删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

基于空间面板计量模型的雾霾对中国城市旅游流影响的空间效应

本站小编 Free考研考试/2021-12-29
徐冬1,2,, 黄震方1,2,, 黄睿1,3
1. 南京师范大学地理科学学院,南京 210023
2. 江苏省地理信息资源开发与利用协同创新中心,南京 210023
3. 南京旅游职业学院旅游管理学院,南京 211100

The spatial effects of haze on tourism flows of Chinese cities: Empirical research based on the spatial panel econometric model

XUDong1,2,, HUANGZhenfang1,2,, HUANGRui1,3
1. School of Geographical Science, Nanjing Normal University, Nanjing 210023, China
2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
3. Nanjing Institute of Tourism & Hospitality, Nanjing 211100, China;
通讯作者:通讯作者：黄震方(1963-), 男, 江苏扬中人, 博士, 教授, 博士生导师, 主要从事旅游地理与旅游规划研究。E-mail: zhfh@263.net
收稿日期:2017-10-16
修回日期:2019-03-11
网络出版日期:2019-04-25
版权声明:2019《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:国家自然科学基金项目(41671137, 41771154)
作者简介:
-->作者简介：徐冬(1992-), 男, 河南开封人, 博士生, 主要从事旅游地理与旅游规划研究。E-mail: xudong_njnu@163.com



展开

摘要
以中国342个市域单元为研究对象,借助双变量LISA模型、空间面板杜宾模型等方法,探究了1998-2016年雾霾与中国城市旅游流的空间关联特征,分析了雾霾对旅游流的影响及其空间溢出效应。结果表明,在中国雾霾PM2.5与城市旅游流有东高西低的分布特点,在胡焕庸线两侧的空间分布呈现出与地形和城市发展等因素的空间耦合性;雾霾与城市旅游流（含国内和入境旅游流）均表现出显著的空间集聚和空间依赖特征,雾霾污染对旅游流产生明显的影响并形成相应的空间效应;雾霾对旅游流的抑制区域在不断扩大,H-L型城市数量的增加、L-H型集聚区的片状扩张和华北、华中地区的L-H型集聚的“空心化”现象均表明旅游流具有低雾霾指向性;雾霾污染与旅游流的倒“U”型曲线关系表明经典的EKC假说对中国城市旅游流同样适用,且雾霾污染的显著负向影响主要存在于入境旅游方面;雾霾和旅游流均具有明显的正向空间溢出效应,将雾霾治理同经济发展、对外联系、旅游开发、生态保护和交通建设等因素结合起来进行综合治理,才能为旅游发展创造美好的环境,实现国际、国内旅游健康、协调、可持续的高质量发展。

关键词：雾霾;PM2.5;旅游流;空间关联;空间效应;中国
Abstract
Taking 342 cities in China as an example, this paper explores the spatial correlation between haze (PM2.5) and tourism flows, as well as analyzes the impact of haze on tourism flows and the spatial spillover effects from 1998 to 2016 by using bivariate LISA (Local Indications of Spatial Association) Model and Spatial Panel Dubin Model. The results show that the spatial distribution patterns of haze (PM2.5) pollution and tourism growth in China are both high in the eastern region and low in the western region, showing some regularity related to the factors, such as terrain and urban development on both sides of Hu Huanyong population line. Haze and tourism flows (including domestic tourism flows and inbound tourism flows) show both significant spatial agglomeration and spatial dependence during the study period, indicating that haze pollution has great spatial effect on tourism flows. The area where haze curbs tourism flows is expanding. The increase in the number of HL (High-Low) -type cities, the expansion of LH (Low-High) -type agglomeration area and the hollow phenomenon of LH-type agglomeration that appear in north and central China all show that tourists tend to travel to the cities with low haze pollution. The inverted U-shape curve relationship between haze pollution and tourism flows illustrates that the classical Environmental Kuznets Curve (EKC) hypothesis is suitable for tourism growth in the cities of China. The negative impact of haze on inbound tourism flows is significant. Both haze pollution and tourism flows have positive spatial spillover effects. Combining haze management with other measures, such as economic development, tourism development, ecological protection, traffic construction, we can create a beautiful environment for tourism development and achieve a healthy, coordinated and sustainable high-quality development of international and domestic tourism.

Keywords：haze;PM2.5;tourism flow;spatial association;spatial effect;China

-->0
PDF (4420KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
徐冬, 黄震方, 黄睿. 基于空间面板计量模型的雾霾对中国城市旅游流影响的空间效应[J]. 地理学报, 2019, 74(4): 814-830 https://doi.org/10.11821/dlxb201904014
XU Dong, HUANG Zhenfang, HUANG Rui. The spatial effects of haze on tourism flows of Chinese cities: Empirical research based on the spatial panel econometric model[J]. Acta Geographica Sinica, 2019, 74(4): 814-830 https://doi.org/10.11821/dlxb201904014

1 引言

雾霾不是某一个国家或地区的“专利”,它是一个全球性问题。近几年,中国受大面积雾霾天气的影响,以PM2.5（直径≤ 2.5 μm的可入肺颗粒物）为首要污染物的雾霾来势之迅猛、波及范围之广前所未有。其中雾霾污染最为严重的京津冀地区日均PM2.5浓度曾高达500 μg/m3,被网友调侃的PM2.5监测“机器爆表”现象屡见不鲜[1,2]。雾霾天气降低能见度,影响居民交通出行,严重威胁着居民的生活和健康,并使居民对周围的环境感到恐慌[3,4,5]。已有研究从环境流行病学和健康地理学的视角,认为空气污染的时空分布与居民移动的活动行为密切相关,不同经济群体及通勤者由于出行模式和职住距离的差异,其空气污染暴露程度也不相同[6,7,8]。相较于污染地居民,旅游者对目的地空气污染等旅游风险的感知水平更高,更易受到健康风险的影响[9]。已有研究发现,中国雾霾污染的加剧,加之国内外媒体的大肆报道,中国的旅游形象及雾霾高污染地区的旅游吸引力已经遭受到了严重损害[10]。
旅游流研究始于20世纪60年代,作为旅游学与地理学的交叉领域,一直以来都是旅游地理学研究的核心内容。旅游流概念有广义和狭义之分,本文主要关注狭义旅游流,即旅游客流[11]。早期旅游流研究以定性分析为主,随着研究内容和对象的不断深化,定量方法逐渐成为主流,其中计量统计方法作为量化分析旅游流相关内容和特质的基本手段得到广泛应用,如利用位序—规模法研究旅游流的齐夫结构及空间差异[12];利用时间序列模型对旅游流进行预测和模拟[13,14]。自地理****将空间要素引入到旅游现象的研究中,旅游流流动所产生的空间效应就成为旅游流研究的重要组成部分[15,16],相关****运用探索性空间数据分析（Exploratory Spatial Data Analysis, ESDA）、验证性空间数据分析（Confirmatory Spatial Data Analysis, CSDA）和地理加权回归模型等对旅游流是否存在空间溢出效应、存在怎样的空间溢出效应以及空间溢出的影响因素进行了分析,研究结果均表明相邻地区旅游流的空间溢出效应显著且有日益增强的趋势[16,17,18]。由于旅游业的综合性和脆弱性,旅游流易受到社会和自然因素的干扰而产生较大波动[17, 19-22]。当前,****们从旅游安全和气候变化角度出发,较多关注了金融危机、自然灾害和极端气候事件（如雪灾）等对游客旅游目的地选择和旅游目的地形象的影响[10, 22-23]。但关于雾霾污染,这一严重影响旅游安全的危机事件[24,25],学界并没有给予足够的重视,已有研究也还只是停留在旅游主体的雾霾风险感知及旅游决策层面,并一致认为雾霾对游客的健康具有潜在风险,已且成为影响旅游者决策过程的关键负面因素[23,24,25,26,27]。
雾霾的主要构成是二氧化硫、氮氧化物和可吸入颗粒物（粉尘）,其中可吸入颗粒物是加重雾霾天气污染的元凶[28]。PM2.5由于颗粒直径较小,且易吸附有毒有害物质而对人体健康的危害最大,容易诱发肺癌、心血管疾病及其他呼吸道疾病[29,30,31],受到人们更为广泛的关注。此外,雾霾污染并非单纯的局部环境问题,在很大程度上会通过大气环流等自然因素扩散或转移到邻近地区,其中PM2.5更易远距离传输并长期停留在大气中,对本地及邻近地区造成影响[32]。空间上任何地理要素都具有空间相关性和空间异质性[5],雾霾和旅游流也不例外,两者在空间上都会发生转移、扩散,并对本地及异地产生影响,即产生空间效应[17-18, 33]。综上所述,虽然****们从不同角度关注了空气污染（PM2.5、CO等）对居民和旅游者的影响,也用不同方法研究了旅游流的空间效应及其影响因素,但仍有以下不足：① 空气污染对居民出行影响的研究多属于微观环境尺度,大尺度研究缺乏,尤其针对旅游者这类比污染地居民健康风险感知能力更高的特殊群体研究更少;② 囿于雾霾（PM2.5）等相关数据的可获得性及精度问题,雾霾与旅游流空间关系的量化研究相对不足,两者的空间关联及空间交互作用有待深化;③ 学界当前尚未重视市域尺度下雾霾对旅游流影响的空间溢出效应,亦缺乏旅游流与雾霾等影响因素自身可能存在溢出效应或作用强度差异的探讨。因此,本文以中国342个市域单元为对象,借助双变量LISA（Local Indications of Spatial Association）模型、空间面板杜宾模型（Spatial Panel Dubin Model, SPDM）,从空间关联角度实证研究雾霾污染的罪魁祸首——PM2.5对旅游流（国内和入境旅游流）的直接效应和空间溢出效应,以期在一定程度上弥补雾霾对旅游流影响的研究不足,并为旅游业如何应对雾霾天气,有效开展旅游流的空间导控和促进区域旅游协同与合作发展提供理论指导。

2 研究方法与数据来源

2.1 双变量LISA模型

空间上任何地理要素都具有相关性,且距离越近,空间相关性越大[5]。空间自相关又可以分为全局空间自相关和局部空间自相关。通常,空间自相关所描述的地理要素只有一个变量,而基于双变量的空间自相关在描述两个地理要素的空间关联和依赖特征上具有较高适用性和有效性[34]。本文在利用单变量全局空间自相关判断PM2.5和旅游流各自的空间分布特性的基础上,利用双变量全局空间自相关（Bivariate Moran′s I）探索两者的空间关联特征,其表达式[34]为：
I=∑i=1n∑j=1nwij(xi-x?)(yj-y?)/s2∑i=1n∑j=1nwij（1）
式中：xi、yj为区域i、j的不同地理属性观测值;n为样本数量;s2为样本方差;wij为基于邻近标准构建的空间权重矩阵;I为双变量全局空间自相关系数,表示区域i的自变量和区域j的因变量的总体空间分布相关性。
双变量局部空间自相关（Bivariate Local Moran′s I）的表达式[25]为：
Ii=zi∑j=1nwijzj（2）
式中：zi和zj是区域i、j观测值的方差标准化值;Ii为区域i的自变量与区域j的因变量之间的局部关联性,可以分为H-H（High-High）、L-L（Low-Low）、H-L（High-Low）和L-H（Low-High）4种集聚类型。H-H型集聚表示区域i的自变量值与区域j的因变量值都较高,L-L型集聚表示区域i的自变量值与区域j的因变量值都较低,H-L型集聚表示区域i的自变量值较高,而其邻近区域j的因变量值较低,L-H型集聚表示区域i的自变量值较低,而其邻近区域j的因变量值较高。H-H和L-L型集聚说明区域i的自变量值和区域j的因变量呈正相关关系,而H-L和L-H型集聚说明区域i的自变量值和区域j的因变量呈负相关关系,其显著性则表示这种正向或负向的空间关联关系是否明显。

2.2 空间面板杜宾模型

SPDM是考察地理事物空间关联性的主要模型,它同时包含自变量和因变量的空间依赖效应,是相较于空间面板误差模型（Spatial Panel Lag Model, SPLM）和空间面板滞后模型（Spatial Panel Error Model, SPEM）更为一般的形式[35]。本文用其来揭示雾霾等自变量和因变量旅游流的空间依赖效应,并在此基础上分析自变量对因变量的直接效应和空间溢出效应。SPDM的基本形式[35,36]为：
Yit=βXit+ρ∑j=1NWijYjt+φ∑j=1NWijXjt+μi+νt+εit（3）
式中：Yit、Xit为第t年区域i、j的因变量和自变量的观测值;Wij为空间权重矩阵;β为自变量的待估参数向量;ρ为因变量的空间滞后系数;φ为自变量的空间回归系数;μi、νt分别代表空间效应和时间效应;εit为服从独立同分布的随机误差项。当φ = 0、ρ ≠ 0时,公式（3）为SPLM模型;当φ+ρβ = 0时,公式（3）为SPEM模型。
模型的回归系数并不是真实的偏回归系数,需要利用偏微分形式对模型中的直接效应和间接效应进行分解,具体分解公式及相关变量解释详见LeSage等[36]、王坤等[37]的研究。需要指出的是,分解得到的直接效应表示本地区自变量对因变量的影响,间接效应表示邻近地区自变量对本地区因变量的影响,即空间溢出效应,直接效应和间接效应之和为总效应[37]。

2.3 变量选取与数据来源

根据前述理论分析,旅游流不仅受雾霾等因素影响,还受资源禀赋、基础设施等多种因素的影响[19,20,21],由于本文主要探讨雾霾对旅游流影响的空间效应,所以,本文将旅游流作为因变量,将雾霾PM2.5浓度作为核心自变量,同时考虑影响城市旅游流的诸如城市经济、交通、资源和制度等因素,将其作为控制变量引入模型。各变量具体如下：
因变量：旅游流（TF）。本文研究的是旅游者从始发地至目的地所产生的总的旅游客流,由国内旅游流（DTF）和入境旅游流（ITF）加总得到,两者分别用国内和入境旅游人次表征。为进一步探索雾霾对旅游流影响的内部差异,本文进行了国内和入境旅游流的对比研究。
核心自变量：雾霾PM2.5浓度（Pm）。本文所采用的1998-2012年PM2.5源数据来自哥伦比亚大学社会经济数据和应用中心公布的全球PM2.5栅格数据[38],利用ArcGIS将其解析为中国市域年均PM2.5浓度具体值。由于该机构公布的PM2.5数据为3年滑动平均值,所以,本文将其他变量也做了3年滑动平均处理。已有研究表明,利用该PM2.5数据源反映中国地区雾霾污染及其变化具有准确性和适用性[33]。2013-2016年PM2.5源数据为中国城市空气质量实时发布平台发布的实时小时数据,监测点年均数据根据获取的小时数据求平均值得到,其中污染物数值为0（异常）的数据不参与求平均。由于中国环境监测点分布尚不均匀,因此利用监测点数据,采用插值法得到的区域内PM2.5年均浓度值未免会在西部监测点较少的地区产生误差。根据已有研究,运用克里金插值法（Ordinary Kriging Method, OKM）对中国城市监测点的PM2.5数据进行插值具有相对更高的精度[39],且能够更加科学地反映中国PM2.5的空间分布格局[1, 40]。因此,本文基于2013-2016年各监测点年均PM2.5浓度数据,采用OKM插值法将其处理为栅格数据,并结合交叉验证法对插值效果进行验证,OKM精度均在85%以上,这与潘竟虎等[41]的研究一致,之后运用ArcGIS将插值得到的栅格数据矢量化。在做数据的3年滑动平均处理时,根据哥伦比亚大学社会经济数据和应用中心公布的全球PM2.5源数据中2009年和2010年的数据计算得到2011年和2012年数据,之后再结合2013-2016年PM2.5源数据计算2011-2013年、2012-2014年等时段的3年滑动平均PM2.5浓度值。由于前后两类数据统计口径不同,因此对2010-2012年、2011-2013年和2012-2014年3个时段的市域PM2.5数据分别进行双变量相关性检验,并对1998-2016年PM2.5数据进行ADF单位根检验。检验结果显示：3个时段数据均符合正态分布,两两Person相关系数高于0.908,在0.01水平上显著,时间序列PM2.5数据经一阶差分后通过0.01的显著性水平检验,属一阶单整序列,说明前后两类数据之间具有时间和空间上的连续性、平稳性和显著相关性,预测和解释能力较好,可以结合起来使用。
控制变量：① 经济发展水平（Pgdp）。经济发展水平决定旅游规模的大小,从旅游投入和旅游需求两个方面影响旅游流,选取城市人均GDP来表征,由1998年为基年经过测算GDP平减指数调整后得到[20, 42];② 旅游资源禀赋（Res）。地区旅游资源是旅游者目的地选择的重要参考因素,选取各市3A级以上旅游景区（点）数量,依据相关标准中对应分值加总求和得到该要素值[21];③ 旅游基础设施（Inf）。旅游基础设施良好的区域能更好地满足游客的需求,增强旅游者体验质量,其中住宿设施是衡量旅游基础设施水平的重要指标,选取城市星级饭店数量,依据相关标准中的对应分值加总求和得到其要素值[19, 21, 43];④ 对外联系度（FDI）。对外联系度越高,知名度越高。FDI是反映地区经济对外开放水平的重要指标,所以选取实际利用外商直接投资额来表征对外联系度[21, 42, 44];⑤ 交通发展水平（Tra）。交通发展水平影响地区对旅游者的吸引力及可进入性,虽然铁路、公路和内河航道等现状交通都是衡量交通发展水平的重要指标,但公路具有一定的普适性和积极意义,所以本文用公路网络密度来表征交通发展水平[18, 43, 45];⑥ 市场规模（Den）。该指标用人口密度进行表征,以说明本地市场效应对旅游流的影响[19, 45]。此外,由于旅游业是一个相对敏感的产业,容易受到特殊事件（如自然灾害、经济危机和事故灾难等）等外部因素的影响,导致旅游流显著下滑[10, 25],但由于该部分统计数据缺失严重,故本文未将其纳入研究范围。
为降低异方差及减少变量波动,在进行模型分析前,对文中所涉变量统一进行对数化处理。本文所用数据主要来源于1998-2016年的《中国城市统计年鉴》《中国区域经济统计年鉴》、各省与地级市统计年鉴及旅游局官方网站等。研究范围为中国大陆342个市域行政单元,考虑到数据的连续性及与当前宏观政策的衔接性,按2016年最新市域单元划分情况对部分市域数据进行归并处理。中国港澳门台地区和三沙市由于统计口径与数据可获得性等原因未包含在本文研究范围内;将海南省除三亚以外的县市及其相应数据归并到海口市;巢湖市由于2011年行政区划调整,将其并入合肥、马鞍山和芜湖3市,本文将其2011年以前的数据加总到合肥市上;北京、天津、上海和重庆4个直辖市统一按一个城市计算。部分地级市出现不同年份数据缺失的情况,采用插值的方式进行补充完善,以达到研究处理要求。

3 雾霾与旅游流的空间相关性检验

3.1 雾霾与旅游流的空间分布特征

基于1998-2016年的中国城市雾霾PM2.5浓度与对数化后的旅游人次（包括国内和入境旅游人次）表征的旅游流数据,选取1998-2000年、2006-2008年和2014-2016年3个时段进行空间可视化得到图1和图2。根据世界卫生组织规定,PM2.5年均浓度超过10 μg/m3就会对人体造成危害,上述3个时段中国分别有304个、326个和341个城市超过此数值,2014-2016年只有大兴安岭地区年均PM2.5浓度低于该值,为4.54 μg/m3。按照中国《环境空气质量标准》的二类区年均限值35 μg/m3来看,3个时段分别有137个、200个和279个城市高于该值。
显示原图|下载原图ZIP|生成PPT
图1中国雾霾PM2.5污染和旅游流的空间聚类
-->Fig. 1Spatial clustering of haze pollution (PM2.5) and tourism flows
-->

显示原图|下载原图ZIP|生成PPT
图2雾霾PM2.5污染与国内和入境旅游流的空间聚类
-->Fig. 2Spatial clustering of haze pollution (PM2.5) and domestic tourism flows and inbound tourism flows
-->

雾霾PM2.5在中国的分布具有东高西低的特点,其变化与地形、区域城市发展等具有明显的空间耦合性。具体来看,1998-2016年雾霾的分布特征与中国人口分布密度特征曲线（胡焕庸线）所划分出的中国人口分布特点类似（这与杨昆等[5]的研究一致）,雾霾在胡焕庸线以东区域集聚严重,分别在华北的北京、天津、河北,华中的河南、湖南,华东的山东等省市形成了PM2.5的高浓度集聚区,并以这些区域为中心向四周大范围扩散;雾霾分布还与中国的地形特征具有高度相关性,分别在塔里木盆地、四川盆地、渭河（关中）平原至汾河平原、华北平原及长江中下游平原形成了雾霾的高度聚集区,这与盆地和平原地区地势低洼,容易形成雾霾沉积有关[1, 28, 46-48],雾霾污染以华北平原为中心,向北已经进入了东北平原,向西也越过了太行山脉,并有翻越秦岭与四川盆地交汇的趋势;部分省会城市（如北京、天津、郑州、石家庄、西安、济南、成都等）雾霾污染严重,且具有时间稳定性,形成了以这些城市为中心向周边等级扩张的态势,这与这些省会城市的人均汽车保有量及第二产业发展等[4]高度相关,受资源环境承载力的限制,这些地区的环境污染问题日益突出。
中国城市旅游流的空间分布也具有东高西低的特点,“群状”集聚现象显著,国内旅游流与入境旅游流的空间分布存在较大差异,但都具有一定的规律性。具体来说,研究期内中国城市旅游流在胡焕庸线东西两侧等级分布明显,且具有相对稳定性,胡焕庸线以东的旅游流增长迅速,表现出显著的区域带动效应,胡焕庸线以西一直是中国旅游业发展相对滞后的区域,但旅游流有从东南向西北扩张的趋势,相信随着西部大开发战略的推进及“一带一路”倡议的践行,中西部的旅游业将迎来前所未有的发展。旅游流空间分布呈现出以城市群（如京津冀城市群、关中城市群、成渝城市群和长三角城市群等）中心城市为核心,向周边城市等级扩张的“核心—边缘”扩散的演化特征,空间上呈“群状”集聚并有网络状填充式发展态势。国内旅游流与入境旅游流的空间分布差异明显,其中国内旅游流的空间分布及演化与城市总体旅游流类似,这与中国人口基数大,国内旅游人次占比较高有关。入境旅游流空间分布的中心城市效应明显,入境口岸城市及知名国际旅游目的地城市（如大连、厦门、丽江、桂林、洛阳和黄山等）的入境旅游人次相对较高,入境旅游流空间集聚效应比较明显。

3.2 雾霾与旅游流的全局空间关联

通过计算1998-2016年中国342个市域单元的雾霾PM2.5和旅游流（包括国内和入境旅游流）的单变量Moran′s I值及其显著性,探索雾霾和旅游流空间分布的集聚特征。之后借助探索性空间数据分析软件OpenGeoda中的多变量LISA模块来计算雾霾与旅游流的双变量Moran′s I值及其显著性,探索它们之间的空间关联特征。具体结果如表1所示。
Tab. 1
表1
表1雾霾PM2.5污染和旅游流的单变量和双变量Moran′s I统计值
Tab. 1Univariate and bivariate Moran′s I values of haze pollution (PM2.5) and tourism flows
年份单变量Moran′s I双变量Moran′s I
PmTFDTFITFPm与TFPm与DTFPm与ITF
1998-20000.7411***0.1539***0.1570***0.1708***0.2100***0.2266***-0.1103***
1999-20010.8192***0.1507***0.1541***0.2623***0.2096***0.2285***-0.1536***
2000-20020.8408***0.1474***0.1512***0.2654***0.2299***0.2468***-0.1482***
2001-20030.8373***0.1533***0.1551***0.2771***0.2673***0.2805***-0.1242***
2002-20040.8149***0.1592***0.1614***0.2118***0.3002***0.3096**-0.0661**
2003-20050.8082***0.1641***0.1702***0.2200***0.3241***0.3354***-0.0264
2004-20060.7910***0.1715***0.1828***0.2163***0.3216***0.3392***-0.0045
2005-20070.8211***0.1746***0.1820***0.2120***0.3236***0.3353***0.0248
2006-20080.8267***0.1769***0.1838***0.2220***0.3273***0.3372***0.0603***
2007-20090.8333***0.1740***0.1790***0.2324***0.3425***0.3369***0.1106***
2008-20100.8106***0.1775***0.1826***0.2699***0.3356***0.3316***0.2591***
2009-20110.8036***0.1805***0.1871***0.2800***0.3333***0.3281***0.1035***
2010-20120.8001***0.1852***0.1921***0.2777***0.3254***0.3269***0.1031***
2011-20130.8242***0.1856***0.1931***0.2737***0.3108***0.3123***0.0807***
2012-20140.8284***0.1837***0.1895***0.2660***0.2655***0.2684***0.0637**
2013-20150.8656***0.1789***0.1856***0.2487***0.2334***0.2384***0.0038
2014-20160.8427***0.1769***0.1840***0.2400***0.1845***0.1909***-0.0254

注：***和**分别表示统计值在0.01和0.05水平上显著。
新窗口打开
雾霾和中国城市旅游流总体上呈较强的空间集聚特征,且空间依赖程度逐年增强。近20年来,雾霾的单变量Moran′s I值在0.74~0.87之间波动上升,且都通过了0.01的显著性检验,说明中国PM2.5年均浓度较高的市域在空间上趋于邻近,低浓度市域空间上亦相邻,雾霾的空间依赖性在加强;研究期内,城市旅游流的Moran′s I值也均为正,呈波浪形上升态势,且都在0.01的水平上显著,说明城市旅游流存在显著的空间自相关,且空间依赖和集聚强度在不断增强;国内旅游流的空间集聚特征与总体类似,Moran′s I值在0.15~0.20间波动上升,集聚程度不断增强,入境旅游流的Moran′s I值也均为正,高于国内旅游流,分别在2001-2003年和2009-2011年达到峰值,之后逐年下滑,这与入境旅游市场的脆弱性有关,2003年SARS危机和2012年后中国多地区频发的雾霾天气对入境旅游影响较大[10]。
雾霾与旅游流、国内和入境旅游流的分布存在一定的空间关联性,但不同年份关联程度存在显著差异,均呈倒“U”型变化特征。1998-2016年雾霾与中国城市旅游流、国内旅游流空间分布的双变量Moran′s I值均为正,分别在0.18~0.35和0.19~0.34间波动,呈倒“U”型变化特征,各在2007-2009年和2004-2006年达到峰值,且均在0.05的水平上显著,表明雾霾与旅游流、国内旅游流的空间关联特征明显,历年关联程度不同;雾霾与入境旅游流的双变量Moran′s I值在-0.16~0.26之间,2007年以前雾霾与入境旅游流呈空间负相关,相关程度不断减弱,2007-2015年呈空间正相关,空间相关性先增强后减弱,2014-2016年又呈空间负相关。从显著性来看,2003-2007年和2013-2016年的Moran′s I值未通过显著性检验,说明雾霾与入境旅游流在这两个时间段内存在相关性,但不显著。究其原因,部分地区入境游客损失量不仅与雾霾污染程度有关,还和其本底值大小有关[10],特别是近些年,入境旅游者需求的多样化推动了中国各地旅游资源比较优势的发挥,入境客流呈现出向中西部和边境城市转移趋势[18],而雾霾多集聚于中国中东部,从而导致两者整体空间关联程度的下降。

3.3 雾霾与旅游流的局部空间关联

双变量全局空间自相关只能解释地理变量间的总体关联特征及其变化,并不能揭示局部地理变量间的关联性演变,为进一步探索雾霾PM2.5与旅游流的局部空间关联特征,运用OpenGeoda对其进行双变量局部空间自相关检验,选取1998-2000年、2006-2008年、2014-2016年3个时段对检验结果的LISA聚类图进行空间可视化（图3）。
显示原图|下载原图ZIP|生成PPT
图3雾霾PM2.5污染与旅游流的双变量LISA聚类
-->Fig. 3Bivariate LISA clustering of haze pollution (PM2.5) and tourism flows
-->

研究期内,雾霾对旅游流带来的负向影响在不断扩大,雾霾与旅游流、国内旅游流集聚的H-L型城市数量的增加、L-H型集聚区的片状扩张和华北、华中地区的L-H型集聚的“空心化”现象以及雾霾与入境旅游流的L-H型、H-L型集聚的主导地位均表明旅游流的低雾霾污染指向性。具体来看,除不显著区域外,研究期内雾霾与旅游流、国内旅游流之间虽然都是呈正相关的城市占主导,但呈负相关的城市数量在不断增加,分别从初期的17个和19个增加到末期的42个和23个（表2）。其中H-H型集聚区（高污染—高旅游流）主要分布于山东大部、北京、南京、嘉兴、湖州和资阳等地,雾霾对这类城市的影响并不足以撼动其在旅游市场中的地位,这些地区核心吸引物的引力作用大于雾霾的阻力作用[25],同时也说明雾霾污染和旅游流均具有较为明显的空间溢出;L-L型集聚区在中国西部地区（西藏、青海等地）具有相对稳定性;L-H型集聚区表现出片状扩张趋势,华北和华中地区出现了L-H型集聚的“空心化”现象,2014-2016年低污染—高旅游流（包括国内旅游流）集聚区数量相较于前期有明显增加,围绕华中、华北和关中地区形成了近似环状的L-H集聚区,分别在川西、贵北、赣北、闽北及浙江分布最为集中,说明旅游者趋于流向雾霾污染较少的城市;H-L型集聚的城市数量有所增加,其分布最为明显的区域是中国西北内陆（库尔勒、和田、喀什等地）,但由于这些区域可进入性较差,旅游市场的低迷不一定只和雾霾污染较重有关。
Tab. 2
表2
表2雾霾PM2.5污染与旅游流的双变量LISA聚类结果数量统计
Tab. 2Statistics of bivariate LISA clustering of haze pollution (PM2.5) and tourism flows
类型年份H-H型集聚L-L型集聚L-H型集聚H-L型集聚
Pm与TF1998-20002819125
2006-20083023152
2014-201630183012
Pm与DTF1998-20003119145
2006-20083623130
2014-20162224167
Pm与ITF1998-2000991717
2006-200815161711
2014-201610181515


新窗口打开
雾霾与中国城市入境旅游流集聚主要以L-H和H-L型为主,雾霾对入境旅游的负面影响波及范围最广。研究期内,1998-2000年、2006-2008年和2014-2016年雾霾与入境旅游流的L-H型和H-L型城市总量分别为34个、28个和30个,占显著区的一半以上。其中L-H型集聚区主要分布于珠三角地区,浙北原来多为H-H型城市,后逐渐转化为L-H型集聚,说明这一地区雾霾得到了有效治理,入境旅游市场受到的影响较小;H-L型集聚区主要位于成渝都市圈南部,豫东、徽北逐渐从H-L型集聚变为不显著,H-L型集聚区有向西南方向迁移的趋势,说明这些地区的入境旅游市场受到雾霾污染的影响较为严重,入境旅游人次显著下滑。

4 雾霾对旅游流影响的空间计量检验

4.1 估计模型识别

模型识别之前,对旅游流（包括国内和入境旅游流）与雾霾等变量数据时间序列上的因果关系进行检验,发现各变量与旅游流之间至少存在单向因果关系,各变量对旅游流的Granger原因都至少通过了0.10的显著性检验（限于篇幅,检验结果未予报告）。由于雾霾与旅游流（包括国内和入境旅游流）的空间相关性检验表明它们之间具有明显的空间关联,因此在研究雾霾对旅游流的影响时不可忽视地理空间要素。空间面板计量模型的运用恰好能解决这一问题,但在进行模型估计之前,首先需要结合拉格朗日乘数（LM）与稳健拉格朗日乘数（Robust LM）进行检验（表3）,判断空间关联性的存在形式（以误差项还是以滞后项存在）,即SPEM还是SPLM更为合适,其次,需要通过瓦尔德（Walds）和似然比（LR）来判断SPDM是否可以简化为SPEM和SPLM[35,36,37]。
Tab. 3
表3
表3空间面板计量模型的检验结果
Tab. 3The results of spatial panel econometrics model
检验方法统计值概率检验方法统计量概率
LM-spatial lag241.69700.0000Wald-spatial lag266.67420.0000
Robust LM-spatial lag16.92350.0000LR-spatial lag278.93650.0000
LM-spatial error298.95920.0000Wald-spatial error421.09180.0000
Robust LM-spatial error74.18580.1220LR-spatial error410.11960.0000


新窗口打开
从表3可以看出,在地理距离空间权重矩阵设定下,SPLM的LM、Robust LM和SPEM的LM统计量均在0.01水平上显著,但SPEM的Robust LM未通过显著性检验,说明雾霾对旅游流的影响模型SPLM优于SPEM,同时也说明雾霾对旅游流的影响存在空间依赖性。通过建立SPDM,进一步结合Walds和LR检验进行模型的最优比选,SPDM简化为SPLM或SPEM的Walds和LR统计量均通过了0.01的显著性检验,即拒绝原可以简化的假设,表明雾霾对旅游流影响的SPDM不可简化为SPLM或SPEM。最后,由Hausman统计值为96.783（P = 0.000）,且本文所研究的空间截面为全样本范围,可以确定面板模型选择固定效应最为合适[4, 33]。由于旅游流和雾霾的空间分布均具有时间上的连续性,本文选择空间面板计量模型的无固定效应和空间固定效应进行分析,忽略对于时间非观测效应的控制。

4.2 估计结果分析

根据模型识别结果,选择无固定效应和空间固定效应的SPDM进行参数估计,并结合非空间面板模型（OLS）的个体固定效应进行对比研究（表4）。从SPDM的无固定效应和空间固定效应检验结果来看,空间固定效应的对数似然值（Log L)和调整的拟合优度系数（Adj.R2）均大于无固定效应,说明空间固定效应的SPDM是本研究的最优模型。为了进一步分析雾霾对旅游流影响的内部差异,从国内旅游流和入境旅游流两个方面出发,运用相同的方法进行估计模型的识别与检验,结果表明空间固定效应的SPDM仍为解释雾霾对国内和入境旅游流影响的最优模型（受篇幅所限,估计结果未予报告）,相关估计系数如表5所示。
Tab. 4
表4
表4旅游流的非空间面板个体固定效应和空间面板杜宾模型估计结果
Tab. 4Regression results of TF based on panel model and SPDM with fixed effects
变量个体固
定效应		空间面板杜宾模型变量空间面板杜宾模型
无固定效应空间固定效应无固定效应空间固定效应
lnPm0.1882***
(7.8634)		0.1656***
(7.46)		0.1823***
(7.80)		W×lnPm0.0134*
(0.20)		-0.0313*
(-0.45)
lnPgdp0.9976***
(56.0175)		0.8694***
(44.11)		0.9300***
(45.93)		W×lnPgdp-0.1968***
(-4.53)		-0.2665***
(-5.28)
lnDen0.0398
(0.7848)		0.1169***
(3.73)		-0.0345
(-0.70)		W×lnDen0.2435***
(4.89)		0.6403***
(3.70)
lnFDI0.0264***
(3.4618)		0.0262***
(3.44)		0.0144*
(1.86)		W×lnFDI0.0061
(0.34)		0.0312*
(1.66)
lnRes0.0426***
(10.5688)		0.0482***
(11.87)		0.0436***
(10.63)		W×lnRes-0.0227
(-2.36)		-0.0205**
(-1.99)
lnTra0.0931***
(4.8390)		0.1213***
(6.10)		0.1065***
(5.25)		W×lnTra-0.2432***
(-5.55)		-0.2347***
(-5.21)
lnInf0.0107***
(0.8622)		0.0173
(1.30)		-0.0175
(-1.31)		W×lnInf0.0760***
(2.75)		0.1113***
(3.94)
Adj.R20.93320.61920.9507ρ0.3810***0.3766***
Log L-2563.2010-3317.8073-2406.0722(16.27)(14.56)

注：***、**和*分别表示在0.01、0.05和0.10水平下显著;括号内数字是系数估计的t统计量。
新窗口打开
Tab.5
表5
表5国内与入境旅游流的非空间面板个体固定效应和空间面板杜宾模型估计结果
Tab.5Regression results of DTF and ITF based on panel model and SPDM with fixed effects
变量个体固定效应SPDM空间固定效应变量SPDM空间固定效应
DTFITFDTFITFDTFITF
lnPm0.1937***
(8.0014)		-0.0747*
(-1.4314)		0.1825***
(7.75)		-0.0734*
(8.0014)		W×lnPm-0.0557*
(-0.79)		0.1057*
(0.71)
lnPgdp1.0083***
(55.9759)		0.6369***
(16.3964)		0.9640***
(47.22)		0.5704***
(13.29)		W×lnPgdp-0.3558***
(-7.07)		-0.3417***
(-3.74)
lnDen0.1277**
(2.4907)		-0.3867***
(-3.4963)		0.0445
(0.89)		-0.4047**
(-3.88)		W×lnDen0.6350**
(3.63)		0.2612
(0.71)
lnFDI0.0282***
(3.6613)		0.1742***
(10.4835)		0.0199**
(2.54)		0.1319***
(8.01)		W×lnFDI0.0169
(0.89)		0.0651
(1.63)
lnRes0.0440***
(10.8009)		0.0078
(0.8910)		0.0424***
(10.24)		0.0164*
(1.89)		W×lnRes-0.0119
(-1.15)		-0.0240
(-1.11)
lnTra0.0661***
(3.3934)		0.1470***
(3.5012)		0.0765***
(3.74)		0.1096**
(2.55)		W×lnTra-0.2160***
(-4.76)		-0.1040
(-1.09)
lnInf0.0336***
(2.6761)		0.0098***
(0.7175)		-0.0070
(-0.52)		0.0104
(0.37)		W×lnInf0.1361***
(4.78)		0.0089
(0.15)
Adj.R20.93280.86970.96490.8890ρ0.4109***0.5387***
Log L-2629.9890-7097.2490-2460.2492-6563.8788(16.13)(24.29)

注：***、**和*分别表示在0.01、0.05和0.10水平下显著;括号内数字是系数估计的t统计量。
新窗口打开
中国多数地市的雾霾污染短期内难以根治,经典的环境库兹涅茨曲线（Environmental Kuznets Curve, EKC）假说对中国旅游业表现出适用性。对于中国这样一个发展中国家,旅游流作为经济现象的一个重要表征,忽视环境库兹涅茨曲线（EKC）的环境污染与经济增长的倒“U”型关系是不现实的。从非空间面板模型的个体固定效应和考虑空间因素的SPDM空间固定效应的估计系数分别为0.1882和0.1823可知,中国各地市旅游流在雾霾污染的影响下仍将继续增长,经典的EKC假说所指出的污染与增长的“脱钩”阶段何时到来尚不明朗;个体固定效应模型由于忽视了因变量和自变量的空间溢出效应而高估了雾霾对旅游流的影响。ρ = 0.3766,且在1%水平上显著,也证实区域旅游流的增长存在显著的空间溢出效应。
国内旅游流表现出上升的态势,符合EKC假说,入境旅游流下降明显,两者均具有显著的空间溢出。从雾霾对国内和入境旅游流的影响系数分别为0.1825和-0.0734可知,雾霾对国内旅游流的影响与整体类似,再次验证EKC假说;雾霾对城市旅游流的负向影响主要存在于入境旅游方面,当前影响通过了10%的显著性检验,这与阎友兵[10]、唐承财[27]等****的研究一致;国际旅游者由于长期居住在优质的环境下,对雾霾更为敏感,加之他们多是长距离出游,距离成本并不是影响其目的地选择的核心要素,他们可以优先考虑旅游资源禀赋较高且雾霾较少的地方,导致中国部分城市入境旅游客流下降;国内旅游者由于长期居住在雾霾高污染环境下,对雾霾的敏感度相对较低,加之他们的出游时间更为自由,可以有效规避雾霾重污染期,所以国内旅游流整体上仍表现出上升态势;从ρ = 0.4109和ρ = 0.5387,且均在1%水平上显著可知,国内和入境旅游流同样存在明显的空间溢出效应,且在雾霾频发的大环境下,邻近地区旅游产业的发展存在明显的带动效应和示范效应。

4.3 空间效应分解

为进一步考察雾霾污染对中国城市旅游流（包括国内和入境旅游流）影响的边际效应,将空间效应进行分解,通过直接效应（包含空间反馈效应）和间接效应来揭示核心自变量和各控制变量对本地及邻近地区旅游市场的影响（表6）。
Tab. 6
表6
表6各因素对旅游流影响的SPDM空间固定效应分解结果
Tab. 6Decomposed spatial effects of SPDM with spatial fixed effects
效应lnPmlnPgdplnDenlnFDIlnReslnTralnInf
直接效应TF0.1840***
(7.80)		0.9338***
(47.22)		-0.0060
(-0.12)		0.0161**
(2.10)		0.0434***
(10.68)		0.0977***
(4.88)		-0.0128
(-0.97)
DTF0.1834***
(7.68)		0.9660***
(48.49)		0.0774
(1.53)		0.0212**
(2.73)		0.0427***
(10.38)		0.0672***
(3.33)		-0.0003
(-0.02)
ITF-0.0687*
(-1.34)		0.5679***
(13.55)		-0.4016***
(-3.69)		0.1418***
(8.63)		0.0153*
(1.76)		0.1063**
(2.49)		0.0114
(0.41)

溢出效应		TF0.0309
(0.54)		0.0694**
(2.13)		0.5197***
(3.65)		0.0303**
(2.03)		-0.0033
(-0.41)		-0.1612***
(-4.50)		0.0867***
(3.92)
DTF0.0166
(0.28)		0.0348
(1.02)		0.5641***
(3.77)		0.0217
(1.38)		0.0047
(0.55)		-0.1594***
(-4.25)		0.1151***
(4.95)
ITF0.0684*
(0.45)		-0.0356
(-0.42)		0.0447
(0.12)		0.1409***
(3.58)		-0.0156
(-0.73)		-0.0465
(-0.50)		0.0150
(0.26)
总效应TF0.2149***
(3.30)		1.0032**
(29.47)		0.5137***
(3.26)		0.0464***
(2.84)		0.0401***
(4.43)		-0.0635
(-1.60)		0.0739***
(3.10)
DTF0.2001***
(2.92)		1.0009***
(27.94)		0.6415***
(3.86)		0.0428**
(2.49)		0.0474***
(4.98)		-0.0922**
(-2.21)		0.1148***
(4.57)
ITF-0.0002*
(-0.00)		0.5323***
(5.89)		-0.3569
(-0.85)		0.2826***
(6.48)		-0.0003
(-0.01)		0.0598
(0.57)		0.0264
(0.42)

注：***、**和*分别表示在0.01、0.05和0.10水平下显著;括号内数字是系数估计的t统计量。
新窗口打开
雾霾污染对旅游流和国内旅游流存在正的空间直接效应,对入境旅游流存在负的空间直接效应和正的空间溢出效应。由表6可知,雾霾污染对中国城市旅游流和国内旅游流的直接效应分别为0.1840和0.1834,均通过了1%的显著性水平检验,表明本地区雾霾污染每加重1%,在现有经济增速和旺盛的国内旅游需求拉动下,本地旅游人次和国内旅游人次仍会继续增长0.1840%和0.1834%,符合EKC假说,间接效应分别为0.1236和0.1388,均未通过显著性检验;雾霾污染对中国城市入境旅游流的直接效应和间接效应分别为-0.0687和0.0684,通过10%的显著性水平检验,说明本地区雾霾污染每加重1%,会造成本地入境旅游市场0.0687%的下滑和邻近入境市场0.0684%的增长,入境旅游流存在空间“泄露”现象。由于雾霾污染容易出现空间集聚且具有明显的溢出效应,本地区的雾霾污染与本地及邻近旅游市场（特别是入境旅游市场）有着密切联系,所以雾霾污染的治理必须采取区域联防联控的策略,否则将使“单边”的治霾努力徒劳无功。
在雾霾对旅游流影响的空间计量模型中,各控制变量对城市旅游流都表现出或多或少的影响。其中,经济发展水平仍然是促进本地旅游市场（包括国内和入境旅游市场）发展的首要因素,其空间溢出效应显著为正,说明本地经济增长既会带来本地旅游市场的发展,又会给邻接地区带来旅游人次的增加。市场规模对本地入境旅游市场的影响显著为负,对邻近地区旅游市场和国内旅游市场的影响显著为正,说明人口在本地区集聚（甚至过度拥挤）会损害城市的国际旅游形象,进而导致入境旅游人次的显著下滑,但由于国内近距离周边游市场需要旺盛,本地人口集聚对邻近地区旅游市场（主要是国内市场）具有明显的促进作用。对外联系度对本地旅游市场的影响显著为正,对邻近地区入境旅游市场也呈显著正向影响,说明地区经济对外开放水平越高,本地旅游市场及周边旅游市场发展越好。旅游资源禀赋对城市旅游市场具有显著的正向促进作用,且对国内旅游市场促进作用（0.0427）强于入境旅游市场（0.0153）,说明地区旅游资源的开发最能激发国内旅游市场需求,本地旅游资源开发对邻近地区的作用不显著。交通发展水平对本地旅游市场也具有显著的促进作用,但对邻近地区的旅游发展（特别是国内旅游）却存在明显的抑制作用,说明地区交通的改善是吸引旅游流的重要手段,但本地交通可达性的提升会对邻近市场产生屏蔽效应。旅游基础设施的改善对本地旅游市场的影响不显著,对邻近地区旅游市场（特别是国内市场）具有明显的促进作用,空间带动效应明显。

5 结论与讨论

5.1 结论

中国空气质量问题的凸显和旅游者对雾霾与健康认知的加深[23,24,25],对旅游者出游行为及空间流动规律产生了显著影响。本文以中国342个市域为研究对象,综合运用双变量LISA模型、空间面板杜宾模型等方法,探索了雾霾（PM2.5）与中国城市旅游流的空间关联,并在此基础上分析了雾霾对城市旅游流（含国内和入境旅游流）的空间效应,主要结论如下：
（1）雾霾污染与城市旅游流在中国的分布均具有东高西低的特点,并与胡焕庸线的空间格局相吻合[1, 5],在胡焕庸线两侧雾霾与城市旅游流的空间分布规律与中国的地形及区域城市发展密切相关[5, 46]。在研究期内,雾霾污染向南和向西扩散明显,城市旅游流空间分布的“群状”集聚现象显著,表现出以区域中心城市为核心的“核心—边缘”扩散模式。从旅游流的内部差异来看,国内旅游流的空间演化特征与城市总体旅游流类似,入境旅游流空间分布的中心城市效应明显。
（2）1998-2016年间雾霾污染与中国城市旅游流之间呈现出显著的空间自相关,且空间依赖程度呈上升态势。研究期内,全局空间自相关检验表明,雾霾污染与中国城市旅游流、国内和入境旅游流之间存在明显的空间关联性,且空间关联程度均呈倒“U”型变化特征,各双变量之间的空间依赖性存在显著差异,雾霾污染对旅游流产生明显的影响并形成相应的空间效应。局部空间自相关检验结果表明,雾霾对旅游流带来的负向影响不断扩大,并已经成为入境旅游的主要障碍[10, 25, 27],这一现象连同雾霾与旅游流、国内旅游流集聚的H-L型城市数量的增加、L-H型集聚区的片状扩张和华北、华中地区的L-H型集聚的“空心化”现象,均说明了旅游流的低雾霾指向性。
（3）随着中国经济社会的发展和人民旅游需求的持续旺盛,尽管在未来一段时间内雾霾污染难以明显缓解,但旅游流仍将继续增长,这在一定程度上验证了经典的EKC假说在中国城市旅游发展中的适用性。由于旅游者的雾霾感知及出游能力存在差异,雾霾污染的显著负向影响主要存在于入境旅游方面。雾霾污染存在明显的空间溢出效应,本地区雾霾污染的加剧会推动邻近地区旅游流“量”的增长,其中入境旅游增长最为明显。雾霾已成为影响旅游发展的重要因素,但并不是单一因素,应把经济发展、对外联系、旅游开发、生态保护和交通建设等因素同雾霾治理结合起来进行综合治理,才能为旅游发展创造美好的环境,实现国际、国内旅游健康、协调、可持续的高质量发展。

5.2 讨论

在中国环境问题日益凸显,旅游产业地位不断提升的大背景下,研究雾霾与城市旅游流（国内和入境旅游流）的空间关联,探索其对旅游流影响的空间分布,并在此基础上开展雾霾对旅游流影响的空间效应分析,对揭示雾霾分布的空间特征,采取积极的雾霾防治与旅游发展应对措施,有效开展旅游流的空间导控和促进区域旅游协同与合作发展,具有十分重要的理论意义和应用价值。由于城市旅游流受到诸多因素的综合影响,当前控制变量的选取也还没有统一的标准可以遵循,加之基于研究数据的可获取性有限等现实困境的存在,本研究还存在较多不足,如未考虑特殊事件的影响,也没有基于更为精细化的时间序列数据进行精度更高的分析,更没有结合与旅游者自身因素有关的大数据或问卷调查与访谈数据[49]进行雾霾污染对城市旅游流影响的更深层次的探讨。后续研究中,将进一步弥补这几个方面的不足,构建更加全面的控制指标体系,获取单一年份、月、周、日等更为精细化的数据,借助微博签到、网络文本挖掘和问卷访谈等技术和方法,选择雾霾污染更具代表性的区域或城市（如京津冀、北京或西安等）,从不同时间和空间尺度（景区）,更加深入、全面的探索雾霾污染对游客量及旅游产业的影响机制。
The authors have declared that no competing interests exist.

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]Wang Zhenbo, Fang Chuanglin, Xu Guang, et al.Spatial-temporal characteristics of the PM2.5 in China in 2014
. Acta Geographica Sinica, 2015, 70(11): 1720-1734.URL [本文引用: 4]

[王振波, 方创琳, 许光, 等. 2014年中国城市PM2.5浓度的时空变化规律
. 地理学报, 2015, 70(11): 1720-1734.]URL [本文引用: 4]
[2]Wang Y S, Yao L, Wang L L, et al.Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China
. Science China Earth Sciences, 2014, 57(1): 14-25.https://doi.org/10.1007/s11430-013-4773-4URL [本文引用: 1]摘要
In January 2013,a long-lasting episode of severe haze occurred in central and eastern China,and it attracted attention from all sectors of society.The process and evolution of haze pollution episodes were observed by the"Forming Mechanism and Control Strategies of Haze in China"group using an intensive aerosol and trace gases campaign that simultaneously obtained data at 11 ground-based observing sites in the CARE-China network.The characteristics and formation mechanism of haze pollution episodes were discussed.Five haze pollution episodes were identified in the Beijing-Tianjin-Hebei(Jing-Jin-Ji)area;the two most severe episodes occurred during 9–15 January and 25–31 January.During these two haze pollution episodes,the maximum hourly PM2.5mass concentrations in Beijing were 680 and 530μg m 3,respectively.The process and evolution of haze pollution episodes in other major cities in the Jing-Jin-Ji area,such as Shijiazhuang and Tianjin were almost the same as those observed in Beijing.The external cause of the severe haze episodes was the unusual atmospheric circulation,the depression of strong cold air activities and the very unfavorable dispersion due to geographical and meteorological conditions.However,the internal cause was the quick secondary transformation of primary gaseous pollutants to secondary aerosols,which contributed to the"explosive growth"and"sustained growth"of PM2.5.Particularly,the abnormally high amount of nitric oxide(NOx)in the haze episodes,produced by fossil fuel combustion and vehicle emissions,played a direct or indirect role in the quick secondary transformation of coal-burning sulphur dioxide(SO2)to sulphate aerosols.Furthermore,gaseous pollutants were transformed into secondary aerosols through heterogeneous reactions on the surface of fine particles,which can change the particle’s size and chemical composition.Consequently,the proportion of secondary inorganic ions,such as sulphate and nitrate,gradually increased,which enhances particle hygroscopicity and thereby accelerating formation of the haze pollution.
[3]Luan T, Guo X L, Guo L J, et al.Quantifying the relationship between PM2.5 concentration, visibility and planetary boundary layer height for long-lasting haze and fog-haze mixed events in Beijing
. Atmospheric Chemistry and Physics, 2018, 18(1): 203-225.https://doi.org/10.5194/acp-18-203-2018URL [本文引用: 1]
[4]Ma Limei, Zhang Xiao.The spatial of China's haze pollution and impact from economic change and energy structure
. China Industrial Economics, 2014, (4): 19-31.URL [本文引用: 3]摘要
本文运用空间计量方法,探讨中国31个省份本地与异地之间雾霾污染的交互影响问题以及经济变动、能源结构影响。全局空间相关性分析显示雾霾污染存在显著的空间正相关性;局域空间相关性分析显示污染的高聚集区分布在京津冀、长三角以及与这两大经济增长极相连接的中部地区,本文认为产业转移是其重要原因,产业转移加深了地区间经济与污染的空间联动性,污染的空间溢出效应进一步显现。建立空间环境库兹涅茨曲线回归模型,发现污染水平与能源结构以及产业结构变动息息相关。此外,雾霾污染与经济发展的倒"U"型关系并不存在或还未出现,即随人均GDP的持续增长,污染水平不断上升。综合实证分析得到,邻近地区的产业转移所换取的环境质量改善仅仅是短期的。由于污染溢出的存在,环境规制更严格的地区,如北京、天津等地不能获得其规制的全部利益。治理雾霾,区域间联防联控势在必行。长期看,改变能源消费结构以及优化产业结构是治理雾霾的关键,而短期看,减少劣质煤的使用是较为有效的途径。
[马丽梅, 张晓. 中国雾霾污染的空间效应及经济、能源结构影响
. 中国工业经济, 2014, (4): 19-31.]URL [本文引用: 3]摘要
本文运用空间计量方法,探讨中国31个省份本地与异地之间雾霾污染的交互影响问题以及经济变动、能源结构影响。全局空间相关性分析显示雾霾污染存在显著的空间正相关性;局域空间相关性分析显示污染的高聚集区分布在京津冀、长三角以及与这两大经济增长极相连接的中部地区,本文认为产业转移是其重要原因,产业转移加深了地区间经济与污染的空间联动性,污染的空间溢出效应进一步显现。建立空间环境库兹涅茨曲线回归模型,发现污染水平与能源结构以及产业结构变动息息相关。此外,雾霾污染与经济发展的倒"U"型关系并不存在或还未出现,即随人均GDP的持续增长,污染水平不断上升。综合实证分析得到,邻近地区的产业转移所换取的环境质量改善仅仅是短期的。由于污染溢出的存在,环境规制更严格的地区,如北京、天津等地不能获得其规制的全部利益。治理雾霾,区域间联防联控势在必行。长期看,改变能源消费结构以及优化产业结构是治理雾霾的关键,而短期看,减少劣质煤的使用是较为有效的途径。
[5]Yang Kun, Yang Yulian, Zhu Yanhui, et al.Social and economic drivers of PM2.5 and their spatial relationship in China
. Geographical Research, 2016, 35(6): 1051-1060.https://doi.org/10.11821/dlyj201606005URL [本文引用: 6]摘要
中国高能耗的经济增长模式和不生态的城镇化模式是PM2.5污染的主要诱因,为了弄清PM2.5的本质,着重研究PM2.5污染的产出机理与模型。首先用逐步回归分析法,确定对PM2.5影响较大的变量,再对PM2.5及其相关变量进行空间相关分析,在GIS技术与空间统计学的支持下,建立中国区域性细颗粒物空气污染评估模型。结果表明:中国PM2.5污染具有东高西低的区域差异特点,这与中国人口分布密度特征曲线(胡焕庸线)所划分出的人口空间分布特点相一致。考虑了空间效应影响的模型拟合度(R2=0.71)优于传统统计模型(R2=0.62)。PM2.5与总人口、人均汽车保有量的平方、第二产值比例的平方成正比,与森林覆盖率的平方成反比,其中对PM2.5贡献率最大的是人均汽车保有量。
[杨昆, 杨玉莲, 朱彦辉, 等. 中国PM2.5污染与社会经济的空间关系及成因
. 地理研究, 2016, 35(6): 1051-1060.]https://doi.org/10.11821/dlyj201606005URL [本文引用: 6]摘要
中国高能耗的经济增长模式和不生态的城镇化模式是PM2.5污染的主要诱因,为了弄清PM2.5的本质,着重研究PM2.5污染的产出机理与模型。首先用逐步回归分析法,确定对PM2.5影响较大的变量,再对PM2.5及其相关变量进行空间相关分析,在GIS技术与空间统计学的支持下,建立中国区域性细颗粒物空气污染评估模型。结果表明:中国PM2.5污染具有东高西低的区域差异特点,这与中国人口分布密度特征曲线(胡焕庸线)所划分出的人口空间分布特点相一致。考虑了空间效应影响的模型拟合度(R2=0.71)优于传统统计模型(R2=0.62)。PM2.5与总人口、人均汽车保有量的平方、第二产值比例的平方成正比,与森林覆盖率的平方成反比,其中对PM2.5贡献率最大的是人均汽车保有量。
[6]Huang J, Deng F R, Wu S W, et al.Comparisons of personal exposure to PM2.5 and CO by different commuting modes in Beijing, China
. Science of the Total Environment, 2012, 425(3): 52-59.https://doi.org/10.1016/j.scitotenv.2012.03.007URLPMID:22472140 [本文引用: 1]摘要
78 PM2.5 and CO personal concentrations were greatly influenced by commuting modes. 78 Whole trip exposures to PM2.5 and CO were both highest in cyclists. 78 Fixed monitoring data were not good representatives of commuters' personal exposure.
[7]Nazelle A D, Fruin S, Westerdahl D, et al.A travel mode comparison of commuters' exposures to air pollutants in Barcelona
. Atmospheric Environment, 2012, 59: 151-159.https://doi.org/10.1016/j.atmosenv.2012.05.013URL [本文引用: 1]摘要
Daily commutes may contribute disproportionately to overall daily inhalations of urban air contaminants. Understanding factors that explain variability of exposures during travel, and especially differences across transportation modes, is essential to accurately assess health impacts of traffic emissions and to develop effective mitigating measures. We evaluated exposures and inhaled doses of air pollution and assessed factors that contributed to their variability in different travel modes in Barcelona. Black carbon (BC), ultrafine particles (UFP), carbon monoxide (CO), fine particle mass (PM2.5) and carbon dioxide (CO2) were measured and compared across walk, bike, bus, and car modes for a total of 172 trips made on two different round trip routes. On average, the car mode experienced highest concentrations for all contaminants. In pairwise t-tests between concurrent mode runs, statistically significant differences were found for cars compared to walking and biking. Car-to-walk or car-to-bike concentration ratios ranged from 1.3 for CO2 to 25 for CO and were 2鈥3 for PM2.5, BC, and UFP. In multivariate analyses, travel mode explained the greatest variability in travel exposures, from 8% for PM2.5 to 70% for CO. Different modal patterns emerged when estimating daily inhaled dose, with active commuters' two to three times greater total inhalation volume during travel producing about equal UFP and BC daily inhaled doses to car commuters and 33鈥50% higher UFP and BC doses compared to bus commuters. These findings, however, are specific to the bike and pedestrian lanes in this study being immediately adjacent to the roadways measured. Dedicated bike or pedestrian routes away from traffic would lead to lower active travel doses.
[8]Guo Wenbo, Zhang Yan, Chai Yanwei.Measurement of residents' daily travel air pollution exposure and its mechanism: A case study of suburban communities in Beijing
. Geographical Research, 2015, 34(7): 1310-1318.https://doi.org/10.11821/dlyj201507010URL [本文引用: 1]摘要
利用2010年北京两个典型郊区社区(天通苑、亦庄)居民出行的GPS数据与活动日志调查数据,测度了不同交通方式环境下居民每日出行过程中PM2.5和CO空气污染暴露度,并分析了不同人群PM2.5和CO空气污染暴露度的差异性,进而构建结构方程模型分析郊区社区居民PM2.5和CO空气污染暴露度的影响因素。研究表明:1机动化出行率对空气污染暴露程度的直接影响最大,其次是出行次数与出行时间,即机动化出行率越大,出行次数越多、出行时间越长空污染暴露程度越高;机动化出行率通过影响出行时间和出行次数间接影响空气污染暴露度;职住距离对居民空气污染暴露度也存在影响,职住分离程度越高空气污染暴露度越高,职住距离通过增加出行时间进而增加空气污染暴露度。2不同社会经济属性群体的出行空气污染暴露度存在一定差异性,中等收入群体显著高于低收入群体和高收入群体,租房者显著低于购房者;未婚群体的PM2.5污染暴露度显著高于已婚群体,驾照持有群体的CO污染暴露度高于无驾照群体。
[郭文伯, 张艳, 柴彦威. 城市居民出行的空气污染暴露测度及其影响机制: 北京市郊区社区的案例分析
. 地理研究, 2015, 34(7): 1310-1318.]https://doi.org/10.11821/dlyj201507010URL [本文引用: 1]摘要
利用2010年北京两个典型郊区社区(天通苑、亦庄)居民出行的GPS数据与活动日志调查数据,测度了不同交通方式环境下居民每日出行过程中PM2.5和CO空气污染暴露度,并分析了不同人群PM2.5和CO空气污染暴露度的差异性,进而构建结构方程模型分析郊区社区居民PM2.5和CO空气污染暴露度的影响因素。研究表明:1机动化出行率对空气污染暴露程度的直接影响最大,其次是出行次数与出行时间,即机动化出行率越大,出行次数越多、出行时间越长空污染暴露程度越高;机动化出行率通过影响出行时间和出行次数间接影响空气污染暴露度;职住距离对居民空气污染暴露度也存在影响,职住分离程度越高空气污染暴露度越高,职住距离通过增加出行时间进而增加空气污染暴露度。2不同社会经济属性群体的出行空气污染暴露度存在一定差异性,中等收入群体显著高于低收入群体和高收入群体,租房者显著低于购房者;未婚群体的PM2.5污染暴露度显著高于已婚群体,驾照持有群体的CO污染暴露度高于无驾照群体。
[9]S?nmez S F, Graefe A R.Determining future travel behavior from past travel experience and perceptions of risk and safety
. Journal of Travel Research, 1998, 37(2): 171-177.https://doi.org/10.1177/004728759803700209URL [本文引用: 1]摘要
This study examined the influences of past international travel experience, types of risk associated with international travel, and the overall degree of safety felt during international travel on individuals' likelihood of travel to various geographic regions on their next international vacation trip or avoidance of those regions due to perceived risk. Information integration theory and protection motivation theory served as the theoretical framework for the study. A mail survey sent to 500 international travelers achieved a 48% response rate. Nonresponse bias was tested with telephone interviews. Data were analyzed using cross tabulations and logistic regression. Results revealed that past travel experience to specific regions both increases the intention to travel there again and decreases the intention to avoid areas, particularly risky areas. Perceived risks and safety were both found to be stronger predictors of avoiding regions than of planning to visit them.
[10]Yan Youbing, Zhang Jing.Impact of smog weather on the amount of inbound tourists of China based on the natural trend curve
. Economic Geography, 2016, 36(12): 183-188.URL [本文引用: 7]

[阎友兵, 张静. 基于本底趋势线的雾霾天气对我国入境游客量的影响分析
. 经济地理, 2016, 36(12): 183-188.]URL [本文引用: 7]
[11]Zhang Youyin, Gu Jing, Ma Yaofeng.Tourist flow: research progress, evaluation and outlook
. Tourism Tribune, 2013, 28(6): 38-46.https://doi.org/10.3969/j.issn.1002-5006.2013.06.004URLMagsci [本文引用: 1]摘要
<p>文章通过系统梳理旅游流研究在数量、理论基础、研究方法和研究内容等方面的相关进展，对其研究现状进行了总结和评价，并在此基础上提出了旅游流研究趋势和未来展望。从结果来看，近年来旅游流研究数量总体呈现上升趋势，其中，国内****研究成果的增长趋势明显；理论基础和研究方法方面主要以借鉴相关学科为主；研究内容主要集中在理论框架、时空模式、流量特征、流动效应以及机理机制等5个方面。总体来看，旅游流的研究是从地理学角度对旅游学研究框架的重构。从未来研究趋势来看，旅游流研究数量还将呈现快速增长的趋势；理论方法将向体系创新及模型构建的纵深方向发展，呈现出多学科理论方法的&ldquo;修正式&rdquo;融合态势；研究内容将向抽象理论研究、人地关系研究以及深层机理等方面延伸和发展。</p>
[张佑印, 顾静, 马耀峰. 旅游流研究的进展、评价与展望
. 旅游学刊, 2013, 28(6): 38-46.]https://doi.org/10.3969/j.issn.1002-5006.2013.06.004URLMagsci [本文引用: 1]摘要
<p>文章通过系统梳理旅游流研究在数量、理论基础、研究方法和研究内容等方面的相关进展，对其研究现状进行了总结和评价，并在此基础上提出了旅游流研究趋势和未来展望。从结果来看，近年来旅游流研究数量总体呈现上升趋势，其中，国内****研究成果的增长趋势明显；理论基础和研究方法方面主要以借鉴相关学科为主；研究内容主要集中在理论框架、时空模式、流量特征、流动效应以及机理机制等5个方面。总体来看，旅游流的研究是从地理学角度对旅游学研究框架的重构。从未来研究趋势来看，旅游流研究数量还将呈现快速增长的趋势；理论方法将向体系创新及模型构建的纵深方向发展，呈现出多学科理论方法的&ldquo;修正式&rdquo;融合态势；研究内容将向抽象理论研究、人地关系研究以及深层机理等方面延伸和发展。</p>
[12]Yang Guoliang, Zhang Jie, Ai Nanshan, et al.Zipf structure and difference degree of tourist flow size system: A case study of Sichuan Province
. Acta Geographica Sinica, 2006, 61(12): 1281-1289.URL [本文引用: 1]

[杨国良, 张捷, 艾南山, 等. 旅游流齐夫结构及空间差异化特征: 以四川省为例,
地理学报, 2006, 61(12): 1281-1289.]URL [本文引用: 1]
[13]Kulendran N, Kingb M L.Forecasting international quarterly tourist flows using error-correction and time-series models
. International Journal of Forecasting, 1997, 13(3): 319-327.https://doi.org/10.1016/S0169-2070(97)00020-4URL [本文引用: 1]
[14]Divino J A, McAleer M, Modelling and forecasting daily international mass tourism to Peru
. Tourism Management, 2010, 31(6): 846-854.https://doi.org/10.1016/j.tourman.2009.09.002URL [本文引用: 1]摘要
Peru is a South American country that is divided into two parts by the Andes Mountains. The rich historical, cultural and geographic diversity has led to the inclusion of ten Peruvian sites on UNESCO's World Heritage List. For the potentially negative impacts of mass tourism on the environment, and hence on future international tourism demand, to be managed appropriately require modelling growth rates and volatility adequately. The paper models the growth rate and volatility (or the variability in the growth rate) in daily international tourist arrivals to Peru from 1997 to 2007. The empirical results show that international tourist arrivals and their growth rates are stationary, and that the estimated symmetric and asymmetric conditional volatility models all fit the data extremely well. Moreover, the estimates resemble those arising from financial time series data, with both short and long run persistence of shocks to the growth rate in international tourist arrivals.
[15]Zhang Jinhe, Zhang Jie, Li Na, et al.An analysis on spatial field effect of domestic tourist flows in China
. Geographical Research, 2005, 24(2): 293-302.https://doi.org/10.3321/j.issn:1000-0585.2005.02.016URL [本文引用: 1]摘要
从空间场效应的角度采用因子分析法,利用1999-2003年中国国内旅游抽样调查资料,分析国内旅游流的产生、分配、集聚、扩散的基本特征以及旅游流空间网络的相关性。结果表明:(1)经济是旅游流产生的主要驱动力,旅游资源是旅游流空间分配的主要驱动力; 目前国内已形成4大旅游流产生地和5大旅游流集聚地;(2)旅游集聚场与扩散场的等级结构受市场原则作用,表现为K=3序列的空间模式;(3)旅游集聚场地域结构呈"U"型特征,而旅游扩散场呈"三级阶梯"状格局;(4)β、γ指数揭示旅游流空间网络相关性较差。今后加快长江、黄河流域旅游带以及南部沿海、北部沿海和东北旅游区等"二带三区"的旅游网络化建设,是我国推进区域旅游合作的主要方向和重点区域,是实现旅游流空间流向合理调整与流量结构优化的关键。
[章锦河, 张捷, 李娜, 等. 中国国内旅游流空间场效应分析
. 地理研究, 2005, 24(2): 293-302.]https://doi.org/10.3321/j.issn:1000-0585.2005.02.016URL [本文引用: 1]摘要
从空间场效应的角度采用因子分析法,利用1999-2003年中国国内旅游抽样调查资料,分析国内旅游流的产生、分配、集聚、扩散的基本特征以及旅游流空间网络的相关性。结果表明:(1)经济是旅游流产生的主要驱动力,旅游资源是旅游流空间分配的主要驱动力; 目前国内已形成4大旅游流产生地和5大旅游流集聚地;(2)旅游集聚场与扩散场的等级结构受市场原则作用,表现为K=3序列的空间模式;(3)旅游集聚场地域结构呈"U"型特征,而旅游扩散场呈"三级阶梯"状格局;(4)β、γ指数揭示旅游流空间网络相关性较差。今后加快长江、黄河流域旅游带以及南部沿海、北部沿海和东北旅游区等"二带三区"的旅游网络化建设,是我国推进区域旅游合作的主要方向和重点区域,是实现旅游流空间流向合理调整与流量结构优化的关键。
[16]Zhang Y, Xu J H, Zhuang P J.The spatial relationship of tourist distribution in Chinese cities
. Tourism Geographies, 2011, 13(1): 75-90.https://doi.org/10.1080/14616688.2010.529931URL [本文引用: 2]摘要
This study investigates the spatial dependence and mechanisms of international and domestic tourist distributions in 299 cities in mainland China through a set of Geographical Information Systems (GIS)-based spatial statistical tools. The results show that during the period of investigation (1999–2007), there was a significant degree of neighbouring effect (i.e. positive spatial correlation) in both international and domestic tourist distributions. We have also highlighted that tourism development in a given city is dependent on the developments in neighbouring cities. Specifically, the tourist distribution shows a polarized (core – periphery) spatial pattern, which is strongly connected to the economic development level and tourism resources of the cities. Furthermore, the findings reveal tourist distribution clusters that underscore the importance of geographical focus. Overall, the results imply that policy makers are encouraged to pay attention to patterns of tourist distribution.
[17]Yang Y, Wong K K F. A spatial econometric approach to model spillover effects in tourism flows
. Journal of Travel Research, 2012, 51(6): 768-778.https://doi.org/10.1177/0047287512437855URL [本文引用: 3]摘要
As one of the most important economic sectors in China, tourism must be supported in a way that will encourage balanced regional economic development. The spatial distribution of tourism should be evaluated to assess the role of growing tourism in regional economic inequality. Unlike previous studies that focus on international tourism, this paper compares the spatial distributions of... [Show full abstract]
[18]Ji Xiaomei, Chen Jinhua, Fu Yeqin.A study of the convergence and spatial spillover effects of Chinese inbound tourism flow
. Tourism Science, 2015, 29(4): 47-60.https://doi.org/10.3969/j.issn.1006-575X.2015.04.004URL [本文引用: 4]摘要
本文运用经济增长收敛理论与验证性空间数据分析探讨了2005年~2013年中国市域入境旅游流增长收敛、溢出效应的时空特点与影响因素。研究表明:1入境旅游流分布呈不同层级的"中心-外围"格局,港澳台客流东南向西北递减,外国客流由沿海、沿边向中部不断填充;2旅游流增长空间自相关,高增长率地市集中于中西部,供需结构的优化推动中西部入境旅游的快速发展,缩小与东部的差距;3旅游流增长率满足绝对与条件收敛假设,中西部初始值低,后续增速较快,东部初始值高,后续增速放缓;4旅游资源、经济外向度、与京沪穗的距离这三大全域型影响因素的作用最显著;5空间外溢效应具有距离敏感性与市场差异性,对客流的促进作用大于资金流,对外国人客流的促进作用大于港澳台。本文提出加强与京沪穗及边境国家的合作、完善旅游空间网络体系、关注游客偏好动向,延长停留时间等对策。
[纪小美, 陈金华, 付业勤. 中国入境旅游流的收敛与空间溢出效应分析
. 旅游科学, 2015, 29(4): 47-60.]https://doi.org/10.3969/j.issn.1006-575X.2015.04.004URL [本文引用: 4]摘要
本文运用经济增长收敛理论与验证性空间数据分析探讨了2005年~2013年中国市域入境旅游流增长收敛、溢出效应的时空特点与影响因素。研究表明:1入境旅游流分布呈不同层级的"中心-外围"格局,港澳台客流东南向西北递减,外国客流由沿海、沿边向中部不断填充;2旅游流增长空间自相关,高增长率地市集中于中西部,供需结构的优化推动中西部入境旅游的快速发展,缩小与东部的差距;3旅游流增长率满足绝对与条件收敛假设,中西部初始值低,后续增速较快,东部初始值高,后续增速放缓;4旅游资源、经济外向度、与京沪穗的距离这三大全域型影响因素的作用最显著;5空间外溢效应具有距离敏感性与市场差异性,对客流的促进作用大于资金流,对外国人客流的促进作用大于港澳台。本文提出加强与京沪穗及边境国家的合作、完善旅游空间网络体系、关注游客偏好动向,延长停留时间等对策。
[19]Yang Xingzhu, Gu Chaolin, Wang Qun.Study on the driving force of tourist flows
. Geographical Research, 2011, 30(1): 23-36.https://doi.org/10.3724/SP.J.1011.2011.00415URL [本文引用: 4]摘要
旅游流是旅游现象和旅游业的基础，也是旅游地理研究的核心问题之一。针对目前国内旅游流驱动力系统研究的薄弱环节，从旅游流空间分布简单描述转向多学科视角的机制探讨，采用文献分析法和系统归纳法，深入剖析旅游流驱动机制，构建旅游流的驱动机制概念模型。旅游流形成理论基础涉及心理学的推拉理论、经济学的需求理论、地理学的空间相互作用理论等。旅游流驱动力包括旅游者的外在驱动力、旅游需求的外在动力、旅游供给的外在动力、距离阻力、惯性力、空间结构力等。结合旅游流形成的理论基础和驱动力，构建了旅游流驱动机制概念模型。概念模型反映了形成旅游流的动力来自旅游活动系统内部和外部两个方面，由客源地旅游需求推动和旅游地吸引所构成，同时还受两地阻力、客源地与目的地空间结构影响。概念模型也体现了综合性、整体性，是动态发展变化的。
[杨兴柱, 顾朝林, 王群. 旅游流驱动力系统分析
. 地理研究, 2011, 30(1): 23-36.]https://doi.org/10.3724/SP.J.1011.2011.00415URL [本文引用: 4]摘要
旅游流是旅游现象和旅游业的基础，也是旅游地理研究的核心问题之一。针对目前国内旅游流驱动力系统研究的薄弱环节，从旅游流空间分布简单描述转向多学科视角的机制探讨，采用文献分析法和系统归纳法，深入剖析旅游流驱动机制，构建旅游流的驱动机制概念模型。旅游流形成理论基础涉及心理学的推拉理论、经济学的需求理论、地理学的空间相互作用理论等。旅游流驱动力包括旅游者的外在驱动力、旅游需求的外在动力、旅游供给的外在动力、距离阻力、惯性力、空间结构力等。结合旅游流形成的理论基础和驱动力，构建了旅游流驱动机制概念模型。概念模型反映了形成旅游流的动力来自旅游活动系统内部和外部两个方面，由客源地旅游需求推动和旅游地吸引所构成，同时还受两地阻力、客源地与目的地空间结构影响。概念模型也体现了综合性、整体性，是动态发展变化的。
[20]Huang Tai.Evolution characteristics and factors affecting tourist flow potential in the Yangtze River Delta Urban Agglomerations
. Resources Science, 2016, 38(2): 364-376.https://doi.org/10.18402/resci.2016.02.18URLMagsci [本文引用: 2]摘要
旅游流潜力格局是影响城市群旅游空间竞合关系协调与一体化发展的根本基础。基于旅游供需系统视角,利用GIS和改进的旅游流潜力模型研究2000年、2010年两个时间点长三角城市群旅游流潜力格局的空间变化特征,利用离散指数和Zipf分维数研究旅游流潜力格局变化的等级秩序特征,并利用积矩相关与秩相关系数分析不同因素对旅游流潜力格局变化的影响差异。研究发现：①长三角城市群旅游流潜力格局整体呈现出以扩散为主的等级结构均衡化演变特征,上海、杭州的扩散特征显著,长三角中心区域的苏州、嘉兴、常州、无锡等城市的旅游流潜力集聚提升明显;②长三角城市群旅游流潜力分布具有非均衡、多层极核的结构特征,核心-边缘模式是解释长三角旅游流潜力格局的基本模式;③旅游流潜力格局的等级秩序存在幂律分布和分形特征,进一步证实说明旅游现象中可能普遍存在幂次法则和分形发育;④旅游业水平与旅游流潜力的等级相关性和影响程度最高,人口分布、时间距离的影响程度一般,但都呈现出不断增强趋势,影响因子体系之间的紧凑性和结构效率整体增强,说明长三角城市群旅游发展的整体服务效率和旅游流竞合格局趋于优化;⑤旅游流潜力与城市经济发展水平之间存在显著性相关并随时间变化呈现出一定程度的增强趋势,证实经济发展水平是影响城市旅游流潜力的重要变量,也相应说明了本文旅游流潜力模型具有有效性和实用性。
[黄泰. 长三角城市群旅游流潜力格局演变及其影响因素
. 资源科学, 2016, 38(2): 364-376.]https://doi.org/10.18402/resci.2016.02.18URLMagsci [本文引用: 2]摘要
旅游流潜力格局是影响城市群旅游空间竞合关系协调与一体化发展的根本基础。基于旅游供需系统视角,利用GIS和改进的旅游流潜力模型研究2000年、2010年两个时间点长三角城市群旅游流潜力格局的空间变化特征,利用离散指数和Zipf分维数研究旅游流潜力格局变化的等级秩序特征,并利用积矩相关与秩相关系数分析不同因素对旅游流潜力格局变化的影响差异。研究发现：①长三角城市群旅游流潜力格局整体呈现出以扩散为主的等级结构均衡化演变特征,上海、杭州的扩散特征显著,长三角中心区域的苏州、嘉兴、常州、无锡等城市的旅游流潜力集聚提升明显;②长三角城市群旅游流潜力分布具有非均衡、多层极核的结构特征,核心-边缘模式是解释长三角旅游流潜力格局的基本模式;③旅游流潜力格局的等级秩序存在幂律分布和分形特征,进一步证实说明旅游现象中可能普遍存在幂次法则和分形发育;④旅游业水平与旅游流潜力的等级相关性和影响程度最高,人口分布、时间距离的影响程度一般,但都呈现出不断增强趋势,影响因子体系之间的紧凑性和结构效率整体增强,说明长三角城市群旅游发展的整体服务效率和旅游流竞合格局趋于优化;⑤旅游流潜力与城市经济发展水平之间存在显著性相关并随时间变化呈现出一定程度的增强趋势,证实经济发展水平是影响城市旅游流潜力的重要变量,也相应说明了本文旅游流潜力模型具有有效性和实用性。
[21]Zhang Zi'ang, Huang Zhenfang, Cao Fangdong, et al. The space-time transition characteristics and its driving mechanism of county-scale inbound tourism in Zhejiang province
. Geographical Research, 2016, 35(6): 1177-1192.https://doi.org/10.11821/dlyj201606014URL [本文引用: 4]摘要
县域旅游是支撑中国旅游产业发展的重要基础单元,也是未来入境旅游发展的新方向,当下对县域入境旅游研究的缺失阻碍着对小尺度入境旅游地发展的认知和重视。以浙江省县域为研究对象,借助空间变差函数模拟了浙江县域入境旅游空间格局的演变特征。进一步通过LISA时间路径、时空跃迁测度了各县市入境旅游时空跃迁特征及类型,并将分位数回归与时空跃迁类型相嵌套,建立了四种时空跃迁驱动机制模式。结果表明:浙江省县域入境旅游具有明显的空间集聚特征,"一杭独大"特征显著,且空间自组织性逐年增强,区域入境旅游核心县市扩散效应不断增加,核心县市辐射区域差异逐渐缩小,空间差异主要体现在局部方向;浙江省县域入境旅游空间格局的演化具有较强的正向空间整合性,县域类别之间存在一定的转移惰性,东南—西北区域的入境旅游落后县市具有相对动态的局部空间特征,常山县在空间依赖方向上具有最大的波动性,岱山县在空间依赖方向上具有最大的稳定性;产业—结构驱动、经济—服务制约、贸易—产业驱动、区位—资源制约四种驱动模式呈现出自东北至西南逐渐由同向发展到同向制约的演化过程,此外四种模式背后隐含着不同的影响机理。
[张子昂, 黄震方, 曹芳东, 等. 浙江省县域入境旅游时空跃迁特征及驱动机制
. 地理研究, 2016, 35(6): 1177-1192.]https://doi.org/10.11821/dlyj201606014URL [本文引用: 4]摘要
县域旅游是支撑中国旅游产业发展的重要基础单元,也是未来入境旅游发展的新方向,当下对县域入境旅游研究的缺失阻碍着对小尺度入境旅游地发展的认知和重视。以浙江省县域为研究对象,借助空间变差函数模拟了浙江县域入境旅游空间格局的演变特征。进一步通过LISA时间路径、时空跃迁测度了各县市入境旅游时空跃迁特征及类型,并将分位数回归与时空跃迁类型相嵌套,建立了四种时空跃迁驱动机制模式。结果表明:浙江省县域入境旅游具有明显的空间集聚特征,"一杭独大"特征显著,且空间自组织性逐年增强,区域入境旅游核心县市扩散效应不断增加,核心县市辐射区域差异逐渐缩小,空间差异主要体现在局部方向;浙江省县域入境旅游空间格局的演化具有较强的正向空间整合性,县域类别之间存在一定的转移惰性,东南—西北区域的入境旅游落后县市具有相对动态的局部空间特征,常山县在空间依赖方向上具有最大的波动性,岱山县在空间依赖方向上具有最大的稳定性;产业—结构驱动、经济—服务制约、贸易—产业驱动、区位—资源制约四种驱动模式呈现出自东北至西南逐渐由同向发展到同向制约的演化过程,此外四种模式背后隐含着不同的影响机理。
[22]Sun Gennian, Zhou Ruina, Ma Lijun, et al.Impact of five important events on China provincial inbound tourism in 2008: An analysis in high-resolution based on the TBL model
. Scientia Geographica Sinica, 2011, 31(12): 1437-1446.URLMagsci [本文引用: 2]摘要
依据旅游本底趋势线理论和月指数距平方法,对2008年五大事件对中国入境旅游的影响进行了高分辨率的定量分析,结果发现:①在五大事件的影响下,2008年中国24个省区入境旅游出现了负增长,其中,广东、四川等省区损失游客67.6～294.5万人,山东、海南等省区损失量小于5万人次;四川、西藏等省区损失率在50.0%～76.7%,安徽、吉林等省区损失率为1.6%～4.6%。②由于事件的性质、发生的时间和持续期不同,对各省区入境旅游影响差异较大,金融海啸共损失游客1 254.86万人次,汶川地震损失游客178.47万人次,奥运入境限制及"奥运抽水"损失入境游客215.02万人次,藏独事件损失游客115.55万人次,南方雪灾损失游客42.41万人次。③五大事件对入境旅游的影响,存在着较大空间差异。南方雪灾的影响集中在南方受灾省区;藏独事件对西藏及北京、上海旅游影响较大;汶川地震影响范围遍及全国,但对四川及其周边省区影响最大;北京奥运会期间,全国大部分省区入境客流量减少;金融海啸影响的时间长范围广,全国31个省区均受到不同程度影响,东部沿海地区入境客流量损失较大。在本底趋势线模型的基础上,定量分析了。
[孙跟年, 周瑞娜, 马丽君, 等. 2008年五大事件对中国入境旅游的影响: 基于本底趋势线模型高分辨率的分析
. 地理科学, 2011, 31(12): 1437-1446.]URLMagsci [本文引用: 2]摘要
依据旅游本底趋势线理论和月指数距平方法,对2008年五大事件对中国入境旅游的影响进行了高分辨率的定量分析,结果发现:①在五大事件的影响下,2008年中国24个省区入境旅游出现了负增长,其中,广东、四川等省区损失游客67.6～294.5万人,山东、海南等省区损失量小于5万人次;四川、西藏等省区损失率在50.0%～76.7%,安徽、吉林等省区损失率为1.6%～4.6%。②由于事件的性质、发生的时间和持续期不同,对各省区入境旅游影响差异较大,金融海啸共损失游客1 254.86万人次,汶川地震损失游客178.47万人次,奥运入境限制及"奥运抽水"损失入境游客215.02万人次,藏独事件损失游客115.55万人次,南方雪灾损失游客42.41万人次。③五大事件对入境旅游的影响,存在着较大空间差异。南方雪灾的影响集中在南方受灾省区;藏独事件对西藏及北京、上海旅游影响较大;汶川地震影响范围遍及全国,但对四川及其周边省区影响最大;北京奥运会期间,全国大部分省区入境客流量减少;金融海啸影响的时间长范围广,全国31个省区均受到不同程度影响,东部沿海地区入境客流量损失较大。在本底趋势线模型的基础上,定量分析了。
[23]Cheng Li, Zhang Tonghao, Fu Yang.Urban residents' cognition of haze-fog weather and its impact on their urban tourism destination choice
. Tourism Tribune, 2015, 30(10): 37-47.https://doi.org/10.3969/j.issn.1002-5006.2015.10.004URLMagsci [本文引用: 3]摘要
气候/天气因素是旅游者选择旅游目的地的重要因素,近年来随着社会公众对雾霾影响的关注,旅游目的地的空气质量必将对旅游者的出行决策产生深远影响。文章基于旅游目的地选择理论,使用偏最小二乘法结构方程模型（PLS-SEM）方法,实证研究城市居民在雾霾天气影响下的城市旅游地选择倾向。首先从雾霾的健康影响、交通影响和目的地形象影响的认知3个维度进行了讨论。实证发现,城市居民已经普遍对雾霾天气的危害有较高的认知度,雾霾已对城市居民的城市旅游目的地选择倾向产生显著负面影响。研究可为我国气候旅游研究以及城市旅游发展的环境建设提供一定参考。最后,对研究的不足和未来可能的研究方向作了阐释。
[程励, 张同颢, 付阳. 城市居民雾霾天气认知及其对城市旅游目的地选择倾向的影响
. 旅游学刊, 2015, 30(10): 37-47.]https://doi.org/10.3969/j.issn.1002-5006.2015.10.004URLMagsci [本文引用: 3]摘要
气候/天气因素是旅游者选择旅游目的地的重要因素,近年来随着社会公众对雾霾影响的关注,旅游目的地的空气质量必将对旅游者的出行决策产生深远影响。文章基于旅游目的地选择理论,使用偏最小二乘法结构方程模型（PLS-SEM）方法,实证研究城市居民在雾霾天气影响下的城市旅游地选择倾向。首先从雾霾的健康影响、交通影响和目的地形象影响的认知3个维度进行了讨论。实证发现,城市居民已经普遍对雾霾天气的危害有较高的认知度,雾霾已对城市居民的城市旅游目的地选择倾向产生显著负面影响。研究可为我国气候旅游研究以及城市旅游发展的环境建设提供一定参考。最后,对研究的不足和未来可能的研究方向作了阐释。
[24]Li Jing, Philip L P, Wu Bihu, et al.The impact of smog on risk perception and satisfaction of international and domestic tourists in Beijing
. Tourism Tribune, 2015, 30(10): 48-59.https://doi.org/10.3969/j.issn.1002-5006.2015.10.005URLMagsci [本文引用: 3]摘要
2013年以来,中国雾霾业已成为国际性议题。文章从旅游者感知的视角出发,探究雾霾对旅游的影响,设计了旅游者雾霾风险感知量表,并借助SEM模型验证了雾霾感知、风险感知、满意度和忠诚度间的结构关系,且在通过模型稳定性检验的基础上,利用均值结构模型比较了中、外旅游者的雾霾感知、风险感知、满意度及忠诚度水平。结果证实：旅游者对雾霾旅游损害的感知主要体现在危害健康、破坏情绪、损害照片品质、降低景点吸引力和可游性等方面。雾霾风险感知会提升旅游风险感知的整体水平,并降低满意度;高旅游风险感知对满意度有负面影响;满意度对忠诚度的积极贡献在雾霾情境中得以验证;同时,雾霾感知和风险感知都借由中介变量间接削弱忠诚度。另外,除了满意度水平无显著差异外,外国旅游者的雾霾感知、风险感知和忠诚度水平均低于中国人。
[李静, Philip L P, 吴必虎, 等. 雾霾对来京旅游者风险感知及旅游体验的影响: 基于结构方程模型的中外旅游者对比研究
. 旅游学刊, 2015, 30(10): 48-59.]https://doi.org/10.3969/j.issn.1002-5006.2015.10.005URLMagsci [本文引用: 3]摘要
2013年以来,中国雾霾业已成为国际性议题。文章从旅游者感知的视角出发,探究雾霾对旅游的影响,设计了旅游者雾霾风险感知量表,并借助SEM模型验证了雾霾感知、风险感知、满意度和忠诚度间的结构关系,且在通过模型稳定性检验的基础上,利用均值结构模型比较了中、外旅游者的雾霾感知、风险感知、满意度及忠诚度水平。结果证实：旅游者对雾霾旅游损害的感知主要体现在危害健康、破坏情绪、损害照片品质、降低景点吸引力和可游性等方面。雾霾风险感知会提升旅游风险感知的整体水平,并降低满意度;高旅游风险感知对满意度有负面影响;满意度对忠诚度的积极贡献在雾霾情境中得以验证;同时,雾霾感知和风险感知都借由中介变量间接削弱忠诚度。另外,除了满意度水平无显著差异外,外国旅游者的雾霾感知、风险感知和忠诚度水平均低于中国人。
[25]Zhang Chen, Gao Jun, Ding Peiyi.Impacts of haze on the intention to visit China of overseas tourists: Based on destination image and risk perception theories
. Tourism Tribune, 2017, 32(12): 58-67.https://doi.org/10.3969/j.issn.1002-5006.2017.12.013URL [本文引用: 7]摘要
近年来,我国的雾霾天气受到公众及海内外媒体的高度关注,甚至被国际媒体列为全球旅游警告.****研究发现,入境旅游的下滑期正是我国雾霾问题从显露到逐步严重并受到广泛关注的时段;也有****认为,雾霾天气是影响入境旅游的主要障碍.然而,在空气质量未有明显改善的情况下,2015年我国入境旅游人数已呈现复苏的态势,从而使得雾霾天气与入境旅游关系变得扑朔迷离.文章围绕雾霾天气是否影响潜在海外游客来华意愿以及雾霾天气是如何影响潜在海外游客来华意愿两个问题,采用网络问卷调查法,以澳大利亚和美国居民为调研对象,采用因子分析、回归分析、方差分析法,依据目的地形象和风险感知的交叉理论,实证研究得出:空气质量已经成为中国目的地形象的重要组成部分.雾霾天气作为潜在海外游客来华旅游的主要风险感知因素,对中国旅游目的地形象造成了负面影响,并且潜在海外游客对中国空气质量的感知和对雾霾的担心已经超越了历史、文化、自然等核心吸引物的吸引,成为阻碍其来华意向的主要因素.研究进一步提出在目的地形象的测量中应增加风险因素,并需完善风险感知和情感评价测量.研究也发现不同群体对雾霾的感知存在显著差异.最后,从国家整体旅游形象危机宣传、空气质量信息传递、不同特征人群宣传差异等方面提出措施供相关部门参考.
[张晨, 高俊, 丁培毅. 雾霾天气对潜在海外游客来华意愿的影响: 基于目的地形象和风险感知理论
. 旅游学刊, 2017, 32(12): 58-67.]https://doi.org/10.3969/j.issn.1002-5006.2017.12.013URL [本文引用: 7]摘要
近年来,我国的雾霾天气受到公众及海内外媒体的高度关注,甚至被国际媒体列为全球旅游警告.****研究发现,入境旅游的下滑期正是我国雾霾问题从显露到逐步严重并受到广泛关注的时段;也有****认为,雾霾天气是影响入境旅游的主要障碍.然而,在空气质量未有明显改善的情况下,2015年我国入境旅游人数已呈现复苏的态势,从而使得雾霾天气与入境旅游关系变得扑朔迷离.文章围绕雾霾天气是否影响潜在海外游客来华意愿以及雾霾天气是如何影响潜在海外游客来华意愿两个问题,采用网络问卷调查法,以澳大利亚和美国居民为调研对象,采用因子分析、回归分析、方差分析法,依据目的地形象和风险感知的交叉理论,实证研究得出:空气质量已经成为中国目的地形象的重要组成部分.雾霾天气作为潜在海外游客来华旅游的主要风险感知因素,对中国旅游目的地形象造成了负面影响,并且潜在海外游客对中国空气质量的感知和对雾霾的担心已经超越了历史、文化、自然等核心吸引物的吸引,成为阻碍其来华意向的主要因素.研究进一步提出在目的地形象的测量中应增加风险因素,并需完善风险感知和情感评价测量.研究也发现不同群体对雾霾的感知存在显著差异.最后,从国家整体旅游形象危机宣传、空气质量信息传递、不同特征人群宣传差异等方面提出措施供相关部门参考.
[26]Peng Jian, Guo Siyuan, Pei Yanan, et al.Mainland Chinese residents' perception of tourism impacted by haze in Beijing and their attitudes. China Population,
Resources and Environment, 2016, 26(10): 168-176.https://doi.org/10.3969/j.issn.1002-2104.2016.10.022URL [本文引用: 1]摘要
环境质量是影响目的地旅游竞争力和可持续发展的重要因素。近年来，中国大陆出现了大范围的严重空气质量问题，雾霾成为备受关注的环境问题，关于雾霾的成因及其影响和防治成为当前学术研究的热点。包括北京在内的许多旅游城市饱受雾霾的困扰，雾霾对旅游业的负面影响开始显现，并成为当前旅游发展和学术研究的新问题。北京是世界知名的旅游目的地，旅游业在北京经济社会发展中占有重要地位。科学揭示雾霾对北京作为目的地旅游市场需求的负面影响，对予丰富雾霾影响的认识以及深化旅游研究具有重要意义。本文利用问卷星和微信平台进行了在线问卷调查。通过滚雪球方式获得了大数量较高可靠性的样本数据，研究了京外大陆居民对北京雾霾的旅游影响感知及其决策行为倾向。分析了大陆居民对北京雾霾感知的群体差异。研究表明：（1）在国内外媒体的广泛报道、亲友的口耳相传以及亲身经历等渠道的综合影响下，大陆居民对北京的雾霾及旅游健康风险、旅游体验风险均有十分强烈的感知；（2）在雾霾的持续困扰下，北京国内旅游需求减弱，市场增长速度放缓。同时也加剧了北京旅游市场的季节波动；（3）高学历、离收入群体对北京雾霾的旅游影响更加敏感，雾霾严重地区的居民对北京雾霾的感知强度明显大予雾霾不严重地区的居民．雾霾严重地区的居民在旅游目的地选择方面也更加排斥北京。
[彭建, 郭思远, 裴亚楠, 等. 大陆居民对北京雾霾的旅游影响感知和态度研究
. 中国人口资源与环境, 2016, 26(10): 168-176.]https://doi.org/10.3969/j.issn.1002-2104.2016.10.022URL [本文引用: 1]摘要
环境质量是影响目的地旅游竞争力和可持续发展的重要因素。近年来，中国大陆出现了大范围的严重空气质量问题，雾霾成为备受关注的环境问题，关于雾霾的成因及其影响和防治成为当前学术研究的热点。包括北京在内的许多旅游城市饱受雾霾的困扰，雾霾对旅游业的负面影响开始显现，并成为当前旅游发展和学术研究的新问题。北京是世界知名的旅游目的地，旅游业在北京经济社会发展中占有重要地位。科学揭示雾霾对北京作为目的地旅游市场需求的负面影响，对予丰富雾霾影响的认识以及深化旅游研究具有重要意义。本文利用问卷星和微信平台进行了在线问卷调查。通过滚雪球方式获得了大数量较高可靠性的样本数据，研究了京外大陆居民对北京雾霾的旅游影响感知及其决策行为倾向。分析了大陆居民对北京雾霾感知的群体差异。研究表明：（1）在国内外媒体的广泛报道、亲友的口耳相传以及亲身经历等渠道的综合影响下，大陆居民对北京的雾霾及旅游健康风险、旅游体验风险均有十分强烈的感知；（2）在雾霾的持续困扰下，北京国内旅游需求减弱，市场增长速度放缓。同时也加剧了北京旅游市场的季节波动；（3）高学历、离收入群体对北京雾霾的旅游影响更加敏感，雾霾严重地区的居民对北京雾霾的感知强度明显大予雾霾不严重地区的居民．雾霾严重地区的居民在旅游目的地选择方面也更加排斥北京。
[27]Tang Chengcai, Liu Xiaoquan, Song Changyao.Impact of haze on regional tourism industry and its countermeasures. Geography and
Geo-Information Science, 2016, 32(5): 121-126.URL [本文引用: 3]

[唐承财, 刘霄泉, 宋昌耀. 雾霾对区域旅游业的影响及应对策略探讨
. 地理与地理信息科学, 2016, 32(5): 121-126.]URL [本文引用: 3]
[28]Han Ye, Zhou Zhongxue.Evaluation on ecosystem services in haze absorption by urban green land and its spatial pattern analysis in Xi'an
. Geographical Research, 2015, 34(7): 1247-1258.https://doi.org/10.11821/dlyj201507005URL [本文引用: 2]摘要
大城市日益严重的雾霾现已成为影响城市生存发展的重要问题。城市绿地是城市社会—经济—自然复合生态系统的重要组成部分,发挥着重要的生态功能。测算城市绿地吸收雾霾的生态功能价值及空间格局,对城市雾霾治理以及生态与经济健康协调发展有重要意义。运用景观生态学和生态系统服务理论,基于西安市的TM遥感影像和Arc GIS 10.1、Fragstats 4.1软件,对西安市绿地吸收雾霾的生态系统服务价值进行了测算和空间分析。结果表明：1西安市建成区不同景观类型的破碎程度差异较大;2西安市建成区绿地景观吸收雾霾的生态系统服务总价值为2954.13万元,各类绿地生态景观对吸收雾霾的贡献率有较大差别;3西安市建成区绿地景观吸收雾霾的总生态系统服务功能值密度和各单项生态系统服务功能值密度具有明显的城市中心区到边缘区的圈层递变特征;4西安市建成区各绿地景观指数与绿地吸收雾霾服务功能密度值之间具有显著的相关关系。绿地斑块与廊道镶嵌存在且斑块分布均匀的绿地景观格局对吸收污染气体、滞尘、净化大气有着重要作用,而且景观斑块平均面积越大、破碎度越低,对大气污染物的净化功能越明显。
[韩晔, 周忠学. 西安市绿地景观吸收雾霾生态系统服务测算及空间格局
. 地理研究, 2015, 34(7): 1247-1258.]https://doi.org/10.11821/dlyj201507005URL [本文引用: 2]摘要
大城市日益严重的雾霾现已成为影响城市生存发展的重要问题。城市绿地是城市社会—经济—自然复合生态系统的重要组成部分,发挥着重要的生态功能。测算城市绿地吸收雾霾的生态功能价值及空间格局,对城市雾霾治理以及生态与经济健康协调发展有重要意义。运用景观生态学和生态系统服务理论,基于西安市的TM遥感影像和Arc GIS 10.1、Fragstats 4.1软件,对西安市绿地吸收雾霾的生态系统服务价值进行了测算和空间分析。结果表明：1西安市建成区不同景观类型的破碎程度差异较大;2西安市建成区绿地景观吸收雾霾的生态系统服务总价值为2954.13万元,各类绿地生态景观对吸收雾霾的贡献率有较大差别;3西安市建成区绿地景观吸收雾霾的总生态系统服务功能值密度和各单项生态系统服务功能值密度具有明显的城市中心区到边缘区的圈层递变特征;4西安市建成区各绿地景观指数与绿地吸收雾霾服务功能密度值之间具有显著的相关关系。绿地斑块与廊道镶嵌存在且斑块分布均匀的绿地景观格局对吸收污染气体、滞尘、净化大气有着重要作用,而且景观斑块平均面积越大、破碎度越低,对大气污染物的净化功能越明显。
[29]Lippmann M.Toxicological and epidemiological studies of cardiovascular effects of ambient air fine particulate matter (PM2.5) and its chemical components: Coherence and public health implications
. Critical Reviews in Toxicology, 2014, 44(4): 299-347.https://doi.org/10.3109/10408444.2013.861796URL [本文引用: 1]
[30]Pope C A, Brook R D, Burnett R T, et al.How is cardiovascular disease mortality risk affected by duration and intensity of fine particulate matter exposure? An integration of the epidemiologic evidence.
Air Quality, Atmosphere and Health, 2011, 4(1): 5-14.https://doi.org/10.1007/s11869-010-0082-7URL [本文引用: 1]摘要
An integrated evaluation of representative epidemiological evidence provides interesting insights regarding how cardiovascular mortality risks are affected by exposure to fine particulate matter air pollution. The literature can be interpreted as indicating that cardiovascular health effects are dependent on at least two dimensions of cumulative exposure—the intensity of exposure and the duration of exposure. The empirical evidence is incomplete and there are substantial limitations related to literature-based cross-study comparisons. Nevertheless, the evidence suggests that there is a progressive approximately log reduction in the marginal increase in mortality risk for both dimensions of cumulative exposure. Longer duration exposure has larger, more persistent cumulative effects than short-term exposure, but the highest marginal effects occur with relatively short-term exposures most proximal in time. With regards to intensity of exposure, very steep, near-linear, exposure–response relationships are observed for low to moderate exposures and there is a flattening out or leveling off of the exposure–response function at very high exposures.
[31]Eitan O, Yuval, Barchana M, et al.Spatial Analysis of air pollution and cancer incidence rates in Haifa Bay, Israel
. Science of the Total Environment, 2010, 408(20): 4429-4439.https://doi.org/10.1016/j.scitotenv.2010.06.031URLPMID:20630566 [本文引用: 1]摘要
The Israel National Cancer Registry reported in 2001 that cancer incidence rates in the Haifa area are roughly 20% above the national average. Since Haifa has been the major industrial center in Israel since 1930, concern has been raised that the elevated cancer rates may be associated with historically high air pollution levels. This work tests whether persistent spatial patterns of metrics of chronic exposure to air pollutants are associated with the observed patterns of cancer incidence rates. Risk metrics of chronic exposure to PM 10, emitted both by industry and traffic, and to SO 2, a marker of industrial emissions, was developed. Ward-based maps of standardized incidence rates of three prevalent cancers: Non-Hodgkin's lymphoma, lung cancer and bladder cancer were also produced. Global clustering tests were employed to filter out those cancers that show sufficiently random spatial distribution to have a nil probability of being related to the spatial non-random risk maps. A Bayesian method was employed to assess possible associations between the morbidity and risk patterns, accounting for the ward-based socioeconomic status ranking. Lung cancer in males and bladder cancer in both genders showed non-random spatial patterns. No significant associations between the SO 2-based risk maps and any of the cancers were found. Lung cancer in males was found to be associated with PM 10, with the relative risk associated with an increase of 1 渭g/m 3 of PM 10 being 12%. Special consideration of wards with expected rates < 1 improved the results by decreasing the variance of the spatially correlated residual log-relative risk.
[32]Huang K, Zhuang G, Lin Y, et al.Typical types and formation mechanisms of haze in an Eastern Asia megacity, Shanghai
. Atmospheric Chemistry and Physics, 2012, 12(1): 105-124.https://doi.org/10.5194/acp-12-105-2012URL [本文引用: 1]
[33]Shao Shuai, Li Xin, Cao Jianhua, et al.China's economic policy choices for governing smog pollution based on spatial spillover effects
. Economic Research Journal, 2016, 51(9): 73-88.URL [本文引用: 3]摘要
本文基于1998—2012年中国省域PM2.5浓度数据,采用动态空间面板模型和系统广义矩估计方法,在同时考虑雾霾污染的时间滞后效应、空间滞后效应和时空滞后效应的条件下,对影响雾霾污染的关键因素进行了经验识别和相应的治霾政策讨论。结果表明:中国省域雾霾污染呈现明显的空间溢出效应和高排放俱乐部集聚特征;无论采用官方的人均GDP还是卫星监测的稳定灯光亮度指标,雾霾污染与经济增长均存在显著的U形曲线关系,大部分东部省份处于雾霾污染随经济增长水平提高而加剧的阶段;二产畸高的产业结构、以煤为主的能源结构、人口的快速集聚及公路交通运输强度的提升共同促使雾霾污染加剧,而研发强度和能源效率的提高并未发挥出应有的减霾效果,因此,促增因素没有得到有效抑制、促降因素没有得到有效发挥,是导致中国雾霾污染频发的根本原因;雾霾污染在时间单维度、空间单维度和时空双维度上分别表现出雪球效应、泄漏效应和警示效应,因而治霾政策必须坚持常抓不懈、联防联控和惩一儆百的实施策略。
[邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择: 基于空间溢出效应的视角
. 经济研究, 2016, 51(9): 73-88.]URL [本文引用: 3]摘要
本文基于1998—2012年中国省域PM2.5浓度数据,采用动态空间面板模型和系统广义矩估计方法,在同时考虑雾霾污染的时间滞后效应、空间滞后效应和时空滞后效应的条件下,对影响雾霾污染的关键因素进行了经验识别和相应的治霾政策讨论。结果表明:中国省域雾霾污染呈现明显的空间溢出效应和高排放俱乐部集聚特征;无论采用官方的人均GDP还是卫星监测的稳定灯光亮度指标,雾霾污染与经济增长均存在显著的U形曲线关系,大部分东部省份处于雾霾污染随经济增长水平提高而加剧的阶段;二产畸高的产业结构、以煤为主的能源结构、人口的快速集聚及公路交通运输强度的提升共同促使雾霾污染加剧,而研发强度和能源效率的提高并未发挥出应有的减霾效果,因此,促增因素没有得到有效抑制、促降因素没有得到有效发挥,是导致中国雾霾污染频发的根本原因;雾霾污染在时间单维度、空间单维度和时空双维度上分别表现出雪球效应、泄漏效应和警示效应,因而治霾政策必须坚持常抓不懈、联防联控和惩一儆百的实施策略。
[34]Anselin L, Syabri I, Smirnov O.Visualizing multivariate spatial correlation with dynamically linked windows
//Anselin L, REY S. New Tools for Spatial Data Analysis: Proceedings Of The Specialist Meeting. Center for Spatially Integrated Social Science, University of California, Santa Barbara, CD-ROM, 2002. [本文引用: 2]
[35]Elhorst J P.Specification and estimation of spatial panel data models
. International Regional Science Review, 2003, 26(3): 244-268.https://doi.org/10.1177/0160017603253791URL [本文引用: 3]
[36]Lesage J, Pace R K.Introduction to Spatial Econometrics. New York, CRC Press, 2009. [本文引用: 3]
[37]Wang kun, Huang Zhenfang, Yu Fenglong, et al. Spatial effects of China's urbanization on tourism economic development: Empirical research based on the spatial panel econometric model
. Tourism Tribune, 2016, 31(5): 15-25.https://doi.org/10.3969/j.issn.1002-5006.2016.05.007URLMagsci [本文引用: 3]摘要
在理论分析城镇化对旅游经济影响的空间效应基础上,利用2000&#x02014;2013年的省级面板数据和空间面板计量模型,实证探讨了城镇化规模和质量对旅游经济影响的直接效应与空间溢出效应。研究显示：（1）城镇化规模、城镇化质量和旅游经济发展都具有明显的空间依赖性和空间集聚特征,传统面板数据模型因忽略了被解释变量和解释变量的空间溢出效应而高估了城镇化对旅游经济发展的产出弹性;（2）城镇化规模和城镇化质量均对旅游经济发展具有明显的促进作用和正向的空间溢出效应,表明旅游经济发展不仅受到本地区城镇化的影响,也会受到邻近地区城镇化进程的交互作用;（3）在城镇化进程中,产业结构转变、旅游企业物质资本与劳动力投入、旅游消费水平等多维要素都是推动旅游经济发展的重要力量,旅游企业物质资本和旅游消费水平还具有显著的正向溢出效应,而旅游企业劳动力投入有明显的负外溢效应。
[王坤, 黄震方, 余凤龙, 等. 中国城镇化对旅游经济影响的空间效应: 基于空间面板计量模型的研究
. 旅游学刊, 2016, 31(5): 15-25.]https://doi.org/10.3969/j.issn.1002-5006.2016.05.007URLMagsci [本文引用: 3]摘要
在理论分析城镇化对旅游经济影响的空间效应基础上,利用2000&#x02014;2013年的省级面板数据和空间面板计量模型,实证探讨了城镇化规模和质量对旅游经济影响的直接效应与空间溢出效应。研究显示：（1）城镇化规模、城镇化质量和旅游经济发展都具有明显的空间依赖性和空间集聚特征,传统面板数据模型因忽略了被解释变量和解释变量的空间溢出效应而高估了城镇化对旅游经济发展的产出弹性;（2）城镇化规模和城镇化质量均对旅游经济发展具有明显的促进作用和正向的空间溢出效应,表明旅游经济发展不仅受到本地区城镇化的影响,也会受到邻近地区城镇化进程的交互作用;（3）在城镇化进程中,产业结构转变、旅游企业物质资本与劳动力投入、旅游消费水平等多维要素都是推动旅游经济发展的重要力量,旅游企业物质资本和旅游消费水平还具有显著的正向溢出效应,而旅游企业劳动力投入有明显的负外溢效应。
[38]Van D A, Martin R V, Brauer M, et al.Use of satellite observations for long-term exposure assessment of global concentrations of fine particulate matter
. Environmental Health Perspectives, 2015, 123(2): 135-143.https://doi.org/10.1289/ehp.1408646URLPMID:4314252 [本文引用: 1]摘要
More than a decade of satellite observations offers global information about the trend and magnitude of human exposure to fine particulate matter (PM2.5). In this study, we developed improved global exposure estimates of ambient PM2.5 mass and trend using PM2.5 concentrations inferred from multiple satellite instruments. We combined three satellite-derived PM2.5 sources to produce global PM2.5 estimates at about 10 km 脳 10 km from 1998 through 2012. For each source, we related total column retrievals of aerosol optical depth to near-ground PM2.5 using the GEOS-Chem chemical transport model to represent local aerosol optical properties and vertical profiles. We collected 210 global ground-based PM2.5 observations from the literature to evaluate our satellite-based estimates with values measured in areas other than North America and Europe. We estimated that global population-weighted ambient PM2.5 concentrations increased 0.55 渭g/m3/year (95% CI: 0.43, 0.67) (2.1%/year; 95% CI: 1.6, 2.6) from 1998 through 2012. Increasing PM2.5 in some developing regions drove this global change, despite decreasing PM2.5 in some developed regions. The estimated proportion of the population of East Asia living above the World Health Organization (WHO) Interim Target-1 of 35 渭g/m3 increased from 51% in 1998-2000 to 70% in 2010-2012. In contrast, the North American proportion above the WHO Air Quality Guideline of 10 渭g/m3 fell from 62% in 1998-2000 to 19% in 2010-2012. We found significant agreement between satellite-derived estimates and ground-based measurements outside North America and Europe (r = 0.81; n = 210; slope = 0.68). The low bias in satellite-derived estimates suggests that true global concentrations could be even greater. Satellite observations provide insight into global long-term changes in ambient PM2.5 concentrations. Satellite-derived estimates and ground-based PM2.5 observations from this study are available for public use.
[39]Dai Zhaoxin, Zhang Yunzhi, Hu Yunfeng, et al.Spatial-temporal characteristics of PM2.5 in Yangtze River Delta (YRD) region based on the ground monitoring data from 2013-3015
. Resources and Environment in the Yangtze Basin, 2016, 25(5): 813-821.https://doi.org/10.11870/cjlyzyyhj201605015URLMagsci [本文引用: 1]摘要
近年来,长三角地区灰霾天气持续增多,空气细颗粒物污染问题日益突出。基于2013年1月至2015年5月长三角地区及周边缓冲区内共214个空气质量监测站点PM<sub>2.5</sub>逐时监测数据,运用普通克里金插值方法,从年、季、月尺度上分析了PM<sub>2.5</sub>的空间分布格局和时间动态变化。结果表明:(1)2 a来,长三角地区PM<sub>2.5</sub>浓度空间分布明显呈现整体北部高南部低,局部地区略有突出的分布特征;长三角地区PM<sub>2.5</sub>浓度年均值为57.08μg/m<sup>3</sup>;其中,江苏省PM<sub>2.5</sub>的年均值为三省市最高,为65.84μg/m<sup>3</sup>;其次为上海市,年均值为53.87μg/m<sup>3</sup>;浙江省PM<sub>2.5</sub>的年均值较小,为51.53μg/m<sup>3</sup>。(2)从季节尺度分析,长三角地区PM<sub>2.5</sub>浓度变化表现出冬春季高,夏秋季低的变化趋势;这与区域内冬季风向来源、降水稀少、气象扩散条件差有着密切的关系; (3)长三角地区月浓度变化大致呈U形分布; 12月份PM<sub>2.5</sub>浓度最高; 3月份以后, PM<sub>2.5</sub>浓度开始呈逐步下降趋势;在5~9月份,区域PM<sub>2.5</sub>处于"U"字的谷底,其中6月份夏收时期秸秆焚烧、气象等因素导致PM<sub>2.5</sub>浓度有略微升高;进入10月份后迅速攀升,且11、12月份呈现持续升高态势。
[戴昭鑫, 张云芝, 胡云锋, 等. 基于地面监测数据的2013-2015年长三角地区PM2.5时空特征
. 长江流域资源与环境, 2016, 25(5): 813-821.]https://doi.org/10.11870/cjlyzyyhj201605015URLMagsci [本文引用: 1]摘要
近年来,长三角地区灰霾天气持续增多,空气细颗粒物污染问题日益突出。基于2013年1月至2015年5月长三角地区及周边缓冲区内共214个空气质量监测站点PM<sub>2.5</sub>逐时监测数据,运用普通克里金插值方法,从年、季、月尺度上分析了PM<sub>2.5</sub>的空间分布格局和时间动态变化。结果表明:(1)2 a来,长三角地区PM<sub>2.5</sub>浓度空间分布明显呈现整体北部高南部低,局部地区略有突出的分布特征;长三角地区PM<sub>2.5</sub>浓度年均值为57.08μg/m<sup>3</sup>;其中,江苏省PM<sub>2.5</sub>的年均值为三省市最高,为65.84μg/m<sup>3</sup>;其次为上海市,年均值为53.87μg/m<sup>3</sup>;浙江省PM<sub>2.5</sub>的年均值较小,为51.53μg/m<sup>3</sup>。(2)从季节尺度分析,长三角地区PM<sub>2.5</sub>浓度变化表现出冬春季高,夏秋季低的变化趋势;这与区域内冬季风向来源、降水稀少、气象扩散条件差有着密切的关系; (3)长三角地区月浓度变化大致呈U形分布; 12月份PM<sub>2.5</sub>浓度最高; 3月份以后, PM<sub>2.5</sub>浓度开始呈逐步下降趋势;在5~9月份,区域PM<sub>2.5</sub>处于"U"字的谷底,其中6月份夏收时期秸秆焚烧、气象等因素导致PM<sub>2.5</sub>浓度有略微升高;进入10月份后迅速攀升,且11、12月份呈现持续升高态势。
[40]Lee S J, Serre M L, Van D A, et al.Comparison of geostatistical interpolation and remote sensing techniques for estimating long-term exposure to ambient PM2.5 concentrations across the continental United States
. Environmental Health Perspectives, 2012, 120(12): 1727-1732.]https://doi.org/10.1289/ehp.1205006URL [本文引用: 1]
[41]Pan Jinghu, Zhang Wen, Li Junfeng, et al.Spatial distributional characteristics of air pollutants in major cities in China during the period of wide range haze pollution
. Chinese Journal of Ecology, 2014, 33(12): 3423-3431.URLMagsci [本文引用: 1]摘要
<div >以2013年11&mdash;12月的中国118个重点城市667个环境监测站点的大气污染物监测数据为基础，通过选取最优的空间插值方法获得全国大范围雾霾期间每5日的污染物浓度空间分布图，并运用核密度和趋势面分析研究其空间分布规律，采用全局自相关和局部自相关分析方法探讨大气污染物浓度分布的空间异质性。结果表明：大气污染物指数在不同时段的变化较大，NO<sub>2</sub>、PM<sub>10</sub>、PM<sub>2.5</sub>、SO<sub>2</sub> 5日平均浓度均表现为东部&gt;西部以及北方&gt;南方的态势；PM<sub>10</sub>和PM<sub>2.5</sub>是造成大范围雾霾天气的主要贡献者；各大气污染物浓度均呈现显著的空间正相关，空间分布聚集性明显；NO<sub>2</sub>浓度的热点集中在鲁中、冀南、珠三角等城市群，PM<sub>10</sub>浓度的热点集中在冀南、关中-天水、淮海等经济区，PM<sub>2.5</sub>浓度的热点集中在京津冀、长三角、华南沿海等区域，SO<sub>2</sub>浓度的热点则集中在冀中和鲁西北地区。</div><div >&nbsp;</div>
[潘竟虎, 张文, 李俊峰, 等. 中国大范围雾霾期间主要城市空气污染物分布特征
. 生态学杂志, 2014, 33(12): 3423-3431.]URLMagsci [本文引用: 1]摘要
<div >以2013年11&mdash;12月的中国118个重点城市667个环境监测站点的大气污染物监测数据为基础，通过选取最优的空间插值方法获得全国大范围雾霾期间每5日的污染物浓度空间分布图，并运用核密度和趋势面分析研究其空间分布规律，采用全局自相关和局部自相关分析方法探讨大气污染物浓度分布的空间异质性。结果表明：大气污染物指数在不同时段的变化较大，NO<sub>2</sub>、PM<sub>10</sub>、PM<sub>2.5</sub>、SO<sub>2</sub> 5日平均浓度均表现为东部&gt;西部以及北方&gt;南方的态势；PM<sub>10</sub>和PM<sub>2.5</sub>是造成大范围雾霾天气的主要贡献者；各大气污染物浓度均呈现显著的空间正相关，空间分布聚集性明显；NO<sub>2</sub>浓度的热点集中在鲁中、冀南、珠三角等城市群，PM<sub>10</sub>浓度的热点集中在冀南、关中-天水、淮海等经济区，PM<sub>2.5</sub>浓度的热点集中在京津冀、长三角、华南沿海等区域，SO<sub>2</sub>浓度的热点则集中在冀中和鲁西北地区。</div><div >&nbsp;</div>
[42]Liu Junsheng, Ma Yaofeng.The evolution and driving mechanism of the supply and demand coupling about tourism flow and destination system based on the genesis and system theory: Taking Xi'an as an example
. Geographical Research, 2017, 36(8): 1583-1600.https://doi.org/10.11821/dlyj201708015URL [本文引用: 2]摘要
明确旅游流与目的地系统供需耦合成长的演化、因素与驱动机制,对旅游目的地实施宏观调控具有重要意义.基于发生学与系统论,采用耦合协调度评价模型、回归与相关分析法,分析了1995-2014年西安市旅游流与目的地供需耦合成长曲线的演化特征与影响因素,依此归纳出两大系统耦合成长的驱动机制.研究发现:①旅游流是旅游需求的显化,是旅游流与目的地耦合成长的基本驱动力.旅游流与目的地系统的耦合成长曲线演进主要受旅游流需求系统支配,二者耦合成长曲线呈现“三峰三谷”的波动演进特征;②旅游流与目的地耦合呈现由低质—高质耦合的发展演化历程.旅游流与目的地系统由低质耦合向高质耦合成长演进的不同发展阶段,影响两大系统耦合成长的指标、要素与子系统的数量与贡献值也逐步提升;③旅游流与目的地耦合成长受“四位一体”驱动力的影响.旅游需求是引致旅游流与目的地耦合成长的基本驱动力,旅游流需求与目的地供给的自组织动态演化是决定二者耦合成长的原生驱动力,系统内部因素与子系统在不同发展阶段的转换与变化是影响二者耦合成长的内部驱动力,国家政策的动态支持与特殊事件年份的出现是推动二者耦合成长的外部驱动力.研究结果从整体与系统角度加深了对两大系统耦合成长的演进特征与驱动机制的理解,对旅游目的地宏观调控起一定理论参考价值.
[刘军胜, 马耀峰. 基于发生学与系统论的旅游流与目的地供需耦合成长演化与驱动机制研究: 以西安市为例
. 地理研究, 2017, 36(8): 1583-1600.]https://doi.org/10.11821/dlyj201708015URL [本文引用: 2]摘要
明确旅游流与目的地系统供需耦合成长的演化、因素与驱动机制,对旅游目的地实施宏观调控具有重要意义.基于发生学与系统论,采用耦合协调度评价模型、回归与相关分析法,分析了1995-2014年西安市旅游流与目的地供需耦合成长曲线的演化特征与影响因素,依此归纳出两大系统耦合成长的驱动机制.研究发现:①旅游流是旅游需求的显化,是旅游流与目的地耦合成长的基本驱动力.旅游流与目的地系统的耦合成长曲线演进主要受旅游流需求系统支配,二者耦合成长曲线呈现“三峰三谷”的波动演进特征;②旅游流与目的地耦合呈现由低质—高质耦合的发展演化历程.旅游流与目的地系统由低质耦合向高质耦合成长演进的不同发展阶段,影响两大系统耦合成长的指标、要素与子系统的数量与贡献值也逐步提升;③旅游流与目的地耦合成长受“四位一体”驱动力的影响.旅游需求是引致旅游流与目的地耦合成长的基本驱动力,旅游流需求与目的地供给的自组织动态演化是决定二者耦合成长的原生驱动力,系统内部因素与子系统在不同发展阶段的转换与变化是影响二者耦合成长的内部驱动力,国家政策的动态支持与特殊事件年份的出现是推动二者耦合成长的外部驱动力.研究结果从整体与系统角度加深了对两大系统耦合成长的演进特征与驱动机制的理解,对旅游目的地宏观调控起一定理论参考价值.
[43]Wang Degen, Chen Tian, Lu Lin, et al.Mechanism and HSR effect of spatial structure of regional tourist flow: Case study of Beijing-Shanghai HSR in China
. Acta Geographica Sinica, 2015, 70(2): 214-233.https://doi.org/10.11821/dlxb201502004URL [本文引用: 2]摘要
交通是影响旅游流空间结构最主要因素之一。以京沪高铁线为例,探讨了区域旅游流空间结构的高铁效应及特征,在此基础上,分析区域交通可达性变化,并结合区域旅游资源禀赋、区域旅游接待设施、区域旅游交通网络密度以及区位等影响因素分析区域旅游流空间结构的高铁效应的机理。研究表明:1区域旅游流空间结构的高铁效应表现为马太效应、过滤效应、扩散效应和叠加效应等特征。2区位条件、旅游资源禀赋、旅游接待能力、交通网络密度以及时空压缩程度等影响因素共同作用均非常明显态势下,产生高铁马太效应;旅游资源禀赋、旅游接待能力、交通网络密度均不强,时空压缩程度不显著等旅游节点产生高铁过滤效应;区位条件、旅游资源禀赋、旅游接待能力和交通网络密度均具有很强优势,且时空压缩程度明显等旅游节点可成为扩散源,高铁强化了扩散源旅游流集聚作用,然后向边缘旅游地扩散,呈现为"集聚—扩散"模式;高铁使大尺度空间的不同客源地居民出游空间范围出现叠加现象,但只有区位条件、旅游资源禀赋、旅游接待能力、交通网络密度优势较强且时空压缩程度明显旅游节点产生叠加效应。
[汪德根, 陈田, 陆林, 等. 区域旅游流空间结构的高铁效应及机理: 以中国京沪高铁为例
. 地理学报, 2015, 70(2): 214-233.]https://doi.org/10.11821/dlxb201502004URL [本文引用: 2]摘要
交通是影响旅游流空间结构最主要因素之一。以京沪高铁线为例,探讨了区域旅游流空间结构的高铁效应及特征,在此基础上,分析区域交通可达性变化,并结合区域旅游资源禀赋、区域旅游接待设施、区域旅游交通网络密度以及区位等影响因素分析区域旅游流空间结构的高铁效应的机理。研究表明:1区域旅游流空间结构的高铁效应表现为马太效应、过滤效应、扩散效应和叠加效应等特征。2区位条件、旅游资源禀赋、旅游接待能力、交通网络密度以及时空压缩程度等影响因素共同作用均非常明显态势下,产生高铁马太效应;旅游资源禀赋、旅游接待能力、交通网络密度均不强,时空压缩程度不显著等旅游节点产生高铁过滤效应;区位条件、旅游资源禀赋、旅游接待能力和交通网络密度均具有很强优势,且时空压缩程度明显等旅游节点可成为扩散源,高铁强化了扩散源旅游流集聚作用,然后向边缘旅游地扩散,呈现为"集聚—扩散"模式;高铁使大尺度空间的不同客源地居民出游空间范围出现叠加现象,但只有区位条件、旅游资源禀赋、旅游接待能力、交通网络密度优势较强且时空压缩程度明显旅游节点产生叠加效应。
[44]Liu Y P, Li Y C, Parkpian P.Inbound tourism in Thailand: Market form and scale differentiation in ASEAN source countries
. Tourism Management, 2018, 64(1): 22-36.https://doi.org/10.1016/j.tourman.2017.07.016URL [本文引用: 1]摘要
Utilizing Thailand's inbound tourism statistics for the period 1996 to 2015, we focus on the change and differentiation of its inbound tourism sources from the ASEAN countries. The results are as follows: first, the number of tourists to Thailand from ASEAN countries and Thailand's foreign exchange earnings saw an average growth rate of more than 10%. Second, we find that only few ASEAN source countries are star markets, while most of them belong to the dog or child market categories. Third, by employing the distance decay pattern, we highlight a significant Boltzman curve between inbound tourists and travel distance; moreover, bilateral trade emerges as an important factor for Thailand's inbound tourist flows. Fourth, using five indicators, we investigate scale differentiation within these countries, and find a Primacy Index value greater than 2, suggesting that although the market seemed highly concentrated, a balanced development trend is apparent.
[45]Wang Kun, Huang Zhenfang, Cao Fangdong, et al.Spatial pattern evolution of urban tourism performance and its influence factors in Pan-Yangtze River Delta
. Journal of Natural Resources, 2016, 31(7): 1149-1163.URL [本文引用: 2]摘要
城市旅游绩效是综合衡量城市旅游业生产活动过程和效果的重要手段。论文基于旅游发展规模和质量视角,利用旅游业绩指数和Bootstrap-DEA测算泛长江三角洲城市旅游绩效,并采用空间变差函数和SDM探讨城市旅游绩效的格局演变及其影响因素。结果表明：1）区域城市旅游业绩和效率呈现相异的空间格局,城市旅游业绩高值区分布于上海、杭州和南京等中心城市及其邻近地区,低值区多位于皖北和苏北地区;城市旅游效率高值区逐渐呈现＂皖北—苏南—上海—皖南—浙东＂的＂Z＂字形分布,低值区不断向苏中、苏北和皖中地区集聚。2）区域城市旅游业绩和效率格局的演变过程存在明显差异,城市旅游业绩格局发生变异的随机成分不断降低,而旅游效率格局的结构化变异逐渐增大;城市旅游业绩的空间差异在不断缩小,各方向上的差异较为稳定,而旅游效率格局的空间差异先减小后增大,各方向上的差异切换频繁。3）区域城市旅游绩效的格局演变与城市经济发展、产业结构、交通条件、信息技术、市场化和城市化等多种因素有关,各影响因素及其空间效应强度的差异引致区域城市旅游业绩和效率格局呈现不同的演变轨迹。
[王坤, 黄震方, 曹芳东, 等. 泛长江三角洲城市旅游绩效空间格局演变及其影响因素
. 自然资源学报, 2016, 31(7): 1149-1163.]URL [本文引用: 2]摘要
城市旅游绩效是综合衡量城市旅游业生产活动过程和效果的重要手段。论文基于旅游发展规模和质量视角,利用旅游业绩指数和Bootstrap-DEA测算泛长江三角洲城市旅游绩效,并采用空间变差函数和SDM探讨城市旅游绩效的格局演变及其影响因素。结果表明：1）区域城市旅游业绩和效率呈现相异的空间格局,城市旅游业绩高值区分布于上海、杭州和南京等中心城市及其邻近地区,低值区多位于皖北和苏北地区;城市旅游效率高值区逐渐呈现＂皖北—苏南—上海—皖南—浙东＂的＂Z＂字形分布,低值区不断向苏中、苏北和皖中地区集聚。2）区域城市旅游业绩和效率格局的演变过程存在明显差异,城市旅游业绩格局发生变异的随机成分不断降低,而旅游效率格局的结构化变异逐渐增大;城市旅游业绩的空间差异在不断缩小,各方向上的差异较为稳定,而旅游效率格局的空间差异先减小后增大,各方向上的差异切换频繁。3）区域城市旅游绩效的格局演变与城市经济发展、产业结构、交通条件、信息技术、市场化和城市化等多种因素有关,各影响因素及其空间效应强度的差异引致区域城市旅游业绩和效率格局呈现不同的演变轨迹。
[46]Zhou Liang, Zhou Chenghu, Yang Fan, et al.Spatio-temporal evolution and the influencing factors of PM2.5 in China between 2000 and 2011
. Acta Geographica Sinica, 2017, 72(11): 2709-2092.https://doi.org/10.11821/dlxb201711012URL [本文引用: 2]摘要
高浓度PM_(2.5)是形成雾霾的主要原因之一,科学识别PM_(2.5)浓度的空间异质性与驱动因素对区域大气联动治理意义重大。研究采用2000-2011年NASA大气遥感影像反演的PM_(2.5)数据,结合地统计、地理探测器及GIS空间分析等方法,系统分析了中国2000-2011年PM_(2.5)浓度时空演化格局特征与其驱动因素。结果表明:(1)2000-2011年中国PM_(2.5)污染平均浓度一直保持在22.47~28.26μg/m3区间,总体呈现先快速增加后趋于稳定的演化态势,2006年是PM_(2.5)浓度值变化的拐点(峰值)。(2)空间上PM_(2.5)浓度整体呈现北方高于南方,东部高于西部趋势,污染浓度高值区集中分布在黄淮海平原、长三角下游平原、四川盆地与塔克拉玛干沙漠四大区域,其中京津冀地区污染最为严重。(3)污染浓度重心研究表明PM_(2.5)重心总体呈现快速东移趋势,污染高值区持续向东移动,低值区向西移动,两者重心背向而行,表明东部雾霾污染程度在进一步加剧。(4)空间自相关分析表明PM_(2.5)年均浓度呈现强烈的局部空间正自相关特性,PM_(2.5)"高—高"集聚区连片分布在黄淮海平原、汾渭盆地、四川盆地及江汉平原地区,PM_(2.5)"低—低"集聚区分布在长城以北的内蒙古、黑龙江、青藏高原、以及台湾、海南与福建等东南沿海及岛屿地区。(5)地理探测分析表明气候等自然因素与人类活动共同对PM_(2.5)浓度空间变化产生巨大影响,其中自然地理区位、人口密度、汽车数量、工业烟尘、秸秆燃烧等因子是中国PM_(2.5)浓度空间变化的主要驱动因素。
[周亮, 周成虎, 杨帆, 等. 2000-2011年中国PM2.5时空演化特征及驱动因素解析
. 地理学报, 2017, 72(11): 2079-2092.]https://doi.org/10.11821/dlxb201711012URL [本文引用: 2]摘要
高浓度PM_(2.5)是形成雾霾的主要原因之一,科学识别PM_(2.5)浓度的空间异质性与驱动因素对区域大气联动治理意义重大。研究采用2000-2011年NASA大气遥感影像反演的PM_(2.5)数据,结合地统计、地理探测器及GIS空间分析等方法,系统分析了中国2000-2011年PM_(2.5)浓度时空演化格局特征与其驱动因素。结果表明:(1)2000-2011年中国PM_(2.5)污染平均浓度一直保持在22.47~28.26μg/m3区间,总体呈现先快速增加后趋于稳定的演化态势,2006年是PM_(2.5)浓度值变化的拐点(峰值)。(2)空间上PM_(2.5)浓度整体呈现北方高于南方,东部高于西部趋势,污染浓度高值区集中分布在黄淮海平原、长三角下游平原、四川盆地与塔克拉玛干沙漠四大区域,其中京津冀地区污染最为严重。(3)污染浓度重心研究表明PM_(2.5)重心总体呈现快速东移趋势,污染高值区持续向东移动,低值区向西移动,两者重心背向而行,表明东部雾霾污染程度在进一步加剧。(4)空间自相关分析表明PM_(2.5)年均浓度呈现强烈的局部空间正自相关特性,PM_(2.5)"高—高"集聚区连片分布在黄淮海平原、汾渭盆地、四川盆地及江汉平原地区,PM_(2.5)"低—低"集聚区分布在长城以北的内蒙古、黑龙江、青藏高原、以及台湾、海南与福建等东南沿海及岛屿地区。(5)地理探测分析表明气候等自然因素与人类活动共同对PM_(2.5)浓度空间变化产生巨大影响,其中自然地理区位、人口密度、汽车数量、工业烟尘、秸秆燃烧等因子是中国PM_(2.5)浓度空间变化的主要驱动因素。
[47]Merbitz H, Buttst?dt M, Michael S, et al.GIS-based identification of spatial variables enhancing heat and poor air quality in urban areas
. Applied Geography, 2012, 33(1): 94-106.https://doi.org/10.1016/j.apgeog.2011.06.008URL
[48]Liu Haimeng, Fang Chuanglin, Huang Xiejun, et al.The spatial-temporal characteristics and influencing factors of air pollution in Beijing-Tianjin-Hebei urban agglomeration
. Acta Geographica Sinica, 2018, 73(1): 177-191.https://doi.org/10.11821/dlxb201801015URL [本文引用: 1]摘要
京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM_（2.5）的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM_（2.5）浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM_（2.5）浓度比周围郊区和农村平均高10~20μg/m~3;2014年仅有13.9%的区县空气质量达标,PM_（2.5）浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM_（2.5）每升高1%,将导致本地PM_（2.5）至少升高0.5%;社会经济内因对PM_（2.5）主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速〉年均气温〉人口密度〉地形起伏度〉第二产业占比〉能源消费〉植被覆盖度,人均GDP、年降水量和相对湿度对本地PM_（2.5）没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度〉地形起伏度〉能源消费〉人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。
[刘海猛, 方创琳, 黄解军, 等. 京津冀城市群大气污染的时空特征与影响因素解析
. 地理学报, 2018, 73(1): 177-191.]https://doi.org/10.11821/dlxb201801015URL [本文引用: 1]摘要
京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM_（2.5）的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM_（2.5）浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM_（2.5）浓度比周围郊区和农村平均高10~20μg/m~3;2014年仅有13.9%的区县空气质量达标,PM_（2.5）浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM_（2.5）每升高1%,将导致本地PM_（2.5）至少升高0.5%;社会经济内因对PM_（2.5）主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速〉年均气温〉人口密度〉地形起伏度〉第二产业占比〉能源消费〉植被覆盖度,人均GDP、年降水量和相对湿度对本地PM_（2.5）没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度〉地形起伏度〉能源消费〉人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。
[49]Huang Zhenfang, Huang Rui.The theoretical perspective and academic innovation of tourism geography based on human-environment interactions
. Geographical Research, 2015, 34(1): 15-26.https://doi.org/10.11821/dlyj201501002URL [本文引用: 1]摘要
针对旅游地理学理论研究比较薄弱和研究内容相对泛化的现状,提出将旅游人地关系作为旅游地理学研究的核心,阐述了旅游人地关系的理论内涵,认为旅游地理学是研究地球表层人类旅游活动与地理环境关系并服务于人类生活和社会经济发展的一门科学,其研究对象是"旅游地域系统"。基于人地关系的理论视角,按照旅游地理学理论体系化和科学化的发展要求,充分考虑旅游地理学旅游性、区域性、综合性和应用性的学科属性,初步构建了以旅游活动系统和地理环境系统为基础,以人地关系理论为核心,融合相关学科理论的旅游地理学理论框架。论文还梳理了旅游地理学的基本研究内容、主要科学问题和重要研究方法,强调应大力倡导地理学科学精神,改变低水平应用导向和过于偏重技术导向的研究现状,切实运用旅游地理学研究和解决国家与地方旅游发展中的重要现实问题,并在此基础上强化理论导向的思想型研究,将深刻揭示旅游人地关系地域系统的基本特征、功能结构、时空演化、基本规律、动力机制和调控途径作为旅游地理学研究的重点,通过学科特色创新、研究范式创新、理论成果创新、研究方法创新和应用价值创新,推动旅游地理学理论研究的深化、学术水平的提高和学科体系的完善,促进现代旅游地理学的本土化和中国旅游地理研究的国际化。
[黄震方, 黄睿. 基于人地关系的旅游地理学理论透视与学术创新
. 地理研究, 2015, 34(1): 15-26.]https://doi.org/10.11821/dlyj201501002URL [本文引用: 1]摘要
针对旅游地理学理论研究比较薄弱和研究内容相对泛化的现状,提出将旅游人地关系作为旅游地理学研究的核心,阐述了旅游人地关系的理论内涵,认为旅游地理学是研究地球表层人类旅游活动与地理环境关系并服务于人类生活和社会经济发展的一门科学,其研究对象是"旅游地域系统"。基于人地关系的理论视角,按照旅游地理学理论体系化和科学化的发展要求,充分考虑旅游地理学旅游性、区域性、综合性和应用性的学科属性,初步构建了以旅游活动系统和地理环境系统为基础,以人地关系理论为核心,融合相关学科理论的旅游地理学理论框架。论文还梳理了旅游地理学的基本研究内容、主要科学问题和重要研究方法,强调应大力倡导地理学科学精神,改变低水平应用导向和过于偏重技术导向的研究现状,切实运用旅游地理学研究和解决国家与地方旅游发展中的重要现实问题,并在此基础上强化理论导向的思想型研究,将深刻揭示旅游人地关系地域系统的基本特征、功能结构、时空演化、基本规律、动力机制和调控途径作为旅游地理学研究的重点,通过学科特色创新、研究范式创新、理论成果创新、研究方法创新和应用价值创新,推动旅游地理学理论研究的深化、学术水平的提高和学科体系的完善,促进现代旅游地理学的本土化和中国旅游地理研究的国际化。
相关话题/旅游 空间 城市 污染 数据

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.