我国乡村旅游网络关注度时空特征及影响机理

2023-06-21陈曦田逢军雷梦园

老区建设 2023年4期

陈曦　田逢军　雷梦园

［提要］以国内31个省份的乡村旅游网络关注度为研究对象，构建基于国内多个网络平台的乡村旅游网络关注度评价指标体系，运用季节性指数、变异系数、多元线性回归等方法对2011—2020年内我国乡村旅游网络关注度的时空特征及影响机理进行研究。结果表明：乡村旅游网络关注度在时间特征上存在明显的周期性与季节性差异；在空间上呈现“东部较高，中部平稳，西部分化”的特征；乡村旅游网络关注度各影响因素对我国乡村旅游网络关注度的贡献度大小排序为地区经济发展水平>居民消费能力>受教育程度>网络发达程度>资源影响力>年龄结构。

［关键词］乡村旅游；网络关注度；时空特征；影响机理

［作者简介］陈曦，江西财经大学旅城学院硕士研究生；

田逢军，江西财经大学旅城学院教授，博士生导师；

雷梦园，江西财经大学旅城学院硕士研究生。

［基金项目］江西省高校人文社会科学研究课题（JC21120）资助

党的十九大报告创新性地提出了“乡村振兴战略”，预示着中国地域经济的主流趋势经过二十年波澜壮阔的城镇化后将跳转到乡村振兴［1］。旅游业凭借其融合性好、关联性强、覆盖面广等特点和优势，已经成为建构乡村地域空间的新要素和新动能［2］。发展乡村旅游是推动城乡融合发展的重要力量，是实现乡村振兴的重要途径。2018年文化和旅游部等17部委印发《关于促进乡村旅游可持续发展的指导意见》，指出要全面提升乡村旅游的发展质量和综合效益，为实现我国乡村全面振兴作出重要贡献。

乡村旅游是以乡村地域及农事相关的风土、风物、风俗、风景组合而成的乡村风情为吸引物，吸引旅游者前往休息、观光、体验及学习等的旅游活动［3］。随着世界各国乡村旅游的持续发展以及网络信息技术的日新月异，搜索引擎、社交软件等网络平台已成为（潜在）旅游者查询出游信息、辅助出游决策、分享出游体验的重要工具［4］，由此产生的网络大数据为乡村旅游研究提供了可靠数据来源和新的视角，因此对旅游关注度研究是近年来旅游界的一个研究热点。JorgRech等国外学者基于谷歌和推特数据，讨论了旅游目的地选择、旅游需求预测、旅游目的地营销等主题。国内学者更多则是基于百度搜索指数，对旅游安全、红色旅游、冰雪旅游、古城旅游等主题，开展网络关注度时空特征［5］、影响因素［6］及其客流响应特征等方面研究，其中也不乏基于新浪微博、携程等网络平台，以网络文本分析法［7-8］为研究工具进行的时空特征分析。

国内外有关乡村旅游的研究已开展多年，取得了丰硕的研究成果，相关的理论和研究方法都比较成熟，但较少涉及乡村旅游网络关注度的研究。国内现有乡村旅游网络关注度的研究，其研究尺度也多为微观或中观尺度，较少从宏观尺度分析全国乡村旅游网络关注度时空特征和影响机理，而且其数据来源多为百度指数、大众点评网等单一平台，在原始数据上缺乏足够的代表性。鉴于此，本研究以国内31个省份的乡村旅游网络关注度为研究对象，尝试构建基于多平台和多源数据的乡村旅游网络关注度评价指标体系，定量测算其网络关注度，并揭示其演变规律与影响机理，提供一种构建多平台全国乡村旅游网络关注度评价体系的思路，同时也在乡村振兴背景下为各级政府评估辖区内乡村旅游的发展情况、乡村旅游影响力和网络关注度空间差异以及找寻下一阶段的发力点提供参考依据。

一、指标体系构建与研究方法

（一）乡村旅游网络关注度评价指标体系构建

关于旅游网络关注度评价研究，目前学者们大多借助百度指数作为替代指标进行研究，存在指标体系单一、算法近似与数据全面性、有效性不强等问题。近年来，基于移动互联网的移动社交、短视频、长视频等网络平台快速发展，用户数量急剧增加，已成为大众获取信息的重要途径之一。本文旨在构建一个基于多平台和多源数据的乡村旅游网络关注度评价体系，该体系包括搜索引擎、长视频、短视频和社交网络这四个一级指标，以及百度指数、优酷视频、抖音和微信等8个二级指标（如表1）。此外，所有指标都经过归一化处理，并采用层次分析法（AHP）根据14位专家问卷评估得出各指标的权重。对于一级指标，评估矩阵的最大特征根λmax=4.002，一致性指数CI=0.001，平均随机一致性指标RI=0.90，一致性比率CR=0.043<0.1，通过了一致性检验。二级指标的检验方法相同。最终，得出了各级指标的权重，详见表1。

（二）指标释义

1.搜索引擎指数，主要由百度指数和360趋势这两大国内搜索引擎市场份额超过90%的平台组成。这两个平台都是基于海量网民行为数据进行分析的工具。它们利用网页和新闻资源作为检索库，通过跟踪一段时间内互联网用户对相关关键词信息的搜索和点击量，计算出各关键词的“用户关注度”数值和变化趋势。在本研究中，以“乡村旅游”作为关键词进行检索。然而，百度指数仅能提供从2011年开始的数据，而360趋势仅能提供从2017年开始的数据。因此，在百度指数官网采集了2011年1月1日至2020年12月31日各省“乡村旅游”主题下PC+移动端的用户关注度数据。相应地，360趋势的数据采集时间范围限定为2017年1月1日至2020年12月31日。

2.大视频指数，采用中国在线视频行业中月活跃度排名靠前的腾讯视频和优酷视频作为数据采集平台。在这个指数中，以“乡村旅游”作为检索词，并以视频的播放量作为采集指标。根据视频的标题和内容将其归属到相应的省份，并且排除内容时长小于（不等于）30秒的视频作品。最终，搜集了优酷视频在2018年至2021年期间和腾讯视频在2015年至2021年期间的“乡村旅游”视频播放量数据，共计759条视频。

3.短视频指數，采用抖音和快手这两个播放量排名靠前、知名度较高的短视频平台作为数据采集平台。以“乡村旅游”作为检索词，并以短视频作品的点赞数作为采集指标。由于受软件检索功能的限制，只采集了这两个平台在2020年至2021年期间的相关数据。在采集过程中，根据视频的内容和标题对作品进行了省份划分。最终，共计获取了278个相关的短视频数据。

4.社交网络指数，采用微信和微博作为数据采集平台。在微博平台上，主要采集图文和视频两类博文数据，并以博文的点赞数反映用户的关注度。而在微信平台上，主要采集公众号的推文数据，并以推文的阅读量反映用户的关注度。针对“乡村旅游”作为检索词，以博文的点赞数和推文的阅读量作为采集指标，并根据内容将作品归属到相应的省份。最终，获取了2020年相关的博文数据共计290条，在微信平台上则采集到了2015年至2021年期间的195篇推文数据。

在影响因素分析过程中，2019年至2022年的数据由于受到新冠疫情及其他不稳定因素的影响，导致了乡村旅游网络关注度出现异常波动，无法真实地反映该领域的发展趋势。为避免分析中出现较大误差，本文仅使用2011-2018年度的乡村旅游网络关注度进行影响因素的分析。2011至2018年的数据相对较为稳定，能够更准确地反映乡村旅游网络关注度的发展态势以及影响因素，从而更好地评估乡村旅游网络关注度的影响因素。

（三）研究方法

本文选取31个省份乡村旅游网络关注度为研究对象，构建乡村旅游网络关注度评价模型，在此基础上，采用季节性集中指数和变异系数两个指标，全面度量2011—2020年间我国乡村旅游网络关注度的时空演变规律。最后，采用多元线性回归法探讨乡村旅游网络关注度的影响机理。

1.乡村旅游网络关注度评价模型

2.季节性集中指数

3.变异系数

4.多元线性回归

选取2011—2018年我国31个省份的相关面板数据构建多元线性回归方程，以考察乡村旅游网络关注度的影响因素及内在机理。多元线性回归模型常用于探讨实际经济问题中一个变量受到多个变量的影响，其基本表达式如下：

二、结果分析

（一）我国乡村旅游网络关注度的时空演变特征

1.乡村旅游网络关注度的时间特征

（1）时序变化特征

将所收集到的数据代入构建好的乡村旅游网络关注度评价模型进行测算，结果如表2所示。2011—2020年我国乡村旅游网络关注度总体上呈现向上的波动发展趋势，大致可划分为缓慢发展（2011—2014年）、快速发展（2014—2018年）与稳定发展三个阶段（2018—2020年）。2014年是明显的分水岭，由于2015年3月，原农业部、国家旅游局联合部署全国休闲农业与乡村旅游示范县、示范点创建工作，乡村旅游受到各级政府相关部门和旅游开发商的高度重视，也引起了广大旅游消费者的持续关注，使得乡村旅游网络关注度于2015年后迈上新的台阶。2018年，国家提出了实施乡村振兴战略和促进乡村旅游可持续发展意见，全国乡村旅游进入稳定发展阶段。在年度变化上，乡村旅游网络关注度呈现逐年增高的趋势。

在周期性上，2011—2020年总体呈现“M”型的态势，但2011—2014年的“M”型较为平缓，2015年后受国家政策影响，到2020年呈现出明显的“M”型。每年的3-5月份国人有郊游踏青的习俗，同时该时段还穿插了清明节和五一小长假，为大众游客的出游提供了时间上的保证，因而乡村旅游的网络关注度有较明显的提升；每年的9-11月受中秋、国庆、重阳节等传统节假日的影响，人们对乡村旅游关注度有明显的上升趋势；每年6-8月份，主要为暑假期间，游客群体多为青少年，对于乡村旅游的热情度不高，导致乡村旅游关注度较低，因而整体形成了一个“M”型态势。

（2）季节变化规律

将十年的乡村旅游网络关注度数据代入季节性集中度公式进行计算，得到全国乡村旅游网络关注度的季节集中度（表3）。2011—2020年，各年度的全年季节集中度分别为1.33、1.50、1.74、1.57、1.95、1.00、1.18、1.20、1.36、1.01，乡村旅游网络关注度的季节集中度均大于1，表明各省（区、市）季节性差异显著，呈现先缓慢增长，后又逐渐下降的变化趋势，同时，数据表明每年乡村旅游网络关注度季节波动性较为明显，具体月份差异有所不同。其中2015年2月份乡村旅游网络关注度的季节集中度高达19.51，恰逢各地举办乡村旅游节等活动，譬如广西贵港市的油菜花乡村旅游节等，吸引了大量游客点击关注，因此乡村旅游网络关注度直线飙升。另外，每年的一月季节性差异比较明显。一月恰为元旦假期及春节假期，游客有充足的时间选择出游，因此这个时段乡村旅游网络关注度季节性差异明显。所以，说明“节假日”和“主题活动”对乡村旅游网络关注度会有明显影响，会提高乡村旅游的热度，进而促进乡村旅游客流量的增加。

2.乡村旅游网络关注度的空间特征

依我国在政策上的划分，将31个省（区、市）的地域分布分为东部（最早实行沿海开放政策并且经济发展水平较高的地区）、中部（经济次发达地区）、西部（经济欠发达地区）三大地区进行中观层面的空间分析（如图1），发现我国乡村旅游网络关注度大体呈现“东部领先，中部平稳，西部分化”的空间分布特征。

从图1可看出，东部地区除海南与天津两地以外，其余省（区、市）的乡村旅游网络关注度均呈现出稳定上升态势，特别是广东、浙江、江苏、北京、山东等省乡村旅游网络关注度始终名列前茅。

中部地区各省的乡村旅游网络关注度较为均衡，呈现波动上涨的趋势。其中湖南、河南、湖北乡村旅游关注度居于上游，黑龙江、吉林则居于下游。西部地区的乡村旅游网络关注度较为离散，尤其是农家乐发源地四川、山城重庆等地的乡村旅游网络关注度在2011—2020年这十年间热度逐年攀升，而西藏、宁夏、新疆等地则增长不明显，从一个侧面说明西部地区乡村旅游在全国的影响力出现明显的两极分化状态。

对2011—2020年31个省份乡村旅游网络关注度排序，将排位细分为上游（1-10）、中游（11-20）、下游（21-31）三个层次并将層级变动现象归纳为平稳、波动上升和波动下降三个类型。结果显示（如表4所示），2011—2020年间三大地区各省的位序变化趋于平稳，大体呈现东部靠前、中部居中、西部靠后的格局。其中，海南、天津、黑龙江、吉林、西藏和青海等地在乡村旅游网络关注度位序表现上没有明显的增长且位次靠后，而中、西部的湖北、安徽、云南等地乡村旅游关注度上升速度极快。

整理31个省份2011—2020年间乡村旅游网络关注度数据，并代入季节集中度指数公式中进行计算，得到各省乡村旅游季节集中度堆积柱形图（如图2）。从图中可以看出，2011—2020年31个省份乡村旅游网络关注度的季节集中度差异显著。虽北京、天津等部分东部发达省的季节差异性无明显变化，但总体而言各地区的季节性差异正逐步减小。从三大地区的空间尺度上来看，东、中、西部地区的季节集中度均呈现逐步上升的态势，而西部地区受季节性因素的影响最深。

运用变异系数公式对我国乡村旅游网络关注度进行测算（如图3），发现全国范围内各省之间的差异在逐渐减小，从2014年巅峰的0.62下降至2020年的0.42（也是这十年间的最低点）。东、中部地区的变异系数在0.3-0.4之间浮动，西部地区变异系数在0.5-0.9间浮动，但总体而言三大地区内部差异逐年下滑。其中西部地区内部变异系数最大，表明西部地区乡村旅游网络关注度发展不均衡，但变异系数的不断减小也说明西部地区各省（区、市）之间在乡村旅游网络关注度上的差距正在逐渐缩小，各级政府的执政措施有了明显的成效。东部和中部地区近十年的变异系数相近，且均显著低于全国31省（区、市）的变异系数；就二者的比较而言，这十年间中部省（区、市）乡村旅游网络关注度的差异缩小成效要显著强于东部地区。总之，三大地区间存在明显差距，但总体而言差距正随着各级政府和乡村景区工作人员的努力而不断缩小。

（二）我国乡村旅游网络关注度的影响机理

1.影响因素选取

旅游者对目的地的网络关注度是在需求引导下，为减少决策风险而主动在网络中搜索信息的行为结果。基于以上观点，在参考相关文献［9］的基础上，本文假定影响乡村旅游网络关注度时空差异的外部因素为：影响消费者旅游需求的经济水平（即各地人均GDP和地區生产总值）、影响消费者获知乡村旅游相关信息的网络普及程度（即各地互联网普及率）和乡村旅游资源影响力；假定影响乡村旅游网络关注度时空差异的内部因素为社会人口统计学中的各地域居民受教育程度和各地域居民年龄差异。

（1）经济发展水平

旅游者所处的地区经济基础越好，人均GDP水平与地区生产总值越高，人们外出旅行的意愿便会越强［10］。从《中国统计年鉴中》摘取2011—2018年31个省份人均GDP和地区生产总值与我国乡村旅游网络关注度指数进行相关性分析。

（2）网络普及程度

随着全球信息化的不断深入、互联网市场的不断下沉与手机等移动网络的不断普及，各旅游地在未来的竞争不再仅仅局限于地方资源禀赋是否优质，信息技术将逐渐成为重要竞争力。随着微博、微信、抖音与携程、马蜂窝等网络社交与OTA平台等的兴起，网络信息对网络用户和潜在旅游者决策行为的影响进一步加深。选取2011—2018年31个省份互联网普及率作为网络发达程度的评价指标，与我国乡村旅游网络关注度指数进行相关性分析。

（3）乡村旅游资源影响力

已有研究表明，游客对心仪旅游资源的搜索和点击行为可反映旅游资源的影响力［11］。以2017年原农业部和国家旅游局公布的37个乡村旅游示范县（市、区）和100个示范点名单，使用景区名称在百度指数网站中进行检索并选取其2011—2018年每年的搜索指数平均值为原始数据开展后续研究。期间，为提高检索结果的可靠性，确定了以下检索标准：剔除不具有强独一性的地方乡村特色产业型旅游景区（点）；剔除不以旅游为核心产业的景区（点）。如新疆生产建设兵团第十师185团，虽位列《全国休闲农业与乡村旅游示范县名单》，但其近一半以上的检索结果与旅游无关，故将此类景区剔除。基于以上原则，获得百度指数收录且符合条件的乡村旅游示范县（点）共计31个（如表5）。

（4）社会人口统计学特征

不同的年龄结构和受教育程度可能使得（潜在）旅游者对乡村旅游的认知产生一定的偏差。从《中国统计年鉴》中摘取31个省份2011—2018年常住人口的受教育程度与年龄结构，与中国乡村旅游网络关注度指数进行相关性分析。其中受教育程度分为初中及以下、高中、大专及以上三个层次；年龄结构分为0-14岁、15-64岁、65岁及以上三个层次。

2.影响因素的相关性分析

将2011—2018年31个省份的上述四个指标导入SPSS中，使用Pearson系数法计算上述各因素与中国乡村旅游网络关注度之间的相关性，得到结果如表6所示。

由表6可知，中国乡村旅游网络关注度与地区生产总值、地区人均GDP、地区互联网普及率、乡村旅游资源影响力、地区常住人口受教育程度和年龄结构之间存在显著相关性。

经济发展水平方面，中国乡村旅游网络关注度与地区生产总值正向强相关、与地区人均GDP正向弱相关。与地区生产总值正向强相关说明，各地对乡村旅游的关注程度与当地经济发展水平直接挂钩：结合国内近年相关新闻与行业趋势来看，经济发展良好的省可以在乡村旅游产业上投入更多的资源，形成充裕的资金—优质的景区—网络关注度提升—地区经济收入提升的良性循环。与地区人均GDP正向弱相关说明，乡村旅游网络关注度仍会在一定程度上受各地区人均GDP的正向影响而上升，但各地区人均GDP不是影响乡村旅游网络关注度的决定性因素。究其原因，可能是一方面当今娱乐方式丰富、乡村旅游景区同质化等情况使得乡村旅游没能成为大众“口袋富裕”后业余消遣的首要选择；另一方面旅游已经成为人们的生活方式，从而使得旅游与人均GDP的关联相对较小。

网络发达程度方面，中国乡村旅游网络关注度与互联网普及率呈正向中相关，表明随着网络普及的不断加快与深入，各地区居民能够更快、更便捷地获取网络相关信息，从而促进乡村旅游网络关注度的攀升。

乡村旅游资源影响力方面，中国乡村旅游网络关注度与旅游资源影响力呈正向中相关，其中东部0.711，中部0.532，西部0.295。说明目前中国乡村旅游网络关注明显受到旅游资源影响力的影响，且受影响程度随着地区经济呈正相关。其原因在于目前国内各乡村旅游景区在实际推广过程中存在乡村品牌宣传力度欠佳的问题。此外，经济发展水平较差的地区所能用于乡村旅游景区推广的经费少也是东、中、西部地区正向相关性逐渐减弱的原因。

社会人口统计学方面，中国乡村旅游网络关注度在整体上与各地区居民受教育程度和年龄结构正向中相关，且相关性随着学历及年龄的增长而不断增强，即居民受教育程度越高、年龄越大对乡村旅游的网络关注度便会越强。与受教育程度正向中相关说明，随着学历与认知水平的提升，人们对乡村旅游的关注度在不断地提升，其原因或是出于人们现代都市生活的快节奏与高压力激发了对乡村闲适生活的向往；与年龄结构正向中相关，说明随着年龄的不断增长，追忆往事、休闲放松的需求增加，且时间逐渐富余，人们对乡村旅游的关注度不断提升。其增长态势也与中国社会科学院发布的《2017-2018年中国休闲发展报告》研究结论相吻合，报告显示随着老年人消费观念与生活方式的转变以及老年人具体成员结构的变化，旅游已成为70%老人的首要选择，其中乡村旅游以其放松、回忆、休闲等标签获得了不少老年游客的共鸣，吸引了众多老年游客的关注。

（三）乡村旅游网络关注度的影响机理

基于以上分析，进一步将地区经济发展水平（地区生产总值）、居民消费能力（地区人均GDP）、网络发达程度、乡村旅游资源影响力、受教育程度、年龄结构六个变量与乡村旅游网络关注度共同构建多元线性回归方程，讨论各个变量对乡村旅游网络关注度的影响程度和作用机制。将乡村旅游网络关注度作为因变量，其他六个指标作为自变量导入SPSS回归分析中得到ANOVAa方差分析表（如表7）。

回归方程显著性的F统计量的观测值为51.253，其对应的概率P-值近似为0。已知，若显著性水平a为0.05，因概率P-值小于a，拒绝回归方程显著性检测的原假设。故本次选择的多元线性回归模型具有合理性。在此基础上开展后续计算，得到各影响因素的标准化系数Beta（如表8）。

由表8中数据可知，各项指标的显著性均小于0.05且VIF值小于10，即六个指标均对乡村旅游网络关注度产生显著影响，且各自变量之间不受到严重的多元共线性影响。综上，最终回归方程为：

从最终的多元线性回归方程模型来看，各影响因素对我国乡村旅游网络关注度的贡献度大小排序为地区经济发展水平>居民消费能力>受教育程度>网络发达程度>资源影响力>年龄结构。其结果与前文对各影响因素与乡村旅游网络关注度相关性强弱之探讨相吻合。值得一提的是，在多元线性回归方程中，居民消费能力（人均GDP）对乡村旅游网络关注度的影响从正向弱相关变成负向强影响。其原因在于回归方程构建过程中，各自变量之间存在相互影响，且由VIF可知该项受到多元共线性影响较深，故在结果上产生一定的出入。但就与实际情况的印证上来看，具有更强购买力的消费者拥有更多的选择且更倾向于优质的服务与新奇、具有冒险性的景点。目前我国乡村旅游仍多以乡土情为主要导向，与这些高购买力人群的需求存在一定偏差。

三、结论

1.我国乡村旅游网络关注度具有明显的周期性和季节性差异，周期性呈现“M”型的态势。每年3-5月份有显著上升并达到峰值，6-8月份较为平缓并形成低谷，9-11月份又呈现出上升趋势，季节性差异明显。乡村旅游网络关注度整体上处于稳定的上升期；年度变化上，乡村旅游网络关注度逐年增高。

2.空间上呈现东部较高、中部平稳、西部分化的特征。虽然乡村旅游网络关注度在全国范围内呈波动上升态势，但在我国的东中西部三大地区之间又呈现出明显的东强西弱态势。其中，浙江、江苏、山东等东部省份的乡村旅游网络关注度的排序长期稳定在前五名；中部地区虽无明显突出的省（区、市），但总体步调一致、没有明显的短板；而西部地区的排序整体表现不佳，虽有四川能够长期排在前三名，但西藏、青海、宁夏等地却常年排序倒数。此外，东、中、西部三大地区之间的变异系数在0.5上下波动，虽然有明显的下降趋势，但各地区时间的差距仍然较大。从三大地区内部各省（区、市）来看，中部地区各省（区、市）间变异系数最小，西部地区各省（区、市）间变异系数最大。结论证实了万田户等［12］提出的我国乡村旅游重点村的空间分布符合凝聚分布模式且在各省市内部分布不均衡的观点。乡村旅游是实现共同富裕的重要引擎，破解乡村旅游发展的区域不平衡性问题是学界和政界共同关注的科学命题和重大现实需求。

3.各影响因素对我国乡村旅游网络关注度的贡献度大小排序为地区经济发展水平>居民消费能力>受教育程度>网络发达程度>资源影响力>年龄结构。在全国范围内，乡村旅游网络关注度与地区人均GDP、地区生产总值、互联网普及率、各地区居民年龄层次和受教育程度间均存在显著的线性相关性。具体而言，地区生产总值、地区年龄层次和受教育程度与乡村旅游网络关注度总体呈正向强相关，互联网普及率和地区人均GDP总体呈正向中、弱相关。值得注意的是，西部地区的互联网普及率与乡村旅游网络关注度呈极弱相关，结合西部地区14个省（区、市）互聯网普及率仅在50%上下徘徊的情况，极弱相关现象的产生或与此有关。

综上所述，本文对我国乡村旅游网络关注度的特征进行了深入研究，并提供了一套评价体系。这些结论有助于推动乡村旅游的发展和政策制定，可以为相关部门提供决策参考，促进乡村旅游的可持续发展，从而实现乡村振兴。然而，本研究也存在一些限制，例如数据来源的局限性和样本选取的不足，未来的研究可以进一步完善和扩大样本规模，加强数据的多样性和准确性，以提高研究的可靠性和广泛适用性。

［参考文献］

［1］李志龙.乡村振兴——乡村旅游系统耦合机制与协调发展研究——以湖南凤凰县为例［J］.地理研究，2019，38（3）.

［2］陆林，任以胜，朱道才，程久苗，杨兴柱，杨钊，姚国荣.乡村旅游引导乡村振兴的研究框架与展望［J］.地理研究，2019，38（1）.

［3］刘德谦.关于乡村旅游、农业旅游与民俗旅游的几点辨析［J］.旅游学刊，2006，（3）.

［4］荣慧芳，陶卓民.基于网络数据的乡村旅游热点识别及成因分析——以江苏省为例［J］.自然资源学报，2020，35（12）.

［5］王秋龙，潘立新，吕俭，李伟涛.基于网络关注度的安徽省居民省内旅游需求时空特征分析［J］.地域研究与开发，2021，40（1）.

［6］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）.

［7］陆利军，廖小平，戴湘毅.国家森林公园网络关注度的空间关联结构研究［J］.中南林业科技大学学报，2019，39（12）.

［8］梁保尔，潘植强.基于旅游数字足迹的目的地关注度与共现效应研究——以上海历史街区为例［J］.旅游学刊，2015，30（7）.

［9］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［J］.经济地理，2020，40（7）.

［10］邹永广，林炜玲，郑向敏.旅游安全网络关注度时空特征及其影响因素［J］.旅游学刊，2015，30（2）.

［11］林志慧，马耀峰，刘宪锋，高楠.旅游景区网络关注度时空分布特征分析［J］.资源科学，2012，34（12）.