掌握中国城市群旅游经济韧性水平及发展状态的基础上，现通过空间核密度方法，从无条件、空间静态、空间动态三个角度对城市群旅游经济韧性的演进过程、空间分布形态进行动态模拟分析，以期进一步探索中国城市群旅游经济韧性的空间效应。

2.3.1 无条件核密度分析

在无条件状态下，城市群t年份至t+3年份韧性发展的动态趋势，如图2所示。
图2 中国城市群旅游经济韧性的无条件核密度等高线

Fig. 2 Unconditional kernel density and density contour of resilience

从分布状态上看，密度等高线集中分布于图中正45°角附近，略微偏向对角线上方。同时空间形态的覆盖面较广，说明整体上城市群t年份至t+3年份旅游经济韧性呈现略微上升态势。城市群整体旅游经济韧性的略微上升可能受到多个因素的共同影响，例如政府政策支持、基础设施建设、旅游服务质量提升等，反映城市群在总体上对旅游经济韧性有一定的改善。但局部区域间的旅游经济韧性水平分布格局则较为复杂，各等级的旅游经济韧性水平城市皆有覆盖，可能受到地理位置、经济发展水平、旅游资源分布等因素的影响，存在俱乐部收敛的可能性。旅游经济韧性高值区域逐渐趋于稳定，而少数韧性低值区域则倾向停留于中低等级，可能受到一系列困难或挑战的制约，导致其在旅游经济韧性方面仍然相对薄弱。

2.3.2 空间静态核密度分析

在无条件分析的基础上，为进一步判断城市群旅游经济韧性是否存在空间效应，运用空间静态核密度分析对城市群旅游经济韧性的空间相关性进行研究，如图3所示。
图3 中国城市群旅游经济韧性的空间静态核密度等高线

Fig. 3 Spatial static kernel density and density contour of resilience

从分布状态上看，中国城市群本区域与相邻区域的旅游经济韧性存在较弱的空间相关性，其密度等高线主要分布在正45°角下方，表明中国城市群及其相邻区域的旅游经济韧性在空间上存在一定程度的分散和差异化。中国地域广阔，城市群分布在不同地理区域，其地理差异可能导致旅游经济韧性存在较弱的空间相关性。不同地理环境下，城市群受到的旅游资源分布、气候、交通等方面的影响差异较大，因此在旅游经济韧性上呈现出较弱的空间相关性。不同城市群的经济发展水平存在显著差异，这可能影响了旅游经济韧性的形成和发展。经济发展水平高的城市群可能更容易实施提高旅游韧性的政策措施，而经济相对薄弱的城市群可能受到限制。密度等高线主要表现为低低聚集，说明城市群及其相邻区域内旅游经济韧性水平相对较低的区域有一定的聚集趋势。这反映了某些地区在旅游经济韧性方面存在共性的困难或挑战。

2.3.3 空间动态核密度分析

在空间条件的基础上加入时间跨度，进一步揭示中国不同区域城市群在空间滞后条件下是否会对本区域旅游经济韧性产生影响，如图4所示。为篇幅所限，现仅展示各城市群平面等高线图，制作流程与无条件、空间静态等高线相同。由于天山北坡城市群所选城市空间不接壤，无法进行空间矩阵搭建，故此处未对其进行分析。
图4 中国城市群旅游经济韧性的空间动态核密度等高线

Fig. 4 Spatial dynamic kernel density and density contours of the resilience

从分布位置及方向上看，京津冀城市群旅游经济韧性等高线大致展现平行于X轴的特征，表明在t年份京津冀城市群内相邻城市的发展对t+3年份京津冀城市群内的城市韧性水平的影响较小。这可能反映京津冀城市群内各城市在旅游经济韧性方面的发展趋势相对独立，相邻城市的变化对韧性水平的传递效应较弱。由于京津冀城市群内城市之间相对独立的资源配置和旅游产业结构，相邻城市的变化对于整体韧性水平的传递可能相对较弱。京津冀城市群内的城市在旅游发展方向上有自身的发展战略，相互之间的影响并不会引起剧烈的韧性变化。与之相似的城市群还有辽中南、粤闽浙、山东半岛、哈长与呼包鄂榆等。长三角、长江中游、中原、成渝、关中等城市群，也具有相似性，即其旅游经济韧性等高线主要分布在45°角下方，大多存在低低聚集，表明城市群内部相邻城市的发展对韧性水平的影响较小，整体上城市群内部的旅游经济韧性水平相对独立。低低聚集表明各城市群内部的旅游经济韧性水平较为接近，存在一定的同质性。城市群内大多数城市在旅游经济韧性上呈现相对一致的特征。珠三角、哈长、兰西、滇中、宁夏沿黄、北部湾城市群其旅游经济韧性等高线的分布表明，t年份城市群内相邻城市的发展会对t+3年份本城市的韧性水平形成一定的正向影响。相邻城市在旅游经济领域可能存在相互补充的专业知识和技能。城市之间建立人才流动机制，使得t年份的发展经验和专业知识得以在t+3年份传递，增强本城市的旅游经济韧性。合作发展基础设施和资源，例如交通网络、景点资源、文化遗产等，有助于提高城市群整体的旅游服务水平，从而在面临外部冲击时形成互助互补的效应。

2.4 城市群旅游经济韧性水平的障碍因子分析

在全面掌握城市群旅游经济韧性水平的时空发展特征基础上，通过阻力要素诊断方法，准确衡量各准则结构对整体韧性发展的阻碍程度，厘清对评价结果产生主要影响的因子，明晰关键制约因素的影响程度，为中国城市群旅游经济韧性水平的提升提供路径支持。

2.4.1 准则层阻力贡献测度

对中国城市群整体旅游经济韧性水平四大准则层的阻力贡献程度进行统计分析，具体如表3所示。
表3 中国城市群整体旅游经济韧性的准则层阻力要素统计

Table 3 Overall obstacles record of tourism resilience in urban agglomerations

年份 供给韧性 需求韧性 结构韧性 管理韧性
2010 0.278 0.263 0.198 0.261
2011 0.280 0.262 0.199 0.259
2012 0.281 0.261 0.200 0.259
2013 0.281 0.261 0.199 0.259
2014 0.281 0.262 0.199 0.258
2015 0.282 0.261 0.199 0.258
2016 0.284 0.262 0.198 0.256
2017 0.286 0.261 0.197 0.256
2018 0.286 0.261 0.197 0.256
2019 0.284 0.257 0.196 0.263
2020 0.289 0.267 0.199 0.245
由表3可知，城市群整体旅游经济韧性在供给、需求、结构和管理方面都有所增强。然而，不同年份的波动需要进一步研究。2010—2020年间，供给韧性逐渐增加，表明城市群在提供旅游服务和资源方面的韧性得到了加强。在疫情期间，城市群采取了更强有力的应对措施，例如加强卫生和安全措施，以确保游客的安全感。尽管需求韧性整体上呈增长趋势，但在2019年略有下降，可能受到疫情前期的一些负面影响，包括游客对于旅游安全的担忧，以及一些国际旅行限制的影响。结构韧性在2010—2020年间相对稳定，波动较小。这表明城市群的旅游产业结构相对稳定，变化较为缓慢。疫情期间，城市群的旅游产业结构相对稳定，表明城市群在面对冲击时能够保持产业的基本稳定。这可能是因为城市群的旅游业具有多元化，能够更好地适应外部冲击。在2020年，管理韧性下降较为明显，可能是因为城市群在应对新冠疫情面临挑战。管理韧性的降低反映出在疫情爆发初期，城市群的危机管理和卫生体系未能迅速适应并有效地应对疫情。在整体趋势中，城市群整体旅游经济韧性呈增长趋势，但2020年的明显下降表明新冠疫情对旅游经济产生了重大影响。全球旅游业受到的普遍冲击，包括国际旅行限制、封锁政策和游客行为的变化。新冠疫情作为一种全球性卫生危机，对整体旅游经济韧性的波动产生了直接影响。总体上，城市群整体旅游经济韧性的提升可能得益于对供给和需求方面的改进，但管理韧性的下降表明在应对突发卫生危机时仍存在挑战。

2.4.2 指标层阻力贡献测度

在对准则层阻力贡献水平进行准确掌握的基础上，进一步对具体各指标的阻力贡献形势进行观察，X1~X20按顺序代指指标体系各指标，如表4所示。
表4 中国城市群整体旅游经济韧性的指标层阻力要素统计

Table 4 Obstacles record of tourism resilience in urban agglomerations

年份 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
2010 0.065 0.049 0.052 0.067 0.046 0.075 0.034 0.040 0.091 0.023
2011 0.065 0.048 0.051 0.068 0.048 0.075 0.034 0.040 0.090 0.023
2012 0.065 0.048 0.051 0.068 0.048 0.074 0.034 0.040 0.090 0.023
2013 0.066 0.047 0.051 0.068 0.049 0.074 0.034 0.040 0.090 0.024
2014 0.067 0.047 0.050 0.069 0.049 0.074 0.034 0.040 0.090 0.023
2015 0.067 0.046 0.050 0.069 0.049 0.074 0.034 0.040 0.089 0.023
2016 0.068 0.046 0.051 0.070 0.049 0.075 0.034 0.041 0.089 0.023
2017 0.069 0.045 0.050 0.072 0.050 0.074 0.034 0.041 0.089 0.023
2018 0.069 0.045 0.050 0.072 0.050 0.074 0.034 0.041 0.089 0.023
2019 0.070 0.042 0.048 0.073 0.051 0.073 0.034 0.041 0.085 0.024
2020 0.070 0.051 0.060 0.069 0.039 0.076 0.035 0.042 0.094 0.019
年份 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20
2010 0.033 0.033 0.063 0.051 0.018 0.063 0.020 0.054 0.084 0.039
2011 0.034 0.033 0.064 0.050 0.018 0.063 0.020 0.054 0.083 0.038
2012 0.034 0.033 0.064 0.051 0.019 0.062 0.021 0.054 0.083 0.038
2013 0.033 0.033 0.064 0.050 0.019 0.061 0.021 0.054 0.083 0.039
2014 0.033 0.032 0.065 0.050 0.018 0.061 0.018 0.055 0.084 0.040
2015 0.032 0.032 0.065 0.050 0.019 0.061 0.019 0.055 0.083 0.040
2016 0.032 0.033 0.065 0.050 0.018 0.061 0.019 0.054 0.084 0.037
2017 0.031 0.033 0.067 0.049 0.018 0.065 0.019 0.050 0.084 0.037
2018 0.031 0.033 0.067 0.049 0.018 0.065 0.019 0.050 0.084 0.037
2019 0.030 0.033 0.067 0.047 0.018 0.065 0.018 0.057 0.084 0.039
2020 0.029 0.035 0.064 0.052 0.019 0.059 0.017 0.054 0.080 0.036
2010—2020年，城市群整体旅游经济呈现出相对稳定或逐渐增长的总体趋势。旅游业贡献率（X1）、住宿餐饮行业从业人员占比（X4）、旅游人次规模（X6）、人口密度（X9）、社保就业支出（X19）五个指标对中国城市群旅游经济韧性的阻力贡献程度皆超过7%。旅游业贡献率的阻力贡献较大，可能是因为在城市群内旅游业的经济贡献相对较高，受到疫情等外部冲击的影响，导致旅游业的贡献率下降。从业人员占比的阻力贡献较大，反映了在疫情期间住宿餐饮行业的从业人员面临失业和收入减少的问题，对城市群旅游经济造成了一定程度的阻力。旅游人次规模的阻力贡献较大，是因为疫情期间旅游人次大幅减少，游客对旅游安全的担忧以及封锁和隔离政策，导致了旅游活动的急剧下降。人口密度的阻力贡献可能与疫情时期城市群内人口密集，导致疫情传播更容易有关，高人口密度导致更严格的防控措施，进而影响旅游经济的恢复。社保就业支出的阻力贡献较大，反映了疫情期间就业市场的波动，部分人因为疫情失业，影响城市群的社保支出。可见旅游产品的开发、旅游经济的周边性延展、旅游人口的提升、旅游市场基础的维持及建设相对较为滞后，制约了中国城市群旅游经济韧性水平的发展。在资源集聚程度较强的城市群空间范围内，各城市互联网普及率具有较高水平，信息交流对旅游经济韧性水平的阻碍相对较低。环境规制强度的低阻力现象，则反映了中国生态环境的改善对旅游韧性的促进效果。然而，2020年的新冠疫情对旅游业产生了显著的冲击，引发了一些关键指标的明显变化。夜间灯光强度（X5）和人均社会消费品零售额（X10）两项指标在2020年分别下降到0.039和0.019，突显了城市群旅游经济在疫情期间受到了重大阻力。夜间灯光强度（X5）的降低反映了旅游需求的下降，游客对安全和健康问题的担忧，以及相关政府限制措施对夜间活动的影响。而人均社会消费品零售额（X10）的下降则可能受到游客减少和购买力下降的影响。另外，互联网普及率（X15）和社保就业支出（X19）在2020年也出现了一定的变化。这些变化可能与疫情期间的环境规制、政府干预水平以及就业市场的波动有关。互联网普及率（X15）的变化反映了数字化工具在旅游业中不同程度的应用，而社保就业支出（X19）的波动反映了政府在维护从业人员稳定就业方面的努力。

3 结论与启示

3.1 结论

本文运用组合动态分析法对中国城市群旅游经济韧性水平进行了定量测算，对各城市群旅游经济韧性的量级分布格局和发展趋势进行了初步认识；借助空间核密度估计法对城市群旅游经济韧性的静态、动态演进特征以及空间相关性格局进行解读；使用障碍度模型分别分析各准则层与指标层对旅游经济韧性带来的负面影响程度，研究发现：
（1）在2010—2018年间，大多数城市群的旅游经济韧性呈上升趋势，反映了中国各地在这一时段内旅游经济整体增强。这一趋势得益于国家政策支持、投资增加以及城市群间合作的不断深化，但2020年新冠疫情的爆发对全球旅游业造成前所未有的冲击，导致了旅游经济韧性的下降。
（2）城市群旅游经济韧性发展与区域经济发展的空间格局及演进规律基本一致。韧性等级跨越多发生在研究年份范围内社会经济整体进步较快的中部及西南区域城市群；较高及以上等级韧性水平城市群则多位于经济规模较强及经济结构较合理的东部沿海区域。中国东部沿海城市群韧性水平相对最高，中部、西南韧性发展较快，西北、东北区域城市群则相对劣势明显。
（3）城市群t年份至t+3年份的旅游经济韧性整体呈现略微上升的态势，但在空间上存在一定程度的分散和差异。在考虑了时间跨度的空间动态核密度分析中，城市群内部相邻城市的发展对韧性水平的影响较小，城市群整体的旅游经济韧性水平相对独立。
（4）旅游产品、从业人员、旅游人口、旅游市场基础的维持及建设，制约了城市群旅游经济韧性水平的发展。但在资源集聚程度较强的城市群空间范围内，各城市互联网普及率具有较高水平，信息交流对旅游经济韧性水平的阻碍相对较低，数字化工具在旅游业中的应用对提高韧性水平起到了积极作用。

3.2 启示

通过对中国城市群旅游经济韧性的时空动态和障碍因子的研究，可以得到以下政策启示：第一，研究为中国城市群旅游经济韧性的发展趋势提供了实证支撑，更好地了解城市群旅游经济韧性的现状，为旅游业集聚以及应对外部冲击的研究提供了新的角度。第二，通过对各准则层和指标层的分析，能够更全面地认识旅游经济韧性的形成机制，为促进旅游业可持续发展、提高城市群整体抗风险能力提供了政策指导。
（1）加强应对突发事件的韧性建设。鉴于2020年新冠疫情对城市群旅游经济的巨大冲击，建议城市群在应对未来突发事件方面增强韧性。政府可以通过建立更为灵活和强大的危机管理机制、加强国际协作、提高应急响应能力等方式来降低城市群在面对类似危机时的脆弱性。
（2）推动数字化和信息化在旅游业的广泛应用。互联网普及率对于城市群旅游经济韧性的影响相对较小，这表明数字化工具在旅游业中的应用对提高韧性具有积极作用。政府可以推动旅游企业加强数字化转型，提高在线服务水平，通过互联网技术提升旅游信息的传递效率，降低信息交流的阻碍。
（3）优化旅游市场基础设施和资源配置。旅游产品的开发、旅游市场基础的建设等对城市群旅游经济韧性的贡献程度相对滞后。政府可以通过提供财政支持、减税措施等方式鼓励旅游产品的创新和市场基础设施的建设，优化旅游资源的配置，提高城市群旅游经济的整体水平。
（4）加强城市群间合作机制。尽管城市群内部相邻城市的发展对韧性水平的影响相对较小，但通过合作和人才流动等机制可以促进正向影响。政府可以推动建立城市群间更为紧密的合作机制，促进资源、人才、经验的有序流动，增强城市群的整体韧性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
孙九霞, 张凌媛, 罗意林. 共同富裕目标下中国乡村旅游资源开发: 现状、问题与发展路径. 自然资源学报, 2023, 38(2): 318-334.

DOI

[SUN J X, ZHANG L Y, LUO Y L. Development of rural tourism resources in China under the goal of common prosperity: Current situation, problems and the development path. Journal of Natural Resources, 2023, 38(2): 318-334.]

[2]
郭为, 王静, 李承哲, 等. 不患寡而患不均乎: 发展旅游能促进共同富裕吗? 基于CFPS(2010—2018)数据的分析. 旅游学刊, 2022, 37(10): 12-25.

[GUO W, WANG J, LI C Z, et al. Not worrying about less but worrying about inequality: Can developing tourism promote common prosperity: Analysis based on CFPS (2010-2018) Data. Tourism Tribune, 2022, 37(10): 12-25.]

[3]
李柏文. 新时代旅游产业体系的特征与建设. 旅游学刊, 2018, 33(10): 7-9.

[LI B W. Characteristics and construction of the tourism industry system in the New Era. Tourism Tribune, 2018, 33(10): 7-9.]

[4]
刘雨婧, 唐健雄. 长江经济带旅游业发展质量评价及其时空演变. 经济地理, 2022, 42(4): 209-219.

DOI

[LIU Y J, TANG J X. Evaluation and spatial-temporal evolution of the quality of tourism development in the Yangtze River Economic Belt. Economic Geography, 2022, 42(4): 209-219.]

[5]
李强. 新冠肺炎疫情下的经济发展与应对: 基于韧性经济理论的分析. 财经科学, 2020, (4): 70-79.

[LI Q. Economic development and reaction under the background of COVID-19 epidemic situation: Based on the theory of economic resilience. Finance & Economics, 2020, (4): 70-79.]

[6]
刘颖洁, 王爽. 长江经济带养老产业与旅游产业耦合协调与经济增长的关系. 经济地理, 2022, 42(8): 123-131.

DOI

[LIU Y J, WANG S. Coupling and coordination between elderly care industry and tourism industry in Yangtze River Economic Zone and its relationship with economic growth. Economic Geography, 2022, 42(8): 123-131.]

DOI

[7]
刘佳, 刘贤明, 安珂珂, 等. 长三角城市群旅游环境承载力时空分异格局与空间效应研究. 长江流域资源与环境, 2022, 31(7): 1441-1454.

[LIU J, LIU X M, AN K K, et al. Research on spatio-temporal differentiation and spatial effect of tourism environmental carrying capacity of Yangtze River Delta Urban Agglomerations. Resources and Environment in the Yangtze Basin, 2022, 31(7): 1441-1454.]

[8]
张圆刚, 郝亚梦, 郭英之. 共同富裕视域下乡村旅游发展的区域不平衡性: 理论内涵、关键问题与指标体系. 自然资源学报, 2023, 38(2): 403-418.

DOI

[ZHANG Y G, HAO Y M, GUO Y Z. Regional imbalance of rural tourism development from the perspective of common prosperity: Theoretical connotation, key issues and measurement system. Journal of Natural Resources, 2023, 38(2): 403-418.]

[9]
REGGIANI A, DE GRAAFF T, NIJKAMP P. Resilience: An evolutionary approach to spatial economic systems. Networks and Spatial Economics, 2002, 2(2): 211-229.

[10]
朱媛媛, 罗源, 陈京, 等. 资源枯竭型城市产业转型及其经济韧性: 以湖北省大冶市为例. 自然资源学报, 2023, 38(1): 73-90.

DOI

[ZHU Y Y, LUO Y, CHEN J, et al. Research on industrial transformation and its economic resilience in resource-exhausted cities: A case study of Daye city, Hubei province. Journal of Natural Resources, 2023, 38(1): 73-90.]

[11]
MARTIN R, SUNLEY P. On the notion of regional economic resilience: Conceptualization and explanation. Journal of Economic Geography, 2015, 15(1): 1-42.

[12]
KLIMEK P, POLEDNA S, THURNER S. Quantifying economic resilience from input-output susceptibility to improve predictions of economic growth and recovery. Nature Communications, 2019, 10(1): 1-9.

[13]
FILIMONAU V, DE COTEAU D. Tourism resilience in the context of integrated destination and disaster management (DM2). International Journal of Tourism Research, 2020, 22(2): 202-222.

[14]
孙晓, 刘力钢, 陈金. 东北三省旅游经济质量的区域差异、动态演进及影响因素. 地理科学, 2021, 41(5): 832-841.

DOI

[SUN X, LIU L G, CHEN J. Regional differences, dynamic evolution and influencing factors of the quality of tourism economy in Northeast China. Scientia Geographica Sinica, 2021, 41(5): 832-841.]

DOI

[15]
杨懿, 刘小迪, 时蓓蓓. 旅游依赖型地区经济发展存在的问题及建议. 宏观经济管理, 2019, (3): 84-90.

[YANG Y, LIU X D, SHI B B. Problems and suggestions on economic development of regions relying on tourism. Macroeconomic Management, 2019, (3): 84-90.]

[16]
NTOUNIS N, PARKER C, SKINNER H, et al. Tourism and Hospitality industry resilience during the Covid-19 pandemic: Evidence from England. Current Issues in Tourism, 2022, 25(1): 46-59.

[17]
REDDY M V, BOYD S W, NICA M. Towards a post-conflict tourism recovery framework. Annals of Tourism Research, 2020, 84: 102940, Doi: 10.1016/j.annals.2020.102940.

[18]
BARBHUIYA M R, CHATTERJEE D. Vulnerability and resilience of the tourism sector in India: Effects of natural disas/ters and internal conflict. Tourism Management Perspectives, 2020, 33: 100616, Doi: 10.1016/j.tmp.2019.100616.

[19]
QUANG T D, TRAN T C, TRAN V H, et al. Is Vietnam ready to welcome tourists back? Assessing COVID-19's economic impact and the Vietnamese tourism industry's response to the pandemic. Current Issues in Tourism, 2022, 25(1): 115-133.

[20]
ZHANG P, HUANG Y, PAN S, et al. Does resilience exist in China's tourism economy? From the perspectives of resistance and recoverability. Sustainability, 2022, 14(17): 10641, Doi: 10.3390/su141710641.

[21]
ZHANG W, CHONG Z, LI X, et al. Spatial patterns and determinant factors of population flow networks in China: Analysis on Tencent Location Big Data. Cities, 2020, 99: 102640, Doi: 10.1016/j.cities.2020.102640.

[22]
CHEN J, GAO M, CHENG S, et al. Global 1 km×1 km gridded revised real gross domestic product and electricity consumption during 1992-2019 based on calibrated nighttime light dat. Scientific Data, 2022, 9(1): 1-14.

[23]
聂长飞, 简新华. 中国高质量发展的测度及省际现状的分析比较. 数量经济技术经济研究, 2020, 37(2): 26-47.

[NIE C F, JIAN X H. Measurement of China's high-quality development and analysis of provincial status. Journal of Quantitative & Technological Economics, 2020, 37(2): 26-47.]

[24]
郭亚军. 一种新的动态综合评价方法. 管理科学学报, 2002, (2): 49-54.

[GUO Y J. New theory and method of dynamic comprehensive evaluation. Journal of Management Sciences in China, 2002, (2): 49-54.]

[25]
刘华军, 郭立祥, 乔列成, 等. 中国物流业效率的时空格局及动态演进. 数量经济技术经济研究, 2021, 38(5): 57-74.

[LIU H J, GUO L X, QIAO L C, et al. The spatiotemporal pattern and dynamic evolution of efficiency in China's logistics industry. Quantitative Economic and Technological Economic Research, 2021, 38(5): 57-74.]

[26]
文高辉, 袁泉, 赵懿, 等. 2007—2017年洞庭湖平原耕地生态安全评价及障碍因子诊断. 水土保持通报, 2021, 41(2): 178-187.

[WEN G H, YUAN Q, ZHAO Y, et al. Ecological security evaluation and obstacle factors diagnosis of cultivated land in Dongting Lake Plain from 2007 to 2017. Bulletin of Soil and Water Conservation, 2021, 41(2): 178-187.]

[27]
王立业, 师春春, 张文信, 等. 2009—2019年山东省耕地生态安全评价及障碍因子诊断. 水土保持研究, 2022, 29(6): 138-145.

[WANG L Y, SHI C C, ZHANG W X, et al. Evaluation of cropland ecological security and security and diagnosis of its obstacle factors in Shandong province in 2009-2019. Research of Soil and Water Conservation, 2022, 29(6):138-145.]

[28]
ARBULÚ I, RAZUMOVA M, REY-MAQUIEIRA J, et al. Measuring risks and vulnerability of tourism to the COVID-19 crisis in the context of extreme uncertainty: The case of the Balearic Islands. Tourism Management Perspectives, 2021, 39: 100857, Doi: 10.1016/j.tmp.2021.100857.

[29]
CRÓ S, MARTINS A M. Structural breaks in international tourism demand: Are they caused by crises or disasters?. Tourism Management, 2017, 63: 3-9.

DOI PMID

[30]
PRAYAG G. Symbiotic relationship or not? Understanding resilience and crisis management in tourism. Tourism Management Perspectives, 2018, 25: 133-135.

[31]
SHARMA G D, THOMAS A, PAUL J. Reviving tourism industry post-COVID-19: A resilience-based framework. Tourism Management Perspectives, 2021, 37: 100786, Doi: 10.1016/j.tmp.2020.100786.

[32]
LU R, YANG Z. Analysis on the structure and economic resilience capacity of China's regional economic network. Applied Economics, 2024, 56(32): 3920-3938.

[33]
WANG J, HUANG X, GONG Z, et al. Dynamic assessment of tourism carrying capacity and its impacts on tourism economic growth in urban tourism destinations in China. Journal of Destination Marketing & Management, 2020, 15: 100383, Doi: 10.1016/j.jdmm.2019.100383.

Options
文章导航

/

〈 〉