EN中文

干旱区地理 >

2025 , Vol. 48 >Issue 6: 1089 - 1102

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.504

国土资源与旅游地理

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

  • 聂寒玉 , 1 ,
  • 张颜辉 2 ,
  • 李慧 , 3 ,
  • 郑姚闽 4
展开
  • 1.烟台科技学院管理学院，山东 烟台 264000
  • 2.北京工商大学商学院，北京 100000
  • 3.天津理工大学管理学院，天津 300384
  • 4.北京工商大学商学院，北京 100000
李慧（1977-），女，博士，教授，主要从事旅游营销等方面的研究. E-mail:

聂寒玉（1996-），女，硕士研究生，主要从事旅游管理、经济地理等方面的研究. E-mail:

收稿日期: 2024-08-21

  修回日期: 2024-10-07

  网络出版日期: 2026-03-11

基金资助

教育部人文社会科学基金(22YJAZH045)

国家自然科学基金面上项目(72374017)

山东省艺术教育专项项目(L2023Y10200021)

收起

Spatio-temporal evolution and multi-scale barrier factor analysis of tourism ecological resilience in the Yellow River Basin

  • Hanyu NIE , 1 ,
  • Yanhui ZHANG 2 ,
  • Hui LI , 3 ,
  • Yaomin ZHENG 4
Expand
  • 1. School of Management, Yantai Institute of Science and Technology, Yantai 264000, Shandong, China
  • 2. School of Business, Beijing Technology and Business University, Beijing 100000, China
  • 3. School of Management, Tianjin University of Technology, Tianjin 300384, China
  • 4. School of Business, Beijing Technology and Business University, Beijing 100000, China

Received date: 2024-08-21

  Revised date: 2024-10-07

  Online published: 2026-03-11

Fold

摘要

旅游生态韧性是衡量旅游目的地可持续发展能力的关键指标，提升旅游生态韧性对促进旅游业可持续发展至关重要。基于2000—2022年黄河流域9省（区）面板数据样本，利用熵权TOPSIS法、马尔科夫链、空间自相关模型分析该区域旅游生态韧性的时空演化特征，进一步运用障碍度模型分析影响旅游生态韧性提升的障碍因子。结果表明：（1） 2000—2022年黄河流域旅游生态韧性整体处于较低水平，呈波动性下降趋势。（2） 基本形成从下游到上游韧性逐渐递减的层级空间结构，各省（区）旅游生态韧性发展水平存在显著的空间正相关关系，空间聚集效应增强，主要表现为“高-高”集聚和“低-低”集聚特征。（3） 障准则层主要为恢复适应能力和创新进化能力，指标层主要为旅游要素聚集水平、水资源总量、旅游R&D经费、旅游发明专利授权量等。

关键词： 旅游生态系统; 旅游生态韧性; 时空演化; 障碍因子; 黄河流域

本文引用格式

聂寒玉 , 张颜辉 , 李慧 , 郑姚闽 . 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 . DOI: 10.12118/j.issn.1000-6060.2024.504

Abstract

Tourism ecological resilience serves as a critical indicator for assessing sustainable development capacity in tourism destinations. This study analyzes the spatiotemporal evolution characteristics of tourism ecological resilience across nine provinces in the Yellow River Basin using panel data from 2000 to 2022. We employed the entropy weight TOPSIS method, Markov chain analysis, and spatial autocorrelation models to evaluate resilience patterns while identifying key obstacles through a barrier degree model. Our analysis revealed three principal findings: (1) Temporal evolution: Tourism ecological resilience in the Yellow River Basin maintained a consistently low level throughout the study period (2000—2022), characterized by a volatile downward trend. (2) Spatial distribution: A hierarchical spatial structure emerged, with resilience gradually declining from downstream to upstream regions. A significant positive spatial correlation exists between provincial resilience levels, with enhanced spatial agglomeration effects manifested primarily as “high-high” and “low-low” agglomeration patterns. (3) Obstacle factors: The most significant barriers to improved resilience were identified at two levels: Criterion layer, recovery adaptability and adaptability and innovation/evolution capabilities; and indicator layer, tourism factor aggregation level, total water resources, tourism R&D funding, and the number of tourism invention patent authorizations.

Key words： tourism ecosystem; tourism ecological resilience; spatiotemporal evolution; obstacle factor; Yellow River Basin

旅游业的蓬勃增长对当地经济发展具有积极的推动作用[1]，但同时，旅游活动的过度扩张往往伴随着生态环境受损与生态系统服务功能减弱的负面效应[2]。鉴于此，在释放旅游经济动能的同时探索旅游业可持续发展的新路径、提高旅游地生态系统的适应与恢复能力至关重要。在中国共产党的二十大报告中，明确提出构建“宜居、韧性、智慧城市”的愿景，将“韧性”概念引入公众视野。韧性指系统在面对外部扰动时，能够有效吸纳并适应这些变化，同时维持其原有核心特性与关键功能的能力[3]。韧性理论无疑为探究旅游地生态系统在遭受干扰后的复原机制与重构路径提供了极具价值的理论框架。
“韧性”这一术语，可追溯至机械工程学科领域，至20世纪，由生态学家Holling引入生态学范畴，用以评估生态系统遭受扰乱或冲击时的自我防御、恢复及进化能力[3]。随后，生态韧性相关研究受到国内外学者们的广泛关注，其研究对象呈现多样化的趋势，包括湿地[4]、绿洲乡村[5]及城市生态系统[6]等多个维度。随着研究的不断深入，“生态韧性”这一概念逐渐渗透至旅游学领域，学者们普遍认为，在我国旅游产业转型升级的关键时期，构建一个既能激发旅游经济动能，同时又具备强韧性的旅游生态系统，对于推动旅游业的可持续发展至关重要[7-8]。学者们对旅游生态韧性的探索始于其概念界定及内涵剖析，认为它是衡量旅游目的地可持续发展能力的关键指标[9-10]。在厘清概念的基础上，学者们对该领域展开了多维度、全方位的探索。在理论模型及评价指标构建层面，学者们普遍采用PSR模型[11]以及DPSIR模型[12-13]，构建多层次、多维度的旅游生态韧性评价指标体系。这2种模型在生态系统评价中具有一定的优势，能够系统地识别和分析生态系统面临的各种压力、当前的状态以及相应的响应措施。然而，无法全面捕捉生态系统在面对外部冲击时的动态适应、恢复以及持续演进的能力。因此，本研究依据演化韧性理论，借鉴李志远等[10]的研究成果，构建基于防御抵抗能力、恢复适应能力和创新进化能力的DRI模型。在研究方法层面，熵权法、TOPSIS法、空间自相关分析、地理探测器等被广泛应用于旅游生态韧性的量化分析当中[10-15]，为DRI模型的实施提供有效的技术支持。在研究内容方面，众多学者倾向于以“概念明晰-生态系统结构特性解析-影响因素探究-优化策略构建”为核心框架，剖析旅游生态韧性的多元影响因素及其内在作用机制[8,16-18]。
综上，学者们在旅游生态韧性概念界定、理论模型、评价指标构建、影响因素及优化路径等领域进行了广泛探索，并取得一定进展，但仍存在一些不足：第一，已有研究构建的模型，如PSR模型和DPSIR模型，未能充分考虑生态系统的动态性和创新性。第二，已有研究多聚焦于旅游生态韧性的静态评价或单一时间点的比较上[16]，而对其随时间变化的动态过程及空间分布特征的深入分析较少。第三，已有研究在识别旅游生态韧性影响因子时存在视角单一、方法局限等问题，难以揭示经济、社会、文化、生态等多个尺度的相互作用。基于以上分析，本文以黄河流域旅游生态韧性为研究对象，依据演化韧性理论，构建“防御抵抗能力-恢复适应能力-创新进化能力”的综合评价指标体系，并借助熵权TOPSIS法、马尔科夫链、空间自相关模型，分析2000—2022年黄河流域旅游生态系统的时空演化特征，并运用障碍度模型，识别影响黄河流域旅游生态系统提韧的主要障碍因子，以期为黄河流域旅游业的绿色转型与可持续发展提供坚实的理论支撑与实践指导。

1 理论框架及指标体系构建

1.1 理论框架

“韧性”概念最初源自机械工程范畴，特指系统在经受压力之后恢复初始状态的能力，随着学者们的不断探索，依次经历了“工程韧性-生态韧性-演化韧性”的递进式演变。具体而言，工程韧性、生态韧性分别聚焦系统的恢复适应、维持稳定的能力[16]。而演化韧性认为生态系统能够通过结构性的自我调整，灵活应对外部冲击[19]。这一概念与旅游生态系统的复杂性和动态演变性更加契合[20]，因此，研究选取演化韧性作为理论基础。
旅游生态系统作为一个融合了旅游、生态、经济及社会等多个子系统的复杂综合体，具有发展脆弱性、易受攻击性、演化复合性等特征。该系统的生态系统韧性不仅强调生态系统在遭遇外部冲击时所展现出的防御抵抗与快速恢复的能力，还强调系统在稳态维系阶段，通过恢复适应及改善创新转型路径强化自身可持续性的能力[16]。基于此，本文依据演化韧性理论，借鉴李志远等[10]的研究成果，对旅游生态韧性的理论框架进行了阐释，并将旅游生态韧性界定为旅游生态系统在遭遇包括无序旅游开发、生态环境退化及外部突发事件等挑战时，所展现出的三重能力体系：其一为抵御与缓解这些冲击的防御抵抗能力；其二为在受损后迅速修复并维持生态系统基本功能与平衡的恢复适应能力；其三则是一种通过创新性策略，如优化调整、转型升级等手段，驱动生态系统向更高层次、更可持续状态演进的创新进化能力[10]。在此框架内，此三重能力体系共同组成了旅游生态韧性的三大维度，并依托于旅游系统、生态系统、经济系统、社会系统的相互作用与协同合作，共同形成旅游生态系统的韧性机制（图1）。
图1 旅游生态韧性机制图

注：基于李志远等[10]的研究框架修改。

Fig. 1 Mechanism diagram of tourism ecological resilience

1.2 指标体系构建

本文在借鉴相关成果的基础上[10]，构建包含防御抵抗能力、恢复适应能力、创新进化能力3个维度的黄河流域旅游生态韧性综合评价指标体系（表1）。其中，防御抵抗能力指生态系统在面对内外部压力和挑战时，能够依靠其经济与产业支撑，持续稳定运作并有效应对各种负面效应的能力。鉴于此，本文从经济支撑、产业支撑、社会压力、生态压力4个方面构建相应的评价指标体系。恢复适应能力指生态系统在面临外部变化或内部失衡时，能够有效调整自身状态，重新达到稳定与平衡的能力。因此，本文从内部驱动机制、外部保障条件及资源环境承载能力3个方面构建相应的评价指标体系。创新进化能力直接体现在旅游经济产出的增长与产业结构的优化提升方面，还依赖于创新驱动发展战略的深入实施与生态环境治理的持续加强。因此，本文从经济调控、产业提升、创新研发、环境治理4个方面构建相应的评价指标体系。
表1 黄河流域旅游生态韧性评价指标体系

Tab. 1 Evaluation index system for tourism ecological resilience in the Yellow River Basin

准则层 要素层 指标层 指标释义 指标权重
防御抵抗能力（D） 经济支撑 人均GDP（D1） 经济基础支撑 0.0386（+）
旅游收入占GDP比重（D2） 旅游业市场地位 0.0313（+）
产业支撑 旅游要素集聚水平（D3） 旅游产业对旅游生态系统的支撑 0.0986（+）
旅行社与星级饭店数量（D4） 旅游接待能力 0.0305（+）
社会压力 游客密度指数（D5） 游客活动对旅游地人口结构和生态环境的压力程度 0.0029（-）
旅游交通压力（D6） 游客流动对旅游地交通基础设施的压力程度 0.0027（-）
旅游空间指数（D7） 游客活动对国土空间资源的胁迫 0.0055（-）
生态压力 废水排放量（D8） 污染物排放对旅游生态系统（包括水体环境、空气质量、
气候变化等）产生的负面影响及破坏程度		 0.0075（-）
SO2排放量（D9） 0.0128（-）
碳排放量（D10） 0.0121（-）
恢复适应能力（R） 内部驱动 人均旅游消费支出（R1） 系统运行对旅游地经济收益、旅游市场的影响 0.0290（+）
旅游接待人次（R2） 旅游市场活力及吸引力水平 0.0704（+）
旅游从业人员比例（R3） 旅游就业吸纳能力及人才资本水平 0.0256（+）
外部保障 人均拥有道路面积（R4） 交通基础设施保障水平 0.0161（+）
人均医疗卫生机构床位数（R5） 公共卫生服务保障水平 0.0264（+）
互联网普及率（R6） 通讯保障水平 0.0266（+）
资源环境 森林覆盖率（R7） 旅游生态系统环境保护及健康状况 0.0207（+）
自然保护区占辖区面积比例（R8） 0.0285（+）
水资源总量（R9） 0.0665（+）
城市公园绿地面积（R10） 0.0566（+）
创新进化能力（I） 经济调控 财政支出占GDP比重（I1） 旅游生态系统潜在财政支持 0.0282（+）
环境污染治理投资占GDP比重（I2） 旅游生态系统实际资金投入 0.0270（+）
产业提升 旅游收入增长率（I3） 旅游业产业增长能力 0.0075（+）
旅游接待人次增长率（I4） 0.0049（+）
创新研发 旅游R&D经费（I5） 旅游创新研发经费投入 0.1073（+）
旅游发明专利授权量（I6） 旅游创新研发成果产出 0.1221（+）
旅游院校学生数量（I7） 旅游创新研发人才支撑 0.0574（+）
环境治理 固体废物综合利用率（I8） 旅游生态系统环境保护与污染防治效率 0.0158（+）
生活垃圾无害化处理率（I9） 0.0105（+）
污水处理率（I10） 0.0104（+）

注：正向指标（+）、负向指标（-）分别表示对评价对象有积极、消极影响的因素。

2 数据与方法

2.1 数据来源

本文的数据来源细分如下：人均GDP（D1）、人均拥有道路面积（R4）、人均医疗卫生机构床位数（R5）、互联网普及率（R6）、城市公园绿地面积（R10）、财政支出占GDP比重（I1）、环境污染治理投资占GDP比重（I2）数据来源于2000—2022年的《中国统计年鉴》；旅游收入占GDP比重（D2）、旅行社与星级饭店数量（D4）、人均旅游消费支出（R1）、旅游接待人次（R2）、旅游收入增长率（I3）、旅游接待人次增长率（I4）、旅游R&D经费（I5）、旅游发明专利授权量（I6）、旅游院校学生数量（I7）数据来源于2000—2022年的《中国旅游统计年鉴》《中国文化文物与旅游统计年鉴》；旅游要素集聚水平（D3）、游客密度指数（D5）、旅游空间指数（D7）、旅游从业人员比例（R3）经计算所得，其基础数据来源于2000—2022年的《中国旅游统计年鉴》《中国文化文物与旅游统计年鉴》及《中国交通统计年鉴》；废水排放量（D8）、SO2排放量（D9）、碳排放量（D10）、固体废物综合利用率（I8）、生活垃圾无害化处理率（I9）、污水处理率（I10）数据来源于2000—2022年的《中国环境统计年鉴》；森林覆盖率（R7）、自然保护区占辖区面积比例（R8）数据来源于2000—2022年的《中国林业统计年鉴》；水资源总量（R9）数据来源于2000—2022年的《水资源公报》。此外，本研究还查阅并整合了黄河流域9省（区）相应年份的统计年鉴及公报，以完善相关数据。对于部分缺失数据，采用线性插值法进行补充。

2.2 研究方法

2.2.1 熵权TOPSIS法

熵权TOPSIS法将熵权法和TOPSIS法相结合。熵权法通过对评价指标信息熵的度量来确定其客观权重，有效规避传统方法中的主观因素干扰，且采用面板数据计算熵权，能够客观评价黄河流域各区域在不同时间点的旅游生态韧性发展水平。TOPSIS法能够直观展示各区域间旅游生态韧性的优劣差异，具体计算步骤见参考文献[21]。

2.2.2 马尔科夫链

马尔科夫链是一种用于描述系统状态随时间变化随机过程的数学统计模型[22]。在黄河流域旅游生态韧性发展水平研究中，马尔科夫链能够分析旅游生态韧性状态在不同时间点的转移概率和路径，以及这些状态如何随时间演变，具体计算步骤见参考文献[23]。

2.2.3 空间自相关模型

空间自相关模型是测量空间自相关性的重要工具，能够更好地理解空间数据的分布模式，揭示地理现象的空间依赖性和空间异质性[24]。在黄河流域旅游生态韧性发展水平的研究中，全局莫兰指数可以反映整个研究区域内旅游生态韧性水平的空间集聚程度，而局部莫兰指数则可以进一步揭示局部区域的空间集聚模式和异常值，具体计算步骤见参考文献[25]。

2.2.4 障碍度模型

障碍度模型用于识别影响系统发展的主要障碍因子，并量化其影响程度[26]。在黄河流域旅游生态韧性发展水平研究中，通过构建障碍度模型，识别影响黄河流域旅游生态韧性提升的多尺度障碍因子并对其进行排序，具体计算步骤见参考文献[27]。

3 结果与分析

3.1 黄河流域旅游生态韧性发展水平的时序演变特征

为直观展示黄河流域内旅游生态韧性发展水平的动态变化趋势，本文基于熵权TOPSIS方法量化分析2000—2022年黄河流域旅游生态韧性的发展水平。图2、图3详尽展示了黄河流域内9个省（区）以及按黄河水利委员会划分的黄河上游（青海、四川、甘肃、宁夏、内蒙古）、中游（陕西、山西）、下游（河南、山东）区域旅游生态韧性发展水平及变化趋势[28]。
图2 2000—2022年黄河流域旅游生态韧性发展水平趋势

Fig. 2 Development trend of tourism ecological resilience in the Yellow River Basin from 2000 to 2022

图3 2000—2022年黄河流域旅游生态韧性发展水平趋势

Fig. 3 Development trend of tourism ecological resilience in the Yellow River Basin from 2000 to 2022

总体上，2000—2022年黄河流域旅游生态韧性呈波动性下降的趋势，各省（区）旅游生态韧性指数处于[0.135,0.735]区间内，平均值为0.363，表明该区域旅游生态韧性发展水平相对较低，反映出黄河流域在生态维度上面临严峻挑战。在研究期间，黄河流域旅游生态韧性呈现周期性波动趋势，显著变化点出现在2004、2012年和2020年，具体表现为“先升后降、再升复降”，值得注意的是，2020年的显著下降，主要原因在于全球新冠疫情的突发冲击，此动态演变轨迹表明黄河流域旅游生态系统对于内外界环境变化的高度敏感性与其独特的响应机制。
各流域上，旅游生态韧性的分布呈现显著的梯度差异，表现为下游>中游>上游，具体而言，下游区域旅游生态韧性均值为0.629，中游区域为0.375，上游区域为0.252。下游区域显著高于中、上游，原因在于下游区域作为黄河流域经济最为发达的地区，其旅游资源和产品开发较为成熟，且重视生态治理与环境保护工作，因此其旅游生态韧性水平较高。
各省（区）上，河南（0.679）和山东（0.579）旅游生态韧性均值最高，其次是四川（0.478）和陕西（0.404），排名末5位的是山西（0.345）、内蒙古（0.221）、青海（0.207）、甘肃（0.180）、宁夏（0.175）。该分布格局与经济发展水平、旅游资源开发深度与广度、生态环境保护策略、政策导向与管理机制等因素密切相关。

3.2 黄河流域旅游生态韧性发展类型的空间演化特征

为直观比较黄河流域旅游生态韧性的空间演化情况，本文借助ArcGIS 10.8软件，采用Jenks自然间断点分级法，将各省（区）在2000、2007、2014、2022年的旅游生态韧性发展水平依次划分为低韧性（韧性指数<0.2）、较低韧性（0.2≤韧性指数<0.4）、中韧性（0.4≤韧性指数<0.6）、高韧性（0.6≤韧性指数）（图4）。
图4 2000—2022年黄河流域旅游生态韧性发展水平的时空演进趋势

注：基于自然资源部标准地图服务网站审图号为GS(2024)0650号的标准地图制作，底图边界无修改。

Fig. 4 Spatiotemporal evolution trends of tourism ecological resilience development level in the Yellow River Basin from 2000 to 2022

总体上，2000—2022年黄河流域旅游生态韧性区域分布发生显著变化，表现为低韧性区域、较低韧性区域以及高韧性区域数量增加，中韧性区域数量减少，至研究期末，黄河流域基本形成从下游到上游韧性逐渐递减的层级空间结构。
具体来看，2000年黄河流域各省（区）旅游生态韧性发展水平无高韧性类型，低韧性、较低韧性类型各2个，分别是内蒙古与宁夏、青海与甘肃，其余5个省份均为中韧性类型，呈阶梯式的地域分布特征。2007年仅出现河南1个高韧性类型，与2000年相比，中韧性类型省份减少至2个（四川、山东），较低韧性类型省（区）增加至4个（青海、内蒙古、陕西、山西），低韧性类型省（区）数量未变（甘肃、宁夏），此情形的原因在于，这一时期，我国经济处于飞速发展阶段，然而这一进程伴随着对生态环境保护的相对忽视。2014年的空间分布格局与2007年相似，该时期处于在经济快速发展和生态环境保护之间探索平衡点的阶段，旅游生态韧性的提升尚未成为普遍关注的焦点。2022年高韧性类型省份增加至2个（河南、山东），中韧性、较低韧性类型省（区）数量分别减少至1个（四川）与3个（内蒙古、陕西、山西），低韧性类型省（区）增加至3个（青海、甘肃、宁夏）。经过多年发展，黄河下游在旅游生态韧性方面取得显著进步，如河南、山东二省之所以成为高韧性类型省份，与其在旅游发展、环境保护、经济建设各方面的综合表现较为突出密切相关。然而，黄河中、下游则面临经济波动、自然灾害频发、政策调整频繁等多重挑战，导致其旅游生态韧性呈现下降趋势。

3.3 黄河流域旅游生态韧性发展水平的动态演进特征

通过构建2000—2022年黄河流域旅游生态韧性发展水平的马尔科夫链模型，深入分析该流域内旅游生态韧性发展水平在不同等级间的动态跃迁特征（表2）。此矩阵对角线上的数值表示黄河流域旅游生态韧性发展水平等级保持稳定的概率，而非对角线上的数值则量化反映各等级间潜在的转移概率。
表2 马尔科夫状态转移矩阵计算结果（2000—2022年）

Tab. 2 Calculation results based on the Markov transition probalility matrix (2000—2022)

区域 t/t+1 旅游生态韧性发展水平
低 较低 中 高
黄河上游 低 0.857 0.071 0.071 0.000
较低 0.111 0.667 0.222 0.000
中 0.037 0.259 0.593 0.111
高 0.000 0.000 0.107 0.893
黄河中游 低 0.727 0.273 0.000 0.000
较低 0.182 0.364 0.455 0.000
中 0.091 0.364 0.364 0.182
高 0.091 0.000 0.182 0.727
黄河下游 低 0.583 0.333 0.083 0.000
较低 0.273 0.545 0.182 0.000
中 0.000 0.100 0.700 0.200
高 0.000 0.000 0.182 0.818

注：t/t+1表示2000—2022年黄河流域各区域旅游生态韧性发展水平从某一时期t到下一时期t+1的转移概率。

对黄河流域上游区域而言，低旅游生态韧性区域具有较高的稳定性，保持在低等级的概率为0.857，提升至较低及中水平的概率较低，均为0.071，说明该区域提升旅游生态韧性面临一定难度。较低旅游生态韧性区域保持原状的概率为0.667，有一定向中等级转移的可能（0.222），但回退风险也较高（0.111）。中旅游生态韧性区域稳定性较高（0.593），有向高等级转移的可能性（0.111），但也存在向低等级和较低等级小幅回退的风险（分别为0.037和0.259）。高旅游生态韧性区域稳定性极高（0.893），仅存在向中等级小幅下降的风险（0.107）。
对黄河流域中游区域而言，低旅游生态韧性区域稳定性较高（0.727），仅存在向较低级转移的可能（0.273）。较低旅游生态韧性区域保持原状的概率较低（0.364），向中等级转移的可能性较大（0.455），但存在回退风险（0.182）。中旅游生态韧性区域稳定性一般（0.364），同时有向低等级、较低等级和高等级转移的可能性（分别为0.091、0.364和0.182）。高旅游生态韧性区域稳定性较高（0.727），仅存在向中等级下降的风险（0.182）。
对黄河流域下游区域而言，低旅游生态韧性区域相对稳定（0.583），转移到较低等级的概率较高（0.333），而转向中等级的概率相对较低（0.083），提升旅游生态韧性面临一定困难。较低旅游生态韧性区域保持原状的概率为0.545，存在向低等级回退的风险（0.273），向中等级转移的可能性一般（0.182）。中旅游生态韧性区域稳定性较高（0.700），向高等级转移的可能性较大（0.200），但存在向较低等级小幅度回退的风险（0.100）。高旅游生态韧性区域稳定性极高（0.818），仅存在向中等级下降的风险（0.182）。
综上，上游区域旅游生态韧性整体较为稳定，低韧性区域难以提升，而高韧性区域则相对稳定，但各等级间均存在不同程度的转移风险。中游区域旅游生态韧性存在明显的升降转移现象，低韧性区域易向较低等级转移，而中韧性区域则呈现多向转移特点，高韧性区域相对稳定但存在下降风险。下游区域旅游生态韧性整体呈现稳定趋势，但低韧性区域提升困难，中韧性区域向高等级转移可能性较大，高韧性区域则保持极高稳定性。

3.4 黄河流域旅游生态韧性发展水平的空间集聚特征

为了更深入了解黄河流域旅游生态韧性发展水平的空间集聚特征，本文采用莫兰指数进行分析。
表3所示，2000—2022年全局莫兰指数均通过了5%显著性水平的统计检验标准，且数值均为正，这揭示了黄河流域各省级区域之间的旅游生态韧性发展水平呈现显著的正向空间关联性。此外，Z值均大于1.65的临界阈值，表明各省（区）的旅游生态韧性发展水平呈现出明显的空间聚集效应。从时间维度考察，2000—2022年的全局莫兰指数整体趋势表现为波动上升，具体轨迹是从2000年的0.210逐渐增长至2022年的0.477，空间集聚性持续增强。
表3 2000—2022年黄河流域旅游生态韧性发展水平的全局莫兰指数

Tab. 3 Global Moran’s I of tourism ecological resilience development level in the Yellow River Basin from 2000 to 2022

年份 Moran’s I Z值 P值 年份 Moran’s I Z值 P值
2000 0.210 1.657 0.048** 2012 0.417 2.785 0.003***
2001 0.253 1.800 0.035** 2013 0.354 2.530 0.006***
2002 0.244 1.758 0.040** 2014 0.457 2.800 0.003***
2003 0.495 2.678 0.004*** 2015 0.497 2.822 0.002***
2004 0.439 2.448 0.007*** 2016 0.571 3.156 0.001***
2005 0.392 2.532 0.006*** 2017 0.544 2.983 0.001***
2006 0.492 2.825 0.002*** 2018 0.503 2.745 0.003***
2007 0.356 2.303 0.011** 2019 0.466 2.543 0.005***
2008 0.260 1.898 0.029** 2020 0.448 2.522 0.006***
2009 0.367 2.393 0.008*** 2021 0.355 2.104 0.018**
2010 0.370 2.374 0.009*** 2022 0.477 2.740 0.003***
2011 0.366 2.434 0.007***

注：Moran’s I为空间自相关指数，反映空间集聚程度；Z值为标准化统计量，用于检验Moran’s I的显著性；P值为显著性概率值。*、**、***分别表示通过10%、5%、1%的显著性检验。

前文通过全局莫兰指数分析，揭示了黄河流域各省（区）间旅游生态韧性发展水平存在显著的空间正相关关系。为进一步测度各省（区）间具体的空间关联特征，并直观展现该流域内旅游生态韧性发展水平的局部聚集效应及其动态演变，针对2000、2007、2014年以及2022年这4个关键时间点，分别制作了局部莫兰散点图进行可视化展示（图5）。
图5 2000—2022年黄河流域旅游生态韧性发展水平的局部莫兰指数散点图

Fig. 5 Local Moran’s I scatter plot of tourism ecological resilience development level in the Yellow River Basin from 2000 to 2022

总体上，各省（区）多聚集在第一象限和第三象限，表明各省（区）的旅游生态韧性发展水平在地理空间上呈现出显著的聚集效应与异质性特征，主要表现为“高-高”集聚和“低-低”集聚特征。值得注意的是，相较于第一象限，位于第三象限的省（区）数量显著偏多，这表明在黄河流域内，旅游生态韧性的分布倾向于“低-低”集聚。
各省（区）上，河南、山东长期表现为“高-高”集聚特征，表明2省不仅自身的旅游生态韧性发展水平较高，而且与周边省（区）也形成了良好的协同发展态势。四川长期表现为“高-低”集聚特征，表明四川自身的旅游生态韧性发展水平较高，但周边省（区）相对较低。甘肃、宁夏、内蒙古长期表现为“低-低”集聚特征，表明3省（区）在旅游生态韧性方面存在较大的提升空间。陕西在2007年出现了短暂的“低-低”集聚特征，但在其余年份均表现为“高-低”集聚特征。原因在于2007年，陕西处于经济快速发展阶段，部分地区因过分追求短期的经济增长，而忽略了环境保护的重要性，这在一定程度上削弱了其旅游生态系统的恢复力与适应性，导致旅游生态韧性受到一定影响，而后随着时间的推移，陕西加强了生态环境保护工作，旅游生态韧性得以提升，但周围省（区）的韧性提升仍然较为滞后。山西由“高-高”集聚退化为“低-高”集聚特征，表明山西曾具有较高水平的旅游生态韧性，但随着时间的推移，由于资源过度开发、环境污染等原因导致自身水平下降，而周边省（区）则保持了相对较高的水平。青海则由“低-高”集聚退化为“低-低”集聚特征，反映出青海及其周边省（区）在旅游生态韧性方面均面临较大的挑战。

3.5 黄河流域旅游生态韧性发展水平的障碍因子分析

3.5.1 准则层障碍因子分析

2000—2022年对黄河流域9省（区）旅游生态韧性准则层障碍因子进行深入研究发现：首先，创新进化能力展现出最高的障碍度水平，是制约黄河流域旅游生态韧性提高的首要瓶颈因素；其次，恢复适应能力亦是阻碍黄河流域旅游生态韧性提高的重要因素；相较之下，防御抵抗能力的障碍度处于相对较低的水平，反映出黄河流域旅游生态系统在抵御内外部冲击方面展现出一定的稳定性（图6）。基于以上分析，未来黄河流域旅游生态系统提韧策略的制定应聚焦于恢复适应能力与创新进化能力2个核心准则层的调控与优化。
图6 2000—2022年黄河流域旅游生态韧性准则层障碍度

Fig. 6 Barrier degree of tourism ecological resilience criteria layer in the Yellow River Basin from 2000 to 2022

3.5.2 指标层障碍因子分析

（1） 黄河流域9省（区）障碍因子分析。为识别并量化黄河流域9省（区）旅游生态韧性提升过程中的关键指标层障碍因子，本文采用障碍度模型，分析2000—2022年排名前5的障碍因子及其障碍度（表4）。
表4 2000—2022年黄河流域旅游生态韧性指标层主要障碍因子（前5位）

Tab. 4 Main obstacle factors (top five) in the tourism ecological resilience index layer in the Yellow River Basin from 2000 to 2022 /%

年份 青海 四川 甘肃 宁夏 内蒙古 陕西 山西 河南 山东
2000 I6（15.56） D3（15.68） I5（12.82） I6（15.39） I6（15.26） D3（12.69） I5（14.89） I5（11.99） I6（27.78）
I5（13.68） I7（11.55） D3（11.87） I5（13.52） I5（13.34） R9（9.62） D3（12.06） R9（9.34） R9（13.43）
D3（12.57） I6（9.27） I6（9.91） D3（11.79） D3（12.26） R10（8.14） R9（9.86） I6（7.61） I5（10.28）
R2（8.87） R10（8.34） R2（7.97） R2（8.87） R2（8.17） I7（7.90） I7（7.99） I7（7.17） I1（6.42）
I7（7.26） D1（7.50） R9（7.46） R9（8.39） R9（7.19） R2（7.18） R10（6.77） D1（5.50） I2（5.27）
2007 I6（15.60） I6（16.37） I6（14.35） I6（15.07） I6（15.68） I6（16.35） I6（14.56） I6（12.65） R9（20.39）
I5（13.72） D3（15.03） I5（12.59） I5（13.23） I5（13.37） D3（11.10） I5（12.40） I5（10.93） I1（10.36）
D3（12.60） R10（7.71） D3（11.80） D3（11.66） D3（12.84） I5（8.48） R9（9.34） R9（9.32） R8（9.51）
R2（8.87） D1（6.66） R2（7.86） R2（8.69） R2（8.34） R9（8.08） D3（9.20） R10（5.71） I2（7.82）
I7（7.34） I5（5.92） R9（7.20） R9（8.21） R9（7.77） R10（6.92） R10（6.87） R8（4.99） R5（6.81）
2014 I6（15.08） D3（15.00） I6（14.44） I5（13.38） I6（17.35） I6（12.26） I6（16.76） I6（15.03） R9（20.40）
I5（13.86） I6（12.95） I5（12.12） I6（12.78） I5（13.55） I5（11.15） I5（12.01） I5（11.19） I1（9.15）
D3（12.75） I5（10.99） D3（11.26） D3（11.66） D3（13.55） D3（10.58） R9（9.35） R9（9.30） R8（8.33）
R2（9.05） R10（7.00） R9（7.25） R2（8.77） R2（9.01） R9（9.12） D3（7.28） R10（4.97） R1（7.56）
I7（7.42） D1（5.91） R2（6.80） R9（8.29） R9（7.49） R10（7.32） R10（6.56） R8（4.47） R5（7.41）
2022 I6（15.19） D3（19.24） I6（14.68） I6（14.97） I6（16.09） I6（13.30） I6（14.64） I6（11.10） R9（17.27）
I5（13.35） I6（14.61） I5（12.85） I5（12.94） I5（13.56） D3（10.69） I5（12.50） I5（10.99） I7（12.29）
D3（12.27） R10（7.53） D3（11.98） D3（10.78） D3（12.96） I5（10.38） D3（9.66） R9（9.80） I1（9.48）
R2（8.75） I1（7.31） R9（7.53） R2（8.45） R2（8.33） R9（9.04） R9（8.00） D3（8.34） I2（8.63）
I7（7.14） I2（6.76） R2（7.23） R9（8.22） I7（7.20） I7（8.32） I7（5.97） I7（6.23） R8（8.62）
2000年，D3、R9、I5、I6是影响黄河流域提韧的主要障碍因子，出现频率高达7次，其次是R2和I7，出现频率均为5次；2007年和2014年，I5和I6的出现频率为8次，D3和R9为7次，R2和R10为4次；至2022年，D3和I6仍占据障碍因子前列，出现频率为8次，I5为7次，R9和I7为6次，R2为4次。综上，D3、R9、I5、I6以及R2是阻碍黄河流域各省（区）旅游生态系统韧性提高的主要障碍因子。
（2） 黄河流域各流域障碍因子分析。以黄河流域9省（区）旅游生态韧性障碍因子分析为基础，进一步识别归纳该流域上、中、下游区域旅游生态韧性的主要障碍因子（表5）。
表5 2000—2022年黄河流域各流域旅游生态韧性指标层主要障碍因子（前5位）

Tab. 5 Main obstacle factors (top five) in the tourism ecological resilience index layer of various watersheds in the Yellow River Basin from 2000 to 2022 /%

年份 上游 中游 下游
2000 I6（13.08） D3（12.37） I6（17.69）
D3（12.83） R9（9.74） R9（11.38）
I5（10.67） I5（8.95） I5（11.13）
I7（8.01） I7（7.94） I1（5.65）
R10（6.86） R10（7.45） I2（5.16）
2007 I6（15.42） I6（15.45） R9（14.86）
D3（12.79） I5（10.44） I1（7.42）
I5（11.76） D3（10.15） R8（7.25）
R2（7.01） R9（8.71） I6（6.33）
R10（6.82） R10（6.90） I2（6.27）
2014 I6（14.52） I6（14.51） R9（14.85）
D3（12.85） I5（11.58） I6（7.51）
I5（12.78） R9（9.24） I1（6.66）
R2（7.03） D3（8.93） R8（6.40）
R10（6.53） R10（6.94） R5（5.78）
2022 I6（15.11） I6（13.97） R9（13.53）
D3（13.45） I5（11.44） I7（9.26）
I5（10.54） D3（10.18） I1（6.88）
R10（6.69） R9（8.52） R8（6.67）
R2（6.55） I7（7.15） I2（6.42）
对黄河流域上游区域而言，2000年该区域旅游生态韧性排前5位的障碍因子分别是I6、D3、I5、I7、R10，2007、2014、2022年R2替代I7成为前5位障碍因子。因此，I6、D3、I5、R10、R2是阻碍上游区域旅游生态系统韧性提高的主要障碍因子。
对黄河流域中游区域而言，2000年该区域旅游生态韧性排前5位的障碍因子分别是D3、R9、I5、I7、R10，2007、2014年I6替代I7成为前5位障碍因子。2022年I7替代R10成为前5位障碍因子。因此，D3、R9、I5、I6、R10是阻碍中游区域旅游生态系统韧性提高的主要障碍因子。
对黄河流域下游区域而言，2000年该区域旅游生态韧性排前5位的障碍因子分别是I6、R9、I5、I1、I2，2007年R8替代I5成为排第3位的障碍因子。2014年R5替代I2成为排第5位的障碍因子。2022年I7替代I6成为排第2位的障碍因子，I2替代R5成为排第5位的障碍因子。因此，R9、I1、I6、R8、I2是阻碍下游区域旅游生态系统韧性提高的主要障碍因子。

4 讨论与结论

4.1 讨论

本研究通过综合运用熵权TOPSIS法、马尔科夫链、空间自相关模型及障碍度模型，对2000—2022年黄河流域旅游生态韧性的时空演化特征及其障碍因子进行了深入剖析。以期为提升黄河流域面对快速城市化进程、气候变化冲击以及人类活动干扰等多重内外部压力下的防御、恢复及进化能力提供科学依据。
相较于以往研究局限于单一维度[2,7,13]及单一尺度[2,7,25]探讨旅游生态系统变化的影响因素，本研究通过整合多维度视角（涵盖经济、社会、文化及生态层面）与多空间尺度分析[跨越9个省（区）]，深入识别黄河流域旅游生态系统提韧的制约因素，既是对已有研究成果的承接、深化，也是本研究的创新之处。研究的核心贡献在于：第一，依据演化韧性理论框架，构建多维度（包含防御抵抗能力、恢复适应能力、创新进化能力）黄河流域旅游生态韧性指标体系。第二，采用多元化的计算方法，如熵权TOPSIS法、马尔科夫链、空间自相关模型，全面了解旅游生态韧性的时空演变趋势。第三，从精细化分析的视角出发，一方面，分层次进行障碍因子识别，深入剖析了准则层和指标层等不同层次的障碍因子；另一方面，考虑地域空间的尺度差异，研究从省（区）和流域2个地理空间尺度出发，分别分析了黄河流域9省（区）以及上、中、下游流域的旅游生态系统韧性障碍因子，有助于把握不同地域空间内旅游生态系统韧性发展水平的特征和差异，为制定针对性的区域旅游可持续发展策略和生态环境保护规划提供科学依据。
尽管本研究在探索黄河流域旅游生态韧性方面取得了初步成果，但仍存在一些不足之处，具体如下：第一，旅游生态韧性作为新兴研究领域，其理论框架和指标体系尚待进一步完善。本文虽考虑了旅游生态系统的自身特征，并借鉴已有的研究成果来构建综合评价指标体系，但受限于当前的知识范围，所构建的评价指标体系有待进一步地优化和补充。未来研究可以探索更多与旅游生态韧性相关的维度和指标，以更全面地反映旅游生态系统的韧性特征。第二，受指标数据获取渠道的限制，本研究主要从黄河流域省（区）的视角展开探究，研究未将地级市尺度纳入分析范围，主要是因为地级市层面的相关数据在可获得性、一致性和完整性方面存在较大挑战。随着旅游及生态相关数据库的逐步完善，未来研究可以进一步细化研究尺度，从更具体的地域单元出发。

4.2 结论

（1） 时间层面，研究期内，黄河流域旅游生态韧性整体处于较低水平，呈波动性下降趋势，具体到各流域分段，韧性均值分布呈现显著的梯度差异，表现为下游>中游>上游；从时间演变上看，不同韧性水平区域的变迁呈现显著的异质性特征，低韧性区域呈现较强的固化态势，较低韧性区域虽具备潜在的上升空间，但面临多重约束，中韧性区域为关键过渡阶段，而高韧性区域则展现出稳固的良性发展模式。
（2） 空间层面，研究期内，黄河流域旅游生态韧性区域分布发生显著变化，至研究期末，基本形成了从下游到上游韧性逐渐递减的层级空间结构；从空间聚集上看，黄河流域内各省（区）之间的旅游生态韧性发展水平存在显著的空间正相关关系，且聚集效应显著，主要表现为“高-高”集聚和“低-低”集聚特征。
（3） 障碍因子分析层面，具体到准则层，恢复适应能力和创新进化能力是阻碍黄河流域旅游生态韧性提高的主要障碍因子；具体到指标层，D3、R9、I5、I6、R2等因素被识别为主要的障碍因子。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王兆峰, 刘庆芳. 中国省域旅游效率空间网络结构演化及其影响因素[J]. 地理科学, 2021, 41(3): 397-406.

DOI

[Wang Zhaofeng, Liu Qingfang. The evolution and influencing factors of spatial network structure of China’s provincial tourism efficiency[J]. Scientia Geographica Sinica, 2021, 41(3): 397-406. ]

DOI

[2]
王松茂, 牛金兰. 山东省旅游经济与城市生态韧性协同演化研究[J]. 地理学报, 2023, 78(10): 2591-2608.

DOI

[Wang Songmao, Niu Jinlan. Co-evolution of tourism economy and urban ecological resilience in Shandong Province[J]. Acta Geographica Sinica, 2023, 78(10): 2591-2608. ]

DOI

[3]
Holling C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology & Systematics, 1973, 4(1): 1-23.

[4]
Li Y, Shi Y, Qureshi S, et al. Applying the concept of spatial resilience to socio-ecological systems in the urban wetland interface[J]. Ecological Indicators, 2014, 42(1): 135-146.

[5]
Ma L, Tao T, Li Z, et al. Study on spatial divergence of rural resilience and optimal governance paths in oasis: The case of Yongchang County in the Hexi Corridor of China[J]. Environment, Development and Sustainability, 2024, 26(2): 4603-4627.

[6]
Yuan Y, Bai Z, Zhang J, et al. Increasing urban ecological resilience based on ecological security pattern: A case study in a resource-based city[J]. Ecological Engineering, 2022, 175(5): 1064-1086.

[7]
杨秀平, 贾云婷, 翁钢民, 等. 城市旅游环境系统韧性的系统动力学研究——以兰州市为例[J]. 旅游科学, 2020, 34(2): 23-40.

[Yang Xiuping, Jia Yunting, Weng Gangmin, et al. A study on system dynamics of the resilience of urban tourism environment system: A case study of Lanzhou City[J]. Tourism Science, 2020, 34(2): 23-40. ]

[8]
李志远, 夏赞才. 长江经济带旅游业高质量发展水平测度及失配度时空格局探究[J]. 南京师大学报(自然科学版), 2021, 44(4): 33-42.

[Li Zhiyuan, Xia Zancai. Synergy effect and spatial characteristics analysis of tourism ecological resilience and efficiency in the Yangtze River Economic Belt[J]. Journal of Nanjing Normal University (Natural Science Edition), 2021, 44(4): 33-42. ]

[9]
Cochrane J. The sphere of tourism resilience[J]. Tourism Recreation Research, 2010, 35(2): 173-185.

[10]
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.

DOI

[Li Zhiyuan, Feng Xuegang, He Jing, et al. Spatial correlation network structure and driving factors of tourism ecological resilience in China[J]. Geographical Research, 2024, 43(5): 1146-1165. ]

[11]
张傲翔, 苗成林, 陈峥妍. 黄河流域城市生态韧性、社会网络及其影响因素分析[J/OL]. 干旱区地理. [2025-01-04].

[Zhang Aoxiang, Miao Chenglin, Chen Zhengyan. Urban ecological resilience, social networks and its influencing factors in the Yellow River Basin[J/OL]. Arid Land Geography. [2025-01-04]. http://kns.cnki.net/kcms/detail/65.1103.x.20240524.1707.001.html.]

[12]
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, 230.

DOI

[Guo Xiangyang, Ming Qingzhong, Yang Chunyu, 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, 230. ]

DOI

[13]
方叶林, 吴燕妮, 王秋月, 等. 基于DPSIR模型的城市旅游经济韧性评价与影响因素——以长三角城市群为例[J]. 南京师大学报(自然科学版), 2024, 47(2): 26-34.

[Fang Yelin, Wu Yanni, Wang Qiuyue, et al. Evaluation and influencing factors of tourism economic resilience based on DPSIR model: A case study of the Yangtze River Delta urban agglomeration[J]. Journal of Nanjing Normal University (Natural Science Edition), 2024, 47(2): 26-34. ]

[14]
王兆峰, 陈青青. 1998年以来长江经济带旅游生态安全时空格局演化及趋势预测[J]. 生态学报, 2021, 41(1): 320-332.

[Wang Zhaofeng, Chen Qingqing. Spatio-temporal pattern evolution and trend prediction of tourism ecological security in the Yangtze River Economic Belt since 1998[J]. Acta Ecologica Sinica, 2021, 41(1): 320-332. ]

[15]
任洪杰, 李辉尚. 中国乡村生态韧性时空演变特征及影响因素探究[J]. 干旱区地理, 2024, 47(11): 1915-1923.

DOI

[Ren Hongjie, Li Huishang. Spatial and temporal evolution characteristics and influencing factors of rural ecological resilience in China[J]. Arid Land Geography, 2024, 47(11): 1915-1923. ]

DOI

[16]
Folke C, Carpenter S R, Walker B, et al. Resilience thinking: Integrating resilience, adaptability and transformability[J]. Ecology and Society, 2010, 15(4): 152-167.

[17]
张明斗, 任衍婷, 周亮. 黄河流域城市生态韧性时空演变特征及影响因素分析[J]. 干旱区地理, 2024, 47(3): 445-454.

DOI

[Zhang Mingdou, Ren Yanting, Zhou Liang. Spatiotemporal evolution characteristics and influencing factors of urban ecological resilience in the Yellow River Basin[J]. Arid Land Geography, 2024, 47(3): 445-454. ]

DOI

[18]
方叶林, 王秋月, 黄震方, 等. 中国旅游经济韧性的时空演化及影响机理研究[J]. 地理科学进展, 2023, 42(3): 417-427.

DOI

[Fang Yelin, Wang Qiuyue, Huang Zhenfang, et al. Spatial and temporal evolution of tourism economic resilience and mechanism of impact in China[J]. Progress in Geography, 2023, 42(3): 417-427. ]

DOI

[19]
Pike A, Dawley S, Tomaney J. Resilience, adaptation and adaptability[J]. Cambridge Journal of Regions, Economy and Society, 2010, 3(1): 59-70.

[20]
牛亚菲, 陈田. 旅游生态环境系统研究——生态旅游研究的基石[J]. 旅游学刊, 2004, 19(4): 5-6.

[Niu Yafei, Chen Tian. Research on tourism eco-environment system: The cornerstone of ecotourism research[J]. Tourism Tribune, 2004, 19(4): 5-6. ]

[21]
李博, 秦欢, 余建辉, 等. 中国省域旅游资源竞争力评价及其格局演变[J]. 经济地理, 2019, 39(9): 232-240.

DOI

[Li Bo, Qin Huan, Yu Jianhui, et al. Evaluation and pattern evolution of provincial tourism resources competitiveness in China[J]. Economic Geography, 2019, 39(9): 232-240. ]

DOI

[22]
王少剑, 高爽, 黄永源, 等. 基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测[J]. 地理学报, 2020, 75(6): 1316-1330.

DOI

[Wang Shaojian, Gao Shuang, Huang Yongyuan, et al. Spatio-temporal evolution and trend prediction of urban carbon emission performance in China based on super-efficiency SBM model[J]. Acta Geographica Sinica, 2020, 75(6): 1316-1330. ]

DOI

[23]
李文龙, 起建凌, 张洪宇, 等. 中国农业高质量发展水平评价、时间演进及空间相关性分析[J]. 云南农业大学学报(社会科学版), 2024, 18(1): 1-8.

[Li Wenlong, Qi Jianling, Zhang Hongyu, et al. Evaluation of agricultural high-quality development level, regional difference and spatial correlation analysis in China[J]. Journal of Yunnan Agricultural University (Social Science Edition), 2024, 18(1): 1-8. ]

[24]
叶文丽, 杨新军, 吴孔森, 等. 黄土高原社会-生态系统恢复力时空变化特征与影响因素分析[J]. 干旱区地理, 2022, 45(3): 912-924.

DOI

[Ye Wenli, Yang Xinjun, Wu Kongsen, et al. Spatio-temporal characteristics and influencing factors of social-ecological system resilience in the Loess Plateau[J]. Arid Land Geography, 2022, 45(3): 912-924. ]

DOI

[25]
王彩丽, 闫绪娴. 成渝城市群城市韧性时空格局演变及障碍因子识别[J]. 重庆大学学报(社会科学版), 2023, 29(3): 21-33.

[Wang Caili, Yan Xuxian. Spatiotemporal revolution and obstacles identification of urban resilience in Chengdu-Chongqing urban agglomeration[J]. Journal of Chongqing University (Social Science Edition), 2023, 29(3): 21-33. ]

[26]
刘玒玒, 刘书芳. 祁连山地区复合生态系统韧性时空演化及障碍因子识别[J]. 干旱区地理, 2024, 47(2): 237-247.

DOI

[Liu Honghong, Liu Shufang. Spatiotemporal evolution and obstacle identification of complex ecosystem resilience in the Qilian Mountain area[J]. Arid Land Geography, 2024, 47(2): 237-247. ]

DOI

[27]
赵明亮, 刘芳毅, 王欢, 等. FDI、 环境规制与黄河流域城市绿色全要素生产率[J]. 经济地理, 2020, 40(4): 38-47.

DOI

[Zhao Mingliang, Liu Fangyi, Wang Huan, et al. Foreign direct investment, environmental regulation and urban green total factor productivity of the Yellow River Basin[J]. Economic Geography, 2020, 40(4): 38-47. ]

DOI

[28]
李凯风, 李子豪. 黄河流域绿色全要素生产率测度[J]. 统计与决策, 2022, 38(4): 98-101.

[Li Kaifeng, Li Zihao. Measurement of green total factor productivity in the Yellow River Basin[J]. Statistics & Decision, 2022, 38(4): 98-101. ]

Options
文章导航

/

〈 〉