1、第 37 卷第 2 期干旱区资源与环境Vol 37No 22023 年 2 月Journal of Arid Land esources and EnvironmentFeb 2023文章编号:1003 7578(2023)02 112 08doi:1013448/j cnki jalre2023041山东省民宿空间分布特征及影响因素研究*董之滔，孙凤芝，田菲菲，贾衍菊(山东师范大学商学院，济南 250300)提要:民宿作为旅游发展新业态，其空间利用方式受到广泛关注。文中基于 Airbnb 民宿数据，综合采取GIS 空间分析方法，分析山东省民宿空间分布特征，并基于地理探测器探讨民宿空间集聚的影
2、响因素。结果显示:1)山东省民宿呈集聚不均衡分布态势。2)民宿空间集聚程度与集聚态势异质性显著，胶东民宿形成“三核集聚、沿海带状布局”的空间密度格局，内陆民宿形成“单核集聚、多核心组团”的空间密度格局。3)社会经济因素是影响山东省民宿分布的首要因素和主导因素，其次是旅游发展因素，最后是区位交通因素与自然环境因素。其中，A 级景区密度、酒店密度、人均可支配收入、人口密度是影响山东省民宿分布的主要因素。研究发现为优化民宿空间格局、促进民宿产业高质量发展提供参考。关键词:民宿;空间分布;集聚特征;山东省中图分类号:F592文献标识码:A随着旅游消费结构的不断升级及个性化旅游需求的持续增长，民宿作为共
3、享经济的产物与新兴的旅游业态，在我国蓬勃发展1 2。旅游民宿有利于带动乡村地区就业、拓宽农村居民收入渠道、促进生态保护3 5，同时有助于盘活闲置资源、缓解城市住房压力、激发市场活力1。伴随民宿产业的飞速发展，民宿在空间上表现出不同的布局类型与扩张模式1，6 7，民宿空间分布特征及其布局背后的规律与原因，值得深入探讨和研究1。民宿概念因地域性差异而有所不同，在国外多界定为 Bed and Breakfast(BB)和 Homestay，是一种综合性旅游产品，为游客提供住宿、膳食、娱乐和当地生产生活及文化体验。Peric M 等认为民宿是具备本土价值观、文化特色的多样化个性化的家庭住宿场所8;Ni
4、ck 等认为民宿代表着以盈利为目的，提供新颖、个性化服务，并将住宅空间商业化的过程9。在国内，民宿在某种程度上可以看作农家乐和家庭旅馆的升级版，2022 年 7 月 旅游民宿基本要求与等级划分 国家标准的出台，将民宿界定为利用当地民居等相关闲置资源，主人参与接待，为游客提供体验当地自然文化与生产生活方式的小型住宿设施。文中综合国内外研究，将民宿界定为依托地域自然和人文资源，以家庭经营为主，为游客提供自然风光、乡土文化和居家氛围等体验的小型住宿设施9 12。国外的民宿研究主要集中于民宿的经营管理13 14、民宿旅游者行为体验15 16、主客间互动17 18 等方面，近年来逐渐关注民宿空间分布及集
5、群发展，研究城市内部因素对民宿分布的影响及民宿集聚和扩张渗透规律，为国内学者提供了借鉴1，19。Adamiak C 对比分析了欧洲不同规模城市共享住宿的分布，发现民宿分布与城市规模及其作为休闲旅游目的地的重要性息息相关20;Gutierrez J 等研究发现巴塞罗那民宿与酒店之间空间关系密切，民宿比酒店更大程度地利用了旅游景点的优势21;Cindy 等人对比巴黎酒店和民宿空间分布发现，酒店与民宿呈现不同的季节性与空间分布模式，二者没有直接竞争关系22。国内民宿研究主要围绕民宿资源评价23、民宿业发展24 25、民宿旅游者行为26 27 等方面，近年来民宿产业的空间格局及演化规律逐渐成为研究的热
6、点。张海洲等对环莫干山民宿时空演化进行研究，发现环莫干山民宿经历了由个别区域集中发展到全域均衡发展的过程，风景景观、发展基础、社会因素、区位因素是影响*收稿日期:2022 8 2;修回日期:2022 10 8。基金项目:国家青年科学基金项目(72102131)资助。作者简介:董之滔(1998 )，女，汉族，山东烟台人，硕士研究生，主要研究方向为旅游者行为、旅游地理。E mail:dzt199805163 com通讯作者:孙凤芝(1968 )，女，汉族，山东淄博人，教授，博士研究生导师，主要研究方向为旅游经济、旅游资源开发与规划、旅游教育。E mail:fzdy7077163 com民宿分布的主
7、要因素28;梅林、姜洪强综合人口密度、高等教育密度、旅游景区等多个民宿空间分异影响因素，借助随机森林算法对未来北京市民宿空间扩张展开预测1;龙飞等人研究发现长三角民宿呈高度集聚状态，并形成一二三级组团模式，单位面积旅游收入、A 级景区数量、人口密度、地区国内生产总值对民宿集聚有显著影响29。近年来，伴随网络大数据与机器学习的不断发展进步与应用，基于网络与地图POI 数据、网络关注度、手机信令数据等将使得民宿空间研究更加深入。综上，有关民宿分布类型、扩张模式、影响因素等方面的研究已经积攒了一定的成果。研究方法上，以多因素线性回归、地理加权回归、空间自相关等空间分析方法为主;在空间尺度上，多以市县
8、区域为研究对象，对省域或更大空间尺度的民宿分布及其内部差异研究较少。2020 年，山东省文化和旅游厅发布关于促进旅游民宿高质量发展的指导意见，明确提出要重点打造具有地方特色的民宿集聚区;2022 年，山东省文旅厅出台了 旅游民宿集聚区创建导则(试行)，进一步规范和指导山东省民宿集聚区的创建，为民宿产业提供政策助推。基于此，文中以 Airbnb 数据为基础，利用空间分析方法探索山东省民宿空间分布特征，运用地理探测器探析山东省民宿集聚的影响因素，以期实现山东省民宿与各类资源的合理配置，优化民宿空间布局，推动民宿产业高质量发展。1材料与研究方法1 1研究区域概况文中研究区域为山东省，包括济南、青岛、
9、淄博、枣庄、东营、烟台、潍坊、济宁、泰安、威海、日照、临沂、德州、聊城、滨州、菏泽 16 个地级市。山东省旅游资源丰富、区域经济水平较高，为山东省民宿发展奠定了良好的资源环境和经济基础;政府高度重视民宿产业发展，相继出台各项文件助推民宿产业高质量发展。因此文中选取山东省为例，研究区域内民宿空间格局及影响因素，具有一定的典型性和代表性。1 2数据来源依托 Airbnb 民宿平台，借助网络爬虫技术爬取山东省民宿短租数据，时间截止到 2022 年 4 月。经过数据清洗，剔除重复及无效数据，共获取 15413 个山东省民宿短租信息，并利用高德地图进行民宿经纬度坐标拾取。山东省酒店数据来源于高德地图 P
10、OI(Point of Interests)数据，山东省 30 30DEM 数据来源于地理空间数据云(https:/www gscloud cn/)，交通、水文信息来源于国家基础地理信息中心，相关统计数据来源于 2021 年山东省统计年鉴、地市 2021 年统计年鉴，山东省景区目录来源于山东省文化和旅游厅官网。1 3研究方法(1)最邻近指数。最邻近指数(Average Nearest Neighbor，ANN)可以表达点状要素在空间分布上的相互邻近程度和分布类型30，一般情况下，点状要素的空间分布分为集聚、随机和均匀分布 3 种类型。使用最邻近指数探测山东省民宿空间分布类型。计算公式为:=rI
11、/rE(1)rE=12n/A(2)式中:表示最邻近指数;rI表示实际最邻近点之间的平均距离;rE表示理论最邻近点之间的平均距离;A 表示山东省的面积;n 表示山东省内民宿数量。当 0 1 时，民宿在空间上呈集聚分布;当 =1时，民宿在空间上呈随机分布;当 1 时，民宿在空间上呈均匀分布。(2)核密度估计。核密度估计法(Kernel Density Estimation)是一种非参数统计方法，通过核函数对研究区域内样本点赋以不同的权重，呈现出更加平滑的密度图以揭示研究未知区域的密度属性，可直观地反映研究对象的集聚程度，使用核密度估计探析山东省民宿空间集聚程度与集聚形态28，计算公式为:fn(x)
12、=1nhni=1k(x xih)(3)式中:k(x xih)为核密度方程;h 为带宽，且 h 0;x xi为估计点到民宿 xi处的距离。(3)缓冲区分析。缓冲区分析(Buffer Analysis)是探索某一地理实体对其周围地物影响，确定不同地理要素空间临近性或接近程度的空间分析方法31。缓冲区即围绕地理要素一定宽度的区域，使用缓冲区311第 2 期董之滔等山东省民宿空间分布特征及影响因素研究分析探测不同地理要素对民宿分布的影响。公式定义为:B=x|d(x，O)L(4)式中:B 为缓冲区;d 为 x 与 B 的距离;L 为缓冲距。(4)地理探测器。地理探测器(Geodetector)是探测空间
13、分异性，以及揭示其背后驱动因子的一种新的统计学方法，该方法适用于处理类型数据且无需太多假设条件32，使用地理探测器探究不同因素对山东省民宿空间集聚的影响，其计算公式为:PD，H=1 Li=1nD，i2D，in2H(5)式中:D 为选取的影响因子;H 为因变量;PD，H为影响因子 D 对因变量 H 的解释力;n 和 2H表示民宿的样本总量和总方差;L 为 i 类影响因子的分类数量;nD，i和 2D，i表示 i 类影响因子的民宿样本量和方差。根据地理探测器原理，PD，H的取值范围为 0，1，值越大表示影响因子 D 对因变量 H 的解释力越强。2结果与分析2 1山东省民宿空间分布类型最邻近分析计算出
14、山东省民宿平均最近邻指数=0 090754 1，Z=215 9863，P 为 0 00，表明山东省民宿在空间上呈显著的集聚分布。对山东省地级市民宿数量及最邻近指数进行统计(表 1)，可见山东省地市间民宿发展不均衡，数量差别较大，青岛、威海、烟台三市共有民宿 10231 家，占比66 3%;青岛市民宿数量最多，共 4310 家，滨州市民宿数量最少，仅有 51 家。各市 值均小于 1 且差异较小，民宿均呈集聚分布。表 1山东省地级市民宿数量和最邻近指数分析结果Table 1 Number of homestaysresults of averagenearest neighbor(ANN)in 1
15、6 cities in Shandong区域民宿数量(家)最邻近指数区域民宿数量(家)最邻近指数山东省154130090754临沂市2040123258青岛市43100109162济宁市149019705威海市30460146842聊城市1380133466烟台市28750103596菏泽市1220089408济南市18150097134德州市1120106227日照市12060093232枣庄市1020145314泰安市5920110295东营市600345029潍坊市3940099788滨州市510086928淄博市2370116536图 1山东省民宿核密度分布Figure 1 Estim
16、ated kernel density of homestays in Shandong注:该图基于自然资源部标准地图服务网站下载的审图号为 GS(2020)3363 号的标准地图制作，底图界线无修改2 2民宿密度格局分析运用核密度估计法得到山东省民宿分布核密度图(图 1)。由图 1 可知，胶东和内陆形成相异的民宿411干旱区资源与环境第 37 卷密度及集聚格局，胶东地区民宿发展较为成熟且发展水平相近，内陆地区民宿发展相对缓慢。胶东地区民宿形成“三核集聚、沿海带状布局”的空间密度格局。青岛市的市南市北区、烟台市的莱山区、威海市的环翠区为三大主核心，民宿密度值向内陆圈层式递减，并形成一定的蔓延区域;同时，烟台市的蓬莱市、龙口市、海阳市、乳山市和青岛市的黄岛区等地附近形成了团状次级密度区。莱山区、环翠区两个主核心密度区与蓬莱市、龙口市、海阳市、乳山市四个次级核心密度区相接，形成了沿海条带状的民宿发展片区;青岛主次密度核心相接，形成不规则带状的民宿发展片区。整体上，胶东半岛地区呈现沿海到内陆的民宿密度递减规律，内部有较大面积的民宿发展滞后区。内陆地区民宿呈现“单核集聚、多核心组团”的民宿空间
