劉 俊，楊璐瑜，王勝宏，陳佳淇

（四川大學(xué)旅游學(xué)院，四川成都 610065）

引言

山地約占全球陸地面積的24%，是僅次于沿海地區(qū)的第二大最受歡迎的旅游目的地地貌。依托山地自然環(huán)境開展的登山旅游活動是在世界范圍內(nèi)受到歡迎的休閑旅游活動。在全球62個國家成立了86 個協(xié)會的國際登山和攀巖聯(lián)合會（International Mountaineering and Climbing Federation），已有超過300萬的注冊會員，在這些專業(yè)登山旅游者之外的休閑登山旅游者規(guī)模更是難以估計(jì)。中國是山地大國，山地面積占國土面積比例較高。專業(yè)和休閑山地旅游的發(fā)展一直受到國家的重視，國家體育總局早在2016 年就印發(fā)了《山地戶外運(yùn)動產(chǎn)業(yè)發(fā)展規(guī)劃》，要求大力促進(jìn)山地戶外旅游的發(fā)展。氣候是影響登山活動開展的重要因素，考慮到登山旅游的廣泛性和受歡迎程度，探究氣候變化對登山活動的影響對于深化氣候變化對旅游影響的研究有重要意義。

揭示區(qū)域、全國等大尺度上氣候變化對旅游的影響是國家應(yīng)對氣候變化的迫切需求。從宏觀層面探究氣候變化對登山活動的影響需要大尺度、高分辨率、長時間序列的針對性數(shù)據(jù)的支撐，但當(dāng)前針對特定旅游活動的細(xì)分統(tǒng)計(jì)數(shù)據(jù)較少，難以滿足研究的需求。依托各種設(shè)備和平臺產(chǎn)生的旅游者大數(shù)據(jù)具有針對性強(qiáng)、真實(shí)可靠且體量大的優(yōu)點(diǎn)，可以作為研究的數(shù)據(jù)支撐。同時，多種氣候因子都會對登山旅游活動產(chǎn)生影響，還需要發(fā)展適當(dāng)?shù)姆椒▉頊y度多種氣候因素的綜合影響，并揭示它們線性和非線性并存的影響機(jī)制。此外，為了服務(wù)于中長期的戰(zhàn)略發(fā)展規(guī)劃，有必要進(jìn)一步探究未來氣候變化情景下的登山旅游活動格局，識別對氣候變化敏感的區(qū)域和城市，為應(yīng)對氣候變化提供依據(jù)。

本研究旨在引入一種利用旅游者生成的大數(shù)據(jù)，結(jié)合廣義可加模型和分段回歸模型的混合方法定量測度旅游活動對氣候變化響應(yīng)情況的研究框架。該框架不僅可以揭示氣候變化與旅游活動之間的復(fù)雜關(guān)系，定量測度響應(yīng)關(guān)系的閾值，還可用于對未來情景下的旅游活動響應(yīng)情況的模擬預(yù)測。這可以為其他具有數(shù)據(jù)基礎(chǔ)的氣候變化對旅游活動影響的研究提供方法上的參考。同時，本文揭示的中國登山旅游活動對氣候變化的響應(yīng)規(guī)律，以及2050年和2080年的模擬結(jié)果可以為旅游管理部門應(yīng)對氣候變化、制定中長期登山旅游規(guī)劃提供科學(xué)依據(jù)。

1 文獻(xiàn)綜述

全面認(rèn)識氣候變化對旅游的影響，需要對不同類型的旅游活動開展針對性的深入研究。在多樣的旅游活動中，學(xué)者們率先關(guān)注了對氣候變化較為敏感的冰雪旅游活動，大量的文獻(xiàn)探究了氣候變化導(dǎo)致的積雪不足、冰川消融等現(xiàn)象對滑雪、滑冰、冰川觀賞等冰雪旅游活動的影響。在夏季，濱海旅游的開展也面臨著氣候變化帶來的威脅，這主要表現(xiàn)在海平面的上升導(dǎo)致的海岸線侵蝕及沙灘的減少，以及過高的氣溫引起的不適等。此外，氣候變化使得動植物的物候期發(fā)生變化，這影響了依托植物開花變色和動物遷徙的旅游活動的開展：花期的變動影響了日本、中國等地的賞花節(jié)慶活動的舉辦；葉變色時期的提前或推遲使得紅葉最佳觀葉時間出現(xiàn)變動；鳥類的遷徙規(guī)律、停留時長以及鳥類棲息地的格局發(fā)生變化，觀鳥旅游的開展時間需要適應(yīng)這一趨勢，部分觀鳥旅游目的地則可能面臨喪失觀鳥資源的困境。由于直接暴露在氣候環(huán)境中，包括登山、騎行、徒步和露營等在內(nèi)的戶外旅游活動和冰雪、濱海等活動一樣對氣候條件十分敏感。這一系列旅游活動被歸類至自然型旅游（nature-based tourism），受到國外學(xué)者的關(guān)注，但在我國尚未受到足夠重視。關(guān)于氣候變化對登山旅游的研究國內(nèi)外都十分少見。

梳理以往研究可以發(fā)現(xiàn)，細(xì)分旅游數(shù)據(jù)的不可獲得性限制了對登山、徒步、露營等旅游活動的針對性研究的開展。例如探究自然旅游活動所受氣候變化影響的研究多從目的地角度切入（如國家公園、山地旅游區(qū)），考察目的地總體游客量水平和到訪規(guī)律是否對氣候變化做出響應(yīng)。但這部分研究未能進(jìn)一步深入挖掘某一特定類型活動受到的影響，這主要是因?yàn)檠芯空咚塬@取的數(shù)據(jù)往往是粗分類的。例如國家公園的數(shù)據(jù)包含了騎行、徒步、露營和登山等多種活動，而公園總游客量數(shù)據(jù)并不能將這些類型游客區(qū)分開，從而限制了對特定類型活動研究的開展。近年來，一些國際研究展現(xiàn)了利用細(xì)分統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析的可能，如Rice等利用露營地在線預(yù)訂數(shù)據(jù)分析了露營需求的規(guī)律，并發(fā)展了需求預(yù)測模型；Craig獲取露營公司的露營地每日入住率數(shù)據(jù)用于構(gòu)建研究氣候?qū)β稜I旅游經(jīng)濟(jì)影響的研究框架。即使有這些成功的案例，對于大多數(shù)旅游活動而言，針對性的細(xì)分統(tǒng)計(jì)數(shù)據(jù)仍然是少見的，要更深入更廣泛地研究氣候變化給旅游帶來的影響需要相關(guān)數(shù)據(jù)的支持。大數(shù)據(jù)技術(shù)的發(fā)展為獲取具有針對性的旅游數(shù)據(jù)提供了可能性。由社交媒體用戶產(chǎn)生的用戶生成內(nèi)容（user generated content，UGC），依托傳感器設(shè)備、藍(lán)牙和定位功能產(chǎn)生的旅游者追蹤數(shù)據(jù)（GPS 數(shù)據(jù)、移動漫游數(shù)據(jù)等），以及旅游者在網(wǎng)絡(luò)中產(chǎn)生的網(wǎng)頁搜索訪問、在線預(yù)訂等數(shù)據(jù)為學(xué)界和業(yè)界更深入地了解旅游者和市場行為提供了豐富的資源。當(dāng)前，利用大數(shù)據(jù)探究氣候變化對旅游的影響的研究還較為少見，成功案例之一是Kubo 等最新的研究中使用移動電話網(wǎng)絡(luò)數(shù)據(jù)評估了日本海灘當(dāng)前及未來氣候情境下濱海旅游價值。該研究指出，移動大數(shù)據(jù)的應(yīng)用彌補(bǔ)了調(diào)研數(shù)據(jù)標(biāo)準(zhǔn)差異可能造成的偏差，從而得到更加客觀的評估結(jié)果，展示了大數(shù)據(jù)在探究氣候變化影響上的優(yōu)勢。

對研究方法進(jìn)行不斷的改進(jìn)一直是氣候變化對旅游影響研究的重點(diǎn)工作。以往研究在探究氣候因素對旅游的影響時最常使用的方法是線性回歸。此外，由于氣候變化是一個長期的過程，在處理長時間序列的歷史數(shù)據(jù)時，移動平均自回歸模型、誤差修正模型、傳遞函數(shù)模型和格蘭杰因果檢驗(yàn)等方法也被一些研究用于探究長期氣候變化影響。無論是探究氣候變化對旅游的影響效應(yīng)還是作用機(jī)制，越來越多的研究認(rèn)識到，人類旅游活動對氣候變化的響應(yīng)并非簡單的線性關(guān)系，需要借助更靈活的方法手段來深入理解氣候變化對旅游活動的影響。廣義可加模型（generalized additive model，GAM）是一種能靈活探索非線性復(fù)雜關(guān)系的非參數(shù)估計(jì)方法，被廣泛應(yīng)用于醫(yī)學(xué)、生態(tài)環(huán) 境和大氣污染等領(lǐng)域。該模型不依靠參數(shù)設(shè)定來確定響應(yīng)和解釋變量之間的函數(shù)關(guān)系的形式，而是通過大規(guī)模數(shù)據(jù)的反復(fù)訓(xùn)練來實(shí)現(xiàn)對復(fù)雜的、形式未知的關(guān)系的非參數(shù)估計(jì)。GAM 通過一個加性形式的方程可實(shí)現(xiàn)對線性項(xiàng)和非線性項(xiàng)的同時估計(jì)，這十分契合不同氣象因素對旅游活動既存在線性又存在非線性影響的特征。在旅游研究領(lǐng)域中，Saenz de Miera和Rosselló使用GAM考察了西班牙馬略卡島的可吸入顆粒物PM10日濃度與游客數(shù)量之間的關(guān)系；Yoon則基于GAM評估了PM10濃度對旅游休閑銷售收入的影響。Tiwari等使用GAM探索了斯里蘭卡和巴基斯坦旅游業(yè)與環(huán)境污染之間的關(guān)系。以上研究均展現(xiàn)了GAM可以靈活控制混雜因素并模擬自然周期性變化規(guī)律的優(yōu)良屬性。本文擬采用GAM對登山旅游活動對氣象因素的響應(yīng)進(jìn)行探究，在擬合響應(yīng)關(guān)系的基礎(chǔ)上進(jìn)一步采用Muggeo提出的分段回歸模型對響應(yīng)關(guān)系的關(guān)鍵閾值點(diǎn)進(jìn)行探究。

現(xiàn)有的氣候變化對旅游影響的文獻(xiàn)多集中于揭示兩者關(guān)系的歷史規(guī)律，而少數(shù)著眼于對未來情景的模擬和預(yù)測。而在氣候變化研究領(lǐng)域，模擬分析是必不可少的一個環(huán)節(jié)。政府間氣候變化專門委員會開發(fā)的排放情景和代表性濃度路徑（representative concentration pathways，RCP）情景是未來氣候情景模擬研究中最為廣泛使用的情景模式?；谶@些未來氣候情景數(shù)據(jù)，已有一些學(xué)者開展了氣候變化對未來旅游業(yè)可能造成的影響的模擬研究。如Amelung 和Moreno 模擬了2080 年未來氣候變化對歐洲國際戶外旅游支出的影響；Scott等使用全球氣候模型（global climate model，GCM）對加拿大的多個國家公園以及美國東北地區(qū)的103個滑雪場可能在未來受到的氣候變化的影響進(jìn)行了預(yù)測模擬。GAM在模擬預(yù)測方面得到諸多應(yīng)用，它能夠靈活地控制相關(guān)混雜因素，應(yīng)用非參數(shù)的方法檢測數(shù)據(jù)的結(jié)構(gòu)，并找出數(shù)據(jù)中的規(guī)律，從而得到更好的預(yù)測結(jié)果。該方法已被應(yīng)用于許多模擬研究，并取得了良好的模擬結(jié)果。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源及處理

2.1.1 登山活動數(shù)據(jù)

本文所用的登山旅游活動數(shù)據(jù)來自“六只腳”平臺?！傲荒_”是著名的戶外自助旅游平臺，該平臺以帶有GPS芯片的智能手機(jī)為主要載體，采集并共享游客戶外活動軌跡?；顒訑?shù)據(jù)包括用戶主動上傳照片和文字形式的“腳印”以及由GPS 裝置自動記錄的軌跡點(diǎn)?；贕PS 軌跡的數(shù)據(jù)可以反映出旅游者在整個登山活動中移動的時間、速度以及距離，本研究主要獲取旅游者的移動時間數(shù)據(jù)，用以衡量登山旅游活動的參與情況。

本文從“六只腳”平臺上檢索到中國范圍內(nèi)2009年1月1日—2019年1月1日期間共計(jì)206 704條登山旅游活動記錄數(shù)據(jù)，對原始數(shù)據(jù)進(jìn)行以下處理：（1）基于軌跡文件對部分時間異常的登山活動數(shù)據(jù)進(jìn)行了清洗；（2）考慮到過長時間和距離的數(shù)據(jù)可靠性存疑，以活動持續(xù)時間介于30分鐘～600分鐘之間、軌跡距離介于500米～2000米之間為標(biāo)準(zhǔn)對原始數(shù)據(jù)進(jìn)行篩選；（3）對清洗后的原始數(shù)據(jù)進(jìn)行氣象站匹配，獲取了登山活動發(fā)生時對應(yīng)的氣象數(shù)據(jù)；（4）考慮登山旅游活動可能存在的區(qū)域性差異，為每一條登山活動記錄匹配了相應(yīng)的城市屬性。通過以上數(shù)據(jù)處理步驟，本文最終篩選出符合標(biāo)準(zhǔn)的有完整對應(yīng)氣候數(shù)據(jù)和城市屬性的登山旅游活動數(shù)據(jù)共計(jì)167 253條，用于后續(xù)分析。

2.1.2 氣候數(shù)據(jù)

（1）歷史氣候數(shù)據(jù)

研究所用歷史氣候數(shù)據(jù)來自中國氣象數(shù)據(jù)服務(wù)中心發(fā)布的“中國地面氣候資料日值數(shù)據(jù)集（V 3.0）”，包含了中國699個基準(zhǔn)、基本氣象站1951年1 月以來的氣壓、氣溫、降水量、蒸發(fā)量、相對濕度、風(fēng)向風(fēng)速、日照時數(shù)和0cm 地溫要素的日值數(shù)據(jù)。已有研究指出，溫度、相對濕度和日照時間是影響戶外旅游活動參與的重要?dú)庀笠蛩?，因此，本文選取這3 個氣象因素作為研究指標(biāo)，從上述數(shù)據(jù)集中獲取相關(guān)數(shù)據(jù)。

（2）未來氣候情景數(shù)據(jù)

氣候模式是被廣泛用于氣候變化評估和模擬的權(quán)威工具，政府間氣候變化專門委員會組織的多次耦合模式比較計(jì)劃（coupled model intercomparison project，CMIP）使用了不同的氣候模式開展試驗(yàn)，輸出了豐富的氣候數(shù)據(jù)資源。本文所用未來氣候情景數(shù)據(jù)獲取自美國國家航天航空局（NationalAeronautics and Space Administration，NASA）發(fā)布的地球交換計(jì)劃（NASA Earth Exchange Global Daily Downscaled Projections，NEX-GDDP）數(shù)據(jù)集。該數(shù)據(jù)集由耦合模式比較計(jì)劃第5 階段（CMIP 5）中的21 個氣候模式下的氣候數(shù)據(jù)降維所得，包括RCP 4.5和RCP 8.5兩種代表性濃度路徑情景下的日最高溫度、最低溫度和降水量的逐日降維預(yù)測數(shù)據(jù)，空間分辨率為0.25°×0.25°（25 km×25 km）。

表1 給出了本研究所有變量的單位、定義和數(shù)據(jù)來源信息。

表1 研究所用變量及數(shù)據(jù)來源Tab.1 Variable definitions and data sources

2.2 研究方法

2.2.1 廣義可加模型

本文使用GAM 對氣象因素（氣溫、相對濕度、日照時長、降雨）與登山旅游活動參與情況的關(guān)系進(jìn)行分析。GAM 是廣義線性模型（generalized linear model，GLM）和可加模型的結(jié)合形式，它使用一個連接函數(shù)來建立解釋變量與被解釋變量之間的關(guān)系，在GLM的基礎(chǔ)上將∑βx形式的線性項(xiàng)替換為∑f(x)，其中，f(x)是未知的非參數(shù)函數(shù)。對線性項(xiàng)的這一改變使得GAM 不再使用參數(shù)估計(jì)，而是使用基于平滑函數(shù)的非參數(shù)估計(jì)探索數(shù)據(jù)，因而可適用于多種分布類型的數(shù)據(jù)。同時，可加的方程形式使得GAM可以在對部分解釋變量進(jìn)行線性擬合的同時對其他變量進(jìn)行光滑函數(shù)擬合，適用于解釋變量和被解釋變量間既存在線性又存在非線性關(guān)系的情形。

GAM的基本形式如下：

式（1）中，=(～，,…，X)，為被解釋變量的數(shù)學(xué)期望；()是連接函數(shù)，連接函數(shù)的選擇根據(jù)響應(yīng)變量的分布形式確定；是截距；X為解釋變量；，，…，f為解釋變量的平滑函數(shù)。

本文使用R 語言進(jìn)行GAM 的建立與估計(jì)。以對數(shù)變換后的登山持續(xù)時間作為被解釋變量，GAM建立的步驟簡述如下：（1）采用散點(diǎn)圖以及分布檢驗(yàn)對被解釋變量進(jìn)行探索分析，以此選擇連接函數(shù)；（2）將解釋變量以平滑函數(shù)或線性項(xiàng)加入模型，由此構(gòu)建不同組合方式的備選模型；（3）以懲罰回歸樣條函數(shù)對時間、季節(jié)和假期趨勢進(jìn)行控制；（4）由包在迭代中以最小化廣義交叉驗(yàn)證（generalized cross validation，GCV）為目標(biāo)自動調(diào)整平滑函數(shù)自由度，在篩選出最佳模型后依據(jù).診斷結(jié)果進(jìn)一步調(diào)整自由度，以保證其不至于過小而導(dǎo)致過度平滑；（5）對步驟（2）中構(gòu)建的不同解釋變量組合方式模型進(jìn)行擬合，以向前選擇法將解釋變量逐步加入模型中，經(jīng)過多次解釋變量調(diào)整篩選出GCV 得分最小且解釋變量顯著度最高的模型作為最優(yōu)模型；（6）以.輸出的校正后的可決系數(shù)、赤池信息準(zhǔn)則（Akaike information criterion，AIC）、殘差分布評價模型擬合情況，并通過調(diào)整自由度以評價模型的穩(wěn)健性。經(jīng)過以上步驟，選定最優(yōu)模型如下：

2.2.2 分段回歸模型

基于GAM 的擬合結(jié)果，本文進(jìn)一步使用分段回歸模型對氣象因素與登山活動間的閾值關(guān)系進(jìn)行探究。Muggeo提出的分段回歸模型（segmented regression）旨在擬合非線性關(guān)系中被解釋變量對解釋變量的響應(yīng)在折點(diǎn)（break points）處（也稱斷點(diǎn)、閾值）出現(xiàn)突變的情況。其擁有靈活性強(qiáng)的優(yōu)勢，適用于單變量單斷點(diǎn)、單變量多斷點(diǎn)、多變量多斷點(diǎn)等多種情況。該模型的一般形式如下：

式（3）中，Z表示存在分段關(guān)系的變量，為需要估計(jì)的閾值，為閾值點(diǎn)左側(cè)的回歸曲線斜率，是迭代過程中上一個斜率與下一個斜率之間的差值；(Z-)=(Z-)×(Z＞) ，若判斷條件Z＞為真，則(Z＞)=1。

本文使用R 語言對分段回歸模型進(jìn)行擬合，通過迭代擬合以下公式估計(jì)閾值：

式（4）中，～ 是閾值的初始猜測值，(Z＞～)=-(Z＞～)，可視作的再參數(shù)化。在每一次迭代中，在對公式（4）進(jìn)行估計(jì)后，一個新的閾值估計(jì)值通過公式^ =～ +^/進(jìn)行更新，新的閾值估計(jì)值^繼續(xù)用于下一次迭代估計(jì)。該迭代過程一直持續(xù)到算法收斂為止，可以得到所有參數(shù)和閾值的最大似然估計(jì)值。分段回歸在擬合前需要輸入一個閾值的初始猜測值以實(shí)現(xiàn)閾值點(diǎn)的初步擬合，本文根據(jù)GAM輸出的解釋變量與被解釋變量的散點(diǎn)圖選定初始猜測值。

2.2.3 未來情景模擬分析

本文通過以下步驟開展模擬研究，首先建立模擬氣溫因素與登山活動時長響應(yīng)關(guān)系的GAM，以平滑函數(shù)對未來情景下的假期、季節(jié)和長期趨勢進(jìn)行控制，并用.診斷模型的擬合情況和穩(wěn)健性。其次，以2050 年和2080 年兩個時間點(diǎn)代表未來情景情況，獲取RCP 4.5和RCP 8.5兩種氣候情境下42個氣候模型輸出的預(yù)測氣候數(shù)據(jù)。最后，將預(yù)測的氣候數(shù)據(jù)與相應(yīng)的節(jié)假日等趨勢數(shù)據(jù)結(jié)合，輸入擬合好的模擬GAM，計(jì)算出未來情景下登山旅游活動持續(xù)時間的預(yù)測值。

3 研究結(jié)果

3.1 登山旅游活動概況

首先對數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析和可視化，以初步了解我國登山旅游活動的基本特征。各變量的描述性統(tǒng)計(jì)特征及其與被解釋變量（登山活動時長）的相關(guān)系數(shù)和多元線性回歸系數(shù)如表2所示。

表2 變量描述性統(tǒng)計(jì)特征、相關(guān)系數(shù)及回歸系數(shù)Tab.2 Descriptive statistical results of variables,correlation coefficient and regression coefficient

對旅游者產(chǎn)生的登山活動記錄數(shù)據(jù)進(jìn)行可視化分析，可發(fā)現(xiàn)登山旅游活動的參與情況展現(xiàn)出顯著的季節(jié)差異性（圖1）。以2018 年為例，發(fā)現(xiàn)春季（3—5月）和秋季（9—11月）的登山活動時長總體而言在一年中相對較長，而夏季（6—8 月）和冬季（12—次年2 月）的活動時長較短，四季節(jié)的平均活動時長如黃線所示，同樣印證了這一趨勢。閑暇時間是支撐旅游活動開展的重要因素，圖2顯示，旅游者明顯在周末更活躍地參與登山旅游活動，周六和周日的登山活動參與時長的總值和均值均顯著高于工作日的水平。以上分析所發(fā)現(xiàn)的長時間、季節(jié)以及節(jié)假日趨勢被作為混雜因素在后續(xù)分析中加以控制。

圖1 登山活動參與時長總體趨勢Fig.1 The overall trend of mountaineering duration

圖2 季間、周內(nèi)登山活動參與總時長熱力圖Fig.2 Heatmap of total mountaineering duration between seasons and within a week

3.2 氣候變化對登山旅游的影響

為考察氣象因素（日最高溫、相對濕度、日照時長、降雨）對登山旅游活動的參與情況（參與時長）的影響情況，本研究對所建立的GAM（公式（2））進(jìn)行估計(jì)，結(jié)果如表3所示。解釋變量均在0.001的顯著性水平下顯著，.函數(shù)對模型的診斷結(jié)果顯示，模型矩陣達(dá)到滿秩，GCV 優(yōu)化過程迭代成功且平滑函數(shù)的自由度是充分的。診斷圖顯示模型擬合情況良好，殘差基本呈現(xiàn)正態(tài)分布，隨機(jī)且較為均勻地分布在0 附近，預(yù)測值與真實(shí)值基本服從=。

表3 GAM估計(jì)結(jié)果Tab.3 Results of GAM

模型估計(jì)結(jié)果顯示，所有平滑函數(shù)均顯著，表明氣象因素與登山旅游活動參與時長之間存在著明顯的非線性關(guān)系。GAM的擬合結(jié)果如圖3（黑色曲線部分）所示，可從圖中觀察到因變量與自變量的非線性波動情況。但GAM并不能提供波動的確切信息。為此，在擬合好的GAM 基礎(chǔ)上再次使用分段回歸模型對非線性關(guān)系的關(guān)鍵節(jié)點(diǎn)進(jìn)行探測（圖3 橙色折線部分）。結(jié)果顯示，分段回歸模型為每一段非線性關(guān)系探測出兩個關(guān)鍵節(jié)點(diǎn)（閾值）。在17.8 ℃以下時，日最高溫與登山旅游活動的參與時長首先呈現(xiàn)正相關(guān)關(guān)系，登山活動時長隨著日最高溫的升高而逐步變長。當(dāng)日最高溫大于閾值17.8 ℃后，登山活動的時長與溫度呈現(xiàn)負(fù)相關(guān)，在17.8 ℃～28.5 ℃的范圍內(nèi)，登山時長隨溫度增高的下降速度較為平緩，當(dāng)溫度超過28.5 ℃后，溫度的進(jìn)一步升高對登山活動造成較為顯著的負(fù)面影響。類似的閾值效應(yīng)同樣存在于相對濕度與登山時長的關(guān)系中，當(dāng)相對濕度低于49.3%時和高于79.4%時，相對濕度與登山時長分別呈正相關(guān)和負(fù)相關(guān)關(guān)系，而閾值范圍內(nèi)的相對濕度（49.3%～79.4%）相對有利于登山旅游活動的開展。與日最高溫相比，相對濕度與登山時長的擬合曲線在閾值范圍內(nèi)相對平緩，這說明登山旅游者對相對濕度的細(xì)微變化較為不敏感，只有當(dāng)相對濕度低于或高于閾值水平，登山旅游者才會對相對濕度做出響應(yīng)。日照時長與登山時長之間呈現(xiàn)出更加復(fù)雜的非線性關(guān)系，從其平滑曲線圖中可觀察到近似于波動的情況。當(dāng)日照時間低于1.8小時，隨著日照時長的上升，登山旅游者的活動時長呈現(xiàn)正相關(guān)上升趨勢。當(dāng)日照時長處于1.8小時～9小時之間時，雖然登山時長在該范圍內(nèi)存在波動，但總體趨勢趨于平穩(wěn)，這說明日照時長在非極端情況下對登山活動的影響不大。此外，當(dāng)日照時長大于9小時，登山時長再次隨日照時長增長，這體現(xiàn)了晴朗天氣對登山活動的正面影響作用。

圖3 氣象因素與登山旅游活動參與時長的響應(yīng)關(guān)系及關(guān)鍵閾值Fig.3 The response relationship and key thresholds between climate factors and mountaineering

3.3 2050年及2080年登山活動模擬結(jié)果

在揭示氣候變化對登山旅游活動已有影響的基礎(chǔ)上，本文進(jìn)一步對未來氣候情景下登山旅游活動的參與情況進(jìn)行模擬研究。本文獲取了NEXGDDP 數(shù)據(jù)集兩種碳排放濃度路徑下（RCP 4.5、RCP 8.5）2050 年和2080 年共84 組（21×2×2）未來氣候數(shù)據(jù)，用于模擬分析。首先對未來氣候數(shù)據(jù)描述性分析可發(fā)現(xiàn)，在RCP 4.5 和RCP 8.5 情境下，2050年和2080年的日最高溫度都有所增高（圖4）。與基準(zhǔn)年（2010—2018年）相比，無論是在何種濃度路徑下，2050年和2050年的日最高溫核密度圖的最高點(diǎn)均有所右移，這表明在未來情境下，高溫天氣將會更為頻繁地發(fā)生。相較于基準(zhǔn)年的情況，在RCP 4.5和RCP 8.5兩種情境下，2050年超出前文所得的影響登山旅游活動參與的重要閾值28.5℃的天數(shù)將分別增長29.34%和35.73%，2080 年超出閾值溫度的天數(shù)則會增加37.03%和61.56%。

圖4 兩種代表濃度路徑下2050年和2080年日最高溫分布圖Fig.4 Distribution map of daily maximum temperature in 2050 and 2080 under RCP 4.5 and RCP 8.5

經(jīng)過單位轉(zhuǎn)換處理后的未來氣候數(shù)據(jù)被輸入歷史數(shù)據(jù)訓(xùn)練擬合好的GAM，以輸出未來情景下登山旅游活動參與時長的模擬值。本文計(jì)算了GAM 輸出的84 組模擬值的年均值（2050 年和2080年各42組），并計(jì)算了其相較于基準(zhǔn)年（2010—2018年）年均值的變動百分比。結(jié)果顯示，從年均值來看，兩種碳排放濃度路徑下，2050 年和2080 年的登山旅游活動參與時長均出現(xiàn)下降趨勢；其中，2050年平均下降9.28%（RCP 4.5）和9.36%（RCP 8.5），2080 年平均下降9.37%（RCP 4.5）和9.40%（RCP 8.5）。21種未來氣候模式下模擬活動參與時長變化百分比結(jié)果繪制于圖5中，可發(fā)現(xiàn)相較于基準(zhǔn)年，21種氣候模式輸出的預(yù)測結(jié)果均呈現(xiàn)下降趨勢；在RCP 4.5 情境下，2050 年的登山旅游活動參與時長相較于基準(zhǔn)年將至少下降9.2%，至多下降9.36%，2080 年的參與時長則將至少下降9.22%，至多達(dá)到9.63%；在更高濃度碳排放場景下（RCP 8.5），2050年的登山旅游活動時長將下降9.23%～9.55%，2080年則會下降9.03%～9.58%。

圖5 兩種代表濃度路徑下2050年及2080年登山旅游活動參與時長變化百分比（以2010—2018年均值為基準(zhǔn)）Fig.5 The percentage changes in mountaineering duration of 2050 and 2080 under RCP 4.5 and RCP 8.5(the average of 2010 to 2018 as base)

將21種氣候模式的均值輸入GAM用于模擬納入本文研究范圍的全國100個城市的登山旅游活動模擬參與情況（圖6）。結(jié)果顯示，從全國宏觀層面來看，兩種濃度路徑下的2050年，100個研究城市中有93%的城市的登山旅游活動參與時長年均值會出現(xiàn)不同程度的縮短，其下降幅度由-0.43%～-10.77%不等，平均下降幅度分別達(dá)到-6.39%（RCP 4.5）和-6.35%（RCP 8.5）。RCP 4.5 情景下的2080 年，95%的城市的活動參與時長年均值有所縮短，下降幅度由-0.21%～-10.79%不等，平均下降幅度達(dá)-6.22%。RCP 8.5 情境下，活動參與時長呈現(xiàn)縮短態(tài)勢的城市則占比94%，其下降幅度均值為-6.29%。

圖6 未來氣候情景下中國登山旅游活動時長模擬變化情況Fig.6 Simulation results of China’s mountaineering duration under future climate scenario

從區(qū)域差異來看，我國東南沿海區(qū)域城市的活動參與時長縮短趨勢最為顯著，例如RCP 4.5 情景下，東莞市2050年日最高溫度超過28.5℃的天數(shù)占全年的56.7%，相較于全國平均水平高出23.5%。該城市的模擬結(jié)果顯示，其2050年登山活動參與時長的年均值將平均下降6.90%（RCP 4.5）和6.97%（RCP 8.5），2080 年則將平均下降6.98%（RCP 4.5）和7.34%（RCP 8.5）。在一些城市的登山旅游活動受到氣候變暖負(fù)面影響的同時，也有部分城市受到積極影響，例如北京、唐山的登山活動時長模擬值有所上升，這可能是因?yàn)檫@些位于較高緯度地區(qū)城市的冬季登山活動在氣候變暖的背景下受到正面影響。

總體而言，全球氣候變暖對登山活動造成了負(fù)面影響，但從區(qū)域?qū)用鎭砜矗鞯厥艿降挠绊懖町愝^大，區(qū)域經(jīng)濟(jì)發(fā)展、旅游發(fā)展以及資源稟賦等因素在一定程度上會給登山旅游活動的未來發(fā)展帶來混合影響，從而抵消或是加劇氣候變化帶來的負(fù)面影響。

4 研究結(jié)論與討論

4.1 研究結(jié)論

本研究示范了一種采用GAM和分段回歸模型混合方法探索旅游者產(chǎn)生的大數(shù)據(jù)，以此定量測度氣候變化對登山旅游活動的影響的研究框架。應(yīng)用該框架，本研究考察了登山旅游活動與氣象因素的復(fù)雜響應(yīng)關(guān)系，確定了氣象因子對登山參與的影響機(jī)制和影響閾值水平，并在此基礎(chǔ)上進(jìn)一步模擬了未來氣候變化情景下我國登山旅游活動可能的響應(yīng)情況。研究結(jié)果表明，登山旅游活動時長與氣象因子間呈現(xiàn)具有閾值效應(yīng)的非線性關(guān)系，其中，日最高溫處于約18 ℃～28 ℃、相對濕度處于約50%～80%，日照時間在約2 小時～9 小時之間時最適合登山旅游活動的開展。模擬結(jié)果顯示，總體而言，氣候變化將對未來的中國登山旅游活動產(chǎn)生負(fù)面影響。2050 年登山旅游活動參與時長平均將下降9.28%（RCP 4.5）和9.36%（RCP 8.5），2080 年平均下降9.37%（RCP 4.5）和9.40%（RCP 8.5）。兩種濃度路徑下，在本研究納入研究范圍的100個城市中，超過90%的城市的登山旅游活動參與時長年均值會出現(xiàn)不同程度的縮短，其下降幅度由-0.21%～-10.79%不等。

4.2 討論

本研究的第一個貢獻(xiàn)是揭示了登山旅游活動與氣象因素間的復(fù)雜響應(yīng)關(guān)系。日最高溫、相對濕度、日照時長和降雨與登山活動時長呈現(xiàn)伴隨波動的非線性相關(guān)關(guān)系。進(jìn)一步運(yùn)用分段回歸模型得出的關(guān)鍵閾值節(jié)點(diǎn)顯示，在閾值附近，氣象因素與登山時長的相關(guān)方向和強(qiáng)度出現(xiàn)了不同程度的變化。本研究對響應(yīng)關(guān)系的分析結(jié)果表明，氣候變化帶給旅游活動的影響是正面的還是負(fù)面的難以一概而論。雖然業(yè)界和理論界多認(rèn)為旅游業(yè)是氣候變化的受害者，但對于不同類型旅游活動、不同區(qū)域/城市而言，氣候變化的影響是不同的。在理解氣候變化對旅游活動的影響時，應(yīng)重視閾值和閾值范圍的存在，更加辯證地看待氣候變化的正負(fù)面影響。此外，本研究所計(jì)算的閾值并不應(yīng)被理解為一個代表個體行為的精確值，因?yàn)殡S著抽樣的改變，各氣象因素與登山活動時長關(guān)系的閾值可能會發(fā)生改變。比起閾值，閾值附近的“舒適氣候范圍”更具有指導(dǎo)意義，例如日最高溫處于約18 ℃～28 ℃的范圍內(nèi)，相對濕度處于約50%～80%時最適合登山活動的開展，這可以為優(yōu)化旅游氣候舒適度研究提供啟示。

在定量測度登山旅游活動對氣候變化的響應(yīng)關(guān)系的基礎(chǔ)上，本研究的第二個貢獻(xiàn)在于提供了未來氣候變化情景下登山旅游活動變化情況的模擬結(jié)果。對于大眾而言，氣候變化似乎被認(rèn)為是一件脫離日常生活的遙遠(yuǎn)的事。即使海嘯、颶風(fēng)和熱浪等極端事件在氣候變化加劇的背景下發(fā)生得愈發(fā)頻繁，人們也似乎把這些負(fù)面后果視為被科學(xué)界夸大的小概率事件。本研究的模擬結(jié)果或許可以帶來一個啟示，即氣候變化正在潛移默化地改變大眾的生活。在不加干涉的未來，以登山旅游活動為代表的人們喜愛的日常休閑旅游活動將遭受氣候變化負(fù)面影響，甚至難以開展。擁有豐富山地資源的登山旅游目的地可能面臨適游季節(jié)縮短、競爭力削弱等挑戰(zhàn)。本文提供的證據(jù)結(jié)果期望引起大眾以及其他旅游利益相關(guān)者對氣候變化影響的重視。更多的關(guān)于氣候變化對不同類型旅游活動的影響的研究亟待開展，以此激勵大眾積極參與節(jié)能減排、減緩氣候變化行動，并為決策者盡早制定適應(yīng)策略提供參考。本研究同樣也存在一些值得進(jìn)一步探討的地方，例如本文僅以城市虛擬變量測度了區(qū)域的差異，未來可考慮將山地類型、目的地市場等差異因素納入模型中；此外，在長遠(yuǎn)的未來，登山裝備的進(jìn)步、目的地管理的優(yōu)化等應(yīng)對措施可能會在不同程度上減弱氣候變化帶給登山旅游的負(fù)面影響，值得未來進(jìn)一步研究。