EN中文

地理科学 >

2025 , Vol. 45 >Issue 5: 1083 - 1092

DOI: https://doi.org/10.13249/j.cnki.sgs.20240475

社会空间与旅游

神农架林区生态旅游地游客时空行为特征及模式聚类

  • 阴姣姣 , 1, 2 ,
  • 谢双玉 , 2, * ,
  • 乔花芳 2 ,
  • 徐欣 3 ,
  • 陈广平 4
展开
  • 1.中山大学旅游学院，广东 珠海 519082
  • 2.华中师范大学城市与环境科学学院，湖北 武汉 430079
  • 3.河北经贸大学旅游学院，河北 石家庄 050062
  • 4.浙江大学地球科学学院， 浙江 杭州 310058
谢双玉。 E-mail:

阴姣姣（1994—），女，河南灵宝人，博士后，主要从事旅游地理研究。E-mail:

收稿日期: 2024-05-17

  修回日期: 2024-08-16

  网络出版日期: 2025-04-29

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Cluster analysis of tourists’ spatio-temporal behavioralcharacteristics and patterns in ecotourism sites in Shennongjia Forest Region

  • Yin Jiaojiao , 1, 2 ,
  • Xie Shuangyu , 2, * ,
  • Qiao Huafang 2 ,
  • Xu Xin 3 ,
  • Chen Guangping 4
Expand
  • 1. School of Tourism Management, Sun Yat-sen University, Zhuhai 519082, Guangdong, China
  • 2. School of Urban and Environmental Science, Central China Normal University, Wuhan 430079, Hubei, China
  • 3. Faculty of Tourism, Hebei University of Economics and Business, Shijiazhuang 050062, Hebei, China
  • 4. School of Earth Sciences, Zhejiang University, Hangzhou 310058, Zhejiang, China

Received date: 2024-05-17

  Revised date: 2024-08-16

  Online published: 2025-04-29

Copyright

Copyright reserved © 2025.
Fold

摘要

选取神农架林区为典型案例地，基于游客自我报告的活动细分法对游客类型进行划分，综合运用格网分析、行为链分析等方法分析各类型游客的时空行为特征，并采用K-Means算法对游客的时空行为模式进行聚类。研究结果显示：①神农架游客可划分为自驾、骑行、徒步、观光和摄影、滑雪、登山、越野跑、其他8种主要类型，日内活动时段集中，春夏两季游客多且假期效应显著，登山及徒步类型游客在生态保护区中停留的时间更长；②不同于传统景区游客的高度集中分布，分类视角下游客“分散集中”及“异中心化”的特点十分突出，流动结构呈现出“沿道路生长”和“小区域组团”的特征；③游客的时空行为模式可分为“热点打卡观景游”“丛林穿越深度游”和“休闲度假短线游”3种类型，其中丛林穿越深度游中深入尚未开发的生态保护区的游客轨迹占比高达39.82%，亟需作出策略性应对。

关键词： 游客时空行为; 时空行为模式; 聚类; 生态旅游地; 神农架林区

本文引用格式

阴姣姣 , 谢双玉 , 乔花芳 , 徐欣 , 陈广平 . 神农架林区生态旅游地游客时空行为特征及模式聚类[J]. 地理科学, 2025 , 45(5) : 1083 -1092 . DOI: 10.13249/j.cnki.sgs.20240475

Abstract

Ecotourism destinations face the critical challenge of balancing the provision of high-quality tourism experiences for diverse tourist types with the scientific management and optimization of their spatio-temporal behaviors to minimize environmental disturbances. This study aims to advance the precision management of tourists by categorizing and analyzing their spatio-temporal behavior characteristics, thus developing a more nuanced understanding of tourist management. The Shennongjia Forest Region, renowned for its diverse ecological landscape and significant tourism activity, is selected as the representative case site for this study. Tourists are classified based on their self-reported activities using activity segmentation methods, offering a comprehensive framework for understanding varied tourist behaviors. Employing grid analysis, behavioral chain analysis, and other advanced methodologies, the study analyzes the characteristics of tourists’ spatio-temporal behaviors. The K-Means algorithm is utilized to cluster tourists’ spatio-temporal behavior patterns, facilitating the identification of distinct behavioral groups. The research findings provide several key insights. Firstly, tourists in Shennongjia can be categorized into eight primary types: self-driving, cycling, hiking, sightseeing and photography, skiing, mountaineering, trail running, and others. These activities are concentrated within specific daily periods, with higher visitor numbers observed in spring and summer, significantly influenced by holiday seasons. Notably, mountaineering and hiking tourists tend to spend more time in ecological protection areas, indicating potential risks for these sensitive regions. Secondly, unlike the highly concentrated distribution of traditional scenic area tourists, the classification perspective highlights prominent characteristics of “dispersed concentration” and “decentralization”. The flow structure exhibits features of “growth along roads” and “small area clusters”, suggesting that tourist activities are not confined to traditional hotspots but are distributed across various segments of the landscape. Thirdly, tourists’ spatio-temporal behavior patterns can be categorized into three types:“hotspot sightseeing tours”“in-depth jungle trekking tours”, and “leisure vacation short tours”. Within the in-depth jungle trekking tours, a significant proportion of tourists (39.82%) penetrate undeveloped ecological protection areas, underscoring the urgent need for strategic management responses to protect these vulnerable regions. The research findings enhance theoretical perspectives on the spatio-temporal behaviors of tourists in ecotourism destinations by providing a detailed understanding of how tourists interact with the environment across different activity types. Additionally, they provide a robust theoretical foundation for the precise management of large-scale mountainous ecotourism areas. By offering actionable insights into tourists’ behaviors, this study contributes to the development of strategies that balance high-quality tourism experiences with the preservation of ecological integrity. The insights from this research are crucial for ensuring the sustainable development of ecotourism destinations like the Shennongjia Forest Region, where careful management of tourist behaviors is essential to maintaining the ecological and aesthetic value of these natural landscapes.

Key words： tourists’ spatio-temporal behaviors; spatio-temporal behavior patterns; clustering; ecotourism destination; Shennongjia Forest Region

生态旅游地指以自然风光为主的吸引地物，在广义上可涵盖所有承担生态消费、生态产业的地域[1]。目前，生态旅游作为解决环境问题的有效形式而受到人们的青睐，但并非所有的旅游者都是生态旅游者，“生态旅游地不生态”的现象愈发凸显。不同于传统的观光旅游方式，生态旅游地的游客参与程度更高，活动种类日益丰富，逐渐由一种休闲、轻松的旅游方式拓展为更加具有挑战性的旅游方式[2-4]。有学者提出：“荒野地严重的生态影响问题起源于游憩活动类型的持续增加”[5]，“由于生态旅游地的游客活动范围更加广泛，可能会比其他旅游地的游客留下更多的生态足迹，因此仅仅将生态旅游地的游客进行简单的分类（如可持续或不可持续的游客）是远远不够的”[6] 。特别是对于游客类型的划分已被证明在旅游的环境影响研究中具有关键性作用[7]；同时，生态旅游地脆弱的环境对游客活动的区域、时间和方式等也存在更多的约束和限定。因此，掌握生态旅游地不同类型游客的时空行为是否具有特殊性，对于游客行为管理及缓和人地矛盾极为重要[8-10]。
当前，学界已围绕生态旅游地的游客行为做了诸多有益的尝试[11]。游客时空行为研究由于具有运用大数据和先进算法分析及预测游客行为规律的优势，为旅游地游客管理提供了新的视角和决策依据[12-14]。国内外学者重点关注了游客行为的时间节律特征[13,15-16]、区域游客到访频率[17]、游客时间行为与空间行为的关系[18]。少量学者注意到生态旅游地游客的时空行为可能因类型不同（如徒步、观鸟和大众游客）而存在差异[7]。在生态旅游地游客时空行为模式的研究中，多以游客游览的线路、活动内容、游览时长等单一要素作为模式的划分依据[12,19-20]。总体上，现有研究对生态旅游地不同类型游客，特别是对新兴休闲活动群体时空行为的一般性规律的总结仍显不足，可能导致现有的管理对策存在悬浮化和治理空缺的问题[21]，同时过于笼统的研究还可能造成不同时间和地点的研究结果难以相比较。
随着技术的变革，景区数字化监测技术和网络社区基于GPS定位的游客轨迹大数据的出现，为进一步精细化地行为分析提供了可能[22-23]。因此，有必要对生态旅游地游客的时空行为特征和模式做进一步的聚类挖掘。综上，本研究选取中国典型的生态旅游地神农架林区作为案例地。首先，运用基于游客自我报告的活动细分法对游客类型进行划分[9]；其次，对不同类型游客的时间分配行为和空间移动行为特征进行解构，并对时空行为轨迹进行聚类分析，进一步明确神农架游客的时空行为模式分异；最后，对不同类型和模式的游客活动的区域性质进行精准锁定，以期为游客时空行为的优化及神农架林区的可持续发展提供更加科学有效的决策建议。

1 研究方法与数据来源

1.1 研究区概况

神农架林区（简称“神农架”）位于湖北省西部边陲，区内有9大景区、4大滑雪场及67处次级景点，是中国首个获得联合国教科文组织世界生物圈保护区、世界地质公园、世界自然遗产3项世界级荣誉的“三冠王”名录遗产地①。自20世纪末设立多个保护区并全面禁止天然林采伐后，神农架取得了一定的生态保护成效。但是，面对每年高达1 900万人次②的游客接待量和3232 km2的广阔地域，以及复杂多变的地势，神农架在保护原始森林生态系统和满足游客的生态旅游需求之间的矛盾尤为突出，确保旅游活动与生态保护的协调发展成为当前神农架林区亟需解决的问题。

1.2 数据获取与处理

本文使用的数据包括基础地理信息数据、兴趣点（POI）和兴趣面（AOI）数据、游客时空轨迹大数据及实地游客时空行为调查数据等4个部分。其中基础地理信息数据、POI与AOI数据均由开源途径获取③；游客的时空轨迹大数据爬取自六只脚及两步路网站④。采集截至2022年9月10日之前研究区所有GPS轨迹数据，并格式化处理属性信息，基于是否存在属性空值、疑似重复、长度过短、信号漂移和缺失等筛选原则对数据进行清洗，最终获得2409条有效轨迹线路，对应轨迹点2 606 803个。实地游客时空行为调查数据采集时间为2022年8月26日至9月2日，调研线路覆盖神农架的所有核心景区、热点区域（含餐厅、酒店等）及旅游集散地，使用行为回忆日志的方式获取游客在目的地的时空行为信息，最终采集到386份有效样本数据⑤。其中男性（56.99%）及19~35岁人群（29.27%）占比最多，大部分游客游玩时间在2~3 d（55.44%），游玩4~5个景点的游客居多（36.01%）。由于受到大九湖国家湿地公园发生地质灾害未对外开放的影响，且实证研究表明游客的回忆日志与GPS路径存在一定的偏差[24]，因此本研究主要将实地调研数据用于数据补充与交叉验证。

1.3 研究方法

使用基于游客自我报告的活动细分法对游客类型进行逐一判断，数量过少、多项活动交叉或信息缺失判定为其他，以网络轨迹大数据游客自我汇报的类型为对照基准，将网络游客及实地调研游客最终整合并划为自驾、骑行、徒步、观光和摄影、滑雪、登山、越野跑及其他8种类型。在具体的分析中：首先，时间特征分析方面，对游客活动的时间差异进行基础统计；用格网分析法[25]将研究区划分为1 km×1 km的网格，以每个网格所含轨迹段的累计停留时间表征该网格游客的停留时间。空间特征分析方面，通过行为链分析法对轨迹进行抽象提取[26]，运用核密度分析法[27]得到不同类型游客轨迹活动密集的路线及区域。其次，基于K-Means算法[28]划分游客时空行为模式的类型。最后，本研究在利用区域土地利用数据、保护区边界、景区及游线矢量数据基础上，识别出区域中适宜游客活动的区域作为旅游活动区域，将严格保护区、生态涵养区等片区作为生态保护区域，运用ArcGIS Pro中的空间叠加及统计[29]，对游客时空行为特征从区域层面进行综合解析。

2 结果分析

2.1 时间特征

从日内和日间尺度来看（图1a），夜间活动较少，周日（10,11］时是神农架最活跃的时段。游客活动一般在（9,10］时形成第1个峰值，周六与周日峰值会在（8,9］时提前出现，（14,16］时形成第2个峰值。游客结束活动的最高峰时刻在下午（16,17]、（19,24］时活动的游客仅占总数的1.12%。从月间尺度来看（图1b），游客轨迹数量在7月份达到峰值，同时分别在5月、10月、1月出现次峰值。游客轨迹四季之间区别显著，春、夏、秋、冬游客轨迹数量占比分别为31.67%，34.87%，24.41%，9.05%，以避暑游客为主。
图1 神农架游客轨迹时间属性特征

Fig. 1 Temporal attributes characterization of Shennongjia tourist trajectories

游客停留时间指游客在旅游目的地停驻的时间测度[15]，本文运用网格化处理的“游客累计停留时间”来衡量游客的时间分配行为特征。如图2所示，不同类型游客累计停留时间的空间分异显著。从出行方式来看，自驾、骑行、观光和摄影等借助交通工具的游客对道路的依赖性更强，在区内知名的经营性景区停留，节点多而分散；而不使用交通工具的游客如徒步和登山游客，道路对其行为的限制相对弱化，游客活动范围更广，单位网格的累计停留时间更长，停留的主要节点集中于以老君山、老君寨等未开放区域为代表的神农架南部地区；此外，不使用交通工具的游客类型中，主题类的活动如越野跑、滑雪等，由于其对设施及环境的要求更高，故而停留区域的集中度更高，但总体停留的时间较短；最后，其他类型游客的累计停留时间的高值区域进一步表明了游客对于老君山片区的偏好。
图2 神农架不同类型游客累计停留时间的区域分布差异

n为不同游客类型的数量

Fig. 2 Regional distribution disparities in cumulative dwell time among diverse tourist categories in Shennongjia

2.2 空间特征

根据对网络数据游客行为链数量的统计，游客行为链数量均值为4.08，说明游客平均到达4个左右的节点；同时，调研的386位游客行为链长度均值为3.89，与网络数据基本持平，2类数据得到了较好的交叉验证。将每个游客的行为链拆分为两两相连的OD（起止）对，并对所有OD数据及连接路径进行叠加分析可得客流最多的是神农顶景区；在各个游线中，大神农架至神农顶（景点）的路径人数最多，且在流向上较多游客选择到达神农顶景区后一路向西游览，游客总体流动呈现出“沿道路生长”与“小区域组团”的结构特征。
如图3所示，使用交通工具的游客方面，自驾游客轨迹的热点线路呈清晰的“人”字形分布，贯穿神农架公路主干道；骑行游客的线路里程更短，集中于自红坪画廊谷至木鱼镇、红花小镇的公路一线及环大九湖国家湿地公园的优质骑行路段；观光和摄影游客则集中活跃于整个林区南部神农架国家公园范围内的国道沿线。
图3 神农架不同类型游客轨迹的核密度分析

n为不同游客类型的数量

Fig. 3 Kernel density analysis of different types of tourist trajectories in Shennongjia

在不使用交通工具的游客方面，徒步及登山游客更加深入、细化分散于目的地内部。徒步游客的热门线路主要集中于“口”字型分布的老君山−老君寨−冷热洞所在环线、神农顶（景点）−大、小神农架为核心的徒步线路、小千家坪一线、大九湖国家湿地公园一线及神农架北部的天燕−红坪一线。登山游客与徒步游客在林区南部的热门线路具有相似性，且更加集中于海拔较高的老君山环线及神农顶（景点）一线。滑雪与越野跑2类户外游客的线路则十分集中。

2.3 游客时空行为模式提取

时间、空间、活动被认为是旅游体验的3个重要方面，以“时空路径”为核心概念的时间地理学强调活动的约束，其作为一个强大的可视化和量化工具，可以揭示游客的时空行为[30]。参考学者对海洋公园和山地游客时空行为模式聚类要素选取的思路[28,30]，以时间地理学理论为基础，选择“时间”“空间”和“活动”3大维度来确定游客时空行为模式的初始聚类要素（表1）。
表1 游客时空行为模式的聚类要素设置

Table 1 Clustering factors for tourists’ spatio-temporal behavior patterns

聚类维度 具体要素 要素说明
时间要素 开始时间（时:分:秒） 用户移动设备记录的行程开始的时间，换算为秒（s）
结束时间（时:分:秒） 用户移动设备记录的行程结束的时间，换算为秒（s）
出行时长/h 游客在区域内花费的所有时间之和
空间要素 路径长度/km 用户移动设备记录的轨迹长度
行为链个数/个 时空轨迹所经过的重要景观节点的数量
活动要素 到访主要景点情况 是否到访神农架的主要景点，是=1，否=0
游客类型 游客的类型，徒步=1，自驾=2，骑行=3，观光和摄影=4，滑雪=5，
登山=6，越野跑=7，其他=8
在聚类分析前对数据做进一步的处理：①剔除行为链数量过少的游客（行为链为0或1）、长期居住在神农架进行避暑和康养，并只在原地活动的少数游客，最终数据集包含网络数据来源的1410名游客和实际调研数据中的333名游客，共计1743个样本数据；②将所有行为链数据转换为行为选择表；③对节点进行筛选，去除进出口节点、交通枢纽及行政单位所在地，去除没有游客选择的节点，并采用差异度和显著性水平作为判断标准，对差异度得分＜2和显著性Sig.值＞0.05的景点予以剔除，最终用于分析的主要景点数量为41个。
运用SPSS 26.0软件进行K-Means分析，在每种模式均可以合理解释且类型之间差异最大的条件下确认神农架游客时空行为模式的最佳K值（K=3）[26]。结果显示，模式1、2、3分别占比14.80%，10.50%，74.70%。从聚类要素的中心值来看，时间要素（时:分:秒）方面，模式1开始最早（10:19:48），模式3最晚（11:07:48），模式2的出行时长最长，平均达到47.37 h；空间要素方面，模式1游客的路径长度的均值最长（107.27 km）、行为链的数量对应最多，而模式2和3相对来说路径长度相差不大，行为链的数量也基本相当；活动要素方面，模式1的主要游客类型为自驾（48.45%）和其他（32.17%），模式2主要为徒步（65.03%）和登山（19.67%），模式3主要为徒步（52.38%）和自驾（25.42%）；同时，各个模式到访景点的聚类中心也差异较大。为了进一步了解不同模式游客访问景点的差异性，对访问各个景点的概率进行计算，由于模式1、2和3对应行为链的数量的均值分别为9.66、4.33和4.35，因此分别对时空行为模式1、2和3参观概率最高的前10名或前5名的景区进行分析。最终通过对不同模式游客的时间、空间和活动要素的差异性程度和特征的分析，按照其最为突出的要素特征对不同的游客时空行为模式进行命名。
1）模式1：热点打卡观景游。模式1游客轨迹主要沿景区主干道分布，游客参观概率最高的10个景点是官门山、神农坛、神农顶景区（5处景点）、天生桥、香溪源、中和国际滑雪场，均为神农架的热门景区（点）。综合来看，模式1游客的时空行为特征主要表现为：对区域内的热门景点进行集中参观（“生态保护区域”的轨迹占比14.46%），游览的景点数量最多，路程也最远（均值107.27 km），因此该类型游客的主要目的是在较短时间内参观最多的景区，将时间的效用最大化（平均出行时长10.23 h），因此可以将这种时空行为模式命名为“热点打卡观景游”。
2）模式2：丛林穿越深度游。模式2游客轨迹高度集中于未进行旅游开发和道路建设的生态保护区，游客参观概率最高的5个景点分别是老君寨、老君山、神农顶（景点）、神农顶（山峰）、大神农架，对游客有较高的体能、户外生存和登山技术的要求。综合来看，模式2游客的出行时间最长，路径长度适中（均值47.37 h，32.33 km），游客类型集中于徒步和登山2类，他们热衷于挑战高难度线路并在户外露营过夜，主要目的是探索新的户外穿越线路（“生态保护区域”的轨迹占比39.82%），因此可以将这种时空行为模式命名为“丛林穿越深度游”（图4）。
图4 典型模式示例——模式2丛林穿越深度游

Fig. 4 Mode 2—Typical trajectory of the in-depth jungle rekking tours

3）模式3：休闲度假短线游。模式3游客轨迹围绕主干道延展，分布广且更为细碎化，游客参观概率最高的5个景点分别是神农坛、神农顶（景点）、官门山、香溪源、木鱼旅游度假区（木鱼镇所在地），上述节点除了是神农架的热门景点和游客集散地之外，分布的地理位置也相对集中。综合来看，模式3类型的游客平均出行时间及路程最短（均值4.34 h，21.18 km），晚出早归，围绕旅游集散地附近进行活动，参观距离较近的景点（“生态保护区域”的活动占比18.18%），因此可以将这种时空行为模式命名为“休闲度假短线游”。

3 结论与讨论

3.1 结论

本文立足于中国生态旅游地建设中游客休闲活动需求日益丰富与目的地环境可持续发展之间的矛盾，以游客的时空行为作为研究切入点，遵循从个体行为表征到群体共性挖掘的逻辑路径，以神农架为典型案例地，融合多源数据和多种方法，从个体、集合和区域3个层面对游客的时空行为特征及模式进行了聚类分析，主要结论如下：
1）时空行为特征分析方面：从个体层面看，大部分游客游玩2~3 d，平均到达4个行为链节点，夜间活动较少，春、夏2季游客多且假期效应显著；大众游客主要在热门景点做停留，户外游客则热衷于未开发的老君山片区。从集合层面看，游客流动总体呈现出“沿道路生长”与“小区域组团”的结构特征；其中，不同类型游客的累计停留时间和对道路的依赖程度显著不同。从区域层面看，不同类型游客的“分散集中”和“异中心化”的特点十分突出，相较于自驾、骑行、滑雪、观光和摄影等看得见的游客类型，“看不见”的游客如登山、徒步类型游客的时空行为轨迹较多深入无信号的原始森林及海拔较高的山峰，在未开发的生态保护区域做了较长时间的停留。
2）时空行为模式划分方面：神农架游客的时空行为模式可以归纳为3种类型，其中热点打卡观景游模式主要源于游客对知名景点的认知度和社交媒体的影响，这类游客往往时间有限，倾向于选择性地访问热门景点以获得最大化的观景体验；丛林穿越深度游的游客源于对自然环境的深度体验和探险需求，这类游客通常具有一定的户外技能和专业装备，愿意花费更多时间探索未开发区域，寻求与自然的亲密接触和挑战自我的机会；休闲度假短线游模式的游客则源于对舒适和便捷的追求，这类游客多为家庭或团体出游，倾向于选择设施齐全、交通便利的区域，进行轻松愉快的短途出行。从区域层面看，在生态保护区活动的游客更多的是模式2——丛林穿越深度游的游客。

3.2 讨论

1）与以往研究重点探讨游客在生态旅游地的整体性流动规律相比，本研究运用基于游客自我报告的活动细分法以更加微观的群体划分视角对游客的时空行为特征展开研究[5,29]。一方面，有助于进一步丰富现有生态旅游地游客时空行为研究的理论视角；另一方面，对不同类型游客活动时空密集区的精准刻画有助于打开“非常规游客”时空行为的“黑箱”，将其轨迹中管理者“看不见”的部分描绘出来，为面积广阔的山区型生态旅游地的精细化管理提供理论依据。
2）本研究综合时间、空间、活动3个维度得到的聚类结果，表明了神农架生态旅游地游客需求的分流和活动偏好的差异性。针对研究发现的问题，提出如下管理建议：①改变管理思路，做好“事前管理”。实施进入林区卡口即预约申报的政策，做好访客活动类型的提前“自我报告”，并通过实时管控和过程干预，将游客在无人区发生危机事件和环境破坏事件的概率降到最小。②科学调配，合理分流。如针对热点打卡观景游的游客，通过神农顶、大九湖等南部线路关键节点的入口控制、逆向游览、活动设计等措施进行合理分流，如增加优先进入大九湖景区游览的客流，鼓励部分南线游客以自西向东的游览顺序进入神农顶片区；加大非节假日门票优惠力度等来缓解热点景区的承载压力。③推出专项户外产品，做好安全保障工作。引入专业化的市场运营主体，开辟生态探险专项合规产品，如正式推出老君山、大小神农架等原始森林区域的徒步、登山产品，采用预约申请、严控总量和专业户外向导带领的方式进行合法合规的户外活动；同时林区应做好安全提示和紧急救援，加强对生态保护区的监控和管理、做好访客摸底和盲区管控。④完善配套设施，提升服务质量。为各类游客提供更加完备的配套设施与服务，如骑行道、滑雪场、露营地、自驾道路与停车场、观景台、补给驿站、集散中心、标识标牌等设施的改造与升级；提供更多夜间活动丰富游客的产品选择。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
徐辉, 蔡溶. 对旅游产业生态过程的研究[J]. 旅游学刊, 2002, 17(2): 73-79

DOI

Xu Hui, Cai Rong. Research on the ecological process of tourism industry. Tourism Tribune, 2002, 17(2): 73-79

DOI

[2]
Jaafar M, Maideen S A. Ecotourism-related products and activities, and the economic sustainability of small and medium island chalets. Tourism Management, 2012, 33(3): 683-691

DOI

[3]
Bell S, Tyrväinen L, Sievänen T et al. Outdoor recreation and nature tourism: A European perspective. Living Reviews in Landscape Research, 2007, 1(2): 1-46

[4]
Weaver D B. Comprehensive and minimalist dimensions of ecotourism. Annals of Tourism Research, 2005, 32(2): 439-455

DOI

[5]
Hammitt W E, Cole D N, Monz C A. Wildland recreation: Ecology and management[M]. Chichester: John Wiley & Sons, 2015.

[6]
Samal R, Dash M. Ecotourism, biodiversity conservation and livelihoods: Understanding the convergence and divergence. International Journal of Geoheritage and Parks, 2023, 11(1): 1-20

DOI

[7]
Hvenegaard G T. Using tourist typologies for ecotourism research. Journal of Ecotourism, 2002, 1(1): 7-18

DOI

[8]
Schirpke U, Scolozzi R, Kiessling A et al. Recreational ecosystem services of mountain lakes in the European Alps: Preferences, visitor groups and management implications. Journal of Outdoor Recreation and Tourism, 2021, 35 100421

DOI

[9]
Stemmer K, Veisten K, Lindberg K et al. Nature-based tourism package choices: A comparison across birdwatchers, mountain bikers, and hikers[M]//Fredman P, Haukeland J V. Nordic perspectives on nature-based tourism: From place-based resources to value-added experiences. Cheltenham: Edward Elgar Publishing, 2021: 111-129.

[10]
徐菲菲, 钟雪晴, 王丽君. 中国自然保护地研究的现状、问题与展望[J]. 自然资源学报, 2023, 38(4): 902-917

DOI

Xu Feifei, Zhong Xueqing, Wang Lijun. Status, problems and prospects of domestic research on protected areas. Journal of Natural Resources, 2023, 38(4): 902-917

DOI

[11]
Newsome D, Lacroix C. Changing recreational emphasis and the loss of' natural experiences’ in protected areas: An issue that deserves consideration, dialogue, and investigation[J]. Journal of Tourism and Leisure Studies, 2011, 17(2)(Special Issue): 315-334.

[12]
Dong W, Kang Q, Wang G K et al. Spatiotemporal behavior pattern differentiation and preference identification of tourists from the perspective of ecotourism destination based on the tourism digital footprint data. Plos one, 2023, 18(4): e0285192

DOI

[13]
Lu J Y, Huang X, Kupfer J A et al. Spatial, temporal, and social dynamics in visitation to U.S. National Parks: A big data approach. Tourism Management Perspectives, 2023, 48 101143

DOI

[14]
赵莹, 王嘉铭, 毛子丹. 游客时空行为与保护教育感知研究——以香港海洋公园为例[J]. 人文地理, 2021, 36(2): 73-81

Zhao Ying, Wang Jiaming, Mao Zidan. Tourists’ spatial-temporal behavior and conservation educational perception: A case study of the Ocean Park in Hong Kong. Human Geography, 2021, 36(2): 73-81

[15]
黄震方, 陈志钢, 张新峰. 国内外生态旅游者行为特征的比较研究[J]. 现代经济探讨, 2003(12): 71-73

DOI

Huang Zhenfang, Chen Zhigang, Zhang Xinfeng. Comparative study on behavior characteristics of eco-tourists at home and abroad. Modern Economic Research, 2003(12): 71-73

DOI

[16]
Pearce P L. Visitor behaviour in ecotourism settings[M]// Ballantyne R, Packer J. International handbook on ecotourism. Cheltenham: Edward Elgar Publishing, 2013: 119-134.

[17]
Bhalla P, Bhattacharya P, Areendran G et al. Ecotourism spatio-temporal models to identify visitation patterns across the Indian Himalayan Region. GeoJournal, 2022, 87(3): 1777-1792

DOI

[18]
Dzhandzhugazova E A, Ilina E, Latkin A N et al. Ecotourism programs in the context of the perception of natural and cultural landscapes (on the example of the Kizhi Museum Reserve)[J]. Ekoloji Dergisi, 2018(106): 1-6

[19]
Xie C W, Zhao M Y, Li Y et al. Evaluating the effectiveness of environmental interpretation in National Parks based on visitors’ spatiotemporal behavior and emotional experience: A case study of Pudacuo National Park, China. Sustainability, 2023, 15(10): 8027

DOI

[20]
Xu D, Cong L, Wall G. Tourists’ spatio-temporal behaviour and concerns in park tourism: Giant Panda National Park, Sichuan, China. Asia Pacific Journal of Tourism Research, 2019, 24(9): 924-943

DOI

[21]
Wolf I D, Croft D B, Green R J. Nature conservation and nature-based tourism: A paradox?[J]. Environments, 2019, 6(9): 104

DOI

[22]
徐欣, 胡静. 基于GPS数据城市公园游客时空行为研究——以武汉东湖风景区为例[J]. 经济地理, 2020, 40(6): 224-232

Xu Xin, Hu Jing. Study on spatiotemporal behavior of urban park tourists based on GPS data: A case study of Wuhan East Lake Scenic Area. Economic Geography, 2020, 40(6): 224-232

[23]
杨敏, 李君轶, 徐雪. ICTs视角下的旅游流和旅游者时空行为研究进展[J]. 陕西师范大学学报(自然科学版), 2020, 48(4): 46-55

Yang Min, Li Junyi, Xu Xue. The progress of tourist flow and tourist spatio-temporal behavior based on ICTs. Journal of Shaanxi Normal University (Natural Science Edition), 2020, 48(4): 46-55

[24]
李渊, 王秋颖, 王德. GPS与回忆日志在旅游者空间行为上的精度比对——鼓浪屿实证研究[J]. 旅游学刊, 2017, 32(8): 81-92

Li Yuan, Wang Qiuying, Wang De. Precision and differential analysis by using GPS and recall diaries in the tourist’s behavior research: The case of Gulangyu. Tourism Tribune, 2017, 32(8): 81-92

[25]
李亚娟, 欧阳辰星, 虞虎. 基于多源数据融合的山地型旅游区游客时空行为研究[J]. 地球信息科学学报, 2022, 24(11): 2171-2185

Li Yajuan, Ouyang Chenxing, Yu Hu. Spatiotemporal behavior of tourists in upland tourism area based on multi source data. Journal of Geo-information Science, 2022, 24(11): 2171-2185

[26]
李渊. 基于GPS的景区旅游者空间行为分析: 以鼓浪屿为例[M]. 北京: 科学出版社, 2016

Li Yuan. GPS-based spatial behavior analysis of intra-attraction tourists. Beijing: Science Press, 2016.

[27]
胡宇娜, 马鑫涛, 刘继生, 等. 基于GPS数据的海岛型目的地游客时空行为相似性研究——以山东长岛为例[J]. 地理科学, 2022, 42(11): 1954-1962

Hu Yuna, Ma Xintao, Liu Jisheng et al. Similarity of spatio-temporal behavior of tourists in island-based destinations based on GPS data: A case study of Changdao Island in Shandong Province. Scientia Geographica Sinica, 2022, 42(11): 1954-1962

[28]
Liu W B, Wang B X, Yang Y et al. Cluster analysis of microscopic spatio-temporal patterns of tourists’ movement behaviors in mountainous scenic areas using open GPS-trajectory data. Tourism Management, 2022, 93 104614

DOI

[29]
赵力, 张炜, 刘楠, 等. 国家公园理念下区域生态旅游资源评价——以青海湖与祁连山毗邻区域为例[J]. 干旱区地理, 2021, 44(6): 1796-1809

Zhao Li, Zhang Wei, Liu Nan et al. Evaluation of regional ecotourism resources under the concept of national park: Taking the adjacent area between the Qinghai Lake and the Qilian Mountains as an example. Arid Land Geography, 2021, 44(6): 1796-1809

[30]
Huang X T, Li M X, Zhang J R et al. Tourists’ spatial-temporal behavior patterns in theme parks: A case study of Ocean Park Hong Kong. Journal of Destination Marketing & Management, 2020, 15 100411

Options
文章导航

/

〈 〉