旅游地居民价值观念、资源禀赋、区域地理特征以及游客内生性需求、旅游地吸引力稳定性都是不断发展的复杂系统，这决定了旅游产业具有韧性特征^{[1, 2]}。旅游产业韧性是旅游业应对外部干扰、抵御冲击后调整自身发展路径的能力，与旅游脆弱性、路径依赖、复苏等概念联系紧密^[3]。当前，旅游业的健康、可持续发展愈发受到多种不可预测因素的影响，对中国经济社会的冲击力和破坏力均前所未有。黄河流域担当着弘扬中华文明、发展中国旅游事业的战略使命，对区域经济协调发展战略的完善和深化意义重大。

自1973年Holling将韧性引入到生态领域研究后，韧性理论的概念内涵不断丰富，并逐渐突破了工程学领域中简单对抗的线性理解^[4]。20世纪90年代，韧性范围逐渐拓宽，从生态学领域迁移至经济学、社会学领域^[5]。在韧性研究广泛开展的大背景下，基于国际旅游业发展成绩的显著和应对纷繁复杂的环境的现实需要，旅游韧性成为近年来旅游学科研究的新领域，学者Luthe最先将旅游韧性定义为：“旅游系统应对压力的能力”^[6]；Bowen将旅游韧性定义为：“帮助旅游业在突发事件后恢复到理想状态，以提高旅游目的地系统的建设能力”，并把韧性概念拓展为旅游地可持续发展范式的补充和延伸^[7]；Prayag将旅游韧性定义为：“应对冲击的抵御及恢复其增长路径的能力”^[8]。不同学者对旅游韧性概念的表述虽有差异，但其内核相近相通，即“旅游系统在面对内外部冲击或扰动时，通过采取迅速、多样化的响应措施来实现对冲击的恢复速度与程度，以及在冲击后重新整合内外部旅游资源、调整自身结构适应新的外部环境，从而维持旅游系统的持续健康发展”。现有关旅游韧性的国外研究多集中于旅游业面对自然灾害、突发性扰动时的抵御及恢复能力，如火灾^[9]、恐怖袭击^[10]、经济危机^[11]等；国内研究则主要集中在对旅游企业韧性^[12]、旅游产业韧性^[13]、旅游流网络结构韧性^[14]、旅游环境韧性^[15]等展开探讨。国外对旅游韧性的研究多聚焦于定性案例分析，如实地调研^[16]、半结构化访谈^[17]、焦点小组^[18]等，侧重韧性模型的设计，如Perry、Lim分别构建了成功的恢复力模型^[19]、旅游需求弹性模型^[20]对自然灾害、恐怖主义、经济危机的旅游影响进行分析，验证了旅游业超强的自适应能力和抵御能力；国内学者的研究则兼顾访谈法^[21]、地理探测器^[2]、ARIMA^[22]、SPA分析法^[23]、DPSIR模型^[24]、系统动力学^[25]等定性与量化方法；有关旅游韧性的研究涉及到典型旅游国家，如西班牙^[26]、南欧^[27]、地级市^[25]、城市群^[28]等多个尺度；从影响因素上来看，主要聚焦于探索影响旅游目的地韧性能力的驱动因素以及韧性建设机制上，如经济发展^[29]、气候变化^[30]、旅游规划开发^[31]等都被认为是影响旅游韧性的组成部分。旅游韧性不仅涉及到外部风险因素，同时也涉及到旅游产业自身因素，因此，科学评估区域旅游韧性及其驱动因素对推动区域旅游产业韧性能力构建意义重大。

现有研究成果丰硕但仍存在一些不足：其一，涉及旅游韧性领域的研究稍显不足，多数研究成果仅以某一危机案例的影响作为判定旅游产业韧性的依据，忽视了旅游产业韧性具有集成性和综合性的系统特征；此外，在运用计量方法开展的韧性研究中，较多成果都是基于传统计量模型考察各影响因素的作用效果，更侧重全局平均处理效果的估计，但未能考察模型参数在局部空间的非平稳性特征。鉴于此，本文采用核密度估计、空间马尔科夫链和时空地理加权回归（GTWR）探讨以下问题：①黄河流域旅游产业韧性的时间变化趋势。②旅游产业韧性在黄河流域表现出的跨期转移趋势。③不同时期不同空间下影响产业韧性的驱动力大小。上述问题的有效解答，可为黄河流域旅游产业对抗压力、增强韧性，提升旅游业持续健康发展能力提出针对性的决策建议。

本文从韧性发生学的视角，参考现有学者的研究^[32-34]，再基于指标的科学性、典型性、操作性和层次性等原则，借鉴当前使用较为成熟的“压力—状态—响应”（PSR）模型，构建包含“压力指数—状态指数—响应指数”三个维度的旅游产业韧性评价指标体系（表 1）。压力（P）主要描述资源消耗、对外依赖等问题对当前旅游产业运行造成的消极影响。健康状态（S）则是旅游产业这一复杂系统内活力、组织、恢复力3项测量标准的综合反映。响应指标（R）是指面对旅游系统的各项问题所采取的对策与措施，以减少、缓解和预防系统状态恶化趋势的发生。其中，旅游资源丰度指数采用孙根年^[35]等学者的研究对4A级以上景区进行赋分表征，游客空间指数用游客数量与地区总面积的比值来表征^[36]，游客密度指数为游居比^[37]。

表 1(Tab. 1

表 1 旅游产业韧性评价指标体系 Tab.1 Evaluation Index System of Tourism Industry Resilience

表 1 旅游产业韧性评价指标体系 Tab.1 Evaluation Index System of Tourism Industry Resilience

本文以黄河流域80个地级市为研究对象。为更针对性的进行异质性研究，将研究区分为上游、中游和下游3个区域^[38]，其中黄河上游包括宁夏和青海全部市州、甘肃大部分市州、四川阿坝州以及内蒙古部分市盟；黄河中游包括山西全部地市、陕西大部分地市以及甘肃和河南的个别市；黄河下游包括山东和河南的部分地市。本文原始数据来源于2006—2021年《中国城市统计年鉴》、《中国旅游统计年鉴》、黄河流域各地级市政府工作报告、国民经济和社会发展统计公报等，并采用线性插补法对缺失数据进行补充，利用熵值法计算各指标权重，并结合综合指数法测算综合得分。

核密度估计常用于刻画变量的动态演进，其计算公式为^[39]：

(1)

(2)

式中，n为观测数量，x为样本均值，h为带宽，k (u) 为核函数，实质上为权重函数，u为样本均值。

（1）传统马尔科夫链模型

按照各变量的演变规律将其划分为n种不同类型，不同时空的类型转移可以用n×n转移概率矩阵来表示，转移概率mij为时间t类型i转移到j的概率，其具体公式为^[40]：

(3)

(4)

式中，Ft + 1和Ft是不同时刻的概率分布，M^s是转移概率矩阵M的S次幂。

（2）空间马尔科夫链模型

空间马尔科夫链模型是在空间环境下对传统马尔科夫链的拓展与延伸。如要素对象位置为i，领域为j，那么位置为i的类型则由空间滞后算子决定，其具体公式为：

(5)

式中，lag为空间滞后算子，x_i为研究值，w_ij为空间滞后算子的权重。根据空间滞后类型，将n×n马尔科夫矩阵分解为n个n×n的条件转移概率矩阵。

GTWR模型突破了GWR模型的局限性，重视时间维度的变化趋势，为同时解决要素时间和空间非平稳性问题提供了新的工具。因此本文采用GTWR模型探究何种因素会对黄河流域旅游韧性产生影响。在自变量的选取上参考前人的研究^[41-43]，并考虑到黄河流域区域特征，分别从旅游集聚能力、环境规制、政府行为、数字化基础设施、城镇化等角度进行检验：①旅游产业集聚（Str）采用LQ = (ei/∑_i=1ⁿei)/(Ei/∑_i=1ⁿEi) 来计算^[44]，其中LQ表示旅游产业集聚程度，ei表示区域内某产业i的指标值，Ei表示全国某产业i的指标值。②环境规制（Env）通过计算城市各类污染物排放量的综合指数来表征。③政府行为（Gov）选取政府对旅游产业重视程度的“政府工作报告提及‘旅游’频次”表征。④城市数字化基础设施（Dig-F）用城市互联网宽带接入用户数和移动电话接入用户数衡量。⑤城镇化（Urb）用人口城镇化率来衡量^[45]。基于上述指标构建GTWR模型，其具体公式为^[46]：

(6)

式中，Y_i为观测值，β₀(u_i, v_i, t_i) 为i单元的回归常数，β_k (u_i, v_i, t_i)为解释变量的估计系数。

带宽和时空权重矩阵的选择是构建GTWR模型的基础，其具体做法是给i和k提供β_k(u_i, v_i, t_i)的回归参数，其具体计算公式为：

(7)

式中，(ui, vi, ti)为表示的β0(ui, vi, ti)估计值，Z和Z^t分别表示矩阵和矩阵的转置，K表示样本点构成的矩阵，w(ui, vi, ti) 为时空权重矩阵，为避免数据离散化，选择bisquare空间权函数：

(8)

式中，d_ij表示i到j的时空距离。本文选择AICC准则，即自适应带宽。

从图 1来看，总体水平呈波动变化趋势，由0.038上升至0.105。2005—2018年，全流域与上中下游旅游产业韧性水平均不断增加，增幅表现为“下游>中游>全流域>上游”的变化格局，2018—2020年，各区域变化水平出现差异，全流域与中游地区韧性水平呈下降趋势，下游地区出现先降后升的态势，上游地区略微下降但整体幅度较小，可能的原因在于黄河流域旅游经济发展模式以盲目粗放式开发为主，旅游要素投入冗余，再加之新冠疫情导致旅游及休闲活动受限，旅游规模大幅减少，使部分地区水平下降。

图 1(Fig. 1)

图 1 黄河流域旅游产业韧性变化趋势 Fig.1 Resilience Change Trend of Tourism Economic System in the Yellow River Basin

结合时序分析，以2005年、2010年、2015年和2020年为研究时段，分别得到黄河流域及上中下游的核密度估计曲线（图 2）。整体来看（图 2a），核密度曲线小幅度向右移动且右拖尾现象明显，表明旅游产业韧性在研究期内呈缓慢增长态势，曲线形态有较为明显的“尖峰”，但波峰高度下降，宽度有所增加，峰度逐渐平缓，曲线离散化程度表现为上升趋势，说明韧性高水平城市逐年增加，城市之间的差距有所减小，此现象的产生与黄河流域各城市旅游发展水平和速度的差距有密切关系。

图 2(Fig. 2)

图 2 2005—2020年黄河流域旅游韧性时间核密度估计 Fig.2 Nuclear Density Distribution of Tourism Resilience in the Yellow River Basin from2005 to 2020

区域维度，由图 2b—图 2d可知，第一，从分布位置上看，黄河上中下游密度曲线均向右平移，上游地区曲线形态最为稳定，中下游地区在研究初期移动幅度较大，这表明不同流域韧性水平均有所提升，且增速有所下降，整体变化态势与黄河整体流域相同。第二，从分布形态来看，下游地区曲线呈明显的波浪式变化，主峰与次峰高度差距明显，易出现两级分化现象；中下游地区峰的宽度小于黄河上游，上游地区内部旅游产业韧性差异较大。第三，从峰的数量来看，黄河中上游基本为“单峰”，下游表现为不明显的“多峰”分布，密度曲线表现为“收敛”的波动态势，且向右拖尾，这表明部分高韧性水平的地区发展速度出现一定程度的回落。

首先，选取四分位数对黄河流域旅游产业韧性进行划分，25%内为低水平（0.0187—0.0343）、26%—50%为中低水平（0.0344—0.0545）、51%—75% 为中高水平（0.0546—0.0883）、高于75% 为高水平（0.0884—0.3870）。图 3可知，旅游产业韧性水平高值区主要位于郑州、青岛等城市，及其周边的济南、洛阳、烟台等城市，山东大部分城市如潍坊、济宁、泰安、威海等城市于研究期末均升迁至高水平，低水平城市数量逐渐减少，且这些城市韧性水皮增长幅度较小，韧性水平提高的速度小于下游地区的速度，2020年仅金昌市仍处于低水平。这在一定程度上表明黄河流域旅游产业韧性水平的空间效应特征，高水平城市由地区“团块状”演变为“连片式”分布，低水平城市由“多中心”发展为“单中心”，并逐渐形成了以高值区为中心，向四周辐射发展的空间格局。主要原因在于，黄河流域中上游地区当前仍存在量大、面广的旅游深度贫困地区，且生态环境较为脆弱，吸纳旅游相关产业和旅游者的能力较弱，城市旅游发展水平不高，旅游韧性水平较低。

图 3(Fig. 3)

图 3 2005、2010、2015、2020年黄河流域旅游产业韧性空间分布 Fig.3 Spatial Distribution of Tourism Resilience in the Yellow River Basin, 2005, 2010, 2015, 2020

为了进一步对黄河流域旅游产业韧性的长期趋势进行预测，本文借助Markov链分析法加以识别。根据传统马尔科夫链测算方法，通过比较分析传统马尔科夫链转移概率矩阵（表 2）与空间马尔科夫链转移概率矩阵（表 3）的变化，进一步洞悉黄河流域旅游产业韧性的时空动态转移过程和规律。

表 2(Tab. 2

表 2 传统马尔科夫链转移概率矩阵 Tab.2 Traditional Markov Chain Transferring Concept Matrix

表 2 传统马尔科夫链转移概率矩阵 Tab.2 Traditional Markov Chain Transferring Concept Matrix

表 3(Tab. 3

表 3 空间马尔科夫转移概率矩阵 Tab.3 Spatial Markov Chain Transferring Concept Matrix

表 3 空间马尔科夫转移概率矩阵 Tab.3 Spatial Markov Chain Transferring Concept Matrix

由表 2可知，转移概率矩阵中对角线元素概率远大于非对角线元素，充分表明不同等级地区维持自身原有水平的概率大于转移概率之和，黄河流域旅游产业韧性存在低水平、中低水平、中高水平、高水平这四类趋同俱乐部。同时，较高水平俱乐部维持不变及向上转移的概率（99.6%）远大于其向下转移的概率（0.04%），较低水平俱乐部向上转移的概率也较小（0.000%），这揭示出黄河流域旅游产业韧性在连续转移过程中存“马太效应”，即强者愈强、弱者愈弱。值得注意的是中低水平城市平均向上转移概率（8.25%）大于向下转移概率（0.4%），中高水平城市平均向下转移概率（0.7%）小于向上转移概率（12.3%），表明较低韧性水平的城市仍存在向上转移的良好趋势，因此应不断促进较低韧性水平城市旅游平稳增长，推动其逐渐跃入较高韧性甚至高韧性水平的城市行列，从而突破低值陷阱困境。

进一步结合空间马尔科夫转移概率矩阵（表 3）可知，整体而言，不同邻域等级下的空间马尔科夫链转移概率矩阵中对角线顶端元素概率仍基本大于中间元素，因此，“俱乐部收敛”与“马太效应”在空间层面得到解析与证实。传统马尔科转移矩阵主对角线上的概率均值为88.0%，考虑空间滞后因素后，低水平与中低水平城市邻近地区转移矩阵主对角线上的概率均值分别为92.42%、91.25%，中高水平与高水平城市概率均值分别为84.73%、78.58%，明显低于传统马尔科夫矩阵转移的情况，表明加入邻近地区因素后，较低韧性水平城市保持原状态的概率明显上升，较高韧性水平城市保持原状态的概率明显下降。此外，不同邻域类型对城市韧性的溢出效应有所差异，一般表现为与低韧性城市为邻时自身向下转移概率增加、向上转移概率减少，与高韧性城市为邻时自身向下转移概率减少、向上转移概率增加的基本特征。可见，韧性水平低（高）的城市对周边城市分别产生了一定的负向（正向）溢出效应，也侧面映射出旅游产业韧性协同提升是实现黄河流域旅游高质量发展的关键。

由于黄河流域旅游产业韧性指数具有时空非平稳性，各驱动因子在城市不同发展阶段对旅游产业韧性的贡献存在较大差异，因此，本文基于2005—2020年黄河流域各城市面板数据，对不同时间不同空间城市旅游产业韧性驱动因子参数运用GTWR进行估计。为避免变量多重共线性问题，本文首先对各驱动因子进行方差膨胀因子（VIF）检验，结果显示各变量VIF值小于7，不存在明显的共线性问题；同时，为增强模型选择的科学性，设定时空距离参数比值为1，通过自动优化设置带宽，分别进行经典OLS回归和GWR回归作为对照（表 4）。结果表明，GTWR模型调整后的R²为0.6625，AICc准则为-4013.95，相比OLS模型与GWR模型，具有更好的拟合效果，故选该模型进行旅游产业韧性局部估计。

表 4(Tab. 4

表 4 OLS、GTWR、GWR模型拟合状况 Tab.4 Fitting Conditions Based on OLS GTWR and GWR Models

表 4 OLS、GTWR、GWR模型拟合状况 Tab.4 Fitting Conditions Based on OLS GTWR and GWR Models

根据GTWR模型回归结果，得到各驱动因子在不同时空位置上对旅游产业韧性的估计系数，以此为基础绘制箱线图进而探寻其时序演化规律（图 4）。

旅游产业集聚（Str）对旅游韧性的影响从时间维度上来看变化较大，二者关系具有阶段性特征。2011—2013年旅游产业集聚释放出抑制作用，这一时期的旅游产业集聚程度趋于饱和，聚集规模不合理扩张导致的能源消耗、拥挤效应、恶性竞争、虹吸效应等负外部性是阻碍旅游韧性水平提升的导火索，而随着旅游产业集聚逐渐回归到合理水平，其可通过集群发展加强黄河上中下游旅游系统的联系与对接，形成跨地理、跨区域的旅游链，实现上游地区旅游业的持续平稳发展。因此从长期来看旅游产业集聚对旅游韧性的负向作用会逐渐减弱，产业调控将在未来对黄河流域旅游韧性产生积极作用，找到合理的规模集聚边界，是增强旅游韧性、实现高质量发展的关键所在。

政府行为（gov）在黄河流域多数地区都表现为正相关，其估计系数在研究期内整体呈上升态势，但在2015年后，政府行为估计系数的增幅趋于平稳，表明政府行为对黄河流域旅游产业韧性以正向驱动作用为主。良好的政府旅游投资政策有助于改善旅游地发展环境，提高游客接待水平，为增强韧性水平提供软硬设施。前期政府行为主要发挥帮扶作用，为城市旅游发展提供基础资金；后期政府则主要发挥引导作用，而在黄河下游等旅游体系逐步完善的地区，旅游发展的基本方向与规划已经初步形成，市场因素对旅游发展的主导作用更加明显，政府行为的干涉与作用力有所减弱。

图 4(Fig. 4)

图 4 2005—2020年驱动因子时序变化趋势 Fig.4 Temporal Change Trends of Driving Factors from 2005 to 2020

环境规制（Env）对黄河流域旅游产业韧性的驱动作用呈“N”型变化，结合箱线图可知，二者在前期主要是正相关关系，中期表现为负相关关系，后期转变为正相关关系。在前期，合理的环境规制措施有助于无害化与资源化处理旅游活动所产生的废弃物，随着环境规制成本的增加，环境规制对旅游活动构成有效约束，倒逼旅游环境治理投资的增加，提高了旅游资源利用效率，对旅游产业韧性产生正向驱动作用。因此环境规制对韧性的影响具有双重阈值效应，要防范“环境竞次”陷阱对旅游产业韧性产生的消极影响。

城市数字化基础设施水平（Dig-F）在黄河流域大多数城市上表现为对旅游产业韧性的正向驱动，但驱动力伴随着时间的推移逐渐平缓。研究期内，数字基础设施完善不仅会推动黄河流域各城市旅游空间的数字智能化改造，还能提高实现旅游信息有效匹配，进而能快速有效的响应旅游者需求，提升旅游系统运行效率。但随着数字化水平的不断攀升，旅游产业显现出与数字技术不适配的问题，容易造成旅游要素错配与旅游资源浪费，不利于旅游产业韧性的提升。

城镇化（Urb）箱线图的中位数在研究期内基本在0值以上，说明城镇化与旅游产业韧性之间主要表现为正相关关系。城镇化对旅游产业韧性的驱动效应主要表现为消费效应、结构效应、投资效应，其规模和质量的变化将直接影响旅游消费水平、旅游产业结构变迁与旅游投资模式的转变，在此基础上推动地区旅游系统优化发展，有利于构建旅游产业韧性体系。

根据GTWR的回归结果，本文通过自然断点法绘制出各驱动因子影响程度的空间分布图，详见图 5。

图 5(Fig. 5)

图 5 2005—2020年驱动因子空间分布 Fig.5 The Spatial Distribution of Driving Factors (2005—2020)

① 旅游产业集聚因子。该因子的估计系数正负在各地区之间均有分布，高值区主要位于下游地区山东省内，低值区零散地分布在呼和浩特、银川及上游宁夏等地区。由于下游地区已摆脱粗放式的旅游发展模式，合理引导产业集聚，将产业集聚的优势发挥到最大化，形成了旅游产业集群效应，利用共生一体化发展形成区域旅游发展合力，利于旅游韧性水平的提升。而单就上游而言，其旅游基础相对薄弱，在发展旅游产业集聚的同时往往需要兼顾大量餐饮酒店、旅游地产、旅游交通等的完善，这类设施投资大、回报低、周期长等特点，因而旅游产业集聚正向效应无法抵消成本效应，因而可能会产生不利影响。②政府行为因子。中高值区主要黄河下游与上游地区，政府作为提供旅游公共服务，维护旅游市场的主体，通过政策支持、资金支撑、结构引导等使各项有利于韧性建设的要素向该地区集中。低值区主要分布在内蒙古、山西西北部、陕西北部部分城市，当前这些地区旅游高质量发展水平较低，政府的相关旅游行动仍主要集中在巩固基础、扩大规模上，政府行为虽有助于旅游发展水平的提升，但对旅游韧性建设的促进作用仍较弱。③环境规制因子。该因素对黄河流域旅游韧性空间表征大致呈“东—西北”梯级递减格局。黄河中下游的山西、河南、山东等地区经济发达、人口众多，以高耗能高污染企业为主体，使环境规制工具在该地区的成效更为显著，这可能与环境规制的生态“补偿效应”有关^[47]，环境规制因子在上游金昌、张掖、酒泉等甘肃地区产生负向作用，这揭示了在当前上游地区以资源、环境消耗为主导的发展模式下，环境规制强度设计不够合理的客观现实状况。因此地级市间经济体量、产业构成等差距较大，导致下游地级市环境规制水平对旅游环境的影响更大，环境规制对旅游韧性影响更为显著。这说明环境规制的影响效应存在显著异质性，“一刀切”的环境规制政策是不科学、不可取的。④城市数字化基础设施因子。该因子在黄河流域各城市均呈现正相关效应，且影响效果相对较大。高值主要分布在山东省的青岛、烟台、日照等城市，低值区主要在甘肃省的西宁、金昌等城市，旅游资源禀赋与区位条件使得这些地区旅游业的数字化成本加剧，因而在一定程度上限制了旅游业数字化的进程与布局，同时这些地区存在旅游业发展水平与数字信息化水平不适配的问题，因而极易造成要素错配和资源浪费，导致数字化边际报酬递减，对旅游业发展效率产生的作用小于高值区。⑤城镇化因子。该因子对旅游韧性的影响程度较小，影响跨度不大，整体呈“下游>中游>上游”分布。山东、河南、山西东南部与山西中部等地区及时把握人口回流机会，大力进行基础设施和配置，增强城市旅游吸引力，引发了旅游流网络扩散效应，带动中下游整体区域旅游业的发展，有利于旅游韧性能力建设。

本文在现有旅游产业韧性研究的基础上，尝试从压力—状态—响应视角出发构建旅游产业韧性评价指标体系，并对其驱动因子时空非平稳性特征展开探讨。得到以下结论：①黄河流域旅游产业韧性总体呈缓慢上升态势；黄河全流域与中游地区在研究期末极化现象有所减缓，下游地区逐渐演变为多极分化，上游地区虽无极化现象，但曲线轻微延展拓宽，韧性水平具有分化趋势，可见黄河流域旅游产业韧性协调性亟待增强。②韧性高水平城市由地区“团块状”演变为“连片式”分布，低水平城市由“多中心”发展为“单中心”，其在空间演变上表现出高高聚集与低低聚集的“俱乐部趋同”现象，并在连续转移过程中存在一定程度的“马太”效应。③GTWR模型结果显示，不同驱动因子在时空上表现为非平稳性，在不同城市上的驱动强度和方向各有差异；各驱动因子的影响程度依次为城市数字化基础设施>政府行为>城镇化>旅游产业集聚>环境规制；其中，政府行为、数字化与城镇化对旅游产业韧性具有持续正向作用，三者作用强度均表现出“下游—中游—上游”梯级递减格局，而环境规制与旅游集聚在多数城市表现出积极效应，在呼和浩特、银川及上游甘肃大部分地区表现出消极效应。

韧性是新发展理念下研究区域旅游高质量发展的重要切入点，本研究在现有成果的基础上将韧性概念引入到旅游研究中，刻画旅游产业韧性时空演化趋势，同时考虑了驱动因素的时空非平稳性特征，补充了时空维度下旅游韧性空间演进规律与影响研究成果，丰富了区域韧性研究内容和方法体系，为城市旅游发展提供了有益启示。本文认为要培育黄河流域旅游产业韧性能力，第一，要关注黄河流域低值重点区域，特别是上中游的甘肃省、青海省的部分城市，有效促进全局韧性水平的提升。优化黄河流域城市旅游发展关系和路径，对韧性低值区给予更多的经济扶持、政策优惠、人才支撑。第二，要重视旅游产业韧性的关键驱动因子，推进旅游产业韧性体系的建设与升级，利用好黄河流域独特的文化资源，积极通过黄河文化旅游带的建设，进一步推动文化与旅游的深度融合，带动流域地区的社会经济的发展，促进黄河流域跨区域旅游产业韧性水平的提高。同时，又要突出“人”在旅游系统面临波动时的动态调整能力，应对疫情、自然灾害等事件发生。第三，要促进黄河流域技术、人才、资本等资源要素流动与转移，促进旅游线路互推、旅游客源互送、旅游资源共享、旅游信息互通，加快西安、郑州、青岛等城市在旅游产业韧性发展中的核心地位，加速全流域韧性增长极的培育，破除受灾程度等负向影响因素的连锁作用。