主管单位：中国科学技术协会
主办单位：中国地理学会
承办单位：华东师范大学
主办单位：中国地理学会
承办单位：华东师范大学
世界地理研究 ›› 2024, Vol. 33 ›› Issue (12): 148-162.DOI: 10.3969/j.issn.1004-9479.2024.12.20230079
殷紫燕1,2(
), 黄安民1,2,3()
收稿日期:2023-02-21
修回日期:2023-08-08
出版日期:2024-12-15
发布日期:2024-12-23
通讯作者:
黄安民
作者简介:殷紫燕（1995—），女，博士研究生，研究方向为数字文旅和文旅融合，E-mail：2275507851@qq.com。
基金资助:
YIN Ziyan1,2(), Anmin HUANG1,2,3()
Received:2023-02-21
Revised:2023-08-08
Online:2024-12-15
Published:2024-12-23
Contact:
Anmin HUANG
摘要：
考察虚拟旅游网络关注度的时空特征与影响因素不仅可以了解各地虚拟旅游的发展现状，也有利于了解民众对虚拟旅游的兴趣并作为预测各地旅游需求的重要指标。但旅游领域网络关注度研究主要集中在实地旅游，而虚拟旅游对网络的依赖性更高，却极少有研究将百度指数应用到虚拟旅游中。因此，本研究以我国31个省（市、区）的虚拟旅游百度指数为基础，采用季节性集中指数、地理集中指数、变差系数、首位度及地理探测器等方法对我国虚拟旅游的网络关注度的时空特征及影响因素进行分析。结果表明：（1）总体上虚拟旅游网络关注度呈现出平稳发展态势，2016年达到最高峰。虚拟旅游网络关注度季节性变化幅度较大，3、4、5、6和10月为网络搜索的旺季，大众倾向于在春季和秋季关注虚拟旅游。（2）整体上，虚拟旅游网络关注度空间演化格局较为稳定，呈现 “胡焕庸线”为界的分布特征。区域上，虚拟旅游网络关注度呈现东-中-西依次减少的态势。区域内部，虚拟旅游网络关注度空间分布差异西部最大，东部和中部较为均衡，且东部差异有缩小趋势，中部和西部差异有进一步扩大趋势。（3）虚拟旅游网络关注度受到经济条件、人口因素、教育发展程度、旅游发展水平和数字化程度的影响。此外，政策支持、典型虚拟旅游项目及热点事件等也会对虚拟旅游网络关注度产生影响。本研究在理论上拓展和丰富了虚拟旅游及网络关注度的研究框架，从实践上为我国虚拟旅游的政策制定、虚拟旅游项目开发及未来旅游产业提质增效和高质量发展提供参考。
殷紫燕, 黄安民. 虚拟旅游网络关注度的时空特征及其影响因素[J]. 世界地理研究, 2024, 33(12): 148-162.
YIN Ziyan, Anmin HUANG. Spatial-temporal characteristics and influencing factors of network attention on virtual tourism[J]. World Regional Studies, 2024, 33(12): 148-162.
图1 2011—2021年虚拟旅游网络关注度和季节性集中指数变化趋势
Fig.1 Evolution trend of virtual tour network attention and seasonal concentration index from 2011 to 2021
| 省份 | 2011年 | 2013年 | 2015年 | 2017年 | 2019年 | 2021年 |
|---|---|---|---|---|---|---|
| 浙江 | 51（1） | 39（2） | 52（1） | 75（1） | 64（1） | 46（1） |
| 广东 | 47（2） | 31（3） | 44（2） | 60（2） | 51（2） | 31（4） |
| 北京 | 46（3） | 40（1） | 44（3） | 49（3） | 29（4） | 25（5） |
| 山东 | 46（4） | 26（5） | 34（5） | 40（5） | 24（6） | 23（6） |
| 江苏 | 43（5） | 30（4） | 40（4） | 45（4） | 35（3） | 33（3） |
| 河南 | 43（6） | 24（6） | 32（6） | 34（7） | 28（5） | 17（10） |
| 河北 | 38（7） | 22（7） | 23（8） | 27（9） | 14（10） | 16（12） |
| 山西 | 31（8） | 13（15） | 13（17） | 15（16） | 5（23） | 7（20） |
| 上海 | 31（9） | 19（8） | 26（7） | 32（8） | 17（8） | 19（8） |
| 辽宁 | 30（10） | 16（13） | 17（13） | 19（14） | 12（12） | 15（13） |
| 湖北 | 30（11） | 18（9） | 23（9） | 21（12） | 15（9） | 13（14） |
| 四川 | 29（12） | 16（14） | 23（10） | 35（6） | 21（7） | 22（7） |
| 福建 | 28（13） | 17（10） | 20（11） | 19（15） | 11（14） | 18（9） |
| 陕西 | 28（14） | 17（11） | 17（14） | 20（13） | 12（13） | 13（15） |
| 安徽 | 26（15） | 11（17） | 17（15） | 26（10） | 14（11） | 44（2） |
| 湖南 | 22（16） | 13（16） | 19（12） | 23（11） | 11（15） | 17（11） |
| 天津 | 21（17） | 17（12） | 13（18） | 11（19） | 8（18） | 6（21） |
| 江西 | 20（18） | 6（23） | 9（21） | 11（20） | 8（19） | 13（16） |
| 重庆 | 20（19） | 6（24） | 14（16） | 14（17） | 11（16） | 11（17） |
| 黑龙江 | 18（20） | 9（18） | 11（20） | 10（21） | 7（20） | 4（23） |
| 广西 | 18（21） | 7（19） | 12（19） | 14（18） | 9（17） | 9（18） |
| 内蒙古 | 14（22） | 7（20） | 6（24） | 9（23） | 6（22） | 8（19） |
| 吉林 | 13（23） | 7（21） | 8（22） | 10（22） | 4（25） | 5（22） |
| 云南 | 12（24） | 7（22） | 7（23） | 8（25） | 7（21） | 3（25） |
| 贵州 | 10（25） | 4（26） | 3（26） | 9（24） | 5（24） | 2（26） |
| 新疆 | 9（26） | 5（25） | 4（25） | 3（27） | 4（26） | 1（29） |
| 甘肃 | 7（27） | 4（27） | 3（27） | 4（26） | 3（27） | 2（27） |
| 海南 | 5（28） | 4（28） | 3（28） | 3（28） | 1（29） | 4（24） |
| 宁夏 | 2（29） | 0.47（30） | 0.94（29） | 2（29） | 2（28） | 2（28） |
| 西藏 | 1（30） | 1（29） | 0.47（31） | 0.78（31） | 0.16（31） | 0.16（31） |
| 青海 | 0.78（31） | 0.47（31） | 0.65（30） | 1（30） | 1（30） | 1（30） |
表1 2011—2021年全国各省（市、区）虚拟旅游网络关注度指数
Tab.1 Network attention of virtual tour in various regions from 2011 to 2021
| 省份 | 2011年 | 2013年 | 2015年 | 2017年 | 2019年 | 2021年 |
|---|---|---|---|---|---|---|
| 浙江 | 51（1） | 39（2） | 52（1） | 75（1） | 64（1） | 46（1） |
| 广东 | 47（2） | 31（3） | 44（2） | 60（2） | 51（2） | 31（4） |
| 北京 | 46（3） | 40（1） | 44（3） | 49（3） | 29（4） | 25（5） |
| 山东 | 46（4） | 26（5） | 34（5） | 40（5） | 24（6） | 23（6） |
| 江苏 | 43（5） | 30（4） | 40（4） | 45（4） | 35（3） | 33（3） |
| 河南 | 43（6） | 24（6） | 32（6） | 34（7） | 28（5） | 17（10） |
| 河北 | 38（7） | 22（7） | 23（8） | 27（9） | 14（10） | 16（12） |
| 山西 | 31（8） | 13（15） | 13（17） | 15（16） | 5（23） | 7（20） |
| 上海 | 31（9） | 19（8） | 26（7） | 32（8） | 17（8） | 19（8） |
| 辽宁 | 30（10） | 16（13） | 17（13） | 19（14） | 12（12） | 15（13） |
| 湖北 | 30（11） | 18（9） | 23（9） | 21（12） | 15（9） | 13（14） |
| 四川 | 29（12） | 16（14） | 23（10） | 35（6） | 21（7） | 22（7） |
| 福建 | 28（13） | 17（10） | 20（11） | 19（15） | 11（14） | 18（9） |
| 陕西 | 28（14） | 17（11） | 17（14） | 20（13） | 12（13） | 13（15） |
| 安徽 | 26（15） | 11（17） | 17（15） | 26（10） | 14（11） | 44（2） |
| 湖南 | 22（16） | 13（16） | 19（12） | 23（11） | 11（15） | 17（11） |
| 天津 | 21（17） | 17（12） | 13（18） | 11（19） | 8（18） | 6（21） |
| 江西 | 20（18） | 6（23） | 9（21） | 11（20） | 8（19） | 13（16） |
| 重庆 | 20（19） | 6（24） | 14（16） | 14（17） | 11（16） | 11（17） |
| 黑龙江 | 18（20） | 9（18） | 11（20） | 10（21） | 7（20） | 4（23） |
| 广西 | 18（21） | 7（19） | 12（19） | 14（18） | 9（17） | 9（18） |
| 内蒙古 | 14（22） | 7（20） | 6（24） | 9（23） | 6（22） | 8（19） |
| 吉林 | 13（23） | 7（21） | 8（22） | 10（22） | 4（25） | 5（22） |
| 云南 | 12（24） | 7（22） | 7（23） | 8（25） | 7（21） | 3（25） |
| 贵州 | 10（25） | 4（26） | 3（26） | 9（24） | 5（24） | 2（26） |
| 新疆 | 9（26） | 5（25） | 4（25） | 3（27） | 4（26） | 1（29） |
| 甘肃 | 7（27） | 4（27） | 3（27） | 4（26） | 3（27） | 2（27） |
| 海南 | 5（28） | 4（28） | 3（28） | 3（28） | 1（29） | 4（24） |
| 宁夏 | 2（29） | 0.47（30） | 0.94（29） | 2（29） | 2（28） | 2（28） |
| 西藏 | 1（30） | 1（29） | 0.47（31） | 0.78（31） | 0.16（31） | 0.16（31） |
| 青海 | 0.78（31） | 0.47（31） | 0.65（30） | 1（30） | 1（30） | 1（30） |
图2 各月全国虚拟旅游网络关注度与月关注度均值比值
Fig.2 The ratio of the national virtual tourism network attention in each month and average monthly attention
| 类型 | 省份（位序） | 省份数量 /个 | 总贡献率 /% | 平均贡献率 /% |
|---|---|---|---|---|
| 高关注区 | 浙江（1）、广东（2）、北京（3） | 3 | 25.68 | 8.56 |
| 较高关注区 | 江苏（4）、山东（5）、河南（6）、四川（7） | 4 | 23.20 | 5.80 |
| 中度关注区 | 上海（9）、河北（8）、安徽（14）、湖北（10）、福建（11）、陕西（12）、辽宁（13）、湖南（15）、山西（16）、天津（17） | 10 | 34.41 | 3.44 |
| 较低关注区 | 重庆（19）、广西（18）、江西（21）、黑龙江（20）、云南（22）、吉林（23）、内蒙古（24）、贵州（25）、新疆（26）、甘肃（27） | 10 | 15.55 | 1.56 |
| 低关注区 | 海南（28）、宁夏（29）、青海（30）、西藏（31） | 4 | 1.16 | 0.29 |
表2 虚拟旅游网络关注度等级类型划分
Tab.2 Classification of virtual tour network attention levels
| 类型 | 省份（位序） | 省份数量 /个 | 总贡献率 /% | 平均贡献率 /% |
|---|---|---|---|---|
| 高关注区 | 浙江（1）、广东（2）、北京（3） | 3 | 25.68 | 8.56 |
| 较高关注区 | 江苏（4）、山东（5）、河南（6）、四川（7） | 4 | 23.20 | 5.80 |
| 中度关注区 | 上海（9）、河北（8）、安徽（14）、湖北（10）、福建（11）、陕西（12）、辽宁（13）、湖南（15）、山西（16）、天津（17） | 10 | 34.41 | 3.44 |
| 较低关注区 | 重庆（19）、广西（18）、江西（21）、黑龙江（20）、云南（22）、吉林（23）、内蒙古（24）、贵州（25）、新疆（26）、甘肃（27） | 10 | 15.55 | 1.56 |
| 低关注区 | 海南（28）、宁夏（29）、青海（30）、西藏（31） | 4 | 1.16 | 0.29 |
图3 2011—2021年虚拟旅游网络关注度格局演化注：此图基于自然资源部标准地图服务网站下载的审图号为GS（2023）2762号的标准地图底图制作，底图无修改
Fig.3 Hierarchical pattern evolution of virtual tour network attention from 2011 to 2021
| 年份 | 省域差异 | 区域间差异（东部、中部和西部） | ||||||
|---|---|---|---|---|---|---|---|---|
| CV | P | H | G | CV | P | H | G | |
| 2011 | 0.108 | 1.085 | 0.044 | 20.999 | 0.236 | 1.901 | 0.389 | 62.377 |
| 2012 | 0.119 | 1.073 | 0.046 | 21.579 | 0.270 | 2.270 | 0.406 | 63.768 |
| 2013 | 0.135 | 1.025 | 0.050 | 22.499 | 0.326 | 2.584 | 0.439 | 66.307 |
| 2014 | 0.138 | 1.000 | 0.051 | 22.684 | 0.332 | 2.747 | 0.443 | 66.616 |
| 2015 | 0.143 | 1.181 | 0.052 | 22.961 | 0.314 | 2.393 | 0.432 | 65.737 |
| 2016 | 0.135 | 1.000 | 0.050 | 22.519 | 0.286 | 2.345 | 0.415 | 64.467 |
| 2017 | 0.152 | 1.250 | 0.055 | 23.580 | 0.309 | 2.533 | 0.429 | 65.519 |
| 2018 | 0.164 | 1.418 | 0.059 | 24.372 | 0.307 | 2.760 | 0.428 | 65.418 |
| 2019 | 0.181 | 1.254 | 0.065 | 25.520 | 0.334 | 2.891 | 0.444 | 66.702 |
| 2020 | 0.146 | 1.122 | 0.053 | 23.186 | 0.291 | 2.462 | 0.418 | 64.691 |
| 2021 | 0.155 | 1.045 | 0.056 | 23.732 | 0.274 | 1.966 | 0.408 | 63.917 |
表3 2011—2021年虚拟旅游网络关注度的省域间差异与区域间差异
Tab.3 Provincial and interregional differences of virtual tour network attention from 2011 to 2021
| 年份 | 省域差异 | 区域间差异（东部、中部和西部） | ||||||
|---|---|---|---|---|---|---|---|---|
| CV | P | H | G | CV | P | H | G | |
| 2011 | 0.108 | 1.085 | 0.044 | 20.999 | 0.236 | 1.901 | 0.389 | 62.377 |
| 2012 | 0.119 | 1.073 | 0.046 | 21.579 | 0.270 | 2.270 | 0.406 | 63.768 |
| 2013 | 0.135 | 1.025 | 0.050 | 22.499 | 0.326 | 2.584 | 0.439 | 66.307 |
| 2014 | 0.138 | 1.000 | 0.051 | 22.684 | 0.332 | 2.747 | 0.443 | 66.616 |
| 2015 | 0.143 | 1.181 | 0.052 | 22.961 | 0.314 | 2.393 | 0.432 | 65.737 |
| 2016 | 0.135 | 1.000 | 0.050 | 22.519 | 0.286 | 2.345 | 0.415 | 64.467 |
| 2017 | 0.152 | 1.250 | 0.055 | 23.580 | 0.309 | 2.533 | 0.429 | 65.519 |
| 2018 | 0.164 | 1.418 | 0.059 | 24.372 | 0.307 | 2.760 | 0.428 | 65.418 |
| 2019 | 0.181 | 1.254 | 0.065 | 25.520 | 0.334 | 2.891 | 0.444 | 66.702 |
| 2020 | 0.146 | 1.122 | 0.053 | 23.186 | 0.291 | 2.462 | 0.418 | 64.691 |
| 2021 | 0.155 | 1.045 | 0.056 | 23.732 | 0.274 | 1.966 | 0.408 | 63.917 |
| 指标 | 区域 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年 | 2019年 | 2020年 | 2021年 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| CV | 东部 | 0.113 | 0.122 | 0.130 | 0.134 | 0.152 | 0.148 | 0.181 | 0.209 | 0.229 | 0.174 | 0.162 |
| 中部 | 0.121 | 0.130 | 0.156 | 0.128 | 0.162 | 0.148 | 0.154 | 0.221 | 0.223 | 0.162 | 0.281 | |
| 西部 | 0.212 | 0.234 | 0.238 | 0.275 | 0.266 | 0.280 | 0.274 | 0.224 | 0.239 | 0.268 | 0.296 | |
| P | 东部 | 1.085 | 1.073 | 1.025 | 1.000 | 1.181 | 1.000 | 1.250 | 1.418 | 1.254 | 1.122 | 1.393 |
| 中部 | 1.387 | 1.631 | 1.333 | 1.733 | 1.391 | 1.368 | 1.307 | 2.111 | 1.866 | 1.526 | 2.588 | |
| 西部 | 1.035 | 1.043 | 1.062 | 1.000 | 1.352 | 1.833 | 1.750 | 1.200 | 1.750 | 2.000 | 1.692 | |
| H | 东部 | 0.103 | 0.106 | 0.107 | 0.108 | 0.114 | 0.112 | 0.123 | 0.134 | 0.143 | 0.121 | 0.117 |
| 中部 | 0.139 | 0.142 | 0.149 | 0.141 | 0.151 | 0.147 | 0.148 | 0.174 | 0.174 | 0.151 | 0.204 | |
| 西部 | 0.128 | 0.138 | 0.140 | 0.159 | 0.154 | 0.162 | 0.158 | 0.133 | 0.140 | 0.155 | 0.171 | |
| G | 东部 | 32.197 | 32.554 | 32.854 | 32.997 | 33.794 | 33.587 | 35.164 | 36.708 | 37.882 | 34.850 | 34.261 |
| 中部 | 37.396 | 37.691 | 38.664 | 37.611 | 38.910 | 38.355 | 38.574 | 41.741 | 41.816 | 38.913 | 45.200 | |
| 西部 | 35.866 | 37.171 | 37.422 | 39.870 | 39.270 | 40.248 | 39.808 | 36.591 | 37.516 | 39.412 | 41.388 |
表4 2011—2021年虚拟旅游网络关注度区域内差异
Tab.4 The differences of the network attention within regional index of virtual tour from 2011 to 2021
| 指标 | 区域 | 2011年 | 2012年 | 2013年 | 2014年 | 2015年 | 2016年 | 2017年 | 2018年 | 2019年 | 2020年 | 2021年 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| CV | 东部 | 0.113 | 0.122 | 0.130 | 0.134 | 0.152 | 0.148 | 0.181 | 0.209 | 0.229 | 0.174 | 0.162 |
| 中部 | 0.121 | 0.130 | 0.156 | 0.128 | 0.162 | 0.148 | 0.154 | 0.221 | 0.223 | 0.162 | 0.281 | |
| 西部 | 0.212 | 0.234 | 0.238 | 0.275 | 0.266 | 0.280 | 0.274 | 0.224 | 0.239 | 0.268 | 0.296 | |
| P | 东部 | 1.085 | 1.073 | 1.025 | 1.000 | 1.181 | 1.000 | 1.250 | 1.418 | 1.254 | 1.122 | 1.393 |
| 中部 | 1.387 | 1.631 | 1.333 | 1.733 | 1.391 | 1.368 | 1.307 | 2.111 | 1.866 | 1.526 | 2.588 | |
| 西部 | 1.035 | 1.043 | 1.062 | 1.000 | 1.352 | 1.833 | 1.750 | 1.200 | 1.750 | 2.000 | 1.692 | |
| H | 东部 | 0.103 | 0.106 | 0.107 | 0.108 | 0.114 | 0.112 | 0.123 | 0.134 | 0.143 | 0.121 | 0.117 |
| 中部 | 0.139 | 0.142 | 0.149 | 0.141 | 0.151 | 0.147 | 0.148 | 0.174 | 0.174 | 0.151 | 0.204 | |
| 西部 | 0.128 | 0.138 | 0.140 | 0.159 | 0.154 | 0.162 | 0.158 | 0.133 | 0.140 | 0.155 | 0.171 | |
| G | 东部 | 32.197 | 32.554 | 32.854 | 32.997 | 33.794 | 33.587 | 35.164 | 36.708 | 37.882 | 34.850 | 34.261 |
| 中部 | 37.396 | 37.691 | 38.664 | 37.611 | 38.910 | 38.355 | 38.574 | 41.741 | 41.816 | 38.913 | 45.200 | |
| 西部 | 35.866 | 37.171 | 37.422 | 39.870 | 39.270 | 40.248 | 39.808 | 36.591 | 37.516 | 39.412 | 41.388 |
| 指标维度 | 探测因素 | 相关性 | q值 |
|---|---|---|---|
| 经济条件 | 国内生产总值/亿元 | 0.731** | 0.497 5*** |
| 第三产业产值占比/% | 0.158** | 0.100 7** | |
| 人均可支配收入/元 | 0.458** | 0.238 4*** | |
| 人口因素 | 人口总数/万人 | 0.640** | 0.410 8*** |
| 城镇人口占比/% | 0.416** | 0.225 5*** | |
| 教育发展程度 | 高校数量/所 | 0.683** | 0.466 6*** |
| 在校大学生数量/万人 | 0.621** | 0.361 7*** | |
| 旅游发展水平 | 国内旅游收入/亿元 | 0.170** | 0.001 1 |
| 国内旅游人次/（万/人次） | 0.311** | 0.039 4* | |
| A级旅游景区/家 | 0.442** | 0.188 7*** | |
| 数字化发展水平 | 互联网宽带接入用户/万户 | 0.629** | 0.344 8*** |
| 移动互联网用户/万户 | 0.687** | 0.460 3*** | |
| 软件产品收入/万元 | 0.647** | 0.448 8*** |
表5 虚拟旅游网络关注度的影响因素相关性及q值
Tab.5 Correlation of spatial-temporal difference and q value of impact factors of virtual tour network attention
| 指标维度 | 探测因素 | 相关性 | q值 |
|---|---|---|---|
| 经济条件 | 国内生产总值/亿元 | 0.731** | 0.497 5*** |
| 第三产业产值占比/% | 0.158** | 0.100 7** | |
| 人均可支配收入/元 | 0.458** | 0.238 4*** | |
| 人口因素 | 人口总数/万人 | 0.640** | 0.410 8*** |
| 城镇人口占比/% | 0.416** | 0.225 5*** | |
| 教育发展程度 | 高校数量/所 | 0.683** | 0.466 6*** |
| 在校大学生数量/万人 | 0.621** | 0.361 7*** | |
| 旅游发展水平 | 国内旅游收入/亿元 | 0.170** | 0.001 1 |
| 国内旅游人次/（万/人次） | 0.311** | 0.039 4* | |
| A级旅游景区/家 | 0.442** | 0.188 7*** | |
| 数字化发展水平 | 互联网宽带接入用户/万户 | 0.629** | 0.344 8*** |
| 移动互联网用户/万户 | 0.687** | 0.460 3*** | |
| 软件产品收入/万元 | 0.647** | 0.448 8*** |
| 1 | 胡芬,张进.虚拟旅游体验者满意感影响因素研究.湖北大学学报:哲学社会科学版,2013,40(3):129-132. |
| HU F, ZHANG J. Research on the influencing factors of satisfaction of virtual tourism experiencers. Journal of Hubei University: Philosophy and Social Sciences Edition, 2013,40(3): 129-132. | |
| 2 | Tourism SHARPLEY R.,Tourists and Society. London:Routledge, 2016. |
| 3 | TUSSYADIAH I P, WANG D, JUNG T H, et al. Virtual reality, presence, and attitude change: Empirical evidence from tourism. Tourism Management, 2018, 66: 140-154. |
| 4 | KIM M J, LEE C K, JUNG T. Exploring consumer behavior in virtual reality tourism using an extended stimulus-organism-response model. Journal of Travel Research, 2020,59(1): 69-89. |
| 5 | 郑春晖,张佳,温淑盈.虚与实:虚拟旅游中的人地情感依恋与实地旅游意愿.旅游学刊,2022,37(4):104-115. |
| ZHENG C, ZHANG J, WEN S. Emptiness and reality: Human land emotional attachment and on-site tourism willingness in Virtual Tourism. Journal of Tourism, 2022,37(4):104-115. | |
| 6 | 赖勤,钱莉莉,应天煜,等.虚拟旅游研究综述——基于Scopus数据库的文献计量与内容分析.旅游科学,2022,36(1):16-35. |
| LAI Q, QIAN L, YING T, et al. Review of virtual tourism research: Bibliometrics and content analysis based on Scopus database. Tourism Science, 2022,36(1): 16-35. | |
| 7 | SUSSMANN S, VANHEGAN H. Virtual reality and the tourism product: Substitution or complement? ECIS 2000 Proceedings, 2000: 1077-1083. |
| 8 | 甘露,谢雯,贾晓昕,等.虚拟现实体验能替代实地旅游吗?——基于威士伯峰虚拟现实体验的场景实验分析.旅游学刊,2019,34(8):87-96. |
| GAN L, XIE W, JIA X, et al. Can virtual reality experience replace field travel? Analysis of scene experiment based on the experience of virtual reality in Mount Valspar. Journal of Tourism, 2019,34(8): 87-96. | |
| 9 | 曾可盈,周丽君.基于百度指数的东北三省4A级及以上景区网络关注度分析.东北师范大学学报:自然科学版,2019,51(1):133-138. |
| ZENG K, ZHOU L. Analysis of network attention of 4A level and above scenic spots in three northeastern provinces based on Baidu Index. Journal of Northeast Normal University: Natural Science Edition, 2019,51(1):133-138. | |
| 10 | LUO M, FENG R, CAI L. Information search behavior and tourist characteristics:The internet vis-à-vis other information sources. Journal of Travel & Tourism Marketing,2005,17(2-3):15-25. |
| 11 | VUYLSTEKE A, WEN Z, BAESENS B,et al. Consumers' search for information on the internet:How and why China differs from Western Europe. Journal of Interactive Marketing,2010,24(4):309-331. |
| 12 | 李山,邱荣旭,陈玲.基于百度指数的旅游景区网络空间关注度:时间分布及其前兆效应.地理与地理信息科学,2008,24(6):102-107. |
| LI S, QIU R, CHEN L. Cyberspace attention of scenic spots based on Baidu Index: Time distribution and its precursory effect. Geography and Geographic Information Science, 2008,24(6):102-107. | |
| 13 | 张晓梅,程绍文,刘晓蕾,等.古城旅游地网络关注度时空特征及其影响因素——以平遥古城为例.经济地理,2016,36(7):196-202. |
| ZHANG X, CHENG S, LIU X, et al. Spatial and temporal characteristics and influencing factors of network attention of ancient city tourism destinations —— Taking Pingyao ancient city as an example. Economic Geography, 2016,36(7):196-202. | |
| 14 | 方叶林,程雪兰,黄震方,等.国家重点风景名胜区网络关注度与游客量的错位特征及机理.经济地理,2020,40(4):204-213. |
| FANG Y, CHENG X, HUANG Z, et al. The dislocation characteristics and mechanism of network attention and tourist volume in national key scenic spots. Economic Geography, 2020,40(4):204-213. | |
| 15 | 黄先开,张丽峰,丁于思.百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例.旅游学刊,2013,28(11):93-100. |
| HUANG X, ZHANG L, DING Y. Research on the relationship and prediction between Baidu Index and tourist volume in scenic spots -- Taking the Forbidden City in Beijing as an example. Journal of Tourism, 2013,28(11):93-100. | |
| 16 | 丁鑫,汪京强,李勇泉.基于百度指数的旅游目的地网络关注度时空特征与影响因素研究——以厦门市为例.资源开发与市场,2018,34(5):709-714. |
| DING X, WANG J, LI Y. Study on characteristics and influencing factors of network attention degree of tourist destination based on Baidu Index——A case of Xiamen city. Resource Development and Market, 2018,34(5):709-714. | |
| 17 | 林志慧,马耀峰,刘宪锋,等.旅游景区网络关注度时空分布特征分析.资源科学,2012,34(12):2427-2433. |
| LIN Z, MA Y, LIU X, et al. Analysis of temporal and spatial distribution characteristics of network attention of scenic spots. Resource Science, 2012,34(12): 2427-2433. | |
| 18 | 刘嘉毅,陈玲,陶婷芳.旅游舆情网络关注度城市差异——来自289个城市百度指数的实证研究.信息资源管理学报,2018,8(3):93-101. |
| LIU J, CHEN L, TAO T. Urban differences in online attention of tourism public opinion ——An empirical study from the Baidu Index of 289 cities. Journal of Information Resource Management, 2018,8(3):93-101. | |
| 19 | 邹永广,林炜铃,郑向敏.旅游安全网络关注度时空特征及其影响因素.旅游学刊,2015,30(2):101-109. |
| ZOU Y, LIN W, ZHENG X. Temporal and spatial characteristics of tourism security network attention and its influencing factors. Journal of Tourism, 2015,30(2):101-109. | |
| 20 | 何小芊,刘宇,吴发明.基于百度指数的温泉旅游网络关注度时空特征研究.地域研究与开发,2017,36(1):103-108. |
| HE X, LIU Y, WU F. Research on spatial and temporal characteristics of hot spring tourism network attention based on Baidu Index. Regional Research and Development, 2017,36(1):103-108. | |
| 21 | 张新成,梁学成,高楠,等.长征主题红色旅游资源关注度的空间网络结构及其形成机制分析.旅游科学,2021,35(3):1-23. |
| ZHANG X, LIANG X, GAO N, et al. Analysis of spatial network structure and its formation mechanism of the attention of Red Tourism resources with the theme of the long march. Tourism Science, 2021,35(3):1-23. | |
| 22 | 高楠,张新成,王琳艳.中国红色旅游网络关注度时空特征及影响因素.自然资源学报,2020,35(5):1068-1089. |
| GAO N, ZHANG X, WANG L. Temporal and spatial characteristics and influencing factors of China's Red Tourism network attention. Journal of Natural Resources, 2020,35(5): 1068-1089. | |
| 23 | 冯晓兵.中国民宿网络关注时空特征及影响因素研究.世界地理研究,2022,31(1):154-165. |
| FENG X. Research on spatio-temporal characteristics and influencing factors of China B & B network. World Regional Studies, 2022,31 (1): 154-165. | |
| 24 | 杜家禛,徐菁,靳诚.基于百度指数的长江三角洲虚拟旅游流流动特征和影响因素分析.长江流域资源与环境,2021,30(2):290-301. |
| DU J, XU J, JIN C. Analysis of flow characteristics and influencing factors of virtual tourism flow in the Yangtze River Delta based on Baidu Index. Resources and Environment of the Yangtze River Basin, 2021,30(2): 290-301. | |
| 25 | 卢松,陆林,王莉,等.古村落旅游客流时间分布特征及其影响因素研究——以世界文化遗产西递、宏村为例.地理科学,2004,24(2):250-256. |
| LU S, LU L, WANG L, et al. Temporal characteristics of tourist flows to ancient villages——A case study of two world cultural heritages, Xidi village and Hongcun village. Geographical Sciences, 2004,24(2): 250-256. | |
| 26 | 王兆峰,刘庆芳.中国少数民族特色村寨空间异质性特征及其影响因素.经济地理,2019,39(11):150-158. |
| WANG Z, LIU Q. Spatial heterogeneity characteristics and influencing factors of Chinese ethnic minority characteristic villages. Economic Geography, 2019, 39 (11):150-158. | |
| 27 | 耿虹,李彦群,范在予.农家乐发展的地域空间格局及其影响因素——基于浙江、湖北、四川的比较研究.经济地理,2019,39(11):183-193. |
| GENG H, LI Y, FAN Z. The regional spatial pattern of agritainment development and its influencing factors: A comparative study based on Zhejiang, Hubei and Sichuan. Economic Geography, 2019,39(11):183-193. | |
| 28 | 李莉,侯国林,夏四友,等.成都市休闲旅游资源空间分布特征及影响因素.自然资源学报,2020,35(3):683-697. |
| LI L, HOU G, XIA S, et al. Spatial distribution characteristics and influencing factors of leisure tourism resources in Chengdu. Journal of Natural Resources, 2020,35 (3): 683-697. | |
| 29 | 陈昆仑,林晨喧,刘小琼,等.中国马拉松网络关注的时空特征及影响因素.经济地理,2022,42(1):117-126. |
| CHEN K, LIN C, LIU X, et al. Space time characteristics and influencing factors of China Marathon network. Economic Geography, 2022,42 (1): 117-126. | |
| 30 | 张宇飞,任艳路,梁丽敏. 中国冰雪旅游网络关注度的时空差异与影响因素——基于百度指数的实证数据. 世界地理研究, 2024, 33(10): 155-167. |
| ZHANG Y, REN Y, LIANG L. The spatiotemporal differences and influencing factors of the attention of China's ice and snow tourism net‐work—— Empirical data based on Baidu Index. World Regional Studies, 2024,33(10):155-167. | |
| 31 | 焦珊珊,李明,田逢军,等.中国红色旅游经典景区网络关注度分布格局及驱动机制.经济地理,2022,42(1):211-220. |
| JIAO S, LI M, TIAN F, et al. Distribution pattern and driving mechanism of network attention of classic scenic spots of Chinese Red Tourism. Economic Geography, 2022,42(1): 211-220. | |
| 32 | 刘沛林. 从新宅居生活看网络虚拟旅游的前景和方向. 地理科学,2020,40(9):1403-1411. |
| LIU P. Look at the prospect and direction of online virtual tourism from the perspective of new residential life. Geographical Science, 2020,40 (9): 1403-1411. | |
| 33 | HUANG Y C, BACKMAN S J, BACKMAN K F, et al. Exploring user acceptance of 3D virtual worlds in travel and tourism marketing. Tourism Management, 2013(36):490-501. |
| 34 | 唐鸿,许春晓.中国红色旅游经典景区网络关注度时空演变及影响因素.自然资源学报,2021,36(7):1792-1810. |
| TANG H, XU C. Temporal and spatial evolution and influencing factors of network attention of Chinese Red Tourism classic scenic spots. Journal of Natural Resources, 2021,36 (7): 1792-1810. |
| [1] | 赵亚博, 黄柳倩, 胡蝶, 陈瑞炀, 谢涤湘, 范建红. “流空间”视角下珠三角城市群综合客运网络特征及影响因素[J]. 世界地理研究, 2024, 33(9): 163-175. |
| [2] | 王素凤, 洪剑涛, 李化夫. 中国城市能源消费碳排放影响因素的时空异质性[J]. 世界地理研究, 2024, 33(8): 102-116. |
| [3] | 安琳, 夏丽丽, 张佳锃, 林剑铬. 珠三角区域经济韧性的空间演化及影响因素研究[J]. 世界地理研究, 2024, 33(8): 132-147. |
| [4] | 王毅, 蔡舒雅, 李晓婷, 陆玉麒. 中国能源的“不可能三角”真的不可能吗[J]. 世界地理研究, 2024, 33(8): 87-101. |
| [5] | 陈宇奇, 蒋雪中. 长江南京以下港口城市可持续效率演变与影响因素分析[J]. 世界地理研究, 2024, 33(7): 116-127. |
| [6] | 张家旗, 余成, 申秋实. 坦桑尼亚土地利用变化生态环境效应的空间分异特征研究[J]. 世界地理研究, 2024, 33(7): 59-72. |
| [7] | 王婷, 李禕, 周浩楠. 长三角地区跨界共建园：时空特征、城市偏好与影响机制[J]. 世界地理研究, 2024, 33(6): 102-115. |
| [8] | 宋关东, 唐承丽, 周国华. 基于县域尺度的乡村韧性测量及其影响因素分析[J]. 世界地理研究, 2024, 33(6): 128-140. |
| [9] | 胡彬, 刘军. 肯尼亚人口分布空间格局演化及影响因素研究[J]. 世界地理研究, 2024, 33(6): 64-75. |
| [10] | 刘海朦, 田小波, 曹婷婷. 基于百度指数的乡村旅游需求时空特征及其影响因素研究[J]. 世界地理研究, 2024, 33(5): 177-188. |
| [11] | 彭红艳, 丁志伟. 中国淘宝村“增长-消失”的时空特征及影响因素分析[J]. 世界地理研究, 2024, 33(4): 103-116. |
| [12] | 张圣忠, 孟迪, 柴廷熠. 关中平原城市群物流企业空间格局演化及影响因素研究[J]. 世界地理研究, 2024, 33(4): 117-129. |
| [13] | 鄢继尧, 赵媛, 熊筱燕, 许昕. 中国家政服务业发展的时空演变特征及影响因素[J]. 世界地理研究, 2024, 33(3): 161-174. |
| [14] | 李文, 李德升, 胡浩, 胡森林. 长三角地区养老产业发展水平格局及影响因素研究[J]. 世界地理研究, 2024, 33(2): 123-135. |
| [15] | 耿满国, 张伟, 唐相龙, 王雪怡. 中国乡村旅游地的空间分布特征及影响因素[J]. 世界地理研究, 2024, 33(2): 151-163. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||
