长三角地区入境旅游发展格局

依据入境旅游规模对长三角地区的入境旅游发展格局进行分析可以发现，旅游市场规模与空间上的集聚在一定程度上可以反映旅游目的地对客源市场的吸引力大小及其旅游发展水平。入境旅游规模选取入境旅游人次和旅游外汇收入两项指标。这两项指标不仅可以表征旅游城市的旅游吸引力大小，还可以显示出入境旅游者对旅游城市的需求强度大小。

3.1.1　区域总体发展

全国的入境旅游人数由1978年的180万增长到2013年8992.37万，年均增长率达11.8%，这一人数是1978年的50倍，世界排名第三位。从上海、江苏、浙江的入境旅游接待人次看 (表3－1)，三省市的入境旅游发展较迅速，年均增速分别为22.4%、4.2%、8.6%，尤其是上海的入境旅游接待人次发展速度远远超越了江苏、浙江两省。三省市的入境旅游接待人次比重在全国也占据较高的份额，尤其在2003—2011年期间，三省市的入境旅游接待贡献率均高达20%以上，2013年在全国入境旅游整体低迷的局势下，虽然比重下降但份额仍保持在10%以上，长三角旅游区一直是中国入境旅游的热点区域。

表3－1　沪、苏、浙入境旅游接待人次及比重 (1995—2013年)

续　表

3.1.2　时序性演化

如图3－1所示，长三角区域除2003年、2009年和2013年入境旅游人次和旅游外汇收入略有下降外，2001—2013年其入境旅游接待人次及外汇收入总体上呈同步稳定的直线式上升态势。从总量上看，长三角入境旅游发展增速惊人，入境旅游人次从2001年的508.97万人次增长到2013年1756万人次，增长了245%，年均增长率达10.8%;旅游外汇收入从31.7亿美元增长到115亿美元，增长了263%，年均增长率为11.3%。

图3－1　2001—2013年长三角地区入境旅游接待规模

表3－2显示了长三角区域的入境旅游接待标准差、变异系数变化。长三角区域的入境旅游接待人次均值时序性上升非常显著，总体接待量呈现大幅提高，区域内的绝对差异明显增大 (除2003年和2009年为特殊年下降外);相对差异值波动较大，在2004年、2010年和2013年显著上升，这主要是因为2003年SARS对中国入境旅游造成冲击与抑制，SARS之后旅游开始反弹，入境旅游接待量出现报复性的增长，从而造成了城市之间的入境旅游接待量的差异加大。2010年，上海的世博会对举办城市的旅游产生直接影响，同时对其他城市造成旅游“挤出效应”，拉大了长三角区域城市之间的相对差异。2013年，全球乃至全国的入境旅游增长滞缓，上述原因直接影响了长三角旅游区内城市的入境旅游发展，故从总体上看，长三角区域内城市之间的入境旅游发展差异呈增大趋势。

表3－2　长三角地区入境旅游接待差异

表3－3显示了长三角区域入境旅游规模分布。总体来看，长三角16个城市的入境旅游接待人次与旅游外汇收入水平占全国比重均具有时序性上升态势，入境旅游人次占比由14.9%增长到20%，旅游外汇收入由19.9%增加到22.3%。从各城市发展看，上海的入境旅游接待量与旅游外汇收入一直在16个城市中居首，并在长三角区域占较大的比重。

2001年，上海的入境旅游人次为204.26万人，占区域的比重为40.13%，是排名第二的杭州的2.5倍，是泰州的187.4倍;旅游外汇收入为18.08亿美元，占区域的比重为57.05%，是杭州的近5倍，泰州的226倍。

2013年，上海在长三角区域的份额持续增长，其入境旅游人次和旅游外汇收入占比分别为43.14%和46.43%，上海的入境旅游人次分别是杭州、泰州的2.4倍、285倍;旅游外汇收入则是杭州、泰州的2.5倍、267倍，长三角16个城市之间的入境旅游需求差异仍较显著。

从绝对量来看，研究初期16个城市的入境旅游人次和旅游外汇收入的平均水平较低，超过均值水平的有上海、南京、无锡、苏州、杭州共5个城市，占总数的31%;研究末期，16个城市的入境旅游人次和旅游外汇收入的平均水平大幅提高，但同时超过均值的城市数量下降，仅为上海、苏州、杭州、宁波4市，占总数的25%，可见区域内部旅游城市之间的发展差异加大。

表3－3　长三角地区入境旅游规模空间分布

续　表

3.1.3　空间分异

3.1.3.1　研究方法

ESDA是衡量自然或社会经济现象空间关联性的一种重要方法，可以有效地揭示数据的空间依赖性与空间异质性。［139］常用指标有Moran'sI、Local Moran'sI和Getis-OrdGeneralG、Getis-Ord*Gi等。GIS为ESDA提供了可视化方法，能够方便、快速地了解变量空间分布的特性与尺度。［140－141］本书借助ArcGIS9.3空间分析模块中的G统计功能对长三角城市群入境旅游规模的热点与冷点区集聚进行了检验。

空间自相关是指一个属性的观测值因观测点在空间上邻近而形成的相关性。正相关表明某单元的属性值变化特征与其相邻空间单元具有相同变化趋势，负相关则相反。空间自相关指数是定量测度空间自相关的统计量。引入Moran'sI和Getis-Ord分别测度其全局和局域的空间特征，前者是用于描述某属性值在整个研究区域的空间分布特征，后者用于识别不同空间位置上的高值簇与低值簇，即热点区与冷点区的空间分布。

(1)Moran's I指数

全局Moran's I是用来分析区域总体空间关联和空间差异程度的指数。其公式如下［142］:

式中，Xi为区域i的属性观测值，Wij为空间权重矩阵，表示各区域单元空间邻近关系，通常按邻接标准或距离标准进行定义。本文选取共边邻接，即空间范围内共用一个边界的面要素相邻为1，不相邻为0;同时，为避免孤岛面 (舟山市)，指定1个最近面的数目与该岛屿面关联，构建空间权重系数矩阵。通常，采用Z检验对Moran's I结果进行统计检验:

式中，　E( I)为期望值，Var(I)为方差。

在给定一定显著性水平时，若Moran's I显著为正，则表示属性观测值较高 (或较低)的区域在空间上显著集聚;若Moran's I显著为负，则表明区域与其周边地区的属性观测值具有显著的空间差异 (分异)。当Moran's I接近期望值－1/(n－1)时，观测值之间相互独立，即属性的空间分布呈随机分布状态。

(2)Getis-Ord

分析属性值在局部空间的聚集和分散特征时，Getis-Ord local G系数要好于 Local Moran's I指数［143］。计算公式为［144］:

式中，Xj为区域j的属性观测值，Wij(d)是以距离规则定义的空间权重，指定空间范围相邻为1，不相邻为0。为便于解释和比较，对进行标准化处理:

式中，E()为期望值，Var()为方差。

若Z()为正且显著，表明区域j周围的值相对较高 (高于均值)，为高值空间集聚 (热点区);反之，若Z()为负且显著，表明区域j周围的值相对较低 (低于均值)，为低值空间集聚 (冷点区)。

3.1.3.2　入境旅游规模等级

选择入境旅游接待人次和旅游外汇收入作为旅游需求的外显特征进行分析，利用ArcGIS9.3将其空间化，用Jenks最佳自然断裂法 (Nature breaks)将2001年和2013年的入境旅游接待人次和旅游外汇收入数据集聚成4类，构建长三角城市群入境旅游需求的空间格局图 (图3－2)。据此，将长三角16个城市划分为4个等级。

从入境旅游接待人次看，第一等级为上海，占总数的6.25%。上海的入境旅游发展水平明显高于长江三角洲的其他城市。上海作为长三角第一大城市，是重要的口岸城市，城市文化底蕴深厚，并具有强烈的现代文化气息，是经济、金融、贸易和航运中心，城市景观、城市风情、民间风俗等都具有极大旅游吸引力。故上海在入境旅游需求总体上一直是长三角城市群中的龙头和核心城市。

第二等级为苏州和杭州两市，占总数的12.5%。“上有天堂，下有苏杭”较早地赋予苏州与杭州两个城市良好的旅游城市形象。苏州素以山水秀丽、园林典雅而闻名天下，有“江南园林甲天下，苏州园林甲江南”之美称，同时又因其“小桥流水人家”的水乡古城特色，而有“东方威尼斯”之美誉，元朝时被意大利旅行家马可·波罗赞为“世界上最美丽华贵之城”。杭州是中国八大古都之一，是首批国家历史文化名城、全国重点风景旅游城市、中国最佳旅游目的地城市。杭州还是中国主要的会展城市之一，是世界休闲博览会、中国国际动漫节与中国国际微电影展终身举办城市。2011年6月24日，杭州西湖文化景观被列入世界遗产名录。

第三等级城市在时序上略有变化，数量不断增大，比重也由12.5%上升到43.8%。2001年主要为南京、无锡两座城市;2013年则增加了湖州、嘉兴、宁波和绍兴4座城市，同时无锡降为第四等级。南京是中国著名的四大古都之一，作为江苏的省会、副省级市，国家历史文化名城，全国重点风景旅游城市，有“六朝古都” “十朝都会”之称，是中华文明的重要发祥地。从入境旅游需求来看，南京的入境游客接待量远远低于杭州与苏州。

第四等级城市数量在时序变化上呈显著减少趋势，由2001年的11个减至2013年的8个，比重也由68.8%下降到50%。2013年，嘉兴、绍兴、宁波、湖州4个城市的入境游客接待量上升至第三等级，扬州、常州、泰州、镇江、南通、台州和舟山7个城市停留在接待量的第四等级。

从旅游外汇收入看，长三角城市等级时序性变化显著。第一等级始终为上海。第二等级2001年为苏州、杭州和南京3个城市，占总量的18.8%;2013年仅杭州居第二等级，主要原因是上海、杭州与其他城市间的旅游外汇收入差距拉大。第三等级2001年为南通、镇江、无锡和宁波4个城市，2013年减少为苏州和宁波两个城市，所占比重由25%减少为12.5%。第四等级城市2001年有8个，为扬州、泰州、常州、湖州、嘉兴、绍兴、台州和舟山;2013年增加为12个，比重由50%增加到75%，南京、镇江、无锡、南通进入第四等级。

图3－2　长三角地区入境旅游规模的空间格局图

从入境接待人次与旅游外汇收入的4个等级分类看，上海在长三角区域的第一等级地位坚不可摧，入境旅游发展上无论是入境游客接待人次还是旅游外汇收入均远远超过其余15个城市。(2001年和2013年上海的入境接待人次分别为204.26万人次和757.4万人次，旅游外汇收入分别为18.08亿美元和53.4亿美元)

从首位度看，2001年和2013年，长三角地区城市入境旅游接待人次首位度分别为2.5和2.4，旅游外汇收入首位度分别为4.8和2.5。尽管首位度有所下降，尤其是在旅游外汇收入上降低幅度较大，但入境旅游的首位度依然较高，说明长三角区域的入境旅游发展内部差异仍然很大。

3.1.3.3　全局空间自相关分析

将2001、2013年16个城市入境旅游接待人次取自然对数后代入GeoDa软件计算其全局空间自相关系数Moran's I，选择蒙特卡洛模拟999次检验Moran's I。通过计算发现 (图3－3)，全局Moran's I在研究时段内全部为正值，表明入境旅游接待人次的空间分布存在弱正相关关系，呈现一种弱集聚格局，具体表现为具有较高入境旅游人次的城市在空间上趋于相邻，较低入境旅游人次的城市在空间上趋于相邻。故长三角16个城市入境旅游需求在空间上存在显著的正向空间相关关系。

从动态演进看，Moran's I估计值呈逐年稳定上升的态势，由2001年的0.0506增加到2013年的0.1209，表明长三角旅游区入境旅游需求的空间自相关和集聚特征呈现出自我强化趋势。

图3－3　长三角地区入境旅游接待人次Moran散点图

3.1.3.4　局域G指数

Moran's I全局估计往往会掩盖局部的不稳定性，因为无法确定哪个区域单元对于全局自相关的贡献最大，因此有必要进一步研究其内部情况。

运用ArcGIS9.3，计算2001和2013年各城市入境旅游人次的Getis-Ord统计值，进一步对数据进行可视化处理。ArcGIS软件平台中，采用Quantities分类方法，将统计值按从高到低的顺序划分为4个取值范围，分别定义为热点区、次热点区、次冷点区、冷点区。计算结果如图3－4所示。

图3－4　长三角地区入境旅游冷热点区

总体来看，2001年以来长三角地区入境旅游消费的热点区没有变动，冷点区、次冷点区及次热点区均发生变动，而次冷点区与冷点区的变化态势明显，更能反映入境旅游需求的增长情况。

从数量转变上看，热点区数量一直不变，2001年、2013年均为上海、苏州、嘉兴3个城市;而冷点区呈波动变化态势，经历了“2→3”的变化，2001年冷点区为泰州、宁波两个城市，2013年冷点区为泰州、镇江和宁波3个城市;次冷点区数量呈现逐步减少趋势，具体表现为“9→7”演变格局，2001年为南京、扬州、镇江、常州、无锡、南通、绍兴、台州、舟山9个城市，2013年为南京、扬州、常州、无锡、绍兴、台州、舟山7个城市;次热点区则呈现“2→3”扩大态势，2001年次热点区为湖州和杭州两个城市，2013年增加了南通。

从局部区域转变上看，热点区、次热点区和次冷点区表现出较强的稳定性和指向性，具有较强的地理集中现象;冷点区则表现出分散的分布特征。

综上，2001年以来长三角地区入境旅游需求的热点区一直为上海、苏州和嘉兴市，上海市作为长三角地区旅游中心的地位一直稳定，在入境旅游需求方面也一直保持了持续稳定的吸引力。次热点区杭州、湖州对入境旅游需求的吸引力也相对稳定，从入境旅游需求的空间分布特征来看，上海、苏州为入境旅游需求的核心区，杭州为入境旅游需求的次核心区，湖州、南通受上海“溢出效应”的影响成为入境旅游需求的过渡区;其余10个城市则成为长三角旅游区入境旅游需求的边缘区。