王储,卢长宝*

(福州大学经济与管理学院,福建 福州 350108)

摘要：研究野生动物旅游景区网络关注度可为野生动物旅游市场预测、景区营销和行业可持续发展等提供有益参考。该文基于百度指数数据,运用年变动指数、弹性系数、季节性强度指数、变异系数、地理集中指数、热点分析和地理探测器分析2011—2023年中国野生动物旅游景区网络关注度的时空特征及成因,结果显示:研究期内中国野生动物旅游景区网络关注度年变化呈先增后减并逐渐平稳趋势,2017年为峰值年,具有利基市场特性;季节差异稳定且集中在春夏季,月变化呈“山”状并与节假日相关性较强;海底世界等专类型景区的网络关注度普遍高于动物园等综合型景区;全国和地区的网络关注度均呈先升后降特征,华南等地区异质性较显著;冷热点省域以“胡焕庸线”为界呈稳定的“东热—西冷”格局,专类型景区网络关注度较综合型格局渐变性更强;节假日、旅游景区关注度、气候舒适度是影响网络关注度时间特征的重要因素,动物园相关企业建设规模等7项因素是影响网络关注度空间特征的核心因素。基于此,应多渠道促进消费时间平衡、多层面推动空间协调发展和多维度驱动景区高质量发展。

关键词：野生动物旅游景区;网络关注度;时空特征;影响因素

0 引言

野生动物旅游作为依托野生动物资源发展出来的旅游形式[1-3],有助于培养和增强公众的生态环境意识,是助力人与自然和谐共生的现代化建设的重要途径。近年来,野生动物旅游在全球发展势头强劲,2018年全球野生动物旅游直接GDP贡献达1 201亿美元[4]。中国作为全球第一大国内旅游市场,野生动物旅游需求潜力巨大且发展迅猛,2019年相关景区已达500多家[5]。2024年1月18日,生态环境部发布《中国生物多样性保护战略与行动计划(2023—2030年)》,在一定程度上强调如何科学应对野生动物旅游景区中快速增长的市场消费与野生动物保护之间的关系,深入探究野生动物旅游景区市场消费者关注度特征应是关键选题之一。当前,我国野生动物旅游以半资源消费为主[2],相关野生动物旅游景区是指改变野生动物原生状态且能承载人与野生动物互动接触的特定空间[5,6],代表性景区为各类动物园、野生动物园和海洋主题公园[7]。随着市场蓬勃发展,这些承载着科普教育和野生动物保护等功能的景区在实现保护和发展的统一上面临如何科学规划和布局、市场策略优化等问题[8],因此,需探讨整体市场消费者的关注度倾向及成因以推动相关问题解决。

网络关注度作为映射游客需求、旅游市场认知度与品牌运营效果的关键指标[9,10],可为制定产业政策、预测区域需求和优化营销策略等提供重要参考。在旅游领域,国外网络关注度研究重点包括基于检索数据的旅游需求预测[11]、检索趋势与旅游者行为和旅游流的关联性[12,13]以及搜索数据与旅游数字化发展相关性[14]等,相关数据主要源于Google Trends[11]和Twitter[15]等平台,涉及城市旅游、体育旅游和文化旅游等多主题[16-18],主要聚焦旅游者特质、旅游地属性和信息化建设[11,14,17]等影响因素;国内研究主要关注旅游地网络关注度特性[10]、网络关注度与旅游要素耦合性[19]以及与供需关联性[9]等方面,相关数据主要源于百度指数与抖音等平台,涉及红色旅游、冰雪旅游和城市旅游等主题[9,10,20,21],影响因素包括地区经济、信息水平、人口结构、资源条件[9,22]等。

在地理与旅游研究中,探究旅游景区和网络关注度时空演化及其成因是重要议题[5,9,22]。尽管国内外野生动物旅游发展已有一定历史,但研究多指向特定景区的游客群体特征、景区整体发展或宏观分布格局等主题[2,5,23,24],产业建设、旅游地管理和旅游者体验[6,23,24]以及个体特征、景区建设[5,7]等被视为关键因素,基于网络关注度并借助多维数理方法探究全国层面野生动物旅游景区时空演化及其成因的研究尚存空缺。鉴于此,本研究基于地理空间视角,分析我国野生动物旅游景区网络关注度时空特征及其成因,以期为全面推进人与自然和谐共生的现代化背景下我国野生动物旅游景区可持续发展带来有益启示。

1 数据来源与研究方法

1.1 数据来源

1.1.1 网络关注度数据 由于我国当前的野生动物旅游以半资源消费型为主导[2,5],单一关键词难以充分反映网络关注度。因此,围绕主导景区类型,运用“直接+范围”取词法[20]并按以下步骤进行关键词选取:①根据《中国重点陆生野生动物资源调查》中野生动物饲养单位和动物种类、中国动物园协会成员名单以及已有研究[5]提炼景区类型关键词。②借助爱站网(www.aizhan.com)关键词挖掘工具、百度地图、携程等平台进行关联性关键词补充,截至2024年2月20日,共获得453个相关关键词。③借助百度指数对相关关键词进行逐一检索、分析和筛选,结果显示,在百度指数收录的关键词中排除部分含复杂性(如动物世界等)与特指性(如大熊猫繁育研究基地等)的关键词,最终得到16个关键词。以百度指数2011年1月1日至2023年12月31日全国31个省(市、区)(不含港、澳、台)对关键词的逐日检索数据作为基础数据,结合已有研究的分类[5]并基于物种多样性进一步将关键词归为综合物种型(简称“综合型”)和专类物种型(简称“专类型”)两类,前者包含动物园、野生动物园、生态园、动植物园和动植物公园,后者包含海底世界、极地海洋世界、海洋公园、海洋世界、海洋馆、水族馆、鸟岛、极地海洋公园、鸟语林、蝴蝶园和鸵鸟园。综合型与专类型分别以拥有多种和相对单一类的野生动物物种为主要特征。在此基础上,从整体和类型两个层面对网络关注度展开分析,整体层面是对两种类型综合探究,类型层面则是对两种类型分类探讨并涉及单个小类景区。

1.1.2 影响因素数据 法定节假日信息源自国务院办公厅发布的通知;旅游景区关注度来源于百度指数;动物园相关企业的数量与建设规模来源于企查查(www.qcc.com);国内旅游收入、旅游人次、A级景区总量、星级饭店数量、旅行社总量数据来源于中国文化和旅游部、各地文化和旅游厅及统计局等官方网站以及《中国文化文物和旅游统计年鉴》;气象数据、移动互联网和宽带用户量、企业拥有网站数量、人口数量、地区生产总值、居民人均可支配收入、公路里程和公路客运量等数据来源于《中国统计年鉴》和欧洲中期天气预报中心(ECMWF)ERA5数据,个别缺失数据用相邻年份均值替代。

1.2 研究方法

在时间层面,选取年变动指数Y探究网络关注度年变动特征,Y越接近100%表示年变动越小[9];借助弹性系数E反映网络关注度与网民数量的变化差异,E>1、E=1和E<1分别表示网络关注度增速高于、持平和低于网民增速[22];通过季节性强度指数S分析网络关注度季节差异情况,S越大表明网络关注度时段越集中[9]。在空间层面,选取变异系数C测算网络关注度省区分异情况,C越高说明区域网络关注度分异越大[10];通过地理集中指数G分析网络关注度空间集聚性,G越接近100,表示空间集聚性越强[25];借助热点分析测算网络关注度在空间上的高、低值集聚区,并据此识别热、冷点地区[9];借助地理探测器探究网络关注度空间成因[26]。

2 网络关注度时空特征

2.1 时间特征

2.1.1 年度特征 由图1可知,整体、综合型和专类型的关注度均先增后减并渐趋平稳,专类型的关注度总量显著高于综合型,2017年达到峰值,虽然之后关注度有所下降但整体市场热度逐渐稳定;各小类景区与两大类型景区关注度年变化趋势基本一致,极地海洋世界波动最显著。2020—2023年关注度波动显著小于前期,其中专类型的波动比综合型更强;此外,尽管多数年份专类型的关注度高于综合型,但两者差距逐渐缩小。说明疫情对野生动物旅游景区网络关注度的影响有限,尤其对综合型景区而言,可能与疫情防控期间出游距离和游憩半径收缩,旅游呈现短时间、近距离和高频次等有关[27]。年变动指数结果表明,整体、综合型和专类型均呈单峰状、先升后降且趋于平缓的特点,峰值均为2017年;2019—2023年指数更接近100%,再次证明该时期关注度变动较小。弹性系数结果表明,除2013—2016年外,各层面的弹性系数普遍小于1,说明多数年份的网民增速大于关注度增速。据此可知,当前野生动物旅游在整体上仍属于大旅游中的利基市场,需强化营销与传播。

                       

图1 2011—2023年各层面野生动物旅游景区网络关注度

Figure 1 Online attention of wildlife tourist attractions at different levels from 2011 to 2023

2.1.2 月度特征 图2显示:①各层面关注度的月份变化大体呈“山”状,存在5月、7—8月和10月3个峰值。②各层面关注度均呈现冬春(1—5月)攀升、春夏(5—8月)先降后升并维持稳定、夏秋(8—10月)先降后升、秋冬(10—12月)下降的态势,各小类景区亦呈相似的月和季节特征,其中极地海洋世界的关注度在7、8月两个峰值月高于同期其他景区,波动亦最明显。③根据各月占全年的比重测得月指数[28],整体和专类型的最高月指数均在7月,综合型则在10月,最低均在1月,表明网络关注度总体随气温增减规律较明显,或与主要节假日(五一、暑假和十一)及冬季动植物“活跃度”降低有关。季节性强度指数结果显示:①多数年份各层面网络关注度的季节差异不大,指数值主要位于0.90～1.35区间,尤其是对综合型而言。②2013年变化幅度最大,主要由于百度指数从该年7月起新增省域层面上相应关键词的移动端数据;整体和专类型最小值均出现在2011年,综合型出现在2022年,可能因为对野生动物旅游需求的常态化发展以及专类型景区发展迅速,加之疫情影响,旅客更倾向选择就近的综合型景区。

                                   

图2 2011—2023年月网络关注度

Figure 2 Monthly online attention from 2011 to 2023

2.2 空间特征

2.2.1 地区尺度 2011—2023年整体网络关注度在全国和地区尺度上均呈先升后降趋势(图3)。其中,华东、华北和西南总量较高,占全国61.03%;华中、华南、西北和东北占38.97%。综合型和专类型的特征与整体相似,均为华东、华北和西南地区总量较高。各小类景区关注度的地区分布特性与综合型、专类型相似,其中海底世界、动物园和极地海洋世界是华东、华北和西南地区检索较高的景区。变异系数结果显示:①从整体看,全国的变异系数不高且态势大体平稳;地区差别较显著,其中华南地区差异大(0.65),华中地区差异小(0.15)。②从类型看,综合型和专类型变异系数的全国和地区特征与整体类似,综合型的省内分异为华南地区大(0.65)、东北地区小(0.11),专类型的地区分异与整体基本一致。地理集中指数结果显示:①从全国看,13年间整体(31.69)、综合型(30.76)和专类型(32.17)的关注度分布较均衡。②从地区看,各层面的地区均值除华东外均在47以上,表明地区分布具有一定的集聚性和非均衡性,内部集聚性最显著的均为华南地区,且该地区对专类型的检索聚集性更强。

                                                                

图3 2011—2023年各地区网络关注度

Figure 3 Online attention of various regions in China from 2011 to 2023

2.2.2 省域尺度 热点分析结果(图4)表明:①整体看,网络关注度冷热点区域分异明显,以“胡焕庸线”为分界线,总体呈“东热—西冷”格局(图4a)。②选取2011年、2019年和2023年开展对比分析(图4b—图4d),根据冷热点波动情况将各省域分为稳定型(冷热不变)、波动型(冷热转变)两种序列,前者包括山东等23个省域,后者包括河北等8个省域,说明尽管近年来中西部省域的关注度增加迅速,但整体冷热点省域格局与序列未发生显著变化,仍保持稳定发展态势。③分类看,综合型和专类型的冷热点区域分异同样显著,专类型由东部热转向北部、西部和南部渐冷的格局更明显(图4e、图4f)。在各小类景区上,结合既有研究[22],将2011—2023年各省域网络关注度的位序分成三类:1～10为热点区,11～20为一般区,21～31为冷点区,结果显示(图表略),我国野生动物旅游景区的市场热点主要集中在经济繁荣、人口众多和产业完善的东部地区,专类型比综合型在内陆地区的关注度更广泛。

                                       

图4 2011—2023年网络关注度冷热点区域

Figure 4 Hot and cold spots of online attention in China from 2011 to 2023

注：基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2019)1822号的标准地图制作,底图边界无修改。

3 成因分析

3.1 时间成因

2011—2023年野生动物旅游景区网络关注度存在季节性,而旅游活动的季节性通常与节假日、气候变化等社会和自然因素有关[22,29]。野生动物旅游景区多为本地游客,且以亲子为主要客群[2,30],关注度或与休闲放假制度和气候密切相关。此外,景区关注度特征在很大程度上反映了旅游市场的冷热度,因而整体景区的关注或影响人们对特定景区的关注。鉴于此,结合已有研究[28,29],借助SPSS 26和Stata 15软件选取指标分析时间成因(表1)。借助虚拟指数[28]并结合实际效应及影响超前性,将涉及暑假的7、8月赋值为1,将包含五一劳动节、国际生物多样性日的5月以及拥有“十一”黄金周、世界动物日的10月均赋值为0.75,含清明节且为五一前检索高峰的4月赋值为0.5,其余月份均赋值为0。基于百度指数对关键词“旅游景区”和“景区”的逐日数据测算旅游景区关注度月指数。借助温湿指数(THI)评价气候舒适度[28],具体用1、3、5、7、9、7、5、3、1对应赋值指数级别(指数范围)e(<40)、d(40～45)、c(45～55)、b(55～60)、A(60～65)、B(65～70)、C(70～75)、D(75～80)、E(>80)。

表1 时间影响因素

Table 1 Influencing factors for temporal changes of online attention  

     

Pearson相关性分析结果显示,除温湿指数仅与综合型的关注度月指数显著相关外,其他变量均通过了0.05显著性检验,且不存在多重共线性问题(VIF<5)。将虚拟指数(Vi)和旅游景区关注度月指数(Mi)作为整体景区网络关注度(Y1)、专类型景区网络关注度(Y3)的自变量,综合型景区网络关注度(Y2)的自变量则增加温湿指数(Ti),并结合Robust稳健标准误方法进行OLS回归分析。回归分析结果(表2)显示:Y1、Y2和Y3方程模型的判定系数R2分别为0.864、0.940和0.817,Adj R2分别为0.834、0.918和0.776,说明模型的拟合度和解释力较好,Y1、Y2和Y3的自变量解释力分别为86.4%、94%和81.7%。自变量系数均通过0.05显著性检验并均为正值,表示具有正向影响,Y1和Y3中Vi>Mi,而Y2中Vi>Mi>Ti,表明节假日和大众对旅游景区的关注度会显著影响各层面网络关注度,气候舒适度仅对综合型景区产生影响,说明随着场馆设施的不断完善,以开展室内活动为主的专类型景区逐渐突破了气候限制,而以户外活动为主的综合型景区仍普遍受限于气候影响。

表2 OLS回归分析结果

Table 2 OLS regression analysis results

                      

                             注：*、**、***分别表示通过0.1、0.05和0.01的显著性检验,下同。

3.2 空间成因

结合既有研究成果[2,5,9,22]并考虑数据的代表性、可能性和时效性,将2022年野生动物旅游景区网络关注度作为被解释变量,从动物园行业建设、经济与人口基础、住宿接待和交通运输能力、信息化基础及旅游产业水平5个维度选取15个代表性指标作为解释变量分析空间成因(表3)。①动物园行业建设。动物园作为野生动物旅游景区的代表性类型之一[2,5],相关企业发展越好则景区建设水平和市场吸引力越强,鉴于当前野生动物旅游具备利基市场特性,因而受大型企业建设的影响或较明显。②经济与人口基础。地区和居民经济水平通常正向影响出游意愿,而区域人口基础与潜在客群规模成正比;此外,考虑到亲子群体作为核心客群之一[30],地区儿童群体规模或会产生影响。③住宿接待和交通运输能力。旅行社和高水平饭店建设条件越好,越有利于游客出游决策;当前我国野生动物景区主要分布在城市或郊区[5],公路是必要的交通要素。④信息化基础。区域互联网用户规模越大,通过互联网检索景区的频次就越高,而企业信息化发展水平越高,游客获取景区网络信息越高效,关注度也越高。⑤旅游产业水平。地方整体旅游发展与旅游景区建设密切相关,区域旅游产业水平或正向影响野生动物旅游景区关注度。其中,旅游人次、旅游收入和景区建设水平是体现区域旅游产业发展水平的关键指标[9,22]。

表3 空间影响因素及分析结果

Table 3 Influence factors of spatial characteristics of online attention and analysis results

                       

Pearson分析结果显示,各要素呈显著正相关。之后基于自然断点法对数据分层,借助地理探测器开展因子探测分析,同时将通过0.1、0.05和0.01显著性检验的因子分别划分为一般、关键和核心影响因素[31]。由表3可知,整体上核心影响因素的解释力降序为X2、X3、X7、X11、X1、X5、X13、X14和X12,关键影响因素为X6、X9和X8,一般影响因素为X4。这表明:①动物园相关企业会显著影响野生动物旅游景区及其市场发展,而企业建设规模更是决定性因素。②地区经济水平、人口密度和由适龄儿童群体规模所映射的亲子群体为市场提供了重要消费基础,其中地区经济水平影响力最大,与已有研究[2,5]结果相符,并识别出关注度呈“东热—西冷”格局背后经济和人口因素的作用差异。③旅行社数量比星级饭店建设质量的解释力更强,反映了当前野生动物旅游仍以短时与不过夜消费为主;公路建设条件的显著性从侧面印证了当前消费群体仍以本地或周边游客占比较大。④区域互联网用户数量的影响力大于企业信息化发展,说明关注度受供需信息化发展条件的共同作用,而需求侧的作用更显著。⑤旅游客群规模较旅游经济效益的影响力更强,说明地区旅游产业水平会辐射促进游客对野生动物旅游的关注,而区域游客规模的影响更显著。

两大类型景区的影响因素存在相似性,主要差异在于:旅游客群规模、旅游经济效益对专类型景区是核心影响因素,而对综合型景区是关键影响因素;星级饭店建设质量、居民经济条件和公路客运承载力对专类型景区分别是关键影响因素和一般影响因素,但对综合型景区的影响均不明显。这说明专类型景区的发展对地区旅游产业水平的依赖性更强;此外,专类型景区的客群或对星级饭店的需求更多,并且其持续性建设对地区消费能力和基础设施条件要求更高。

4 结论与启示

本文利用百度指数数据,通过年变动指数、弹性系数、季节性强度指数、变异系数、地理集中指数、热点分析和地理探测器分析2011—2023年中国野生动物旅游景区网络关注度的时空特征及成因。结论如下:①各层面网络关注度呈年波动大而季节波动平稳的特征。年变动指数呈单峰状、先增后减并逐渐平稳的特点,2017年为峰值年份,而季节性指数差异不大;关注度增速普遍低于网民增速;专类型景区的关注度总体高于综合型景区,但两者差距逐渐缩小;各月关注度变化呈“山”状,峰值为5月、7—8月和10月。印证了随着政策推行和产业完善等原因,我国野生动物旅游发展迅速且市场需求趋于稳定[2,30]。此外,研究发现野生动物旅游景区网络关注度的月和季节特性与红色旅游[22]等景区存在相似性,并识别当前野生动物旅游的利基市场特性以及各景区类型的市场偏好差异。②各层面关注度在全国和地区上均呈先升后降的特征,华东、华北和西南总量较高;差异性和集聚性在全国不明显,但在地区较显著;各层面的高差异性和高集聚性地区均为华南地区。③网络关注度冷热点省域以“胡焕庸线”为界线呈稳定的“东热—西冷”格局。其中,专类型景区的格局渐变性比综合型景区更明显,尽管近年来中、西部省域的关注度增加迅速,但总体冷热点区域演变仍较稳定,与先前研究结论[5]一致。④网络关注度时空演化受自然、经济和社会等多维因素的综合影响,且各因素影响程度存在差异。在时间成因上,节假日和旅游景区关注度对各层面网络关注度均有显著影响,但气候舒适度仅对综合型景区产生明显影响;在空间成因上,动物园相关企业建设规模、地区经济水平、旅行社数量、区域互联网用户数量、动物园相关企业数量、人口密度和企业信息化发展是各层面关注度的核心影响因素。本文在现有研究[2,5,6]基础上,更全面、系统地探究了网络关注度的时空分异成因。

本研究可为中国野生旅游景区高质量发展带来如下启示:①多渠道促进消费时间平衡。一方面,景区应完善营销策略,可采取价格折扣、消费返利和旅游礼品等措施增加非节假日游客量,可运用组合营销策略,增强各类景区联动,依托地区旅游整体发展来促进淡旺季平衡;另一方面,优化基础设施、旅游活动和游客管理制度,可借助新技术减缓气候限制,并结合季节特性设计和安排旅游项目,同时根据月关注特征和大数据算法灵活推行预约制度。②多层面推动空间协调发展。在地区上,需充分发挥华东、华北和华南等区域优势,可尝试基于产业链视角,将“北京—广东”所在的东部地区定义为首链、“东北—中部”地区为中链和西部地区为尾链,构成能够广泛辐射和协同区域发展的“链式”格局,作为未来中国野生动物景区发展战略的关键。在省域上,不仅要重视专类景区建设[5],还应基于各省域不同类型景区关注度的冷热偏好和发展实践,适度强化相应景区建设,从而强化政策效力,削弱区域联动壁垒,形成兼具省域特色与区域协作意义的良性发展格局。③多维度驱动景区高质量发展。一方面,系统挖掘核心因素效用,发挥巨头企业的主导作用,综合提高含信息化在内的结构性效率与服务功能,深度挖掘经济和人口基础潜力,优化地方住宿接待和交通运输能力,夯实信息化基础并提高旅游产业水平,提升游客信息获取便捷性;另一方面,重视景区可持续发展,考虑到野生动物旅游发展的公平本质[23],政府部门和景区应基于市场特性从资源开发风险评定等多方面共同应对消费需求与资源保护之间的冲突等问题,助力生物多样性迁地保护,为国家公园建设和自然保护地发展提供参考,亦为全面推进人与自然和谐共生的现代化提供支撑。

本研究尚存如下局限性:①仅基于单一平台,且其缺少室内动物园等关键词和2011年前数据,使研究存在一定数据局限性;②将景区类型作为关键词,不能完全反映具体景区的网络关注度特征;③时空演变成因应是多元、复合和动态的,还可能包括检索技术发展、消费者偏好和旅游地建设条件等因素[2,5,23],如2017年后网络关注度呈下降趋势,或许与平台搜索技术日益精准化相关。因此,未来研究可基于微信、抖音和微博等多平台数据,聚焦更长时期或具体的野生动物旅游景区展开分析,并结合消费者偏好等维度进一步探究网络关注度成因。

参考文献：

[1] DUFFUS D A,DEARDEN P.Non-consumptive wildlife-oriented recreation:a conceptual framework[J].Biological Conservation,1990,53(3):213-231.

[2] 徐红罡.中国非消费型野生动物旅游若干问题研究[J].地理与地理信息科学,2004,20(2):83-86.

[3] 丛丽,吴必虎,李炯华.国外野生动物旅游研究综述[J].旅游学刊,2012,27(5):57-65.

[4] WORLD TRAVEL &TOURISM COUNCIL.The economic impact of global wildlife tourism[M].London:WTTC,2019.

[5] 丛丽,于佳平,王灵恩.我国半资源消费型野生动物旅游景区时空演变特征及其驱动因素分析[J].自然资源学报,2020,35(12):2831-2847.

[6] REYNOLDS P C,BRAITHWAITE D.Towards a conceptual framework for wildlife tourism[J].Tourism Management,2001,22(1):31-42.

[7] 王佳钰,徐菲菲,严星雨,等.野生动物旅游者价值观、共情态度与动物友好行为意向研究[J].旅游学刊,2023,38(12):14-25.

[8] 尹铎,高权,朱竑.广州鳄鱼公园野生动物旅游中的生命权力运作[J].地理学报,2017,72(10):1872-1885.

[9] 王储,卢长宝,把多勋,等.中国代表性滑雪场网络关注度时空演变及影响因素[J].自然资源学报,2022,37(9):2367-2386.

[10] 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[J].自然资源学报,2020,35(5):1068-1089.

[11] BOKELMANN B,LESSMANN S.Spurious patterns in Google trends data:an analysis of the effects on tourism demand forecasting in Germany[J].Tourism Management,2019,75:1-12.

[12] PADHI S S,PATI R K.Quantifying potential tourist behavior in choice of destination using Google Trends[J].Tourism Management Perspectives,2017,24:34-47.

[13] FENG Y X,LV X Y,TIAN Y X,et al.A study on the spatial differences between the tourism network attention and tourism flow in Shanghai,China[J].Heliyon,2024,10(11):e31990.DOI:10.1016/j.heliyon.2024.e31990.

[14] VYAS C.Evaluating state tourism websites using search engine optimization tools[J].Tourism Management,2019,73:64-70.

[15] PARK S B,OK C M,CHAE B K.Using Twitter data for cruise tourism marketing and research[J].Journal of Travel &Tourism Marketing,2016,33(6):885-898.

[16] XUE C H,BAI Y P.Spatiotemporal characteristics and factors influencing urban tourism market network in Western China:taking Chengdu as an example[J].Sustainability,2023,15(10):8135.

[17] ZHANG Y,JIN X,LIU R T,et al.Spatio-temporal variation and influencing factors of aero-sports tourism internet attention in Shaanxi Province,China[J].Heliyon,2024,10(14):e34246.DOI:10.1016/j.heliyon.2024.e34246.

[18] ZHANG Y,JIN X,WANG Y W,et al.Characterizing spatial-temporal variation of cultural tourism internet attention in western triangle economic zone,China[J].Land,2022,11(12):2221.

[19] 陆利军,李浪,李成家,等.省域国家森林公园网络关注度与旅游吸引力动态耦合协调关系[J].经济地理,2022,42(3):150-159.

[20] 刘海朦,胡静,吕丽,等.基于网络关注度的新冠疫情对武汉旅游时空格局的影响[J].干旱区资源与环境,2023,37(2):194-202.

[21] 陈哲,龙茂兴.户外旅游网络关注度时空特征研究[J].地理与地理信息科学,2020,36(5):80-85.

[22] 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[J].自然资源学报,2021,36(7):1792-1810.

[23] FENNELL D A,SHEPPARD V.Tourism,animals and the scales of justice[J].Journal of Sustainable Tourism,2021,29(2-3):314-335.

[24] WANG C,LU C B.The effect of awe in wildlife tourists on animal-friendly behavioural intentions:a serial mediation model of connectedness to nature and empathy[J].Asia Pacific Journal of Tourism Research,2025,30(2):161-175.

[25] 马斌斌,陈兴鹏,马凯凯,等.中国乡村旅游重点村空间分布、类型结构及影响因素[J].经济地理,2020,40(7):190-199.

[26] 王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017,72(1):116-134.

[27] 中国旅游研究院.中国国内旅游发展年度报告 2023[M].北京:旅游教育出版社,2023.

[28] 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[J].经济地理,2016,36(7):196-202.

[29] 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[J].干旱区资源与环境,2022,36(5):200-208.

[30] 丛丽,何继红.野生动物旅游景区游客情感特征研究:以长隆野生动物世界为例[J].旅游学刊,2020,35(2):53-64.

[31] 李梦程,王成新,薛明月,等.新冠肺炎疫情网络关注度的时空演变特征及其影响因素分析[J].人文地理,2021,36(2):110-119.

Spatial-temporal characteristics and influencing factors of online attention for wildlife tourist attractions in China

WANG Chu,LU Changbao

(School of Economics and Management,Fuzhou University,Fuzhou 350108,China)

Abstract： Research on the online attention of wildlife tourist attractions provides useful insights for market forecasting,scenic-area marketing,and industry sustainability,facilitating high-quality wildlife tourism development.Using Baidu Index data and methods such as annual variation index,elasticity coefficient,seasonal intensity index,coefficient of variation,geographical concentration index,hotspot analysis and geographical detector,this paper analyzed the spatio-temporal characteristics and influencing factors of the online attention for Chinese wildlife tourist attractions from 2011 to 2023.It is found as follows.① The annual changes in online attention first increased,peaked in 2017,then decreased and stabilized,showing niche-market features.Seasonal variations were stable,concentrated in spring and summer,while monthly changes followed a "山" shape closely tied to holidays.② Specialized attractions,such as underwater worlds,garner higher attention than comprehensive attractions like zoos.Both national and regional online attention exhibited a rise-then-fall trend,with significant regional heterogeneity in South China.In terms of provincial-level distribution,a stable spatial pattern of "hot in the east and cold in the west" was observed,demarcated by the "Hu Line",and this pattern was more gradually changing for specialized attractions than for comprehensive ones.③ Holidays,tourist attraction attention,and climate comfort are the key factors influencing the temporal characteristics of online attention,while zoo-related enterprise construction scale,regional economic level,the number of travel agencies,the number of regional Internet users,the number of zoo-related enterprises,population density and enterprise informationization are the core factors influencing its spatial characteristics.Based on this,we should balance consumption time via diverse channels,and promote coordinated spatial development at various levels,and drive the high-quality tourist attraction development in multiple dimensions.

Key words： wildlife tourist attraction;online attention;spatial-temporal characteristics;influencing factors

doi：10.3969/j.issn.1672-0504.2025.04.010

中图分类号：F590

文章编号：1672-0504(2025)04-0078-08