论文部分内容阅读
[摘 要]探讨主要入境客源市场目的地城市选择偏好的时空分异特征与规律，并识别出各客源市场选择偏好下不同类型的目的地城市，对促进城市展开精准营销以实现入境旅游的振兴具有重要参考价值。该研究依据生态优势度与亲景度理论，基于我国60座旅游城市13大客源国1991—2017年入境过夜游客数据，采用优势度与亲景度改进模型，分析了目的地城市入境过夜客源市场的优势度与亲景度时空格局，识别了入境过夜客源市场选择偏好下不同发展类型的目的地城市。结果发现：（1）目的地城市接待入境过夜游客的优势度整体保持上升的演变趋势，但增速明显下降，优势度较高与较低的客源国主要集中在亚洲地区。承接入境过夜游客高优势度城市的数量整体上呈现出东中西逐步递减的空间格局特征。（2）韩国、法国与德国是亲景度上升的强亲景客源国，新加坡则是下降的强亲景客源国，入境过夜游客在我国维持高亲景度城市的数量整体上呈现由东向西逐步减少的空间分布特征。（3）高优势度-高亲景度、高优势度-低亲景度类型的城市较少，低优势度-高亲景度、低优势度-低亲景度类型的城市较多。低优势度-高亲景度城市是未来重点开发与振兴的对象。研究内容拓展了生态优势度与亲景度理论在旅游市场研究中的应用深度，为目的地城市依据需求偏好进行旅游产品开发与产业布局，以及疫后入境旅游市场的恢复与振兴提供了实践参考。
[关键词]旅游城市;入境过夜游客;优势度模型;亲景度改进模型;时空格局
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2021）07-0104-15
Doi： 10.19765/j.cnki.1002-5006.2021.07.013
引言
改革开放以来，我国入境旅游发展迅速，根据文化旅游部发布的《2019年我国旅游市场基本情况》可知，2019年我国接待入境游客已达1.45亿人次，国际旅游收入达1313亿美元。入境旅游对提升我国旅游形象，增加外汇，促进经济发展具有重要作用[1-2]，但受旅游供给、金融危机及游客需求变化等因素的综合影响，近年来我国入境旅游增长乏力，通过《中国旅游统计年鉴》计算发现，2008—2018年，我国入境游客规模年均环比增长率均值仅为0.5%。因此，如何实现入境旅游市场的振兴与持续发展成为目的地亟待关注的现实问题，而准确评估目的地各客源市场的地位与发展潜力，并识别出不同客源市场的目的地选择偏好是实现区域入境旅游振兴的基础与关键。
城市是入境游客的主要集散地，对城市入境客源市场时空格局及其影响因素的研究是旅游地理学的重要研究内容[3]。国内外学者在入境旅游市场的时间演化、竞争态势、空间格局、影响因素等方面取得了丰硕成果。（1）时间演化方面，已有研究探讨了入境客流的季节性变化与年度差异，认为入境客流的高峰整体上集中在春秋季两个时段[4-7]，年内不同季节差异明显，并系统预测了入境旅游市场的发展趋势，认为市场需求整体上呈波动增长态势[8-10]。（2）竞争态势方面，主要采用景气指数与竞争态模型来测度不同目的地城市的入境旅游竞争力，认为东部城市旅游竞争力整体上相对高于西部城市[11-14]。（3）空间格局方面，现有研究分析了不同城市入境游客的空间分布特征[15-18]、空间行为模式[19-23]、位序规模差异[24-27]、集散规律与网络结构[28-31]，发现我国入境旅游空间格局存在逐步缩小与极化明显，整体松散与局部集聚两类发展态势。（4）影响因素方面，學者们从供给与需求两方面总结了入境旅游市场开发的影响因素，供给层面主要因素包括旅游产品、设施与服务水平、知名度、区位条件、安全保障、语言文化、交通运输、签证制度等;需求层面主要因素包括旅游目的、旅游计划、出游时间、旅游组织形式、旅游期望与动机等[3，14，33-38]。（5）发展规律方面，已有研究认为我国入境游客量占比，首次来华游客占比，以及休闲度假、专题类产品与观光类产品的比重均呈现“二八规律”[1，39]。入境客源市场的空间分布符合“胡焕庸曲线”定律，其空间分布从我国东部到西部地区，由热点区域逐步过渡到冷点区域[40]。
综上可知，针对入境旅游市场时空演化格局、竞争态势、影响因素与发展规律等研究已取得了丰富的成果，但存在以下不足：（1）研究内容缺乏对入境过夜游客这一细分市场的关注，过夜游客具备停留时间长，消费水平相对较高的特征，是目的地赚取外汇与旅游经济发展的重要市场。（2）研究对象多立足于北京、上海等少数特大城市，对作为我国入境旅游“蓝海市场”的国内其他旅游城市关注程度不足，造成其他城市不清楚其在我国入境旅游市场发展格局中所处的地位、层次以及入境游客的偏好程度，影响了城市入境旅游市场营销的效果及市场份额的拓展。（3）研究视角多从客源规模大小的角度来分析市场结构的特征与规律，认为客源规模越大地位越重要，但缺乏对客源市场增长能力的关注，影响了对城市入境旅游市场结构发展规律的认识。准确认识并评估入境客源市场的地位与重要程度，不仅要关注客源市场的规模，更应注重其增长能力，从规模与增量两方面综合分析，可更准确地认识入境客源市场结构的特征与规律。
在入境旅游市场整体增长缓慢及游客需求日益细分的趋势下，我国主要旅游城市接待入境客源市场方面形成的时空格局及层次如何？考虑增长能力的情况下，入境客源市场的目的地选择偏好呈现何种时空分异特征？不同客源市场目的地城市选择偏好呈现何种类型？已有研究尚未给出清晰的结论。据此，本文以我国60座旅游城市及13大入境客源国为研究对象，基于1991—2017年各城市入境过夜游客数据，依据生态优势度与亲景度理论，运用生态学优势度模型与改进的亲景度模型，从目的地角度分析我国各城市接待入境过夜游客的优势度，从客源地角度探究入境过夜游客对各旅游城市的亲景度，并构建优势度-亲景度矩阵，划分并识别出各入境过夜市场所偏好的旅游城市类型。以期通过上述分析，在理论上，从群落生态学的角度，深化对入境过夜游客目的地时空选择与市场结构发展规律的认识;在实践上，有助于从规模与增量两方面识别出各入境过夜客源市场的偏好类型，以便于各城市更好地根据市场需求进行旅游产品开发与产业布局，为入境旅游的精准营销与深度开发提供实践指导，同时，进一步激活作为我国入境旅游“蓝海市场”的其他城市的活力，以实现我国城市入境旅游的振兴发展。 1 理论基础与模型构建
1.1 生态优势度理论
生态优势度理论源于群落生态学，该理论认为群落由多个种群构成，在诸多种群中，生态优势种群控制整个群落，是整个群落得以发展的关键，并影响其他种群的发育和成长。群落中各种群的优劣主要采用生态优势度来判定，即对群落中某种群的重要性与优劣发展程度的评估。通过对生物群落内部各个种群重要性与优劣状况的综合分析，可遴选出群落内部的关键种群，并反映出群落内部各种群所形成的结构特征、差异以及种群之间的演替规律[41-42]。目前，生态优势度理论已广泛运用到资源科学与地理学的研究中，学者们采用优势度模型对农业资源开发[43]、人居环境与商业区位选取[44]、水汽资源评价[45-46]、草原植被恢复[47]、农业景观评价[48]、区域交通评价等进行了研究[49]。
旅游研究中，主要运用优势度理论探讨景区景观格局[50]、旅游资源评价[51]、旅游环境影响[52]、旅游扶贫[53]、旅游交通[54]与旅游流格局[55]等问题。整体来看，运用优势度理论分析目的地入境客源市场结构特征与规律的研究相对较少。通过对生态优势度理论内涵的迁移，可以将我国不同目的地城市视为由不同入境客源市场组成的群落，群落内部不同入境客源市场的规模与成长潜力存在差异，并受自然与社会等外部宏观发展环境的影响。通过对目的地城市各入境客源市场生态优势程度强弱的测度，可以透视城市入境客源市场的结构特征、差异及演替规律，也可从整体优势度的角度评估各城市在我国入境旅游市场发展格局中所处的地位与层次。
据此，文章借鉴群落生态学中的优势度模型[50-55]，来综合分析目的地城市在接待入境过夜客源市场方面的地位、层次与发展态势（式1）。
[Di=j=1nwjQij] （1）
式（1）中，Di为第i个城市的入境客源国优势度，wj为第j年该城市入境客源国所占的权重，Qij为第j年该城市接待的入境过夜游客人次，n为年度序列值。针对指标权重wj的确定，采用比较客观的熵值赋权法进行分析[56]。具体步骤如下。
（1）指标非零化处理，由于数据中出现0值，为使求熵值时对数有意义，对数据进行非零化处理：
[Xij=Xij-Xmin/Xmax-Xmin+0.01（i=1，2，…，n; j=1，2，…，p）]
（2）指标比重变换：
[Sij=Xij/i=1nXij]
（3）第j项指标熵值：
[hj=-1ln ni=1nSijlnSij]
（4）第j项指标差异度：
[aj=1-hj]
（5）指标权重：
[wj=aj/j=1paj]
1.2 改进的亲景度模型
亲景度是游客选择行为的外在表现，是分析某一客源市场旅游者对某一旅游目的地偏好程度的量化方法[11]。亲景度模型Q指某客源市场游客在目的地所占的市场份额与其在全国的市场份额之比（式2），以亲景度Q=1为界，将Q≥1的客源国划分为亲景客源国，Q=0表示非客源国，Q<1的客源国划分为疏景客源国，并细分为强亲景客源国（Q≥2）、弱亲景客源国（1≤Q<2）、弱疏景客源国（0.5≤Q<1）和强疏景客源国（0≤Q<0.5）[13]。该方法已经成为旅游市场分析的重要工具。
原有亲景度模型主要从规模份额的角度来分析客源市场的目的地选择偏好，忽略了对客源市场增长能力的評价。改进后的亲景度模型在原有规模份额的基础上，引入了客源市场年均环比增长率这一评价指标，以从增长能力方面透视目的地客源市场结构的年度变化规律（式3）。改进的亲景度模型可从客源市场规模与增量两方面来综合研判目的地城市的受青睐程度，既可反映客源市场的选择偏好，也可用来研判目的地竞争力的强弱。亲景度越高，游客对该目的地偏好越强，该目的地的竞争力也越强;反之，游客的偏好程度越弱，该目的地竞争力也越弱。其原有模型为：
[Q=Mi/MlCi/Cl] （2）
而后，引入某客源市场Mi的年均环比增长率，同时为保障年均环比增长率为正值，对其进行非负化处理，可得改进后的亲景度模型为：
[Q=Mi/MlCi/Cl×Mi-Mi-1Mi-1+1] （3）
式（2）、式（3）中，Mi为当期旅景客源市场（客源国/地）人数;Ml为旅景入境人数;Ci为旅华客源国（地）人数;Cl为旅华入境人数;Mi-1为某目的地基期旅景客源市场人数。
1.3 优势度-亲景度矩阵模型
以优势度与亲景度均值为标准，构建优势度-亲景度市场结构分析模型（图1），划分并识别出各入境客源市场选择偏好下目的地城市类型。其中，优势度从目的地角度凸显其接待入境客源市场的能力与重要程度，亲景度则从需求的角度来反映对目的地的选择偏好。通过优势度与亲景度的均值将该模型划分为4个象限，即高优势度-高亲景度区（[Di>D;Qi>Q]）;高优势度-低亲景度区（[Di>D];[Qi<Q]）;低优势度-低亲景度区（[Di<D];[Qi<Q]）;低优势度-高亲景度区（[Di<D];[Qi>Q]）。通过象限分析，可以识别出各客源市场选择偏好下的目的地城市类型。
2 案例选择与数据来源
2.1 案例选择
综合考虑数据的可得性、精确性与连续性，并参考已有研究[3，17]，选择我国60座旅游城市与13大入境客源国为研究对象，同时依据我国三大地带的划分标准，将旅游城市分别划分为东部、中部与西部城市[24，57]。东部城市32座，包括沈阳、北京、天津、石家庄、秦皇岛、承德、济南、青岛、烟台、威海、大连、上海、南京、无锡、苏州、南通、连云港、杭州、宁波、温州、福州、厦门、泉州、漳州、广州、深圳、珠海、汕头、湛江、中山、海口、三亚;中部城市14座，包括延边、哈尔滨、长春、吉林、太原、大同、郑州、洛阳、武汉、长沙、南昌、九江、合肥、黄山;西部城市14座，包括呼和浩特、西安、兰州、西宁、银川、乌鲁木齐、重庆、成都、贵阳、昆明、南宁、桂林、北海、拉萨。13大入境客源国包括日本、韩国、马来西亚、菲律宾、新加坡、泰国、美国、加拿大、英国、法国、德国、俄罗斯、澳大利亚。 2.2 数据来源
1991年我国开始实行“八五”计划，首次将旅游业视为第三产业的重点产业来进行打造，并集中对外展开入境旅游市场营销，自此推进了我国入境旅游的快速发展[58]，故本研究数据主要从“八五”计划开始。本文主要采用各城市接待的入境过夜游客人数来展开分析，其原因是，首先，入境过夜游客数据均通过公安部备案，数据的权威性与统计的精确性可以得到保障;其次，入境过夜游客在目的地所停留的时间相对较长，产生的消费相对较高，对目的地旅游经济有较强的带动作用。需要说明的是，入境客源国方面，韩国与马来西亚分别于1994年、1996年才被纳入统计范围，故针对两国的游客统计分别始于1994年、1996年;南通、威海、西宁、银川与中山于1994年，拉萨于1995年才被纳入统计范围，故针对上述城市的入境游客统计始于1994年、1995年。具体数据来源于1992—2018年的《中国旅游统计年鉴》。
3 结果分析
3.1 入境过夜游客目的地城市优势度时空特征
3.1.1 入境过夜游客目的地城市优势度时间演化特征
由图2可知，1991—2017年主要入境客源国优势度的演化过程及其绝对与相对差异。优势度演化方面，入境客源国在我国目的地城市的优势度均保持上升的态势，但增长速度逐步下降。1996—2000年、2001—2005年与2006—2010年三阶段优势度的环比增率均高于85%，分别为90.8%、87.4%、86.1%，而后两个阶段优势度的环比增长率快速下降，分别降至16.1%、15.2%。具体来看，韩国、日本、马来西亚与美国是目的地城市优势度较高且稳定的客源国，其均值分别为5.178、3.353、3.156、1.786，而菲律宾与泰国的目的地城市优势度相对较低，分别为0.423、0.654，其余入境客源国的优势度均值维持在0.7～1.5之间。
入境客源国优势度的绝对与相对差异发展态势不同，绝对差异逐步扩大，相对差异先扩大后缩小。入境客源国优势度标准差由初期的0.318上升至末期的2.514，较初期扩大了7.9倍。优势度基尼系数由初期的0.166，提升至2001—2005年的0.330，而后缓慢下降至0.327。
3.1.2 入境过夜游客目的地城市优势度空间格局
根据各入境客源国目的地城市的优势度值，采用自然断裂法划分出高优势度、较高优势度、一般优势度、较低优势度与低优势度城市，以探讨其空间格局特征，发现承接入境过夜游客高优势度城市的数量整体上呈现出东中西逐步递减的分布特征，但不同客源国目的地城市的优势度存在一定差异（图3）。
日本、马来西亚、菲律宾与英国过夜游客主要在我国东部城市保持较高的优势度。与日本保持高优势度的东部城市数量较多，与马来西亚、菲律宾和英国保持高优势度的城市数量较少。与上述4国保持较高优势度的东部城市包括：沈阳、北京、天津、青岛、大连、上海、苏州、杭州、南京、无锡、广州、厦门、深圳。
新加坡、美国、加拿大、德国、澳大利亚与俄罗斯过夜游客主要在我国的东部与西部城市保持较高的优势度。与上述国家保持较高优势度的东部城市包括：北京、大连、上海、苏州、杭州、南京、福州、厦门、广州以及西部的桂林、重庆、成都、西安、乌鲁木齐。
韩国、泰国与法国过夜游客在我国东部、中部与西部城市均保持较高的优势度，其中与韩国保持较高优势度的城市数量多于泰国和法国。与上述3国保持较高优势度的城市包括东部的北京、沈阳、杭州、青岛、天津、大连、南京、苏州、杭州、广州、深圳、珠海、汕头，中部的洛阳、黄山、长沙、武汉，西部的西安、昆明、南宁、成都、重庆、桂林。
归纳分析可知，入境过夜游客保持较高优势度的城市多集中在我国东部沿海地区，而中西部保持较高优势度的多为省会城市或典型旅游城市。其原因主要是东部城市在旅游兼容性、城市职能等方面较中西部城市强[3，14，35]，表现在东部沿海城市的旅游产品开发程度、区域经济发展水平、市场营销力度、旅游设施与服务、目的地可进入性、旅游集散接驳程度、旅游公共服务质量、语言沟通便捷度、签证制度及城市智慧服务等旅游综合供给能力相对高于中西部地区城市。
3.2 入境过夜游客目的地城市亲景度时空特征分析
3.2.1 入境过夜游客目的地城市亲景度时间演化特征
采用改进后的亲景度模型计算各客源国亲景度并分析其强弱变化与涨落演化特征（图4）。可知，韩国、新加坡、法国与德国是强亲景客源国，日本、美国、俄罗斯、泰国、马来西亚、加拿大、英国与澳大利亚是弱亲景客源国。韩国、俄罗斯、马来西亚、法国、德国与澳大利亚等国的亲景度上涨，其余国家的亲景度下降。
亲景度上涨的国家中，韩国的亲景度最高且涨幅最大，马来西亚与澳大利亚的涨幅相对较低。韩国、俄罗斯、法国、德国、马来西亚与澳大利亚的亲景值由初期的0.459、0.534、2.127、1.738、1.784、1.642升至末期的9.509、3.795、2.664、2.238、1.956、1.798，亲景度环比增长率均值分别为174.5%、87.8%、15.6%、21.5%、15%与12.4%。
亲景度下降的国家中，新加坡与菲律宾的降幅较大，日本与美国的降幅相对较小。新加坡、泰国、英国、菲律宾、加拿大、美国与日本的亲景度分别由初期的4.057、2.446、2.352、1.247、1.893、1.578、1.692降至末期的1.461、1.507、1.664、0.461、1.325、1.273、1.595，親景度降幅分别为64%、38.4%、29.3%、63%、30%、19.3%、5.7%。
3.2.2 入境过夜游客目的地城市亲景度空间格局分析 基于亲景度划分标准，采用GIS空间分析法探讨入境过夜游客亲景度的空间格局，发现入境过夜游客在我国维持高亲景度城市的数量整体上呈现由东向西逐步减少的分布特征，同时不同客源国的目的地城市选择偏好存在一定区别（图5）。
日本、韩国、菲律宾与俄罗斯入境过夜游客主要偏好我国东部城市，日本与韩国的亲景城市较多，菲律宾与俄罗斯的亲景城市较少。亲景度较高的城市包括：沈阳、天津、宁波、青岛、济南、秦皇岛、烟台、威海、连云港、大连、上海、无锡、杭州、苏州、南通、福州、厦门、泉州、湛江、漳州、三亚。
泰国、美国、英国与澳大利亚入境过夜游客对我国中部与西部城市具有较强的偏好。亲景度较高的城市包括中部的吉林、呼和浩特、郑州、洛阳、武汉、长沙、南昌、九江，西部的西安、西宁、兰州、重庆、成都、拉萨、贵阳、昆明、南宁、桂林。
马来西亚、新加坡、加拿大、法国与德国入境过夜游客对我国的东部、中部与西部城市均有较强的偏好。亲景度较高的城市包括东部的北京、承德、秦皇岛、济南、连云港、宁波、温州、南京、苏州、杭州、无锡、福州、厦门、泉州、漳州、湛江、深圳、珠海、汕头、中山、海口，中部的呼和浩特、太原、大同、长春、吉林、郑州、洛阳、武汉、长沙、九江、合肥、黄山，西部的成都、重庆、银川、兰州、拉萨、贵阳、南宁、桂林、昆明。
亲景度强弱可以反映出游客的偏好程度，与目的地城市旅游资源禀赋、经济发展水平、旅游距离、开放程度、市场营销等因素密切相关[11，14]，分析可知，入境过夜游客对我国东中部城市的亲景度相对高于西部地区，虽然在旅游资源禀赋方面东中部城市弱于西部城市，但整体上其经济发展水平、旅游产品开发、交通便捷度、对外贸易力度及开放程度等相对高于或早于西部地区，其旅游综合竞争力相对西部城市更強。
3.3 入境过夜游客目的地城市类型的识别分析
依据优势度与亲景度均值，采用优势度-亲景度矩阵识别出各入境客源国选择偏好下的不同发展类别的目的地城市（表1）。
韩国、日本与美国的目的地城市优势度与亲景度较高，优势度均值高于2，亲景度均值高于1.5，上述客源国对我国旅游城市具有较强的选择偏好，是需要维持并持续拓展的客源市场。上述客源国的优势度为5.178、3.353、3.156，亲景度为2.593、1.975、1.501，韩国成为高优势度与强亲景度客源国。群落生态学角度下，三大客源国是我国城市入境过夜客源市场的优势种群，是未来入境旅游发展的关键。其高-高型城市包括北京、沈阳、天津、青岛、大连、上海、苏州、无锡、南通、厦门、深圳、武汉、长沙、黄山、西安、重庆、成都等。
马来西亚、德国与俄罗斯的目的地城市优势度与亲景度相对较高，但弱于韩国、美国与日本。上述客源国的优势度为1.786、1.014、1.102，马来西亚的优势度最高;客源国亲景度为1.668、2.781、1.300，德国为强亲景客源市场。可见三大客源国在我国城市入境过夜客源市场格局中具备一定的种群优势，且选择偏好也较强，所以，未来需要加大对三大客源市场的培育与开发，以提升其市场份额。上述客源国高-高型城市包括承德、南京、无锡、福州、厦门、珠海、三亚、长春、哈尔滨、洛阳、武汉、昆明、桂林、乌鲁木齐等。
泰国、新加坡、加拿大、英国、法国与澳大利亚的目的地城市优势度比较低，但亲景度相对较高，是未来实现我国入境旅游振兴的重点客源市场。上述客源国的优势度均低于1，分别为0.654、0.917、0.834、0.908、0.770、0.78;亲景度为1.739、2.172、1.608、1.948、2.681、1.602，新加坡和法国成为强亲客源市场。整体来看，上述客源国虽然对我国城市具有较强的选择偏好，但在入境过夜客源市场格局中的种群优势比较低，所以，未来目的地城市需要加大对上述客源国的旅游供给资源的配置，以满足游客需要，提升其在目的地城市的优势度。上述客源国的高-高型城市包括杭州、无锡、宁波、厦门、广州、珠海、深圳、汕头、武汉、洛阳、郑州、长沙、西安、成都、昆明、重庆、桂林等。
菲律宾的目的地城市优势度与亲景度均小于1，分别为0.423、0.784，其在入境过夜客源市场格局中的种群优势程度最低。其高-高型城市主要包括天津、上海、宁波、厦门与南宁等少数城市。未来须继续提升其亲景度，以提高其在入境过夜客源市场格局中的层次。
4 结论与讨论
4.1 研究结论
（1）目的地城市入境过夜游客优势度保持上升态势，但增速下滑明显。优势度阶段环比增长率由初期的85%降至末期的15%。高优势度与低优势度客源国集中在亚洲地区，韩国、日本、马来西亚为高优势度客源国，菲律宾与泰国为低优势度客源国。
（2）优势度格局方面，承接入境过夜游客高优势度城市的数量整体上呈现出东中西逐步递减的空间分布特征，且具体客源国入境过夜游客的城市优势度也存在差异。日本、马来西亚、菲律宾与英国在我国东部城市保持较高的优势度;新加坡、美国、加拿大、德国、澳大利亚与俄罗斯在我国的东部与西部城市保持较高的优势度;韩国、泰国与法国在我国东部、中部与西部城市均保持较高的优势度。高优势度的共性城市包括东部的北京、上海、广州、深圳、天津、青岛、大连、苏州、杭州、无锡、南京、厦门、珠海、福州、沈阳，中部的武汉、郑州、洛阳、长沙、黄山，以及西部的成都、重庆、西安、昆明、桂林与南宁等。整体来看，不同客源国入境游客依旧在东部城市保持较高的优势度，并呈现出目的地选择路径依赖的特征，而在中西部地区，仅有省会城市和具有垄断性资源的中小城市具备较高的优势度。优势度格局的形成除受国家与区域宏观政策的影响外，还受各城市旅游供给综合发展水平以及承接入境过夜游客能力差异等内在因素的影响[3]，未来需要提升旅游供给综合发展能力才能更好地激活各“蓝海城市”入境过夜游客市场的发展活力。 （3）主要客源国对旅游城市的选择偏好以弱亲景为主。韩国、新加坡、法国与德国为强亲景客源国，菲律宾为弱疏景客源国，其余为弱亲景客源国。韩国、俄罗斯、马来西亚、法国、德国与澳大利亚为亲景度上涨客源国。
（4）亲景度格局方面，入境过夜游客在我国维持高亲景度城市的数量整体上呈现由东向西逐步减少的空间分布特征，同时不同客源国入境过夜游客的城市亲景偏好存在差异。日本、韩国、菲律宾与俄罗斯游客偏好我国的东部城市;泰国、美国、英国与澳大利亚游客偏好我国的中西部城市;马来西亚、新加坡、加拿大等国的游客对我国的东部、中部与西部城市均有较强的偏好。研究结论与李旭等的研究结果较为一致[14]，中西部城市对入境过夜游客的吸引力有望逐渐超过东部城市。高亲景度的共性城市包括东部的北京、上海、广州、深圳、济南、烟台、南京、无锡、苏州、福州、厦门、泉州、漳州、海口、珠海、湛江，中部的长春、吉林、大同、郑州、洛阳、武汉、长沙、南昌、九江、黄山，西部的西安、兰州、重庆、成都、拉萨、桂林、昆明、贵阳与南宁。总结发现，东部城市依然是入境过夜游客的首先选择，这印证了已有研究的部分结论[35]，资源丰富、交通便利与手续便捷的城市已经成为入境过夜游客的首选对象，同时在游客动机和偏好的共同作用与影响下，导致其目的地选择空间格局呈现差异。
（5）通过入境过夜游客目的地城市类型的识别分析，发现高-高型、高-低型城市相对较少，低-高型、低-低型城市较多。我国接待入境过夜游客高优势度目的地城市较少，从供给层面折射出我国旅游城市的入境过夜市场开发还有较大的拓展与提升空间。低-高型城市较多，则表明入境过夜游客对该类城市具有较强的选择需求与偏好，但由于城市旅游供给潜力未充分发掘，造成其接待入境过夜游客的优势度偏低，该类城市是未来重点开发与振兴的對象。低-低型城市则需要供需双方共同努力，既要提升城市供给能力，又要培育与提升游客的选择偏好，以实现目的地入境旅游市场份额的拓展。
（6）群落生态学视角下，依据旅游地理系统模型，可将60座旅游城市整体上视为目的地群落，并采用生态优势度来评价群落内部各种群重要性与发展优劣程度，以综合透视出该群落的结构特征及差异，而13个入境客源国代表需求群落，可用亲景度来表征各需求种群对目的地城市的选择偏好。目的地城市种群优势度的格局受目的地旅游产品、服务设施、安全保障、交通区位等供给因素[1，3，14]，以及出游方式、旅游期望与动机等[35]需求因素的综合影响（图6）。生态优势度较高的城市对入境过夜游客具有绝对的吸引力，是目的地群落的优势种群，在群落里面具有较高的发展地位与层次，以及较强的旅游综合供给能力，是目的地群落未来发展的关键。入境客源国亲景度的强弱受游客旅游期望、动机、满意度等因素的综合影响，反映了其对目的地城市选择偏好程度的高低，持续培育并提升其亲景度是目的地入境旅游得以持续发展与振兴的前提。
4.2 研究贡献
本研究主要从以下3个方面来增益对入境旅游市场研究的理解。首先，文章采用生态优势度与亲景度理论，以透视入境过夜游客市场对我国旅游城市的空间格局、层次及选择偏好特征，可强化对该市场空间结构异质性特征与规律的认识。通过识别入境过夜游客偏好下的目的地城市类型，可助力各城市更好地了解其在入境旅游发展格局中所处的地位与层次，以帮助其进行差异化的产业布局与市场营销。同时，新冠肺炎疫情影响下，探讨入境过夜游客所偏好的目的地城市类型，可为各城市重启与恢复入境旅游市场提供实践依据。
其次，依据旅游地理系统模型，将群落生态学理论迁移至入境旅游市场研究中，视目的地城市为供给群落，客源地视为需求群落，通过生态优势度模型与理论来探讨目的地城市的层次与地位，并识别目的地城市群落中的优势与重要的种群，深化了群落生态学理论与方法在旅游市场研究中的应用深度，并进一步丰富了入境旅游研究框架的内容。
第三，引入年均环比增长率这一指标，构建亲景度改进模型，弥补了原有模型注重市场规模而忽略增长能力的缺陷，从规模与增长率两个角度综合优化了亲景度的分析结果，一定程度上提升了研究结论的科学性与准确性。
4.3 研究启示
依据研究结果，从空间发展、线路设计与城市建设等方面为我国城市入境旅游市场开发提供以下启示。空间发展方面，可通过东部、中部与西部地区内部高优势度-高亲景度城市的联合开发来实现入境旅游振兴发展。具体来看，东部城市可采取“面状”发展共赢战略，主要是因为该地区高-高型城市较多，同时该地区城市具备经济发展水平较高、旅游资源丰富、基础服务设施完善、区域交通便捷等条件，城市整体的供给能力相对较强，通过东部高-高型城市的联合协作与共享开发，可带动并促进东部地区入境旅游市场的振兴发展。中部地区城市可采取“枝状”拓展发展战略，主要是基于中部地区具备承东启西的交通优势，该地区的高-高型城市主要以省会城市或交通枢纽城市为主，所以该类城市可依托便捷的交通优势，打造便捷高效的入境集散网络，以最大程度地带动该地区入境旅游市场的发展。第三，西部地区城市可采取“线状”关联发展战略，主要因为西部地区高-高型城市以省会城市为主，省会城市已成为该区域入境旅游发展的增长极与枢纽，所以可通过强化区域省会城市之间的交通联系与供给要素共享合作，带动该地区入境旅游市场份额的提升。
入境旅游线路设计方面，需要重新优化并推出国家与区域层面的“黄金旅游线路”。在我国入境旅游发展的早期，曾推出“北京—上海—西安—桂林”黄金旅游线路。但从研究结果来看，不同入境客源市场的选择偏好是存在区域差异的，固定化的旅游线路无法满足不同入境客源市场的需求，并会造成城市入境旅游供给资源的浪费，影响城市入境旅游市场的拓展。因此，可根据各客源市场所偏好的不同类型目的地城市，综合评估其旅游供给能力，针对不同客源市场推出国家与区域层面的黄金旅游线路，以满足市场差异化的需求，实现城市入境旅游的振兴发展。 需要从管理政策、服务质量、产业布局等方面综合提升目的地城市旅游供给水平。首先，出台入境旅游市场振兴与奖励政策，积极完善签证制度，强化对客源市场的营销管理，为入境旅游发展提供政策支持。其次，提高游客集散中心、酒店等接待部门的信息化与智能化水平，做好接待场所公共服务安全及突发事件的预警管理，并强化语言沟通的便利化程度，提升旅游的服务质量。第三，推进国内外旅游企业合作，提高国内企业与国外旅行社、酒店、国际航线等的协作程度，优化城市入境旅游产业布局。
4.4 不足与展望
本研究的不足之处体现在以下几个方面：首选，文章仅对入境过夜游客目的地城市的优势度与亲景度进行了整体分析，而对其空间格局历时性演变的探讨相对不足。其次，文章虽引入生态优势度理论，分析了目的地城市群落中各种群的重要性与优劣程度，但对各種群之间的互动关系，优势种群对城市群落发育与成长的影响及机理还缺乏研究。第三，影响入境过夜游客目的地选择的因素较为多样，文章虽然从供需角度梳理了影响目的地优势度与亲景度的因素，但缺乏不同阶段下供需多因素互动关系与驱动机制的实证分析。第四，受新冠疫情的影响，入境过夜游客的偏好与动机、行为决策、出游方式及目的地选择等将呈现何种变化也有待关注，未来将对上述问题进行持续探索。
参考文献（References）
[1] 马耀峰， 高杨. 新时代我国入境旅游政策协调与路径优化的审视[J]. 陕西师范大学学报（哲学社会科学版）， 2018， 47（2）： 30-36. [MA Yaofeng， Gao Yang. Review of China’s tourism policy coordination and path optimization of inbound tourism in the new era[J]. Journal of Shaanxi Normal University （Philosophy and Social Sciences Edition）， 2018， 47（2）： 30-36.]
[2] 刘军胜， 马耀峰. 目的地旅游供给游客感知评价与行为态度的比较研究——以西安市为例[J]. 经济管理， 2017， 39（7）： 134-148. [LIU Junsheng， MA Yaofeng. The comparative analysis of inbound tourists’ perception evaluation and behavior about destination tourism supply： Taking Xi’an city as an example[J]. Business Management Journal， 2017， 39（7）： 134-148.]
[3] 万绪才， 王厚廷， 傅朝霞， 等. 中国城市入境旅游发展差异及其影响因素——以重点旅游城市为例[J]. 地理研究， 2013， 32（2）： 337-346. [WAN Xucai， WANG Houting， FU Chaoxia， et al. The intercity difference and influencing factors of inbound tourism development in China： Taking the major tourism cities as an example[J]. Geographical Research， 2013， 32（2）： 337-346.]
[4] LIMA C， MCALEER M. Monthly seasonal variations： Asian tourism to Australia[J]. Annals of Tourism Research， 2001， 28（1）： 68-82.
[5] KOC E， ALTINAY G. An analysis of seasonality in monthly per person tourist spending in Turkish inbound tourism from a market segmentation perspective[J]. Tourism Management， 2007， 28（1）： 227-237.
[6] 林德荣， 张军洲. 旅游时间序列的季节性特征研究——以城市入境旅游为例[J]. 旅游学刊， 2015， 30（1）： 63-71. [LIN Derong， ZHANG Junzhou. Research on seasonality of tourism time series： Urban inbound tourism as a case study[J]. Tourism Tribune， 2015， 30（1）： 63-71.]
[7] 孙晓东， 倪荣鑫， 冯学钢. 城市入境旅游及客源市场的季节性特征研究——基于上海的实证分析[J]. 旅游学刊， 2019， 34（8）： 25-39. [SUN Xiaodong， NI Rongxin， Feng Xuegang. Exploring seasonality of urban inbound tourism from the perspective of source market structure： An empirical study on Shanghai， China[J]. Tourism Tribune， 2019， 34（8）： 25-39.]
[8] JANGSC S C， CHEN M H. Financial portfolio approach to optimal tourist market mixes[J]. Tourism Management， 2008， 29（4）： 761-770. [9] MUNOZ T G. Inbound international tourism to Canary Islands： A dynamic panel data model[J]. Tourism Management， 2006， 27（2）： 281-291.
[10] 唐洁尘， 陈双琴. 中国入境旅游需求弹性估算——基于误差修正模型[J]. 旅游科学， 2017， 31（5）： 65-81. [TANG Jiechen， CHEN Shuangqin. An estimation of demand elasticity of China’s inbound tourism—Based on the error correction model[J]. Tourism Science， 2017， 31（5）：65-81.]
[11] 马耀峰， 梁旺兵. 基于亲景度的美国旅华市场拓展研究——以我国六大旅游热点城市为例[J]. 旅游学刊， 2005， 20（1）： 35-38. [MA Yaofeng， LIANG Wangbing. A study on the development of the US visiting-China market based on preference scale[J]. Tourism Tribune， 2005， 20（1）： 35-38.]
[12] 成英文， 张辉. 城市入境旅游景气指数构建研究——以北京为例[J]. 旅游科学， 2013， 27（5）： 76-85. [CHENG Yingwen， ZHANG Hui. Research on the establishment of urban tourism prosperity index： A case study of Beijing[J]. Tourism Science， 2013， 27（5）： 76-85.]
[13] 王佳果， 吴忠军， 曹宏丽. “一带一路”背景下民族地区入境旅游时空特征[J]. 经济地理， 2017， 37（7）： 208-215. [WANG Jiaguo， WU Zhongjun， CAO Hongli. The spatial and temporal characteristics of inbound tourism in ethnic areas under the background of “the Belt and Road Initiatives”[J]. Economic geography， 2017， 37（7）： 208-215.]
[14] 李旭， 秦耀辰， 宁晓菊， 等. 中国入境游客旅游目的地选择变化及影响因素[J]. 经济地理， 2014， 34（6）： 169-175. [LI Xu， QIN Yaochen， Ning Xiaoju， et al. Destination choice change and its influencing factors of inbound tourists in China[J]. Economic Geography， 2014， 34（6）： 169-175.]
[15] WADE D J， MWASAG B C， EAGLES P F J. A history and market analysis of tourism in Tanzania[J]. Tourism Management， 2001， 22（1）： 93-101.
[16] 馬晓龙. 西安旅游区入境旅游流时空演变及系统调控[J]. 人文地理， 2006， 21（4）： 88-93. [MA Xiaolong. Temporal-spatial varieties of oversea tourists flow and its systematical adjusting in Xi’an tourism districts[J]. Human Geography， 2006， 21（4）： 88-93.]
[17] 李创新， 马耀峰， 张佑印， 等. 中国旅游热点城市入境客流与收入时空动态演化与错位——重力模型的实证[J]. 经济地理， 2010， 30（8）： 1372-1377. [LI Chuangxin， MA Yaofeng， ZHANG Youyin， et al An analysis of space-time dynamic evolution and dislocation of inbound tourism based on typical cities—With the gravity model as an empirical research[J]. Economic Geography， 2010， 30（8）： 1372-1377.]
[18] 秦静， 李郎平， 唐鸣镝， 等. 基于地理标记照片的北京市入境旅游流空间特征[J]. 地理学报， 2018， 73（8）： 1556-1570. [QIN Jing， LI Langping， TANG Mingdi， et al. Exploring the spatial characteristics of Beijing inbound tourist flow based on geotagged photos[J]. Acta Geographica Sinica， 2018， 73（8）： 1556-1570.]
[19] LUNDGREN J. Geography of tourism and leisure geographic concepts and the development of tourism research in Canada[J]. GeoJournal， 1984， 9（1）： 17-25. [20] BALAZ V. Japanese tourists in transition countries of central europe： Present behaviour and future trends[J]. Tourism Management， 1998， 19（5）： 433-443.
[21] GARIN M T， AMARAL T P. An econometric model for international tourism flows to Spain[J]. Applied Economics Letters， 2000， 7（8）： 525-529.
[22] 马耀峰， 李旭. 中国入境游客旅游选择模式研究[J]. 西北大学学报（自然科学版）， 2003， 60（5）： 575-580. [MA Yaofeng， LI Xu. A study of China inbound tourists selection patterns[J]. Journal of Northwest University （Natural Science Edition）， 2003， 60（5）： 575-580.]
[23] 张佑印， 马耀峰， 赵现红. 中国一级城市入境旅游流时空演变模式分析[J]. 城市问题， 2008， 26（2）： 90-94. [ZHANG Youyin， MA Yaofeng， ZHAO Xianhong. Analysis on the temporal and spatial evolution pattern of inbound tourism flow in China’s first-class cities[J]. Urban Problems， 2008， 26（2）： 90-94.]
[24] 朱竑， 吴旗韬. 中国省际及主要旅游城市旅游规模[J]. 地理学报， 2005， 60（6）： 919-927. [ZHU Hong， WU Qitao. Study on tourism size of provinces and primary cities in China[J]. Acta Geographica Sinica， 2005， 60（6）： 919-927.]
[25] 杨国良， 张捷， 艾南山， 等. 旅游流齐夫结构及空间差异化特征——以四川省为例[J]. 地理学报， 2006， 61（12）： 1281-1289. [YANG Guoliang， ZHANG Jie， AI Nanshan， et al. Zipf structure and difference degree of tourist flow size system： A case study of Sichuan Province[J]. Acta Geographica Sinica， 2006， 61（12）： 1281-1289.]
[26] 刘军胜， 马耀峰. 河南省城市入境旅游规模与位序差异化[J]. 经济地理， 2012， 32（6）： 150-155. [LIU Junsheng， MA Yaofeng. Research on disparity of inbound tourism size and rank for cities in Henan province[J]. Economic Geography， 2012， 32（6）： 150-155.]
[27] 胡静， 陈小娟， 陈磊， 等. 山东省入境旅游规模结构演化研究[J]. 中国人口·资源与环境， 2015， 25（7）： 170-176. [HU Jing， CHEN Xiaojuan， Chen Lei， et al. Study on the evolution of inbound tourism scale structure in Shandong province[J]. China Population， Resources and Environment， 2015， 26（7）： 170-176.]
[28] 魏颖， 马耀峰， 李创新. 口岸城市入境旅游流空间扩散路径实证研究——以上海市为例[J]. 旅游科学， 2010， 24（5）： 32-39. [WEI Ying， MA YaoFeng， LI Chuangxin. An empirical research on spatial diffusion paths of inbound tourist flows in Chinese port cities ： A case study of Shanghai[J]. Tourism Science， 2010， 24（5）： 32-39.]
[29] 吴良平， 张健. “一带一路”背景下入境客流集聚市场供给特征研究[J]. 旅游学刊， 2018， 33（7）： 40-51. [WU Liangping， ZHANG Jian. Research on the supply characteristics of the concentrated markets of inbound tourist flows under the background of “the Belt and Road Initiatives”[J]. Tourism Tribune， 2018， 33（7）： 40-51.]
[30] 王永明， 馬耀峰， 王美霞. 中国重点城市入境旅游空间关联网络特征及优化[J]. 人文地理， 2013， 28（3）： 142-147. [WANG Yongming， MA Yaofeng， WANG Meixia. Study on structure and optimization of inbound tourism network of key cities in China[J]. Human Geography， 2013， 28（3）： 142-148.] [31] 唐澜， 吴晋峰. 中国入境观光休闲旅游流空间结构与流动特征[J]. 经济管理， 2013， 35（10）： 130-142. [TANG Lan， WU Jinfeng. Research on the spatial structure and flow characteristic of Chinese inbound sightseeing and leisure tourist flows[J]. Business Management Journal， 2013， 35（10）： 130-142.]
[32] 保继刚， 甘萌雨. 改革开放以来中国城市旅游目的地地位变化及因素分析[J]. 地理科学， 2004， 23（3）： 365-370. [BAO Jigang， GAN Mengyu. Analysis on urban destinations in China： Status change and factors for the change since the reform era[J]. Scientia Geographica Sinica， 2004， 24（3）： 365-370.]
[33] 陈刚强， 许学强. 中国入境旅游规模空间分布变化及因素分析[J]. 地理科学， 2011， 31（5）： 613-619. [CHEN Gangqiang， XU Xueqiang. Evolution and its factors of spatial distribution of inbound tourism size in China[J]. Scientia Geogeraphica Sinica， 2011， 31（5）： 613-619.]
[34] 吴杨， 倪欣欣， 马仁锋. 入境旅游影响因素及其空间效应计量——以上海市为例[J]. 财经科学， 2016， 60（3）： 122-132. [WU Yang， NI Xinxin， MA Renfeng. The spatial correlation and difference of influencing factors of urban inbound tourism： A case study of Shanghai[J]. Finance Economics， 2016， 60（3）： 122-132.]
[35] 唐弘久， 保继刚. 我国主要入境客源地游客的时空特征及影响因素[J]. 经济地理， 2018， 38（9）： 222-230; 239. [TANG Hongjiu， BAO Jigang. Spatio-temporal characteristics and influencing factors of tourists from main inbound tourist source for Mainland China[J]. Economic Geography， 2018， 38（9）： 222-230; 239.]
[36] BALLIF F， BALLIO H O， Cebeci K. Impacts of exported Turkish soap operas and visa-free entry on inbound tourism to Turkey[J]. Tourism Management， 2013， 37： 186-192.
[37] LI G， LAW R， VU H Q， et al. Discovering the hotel selection preferences of Hong Kong inbound travelers using the Choquet Integral[J]. Tourism Management， 2013， 36： 321-330.
[38] LIU Y P， LI Y C， PARKPAIN P. Inbound tourism in Thailand： Market form and scale differentiation in ASEAN source countries [J]. Tourism Management， 2018， 64： 22-36.
[39] 郭峰， 吳晋峰， 王鑫， 等. 基于SNA的西安入境旅游市场“倒二八”结构研究[J]. 人文地理， 2011， 26（5）： 127-132. [GUO Feng， WU Jinfeng， WANG Xin， et al. Social network analysis of reversed praetor principle inbound tourism market of Xi’an[J]. Human Geography， 2011， 26（5）： 127-132.]
[40] 阮文奇， 郑向敏， 李勇泉， 等. 中国入境旅游的“胡焕庸线”空间分布特征及驱动机理研究[J]. 经济地理， 2018， 38（3）： 181-189; 199. [RUAN Wenqi， ZHENG Xiangming， LI Yongquan， et al. Spatial distribution characteristics and driving mechanism of “Hu Line” in inbound tourism in China[J]. Economic Geography， 2018， 38（3）： 181-189; 199.]
[41] 彭少麟. 广东亚热带森林群落的生态优势度[J]. 生态学报， 1987， 7（1）： 36-42. [PENG Shaolin. Ecological dominance of tropical forest communities in Guandong[J]. Acta Ecologica Sinica， 1987， 7（1）： 36-42.] [42] 李建荣， 石万成， 刘旭. 苹果园昆虫群落生态优势度研究[J]. 生态学杂志， 1996， 15（1）： 20-23. [LI Jianrong， SHI Wancheng， LIU Xu. Study of ecological dominance of insect communities in apple plantations[J]. Chinese Journal of Ecology， 1996， 15（1）： 20-23.]
[43] 陳玉福， 孙虎， 刘彦随. 中国典型农区空心村综合整治模式[J]. 地理学报， 2010， 65（6）： 727-735. [CHEN Yufu， SUN Hu， LIU Yansui. Reconstruction models of hollowed villages in key agricultural regions of China[J]. Acta Geographica Sinica， 2010， 65（6）： 727-735.]
[44] 史坤博， 杨永春， 杨欣傲， 等. 时间成本是否成为电子商务区位的核心机制——基于成都市O2O电子商务的实证分析[J]. 地理学报， 2016， 71（3）： 500-514. [SHI Kunbo， YANG Yongchun，YANG Xin’ao， et al. Does time dictate the location of e-commerce business： A study of O2O businesses in Chengdu， China[J]. Acta Geographica Sinica， 2016， 71（3）： 500-514.]
[45] 邹君， 杨玉蓉， 黄翅勤， 等. 中国区域虚拟水战略优势度评价[J]. 地理科学， 2009， 29（1）： 78-82. [ZOU Jun， YANG Yurong， HUANG Chiqin， et al. Concept and quantitative assessment of advantage value of regional virtual water strategy （AVRVWS） [J]. Scientia Geographica Sinica， 2009， 29（1）： 78-82.]
[46] 张新林， 赵媛， 许昕， 等. 中国天然气资源流动优势度时空演变特征[J]. 地理研究， 2016， 35（8）： 1457-1469. [ZHANG Xinlin， ZHAO Yuan， XU Xin， et al. Spatial and temporal evolution characteristics of natural gas resource mobility dominance in China[J]. Geographical Research， 2016， 35（8）： 1457-1469.]
[47] 刘秀梅， 李小锋. 围栏封育对新疆山地退化草原植物群落特征的影响[J]. 干旱区研究， 2017， 34（5）： 1077-1082. [LIU Xiumei， LI Xiaofeng. Effects of enclosure on plant community characters of degenerated steppe in Xinjiang[J]. Arid Zone Research， 2017， 34（5）： 1077-1082.]
[48] 傅伯杰. 黄土区农业景观空间格局分析[J]. 生态学报， 1995， 62（2）： 113-120. [FU Bojie. Spatial pattern analysis of agricultural landscape in loess region[J]. Acta Ecologica Sinica， 1995， 62（2）： 113-120.]
[49] 金凤君， 王成金， 李秀伟. 中国区域交通优势的甄别方法及应用分析[J]. 地理学报， 2008， 63（8）： 787-798. [JIN Fengjun， WANG Chengjin， LI Xiuwei. Discrimination method and its application analysis of regional transport superiority[J]. Acta Geographica Sinica， 2008， 63（8）： 787-798.]
[50] 唐礼俊. 佘山风景区景观空间格局分析及其规划初探[J]. 地理学报， 1998， 65（5）： 47-55. [TANG Lijun. The spatial pattern analysis of landscape and the landscape planning in Sheshan scenic spot[J]. Acta Geographica Sinica， 1998， 53（5）： 429-437.]
[51] 韩春鲜. 基于旅游资源优势度差异的新疆旅游经济发展空间分析[J]. 经济地理， 2009， 29（5）： 871-875. [HAN Chunxian. The spatial tourism economical development based on the superiority degree of tourism resources in Xinjiang[J]. Economic Geography， 2009， 29（5）： 871-875.]
[52] 晋秀龙， 陆林， 巩劼， 等. 旅游活动对九华山风景区大型土壤动物群落影响[J]. 地理研究， 2011， 30（1）： 103-114. [JIN Xiulong， LU Lin， GONG Jie， et al. Effects of tourism activities on soil macro fauna community in Mount Jiuhua scenic are[J]. Geographical Research， 2011， 30（1）： 103-114.] [53] 崔丹， 吴昊， 刘宏红， 等. 大都市区贫困带旅游精准扶贫模式与路径探析——以环京津贫困带22个国家级贫困县为例[J]. 中国软科学， 2019， 33（7）： 81-90. [CUI Dan， WU Hao， LIU Honghong， et al. Analysis the model and path of the tourism accurate poverty alleviation of the poverty belt around the metropolitan—A case study of 22 national-level impoverished counties in the poverty belt around Beijing and Tianjin[J]. China Soft Science， 2019， 33（7）： 81-90.]
[54] 郭向阳， 穆学青， 明庆忠， 等. 旅游地快速交通优势度与旅游流强度的空间耦合分析[J]. 地理研究， 2019， 38（5）： 1119-1135. [GUO Xiangyang， MU Xueqing， MING Qingzhong， et al. Spatial coupling between rapid traffic superiority degree and tourist flow intensity in tourist destinations[J]. Geographical Research， 2019， 38（5）： 1119-1135.]
[55] 李创新， 马耀峰， 张颖， 等. 1993—2008年区域入境旅游流优势度时空动态演进模式： 基于改进熵值法的实证研究[J]. 地理研究， 2012， 31（2）： 257-268. [LI Chuangxin， MA Yaofeng， Zhang Ying， et al. Dynamic evolution mode of regional dominance indexes of Chinese inbound tourism flows during 1993 to 2008： An empirical research based on modified entropy technology[J]. Geographical Research， 2012， 31（2）： 257-268.]
[56] 刘军胜， 马耀峰， 吴冰. 入境旅游流与区域经济耦合协调度时空差异动态分析——基于全国31个省区1993—2011年面板数据[J]. 经济管理， 2015， 37（3）： 33-43. [LIU Junsheng， MA Yaofeng， Wu Bing. Dynamic analysis of the time and space differences of the coordination degree between inbound tourism flow and regional economy： Based on panel data of 31 provinces and regions in 1993—2011[J]. Economic Management， 2015， 37（3）： 33-43.]
[57] 汪德根， 陳田. 中国旅游经济区域差异的空间分析[J]. 地理科学， 2011， 31（5）： 528-536. [WANG Degen， CHEN Tian. Spatial analysis for regional difference of tourism economy in China[J]. Scientia Geographica Sinica， 2011， 31（5）： 528-536.]
[58] 陈秀琼， 黄福才. 中国入境旅游的区域差异特征分析[J]. 地理学报， 2006， 61（12）： 1271-1280. [CHEN Xiuqiong， HUANG Fucai. Temporal change of regional disparity in Chinese inbound tourism[J]. Acta Geographica Sinica， 2006， 61（12）： 1271-1280.]
Spatial and Temporal Differentiation of Destination Choice and Urban
Type Identification of Chinese Inbound Overnight Tourists
LIU Junsheng1， MA Yaofeng2， LIU Yanxu3
（1. School of Economic &Management， Northwestern University， Xi’an 710127， China; 2. School of Geography and
Tourism， Shaanxi Normal University， Xi’an 710119， China; 3. State Key Laboratory of Earth Surface Processes and
Resource Ecology， Faculty of Geographical Science， Beijing Normal University， Beijing 100875， China）
Abstract：This research examined the spatial and temporal pattern characteristics and factors affecting destination preferences in inbound tourism markets. It identified and classified different types of international destination cities with respect to selection preferences for various tourist markets： it aimed to provide an important reference for promoting locations， thereby facilitating appropriate marketing toward revitalizing inbound tourism. The present study applied the theory of ecological dominance and preference; it employed statistical data for overnight tourists from 13 major tourist source countries who stayed at 60 tourist cities from 1991 to 2017. This investigation applied an improved model of dominance and preference and a dominance-preference matrix to analyze the spatial and temporal patterns of dominance and preference related to the overnight tourist market in the 60 cities; it categorized the cities into different types based on the demand for overnight tourist stays. The following results were obtained. （1） The numbers of overnight inbound tourists in the 60 cities generally maintained an upward trend; however， there was a clear decrease in the growth rate. The source countries with higher and lower advantages were mainly located in Asia. In China， the number of cities with large numbers of overnight visitors generally showed a gradual decrease from east to west. （2） South Korea， France， and Germany were strong pro-scenery source countries and displayed rising pro-scenery; Singapore was a strong pro-scenery source country， but it showed declining pro-scenery. In China， the number of inbound overnight tourists in cities with high pro-scenery presented a gradual decrease from east to west. （3） There were fewer cities with high dominance-high preference and high dominance-low preference; there were more cities with low dominance-high preference and low dominance-low preference. Cities with low dominance-high preference were the targets for future development and revitalization.
The novel aspects of the present investigation are threefold. First， by applying the theory of ecological dominance and pro-landscape， this study analyzed the spatial patterns， numbers， and preferences of overnight visitors in China’s tourist cities; it examined the heterogeneity characteristics and factors affecting the market for overnight visitors. By identifying the different types of destination cities chosen by overnight inbound tourists， this research can help cities better identify their situation relative to the development pattern of inbound tourism; it can help them conduct a differentiated industrial and marketing approach. With respect to the COVID-19 pandemic， this study identified the types of destination cities selected by overnight visitors; thus， it can provide a practical basis for those places to restore their inbound tourism market. Second， according to the model of the tourism geographic system， this study applied the theory of community ecology to an examination of the inbound tourism market; destination cities were regarded as the supply community and source areas as the demand community. The level and status of the destination cities were examined in terms of a model and theory related to ecological dominance. The advantages and sources areas for the destination cities were identified. In that way， this study enhances the application depth of community ecology theory and methods to research into inbound tourism markets; it enriches the research framework with respect to inbound tourism. Third， by employing the index of the average annual growth rate， this study developed an improved model for examining the pro-landscape degree. Thus， this investigation compensates for defects in the original model， which considered market scale but neglected growth. This research comprehensively optimized the analysis results of pro-landscape degree regarding the two factors of scale and growth rate; it enhances the scientificity and accuracy of the results obtained.
Keywords： tourist city; inbound overnight visitors; dominance model; improved model for preference; temporal and spatial patterns
[責任编辑：王 婧;责任校对：周小芳]
[关键词]旅游城市;入境过夜游客;优势度模型;亲景度改进模型;时空格局
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2021）07-0104-15
Doi： 10.19765/j.cnki.1002-5006.2021.07.013
引言
改革开放以来，我国入境旅游发展迅速，根据文化旅游部发布的《2019年我国旅游市场基本情况》可知，2019年我国接待入境游客已达1.45亿人次，国际旅游收入达1313亿美元。入境旅游对提升我国旅游形象，增加外汇，促进经济发展具有重要作用[1-2]，但受旅游供给、金融危机及游客需求变化等因素的综合影响，近年来我国入境旅游增长乏力，通过《中国旅游统计年鉴》计算发现，2008—2018年，我国入境游客规模年均环比增长率均值仅为0.5%。因此，如何实现入境旅游市场的振兴与持续发展成为目的地亟待关注的现实问题，而准确评估目的地各客源市场的地位与发展潜力，并识别出不同客源市场的目的地选择偏好是实现区域入境旅游振兴的基础与关键。
城市是入境游客的主要集散地，对城市入境客源市场时空格局及其影响因素的研究是旅游地理学的重要研究内容[3]。国内外学者在入境旅游市场的时间演化、竞争态势、空间格局、影响因素等方面取得了丰硕成果。（1）时间演化方面，已有研究探讨了入境客流的季节性变化与年度差异，认为入境客流的高峰整体上集中在春秋季两个时段[4-7]，年内不同季节差异明显，并系统预测了入境旅游市场的发展趋势，认为市场需求整体上呈波动增长态势[8-10]。（2）竞争态势方面，主要采用景气指数与竞争态模型来测度不同目的地城市的入境旅游竞争力，认为东部城市旅游竞争力整体上相对高于西部城市[11-14]。（3）空间格局方面，现有研究分析了不同城市入境游客的空间分布特征[15-18]、空间行为模式[19-23]、位序规模差异[24-27]、集散规律与网络结构[28-31]，发现我国入境旅游空间格局存在逐步缩小与极化明显，整体松散与局部集聚两类发展态势。（4）影响因素方面，學者们从供给与需求两方面总结了入境旅游市场开发的影响因素，供给层面主要因素包括旅游产品、设施与服务水平、知名度、区位条件、安全保障、语言文化、交通运输、签证制度等;需求层面主要因素包括旅游目的、旅游计划、出游时间、旅游组织形式、旅游期望与动机等[3，14，33-38]。（5）发展规律方面，已有研究认为我国入境游客量占比，首次来华游客占比，以及休闲度假、专题类产品与观光类产品的比重均呈现“二八规律”[1，39]。入境客源市场的空间分布符合“胡焕庸曲线”定律，其空间分布从我国东部到西部地区，由热点区域逐步过渡到冷点区域[40]。
综上可知，针对入境旅游市场时空演化格局、竞争态势、影响因素与发展规律等研究已取得了丰富的成果，但存在以下不足：（1）研究内容缺乏对入境过夜游客这一细分市场的关注，过夜游客具备停留时间长，消费水平相对较高的特征，是目的地赚取外汇与旅游经济发展的重要市场。（2）研究对象多立足于北京、上海等少数特大城市，对作为我国入境旅游“蓝海市场”的国内其他旅游城市关注程度不足，造成其他城市不清楚其在我国入境旅游市场发展格局中所处的地位、层次以及入境游客的偏好程度，影响了城市入境旅游市场营销的效果及市场份额的拓展。（3）研究视角多从客源规模大小的角度来分析市场结构的特征与规律，认为客源规模越大地位越重要，但缺乏对客源市场增长能力的关注，影响了对城市入境旅游市场结构发展规律的认识。准确认识并评估入境客源市场的地位与重要程度，不仅要关注客源市场的规模，更应注重其增长能力，从规模与增量两方面综合分析，可更准确地认识入境客源市场结构的特征与规律。
在入境旅游市场整体增长缓慢及游客需求日益细分的趋势下，我国主要旅游城市接待入境客源市场方面形成的时空格局及层次如何？考虑增长能力的情况下，入境客源市场的目的地选择偏好呈现何种时空分异特征？不同客源市场目的地城市选择偏好呈现何种类型？已有研究尚未给出清晰的结论。据此，本文以我国60座旅游城市及13大入境客源国为研究对象，基于1991—2017年各城市入境过夜游客数据，依据生态优势度与亲景度理论，运用生态学优势度模型与改进的亲景度模型，从目的地角度分析我国各城市接待入境过夜游客的优势度，从客源地角度探究入境过夜游客对各旅游城市的亲景度，并构建优势度-亲景度矩阵，划分并识别出各入境过夜市场所偏好的旅游城市类型。以期通过上述分析，在理论上，从群落生态学的角度，深化对入境过夜游客目的地时空选择与市场结构发展规律的认识;在实践上，有助于从规模与增量两方面识别出各入境过夜客源市场的偏好类型，以便于各城市更好地根据市场需求进行旅游产品开发与产业布局，为入境旅游的精准营销与深度开发提供实践指导，同时，进一步激活作为我国入境旅游“蓝海市场”的其他城市的活力，以实现我国城市入境旅游的振兴发展。 1 理论基础与模型构建
1.1 生态优势度理论
生态优势度理论源于群落生态学，该理论认为群落由多个种群构成，在诸多种群中，生态优势种群控制整个群落，是整个群落得以发展的关键，并影响其他种群的发育和成长。群落中各种群的优劣主要采用生态优势度来判定，即对群落中某种群的重要性与优劣发展程度的评估。通过对生物群落内部各个种群重要性与优劣状况的综合分析，可遴选出群落内部的关键种群，并反映出群落内部各种群所形成的结构特征、差异以及种群之间的演替规律[41-42]。目前，生态优势度理论已广泛运用到资源科学与地理学的研究中，学者们采用优势度模型对农业资源开发[43]、人居环境与商业区位选取[44]、水汽资源评价[45-46]、草原植被恢复[47]、农业景观评价[48]、区域交通评价等进行了研究[49]。
旅游研究中，主要运用优势度理论探讨景区景观格局[50]、旅游资源评价[51]、旅游环境影响[52]、旅游扶贫[53]、旅游交通[54]与旅游流格局[55]等问题。整体来看，运用优势度理论分析目的地入境客源市场结构特征与规律的研究相对较少。通过对生态优势度理论内涵的迁移，可以将我国不同目的地城市视为由不同入境客源市场组成的群落，群落内部不同入境客源市场的规模与成长潜力存在差异，并受自然与社会等外部宏观发展环境的影响。通过对目的地城市各入境客源市场生态优势程度强弱的测度，可以透视城市入境客源市场的结构特征、差异及演替规律，也可从整体优势度的角度评估各城市在我国入境旅游市场发展格局中所处的地位与层次。
据此，文章借鉴群落生态学中的优势度模型[50-55]，来综合分析目的地城市在接待入境过夜客源市场方面的地位、层次与发展态势（式1）。
[Di=j=1nwjQij] （1）
式（1）中，Di为第i个城市的入境客源国优势度，wj为第j年该城市入境客源国所占的权重，Qij为第j年该城市接待的入境过夜游客人次，n为年度序列值。针对指标权重wj的确定，采用比较客观的熵值赋权法进行分析[56]。具体步骤如下。
（1）指标非零化处理，由于数据中出现0值，为使求熵值时对数有意义，对数据进行非零化处理：
[Xij=Xij-Xmin/Xmax-Xmin+0.01（i=1，2，…，n; j=1，2，…，p）]
（2）指标比重变换：
[Sij=Xij/i=1nXij]
（3）第j项指标熵值：
[hj=-1ln ni=1nSijlnSij]
（4）第j项指标差异度：
[aj=1-hj]
（5）指标权重：
[wj=aj/j=1paj]
1.2 改进的亲景度模型
亲景度是游客选择行为的外在表现，是分析某一客源市场旅游者对某一旅游目的地偏好程度的量化方法[11]。亲景度模型Q指某客源市场游客在目的地所占的市场份额与其在全国的市场份额之比（式2），以亲景度Q=1为界，将Q≥1的客源国划分为亲景客源国，Q=0表示非客源国，Q<1的客源国划分为疏景客源国，并细分为强亲景客源国（Q≥2）、弱亲景客源国（1≤Q<2）、弱疏景客源国（0.5≤Q<1）和强疏景客源国（0≤Q<0.5）[13]。该方法已经成为旅游市场分析的重要工具。
原有亲景度模型主要从规模份额的角度来分析客源市场的目的地选择偏好，忽略了对客源市场增长能力的評价。改进后的亲景度模型在原有规模份额的基础上，引入了客源市场年均环比增长率这一评价指标，以从增长能力方面透视目的地客源市场结构的年度变化规律（式3）。改进的亲景度模型可从客源市场规模与增量两方面来综合研判目的地城市的受青睐程度，既可反映客源市场的选择偏好，也可用来研判目的地竞争力的强弱。亲景度越高，游客对该目的地偏好越强，该目的地的竞争力也越强;反之，游客的偏好程度越弱，该目的地竞争力也越弱。其原有模型为：
[Q=Mi/MlCi/Cl] （2）
而后，引入某客源市场Mi的年均环比增长率，同时为保障年均环比增长率为正值，对其进行非负化处理，可得改进后的亲景度模型为：
[Q=Mi/MlCi/Cl×Mi-Mi-1Mi-1+1] （3）
式（2）、式（3）中，Mi为当期旅景客源市场（客源国/地）人数;Ml为旅景入境人数;Ci为旅华客源国（地）人数;Cl为旅华入境人数;Mi-1为某目的地基期旅景客源市场人数。
1.3 优势度-亲景度矩阵模型
以优势度与亲景度均值为标准，构建优势度-亲景度市场结构分析模型（图1），划分并识别出各入境客源市场选择偏好下目的地城市类型。其中，优势度从目的地角度凸显其接待入境客源市场的能力与重要程度，亲景度则从需求的角度来反映对目的地的选择偏好。通过优势度与亲景度的均值将该模型划分为4个象限，即高优势度-高亲景度区（[Di>D;Qi>Q]）;高优势度-低亲景度区（[Di>D];[Qi<Q]）;低优势度-低亲景度区（[Di<D];[Qi<Q]）;低优势度-高亲景度区（[Di<D];[Qi>Q]）。通过象限分析，可以识别出各客源市场选择偏好下的目的地城市类型。
2 案例选择与数据来源
2.1 案例选择
综合考虑数据的可得性、精确性与连续性，并参考已有研究[3，17]，选择我国60座旅游城市与13大入境客源国为研究对象，同时依据我国三大地带的划分标准，将旅游城市分别划分为东部、中部与西部城市[24，57]。东部城市32座，包括沈阳、北京、天津、石家庄、秦皇岛、承德、济南、青岛、烟台、威海、大连、上海、南京、无锡、苏州、南通、连云港、杭州、宁波、温州、福州、厦门、泉州、漳州、广州、深圳、珠海、汕头、湛江、中山、海口、三亚;中部城市14座，包括延边、哈尔滨、长春、吉林、太原、大同、郑州、洛阳、武汉、长沙、南昌、九江、合肥、黄山;西部城市14座，包括呼和浩特、西安、兰州、西宁、银川、乌鲁木齐、重庆、成都、贵阳、昆明、南宁、桂林、北海、拉萨。13大入境客源国包括日本、韩国、马来西亚、菲律宾、新加坡、泰国、美国、加拿大、英国、法国、德国、俄罗斯、澳大利亚。 2.2 数据来源
1991年我国开始实行“八五”计划，首次将旅游业视为第三产业的重点产业来进行打造，并集中对外展开入境旅游市场营销，自此推进了我国入境旅游的快速发展[58]，故本研究数据主要从“八五”计划开始。本文主要采用各城市接待的入境过夜游客人数来展开分析，其原因是，首先，入境过夜游客数据均通过公安部备案，数据的权威性与统计的精确性可以得到保障;其次，入境过夜游客在目的地所停留的时间相对较长，产生的消费相对较高，对目的地旅游经济有较强的带动作用。需要说明的是，入境客源国方面，韩国与马来西亚分别于1994年、1996年才被纳入统计范围，故针对两国的游客统计分别始于1994年、1996年;南通、威海、西宁、银川与中山于1994年，拉萨于1995年才被纳入统计范围，故针对上述城市的入境游客统计始于1994年、1995年。具体数据来源于1992—2018年的《中国旅游统计年鉴》。
3 结果分析
3.1 入境过夜游客目的地城市优势度时空特征
3.1.1 入境过夜游客目的地城市优势度时间演化特征
由图2可知，1991—2017年主要入境客源国优势度的演化过程及其绝对与相对差异。优势度演化方面，入境客源国在我国目的地城市的优势度均保持上升的态势，但增长速度逐步下降。1996—2000年、2001—2005年与2006—2010年三阶段优势度的环比增率均高于85%，分别为90.8%、87.4%、86.1%，而后两个阶段优势度的环比增长率快速下降，分别降至16.1%、15.2%。具体来看，韩国、日本、马来西亚与美国是目的地城市优势度较高且稳定的客源国，其均值分别为5.178、3.353、3.156、1.786，而菲律宾与泰国的目的地城市优势度相对较低，分别为0.423、0.654，其余入境客源国的优势度均值维持在0.7～1.5之间。
入境客源国优势度的绝对与相对差异发展态势不同，绝对差异逐步扩大，相对差异先扩大后缩小。入境客源国优势度标准差由初期的0.318上升至末期的2.514，较初期扩大了7.9倍。优势度基尼系数由初期的0.166，提升至2001—2005年的0.330，而后缓慢下降至0.327。
3.1.2 入境过夜游客目的地城市优势度空间格局
根据各入境客源国目的地城市的优势度值，采用自然断裂法划分出高优势度、较高优势度、一般优势度、较低优势度与低优势度城市，以探讨其空间格局特征，发现承接入境过夜游客高优势度城市的数量整体上呈现出东中西逐步递减的分布特征，但不同客源国目的地城市的优势度存在一定差异（图3）。
日本、马来西亚、菲律宾与英国过夜游客主要在我国东部城市保持较高的优势度。与日本保持高优势度的东部城市数量较多，与马来西亚、菲律宾和英国保持高优势度的城市数量较少。与上述4国保持较高优势度的东部城市包括：沈阳、北京、天津、青岛、大连、上海、苏州、杭州、南京、无锡、广州、厦门、深圳。
新加坡、美国、加拿大、德国、澳大利亚与俄罗斯过夜游客主要在我国的东部与西部城市保持较高的优势度。与上述国家保持较高优势度的东部城市包括：北京、大连、上海、苏州、杭州、南京、福州、厦门、广州以及西部的桂林、重庆、成都、西安、乌鲁木齐。
韩国、泰国与法国过夜游客在我国东部、中部与西部城市均保持较高的优势度，其中与韩国保持较高优势度的城市数量多于泰国和法国。与上述3国保持较高优势度的城市包括东部的北京、沈阳、杭州、青岛、天津、大连、南京、苏州、杭州、广州、深圳、珠海、汕头，中部的洛阳、黄山、长沙、武汉，西部的西安、昆明、南宁、成都、重庆、桂林。
归纳分析可知，入境过夜游客保持较高优势度的城市多集中在我国东部沿海地区，而中西部保持较高优势度的多为省会城市或典型旅游城市。其原因主要是东部城市在旅游兼容性、城市职能等方面较中西部城市强[3，14，35]，表现在东部沿海城市的旅游产品开发程度、区域经济发展水平、市场营销力度、旅游设施与服务、目的地可进入性、旅游集散接驳程度、旅游公共服务质量、语言沟通便捷度、签证制度及城市智慧服务等旅游综合供给能力相对高于中西部地区城市。
3.2 入境过夜游客目的地城市亲景度时空特征分析
3.2.1 入境过夜游客目的地城市亲景度时间演化特征
采用改进后的亲景度模型计算各客源国亲景度并分析其强弱变化与涨落演化特征（图4）。可知，韩国、新加坡、法国与德国是强亲景客源国，日本、美国、俄罗斯、泰国、马来西亚、加拿大、英国与澳大利亚是弱亲景客源国。韩国、俄罗斯、马来西亚、法国、德国与澳大利亚等国的亲景度上涨，其余国家的亲景度下降。
亲景度上涨的国家中，韩国的亲景度最高且涨幅最大，马来西亚与澳大利亚的涨幅相对较低。韩国、俄罗斯、法国、德国、马来西亚与澳大利亚的亲景值由初期的0.459、0.534、2.127、1.738、1.784、1.642升至末期的9.509、3.795、2.664、2.238、1.956、1.798，亲景度环比增长率均值分别为174.5%、87.8%、15.6%、21.5%、15%与12.4%。
亲景度下降的国家中，新加坡与菲律宾的降幅较大，日本与美国的降幅相对较小。新加坡、泰国、英国、菲律宾、加拿大、美国与日本的亲景度分别由初期的4.057、2.446、2.352、1.247、1.893、1.578、1.692降至末期的1.461、1.507、1.664、0.461、1.325、1.273、1.595，親景度降幅分别为64%、38.4%、29.3%、63%、30%、19.3%、5.7%。
3.2.2 入境过夜游客目的地城市亲景度空间格局分析 基于亲景度划分标准，采用GIS空间分析法探讨入境过夜游客亲景度的空间格局，发现入境过夜游客在我国维持高亲景度城市的数量整体上呈现由东向西逐步减少的分布特征，同时不同客源国的目的地城市选择偏好存在一定区别（图5）。
日本、韩国、菲律宾与俄罗斯入境过夜游客主要偏好我国东部城市，日本与韩国的亲景城市较多，菲律宾与俄罗斯的亲景城市较少。亲景度较高的城市包括：沈阳、天津、宁波、青岛、济南、秦皇岛、烟台、威海、连云港、大连、上海、无锡、杭州、苏州、南通、福州、厦门、泉州、湛江、漳州、三亚。
泰国、美国、英国与澳大利亚入境过夜游客对我国中部与西部城市具有较强的偏好。亲景度较高的城市包括中部的吉林、呼和浩特、郑州、洛阳、武汉、长沙、南昌、九江，西部的西安、西宁、兰州、重庆、成都、拉萨、贵阳、昆明、南宁、桂林。
马来西亚、新加坡、加拿大、法国与德国入境过夜游客对我国的东部、中部与西部城市均有较强的偏好。亲景度较高的城市包括东部的北京、承德、秦皇岛、济南、连云港、宁波、温州、南京、苏州、杭州、无锡、福州、厦门、泉州、漳州、湛江、深圳、珠海、汕头、中山、海口，中部的呼和浩特、太原、大同、长春、吉林、郑州、洛阳、武汉、长沙、九江、合肥、黄山，西部的成都、重庆、银川、兰州、拉萨、贵阳、南宁、桂林、昆明。
亲景度强弱可以反映出游客的偏好程度，与目的地城市旅游资源禀赋、经济发展水平、旅游距离、开放程度、市场营销等因素密切相关[11，14]，分析可知，入境过夜游客对我国东中部城市的亲景度相对高于西部地区，虽然在旅游资源禀赋方面东中部城市弱于西部城市，但整体上其经济发展水平、旅游产品开发、交通便捷度、对外贸易力度及开放程度等相对高于或早于西部地区，其旅游综合竞争力相对西部城市更強。
3.3 入境过夜游客目的地城市类型的识别分析
依据优势度与亲景度均值，采用优势度-亲景度矩阵识别出各入境客源国选择偏好下的不同发展类别的目的地城市（表1）。
韩国、日本与美国的目的地城市优势度与亲景度较高，优势度均值高于2，亲景度均值高于1.5，上述客源国对我国旅游城市具有较强的选择偏好，是需要维持并持续拓展的客源市场。上述客源国的优势度为5.178、3.353、3.156，亲景度为2.593、1.975、1.501，韩国成为高优势度与强亲景度客源国。群落生态学角度下，三大客源国是我国城市入境过夜客源市场的优势种群，是未来入境旅游发展的关键。其高-高型城市包括北京、沈阳、天津、青岛、大连、上海、苏州、无锡、南通、厦门、深圳、武汉、长沙、黄山、西安、重庆、成都等。
马来西亚、德国与俄罗斯的目的地城市优势度与亲景度相对较高，但弱于韩国、美国与日本。上述客源国的优势度为1.786、1.014、1.102，马来西亚的优势度最高;客源国亲景度为1.668、2.781、1.300，德国为强亲景客源市场。可见三大客源国在我国城市入境过夜客源市场格局中具备一定的种群优势，且选择偏好也较强，所以，未来需要加大对三大客源市场的培育与开发，以提升其市场份额。上述客源国高-高型城市包括承德、南京、无锡、福州、厦门、珠海、三亚、长春、哈尔滨、洛阳、武汉、昆明、桂林、乌鲁木齐等。
泰国、新加坡、加拿大、英国、法国与澳大利亚的目的地城市优势度比较低，但亲景度相对较高，是未来实现我国入境旅游振兴的重点客源市场。上述客源国的优势度均低于1，分别为0.654、0.917、0.834、0.908、0.770、0.78;亲景度为1.739、2.172、1.608、1.948、2.681、1.602，新加坡和法国成为强亲客源市场。整体来看，上述客源国虽然对我国城市具有较强的选择偏好，但在入境过夜客源市场格局中的种群优势比较低，所以，未来目的地城市需要加大对上述客源国的旅游供给资源的配置，以满足游客需要，提升其在目的地城市的优势度。上述客源国的高-高型城市包括杭州、无锡、宁波、厦门、广州、珠海、深圳、汕头、武汉、洛阳、郑州、长沙、西安、成都、昆明、重庆、桂林等。
菲律宾的目的地城市优势度与亲景度均小于1，分别为0.423、0.784，其在入境过夜客源市场格局中的种群优势程度最低。其高-高型城市主要包括天津、上海、宁波、厦门与南宁等少数城市。未来须继续提升其亲景度，以提高其在入境过夜客源市场格局中的层次。
4 结论与讨论
4.1 研究结论
（1）目的地城市入境过夜游客优势度保持上升态势，但增速下滑明显。优势度阶段环比增长率由初期的85%降至末期的15%。高优势度与低优势度客源国集中在亚洲地区，韩国、日本、马来西亚为高优势度客源国，菲律宾与泰国为低优势度客源国。
（2）优势度格局方面，承接入境过夜游客高优势度城市的数量整体上呈现出东中西逐步递减的空间分布特征，且具体客源国入境过夜游客的城市优势度也存在差异。日本、马来西亚、菲律宾与英国在我国东部城市保持较高的优势度;新加坡、美国、加拿大、德国、澳大利亚与俄罗斯在我国的东部与西部城市保持较高的优势度;韩国、泰国与法国在我国东部、中部与西部城市均保持较高的优势度。高优势度的共性城市包括东部的北京、上海、广州、深圳、天津、青岛、大连、苏州、杭州、无锡、南京、厦门、珠海、福州、沈阳，中部的武汉、郑州、洛阳、长沙、黄山，以及西部的成都、重庆、西安、昆明、桂林与南宁等。整体来看，不同客源国入境游客依旧在东部城市保持较高的优势度，并呈现出目的地选择路径依赖的特征，而在中西部地区，仅有省会城市和具有垄断性资源的中小城市具备较高的优势度。优势度格局的形成除受国家与区域宏观政策的影响外，还受各城市旅游供给综合发展水平以及承接入境过夜游客能力差异等内在因素的影响[3]，未来需要提升旅游供给综合发展能力才能更好地激活各“蓝海城市”入境过夜游客市场的发展活力。 （3）主要客源国对旅游城市的选择偏好以弱亲景为主。韩国、新加坡、法国与德国为强亲景客源国，菲律宾为弱疏景客源国，其余为弱亲景客源国。韩国、俄罗斯、马来西亚、法国、德国与澳大利亚为亲景度上涨客源国。
（4）亲景度格局方面，入境过夜游客在我国维持高亲景度城市的数量整体上呈现由东向西逐步减少的空间分布特征，同时不同客源国入境过夜游客的城市亲景偏好存在差异。日本、韩国、菲律宾与俄罗斯游客偏好我国的东部城市;泰国、美国、英国与澳大利亚游客偏好我国的中西部城市;马来西亚、新加坡、加拿大等国的游客对我国的东部、中部与西部城市均有较强的偏好。研究结论与李旭等的研究结果较为一致[14]，中西部城市对入境过夜游客的吸引力有望逐渐超过东部城市。高亲景度的共性城市包括东部的北京、上海、广州、深圳、济南、烟台、南京、无锡、苏州、福州、厦门、泉州、漳州、海口、珠海、湛江，中部的长春、吉林、大同、郑州、洛阳、武汉、长沙、南昌、九江、黄山，西部的西安、兰州、重庆、成都、拉萨、桂林、昆明、贵阳与南宁。总结发现，东部城市依然是入境过夜游客的首先选择，这印证了已有研究的部分结论[35]，资源丰富、交通便利与手续便捷的城市已经成为入境过夜游客的首选对象，同时在游客动机和偏好的共同作用与影响下，导致其目的地选择空间格局呈现差异。
（5）通过入境过夜游客目的地城市类型的识别分析，发现高-高型、高-低型城市相对较少，低-高型、低-低型城市较多。我国接待入境过夜游客高优势度目的地城市较少，从供给层面折射出我国旅游城市的入境过夜市场开发还有较大的拓展与提升空间。低-高型城市较多，则表明入境过夜游客对该类城市具有较强的选择需求与偏好，但由于城市旅游供给潜力未充分发掘，造成其接待入境过夜游客的优势度偏低，该类城市是未来重点开发与振兴的對象。低-低型城市则需要供需双方共同努力，既要提升城市供给能力，又要培育与提升游客的选择偏好，以实现目的地入境旅游市场份额的拓展。
（6）群落生态学视角下，依据旅游地理系统模型，可将60座旅游城市整体上视为目的地群落，并采用生态优势度来评价群落内部各种群重要性与发展优劣程度，以综合透视出该群落的结构特征及差异，而13个入境客源国代表需求群落，可用亲景度来表征各需求种群对目的地城市的选择偏好。目的地城市种群优势度的格局受目的地旅游产品、服务设施、安全保障、交通区位等供给因素[1，3，14]，以及出游方式、旅游期望与动机等[35]需求因素的综合影响（图6）。生态优势度较高的城市对入境过夜游客具有绝对的吸引力，是目的地群落的优势种群，在群落里面具有较高的发展地位与层次，以及较强的旅游综合供给能力，是目的地群落未来发展的关键。入境客源国亲景度的强弱受游客旅游期望、动机、满意度等因素的综合影响，反映了其对目的地城市选择偏好程度的高低，持续培育并提升其亲景度是目的地入境旅游得以持续发展与振兴的前提。
4.2 研究贡献
本研究主要从以下3个方面来增益对入境旅游市场研究的理解。首先，文章采用生态优势度与亲景度理论，以透视入境过夜游客市场对我国旅游城市的空间格局、层次及选择偏好特征，可强化对该市场空间结构异质性特征与规律的认识。通过识别入境过夜游客偏好下的目的地城市类型，可助力各城市更好地了解其在入境旅游发展格局中所处的地位与层次，以帮助其进行差异化的产业布局与市场营销。同时，新冠肺炎疫情影响下，探讨入境过夜游客所偏好的目的地城市类型，可为各城市重启与恢复入境旅游市场提供实践依据。
其次，依据旅游地理系统模型，将群落生态学理论迁移至入境旅游市场研究中，视目的地城市为供给群落，客源地视为需求群落，通过生态优势度模型与理论来探讨目的地城市的层次与地位，并识别目的地城市群落中的优势与重要的种群，深化了群落生态学理论与方法在旅游市场研究中的应用深度，并进一步丰富了入境旅游研究框架的内容。
第三，引入年均环比增长率这一指标，构建亲景度改进模型，弥补了原有模型注重市场规模而忽略增长能力的缺陷，从规模与增长率两个角度综合优化了亲景度的分析结果，一定程度上提升了研究结论的科学性与准确性。
4.3 研究启示
依据研究结果，从空间发展、线路设计与城市建设等方面为我国城市入境旅游市场开发提供以下启示。空间发展方面，可通过东部、中部与西部地区内部高优势度-高亲景度城市的联合开发来实现入境旅游振兴发展。具体来看，东部城市可采取“面状”发展共赢战略，主要是因为该地区高-高型城市较多，同时该地区城市具备经济发展水平较高、旅游资源丰富、基础服务设施完善、区域交通便捷等条件，城市整体的供给能力相对较强，通过东部高-高型城市的联合协作与共享开发，可带动并促进东部地区入境旅游市场的振兴发展。中部地区城市可采取“枝状”拓展发展战略，主要是基于中部地区具备承东启西的交通优势，该地区的高-高型城市主要以省会城市或交通枢纽城市为主，所以该类城市可依托便捷的交通优势，打造便捷高效的入境集散网络，以最大程度地带动该地区入境旅游市场的发展。第三，西部地区城市可采取“线状”关联发展战略，主要因为西部地区高-高型城市以省会城市为主，省会城市已成为该区域入境旅游发展的增长极与枢纽，所以可通过强化区域省会城市之间的交通联系与供给要素共享合作，带动该地区入境旅游市场份额的提升。
入境旅游线路设计方面，需要重新优化并推出国家与区域层面的“黄金旅游线路”。在我国入境旅游发展的早期，曾推出“北京—上海—西安—桂林”黄金旅游线路。但从研究结果来看，不同入境客源市场的选择偏好是存在区域差异的，固定化的旅游线路无法满足不同入境客源市场的需求，并会造成城市入境旅游供给资源的浪费，影响城市入境旅游市场的拓展。因此，可根据各客源市场所偏好的不同类型目的地城市，综合评估其旅游供给能力，针对不同客源市场推出国家与区域层面的黄金旅游线路，以满足市场差异化的需求，实现城市入境旅游的振兴发展。 需要从管理政策、服务质量、产业布局等方面综合提升目的地城市旅游供给水平。首先，出台入境旅游市场振兴与奖励政策，积极完善签证制度，强化对客源市场的营销管理，为入境旅游发展提供政策支持。其次，提高游客集散中心、酒店等接待部门的信息化与智能化水平，做好接待场所公共服务安全及突发事件的预警管理，并强化语言沟通的便利化程度，提升旅游的服务质量。第三，推进国内外旅游企业合作，提高国内企业与国外旅行社、酒店、国际航线等的协作程度，优化城市入境旅游产业布局。
4.4 不足与展望
本研究的不足之处体现在以下几个方面：首选，文章仅对入境过夜游客目的地城市的优势度与亲景度进行了整体分析，而对其空间格局历时性演变的探讨相对不足。其次，文章虽引入生态优势度理论，分析了目的地城市群落中各种群的重要性与优劣程度，但对各種群之间的互动关系，优势种群对城市群落发育与成长的影响及机理还缺乏研究。第三，影响入境过夜游客目的地选择的因素较为多样，文章虽然从供需角度梳理了影响目的地优势度与亲景度的因素，但缺乏不同阶段下供需多因素互动关系与驱动机制的实证分析。第四，受新冠疫情的影响，入境过夜游客的偏好与动机、行为决策、出游方式及目的地选择等将呈现何种变化也有待关注，未来将对上述问题进行持续探索。
参考文献（References）
[1] 马耀峰， 高杨. 新时代我国入境旅游政策协调与路径优化的审视[J]. 陕西师范大学学报（哲学社会科学版）， 2018， 47（2）： 30-36. [MA Yaofeng， Gao Yang. Review of China’s tourism policy coordination and path optimization of inbound tourism in the new era[J]. Journal of Shaanxi Normal University （Philosophy and Social Sciences Edition）， 2018， 47（2）： 30-36.]
[2] 刘军胜， 马耀峰. 目的地旅游供给游客感知评价与行为态度的比较研究——以西安市为例[J]. 经济管理， 2017， 39（7）： 134-148. [LIU Junsheng， MA Yaofeng. The comparative analysis of inbound tourists’ perception evaluation and behavior about destination tourism supply： Taking Xi’an city as an example[J]. Business Management Journal， 2017， 39（7）： 134-148.]
[3] 万绪才， 王厚廷， 傅朝霞， 等. 中国城市入境旅游发展差异及其影响因素——以重点旅游城市为例[J]. 地理研究， 2013， 32（2）： 337-346. [WAN Xucai， WANG Houting， FU Chaoxia， et al. The intercity difference and influencing factors of inbound tourism development in China： Taking the major tourism cities as an example[J]. Geographical Research， 2013， 32（2）： 337-346.]
[4] LIMA C， MCALEER M. Monthly seasonal variations： Asian tourism to Australia[J]. Annals of Tourism Research， 2001， 28（1）： 68-82.
[5] KOC E， ALTINAY G. An analysis of seasonality in monthly per person tourist spending in Turkish inbound tourism from a market segmentation perspective[J]. Tourism Management， 2007， 28（1）： 227-237.
[6] 林德荣， 张军洲. 旅游时间序列的季节性特征研究——以城市入境旅游为例[J]. 旅游学刊， 2015， 30（1）： 63-71. [LIN Derong， ZHANG Junzhou. Research on seasonality of tourism time series： Urban inbound tourism as a case study[J]. Tourism Tribune， 2015， 30（1）： 63-71.]
[7] 孙晓东， 倪荣鑫， 冯学钢. 城市入境旅游及客源市场的季节性特征研究——基于上海的实证分析[J]. 旅游学刊， 2019， 34（8）： 25-39. [SUN Xiaodong， NI Rongxin， Feng Xuegang. Exploring seasonality of urban inbound tourism from the perspective of source market structure： An empirical study on Shanghai， China[J]. Tourism Tribune， 2019， 34（8）： 25-39.]
[8] JANGSC S C， CHEN M H. Financial portfolio approach to optimal tourist market mixes[J]. Tourism Management， 2008， 29（4）： 761-770. [9] MUNOZ T G. Inbound international tourism to Canary Islands： A dynamic panel data model[J]. Tourism Management， 2006， 27（2）： 281-291.
[10] 唐洁尘， 陈双琴. 中国入境旅游需求弹性估算——基于误差修正模型[J]. 旅游科学， 2017， 31（5）： 65-81. [TANG Jiechen， CHEN Shuangqin. An estimation of demand elasticity of China’s inbound tourism—Based on the error correction model[J]. Tourism Science， 2017， 31（5）：65-81.]
[11] 马耀峰， 梁旺兵. 基于亲景度的美国旅华市场拓展研究——以我国六大旅游热点城市为例[J]. 旅游学刊， 2005， 20（1）： 35-38. [MA Yaofeng， LIANG Wangbing. A study on the development of the US visiting-China market based on preference scale[J]. Tourism Tribune， 2005， 20（1）： 35-38.]
[12] 成英文， 张辉. 城市入境旅游景气指数构建研究——以北京为例[J]. 旅游科学， 2013， 27（5）： 76-85. [CHENG Yingwen， ZHANG Hui. Research on the establishment of urban tourism prosperity index： A case study of Beijing[J]. Tourism Science， 2013， 27（5）： 76-85.]
[13] 王佳果， 吴忠军， 曹宏丽. “一带一路”背景下民族地区入境旅游时空特征[J]. 经济地理， 2017， 37（7）： 208-215. [WANG Jiaguo， WU Zhongjun， CAO Hongli. The spatial and temporal characteristics of inbound tourism in ethnic areas under the background of “the Belt and Road Initiatives”[J]. Economic geography， 2017， 37（7）： 208-215.]
[14] 李旭， 秦耀辰， 宁晓菊， 等. 中国入境游客旅游目的地选择变化及影响因素[J]. 经济地理， 2014， 34（6）： 169-175. [LI Xu， QIN Yaochen， Ning Xiaoju， et al. Destination choice change and its influencing factors of inbound tourists in China[J]. Economic Geography， 2014， 34（6）： 169-175.]
[15] WADE D J， MWASAG B C， EAGLES P F J. A history and market analysis of tourism in Tanzania[J]. Tourism Management， 2001， 22（1）： 93-101.
[16] 馬晓龙. 西安旅游区入境旅游流时空演变及系统调控[J]. 人文地理， 2006， 21（4）： 88-93. [MA Xiaolong. Temporal-spatial varieties of oversea tourists flow and its systematical adjusting in Xi’an tourism districts[J]. Human Geography， 2006， 21（4）： 88-93.]
[17] 李创新， 马耀峰， 张佑印， 等. 中国旅游热点城市入境客流与收入时空动态演化与错位——重力模型的实证[J]. 经济地理， 2010， 30（8）： 1372-1377. [LI Chuangxin， MA Yaofeng， ZHANG Youyin， et al An analysis of space-time dynamic evolution and dislocation of inbound tourism based on typical cities—With the gravity model as an empirical research[J]. Economic Geography， 2010， 30（8）： 1372-1377.]
[18] 秦静， 李郎平， 唐鸣镝， 等. 基于地理标记照片的北京市入境旅游流空间特征[J]. 地理学报， 2018， 73（8）： 1556-1570. [QIN Jing， LI Langping， TANG Mingdi， et al. Exploring the spatial characteristics of Beijing inbound tourist flow based on geotagged photos[J]. Acta Geographica Sinica， 2018， 73（8）： 1556-1570.]
[19] LUNDGREN J. Geography of tourism and leisure geographic concepts and the development of tourism research in Canada[J]. GeoJournal， 1984， 9（1）： 17-25. [20] BALAZ V. Japanese tourists in transition countries of central europe： Present behaviour and future trends[J]. Tourism Management， 1998， 19（5）： 433-443.
[21] GARIN M T， AMARAL T P. An econometric model for international tourism flows to Spain[J]. Applied Economics Letters， 2000， 7（8）： 525-529.
[22] 马耀峰， 李旭. 中国入境游客旅游选择模式研究[J]. 西北大学学报（自然科学版）， 2003， 60（5）： 575-580. [MA Yaofeng， LI Xu. A study of China inbound tourists selection patterns[J]. Journal of Northwest University （Natural Science Edition）， 2003， 60（5）： 575-580.]
[23] 张佑印， 马耀峰， 赵现红. 中国一级城市入境旅游流时空演变模式分析[J]. 城市问题， 2008， 26（2）： 90-94. [ZHANG Youyin， MA Yaofeng， ZHAO Xianhong. Analysis on the temporal and spatial evolution pattern of inbound tourism flow in China’s first-class cities[J]. Urban Problems， 2008， 26（2）： 90-94.]
[24] 朱竑， 吴旗韬. 中国省际及主要旅游城市旅游规模[J]. 地理学报， 2005， 60（6）： 919-927. [ZHU Hong， WU Qitao. Study on tourism size of provinces and primary cities in China[J]. Acta Geographica Sinica， 2005， 60（6）： 919-927.]
[25] 杨国良， 张捷， 艾南山， 等. 旅游流齐夫结构及空间差异化特征——以四川省为例[J]. 地理学报， 2006， 61（12）： 1281-1289. [YANG Guoliang， ZHANG Jie， AI Nanshan， et al. Zipf structure and difference degree of tourist flow size system： A case study of Sichuan Province[J]. Acta Geographica Sinica， 2006， 61（12）： 1281-1289.]
[26] 刘军胜， 马耀峰. 河南省城市入境旅游规模与位序差异化[J]. 经济地理， 2012， 32（6）： 150-155. [LIU Junsheng， MA Yaofeng. Research on disparity of inbound tourism size and rank for cities in Henan province[J]. Economic Geography， 2012， 32（6）： 150-155.]
[27] 胡静， 陈小娟， 陈磊， 等. 山东省入境旅游规模结构演化研究[J]. 中国人口·资源与环境， 2015， 25（7）： 170-176. [HU Jing， CHEN Xiaojuan， Chen Lei， et al. Study on the evolution of inbound tourism scale structure in Shandong province[J]. China Population， Resources and Environment， 2015， 26（7）： 170-176.]
[28] 魏颖， 马耀峰， 李创新. 口岸城市入境旅游流空间扩散路径实证研究——以上海市为例[J]. 旅游科学， 2010， 24（5）： 32-39. [WEI Ying， MA YaoFeng， LI Chuangxin. An empirical research on spatial diffusion paths of inbound tourist flows in Chinese port cities ： A case study of Shanghai[J]. Tourism Science， 2010， 24（5）： 32-39.]
[29] 吴良平， 张健. “一带一路”背景下入境客流集聚市场供给特征研究[J]. 旅游学刊， 2018， 33（7）： 40-51. [WU Liangping， ZHANG Jian. Research on the supply characteristics of the concentrated markets of inbound tourist flows under the background of “the Belt and Road Initiatives”[J]. Tourism Tribune， 2018， 33（7）： 40-51.]
[30] 王永明， 馬耀峰， 王美霞. 中国重点城市入境旅游空间关联网络特征及优化[J]. 人文地理， 2013， 28（3）： 142-147. [WANG Yongming， MA Yaofeng， WANG Meixia. Study on structure and optimization of inbound tourism network of key cities in China[J]. Human Geography， 2013， 28（3）： 142-148.] [31] 唐澜， 吴晋峰. 中国入境观光休闲旅游流空间结构与流动特征[J]. 经济管理， 2013， 35（10）： 130-142. [TANG Lan， WU Jinfeng. Research on the spatial structure and flow characteristic of Chinese inbound sightseeing and leisure tourist flows[J]. Business Management Journal， 2013， 35（10）： 130-142.]
[32] 保继刚， 甘萌雨. 改革开放以来中国城市旅游目的地地位变化及因素分析[J]. 地理科学， 2004， 23（3）： 365-370. [BAO Jigang， GAN Mengyu. Analysis on urban destinations in China： Status change and factors for the change since the reform era[J]. Scientia Geographica Sinica， 2004， 24（3）： 365-370.]
[33] 陈刚强， 许学强. 中国入境旅游规模空间分布变化及因素分析[J]. 地理科学， 2011， 31（5）： 613-619. [CHEN Gangqiang， XU Xueqiang. Evolution and its factors of spatial distribution of inbound tourism size in China[J]. Scientia Geogeraphica Sinica， 2011， 31（5）： 613-619.]
[34] 吴杨， 倪欣欣， 马仁锋. 入境旅游影响因素及其空间效应计量——以上海市为例[J]. 财经科学， 2016， 60（3）： 122-132. [WU Yang， NI Xinxin， MA Renfeng. The spatial correlation and difference of influencing factors of urban inbound tourism： A case study of Shanghai[J]. Finance Economics， 2016， 60（3）： 122-132.]
[35] 唐弘久， 保继刚. 我国主要入境客源地游客的时空特征及影响因素[J]. 经济地理， 2018， 38（9）： 222-230; 239. [TANG Hongjiu， BAO Jigang. Spatio-temporal characteristics and influencing factors of tourists from main inbound tourist source for Mainland China[J]. Economic Geography， 2018， 38（9）： 222-230; 239.]
[36] BALLIF F， BALLIO H O， Cebeci K. Impacts of exported Turkish soap operas and visa-free entry on inbound tourism to Turkey[J]. Tourism Management， 2013， 37： 186-192.
[37] LI G， LAW R， VU H Q， et al. Discovering the hotel selection preferences of Hong Kong inbound travelers using the Choquet Integral[J]. Tourism Management， 2013， 36： 321-330.
[38] LIU Y P， LI Y C， PARKPAIN P. Inbound tourism in Thailand： Market form and scale differentiation in ASEAN source countries [J]. Tourism Management， 2018， 64： 22-36.
[39] 郭峰， 吳晋峰， 王鑫， 等. 基于SNA的西安入境旅游市场“倒二八”结构研究[J]. 人文地理， 2011， 26（5）： 127-132. [GUO Feng， WU Jinfeng， WANG Xin， et al. Social network analysis of reversed praetor principle inbound tourism market of Xi’an[J]. Human Geography， 2011， 26（5）： 127-132.]
[40] 阮文奇， 郑向敏， 李勇泉， 等. 中国入境旅游的“胡焕庸线”空间分布特征及驱动机理研究[J]. 经济地理， 2018， 38（3）： 181-189; 199. [RUAN Wenqi， ZHENG Xiangming， LI Yongquan， et al. Spatial distribution characteristics and driving mechanism of “Hu Line” in inbound tourism in China[J]. Economic Geography， 2018， 38（3）： 181-189; 199.]
[41] 彭少麟. 广东亚热带森林群落的生态优势度[J]. 生态学报， 1987， 7（1）： 36-42. [PENG Shaolin. Ecological dominance of tropical forest communities in Guandong[J]. Acta Ecologica Sinica， 1987， 7（1）： 36-42.] [42] 李建荣， 石万成， 刘旭. 苹果园昆虫群落生态优势度研究[J]. 生态学杂志， 1996， 15（1）： 20-23. [LI Jianrong， SHI Wancheng， LIU Xu. Study of ecological dominance of insect communities in apple plantations[J]. Chinese Journal of Ecology， 1996， 15（1）： 20-23.]
[43] 陳玉福， 孙虎， 刘彦随. 中国典型农区空心村综合整治模式[J]. 地理学报， 2010， 65（6）： 727-735. [CHEN Yufu， SUN Hu， LIU Yansui. Reconstruction models of hollowed villages in key agricultural regions of China[J]. Acta Geographica Sinica， 2010， 65（6）： 727-735.]
[44] 史坤博， 杨永春， 杨欣傲， 等. 时间成本是否成为电子商务区位的核心机制——基于成都市O2O电子商务的实证分析[J]. 地理学报， 2016， 71（3）： 500-514. [SHI Kunbo， YANG Yongchun，YANG Xin’ao， et al. Does time dictate the location of e-commerce business： A study of O2O businesses in Chengdu， China[J]. Acta Geographica Sinica， 2016， 71（3）： 500-514.]
[45] 邹君， 杨玉蓉， 黄翅勤， 等. 中国区域虚拟水战略优势度评价[J]. 地理科学， 2009， 29（1）： 78-82. [ZOU Jun， YANG Yurong， HUANG Chiqin， et al. Concept and quantitative assessment of advantage value of regional virtual water strategy （AVRVWS） [J]. Scientia Geographica Sinica， 2009， 29（1）： 78-82.]
[46] 张新林， 赵媛， 许昕， 等. 中国天然气资源流动优势度时空演变特征[J]. 地理研究， 2016， 35（8）： 1457-1469. [ZHANG Xinlin， ZHAO Yuan， XU Xin， et al. Spatial and temporal evolution characteristics of natural gas resource mobility dominance in China[J]. Geographical Research， 2016， 35（8）： 1457-1469.]
[47] 刘秀梅， 李小锋. 围栏封育对新疆山地退化草原植物群落特征的影响[J]. 干旱区研究， 2017， 34（5）： 1077-1082. [LIU Xiumei， LI Xiaofeng. Effects of enclosure on plant community characters of degenerated steppe in Xinjiang[J]. Arid Zone Research， 2017， 34（5）： 1077-1082.]
[48] 傅伯杰. 黄土区农业景观空间格局分析[J]. 生态学报， 1995， 62（2）： 113-120. [FU Bojie. Spatial pattern analysis of agricultural landscape in loess region[J]. Acta Ecologica Sinica， 1995， 62（2）： 113-120.]
[49] 金凤君， 王成金， 李秀伟. 中国区域交通优势的甄别方法及应用分析[J]. 地理学报， 2008， 63（8）： 787-798. [JIN Fengjun， WANG Chengjin， LI Xiuwei. Discrimination method and its application analysis of regional transport superiority[J]. Acta Geographica Sinica， 2008， 63（8）： 787-798.]
[50] 唐礼俊. 佘山风景区景观空间格局分析及其规划初探[J]. 地理学报， 1998， 65（5）： 47-55. [TANG Lijun. The spatial pattern analysis of landscape and the landscape planning in Sheshan scenic spot[J]. Acta Geographica Sinica， 1998， 53（5）： 429-437.]
[51] 韩春鲜. 基于旅游资源优势度差异的新疆旅游经济发展空间分析[J]. 经济地理， 2009， 29（5）： 871-875. [HAN Chunxian. The spatial tourism economical development based on the superiority degree of tourism resources in Xinjiang[J]. Economic Geography， 2009， 29（5）： 871-875.]
[52] 晋秀龙， 陆林， 巩劼， 等. 旅游活动对九华山风景区大型土壤动物群落影响[J]. 地理研究， 2011， 30（1）： 103-114. [JIN Xiulong， LU Lin， GONG Jie， et al. Effects of tourism activities on soil macro fauna community in Mount Jiuhua scenic are[J]. Geographical Research， 2011， 30（1）： 103-114.] [53] 崔丹， 吴昊， 刘宏红， 等. 大都市区贫困带旅游精准扶贫模式与路径探析——以环京津贫困带22个国家级贫困县为例[J]. 中国软科学， 2019， 33（7）： 81-90. [CUI Dan， WU Hao， LIU Honghong， et al. Analysis the model and path of the tourism accurate poverty alleviation of the poverty belt around the metropolitan—A case study of 22 national-level impoverished counties in the poverty belt around Beijing and Tianjin[J]. China Soft Science， 2019， 33（7）： 81-90.]
[54] 郭向阳， 穆学青， 明庆忠， 等. 旅游地快速交通优势度与旅游流强度的空间耦合分析[J]. 地理研究， 2019， 38（5）： 1119-1135. [GUO Xiangyang， MU Xueqing， MING Qingzhong， et al. Spatial coupling between rapid traffic superiority degree and tourist flow intensity in tourist destinations[J]. Geographical Research， 2019， 38（5）： 1119-1135.]
[55] 李创新， 马耀峰， 张颖， 等. 1993—2008年区域入境旅游流优势度时空动态演进模式： 基于改进熵值法的实证研究[J]. 地理研究， 2012， 31（2）： 257-268. [LI Chuangxin， MA Yaofeng， Zhang Ying， et al. Dynamic evolution mode of regional dominance indexes of Chinese inbound tourism flows during 1993 to 2008： An empirical research based on modified entropy technology[J]. Geographical Research， 2012， 31（2）： 257-268.]
[56] 刘军胜， 马耀峰， 吴冰. 入境旅游流与区域经济耦合协调度时空差异动态分析——基于全国31个省区1993—2011年面板数据[J]. 经济管理， 2015， 37（3）： 33-43. [LIU Junsheng， MA Yaofeng， Wu Bing. Dynamic analysis of the time and space differences of the coordination degree between inbound tourism flow and regional economy： Based on panel data of 31 provinces and regions in 1993—2011[J]. Economic Management， 2015， 37（3）： 33-43.]
[57] 汪德根， 陳田. 中国旅游经济区域差异的空间分析[J]. 地理科学， 2011， 31（5）： 528-536. [WANG Degen， CHEN Tian. Spatial analysis for regional difference of tourism economy in China[J]. Scientia Geographica Sinica， 2011， 31（5）： 528-536.]
[58] 陈秀琼， 黄福才. 中国入境旅游的区域差异特征分析[J]. 地理学报， 2006， 61（12）： 1271-1280. [CHEN Xiuqiong， HUANG Fucai. Temporal change of regional disparity in Chinese inbound tourism[J]. Acta Geographica Sinica， 2006， 61（12）： 1271-1280.]
Spatial and Temporal Differentiation of Destination Choice and Urban
Type Identification of Chinese Inbound Overnight Tourists
LIU Junsheng1， MA Yaofeng2， LIU Yanxu3
（1. School of Economic &Management， Northwestern University， Xi’an 710127， China; 2. School of Geography and
Tourism， Shaanxi Normal University， Xi’an 710119， China; 3. State Key Laboratory of Earth Surface Processes and
Resource Ecology， Faculty of Geographical Science， Beijing Normal University， Beijing 100875， China）
Abstract：This research examined the spatial and temporal pattern characteristics and factors affecting destination preferences in inbound tourism markets. It identified and classified different types of international destination cities with respect to selection preferences for various tourist markets： it aimed to provide an important reference for promoting locations， thereby facilitating appropriate marketing toward revitalizing inbound tourism. The present study applied the theory of ecological dominance and preference; it employed statistical data for overnight tourists from 13 major tourist source countries who stayed at 60 tourist cities from 1991 to 2017. This investigation applied an improved model of dominance and preference and a dominance-preference matrix to analyze the spatial and temporal patterns of dominance and preference related to the overnight tourist market in the 60 cities; it categorized the cities into different types based on the demand for overnight tourist stays. The following results were obtained. （1） The numbers of overnight inbound tourists in the 60 cities generally maintained an upward trend; however， there was a clear decrease in the growth rate. The source countries with higher and lower advantages were mainly located in Asia. In China， the number of cities with large numbers of overnight visitors generally showed a gradual decrease from east to west. （2） South Korea， France， and Germany were strong pro-scenery source countries and displayed rising pro-scenery; Singapore was a strong pro-scenery source country， but it showed declining pro-scenery. In China， the number of inbound overnight tourists in cities with high pro-scenery presented a gradual decrease from east to west. （3） There were fewer cities with high dominance-high preference and high dominance-low preference; there were more cities with low dominance-high preference and low dominance-low preference. Cities with low dominance-high preference were the targets for future development and revitalization.
The novel aspects of the present investigation are threefold. First， by applying the theory of ecological dominance and pro-landscape， this study analyzed the spatial patterns， numbers， and preferences of overnight visitors in China’s tourist cities; it examined the heterogeneity characteristics and factors affecting the market for overnight visitors. By identifying the different types of destination cities chosen by overnight inbound tourists， this research can help cities better identify their situation relative to the development pattern of inbound tourism; it can help them conduct a differentiated industrial and marketing approach. With respect to the COVID-19 pandemic， this study identified the types of destination cities selected by overnight visitors; thus， it can provide a practical basis for those places to restore their inbound tourism market. Second， according to the model of the tourism geographic system， this study applied the theory of community ecology to an examination of the inbound tourism market; destination cities were regarded as the supply community and source areas as the demand community. The level and status of the destination cities were examined in terms of a model and theory related to ecological dominance. The advantages and sources areas for the destination cities were identified. In that way， this study enhances the application depth of community ecology theory and methods to research into inbound tourism markets; it enriches the research framework with respect to inbound tourism. Third， by employing the index of the average annual growth rate， this study developed an improved model for examining the pro-landscape degree. Thus， this investigation compensates for defects in the original model， which considered market scale but neglected growth. This research comprehensively optimized the analysis results of pro-landscape degree regarding the two factors of scale and growth rate; it enhances the scientificity and accuracy of the results obtained.
Keywords： tourist city; inbound overnight visitors; dominance model; improved model for preference; temporal and spatial patterns
[責任编辑：王 婧;责任校对：周小芳]