EN中文

中国生态旅游 >

2023 , Vol. 13 >Issue 5: 804 - 820

DOI: https://doi.org/10.12342/zgstly.20230044

专栏：自然灾害影响与旅游应对

中国涉旅自然灾害事件的时空分异与动态演变

  • 章坤 , 1 ,
  • 谢朝武 , 1, 2, * ,
  • 余军 1
展开
  • 1.华侨大学旅游学院，泉州 362021
  • 2.中国旅游研究院旅游安全研究基地，泉州 362021
* 谢朝武（1975-），男，教授，博士生导师，研究方向为旅游安全管理、文化遗产与旅游地管理。E-mail:

章坤（1995-），男，博士研究生，研究方向为旅游安全。E-mail:

收稿日期: 2023-04-17

  修回日期: 2023-07-20

  网络出版日期: 2024-01-10

基金资助

国家自然科学基金项目(41971182)

收起

Spatio-temporal differentiation and dynamic evolution of tourism-related natural disasters in China

  • Zhang Kun , 1 ,
  • Xie Chaowu , 1, 2, * ,
  • Yu Jun 1
Expand
  • 1. College of Tourism, Huaqiao University, Quanzhou 362021, China
  • 2. Center for Tourism Safety & Security Research of China Tourism Academy, Quanzhou 362021, China
* Xie Chaowu. E-mail:

Received date: 2023-04-17

  Revised date: 2023-07-20

  Online published: 2024-01-10

Fold

摘要

自然灾害是目的地旅游业高质量发展的重要影响因素。本研究以2011—2019年4 102起中国涉旅自然灾害事件为数据源，运用集中度指数、空间自相关、标准差椭圆、马尔科夫链等方法，从地理学时空视角对其时空分异及动态演变过程进行测度与分析。研究表明：（1）中国涉旅自然灾害事件具有类型多样、分布集中特征，台风、大雾、暴雨、冰雪、雷电、大风等是高发灾害事件类型。（2）涉旅自然灾害事件季节性显著，每年7—9月为事件高发月份，在空间上具有明显的区域集聚效应，华东、华南及西南地区为灾害事件高发区域。（3）不同类型涉旅自然灾害事件具有较强的空间异质性和区域集聚性，台风、崩塌、滑坡以及海浪等涉旅自然灾害事件局部空间关联特征明显。（4）动态演变上，中国涉旅自然灾害事件重心轨迹变化较大，总体分布格局受东南以及西南地区灾害事件规模影响显著，空间格局呈现“东南-西北”走向以及“西南-东北”走向的演变过程；马尔科夫链转移概率矩阵表明，涉旅自然灾害事件的动态演变具有一定的空间锁定效应和风险传递效应。本研究有助于弥补以往对涉旅自然灾害时空动态分析的不足，为旅游地自然灾害的防范与治理提供理论支撑与实践依据。

关键词： 涉旅自然灾害事件; 旅游安全; 时空分异; 动态演变; 马尔科夫链

本文引用格式

章坤 , 谢朝武 , 余军 . 中国涉旅自然灾害事件的时空分异与动态演变[J]. 中国生态旅游, 2023 , 13(5) : 804 -820 . DOI: 10.12342/zgstly.20230044

Abstract

Natural disasters are important influencing factors for the high-quality development of destination tourism. This paper takes 4, 102 tourism-related natural disasters in China from 2011 to 2019 as data source and uses the concentration index, spatial autocorrelation, standard deviation ellipse, and Markov chain to analyze the spatial differentiation and dynamic evolution process from the geographic spatio-temporal perspective. The study shows that: (1) China’s tourism-related natural disasters are characterized by concentrated distribution and a range of types, including typhoons, fog, rainstorms, snow and ice, thunder and lightning, and strong winds that pose high-frequency disaster events. (2) Tourism-related natural disasters exhibit seasonal characteristics in time, with July-September being the high-incidence month with a obvious regional agglomeration effect in space. The high-incidence areas of disasters are found in East China, South China, and Southwest China. (3) Spatial heterogeneity and regional agglomeration are observed for different types of tourism-related natural disasters, and the local spatial correlation characteristics of disasters such as typhoons, collapses, landslides, and waves are obvious. (4) The trajectory of the centre of gravity of China’s tourism-related natural disasters has changed considerably, and the overall distribution pattern is significantly impacted by the scale of disasters in the southeast and southwest regions. Moreover, the spatial pattern presents the “southeast-northwest” and “southwest-northeast” direction. The Markov chain transition probability matrix shows that the dynamic evolution of tourism-related natural disasters has a spatial locking effect and risk transfer effect. This study addresses the existing gaps in the analysis of the temporal and spatial dynamics of tourism-related natural disasters, providing theoretical support and a practical basis for preventing and managing natural disasters in tourist destinations.

Key words： tourism-related natural disasters; tourism safety; spatio-temporal differentiation; dynamic evolution; Markov chain

1 引言

自然灾害治理是新时代背景下消除和化解非传统安全威胁的一项重要任务[1]，同时也是旅游业安全发展的重大战略需求[2]。应急管理部数据显示，2022年中国各类自然灾害共造成1.12亿人次受灾，直接经济损失高达2 386.5亿元。中国自然灾害具有类型多样、发生频率高、受灾损失大等特点[3-4]。旅游业是一个高度敏感和脆弱的行业，容易遭受多方面灾害风险的冲击[5]，其中，自然灾害的突发性、严重性和破坏性导致其对旅游业发展具有重大影响。自然灾害不仅会对游客人身安全造成威胁，降低游客出游意愿，也会对旅游地造成严重破坏，导致旅游地客流量骤减、旅游竞争力下降[6-7]。自然灾害事件的发生具有较强的时间属性与地域分异特征[8-9]，厘清涉旅自然灾害事件的时空分异以及动态演变过程，有助于为旅游地自然灾害风险的应对与治理提供理论指导与实践依据，促进目的地旅游业的高质量发展。
从研究内容来看，国内外学者对涉旅自然灾害的研究主要集中在以下几个方面：（1）涉旅自然灾害的空间分布特征探究。有学者基于国家、地区、省域等不同空间尺度对涉旅自然灾害展开探索。研究发现，涉旅自然灾害事件在空间分布上具有集中性和复杂性等特征[10]，环境因素是导致涉旅自然灾害事件发生的主要原因[11]，台风、暴雨、雷电、大雾、海啸、火山爆发等是中国游客出境涉旅自然灾害高发事件[12]。（2）自然灾害对旅游业的影响研究。宏观影响层面，重大自然灾害会对旅游地生态环境、自然景观以及建筑设施等造成破坏[13-14]；中观影响层面，自然灾害会造成旅游地客流量下降[15]、旅游收入下滑[16]以及旅游地形象受损[17]，也会在一定程度上改变区域旅游格局，推动区域旅游经济网络的分化与重组[18]；微观影响层面，自然灾害会造成旅游从业人员失业[19]，影响游客对旅游地风险认知评估以及情感评估[20]，从而对游客的出游意愿、满意度、旅游体验等产生影响[21]。（3）旅游业自然灾害的应对与治理。如何减少自然灾害对旅游业影响是该领域重要研究议题[22]，Faulkner提出了包括预备、前驱、突发、过渡、恢复和解决等在内的六阶段灾害管理框架[23]，为旅游业自然灾害应对提供了理论依据，也有学者从应急管理[24]、自然灾害事件风险信息管理[25]等视角探索涉旅自然灾害的应对与防范。此外，如何有效做好灾后旅游业的恢复与重建也是学者关注重点[26]，相关研究主要集中在灾后旅游地市场重建[27]、新生旅游地的地方重构[28]、受灾地旅游动机修复[29]、受灾游客心理恢复[30]以及旅游业行业韧性提升[31]等相关议题。
国内外学者对涉旅自然灾害开展了一系列研究，为后续研究奠定了良好基础。从研究进展来看，以下方面仍存在进一步拓展空间：一是研究视角上，以往关于涉旅自然灾害事件的研究主要以重大自然灾害事件为载体，如2004年印度洋海啸、2008年汶川大地震、2017年九寨沟地震等[18,32]，侧重探索重大自然灾害事件对目的地以及微观个体的影响，鲜有研究从地理学视角对一般性、普遍性的涉旅自然灾害事件进行系统分析，而频繁发生的一般性、普遍性自然灾害的多次累积影响甚至超过大灾[33]。二是研究内容上，虽然已有研究对涉旅自然灾害的空间分布进行初步探索，但相关研究主要集中于涉旅自然灾害事件的空间差异性，对涉旅自然灾害事件的季节性特征、空间集聚效应以及动态演变过程鲜有涉及，有必要利用多元地理学方法揭示涉旅自然灾害事件的时空分异以及动态演变过程。
鉴于此，本研究运用多元地理学统计方法，以2011—2019年发生的4 102起中国涉旅自然灾害事件为数据源，从季节性、均衡性、集聚性以及变化性等多维度视角探索中国涉旅自然灾害事件的时空分异以及动态演变过程。以期能够在一定程度上填补以往研究对涉旅自然灾害时空动态分析的不足，为目的地涉旅自然灾害的预防与治理提供理论依据与实践参考。

2 数据来源与研究方法

2.1 数据来源

涉旅自然灾害事件是指由自然因素对游客的生命、财产等造成损害的事件。本研究以2011—2019年中国31个省、自治区、直辖市（不包含港澳台数据）旅游企业上报的“旅行社责任险统保示范项目”（以下简称“旅责险”）出险案例为数据源，从中筛选出具有完整记录的4 102起涉旅自然灾害事件。旅责险是国家强制要求旅行社为游客投保的险种，其全国覆盖率在80%以上，具有样本量大、信息真实等优点。本研究根据出险内容对涉旅自然灾害的时空要素以及事件类型等进行编码。依据国家标准《GB/T 28921—2012自然灾害分类与代码》对自然灾害的灾类与灾种的定义与分类，以及参考自然灾害相关研究[34]，将涉旅自然灾害划分为气象灾害、地质灾害以及海洋灾害3个大类，包括洪涝、高温、大风、雷电、冰雪、暴雨、大雾、台风、滑坡、泥石流、地震、崩塌、海浪等13个亚类。在地理分区上，将31个省份划分为华北、东北、华东、华中、华南、西北和西南七大地理区域[35]。

2.2 研究方法

2.2.1 集中度指数

利用集中度指数来反映涉旅自然灾害事件在1年内的集中分布程度[36]。集中度公式为：
R x = 1 2 ( r 2 + r 6 - r 8 - r 12 ) + 3 2 ( r 3 + r 5 - r 9 - r 11 ) + ( r 4 - r 10 )
R y = 1 2 ( r 3 - r 5 - r 9 + r 11 ) + 3 2 ( r 2 - r 6 - r 8 + r 12 ) + ( r 1 - r 7 )
M = R x 2 + R y 2
式中，M为集中度，ri为某月涉旅自然灾害事件占全年比例，i代表月份，Rx、Ry分别为x轴与y轴离散度，M取值范围为[0,1]，越趋于0表示涉旅自然灾害事件在1年内的12个月分布越均匀，越趋于1则表示其越集中在某1个月内。

2.2.2 地理集中指数

地理集中指数是衡量地理要素分布集中程度的重要指标，本研究采用地理集中指数来判断涉旅自然灾害事件在空间分布上的集中程度[37]。其计算公式为：
G = 100 ∑ i = 1 n X i T 2
式中，G为涉旅自然灾害事件的地理集中指数，Xi为i地区涉旅自然灾害事件数量，T为事件总数，n为研究区域个数。设G0为涉旅自然灾害事件平均分布于各地区时的地理集中指数，如G>G0则表明事件呈集中分布态势，反之，则表明事件呈分散分布态势。

2.2.3 空间自相关

利用全局空间自相关判断涉旅自然灾害事件在空间分布上是否存在集聚或分散特征，通常采用Moran’s I的正负及其显著性作为判断标准[38]。其计算公式为：
M o r a n ’ s I = ∑ i = 1 n ∑ j = 1 n W i j ( Y i - Y - ) ( Y j - Y - ) s 2 ∑ i = 1 n ∑ j = 1 n W i j
式中，n为研究区域数量；Yi为区域i观察值，Wij为空间权重矩阵，s2为属性值方差， Y -为Yi平均值。Moran’s I的取值范围为[-1，1]，若Moran’s I大于0则表示涉旅自然灾害事件呈现空间正相关，小于0则表示存在空间负相关，等于0则表示不存在空间自相关。此外，采用局部空间自相关进一步识别不同类型涉旅自然灾害事件的局部空间关联特征[39]。

2.2.4 标准差椭圆

利用标准差椭圆探究涉旅自然灾害事件的重心演变轨迹以及整体空间格局变动状况。标准差椭圆是一种经典地理学统计方法，主要用于揭示地理要素空间分布的全局特征，能够从椭圆重心、分布方向、整体形态、覆盖范围等多角度刻画地理要素的整体空间分布格局和时空演变过程[40]。标准差椭圆的主要参数估计方式详见赵璐和赵作权[41]的研究。

2.2.5 马尔科夫链

利用马尔科夫链探究涉旅自然灾害事件在时空连续过程上的动态演变特征。马尔科夫链是一种时间和状态均为离散的马尔科夫过程[42]，不同类型的涉旅自然灾害事件可视为旅游地在不同阶段内经过的不同风险状态，通过构造不同类型涉旅自然灾害事件转移概率矩阵，测算其概率分布以及随时间发展的变化状况，以此刻画涉旅自然灾害事件的动态演变过程。转移概率Pij是由状态i转移到状态j的概率，研究单元的不同阶段状态可用n×n的转移概率矩阵M表示[43]。矩阵M及Pij的计算公式分别如下：
M = L 11 L 12 . . . L 1 j L 21 L 22 . . . L 2 j . . . . . . . . . . . . L i 1 L i 2 . . . L i j
P i j = L i j L i
式中，元素Lij为研究时段内t时期i类型涉旅灾害事件转变到t+1时期j类型涉旅灾害事件的数量之和。Li为研究时段内所有年份i类型涉旅灾害事件的数量之和。

3 结果分析

3.1 类型分布特征

2011—2019年中国涉旅自然灾害事件类型分布如表1所示。从事件大类来看，气象灾害共有3 570起，占比高达87.03%；其次为地质灾害，共有481起，占比为11.73%；海洋灾害分布相对较少，占比仅为1.24%。从事件亚类来看，在气象灾害中，分布最多的为台风灾害，事件数量为1 284起，占总事件数量的比例高达31.30%，其次为大雾灾害，事件占比为20.01%、暴雨灾害和冰雪灾害分布也较多，占比分别为13.60%和12.07%，雷电灾害（2.88%）、大风灾害（2.78%）、高温灾害（2.24%）以及洪涝灾害（1.15%）等灾害事件占比相对较少；在地质灾害中，崩塌灾害分布最多，占总体事件比例的5.00%，其次为地震灾害（3.22%）和泥石流灾害（2.58%），滑坡灾害分布相对较少，事件占比仅为0.93%；在海洋灾害中，海浪灾害共发生51起，占总体事件比例的1.24%。整体来看，涉旅自然灾害表现出数量集中和类型多样特征，台风灾害、大雾灾害、暴雨灾害为主要涉旅自然灾害事件类型。
表1 2011—2019年中国涉旅自然灾害事件类型分布

Tab. 1 Distribution of tourism-related natural disaster types in China from 2011 to 2019

大类 亚类 数量（起） 占比（%） 大类 亚类 数量（起） 占比（%）
气象灾害 台风灾害 1 284 31.30 气象灾害 洪涝灾害 47 1.15
大雾灾害 862 21.01 地质灾害 崩塌灾害 205 5.00
暴雨灾害 558 13.60 地震灾害 132 3.22
冰雪灾害 495 12.07 泥石流灾害 106 2.58
雷电灾害 118 2.88 滑坡灾害 38 0.93
大风灾害 114 2.78 海洋灾害 海浪灾害 51 1.24
高温灾害 92 2.24

3.2 时间变化特征

3.2.1 年度变化

2011—2019年中国涉旅自然灾害事件的时间分布如图1所示。从事件大类的年份分布来看（图1a），2011—2019年中国涉旅自然灾害事件分布数量呈现动态起伏的变化特征，其中，2013年和2016年是两个高发时间节点，主要原因在于2013年中国自然灾害较为严重，极端天气频发，台风灾害数量偏多且较为集中；而2016年台风灾害、暴雨灾害频发。从事件亚类的年份分布来看（图1c），台风灾害、大雾灾害、暴雨灾害、冰雪灾害是每年高发涉旅自然灾害事件类型，4类涉旅自然灾害事件平均每年合计占比都超过了80%。此外，在个别年份部分涉旅自然灾害事件呈现异常分布特征，如受2017年九寨沟地震影响，涉旅地震灾害事件在该年份呈显著增加态势。
图1 2011—2019年中国涉旅自然灾害事件时间分布

Fig. 1 Temporal distribution of tourism-related natural disasters in China from 2011 to 2019

3.2.2 季度变化

2011—2019年中国涉旅自然灾害事件的集中度指数如表2所示。由表2可知，涉旅自然灾害事件的集中度数值居于[0.17,0.94]范围内，整体均值为0.50，表明全国涉旅自然灾害事件整体上存在较为明显的季节性变化特点，其中，2014年涉旅自然灾害事件季节性相对较弱，集中度指数仅为0.17，而2017年涉旅自然灾害事件季节性最强，集中度指数高达0.94。此外，2012年、2018年以及2019年集中度指数也都超过了整体均值，表现出较强的季节性特征。从事件大类的月份分布来看（图1b），涉旅自然灾害事件在月份分布上具有明显的集中性，其中，7—9月为全年涉旅灾害事件高发月份。从事件亚类的月份分布来看（图1d），不同类型涉旅自然灾害事件在各月份具有不同的表现特征，其中，台风灾害主要集中在7—10月，暴雨灾害主要集中在4—7月，冰雪灾害主要集中在11月到次年2月。综合来看，涉旅自然灾害事件具有明显的季节性特征，存在事件高发月份和低发月份，7—9月为涉旅自然灾害事件高发月份，此外，不同类型的涉旅自然灾害事件在季度分布上也呈现出一定的规律性。
表2 2011—2019年中国涉旅自然灾害事件集中度指数

Tab. 2 Concentration index of tourism-related natural disasters in China from 2011 to 2019

年份 2011 2012 2013 2014 2015 2016 2017 2018 2019
集中度 0.33 0.71 0.39 0.17 0.48 0.40 0.94 0.59 0.51

3.3 空间集聚与分异特征

3.3.1 空间整体格局

利用地理集中指数来判断涉旅自然灾害事件空间分布的集中性（表3）。假设涉旅自然灾害事件平均分布于各省份，则此时地理集中指数为17.96，从实际数值来看，2011—2019年涉旅自然灾害事件的地理集中指数都超过了17.96，表明在省域尺度上中国涉旅自然灾害事件具有明显的集中分布态势。主要原因可能在于，不同地区的地理环境差异较大，导致涉旅自然灾害风险也具有较大的区域差异性。进一步利用空间可视化技术探究涉旅自然灾害事件的空间格局特征。借助ArcGIS软件将2011—2019年各地涉旅自然灾害事件数量进行空间可视化，采用自然断点法将事件数量分为低频、中低频、中频、中高频以及高频等5个等级（图2）。
表3 2011—2019年中国涉旅自然灾害事件地理集中指数

Tab. 3 Geographical concentration index of tourism-related natural disasters in China from 2011 to 2019

年份 2011 2012 2013 2014 2015 2016 2017 2018 2019
地理集中指数 27.01 26.94 32.10 27.03 27.76 30.58 38.70 29.48 30.93
图2 2011—2019年中国涉旅自然灾害事件空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号GS(2019)1822号的标准地图制作，底图无修改。

Fig. 2 Spatial distribution of tourism-related natural disasters in China from 2011 to 2019

整体来看，2011—2019年全国涉旅自然灾害事件的空间分异特征显著，其中，事件发生频率较高的省份主要集中西南、华东以及华南地区，事件低频省份主要集中在东北和西北地区。分阶段来看：①2011—2013年，事件发生等级为中频和高频的省份主要有福建、广东、四川以及云南等地，该阶段涉旅自然灾害事件整体分布状况受地质灾害影响较大，如2013年云南镇雄滑坡[44]、四川雅安芦山地震[45]都对当地旅游业发展造成重大影响，相关涉旅自然灾害事件频发。从空间格局来看，该阶段涉旅自然灾害事件分布等级为中高频及以上的区域单元呈现扩张趋势。②2014—2016年，经历中高频等级及以上的省份主要有福建、河南、广东、云南、四川等地，该阶段涉旅自然灾害事件受气象灾害和地质灾害影响较大，特别是受2016年台风“莫兰蒂”影响，东南沿海省份的台风灾害、暴雨灾害、大风灾害等发生频率较高[46-47]，2016年云南地质灾害影响也较为突出[48]，对该年度涉旅自然灾害空间分布格局产生较大影响。从空间格局来看，该阶段涉旅自然灾害事件空间格局呈现较为明显的变化态势，西南、华南、华东以及华中等地区省份的涉旅自然灾害事件分布等级都有经历中高频及以上的变动。③2017—2019年，仅有四川和广东的涉旅自然灾害事件分布等级经历了中高频及以上的变动，该阶段四川涉旅自然灾害事件数量表现突出，主要原因在于受2017年九寨沟地震影响[49]，导致相关涉旅自然灾害事件频发。九寨沟作为国内外知名景区，地震的发生使整个四川省旅游业受损严重，涉旅自然灾害事件在该时期迅速增加。从空间格局来看，该阶段涉旅自然灾害事件的空间格局保持一定程度的稳定态势，整体变动幅度较小。

3.3.2 空间集聚性分析

借助Stata软件，以空间邻接矩阵作为评价权重，计算2011—2019年中国涉旅自然灾害事件的全局莫兰指数（表4）。由表4可知，除2011年和2016年莫兰指数为负值外，其余年份的莫兰指数均为正值，表明涉旅自然灾害事件的空间分布可能存在空间正相关关系。进一步对莫兰指数进行显著性检验，结果显示，2012年（Moran’s I =0.252，p<0.05）、2014年（Moran’s I =0.192，p<0.05）、2018年（Moran’s I =0.218，p<0.05）以及2019年（Moran’s I =0.215，p<0.05）涉旅自然灾害事件的莫兰指数均显著为正，表明上述年份的涉旅自然灾害事件呈现出较为明显的空间集聚态势，即涉旅自然灾害事件发生频率较高的区域在空间上相邻近，事件发生频率较低的区域也趋于邻近。从莫兰指数变化来看，2011—2019年涉旅自然灾害事件的莫兰指数整体呈现“上升-下降-上升”的变化趋势，表明涉旅自然灾害事件的空间自相关性先趋于增强、再趋于削弱、后趋于增强，不同年份涉旅自然灾害事件的集聚程度存在动态变化性。
表4 2011—2019年中国涉旅自然灾害事件全局莫兰指数

Tab. 4 Global Moran index of tourism-related natural disasters in China from 2011 to 2019

年份 2011 2012 2013 2014 2015 2016 2017 2018 2019
Moran’s I -0.100 0.252 0.056 0.192 0.119 -0.010 0.002 0.218 0.215
p值 0.553 0.012 0.403 0.039 0.111 0.820 0.608 0.005 0.023
空间格局 随机 集聚 随机 集聚 随机 随机 随机 集聚 集聚

3.4 不同类型涉旅自然灾害事件空间关联特征

由于我国地理环境差异较大，不同地区自然灾害风险存在较大差异性[4]，因此有必要对不同类型涉旅自然灾害事件的空间关联特征以及空间集聚效应进行探讨。以2011—2019年各省份不同类型涉旅自然灾害事件数量为基础，利用空间自相关方法揭示涉旅自然灾害事件的局部空间关联特征。利用Geoda软件和R语言编程工具绘制2011—2019年不同类型涉旅自然灾害事件的局部莫兰指数散点图（图3），将涉旅自然灾害事件划分为4种分布模式：①第一象限为高高（H-H）类型集聚区，表明本省域和相邻省域的涉旅自然灾害事件数量均相对较高，空间上的关联表现为事件高发区域的空间集聚。②第二象限为低高（L-H）类型集聚区，表现为本省域涉旅自然灾害事件数量较低，而相邻省域的涉旅自然灾害事件数量相对较高，空间上的关联表现为事件发生频率由低到高的过渡区域。③第三象限为低低（L-L）类型集聚区，表现为本省域和邻近省域的涉旅自然灾害事件数量均相对较低，空间上的关联表现为事件低发区域的空间集聚。④第四象限为高低（H-L）类型集聚区，表现为本省域的涉旅自然灾害事件数量较高，而相邻省域的灾害事件数量相对较低，空间上的关联表现为中间区域事件发生频率高而外围区域事件发生频率低的空间极化模式。
图3 2011—2019年中国涉旅自然灾害事件莫兰指数散点分布

Fig. 3 Scattered distribution of Moran’I of tourism-related natural disasters in China from 2011 to 2019

图3中，横坐标表示各空间单元标准化后的数值，纵坐标表示其滞后值。莫兰指数的显著性检验表明，台风灾害、崩塌灾害、滑坡灾害以及海浪灾害等涉旅灾害事件具有较强的空间集聚效应。具体来看：①气象灾害中，台风、大雾以及暴雨灾害的H-H集聚区具有一定的相似性，主要分布在上海、浙江、福建、广东、广西、海南等地；冰雪灾害的H-H集聚区主要分布在辽宁、吉林、山东、四川等地；雷电灾害的H-H集聚区主要分布在福建、广东等地；高温和洪涝灾害的H-H集聚区分布范围较广，涉及多个省、自治区和直辖市。②地质灾害中，崩塌、泥石流、滑坡灾害的H-H集聚区主要分布在重庆、贵州、云南等地，地震灾害的H-L集聚区以四川为主。③海洋灾害中，海浪灾害的H-H集聚区主要分布在福建、广东、海南等地。综合来看，不同类型涉旅自然灾害事件的空间分布具有较强的广泛性、异质性与区域集聚性，大雾、暴雨、冰雪、雷电、大风、洪涝等涉旅自然灾害事件地域分布范围较广，台风、海浪灾害在华东与华南地区集聚效应明显，崩塌、滑坡、泥石流等涉旅自然灾害事件在西南地区集聚效应明显。

3.5 动态演变特征

3.5.1 重心演变特征

利用标准差椭圆探究中国涉旅自然灾害事件的动态演变特征，进一步揭示涉旅自然灾害事件的发生规模、空间格局以及重心轨迹的变化过程。2011—2019年中国涉旅自然灾害事件标准差椭圆及重心分布如图4所示。
图4 2011—2019年中国涉旅自然灾害事件标准差椭圆及重心分布

注：该图基于自然资源部标准地图服务网站下载的审图号GS(2019)1822号的标准地图制作，底图无修改。

Fig. 4 Standard deviation ellipse and gravity center distribution of tourism-related natural disasters in China from 2011 to 2019

由图4可知，从椭圆覆盖范围来看，研究期内标准差椭圆覆盖范围较广，囊括中国多个省、自治区和直辖市，主要集中于东南、华南、西南、华中和华北地区，表明涉旅自然灾害事件分布地域较广；标准差椭圆的覆盖范围呈现“缩小-扩大-缩小”的演变态势，表明中国涉旅自然灾害事件发生规模经历了降低到提高再到降低的变化过程。从椭圆重心来看，研究期内涉旅自然灾害事件的标准差椭圆重心在108.26°E~115.65°E，29.05°N~31.79°N之间移动，且重心主要落在湖北省、湖南省以及重庆市三地。具体来看，2011—2012年椭圆重心分别位于湖北省的襄阳市和武汉市；2013年椭圆重心向南移动，位于湖南省张家界市；2014—2016年椭圆重心整体向北移动，落于湖北省境内的随州市、孝感市和荆州市；2017年椭圆重心发生较大变化，向西移动方向明显，椭圆重心落于重庆市境内，椭圆重心变化与2017年四川九寨沟地震有较大的关系；2018—2019年，椭圆重心向东移动方向明显，分别落于湖北省的荆州市和黄冈市。从椭圆分布格局来看，不同年份的标准差椭圆分布格局呈现一定的差异性，主要表现为“东南-西北”走向以及“西南-东北”走向两种分布格局。结合涉旅自然灾害事件的空间分布状况，2013年、2017年西南地区涉旅自然灾害事件多发，该年份标准差椭圆主要呈现“西南-东北”走向，而其余年份的华东、华南地区的涉旅自然灾害事件呈高发态势，标准差椭圆呈现出“东南-西北”走向，表明东南地区以及西南地区的涉旅自然灾害事件发生规模对涉旅自然灾害事件整体空间分布格局具有较强影响。综合来看，中国涉旅自然灾害事件分布范围较广，分布规模呈现动态起伏的变化特征，不同地区涉旅灾害事件发生规模对总体空间格局具有较强影响，同时涉旅自然灾害事件的分布不仅受到自然灾害总体分布状况的影响，也与目的地旅游业接待规模具有较强的相关性。

3.5.2 风险传递特征

上述分析结果揭示了涉旅自然灾害事件存在较为明显的空间关联特征，但灾害事件风险在时空连续过程中存在怎样的动态演变特征还有待进一步揭示。为此，本研究通过构建马尔科夫转移概率矩阵来揭示涉旅自然灾害事件风险类型的动态演变特征。基于马尔科夫链模型得出2011—2019年中国涉旅自然灾害事件风险类型转移概率矩阵（表5）。表5中，对角线元素表示灾害风险类型向自身转移的概率，非对角线的元素表示不同类型涉旅灾害风险的转移概率。根据马尔科夫链转移概率矩阵可以判断，中国涉旅自然灾害事件的动态演变具有以下特征：①涉旅自然灾害事件的动态演变具有一定的空间锁定效应。从对角线元素，即不同类型涉旅自然灾害风险自身转移概率来看，地震和台风灾害自身转移概率分别为52.27%、53.14%，都超过了50%，即一个地区在前一时间节点发生地震灾害或台风灾害，在后续阶段再次发生该灾害风险的概率分别为52.27%和53.14%。主要原因在于该类灾害事件的空间分布具有较强的地域导向性，如地震灾害主要分布于西南地区，而台风灾害主要集中在华东和华南地区。此外，自身转移概率超过20%的涉旅自然灾害事件还包括暴雨灾害、崩塌灾害、冰雪灾害以及大雾灾害。②涉旅自然灾害事件的动态演变具有风险传递效应。从非对角线元素，即不同类型涉旅自然灾害风险之间的转移概率来看，暴雨、洪涝、大雾、台风、海浪、泥石流、冰雪、滑坡、崩塌等涉旅灾害风险之间具有较强的风险传递效应。
表5 2011—2019年中国涉旅自然灾害事件马尔科夫转移概率矩阵

Tab. 5 Markov transition probability matrix of tourism-related natural disasters in China from 2011 to 2019

灾害类型 1 2 3 4 5 6 7 8 9 10 11 12 13
1暴雨灾害 21.62 2.52 12.25 2.88 20.54 2.70 2.16 1.26 1.62 0.90 4.14 2.70 24.68
2崩塌灾害 11.22 26.83 16.10 0.49 17.07 3.90 0.98 0.49 0.98 3.41 1.95 6.34 10.24
3冰雪灾害 12.32 7.27 26.67 2.42 21.82 1.21 3.43 0.00 1.62 1.62 1.62 5.45 14.55
4大风灾害 10.62 3.54 14.16 14.16 25.66 0.00 1.77 0.00 0.88 1.77 2.65 0.88 23.89
5大雾灾害 11.73 3.83 12.54 2.79 27.99 2.32 1.97 1.16 0.93 0.35 3.25 2.21 28.92
6地震灾害 10.61 4.55 7.58 3.03 12.88 52.27 1.52 0.00 0.76 0.76 0.76 2.27 3.03
7高温灾害 18.48 4.35 16.30 1.09 20.65 1.09 2.17 0.00 0.00 1.09 7.61 4.35 22.83
8海浪灾害 11.76 0.00 0.00 1.96 17.65 0.00 1.96 0.00 1.96 1.96 3.92 0.00 58.82
9洪涝灾害 21.28 2.13 14.89 0.00 14.89 4.26 4.26 2.13 4.26 0.00 4.26 2.13 25.53
10滑坡灾害 13.16 26.32 28.95 0.00 13.16 0.00 0.00 0.00 0.00 2.63 0.00 7.89 7.89
11雷电灾害 25.64 2.56 3.42 1.71 21.37 1.71 2.56 0.85 2.56 1.71 5.98 4.27 25.64
12泥石流灾害 18.87 14.15 26.42 0.00 13.21 2.83 1.89 0.94 0.94 3.77 0.00 10.38 6.60
13台风灾害 10.49 1.68 4.75 2.83 18.30 0.46 2.22 2.30 0.84 0.23 2.45 0.31 53.14

4 结论与建议

4.1 结论

涉旅自然灾害是目的地旅游业高质量发展的重要影响因素，本研究以2011—2019年中国4 102起涉旅自然灾害事件为数据源，利用集中度指数、地理集中指数、空间自相关等方法，从季节性、均衡性和集聚性等视角揭示了中国涉旅自然灾害事件的时空分异特征；利用标准差椭圆和马尔科夫链方法从重心轨迹迁移以及风险传递视角探究了涉旅自然灾害事件的动态演变过程，研究结果不仅有助于弥补当前研究对涉旅自然灾害时空动态分析的不足，同时也进一步丰富了涉旅自然灾害研究内容与研究视角。主要结论如下。
（1）中国涉旅自然灾害事件具有类型广泛和数量集中的特征，涉旅自然灾害事件主要表现为气象灾害、地质灾害以及海洋灾害3个大类，其中，气象灾害事件占比高达87.03%。从亚类事件分布来看，台风、大雾、暴雨以及冰雪是中国涉旅自然灾害事件的主要亚类事件。
（2）中国涉旅自然灾害事件在年度上呈现动态起伏的变化特征，2013年和2016年是涉旅自然灾害事件高发年份，与该年度自然灾害总体分布状况密切相关；从月份分布来看，涉旅自然灾害事件具有较强的季节性特征，存在明显的事件高发月份与低发月份，每年7—9月份为事件高发月份。此外，不同类型涉旅自然灾害事件在季度分布上也呈现出一定的规律性。
（3）中国涉旅自然灾害事件的空间分布具有较强的不均衡性，全局莫兰指数表明涉旅自然灾害事件具有较强的空间自相关性，事件高发区域主要集中在华东、华南和西南地区；不同类型涉旅自然事件的空间分布也具有较强广泛性、异质性与区域集聚性，其中，大雾、暴雨、冰雪、雷电、大风、洪涝等灾害事件分布范围较广，台风、海浪等灾害事件在华东与华南地区集聚效应明显，崩塌、滑坡、泥石流等灾害事件在西南地区集聚效应明显。
（4）动态演变上，中国涉旅自然灾害事件标准差椭圆重心轨迹变化明显，涉旅自然灾害事件的总体空间分布格局受东南地区和西南地区的灾害事件发生规模影响较大，呈现“东南-西北”走向以及“西南-东北”走向的演变过程。马尔科夫链转移概率矩阵表明，涉旅自然灾害事件的动态演变具有一定的空间锁定效应和风险传递效应。

4.2 建议

根据本文的研究结论，提出如下建议。
（1）重视涉旅自然灾害的安全治理。我国地理环境复杂多样，不同地区旅游安全保障水平存在较大的差异性。旅游地应高度重视涉旅自然灾害的安全治理，完善涉旅自然灾害应急管理体制，将涉旅自然灾害应急机制融入本地区安全管理体系，提升涉旅自然灾害治理水平。
（2）强化重点时期的涉旅自然灾害安全治理。由于涉旅自然灾害具有较强的季节性特征，旅游地可以根据本地区自然灾害发生特点，建立不同时间段的风险预防管理体制，推动安全管理关口前移；强化对重点时期的自然灾害风险监测预警与应急保障资源调度，提升涉旅自然灾害应急处置能力。
（3）强化涉旅自然灾害的区域性治理。不同地区涉旅自然灾害风险具有较大差异性，旅游地应建设和完善本地区自然灾害风险数据库，对本地主要自然灾害风险进行系统梳理与溯源分析，明确本地区涉旅自然灾害预防重点，制定区域化应急方案。
（4）强化涉旅自然灾害的协同治理。不同类型涉旅自然灾害之间具有一定的风险传递性，既要做好本地区常见自然灾害的预防与管理，也应强化跨部门、跨区域旅游安全应急合作机制建设，加强对自然灾害风险传递的监测与预警，提高涉旅自然灾害协同治理水平。
探究涉旅自然灾害事件的时空分异与动态演变过程能为旅游地自然灾害风险的预防与治理提供理论支撑与实践依据，同时也进一步扩充了旅游安全地理研究的实证基础。但本研究仍存在以下进一步完善的空间：一是在研究数据上，本研究以保险数据为基础，数据来源相对受限，未来可进一步拓宽涉旅自然灾害事件的数据来源，如将旅游企业数据、社交媒体数据等进一步整合到涉旅自然灾害事件研究中；二是在研究内容上，本研究未区分涉旅自然灾害事件的严重性级别及其影响的持续时间，未来研究可针对涉旅自然灾害的强度以及影响周期等展开进一步探索；三是在研究尺度上，本研究对省域尺度涉旅自然灾害事件展开探索，近年来中国出境旅游快速发展，基于更大区域尺度探索涉旅自然灾害事件的时空分异、动态演化以及驱动机制，是未来研究需要进一步拓展和推进的方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
程昌秀, 裴韬, 刘瑜, 等. 新时代自然灾害态势感知的实践与方法探索[J]. 地理学报, 2023, 78(3): 548-557.

DOI

[Cheng Changxiu, Pei Tao, Liu Yu, et al. The practice and method of natural disasters situational awareness in the new era[J]. Acta Geographica Sinica, 2023, 78(3): 548-557.]

DOI

[2]
谢朝武, 黄锐, 陈岩英. “一带一路”倡议下中国出境游客的安全保障: 需求、困境与体系建构研究[J]. 旅游学刊, 2019, 34(3): 41-56.

[Xie Chaowu, Huang Rui, Chen Yanying. Safety guarantees for outbound Chinese tourists under “the Belt and Road” Initiative: Demands, dilemmas, and system construction[J]. Tourism Tribune, 2019, 34(3): 41-56.]

[3]
史培军, 王季薇, 张钢锋, 等. 透视中国自然灾害区域分异规律与区划研究[J]. 地理研究, 2017, 36(8): 1401-1414.

DOI

[Shi Peijun, Wang Jiwei, Zhang Gangfeng, et al. Research review and prospects of natural disasters regionalization in China[J]. Geographical Research, 2017, 36(8): 1401-1414.]

DOI

[4]
刘毅, 杨宇. 历史时期中国重大自然灾害时空分异特征[J]. 地理学报, 2012, 67(3): 291-300.

DOI

[Liu Yi, Yang Yu. Spatial distribution of major natural disasters of China in historical period[J]. Acta Geographica Sinica, 2012, 67(3): 291-300.]

DOI

[5]
成观雄, 喻晓玲. 突发事件对边疆地区入境旅游的影响: 以新疆“7.5”事件为例[J]. 经济地理, 2015, 35(5): 204-208.

[Cheng Guanxiong, Yu Xiaoling. Impact of immigration tourism on the border areas emergencies: Xinjiang “7.5” incident as an example[J]. Economic Geography, 2015, 35(5): 204-208.]

[6]
Brown N A, Rovins J E, Feldmann-Jensen S, et al. Exploring disaster resilience within the hotel sector: A systematic review of literature[J]. International Journal of Disaster Risk Reduction, 2017, 22: 362-370.

DOI PMID

[7]
Liu Y, Cheng P, Ouyang Z. Disaster risk, risk management, and tourism competitiveness: A cross-nation analysis[J]. International Journal of Tourism Research, 2019, 21(6): 855-867.

DOI

[8]
李双双, 杨赛霓, 刘焱序, 等. 1960—2013年京津冀地区干旱-暴雨-热浪灾害时空聚类特征[J]. 地理科学, 2016, 36(1): 149-156.

DOI

[Li Shuangshuang, Yang Saini, Liu Yanxu, et al. Spatio-temporal clustering characteristics of drought, heavy rain and hot waves in the Beijing-Tianjin-Hebei region during 1960-2013[J]. Scientia Geographica Sinica, 2016, 36(1): 149-156.]

DOI

[9]
马恒, 刘甜, 牟翠翠, 等. 1987—2016年全球陆地气候气象及水文类灾害直接经济损失时空特征及贡献率分析[J]. 地理科学, 2020, 40(7): 1171-1180.

DOI

[Ma Heng, Liu Tian, Mu Cuicui, et al. Spatial-temporal patterns and influencing factor contributions of direct economic loss from climatological-meteorological-hydrological hazards in the world in 1987-2016[J]. Scientia Geographica Sinica, 2020, 40(7): 1171-1180.]

DOI

[10]
Yagoub M M, Al Yammahi A A. Spatial distribution of natural hazards and their proximity to heritage sites: Case of the United Arab Emirates[J]. International Journal of Disaster Risk Reduction, 2022, 71: 102827.

DOI

[11]
谢朝武, 章坤. 中国内河游轮旅游安全事件的时空格局及结构特征[J]. 华侨大学学报(哲学社会科学版), 2020(4): 63-71, 120.

[Xie Chaowu, Zhang Kun. On the time-space patterns and structural characteristics of cruise tourism safety accidents in China[J]. Journal of Huaqiao University (Philosophy & Social Sciences), 2020(4): 63-71, 120.]

[12]
谢朝武, 申世飞. 旅游地环境风险对中国旅游突发事件的影响及其区域分布研究[J]. 地理科学进展, 2013, 32(3): 455-464.

DOI

[Xie Chaowu, Shen Shifei. Influences of environmental risks of tourist destinations on tourism emergency events in China and their regional distributions[J]. Progress in Geography, 2013, 32(3): 455-464.]

DOI

[13]
黄锐, 谢朝武. 中国出境旅游安全事故时空分布格局及形成机制[J]. 人文地理, 2019, 34(6): 120-128.

[Huang Rui, Xie Chaowu. Temporal and spatial distribution patterns and formation mechanism of Chinese outbound tourists’ safety accidents[J]. Human Geography, 2019, 34(6): 120-128.]

[14]
张琪. 突发性自然灾害对旅游目的地影响机制研究[J]. 灾害学, 2019, 34(3): 18-20, 30.

[Zhang Qi. Study on the mechanism of the impact of sudden natural disasters on tourism destinations[J]. Journal of Catastrophology, 2019, 34(3): 18-20, 30.]

[15]
Lan T, Yang Y, Shao Y, et al. The synergistic effect of natural disaster frequency and severity on inbound tourist flows from the annual perspective[J]. Tourism Management Perspectives, 2021, 39: 100832.

DOI

[16]
傅蕴英, 宋沁蓓, 康继军. 自然灾害型重大危机事件对区域旅游业冲击的效果评估: 基于合成控制法的量化研究[J]. 旅游学刊, 2019, 34(6): 124-134.

[Fu Yunying, Song Qinbei, Kang Jijun. Evaluation of the impact of disaster crisis on regional tourism: Based on the synthetic control method[J]. Tourism Tribune, 2019, 34(6): 124-134.]

[17]
Wu L L, Shimizu T. Analyzing dynamic change of tourism destination image under the occurrence of a natural disaster: Evidence from Japan[J]. Current Issues in Tourism, 2020, 23(16): 2042-2058.

DOI

[18]
刘大均, 陈君子, 朱爱琴. “8·8”九寨沟地震冲击下区域旅游经济联系的格局及影响因素[J]. 经济地理, 2021, 41(3): 223-230.

[Liu Dajun, Chen Junzi, Zhu Aiqin. Spatial pattern and influential factors of regional tourism economic relations under the impact of Jiuzhaigou earthquake on August 8th, 2017[J]. Economic Geography, 2021, 41(3): 223-230.]

[19]
Bhati A, Upadhayaya A, Sharma A. National disaster management in the ASEAN-5: An analysis of tourism resilience[J]. Tourism Review, 2016, 71(2): 148-164.

DOI

[20]
Wang H Y. Determinants hindering the intention of tourists to visit disaster-hit destinations[J]. Current Issues in Tourism, 2017, 20(5): 459-479.

DOI

[21]
李敏, 张捷, 董雪旺, 等. 目的地特殊自然灾害后游客的认知研究: 以“5.12”汶川地震后的九寨沟为例[J]. 地理学报, 2011, 66(12): 1695-1706.

[Li Min, Zhang Jie, Dong Xuewang, et al. Study of tourist perception after the special natural disaster: A case study of Jiuzhaigou after “5.12” Wenchuan earthquake[J]. Acta Geographica Sinica, 2011, 66(12): 1695-1706.]

[22]
Huan T C, Beaman J, Shelby L. No-escape natural disaster: Mitigating impacts on tourism[J]. Annals of Tourism Research, 2004, 31(2): 255-273.

DOI

[23]
Faulkner B. Towards a framework for tourism disaster management[J]. Tourism Management, 2001, 22(2): 135-147.

DOI

[24]
赵东平. 突发自然灾害下旅游应急管理救护系统设计[J]. 灾害学, 2020, 35(2): 171-176.

[Zhao Dongping. Design of tourism emergency management and rescue system in case of sudden natural disaster[J]. Journal of Catastrophology, 2020, 35(2): 171-176.]

[25]
阮文奇, 张舒宁, 李勇泉. 自然灾害事件下景区风险管理:危机信息流扩散与旅游流响应[J]. 南开管理评论, 2020, 23(2): 63-74.

[Ruan Wenqi, Zhang Shuning, Li Yongquan. Risk management of scenic spots under natural disasters: Diffusion of crisis information flow and response of tourism flow[J]. Nankai Business Review, 2020, 23(2): 63-74.]

[26]
李蔚, 杨洋. 自然灾害与旅游目的地恢复营销[J]. 旅游学刊, 2022, 37(7): 8-10.

[Li Wei, Yang Yang. Natural disasters and the resumption of marketing in tourist destinations[J]. Tourism Tribune, 2022, 37(7): 8-10.]

[27]
刘世明, 李蔚. 灾后旅游市场赢回策略影响研究: 基于汶川地震后四川旅游的实证[J]. 旅游学刊, 2011, 26(12): 41-48.

[Liu Shiming, Li Wei. Study on the impact of tourists’ winning-back tactics after disasters: Based on the empirical study of tourism in Sichuan Province after Wenchuan earthquake[J]. Tourism Tribune, 2011, 26(12): 41-48.]

[28]
郑诗琳, 薛熙明, 朱竑. 新生的旅游地: 灾后重建背景下的地方重构: 以四川省彭州市白鹿镇为例[J]. 旅游学刊, 2017, 32(5): 59-70.

[Zheng Shilin, Xue Ximing, Zhu Hong. Newborn tourist place: The place reconstruction in “post-disaster recovery” contextualized Bailu Village, Pengzhou City, Sichuan Province[J]. Tourism Tribune, 2017, 32(5): 59-70.]

[29]
李敏, 张捷, 罗浩, 等. 基于旅游动机的旅游业灾后恢复重建研究: 以“5·12”汶川地震后的九寨沟为例[J]. 旅游学刊, 2012, 27(1): 39-48.

[Li Min, Zhang Jie, Luo Hao, et al. The study of post-disaster tourism recovery and reconstruction based on tourist motivations: The case of Jiuzhaigou after “5·12” Wenchuan earthquake[J]. Tourism Tribune, 2012, 27(1): 39-48.]

[30]
Haya I, Karni K, Shlomit W D. International tourists’ reactions to a natural disaster: Experiences of the 2015 earthquake in Nepal among Israeli travelers[J]. Journal of Traumatic Stress, 2016, 29(6): 522-529.

DOI

[31]
Filimonau V, De Coteau D. Tourism resilience in the context of integrated destination and disaster management (DM2)[J]. International Journal of Tourism Research, 2020, 22(2): 202-222.

DOI

[32]
Mair J, Ritchie B W, Walters G. Towards a research agenda for post-disaster and post-crisis recovery strategies for tourist destinations: A narrative review[J]. Current Issues in Tourism, 2016, 19(1): 1-26.

DOI

[33]
王瑛, 刘天雪, 李体上, 等. 中国中小型自然灾害的空间格局研究: 以地震、洪涝、旱灾为例[J]. 自然灾害学报, 2017, 26(4): 48-55.

[Wang Ying, Liu Tianxue, Li Tishang, et al. Study on spatial pattern of small and medium sized natural disasters in China: A case of earthquake, flood and drought[J]. Journal of Natural Disasters, 2017, 26(4): 48-55.]

[34]
吴吉东, 傅宇, 张洁, 等. 1949—2013年中国气象灾害灾情变化趋势分析[J]. 自然资源学报, 2014, 29(9): 1520-1530.

[Wu Jidong, Fu Yu, Zhang Jie, et al. Meteorological disaster trend analysis in China: 1949-2013[J]. Journal of Natural Resources, 2014, 29(9): 1520-1530.]

[35]
赵国松, 刘纪远, 匡文慧, 等. 1990—2010年中国土地利用变化对生物多样性保护重点区域的扰动[J]. 地理学报, 2014, 69(11): 1640-1650.

DOI

[Zhao Guosong, Liu Jiyuan, Kuang Wenhui, et al. Disturbance impacts of land use change on biodiversity conservation priority areas across China during 1990-2010[J]. Acta Geographica Sinica, 2014, 69(11): 1640-1650.]

DOI

[36]
宋飏, 刘艳晓, 张瑜, 等. 中国手足口病时空分异特征及影响因素[J]. 地理学报, 2022, 77(3): 574-588.

DOI

[Song Yang, Liu Yanxiao, Zhang Yu, et al. Spatio-temporal differentiation characteristics and influencing factors of hand, foot, and mouth disease in China[J]. Acta Geographica Sinica, 2022, 77(3): 574-588.]

DOI

[37]
冯亚芬, 俞万源, 雷汝林. 广东省传统村落空间分布特征及影响因素研究[J]. 地理科学, 2017, 37(2): 236-243.

DOI

[Feng Yafen, Yu Wanyuan, Lei Rulin. Spatial distribution features and controlling factors of traditional villages in Guangdong Province[J]. Scientia Geographica Sinica, 2017, 37(2): 236-243.]

DOI

[38]
赵雪雁, 王伟军, 万文玉. 中国居民健康水平的区域差异: 2003—2013[J]. 地理学报, 2017, 72(4): 685-698.

DOI

[Zhao Xueyan, Wang Weijun, Wan Wenyu. Regional inequalities of residents’ health level in China: 2003-2013[J]. Acta Geographica Sinica, 2017, 72(4): 685-698.]

DOI

[39]
程钰, 王晶晶, 王亚平, 等. 中国绿色发展时空演变轨迹与影响机理研究[J]. 地理研究, 2019, 38(11): 2745-2765.

DOI

[Cheng Yu, Wang Jingjing, Wang Yaping, et al. A comparative research of the spatial-temporal evolution track and influence mechanism of green development in China[J]. Geographical Research, 2019, 38(11): 2745-2765.]

DOI

[40]
王耕, 李素娟, 马奇飞. 中国生态文明建设效率空间均衡性及格局演变特征[J]. 地理学报, 2018, 73(11): 2198-2209.

DOI

[Wang Geng, Li Sujuan, Ma Qifei. Spatial equilibrium and pattern evolution of ecological civilization construction efficiency in China[J]. Acta Geographica Sinica, 2018, 73(11): 2198-2209.]

DOI

[41]
赵璐, 赵作权. 基于特征椭圆的中国经济空间分异研究[J]. 地理科学, 2014, 34(8): 979-986.

DOI

[Zhao Lu, Zhao Zuoquan. Projecting the spatial variation of economic based on the specific ellipses in China[J]. Scientia Geographica Sinica, 2014, 34(8): 979-986.]

DOI

[42]
穆学青, 郭向阳, 明庆忠, 等. 黄河流域旅游生态安全的动态演变特征及驱动因素[J]. 地理学报, 2022, 77(3): 714-735.

DOI

[Mu Xueqing, Guo Xiangyang, Ming Qingzhong, et al. Dynamic evolution characteristics and driving factors of tourism ecological security in the Yellow River Basin[J]. Acta Geographica Sinica, 2022, 77(3): 714-735.]

DOI

[43]
Li W, Zhao T, Wang Y N, et al. How does foreign direct investment influence energy intensity convergence in China? Evidence from prefecture-level data[J]. Journal of Cleaner Production, 2019, 219: 57-65.

DOI

[44]
殷跃平, 刘传正, 陈红旗, 等. 2013年1月11日云南镇雄赵家沟特大滑坡灾害研究[J]. 工程地质学报, 2013, 21(1): 6-15.

[Yin Yueping, Liu Chuanzheng, Chen Hongqi, et al. Investigation on catastrophic landslide of January 11, 2013 at Zhaojiagou, Zhenxiong County, Yunnan Province[J]. Journal of Engineering Geology, 2013, 21(1): 6-15.]

[45]
兰恒星, 周成虎, 高星, 等. 四川雅安芦山地震灾区次生地质灾害评估及对策建议[J]. 地理科学进展, 2013, 32(4): 499-504.

DOI

[Lan Hengxing, Zhou Chenghu, Gao Xing, et al. Secondary geological hazard assessment and hazard mitigation countermeasures in Lushan, Ya’an Earthquake, Sichuan Province[J]. Progress in Geography, 2013, 32(4): 499-504.]

DOI

[46]
赵玉春, 王叶红, 陈健康, 等. “莫兰蒂”台风(2016)登陆前后精细结构及其引发福建特大暴雨的模拟研究[J]. 暴雨灾害, 2018, 37(2): 135-148.

[Zhao Yuchun, Wang Yehong, Chen Jiankang, et al. Numerical investigation on detailed structure of Typhoon “Meranti” (2016) and extreme heavy rainfall event induced by it before and after landfall in Fujian[J]. Torrential Rain and Disasters, 2018, 37(2): 135-148.]

[47]
陈德花, 张玲, 张伟, 等. “莫兰蒂”台风致灾大风的结构特征及成因[J]. 大气科学学报, 2018, 41(5): 692-701.

[Chen Dehua, Zhang Ling, Zhang Wei, et al. Structural characteristics and cause analysis of catastrophic wind caused by Typhoon Moranti[J]. Transactions of Atmospheric Sciences, 2018, 41(5): 692-701.]

[48]
周桂华, 吴惠标. 2016年云南主要自然灾害特点及减灾对策研究[J]. 灾害学, 2017, 32(3): 112-119.

[Zhou Guihua, Wu Huibiao. 2016 Yunnan major natural disasters and the characteristics of the mitigation measures research[J]. Journal of Catastrophology, 2017, 32(3): 112-119.]

[49]
阮文奇, 李勇泉. 自然灾害型危机事件对客源地旅游需求的影响及空间差异: 九寨沟地震后的时空异质性分析[J]. 经济地理, 2018, 38(8): 214-223.

[Ruan Wenqi, Li Yongquan. The impact and spatial difference of natural disaster crisis on tourist demand[J]. Economic Geography, 2018, 38(8): 214-223.]

Options
文章导航

/

〈 〉