基于多源數(shù)據(jù)的自然旅游地旅行者時空分布及其驅(qū)動因素

和家歡,周詩雅,李娟,聶蓓捷,伏學習,楊會娟,3

(1 河北農(nóng)業(yè)大學 園林與旅游學院,河北 保定071000;2河北省木蘭圍場國有林場,河北 承德 068456;3河北省城市森林健康技術(shù)創(chuàng)新中心,河北 保定071000)

綠水青山就是金山銀山,發(fā)展旅游業(yè)對于區(qū)域經(jīng)濟的發(fā)展發(fā)揮著巨大的推動作用,尤其是地處偏遠的自然旅游目的地,對旅游業(yè)的依賴程度更高。旅行者是旅行活動的主體,通過對旅行者行為的刻畫,能夠真實反映旅行者活動過程中的行為偏好與特征,有助于優(yōu)化旅游產(chǎn)業(yè)分布格局,提升旅游整體競爭力,促進區(qū)域經(jīng)濟協(xié)調(diào)發(fā)展。

旅行者行為作為旅游地理學的傳統(tǒng)研究主題,發(fā)展至今已經(jīng)積累了大量的理論成果。從數(shù)據(jù)獲取來源上,早期數(shù)據(jù)的獲取主要依賴于統(tǒng)計年鑒和問卷調(diào)查等方式,但其結(jié)果耗時長,在研究區(qū)域范圍較大時,不容易獲得全面、準確的數(shù)據(jù),并且受問卷的編制與受訪者影響較大,數(shù)據(jù)的質(zhì)量難以保證[1]。后來隨著地理信息時代的到來,時空大數(shù)據(jù)為旅行者行為研究提供了豐富、客觀的數(shù)據(jù)支撐。國內(nèi)外學者開始將手機信令數(shù)據(jù)、GPS數(shù)據(jù)、社交媒體數(shù)據(jù)、信用卡交易數(shù)據(jù)等大數(shù)據(jù)應用于旅行者行為研究中[2-9]。國內(nèi)學者利用微博簽到數(shù)據(jù)、旅游產(chǎn)品點評或分享網(wǎng)站、地理標記照片、百度指數(shù)等各類旅游大數(shù)據(jù)進行研究[10-16]。但是以上研究一般利用單一類型數(shù)據(jù),而多源數(shù)據(jù)可以更加客觀地進行多方位、多視角的探索性研究,全面了解旅行者行為規(guī)律。在研究方法上,時空分布特征多采用傳統(tǒng)的GIS空間分析、數(shù)理模型等方法,隨著多學科的綜合應用,社會網(wǎng)絡(luò)分析、聚類分析、馬爾科夫鏈等也逐漸被采用[9,17-23]。此類方法只能從單一維度對于旅行者行為空間分布的影響機制進行分析,探測不同因素對旅行者行為空間分布影響程度的深入研究較少。更重要的是,從研究地域來看,現(xiàn)有研究主要集中于城市公園、古鎮(zhèn)空間、城市街道等小尺度空間,或者以省域、市域或多個行政區(qū)集群等有明確邊界的區(qū)域作為研究對象進行旅行者行為的研究,鮮有跨越行政邊界的自然旅游地旅行者行為過程的全面剖析[24-31]。

本研究選擇典型自然旅游地,以“兩步路”中的旅行者活動標記作為數(shù)據(jù)源,進行跨區(qū)域的自然旅游地邊界界定,借助GIS時空分析工具及地理探測器分析工具,總結(jié)旅行者的時空分布特征,并選取自然環(huán)境(高程、坡度、河網(wǎng))、人文社會(基礎(chǔ)設(shè)施、景點)等因素探究跨行政區(qū)域的自然旅游地的旅行者空間分布的成因,以豐富現(xiàn)有基于多源數(shù)據(jù)的自然旅游地旅行者行為研究,并為提升旅行者旅游活動滿意度,以及整體旅游產(chǎn)業(yè)布局優(yōu)化提供參考。

1 材料與方法

1.1 研究區(qū)概況

木蘭圍場擁有豐富的自然人文景觀,保留了大量的歷史文化遺產(chǎn),是現(xiàn)代旅游景區(qū)形成的基礎(chǔ)。隨著時代變遷與旅游產(chǎn)業(yè)的進一步發(fā)展,歷史記載的“木蘭七十二圍”逐漸形成了四大景區(qū),分別是塞罕壩國家森林公園、御道口草原森林風景區(qū)、烏蘭布統(tǒng)生態(tài)文化旅游景區(qū)、紅松洼國家級保護區(qū)。旅行者到達后會跨省市游覽這些景區(qū),停留3～5 d。但作為一個京津冀區(qū)域重要的避暑自然旅游地,因橫跨2個省份4個區(qū)縣,到目前為止并未進行統(tǒng)一規(guī)劃宣傳,也未形成鮮明的旅游形象,不利于長遠發(fā)展。因此在關(guān)鍵詞選取時,采用了木蘭圍場、塞罕壩、烏蘭布統(tǒng)、御道口、紅松洼多個關(guān)鍵詞,獲取旅行者活動的空間位置信息。

截取標記點密集區(qū)作為研究區(qū)域,將其識別為一個典型的自然旅游目的地板塊。研究區(qū)位于E 116.514°～117.996°, N 41.82°～42.95°,總面積約為7 740.08 km2,涉及圍場縣、赤峰市松山區(qū)、克什克騰旗、多倫縣4個區(qū)縣。研究區(qū)屬于華北平原與內(nèi)蒙古高原的交匯地區(qū),寒溫帶大陸性氣候,屬于森林-草原交錯地帶,地貌類型多樣,山地平原及丘陵縱橫,海拔936～2 041 m。地理位置與悠久的歷史造就了區(qū)域內(nèi)稟賦優(yōu)良的旅游資源,為旅游業(yè)發(fā)展提供了良好的基礎(chǔ)條件。

表1 研究區(qū)主要景區(qū)概況

1.2 數(shù)據(jù)來源

“兩步路”是國內(nèi)重要的戶外旅游共享交流平臺,擁有海量用戶主動上傳的照片和軌跡數(shù)據(jù)。本研究利用Python爬蟲程序從“兩步路”中以塞罕壩、木蘭圍場、烏蘭布統(tǒng)、御道口、紅松洼為搜索詞抓取2015年1月至2021年10月的標記點數(shù)據(jù),剔除未落入研究區(qū)范圍的標記點后,剩余11 745條數(shù)據(jù)。每個標記點包含用戶昵稱、標記時間、標記點經(jīng)緯度、海拔、標記序號等信息。

為進一步驗證“兩步路”數(shù)據(jù)的可靠性,將2015-2021 年的360大眾搜索指數(shù)與“兩步路”平臺旅行者數(shù)據(jù)作對比,可以發(fā)現(xiàn)年際網(wǎng)絡(luò)關(guān)注度變化趨勢與“兩步路”平臺旅行者游覽數(shù)量變化大體一致,并且“兩步路”平臺用戶群體年齡以19～34歲為主,其他年齡段為輔,也與360大眾搜索指數(shù)的關(guān)注群體年齡特征基本吻合。因此,所用數(shù)據(jù)可以反映研究區(qū)域的旅行者行為特征。

為探討影響旅行者標記點空間分布的驅(qū)動因子,從OpenStreetMap網(wǎng)站上導出研究區(qū)范圍內(nèi)的道路、水系、居民點等基本數(shù)據(jù)信息。市縣鄉(xiāng)鎮(zhèn)等行政邊界來自于地理國情檢測云平臺。數(shù)字高程模型來源于NSAS ALOS衛(wèi)星數(shù)據(jù),空間分辨率為30 m×30 m?；诟叩碌貓D運用XOMAP互聯(lián)網(wǎng)地圖爬取工具爬取的研究區(qū)域的旅游產(chǎn)業(yè)的位置數(shù)據(jù)。參考《國家旅游及相關(guān)產(chǎn)業(yè)分類(2018)》標準,基于已有研究成果及分類,將旅游產(chǎn)業(yè)數(shù)據(jù)劃分為旅游景點、休閑餐飲、休閑購物和酒店住宿4種產(chǎn)業(yè)類型。通過統(tǒng)一采用CGS 2000坐標系,對獲取的位置數(shù)據(jù)進行坐標轉(zhuǎn)換,經(jīng)過數(shù)據(jù)清洗、篩選、歸類整理后獲得數(shù)據(jù)(表2)。

表2 POI數(shù)量及分類

1.3 研究方法

1.3.1 時間統(tǒng)計分析 利用標記點的標記時間屬性信息,分析旅行者活動時間分布特征,統(tǒng)計2015-2021年期間研究區(qū)域的旅行者行為活動的年際及季度變化。

1.3.2 HDBSCAN(Hierarchical Density-Based Spatial Clustering of Applications with Noise)聚類方法 HDBSCAN是層次聚類與密度聚類的結(jié)合,HDBSCAN使用可變距離將不同密度的聚類結(jié)果與稀疏噪聲點相分離。通過對標記點數(shù)據(jù)設(shè)定最小聚類數(shù),將每個空間聚類定義為一類簇,就可以實現(xiàn)對于旅游熱點區(qū)域的提取。

1.3.3 核密度分析 核密度分析通過分析點因子或線因子在周圍鄰域中的密度,生成1個平滑的二維曲面圖,從而分析點線因子在空間上的集聚與分散程度。本研究利用旅行者標記點的核密度,分析旅行者空間分布特征,并通過量化各個驅(qū)動因子核密度值來分析旅行者活動的驅(qū)動因素。

1.3.4 季節(jié)強度指數(shù) 季節(jié)強度指數(shù)常用于測量研究區(qū)內(nèi)旅行者活動的季節(jié)性差異。以月為研究單元的季節(jié)強度指數(shù)計算公式為:

(1)

式中:R代表旅游季節(jié)強度指數(shù);xi代表每月旅行者數(shù)量占全年的比重。R越大,說明旅行者活動季節(jié)性差異越大;R越趨近于0,則代表活動季節(jié)性差異越小。

1.3.5 地理探測器 地理探測器是由王勁峰等開發(fā),包括因子探測、交互作用探測、風險探測和生態(tài)探測4個方面[32]。其在探測空間分異性方面發(fā)揮重要作用,并可以揭示空間分異背后驅(qū)動力,本研究借助因子探測和交互作用探測探討研究區(qū)域旅行者活動空間分異性的影響因素。因子探測用于分析各類驅(qū)動因子對旅行者行為活動空間選擇的影響程度。交互作用探測用于測度2種不同驅(qū)動因子交互作用時是否會增強或減弱驅(qū)動因子的影響力,以此探求雙驅(qū)動因子對旅行者活動分布的影響程度。本研究主要使用基于Excel編制的地理探測器軟件GeoDetecto實現(xiàn)。

2 結(jié)果與分析

2.1 旅行者時空特征

2.1.1 旅行者總體分布特征 運用 ArcGIS Pro 2.5軟件通過HDBSCAN算法對AOI 進行聚類探究,經(jīng)過多次試驗最終設(shè)置最少點數(shù)m=100。結(jié)果顯示:11 745個標記點被劃分為29個聚類,產(chǎn)生噪音點4 904個,繼而對部分空間比較鄰近的聚類進行合并,最終形成了27個聚類,包含6 841個標記點。將聚類前的11 745個標記點和聚類后的6 841個標記點的經(jīng)緯度分別導入ArcGIS,得到研究區(qū)域地區(qū)旅行者活動熱點區(qū)域分布圖。旅行者活動范圍廣,主要集中在27個聚類周圍,見圖1。本研究根據(jù)每個標記點的位置信息標記其所屬的4個景區(qū)單位,并計算每個景區(qū)的標記點數(shù)量及聚類數(shù)量,見表3。

(a) 聚類前

表3 各景區(qū)標記點數(shù)量與聚類數(shù)量

由圖1、表3可知,旅行者活動分布存在明顯的空間差異,研究區(qū)域內(nèi)烏蘭布統(tǒng)景區(qū)、塞罕壩景區(qū)在標記點數(shù)量占有絕對優(yōu)勢,構(gòu)成了旅行者活動核心區(qū)域;紅松洼保護區(qū)及其他景區(qū)景點的標記點數(shù)量和聚類數(shù)量均比較少,形成了旅行者活動的邊緣區(qū)域。雖然各景區(qū)的旅游產(chǎn)業(yè)在不斷發(fā)展,但知名度較大、基礎(chǔ)設(shè)施較為完善的景區(qū)景點仍是旅行者出行首選。此外,塞罕壩景區(qū)的標記點數(shù)量不如烏蘭布統(tǒng)景區(qū),但聚類的數(shù)量高于烏蘭布統(tǒng)景區(qū)的聚類簇數(shù)量,這可能是由于烏蘭布統(tǒng)景區(qū)內(nèi)旅行者活動相對分散,在領(lǐng)域半徑中,形成的噪聲點更多而導致的。

2.1.2 旅行者年際分布特征 對研究區(qū)域旅行者活動空間分布特征的年際變化進行分析,以揭示旅行者活動分布的年際變化規(guī)律。據(jù)圖2發(fā)現(xiàn),2015-2021年空間集聚性計算結(jié)果均小于1,說明在1%的顯著性水平下,研究區(qū)域旅行者活動總體上都處于集聚狀態(tài),且發(fā)現(xiàn)旅行者活動分布的集聚性呈現(xiàn)"U"型趨勢,在2019年最低,集聚性特征最強,空間分布最為集中。

圖2 2015-2021年研究區(qū)域旅行者空間集聚性分析

如圖3所示,2015年旅行者活動熱區(qū)位于烏蘭布統(tǒng)景區(qū),在河北省內(nèi)沒有明顯地集聚區(qū)域。2016年旅行者活動熱區(qū)域轉(zhuǎn)移至塞罕壩北部邊界白樺林景點周圍,形成單核心集聚分布。2017-2019年旅行者活動分布總體呈現(xiàn)“平行多核心”空間結(jié)構(gòu)模式。伴隨熱區(qū)數(shù)量的逐年增加,旅行者也表現(xiàn)出了對于人文類景觀的傾向性,如可汗行宮、烏蘭布統(tǒng)影視基地等都是受到旅行者關(guān)注度較高的熱點區(qū)域。2020年旅行者活動分布呈現(xiàn)“雙核心”模式,旅行熱區(qū)主要集中塞罕小鎮(zhèn)-金蓮映日-七星湖景點附近及研究區(qū)南部居民點靠近水體景觀周圍。2021年研究區(qū)內(nèi)的旅行者活動空間呈現(xiàn)“單核心”模式,熱區(qū)分布塞罕壩景區(qū),次熱點區(qū)域范圍較上一年進一步擴大。

(a) 2015年

由圖3可知,研究區(qū)旅行者年際分布變化存在明顯空間差異,活動熱區(qū)不穩(wěn)定,長期處于競爭變化中,產(chǎn)生這種現(xiàn)象的原因是政治、公共衛(wèi)生事件的影響。2015-2016年隨著塞罕壩題材電影的拍攝與播出,塞罕壩景區(qū)知名度進一步提升,旅行者活動熱區(qū)發(fā)生轉(zhuǎn)移。2017-2019年熱區(qū)由御道口景區(qū)、烏蘭布統(tǒng)向塞罕壩景區(qū)轉(zhuǎn)移。同時,金蓮映日-七星湖-塞罕壩小鎮(zhèn)對旅行者的吸引力逐漸增強,其作為核心旅游區(qū)域的地位也逐漸清晰。2020-2021年受新冠疫情影響,旅行者活動受到限制,空間熱區(qū)分布再次發(fā)生變化,但是圍繞金蓮映日-七星湖-塞罕小鎮(zhèn)景點仍形成了旅行者活動熱區(qū)。

2.1.3 旅行者季節(jié)分布特征 根據(jù)旅行者標記點數(shù)量,得出2015-2021年旅行者季節(jié)強度指數(shù)均值為12.36,相對高于全國平均水平,并且旅行者活動的月變化曲線呈現(xiàn)明顯的倒“U”型,旅行者出行的季節(jié)性明顯(見圖4)[33-34]。從整體而言,旅行者出行時間以夏秋出行為主,集中在6-10月,這與季節(jié)溫度舒適情況有很大關(guān)系。

圖4 旅行者標記點月度分布

由圖4、圖5可知,進一步探討旅行者不同季節(jié)的空間分布特征。春季,旅行者標記點數(shù)目有1 280個,占比10.90%,旅行者活動頻率較低,活動范圍較大,總體呈現(xiàn)出“多核心”分布狀態(tài),而旅行者活動高峰分布烏蘭布統(tǒng)景區(qū)、御道口景區(qū)人文類旅游景點周圍;夏季,旅行者標記點數(shù)目為5 262個,占比44.80%,旅行者活動收縮,呈現(xiàn)高度的聚集分布,旅行者活動最高峰分布在塞罕壩景區(qū),小高峰分布在烏蘭布統(tǒng)景區(qū)、御道口景區(qū)。其中,塞罕小鎮(zhèn)-金蓮映日-七星湖景點、御道口文化廣場、民俗影視基地是旅行者夏季活動的核心旅游吸引物;秋季,旅行者標記點數(shù)目有4 003個,占比34.08%,旅行者活動范圍擴大,活動最高峰位于以影視作品取景點為代表的烏蘭布統(tǒng)景區(qū)人文類旅游景點周圍,次高峰則位于烏蘭布統(tǒng)景區(qū)、塞罕壩景區(qū)水體景觀周圍;冬季,旅行者標記點數(shù)目有1 200個,占比10.22%,旅行者活動范圍收縮,集中分布于塞罕壩景區(qū)與烏蘭布統(tǒng)景區(qū)交界地區(qū),次高峰分布在塞罕壩-金蓮映日-七星湖景點周圍。

(a) 春季

由圖5可知,旅行者空間分布呈現(xiàn)出的季節(jié)性變化,夏秋季節(jié)集聚性特征最強,空間分布也最為集中。從旅行者活動空間位置分布看,旅行者活動分布存在顯著的季節(jié)性差異。季節(jié)變化不僅會導致旅行者數(shù)量發(fā)生變化,空間上活動熱區(qū)也會發(fā)生變化。塞罕壩的金蓮映日-七星湖-塞罕小鎮(zhèn)旅游景點區(qū)域由于具有一定公共服務(wù)的職能,因此該區(qū)域一年四季均具有一定活動熱度;御道口景區(qū)多以自然景觀為主,受到季節(jié)性影響較大,造成冬春季節(jié)旅行者活動較少;烏蘭布統(tǒng)景區(qū)雖然同樣是屬于自然景觀,但也兼具部分人文景觀,且景區(qū)多位于北部高海拔地區(qū),在冬季更容易形成了大面積的雪原景觀,對于旅行者更具有吸引力。

2.2 旅行者時空變化驅(qū)動因子分析

2.2.1 驅(qū)動因子指標選取 研究區(qū)域旅行者呈現(xiàn)出顯著的空間分異特征,是諸多驅(qū)動因子經(jīng)過復雜的交互作用而最終形成的結(jié)果,主要包括自然環(huán)境類因子和人文社會因子。本研究基于已有的相關(guān)研究,考慮研究區(qū)域數(shù)據(jù)可獲取性,篩選出能夠充分反應研究區(qū)現(xiàn)狀的9個指標作為驅(qū)動因子[35-38]。其中人文社會因子是旅行者開展旅游活動基礎(chǔ),需涉及食、住、行、游、購、娛多個方面,因此采用住宿設(shè)施、購物設(shè)施、餐飲設(shè)施、路網(wǎng)、旅游景點、居民點的密度分布表示;而自然環(huán)境因子則是旅游活動的前提條件,需要反映出研究區(qū)生理物理特征,在這里采用河網(wǎng)密度、海拔、坡度表示。指標選取結(jié)果見表4。

表4 旅行者行為空間分布驅(qū)動因子

2.2.2 單因子探測 基于地理探測器對研究區(qū)域旅行者空間分布的驅(qū)動因子進行量化,q值越高表示對旅行者空間分布的影響程度越大。研究區(qū)域旅行者空間分異及因子探測結(jié)果q值依次為:景點>餐飲>住宿>海拔>購物>河流>居民點>坡度>路網(wǎng),見表5。

表5 單因子探測結(jié)果

由表4、表5可知,相較于自然環(huán)境因子(X1～X6),人文社會因子(X7～X9)對于旅行者空間分布的影響較強,其中景點因子(X5)對于空間分布的影響最大。景點作為旅游活動的重要空間載體,使得旅行者在景點間的流動中呈現(xiàn)出明顯的空間異質(zhì)性。同時,景區(qū)、景點的建設(shè),各類游步道、游覽道路的建設(shè)也促使景觀可達性增加,對旅行者空間分布會產(chǎn)生積極影響。其次影響力較大的因子是餐飲因子(X3)、住宿因子(X1),這主要是為了滿足旅行者出行時的基本生理需求。在自然環(huán)境因子中,海拔作為自然景觀塑造與形成的客觀條件,同時也限制了一部分旅行者的行為活動,也在一定程度上影響了旅行活動的空間分布。

如圖6所示,通過對四季活動進一步因子探測發(fā)現(xiàn),研究區(qū)旅行者四季活動主導性驅(qū)動因子仍是景點因子(X5),海拔因子(X8)依舊是影響力最大的自然環(huán)境驅(qū)動因子。但季節(jié)不同q值排序也發(fā)生變化,冬、春季節(jié)住宿因子(X1)q值(0.267、0.266)超過餐飲因子(X3)q值(0.254、0.239)成為第二主導因素。

圖6 不同季節(jié)的單因子探測結(jié)果

由圖6可知,景點(X5)、餐飲(X3)、住宿因子(X1)基本主導了各季節(jié)旅行者活動空間分布,但不同季節(jié)各驅(qū)動因子的作用力仍存在差異。夏、秋季節(jié)作為旅游旺季,路網(wǎng)(X4)、河流因子(X7)對旅行者空間分布的作用更為明顯,表明景觀可達性的提高會增加旅行者游覽機會,進而影響夏秋旅行者活動空間。但在冬、春季節(jié),旅行者活動受到住宿因子(X1)、居民點密度因子(X6)、海拔因子(X8)的作用更大,說明功能完備的設(shè)施會對冬春旅行者的集聚起到促進作用。

2.2.3 雙因子交互作用探測 根據(jù)地理探測器雙因子交互作用研究發(fā)現(xiàn):(1)各項探測因子的交互配合對旅行者活動的影響要遠大于單項探測因子的作用,對計算結(jié)果按作用力大小設(shè)置條件格式,顏色越暖則作用力越大。(2)雙因子交互作用后影響力增強程度不同。交互作用后按照因子影響力強弱排序前3名分別是X5、X3>X5、X1>X5、X7。見表6。

表6 各驅(qū)動因子交互作用探測結(jié)果

由表6可知,各項探測因子的交互配合對旅行者活動均表現(xiàn)出雙因子增強或非線性增強的正向作用。其中,旅游景點因子與其他探測因子兩兩交互作用下對旅行者活動影響較強,尤其與餐飲因子(X3)的交互作用最強(0.458),且景點(X5)與其他探測因子交互作用的q值均大于0.320。這主要是因為旅行者在進行旅游活動時,在完成景觀觀賞同時,往往更注重是否存在可以進行就餐、休息、活動的場所,以滿足其休憩游樂的需求。這也進一步說明旅行者活動是由不同驅(qū)動因子交互作用的結(jié)果,而不是單一因子決定的。此外,河網(wǎng)因子(X7)影響力的增強也說明旅行者在旅游空間的選擇時對自然水體景觀的傾向性。

3 討論

以往的研究基于社交媒體數(shù)據(jù)的主要研究對象是熱門旅游城市或者位于城市內(nèi)的景區(qū),相對于城市旅游目的地,自然旅游目的地旅行者行為研究在數(shù)據(jù)的獲取途徑、數(shù)據(jù)規(guī)模等方面受到的限制更多[17,27,39]。因此與學者們廣泛采用的Flickr、Twitte、微博等綜合性社交平臺不同,本研究采用戶外旅游“兩步路”平臺的位置信息數(shù)據(jù)。與360大眾搜索指數(shù)比較,“兩步路”App使用特征與研究區(qū)旅行者的人群特征較為吻合,因此研究結(jié)果較為可靠[40-41]。

與傳統(tǒng)的以行政邊界劃定研究區(qū)域不同,本研究根據(jù)標記點數(shù)據(jù)的集中程度識別了研究區(qū)域,從旅行者角度而非資源角度看待旅游目的地的熱點范圍。盡管二者會有空間的重合性,但從旅行者角度更能全面反映。這對燕山-塞罕壩國家公園建設(shè)中游憩功能區(qū)的劃分具有參考意義。

旅行者活動表現(xiàn)出明顯的空間異質(zhì)性特征,形成旅行者活動熱區(qū)27個。這與城市旅游地表現(xiàn)出不同的偏向性。2類旅游地的旅行者足跡均遍布全境,但城市旅游地主要集中于城區(qū)范圍內(nèi),熱點分布和數(shù)量不僅與旅游資源引力有關(guān),而且還與商業(yè)集聚狀況,重要文化設(shè)施、交通樞紐等密切相關(guān)[17,23,39]。而自然旅游地中旅行者圍繞旅游景區(qū)和設(shè)施形成空間聚集。此外,城市旅游地的熱點主要集中于城市環(huán)境內(nèi)的自然景觀,而自然旅游地旅行者在此類地區(qū)表現(xiàn)出對自然景觀關(guān)注的同時,對于如可汗行宮、影視作品取景點等人文類景觀也有相當高程度的關(guān)注[42]。

與城市旅游地或者進入穩(wěn)固期的自然旅游地相對穩(wěn)定的旅行者分布年際變化不同,研究區(qū)域空間集聚性年際變化較為明顯,呈現(xiàn)明顯“U型”變化,2017、2020年該區(qū)域的空間熱點分布變化表明即使在穩(wěn)固期,政治事件、公共衛(wèi)生事件等也會對景區(qū)的知名度和旅行者行為產(chǎn)生明顯影響,因此一些人造的節(jié)事活動或許可以吸引客流,為景區(qū)經(jīng)營增加空間[42-43]。

旅行者空間分布存在顯著的季節(jié)性差異,季節(jié)變化不僅導致旅行者數(shù)量發(fā)生變化,空間熱點分布也會發(fā)生變化,這可能與不同季節(jié)適宜的觀景休憩點有關(guān)系。受到各景點開放時間影響,餐飲、住宿等商業(yè)網(wǎng)點運營時間也隨之變化。冬、春季旅行者出游活動區(qū)域受限,旅行活動熱區(qū)也更多集中在商業(yè)活動密集或人文景觀相對比較豐富的地區(qū)。夏、秋季節(jié)旅行者出行范圍擴大,水體景觀則受到更多關(guān)注。

地理探測器可以很好地適用這種多源數(shù)據(jù)支撐的研究方式,它能夠較好地量化反映出單因子和雙因子作用對旅行者活動空間分異的影響權(quán)重,對于區(qū)域協(xié)同發(fā)展,優(yōu)化旅游產(chǎn)業(yè)布局具有重要意義。由于指標數(shù)據(jù)獲取存在一定局限性,能夠選取評價的指標有限,而旅行者活動空間分異是多種影響因素共同作用的結(jié)果,對研究區(qū)域的政策、知名度、植被覆蓋等方面的指標未能充分參考,所以在后期的研究中需要進一步完善。

4 結(jié)論

在區(qū)域一體化發(fā)展的背景下,借助ArcGIS空間分析以及地理探測器模型等方法,基于“兩步路”平臺旅行者活動標記點等各類空間數(shù)據(jù),定量分析了一個自然旅游地旅行者活動的時空分布特征及其驅(qū)動因素。

首先,通過“兩步路”平臺數(shù)據(jù)與360搜索數(shù)據(jù)趨勢對比結(jié)果,以及本研究結(jié)果的可靠性,驗證了此類數(shù)據(jù)平臺可以作為自然旅游地旅行者行為研究的可靠來源,這對采用大數(shù)據(jù)及地理信息系統(tǒng)研究自然旅游地的旅行者行為具有參考意義。

其次,旅行者活動表現(xiàn)空間異質(zhì)性特征,形成了27個空間聚類,主要位于塞罕壩景區(qū)、烏蘭布統(tǒng)景區(qū)內(nèi),這2個景區(qū)分別以森林、草原景觀為主,形成明顯的資源互補?；诖朔N方法可知,旅行者在該區(qū)域的核心活動區(qū)域,同時也為燕山-塞罕壩國家公園功能區(qū)確定提供客觀依據(jù)。

最后,地理空間大數(shù)據(jù)能夠細致的刻畫自然旅游地旅行者行為時空變化、趨勢及影響因素。例如,自然旅游地的旅行者活動多集中在熱門景區(qū),同時受旅游設(shè)施的影響,但通過對空間大數(shù)據(jù)的進一步挖掘可知,旅行者最近鄰指數(shù)年際變化呈現(xiàn)“U”型曲線形式,且熱點區(qū)域年際變化明顯;一般而言,該區(qū)域受自然地理氣候條件影響,旅行者活動季節(jié)差異明顯,主要集中在夏、秋季節(jié),但借助地理空間大數(shù)據(jù)研究發(fā)現(xiàn),不同季節(jié)旅行者到訪范圍和熱點區(qū)域均存在一定差異,僅在金蓮映日-七星湖-塞罕小鎮(zhèn)景點附近形成了具有一定穩(wěn)定性的熱點區(qū)域。細致的旅游者行為刻畫將為旅游目的地的規(guī)劃和管理提供更為科學的依據(jù)。