基于景区抖音粉丝关注度的长江经济带旅游经济空间结构及其影响因素分析

刘卓林，赵 芮，丁志伟

(河南大学地理与环境学院/黄河中下游数字地理技术教育部重点实验室/区域发展与规划研究中心/环境与规划国家级实验教学示范中心，河南 开封 475004)

景区等级不仅是旅游资源开发与社会认可的重要体现，同时也是景区品牌效应以及对外宣传的重要保障[1].然而，在旅游业迅猛发展的新常态下，单纯地依靠提升单个景区等级质量或者增加地区景区数量已不能满足旅游体系整体发展的需要，网络化的宣传已成为重要的宣传手段和推介渠道.因此，提升景区的网络宣传效应，深度加强景区之间的合作与融合，才能更好地开创旅游业发展的新路径，满足消费者的多样化、个性化需求，也有利于更好应对疫情背景下旅游业发展所面临的困难和挑战[2].抖音作为传播热点事件的热门APP，以独特的运营机制以及营销手段博得用户关注，成为“记录美好生活”“连接你我”“看见世界”的热门短视频软件.因此，各景区的抖音粉丝量指标，作为测度景区线上发展以及用户关注度的虚拟数据，表征着景区实体建设质量、景区影响力、整体资源开发和组合状况，是测度景区“线上”发展水平的重要指标.基于此，本研究依据景区的抖音粉丝量数据，对长江经济带旅游经济的空间组合状况以及发育水平进行研究，从而为景区空间结构的优化以及高质量发展提供微观尺度的支撑，也期望为建设旅游经济强带提供理论支持．

从以往的研究来看，国内外学者多从两个方面来揭示景区的空间结构特征，一是实体景区的空间结构以及分布规律，以此来分析景区的分布格局[3-6]、集散特征[7-9]以及影响因素[10-13]，二是通过对景区空间结构演化特征的研究来揭示景区结构的动态演化过程[14-16].而基于网络关注度指标对景区虚拟空间结构的研究较少，空间结构动态演化的分析亦不多见.从数据来源来看，以往的研究多是基于官方统计数据[15]、游客足迹[16-19]等对景区空间结构展开研究，鲜有学者利用热门、直观且新潮的抖音云数据对虚拟旅游结构进行研究.从研究视角来看，早期对于景区结构的研究多基于景区分布特征[6，8，10]、空间可达性[9]、旅游线路网络以及景区经济联系[20-22]，而近期伴随旅游大数据的兴起，使得基于网络数据对旅游景区虚拟空间结构的研究逐渐增多.总体看来，当前旅游大数据主要集中在百度指数[23-25]、微博[26]以及数字足迹[17-19]等方面，基于抖音关注量指标的景区空间结构研究相对较少.从旅游空间结构研究涉及的尺度来说，国内基于景区关注度的研究多从宏观尺度和微观尺度两个方面展开.在宏观尺度上，选取全国[6，9]或者长江三角洲[27]、中原经济区[28]、黄河流域[29-31]等典型大区进行研究，在微观尺度上选取某个知名省[5，7，13]、市[10，14-15]进行研究，且研究区多集中于南部和东南部地区，而对中宏观尺度的研究较少.因此，在当今抖音日用户量突破6亿的火爆局面下，借助抖音粉丝量指标数据，结合数理统计及空间分析等方法来探究长江经济带的虚拟旅游空间结构特征，对拓宽已有的旅游网络关注度视角、加快旅游产业线上线下的融合发展、促进疫情常态下旅游业的复苏具有重要的时代价值．

1 研究数据及方法

1.1 数据及来源

1.1.1 景区名录数据 基于获取的长江经济带景区名录，利用百度地图拾取坐标系统(http：//aqsc.shmh.gov.cn/gis/getpoint.htm)获得各景区的经纬度坐标，得到景区的数量统计图和空间矢量化数据(图1和图2)．

图1 长江经济带景区数量统计图Fig.1 Number of scenic spots in the Yangtze River Economic Belt

1.1.2 粉丝量数据 景区的粉丝量数据主要通过在抖音APP中爬取获得，由于考虑到部分私人账户以景区名称命名，与景区关联性不大且主观性较强，因此对私人景区账户进行摒弃，仅选用开设有官方抖音账号的景区进行研究.结合景区粉丝量数据的爬取结果及确定的A级以上景区名录，最终确定了1 750个研究单元．

1.1.3 景区实体发展数据 本研究选用美团、携程、去哪儿旅行三方网站的用户总评价数据来间接测度景区的实体发展情况.通过爬取1 750个研究单元在三方网站的用户评价数据并将其进行汇总处理，得到景区总的点评量数据．

1.1.4 影响因子数据 经济社会统计数据来源于各地市统计年鉴、公报及官方数据，景区宣传及运营数据来源于相关网站及抖音APP.

1.2 研究方法

1.2.1 空间等级差异法 常见的空间分级、分类方法有自然断裂点分级法、等值划分法、几何间隔分类法等，各种方法各有其利弊[32-33].其中，自然断裂点能使分类结果保持组内差异最小、组间差异最大的统计特征，实现对研究尺度的科学分类.因此本研究采用该方法分析景区关注度的空间分布特征以及景区线上发展的总体空间结构特征．

1.2.2 空间集聚分析法 核密度分析在地理学中常用来表征点状要素在空间上的分布密度[34-35]，在分析空间核心集聚区中具有独有的优势.基于景区的抖音关注度指标，选用k=1 km的范围对各类景区空间虚拟关注度进行核密度分析，由此反映长江经济带A级景区线上发展的“冷热”地区．

1.2.3 空间结构分析法 最邻近指数是近年来判断点状事物空间分布类型的常用指标，因此本研究采用此方法来准确、客观地分析景区点要素的空间结构属性，计算公式如下：

(1)

(2)

1.2.4 空间回归分析 作为空间统计分析中的前沿方法，GWR模型利用非参数局部加权回归技术，完善了传统线性回归模型的拟合优度，能够反映参数在不同时空尺度内的非平稳性以及变量间的关系随空间变化的特征[37]，其测度结果更具科学性.本文利用GWR模型对长江经济带景区虚拟关注度的影响因素进行空间回归分析，模型如下：

(3)

式中，yi为i单元上的因变量，(ui，vi)为第i个研究单元的空间地理坐标，βk(ui，vi)为第i个研究单元上的第k个回归参数，xik为i单元上的第k个解释变量，εi为随机误差．

2 结果与分析

2.1 空间分异特性

通过ArcGIS空间分析软件，利用Jenks自然断裂点分析法，将各A级景区的抖音关注度水平进行等级划分，并进行可视化处理，结果见图2．

图2 长江经济带抖音关注度水平自然断裂点分级图Fig.2 Classification map of natural breaking points of Douyin’s attention level of the Yangtze River Economic Belt

由图2可知，景区抖音关注度差异较大，基于关注度的差异跨度，将其分为高、较高、中等、较低、低5个等级区间.从各等级构成来看，景区数量与关注度等级表现出明显的负相关特征，即关注度等级越高，景区数量越少.在研究区的1 750个景区中，高关注度景区仅有1个，不足景区总数的1‰，表现出明显的翘首特征，较高及中等关注度景区有13个，数量虽有所增加，但仍属于区区之众。相比之下，较低及低等级关注度景区数量明显较多，占据景区总数的99.2%，这也从侧面表现出研究区景区抖音线上关注度水平整体不高的特点.从景区粉丝量的数量差异来看，高水平景区粉丝量高达363.2万人，成为抖音界的翘楚，而多数景区抖音粉丝量低至1.1万人，更有甚者低至个位数，表现出明显的落差跨度.从景区的空间分布来看，高等级关注度景区在空间上呈“孤峰”式的分布特征，并在其周边由多个中低等级关注度景区形成密集式环绕；较高关注度景区在空间分布上较为集中，且主要分布在全区的东部及东北部；中等、较低关注度景区在空间分布上表现出不均衡特征，主要分布在研究区的东部和西部地区，而在中部地区分布较少，且表现出“东密西疏”特征；低关注度景区分布范围较广，但主要集中在东部沿海地区，而在西部地区的四川、云南一带分布密度较低．

从市域尺度来看，成都市、苏州市、上海市、南昌市、嘉兴市等的景区空间分布密度较大，且常伴有高关注度景区分布，线上旅游经济发展前景较好；而甘孜州、凉山州、临沧市、文山壮族苗族自治区、天门市、潜江市、滁州市等地的景区分布相对稀疏且关注度水平不高，旅游经济发展较为落后.总体来看，全区线上旅游发展水平差距较大，整体表现出东西分异格局，东部沿海地区景区分布密集且关注度水平整体较高，呈现出线上线下双发展的融合之势，而西部边缘区景区发展后劲明显不足，应更加注重推动旅游业的转型及融合发展，打造特色旅游、优质景区，增加景区的吸引力，提升景区的影响力．

2.2 空间集聚特征

依据所划分的景区类型，对全区带1 750个景区的抖音关注度进行密度分析，结果见图3．从全部景区的核密度分布特征来看，在空间上呈现“双核引航，多核联动”的分布格局.双核主要分布在四川省的成都市以及江苏省的苏州市这两个地区，前者是由成都市大熊猫繁育研究基地凭一己之力带动所形成，而后者的形成多依赖于景区空间临近度的优势以及多个高关注度景区的融合之力所形成.另外，在江苏省徐州市还分布有一个中等密度的核心区，作为历史文化名城，其形成多基于当地的文化影响力.除上述核心区以外，在昆明、重庆、武汉、长沙以及苏浙的西部等地区还形成了多个等级不一的弱级核心，与高等级核心区共同构成多核并存的空间分布格局.从自然类景区看，在空间上呈现“一片两高，三中四弱”的分布特征，“一片”是指在苏浙地区，围绕南通、苏州以及杭州、湖州、宣州、黄山四市交界处所形成的高水平的集聚片区；“两高”是指在云南省的西双版纳自治州以及昆明市所形成的高关注度核心区，以上集聚区的形成从侧面反映出了该地区自然风光的旖旎及景区影响力；“三中”是指在武汉市、重庆市西南部以及萍乡市和宜春市的交界处所形成的中等密度核心区；“四弱”主要分布在连云港市、宜昌市、重庆市与达州市交界处以及甘孜州与迪庆藏族自治州的交界地带，这几个地区虽自然类景区分布较多，但受制于低景区质量以及弱宣传投资的影响，景区抖音线上关注度指数不高，线上发育不完善.从人文类景区的空间关注格局来看，主要呈现出“二强一弱”的结构特征.在江苏省的苏州市、徐州市等东部地区形成两个高密度集聚核心区，展现出江苏省深厚的文化底蕴，而在中部以及西部地区核密度较低，仅在成都市形成一个相对较弱的核心区，表现出明显的东西分异格局.人工型景区表现为典型的“主核引领，副核驱动”特征，主核位于四川省成都市，其形成主要依仗大熊猫繁育基地的建立.作为“国宝”的大熊猫，凭借其稀缺性、价值性以及可爱的外表，俘获大批粉丝，带动该地成为高关注度核心区.副核位于绍兴市、金华市以及上海市一带，该区域利用技术及资金优势打造生态园、科技产业园、影视城、欢乐谷等，在景区建设中融入科技元素，更具时代特色，同时也增加了景区自身的神秘感和趣味性，因此景区的抖音关注量较大。

图3 长江经济带景区关注度核密度分析图Fig.3 Kernel density analysis chart of scenic spot attention in the Yangtze River Economic Belt

2.3 空间结构特征

基于五个等级分类，利用最邻近指数公式来计算各关注度等级景区在空间上的相互邻近程度，结果见表1．

由表1可知，从空间集聚类型来看，中、高关注度旅游景区在空间上均呈均匀状态分布，但高、较高关注度水平的旅游景区最邻近指数大于1的趋势更加明显，空间均匀分布的特征更为显著.中等关注度等级景区最邻近指数虽大于1，但接近于1的特征显著，更倾向于随机分布.较低、低关注度等级的景区空间分布类型均为凝聚型，空间集聚特征显著，且表现出空间集聚水平随等级降低而增强的趋势.从距离变化特征来看，由高关注度景区到低关注度景区，平均最邻近距离减少了2.827 4 km，理论平均最邻近距离减少了1.344 km，使得景区最邻近指数减少了1.347 8，表明随着景区关注度水平的降低，景区的空间集聚性在进一步增强.从各关注度等级的景区数量来看，景区数量随关注度等级的降低出现猛增趋势，从而使景区在空间上的密集程度有所提高，这也进一步解释了最邻近指数的变化特征．

表1 各关注度旅游景区最邻近指数Tab.1 Closest proximity index of tourist attractions of interest

2.4 虚实差异对比

景区点评数量从侧面反映了景区接待人数的多寡，是景区实体受关注度以及发育状态的间接表征.基于此，在利用抖音虚拟关注度指标对长江经济带旅游经济空间结构进行分析的基础上，通过搜集美团、携程、去哪儿三方网站的景区点评量数据并进行综合整理，运用自然断裂点分级法进行空间表达，结果见图4.

图4 长江经济带各景区三方网站点评量分级图Fig.4 The grading chart of the amount of comments on the websites of scenic spots in Yangtze River Economic Belt

由图4可知，各景区点评量高值集聚、中低值分散的特征明显.景区点评量的高、较高值点主要分布在长江经济带上游的成渝经济区以及下游的长三角地区，尤其在四川成都、江苏苏州以及上海市的高值集聚特征明显.四川省凭借独特的地理环境造就了得天独厚的旅游资源，拥有众多高品位的自然景观和人文景观，如九寨沟、峨眉山、乐山大佛、青城山、大熊猫自然保护区等，而成都市作为四川省的省会城市，不仅在资源开发建设方面具有倾向性优势，而且自身还是历史文化名城，历史遗留下来的名胜古迹带有很好的抖音关注；苏州作为历史和现代相结合的旅游城市，不仅有“园林之城”“人间天堂”的美称，而且还是重要的商业中心、经济中心和交通中心，不管是旅游软实力还是发展环境硬实力的支撑作用都是显著的；上海作为新兴发展起来的旅游城市，不仅地理位置优越，而且旅游资源种类众多，除山地景观、水域风光、遗址遗迹等传统的自然和人文类旅游资源之外，还依托经济以及科技实力的支撑打造出建筑和设施类风光，如东方明珠、环球中心、金茂大厦等，吸引众多游客观光游览.除上述地区以外，在江苏扬州、安徽黄山、浙江金华、湖北武汉、四川乐山等地也形成了小范围的较高值点，这主要与区内的单一型景区建设有关.中值景区数量相对较多且分布范围较广，主要集中在入海口一带，整体表现出“东密西疏”的特点.

同时，结合景区抖音虚拟关注度的空间差异特征(图2)和景区实体发展情况(图4)，对“智慧旅游”背景下长江经济带旅游经济的虚实发展差异进行对比分析.通过比较分析可知，区域内景区的发展模式大致可以分为四种类型：1) “线上线下”双发展型.江苏苏州、浙江金华、四川成都以及上海等地不仅基于三方平台所测度的景区线下接待游客数量多，而且基于虚拟关注度水平所测度的景区“线上”网络关注度水平也比较高，无论是“线上”还是“线下”都属于旅游高质量发展区.这也说明上述地区不仅注重景区自身建设以及名片的打造，还充分顺应互联网之势，借助大数据平台对景区进行多样化宣传，形成景区“线上线下”双发展的融合态势.2) “线上”单发展型.江苏徐州景区线下接待游客数量并不多，其实体建设水平在整个景区体系中并不突出甚至于较为落后，但借助于网络数据平台对旅游产品进行精心营销和包装打造，使得该地区发育成为景区“线上”高质量发展区.3) “线下”单发展型.安徽黄山和湖北武汉凭借丰富的旅游资源使得景区的实体发展情况较好，在景区体系中属于较高发展水平，但是由于不注重“互联网+旅游”模式对旅游业的积极影响，不注重对景区的网络宣传，使得“线上”旅游业的发展水平并不高.4) “线上线下”双低型.大部分景区，尤其是低等级和质量水平不高的景区，不仅忽视景区自身建设，不注重景区形象的提升，导致基础设施不健全、游客游览体验感不佳，而且还不懂得巧借互联网发展的优势，改变景区发展模式，开辟景区线上发展的新境界并注重对景区的宣传和营销，以至于形成“线上线下”双低格局．

3 影响因素分析

景区网络关注水平是以地区发展环境为支撑，以实体景区建设为依托，并借助网络化的宣传和营销手段所形成的产物，不仅与地区发展环境相联系，与实体建设相挂钩，还与网络的宣传和运作密切相关.因此从经济条件、交通条件、服务水平这3个维度出发，选取6个指标因子对地区发展环境的支撑作用进行测度评估.同时，考虑到抖音的“同城”功能以及乡土情怀对人们的影响，选取地区的常住人口数来表征地区的人口支撑力.国内旅游人数、旅游收入以及景区等级是景区自身建设的直接表征，因此选用这3个指标来测度景区的实体发育水平以及容纳力.值得说明的是，景区等级作为质化的级别分类结果，无法进行矢量化分析，因此用量化的等级得分表征，其中5A级景区5分，4A级4分，以此类推.景区的网络化宣传是借助于互联网大势，通过质化和量化的宣传手段，提升景区知名度并获得经济效益的重要方式，因此选用年末宽带用户数来反映地区网络经济的发育状况，选用景区发布的抖音视频数以及点赞量来反映宣传力度.考虑到景区点的各项指标数据的获取难度，因此本文以长江经济带127个市、州为面域单元进行分析，结果见表2．由表2可知，景区网络宣传的视频质量对景区关注度水平提升大于景区实体建设水平.地区生产总值、国内旅游收入等实体经济指标有一定作用，但明显不及视频宣传效应.

利用OLS模型和GWR模型对所选指标进行数据拟合性测算，结果见表3.由表3可知，OLS回归模型的决定系数R2为0.795，调整后的R2为0.776，低于GWR模型的决定系数和调整决定系数，说明GWR模型的拟合效果要优于OLS.同时，OLS模型的AICc值为182.152，与GWR模型的AICc值176.696相差大于3，进一步说明GWR模型更具适用性，能更好的拟合观测数据，因此选用GWR模型对长江经济带旅游景区网络关注水平的空间异质性因素进行分析[38]．结果见图5、图6.

表2 OLS分析结果Tab.2 OLS analysis results

表3 OLS与GWR对比Tab.3 OLS and GWR comparison

3.1 宣传力度对网络旅游经济的影响

由图5可知，云南、贵州、四川、重庆、湖南西部省份以及湖北恩施市的回归系数为负值且绝对值较小，表明上述地区的网络旅游发育情况与投放市场进行宣传的视频数量具有较弱的负相关性.而江苏、浙江、上海、安徽、江西以及湖北省东部的部分省份表现则为正驱动特征，尤其在苏浙沪三个地区最为显著.形成这种影响力空间异质性的原因主要是由于地区的网络经济发育水平，沿海一带的网络化水平较高，宣传力度随视频数量的增加而增加，而上中游地区由于网络发育水平不高，所以视频数量不会对网络旅游经济发展产生重大影响.由图5亦可知，视频获赞数的回归系数均为正值，说明视频质量与网络旅游经济发育水平呈正相关，即视频质量越高，网络经济发育越好.视频质量的回归系数呈现出由南向北逐渐增加的趋势，且在江苏、安徽、湖北省的北部省份，四川省巴中县相关性最强，说明较南部地区而言，宣传质量对北部地区的正向驱动作用更强.除了景区自身的宣传作用以外，政府、主流媒体以及抖音APP的推送也推动着网络旅游经济的增长.政府为网络经济的发展提供大环境支撑，也为景区的网络化营销保驾护航；主流媒体具有较强的网络传播力以及宣传引领作用，对于“智慧旅游”的发展起到积极的引导作用；抖音以独特的运营机制将景区所投放视频定向的推送给潜在用户，对于提高短视频“完播量”以及影响力意义重大．

图5 长江经济带网络宣传回归系数空间分布Fig.5 Spatial distribution of regression coefficient of network publicity in the Yangtze River Economic Belt

3.2 实体建设及网络化水平对网络旅游经济的影响

由图6可知，国内旅游人数的回归系数在四川、云南、重庆以及贵州西部为负值，呈现负驱动作用，在该区域以东回归系数均为正值且逐渐增大，正向驱动作用逐渐明显，说明与西部地区相比而言，景区建设水平在东部地区表现出更强的正向相关性，这主要是由于区位条件以及交通通达度所造成的.年末宽带用户数的回归系数除在江苏东南部、浙江中东部、上海以及云南德宏州具有正向相关作用以外，其他地区均表现出负相关作用，且在成渝经济区及东部部分地区负相关作用明显，表明网络经济发育水平在一定程度上推动了“智慧旅游”的发展，但主要以负效应为主，正效应只存在于少数地区．

图6 长江经济带实体建设与网络化水平回归系数空间分布Fig.6 Spatial distribution of horizontal regression coefficient between physical construction and networking in the Yangtze River Economic Belt

3.3 经济条件对网络旅游经济的影响

由图7可知，地区生产总值对23.6%的地区具有正向影响，对76.4%的地区具有负相关效应.受正向影响的地区主要分布在重庆、云南、四川、贵州、安徽以及河北省西部的部分市域单元内，其中云贵川渝的正向相关性最强.受负向影响的地区分布在江苏、浙江、上海、安徽、贵州以及河北省的东部市域，且呈现出由西向东负效应逐渐增强的趋势.其原因在于研究区西部地区的经济发育水平落后，网络旅游的发展受经济的制约性作用较大，而东部地区经济发展水平较高，限制性作用较小.人均可支配收入除对四川、贵州的大部分地区以及云南省具有较弱的负向相关作用以外，对其他地区均表现出正相关影响，且由西向东进入苏浙等生活水准较高的地区，回归系数逐渐变大，影响作用变强，说明人均可支配收入的提高在很大程度上对网络旅游经济的发展具有正向促进作用．

3.4 交通条件对网络旅游经济的影响

由图8可知，高速公路里程的回归系数除在云南大部分地区以及贵州兴义市为负之外，在其他地区均显著为正，且由内陆到沿海，正向相关性逐渐增强，在江苏、上海以及浙江省的湖州、宁波、绍兴、嘉兴等地达到最强.表明大部分地区的高速里程对网络旅游的发展产生正向效应，且对旅游“热区”的正向相关性较强.从公路里程回归系数的空间分布看，在江苏、浙江的大部分地区，云南的德宏、保山、临沧、普洱、西双版纳以及上海等地相关系数为负值，说明在上述地区公路里程与网络旅游的发展呈负相关，尤其在苏浙一带绝对值较大，说明负相关性较强.而在除此之外的其他地区系数均为正值，其中正相关性强度在除甘孜州以外的四川地区、云南昭通、湖南西部部分市区、重庆以及湖北十堰、神农架、宜昌、恩施等地形成“驼峰”分布，造成这一现象的原因主要是由于区域地形差异．

图7 长江经济带经济支撑回归系数空间分布Fig.7 Spatial distribution of economic support regression coefficients in the Yangtze River Economic Belt

图8 长江经济带交通支持回归系数空间分布Fig.8 Spatial distribution of regression coefficients of traffic support in the Yangtze River Economic Belt

3.5 服务水平对网络旅游经济的影响

由图9可知，城镇化率除在苏浙一带表现为较弱的负相关特征以外，在其他地区均表现为正驱动特征，且在四川、云南、贵州、重庆等地的正相关作用最为显著，这主要是由于云贵地区整体发展较为落后，设施不完备，旅游业的发展容易受制于城镇化水平的影响.三产人员比重除在四川、云南等地表现为较弱的负相关性以外，在东部的其他地区均变现出正向驱动特征，且由西向东，相关性逐渐增强，到苏浙一带达到最强.这是由于苏浙等地资金、科技力量较为雄厚，多以建设人工型景区为主，所以对第三产业的要求较高．

图9 长江经济带服务水平回归系数空间分布Fig.9 Spatial distribution of regression coefficient of service level in the Yangtze River Economic Belt

4 结论与讨论

4.1 结论

从空间分异特征来看，各省、市的旅游网络化水平存在差异，整体网络入驻水平较高的地区有上海、云南、湖南、湖北等地，而四川、江苏、安徽等地的旅游“线上”发育水平相对较低.同时，由景区网络关注水平的分级特征来看，景区数量与关注度等级表现为明显的负相关特征，较高及高等关注水平景区数量少，且集中于长三角经济区，在四川成都也有孤点分布，中低等关注水平的景区数量显著增多，在研究区内均有分布，但整体呈现出“东密西疏”的特征．

从空间集聚来看，整体呈现“双核引领，多核驱动”的分布特征.同时通过对景区进行类别划分可知，自然类景区表现为“一片两高，三中四弱”的分布特征，人文类景区的空间关注格局呈现为“二强一弱”的特征，人工型景区的特征更加明显，在四川成都形成主核心，在长江入海口一带形成副核心，呈现明显的“主核引领，副核驱动”的格局特征．

从空间结构看，整体呈现出高等级景区均匀分布，低等级景区凝聚分布，且随着景区关注度水平的降低，集聚特征逐渐增强的特征.

从虚实发展差异来看，景区的“线上”高关注度地区与“线下”高质量发展区在空间上基本吻合，而基于虚实两个视角的中间等级景区在数量上表现出明显的异质性且差异跨度明显不同，表明“智慧旅游”虽已在长江经济带打开了主流市场，但因存在两极分化现象，网络化体系仍不完善．

从影响因素来看，用于宣传投放旅游网络化市场的视频质量以及实体旅游发展水平对网络旅游经济的发展影响较大，经济支撑、网络化水平次之，交通条件和服务水平作用最小.同时，从各变量回归系数的空间异质性分布可以发现，所选解释因子对东部沿海地区的解释作用较强，而对成渝经济区及以东的中部地区的解释力较小．

4.2 讨论

本研究基于A级以上景区的抖音粉丝量数据来测度长江经济带旅游经济的网络发育情况，并对造成空间异质性的原因进行探究，对长江经济带“智慧旅游”的迅猛发展以及旅游资源的空间组合优化具有重要的现实意义.与以往的研究相比，本研究着眼于5G时代短视频对“智慧旅游”的宣传和营销作用，利用虚拟的景区抖音关注度数据对景区线上发展的空间格局进行探析，对于扩宽已有的旅游网络关注度视角、分析线上线下的融合模式、促进新冠疫情常态化背景下旅游业的复苏具有重要的时代价值.同时，将景区的虚拟关注特征与实体发展情况进行对比分析，透视“智慧旅游”背景下长江经济带旅游经济的虚实发展差异，为带动旅游发展新模式的开拓以及网络旅游经济的增长提供理论支撑，也为旅游业在长江经济带的“云端”异彩发光提供支持.但值得说明的是，由于抖音上市时间较短，入驻抖音的景区数量还相对较少且所选单元面积较大，所以在数据获取方面出现空缺.同时，基于各市域单元对长江经济带旅游经济的发展情况进行解释，由于所选单元面积较大，可能会导致对结果的解释力不强，仍需继续探索更加精细化且契合度高的数据，这是今后的研究中需要努力和突破的方向．