EN中文

中国生态旅游 >

2023 , Vol. 13 >Issue 5: 890 - 906

DOI: https://doi.org/10.12342/zgstly.20230140

专栏：自然灾害影响与旅游应对

旅游社区应对自然灾害的韧性评价指标体系构建

  • 田兵伟 , 1, * ,
  • 贾培静 1 ,
  • 谭旭东 2 ,
  • 周睿茜 2 ,
  • 蔡一洋 1 ,
  • 毛映卫 1
展开
  • 1.四川大学-香港理工大学灾后重建与管理学院，成都 610207
  • 2.四川大学商学院，成都 610064
* 田兵伟（1983-），第一作者，男，博士，副教授，研究方向为社区韧性治理与综合减灾研究。E-mail:

收稿日期: 2023-08-30

  修回日期: 2023-10-21

  网络出版日期: 2024-01-10

基金资助

科技部外专项目(DL2023164001L)

四川省哲学社会科学重点研究基地2023年度项目(SR23A09)

收起

Construction of the evaluation index system for natural hazards coping in tourism communities

  • Tian Bingwei , 1, * ,
  • Jia Peijing 1 ,
  • Tan Xudong 2 ,
  • Zhou Ruixi 2 ,
  • Cai Yiyang 1 ,
  • Mao Yingwei 1
Expand
  • 1. Institute for Disaster Management and Reconstruction, Sichuan University-The Hong Kong Polytechnic University, Chengdu 610207, China
  • 2. Business School, Sichuan University, Chengdu 610064, China
* Tian Bingwei. E-mail:

Received date: 2023-08-30

  Revised date: 2023-10-21

  Online published: 2024-01-10

Fold

摘要

自然灾害是旅游业可持续发展的重要影响因素。在全球气候变化胁迫下，加强旅游业及其社区单元的韧性评价研究是促进旅游业健康发展的重要基础工作。本研究基于DPSIR模型5个维度构建包括9个二级指标、20个三级指标的旅游社区应对自然灾害的韧性评价指标体系，并运用AHP群决策法对其赋权；以地震后海螺沟旅游社区为例，对其2020—2022年的韧性进行了评价分析和实证研究，检验指标体系的适用性。结果表明：（1）指标权重分析显示，对旅游社区自然灾害韧性影响最大的指标主要包括自然灾害造成的伤亡人数、灾害防范设施完备程度、灾害应急预案完善程度及灾害预警装置数量。（2）2020—2022年海螺沟旅游社区韧性持续性较好，韧性水平逐年上升，受2022年9月5日泸定Ms 6.8级地震影响，海螺沟当年驱动力系统和压力系统水平下降，但状态系统、影响系统、响应系统水平上升。（3）指标值变化幅度分析显示，社区经济水平下降是导致海螺沟韧性降低的主要因素，应急能力的提升是导致海螺沟韧性上升的主要因素。本研究构建的旅游社区应对自然灾害的韧性评价指标体系具有成熟的理论、方法基础，对不同类型旅游社区具有一定的适用性，有助于旅游社区评估其自然灾害风险应对能力、改善灾害风险应对治理。

关键词： 旅游社区韧性; 自然灾害; 指标体系; DPSIR模型; AHP群决策分析; 海螺沟

本文引用格式

田兵伟 , 贾培静 , 谭旭东 , 周睿茜 , 蔡一洋 , 毛映卫 . 旅游社区应对自然灾害的韧性评价指标体系构建[J]. 中国生态旅游, 2023 , 13(5) : 890 -906 . DOI: 10.12342/zgstly.20230140

Abstract

Natural hazards are significant factors affecting the sustainable development of the tourism industry. Under the pressure of global climate change, strengthening the resilience assessment of the tourism industry and its community components constitutes a critical foundational work for promoting the healthy development of tourism. This study constructs a resilience assessment index system for tourism communities in response to natural disasters based on the DPSIR (Driver-Pressure-State-Impact-Response) model, encompassing nine secondary indicators and twenty tertiary indicators. The analytic hierarchy process (AHP) group decision-making method is employed for weighting these indicators. Taking the Hailuogou tourism community after an earthquake as a case study, this research evaluates its resilience from 2020 to 2022 through analysis and empirical investigation, thus testing the applicability of the index system. The results indicate: (1) The analysis of indicator weights shows that the factors that have the greatest impact on the natural disaster resilience of tourism communities include the number of casualties caused by disasters, the completeness of disaster precautions, the perfection of disaster emergency plans, and the number of disaster warning devices. (2) The resilience of the Hailuogou tourism community has shown continuous improvement from 2020 to 2022 and the level of resilience rises year by year. The Ms 6.8 Luding earthquake on September 5, 2022, negatively impacted the driving and pressure system scores that year, but resilience scores for the state, impact, and response systems increased. (3) Fluctuations in the indicators reveal that economic decline is a primary cause for the reduced community resilience of Hailuogou, while the enhancement of emergency capabilities is a key factor for its improved resilience. The index system developed in this study for assessing the resilience of tourism communities facing natural hazards has a solid theoretical and methodological foundation and is applicable to various types of tourism communities. It aids in evaluating their capacity to respond to natural disaster risks and improves disaster risk coping governance.

Key words： tourism community resilience; nature hazards; index system; DPSIR model; AHP group decision; Hailuogou

1 引言

面对各种自然灾害，旅游业往往表现出较大的物理脆弱性和社会脆弱性，如2017年8月8日Ms7.0 级地震后，九寨沟历经5年恢复发展，至今尚未能完全恢复至震前的旅游业发展水平。自然灾害已成为制约旅游业发展的关键问题之一。在全球气候变化胁迫下，加快提升全行业应对自然灾害的韧性，是旅游业可持续、高质量发展的必然要求。
“韧性”（resilience）一词来源于拉丁语“resilio”或“resilire”，原意是“跳跃或回弹”。自1973年生态学家Holling将其引入生态系统研究，提出韧性是系统恢复到平衡或达到新的平衡状态的能力[1]以来，该概念逐渐从物理学、心理学、生态学拓展成为多个学科的热点，形成了内涵相对一致的学科理解与解释。韧性作为一个跨学科的概念，已被广泛运用于社会学、经济学和灾害学等诸多领域，以描述各种系统在面对变化、冲击和压力时的抵抗、吸收、适应、转型和恢复的能力。社会学领域认为，韧性是指组织抵抗外部压力并维持其基本功能和特征的能力[2]；在经济学领域，认为韧性是指为使个人或群体能够避免潜在的损失，面对灾害时产生的自发性或适应性的反应[3]；在心理学中，韧性指个体面对压力、挫折和逆境时，保持正常心理状态、适应变化并恢复正常功能和心理健康的能力[4]；灾害学领域普遍将韧性定义为“暴露于危害的系统、社区或社会及时有效地抵抗、吸收、适应和从灾害中恢复的能力”[5]。
与其他行业领域相比，旅游业在面对突发自然灾害时往往更敏感、更易损和更脆弱。旅游韧性先后被定义为：“旅游系统应对压力的能力”[6]，“旅游系统在面对灾害和气候危机时所表现出来的承受、创新、适应和克服挑战的动态调整能力”[7]，“帮助旅游业在突发事件后恢复到灾前或理想状态的能力[8]”等。20世纪90年代以来，旅游韧性研究始于旅游市场稳定性[9]、旅游环境承载力[10]和旅游可持续发展[11]等议题。国外学者们在旅游韧性方面开展了较早且广泛的研究，学界和业界在旅游景区自然灾害的积极防御[12]、多元适应[13]、灵活应对和快速恢复等韧性要素方面达成了共识[14-15]。中国旅游韧性研究一方面从区域尺度[16]、灾害事件、气候变化和旅游韧性体系建设[17]等宏观层面讨论韧性和旅游发展问题；另一方面从微观层面在某一景区、某一自然灾害、某一安全事故等微观层面进行单一业态研究。相关研究主要集中在旅游经济韧性[18-19]、旅游企业韧性[20-21]、旅游管理韧性[20]、旅游环境韧性[22⇓-24]、旅游流网络结构韧性[25-26]等单一方面韧性评价。整体来讲，目前国内外旅游韧性研究较少考虑自然灾害的链式、复合和多灾耦合等特征，缺少以社区综合减灾视角进行系统性灾害治理的研究。
中国旅游业经过40多年的快速发展，已从初期“孤岛式”旅游景区发展阶段，逐步进入了产社空间一体的旅游社区综合发展阶段。旅游社区的主要特征可归纳为：共同依托某一旅游资源开展旅游活动的，一群居住地理位置较近、语言相通，具有社区文化和旅游收益诉求的旅游活动共同体[27]。旅游社区虽然有地理上的有形边界，表征着面状空间形态组成的旅游区域[28]，但其旅游功能和人员交往的边界却是弹性的，甚至是虚拟无形的，也是可以跨越的[29]。特别是驻客、研学、康养、情境剧本杀、特种兵式旅游、数字游民等新业态的出现导致快速和多样化旅游迁徙，使得人们在自然灾害面前的暴露度增加和风险增大[30]，旅游社区韧性研究逐渐受到重视[31]。
旅游社区韧性相近概念如景区韧性是指气候变化背景下旅游景区资源资本的可用性，以及采取一定政策措施以减轻气候变化影响[15]，并在面对自然灾害、人为破坏、经济波动等外部压力时，旅游景区能够快速恢复和适应的能力。本研究认为，旅游社区韧性相比旅游景区韧性更加强调旅游共同体的相互参与，即重视由人组成的社群在韧性发展中发挥的作用。因为，一群人在某些特定的时间内，以旅行、休闲、参与、互动等方式形成的旅游社区是一个旅游共同体，同时，居民和游客之间的参与、互动和互助，能够减少旅游业的社会脆弱性。基于此，本研究将应对自然灾害的旅游社区韧性定义为：旅游社区在自然灾害的干扰下，能够保障人员、设施、生态、社会、经济等多方面协调、适应、安全、稳定和快速恢复的能力，并在此定义基础上构建了旅游社区应对自然灾害的韧性评价指标体系。
目前，已有不少学者从不同角度构建了旅游韧性相关的指标体系。王兆峰和张先甜应用压力-状态-响应（Pressure-State-Response，PSR）模型评价了黄河流域旅游产业韧性[32]；田兵伟等和Gou等进行了九寨沟景区韧性建设和评价研究[33-34]；孙道玮等针对生态脆弱性从生态环境质量指标和干扰指标两方面构建了山岳型风景区的评价指标体系[35]；莫莉秋等结合海南旅游特点，运用层次分析法从资源、环境、管理、经济4个方面构建了乡村旅游可持续发展指标体系[36]；王立龙使用重要性与满意度评价分析方法(Important and Performance Analysis，IPA)构建了崇明生态旅游感知评价的四象限图，针对“高重要性和低满意度”象限为崇明生态旅游存在的不足提出了建议[37]。这些研究丰富了旅游韧性指标体系的构建方法，为本研究的研究框架提供了一定的思路借鉴，但仍存在以下不足：首先，从研究对象上来看，多数研究只注重单一因素的变化，缺少系统性和综合性的分析，对防灾-减灾-救灾-灾后恢复重建全链条的考虑欠缺；其次，鲜有研究从社区参与的角度进行旅游韧性分析。
基于以上不足，本研究站在自然灾害应急救援、综合减灾以及灾害恢复重建资源需求的视角，提出旅游业应对自然灾害应该从传统旅游景区为中心发展模式转向包括景区、酒店、商业区、文化互动区等融合一体的旅游社区共同体综合发展模式转变，以便在灾时获得更多的应急资源（基础设施、应急物资）、社会资源（社交网络、社区组织）和人力资源（技能、知识）等，灾后也可以获得更多的关注和捐赠，从而在整体上和根本上提升旅游社区韧性。因此，本研究基于驱动力-压力-状态-影响-响应模型（Driver-Pressure-State-Impact-Response, DPSIR），结合理论和实证，从5个维度构建旅游社区应对自然灾害的韧性指标体系，采用群决策分析方法（Analytic Hierarchy Process，AHP）确定各指标权重，以提升指标构建过程的权威性，并以海螺沟为实证对象证明旅游社区韧性评价指标体系的可行性，以期为旅游社区自然灾害治理和韧性发展提供参考。

2 指标构建与评价方法

2.1 DPSIR模型

驱动力-压力-状态-影响-响应（DPSIR）模型，是由欧洲环境署（European Environment Agency, EEA）于1993在PSR模型（Pressure-State-Response，PSR），即压力-状态-响应模型和DSR模型（Drivier-State-Response，DSR）的基础上提出的。其基本假设是社会和经济的发展（驱动力）对环境产生压力，并导致环境的状态发生改变——这会造成潜在影响，并最终引发社会对驱动力的反应，或者直接反映在压力、状态或者影响上[38]。它解释了人与环境及社会发展间的相互作用关系。DPSIR模型应用广泛，国内外学者已经运用这一模型在流域、水资源、生态系统等方面进行了较为丰富的研究[39⇓-41]。
DPSIR模型在生态和环境领域适用性好，能够较好地反映自然灾害对生态旅游社区的影响，并直接体现在驱动力、压力、状态、影响、响应5个层面的变化上。同时，5个系统层也存在相互作用，如旅游社区驱动力的变化会导致压力的变化，当管理人员做出响应后，又会反过来影响旅游社区的其他层面，因此，DPSIR模型作为评估自然灾害发生前后的韧性评估工具具有较好的适配性。

2.2 指标体系的构建

2.2.1 指标构建依据

基于DPSIR模型，本研究从驱动力、压力、状态、影响、响应5个方面构建自然灾害韧性旅游社区评估体系。由于旅游社区的评估涉及多个领域，本研究参考了现有标准：《旅游景区公共信息导向系统设置规范》（GB/T 31384—2015）、《旅游景区安全防护设施基本规范》（DB51/T 2312—2017）、《旅游景区数字化应用规范》（GB/T 30225—2013）、《国务院有关部门和单位制定和修订突发公共事件应急预案框架指南》，并结合中国外已有的韧性社区[15,42]、园区[28]、景区[33]指标体系，确定指标选取的依据（表1）。
表1 韧性旅游社区评价体系

Tab. 1 Resilient tourism community evaluation system

目标层 系统层 要素层 指标层 效能 参考来源 数据标准化阈值（海螺沟）
韧性旅游社区评估体系 D驱动力 D1经济驱动力 D11景区所创总收入（百万元） 正 Ruan等[43] 0~35
D12游客到访人数（万人） 正 Ruan等[43] 0~300
P压力 P1自然灾害压力 P11重大自然灾害发生频率（次） 负 Yang等[44] 0~5
P12自然灾害造成的伤亡人数（人） 负 Yang等[44] 0~30
P2社会压力 P21游客负面评价率（%） 负 Kelly等[45] 0~100
S状态 S1基础设施 S11景区公共信息导向系统完备程度（%） 正 GB/T 31384—2015 0~100
S12景区灾害防范设施完备程度（%） 正 DB51/T 2312—2017 0~100
S2信息化程度 S21景区信息化服务水平（%） 正 GB/T 30225—2013 0~100
S22景区信息化建设费用（百万元） 正 GB/T 30225—2013 1~2
S3生态环境 S31景区内物种种类（种） 正 Nikinmaa等[46] 4 500~5 000
S32景区绿化覆盖面积（km2） 正 Nikinmaa等[46] 170~200
S33景区空气质量良好的天数（天） 正 Sarkki等[47] 329~365/366
I影响 I1社会影响 I11游客正面评论率（%） 正 Yang等[44] 0~100
I12相关网络报道数量（条） 正 杨保清等[42] 0~30
R响应 R1人员配置 R11安保人员数量（人） 正 Musavengane和Kloppers[48] 10~50
R12医疗人员数量（人） 正 Musavengane和Kloppers[48] 1~10
R2应急准备 R21应急预案完善程度（%） 正 Tsai等[49] 0~100
R22灾害预警装置台数（台/km2） 正 Tsai等[49] 5~50
R23应急演练次数（次） 正 Cutter等[50] 0~2
R24应急避难场所个数（个） 正 Cutter等[50] 0~5
在旅游社区的运营与发展中，经济收入是驱动其前进的核心动力，因此本研究将经济驱动力作为驱动力系统的主导因素。压力系统方面，旅游社区需要同时面对各种自然灾害和社会风险的压力，其中游客对旅游社区的负面评价，特别是对社区处理突发状况的能力和工作人员专业素养的评价也是社会对旅游景区的期望、规范和价值观的反映，可以造成管理者的心理压力或紧迫感，从而影响其发展动力，促使其采取措施改进服务或管理。在状态系统方面，为了保持可持续发展，旅游社区必须维护良好的基础设施、提高信息化程度和保护优良的生态环境等。基础设施是社区发展的基础和先决条件，信息化程度反映了社会的进步和科技的发展水平，生态环境是旅游的重要保障和核心价值之一。在影响系统方面，旅游社区作为面向全社会的营利性场所，需要关注游客层面和社会层面对其运营的积极影响。响应方面系统主要针对人员配置和应急准备，强调在应对突发状况时，管理者能够合理调度资源并做好应急策划，以增强社区的抗灾能力和应灾的韧性。
在DPSIR模型5个维度下，确定了9个二级指标和20个三级指标（表1）。其中对于指标的效能判断，正向指标是指该指标的参数取值越大，社区韧性越好；负向指标是指该指标的参数取值越小，社区韧性越好。

2.2.2 指标数据标准化处理

指标阈值反映指标数据可达到的最大值和最小值，其确定的范围主要考虑旅游社区及所在地区的经济发展、建设规划、生态环境、自然灾害风险等实际情况。例如，针对海螺沟，主要根据《2021年甘孜州人力资源和社会保障事业发展统计公报》《甘孜藏族自治州海螺沟景区管理局预算公开》《甘孜县国家生态文明建设示范县规划规划文本（2020—2030）》《防灾避难场所设计规范》等相关文件确定各项指标的阈值，如表1所示。
对正向指标的标准化处理方法如下：
S X i i = X i i - X i m i n X i m a x - X i m i n
式中， S X i i为标准化后的指标值， X i i为标准化前的指标值， X i m a x和 X i m i n为数据标准化阈值。
对负向指标的标准化处理方法如下：
S X i i = X i m a x - X i i X i m a x - X i m i n

2.3 基于AHP群决策分析法的指标权重计算

本研究采用AHP群决策的方法确定评价体系各指标权重。AHP群决策的数据处理方法有多个分支，有研究分别计算出每个专家打分的权重后，对权重之和取算术平均数；也有研究将专家的判断矩阵取几何平均合并为一个判断矩阵，再计算最终权重。本研究将根据学者任明和吴云燕等提出的方法进行权重的计算[51-52]。该方法的优越之处在于它考虑了每位专家在群组决策中的权威性和可信度，使最终权重更为客观。
通过设计韧性旅游社区评价体系问卷，对项目背景进行阐述，并构建指标条目池，邀请10位自然灾害风险与应急管理、韧性城市、脆弱性与风险评估等领域的专家，根据重要性对指标进行评分。通过层次分析法的等级标度对评分进行转化，得到10个判断矩阵，分别对每个判断矩阵进行一致性检验，并计算判断矩阵间的一致性程度和相似性程度，进而确定每位专家在指标权重计算中的客观权重，并计算出每个指标的最终权重。
（1）一致性检验
计算一致性指标 C I：
C I = λ m a x - n n - 1
式中， λ m a x为矩阵的最大特征值。
查找一致性指标 R I： n为判断矩阵阶数，当 n = 20时， R I = 1.6292。
计算一致性比例 C R：
C R = C I R I
10位专家的 C R均通过了一致性检验。
（2）计算一致性程度 a k ( 1 )
将每位专家的 n阶AHP判断矩阵记为 A k ( k = 1,2 , … , 10 )，记 δ k = n / / λ m a x ( k )，反映判断矩阵的一致性程度，将 δ k进行归一化处理则得到 a k ( 1 )，计算公式为：
a k 1 = δ k ∑ k = 1 s δ k = 1 / λ m a x k ∑ k = 1 s 1 / λ m a x k
对20个指标的重要性程度进行分析时，10位专家的判断矩阵的最大的特征根分别为（20.074, 20.343, 20.294, 20.266, 20.475, 20.012, 20.126, 20.610, 20.033, 20.428），将上述数据代入公式中进行计算，得到每个判断矩阵的 a k ( 1 )，即：
a k ( 1 ) = ( 0.100948,0.099613,0.099854,0.099991,0.098971,0.101261,0.100687 , 0.098323 , 0.101154,0.099199 )
（3）计算相似性程度 a k ( 2 )
在10个判断矩阵中，若 A ( k )与其他判断矩阵间的相似程度高，则认为该专家的权威程度大，在群决策中也应起更重要的作用。
A ( k )的导出向量：
v e c A k = a 11 k , a 21 k , … , a n 1 k , a 12 k , a 22 k , … , a n 2 k , … , a 1 n k , … , a 2 n k , … , a n n k T , k = 1,2 , . . . , 10
r i j表示向量夹角的余弦：
r i j = ( v e c ( A i ) , v e c ( A j ) ) / [ ‖ v e c ( A i ) ‖ · ‖ v e c ( A j ) ‖ ] , ( i , j = 1,2 , … , 10 )
令 r k：
r k = ∑ j = 1 , j ≠ k 10 r k j , ( k = 1,2 , … , 10 )
将 r k进行归一化处理得到 a k ( 2 )，计算公式为：
a k 2 = r k / ∑ k = 1 10 r k , ( k = 1,2 , … , 10 )
将数据代入上述公式中进行计算，得到每个判断矩阵的 a k ( 2 )，即：
a k ( 2 ) = ( 0.110288,0.104885,0.097240 , 0.105313,0.098862,0.099480,0.107958 , 0.096046,0.097372,0.082556 )
（4）计算客观权重 a k
a k的计算公式为：
a k = φ a k 1 + 1 - φ × a k 2 , ( k = 1,2 , … , 10 )
其中，0≤ φ≤1，取 φ=0.5。将数据代入上述公式，得到每位专家的客观权重为：
a k ( k ) = ( 0.105618,0.102249,0.098547,0.102652,0.098916,0.100370,0.104323 , 0.097184 , 0.099263,0.090877 )
（5）合并判断矩阵
采用各因素权重向量的加权平均法来完成10个判断矩阵的合并。
各因素权重向量：
W - k = w 1 ¯ k , w 2 ¯ k , … , w 20 ¯ k T
合并的计算公式：
W - k = ∏ k = 1 10 w i ¯ k a k , i = 1,2 , … , 20
进行归一化处理：
w i * = w i ¯ ∑ i = 1 n w i ¯
将数据代入上述公式，则可得到20个指标的最终权重，如表2所示。
表2 韧性旅游社区评价指标及权重

Tab. 2 Resilient tourism community evaluation index and the assigned weights

目标层 系统层 要素层 指标层 指标权重
韧性旅游社区评估体系 D驱动力 D1经济驱动力 D11景区所创总收入（百万元） 5.4292%
D12游客到访人数（万人） 3.9648%
P压力 P1自然灾害压力 P11重大自然灾害发生频率（次） 5.1363%
P12自然灾害造成的伤亡人数（人） 10.1325%
P2社会压力 P21游客负面评价率（%） 3.2938%
S状态 S1基础设施 S11景区公共信息导向系统完备程度（%） 5.2015%
S12景区灾害防范设施完备程度（%） 6.7108%
S2信息化程度 S21景区信息化服务水平（%） 5.4042%
S22景区信息化建设费用（百万元） 5.1889%
S3生态环境 S31景区内物种种类（种） 3.3149%
S32景区绿化覆盖面积（km2） 2.1568%
S33景区空气质量良好的天数（天） 3.7968%
I影响 I1社会影响 I11游客正面评论率（%） 5.7081%
I12相关网络报道数量（条） 2.8234%
R响应 R1人员配置 R11安保人员数量（人） 5.2653%
R12医疗人员数量（人） 5.2646%
R2应急准备 R21应急预案完善程度（%） 6.2242%
R22灾害预警装置台数（台/km2） 6.2012%
R23应急演练次数（次） 4.0806%
R24应急避难场所个数（个） 4.7021%
（6）计算指数数值
数据进行无量纲化处理后，将指标权重 w i *与指标数据 S X i i 相乘，得到每个指标层的指数 S X i i '，要素层指数 S X i i e和系统层指数 S X i i s即由下一层指数求和所得。
每指标层的指数计算为：
S X i i ' = w i * × S X i i
要素层指数计算为：
S X i e = ∑ i = 1 n S X i i '
系统层指数计算为：
S X i s = ∑ i = 1 n S X i e

3 实证研究

3.1 案例概况

本研究区域是位于四川省甘孜藏族自治州的泸定、康定和雅安市的石棉3县交界区的大海螺沟区域，幅员面积906.13 km2，地处青藏高原东南缘、贡嘎山东坡，距四川省会成都市280多km，距甘孜州康定市约75 km，距泸定县50 km（图1）。大海螺沟景区由海螺沟、燕子沟、磨子沟、南门关沟、雅家埂、磨西台地6 个景区组成，由于海螺沟是其中最著名的景点，因此，常将大海螺沟景区概称为海螺沟，为便于理解，下文将使用“海螺沟”代称“大海螺景区及其为核心组成的旅游社区”。海螺沟拥有“国家5A级旅游景区”“国家级风景名胜区”“国家级自然保护区”“国家地质公园”“国家森林公园”、中国唯一的“冰川森林公园”和国家生态旅游示范区等多顶桂冠。自然环境、气候条件和旅游资源独具特色：高山雪峰、低海拔冰川冰瀑、高山湖泊、地热温泉、原始森林、珍稀动植物种类丰富，游客可体验到“一沟有四季，十里不同天”的自然变化。
图1 海螺沟地理位置

Fig. 1 Location of Hailuogou area

海螺沟具有典型山地地貌景观，地形相对高差大，坡度陡，且受高原气流和季风影响，天气变化大，寒冻风化作用强烈，以滑坡、泥石流、崩塌、雪崩为主的自然灾害频发，危害严重。同时，区内地质环境复杂，褶皱、断裂构造发育，新构造运动强烈，地震频发。2013年4月20日芦山Ms 7.0级地震发生时，海螺沟内有地质灾害隐患点多达65处[53]；2022年9月5日的泸定Ms 6.8级地震造成200余名游客被困景区内，自然景观和人文景观都受到较大的破坏。
综合来看，海螺沟自然灾害风险对当地居民和外来游客的生命安全、旅游设施以及生态环境构成严重威胁，严重影响到日常运营及长期发展，将其作为案例分析对象具有较好的代表性。因此，针对海螺沟复杂的自然灾害风险，本研究将对其韧性建设情况进行评估分析。

3.2 数据来源

本研究选取2020—2022年作为研究时段，韧性旅游社区评价体系中的指标参数主要由海螺沟管理局相关部门档案记录、访谈数据、网页数据构成。其中，驱动力系统中的景区所创总收入、游客到访人数，压力系统中的重大自然灾害发生频率、自然灾害造成的伤亡人数，状态系统中的信息化建设费用、景区内物种种类、景区绿化覆盖面积，响应系统的灾害预警装置台数等指标参数由海螺沟管理局直接提供。状态系统中的景区公共信息导向系统完备程度、景区灾害防范设施完善程度，响应系统中的应急预案完善程度等指标参数主要来源于景区的资料分析、与工作人员的访谈数据。影响系统中的游客正面评论率指标参数来源于携程网站用户对海螺沟景区的评价数据；相关网络报道数量是以海螺沟为检索词，对百度资讯的数量统计而得。

3.3 结果分析与检验

通过以上方法可得到海螺沟2020—2022年的韧性评估得分（表3）。结果显示，近3年，海螺沟旅游社区应对自然灾害的韧性指数均在0.7以上，且从2020—2022年，海螺沟的韧性得分逐年增加，因此认为海螺沟旅游社区应对自然灾害的韧性良好，且处于积极发展中。但2022年泸定地震对海螺沟内的商户、景点、基础设施造成了不同程度的损毁，对道路交通也造成了较大影响，景区被迫关闭，因此在2022年驱动力系统得分有所下降。从分值变化情况来看，造成海螺沟韧性得分下降的主要原因是驱动力系统得分下降，其背后的原因主要是因为自然灾害的发生破坏了海螺沟的经济发展；同时，造成海螺沟韧性得分上升的主要原因是响应系统得分上升，也就是应急准备能力的增强。
表3 2020—2022海螺沟社区韧性评价结果

Tab. 3 Community resilience evaluation result of Hailuogou from 2020 to 2022

年份 驱动力系统 压力系统 状态系统 影响系统 响应系统 总得分
2020年 0.0577 0.1828 0.2631 0.0550 0.1808 0.7394
2021年 0.0734 0.1831 0.2855 0.0666 0.1994 0.8080
2022年 0.0487 0.1731 0.2957 0.0766 0.2323 0.8264

3.3.1 驱动力系统分析

驱动力系统反映的是影响旅游社区韧性的直接原因，如由于景区到访人数增加、景区财政收入增加从而推动旅游景区发展。景区的收入及到访人数也可一定程度上反映景区的综合能力。从图2可知，较2020年，2021年经济驱动力有一定的增加；但与2021年相比，2022年经济驱动力下降较多，其主要原因是9·5泸定地震的发生对景区的基础设施、道路交通、景观等造成了较大的破坏，为了保障游客安全并进行灾后重建工作，海螺沟在地震发生后就停止了运营，所以2022年海螺沟景区总收入及游客到访人数相较前两年缺少9月、10月、11月、12月的数据，而这几个月恰好包括旅游旺季，因此，9·5泸定地震对经济驱动力造成了较大的负面影响。
图2 海螺沟社区韧性发展趋势

Fig. 2 Trends of community resilience development in Hailuogou

3.3.2 压力系统分析

压力系统反映的是影响旅游社区韧性的根本原因，是自然灾害、人为灾害、人类活动产生的负荷。随着气候变化导致极端天气增多，旅游社区在经营过程中遭遇自然灾害的风险增大，同时也会因为游客的到访对其环境造成压力。近三年，总体上海螺沟的自然灾害压力指数良好（图3a），地震发生前未发生过严重的自然灾害事件，也未造成人员伤亡，2022年的Ms 6.8级泸定地震是海螺沟近3年遭遇的唯一一次造成了重大破坏的灾害，但得益于管理人员处理及时，此次地震没有出现人员失联或受伤的情况。在社会压力方面，游客负面评价率逐年下降，由2020年的8.5%下降为2022年的6.9%，在调查过程中发现，游客对海螺沟的负面评价主要集中在3个方面：工作人员服务态度欠佳、景区景观单一、索道票价昂贵。
图3 DPSIR模型指数

Fig. 3 DPSIR model index

3.3.3 状态系统分析

状态系统是在驱动力和压力的共同作用下，旅游社区韧性的直接体现。状态系统主要包括基础设施、信息化程度、生态环境3个方面。在基础设施方面，主要考察公共导向系统及灾害防范设施的完备程度（图3b）。区内位置标识、平面示意图的设计具有统一风格且符合相关国家标准；在危险隐患处，均设有相关安全提示；区内设置有街区导向图、介绍景点的信息板，且导向文字同时采用中文、英文、日文、韩文、藏文，符合最新国家标准。区内的灾害防范设施比较完备，监控范围覆盖景区的65%，供水系统、供电系统的设施设备均符合相关标准，并配有充足的专门人员进行维修。在信息化程度方面，信息化服务水平逐年上升，具有网络视频监控系统和应急救援报警系统，能对景区环境实现基本的监测，同时，海螺沟也能够实现电子商务、在线办公等信息化管理。目前，海螺沟正在筹划智慧旅游项目，并进行智慧旅游管理平台建设。在生态环境方面，作为国家生态旅游示范区，海螺沟具有生态完整的原始森林、丰富的动植物资源，其生态环境状态一直保持在较高的水平。

3.3.4 影响系统分析

影响系统是指目前状况产生的对外影响，能够反映到访游客、社会群众、媒体对景区的认知情况，主要包括相关网络报道、游客好评率两个指标。2020—2022年，景区的社会影响逐年增加（图3c）。2020年和2021年关于海螺沟的相关网络报道主要集中在对自然风光的宣传上；2022年主要集中在灾情和灾后重建工作上，相关报道篇数和报道频率都有明显增加。有学者曾研究发现，汶川地震后，四川入境游客数量明显增加，造成这一现象的主要原因可能是灾害的发生导致地方的宣传度和曝光度增大，从而使更多游客将其纳入旅游目的地范畴[54]。从这一角度来看，自然灾害对旅游的影响不只是负面的，从积极的角度考虑，自然灾害也可能会增加旅游社区的社会影响力，从而为其带来更多游客。同时，3年来海螺沟的游客好评率也在稳步增加，其好评多是因为海螺沟美丽的自然景色。

3.3.5 响应系统分析

响应系统是指管理部门在韧性建设方面的举措或政策，主要包括人员配置和应急准备两个方面。海螺沟的应急准备指数呈上升趋势（图3d），证明管理部门在此期间采取了多方面的措施提升韧性。2021年海螺沟景区管理局编制完成了《海螺沟景区地质灾害全域综合整治三年行动计划（2021—2023）》，定期或不定期对隐患点进行检查，确保人员安全。2022年海螺沟景区管理局制定了《海螺沟景区2022年突发地质灾害应急预案》《海螺沟2022年地质灾害防治方案》，健全了防灾责任体系。9·5泸定地震后，管理局也根据海螺沟的灾害风险对应急预案进行了更新，使应急流程更加完备，保障工作更加完善。同时，海螺沟每年会组织工作人员进行不少于两次的应急演练，有助于提高工作人员在自然灾害来临时的应变能力。在人员配置方面，在近3年并未做出变动，但经过评估后认为，现有的安保人员数量及医护人员数量仍需增加。
以上分析检验了本研究构建的旅游社区应对自然灾害的韧性评价指标体系对海螺沟多个方面的适用性和有效性，反映了评价指标与基于DPSIR模型的自然灾害韧性系统的相关关系，能够适用于其他类似旅游社区的可持续、高质量和韧性发展研究，并为旅游社区应对自然灾害风险提供参考。

4 总结与讨论

目前，中国关于旅游社区韧性的评估研究较少，多数研究只注重单一因素的变化，系统性和综合性的分析较少，欠缺对防灾-减灾-救灾-灾后恢复重建全链条的考虑，忽略了社区参与在旅游韧性建设中的重要性。基于以上不足，本研究以灾后恢复重建期韧性提升为主要视角，基于DPSIR模型构建了旅游社区应对自然灾害韧性评价指标体系，覆盖驱动力、压力、响应等多个层面，运用AHP群决策分析法对评价体系各指标进行赋权，并对海螺沟2020—2022年的韧性情况进行了实证分析。
研究主要结论包括：第一，通过指标权重分析发现，在韧性旅游社区评价指标体系中，自然灾害造成的伤亡人数、景区灾害防范设施完备程度、灾害应急预案完善程度及灾害预警装置台数是对韧性影响程度较大的4项指标，可见，保障游客安全是旅游社区韧性中最关键的一环，因此，在建设与发展的过程中，管理方需更加注重安全设施的定期检修、应急预案的及时更新，将游客人身安全放在首位。在海螺沟建设与发展的过程中，应优先重视自然灾害治理和提升应急响应能力等方面，统筹旅游发展与安全。第二，海螺沟2020—2022年应对自然灾害的韧性较好，且韧性水平逐渐上升，2022年的泸定地震对海螺沟造成了较大影响，特别是经济上的负面影响，导致驱动力系统指数和压力系统指数在2022年都有所下降，但海螺沟通过增加应急管理、设施设备、服务水平等方面的投入，在状态系统指数、影响系统指数、响应系统指数方面得分上升。第三，指标值变化分析显示得分下降最多的二级指标是经济驱动力，得分上升最多的二级指标是应急准备。综上，本研究提出的旅游社区应对自然灾害的韧性评价体系能够较好地反映研究对象在应对自然灾害时的优势与不足，具有一定的应用参考价值。
同时，本研究也存在一些不足，主要体现在以下两个方面：第一，指标构建在客观性上仍有欠缺。虽然本研究采用的AHP群决策分析法考虑了专家打分的一致性和相似性，在AHP层次分析法的基础上做出了相关消除主观性的改进，但仍有可能受到自然灾害类型之间的差异和打分者研究偏好的影响，导致指标权重不够客观。第二，有效性仍待进一步验证。由于早期数据获取较为困难，本研究的研究时段为3年，不足以反映社区长期的韧性发展趋势。此外，为得出海螺沟的旅游社区韧性指数，在数据不充足的情况下，本研究未使用废水处理率、发展计划实施个数、安全规划费用、生态建设费用等指标，从而导致评估体系涵盖范围不够全面。因此，由于研究时段短且指标数量较少，本研究指标体系的有效性仍需进一步验证。基于以上两个方面的不足，本研究提出的旅游社区应对自然灾害的韧性评价体系还需在未来进行改善与优化。

真诚感谢匿名评审专家和编辑部对本文提出的修改意见，使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Holling C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics, 1973, 4: 1-23.

DOI

[2]
Adger W N. Social and ecological resilience: Are they related?[J]. Progress in Human Geography, 2000, 24(3): 347-364.

DOI

[3]
Rose A. Defining and measuring economic resilience to disasters[J]. Disaster Prevention and Management: An International Journal, 2004, 13(4): 307-314.

DOI

[4]
Fletcher D, Sarkar M. Psychological resilience[J]. European Psychologist, 2013, 18(1): 12-23.

DOI

[5]
Paton D, Johnston D. Disasters and communities: Vulnerability, resilience and preparedness[J]. Disaster Prevention and Management: An International Journal, 2001, 10(4): 270-277.

DOI

[6]
Luthe T, Wyss R. Assessing and planning resilience in tourism[J]. Tourism Management, 2014, 44: 161-163.

DOI

[7]
Brown N A, Rovins J E, Feldmann-Jensen S, et al. Exploring disaster resilience within the hotel sector: A systematic review of literature[J]. International Journal of Disaster Risk Reduction, 2017, 22: 362-370.

DOI PMID

[8]
Prayag G. Tourism resilience in the ‘new normal’: Beyond jingle and jangle fallacies?[J]. Journal of Hospitality and Tourism Management, 2023, 54: 513-520.

DOI

[9]
O’Hare G, Barrett H. Effects of market fluctuations on the Sri Lankan tourist industry: Resilience and change, 1981-1991[J]. Tijdschrift Voor Economische En Sociale Geografie, 1994, 85(1): 39-52.

DOI

[10]
Nyström M, Folke C, Moberg F. Coral reef disturbance and resilience in a human-dominated environment[J]. Trends in Ecology & Evolution, 2000, 15(10): 413-417.

DOI

[11]
Pigram J J. Sustainable tourism: Policy considerations[J]. Journal of Tourism Studies, 1990, 1(2): 2-9.

[12]
Biggs D, Hall C M, Stoeckl N. The resilience of formal and informal tourism enterprises to disasters: Reef tourism in Phuket, Thailand[J]. Journal of Sustainable Tourism, 2012, 20(5): 645-665.

DOI

[13]
Hartman S. Resilient tourism destinations? Governance implications of bringing theories of resilience and adaptive capacity to tourism practice[M]//Elisa Innerhofer, Martin Fontanari, Harald Pechlaner. Destination Resilience. Abingdon: Routledge, 2018: 66-76.

[14]
Benítez-Aurioles B. Tourism resilience patterns in southern Europe[J]. Tourism Analysis, 2020, 25(4): 409-424.

DOI

[15]
Dogru T, Marchio E A, Bulut U, et al. Climate change: Vulnerability and resilience of tourism and the entire economy[J]. Tourism Management, 2019, 72: 292-305.

DOI

[16]
陈志永, 李乐京. 国内社区参与旅游发展研究述评: 问题、原因与对策[J]. 生态经济, 2007, 23(10): 98-102.

[Chen Zhiyong, Li Lejing. Commenting on the domestic community participating in tourism: Problem, reason and strategy[J]. Ecological Economy, 2007, 23(10): 98-102.]

[17]
谢朝武, 赖菲菲, 黄锐. 疫情危机下旅游韧性体系建设与旅游高质量发展[J]. 旅游学刊, 2022, 37(9): 3-5.

[Xie Chaowu, Lai Feifei, Huang Rui. Tourism resilience system building and tourism quality development under the epidemic crisis[J]. Tourism Tribune, 2022, 37(9): 3-5.]

[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]
蔡超岳, 唐健雄, 何庆. 中国旅游经济韧性与旅游发展质量的关系研究[J/OL]. 湖南师范大学自然科学学报, [2023-08-10]. http://kns.cnki.net/kcms/detail/43.1542.n.20220803.2058.002.html.

[Cai Chaoyue, Tang Jianxiong, He Qing. Research on the relationship between tourism economic resilience and tourism development quality in China[J/OL]. Journal of Natural Science of Hunan Normal University. [2023-08-10]. http://kns.cnki.net/kcms/detail/43.1542.n.20220803.2058.002.html.]

[20]
何建民, 姜文琼. 疫情下旅游企业韧性与高质量发展的基本理论及决策和管理思路[J]. 旅游学刊, 2022, 37(9): 8-10.

[He Jianmin, Jiang Wenqiong. Basic theories and ideas for decision-making and management of resilience and quality development of tourism enterprises in the context of epidemics[J]. Tourism Tribune, 2022, 37(9): 8-10.]

[21]
邹永广, 吴沛, 李媛, 等. 新冠病毒感染疫情影响下旅游企业韧性: 进阶机理与复苏路径[J]. 中国软科学, 2023(2): 125-135.

[Zou Yongguang, Wu Pei, Li Yuan, et al. Tourism enterprise resilience under the influence of COVID-19: Advanced mechanism and realization path[J]. China Soft Science, 2023(2): 125-135.]

[22]
麻学锋, 谭佳欣. 湘西地区交通可达性对旅游环境系统韧性的影响及空间溢出效应[J]. 地理科学, 2023, 43(2): 291-300.

DOI

[Ma Xuefeng, Tan Jiaxin. lmpact of traffic accessibility on the resilience of tourism environment system and spatial spillover effects in Xiangxi area[J]. Scientia Geographica Sinica, 2023, 43(2): 291-300.]

DOI

[23]
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.]

[24]
王威, 沈洁, 尚富阳. 乡村振兴背景下乡村旅游韧性提升路径研究: 基于湖北省鄂州市乡村旅游发展的调查[J]. 湖北省社会主义学院学报, 2022(4): 90-97.

[Wang Wei, Shen Jie, Shang Fuyang. Research on the path of improving the resilience of rural tourism under the background of rural revitalization: Based on the investigation of rural tourism development in Ezhou City, Hubei Province[J]. Journal of Hubei Institute of Socialism, 2022(4): 90-97.]

[25]
纪颖超, 殷杰. “一带一路”沿线国家旅游合作联系网络结构韧性: 综合评估与动因甄别[J]. 人文地理, 2023, 38(4): 176-185.

[Ji Yingchao, Yin Jie. Structure resilience of tourism cooperation linkage network of countries along the Belt and Road Initiative: Comprehensive evaluation and motivation identification city[J]. Human Geography, 2023, 38(4): 176-185.]

[26]
王章郡, 周小曼, 方忠权. 基于新冠疫情冲击的城市旅游流网络结构韧性评估: 以重庆市中心城区为例[J]. 干旱区资源与环境, 2022, 36(11): 148-157.

[Wang Zhangjun, Zhou Xiaoman, Fang Zhongquan. Evaluation on the resilience of urban tourism flow network structure under the impact of COVID-19 pandemic: A case of Chongqing City[J]. Journal of Arid Land Resources and Environment, 2022, 36(11): 148-157.]

[27]
李萍, 陈田, 王甫园, 等. 基于文本挖掘的城市旅游社区形象感知研究: 以北京市为例[J]. 地理研究, 2017, 36(6): 1106-1122.

DOI

[Li Ping, Chen Tian, Wang Fuyuan, et al. Urban tourism community image perception and differentiation based on online comments: A case study of Beijing[J]. Geographical Research, 2017, 36(6): 1106-1122.]

DOI

[28]
郭永锐, 张捷, 张玉玲. 旅游社区恢复力研究: 源起、现状与展望[J]. 旅游学刊, 2015, 30(5): 85-96.

[Guo Yongrui, Zhang Jie, Zhang Yuling. Tourism community resilience: Origin, progress and prospects[J]. Tourism Tribune, 2015, 30(5): 85-96.]

[29]
陈舒萍. 场景视域下文化旅游社区模式构建: 以阿那亚文旅社区为例[J]. 中南林业科技大学学报(社会科学版), 2021, 15(3): 102-110.

[Chen Shuping. study on the construction of cultural tourism community in scene vision: A case study of Aranya tourism community city[J]. Journal of Central South University of Forestry & Technology (Social Sciences), 2021, 15(3): 102-110.]

[30]
程玉, 杨勇, 刘震, 等. 中国旅游业发展回顾与展望[J]. 华东经济管理, 2020, 34(3): 1-9.

[Cheng Yu, Yang Yong, Liu Zhen, et al. Retrospect and prospect of tourism in China[J]. East China Economic Management, 2020, 34(3): 1-9.]

[31]
张琪. 突发性自然灾害对旅游目的地影响机制研究[J]. 灾害学, 2019, 34(3): 18-20, 30.

[Zhang Qi. Study on the mechanism of the impact of sudden natural disasters on tourism destinations[J]. Journal of Catastrophology, 2019, 34(3): 18-20, 30.

[32]
王兆峰, 张先甜. 基于PSR模型的旅游产业韧性评估及驱动因子非平稳性研究: 以黄河流域为例[J]. 人文地理, 2023, 38(5): 88-97.

[Wang Zhaofeng, Zhang Xiantian. Study on the resilience assessment of the tourism industry and the driver non-stability of the PSR model: A case of the Yellow River basin[J]. Human Geography, 2023, 38(5): 88-97.]

[33]
田兵伟, 左齐, 张利霞, 等. 韧性理念下九寨沟的智慧景区发展路径研究[J]. 智能建筑, 2022(5): 49-52.

[Tian Bingwei, Zuo Qi, Zhang Lixia, et al. Research on the development path of Jiuzhaigou’s smart scenic area under the concept of resilience[J]. Green Construction and Intelligent Building, 2022(5): 49-52.]

[34]
Gou X, Adhikari B R, Tian B, et al. Ecological resilience mapping in a world natural heritage site: Case study of Jiuzhaigou[C]// IGARSS 2022-2022 IEEE International Geoscience and Remote Sensing Symposium. Kuala Lumpur, Malaysia: IEEE, 2022: 6240-6243.

[35]
孙道玮, 陈田, 姜野. 山岳型旅游风景区生态脆弱性评价方法研究[J]. 东北师大学报(自然科学版), 2005(4): 131-135.

[Sun Daowei, Chen Tian, Jiang Ye. Study on the assessment method of eco-environment vulnerability of mountain scenic resort[J]. Journal of Northeast Normal University (Natural Science Edition), 2005, 37(4): 131-135.]

[36]
莫莉秋. 海南省乡村旅游资源可持续发展评价指标体系构建[J]. 中国农业资源与区划, 2017, 38(6): 170-177.

[Mo Liqiu. Analysis of sustainable development of rural tourism resources system in Hainan[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(6): 170-177.]

[37]
王立龙. 基于IPA方法的上海崇明岛生态旅游评价研究[J]. 科技通报, 2013, 29(9): 228-232.

[Wang Lilong. Study of eco-tourism evaluation in Shanghai Chongming island based on IPA assessment[J]. Bulletin of Science and Technology, 2013, 29(9): 228-232.]

[38]
黄经南, 敖宁谦, 谢雨航. 国际常用发展指标框架综述与展望[J]. 国际城市规划, 2019, 34(5): 94-101.

[Huang Jingnan, Ao Ningqian, Xie Yuhang. Review and prospect of international common development indicator framework[J]. Urban Planning International, 2019, 34(5): 94-101.]

DOI

[39]
Mosaffaie J, Salehpour Jam A, Tabatabaei M R, et al. Trend assessment of the watershed health based on DPSIR framework[J]. Land Use Policy, 2021, 100: 104911.

DOI

[40]
Zare F, Elsawah S, Bagheri A, et al. Improved integrated water resource modelling by combining DPSIR and system dynamics conceptual modelling techniques[J]. Journal of Environmental Management, 2019, 246: 27-41.

DOI PMID

[41]
王贺年, 张曼胤, 崔丽娟, 等. 基于DPSIR模型的衡水湖湿地生态环境质量评价[J]. 湿地科学, 2019, 17(2): 193-198.

[Wang Henian, Zhang Manyin, Cui Lijuan, et al. Evaluation of ecological environment quality of Hengshui Lake wetlands based on DPSIR model[J]. Wetland Science, 2019, 17(2): 193-198.]

[42]
杨保清, 李贵才, 刘青. 基于DPSRC模型的国际社区社会韧性评价分析: 以广州小北16个国际社区为例[J]. 地域研究与开发, 2020, 39(5): 70-75.

[Yang Baoqing, Li Guicai, Liu Qing. Evaluation of international community social resilience based on DPSRC model: A case study of 16 international communities in Xiaobei, Guangzhou[J]. Areal Research and Development, 2020, 39(5): 70-75.]

[43]
Ruan W Q, Li Y Q, Zhang S N, et al. Evaluation and drive mechanism of tourism ecological security based on the DPSIR-DEA model[J]. Tourism Management, 2019, 75: 609-625.

DOI

[44]
Yang E, Kim J, Pennington-Gray L, et al. Does tourism matter in measuring community resilience?[J]. Annals of Tourism Research, 2021, 89: 103222.

DOI

[45]
Kelly C, Ferrara A, Wilson G A, et al. Community resilience and land degradation in forest and shrubland socio-ecological systems: Evidence from Gorgoglione, Basilicata, Italy[J]. Land Use Policy, 2015, 46: 11-20.

DOI

[46]
Nikinmaa L, Lindner M, Cantarello E, et al. Reviewing the use of resilience concepts in forest sciences[J]. Current Forestry Reports, 2020, 6(2): 61-80.

DOI

[47]
Sarkki S, Ficko A, Wielgolaski F E, et al. Assessing the resilient provision of ecosystem services by social-ecological systems: Introduction and theory[J]. Climate Research, 2017, 73(1-2): 7-15.

DOI

[48]
Musavengane R, Kloppers R. Social capital: An investment towards community resilience in the collaborative natural resources management of community-based tourism schemes[J]. Tourism Management Perspectives, 2020, 34: 100654.

DOI

[49]
Tsai C H, Wu T C E, Wall G, et al. Perceptions of tourism impacts and community resilience to natural disasters[J]. Tourism Geographies, 2016, 18(2): 152-173.

DOI

[50]
Cutter S L, Barnes L, Berry M, et al. A place-based model for understanding community resilience to natural disasters[J]. Global Environmental Change, 2008, 18(4): 598-606.

DOI

[51]
任明. 合同管理风险及其AHP群决策分析[J]. 现代管理科学, 2009(1): 36-38.

[Ren Ming. Contract management risk and its AHP group decision analysis[J]. Modern Management Science, 2009(1): 36-38.]

[52]
吴云燕, 华中生, 查勇. AHP中群决策权重的确定与判断矩阵的合并[J]. 运筹与管理, 2003, 12(4): 16-21.

[Wu Yunyan, Hua Zhongsheng, Zha Yong. Calculation of the weights and the amalgamation of the matrixes in AHP group decision[J]. Operations Research and Management Science, 2003, 12(4): 16-21.]

[53]
林浩, 戴巡. 海螺沟景区地质灾害基本情况与控制因素[J]. 四川建材, 2019, 45(4): 55-56, 60.

[Lin Hao, Dai Xun. Basic situation and control factors of geological disasters in Hailuogou scenic spot[J]. Sichuan Building Materials, 2019, 45(4): 55-56, 60.]

[54]
Huang L, Yin X, Yang Y, et al. “Blessing in disguise”: The impact of the Wenchuan earthquake on inbound tourist arrivals in Sichuan, China[J]. Journal of Hospitality and Tourism Management, 2020, 42: 58-66.

DOI

Options
文章导航

/

〈 〉