EN中文

GEOGRAPHICAL RESEARCH >

2025 , Vol. 44 >Issue 7: 1955 - 1973

DOI: https://doi.org/10.11821/dlyj020240668

Tourism Geography

Spatio-temporal response and influencing factors of tourist flows to the leaf-yellow ornamental period of Chinese Populus Euphratica

  • ZHENG Chenrouyu , 1, 2 ,
  • LIU Jiaming , 1, 2 ,
  • ZHANG Shuying 1, 2 ,
  • REN Jiamin 3 ,
  • MA Shuang 4 ,
  • LIN Shiran 1, 2
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research, CAS / Key Laboratory of Regional Sustainable Development Modeling, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. College of Geography and Environment, Shandong Normal University, Jinan 250358, China
  • 4. Institute of Agricultural Information and Economics, Shandong Academy of Agricultural Sciences, Jinan 250010, China

Received date: 2024-07-07

  Accepted date: 2025-04-24

  Online published: 2025-07-17

Fold

Abstract

The seasonal fluctuations in tourist flow caused by plant phenology observation in the context of global climate change are a hotspot in tourism geography research. The paper takes 9 large-scale tourism destinations of Populus Euphratica in China as the research area. Based on meteorological data, Weibo data, statistical data, and field research data, the paper uses LOWESS, PLS-SEM to extract the leaf-yellow ornamental period of Populus Euphratica and explore the spatio-temporal response characteristics and influencing factors of tourist flows from 2016 to 2020. Results show that: (1) The average duration of leaf-yellow ornamental period of Populus Euphratica is 27 days and suitable ornamental period covers 21 days. The leaf-yellow period is concentrated in mid-late September to mid-late October, or mid-early October to mid-early November, showing a spatial pattern of gradually extending from Haixi to southern Xinjiang. (2) After 2018, the tourist flow of Populus Euphratica increased rapidly, with Alxa and Bayingolin being the main concentration areas for tourist flows. The peak structure of tourist flows during the viewing period shows a single peak, double peaks, or three peaks. Tourist flow is more dependent on the regular dates of suitable viewing periods, rather than adapting to the actual natural viewing time. Legal holidays and tourism festivals can significantly advance the arrival of peak tourist periods, which is out of sync with the actual viewing period. (3) The tourist flow response during the leaf-yellow ornamental period is influenced by factors such as the viewing duration, meteorological conditions, product types, infrastructure, and economic support. Product types and economic support are significant positive factors for Populus Euphratica tourism. The research content and framework in this article can enrich the study of the relationship between plant phenology and tourism, and provide scientific references for adjusting phenological tourism service strategies in response to climate change.

Key words： Populus Euphratica; leaf-yellow ornamental period; tourist flows; spatio-temporal response; phenological tourism

Cite this article

ZHENG Chenrouyu , LIU Jiaming , ZHANG Shuying , REN Jiamin , MA Shuang , LIN Shiran . Spatio-temporal response and influencing factors of tourist flows to the leaf-yellow ornamental period of Chinese Populus Euphratica[J]. GEOGRAPHICAL RESEARCH, 2025 , 44(7) : 1955 -1973 . DOI: 10.11821/dlyj020240668

1 引言

物候现象本身就是一种本底性旅游资源，全球气候变化背景下植物物候观赏所引起的季节性旅游波动是旅游领域中的常见现象[1]。全球气候变化引起的花叶观赏期提前或推迟[2]、物候期不规律变动[3]以及植物生长周期变化[4]，直接影响了游客的出行计划、旅游偏好、观赏时间和体验质量，同时也给目的地带来了产品和设施供给的不匹配、旅游收入的不稳定及资源分配不均等问题[5]。胡杨观赏是一种以胡杨黄叶物候景观为旅游吸引物的专项旅游形式。近年来，中国西北地区的胡杨旅游吸引了大量游客，催生了一批诸如额济纳、金塔、伊吾等胡杨打卡地。胡杨作为干旱荒漠区特有树种，不仅是研究中国荒漠气候变化的指示器[6]，还作为特色旅游资源和产品，有效推动区域经济增长[7]。胡杨的地域专属性及其季节性景观的独特性能够吸引特定时段的物候旅游群体，直观体现季节性旅游发展中的典型问题和鲜明特点。现有胡杨生长季、黄叶期起止日[4,6,8]的研究为胡杨观赏期时间界定奠定了基础，鉴于地区胡杨观赏期时间，分析旅游客流差异，判别旅游客流是否与观赏期保持同步，以及由此引发的特定季节性问题和对物候旅游目的地发展的启示还有待进一步研究明确。
当前植物物候旅游作为旅游与物候、气象等学科交叉研究的新兴领域，受到越来越多的关注。相关研究主要集中在以下方面：一是植物物候观赏期的确定。当前植物物候的观测研究已相对成熟，研究多借助物候观测网数据[9]、卫星遥感和地面气象观测记录[10]及大众媒体平台的游客发文数据[11]等提取植物物候观赏期，分析植物开花、展叶、黄叶期的时空特征。二是气候变化对植物物候旅游的影响。已有研究表明气候变化背景下不同地区的植物观赏期会发生显著变化，基于花期的变化规律成功构建樱花[12]、牡丹[13]、桃花[14]等物候观赏期预测模型，为物候旅游活动的有效开展提供科学依据。三是植物物候旅游产品的开发。研究聚焦赏花、观叶的旅游资源，探讨其开发价值及产品转换能力[15,16]，并提出植物景观造景及线路开发措施。以往研究重点探讨观赏期变化及其在引导旅游活动中的关键作用，或是仅限于物候旅游资源与产品的开发。兼顾植物观赏期变化与旅游活动，进而建立两者间响应关系的研究较为少见。特别是在胡杨旅游方面，尽管其黄叶观赏期的研究已有一定积累，但针对其观赏活动的研究仍然有限。
旅游客流是建立植物物候与旅游关系的基础[13]，旅游客流的研究内容包含客流空间结构[17]、驱动机制[18]、模型预测[19]等，研究时间口径从年度的宏观趋势细化到日际的微观波动[20,21]。已有研究对象重点聚焦区域整体客流特征，区域专项旅游的客流研究尚不充分，物候专项旅游受地区物候景观和其他旅游资源共存的影响，从区域层面很难界定其游客活动，且以日为单位的物候旅游客流统计数据也较难提取。当前大数据的发展使得摄像头[22]、手机信令[23]、UGC（用户生成内容）文本[24]等详细数据为日客流数据表征提供了有效渠道。由于物候观赏引起的季节性旅游客流波动规律对数据的时间连续性要求较高，因此本文选择微博的UGC数据作为研究基础。新浪微博自2009年上线以来，截至2023年底，月活跃用户数已达5.98亿人次，是一个受众广泛且具有一定发展历史的自媒体平台。其UGC数据因其连续性、易获取性以及区域旅游活动的直观反映特点[24,25]，为研究物候旅游客流时间集中规律和区域对比分析提供直接且有力的数据和方法支撑。
鉴于此，本研究以胡杨黄叶观赏旅游活动为研究对象，选取9大胡杨旅游地为研究案例，确定胡杨黄叶观赏期不同时段的规律特点，探讨分析2016—2020年胡杨观赏期内旅游客流的时空特征及其与观赏期的响应关系，并进一步分析二者时空响应关系的影响因素。研究通过认识胡杨黄叶观赏期时宜及胡杨旅游活动的区域差异，评估旅游活动对物候变化的适应能力，旨在为气候变化背景下物候旅游的可持续发展及缓解目的地旅游季节性问题提供决策支持。

2 数据来源与研究方法

2.1 研究区概况

中国是当今世界胡杨分布范围最大、数量最多的地区。胡杨主要集中分布在37°N~47°N，75°E~105°E之间的干旱荒漠和半荒漠地区[26]。黄叶期是胡杨旅游一年当中观赏价值最高的时期，也是胡杨旅游地游客流量最大的时期[27]。通过搜索胡杨景区景点的POI（Point of Interest）数据，中国胡杨旅游发展成规模的地区主要分布在新疆、甘肃、内蒙古、青海地区（图1a）。为更好统计对比分析区域胡杨旅游发展，研究区选取胡杨景区景点数量相对较多的昌吉回族自治州（简称昌吉）、克拉玛依市、哈密市、阿克苏地区、喀什地区、巴音郭楞蒙古自治州（简称巴州）、酒泉市、阿拉善盟、海西蒙古族藏族自治州（简称海西州）地级（州、市、盟、地区）层面9大胡杨旅游地（图1b）。
图1 研究区选取

注：该图及以下地图均基于自然资源部地图技术审查中心标准地图服务网站下载的审图号为GS（2020）4619号的标准地图制作，底图边界无修改。

Fig. 1 Location of the study area

2.2 数据收集及有效性验证

鉴于胡杨旅游近几年的规模化发展以及2021—2022年疫情对西北地区旅游业的影响，本文聚焦2016—2020年胡杨黄叶观赏期的旅游客流时空响应。已有研究也表明5年的逐日客流数据基本可以反映旅游客流的季节性波动特征[28]。除了确定2016—2020年胡杨黄叶期不同时段的具体日期，还扩展到过去20年，计算出胡杨黄叶期的平均日期为规律时间，进一步探讨其与旅游客流的关系。具体研究数据如下：

2.2.1 胡杨黄叶观赏期不同时段数据

根据《中国物候观测方法》[29]，多年的物候观测记录可以计算出植物发育期的温度指标。参考以往文献及各地气象局资料[27,30 -32]，目前胡杨旅游地会采用气温指标来判断黄叶期的不同时段。胡杨叶片颜色对温度具有较强的敏感性，当滑动日平均气温≤14℃时，胡杨叶片开始变黄；当三日滑动平均气温≤14℃且日最低气温≤4℃，胡杨林50%以上的叶片已变黄，进入较佳观赏期；当日滑动最低气温≤2℃，胡杨林80%以上叶片变为橘黄色或金黄色，进入最佳观赏期；当日滑动最低气温≤-2℃时，胡杨林80%以上叶片由黄转红并迅速凋落，标志着胡杨黄叶观赏期的结束。为进一步科学判定胡杨黄叶观赏期，叶片开始变黄的时间在考虑气温的基础上同时考虑光照、湿度的影响[4,6]。以滑动日平均气温≤14℃且光照、湿度在相邻气温时段内的突降点，作为胡杨叶片开始变黄的判定标准。落叶期判定还考虑风速对黄叶掉落速度的影响。综合《风力等级标准（GB/T 28591—2012）》[33]和各地胡杨黄叶期的天气预报[31]，当风力达到六级（风速超过39 km/h）时，胡杨落叶速度会显著加快。将日滑动最低气温≤-2℃且风速≥39 km/h作为进入落叶期的判定标准。胡杨黄叶观赏期所需的气温、光照、湿度和风速数据来自各气象站点每隔3小时记录的气象数据。将区域各胡杨景区景点附近气象站点的数据取平均值，以反映区域胡杨黄叶期的整体情况和对比不同区域胡杨黄叶期的时间差异。将研究数据扩展至2001—2020年，根据《中国物候观测方法》要求将20年胡杨黄叶期进入不同时段的平均值作为规律日期。
同时，搜集已有地区官方平台公布的胡杨黄叶期数据，进行校对和校准。① 规律日期数据的验证。首先系统检索地区微信、微博官方认证平台发布的黄叶期消息，并对两个平台的信息进行相互校核，以确定其官方公布的规律日期数据。然后将上述数据与过去20年得出的平均日期数据进行核验比对，发现20年的平均日期数据基本符合现有平台公布的规律日期数据。② 每年实际日期数据的核验。阿拉善、阿克苏有近几年胡杨观赏期的详细记录，本文得出的阿拉善、阿克苏胡杨黄叶期与现有官方记载数据相对符合（表1）。需要说明的是，官方公布的数据通常取自固定的胡杨旅游点，与本文胡杨黄叶期数据存在1~3d的时间差异。由于本文主要反映区域层面大多数胡杨黄叶的整体变化情况，且聚焦胡杨观赏期间旅游客流的波动特点，而非观赏期日期数据的精确确定，接受一定程度的时间近似是合适的[25]，因而气象数据提取的胡杨黄叶期能反映区域层面胡杨叶片颜色的变化特点。
表1 历年胡杨林叶片变黄至落叶时间调查表

Tab. 1 Survey on the time from leaves yellowing to falling in Populus Euphratica forests over the years

年份 日期资料 阿拉善 阿克苏
2018年 观赏期计算日期 10月2日较佳观赏期 10月17日最佳观赏期
胡杨管理站资料 10月1日左右较佳观赏期 10月18日左右最佳观赏期
2019年 观赏期计算日期 10月23日落叶期
胡杨管理站资料 10月23—24日落叶期
2020年 观赏期计算日期 10月2日较佳观赏期
10月4日最佳观赏期
10月21日落叶期		 10月3日叶片变黄
10月12日较佳观赏期
胡杨管理站资料 10月2日左右较佳观赏期
10月4日左右最佳观赏期
10月21日左右落叶期		 10月3日左右叶片变黄
10月10日左右较佳观赏期

2.2.2 旅游客流数据

借助新浪微博的发博量来指代胡杨旅游地的旅游客流，一般胡杨观赏期集中于9—10月或10—11月，综合考虑不同地区胡杨观赏差异，将微博数据检索时间定为2016—2020年的9月1日—11月30日。一是直接搜索“地区+胡杨”词条数据，地区检索定位到县（市、区、旗）级的行政级别，数据包含发博者、发布时间、所在地点、文本、图片、网址等信息；二是检索时间范围内“地区+旅游”的发博数据，通过识别发博图片和文字内容提取出与胡杨旅游相关的微博内容；二者共计检索出59,582条微博数据。借助词条检索和人工筛查逐条筛选微博数据，首先检索并剔除带有模糊语义内容的词条，如“想去”“预定/订”“报名”“招募”“热线”“余位”等；其次筛选重复词条，仅保留一条有效记录；然后人工筛查微博文本和图片的标记时间，校准发博时间；最后保留有效微博数据共29,420条。根据每条有效微博的发布时间，统计得出逐日发博量。
该指标合理性通过以下方面验证：一是区域客流差异验证。2023年3月17日—4月20日通过实地采访相关胡杨景区负责人和文旅机关人员，各胡杨旅游地的游客接待量时空差异与微博分析结果基本一致。后续对各胡杨旅游地胡杨发博量的峰值日期进行胡杨景区人员和地区政府机关人员的电话访谈验证，峰值日期与胡杨旅游地的实际客流高峰期基本吻合。二是与景区实际客流的相关分析。将可获得的额济纳胡杨林5A级景区2020年日游客量与所在地相关日发博量数据做相关分析，皮尔逊相关系数是0.77，两组数据联系较为紧密。鉴于阿拉善地区还包含其他A级胡杨旅游景区，发博量数据表征旅游客流较为可靠。综合来看，微博的发布量数据与旅游客流的波动有着较好的一致性。

2.2.3 影响因素数据

影响因素中的气象数据取自美国国家海洋和大气管理局公开服务数据（www.ncei.noaa.gov）和中国环境监测总站的全国城市空气质量实时发布平台（air.cnemc.cn:18014），地形数据来自中科院地理科学与资源研究所资源环境科学数据平台（www.resdc.cn）。相关人文因素数据来自各地市统计年鉴、政府工作报告及文化和旅游政府部门网站的官方统计数据。

2.3 研究方法

2.3.1 旅游客流数据处理——局部加权回归散点平滑法（LOWESS）

微博日发博数据在不同天数之间表现出显著的日变化随机波动，同时也受到一定的噪音和滞后干扰。局部加权回归散点平滑法（LOWESS）通过以每个数据点为中心，在其邻域内进行局部加权线性拟合，不仅能够实时响应局部数据变化，减少滞后效应，同时有效平滑随机波动，减少噪声对整体趋势的干扰，保留数据的整体变动特征[34]。利用LOWESS对各胡杨旅游地2016—2020年9—11月的逐日发博变化做趋势分析，揭示可能存在的高峰期。LOWESS权重 w的计算公式如下。
w i x = 1 - x - x i d i 3 3
式中 ： x是与选取中心点 x i相关联的区间内相邻点， d i是沿着横坐标从 x i到区间内最远相邻点的距离。

2.3.2 影响因素分析——偏最小二乘结构方程模型（PLS-SEM）

偏最小二乘结构方程模型（PLS-SEM）是一种多元统计建模技术，在数据分布、样本数量和测量范围方面有较强的适用性和灵活性[35,36]。本文选择PLS-SEM的原因有三：① 数据来源较为多元，PLS-SEM对数据分布没有要求，可以更好地处理非正态分布。② 5年来9个胡杨旅游地的样本量较小，PLS-SEM对小样本数据有较好的解释效果。③ 研究模型包含复杂的变量关系，且自变量存在多重共线性问题，PLS-SEM能对此有效解决。PLS-SEM由测量模型和结构模型组成，可用以下3个矩阵方程代表。
y = Λ y η + ε
x = Λ x ξ + δ
η = B η + Γ ξ + ζ
式中：公式（2）和（3）是测量模型，由观察变量和潜变量构成， Λ y和 Λ x分别表示内生观察变量 y和外生观察变量 x对内生潜变量 η和对外生潜变量 ξ的因子负荷矩阵， ε和 δ分别表示观察变量 y和 x的测量误差；公式（4）为结构模型，说明潜变量间的因果关系， B为内生潜变量之间的影响系数矩阵， Γ为外生潜变量对内生潜变量的影响， ζ为残差项。

3 结果分析

3.1 胡杨黄叶观赏期的时空特征

3.1.1 黄叶起止日

2016—2020年胡杨黄叶期的起始和结束时间在不同年份有所区别（图2），将研究年份延伸至20年，胡杨黄叶期起止日从青海海西州到南疆，大致表现出自东北向西南逐渐延后的特征。（图3）。各胡杨旅游地按黄叶期起止时间大致分为以下4种类型：① 高海拔地区的海西州胡杨，黄叶期通常在9月中旬至10月中上旬。② 树龄较小的酒泉胡杨，黄叶期处于9月中下旬至10月中旬。③ 位于中温带的阿拉善胡杨、北疆的克拉玛依和昌吉胡杨以及东疆的哈密胡杨，黄叶期主要集中在9月下旬至10月中下旬之间。④ 位于暖温带的南疆阿克苏、喀什和巴州胡杨，黄叶期处于10月中上旬至11月中上旬。
图2 胡杨旅游地黄叶观赏期不同时段

Fig. 2 Different leaf-yellow ornamental periods of Populus Euphratica in different destinations

图3 胡杨黄叶观赏期的空间变化趋势（平均时间插值处理、考虑地形影响）

注：为更客观呈现研究区胡杨观赏时段的空间变化特征，将插值区域扩大至整个胡杨旅游发展成规模的地区(图1a)进行计算。

Fig. 3 Spatial variation trend of leaf-yellow ornamental periods of Populus Euphratica

3.1.2 适宜观赏期

一般情况下，适宜观赏期界定为从较佳观赏期到落叶期的时段，即包含较佳和最佳观赏期，平均持续时间约为21d。当地宣传中提到的“一年只美21天”指的也是适宜观赏期。胡杨进入适宜观赏期的时间同样呈现自东北向西南逐渐延后，且在不同时段会出现一些早于或晚于周边地区的区域（图2~图3）。昌吉胡杨进入适宜观赏期的时间明显早于周边地区。昌吉地区三面环山、开口向北，易积聚南下冷空气[37]，导致入秋后气温下降加快，昼夜温差加大，从而加速胡杨变黄。阿拉善和哈密胡杨进入最佳观赏期和落叶期的时间相对较晚于周边地区，一是所在地属典型的温带大陆性干旱气候，光照丰富，保温效果好[37]；二是两地的原始胡杨林对温度变化有一定的适应能力。

3.1.3 黄叶持续期

中国胡杨黄叶持续时间平均为27d，不同地区的黄叶持续期呈现短于或长于27d的波动变化。酒泉胡杨多数为人工种植，树龄较小，对温度变化较为敏感，黄叶持续期通常短于27d。昌吉地区因地形易导致冷空气滞留，黄叶持续期也短于27d。相比之下，南疆阿克苏、巴州等地的原始生态胡杨树龄较大，适应外部环境变化的能力强；这些地区还位于塔里木盆地，受天山山脉的阻挡，地形相对封闭，冷空气和湿气难以进入，气候干旱温暖，光合作用强度高，黄叶持续期相对较长[38]。其余胡杨近20年的持续期均值基本保持在27d左右，波动范围在1~2d。

3.2 胡杨旅游客流的分布特点

2016年至2020年胡杨旅游相关发博量呈增加趋势，2018年是胡杨旅游快速增加的重要节点，这一现象在相关景区负责人和文旅机关人员的采访中得到验证（图4）。随着西部交通基础设施的逐步完善和高速公路网络的日益密集，西北地区的旅游目的地自2018年以来迎来显著的热度上升，旅游业也因此迈入万亿产业时代。在旅游热潮的推动下，胡杨作为西北地区的独特景观，其旅游人数也有明显提升。2020年疫情对胡杨旅游热度影响有限，由于出境游受阻，国内地广人稀、风景独特的西北地区成为热门选择，胡杨旅游因此未受到太大冲击，这一现象在相关调研和采访中得到了证实。
图4 胡杨旅游地的胡杨旅游发博总量

Fig. 4 Total number of Weibo posts of Populus Euphratica tourism in different destinations

胡杨旅游地的吸引力存在明显区域差异。2016—2020年，阿拉善胡杨的发博量一直处于各胡杨旅游地的首位，阿拉善胡杨资源主要集中于额济纳旗，电影《英雄》的拍摄使得额济纳胡杨开始进入到大众视线并逐渐兴起。其一直保持高热度的原因：①额济纳胡杨景观的紧凑度和层次感。额济纳胡杨密度相对较高、观感紧凑，与沙漠、红柳和历史遗址等多种景观交织，能够营造出丰富且具有视觉冲击力的景象。各胡杨景点之间通过设施打造、景观组合等已形成相对完整的胡杨林景观带。②额济纳一直将胡杨作为目的地核心吸引物和主要营销亮点，且服务措施如开通胡杨专线、开展慢景直播、举办胡杨节事活动、提供家庭临时宾馆等皆服务胡杨观赏期的游客需求。③其较佳观赏期恰逢国庆期间，加之京新高速和铁路、飞机专线的开通，极大提升了观赏便利性。④额济纳近几年积极整合国门、航天、土尔扈特蒙古族民俗文化、丝绸之路及农产品等多元化资源，力求为游客提供更加丰富多彩的体验内容。巴州胡杨的发博量处于第二位，其胡杨分布在塔里木河中下游，在尉犁、轮台、若羌、且末、和硕、库尔勒均有分布，水中、沙漠、枯木、戈壁、湿地等胡杨景观多样，形态完整且较具代表性。相比阿拉善胡杨，巴州胡杨在景观紧凑度、产品营销宣传、政策重视方面稍显不足，再加上适宜观赏期与国庆假期不重合，进一步影响了巴州旅游客流。胡杨发博量相对较多的还有酒泉胡杨，酒泉胡杨分布在金塔、敦煌、阿克塞三地，其中金塔胡杨在近几年兴起，其位于西北小环线的中间节点，能够直接引流西北游环线的游客。相比额济纳旗的路途距离和交通路况，金塔胡杨具备地理位置和交通条件的优势，对游客的“吸睛”能力在近几年得到提高。喀什、阿克苏胡杨发博量也较为突出，其与上文的巴州胡杨皆属于南疆胡杨，南疆胡杨长势各异，体量较大，是中国乃至全球胡杨分布面积较广、保存较为完整的地区之一。尽管南疆胡杨体量明显优于其他地区，但由于其适宜观赏期在10月下旬，观赏期时间与法定节假日时间的不匹配也进一步限制南疆胡杨的客流量。

3.3 旅游客流对胡杨黄叶观赏期的响应关系

3.3.1 观赏期时段与旅游客流的关系

从各个时段的日均发博量来看，2016—2020年最佳观赏期游客发博量多数情况下高于其他时段的有巴州胡杨和海西州胡杨。胡杨在巴州地区分布广泛，且交通沿线也常见，游客能直观感受胡杨的季节变化，并理智选择前往胡杨景区景点。而海西州胡杨观赏性较强的时间集中在十一假期，人流量较大。其他地区在叶子变黄—较佳观赏—最佳观赏期的发博量表现为各个时段的忽多忽少。胡杨观赏的空间距离和时间成本较高，旅游客流对规律时间的依赖尤为明显。胡杨的规律观赏时间与具体年份的实际观赏时间之间有明显的时间差，像阿拉善胡杨在2019年出现黄叶期延迟，哈密胡杨于2018年和2019年也同样推迟，开始变黄期间的游客数量明显增多。其他地区的黄叶期每年会有所波动，客流在适应实际观赏时间变化方面表现欠佳，这导致胡杨实际观赏期不同时段的旅游客流呈现明显的不规律性（图5a）。从开始变黄—适宜观赏期的平均发博量来看，在多数年份里，各胡杨旅游地适宜观赏期的日均客流量普遍高于其开始变黄期的客流，既显示出游客对景观观赏效果的重视，也反映观赏活动时间的宽泛性，在调整观赏活动时间以精准匹配最佳观赏效果方面还有待提升。
图5 胡杨观赏期不同时段日均游客发博量

Fig. 5 Daily average number of Weibo posts during different leaf-yellow ornamental periods of Populus Euphratica

此外，为了降低因界定不同观赏时段所产生的时间误差，研究将胡杨进入开始变黄、较佳观赏和最佳观赏的时间提前3d，并将落叶期推迟3d，确保观赏期尤其是最佳观赏期内纳入更多客流，进一步放大胡杨黄叶实际观赏效果与旅游客流的关系（图5b）。结果显示，调整时间后的客流特征并未发生显著变化，客流在每年调整后的观赏时段依然呈现出忽多忽少的波动状态，缺乏明显的规律性。

3.3.2 观赏期时间与客流峰值结构的关系

借助LOWESS曲线对各胡杨旅游地2016—2020年检索时间的逐日发博量进行平滑分析。各胡杨旅游地的旅游客流在检索时间内整体处于“先升后降”的倒“U”型关系，峰值结构呈现单峰、双峰或三峰（图6），大多数胡杨旅游地在9—11月的客流结构表现为明显的单峰状态，只有少数胡杨旅游发展较好的地区会迎来2~3个高峰期。
图6 胡杨旅游客流峰值结构表现形式

Fig. 6 Peak structure of tourist flows for Populus Euphratica tourism

整体来看，大多数地区的胡杨旅游在一个相对固定的时间点左右达到高峰（图7），高峰期的出现通常与规律总结的适宜观赏期相吻合，南疆的阿克苏、喀什和巴州胡杨旅游发博量达到高峰期的时间位于10月中下旬，基本处于南疆胡杨最佳观赏期的规律时间。而其余胡杨受国庆假期影响在10月5日左右达到峰值，10月5日左右处于海西州、酒泉和昌吉胡杨最佳观赏期的规律时间，对应哈密、克拉玛依、阿拉善胡杨较佳观赏期的规律时间。节假日会导致高峰期的提前到来，从而削弱地区胡杨旅游观赏性对旅游客流的影响。个别年份的峰值期会因节事活动的举办而推前或延后，像哈密地区的胡杨旅游在2016年10月1日左右达到高峰，考虑到国庆游客峰值基本在节中，此时间的高峰有很大一部分原因是胡杨节活动提前安排所致。
图7 胡杨旅游客流每年的峰值时间

Fig. 7 Annual peak time periods of Populus Euphratica tourist flows

旅游产品和服务的提升、各类政策措施和宣传手段的调整，使得一些胡杨旅游地出现2~3个旅游高峰。喀什和哈密胡杨在个别年份的双高峰现象，明显受益于地区胡杨节的举办，多样化的节事活动显著延长了胡杨游览期。喀什还拥有全国首个胡杨5A级景区，完善的服务设施恰好满足早期游客对于服务标准化需求的偏好。阿拉善的胡杨旅游一直维持2个高峰期，自京新高速开通后，额济纳的交通可进入性得到提高，再加上当地积极实施吸团引客奖励办法和错峰免票政策，规范涉旅服务行为，使得2018年和2019年的国庆前夕，即9月29日左右又出现了1个小高峰。巴州胡杨在2019年10月22日、10月29日、11月7日左右出现3个高峰期，2019年巴州启动胡杨林引洪灌溉生态补水工程，推出胡杨摄影等深度体验项目和宣传推介活动，实施一系列线路、交通等优惠便利政策，推动胡杨旅游迎来3次高峰。此外，2020年胡杨黄叶观赏期间疫情得到控制，大西北旅游热度暴增，尽管2020年的胡杨旅游客流没有大幅减少，但受疫情的不确定性影响，游客更倾向于在安全时段集中出游，因此相较于往年拥有2~3个旅游高峰的目的地，2020年的高峰点数量却有所减少。

3.4 胡杨黄叶观赏期旅游客流响应的影响因素

3.4.1 影响因素选取

参考已有文献并结合胡杨旅游地的地域环境和实地调研特点，从地理（气象）条件、观赏持续期、基础设施、产品类型和经济（社会）支持中选取13个变量，多方面论证与胡杨旅游客流的关系（表2）。
表2 影响因素变量选取及说明

Tab. 2 Selection and explanation of variables

变量分类 变量表征 变量选取 变量说明 文献依据
地理（气象）条件 气候舒适度 综合舒适度（CCI） 观赏期间每日CCI的均值，日CCI由温湿指数（THI）、风效指数（K）以及着衣指数（ICL）计算得出，公式为THI*0.6+K*0.3+ICL*0.1[39] 李磊等[17]，袁成鑫等[40]
空气质量 空气质量指数（AQI） 观赏期间每日空气质量指数的均值 卢长宝等[41]
地形环境 Dem 高程（m） 袁成鑫等[40]，孙影影等[42]
观赏持续期 适宜观赏期天数 适宜观赏期持续天数 较佳观赏到落叶期的天数（天） 魏学等[27]，中国天气网[30]
黄叶观赏期天数 黄叶观赏期持续天数 开始变黄到落叶期的天数（天） 魏学等[27]，中国天气网[30]
基础设施 食宿设施 食宿条件 星级饭店和星级农牧家乐数量的加权计算，公式为0.7×（5×五星级+4×四星级+3×三星级饭店）+0.3×（5×五星级+4×四星级+3×三星级农牧家乐） 李磊等[17]，翁钢民等[43]
交通条件 路网密度 按国家或地区人口计算公路网密度，公式为公路通车里程/人口数（km/万人） 刘赛等[44]
产品类型 胡杨产品主导性程度 胡杨A级景区规模占比 胡杨A级旅游景区规模/所有A级景区规模，景区规模为A级景区数量的加权计算，公式为5×5A+4×4A+3×3A 翁钢民等[43]，刘安乐等[45]
产品丰富度 A级景区规模 所有A级景区数量的加权计算，公式为5×5A+4×4A+3×3A 翁钢民等[43]，刘安乐等[45]
文化类产品规模 人文类A级景区规模 人文类A级景区数量的加权计算，公式为5×5A+4×4A+3×3A 翁钢民等[43]，刘安乐等[45]
经济（社会）支持 旅游消费水平 人均旅游消费 国内旅游消费/国内旅游人数（万元/万人） 王坤等[18]
旅游产值 旅游收入占GDP比例 国内旅游收入/GDP（亿元/亿元） 丁志伟等[46]
休闲休假 休假天数 观赏期间所包含的节假日、周末天数（天） 阮文奇等[47]

3.4.2 模型构建

建立各胡杨旅游地2016—2020年黄叶观赏期间的发博量与自变量的PLS-SEM模型（研究假设见图8a）。首先将所有变量进行调试，其中地形环境、黄叶观赏期天数、文化类产品规模、休闲休假对潜变量的影响不明显。胡杨观赏游客对地形环境和人文要素的关注度一般，更加看重黄叶的适宜观赏效果。由于休闲休假包含平时的周六日天数，各胡杨旅游地观赏期间的休假天数并没有差距很多。在调整变量后，最终构建旅游客流与气象条件、观赏持续期、基础设施、产品类型、经济支持的关系模型。分析得出，多数潜变量的载荷系数大于0.7的理想值，个别高于0.6属于可承受范围[35]；CR值也大于建议值0.7，变量信度良好，量表具有较高的可靠性。各变量的AVE值均大于建议值0.5，模型具有良好的聚合效度[36]（表3）。每个因子的AVE平方根值均大于该因子与其他因子的相关系数绝对值，模型的区分效度良好（表4），模型分析结果如图8b。
图8 PLS-SEM研究假设和分析结果

Fig. 8 Research hypothesis and analysis results of PLS-SEM

表3 信效度检验

Tab. 3 Reliability and validity testing

潜变量 观察变量 因子载荷 AVE CR
气象条件 气候舒适度 0.994 0.994 0.997
空气质量
观赏持续期 适宜观赏期天数 1.000 / /
基础设施 食宿设施 0.783 0.821 0.902
交通条件
产品类型 胡杨产品主导性程度 0.784 0.651 0.776
产品丰富度
经济支持 旅游消费水平 0.648 0.676 0.798
旅游产值
表4 区别效度分析

Tab. 4 Differential validity analysis

潜变量 气象条件 观赏持续期 基础设施 产品类型 经济支持
气象条件 0.997
观赏持续期 0.471 1.000
基础设施 0.307 0.290 0.906
产品类型 0.296 0.274 0.461 0.807
经济支持 0.295 0.425 0.425 0.338 0.822

3.4.3 影响因素分析

模型分析可知，季节性景观变迁形成了特定时段的客流集中，胡杨黄叶观赏期的旅游客流时空响应特点受到观赏持续期、气象条件、产品类型、基础设施、经济支持的共同影响（图9）。
图9 胡杨观赏期的旅游客流时空响应及影响机制

Fig. 9 Spatiotemporal response and influencing mechanism of tourist flows to the ornamental period of Populus Euphratica

（1）观赏持续期。胡杨客源群体非常关注黄叶景观观赏效果，适宜观赏期的持续时间显著影响旅游客流。鉴于上文分析指出客流高峰与实际最佳观赏期不匹配，适宜观赏期的延长无疑能增加游客观赏最佳景观的机会，提升旅游体验和行程灵活性；同时还能增强产品的吸引力，提高客流的规模和稳定性。
（2）气象条件。长期气象条件的变化会影响基础设施的功能状态，直接或间接导致目的地可到达性和安全性的变化，这些变化进一步作用于游客的旅行决策，引起旅游客流的波动。每日的气象条件对旅游客流的影响也较为明显，借助灰色关联方法得出日发博量与气象条件之间的关系，温湿指数、风效指数、着衣指数、综合舒适度指数以及AQI与每日客流量的关联度分别为0.58、0.53、0.58、0.54和0.60，表现为中度关联[48]。胡杨所在区域的气象条件明显不同于国内其他气候适宜地区，如喀什的空气质量、海西州的高海拔温差、克拉玛依的大风问题。日气象条件带来的体感差异直接左右游客当日和近几日的出行决策与活动规划。
（3）产品类型。胡杨产品业态占据优势地位的地区更容易塑造目的地胡杨形象。阿拉善盟额济纳旗一直将胡杨作为其旅游业的核心产品，拥有1家国家5A级、2家4A级和1家3A级胡杨旅游景区。其他地区的胡杨产品仅是目的地吸引游客的旅游产品类型之一，而非主打产品。像南疆胡杨资源丰富且体量较大，但其旅游产品推广的焦点并非仅限于胡杨，胡杨游客量要少于阿拉善胡杨。
（4）基础设施。胡杨旅游地基础设施薄弱对客流产生负向影响。首先，胡杨观赏期间游客集中导致食宿压力剧增。胡杨景点多位于县城边缘，食宿设施基础薄弱，游客激增加剧设施紧张和食宿价格上涨，增加旅行成本，影响旅游体验。其次，地理位置偏远或交通网络布局不合理引发的长距离交通不便，进一步放大基础设施不足对旅游客流的不利影响。具备交通建设先行优势的地区，如酒泉金塔胡杨，反而能更直接快速地吸引和利用旅游客流，抢占旅游发展先机。
（5）经济支持。经济支持为胡杨旅游地产品和服务的完善提供必要的发展条件。通过提升旅游产值和拉动旅游消费，既能促进胡杨生态环境的保护与可持续管理，推动胡杨旅游地基础设施的建设和完善，又能丰富旅游产品业态，提升旅游营销宣传力度，增强地区旅游吸引力和整体经济活力。

4 结论与讨论

4.1 结论

（1）胡杨黄叶期是胡杨观赏价值最高的时期。胡杨黄叶期空间上从青海海西州到南疆，大致呈现自东北向西南的变化规律；时间上集中在每年9月中下旬—10月中下旬或10月中上旬—11月中上旬。胡杨黄叶持续期平均维持在27d，适宜观赏期平均为21d。胡杨黄叶实际观赏时间每年因气候条件、地理位置、海拔高度和植被状况等因素而有所波动。
（2）胡杨黄叶观赏期的旅游客流时空分布差异明显。胡杨黄叶期的客流分布在时间上以2018年为游客量快速增加的转折点，2020年胡杨旅游客流并未受疫情影响而数量骤减。从区域上来看，阿拉善是主要的旅游客流集中地，其次是巴州、酒泉、喀什和阿克苏，各胡杨旅游地的吸引力因景观观赏时间、观赏效果、产品宣传力度等不同而展现明显的区域差异。
（3）旅游客流对胡杨观赏期的响应表现在观赏时段的区域客流变化、客流峰值结构特征及其与适宜观赏时间的匹配关系。胡杨观赏期期间的旅游客流整体为典型的倒U型，每年叶子变黄—较佳观赏—最佳观赏期不同时段的客流量表现为不规律的波动，而不是随着景观价值的提高而增加。胡杨旅游客流高峰时间基本对应于适宜观赏期的规律日期，而非匹配具体年份的实际自然观赏时间。法定节假日与胡杨适宜观赏时间的不重叠会影响区域客流量的分布，法定节假日或旅游节庆活动会促使客流高峰期提前到来。在胡杨旅游发展较好的地区甚至可能出现多个旅游高峰期。
（4）胡杨黄叶观赏期的旅游客流响应受到观赏持续期、气象条件、产品类型、基础设施和经济支持的共同影响。适宜观赏期的持续时间和日气象条件直接影响旅游客流，长期气象条件对基础设施的影响较大。以胡杨旅游为核心产品和宣传重点的地区，游客量表现较好。季节性客流集中带来的食宿压力增大以及长距离交通不便限制客流增长。经济支持为胡杨旅游地产品和服务的完善提供必要保障。

4.2 讨论

本研究在理论层面开展了物候学与旅游地理学的跨学科交叉融合研究。相较于传统研究侧重于观赏期变化或物候旅游资源及产品开发的单维度分析，本文通过分析胡杨黄叶观赏期与旅游客流的时空响应关系及影响因素，将自然物候景观的季节性演变与旅游客流的时空波动进行了有效关联，构建了“物候观赏期变化—区域客流时空响应—目的地旅游业适应性管理”的逻辑分析框架，为揭示气候变化背景下物候观赏期与旅游客流波动的内在联系机制，解析物候旅游目的地影响路径和制定适应性管理策略提供了新视角。在研究方法上，借助植物景观发育期的气象指标来科学界定胡杨黄叶观赏期，并采用连续性强的微博文本数据作为客流代用指标，有效克服了传统客流数据获取难、区分度低的局限；同时结合实地调研验证与模型校准，消除数据噪声，增强研究科学性与分析可靠性，为重构植物观赏日期和观赏客流的历史数据提供方法的参考。
从实践应用来看，研究结论为物候旅游服务调整及目的地可持续发展提供政策启示。① 完善多尺度物候预测与动态调控机制。气候变化引发了物候期稳定性问题，胡杨黄叶期呈现年际提前或延迟，直接影响观赏活动安排的稳定性与资源利用效率。对此要建立基于历史物候特征与气候趋势的胡杨黄叶期预测模型，形成长周期适游期调节方案、日常景观预报和极端天气应急响应预案的多层决策体系，实现景区开放时序优化、游览产品弹性配置以及基于游客行为画像的个性化观赏建议智能推送。② 创新物候旅游时空适配服务体系。胡杨旅游客流时空适配失衡问题表现为区域客流分布差异显著、客流高峰与实际适宜观赏期错位、节假日与最佳观赏期的周期偏离。建议在黄叶观赏客流峰值期推广“预约限流+动态票价”；在客流波动显著期设计“跨区联票”，依托胡杨观赏期时空互补特性，构建多业态联动的区域旅游协同网络。针对观赏期与节假日周期错位现象，策划长周期、强参与的节庆活动，结合线上虚拟体验与线下场景化活动延伸消费时段，推出优惠门票、优惠套餐等。③ 深化物候旅游目的地精准化管理策略。由于观赏持续期、气象条件、产品类型、基础设施及区域经济支持力度差异共同影响客流可持续发展，目的地管理需重点协调景观、客流、产品与设施之间的动态关系。各胡杨旅游地首先应准确把握对胡杨物候景观的依赖程度，既要避免因过度依赖单一景观导致旺季超载、淡季闲置的极化现象，又要立足胡杨特色强化品牌辨识度。胡杨旅游发展相对突出的地区在旺季应着重提升峰值承载能力，完善弹性住宿供给、扩大公共服务规模，并积极培育周边戈壁探险、星空观测等分流产品，降低客流集聚风险；淡季则科学评估适游期与运营成本，挖掘跨季消费潜力。而其他地区应加强经济支持力度，科学规划交通、住宿等服务设施；精准评估胡杨景观价值，深度挖掘在地文化特色，通过场景化打造讲好地区胡杨故事，并将胡杨旅拍、国潮、研学、文创、夜游等新业态融入地区旅游组合产品及线路中，凸显目的地胡杨形象。
本研究不足之处在于研究对象是胡杨旅游热点区域，而对散落的胡杨旅游地（点）并未进行详细探讨。未来研究可重点强化胡杨旅游资源的整合性研究，分析区域胡杨特色、规模和旅游价值，优化和提升胡杨旅游资源的开发价值。本研究的时间跨度也相对较短，未来可持续跟踪胡杨及其他物候旅游目的地发展，探索理清气候变化对物候旅游资源、游客行为变化、旅游体验的具体影响，进而揭示气候变化背景下物候旅游的适应性能力和未来发展趋势。

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，评审专家对文献综述聚焦、研究方法选择、结论及讨论深化、行文表述的规范性和科学性等方面提出了宝贵的修改意见，使本文获益匪浅。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
戴君虎, 高新月, 刘浩龙, 等. 物候学在旅游地理理论与实践中的应用基础和前景. 中国生态旅游, 2021, 11(2): 161-175.

DOI

[Dai Junhu, Gao Xinyue, Liu Haolong, et al. Application basis and future perspectives of phenology in the theory and practice of tourism geography. Journal of Chinese Ecotourism, 2021, 11(2): 161-175.]

DOI

[2]
Wu L Y, Shen X J, Lu X G, et al. Asymmetric effects of diurnal warming on carbon allocation to leaves of marsh wetlands on the Tibetan Plateau. International Journal of Digital Earth, 2024, 17(1): 1-16.

[3]
高新月, 戴君虎, 陶泽兴. 北京地区木本春季物候特征与生物学特性的关系. 生态学报, 2022, 42(24): 10253-10263.

[Gao Xinyue, Dai Junhu, Tao Zexing. Relationship between spring phenological traits and biological characteristics of woody plants in Beijing. Acta Ecologica Sinica, 2022, 42(24): 10253-10263.]

[4]
Zhao C Y, He X H, Qin J, et al. The effects of phenological change on Populus Euphratica under the background of climate change. Plant Growth Regulation, 2024, 102(1): 119-126.

[5]
Wanner A, Mostegl N, Pröbstl-Haider U. Walking on sunshine: Application of a choice experiment to understand impacts of climate change on tourism attractions. Journal of Outdoor Recreation and Tourism, 2024, 48: 100837.

[6]
Zhang W X, Liu P X, Feng Q R, et al. The spatiotemporal responses of Populus Euphratica to global warming in Chinese oases between 1960 and 2015. Journal of Geographical Sciences, 2018, 28(5): 579-594.

[7]
贺程.额济纳旗旅游业对农民增收的研究. 呼和浩特: 内蒙古农业大学硕士学位论文, 2021: 25-37.

[He Cheng.Research on the Effect of Tourism on the Increase of Farmers' Income in Ejina Banner. Hohhot: Master Dissertation of Inner Mongolia Agricultural University, 2021: 25-37.]

[8]
陈娟, 刘普幸. 胡杨叶黄期对气候变化的时空响应与区域差异. 干旱区研究, 2019, 36(1): 159-168.

[Chen Juan, Liu Puxing. Spatiotemporal response of leaf-yellow period of Populus Euphratica to climate change and its regional difference. Arid Zone Research, 2019, 36(1): 159-168.]

[9]
陶泽兴, 戴君虎. 中国常见木本植物春季展叶物候及叶冻害变化. 地理科学进展, 2023, 42(4): 766-781.

DOI

[Tao Zexing, Dai Junhu. Variations in spring leaf phenology and leaf freezing damage of common woody species in China. Progress in Geography, 2023, 42(4): 766-781.]

DOI

[10]
朱梦瑶, 戴君虎, 王焕炯, 等. 1951—2021年欧洲地区木本植物的格网物候数据集. 中国科学数据, 2024, 9(2): 243-254.

[Zhu Mengyao, Dai Junhu, Wang Huanjiong, et al. A dataset of gridded phenology of woody plants in Europe from 1951 to 2021. China Scientific Data, 2024, 9(2): 243-254.]

[11]
刘俊, 王胜宏, 金朦朦, 等. 基于微博大数据的2010—2018年中国桃花观赏日期时空格局研究. 地理科学, 2019, 39(9): 1446-1454.

DOI

[Liu Jun, Wang Shenghong, Jin Mengmeng, et al. Reconstruction of peach blossom-viewing date of China using weibo big data. Scientia Geographica Sinica, 2019, 39(9): 1446-1454.]

DOI

[12]
刘俊, 王胜宏, 余云云, 等. 基于微博大数据的气候变化对中国赏樱旅游的影响. 地理学报, 2022, 77(9): 2292-2307.

DOI

[Liu Jun, Wang Shenghong, Yu Yunyun, et al. The impact of climate change on cherry blossom-viewing tourism based on Weibo big data in China. Acta Geographica Sinica, 2022, 77(9): 2292-2307.]

DOI

[13]
Wang L, Ning Z Z, Wang H J, et al. Impact of climate variability on flowering phenology and its implications for the schedule of blossom festivals. Sustainability, 2017, 9(7): 1127.

[14]
Hur J, Ahn J B. Seasonal prediction of regional surface air temperature and first-flowering date over South Korea. International Journal of Climatology, 2015, 35(15): 4791-4801.

[15]
徐媛媛, 周武忠, 周之澄. 中国花卉旅游研究进展. 东南大学学报(哲学社会科学版), 2022, 24(6): 98-113, 148.

[Xu Yuanyuan, Zhou Wuzhong, Zhou Zhicheng. The status quo of flower tourism research in China. Journal of Southeast University (Philosophy and Social Science), 2022, 24(6): 98-113, 148.]

[16]
Visa-Barbosa M, Carnice-Mur M, Sánchez-Meza M, et al. The spectacle of flowering. The media in the creation of a tourist image in a rural area. Profesional De La Informacion, 2024, 33(2): 1699-2407.

[17]
李磊, 陶卓民, 陆林, 等. 贵州省避暑旅游流网络结构特征及其影响因素. 地理研究, 2021, 40(11): 3208-3224.

DOI

[Li Lei, Tao Zhuomin, Lu Lin, et al. Structural characteristics and influencing factors of summer tourism flow network in Guizhou province. Geographical Research, 2021, 40(11): 3208-3224.]

[18]
王坤, 陈祥泰, 黄震方. 旅游流网络结构韧性特征变化及其影响因素: 以贵州省为例. 经济地理, 2024, 44(3): 229-240.

DOI

[Wang Kun, Chen Xiangtai, Huang Zhenfang. Change of structural resilience characteristics of tourism flow network and its influencing factors: A case study of Guizhou Province. Economic Geography, 2024, 44(3): 229-240.]

[19]
Chen J, Ying Z H, Zhang C H, et al. Forecasting tourism demand with search engine data: A hybrid CNN-BiLSTM model based on Boruta feature selection. Information Processing & Management, 2024, 61(3): 103699.

[20]
余向洋, 张圆刚, 朱国兴, 等. 基于熵测度方法的旅游季节性研究. 地理科学进展, 2019, 38(8): 1240-1247.

DOI

[Yu Xiangyang, Zhang Yuangang, Zhu Guoxing, et al. Tourism seasonality based on entropy measuring. Progress in Geography, 2019, 38(8): 1240-1247.]

DOI

[21]
Zhang J, Yu Z L, Miao C H, et al. Cultural tourism weakens seasonality: Empirical analysis of Chinese tourism cities. Land, 2022, 11(2): 308.

[22]
Huang J, Huang A M, Wang L M. Intelligent video surveillance of tourist attractions based on virtual reality technology. IEEE Access, 2020, 8: 159220-159233.

[23]
Tan Y W, Yang L Y, Liu Y, et al. How does air quality affect tourist travel volume and destination preference? An analysis based on mobile tracking data. Current Issues in Tourism, 2023, 26(16): 2629-2646.

[24]
陆保一, 韦俊峰, 明庆忠, 等. 基于知识图谱的中国旅游大数据应用研究进展. 经济地理, 2022, 42(1): 230-240.

DOI

[Lu Baoyi, Wei Junfeng, Ming Qingzhong, et al. Research progress of tourism big data application in China based on knowledge map. Economic Geography, 2022, 42(1): 230-240.]

DOI

[25]
Wang S H, Yu Y Y, Chen J Q, et al. Impact of climate change on cherry blossom viewing tourism: Analysis and simulation based on Weibo proxy data. Current Issues in Tourism, 2023, 26(5): 718-734.

[26]
魏庆莒. 胡杨. 北京: 中国林业出版社, 1990: 7-21.

[Wei Qingju. Diversiform-leaved Poplar. Beijing: China Forestry Publishing House, 1990: 7-21.]

[27]
魏学, 石岚, 谷新波. 1960—2017年额济纳胡杨林观赏期旅游气候舒适度分析. 沙漠与绿洲气象, 2019, 13(5): 94-99.

[Wei Xue, Shi Lan, Gu Xinbo. Analysis on tourism climatic comfort of Populus Euphratica forest during ornamental period in Ejina banner from 1960 to 2017. Desert and Oasis Meteorology, 2019, 13(5): 94-99.]

[28]
Butler R W. Seasonality in tourism:Issues and implications// Baum T, Lundtorp S. Seasonality in Tourism. Amsterdam: Elsevier, 2001: 5-21.

[29]
宛敏渭, 刘秀珍. 中国物候观测方法. 北京: 科学出版社, 1979: 47-55.

[Wan Minwei, Liu Xiuzhen. China's National Phenological Observation Criterion. Beijing: Science Press, 1979: 47-55.]

[30]
中国天气网.沙雅2021年胡杨林观赏期预报. (2021-10-12) [2024-03-28]. http://xj.weather.com.cn/xjsy/tqyw/3498078.shtml.

[ China Weather Network.Shaya Populus Euphratica forest viewing season forecast for 2021. (2021-10-12) [2024-03-28]. http://xj.weather.com.cn/xjsy/tqyw/3498078.shtml.]

[31]
额济纳旗文化旅游广电局. 额济纳旗胡杨林景色专题预报(10月17日). (2024-10-17) [2025-01-25]. https://mp.weixin.qq.com/s/e4-xGuyl09XxFa2WPVeA2Q.

[ Ejina Banner Culture, Tourism, and Radio-TV Bureau. Special forecast for Ejina Banner Populus Euphratica forest scenery (October 17th). (2024-10-17) [2025-01-25]. https://mp.weixin.qq.com/s/e4-xGuyl09XxFa2WPVeA2Q.]

[32]
新疆维吾尔自治区林业和草原局. 小石榴说科普·山水林田湖草沙之林丨盯紧“胡杨时间” 邂逅满眼金黄. (2023-12-06) [2023-12-10]. https://lcj.xinjiang.gov.cn/lcj/c114729/202312/3caa85ab9fbf4f37959fca6113c72a75.shtml.

[ Forestry and Grassland Bureau of Xinjiang. Little Pomegranate Talks about Science Popularization: The Forests in the Community of Mountains, Rivers, Forests, Farmlands, Lakes, Grasslands and Deserts | Observing the Ornamental Period of Populus Euphratica. (2023-12-06) [2023-12-10]. https://lcj.xinjiang.gov.cn/lcj/c114729/202312/3caa85ab9fbf4f37959fca6113c72a75.shtml.]

[33]
中国国家标准化管理委员会. 风力等级标准: GB/T 28591—2012. 北京: 中国标准出版社, 2012.

[ Standardization Administration of the People's Republic of China. Beijing: Standards Press of China, 2012.]

[34]
Zhao H Q, Chen W K, Zhang C, et al. Rapid estimation of seismic intensities by analyzing early aftershock sequences using the robust locally weighted regression program (LOWESS). Natural Hazards and Earth System Sciences, 2023, 23(9): 3031-3050.

[35]
Tenenhaus M, Vinzi V E, Chatelin Y M, et al. PLS path modeling. Computational Statistics & Data Analysis, 2005, 48(1): 159-205.

[36]
Sousa-Zomer T T, Neely A, Martinez V. Digital transforming capability and performance: A microfoundational perspective. International Journal of Operations & Production Management, 2020, 40(7/8): 1095-1128.

[37]
李江风. 新疆气候. 北京: 气象出版社, 1991: 74-93.

[Li Jiangfeng. Xinjiang Climate. Beijing: China Meteorological Press, 1991: 74-93. ]

[38]
阿帕尔·肉孜, 叶尔克江·霍依哈孜, 李奇, 等. 新疆温度精细化时空变化特征分析. 湖北农业科学, 2022, 61(15): 34-41.

[Apar Ruzi, Erkejan Hoyhazi, Li Qi, et al. Analysis on temporal and spatial variation characteristics of temperature refinement in Xinjiang. Hubei Agricultural Sciences, 2022, 61(15): 34-41.]

[39]
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.]

[40]
袁成鑫, 李永花, 赵小艳, 等. 基于综合旅游气候指数的青海省东北部旅游气候舒适度评价. 气象与环境科学, 2022, 45(6): 67-75.

[Yuan Chengxin, Li Yonghua, Zhao Xiaoyan, et al. Evaluation of tourism climate comfort level in northeastern Qinghai Province based on integrated tourism climate index. Meteorological and Environmental Sciences, 2022, 45(6): 67-75.]

[41]
卢长宝, 张羽, 王储. 微旅游代表性形式网络关注度时空特征及其影响因素. 地域研究与开发, 2024, 43(5): 67-73, 87.

DOI

[Lu Changbao, Zhang Yu, Wang Chu. Spatio-temporal characteristics and influencing factors of online attention to representative forms of micro-tourism. Areal Research and Development, 2024, 43(5): 67-73, 87.]

DOI

[42]
孙影影, 石伟英, 王伟, 等. 黄河流域A级旅游景区时空演变特征及影响因素分析. 河南大学学报(自然科学版), 2023, 53(4): 440-450.

[Sun Yingying, Shi Weiying, Wang Wei, et al. Analysis of spatio-temporal evolution characteristics and influencing factors of A-level scenic spots in the Yellow River Basin. Journal of Henan University (Natural Science), 2023, 53(4): 440-450.]

[43]
翁钢民, 李凌雁. 中国旅游与文化产业融合发展的耦合协调度及空间相关分析. 经济地理, 2016, 36(1): 178-185.

[Weng Gangmin, Li Lingyan. The coupling coordination degree and spatial correlation analysis on integrational development of tourism industry and cultural industry in China. Economic Geography, 2016, 36(1): 178-185.]

[44]
刘赛, 张圆刚. 山东省露营地空间布局及组态影响研究. 地理研究, 2024, 43(5): 1247-1266.

DOI

[Liu Sai, Zhang Yuangang. Spatial layout and configuration influence of campsites in Shandong province. Geographical Research, 2024, 43(5): 1247-1266.]

[45]
刘安乐, 杨承玥, 明庆忠, 等. 中国文化产业与旅游产业协调态势及其驱动力. 经济地理, 2020, 40(6): 203-213.

DOI

[Liu Anle, Yang Chengyue, Ming Qingzhong, et al. Spatial-temporal coordination and driving forces of provincial culture industry and tourism industry in China. Economic Geography, 2020, 40(6): 203-213.]

DOI

[46]
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.]

[47]
阮文奇, 张舒宁, 李勇泉, 等. 中国赴泰旅游需求时空分异及其影响因素. 旅游学刊, 2019, 34(5): 76-89.

[Ruan Wenqi, Zhang Shuning, Li Yongquan, et al. Spatiotemporal differentiation and influencing factors of Chinese's tourism demand to Thailand. Tourism Tribune, 2019, 34(5): 76-89.]

[48]
刘思峰, 党耀国, 方志耕, 等. 灰色系统理论及其应用. 5版. 北京: 科学出版社, 2010: 169-175.

[Liu Sifeng, Dang Yaoguo, Fang Zhigeng, et al. Grey System Theory and Its Application. 5th ed. Beijing: Science Press, 2010: 169-175.]

Options
Outlines

/

〈 〉