EN中文

地理研究 >

2024 , Vol. 43 >Issue 12: 3327 - 3349

DOI: https://doi.org/10.11821/dlyj020240160

研究论文

短视频视域下中国红色景区关注水平的空间差异及提升路径研究

  • 罗婉琳 , 1, 2, 3, 4 ,
  • 卞荷雨 1, 2, 3, 4 ,
  • 王洁 1, 2, 3, 4 ,
  • 杨振凯 1, 2, 3, 4 ,
  • 王世鹏 1, 2, 3, 4 ,
  • 丁志伟 , 1, 2, 3, 4
展开
  • 1.河南大学地理与环境学院，开封 475004
  • 2.河南大学黄河中下游数字地理技术教育部重点实验室，开封 475004
  • 3.河南大学区域发展与规划研究中心，开封 475004
  • 4.河南大学环境与规划国家级实验教学示范中心，开封 475004
丁志伟（1983-），男，河南荥阳人，教授，博士生导师，主要研究方向为大数据与电商经济。E-mail:

罗婉琳（2000-），女，湖南沅江人，硕士研究生，主要研究方向为大数据与电商经济。E-mail:

收稿日期: 2024-02-28

  录用日期: 2024-08-14

  网络出版日期: 2024-12-09

基金资助

国家自然科学基金项目(42271213)

国家自然科学基金项目(42301237)

河南大学研究生教育创新与质量提升工程项目(SYLYC2023015)

收起

Spatial difference and influencing factors of network attention of red scenic spots in China from the perspective of short videos

  • LUO Wanlin , 1, 2, 3, 4 ,
  • BIAN Heyu 1, 2, 3, 4 ,
  • WANG Jie 1, 2, 3, 4 ,
  • YANG Zhenkai 1, 2, 3, 4 ,
  • WANG Shipeng 1, 2, 3, 4 ,
  • DING Zhiwei , 1, 2, 3, 4
Expand
  • 1. College of Geography and Environmental Science, Henan University, Kaifeng 475004, China
  • 2. Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions Ministry of Education, Henan University, Kaifeng 475004, China
  • 3. Research Center of Regional Development and Planning, Henan University, Kaifeng 475004, China
  • 4. National Demonstration Center for Environment and Planning, Henan University, Kaifeng 475004, China

Received date: 2024-02-28

  Accepted date: 2024-08-14

  Online published: 2024-12-09

Fold

摘要

基于国内典型短视频平台的关注度数据，运用位序-规模、类型划分、核密度、参数最优探测器等方法对中国红色经典景区网络关注的空间差异及驱动力因素进行分析。研究发现：① 从空间格局来看，子系统与整体分布特征类似，形成了环首都、苏皖沪、川渝、两湖以及辽宁五大核心区，同时在晋陕、云贵、粤赣闽等地区形成了多个增长极。② 从类型划分来看，纪念设施和历史遗迹类景区的网络关注与实体发展水平均较低，反映出虚实相互影响的状态；伟人故居、综合纪念馆以及红色教育基地虽实体等级较高，但由于其在互联网的宣传推广度不高，进而导致景区的网络关注度普遍偏低。③ 从位序与空间关联看，高位序景区数量虽占比仅为6.01%，但其关注度位于前列且在京津冀、晋鲁辽、豫鄂皖、江沪等区域形成了次热、热点集聚区；中等位序景区数量最多，占比高达91.68%，但其内部层次等级不分明；低位序景区发育质量差异大，且其所形成的冷、次冷点区则主要集中在江西、湖南、四川和贵州等中西部省份。④ 从影响因素看，主要因子为景区实力和政府支撑，一般作用因子有资源禀赋、网络营销以及城市等级，次要因子为人口支撑力、交通便捷性、产业结构等。最后，基于因子解析结果与空间差异特征，本研究提出“一带四轴”规划方案和“五位一体”优化路径。

关键词： 短视频; 红色经典景区; 景区类型; 网络关注度; 空间差异; 提升路径

本文引用格式

罗婉琳 , 卞荷雨 , 王洁 , 杨振凯 , 王世鹏 , 丁志伟 . 短视频视域下中国红色景区关注水平的空间差异及提升路径研究[J]. 地理研究, 2024 , 43(12) : 3327 -3349 . DOI: 10.11821/dlyj020240160

Abstract

Based on the data of network attention of twenty typical short video platforms in China, this study uses the methods of the rank-size model, the kernel density and the optimal parameter detector to analyze the spatial pattern and influencing factors of red scenic spots in China. The results show that: (1) From the perspective of spatial distribution, the overall pattern is characterized by five core areas and multiple growth poles. In addition, the core spots are mainly distributed in Beijing-Tianjin-Hebei region, Chongqing municipality, Sichuan province, Hubei province, Hunan province, Jiangsu province, Anhui province and Liaoning province. Simultaneously, multiple growth poles have emerged in regions such as Shanxi province, Shaanxi province, Guangdong province and Fujian province. (2) From the perspective of classification results, both the level of network attention and the basic strength of the revolutionary memorial facilities and revolutionary historical sites are low, but the synergy between the network attention and the physical grade of scenic spots is weak. Although the former residences of great figures, comprehensive memorial halls, and red education bases have a higher physical status, the level of internet development in the region has led to generally low network attention for these attractions. (3) From the perspective of the rank-size model and the spatial correlation, it shows obvious advantages and local polarization effect in the high-rank red scenic spots, but the proportion of high-tier attractions is only 6.01%, and the hot spots are mainly distributed in Beijing-Tianjin-Hebei region, Shanxi province, Shandong province, Liaoning province, Henan province and Shanghai municipality. The number of middle-rank spots is the largest, accounting for 91.68%, but the level of attention of these spots is similar. The spots at low-rank level show larger difference in terms of the network attention, and the cold and sub-cold spots formed are primarily concentrated in the central and western regions of China such as Jiangxi province, Hunan province and Guizhou province. (4) From the perspective of influencing factors, the basic strength of spots and the intensity of governmental assistance are dominant. The secondary factors are the tourism resource endowment, the marketing power of network and the hierarchical systems of cities. The factors that do not have significant explanatory power are the support of population, the convenience of traffic and the industrial structure. Based on the above results, this study proposes the “One Belt and Four Axes” optimization path.

Key words： short video; red tourism scenic spots; classification of scenic spots; network attention; spatial pattern; promotion approach

1 引言

红色景区是赓续红色血脉与传承红色基因的重要载体，依托红色景区进行红色旅游活动对优化红色革命老区的基础设施建设以及推动区域红色旅游业的高质量发展均具有重要的作用[1⇓-3]。伴随着互联网大数据的应用、新媒体平台的兴起以及智能化技术的融入，红色旅游的信息化变革以及红色景区的数字化运营建设已经成为国家政府部门、企事业单位创新发展的重要动力。同时，随着新媒体时代的到来，社交网络、微信、微博、抖音短视频等平台已作为大众获取区域红色旅游资源、景区基础建设以及旅游产品推介等关键信息的有效渠道。全国为大力推进红色经典景区的高水平建设及其与数字化网络平台的高效融合，国务院办公厅在2021年颁布了《关于新时期支持革命老区振兴发展的意见》，提出了要通过网络平台拓宽红色文化的传播渠道并提升景区营销的综合推广影响力[4⇓-6]。同时，2023年中国文化和旅游部举办了全国红色旅游宣传推广周活动，并在该会议中明确指出各地各单位不仅要切实担负起传承红色基因的政治责任和历史责任，而且还应依托新媒体平台，利用短视频、网络直播等手段对各大红色经典景区进行宣传推广，并进一步创新景区网络化营销与数字化转型的新形式，以推动全国红色经典景区的高水平建设与红色旅游的高质量发展[7,8]。因此，应用功能多样、时效性强的数字技术来营销推广地区红色资源进而实现红色景区的数字化转型是区域红色旅游产业高质量发展的必然选择，为中国红色精神的弘扬、红色文化的传承以及区域红色景区建设等方面均提供了多元化且具创新性的推广渠道。
梳理相关文献发现，国内关于红色景区关注水平的研究成果相较于国外更为丰富，且国外研究主要聚焦于黑色旅游与遗址旅游[11⇓-13]。当前，学者们对红色景区网络关注度的研究聚焦于景区网络关注的社会影响、舆情分析、宣传效益以及营销策略这4个方面，但通过利用多元化的网络平台指标数据来对红色景区虚拟网络关注水平在空间上的差异进行深入分析的研究却较少，其影响机理探究亦不多见[1⇓-3,14⇓-16]。从网络关注数据的来源看，多数研究所采取的数据为百度指数、百度检索量、360指数等搜索引擎指标数据进行分析[17⇓-19]，还有学者选用微信发文量、微博话题量等社交媒体指标来测度红色景区的网络关注水平，但较少研究依托短视频平台来深入探究红色经典景区的网络关注度。近年来，虽然已有学者以抖音APP中的景区话题量、粉丝量以及视频播放量等短视频指标作为衡量景区网络关注等级的指标[20⇓-22]，但抖音数据反映的仅是一款短视频软件平台的红色景区关注水平，而难以对整个短视频领域中的红色景区网络关注度问题进行综合性研究。从研究区域看，大多数学者聚焦于全国[23⇓-25]、重要流域[26⇓-28]以及核心城市群[29⇓-31]等尺度对红色景区网络关注水平展开研究，而基于具体景点的全国宏观层面的研究则相对较少[32⇓-34]，其中，以全国作为研究尺度的相关研究文献中，以全国所有红色经典景点为研究对象来测度景区网络关注水平的研究占多数[35⇓-37]，但涉及不同类型红色景区的网络关注度差异、宣传营销力度、全局规划建设以及未来发展路径等方面的研究却较少。从影响因素分析来看，多数学者采用空间回归模型和地理探测器来探究影响红色景区网络关注度空间差异的驱动力因素，但采用最优参数地理探测器这种能够筛选出q值最大的参数组合来对自变量进行空间离散化处理，从而探测短视频视域下红色景区的空间分层异质性以及影响因子对景区关注度空间分异的解释力的研究相对较少[38⇓-40]。基于此，本研究基于抖音、快手、西瓜视频、火山小视频以及皮皮虾等国内典型短视频平台的指标数据，运用位序-规模、类型划分、空间自相关等方法对短视频视域下中国红色经典景区的网络关注水平进行深入研究，并采用定量和定性相结合的方法对景区网络关注度变化的驱动力因素进行分析，以期为深入了解红色景点的关注程度、认知度和影响力，把握公众对于中国红色文化的态度和需求提供有效的信息支撑。

2 数据来源

2.1 景区名录及空间位置

首先，基于2016年国家发展改革委印发的《全国红色旅游经典景区名录》并结合2016年至今的相关政策文件，同时考虑红色景区数据获取的可行性，最终确定649个红色旅游景点作为研究对象；其次，利用百度地图拾取坐标系统检索各大红色景点的空间位置数据；最后，基于ArcGIS 10.2软件将各景点的经纬度坐标进行空间可视化（图1）。
图1 中国红色旅游景区空间分布

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)1833号）绘制，底图边界无修改。香港特别行政区、澳门特别行政区、台湾地区无数据。

Fig. 1 Spatial pattern of red scenic spots in China

2.2 网络关注度数据

网络关注是指用户在网络空间中对某一主题、事件或个体产生兴趣和关注的行为，其不仅能够反映用户对特定内容的关注程度和热度，以及相关话题在网络中的影响力和流行程度，而且还可以作为衡量某一主题或事件影响力的重要指标，为舆情监测与品牌营销部门了解社会舆论和趋势提供有力支持[25⇓-27]。由于网民能够通过浏览、评论、分享、点赞等方式来表达对特定内容的关注和喜爱，因此，多数研究均利用网络关注度数据中所解析出的情感价值等有效内容来研究信息在网络空间中的传播效应，以反映人们对事件的态度或网络评论[30⇓-32]。近年来，随着短视频多功能软件的开发，其不仅能满足日常浏览、消遣娱乐、记录生活的基本功能，而且还为用户提供有直播带货、线上购物、营销推广等多重功能，因此短视频软件如抖音、快手、小红书等，迅速在下载量和浏览量方面超越了微博、微信以及传统新闻媒体，进而促使短视频在当下成为大众最喜爱的社交媒体之一[26⇓-28]。基于此，本研究筛选出国内20个典型性的短视频平台并对其有效指标数据进行收集与统计，检索步骤见图2。同时，考虑到景区关注度在特定的节假日会发生重大波动，因此本研究避开传统春季和6.18促销节的影响，选择两者之间且受节假日影响较少的2024年4月16日作为时间节点。
值得说明的是，一方面，由于视频的高点赞量、高播放量以及高收藏量不仅能够反映出大众对景区相关内容的喜爱程度，而且也代表了用户对景区的持久兴趣和价值认可，同时其还能间接反映出景区在网络上的曝光度以及景区对用户的吸引力，因此，本研究主要以“点赞量”“播放量”以及“收藏量”这3个指标来反映景区在各大短视频平台的网络关注水平。另一方面，考虑到一些平台所提供的指标数据类型不包含上述指标，但是视频“转发量”“评论量”以及“视频数”亦能够作为表征景区网络关注度的指标因子，因此本研究针对指标数据缺失的芒果、优酷、腾讯等平台进行了指标的替换处理，具体见表1。
表1 红色景区网络关注水平综合评价体系

Tab. 1 Evaluation system of network attention in red scenic spots

目标层 平台层 主观权重 客观权重 综合权重 指标层 综合权重
红色
景区
综合
关注
水平		 抖音 8.737 5.006 7.245 点赞量 0.6
播放量 0.3
收藏量 0.1
B站 6.796 7.259 6.981 点赞量 0.6
播放量 0.3
收藏量 0.1
快手 7.619 4.371 6.320 点赞量 0.6
收藏量 0.3
评论量 0.1
火山 6.845 4.991 6.103 点赞量 0.6
播放量 0.3
收藏量 0.1
小红书 5.825 5.985 5.889 点赞量 0.6
收藏量 0.3
评论量 0.1
百度 6.796 3.639 5.533 点赞量 0.6
播放量 0.3
收藏量 0.1
腾讯 3.883 7.872 5.479 点赞量 0.6
播放量 0.8
评论量 0.2
微信 6.796 3.457 5.460 点赞量 0.6
播放量 0.3
收藏量 0.1
优酷 3.883 7.698 5.409 播放量 0.7
评论量 0.3
今日头条 4.854 5.718 5.200 点赞量 0.6
播放量 0.3
收藏量 0.1
爱奇艺 3.883 6.783 5.043 点赞量 0.6
播放量 0.3
转发量 0.1
微博 5.825 2.908 4.658 点赞量 0.6
播放量 0.3
评论量 0.1
QQ 2.912 7.219 4.635 点赞量 0.6
转发量 0.2
评论量 0.2
红色
景区
综合
关注
水平		 微视 3.94 5.335 4.498 点赞量 0.6
播放量 0.3
收藏量 0.1
皮皮虾 4.854 3.825 4.442 点赞量 0.6
转发量 0.2
评论量 0.2
芒果 3.883 5.225 4.420 视频量 1.0
支付宝 4.854 3.367 4.259 点赞量 0.6
播放量 0.3
收藏量 0.1
西瓜 4.903 3.282 4.255 点赞量 0.6
播放量 0.3
收藏量 0.1
有柿 0.971 4.391 2.339 点赞量 0.6
播放量 0.3
收藏量 0.1
好看 1.942 1.668 1.832 点赞量 0.6
播放量 0.3
收藏量 0.1
图2 数据搜索路线

Fig. 2 Search route of data collection

3 研究方法

3.1 等级分类与核密度分析

Jenks自然断裂法能将红色景区关注水平的相似值进行恰当地分组，以更清楚地透视各系统下红色景区网络关注程度的差异[18,19]。为进一步分析中国红色景区网络关注度的空间集聚情况，引入Kernel密度分析法进行空间集聚性探究并分析其集聚核心。计算公式如下：
f k ( x ) = 1 n h ∑ i = 1 n K x - x i h ,   x ∈ R
式中：fk（x)表示x点在该处的核密度估计值；n表示该邻域内点的个数；h表示带宽；x-xi表示估计点x到xi的距离。

3.2 综合评价方法

为确保评价结果的科学性与精准性，本研究采用“层次分析法”与“熵权法”相结合的赋权法来确定各平台及其各项指标的权重，以最大限度地削弱单一方法可能带来的数据信息的损失程度，进而使得评价结果更加全面且接近实际情况[34⇓-36]。
首先，采用层次分析法进行主观权重计算。具体步骤如下：① 建立层次结构模型；② 根据层次结构模型，邀请20位该领域内的专家、学者对平台及其指标权重赋值，将专家赋值平均后的数据四舍五入至整数位构建判断矩阵；③将判断矩阵带入Spass pro软件进行权重计算并通过了一致性检验。
其次，采用熵权法计算出平台或指标的客观权重。
再次，整合由层次分析法与熵权法分别得出的主观权重与客观权重，以确定不同平台或平台指标各自的综合权重。
最后，基于极差标准化后的景区关注值及其对应平台的综合权重来测算景区关注总得分。计算公式如下：
S i = ∑ j = 1 m w j × p i j ， i = 1 ,   2 ,   . . . ,   n .                 w j = 0.6 w 1 + 0.4 w 2
式中：Si代表总得分；wj代表综合后的权重；pij代表标准化后的指标；w1代表主观权重；w2代表客观权重。结果见表1。

3.3 景区类型划分

通过梳理相关文献可知[2⇓-4]，大多数研究结合红色经典景区的资源特色、革命历史事件的当前发生地、事后纪念地以及伟人出生地等差异，将其划分为革命历史遗迹、革命纪念设施以及伟人故居这三种类型。然而，一些景区因具有多重属性，而无法简单地用单一类型对其进行标识；另外，还有极少数景点是通过现代科技手段创造出的具有红色文化主题的人工景区。因此，本研究根据已有研究成果，同时综合考虑景区类型划分结果的区分度和合理性，最终将其划分为五种类型（表2）。
表2 红色景区类型划分及数量占比

Tab. 2 Classification of type division and proportion of red scenic spots in China

类型 特点 数量（个） 占比（%）
革命历史遗迹 著名战争、重大事件主要活动的遗址和革命中心地、根据地、游击地等革命活动区域 252 38.83
革命纪念设施 烈士陵园、名人墓地和综合性的革命历史纪念馆、纪念广场 291 44.84
伟人故居 革命领袖、将领、烈士的故居 19 2.93
红色主题综合性纪念馆 景区主题包含了两种或以上类型 80 12.32
现代化红色教育基地 通过现代科技手段和建筑设计，创造出具有红色文化主题的人工景区。例如长江三峡水利枢纽工程建设地、西昌卫星发射中心以及青藏铁路拉萨站等 7 1.08
共计 649 100.00

3.4 位序-规模法则

位序-规模法能够宏观地分析研究对象的位序规模分布在某一个时间截面上的集中程度、发展态势和差异情况。基于此，本研究运用该方法将红色景区网络关注水平从高到低进行排序，将位序和规模在无标度空间上形成线性回归关系。计算公式如下：
l n P r = l n P 1 - q l n r
式中：Pr为位序为r的景区关注度；P1为景区的最高关注度；r为景区位序；q为待定的齐夫指数。

3.5 空间自相关分析

冷热点分析方法（Getis-Ord Gi*）是常用的一种空间自相关分析方法，其不仅能根据数值在空间的临近关系和集聚-扩散效应而表示成不同的区域，如热点区、次热点区、次冷点区、冷点区等，而且还能够反映出样本点在空间上的正向或者逆向关联状态，因此本研究采用冷热点分析方法进行空间自相关分析，计算公式为：
G i * = ∑ j - 1 n w i ,   j x j - X - ∑ j - 1 n w i ,   j S [ n ∑ j - 1 n w i ,   j 2 - ∑ j - 1 n w i ,   j ] 2 n - 1
X - = ∑ j - 1 n x j n
S = ∑ j - 1 n x j 2 n - ( X - ) 2
式中：xi是要素j的属性值；wi, j是要素i和j之间的空间权重；n为要素总数。

3.6 参数最优地理探测器

地理探测器是一种用于探测研究对象空间分异特征并揭示其背后驱动力的统计学方法，其可分为传统地理探测器与参数最优地理探测器[31,33]。然而，传统地理探测器在对连续型变量进行离散化处理时需要人为设定分组阈值，进而容易引发主观性划分不合理以及离散化结果不佳等一系列问题。因此，本研究选取参数最优地理探测器，借助R语言中GD包的数据统计规则确定各因子的最佳分级方式，如等间距、自然间距、分位数间距、几何间距和标准偏差间距，并将间断数量设置为3~12类，筛选出q值最大的分级方式来对自变量进行空间离散化处理和类别分组，从而探究短视频视域下红色景区网络关注度的空间分异特征以及影响因子对景区关注度空间差异的解释力。

4 结果分析

4.1 空间分异特征

由图3可知，整体上呈现“五大核心区、多个增长极”的空间集聚特征，不仅形成首都、苏皖沪、川渝、两湖以及辽宁五大高密度圈，而且围绕高密度圈形成了晋陕、云贵、粤赣闽等多个增长极。就五大高密度区而言，首都和苏皖沪两大“主核”地区高效联动，形成红色景区集聚发展的核心区，产生了虚拟与实体等级相匹配的互联网传播效应。此外，川渝和两湖两大“次核”区域合作互助，辽宁一大“次核”辐射带动周边景区发展，体现了毗邻景区间的互助合作、资源共享、信息互通等均在一定程度上助推了景点整体竞争力与关注水平的提升。从现实情况看，五大高密度圈层中的高知名度景点、拳头品牌以及龙头企业，其不仅极为重视景区智能化基础设施建设和数字化转型水平的提升，而且还密切关注市场营销的数字化技术与网络宣传的新模式，因而其在吸引游客、提升用户体验感、推广品牌形象以及增强市场竞争力等方面均取得了显著的成效。就多个增长极而言，由于受到周边核心区虹吸效应的负面影响，以及景区自身的资源配置优化度与基础实力均偏低，进而导致其网络关注度的提升速度较为缓慢，且未能有效激发景区内外部的可持续发展潜力。从不同等级区的数量占比看，低级别区占比高达87.06%，而高、较高关注区合计占比仅10.48%，说明低关注景区在全国仍占据主导地位，反映出这些红色旅游经典景区的热度和视频传播度亟需进一步提升。
图3 中国红色景区综合关注度的空间格局与核密度分析

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)1833号）绘制，底图边界无修改。香港特别行政区、澳门特别行政区、台湾地区无数据。

Fig. 3 Spatial pattern and kernel density of the comprehensive attention of red scenic spots in China

从各子系统看（图4），百度、好看、支付宝、微博、皮皮虾、西瓜以及今日头条7个平台，呈现出以京冀晋辽、苏皖沪、鄂湘以及川陕渝为核心的高关注辐射模式；抖音、快手、火山、有柿、B站、小红书、微信和微视8个平台的景区关注度则由京津冀与江浙沪两大高级别区向四周递减；而芒果、优酷、腾讯、QQ以及爱奇艺5个平台中，仅在首都分布有较高关注集聚区。究其原因，位于北京、上海等综合实力较强的核心城市及其毗邻区域内的景点，相较于其他级别景区更早重视互联网效应，且能更及时地将时效性强、传播度快以及趣味性足的短视频平台作为重要的营销渠道，因此其能对区域内的红色景区进行精准定位和全方位推广。
图4 中国红色景区短视频关注度的空间格局

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)1833号）绘制，底图边界无修改。香港特别行政区、澳门特别行政区、台湾地区无数据。

Fig. 4 The spatial pattern of short video attention of red scenic spots in China

4.2 类型划分特征

由图5可知，纪念设施类景区数量最多，历史遗迹类次之，两者合计占比达83.67%；红色主题综合性纪念馆占比12.32%，数量为80个；伟人故居与现代化红色教育基地数量极少，比例分别为2.93%和1.08%。从等级划分来看，景区等级以非A级为主，共有302个，占比近50%，而5A级景区数量极少仅占6.63%，反映出中国红色经典景点的实体发展水平普遍较低且不同类型区的数量占比差距亦较大，因此低级别区不仅需要增强其自身的基础实力，而且也应该重视利用短视频网络宣传的手段来提升自身的关注水平。
图5 中国红色旅游景区类型与等级划分

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)1833号）绘制，底图边界无修改。香港特别行政区、澳门特别行政区、台湾地区无数据。

Fig. 5 Type division and classification of grades of red scenic spots in China

结合图5和图6可知，革命纪念设施和革命历史遗迹类景区的关注水平与实体等级均以较低、低级别为主，其中，中等以下级别区占比高达98.81%，非A级景区占比达66.11%。上述比例构成反映出纪念设施和历史遗迹类景区虽然数量较多，但其由于受到景区自身的基础实力、管理效度、设施建设以及网络渗透等多重因素的影响，从而导致其并未能充分利用景区自身所蕴含的丰富历史文化资源来吸引更多游客关注。然而，伟人故居、综合性纪念馆以及现代化红色教育基地的实体等级虽然普遍较高，但由于其在互联网的宣传推广度不高，进而导致景区的综合网络关注度普遍偏低。具体来看，伟人故居类景区的网络关注度处于中等水平以下，综合性纪念馆的低级区占比高达95.02%。究其原因，大部分综合性纪念馆仍以定点参观、专人解说以及传统展陈等方式进行营销推广，这种情况导致景区的知名度低且对用户的吸引力不强。
图6 红色景区综合关注度、景区等级的类型流向

Fig. 6 The type flow of comprehensive attention and grades of red scenic spots

4.3 位序-规模特征

由图7可知，综合系统与各子系统的拟合优度均超过0.9，且q的绝对值亦大于1.2，说明红色景区在各个系统的关注水平均符合位序-规模法则且呈现出首位型景区发展态势。具体来看：① 综合系统关注水平的位序-规模特征。从所有景区看，“头部”高位序景区数量较少，仅占6.01%，呈现出“前密后疏”的离散分布态势；中等位序景区数量最多，比例高达91.68%，但景区间的层次等级不分明；低级区内部的关注度差异较大，其曲线呈近似垂直的向下弯曲状。具体来看，天安门广场、南京大屠杀遇难同胞纪念馆以及抗美援朝烈士陵园等高知名度景区凭借着自身独特的资源优势，其不仅长期受到了用户群体的广泛关注，而且还在一定程度上引发了正向的网络传播效应。然而，绝大多数景区由于资源辨识度低、网络营销力不足以及品牌塑造资金投入少等问题，致使景区市场活力、创新热度以及社会投资量均处于低水平状态。② 各子系统关注水平的位序-规模特征。从不同类型景区看，革命纪念设施类和革命历史遗迹类景区与整体较相似，其中，历史遗迹类景区的“中部”表现出更强的平稳性，且与趋势线的贴合度亦更高。然而，红色主题综合性纪念馆则与整体存在较大差距，具体而言，“头部”高位序景区不仅数量有所减少而且其离散性分布态势亦更强，中等位序景区“前疏后密”并围绕趋势线上下波动起伏，低位序景区的等级分层极为显著。表明仅少数的高水平景区能够凭借着沉浸式、数智化以及网红化的推进路径来精准抓住区内服务产品、环境氛围、文化感知和小众个性的时代“流量”。
图7 中国红色景区综合关注度的位序-规模分布图

Fig. 7 Rank-size structure of comprehensive attention of red scenic spots in China

4.4 空间关联特征

从空间格局上看（图8），景区关注度的次热点、热点区集聚分布于京津冀、晋鲁辽以及豫鄂皖等区域，而次冷、冷点区在中国中西部和东南地区呈现大范围零散分布的态势。究其原因，高值区所获批的景区建设资金投入较多，且景区组团建设开发的质效亦较高，因而这些代表新民主主义革命时期革命战争遗迹的景区之间能够产生相互关联、协作开发效应。反观陕甘宁、川陕豫革命根据地，虽保留了大量抗日战争时期的红色资源，但受地区经济发展水平限制而未能获得充足的资金支持，因此在中部形成了一大片不显著区。此外，大部分次冷点、冷点区分布在中国中西部和东南地区，一方面是由于这些景区开发时间较晚和建设步伐缓慢，另一方面则是受到地形和景区自身属性影响，使得景点之间相互竞争且关联性较弱，因而两者交互影响使其难以形成热点集聚区。
图8 中国红色景区网络关注度的冷热点分析

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)1833号）绘制，底图边界无修改。香港特别行政区、澳门特别行政区、台湾地区无数据。

Fig. 8 Analysis of cold and hot spots in area network attention of red scenic spots in China

为进一步探究不同类型景区的冷热点分布特征及数量占比情况，本研究绘制了能够反映各类型景区内部关注水平差异的雷达图。由图8b可知，革命纪念设施与革命历史遗迹类景区以次热点区为主，数量分别为80个和46个；伟人故居和红色教育基地则多为次冷点区，占比接近50%。整体表现为革命历史遗迹与革命纪念设施类景区数量多但网络关注水平存在极化效应，其余类型景区的数量占比较低，但其内部关注度相差不大。

5 影响因素与优化路径

5.1 指标体系构建

通过梳理相关文献发现[31⇓-33]，关注度是由短视频平台基于用户所生成的相关内容与互动数据来评估游客旅游需求特征和规模的关键指标，其主要受到政策支撑、资源禀赋、网络营销、市场条件、经济水平、发展潜力[1⇓⇓⇓⇓⇓⇓-8]等维度的影响。具体如下：① 政府政策对居民的日常生活和情感认同具有直接关联性，其可以显著增强公众的参与度和认知连结，从而为景区的营销推广与资源利用提供强有力的社会支持；② 景区实体等级、具有历史文化价值的景点数量以及景区游客接待量是景区自身实力、资源禀赋与市场吸引力的直接体现；③ 短视频生产主体的网络营销模式，例如新媒体、地方政府、企业平台、大V博主以及普通大众所发布视频的影响力，尤其是“大V博主+社交媒体”相结合的营销方式已经演变为产品推广和品牌宣传的重要手段，并对消费者的前瞻性关注起着引领作用；④ 交通可达性是确保区域联通性的关键因素，高素质居民群体具有促进新型产业开发、热点新闻深度解读和地区信息推广的优势，因此二者作为市场条件的代表因子能在很大程度上表征城市形象定位和认可度；⑤ 经济水平特别是现代服务业发展程度高的地区，与居民日常生活紧密相关的业态通常表现出旺盛的活力和鲜明的个性化特征，进而更容易成为网络用户关注重点和消费者偏好集中点；⑥ 发展潜力映射了地区在未来一段时间内可能实现的积极变化和提升空间，已成为影响城市网络关注度提升的重点。基于此，本研究结合指标量化的客观性和科学性，并遵循数据可获取性，最终以上述6个方面共15个指标作为自变量，以景区综合关注度为因变量来探究短视频视域下红色景区关注水平空间分异的影响因素（表3）。具体数据来源于官方统计数据、经济社会统计年鉴、景区官方网站、各城市旅游局以及国家统计局官网。
表3 影响因子指标体系构建

Tab. 3 Indicator system of influencing factors

目标层 准则层 指标层 单位 指标解释
政府政策支撑 政府政策支撑力 政府文件提及数量X1 次 地区政府重视程度
政府官员推广活力 景区推广公众人物数X2 个 景区宣传者号召力
景区实力支撑 景区基础实力 景区等级X3 景区质量等级水平
景区市场吸引力 游客接待量X4 万人次 景区市场活力
景区历史资源禀赋 景区内具有深厚历史文化底蕴的景点数或景观数量X5 个 景区旅游资源禀赋
网络渗透力 互联网普及率X6 % 地区网络化发育水平
市场条件 交通可达性 旅客周转量X7 亿人次·km 地区交通发展水平
区域受教育程度 大专及以上人数X8 万人 地区红色景区了解程度
区域基础实力 地区基础实力 人均GDP X9 万元 区域经济整体水平
现代服务业支撑 第三产业增加值占比X10 % 区域发展服务支撑
地区综合发展水平 城市等级X11 / 地区综合实力
区域人口量级支撑力 年末常住人口X12 万人 区域人口规模
未来发展潜力 相关机构支撑力 旅行社机构数X13 个 地区专业机构的营销力
旅游市场活力 人均旅游收入X14 万元 景区旅游产业经济实力
景区联动影响力 4A及以上景区数量X15 个 地区景区辐射带动力

5.2 地理探测结果分析

由因子探测结果可知（图9），整体空间分异格局受景区发展潜力、景区实力支撑以及政府重视程度影响较大，而区域受教育程度与交通条件对其影响相对较小。具体来看：① 景区发展潜力。人均旅游收入直接反映了景区所在地的旅游市场活力和旅游产业经济实力，说明这些景区的基础建设水平和地方经济支撑力较好。在旅游实体经济的支撑下，景区再辅以专业机构的营销推广与区域高知名度景区的辐射带动，使得景区的综合竞争力和持续成长能力不断增强。从现实情况看，高发展潜力意味着景区在未来具有更广阔的发展前景和机遇，也反映出其能够吸引更多资金和资源的投入，那么这就为景区综合实力的增强与高质量发展提供了有效信息基础。② 景区实力支撑。具有强大实力支撑的红色景区能够为游客提供更优质的游览体验和服务，其能够吸引更多游客和网络用户关注，因而也带动了自身在网络上的曝光度和关注度。具体而言，互联网普及率直接反映了公众的网络参与度，反映出公众更加倾向于通过关注旅游热点话题、接受短视频宣传等方式了解旅游信息，因此其对景区网络关注度的空间差异有直接影响。③ 政府政策支撑。政府政策支持不仅有助于景区获得更多资源与资金投入，而且还能推动其营销水平与知名度的提升，因此其能吸引更多游客和媒体来关注景区的建设效果。其中，相关政策文件数与政府官员推广活力作为衡量政府政策支撑力度的指标，二者均反映了政府部门对红色景区发展的关注程度和支持力度。④ 区域交通设施。区域环境支撑和便捷交通设施虽然是影响游客出行意愿的重要因素，但其已经融入现代化红色景区虚实综合性建设的各个方面，因此属于进程式的影响而非有决定力的影响因子。
图9 因子探测和交互探测结果

Fig. 9 The results of factor detection and interaction detection

利用地理探测器中的交互作用模块识别影响因子交互作用对红色景区综合网络关注度空间布局的解释程度（图9b）。由交互结果可知，因子之间产生了非线性增强和组合增强的效果，且任意两个因子交互后比单因子的作用力更显著。其中，对景区关注度空间异质性影响程度较高的交互因子有X1∩X10、X1∩X14、X1∩X13。可以发现，政府政策支撑力（X1）不仅有助于景区关注度的显著提升，而且其与多数因子交互后能够发挥更强的影响力，反映出政策的积极引导和大力支持不仅能为景区提供更多的发展机会和社会资源，而且还会增加红色景区在社会舆论和网络媒体上的曝光度，引起公众的广泛关注与热烈讨论以及对红色热点问题的实时关注，进而增强大众对中国红色热点问题的实时关注。

5.3 其他影响因素

由于红色景区的综合关注度还受到景区自身的资源特点、建设程度、达人推广、视频发布主体等难以量化的指标因素影响，因此，本研究从定性的层面补充了景区基础设施建设、达人推广水平以及视频发布主体构成等因子，并探究其对景区关注水平的影响程度。具体来看：① 红色资源禀赋是景区高质量发展的核心要素。由于旅游者受到时间和空间双重限制，因此在有限的时间内，游客往往会选择资源丰富且能提供更佳旅游体验的景点作为其出行旅游的目的地，反映出具备深厚旅游资源禀赋的景区能够满足不同游客群体的兴趣和需求，进而扩大景区的受众范围和市场规模。此外，这种多样化的资源和服务也能在一定程度上强化游客对红色景区的关注行为，进而有助于提升景区的吸引力和竞争力。② 设施完善程度是提升景区关注水平的基础要素。因为景区所拥有高水平的管理系统、交通系统、服务设施系统和景观建设系统能够有效满足目标人群在景区内的出行需求，从而提升他们对景区的满意度和关注度。此外，具有高水平的网络建设，如线上购票、电子导览等服务，亦能够提升游客的出行便利性和旅游信息获取的高效性，因而也进一步地增强了景区对游客的吸引力。③ 达人推广力度是提升景区网络关注的后续力量。游客通常会优先选择好评率高且知名达人推荐力度强的景区作为旅游目的地，以获得更好的旅游体验感与满足感。究其原因，网络好评率高且拥有网络达人助力营销的景区能够利用互联网平台的优势来展示红色景区的特色，并在增加其自身曝光率的同时扩大受众群体，从而通过提升其认可度与拓展市场渠道来增强景区的吸引力。具体机制见图10。
图10 景区综合关注水平空间差异的影响机理

Fig. 10 The impact mechanism of spatial differences on the comprehensive attention level of scenic spots

5.4 景区格局优化

为削弱不同景区内部的关注差异，并进一步推动景区综合关注的整体水平，本研究以上述综合评价结果为主导，结合景区发展实际情况，并同时考虑政府政策导向与社会经济发展需求，最终提出了“一带四轴”的规划方案与“五位一体”的优化路径，以期通过“强点带动弱点”和“轴线带动组团”的方式，助推中国不同实力等级、主题类型以及关注程度景区间的联动发展与辐射带动（图11）。规划设计与优化路径思路具体如下：
图11 中国红色旅游景区规划及路径提升

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)1833号）绘制，底图边界无修改。香港特别行政区、澳门特别行政区、台湾地区无数据。

Fig. 11 The planning and pathway enhancement of the red tourism scenic spots in China

5.4.1 “轴带”联动，重温红色征程，拉动沿线发展

打造贯穿东北-西南的“京川发展轴带”，其不仅经过综合实力强和网络关注高的京津冀、川渝黔、陕甘宁、晋冀以及京皖等发展组团，而且该主轴带还向两侧延展直至中国东北、西南。同时，经过两湖与苏皖沪两大高密度圈的“东西发展次轴”助力“主轴带”未涉及的东南片区的高速发展。此外，京广、京皖以及南北三纵轴与两横轴联动发展，最终助力东西联动、南北衔接以及整合发展格局的形成。

5.4.2 “区线”交叉，融合高集聚区，打造红色阵地

京川发展主轴将分布在中国东北-西南方向的川渝黔、陕甘宁、京皖、黑吉辽4个发组团串联起来；中部晋冀、湘鄂皖赣、粤闽赣三大片区则与京广发展主轴连通；同时，京广发展次轴经过川渝黔、湘鄂皖赣以及沿海三大发展组团，进而实现以“轴线带组团”的模式来推动景区内各个片区和轴线之间的互动和协同发展，这不仅在提升景区的整体品质和吸引力方面发挥着重要作用，而且还能够为游客提供更丰富、多样化的旅游体验。

5.4.3 “核心”共力，引领毗邻景区，构建多核组团

确定五大核心省区中的核心景点或设施，例如湖南岳麓山风景区、北京市天安门广场、四川泸定桥、安徽皖南事变烈士陵园以及陕西延安革命纪念馆等较高关注区，使其能够成为地区具有代表性和引领性的重要地标元素，并依托核心区域内所包含的知名景点，来对其周边景点进行合理规划与空间布局。与此同时，亦要重视不同“核心区”间的联动效应，通过与周边景区或相关旅游企业开展合作，推出联合门票、联合游览路线等联动服务，进而形成“多核心”团状片区。

5.4.4 “区核”结合，巩固重点分区，挖掘红色资源

在“区核”引领与带动下，再根据组团内景区的网络关注与发展特色，确定若干具有突出优势或发展潜力的核心地区或景点，并通过加大投入、提升服务质量、举办主题活动等方式对其进行强化。这不仅助力“区核”的有效结合与巩固发展，而且还对各片区重要地区与景点的关注水平、资源特色以及发展潜力进行了深入挖掘，进而实现“核心点带动发展组团”综合关注度与实体发展水平的提升，以及毗邻组团间的联动和互补的目标。

5.4.5 “顶层”助力，召开专题研讨，释放红色潜力

由于政府政策的支撑力对红色景区的网络影响力提高具有较为显著的正向推动作用，因此政府部门不仅应强化对红色旅游的保障支撑，以充分发挥各类要素对红色旅游发展的推动作用，而且还需要重视与当地红色景区、旅游机构以及融媒中心等进行合作，以能够从多个维度来引起公众的热烈讨论以及对红色热点问题的实时关注，进而推动红色景区网络关注水平的快速提升。此外，加强景区数字人才培养与专业化团队的高质量构建，且定期召开景区发展研讨会与信息化调研互动，亦有助于增强大众对中国红色旅游的关注度。

5.4.6 “亮点”打造，促进联动发展，带动红色片区

知名历史遗迹与纪念设施类景区在提升自身基础实力与网络关注水平的过程中，应当注重与周边红色景区的联动发展，以进一步强化高关注景区与周边级别较低景区之间的联动性，从而促进整个区域内红色景点的共同发展和旅游资源利用效率的显著提升。此外，对于吸引力和关注度均较低的“冷点”集聚区，需要建立一个具有示范带动作用的“亮点区”，采用“以强带弱”的模式来提升片区内红色景点的网络关注度、基础设施共通性以及资源共享平台的信息化建设水平，进而实现低值集聚区内景点间的互助合作与联动发展。

6 结论与讨论

6.1 结论

本研究对短视频视域下中国红色景区的网络关注水平的空间差异及其驱动力因素进行了深入研究，主要结论如下：
（1）从空间分异格局看，整体上呈现“五大核心区、多个增长极”的空间集聚特征，不仅形成首都、苏皖沪、川渝、两湖以及辽宁五大高密度圈，而且围绕高密度圈形成了晋陕、云贵、粤赣闽等多个增长极。通过与已有的红色景区抖音关注度的空间集聚特征对比，可以发现多个增长极的空间布局较为类似，而在辽宁和苏沪两大高值区却存在较大的差距。
（2）从类型划分看，纪念设施类景区数量最多，历史遗迹类次之，两者合计占比达83.67%；红色主题综合型纪念馆占比12.33%，而伟人故居与红色教育基地数量极少。从等级划分看，景区等级以非A级为主，共有302个，占比近50%，而5A级景区数量极少仅占6.63%，反映出中国红色景区的基础实力普遍较低且不同类型区的数量占比差距亦较大。
（3）从位序-规模特征看，整体拟合曲线偏离理想状态，“头部”高位序景区数量少且离散分布，“中部”景区数量最多但层级不分明，“尾部”低级别景区间的关注度差异显著，这与已有的红色景区抖音关注度的位序特征较为类似。从不同类型景区看，革命纪念设施类和革命历史遗迹类子系统与整体相似，而综合型纪念馆却与整体存在较大差异。
（4）从空间关联特征看，次热点、热点区集聚分布在京津冀、晋鲁辽以及豫鄂皖等区域；而次冷、冷点区在全国中西部和东南地区呈大范围零散分布态势。从不同类型景区看，革命纪念设施与革命历史遗迹类景区中以次热点区为主，两者合计126个；而伟人故居类和现代化红色教育基地类景区则多为次冷点区，其数量占比均接近50%。
（5）从影响因子看，主要受景区实体建设、政府政策支撑、市场吸引力以及景区资源禀赋等方面的影响，其中各因子与政府政策支撑力交互后作用效果显著增强。通过与已有的机理分析研究结果进行对比，发现仅政府政策支撑因子的影响程度存在较大差异。此外，基于因子解析与空间分析结果，还提出了“一带四轴”规划方案与“五位一体”优化路径。

6.2 讨论

研究短视频视域下中国红色景区关注水平的空间差异及提升路径不仅能够深入了解不同地区的红色资源分布情况以及红色景区发展水平的空间分异特征，并为政府和景区制定相关政策方案提供科学依据，而且还有利于促进区域红色旅游产业的发展、推动景区知名度提升和文化传承以及实现资源共享和互惠共赢。同时，深入分析不同地区红色景区在短视频平台上的关注度差异既有助于景区深入了解自身在短视频时代的定位和竞争优势，进而制定更加有效的营销策略和推广计划来提升自身的知名度和影响力，又对于加强红色旅游资源的挖掘和推广，促进地方经济高质量发展，推动红色文化交流传承等方面均具有重要的参考意义。通过与已有相关研究成果对比发现，关于红色景区网络关注水平的测度及其驱动力分析，研究所得结果与已有研究存在许多异同点。具体如下：
一方面，在红色景区网络关注水平测度的已有研究成果中，绝大多数学者是以“百度指数”作为指标来测度红色景区的网络关注度[1⇓-3]。近期，学者开始关注红色景区的短视频的影响并从搜索引擎、社交媒体、旅游软件等多维度来选取指标，并基于AHP专家打分情况来确定各指标的权重，再根据平台及其指标的权重来计算景区综合网络关注水平的研究亦较多。其次，在红色景区短视频关注度研究方面，相关研究基于国内热门短视频平台——抖音APP，采用“作品数”“粉丝量”“点赞量”以及“话题量”指标来衡量红色景区的网络关注水平，并得出景区关注度位序特征为高位景区优势明显且局部产生极化效应，中部发育较好，而低位序发育质量差异较大。本研究所得结论与已有成果在位序—特征方面基本保持一致，而在空间格局方面却存在一些差异。具体而言，高值集聚区均分布在京津冀、川陕、鄂豫皖、川渝、湘赣这五大核心区，而位于粤赣区内的红色景区，其在抖音平台的关注度普遍较高且形成了高关注度集聚核心区，但在整个短视频视域下却处于低等级。
另一方面，在红色景区网络关注差异的影响机理剖析研究中，相关研究指出影响景区网络关注度的主要因子为网络渗透力、服务业支撑力和人口量级支撑力，次要因子为旅游市场活力、地区经济支撑力、交通优势度以及景区基础实力，而政府政策支撑对景区关注级别的影响力较小。然而，本研究不仅发现景区基础实力、网络化建设水平、景区市场吸引力及区域环境支撑等因素对其网络关注水平的提升具有明显的正向促进作用，而且还发现区域政府政策的支持力度也是主导因子之一。两者在政府政策维度的因子分析结果存在显著差异，究其原因，一方面可能受到数据获取的限制，并未从定量化的角度来测算因子的驱动力，而是仅辅以主观性分析；另一方面，可能受到研究年份选取差异的影响，如2022年是“直播带货”迅猛发展的初始年，“直播电商”逐渐成为宣传推广某事件、人物或产品等的重要渠道，且直播带货主体构成较多元化。期间，政府官员这一主体不仅作为直播间“主播”开始为家乡及地标产品代言，而且还会定期组织开展“直播”活动，这在很大程度上推动了地区滞销农产品的售出与旅游景点知名度的提升，进而政府政策扶持在该阶段所发挥的作用较先前年份更大。
总而言之，与已有研究相比，虽然本研究在网络关注数据的选取与影响因素体系的构建方面均有所改进，但由于受到数据获取的限制，本研究还有未详尽考虑之处。具体来看：第一，网络关注数据来源。本研究基于短视频关注视角来研究景区的网络关注程度且充分考虑到各平台权重的差异性，这不仅突破了网络关注数据来源的限制，避免了依赖搜索引擎、旅游网站、社交媒体以及单一热门短视频平台或指标的局限性与片面性，而且还有助于深入地了解不同类型平台上景区的关注情况，进而助推虚拟网络空间中景区影响力的提升与关注数据库的迭代更新效率。第二，影响因子体系构建。在构建红色景区网络关注度差异的影响因素指标体系的过程中，不仅结合了已有研究成果中所选取的景区实力支撑、网络营销力、区域基础实力以及市场条件等方面的指标因子，而且还将政府政策和未来潜力两个维度的指标因子纳入了定量化分析。第三，不足之处与改进方向。一方面，影响机理分析的细化程度有待提升。在景区关注水平空间差异的影响机理剖析中，本研究仅将全国所有景区作为整体进行因子探究，而缺乏对不同主题类型、地理区位以及基础实力景区的关注度差异进行有针对性的深入机理分析，细化度与聚焦性可以进一步提升。另一方面，缺乏时空演化特征分析。由于多数短视频平台的时序数据获取困难，因此，本研究仅对其空间特征进行了分析，缺乏多时段空间特征的对比研究，这也是日后需要努力的方向。
中国已进入数字经济时代，数字信息技术在社会经济发展的各个领域均展示出强大的动能，进而成为了推动各行业创新发展的新引擎。在当今的数字经济时代，红色旅游业也迎来了新的发展机遇和多重挑战，具体来看：第一，伴随着互联网和数字技术的快速发展，一大批红色景区为游客提供有在线预订、移动支付、虚拟导览等服务功能以提升旅游便利性。同时，数字化营销推广模式已成为传播红色文化、吸引各地游客以及提升景区知名度和影响力的常见宣传手段。第二，虚拟现实、增强现实等技术的运用，使得游客能够在虚拟空间中体验历史事件和场景，也进一步拓宽了红色景区的展示方式和对游客的吸引力。第三，在未来数字经济时代，随着人工智能、大数据以及全息投影等前沿技术的不断发展和应用，红色旅游将呈现出更加多元化、智能化和个性化的形式，并为游客提供更丰富、深度和沉浸式的旅游体验，以进一步推动红色景区创新发展和转型升级模式的形成。总而言之，数字经济时代下的红色旅游应当更加注重创新、体验和互动，数字化技术将成为红色旅游高质量发展的重要驱动力，为景区提供更多的发展机遇和可能性，并为游客提供更丰富、便捷、个性化的旅游体验。因此，要提升红色景区在当今数字经济时代的网络关注水平，不仅需要注重政府政策扶持、景区实力支撑、网络化营销等多个方面的因素，而且还应结合红色景区自身发展状况与数字经济时代特征，不断完善和调整重要策略，以适应数字经济时代的新需求和挑战。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，评审专家对本文研究思路、方法选择、结果分析等方面的修改意见，使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
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.

DOI

[Jiao Shanshan, Li Ming, Tian Fengjun, et al. Distribution pattern and driving mechanism of network attention of Chinese red tourism classic scenic spots. Economic Geography, 2022, 42(1): 211-220.] DOI: 10.15957/j.cnki.jjdl.2022.01.025.

[2]
罗婉琳, 王芳, 丁志伟. 中国红色景区抖音网络关注度的空间差异及其影响因素. 经济地理, 2023, 43(3): 198-210.

DOI

[Luo Wanlin, Wang Fang, Ding Zhiwei. Spatial difference and influencing factors of Douyin's network attention of red scenic spots in China. Economic Geography, 2023, 43(3): 198-210.] DOI: 10.15957/j.cnki.jjdl.2023.03.021.

[3]
苏卉, 康文婧. 红色旅游经典景区网络关注度时空特征及影响因素研究. 干旱区资源与环境, 2022, 36(5): 200-208.

[Su Hui, Kang Wenjing. Spatial-temporal characteristics of the network attention to classical red tourist attractions. Journal of Arid Land Resources and Environment, 2022, 36(5): 200-208.] DOI: 10.13448/j.cnki.jalre.2022.139.

[4]
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 Xincheng, Liang Xuecheng, Gao Nan, et al. An analysis of the spatial network structure and formation mechanism of the attention degree of long-march-themed red tourism resources. Tourism Science, 2021, 35(3): 1-23.] DOI: 10.16323/j.cnki.lykx.2021.03.001.

[5]
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.

DOI

[Tang Hong, Xu Chunxiao. Spatio-temporal evolution and influencing factors of Chinese red tourism classic scenic spots network attention. Journal of Natural Resources, 2021, 36(7): 1792-1810.] DOI: 10.31497/zrzyxb.20210712.

[6]
Zhao C, Yang Y, Wu S, et al. Search trends and prediction of human brucellosis using Baidu index data from 2011 to 2018 in China. Scientific Reports, 2020, 10(1): 1-7. DOI: 10.1038/s41598-020-62517-7.

[7]
Tian X, Hu J. The temporal-spatial distribution of key cultural relics protection sites in China and tourism response. The Professional Geographer, 2022, 74(2): 327-339. DOI: 10.1080/00330124.2021.2000447.

[8]
Xiong X B, Zhou G, Huang Y Z, et al. Dynamic evolution of collective emotions in social networks: A case study of Sina Weibo. Science China Information Sciences, 2013, 56(7): 1-18. DOI: 10.1007/s11432-013-4892-8.

[9]
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.

DOI

[Gao Nan, Zhang Xincheng, Wang Linyan. Spatio-temporal characteristics and influencing factors of Chinese red tourism network attention. Journal of Natural Resources, 2020, 35(5): 1068-1089.] DOI: 10.31497/zrzyxb.20200505.

[10]
赵芮, 赵恒, 丁志伟. 基于网络关注度的中国沙漠型A级景区空间格局及其影响因素分析. 中国沙漠, 2022, 42(5): 101-113.

DOI

[Zhao Rui, Zhao Heng, Ding Zhiwei. Analysis on spatial pattern and influencing factors of A-level desert scenic spots in China based on network attention. Journal of Desert Research, 2022, 42(5): 101-113.] DOI: 10.7522/j.issn.1000-694X.2022.00022.

[11]
李维维, 崔婷, 马晓龙, 等. 杭州市旅游景区吸引力空间格局及成因研究. 旅游科学, 2023, 37(2): 19-39.

[Li Weiwei, Cui Ting, Ma Xiaolong, et al. A study on the spatial patterns and causes of the attractiveness of scenic spots in Hangzhou. Tourism Science, 2023, 37(2): 19-39.] DOI: 10.16323/j.cnki.lykx.2023.02.005.

[12]
江巧暄, 文嫮. 中国短视频生产主体的城市空间分布及影响因素研究: 基于抖音平台. 地理研究, 2024, 43(4): 931-948.

DOI

[Jiang Qiaoxuan, Wen Hu. Urban spatial distribution and influencing factors of short video producers subjects in China: Based on the TikTok platform. Geographical Research, 2024, 43(4): 931-948.] DOI: 10.11821/dlyj020230703.

[13]
Lian C H, Cao Y. Examining WeChat users' motivations, trust, attitudes, and positive word-of-mouth: Evidence from China. Computers in Human Behavior, 2014, 41: 104-111. DOI: 10.1016/j.chb.2014.08.013.

[14]
Kennell J, Powell R. Dark tourism and world heritage sites: A Delphi study of stakeholder perceptions of the development of dark tourism products. Journal of Heritage Tourism, 2021, 16(4): 367-381. DOI: 10.1080/1743873x.2020.1782924.

[15]
Krisjanous J. An exploratory multimodal discourse analysis of dark tourism websites: Communicating issues around contested sites. Journal of Destination Marketing & Management, 2016, 5(4): 341-350. DOI: 10.1016/j.jdmm.2016.07.005.

[16]
许艳, 陆林, 赵海溶. 乌镇景区网络关注度动态演变与空间差异分析. 经济地理, 2020, 40(7): 200-210.

[Xu Yan, Lu Lin, Zhao Hairong. Dynamic evolution and spatial differences of network attention in Wuzhen scenic area. Economic Geography, 2020, 40(7): 200-210.] DOI:10.15957/j.cnki.jjdl.2020.07.023.

[17]
李会琴, 李丹, 董晓晴, 等. 中国5A级景区分布及网络关注度空间格局研究. 干旱区资源与环境, 2019, 33(10): 178-184.

[Li Huiqin, Li Dan, Dong Xiaoqing, et al. Spatial patterns of 5A level tourist attractions and their network attention degrees in China. Journal of Arid Land Resources and Environment, 2019, 33(10): 178-184] DOI: 10.13448/j.cnki.jalre.2019.305.

[18]
孙烨, 张宏磊, 刘培学, 等. 基于旅游者网络关注度的旅游景区日游客量预测研究: 以不同客户端百度指数为例. 人文地理, 2017, 32(3): 152-160.

[Sun Ye, Zhang Honglei, Liu Peixue, et al. Forecast of tourism flow volume of tourist attraction based on degree of tourist attention of travel network: A case study of Baidu index of different clients. Human Geography, 2017, 32(3): 152-160.] DOI: 10.13959/j.issn.1003-2398.2017.03.020.

[19]
马丽君, 龙云. 基于网络关注度的湖南省居民旅游需求时空特征. 经济地理, 2017, 37(2): 201-208.

[Ma Lijun, Long Yun. Spatiotemporal characteristics of residents tourism demand for typical scenic spots in Hunan province based on network attention. Economic Geography, 2017, 37(2): 201-208.] DOI: 10.15957/j.cnki.jjdl.2017.02.027.

[20]
静恩明, 郭风华, 李仁杰, 等. 基于新浪旅游博客的河北省A级景区网络关注度研究. 地理与地理信息科学, 2015, 31(3): 118-122.

[Jing Enming, Guo Fenghua, Li Renjie, et al. Analysis of scenic network attention-degree of A-grade tourist attractions in Hebei province: Base on Sina Travel Blogs. Geography and Geo-Information Science, 2015, 31(3): 118-122.] DOI: 10.3969/j.issn.1672-0504.2015.03.023.

[21]
曹月娟. 红色文化旅游游客服务质量感知对行为意愿的影响研究. 旅游科学, 2020, 34(3): 94-102.

[Cao Yuejuan. A study on the impacts of service quality perception on behavioral intentions in red culture tourism. Tourism Science, 2020, 34(3): 94-102.] DOI: 10.16323/j.cnki.lykx.2020.03.007.

[22]
Fang X S, Liu S, Chen W Z, et al. An effective method for wetland park health assessment: A case study of the Guangdong Xinhui National Wetland Park in the Pearl River Delta, China. Wetlands, 2021, 41(4): 1-15.DOI: 10.1007/S13157-021-01418-5.

[23]
Liu H, Ma B. Wetland landscape design based on 5G network and FPGA system. Microp Microsyst, 2020, 81(4): 103710. DOI: 10.1016/J.MICPRO.2020.103710.

[24]
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): 14-165.

[Feng Xiaobing. A study on the spatial and temporal characteristics of network attention and its influencing factors of China's homestay. World Regional Studies, 2022, 31(1): 14-165.] DOI: 10.3969/j.issn.1004-9479.2022.01.2020161.

[25]
丁志伟, 罗婉琳, 马芳芳. 中国县域政府官员直播带货水平的空间差异及其影响因素. 经济地理, 2023, 43(12): 69-79.

DOI

[Ding Zhiwei, Luo Wanlin, Ma Fangfang. Spatial difference and influencing factors of the Douyin livestreaming marketing hosted by county government officials in China. Economic Geography, 2023, 43(12): 69-79.] DOI: 10.15957/j.cnki.jjdl.2017.02.027.

[26]
丁志伟, 马芳芳, 张改素. 基于抖音粉丝量的中国城市网络关注度空间差异及其影响因素. 地理研究, 2022, 41(9): 2548-2567.

DOI

[Ding Zhiwei, Ma Fangfang, Zhang Gaisu. Spatial differences and influencing factors of urban network attention by Douyin fans in China. Geographical Research, 2022, 41(9): 2548-2567.] DOI: 10.11821/dlyj020220145.

[27]
陆利军, 戴湘毅. 基于百度指数的湖南旅游目的地城市旅游者网络关注度及其空间格局研究. 长江流域资源与环境, 2020, 29(4): 836-849.

[Lu Lijun, Dai Xiangyi. Research on the tourist network attention and spatial pattern of tourist destination cities in Hunan based on the Baidu Index. Resources and Environment in the Yangtze Basin, 2020, 29(4): 836-849.] DOI: 10.11870/cjlyzyyhj20200405.

[28]
龙茂兴, 孙根年, 龙珍付. 遵义红色旅游网络关注度的客流响应研究. 地理与地理信息科学, 2013, 29(5): 98-101, 118.

[Long Maoxing, Sun Gennian, Long Zhenfu. Tourist flow's response to degree of consumers network attention to Zunyi tourism. Geography and Geo-Information Science, 2013, 29(5): 98-101, 118.] DOI: 10.7702/dlydlxxkx20130521.

[29]
刘敏, 郝炜. 山西省国家A级旅游景区空间分布影响因素研究. 地理学报, 2020, 75(4): 878-888.

DOI

[Liu Min, Hao Wei. Spatial distribution and its influencing factors of national A-level tourist attractions in Shanxi province. Acta Geographica Sinica, 2020, 75(4): 878-888.] DOI: 10.11821/dlxb202004015.

[30]
吴清, 李细归, 吴黎, 等. 湖南省 A 级旅游景区分布格局及空间相关性分析. 经济地理, 2017, 37(2): 193-200.

[Wu Qing, Li Xigui, Wu Li, et al. Distribution pattern and spatial correlation of A-grade tourist attractions in Hunan province. Economic Geography, 2017, 37(2): 193-200.] DOI: 10.15957/j.cnki.jjdl.2017.02.026.

[31]
梁璐, 符鸿燕, 李九全, 等. 网红城市网络关注度时空动态演变及影响因素研究: 以西安市为例. 地理科学, 2022, 42(9): 1566-1576.

DOI

[Liang Lu, Fu Hongyan, Li Jiuquan, et al. Spatio-temporal dynamic evolution and influencing factors of net celebrity city network attention: A case of Xi'an. Scientia Geographica Sinica, 2022, 42(9): 1566-1576.] DOI:10.13249/j.cnki.sgs.2022.09.006.

[32]
蓝雪, 张红, 张心怡, 等. “心动”便会“行动”吗? 旅游景区网络关注市场转化度指标的构建与应用. 旅游科学, 2023, 37(5): 37-60.

[Lan Xue, Zhang Hong, Zhang Xinyi, et al. Does ‘heartbeat’ mean ‘actions’: The construction and application of market conversion rate indicators for the network attention of tourist attractions. Tourism Science, 2023, 37(5): 37-60.] DOI: 10.16323/j.cnki.lykx.2023.05.005.

[33]
张若婧, 陈跃红, 张晓祥, 等. 基于参数最优地理探测器的江西省山洪灾害时空格局与驱动力研究. 地理与地理信息科学, 2021, 37(4): 72-80.

[Zhang Ruojing, Chen Yuehong, Zhang Xiaoxiang, et al. Spatial-temporal pattern and driving factors of flash flood disasters in Jiangxi province analyzed by optimal parameters-based geographical detector. Geography and Geo-Information Science, 2021, 37(4): 72-80.] DOI: 10.3969/j.issn.1672-0504.2021.04.011.

[34]
邵海雁, 靳诚, 陆玉麒, 等. 长江经济带虚拟旅游流对高铁建设的响应格局及其驱动机理. 地理研究, 2024, 43(3): 791-808.

DOI

[Shao Haiyan, Jin Cheng, Lu Yuqi, et al. Response pattern and driving mechanism of virtual tourism flow to high-speed rail construction in the Yangtze River Economic Belt. Geographical Research, 2024, 43(3): 791-808.] DOI: 10.11821/dlyj020230566.

[35]
侯国林, 黄震方. 旅游地社区参与度熵权层次分析评价模型与应用. 地理研究, 2010, 29(10): 1802-1813.

DOI

[Hou Guolin, Huang Zhenfang. Evaluation on tourism community participation level based on AHP method with entropy weight. Geographical Research, 2010, 29(10): 1802-1813.]

[36]
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 Yelin, Cheng Xuelan, Huang Zhenfang, et al. The dislocation characteristics and mechanism of network attention and tourists about Chinese national scenic spots. Economic Geography, 2020, 40(4): 204-213.] DOI: 10.15957/j.cnki.jjdl.2020.04.023.

[37]
陶洁怡, 董平, 周年兴, 等. 长江经济带历史文化名镇名村空间分布特征及影响因素研究. 地理与地理信息科学, 2022, 38(3): 66-73.

[Tao Jieyi, Dong Ping, Zhou Nianxing, et al. Study on spatial distribution characteristics and influencing factors of historical and cultural towns and villages in the Yangtze River Economic Belt. Geography and Geo-Information Science, 2022, 38(3): 66-73.] DOI: 10.3969/j.issn.1672-0504.2022.03.010.

[38]
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 Yongguang, Lin Weilin, Zheng Xiangmin. Spatial-temporal characteristics and influential factors of network attention to tourism security. Tourism Tribune, 2015, 30(2): 101-109.] DOI: 10.3969/j.issn.1002-5006.2015.02.011.

[39]
刘嘉毅, 陈玲, 陈玉萍. 旅游舆情网络关注度时空演变特征与影响因素. 地域研究与开发, 2019, 38(1): 88-94.

[Liu Jiayi, Chen Ling, Chen Yuping. Spatial-temporal evolutionary characteristics and influencing factors of network attention to tourism public opinion. Areal Research and Development, 2019, 38(1): 88-94.] DOI: 10.3969/j.issn.1003-2363.2019.01.017.

[40]
刘媛媛, 王绍强, 王小博, 等. 基于AHP-熵权法的孟印缅地区洪水灾害风险评估. 地理研究, 2020, 39(8): 1892-1906.

DOI

[Liu Yuanyuan, Wang Shaoqiang, Wang Xiaobo, et al. Flood risk assessment in Bangladesh, India and Myanmar based on the AHP weight method and entropy weight method. Geographical Research, 2020, 39(8): 1892-1906.] DOI: 10.11821/dlyj020190679.

Options
文章导航

/

〈 〉