一种新的客源地集中指数(tourCI)与实证分析

客源地分布的集聚特征是客源市场空间结构研究的重要内容。针对现有客源集中指数不能横向对比及难以解释驱动因素的问题,论文提出了支持引入不同影响因子参数的客源地集中指数“tourCI”计算方法,建立了基于tourCI指数的客源地空间结构解释概念框架,给出tourCI的多维度描述方式和意义解析,以测算不同影响因素下的客源地分布集聚特征。以大理古城位置微博签到提取的客源数据进行实证研究,结果表明：基于政区维度的tourCI反映出云南省内本地客源对大理古城客源分布特征产生了重要影响,省外客源分布相对均衡;基于距离维度的tourCI刻画了大理古城客源分布随目的地距离的变化规律,由近及远呈现“弱—强—弱—均衡”的指数变化模式;经济维度tourCI显示来自一线城市的游客高度集中在经济水平较高地区,来自新一线城市的游客分布相对均衡,其余城市的客源分布受经济影响较大。理论与实证研究证明了tourCI指数对客源地空间结构集聚特征及驱动因素具有较好的解析能力,有助于丰富旅游地理研究的方法体系。     

旅游地文本中的细粒度地名可视化方法

在旅游文本中,旅游地内的细粒度地名贯穿了整个旅游过程,起到了景观符号和旅游记忆载体的作用。文章阐述了细粒度旅游地地名的概念和其研究意义,选取样本旅游地对网络上旅游文本中的细粒度地名进行统计分析,总结出细粒度旅游地地名的4个特点:尺度小、定位明确、形象直观和承载记忆;以Apache服务器和MySQL为平台,构建细粒度地名数据库;结合百度地图API和PHP语言编程,实现细粒度地名的识别与可视化方法。以黄山风景区为研究样例,构建了旅游地细粒度地名可视化应用实例,提供了一种地图辅助的旅游文本阅读模式。     

大量网络游记文本中热度地名提取方法与实证研究

探讨网络游记文本中的地名使用特征及其研究意义,地名使用状态的定量特征能够反映游客对旅游地景观的认知结构与旅游行为的一般过程。在现有中文分词技术基础上,结合游记文本中的地名使用特点,选用ATF*PDF方法计算特征词汇在整个旅游文本集中使用状态的综合权重,设计了一种基于大量网络游记文本的热度地名自动提取方法,为不使用自定义地名库的旅游地理研究奠定了基础。以游客点评网游记为样本的实验证明,该方法能够实现旅游相关地名的快速提取,地名使用热度越高,提取准确率越高;对地名提取结果的类型结构分析发现了自然和人文旅游地游记在词汇使用方面的共性和差异,指示了旅游文本地名的分布意义及其对旅行过程其他信息解读的潜在价值,预示了网络游记文本在进一步解析旅游者的旅游地认知特征和旅游行为过程方面的科学意义。     

北京市健身俱乐部多尺度空间格局

城市健身俱乐部是现代城市游憩空间中的新事物。利用点格局识别和探索性数据分析方法,借助GIS和地统计分析等软件,分析北京市健身俱乐部空间格局特征。最邻近距离系数和样方分析表明,健身俱乐部在全局尺度上存在明显空间聚集,但在行政分区和交通线路分割的单元中,则表现出聚集、随机和离散分布的不同空间格局。1~5km共5个尺度格网单元统计分析进一步验证了健身俱乐部空间格局具有显著尺度效应。样本密度、最邻近距离系数、Moran’s I系数分析发现,样本密度和最邻近距离系数均呈现明显的空间分异和空间自相关,其中2km、3km尺度反映的微观形态特征最为显著。证明全局尺度并非分析健身俱乐部空间格局的唯一和最好尺度,部分微观单元上空间格局将更明显,格局特征也可能会与全局尺度相反。因此多类型、多尺度统计单元能够更全面地反映点要素分布的规律。多尺度空间格局研究,为准确描述城市游憩空间中的点要素空间格局特征,提供了新的研究思路和具体实证。     

基于DEM的交通线文化景观感知与功能分段研究——紫荆关长城景观的实证

在已有景观感知度概念和模型基础上,根据景观规模和特征将交通线某一具体位置的景观感知度划分为单点景观、多点景观和组景观感知度,并提出了基于集合表达的交通线景观感知度模型,以解决在一组特定的线性空间单元或区域上开展景观感知的研究和计算问题。以紫荆关长城文化景观为例,利用DEM进行景观视域分析,并引入资源价值、遗存现状等权重因子,实现了紫荆关附近公路和铁路线的景观感知度定量计算。根据景观感知度的空间格局,准确划分了敌台、烽火台和马面等单点景观、墙体景观及各类组景观和综合景观的最佳感知功能路段和最佳观赏位置。总体来看,紫荆关附近的公路线可感知位置连续性更强,铁路线高感知位置相对离散,公路感知效果整体优于铁路感知。交通线景观感知度模型特别适合用于大型造型地貌、宏伟建筑群等景观感知分析,是对旅游景观规划设计方法的一种扩充,能够将旅游景观规划设计从旅游地内部拓展到旅游地外围,对于提高旅游景观导引设计的精准性、提升旅游文化传播效率和增加传播途径等均有理论参考意义和实践应用价值。     

基于DEM的交通线文化景观感知与功能分段研究——紫荆关长城景观的实证北大核心CSCD

在已有景观感知度概念和模型基础上,根据景观规模和特征将交通线某一具体位置的景观感知度划分为单点景观、多点景观和组景观感知度,并提出了基于集合表达的交通线景观感知度模型,以解决在一组特定的线性空间单元或区域上开展景观感知的研究和计算问题。以紫荆关长城文化景观为例,利用DEM进行景观视域分析,并引入资源价值、遗存现状等权重因子,实现了紫荆关附近公路和铁路线的景观感知度定量计算。根据景观感知度的空间格局,准确划分了敌台、烽火台和马面等单点景观、墙体景观及各类组景观和综合景观的最佳感知功能路段和最佳观赏位置。总体来看,紫荆关附近的公路线可感知位置连续性更强,铁路线高感知位置相对离散,公路感知效果整体优于铁路感知。交通线景观感知度模型特别适合用于大型造型地貌、宏伟建筑群等景观感知分析,是对旅游景观规划设计方法的一种扩充,能够将旅游景观规划设计从旅游地内部拓展到旅游地外围,对于提高旅游景观导引设计的精准性、提升旅游文化传播效率和增加传播途径等均有理论参考意义和实践应用价值。     

电子政务中政府门户网站地图应用状况分析

作者选择电子政务中政府门户网站最具代表力的国家各部、委、局网站为调查对象,采用多种方式、详细调查、分析了网站中地图的应用状况,根据调查结果将各部、委、局网站分为“空间信息非密切相关政府网站”和“空间信息密切相关政府网站”两类。通过对地图应用的分类、地图数据形式的总结,发现了目前政府门户网站中地图应用存在的一些问题,例如,地图数量少、功能挖掘不充分、缺少非中文版本地图等。最后对门户网站的地图应用方向作了合理而大胆的预测。     

基于Tripadvisor 的中国旅游地国际关注度及空间格局

用户贡献内容(UGC)已逐渐成为旅游行为与感知研究的重要数据源.区别于通常利用搜索引擎关键词数量描述网络关注度的方法,本文引入电子社区层次结构为权重因子,建立了基于社区UGC的旅游关注度模型,能够灵活调节模型表达的重点,优化计算结果.针对著名旅游电子社区Tripadvisor 的研究发现,国外社区用户对中国旅游的关注呈现3 个典型特征:①旅游关注集中在“长城、泰山、黄山、九寨沟、张家界”等少数旅游吸引物,和“北京、香港、上海、桂林”少量目的地城市;大量吸引物和目的地关注度较低,呈现“长尾现象”与极化特征.②吸引物与目的地城市的关注空间具有明显耦合性,关注度较高的吸引物多邻近或隶属于关注度较高的城市,如桂林阳朔、北京长城、成都都江堰和九寨沟、杭州西湖等.③旅游关注空间整体呈现出由高到低的“东—中—西”格局,与中国区域经济的“东—中—西”梯度格局基本耦合;北京、香港、广州、深圳、上海、成都等关注中心也与区域经济中心一致.旅游资源禀赋、电子口碑传播模式、地理区位、经济水平和关注者国家的文化背景、经济发展状况、地理区位等是影响旅游者关注度及其空间格局变化的主要因素.旅游关注度模型旨在解决互联网用户对区域旅游关注的定量计算问题,为基于互联网UGC的旅游地理学研究提供新思路.     

大城市环城游憩带成熟度评价体系与北京市实证分析

基于当前城市环城游憩带研究,提出了大城市环城游憩带成熟度的概念,用于描述环城游憩带的发展阶段与状态。建立了内部结构、区域整合、配套设施、网络空间信息4个准则层和13个指标因子的成熟度评价体系,实现环城游憩带成熟度定量评价,并将环城游憩带成熟度划分为萌芽期、发展期、近成熟期、成熟期四个阶段。以北京市为研究区域,以距市中心10km为单元,将北京环城游憩带划分13个圈层,对每个圈层进行成熟度评价。结果显示北京环城游憩带发展状态呈现明显的空间分异,在成熟度随距离衰减的整体趋势中存在明显波动。40~100km圈层是北京环城游憩带发展相对活跃的区域,也将成为北京城市游憩空间发展的重点区,并趋向成熟。     

基于CMIP6气候模式的华北平原极端气温指数评估和预测

随着全球气候变暖,极端气候事件频发,对自然生态系统、社会经济及人类生产生活带来重要影响.预估未来气候情景下极端气候事件的发生有助于准确评估气候变化的影响程度.该文基于华北平原54个气象站的气候观测资料及CM IP6中20个全球气候模式(GCM)在4个气候情景下的未来气候预测数据,计算9种代表性极端气温指数,利用独立权重均值法(IWM)对多GCM s预测结果进行集合平均,旨在揭示华北平原历史(1971-2010年)和未来(2061-2100年)极端气温指数的时空变化.结果表明:基于IW M方法获得的多模式集合平均值与观测值的均方根误差(RMSE)和相对标准偏差(RSD)均低于算术平均法,能更好地反演历史极端气温指数的变化趋势;预测未来极端高温指数呈显著上升趋势,而极端低温指数将显著降低;极端气温指数(D T R除外)在历史和未来时期均存在明显的空间差异,其中高辐射强迫情景(SSP585)下的极端气温指数变幅最大,空间差异最显著.