• 中文核心期刊
  • 中国科技核心期刊
  • ISSN 1007-6336
  • CN 21-1168/X

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

中国滨海旅游生态创新水平测度及其影响因素分析

丁冬冬 李飞雪 徐朗 李满春 陈东

引用本文:
Citation:

中国滨海旅游生态创新水平测度及其影响因素分析

    作者简介: 丁冬冬(1995-), 男, 河南商丘人, 硕士研究生, 研究方向为GIS设计、开发及在海洋空间利用方面的应用, E-mail:mg1627048@smail.nju.edu.cn;
  • 基金项目: 国家重点研发计划项目(2017YFB0504200)
  • 中图分类号: X171.4

The measurement of ecology innovation of China's coastal tourism and its influence factors

  • 摘要: 研究从经济社会、资源环境、生态的角度,通过改进系统工程中的集对分析方法,构建指标体系,对我国沿海地区主要省(市)滨海旅游业的生态创新以及其分项要素的总体水平进行综合测度。在评价结果的基础上,运用地理加权回归模型,分析滨海旅游生态创新水平的影响因素及其空间差异。结果表明我国沿海省(市)滨海旅游生态创新的总体水平较低,并呈现出明显的空间差异性;就其影响因素而言,工业污染治理投资、海洋科研经费收入、旅游总收入占第三产业的比重、旅游企业个数与生态创新水平呈正相关关系,旅游总收入及旅游总人数与生态创新水平呈负相关关系;影响因素的空间差异方面,旅游总收入、旅游收入占第三产业比重、海洋科研经费收入、旅游总人数对生态创新水平的影响程度由南到北递增,工业污染治理投资、旅游企业个数的影响程度大致形成以东部为核心,向南北扩散的趋势。
  • 图 1  各省(市)分项要素指标相对等级

    Figure 1.  The relative level of the index of each sub-item in each province

    图 2  各省(市)GWR模型的残差空间分布

    Figure 2.  Spatial distribution of residuals of GWR model in all provinces

    图 3  旅游总收入及旅游总收入占第三产业比重回归系数的空间分布

    Figure 3.  The spatial distribution of the regression coefficient of the total tourism revenue and the total tourism revenue in the tertiary industry

    图 4  旅游企业个数及海洋科研经费收入回归系数的空间分布

    Figure 4.  The spatial distribution of the regression coefficient of the total number of travel enterprises and the income of marine scientific research funds

    图 5  工业污染治理投资及旅游总人数回归系数的空间分布

    Figure 5.  The spatial distribution of regression coefficients for investment in industrial pollution control and total tourism

    表 1  滨海旅游生态创新水平评价指标及权重

    Table 1.  Evaluation index and weight of ecotourism level of coastal tourism

    下载: 导出CSV

    表 2  各省(市)滨海旅游生态创新水平的相对联系度及等级

    Table 2.  The relative degree and level of coastal tourism eco-innovation in all provinces

    下载: 导出CSV

    表 3  所选回归模型的参数及其解释变量

    Table 3.  Parameters and explanatory variables of the selected model

    下载: 导出CSV
  • [1] 赵珍.我国海洋产业结构及其优化研究[J].海洋开发与管理, 2008(7):43-46. doi: 10.3969/j.issn.1005-9857.2008.07.009
    [2] FUSSLER C, JAMES P.Driving eco-innovation:a breakthrough discipline for innovation and sustainability[M].London:Pitman Publishing, 1996.
    [3] 高文杰, 刘玉才, 唐春云.生态创新的几个基本问题[J].中国环境管理, 2000(6):14-16.
    [4] 张晶, 袁梅花, 唐善茂.旅游生态创新理论及创新方案研究[J].广西社会科学, 2010(6):52-55. doi: 10.3969/j.issn.1004-6917.2010.06.013
    [5] 严立冬.经济可持续发展的生态创新[M].北京:中国环境科学出版社, 2002.
    [6] 王斌.我国滨海旅游产业生态创新及评价研究[D].青岛: 中国海洋大学, 2015.
    [7] BRIGGS S R, CHEEK J M.The role of factor analysis in the development and evaluation of personality scales[J].Journal of Personality, 1986, 54(1):106-148. doi: 10.1111/j.1467-6494.1986.tb00391.x
    [8] MISRA S, PANDA R K.Environmental consciousness and brand equity:an impact assessment using analytical hierarchy process (AHP)[J].Marketing Intelligence & Planning, 2017, 35(1):40-61.
    [9] 张叶红, 王海燕.生态工业园区产品体系规划的模糊综合评判法[J].四川环境, 2005, 24(6):102-104. doi: 10.3969/j.issn.1001-3644.2005.06.028
    [10] 赵小亮, 周国娜, 高宝嘉, 等.主成分分析法在承德县森林生态系统健康评价中的应用[J].中国农学通报, 2008, 24(6):400-403.
    [11] TIAN X G, JU M T, SHAO C F, et al.Developing a new grey dynamic modeling system for evaluation of biology and pollution indicators of the marine environment in coastal areas[J].Ocean & Coastal Management, 2011, 54(10):750-759.
    [12] SINGH K P, BASANT A, MALIK A, et al.Artificial neural network modeling of the river water quality-A case study[J].Ecological Modelling, 2009, 220(6):888-895. doi: 10.1016/j.ecolmodel.2009.01.004
    [13] 张晶.旅游生态创新研究[D].桂林: 桂林理工大学, 2009.
    [14] 孟秋莉.基于PSR模型的乡村旅游环境保护评价指标体系研究[J].生态经济, 2017, 33(4):121-126, 159.
    [15] 方创琳, WEI Y D.河西地区可持续发展能力评价及地域分异规律[J].地理学报, 2001, 56(5):561-569. doi: 10.3321/j.issn:0375-5444.2001.05.007
    [16] 荣蓉.滨海生态旅游可持续发展评价指标体系研究[D].大连: 大连理工大学, 2008.
    [17] 唐娜.海洋产业结构与区域人力资本耦合关系研究——以山东半岛蓝色经济区为例[D].青岛: 中国海洋大学, 2011.
    [18] SUN L Y, MIAO C L, YANG L.Ecological-economic efficiency evaluation of green technology innovation in strategic emerging industries based on entropy weighted TOPSIS method[J].Ecological Indicators, 2017, 73:554-558. doi: 10.1016/j.ecolind.2016.10.018
    [19] 赵克勤.集对分析及其初步应用[M].杭州:浙江科学技术出版社, 2000.
    [20] 郭绍英, 张江山, 郑育毅.集对分析法在大气环境质量评价中的应用[J].环境工程, 2009, 27(4):113-116, 42.
    [21] 刘继斌, 杨青山, 张春丽.吉林省中部城镇群城市化进程与空间组织[J].经济地理, 2008, 28(2):228-231.
    [22] FOTHERINGHAM A S, BRUNSDON C, CHARLTON M.Geographically weighted regression:the analysis of spatially varying relationships[M].Chichester:Wiley, 2002.
  • 加载中
图(5)表(3)
计量
  • 文章访问数:  274
  • HTML全文浏览量:  275
  • PDF下载量:  7
出版历程
  • 收稿日期:  2018-04-23
  • 录用日期:  2018-07-10
  • 刊出日期:  2020-04-20

中国滨海旅游生态创新水平测度及其影响因素分析

    作者简介:丁冬冬(1995-), 男, 河南商丘人, 硕士研究生, 研究方向为GIS设计、开发及在海洋空间利用方面的应用, E-mail:mg1627048@smail.nju.edu.cn
  • 1. 南京大学 地理与海洋科学学院, 江苏 南京 210023
  • 2. 南京大学 江苏省地理信息科学与技术重点实验室, 江苏 南京 210023
  • 3. 南京大学 江苏省地理信息资源开发与利用协同创新中心, 江苏 南京 210023
基金项目: 国家重点研发计划项目(2017YFB0504200)

摘要: 研究从经济社会、资源环境、生态的角度,通过改进系统工程中的集对分析方法,构建指标体系,对我国沿海地区主要省(市)滨海旅游业的生态创新以及其分项要素的总体水平进行综合测度。在评价结果的基础上,运用地理加权回归模型,分析滨海旅游生态创新水平的影响因素及其空间差异。结果表明我国沿海省(市)滨海旅游生态创新的总体水平较低,并呈现出明显的空间差异性;就其影响因素而言,工业污染治理投资、海洋科研经费收入、旅游总收入占第三产业的比重、旅游企业个数与生态创新水平呈正相关关系,旅游总收入及旅游总人数与生态创新水平呈负相关关系;影响因素的空间差异方面,旅游总收入、旅游收入占第三产业比重、海洋科研经费收入、旅游总人数对生态创新水平的影响程度由南到北递增,工业污染治理投资、旅游企业个数的影响程度大致形成以东部为核心,向南北扩散的趋势。

English Abstract

  • 21世纪是海洋的世纪,随着陆地资源的衰竭、空间的缩减,世界各国将发展的方向转向占全球资源71%的海洋,海洋经济在国民经济中所处的地位日益重要。随着“海洋强国”战略的提出,经过一系列的结构调整,我国海洋产业结构和布局呈现出不断优化升级的趋势,逐渐由“资源开发型”向“海洋服务型”转变[1]。滨海旅游产业作为综合性服务型的海洋产业,成为海洋经济发展中重要的增长点。国家旅游局统计数据显示,近年来,我国出入境旅游的人数严重失衡,出境旅游人数持续高速的增长,侧面表明国内滨海旅游无论是产品形式、还是旅游方式以及旅游质量均不能充分满足我国居民旅游需求。我国滨海旅游公共产品供给不足、服务质量不高与城乡居民日益提升的滨海旅游需求之间的矛盾日益突出。另一方面,尽管我国滨海旅游业发展迅猛,但是由于起步较晚、缺乏经验,旅游开发中随意性强,只追求眼前利益和短期行为,造成许多环境和社会问题,阻碍了经济社会的可持续发展。因此,滨海旅游业的发展必须关注滨海旅游生态环境的新形式,以最小的环境代价实现旅游资源的高效开发。

    滨海旅游生态创新是指在滨海旅游业发展过程中,通过人才培养以及技术创新等途径,对滨海旅游业中各种要素和条件进行组合与调整,对当前的生态系统进行变革并创造新的经济社会系统,以最小的资源和生态环境代价,获得最大的旅游收益。这一概念源自于生态经济学专家学者Fussler和James在1996年提出的生态创新的概念,即生态创新是指具有商业价值并且能够显著降低环境影响的新产品和新工艺[2],它包含两个主要的内容:提高资源利用效率以及减少对环境的影响[3],主要用于衡量自然资源和经济物质之间转化的效率[4]。生态创新水平可以反映滨海旅游业可持续发展状况与潜力,生态创新水平的提高有助于提升生态系统的资源环境承载力以及区域的生产能力[5]。目前相关研究主要包括通过对旅游地区生态创新水平和效率的综合评价,明确生态创新发展中的阻碍因素与驱动因素,分析滨海地区旅游业所带来的人口压力、环境污染、资源浪费和基础设施建设需求等问题[6]。研究中常用的评价方法主要包括因子分析法[7]、层次分析法[8]、模糊评判[9]、主成分分析法[10]、灰色关联分析[11]以及人工神经网络[12]等。总体来看,对于生态创新水平测度的研究较为广泛,而关于区域层面滨海旅游生态创新的空间差异及其影响因素的分析比较有限。

    本文以我国11个主要沿海省(市)为研究单元,针对滨海旅游生态创新的不确定性,从经济社会、资源环境及生态方面量化分析沿海地区滨海旅游生态创新水平,并分析其影响因素及空间差异性。首先,研究构建滨海旅游生态创新水平的评价指标体系,选择熵权法确定指标权重,以消除主观因素的影响。其次,采用集对分析方法对滨海旅游生态创新总体水平进行分级评价和综合评分,进一步对各要素分项指标层进行分析。再次,对滨海旅游生态创新的评价指标进行探索性分析,明确合适的指标作为滨海旅游生态创新水平的解释变量。最后,采用地理加权回归方法,分析滨海旅游生态创新水平的影响因素及其空间差异性。

    • 滨海旅游生态创新涉及方面众多,为了选择适当的、能够客观而科学地反映滨海旅游生态创新水平及其主要影响因素的指标,以科学性、全面性、系统性和可比性为原则,借鉴相关的研究成果,同时综合考虑指标数值的可获得性以及反映区域的整体情况的能力[13-16],研究构建滨海旅游生态创新水平评价指标体系(表 1)。滨海旅游生态创新水平的指标体系分为4个层次:目标层、准则层、要素层和指标层。准则层包括经济子系统、资源环境子系统、社会子系统。经济子系统是表征滨海旅游产业经济层面对生态创新发展影响的指数,包括国内旅游收入等14项指标;资源环境子系统是表征滨海旅游产业资源、环境、生态层面对生态创新发展影响的指数,包括确权海域面积等16项指标;社会子系统是表征滨海旅游产业社会层面对生态创新发展影响的指数,包括家庭恩格尔系数等10项指标。

      表 1  滨海旅游生态创新水平评价指标及权重

      Table 1.  Evaluation index and weight of ecotourism level of coastal tourism

      由于数据可获取性原因,香港特别行政区、澳门特别行政区和台湾省未进行评价。统计数据来源于《中国旅游统计年鉴2015》、《中国统计年鉴2015》、《中国海洋统计年鉴2015》,沿海各省(市)的国民经济和社会发展统计公报,以及相关的政府门户网站公布的统计信息。采用效益型(“+”)、成本型(“-”)方法将数据归一化到区间[0, 1]之间[17],后使用熵权法[18]确定各指标的权重(见表 1)。

    • 集对分析(set pair analysis, SPA)是我国学者赵克勤提出的处理不确定性问题的系统理论方法,其核心思想是把确定、不确定视作一个确定不确定系统,在这个系统中将确定性分为“同一”与“对立”两个方面,将不确定性称为“差异”,从同、异、反三方面分析事物及其系统[19]。同、异、反三者相互联系、相互影响、相互制约,又在一定条件下相互转化[19]

      集对分析理论的基本思路是[19]:在具体的问题背景下,对集合A和集合B组成的集对的特性展开分析,共得到N个特性,其中有S个为集对中两个集合所共有,这两个集合又在另外P个特性上相对立,在其余F个特性上关系不确定,则两个集合的联系度:

      式中:μ为联系度;S/N为集合A与集合B的同一度;F/N为差异度;P/N为对立度;i为差异标记,在[-1, 1]间视不同情况取值,也可仅起标记作用;j为对立度系数,其值为-1,j同样也可仅起标记作用[20]

    • 五元集对分析方法中,总体水平通常分成5个等级,待评价的对象的评价指标构成一个集对,在进行评价时,假定有N个评价指标,在进行评价时假设其中分别有SF1F2F3P个评价分别满足于5个等级,其联系度的表达式可以表示为:

      将式(2)简化。

      式中:a为同一度分量;bcd分别为差异度分量;e为对立度分量,且满足a+b+c+d+e=1。

      abcde的大小关系及态势进行分析,因此针对每一种评价指标构建隶属函数,描述其余标准同一、差异及对立的定量关系,根据评价指标特性,可将其分为越小越优型和越大越优型,对越大越优型指标,其联系度表达式为:

      对越小越优型指标,其联系度为:

      式中:S1S2S3S4S5,分别为评价指标的阈值;t为第t项评价指标;s为第s个待评价的对象;x为对象s的第t项评价指标的实测值。

    • 地理加权回归模型(geographically weighted regression, GWR)不仅引入对不同区域的影响进行估计,并且通过计算回归模型局部参数,来反映参数在不同空间的空间非平稳性,变量间的关系随空间位置的变化而变化[21],其结果能够更加客观的反映数据的空间异质性。因此本文使用GWR模型(式5),对生态创新水平的影响因素进行分析。

      式中:(μi, vi)是第i个样本空间单元的空间位置;βi(μi, vi)表示第i个样本点的常数项估计值;βk(μ1vi)是连续函数βk(μ, v)在i样本空间单元的值;xik为第i个样本点的独立变量;εi为误差修正项[22]

    • 研究根据各指标实测值的算术平均值,采用等距划分的方式划分为5个等级。在此基础上,利用式(3)或(4)计算得到评价等级结果,以及各指标相对于评价等级的集对分析联系度的同一、差异、对立的各分量(表 2)。结果表明,从等级上看,辽宁、山东、浙江、广东的滨海旅游生态创新水平最高,综合等级为Ⅲ级,上海、江苏、福建的滨海旅游生态创新总体等级为Ⅳ级,天津、河北、广西、海南的滨海旅游生态创新水平最低综合等级为Ⅴ级;从综合得分上,各省市滨海旅游生态创新水平的高低排序:广东、山东、辽宁、浙江、上海、江苏、福建、海南、天津、广西、河北。

      表 2  各省(市)滨海旅游生态创新水平的相对联系度及等级

      Table 2.  The relative degree and level of coastal tourism eco-innovation in all provinces

      天津旅游总收入占第三产业比重、旅游企业全员劳动生产率、城镇人口比重、二三产业占沿海GDP比重居于沿海地区首位,然而旅游企业个数、旅游院校学生数、旅游生态创新公众认知度、居民旅游消费价格指数等较低,其中,旅游院校学生人数仅占最大值江苏的16.5%,说明天津经济迅速发展过程中具有较高的生态创新效益,同时应加大滨海旅游宣传力度,提高滨海旅游服务质量,促进城市居民的滨海旅游消费。海南景区收入占旅游收入比重、旅游总收入占第三产业比重、城镇居民家庭恩格尔系数、旅游生态创新公众认知度等指标在沿海地区位于前列,然而国内旅游收入、旅游企业个数、海洋科研经费收入、国内海洋发明专利授权数、水利环境城市公共设施建设投资额、二三产业占沿海GDP比重、居民旅游消费价格指数等大多数指标上较低,其中,海洋科研经费收入仅占最大值上海的2.7%,海南滨海旅游业虽享誉国内外,极大带动了海南的经济发展,但在保持发展的同时应注重对海域环境的保护,加大环境治理投资力度,提高旅游资源的利用效益。河北工业污染治理投资占GDP比重、建成区绿化覆盖率在沿海地区名列前茅,然而旅游企业全员劳动生产率、旅游企业区位熵、国内海洋发明专利授权数、旅游生态创新公众认知度、城镇居民家庭人均可支配收入排名最低,其中,国内海洋发明专利授权数占最大值上海的0.5%,同时其工业废气排放量远高于沿海其他地区,河北属于重工业发展区,第二产业所占国民经济的51%以上,因此在未来的发展中应着重旅游资源方面的合理开发利用,实现向“服务型”结构转变。

    • 为了解各省(市)生态创新各要素的发展情况,研究进一步分析了各省(市)各要素层的评价结果(图 1)。结果表明,广东的旅游经济实力水平最高,其国际旅游外汇总收入位于沿海地区第一,占沿海外汇总收入的37.4%,其次是浙江,河北、辽宁、广西、海南的等级最低(图 1a);广东、福建的旅游产业结构水平最高,其次是天津、上海,河北、山东的等级最低(图 1b);广东的旅游经济活力水平最高,其次是江苏、上海、浙江,天津、河北、海南的等级最低(图 1c);山东在生态创新发展上的投资力度等级最高,河北、广西、海南的等级最低(图 1d);广东的资源禀赋水平最高,其次是上海、浙江,辽宁、河北、广西、海南等级最低(图 1e);辽宁的生态状态领先其他地区处于最高等级,其滨海旅游功能区面积以及自然岸线的保有率远高于其他地区,而天津、上海、广西的生态状态等级最低(图 1f);沿海地区的环境压力整体偏低,辽宁、广东的旅游环境压力最高(图 1g);沿海地区的人口压力整体较高,其中广东的旅游人口压力最高,其旅游总人口数最高,达3355.4万人,占沿海地区旅游总人数的55.40%,超过沿海其余省市旅游总人数的总和(图 1h);城镇发展水平上海相对其他地区偏高,其城镇人口比重高达89.6%,其他地区城镇发展水平大致相同均处于中等水平,最低的广西仅有46.01%,二三产业的比重占沿海GDP比重更是高达99.5%,最低的海南为76.9%(图 1i);山东、广东在后备人才素质保障方面等级最高,其次是江苏,天津、河北、海南等级最低(图 1j);公众对于旅游生态创新的认知水平中等以上整体偏高,上海等级最高,其次是江苏、浙江、山东,其他地区水平相同均处于中等层次(图 1k)。

      图  1  各省(市)分项要素指标相对等级

      Figure 1.  The relative level of the index of each sub-item in each province

    • 为探究滨海旅游生态创新水平空间差异的驱动因素,研究以表 1的指标体系做候选解释性变量开展分析。研究设定6个解释变量,利用探索性空间数据分析方法遍历评估候选解释变量的所有可能的组合,基于修正的Akaike信息准则AICc值最小的原则确定最终回归模型[22](表 3)。此外,通过检验残差的空间自相关进一步判断GWR模型拟合的效果,各省市的局部回归模型的标准化残差值的范围全部在[-2.58, 2.58]内(图 2),全部通过了残差检验;且残差的Morans I Index = 0.000503,Z Score = 0.390156,说明GWR模型的残差空间自相关显著不存在,呈现出随机分布,GWR模型整体的拟合效果较好。

      表 3  所选回归模型的参数及其解释变量

      Table 3.  Parameters and explanatory variables of the selected model

      图  2  各省(市)GWR模型的残差空间分布

      Figure 2.  Spatial distribution of residuals of GWR model in all provinces

      拟合结果表明,旅游总收入、旅游总收入占第三产业比重、旅游企业个数、海洋科研经费收入、工业污染治理投资占GDP比重、旅游总人数是滨海旅游生态创水平的主要影响因素。

    • (1) 旅游总收入

      主要沿海省(市)旅游总收入与生态创新的总体水平都呈负相关关系,其空间回归系数由南到北大致呈现逐渐递减的趋势(图 3a)。结合上述各地区分要素旅游经济实力水平的评价结果,浙江的旅游经济实力水平较高,而旅游总收入对生态创新水平的影响却相对较小。

      图  3  旅游总收入及旅游总收入占第三产业比重回归系数的空间分布

      Figure 3.  The spatial distribution of the regression coefficient of the total tourism revenue and the total tourism revenue in the tertiary industry

      (2) 旅游总收入占第三产业比重

      主要沿海省(市)滨海旅游总收入占第三产业的比重与生态创新的总体水平都呈正相关关系,其空间回归系数由南到北大致呈现逐渐递增的趋势(图 3b)。结合上述各地区分要素旅游产业结构水平的评价结果,天津、辽宁的旅游产业结构水平较低,而旅游总收入占第三产业比重对生态创新水平的影响相对较大。

      (3) 旅游企业个数

      主要沿海省(市)旅游企业个数与生态创新的总体水平都呈正相关关系,且南北地区的回归系数相对较高,东部地区的回归系数较低(图 4a)。结合上述各地区分要素旅游经济活力水平的评价结果,广东的旅游经济活力水平较高,旅游企业个数对生态创新水平的影响却相对较小。

      图  4  旅游企业个数及海洋科研经费收入回归系数的空间分布

      Figure 4.  The spatial distribution of the regression coefficient of the total number of travel enterprises and the income of marine scientific research funds

      (4) 海洋科研经费收入

      主要沿海省(市)海洋科研经费收入与生态创新的总体水平都呈正相关关系,其空间回归系数从南到北呈逐渐递增趋势(图 4b)。结合上述各地区分要素生态创新投资力度的评价结果,辽宁的生态创新投资力度较高,海洋科研经费收入对生态创新水平的影响相对较大。

      (5) 工业污染治理投资占GDP比重

      主要沿海省(市)工业污染治理投资占GDP比重与生态创新的总体水平都呈正相关关系,且南北地区的回归系数较大,东部地区的回归系数相对较小(图 5a)。结合上述各地区分要素生态创新投资力度的评价结果,辽宁的生态创新投资力度较高,工业污染治理投资占GDP比重对生态创新水平的影响相对较大。

      图  5  工业污染治理投资及旅游总人数回归系数的空间分布

      Figure 5.  The spatial distribution of regression coefficients for investment in industrial pollution control and total tourism

      (6) 旅游总人数

      主要沿海省(市)旅游总人数与生态创新的总体水平都呈负相关关系,其空间回归系数由南到北大致呈现逐渐递减的趋势(图 5b)。结合上述各地区分要素旅游人口压力水平的评价结果,河北的旅游人口压力水平较低,而旅游总人数对生态创新水平的影响相对较大。

    • (1) 从综合评价结果来看,沿海地区在滨海旅游生态创新方面的总体水平相对较低,辽宁、江苏、浙江、山东、广东的滨海旅游生态创新水平最高,仅处于中等水平,广西、天津、河北、海南的滨海旅游生态创新水平最低。从各要素水平来看,沿海地区旅游产业结构、城镇发展以及公众认知方面整体水平较高,其中,上海的城镇发展水平偏高,其他地区均处于中等水平。此外,各地区面临着巨大的旅游环境压力以及旅游人口压力,且在旅游经济实力、旅游经济活力及旅游资源的规模方面水平相对较低。滨海旅游生态创新水平较高的地区,社会经济发展水平较高,为生态环境的保护治理提供强大的经济、技术支持,其可持续发展能力较强;滨海旅游生态创新水平较低,经济则相对落后,人口、资源、环境与发展经济协调的矛盾比较明显,可持续发展的能力较弱。

      (2) 从影响因素方面来看,工业污染治理投资力度对滨海旅游生态创新水平高低影响力度最高,工业污染治理投资力度越大滨海旅游的生态创新水平相对越高;其次是旅游总收入及海洋科研经费收入,其中旅游总收入与生态创新水平呈负相关关系,即旅游总收入越大滨海旅游生态创新水平相对较低,而海洋科研经费越高生态创新水平越高;旅游总收入占第三产业的比重、旅游企业总个数及旅游总人数对生态创新水平的影响相对较小,其中旅游总人数与生态创新水平的高低呈负相关关系,旅游总人数越高生态创新水平越低。因此,提高沿海地区滨海旅游生态创新水平,加大沿海地区污染治理的投资力度以及海洋科研经费的投入,缓解地区旅游人口的压力,为滨海旅游产业的可持续发展拓宽途径。

参考文献 (22)

目录

    /

    返回文章