第二章 相关理论基础与研究区概况

2.1 相关理论基础

2.1.1 旅游可持续发展理论

可持续发展（Sustainable Development）的概念最早由世界环境与发展委员会（WCED）于 1987 年在其报告《我们共同的未来》（又称布伦特兰报告）中正式提出，被定义为"既满足当代人的需求，又不损害后代人满足其需求能力的发展"。这一理念的核心在于强调发展的代际公平性和资源利用的可持续性，为人类经济社会发展提供了全新的价值框架。

可持续发展理念引入旅游领域后，形成了旅游可持续发展（Sustainable Tourism Development）理论体系。1995 年，世界旅游组织（UNWTO）、联合国环境规划署（UNEP）和联合国教科文组织（UNESCO）在西班牙兰萨罗特岛召开的世界可持续旅游大会上，联合发布了《可持续旅游发展宪章》和《可持续旅游发展行动计划》，首次从国际层面系统阐述了旅游可持续发展的基本原则。该宪章明确提出，旅游业的可持续发展必须同时满足三个核心条件：

• 生态可持续性（Ecological Sustainability）：旅游开发不应超越目的地生态系统的承载能力，应维护自然资源的完整性和生物多样性，实现旅游开发与生态保护的良性互动。
• 经济可持续性（Economic Sustainability）：旅游业应能持续创造经济效益，保障当地居民的就业和收入增长，同时避免对旅游经济的过度依赖。
• 社会文化可持续性（Socio-cultural Sustainability）：旅游开发应尊重目的地的社会结构和文化传统，促进社区参与和文化传承，避免文化商品化和社区边缘化。

这三大维度构成了旅游可持续发展评价的基本框架，也即学界常称的"三重底线"（Triple Bottom Line）。在评价方法上，研究者通常从上述三个维度出发，选取具有代表性的指标构建综合评价体系，并采用层次分析法（AHP）、熵权法、模糊综合评判法等多准则决策方法确定指标权重。近年来，部分学者进一步将 GIS 空间分析技术融入评价过程，实现了评价结果的空间可视化，使评价结论具备了更直接的空间决策支持功能。

本研究以旅游可持续发展的"三重底线"理论为评价框架，从生态环境、旅游经济和社会文化三个维度构建马山旅游可持续发展评价指标体系（详见第四章），并运用 AHP 方法确定指标权重，结合 GIS 空间可视化技术对评价结果进行分区呈现，力求为旅游规划提供具有空间指向性的决策参考。

2.1.2 旅游地生命周期理论

旅游地生命周期理论（Tourism Area Life Cycle, TALC）由加拿大地理学家巴特勒（Richard W. Butler）于 1980 年提出，是旅游地理学领域引用最广泛的理论模型之一。Butler 借鉴产品生命周期理论的分析框架，以游客数量为核心指标，将旅游目的地的发展过程划分为六个阶段（图 2-0）：

（1）探索阶段（Exploration）：少量游客因目的地的自然景观或文化特色自发到访，旅游基础设施尚未建立，游客与当地居民之间的互动较为直接和友好，旅游活动对环境的影响可忽略不计。

（2）参与阶段（Involvement）：当地居民开始意识到旅游带来的经济机会，自发提供简单的旅游服务（如民宿、导游），地方政府开始介入旅游规划和基础设施建设，游客数量稳步增长，旅游季节性特征初显。

（3）发展阶段（Development）：外部投资大量涌入，大型旅游设施和基础设施密集建设，游客数量快速增长甚至可能超过本地居民。这一阶段旅游开发对环境的影响最为剧烈——建设用地快速扩张、自然植被遭到破坏、景观风貌发生显著变化。当地社区对旅游业的控制力逐渐减弱，旅游开发与居民利益之间的矛盾开始显现。

（4）巩固阶段（Consolidation）：游客数量增速放缓但总量仍在增长，旅游经济成为区域经济的支柱产业。早期建设的设施开始出现老化迹象，游客体验质量面临下降风险。旅游目的地的形象和品牌已经确立，营销策略从开拓市场转向维护品牌。

（5）停滞阶段（Stagnation）：游客数量达到或接近环境承载力的上限，生态环境问题和社会矛盾集中爆发。旅游目的地不再"时尚"，重游率下降，旅游设施依赖降价促销维持运营。

（6）衰退或复兴阶段（Decline or Rejuvenation）：如果未能有效应对停滞阶段的挑战，旅游目的地将进入衰退期，游客量持续下降，旅游设施被改作他用或废弃。但如果管理者能够引入全新的旅游吸引物、实施生态修复工程或推动旅游产品的根本性转型升级，则有可能进入复兴阶段，开启新一轮的增长周期。

TALC 模型的核心命题在于：任何旅游目的地的发展都不是无限的，其承载力存在客观上限。一旦旅游开发强度突破生态和社会承载力的阈值，旅游目的地将不可避免地走向衰退。这一命题与可持续发展理念高度一致，对旅游规划和管理具有重要的警示意义。

当然，该模型也受到了一些学术批评。批评者指出，TALC 模型是一种理想化的线性演化模型，现实中旅游目的地的发展路径往往更加复杂——可能跳过某些阶段、在不同阶段之间反复波动，或者因政策干预而改变演变轨迹。此外，以游客数量作为唯一的阶段判定指标过于简化，难以全面反映旅游目的地的综合发展状态。

尽管存在上述局限性，TALC 模型作为一种宏观分析框架，在判断旅游目的地的发展态势和预警潜在风险方面仍具有重要的理论价值。本研究将在第四章中参照 TALC 模型，结合马山半岛的游客量变化趋势、生态环境演变特征和旅游经济发展数据，对马山旅游目的地的当前发展阶段进行综合判定，并识别其面临的核心风险。

2.1.3 GIS 空间分析理论基础

（1）GIS 的基本概念与核心功能

地理信息系统（Geographic Information System, GIS）是一种以计算机为基础，对地理空间数据进行采集、存储、管理、分析和可视化的技术系统。GIS 的核心优势在于其能够将各类空间数据和属性数据在统一的地理坐标框架下进行整合分析，从而揭示地理现象的空间分布规律、空间关联特征和时空演变趋势。

GIS 的核心功能包括：空间数据管理（矢量数据与栅格数据的存储与组织）、空间查询与检索、空间叠加分析（Overlay Analysis）、缓冲区分析（Buffer Analysis）、网络分析（Network Analysis）、空间统计分析和制图可视化等。在旅游管理研究中，GIS 技术可用于旅游资源空间分布分析、旅游设施可达性评估、旅游环境监测和旅游规划决策支持等多个方面。

（2）遥感技术的基本原理

遥感（Remote Sensing, RS）是指不直接接触目标物体，通过传感器接收和记录目标物体反射或辐射的电磁波信息，经过处理和分析后获取目标物体性质和状态信息的技术。在生态环境监测中，光学遥感卫星（如 Landsat、Sentinel-2）通过记录地表在可见光、近红外和短波红外等波段的反射率，获取地表覆盖信息。

不同地物类型在不同光谱波段上具有不同的反射特性（即光谱特征），这是遥感分类的物理基础。例如，健康植被在近红外波段（NIR）反射率高而在红光波段（Red）反射率低，水体在近红外波段反射率极低，建设用地在短波红外波段（SWIR）反射率较高。基于这些光谱差异，可以构建多种光谱指数来提取特定的地物信息：

• 归一化植被指数（NDVI）：NDVI = (NIR - Red) / (NIR + Red)，值越高表示植被覆盖越好，广泛用于植被健康状况和覆盖密度的监测。
• 改进的归一化水体指数（MNDWI）：MNDWI = (Green - SWIR) / (Green + SWIR)，正值通常指示水体，用于水域提取。
• 归一化建筑指数（NDBI）：NDBI = (SWIR - NIR) / (SWIR + NIR)，正值通常对应建设用地，用于城镇建成区识别。

本研究综合运用上述三种光谱指数构建决策树分类模型，对马山半岛的土地利用类型进行分类（详见第三章 3.1.2 节）。

（3）本研究涉及的主要空间分析方法

本研究运用的 GIS 空间分析方法主要包括以下四种，其理论基础分别为：

核密度估计（Kernel Density Estimation, KDE）。KDE 是一种非参数的空间密度估计方法，其基本原理是在每个观测点上放置一个以该点为中心的核函数（通常为高斯核），将所有核函数值在空间上求和，生成一个连续的密度表面。其数学表达式为：

$$\hat{f}(x)=\frac{1}{nh}\sum _{i=1}^{n}K\left(\frac{x-x_i}{h}\right)$$

式中，$\hat{f}(x)$ 为位置 $x$ 处的密度估计值，$n$ 为样本点总数，$h$ 为带宽（bandwidth），$K$ 为核函数，$x_i$ 为第 $i$ 个样本点的位置。带宽 $h$ 是影响结果的关键参数：带宽越大，密度表面越平滑；带宽越小，对局部细节的捕捉越敏感。本研究利用 KDE 方法分析马山半岛旅游资源和服务设施的空间聚集特征。

缓冲区分析（Buffer Analysis）。缓冲区分析是 GIS 空间分析中最基本的邻近分析方法之一，其原理是围绕点、线或面要素自动生成指定距离的缓冲区（等距离包络区域），进而通过叠加分析统计缓冲区范围内其他空间要素的分布情况。本研究围绕核心景区和主要旅游设施生成多级缓冲区（如 500 m、1000 m、2000 m），分析不同距离范围内的生态环境变化和设施配套情况。

基于路网的可达性分析（Network-based Accessibility Analysis）。可达性是衡量空间中某一位置到达特定目标（如旅游景点、交通枢纽）的便利程度的指标。基于路网的可达性分析利用实际道路网络的拓扑结构和通行成本（如距离、时间），采用最短路径算法（如 Dijkstra 算法）计算从研究区域内各点到目标设施的最短旅行时间或距离。与欧氏距离方法相比，路网分析考虑了道路等级、通行速度和网络连通性，结果更贴近实际出行条件。

空间叠加分析（Overlay Analysis）。空间叠加分析是将两个或多个空间数据层在统一坐标系下进行交集、联合或差集运算，以发现不同要素之间的空间关联和空间冲突。本研究将土地利用分类结果、NDVI 变化数据、旅游设施 POI 分布和交通可达性评估结果进行多层叠加分析，为旅游可持续发展综合评价、问题识别和对策制定提供空间依据。

2.2 研究区概况

2.2.1 自然地理概况

（1）研究区范围界定

本研究的研究区域为马山半岛，行政上隶属于江苏省无锡市滨湖区马山街道。马山半岛位于太湖北岸，三面环湖，仅北部与无锡城区陆地相连，是太湖风景区的重要组成部分。

研究区范围的界定综合考虑了行政边界与自然地理特征。马山街道行政辖区总面积约 59.32 km²，包括半岛本体及北部与城区接壤的平原地带。然而，本研究关注的核心区域为半岛的丘陵山地部分及其周边沿湖低地，因此将研究区北部边界设定为横贯半岛北部的一条东西向河道（OSM Way #71306905），该河道自西向东流经半岛北侧，是半岛丘陵地貌与北部城市建设用地的天然分界线。研究区的东、南、西三面以太湖湖岸线为界（图 2-1）。

经 GIS 测算，本研究最终确定的研究区范围如下：

• 地理坐标：东经 120°03′—120°11′ E，北纬 31°22′—31°27′ N
• 研究区面积：约 29.82 km²，占马山街道行政辖区面积的 50.3%
• 东西跨度：约 11.9 km
• 南北跨度：约 9.0 km
• 周长：约 37.6 km

（2）地形地貌特征

马山半岛属宁镇山脉余脉的低山丘陵地貌，主要由马迹山、鸡笼山、冠嶂山等多座低山组成。基于 Copernicus DEM GLO-30（空间分辨率 30 m）数据的分析表明，研究区海拔范围为 0—264 m，平均海拔约 41 m。最高点位于马迹山主峰（海拔约 264 m），最低点位于沿湖低地。山体间分布有多条谷地和沿湖平原，地形整体呈"中部隆起、四周低缓"的格局。

（3）坡度特征

利用 GDAL 工具计算研究区各栅格像元的坡度值，并按照地形开发适宜性标准将坡度重分类为 5 个等级。由于 DEM 采用 WGS 84 地理坐标系（EPSG:4326），水平单位为度、垂直单位为米，计算时设置垂直与水平单位比值为 111120（1° 纬度 ≈ 111,120 m）。

各坡度等级的面积统计结果如表 2-1 所示。

表 2-1　研究区坡度分级统计

坡度等级	坡度范围	面积（km²）	占比（%）	旅游开发适宜性
Ⅰ（平坦）	0°—5°	10.88	36.4	最适宜：可布局游客中心、停车场、酒店等基础设施
Ⅱ（缓坡）	5°—15°	7.68	25.7	适宜：适合观景平台、生态步道、茶园体验区
Ⅲ（中坡）	15°—25°	8.72	29.2	有限制：可规划登山步道、红叶观赏带等轻量化项目
Ⅳ（陡坡）	25°—35°	2.61	8.7	不适宜：仅适合生态保护和远观
Ⅴ（急坡）	>35°	<0.01	<0.1	禁止开发：应纳入生态保护核心区
合计	—	29.89	100.0	—

分析结果表明，研究区整体地形以平坦和缓坡为主。坡度小于 15° 的适宜开发区域合计占总面积的 62.1%（平坦区 36.4% + 缓坡区 25.7%），主要分布在沿湖低地和山间谷地，是布局旅游服务设施和生态休闲区的理想场所。中等坡度区域（15°—25°）占 29.2%，主要分布于山体中部坡面，适合发展登山步道等轻量化旅游项目。陡坡和急坡区域（>25°）仅占 8.7%，集中于山脊两侧，应作为生态保护核心区严格限制开发（图 2-2）。

（4）坡向特征

利用 GDAL 工具计算各栅格像元的坡向值，并按 45° 间隔重分类为 8 个方位。各坡向的面积统计结果如表 2-2 所示。

表 2-2　研究区坡向分布统计

方向	面积（km²）	占比（%）
北（N）	3.93	13.2
东北（NE）	3.34	11.2
东（E）	3.31	11.1
东南（SE）	4.07	13.6
南（S）	4.30	14.4
西南（SW）	3.95	13.2
西（W）	3.16	10.6
西北（NW）	3.66	12.7

按日照条件归类，阳坡（南、东南、西南）合计占 41.2%，阴坡（北、东北、西北）占 37.1%，半阳半阴坡（东、西）占 21.7%。研究区各坡向分布较为均匀，这与马山多峰放射状展开的山体结构相一致。阳坡区域日照充足，有利于亚热带常绿阔叶林和经济作物（马山杨梅、茶叶）的生长，景观资源最为丰富。其中，南向（14.4%）和东南向（13.6%）坡面面朝太湖方向，兼具日照和湖景优势，是旅游景观价值最高的区域。阴坡区域虽日照不足，但湿度较高、生态敏感度强，具有重要的生物多样性保育价值（图 2-3）。

2.2.2 旅游资源概况

马山半岛自然与人文旅游资源交相辉映。自然资源方面，马山被太湖三面环抱，拥有长达 30 余公里的湖岸线，区内群山起伏，森林覆盖率高，生态本底极佳。人文资源方面，马山深挖佛教文化与吴地文化，形成了以"灵山胜境"（包含 88 米高的灵山大佛、九龙灌浴、灵山梵宫、五印坛城等）为代表的传统佛教文化观光区，以及以"拈花湾禅意小镇"为代表的新型现代休闲度假区。此外，马山还拥有龙头渚公园、慕湾果园等一批生态休闲景群，是太湖风景名胜区的重要资源极。

2.2.3 旅游发展历程

马山半岛的旅游发展历程可概括为三个主要阶段：

1. 起步与单一景区发展期（1997—2008年）：1997年灵山大佛的落成标志着马山旅游产业的正式起步。这一阶段主要以大佛观光、上香祈福为主，旅游形态较为单一，属于典型的"门票观光经济"。
2. 综合扩建与配套完善期（2008—2015年）：以 2008 年灵山梵宫的建成、2009 年世界佛教论坛的举办为标志，马山旅游逐渐从单一的户外佛像观光上升为深度的文化体验。围绕核心景区的交通、餐饮等配套设施得到快速发展。
3. 休闲度假与全域转型期（2015年至今）：2015年底拈花湾禅意小镇的开园，标志着马山旅游从"观光"向"休闲度假"的实质性跨越。夜游经济和精品民宿集群开始兴起，游客在半岛的停留时间显著延长，马山正努力向国家级乃至世界级生态旅游度假区迈进。

2.2.4 旅游产业现状

当前，旅游业已成为马山半岛绝对的支柱产业。在产业结构上，已形成"核心景区（灵山、拈花湾）+ 高端度假酒店集群（如太悦度假酒店、君来波罗蜜多酒店）+ 特色乡村民宿带（如群丰社区、古竹社区）"的多元化供给体系。旅游总收入与接待人次常年保持在无锡市各区镇前列。然而，马山旅游产业现状也呈现出明显的空间不均衡特征：核心景区与高端住宿在节假日面临客流超载压力，而远离核心景区的南部沿湖或次级景点周边的配套服务设施仍相对薄弱，产业的空间外溢效应有待进一步激发。

2.3 数据来源与技术方案

2.3.1 遥感数据

本研究所使用的遥感数据主要用于生态环境演变的时序分析和地形地貌特征提取。

1. 光学遥感影像：采用美国地质调查局（USGS）提供的 Landsat 5 TM、Landsat 7 ETM+、Landsat 8 OLI 以及 Landsat 9 OLI 卫星的 Surface Reflectance（地表反射率）产品，空间分辨率为 30 m，时间跨度为 2000—2025 年。为减少云雾和季节因素干扰，均选取每年生长季（5—10月）云量低于 20% 的影像进行中值合成。为验证分类精度，还引入了欧洲航天局（ESA）Sentinel-2 卫星的高分辨率（10 m）影像（2016—2025 年）。
2. 数字高程模型（DEM）：采用 Copernicus DEM GLO-30 产品，空间分辨率为 30 m。该数据用于本研究区海拔、坡度及坡向等基础地形特征的计算与分级。

2.3.2 矢量数据

矢量数据主要用于界定研究边界和构建空间分析的路网模型。

1. 行政边界与水系数据：来源于全国地理要素数据库及 OpenStreetMap（OSM），提取马山街道及太湖水系边界，并最终人工裁剪修正为本研究的分析范围（包含 29.82 km² 核心区）。
2. 路网数据：来源于 OpenStreetMap 平台，由 GeoFabrik 提取华东地区最新路网并裁剪至研究区，包含各级公路、城市主干道、支路和景区慢行步道，用于后续交通可达性网络分析。

2.3.3 POI 数据

兴趣点（Point of Interest, POI）数据是呈现旅游空间格局的核心要素。本研究通过高德地图（Amode）API 爬取了马山半岛及周边区域 2024 年底的最新 POI 数据。数据涵盖：

1. 旅游景点：包括 A 级景区、自然景观、寺庙公园等；
2. 住宿设施：按星级酒店、精品民宿、普通快捷酒店等类别进行筛选归类；
3. 餐饮设施：涵盖农家乐、特色餐厅、快餐等； 获取的数据均进行了坐标系转换（GCJ-02 转为 WGS-84），并剔除了重复、错误及非营业状态的点位。

2.3.4 统计数据

社会经济与旅游统计数据主要用于旅游可持续发展综合评价的指标计算及马山旅游发展阶段的测度。数据主要来源于《无锡统计年鉴》（2001—2024年）、《无锡市滨湖区国民经济和社会发展统计公报》，以及无锡太湖国家旅游度假区管委会发布的历年旅游接待人次、旅游总收入及景区官方披露的客流数据等。

2.3.5 技术平台

本研究所依托的核心技术平台涵盖了云端处理架构与本地 GIS 软件：

1. Google Earth Engine (GEE)：依托 GEE 强大的云计算能力，完成 26 年跨度的 Landsat 及 Sentinel-2 海量影像的数据调用、云掩膜、光谱指数计算及中值合成。
2. QGIS 及 GDAL 库：作为本地开源 GIS 平台，用于制图输出、核密度分析、可达性计算以及基于掩膜的像素统计等精细空间的运算。
3. Python 数据分析栈：基于 Python 语言，结合 Geopandas、Rasterio 库进行矢量栅格转换，运用 Matplotlib/Seaborn 库完成统计图表的绘制。

---