典型城市居民5A级景区旅游需求时空分布差异

马丽君，张家凤

(湘潭大学 商学院，湖南 湘潭，411105)

一、引言

旅游需求的强弱代表着出游意愿的大小，不同的客源市场，游客的旅游需求不同，对于目的地的选择也不同，因此要准确地分析旅游需求、把握游客旅游偏好变化，利于目的地有的放矢地制定市场定位和开发战略。

已有文献表明国内外学者更注重使用定量分析研究旅游需求①-③。国外，对于旅游偏好的研究最早可追溯至20世纪70年代，研究内容涉及旅游偏好与需求关系以及不同性别、不同群体偏好、旅游目的地偏好、旅游需求影响因素变化等④-⑪，研究方法以微观经济学计量模型为主。国内，对于旅游偏好研究最早起步于20世纪90年代，研究内容涉及旅游活动偏好、旅游群体偏好、目的地选择偏好等方面。在旅游活动偏好方面，宋涛发现喀什国内客源市场的空间分异与游客选择偏好耦合⑫,朱艳秋透过问卷分析游客对马嵬驿各项旅游因素偏好⑬。谢婉莹发现在夏季高温时节，73%的福州市民愿意选择避暑出游活动⑭。旅游群体偏好分析主要研究对象为大学生和老年人群体⑮⑯。旅游目的地选择上，许春晓证实了旅游者的主观偏好对于目的地决策具有显著影响⑰。李旭发现入境客源市场类型游客对我国各区域旅游目的地选择偏好呈显著性地带分异规律⑱。孙根年发现各国对出境美国的偏好更强⑲。

上述研究多以问卷调查和抽样调查展开，数据样本量较少，使得研究结果有局限。近年来，国内学者更倾向于借用大数据，尝试用网络搜索数据反映旅游需求，分析居民旅游需求时空特征⑳㉑。如戈丽（2018）采用百度指数分析游客对上海市不同等级景区的选择偏好差异㉒。马丽君借助百度指数分析湖南省居民对于3A级以上景区旅游需求的时空特征㉓。张舒宁分析了厦门市客源市场旅游需求变化㉔。阮文奇分析自然灾害性危机对于四川省旅游需求的空间结构冲击等㉕。

综上所述，国内外对于旅游需求及偏好分析的研究相对成熟，为本文提供一定的方法借鉴。但旅游需求分析多是“一对多”“一对一”关系，“多对多”关系的研究较少涉及，不同城市对不同景区旅游需求偏好的差异分析尚不多见，旅游景区的需求偏好分析目前仍停留在不同景区级别选择偏好差异方面，对同一等级中不同类型景区的选择偏好分析较少。本文依托百度指数，搜集2018年以来东南沿海12个城市居民对5A级景区四季和全年的网络关注度，分析各城市居民旅游需求时空差异。在此基础上，依据《旅游资源分类、调查与评价》对5A景区进行分类，探索不同等级城市居民对于不同类型景区的偏好，以期为旅游需求及偏好分析等相关研究以及为目的地客源市场开发提供理论依据。

二、数据来源及分析方法

（一）数据来源

第一财经新一线城市研究所发布的《中国魅力城市排行榜》将中国城市分为6个等级，研究城市如果分散，会导致不同空间距离范围内景区数量有较大差别，不利于对比分析。在涵盖6个等级城市，且城市距离较近的前提下，本文选取中国东南沿海4个省6个等级的12个城市为研究对象。广东省选取的是一线城市广州和深圳，新一线城市东莞，五线城市云浮；浙江省选取新一线城市宁波、二线城市金华、四线城市舟山；福建省分别选取二三四线城市泉州、漳州、南平；广西区选取三线城市桂林和五线城市崇左。

研究所需数据有2018年12个城市居民对221家5A级景区的月网络关注度和日均网络关注度。各城市距每一5A级景区的距离、景区类型、各城市GDP、网络普及率、受教育程度和受教育水平。其中，2018年12个城市居民对5A级景区的网络关注度数据，主要通过百度指数，依据各景区被收录的关键词进行检索和统计获取。依据（GB/T18972-2003）《旅游资源分类、调查与评价》中的155种第三基本类，将全国221家5A级景区划分归属至17种景区类型。分别是公园类、科技展览馆类、主题乐园、影视基地、古迹遗址、古城古村类、寺庙、园林、名人故居旧址、纪念性景区（事件）、特色民俗、山岳、地质地貌、河流湖泊、瀑布泉池沼、森林湿地草原、天象景观等。

各城市距每个5A景区的距离、各城市GDP、网络普及率分别来自百度地图、各城市2018年统计公报、《中国互联网络发展状况统计报告》。其中，由于数据限制，除北京外，其他城市的网络普及率均以全省网络普及率替代，受教育程度为各城市高中及高中以上的人口数，受教育水平是指高中（含高中）以上学历人口占当年总人口的比率，相关数据来源于各城市2010年度第六次人口普查公报。

（二）分析方法

皮尔逊相关检验、多元线性回归、地理集中指数是本文主要采用的分析方法，皮尔逊相关检验、多元线性回归分析前人已多有阐述，本文不再赘述。地理集中指数是衡量研究对象集中程度的一个重要指标，本文用其衡量各城市居民对5A级景区旅游需求的集中程度，公式为：

其中，n为景区个数，TA为城市对221个景区的总的网络关注度，即总旅游需求，xi是A城市对第i个景区的旅游需求 （网络关注度）。取值在0—100之间，越接近100，说明该城市的旅游需求越集中于某些景区。

三、城市不同空间距离内5A级景区及旅游需求分布

由表1可以看到5A级景区主要分布距宁波、金华、泉州、漳州、桂林、舟山、南平、崇左1800公里范围内；广州、深圳、东莞、云浮主要集中于2100公里范围内；各个城市5A级景区数量在1800公里之后越来越少，金华和桂林的最大旅游半径可达3600公里，其他城市均可至3900公里。

表1 各城市不同空间距离内5A级景区数量 （单位：五A级景区个数）

从表2可以看到，累积需求强度达到0.5左右时，崇左约1350公里；广州、深圳、东莞、云浮约1200公里；桂林大概是1050公里；宁波、泉州、漳州大约是900公里；金华、舟山、南平大概是600公里。累积需求强度达到0.8左右时，金华、桂林、舟山、南平大约是1500公里；宁波、泉州、漳州大约是1650公里；广州、深圳、东莞、云浮、崇左大约是1800公里。即12个城市居民50%的旅游需求集中在600—1200公里内，空间差距较大；80%的旅游需求集中在1500—1800公里内，空间差距较小。

将不同空间距离范围内的需求强度绘制成图1。从图中可以发现，按需求强度的变化趋势可以将12个城市分为三类：一类呈下降-上升-下降趋势，包括广州和云浮（图1A）。两城市第二个需求强度峰值所在区域存在差异，广州第二个需求强度峰值出现在900—1200公里区间内，云浮出现在1200—1500公里区间内。第二类呈上升-下降趋势，包括深圳、东莞、泉州、漳州、桂林、南平和崇左（图1B）。其中，南平居民旅游需求强度峰值出现在300—600公里区间内，泉州和漳州的旅游需求峰值出现在600—900公里区间内，深圳、东莞和桂林的旅游需求峰值出现在900—1200公里区间内，崇左旅游需求峰值出现在1200—1500公里区间内。第三类呈下降趋势，包括宁波、金华和舟山。三者的旅游需求峰值均出现在0—300公里区间内。这三类需求强度变化趋势主要由景区的空间分布导致。

表2 各城市不同空间距离累积旅游需求强度

图1 各城市不同区间范围内旅游需求强度

四、城市居民5A级景区旅游需求时空分布差异分析

城市旅游需求时空分布差异可以从不同方面，利用不同指标进行对比分析，但有些指标并不适合于不同城市间的比较分析。经过挑选，本文主要从城市居民旅游需求量、旅游需求集中度和不同空间距离内平均旅游需求强度变化几个方面分析差异，并结合四季的旅游需求变化分析旅游需求的季节性变化差异。

（一）各城市居民5A级景区旅游需求总量差异

将各城市居民对221个景区旅游需求（日平均网络关注度、每一季度的日平均网络关注度）相加（见表3），从全年看，经济发展水平高、人口多的城市居民旅游需求总量较大，反之旅游需求总量较小。其中深圳市居民旅游需求量为3.21万人次，广州市旅游需求量为3.13万人次，东莞和宁波的旅游需求量在1.6—1.7万人次，泉州市的旅游需求量在1.33万人次左右，金华市旅游需求量在1.18万人次，漳州和桂林的旅游需求量在0.8万人次，舟山的旅游需求量为0.46万人次，南平是0.42万人次。云浮和崇左的旅游需求量在0.15万人次。从四个季度的变化来看，各个城市的旅游需求强度季节性差异明显，广州、深圳、东莞、金华、泉州、桂林、南平、云浮、崇左的旅游需求呈夏季高、冬季低的特征。宁波的旅游需求呈夏季低冬季高的变化特征，漳州和舟山呈夏季高秋季低的特征。

依据2018年各城市居民对5A级景区的网络关注度，计算各城市居民5A级景区旅游需求的地理集中指数、四季地理集中指数、不同类型景区地理集中指数，结果如表3所示。

首先，从全年的地理集中指数看，各城市居民的旅游需求分布都比较分散，地理集中指数均低于14。相比较而言，深圳市居民对5A级景区的旅游需求分布最为分散，地理集中指数为8.496。其次是广州、东莞、宁波、金华、泉州、桂林，居民对5A级景区旅游需求分布较为分散，地理集中指数都低于10。舟山和南平市居民的旅游需求分布较集中，地理集中指数在12左右。云浮市居民旅游需求较为集中，地理集中指数为13.567。崇左市居民旅游需求分布最为集中，地理集中指数为13.892。从各线城市居民5A级景区旅游需求地理集中指数来看，一线和新一线城市居民对5A级景区的旅游需求分布最分散，其次是二线城市和三线城市，四线城市居民的旅游需求较为集中，五线城市最为集中。

其次，从四个季度的各线城市的地理集中指数来看，一线城市和新一线城市居民对5A景区的旅游需求在夏季最为分散，在秋季最为集中；二线城市居民的旅游需求在夏季最分散、春季最集中；三四线城市居民的旅游需求在冬季最分散，五线城市居民的旅游需求在夏季最分散、冬季最集中。

最后，从不同类型景区旅游需求地理集中指数看，各线城市对于天象景观类景区的旅游需求最为集中，影视基地类、公园类、园林类、特色民俗类、名人故居类、寺庙类、瀑布泉池类、森林湿地草原类、古城镇村落类、地质地貌类、河流湖泊、山岳类12类景区的旅游需求集中指数随着城市经济水平的提高而降低，也即一线城市对于这12类景区的旅游需求最为分散，五线城市最为集中。同时在这12种景区中，各线城市对山岳类景区的集中度最低，对影视基地类景区的集中度最高。对于展览馆类的景区，五线城市居民的旅游需求最为集中，其次是三线城市，新一线城市和四线城市居民的旅游需求集中度较为接近，一线城市的集中度最低。对于主题乐园景区，二线城市居民的旅游需求最为分散，其次是新一线城市，五线城市居民的旅游需求最集中。同时五线城市对于古迹遗址类景区的旅游需求也最为集中，一线城市较为分散，新一线城市最分散，但新一线城市居民对于纪念性景区的旅游需求最集中，其次是一线城市，二线城市的旅游需求较集中，三四五线城市旅游需求最分散。可以发现，除纪念性景区外，其他16种类型景区的旅游需求在五线城市最为集中。上述结果在一定程度上反映了经济发展水平等因素是影响居民旅游需求的重要因素，经济发展水平越高，居民旅游需求越分散，经济发展水平越低，居民旅游需求越集中。各线城市的旅游需求分布集中度季节差异明显。

表3 各城市居民对5A级景区旅游需求的地理集中指数

（二）各城市平均旅游需求强度变化及时空差异分析

采用景区全年和四季平均旅游需求强度 （某空间距离范围内景区旅游需求强度与该空间距离范围内景区数量之比）进行分析，并按照景区平均旅游需求强度的大小将其划分为5个等级，结果可以发现，所有城市居民5A级景区旅游需求均呈现出较为明显的距离衰减规律，随着空间距离的增加，景区平均旅游需求强度呈逐步减小的趋势。一线城市、新一线城市、二线城市居民对不同空间距离范围内的景区平均旅游需求强度差异较小，旅游需求相对分散。三线城市、四线城市、五线城市居民对不同空间距离范围内的景区平均旅游需求强度差异较大，旅游需求相对集中。三线城市、四线城市、五线城市居民对1500公里范围内的景区平均旅游需求强度要高于一线城市、新一线城市、二线城市。1500公里范围后，一线城市、二线城市的景区平均旅游需求强度要高于三线城市、四线城市和五线城市。

从季节差异上看，各线城市的旅游需求仍遵循距离衰减规律。一线城市的季节差异性最小，在2700公里范围内，无明显季节性差异，在2700-3000公里范围内，冬季的平均旅游需求强度高于其他三季；在3000—3300公里范围内，夏季平均旅游需求最强。新一线城市的冬季平均旅游强度变化较大，在300公里范围内，低于其他三季，在2400公里范围之外，冬季的平均旅游需求强度呈现起伏变化，与其他三季的差异较为明显。二线城市和三线城市的季节性差异主要体现在近距离和远距离范围内，在300公里范围内和2400—2700公里范围内，二线城市冬季平均旅游需求强度低于其他三季；在3000—3600公里范围内，二线城市平均旅游需求强度的季节性差异较大。三线城市在300公里范围内的夏秋季节平均旅游需求强度大，在2700—3300公里范围内，冬季平均旅游需求小；在3300—3600公里范围内，春季平均旅游需求小。在300公里近距离和远距离范围内，四线城市冬季的旅游需求小；在2700—3300公里范围内，四线城市居民平均旅游需求强度的季节性差异较大。五线城市居民平均旅游需求的季节性差异集中在远距离范围内，在2400—3600公里范围内，随着距离的增加，冬季与其他三季的旅游需求差异不断加大。可以发现，一线城市和五线城市的旅游需求在远距离的季节性差异较大，其他各线城市在近距离和远距离均出现季节性差异。

表4 各线城市不同季节旅游需求衰减速度 （单位：%）

计算各城市每300公里平均旅游需求强度的变化幅度（表4），可以发现，空间距离每增加300公里，一线城市的平均旅游需求强度将下降0.92%，新一线城市将下降0.69%，二线城市将下降0.76%，三线城市将下降1.11%，四线城市将下降1.37%，五线城市将下降2.21%。可以看到五线城市的平均旅游需求强度的下降速度最快，其次是四线城市和三线城市，下降速度均在1%以上，一线城市和二线城市的下降速度较慢，新一线城市的下降速度最慢，这同样可能与经济发展水平、受教育水平等因素有关。从各线城市旅游需求四季衰减速度来看，五线城市秋季的旅游需求强度下降速度最快，其次是春季，冬季下降最慢，其他各线城市春季的旅游需求强度的下降速度最快，其次是秋季，冬季下降最慢。

（三）各城市对不同类型景区旅游需求偏好差异分析

为分析各城市对不同类型5A景区的需求偏好差异，选取各城市3600公里范围内的不同类型景区的平均旅游需求量（表5）。首先，从各个城市的需求偏好来看，在17种类型景区中，广州和深圳市居民最偏爱古迹遗址、其次是山岳和主题乐园型景区，两者对于特色民俗类关注较少，对于纪念性旅游景区关注少。东莞居民最喜爱古迹遗址类景区，其次是山岳型和园林型景区，对于特色民俗类关注较少，对于纪念性景区关注少。宁波市居民更喜爱古城镇、古村落景区，其次是科技展览馆类、影视基地类和园林类景区。金华市更偏向于影视基地类景区，平均旅游需求偏好为0.97%，其次是科技展馆类景区，对于公园类景区关注较少，对于纪念性景区关注少。泉州市居民最喜爱古迹遗址类景区，其次是山岳和园林类景区，对于天象景观和特色民俗类景区关注较少，对纪念性景区无关注。漳州市居民同样更偏爱古迹遗址类景区，其次更喜欢园林类和山岳类景区，对于特色民俗类景区关注较少，对于纪念性旅游景区无关注。桂林市居民偏爱于古迹遗址景区，其次是主题乐园和园林型景区，同样对特色民俗类景区关注较少，对于纪念性旅游景点关注较少。舟山市居民最喜爱影视基地类景区，其次是科技展馆类景区，对于特色民俗类景区关注较少，对于纪念性景区和天象景观类景区无关注。南平市居民最喜爱遗址遗迹类景区，其次是影视基地类和园林类景区。云浮和崇左市居民最喜爱遗址遗迹类景区，其次是森林草原湿地类和园林类景观，对公园类景区关注较少，对于纪念性景区和天象景观类景区无关注。可以看出，遗址遗迹是最受欢迎的景区，园林、科技馆、山岳型、影视基地、主题乐园也较受欢迎，特色民俗和公园类景区的受欢迎程度较低，纪念性景区的受欢迎程度最低。

综上所述，在各个城市中，遗址遗迹类景区最受喜爱（偏好度53%以上），其次是山岳类、园林类（偏好度51%以上）和森林草原类景区（偏好度45%以上）。但不同类型景区在不同城市中受欢迎程度又不同，主题乐园类、纪念性类、特色民俗类、天象景观、河流湖泊类、地质地貌类、瀑布类景区在一线和新一线城市中比较受欢迎，在三四五线城市中的关注较低。科技展馆类、古村落街区类、名人故居类景观在二线城市中较受欢迎，其次是三四线城市，遗址遗迹类、园林类、森林草原类景区在五线城市中最受欢迎，在三四线城市中较受欢迎。

表5 各城市居民对不同类型5A景区的旅游需求偏好 （单位：%）

各城市对各个类型景区的关注较集中于900—1800公里范围内；在1800公里之外，各城市关注的景区类型越来越少，对各个类型的景区的关注度依然遵循距离衰减规律。各城市在300公里区间范围内最多囊括15种类型的景区，最少1种。各城市对不同类型景区在不同距离范围内的旅游需求有较大差异，具体地说，科技展览馆类、地质地貌、古城镇类、古迹遗址类、河流湖泊类、瀑布类、山岳类、影视基地类景区在近距离范围内更受三四五线城市居民的喜爱，在中距离范围内更受一二线城市居民的青睐。名人故居类、寺庙类、主题乐园类景区在距各城市2400公里范围内更加吸引一线城市、新一线城市、二线城市居民的关注。园林类景区在距各城市2400公里范围内更吸引三线城市、四线城市、五线城市居民关注。特色民俗、纪念性景区、公园类、天象景观类景区的旅游需求主要来自一线城市和新一线城市居民，四五线城市居民关注较少甚至无关注。影视基地类景区分别分布在各城市的600公里范围内、900—2100公里范围内、2400—3000公里范围内，在600公里范围内二线城市和四线城市居民关注较多，1800公里范围之外，一线城市居民关注较多。

五、结论

本文依托百度指数，收集2018年12个城市居民对221个5A级景区的网络关注度，分析不同等级城市居民对5A级景区旅游需求的时空分布差异和旅游需求偏好差异，结果发现：

（一）由于地理位置等因素的影响，各城市居民旅游需求空间分布不同

12个城市居民50%的旅游需求集中在600—1200公里内，空间差距较大。80%的旅游需求集中在1500—1800公里内，空间差距较小。景区的空间分布导致旅游需求强度的变化趋势表现为3种类型，第一类旅游需求强度呈下降-上升-下降趋势，第二类呈上升-下降趋势，第三类呈下降趋势。

（二）经济发展水平等因素是影响居民旅游需求的重要因素

经济发展水平高、人口多的城市居民旅游需求总量较大，反之旅游需求总量较小。经济发展水平越高，居民旅游需求越分散，经济发展水平越低，居民旅游需求越集中。各线城市的旅游需求分布集中度季节差异明显。

（三）种类不同城市差别不同

一线城市、新一线城市、二线城市居民对不同空间距离范围内的景区平均旅游需求强度差异较小，旅游需求相对分散；三线城市、四线城市、五线城市居民对不同空间距离范围内的景区平均旅游需求强度差异较大，旅游需求相对集中。一线城市和五线城市的旅游需求在远距离的季节性差异较大，其他各线城市在近距离和远距离均出现季节性差异。五线城市的平均旅游需求强度的下降速度最快，其次是四线城市和三线城市，一线城市和二线城市的下降速度较慢，新一线城市的下降速度最慢。不同季节各城市旅游需求强度的下降速度不同，一般而言春季下降速度较快，冬季下降较慢。

（四）喜爱类型

17种类型景区中，遗址遗迹类景区最受喜爱，其次是山岳类、园林类和森林草原类景区。但不同类型景区在不同城市中受欢迎程度又不同。各城市对各个类型景区的关注比较集中于900—1800公里范围内。各城市在300公里区间范围内最多囊括15种类型的景区，最少1种。各城市对不同类型景区在不同距离范围内的旅游需求有较大差异。

本文利用网络关注度数据，分析城市居民对5A级景区旅游需求的时空分布特征及旅游需求偏好差异，考察不同城市间的差异，在研究视角、研究内容和研究结论中有一定的新意，丰富了旅游需求相关研究，为景区客源市场开发提供了理论依据。但研究中存在一定的缺陷，首先，网络关注度是一个间接数据，不能完全代表居民旅游需求，因此，相关研究结果并不完全准确。其次，旅游需求的影响因素涉及经济、可自由支配的时间、交通、网络普及率等，由于数据限制，文章仅用了定性方法部分分析，缺少量化研究，分析时考虑的因素不全面。以上两点将在后续研究中逐步完善。

注释：

①Faulkner B.An integrative approach to tourism demand forecasting[J].Tourism Management,1995,16(01):29-37.

②Claveria O,Monte E,Torra S.Tourism demand forecasting with neural network models:different ways of treating information[J].International Journal of Tourism Research,2015,17(05):492-500.

③梁昌勇,马银超,陈荣,等.基于SVR-ARMA组合模型的日旅游需求预测[J].管理工程学报,2015,29(01):122-127.

④Samitas A,Asteriou D,Polyzos S,et al.Terrorist Incidents and Tourism Demand:Evidence from Greece[J].Social Science Electronic Publishing,2017,(25):23-28.

⑤Vianna G M S,Meekan M G,Rogers A A,et al.Shark-diving tourism as a financing mechanism for shark conservation strategies in Malaysia[J].Marine Policy,2018,94:220-226.

⑥Jordan Louvière,Timmermans H.Stated preference and choice modelsappliedtorecreationresearch:Areview[J].LeisureSciences,1990,12(1):9-32.

⑦Chaminuka P,Groeneveld R A,Selomane A O,et al.Tourist preferences for ecotourism in rural communities adjacent to Kruger National Park:A choice experiment approach[J].Tourism Management,2012,33(1):0-176.

⑧Hearne R R,Salinas Z M.The use of choice experiments in the analysis of tourist preferences for ecotourism development in Costa Rica[J].Journal of Environmental Management,2002,65(02):153-163.

⑨Oh C O,Draper J,Dixon A W.Comparing resident and tourist preferences for public beach access and related amenities[J].Ocean&Coastal Management,2010,53(05):245-251.

⑩Tran X,Ralston L.Tourist preferences influence of unconscious needs[J].Annals of Tourism Research,2006,33(02):424-441.

⑪Hsu T K,Tsai Y F,Wu H H.The preference analysis for tourist choice of destination:A case study of Taiwan[J].Tourism Management,2009,30(02):288-297.

⑫宋涛,周建明,蔡建明等.国内客源市场的游客偏好比较分析——以喀什市为例[J].干旱区资源与环境,2013,27(07):173-178.

⑬朱艳秋,张辉,杨荣.乡村旅游偏好研究—以陕西省兴平市马嵬驿为例[J].河南科学,2016,34(08):1380-1385.

⑭谢婉莹,祁新华.高温热浪背景下避暑旅游偏好分析——以福州为例[J].海南师范大学学报(自然科学版),2017,30(01):67-72.

⑮龙茂兴,李艳萍.大学生旅游偏好调查分析[J].遵义师范学院学报,2015,17(03):50-54.

⑯魏来,章杰宽.老年人旅游动机及其旅游景点选择偏好研究[J].经济研究导刊,2010,(18):157-159.

⑰许春晓,周美静,王甫园.旅游目的地选择意愿的影响因素——以韶山为例[J].经济地理,2015,35(04):178-185.

⑱李旭,秦耀辰,宁晓菊,张丽君.中国入境游客旅游目的地选择变化及影响因素[J].经济地理,2014,34(06):169-175.

⑲孙根年,周功梅,李红.中美入境旅游,谁的市场更大———基于多样性、重要性、旅游偏好及市场吨位的比较[J].旅游科学,2015,29(03):15-26.

⑳张建辉,毕燕,张颖.中国城市居民旅游需求空间差异及变化研究[J].旅游学刊,2010,25(2):29-35.

㉑马丽君,郭留留.基于网络关注度的北京市居民对5A级景区旅游需求时空特征分析[J].干旱区资源与环境,2017,31(10):203-208.

㉒戈丽.基于百度指数的上海4A、5A级景区旅游偏好时空特征研究[D].上海师范大学,2018.

㉓马丽君,龙云.基于网络关注度的湖南省居民旅游需求时空特征[J].经济地理,2017,37(02):201-208.

㉔张舒宁,李勇泉.厦门客源市场旅游需求的时空格局演化[J].资源开发与市场,2018,34(07):1010-1014.

㉕阮文奇,李勇泉.自然灾害型危机事件对客源地旅游需求的影响及空间差异——九寨沟地震后的时空异质性分析[J].经济地理,2018,38(08):214-223.