Study on Spatial Differentiation and Driving Factors of Agritainment in Kunming

SU Nan，ZHUDa-ming2，KEXiaochnetal（1.YunnanVocationalCollgeofgriculture，Kunmng，Yuan65012；.Faculty Land Resources Engineering，Kunming University of Science and Technology，Kunming，Yunnan 650031）

AbstractTaking703agitainments in KunmingCitycapturedinOctober2023asthresearchobect，bymeansofspatialanalysisethods andeconometicgeapodelsdthatialeafaintinugCifroesptsfqaitio spatialdistrtotalsidaialrbiaecodlyilftlaeed graphicaldetetormodel（OPGD，thriingfactosoftespatialdiferentiationofgiaintinKunmngCityereaaledfrothe typesofnaturaloucedoentooiclevelandtoustarketndtenifueningfctossuchsgetatiocoveragdhtt data.Teresultsresodsloeeendstrbuiofagiantcabebedinughustersspatiall entire city and folows a cluster-random pattrn within the main urban area，with a distinct spatial scale of 3.5km . The density distribution centerofagritaentsinteinurbanaraofKuingisainlyocetratedinthcetral-otpartofXishanDistrict，tothpart ofPanlonDistrictdtralpartofuastrctfroitidepespetie，itprets“toreuliteroatd andcontiguousdtributioitingisanndGanuasteoeaIsfstrbutioaracteristis，itbiaturf alongtheodroudtityndearate.etialsalefeigussferetiatiougggaiceos 2.5kiloetersNigtlights（urbanzatiolevel）tacefrotecitntendGDeeaindinfctosatdtosafe entiationTeinteractiobetwenoadetwkdnsiandGDasteostsigfcantimpactotiboofagrintsinKing City.

KeywordsAgritainment；Spatialpatern；Drivingfactors；Optimal parameters-basedgeographical detectormodel；KunmingCity

鄉(xiāng)村振興戰(zhàn)略是我國從“農(nóng)業(yè)現(xiàn)代化”走向“鄉(xiāng)村現(xiàn)代化\"的重要分水嶺[1]，鄉(xiāng)村旅游作為鄉(xiāng)村產(chǎn)業(yè)的重要業(yè)態(tài)，是優(yōu)化鄉(xiāng)村經(jīng)濟結(jié)構(gòu)，調(diào)整經(jīng)濟轉(zhuǎn)型，推動鄉(xiāng)村現(xiàn)代化高質(zhì)量發(fā)展的重要抓手[2]。近年來，隨著鄉(xiāng)村人居環(huán)境的不斷改善以及國家政策的傾斜，鄉(xiāng)村旅游產(chǎn)業(yè)規(guī)模不斷發(fā)展壯大，2022年6月云南省人民政府辦公廳印發(fā)的《云南省農(nóng)業(yè)現(xiàn)代化三年行動方案（2022—2024年）》提出，到2024年鄉(xiāng)村旅游接待游客數(shù)量、產(chǎn)值由2021年的4.3億人次、3000億元增加到5.8億人次、4600億元的目標(biāo)，2023年7月國家發(fā)展和改革委員會印發(fā)的《關(guān)于恢復(fù)和擴大消費的措施》指出，要大力發(fā)展鄉(xiāng)村旅游，進一步彰顯了鄉(xiāng)村旅游在拉動內(nèi)需方面發(fā)揮的重要作用。

由于資源稟賦以及區(qū)位條件異同，鄉(xiāng)村旅游空間分布形態(tài)復(fù)雜多樣，其空間異質(zhì)性為鄉(xiāng)村旅游的建設(shè)和發(fā)展帶來了一定的困擾[3]。當(dāng)前，國內(nèi)學(xué)者在對鄉(xiāng)村旅游空間結(jié)構(gòu)進行研究時，所選取的研究對象、方法呈多樣化特點，研究對象上主要源于評選公布的休閑農(nóng)業(yè)與鄉(xiāng)村旅游示范點、特色小鎮(zhèn)、少數(shù)民族特色村寨等[4-6]以及來自網(wǎng)絡(luò)的POI數(shù)據(jù)[7-10]；研究方法上主要選取洛倫茲曲線[4，7]、地理集中指數(shù) 最近鄰指數(shù) 、變異系數(shù)（CV）[5-6]、核密度函數(shù)[8]、莫蘭指數(shù)（Morans I [10] Ω，K 函數(shù)（Ripley’s K ）[9]等來探究空間分布模式、鄰近關(guān)系及不同空間尺度下的分布規(guī)律；在驅(qū)動因素的探究方面，早期多以定性分析[13]為主，隨著研究的深入，逐漸轉(zhuǎn)為與地物地貌、河流水系、交通區(qū)位等的耦合情況[4.6-7，11-12]定量定性相結(jié)合分析研究，現(xiàn)階段，多使用地理探測器[5，8-9，14]地理加權(quán)回歸模型（GTWR）[15-16]等空間統(tǒng)計模型定量分析驅(qū)動因子。

針對目前鄉(xiāng)村旅游地空間分布特征及影響因素研究中數(shù)據(jù)來源多為基于示范點坐標(biāo)拾取等小樣本數(shù)據(jù)，地理探測器模型使用多以縣、市域為主，尺度普遍單一等不足，且農(nóng)家樂作為鄉(xiāng)村旅游發(fā)展的初級業(yè)態(tài)，具有良好的代表性和普遍意義，基數(shù)大、自發(fā)性強[]等特點，筆者基于農(nóng)家樂POI數(shù)據(jù)，結(jié)合多尺度參數(shù)最優(yōu)地理探測器模型（OPGD）對市鄉(xiāng)村旅游空間分布格局進行系統(tǒng)探究，以期為市鄉(xiāng)村旅游規(guī)劃發(fā)展提供一定的參考。

1研究區(qū)概況及數(shù)據(jù)來源

1.1研究區(qū)概況（ N）位于我國內(nèi)陸西南地區(qū)云貴高原中部，總面積達2.1萬 ，平均海拔 1891m ，是云南省政治、經(jīng)濟發(fā)展中心。市農(nóng)家樂發(fā)展起源于20世紀(jì)90年代，是云南最早開展農(nóng)家樂的旅游城市之一[17]。近年來，隨著鄉(xiāng)村振興戰(zhàn)略的深人實施及各類鄉(xiāng)村文化旅游節(jié)的成功舉辦，市鄉(xiāng)村旅游得到迅猛發(fā)展。據(jù)市文旅局統(tǒng)計，2024年清明假期，僅西山區(qū)鄉(xiāng)村旅游接待游客8.63萬人次，實現(xiàn)旅游綜合收入0.28億元，其中絕大多數(shù)收入都由農(nóng)家樂創(chuàng)造。當(dāng)前，鄉(xiāng)村旅游的業(yè)態(tài)已從農(nóng)旅融合逐漸過渡到農(nóng)文旅高質(zhì)量一體化發(fā)展[18]，因此研究市農(nóng)家樂旅游業(yè)態(tài)分布對于推動鄉(xiāng)村旅游轉(zhuǎn)型升級及打造鄉(xiāng)村旅游品牌具有重要的實踐和指導(dǎo)意義。

1.2數(shù)據(jù)來源及處理農(nóng)家樂抓取于高德地圖2023年10月的POI數(shù)據(jù)，采集步驟：以“農(nóng)家樂”“農(nóng)莊”“山莊”等為關(guān)鍵詞在市范圍內(nèi)進行采集，共收集到779個樣本數(shù)據(jù)；其次進行數(shù)據(jù)清洗，剔除如“老唐養(yǎng)狗場”“云南佛新農(nóng)業(yè)科技開發(fā)有限公司”等不滿足要求的POI，并按一定比例抽樣人工電話核實確定，最終獲得703個有效數(shù)據(jù)。其余基礎(chǔ)地理信息數(shù)據(jù)來源及參數(shù)見表1。最后，利用GIS軟件將不同數(shù)據(jù)通過重采樣等手段統(tǒng)一分辨率，并將地理坐標(biāo)系設(shè)置為WGS_1984，投影坐標(biāo)系設(shè)置為WGS_1984_UTM_48N。

2研究方法

2.1 空間分布特征

2.1.1最近鄰指數(shù)（ R 指數(shù)）。最近鄰指數(shù)是分析地理點狀事物空間分布相互鄰近程度的重要指標(biāo)，通過測算出每個點狀事物與其最近點之間的實際觀測平均距離與理想隨機模式下預(yù)期平均距離之比，來分析點狀事物的空間分布特征[19]。 R 指數(shù)計算公式：

式中： R 為最近鄰指數(shù)； 為農(nóng)家樂樣本點實際觀測的平均距離； 為農(nóng)家樂樣本點隨機分布模式下的預(yù)期平均距離； 為某一農(nóng)家樂樣本點與最近鄰農(nóng)家樂之間的距離； n 為市內(nèi)農(nóng)家樂的數(shù)量；A為市面積。

2.1.2核密度。核密度估計（kernel density estimation）主要根據(jù)待估計要素與樣本要素之間的距離進行概率密度值估計[20]，核密度估計值能更好地反映一個集聚核心區(qū)對周圍地區(qū)的影響力，核密度值越高，則表明分布越密集。核密度估計的數(shù)學(xué)模型：

式中 為核密度估計值； 為核函數(shù)； n 為市農(nóng) 家樂個數(shù)； h（hgt;0） 為帶寬，也稱距離衰減閾值； ）為估計值點到核心點 之間的距離。

2.1.3Ripley’s K 函數(shù)。 K 函數(shù)作為一種基于距離的概括要素空間分布累計特征的方法，常被用來描述點要素在空間范圍內(nèi)的相關(guān)性程度，反映要素隨尺度變化而呈現(xiàn)出的空間分布模式[21]，為了使期望線性化并保持方差穩(wěn)定[]，Besag等[23]將函數(shù)進行開方線性轉(zhuǎn)化為 L 函數(shù)：

式中 為研究區(qū)域面積； d 為觀測尺度； n 為農(nóng)家樂樣本數(shù)量； 為示性函數(shù)[24]，當(dāng)農(nóng)家樂樣本點 i 與點 j 之間的距離 時，取值為1，否則為 0 。在農(nóng)家樂樣本點完全隨機分布（completespacerandomness）的假設(shè)下，期望為0。若L（d）-dgt;0 ，表明在尺度為 d 時，農(nóng)家樂樣本點具有空間聚集分布的趨勢；若 L（d）-dlt;0 ，表明具有空間離散分布的趨勢；若 L（d）-d=0 ，則表示完全隨機分布。

2.2 地理探測器

2.2.1 參數(shù)最優(yōu)地理探測器模型（optimal parameters-basedgeographicdetector，OPGD）。地理探測器可以探測市農(nóng)家樂分布的空間分異性特征，挖掘影響其空間分異的驅(qū)動因子，其背后的思想可簡單概括為：將研究區(qū)域劃分為若干個子區(qū)域，若子區(qū)域內(nèi)的方差總和小于區(qū)域總方差，則存在空間分異[25-26]。其公式如下：

式中： L 為農(nóng)家樂空間分布數(shù)量分區(qū)， h 的單元數(shù)目為 ，方差為 ；總研究區(qū)域的單元數(shù)目為 N ，方差為 ；SSW和SST分別為層內(nèi)方差之和及全區(qū)總方差； 值為各探測因子對市農(nóng)家樂空間分異的度量，其值域為 值越大，說明因子對其空間分異的影響越大。運用地理探測器的關(guān)鍵是對連續(xù)型空間變量進行離散化處理，進而確定空間分層異質(zhì)性的最佳尺度，但傳統(tǒng)地理探測器在處理連續(xù)型空間變量時需要人為設(shè)置，因此存在較大主觀性及離散不優(yōu)的問題。參數(shù)最優(yōu)地理探測器模型（OPGD）利用不同的離散化分類方法處理連續(xù)型空間數(shù)據(jù)變量，并以地理探測器最終結(jié)果 q 統(tǒng)計量對離散結(jié)果進行評價，值越大即分類結(jié)果越好[27]

2.2.2影響因素指標(biāo)體系構(gòu)建。農(nóng)家樂空間分異特征的形成受多種因素的共同影響，其中，自然資源稟賦、經(jīng)濟條件和客源市場在其形成與發(fā)展中起到了重要作用，綜合現(xiàn)有學(xué)者對農(nóng)家樂、休閑農(nóng)業(yè)等空間分布影響因素的研究[6-7，9，28-29]，考慮到實際可操作性及數(shù)據(jù)可獲取性，選取3類共10個因素（表1）作為驅(qū)動因子，構(gòu)建影響因素指標(biāo)體系。

2.2.3參數(shù)優(yōu)化。參數(shù)優(yōu)化主要解決2個問題：一是空間尺度，以 500m 為間隔共構(gòu)建7種尺度，即采用0.5、1.0、1.5、2.0、2.5、3.0和 3.5km 的格網(wǎng)將市全市范圍劃分為143450.35938.15958.9044.5700.3950 和2924個網(wǎng)格，然后比較各尺度下 90% 分位數(shù)的大小，分位數(shù)最大時即確定為最優(yōu)空間尺度[30]；二是連續(xù)型空間變量離散，借助R語言GD 程序包[30]，利用自然間斷法、相等間隔法、幾何間距法、標(biāo)準(zhǔn)差分類法以及分位斷點法[31將分類等級數(shù)設(shè)置為5＼～11類，篩選出OPGD模型中值最大的參數(shù)組合（離散方式及分類等級）作為最優(yōu)離散組合。

3市農(nóng)家樂空間格局分布

3.1農(nóng)家樂數(shù)量分布及空間分布類型從數(shù)量分布特征來看（表2），市農(nóng)家樂主要分布在安寧市（ 18.21% ）、西山區(qū)（ 17.92% ）和盤龍區(qū) （9.25%） ，三者的分布數(shù)量約占市農(nóng)家樂總數(shù)的 45.38% ，石林縣 （2.13% ）、東川區(qū)（ 3.13% ）和嵩明縣（ 3.84% ）分布數(shù)量則相對較少。利用統(tǒng)計數(shù)據(jù)生成對應(yīng)的洛倫茲曲線（圖1），該曲線呈上凸態(tài)勢，相對均勻分布線有一定距離，表明在區(qū)縣層面，市農(nóng)家樂分布表現(xiàn)為不均衡。從整體和局部來看（表2），面積僅占全市15.54% 的主城區(qū)范圍內(nèi)分布的農(nóng)家樂數(shù)量占整個市農(nóng)家樂總數(shù)的 45.09% 。為進一步探討市農(nóng)家樂空間分布的結(jié)構(gòu)特點，有必要結(jié)合定量科學(xué)的研究方法從市整體和主城區(qū)2個不同的視角進行分析。

利用最近鄰指數(shù)分析計算市農(nóng)家樂空間集聚程度。由表3可知，雖然相較市整體，主城區(qū)范圍內(nèi)農(nóng)家樂樣本點實際觀測的平均距離更小，但是在面積的加持下，主城區(qū)范圍內(nèi)農(nóng)家樂樣本最近鄰指數(shù)比全市更大，且二者 Z 和 P 值均通過 1% 顯著性水平檢測。通常情況下，認(rèn)為當(dāng) R？0.5 為聚集分布， 。

3.2農(nóng)家樂尺度、密度特征對實際的地理對象點集進行集聚模式分析時，僅使用最鄰近距離會掩蓋結(jié)果中的其他模式[33]。為解決這一問題，借助Ripley’s L（d） 函數(shù)進一步探測空間集聚的尺度特征，統(tǒng)計與分析均在R4.2.1軟件中“spatstat”程序包中完成，在相關(guān)參數(shù)選擇方面，最小尺度為研究對象間最短距離，最大尺度為研究區(qū)域外包矩形短邊的1/4長度[34]，邊緣校正方法選用Ripey周長法，同時使用蒙特卡羅方法隨機模擬2000次[24]，生成置信區(qū)間的最大值和最小值，用以檢驗農(nóng)家樂空間分布的顯著性。

圖2為市農(nóng)家樂 L（d） 函數(shù)分析結(jié)果，在全市與主城區(qū)2個視角下，農(nóng)家樂分布的 L（d） 曲線均呈上升趨勢， L （d） 函數(shù)值與理論值的差值（diff）始終大于0，且在不同空間尺度下 L（d） 觀察分布曲線均高于置信區(qū)間的上包絡(luò)線，表明在不同視角下農(nóng)家樂的空間分布均呈顯著性聚集。值得注意的是，在市主城區(qū)視角（圖2b）中， L（d） 曲線在3500m 左右的尺度下，差值（diff）達到最大，出現(xiàn)空間聚集峰值，說明在主城區(qū)范圍內(nèi)， ，3500m 為農(nóng)家樂分布的特征空間尺度。

為進一步直觀揭示市農(nóng)家樂空間分布格局，利用核密度分析工具結(jié)合Ripley's L（d） 分析結(jié)果對全市及主城區(qū)視角下農(nóng)家樂分布密度進行可視化，其中，全市范圍內(nèi)核密度函數(shù)帶寬由“Silverman經(jīng)驗規(guī)則”確定，主城區(qū)范圍內(nèi)選擇 3500m 為分析帶寬，其余參數(shù)默認(rèn)。

Fig.2 The Ripley’s function analysis of agritainments in entire city of Kunming City

從全市范圍來看（圖3），農(nóng)家樂樣本點在南部地區(qū)的分布密度顯著高于北部地區(qū)，呈現(xiàn)出“南密北疏”的分布態(tài)勢。從分布特點來看，農(nóng)家樂樣本點主要呈現(xiàn)出“三核多中心”集中連片分布，三核主要以安寧市、西山區(qū)、官渡區(qū)為核心擴散分布，分布中心主要位于主城區(qū)中部。在離主城區(qū)集中連片熱點區(qū)域較遠的祿勸、東川、尋甸等區(qū)縣農(nóng)家樂樣本點也有零散聚集分布，但分布規(guī)模及密度較小。從主城區(qū)范圍來看（圖4），密度分布的中心主要集中在西山區(qū)北部中部、盤龍區(qū)南部以及五華區(qū)中部，其余區(qū)域均有小規(guī)模農(nóng)家樂聚集。具體來看，市農(nóng)家樂分布特征與國內(nèi)大多數(shù)城市相似[8-9，35]，均表現(xiàn)為較強的“沿路、環(huán)城、傍水\"特性。3.2.1“傍水特性”。通過近鄰分析工具運算，從水資源方面來看，市全市范圍內(nèi)農(nóng)家樂點與主要水系的平均距離為 1.36km ，其中 51.5% 的農(nóng)家樂分布在距水系 1km 范圍內(nèi)， 90% 分布在距主要水系 3km 范圍內(nèi)。按照 400m 緩沖區(qū)為間隔進行分組并計算農(nóng)家樂數(shù)量與主要水系距離之間的相關(guān)系數(shù)，結(jié)果為 r=-0.797（Plt;0.01） ，這意味著農(nóng)家樂點數(shù)量與水系緩沖區(qū)半徑呈較強的負相關(guān)關(guān)系，即離主要水系越近，農(nóng)家樂分布越多，“傍水特性”凸顯。

3.2.2“沿路特性”。市農(nóng)家樂點與最近道路之間的近鄰結(jié)果表明，市全市范圍內(nèi)農(nóng)家樂點距主要道路的平均距離為 0.16km ，其中 54.2% 的農(nóng)家樂分布在距主要道路0.1km 范圍內(nèi)， 92.3% 位于距離主要道路 0.5km 范圍內(nèi)。沿主要道路按照 50m 緩沖區(qū)為間隔進行分組并計算農(nóng)家樂點數(shù)量與主要道路距離的相關(guān)系數(shù)，求得 r=-0.725 （ Plt; 0.01），說明農(nóng)家樂點與主要道路緩沖半徑之間具有較強的負相關(guān)關(guān)系，即農(nóng)家樂分布“沿路特性”明顯，且離主要道路越近，農(nóng)家樂點分布越多。

3.2.3“環(huán)城特性”。利用回轉(zhuǎn)半徑法分析市農(nóng)家樂資源分布的圈層結(jié)構(gòu)[36-37]。參考文獻[38]，選取市東風(fēng)廣場為城市中心，并按照 10km 為半徑增量生成多級緩沖區(qū)，并統(tǒng)計每個圈層中擁有的農(nóng)家樂數(shù)量。統(tǒng)計結(jié)果顯示，51% 農(nóng)家樂點分布在以東風(fēng)廣場為圓心的 30km 圈層范圍內(nèi)，且總體上由圓心向外圍逐漸減少，在 20km 圈層內(nèi)形成了西山區(qū)團結(jié)鄉(xiāng)-貓貓箐和盤龍區(qū)金殿水庫-野鴨湖2個休閑農(nóng)業(yè)旅游熱點片區(qū)，在 40km 處由于安寧市溫泉旅游區(qū)[39]輻射帶動作用，形成了城市邊緣區(qū)[40]農(nóng)家樂旅游圈。

3.3農(nóng)家樂空間聚集的影響因素

3.3.1最優(yōu)參數(shù)的選擇。按照7種尺度對驅(qū)動因子進行柵格化處理，以此構(gòu)建自變量，同理，通過計算每個輸出柵格像元鄰域內(nèi)的農(nóng)家樂點數(shù)量，再除以領(lǐng)域面積，得到農(nóng)家樂點密度空間分布，將其作為因變量值。由表4可知，不同空間尺度對地理探測器探測結(jié)果有影響，隨著尺度的增加，除 外，各驅(qū)動因子的值均呈振蕩式上升后下降的態(tài)勢；對于由10個驅(qū)動因子值共同組成的 90% 分位數(shù)，其在格網(wǎng)尺度為2.5km 時達到最大值0.389，因此，7種格網(wǎng)尺度中， 2.5km 格網(wǎng)能更好地反映驅(qū)動因子對市農(nóng)家樂聚集分布效應(yīng)的影響。除土地利用類型 ）為類型變量外，其余探測因子均為連續(xù)性變量，需進行離散化處理。由圖5結(jié)果顯示，不同的空間離散方法和區(qū)間數(shù)量的組合方式對 q 值產(chǎn)生了顯著影響，選擇值最大時的參數(shù)組合作為最優(yōu)分類組合，圖中沒有數(shù)值的部分，表明在相應(yīng)分類方法或數(shù)量下，探測因子未通過顯著性檢測。以夜間燈光（ 為例，當(dāng)分類方法為自然斷點分類且分為8類時，值達到最大，同理，選用標(biāo)準(zhǔn)差分類法將距景區(qū)距離（ 、環(huán)城距離（ 1 、路網(wǎng)密度 分別分為6類、8類、11類、11類；選用分位數(shù)分類法將 、距行政中心距離 分為11類；選用等間隔分類法將 分為11類；選用幾何間距法將人口密度 ）分為11類。

3.3.2 驅(qū)動因子。

（1）單因子探測分析。按照文獻[41]的思想，將所有探測因子進行歸一化處理后根據(jù)所屬分類求和，將其作為一級指標(biāo)的值，結(jié)果顯示：經(jīng)濟水平（0.573）對市農(nóng)家樂聚集分布的解釋力大于客源市場（0.348），而自然資源稟賦（0.079）的解釋力相對較低；對單個探測因子而言，夜間燈光 、環(huán)城距離（ 人 的值分別為0.402、0.388、0.326，是市農(nóng)家樂聚集分布的主要驅(qū)動因素，而植被覆蓋度 解釋力度最小，僅為0.038（表4）。以上結(jié)果表明，區(qū)域城鎮(zhèn)化水平、經(jīng)濟發(fā)達程度及市場區(qū)位顯著影響農(nóng)家樂聚集空間格局的形成。城鎮(zhèn)化水平高、經(jīng)濟發(fā)達的區(qū)域基礎(chǔ)設(shè)施完善，旅游服務(wù)體系健全，擁有良好的營商環(huán)境，為農(nóng)家樂發(fā)展提供了基礎(chǔ)保障，此外，城鎮(zhèn)化帶來的人口聚集以及更高的消費水平，也為農(nóng)家樂發(fā)展提供了充足的客源及市場機會。另一方面，雖然植被覆蓋高的區(qū)域生態(tài)環(huán)境優(yōu)美，空氣質(zhì)量良好，但也存在交通不便、市場需求不足等問題，加之隨著我國全面劃定生態(tài)紅線，生態(tài)環(huán)境保護日益嚴(yán)格，城市規(guī)劃及管理日益規(guī)范，因此在植被資源豐富的區(qū)域內(nèi)開展以農(nóng)家樂為代表的商業(yè)活動行為必然會受到一定程度的限制。

（2）因子交互探測分析。對10個因子進行交互式探測分析，利用R語言Corrplot包繪制驅(qū)動因子交互式探測結(jié)果圖（圖6），可知10個驅(qū)動因子共形成45對組合，不同因子組合后均增強了對農(nóng)家樂聚集分布格局形成的解釋力，包括33對非線性增強和12對雙因子增強，雙因子交互后解釋力最強的是路網(wǎng)密度 ，值為0.547，除此外，值大于0.5的交互作用還有人口密度 夜間燈光（ 人口密度 路網(wǎng)密度 ）夜間燈光（ 、夜間燈光 n環(huán)城距離 ）、路網(wǎng)密度（ n環(huán)城距離 ，以上6個組合中夜間燈光（ ）、路網(wǎng)密度（ 出現(xiàn)的交互次數(shù)最多，進一步說明了城鎮(zhèn)化程度、經(jīng)濟水平、區(qū)位因素以及路網(wǎng)密度等多因子共同推動了市農(nóng)家樂的聚集和發(fā)展，其中，路網(wǎng)密度反映了交通發(fā)達程度以及旅游可達性，道路網(wǎng)絡(luò)密集，城市化程度高，經(jīng)濟發(fā)達的區(qū)域更能吸引農(nóng)家樂的聚集。

4結(jié)語

該研究結(jié)果表明，以市農(nóng)家樂POI數(shù)據(jù)為研究對象，借助洛倫茲曲線、最近鄰指數(shù)、核密度函數(shù)、Ripley's K 指數(shù)空間分析手段及計量地理學(xué)模型，對市農(nóng)家樂分布格局進行了分析。在此基礎(chǔ)上，借助參數(shù)最優(yōu)地理探測器模型（OPGD）進行定量分析，探討了影響市農(nóng)家樂聚集分布的驅(qū)動因素，得出以下結(jié)論：

（1）市農(nóng)家樂數(shù)量空間分布不平衡，全市范圍內(nèi)農(nóng)家樂整體為顯著聚集分布，主城區(qū)范圍內(nèi)農(nóng)家樂為聚集-隨機分布，在多距離空間尺度下農(nóng)家樂聚集程度均隨空間尺度的上升而增強，其中，在主城區(qū)視角下的特征空間尺度為 3.5km 。

（2）市農(nóng)家樂密度分布特點突出，在全市范圍內(nèi)表現(xiàn)為“南密北疏”并以安寧市、西山區(qū)、官渡區(qū)為核心，呈現(xiàn)出“三核多中心\"集中連片分布；主城區(qū)范圍內(nèi)，密度分布的中心主要集中在西山區(qū)北部中部、盤龍區(qū)南部以及五華區(qū)中部。

（3） 2.5km 網(wǎng)格是運用地理探測器研究的最佳空間尺度，不同驅(qū)動因子的離散方法及分類對最終探測結(jié)果有影響。

（4）市農(nóng)家樂聚集分布受到經(jīng)濟水平、客源市場、自然資源稟賦等因素的共同作用。其中，夜間燈光、環(huán)城距離、GDP對市農(nóng)家樂空間分異的貢獻率最大，路網(wǎng)密度和GDP對農(nóng)家樂分異的協(xié)同作用最強。

參考文獻

[1]明慶忠，韓璐.旅游價值共創(chuàng)促進民族村寨鄉(xiāng)村現(xiàn)代化的邏輯與實踐路徑研究[J].華中師范大學(xué)學(xué)報（自然科學(xué)版），2024，58（1）：46-58.

[2]肖臻泉，普拉提·莫合塔爾，安朝高.基于POI數(shù)據(jù)的新疆農(nóng)家樂空間分布特征及影響因素研究[J].西南大學(xué)學(xué)報（自然科學(xué)版），2022，44（4）：144-154.

[3]杜久升，馮云超，王羽，等.河南省鄉(xiāng)村旅游特色村空間分布格局及影響因素研究[J].西北師范大學(xué)學(xué)報（自然科學(xué)版），2023，59（5）：127-134.

[4]王國權(quán)，王欣，王金偉，等.創(chuàng)意休閑農(nóng)業(yè)的空間分布格局及影響因素：以江蘇省為例[J].江蘇農(nóng)業(yè)學(xué)報，2021，37（1）：219-229.

[5]覃小華，李星明，陳偉，等.長江經(jīng)濟帶少數(shù)民族特色村寨的地域空間格局與影響因素[J].人文地理，2022，37（3）：118-130.

[6]楊劉軍，朱戰(zhàn)強.廣東省鄉(xiāng)村休閑旅游地空間分布格局及影響因素[J].熱帶地理，2023，43（2）：293-307.

[7]李嘉欣，謝德體，王三，等.基于興趣點（POI）挖掘的重慶主城區(qū)農(nóng)家樂空間分布特征[J].生態(tài)與農(nóng)村環(huán)境學(xué)報，2020，36（3）：300-307.

[8]王婧，李裕瑞，陳宗峰.基于POI數(shù)據(jù)挖掘的北京市農(nóng)家樂空間分布特征及其影響因素研究[J].農(nóng)業(yè)現(xiàn)代化研究，2022，43（2）：340-350.

[9]唐鴻，許春曉.長沙市休閑旅游資源空間分布特征及形成機制[J].經(jīng)濟地理，2022，42（12）：214-223.

[10]王珺穎，謝德體，王三，等.基于POI提取的山地丘陵區(qū)鄉(xiāng)村旅游空間分布研究：以重慶市農(nóng)家樂為例[J].中國農(nóng)業(yè)資源與區(qū)劃，2020，41（5） ：257-267.

[11］朱中原，王蓉，胡靜，等.江西省鄉(xiāng)村休閑旅游地類型劃分與空間格局研究[J].長江流域資源與環(huán)境，2020，29（4）：824-835.

[12]李茂林，劉春蓮，謝雨萍.廣西休閑農(nóng)業(yè)與鄉(xiāng)村旅游地空間分布特征及影響因素研究[J].西南大學(xué)學(xué)報（自然科學(xué)版），2020，42（7）：76-82.

[13］秦學(xué).中國鄉(xiāng)村旅游的空間分布格局及其優(yōu)化[J].農(nóng)業(yè)現(xiàn)代化研究，