摘要：【目的】探析城市公園網(wǎng)絡(luò)關(guān)注度變化特征與影響因素，提出城市公園規(guī)劃管理建議?！痉椒ā拷柚嘣磾?shù)據(jù)測度了福州市主城區(qū)131個城市公園的網(wǎng)絡(luò)關(guān)注度，識別公園網(wǎng)絡(luò)關(guān)注度時空變化特征，構(gòu)建服務(wù)功能分布、城市區(qū)位特征、周邊空間特征、公園自身屬性、區(qū)域分布質(zhì)量、用地性質(zhì)屬性6組指標(biāo)體系，利用地理探測器與多尺度地理加權(quán)回歸模型（MGWR）分析公園網(wǎng)絡(luò)關(guān)注度的驅(qū)動因子及其空間差異性?！窘Y(jié)果】①福州市城市公園網(wǎng)絡(luò)關(guān)注度月度差異顯著，具有明顯的波動性、突變性與周期性；②空間上呈現(xiàn)“一核兩片”布局，Moran’s I分析結(jié)果顯示，網(wǎng)絡(luò)關(guān)注度呈現(xiàn)正相關(guān)的空間分布；③道路網(wǎng)密度是公園網(wǎng)絡(luò)關(guān)注度的主要影響因子，公園面積的影響次之，雙因子交互作用對公園網(wǎng)絡(luò)關(guān)注度的促進更明顯；④指標(biāo)空間差異系數(shù)之和表現(xiàn)為區(qū)域分布質(zhì)量（G5）gt; 周邊空間特征（G3）gt; 城市區(qū)位特征（G2）gt; 公園自身屬性（G4）。【結(jié)論】提升城市公園網(wǎng)絡(luò)關(guān)注度水平，重在城市公園服務(wù)品質(zhì)的營造，提升景觀環(huán)境面貌和游客承載能力，梳理周邊道路交通以便捷游客出行。結(jié)合城市公園網(wǎng)絡(luò)關(guān)注度隨時間變化特征，可為城市公園規(guī)劃管理提供前瞻性思路。

關(guān)鍵詞：城市公園；網(wǎng)絡(luò)關(guān)注度；時空特征；多尺度地理加權(quán)回歸模型（MGWR）；福州市

中圖分類號：TU986"""""" 文獻標(biāo)志碼：A開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

文章編號：1000-2006（2024）06-0183-10

Spatial and temporal characteristics" and factors influencing the networkattention degree of urban parks based on multi-source data

YE Yongxiang， CUI Tingting， CHEN Xin， ZHU Liying*

（College of Landscape Architecture and Arts， Fujian Agriculture and Forestry University， Fuzhou 350100， China）

Abstract： 【Objective】By analyzing the change characteristics and factors influencing the network attention degree of an urban park network， we made proposals for urban park planning and management. 【Method】 Using the multi-source data， we assessed the network attention degree of" an urban park network consisting of 131 urban parks in the main urban area of Fuzhou City. We identified the spatial and temporal characteristics of the urban park network and devised a six-group index system of service function distribution， urban location characteristics， surrounding spatial characteristics， park attributes， the quality of regional distribution， and land use nature attributes. The driving factors of the network attention degree for the urban parks and its spatial variability were determined using geographic probes and the multi-scale geographically weighted regression model. 【Result】 （1） The monthly differences in urban park network attention degree were significant， with obvious volatility， mutability" and periodicity. （2） Spatially， there was a “one-core and two-slice” layout， and the results of a Moran’s I test showed that the network attention degree presented a positively correlated spatial distribution. （3） The road network density was the main influencing factor， and the park area was the secondary influencing factor， while the interaction of the two factors clearly promoted the network attention degree. （4） The sum of the spatial coefficients of variation of the indexes followed the order of： the quality of the regional distribution （G5） gt; the peripheral spatial characteristics （G3） gt; the characteristics of the city’s location （G2） gt; the attributes of the parks themselves （G4）. 【Conclusion】 Enhancing the level of urban park network attention degree creates a focus on the creation of service quality in urban parks， improving the appearance of the landscape， increasing visitor carrying capacity and the surrounding road transport network， and facilitating tourists. Combined with the temporal changes in the characteristics of the urban park network， the study provides novel insights for the planning and management of urban parks.

Keywords：urban park; network attention degree; spatio-temporal characteristics; multiscale geographically weighted regression（MGWR）; Fuzhou City

城市公園是改善城市生態(tài)環(huán)境、美化居住環(huán)境及保護生物多樣性的重要載體[1]，當(dāng)前對城市公園的研究主要聚焦于游客滿意度、供需平衡、游客訪問量預(yù)測、游客時空分布與影響因素測度[2-6]。信息化、網(wǎng)絡(luò)化的生活模式為人們訪問城市公園提供了便利，其中網(wǎng)絡(luò)關(guān)注度作為虛擬世界活力的表征，可探析景點現(xiàn)實活力的前兆和預(yù)測未來旅游空間流動趨勢，為景點精準(zhǔn)營銷和高質(zhì)量發(fā)展提供思路[7-10]。

公園網(wǎng)絡(luò)關(guān)注度是指人們通過網(wǎng)絡(luò)在搜索平臺或旅游網(wǎng)站留下的足跡，它具有輻射性，關(guān)注度的上升可帶動周邊區(qū)域的網(wǎng)絡(luò)關(guān)注度水平，有利于維持區(qū)域生態(tài)系統(tǒng)的完整性并促進經(jīng)濟發(fā)展[11-12]。網(wǎng)絡(luò)關(guān)注度還具備驗證效果，可用來反饋政策制定的合理性，為區(qū)域發(fā)展策略的科學(xué)性提供參考[13-15]。當(dāng)前關(guān)于網(wǎng)絡(luò)關(guān)注度的研究主要集中在旅游學(xué)科，研究對象限定在國家或省域?qū)用?、各類旅游景區(qū)、社會熱點事件。如Clark等[16]利用網(wǎng)絡(luò)關(guān)注度對美國國家公園未來游客進行了預(yù)測；Dergiades等[17]研究了社交媒體（推特、臉書和谷歌博客）和網(wǎng)絡(luò)搜索強度（谷歌）中包含的信息是否會影響金融市場；陶思宇等[11]探究了大熊貓國家公園文化服務(wù)流的影響因素和形成機制；楊利等[18]分析了濕地旅游網(wǎng)絡(luò)關(guān)注度時空差異及其影響因素；而鄭昭彥[19]從時空維度分析2016年G20峰會對舉辦地中國杭州景區(qū)網(wǎng)絡(luò)關(guān)注度的影響。

現(xiàn)有對城市公園和網(wǎng)絡(luò)關(guān)注度的研究中，鮮有研究視角將虛擬的網(wǎng)絡(luò)關(guān)注度與城市公園規(guī)劃相結(jié)合。部分研究只將單一公園或單一類別公園作為研究對象進行探討，網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)獲取多來自百度指數(shù)等單一數(shù)據(jù)平臺，缺乏多源數(shù)據(jù)支撐易造成結(jié)果的偏差。基于此，本研究以福州市主城區(qū)131個公園作為研究對象，公園類型包括綜合公園、社區(qū)公園、游園、專類公園，并以百度指數(shù)、微信指數(shù)、旅游平臺數(shù)據(jù)、地圖訪問數(shù)據(jù)作為量化網(wǎng)絡(luò)關(guān)注度的依據(jù)開展城市公園網(wǎng)絡(luò)關(guān)注度研究，以期了解福州市主城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度時空分布格局及其影響驅(qū)動因子，為城市公園管理提供大數(shù)據(jù)參考。

1 材料與方法

1.1 研究對象及數(shù)據(jù)來源

1.1.1 研究地概況

福州（118°08′～120°31′E，25°15′～26°39′N）地處歐亞大陸東南邊緣，中國東南沿海、福建省中東部的閩江口。自2017年福州市實施“串珠公園”政策[20]以來，福州大力修建城市公園綠地，城市生態(tài)基底顯著提升，市民生活環(huán)境質(zhì)量得到良好改善。本研究采用編程軟件獲取福州主城區(qū)城市公園名錄，通過高德地圖進行城市公園地理邊界AOI（area of interest，AOI）爬取，最終確定131個具有AOI邊界的城市公園作為研究對象。

1.1.2 網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)來源

城市公園網(wǎng)絡(luò)關(guān)注度代表城市公園線上訪客足跡，如果一個城市公園在多個平臺均有足跡，則這個城市公園的網(wǎng)絡(luò)關(guān)注度水平較高；反之，在未留下足跡的平臺，則視為該城市公園在這一平臺的足跡為“0”。本研究數(shù)據(jù)源自百度指數(shù)、微信指數(shù)、百度地圖訪問量、騰訊地圖訪問量、美團網(wǎng)、攜程網(wǎng)、大眾點評、馬蜂窩，共計8個平臺。其中百度指數(shù)與微信指數(shù)則分別涉及53與55個城市公園，其余6個平臺包含了所有131個城市公園，數(shù)據(jù)來源多樣化，可以綜合測度衡量城市公園的網(wǎng)絡(luò)關(guān)注度水平。

2022年6月6日—2023年6月8日連續(xù)12個月每周獲取1次8個平臺的數(shù)據(jù)（即POI數(shù)據(jù)[8]）。其中：百度指數(shù)與微信指數(shù)數(shù)據(jù)采用直接取詞法與范圍取詞法結(jié)合，分別獲取2 862與2 970條數(shù)據(jù)，共計5 832條；地圖訪問量數(shù)據(jù)為百度地圖和騰訊地圖中各公園訪問量數(shù)據(jù)，各獲取7 074條數(shù)據(jù)，共計14 148條；旅游平臺數(shù)據(jù)包含攜程網(wǎng)、馬蜂窩、大眾點評及美團網(wǎng)，定期搜集各個旅游平臺上公園的評分、評論量數(shù)據(jù)，各個平臺14 148條數(shù)據(jù)，共計56 592條。綜合各類型數(shù)據(jù)得總計76 572條數(shù)據(jù)，對其進行標(biāo)準(zhǔn)化處理，利用全局熵值法確定各類數(shù)據(jù)權(quán)重［20-25］，計算獲得12個月內(nèi)131個公園每周的網(wǎng)絡(luò)關(guān)注度值。

1.2 網(wǎng)絡(luò)關(guān)注度影響因子篩選

參考文獻[21-24]，并結(jié)合前人研究結(jié)果，初步確定28個指標(biāo)，利用SPSS主成分分析功能，剔除公因子方差小于0.5的因子。經(jīng)過3次主成分分析后，剔除其中5個指標(biāo)，最后依據(jù)主成分分析結(jié)果，選取6項21個指標(biāo)作為城市公園網(wǎng)絡(luò)關(guān)注度的影響因子（表1）。

1.3 研究方法

1.3.1 各平臺網(wǎng)絡(luò)關(guān)注度權(quán)重計算

通過各個平臺獲取的網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)存在量綱不統(tǒng)一的問題，為使多組數(shù)據(jù)具有可比性，將每周獲取的131個公園網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)（xi）匯總，并進行標(biāo)準(zhǔn)化處理[25]，統(tǒng)一各組數(shù)據(jù)的量綱，計算公式如下：

i=xi-xi，minxi，max-xi，min×99+1。（1）

式中： xi，max為匯總數(shù)據(jù)最大值; xi，min為匯總數(shù)據(jù)最小值;i為標(biāo)準(zhǔn)化的xi。

將每周獲取的網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)引入全局思想，采用全局熵值法[25]對匯總標(biāo)準(zhǔn)化后的一張數(shù)據(jù)表進行各個平臺網(wǎng)絡(luò)關(guān)注度權(quán)重計算。

1.3.2 公園網(wǎng)絡(luò)關(guān)注度內(nèi)在突變性與周期性測度

借鑒水文氣象學(xué)的Mann-Kendall突變分析與Morlet小波分析［26］探析城市公園網(wǎng)絡(luò)關(guān)注度內(nèi)在突變性與周期性。其檢驗統(tǒng)計量z值為正則表示呈增加趨勢，反之，則降低；若|z|≥1.96則表示在95％的區(qū)間內(nèi)有顯著性變化。Ｍ-Ｋ突變檢驗則通過計算每個樣本的秩，計算統(tǒng)計量UFk（正序列趨勢統(tǒng)計量）和UBk（逆序列趨勢統(tǒng)計量），若UFk和UBk曲線出現(xiàn)交點，且交點在臨界值（±1.96）之間，那么交點對應(yīng)的時刻就是突變點。

采用Morlet小波分析法中的小波方差圖，確定時間序列的不同周期變化。小波分析在時域和頻域具有良好的局部化功能，能較好地揭示時間序列的多尺度變化特征，識別不同時間尺度的變化周期[27-30]。

1.3.3 網(wǎng)絡(luò)關(guān)注度各影響因子的作用力測度

利用地理探測器[31-32]識別網(wǎng)絡(luò)關(guān)注度各影響因子的作用力大小，并通過多尺度地理加權(quán)回歸模型分析影響因子系數(shù)的空間異質(zhì)性。地理探測器是探測地理要素空間分異特性，以揭示其背后驅(qū)動力的一種統(tǒng)計學(xué)方法。本研究中網(wǎng)絡(luò)關(guān)注度各影響因子作用力大小公式如下：

q=1-∑Lh=1Nhσ2hNσ2。（2）

式中：q為城市公園訪客活力驅(qū)動因素解釋程度；L為因變量或自變量的分層；Nh和σ2h分別為層h的分類數(shù)量和方差；N和σ2分別為研究區(qū)整體的分類數(shù)量和方差。q值越大，說明某驅(qū)動因素對城市公園訪客活力的解釋度越強，反之則越弱。

地理探測器會基于內(nèi)置運算程序?qū)Χ鄠€影響因子進行兩兩交互，并以表格形式呈現(xiàn)出各組交互結(jié)果對因變量作用的大小[33]，記作q（A∩B）。因子交互類型即交互作用對活力的影響有5種：q（X1∩X2）lt;min[q（X1），q（X2）]時交互作用表現(xiàn)為非線性減弱，min[q（X1），q（X2）] lt; q（X1∩X2）lt; max[q（X1），q（X2）]時單因子非線性減弱，q（X1∩X2）gt; max[q（X1），q（X2）]時雙因子增強，q（X1∩X2）=q（X1）+q（X2）時表現(xiàn)為獨立，q（X1∩X2）gt;q（X1）+q（X2）時為非線性增強。

1.3.4 空間異質(zhì)性特點測度

多尺度地理加權(quán)回歸（multiscale geographically weighted regression， MGWR）模型是在傳統(tǒng)地理加權(quán)回歸（GWR）模型的基礎(chǔ)上，改進了帶寬選擇的缺陷，使得不同變量可以選擇不同的帶寬取值，更好地體現(xiàn)變量間的空間異質(zhì)性特點，并提高回歸分析的準(zhǔn)確性[34-36]。

Yi=∑kj=1βbwj（ui，vi）xij+εi。（3）

式中：xij為公園i的第j個預(yù)測變量；（ui， vi）為各城市公園i的質(zhì)心坐標(biāo)；βbwj為第j個變量回歸系數(shù)的帶寬；k為變量數(shù)；εi代表誤差項。

2 城市公園網(wǎng)絡(luò)關(guān)注度時空特征

2.1 網(wǎng)絡(luò)關(guān)注度的時間特征

2.1.1 城市公園網(wǎng)絡(luò)關(guān)注度周期性變化

對研究區(qū)131個公園樣本網(wǎng)絡(luò)關(guān)注度統(tǒng)計發(fā)現(xiàn)，在福州地區(qū)，網(wǎng)絡(luò)關(guān)注度較高的月份依次為7月、3月和1月，這3個時段分別因為暑期、春節(jié)等節(jié)假日以及春季天氣回暖，市民外出活動較多，對于公園景點的搜索量最高且相對應(yīng)的市民游玩后發(fā)表在旅游平臺的評論量也最多。網(wǎng)絡(luò)關(guān)注度較低的分別為學(xué)校期末與開學(xué)季的6月、9月，學(xué)生出行意愿降低，而青少年是網(wǎng)絡(luò)主力軍，城市公園網(wǎng)絡(luò)關(guān)注度在這一期間下降。2月是福州平均氣溫最低的月份，大風(fēng)與低溫天氣下不適宜出行，相對應(yīng)的網(wǎng)絡(luò)關(guān)注也減少。

將連續(xù)獲取的52周數(shù)據(jù)定義為1～52周（記為1w～52w），開展累計距平分析（圖1）可知，福州市主城區(qū)城市公園發(fā)生連續(xù)3周以上的波動下滑段4次，分別為10w～14w（時間段08-08—09-11）、23w～26w（11-07—12-04）、28w～32w（12-12—01-15）、42w～45w（03-20—04-16）；發(fā)生連續(xù)3周以上的波動上升段2次，分別為2w～5w（06-13—07-10）和33w～42w（01-16—03-19）。

利用趨勢分析法可得出城市公園網(wǎng)絡(luò)關(guān)注度整體呈現(xiàn)出微弱的上升趨勢，關(guān)注度的周際傾向率每10周為1.402。為了消除周期變化帶來的影響，對數(shù)據(jù)進行了5周滑動平均處理，結(jié)果表明，52周以來網(wǎng)絡(luò)關(guān)注度沒有明顯的整體上升或下降趨勢，而是呈現(xiàn)出波動起伏的狀態(tài)（圖1）。

2.1.2 城市公園網(wǎng)絡(luò)關(guān)注度突變性與周期性分析

為了考察時間序列內(nèi)部網(wǎng)絡(luò)關(guān)注度的變化特征，采用M-K突變性檢驗探究時間序列內(nèi)部特征，結(jié)果見圖2a。1～4周（1w～4w），城市公園網(wǎng)絡(luò)關(guān)注度表現(xiàn)為短暫下降，自第6周開始，網(wǎng)絡(luò)關(guān)注度有著長達29～30周的下降趨勢，第36周后，城市公園網(wǎng)絡(luò)關(guān)注度波動上升。觀察UFk與UBk曲線交點，處在±1.96（α=0.05）置信區(qū)間有7個交點，其中第14周UFk曲線超過臨界值，表明第4周的這一交點是網(wǎng)絡(luò)關(guān)注度突變的開始，而后有6個交點，但UFk與UBk曲線均未超出臨界值，突變情況不顯著。

運用小波分析對2022年6月至2023年6月每周的城市公園網(wǎng)絡(luò)關(guān)注度進行分析，得到小波變換系數(shù)實部時頻分布圖（圖2b）。從圖中可知，52周以來網(wǎng)絡(luò)關(guān)注度呈現(xiàn)出不同尺度的周期變化。為進一步分析其周期性，展示小波系數(shù)方差（圖3），從中可知，51w、23w、11w、7w分別為網(wǎng)絡(luò)關(guān)注度周期變化的第1至第4主周期。通過展示第1主周期實部系數(shù)圖可知，以51w為時間尺度的第1主周期，則每過30周會有一次周期性變化，第1主周期實部系數(shù)等高線處在負(fù)值且尚未閉合，預(yù)測在該時間點后未來幾周福州市主城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度將有短暫的下滑。

2.2 網(wǎng)絡(luò)關(guān)注度的空間特征

2.2.1 城市公園網(wǎng)絡(luò)關(guān)注度空間分布格局

利用ArcMap10.7將福州主城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度按自然斷裂點法分為6個梯度（圖4a），從空間分布上看，公園梯度斷層明顯，各梯度公園數(shù)量分別為3、7、16、23、41、41個，

底圖審圖號：GS（2019）1812。下同。

高關(guān)注度的頭部公園較少，主要集中在第5、第6梯度的低關(guān)注度區(qū)。城市公園網(wǎng)絡(luò)關(guān)注度分布聚集，總體呈現(xiàn)“一核兩片”的空間結(jié)構(gòu)，即以鼓樓、臺江舊城區(qū)為核心，高網(wǎng)絡(luò)關(guān)注度城市公園集中分布于此；閩侯縣中部與南部以及以長樂為中心的新城區(qū)這兩個片區(qū)城市公園網(wǎng)絡(luò)關(guān)注度相對較低。

2.2.2 空間自相關(guān)檢驗

以城市公園網(wǎng)絡(luò)關(guān)注度為對象，采用莫蘭指數(shù)（Moran’s I）與LISA分析開展空間自相關(guān)分析，結(jié)果顯示，Moran’s I數(shù)值為0.224，通過α=0.01的顯著性水平檢驗，表明福州主城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度在空間上不是隨機分布，而是呈現(xiàn)正相關(guān)的空間分布，城市公園網(wǎng)絡(luò)關(guān)注度的高低會影響到其周邊公園的網(wǎng)絡(luò)關(guān)注度。

從LISA分析結(jié)果看（圖4b），城市公園網(wǎng)絡(luò)關(guān)注度呈現(xiàn)出“高-高、高-低、低-高、低-低”4種不同的分布集聚區(qū)，各公園網(wǎng)絡(luò)關(guān)注度相互依賴性較強。“高-高”與“低-高”區(qū)集中分布在舊城區(qū)，說明舊城區(qū)高網(wǎng)絡(luò)關(guān)注度公園聚集分布且網(wǎng)絡(luò)關(guān)注度差異大，低網(wǎng)絡(luò)關(guān)注度公園錯綜分布于高網(wǎng)絡(luò)關(guān)注度公園周邊?！暗?低”聚類區(qū)出現(xiàn)在閩侯縣中部、東南部以及長樂區(qū)，這些區(qū)域公園網(wǎng)絡(luò)關(guān)注度整體水平較低，長樂新城區(qū)與沿海局部城市公園網(wǎng)絡(luò)關(guān)注度水平較高，形成“高-低”聚類區(qū)。

3 網(wǎng)絡(luò)關(guān)注度的影響因子及空間差異

3.1 城市公園網(wǎng)絡(luò)關(guān)注度影響因素探測

以城市公園網(wǎng)絡(luò)關(guān)注度為因變量，21個指標(biāo)為自變量，利用自然斷裂點對自變量進行分層，應(yīng)用地理探測器工具，探測影響福州市主城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度的指標(biāo)，結(jié)果表明，21個指標(biāo)中有7個通過了αlt;0.01的顯著性水平檢驗（表3）。

由表3可知，城市區(qū)位特征（G2）對城市公園網(wǎng)絡(luò)關(guān)注度有驅(qū)動作用，組內(nèi)4個指標(biāo)均通過P值檢驗，但除與中心區(qū)距離（X8）的q值為0.217外，其他3個指標(biāo)系數(shù)（q值）均在0.15以下，整體驅(qū)動效果微弱。周邊空間特征（G3）中的道路網(wǎng)密度（X14）是主要影響因子，q值達0.363；公園自身屬性（G4）中的公園面積（X15）是次要影響因子，q值為0.270。此外區(qū)域分布質(zhì)量（G5）中停車場數(shù)量（X19）的q值為0.160，對城市公園網(wǎng)絡(luò)關(guān)注度有一定影響，而服務(wù)功能分布（G1）與用地性質(zhì)屬性（G6）指標(biāo)經(jīng)P值檢驗，對城市公園網(wǎng)絡(luò)關(guān)注度驅(qū)動作用均不顯著。

3.2 城市公園網(wǎng)絡(luò)關(guān)注度影響因素交互作用探測

城市公園網(wǎng)絡(luò)關(guān)注度具有復(fù)雜的內(nèi)在機制，除了受單因子影響，還會受到不同雙因子交互作用的影響，因此，本研究基于地理探測器對城市公園網(wǎng)絡(luò)關(guān)注度任意兩個影響因子開展雙因子交互作用探測研究。結(jié)果表明，雙因子交互作用結(jié)果只有雙因子增強與非線性增強兩種，整體呈現(xiàn)增強水平，即任意兩兩因子進行組合交互，其q值都會有所上升，此次研究依據(jù)交互后的q值大小，選取交互作用后q≥0.550的結(jié)果進行降序排列，結(jié)果見表4。

在q≥0.550的12組交互結(jié)果中，分別有6組與X14和X15相關(guān)，因此這兩個指標(biāo)是網(wǎng)絡(luò)關(guān)注度的主要交互因子。在單因子探測中，教育醫(yī)療POI密度（X3）、住宅住宿POI密度（X6）、平均坡度（X13）未通過αlt;0.01的顯著性檢驗，而在q≥0.550的雙因子交互作用中，各有2組與這3個指標(biāo)相關(guān)聯(lián)，可見這3個指標(biāo)是網(wǎng)絡(luò)關(guān)注度的間接交互因子。

3.3 網(wǎng)絡(luò)關(guān)注度影響因子空間差異分析

3.3.1 模型選擇與對比

將通過地理探測器檢驗的7個指標(biāo)進行普通最小二乘法（ordinary least square，OLS）分析及共線性檢測，結(jié)果各個指標(biāo)VIF值均小于7.5，通過共線性檢驗。依次將城市公園網(wǎng)絡(luò)關(guān)注度影響指標(biāo)進行GWR與MGWR模型計算，結(jié)果見表5。3組模型赤池信息準(zhǔn)則值（AICc）階梯式下降且下降量超過3，表明MGWR是3組模型中運行效果最優(yōu)的模型；與之相反，3組模型調(diào)整后R2逐步上升，MGWR是其中擬合效果最為優(yōu)良的模型。因此，相較于OLS與GWR模型，此次研究選擇運行效果更優(yōu)良、擬合效果更佳的MGWR模型開展網(wǎng)絡(luò)關(guān)注度影響指標(biāo)空間異質(zhì)性分析。

3.3.2 各因素空間異質(zhì)性分析

1）與中心區(qū)距離（X8）。城市公園與中心區(qū)距離系數(shù)在空間上呈現(xiàn)負(fù)數(shù)（圖5a），整體上，舊城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度普遍高于周邊郊區(qū)與新城區(qū)。主要因為舊城區(qū)中心城市公園周邊基礎(chǔ)設(shè)施分布密集、人口密度大，舉辦活動次數(shù)多，網(wǎng)絡(luò)宣傳曝光度高，相應(yīng)的公園網(wǎng)絡(luò)關(guān)注度搜索次數(shù)較高；而郊區(qū)與新城區(qū)人口密度小，網(wǎng)絡(luò)宣傳效果差。因此，與中心區(qū)距離系數(shù)呈現(xiàn)出以舊城區(qū)中心為核心，向外系數(shù)逐漸降低的多環(huán)分布空間格局。

2）平均出行時間成本（X9）。城市公園平均出行時間成本系數(shù)均為正值（圖5b）。影響系數(shù)最低的公園集中分布在倉山區(qū)與閩侯縣東南部，該區(qū)域居住區(qū)到達公園所花費的平均時間最少。長樂與馬尾區(qū)的系數(shù)水平最高，主要因為兩區(qū)位于福州東南沿海區(qū)域，居民出行時間成本高。因此，降低長樂與馬尾新區(qū)城市公園平均出行成本，將極大地提升公園網(wǎng)絡(luò)關(guān)注度水平。

3）周邊房價（X10）。福州房價與距離舊城區(qū)距離成反比（圖5c），與舊城區(qū)距離越近房價越高，因此長樂與馬尾新區(qū)房價水平是最低的。高房價地區(qū)往往有更好的商業(yè)、醫(yī)療、教學(xué)、交通資源，相對應(yīng)的高房價地區(qū)城市公園的網(wǎng)絡(luò)關(guān)注度水平大于周邊地區(qū)。因此，以周邊房價為影響因子，高房價水平地區(qū)（鼓樓、臺江、倉山、閩侯高新區(qū)）的系數(shù)水平高于較低房價水平地區(qū)（閩侯西部、長樂馬尾新區(qū)）。

4）建筑平均高度（X11）。建筑平均高度與城市公園網(wǎng)絡(luò)關(guān)注度呈現(xiàn)負(fù)相關(guān)關(guān)系（圖5d），公園周邊建筑過高阻擋公園景觀視線，影響整體的遠景觀感。影響系數(shù)水平呈“一核多環(huán)”分布，“核心”指舊城區(qū)與閩侯東南部分，“二環(huán)”為晉安區(qū)和與鼓樓區(qū)、倉山區(qū)接壤地區(qū)以及閩侯縣中部，“三環(huán)”為閩侯縣西部、晉安區(qū)中部、長樂和馬尾區(qū)與倉山區(qū)接壤位置，“四環(huán)”“五環(huán)”為長樂新區(qū)以及長樂、馬尾區(qū)沿海地段?？梢娊ㄖ叨葘Τ鞘泄珗@網(wǎng)絡(luò)關(guān)注度的負(fù)面影響與距離舊城區(qū)距離呈負(fù)相關(guān)，越接近舊城區(qū)的地區(qū)，公園周邊建筑高度的負(fù)面影響越小。這與舊城區(qū)人口密度、基礎(chǔ)設(shè)施完善度、互聯(lián)網(wǎng)宣傳力度相關(guān)，一定程度彌補了高樓建筑遮擋景觀視線的弊端。

5）道路網(wǎng)密度（X14）。城市公園周邊道路網(wǎng)密度水平正相關(guān)影響城市公園網(wǎng)絡(luò)關(guān)注度（圖5e），整體上，隨道路網(wǎng)密度的上升，城市公園網(wǎng)絡(luò)關(guān)注度水平的影響力也呈現(xiàn)自東南沿海向西北城區(qū)遞增趨勢?？梢姡溆绊戁厔菖c福州市主城區(qū)的路網(wǎng)密度相契合，表明高密度的路網(wǎng)體系，可為居民提供便捷的游覽途徑，進而提高城市公園的網(wǎng)絡(luò)關(guān)注度。但地處東南沿海的長樂和馬尾新區(qū)的道路網(wǎng)密度對網(wǎng)絡(luò)關(guān)注度的影響作用較弱，需與周邊的基礎(chǔ)設(shè)施建設(shè)、人口密度等多種因素組合才能促進城市公園網(wǎng)絡(luò)關(guān)注度水平提升。

6）公園面積（X15）。公園面積對網(wǎng)絡(luò)關(guān)注度影響作用較?。▓D5f），空間上，公園面積對網(wǎng)絡(luò)關(guān)注度水平影響力與道路網(wǎng)密度系數(shù)的分布相似，呈現(xiàn)出以長樂區(qū)與其他市轄區(qū)接壤線為邊界東南低、西北高的影響趨勢。這與舊城區(qū)人口密度大、公園游客承載力大相關(guān)，即面積大的公園能承載更多的人流，承辦大型活動，助推公園網(wǎng)絡(luò)關(guān)注度的提升；新城區(qū)地理位置較偏，人口密度小，因此公園面積對網(wǎng)絡(luò)關(guān)注度的推動作用小于舊城區(qū)。

7）停車場數(shù)量（X19）。停車場數(shù)量對城市公園網(wǎng)絡(luò)關(guān)注度有極大的推動作用，影響系數(shù)自北向南按5層遞減（圖5g），舊城區(qū)影響系數(shù)大于新城區(qū)。這表明完善的停車場配套設(shè)施更能吸引市民驅(qū)車前往，從而增加公園受訪活力，提升其網(wǎng)絡(luò)關(guān)注度水平。

4 討 論

通過累計距平、趨勢分析法、M-K趨勢檢驗、小波分析法研究了福州市主城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度的波動起伏、升降趨勢、突變節(jié)點與周期性變化；通過自然斷裂點法與空間自相關(guān)分析了城市公園網(wǎng)絡(luò)關(guān)注度的空間分布與集聚類型；利用地理探測器與多尺度地理加權(quán)回歸模型，探究了影響城市公園網(wǎng)絡(luò)關(guān)注度的影響因子及因子的空間異質(zhì)性。

1）福州市主城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度月度差異明顯，節(jié)假日假期與氣溫舒適的月份網(wǎng)絡(luò)關(guān)注度普遍較高。網(wǎng)絡(luò)關(guān)注度的周變化呈多次波動上升與下降趨勢，整體來看，網(wǎng)絡(luò)關(guān)注度水平呈現(xiàn)微弱的上升趨勢，第6周是網(wǎng)絡(luò)關(guān)注度突變的開始，經(jīng)歷30周的波動下降后回升。網(wǎng)絡(luò)關(guān)注度呈現(xiàn)多個周期變化主周期，51周是其第1主周期，每過30周會呈現(xiàn)出一次周期變化。

2）城市公園網(wǎng)絡(luò)關(guān)注度梯度斷層明顯，公園網(wǎng)絡(luò)關(guān)注度聚集在第5、第6梯度。空間分布呈現(xiàn)以舊城區(qū)為核心，閩侯縣中南部與新城區(qū)為片區(qū)的“一核兩片”布局格式?？臻g集聚效果明顯，“高-高”“低-高”區(qū)集中分布于舊城區(qū)及周邊，“低-低”“高-低”區(qū)聚集于新城區(qū)及周邊地區(qū)。

3）各組指標(biāo)差異系數(shù)之和表現(xiàn)為區(qū)域分布質(zhì)量（G5）gt;周邊空間特征（G3）gt;城市區(qū)位特征（G2）gt;公園自身屬性（G4）。道路網(wǎng)密度（X14）影響系數(shù)最高，完善、便捷的交通體系會刺激市民的出行意愿。停車場數(shù)量（X19）是影響城市公園網(wǎng)絡(luò)關(guān)注度的主要因素，公園配套停車場等設(shè)施提升公園服務(wù)品質(zhì)，吸引市民驅(qū)車前往，為公園注入訪客活力。公園面積（X15）對城市公園網(wǎng)絡(luò)關(guān)注度有一定的助推作用，而具有社會經(jīng)濟屬性的周邊房價（X10）、建筑平均高度（X11）與城市公園網(wǎng)絡(luò)關(guān)注度呈負(fù)相關(guān)。

通過福州市主城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度的時間分析可知，高網(wǎng)絡(luò)關(guān)注度的城市公園集中分布于舊城區(qū)，新城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度普遍較低?；诖耍岢鲆韵陆ㄗh：①節(jié)假日期間城市公園網(wǎng)絡(luò)關(guān)注度較高，根據(jù)網(wǎng)絡(luò)關(guān)注度相對客流量的“前兆效應(yīng)”[37]，應(yīng)提前對節(jié)假日虛擬線上活動進行預(yù)熱，提升線下客流量的合理管控與分流能力。②完善城市公園配套設(shè)施建設(shè)、梳理公園周邊道路交通，將提升公園的環(huán)境面貌與游客承載能力，同時降低市民游客出行時間成本，從而提升城市公園吸引力。③注重城市公園區(qū)域組團發(fā)展，發(fā)揮高網(wǎng)絡(luò)關(guān)注度的輻射帶動作用，形成高關(guān)注度公園帶動低關(guān)注度公園、區(qū)域網(wǎng)絡(luò)關(guān)注度協(xié)同并進的發(fā)展格局。④政策上要向新城區(qū)傾斜，新城區(qū)發(fā)展起步晚，人口密度、城市基礎(chǔ)設(shè)施均不如舊城區(qū)，導(dǎo)致新城區(qū)城市公園網(wǎng)絡(luò)關(guān)注度水平普遍低于舊城區(qū)，故應(yīng)增強新城區(qū)基礎(chǔ)設(shè)施建設(shè)，提升新城區(qū)服務(wù)水平，在公園修建中強化地域特色、文化內(nèi)涵等因素。

此次研究將視角從景區(qū)景點引入更為微觀的城市公園，借助多源數(shù)據(jù)量化福州市主城區(qū)131個城市公園網(wǎng)絡(luò)關(guān)注度，探討了城市公園網(wǎng)絡(luò)關(guān)注度時空變化特征，并分析了城市公園網(wǎng)絡(luò)關(guān)注度的驅(qū)動因子及其空間特征差異，對城市公園的活力提升與規(guī)劃建設(shè)具有指導(dǎo)意義。在后續(xù)的研究中，將繼續(xù)定期獲取網(wǎng)絡(luò)關(guān)注度的數(shù)據(jù)，進行長時間的時空特征研究，同時將景觀季相、網(wǎng)絡(luò)宣傳度、政府政策引導(dǎo)、游客訪問特征等納入指標(biāo)體系，以期獲得更為全面有力的解釋效果。

參考文獻（reference）：

［1］劉源， 張凱云， 王浩. 城市公園綠地整體性發(fā)展分析[J]. 南京林業(yè)大學(xué)學(xué)報（自然科學(xué)版）， 2013，37（6）：101-106.LIU Y， ZHANG K Y， WANG H. Research on overall development of the urban public park[J]. J Nanjing For Univ （Nat Sci Ed）， 2013，37（6）：101-106.DOI：10.3969/J.ISSN.1000-2006.2013.06.002.

［2］GUO S H，YANG G G，PEI T，et al．Analysis of factors affecting urban park service area in Beijing：perspectives from multi-source geographic data[J]．Landsc Urban Plan，2019，181：103-117．DOI： 10.1016/j.landurbplan.2018.09.016.

［3］邵旻煜， 蘇曉毅. 城市公園分布與周邊人口活動密度及交通便利性分析[J]. 西南林業(yè)大學(xué)學(xué)報（社會科學(xué)）， 2019，3（1）：76-79. SHAO M Y， SU X Y. Study on urban park distribution， population density and traffic condition[J]. J Southwest For Univ （Soc Sci）， 2019，3（1）：76-79.

［4］李丹丹， 鄭鈺旦， 邵鋒， 等. 城市口袋公園使用后評價（POE）研究[J]. 中國城市林業(yè)， 2018，16（3）：41-46. LI D D， ZHENG Y D， SHAO F， et al. Research on urban vest-pocket parks by using POE[J]. J Chin Urban For， 2018，16（3）：41-46. DOI：10.3969/j.issn.1672-4925.2018.03.009.

［5］何仲禹， 李岳昊. 基于開放數(shù)據(jù)的上海城市公園使用活躍度時空特征研究[J]. 中國園林， 2020，36（10）：45-50. HE Z Y， LI Y H. The temporal-spatial characteristics of usage activeness of urban parks in Shanghai based on open data[J]. Chin Landsc Archit， 2020，36（10）：45-50. DOI：10.19775/j.cla.2020.10.0045.

［6］達婷， 李琰， MATHIAS K G. 基于場所依戀的城市濱水公園社會連接研究[J]. 南京林業(yè)大學(xué)學(xué)報（自然科學(xué)版）， 2023，47（6）：227-235. DA T， LI Y， MATHIAS K G. Research on social connectivity of urban waterfront park based on place attachment[J]. J Nanjing For Univ （Nat Sci Ed）， 2023，47（6）：227-235. DOI：10.12302/j.issn.1000-2006.202212019.

［7］梁改童， 高敏華， 白洋. 新疆5A級旅游景區(qū)網(wǎng)絡(luò)關(guān)注度時空分布特征研究[J]. 西北師范大學(xué)學(xué)報（自然科學(xué)版）， 2021，57（2）：118-126. LIANG G T， GAO M H， BAI Y. A study on the spatial and temporal distribution characteristics of the network attention degree of 5A tourist attractions in Xinjiang[J]. J Northwest Norm Univ （Nat Sci）， 2021，57（2）：118-126. DOI：10.16783/j.cnki.nwnuz.2021.02.019.

［8］楊利， 李冬杰， 都劉寧， 等. 國家公園類景區(qū)網(wǎng)絡(luò)關(guān)注度時空變化特征研究：以泛長三角地區(qū)為例[J]. 資源開發(fā)與市場， 2017，33（9）：1142-1146， 1154. YANG L， LI D J， DU L N， et al. Study on temporal and spatial variation of network attention in national park scenic spots： a case study of Pan-Changjiang River Delta[J]. Resour Dev Mark， 2017，33（9）：1142-1146， 1154. DOI：10.3969/j.issn.1005-8141.2017.09.024.

［9］李磊， 陶卓民， 賴志城， 等. 長征國家文化公園紅色旅游資源網(wǎng)絡(luò)關(guān)注度及其旅游流網(wǎng)絡(luò)結(jié)構(gòu)分析[J]. 自然資源學(xué)報， 2021，36（7）：1811-1824. LI L， TAO Z M， LAI Z C， et al. Analysis of the internet attention and tourism flow network structure of red tourism resources in Long March National Cultural Park[J]. J Nat Resour， 2021，36（7）：1811-1824. DOI：10.31497/zrzyxb.20210713.

[10]徐凡， 尤瑋， 周年興， 等. 基于百度指數(shù)的網(wǎng)絡(luò)空間關(guān)注時空分布研究：以長三角5A級景區(qū)為例[J]. 資源開發(fā)與市場， 2016，32（4）：489-493. XU F， YOU W， ZHOU N X， et al. Tourist attention based on Baidu Index of network： temporal and space distribution： taking 5A grade scenic spot in Changjiang River delta as an example[J]. Resour Dev Mark， 2016，32（4）：489-493. DOI：10.3969/j.issn.1005-8141.2016.04.021.

[11]陶思宇， 周忠學(xué). 基于旗艦物種的生態(tài)系統(tǒng)文化服務(wù)供需及流研究：以大熊貓國家公園為例[J]. 生態(tài)學(xué)雜志， 2022，41（8）：1643-1652. TAO S Y， ZHOU Z X. The supply， demand， and flow of ecosystem cultural services based on flagship species： case of the Giant Panda National Park， China[J]. Chin J Ecol， 2022，41（8）：1643-1652. DOI：10.13292/j.1000-4890.202206.009.

[12]蔚海燕， 戴澤釩， 許鑫， 等. 上海迪士尼對上海旅游流網(wǎng)絡(luò)的影響研究：基于驢媽媽游客數(shù)字足跡的視角[J]. 旅游學(xué)刊， 2018，33（4）：33-45. YU H Y， DAI Z F， XU X， et al. The impact of Shanghai Disneyland on Shanghai’s tourist flow network from the perspective of tourists’digital footprints on the Lyumama website[J]. Tour Tribune， 2018，33（4）：33-45. DOI：10.3969/j.issn.1002-5006.2018.04.009.

[13]戴璐， 白彩全， 梁龍武. 中國紅色旅游政策實施對網(wǎng)絡(luò)關(guān)注度的空間溢出效應(yīng)：基于語義分析與空間計量的實證[J]. 自然資源學(xué)報， 2021，36（11）：2778-2796. DAI L， BAI C Q， LIANG L W. Spatial spillover effect of the red tourism policy on public online attention in China： an empirical study based on semantic analysis and spatial econometric model[J]. J Nat Resour， 2021，36（11）：2778-2796. DOI：10.31497/zrzyxb.20211105.

[14]GUO X J，YAO H L，CHEN X P，et al．A study on the online attention of emergency events of torrential rain in Shanxi and Henan[J]．Water，2022，14（14）：2183．DOI： 10.3390/w14142183.

[15]劉娟， 殷豪， 曹可心， 等. 深圳市不同類型公園服務(wù)評價及提升策略[J]. 深圳大學(xué)學(xué)報（理工版）， 2021，38（4）：433-440. LIU J， YIN H， CAO K X， et al. Service evaluation and promotion strategies for different types of parks in Shenzhen[J]. J Shenzhen Univ （Sci Eng）， 2021，38（4）：433-440. DOI：10.3724/SP.J.1249.2021.04433.

[16]CLARK" M， WILKINS" E J， DAGAN" D T， et al. Bringing forecasting into the future： using Google to predict visitation in U.S. national parks[J]. J Environ Manage， 2019，243：88-94. DOI：10.1016/j.jenvman.2019.05.006.

[17]DERGIADES" T， MILAS" C， PANAGIOTIDIS" T. Tweets， Google trends， and sovereign spreads in the GIIPS[J]. Oxf Econ Pap， 2015，67（2）：406-432. DOI：10.1093/oep/gpu046.

[18]楊利， 謝慧， 謝炳庚. 中國大陸31個?。ㄊ小⒆灾螀^(qū)）濕地旅游網(wǎng)絡(luò)關(guān)注度時空差異及其影響因素[J]. 湖南師范大學(xué)自然科學(xué)學(xué)報， 2022，45（4）：77-85. YANG L， XIE H， XIE B G. Spatio-temporal differences and influencing factors of wetland tourism network attention in 31 Provinces （Municipalities and Autonomous Regions） in China’s mainland[J]. J Nat Sci Hunan Norm Univ， 2022，45（4）：77-85. DOI：10.7612/i.issn.2096-5281.2022.04.009.

[19]鄭昭彥. 重大事件對舉辦地景區(qū)網(wǎng)絡(luò)關(guān)注度的影響：以杭州G20峰會為例[J]. 地域研究與開發(fā)， 2019，38（5）：111-114. ZHENG Z Y. Influence of major events on network attention of the locations’ scenic spots： a case from G20 summit in Hangzhou City[J]. Areal Res Dev， 2019，38（5）：111-114. DOI：10.3969/j.issn.1003-2363.2019.05.021.

[20]上官莎逸， 劉健， 余坤勇， 等. 福州城市公園綠地可達性影響因素[J]. 福建農(nóng)林大學(xué)學(xué)報（自然科學(xué)版）， 2018，47（4）：494-502. SHANG G S Y， LIU J， YU K Y， et al. Factors affecting accessibility of urban park green space in Fuzhou[J]. Agric For Univ， 2018，47（4）：494-502. DOI：10.13323/j.cnki.j.fafu（nat.sci.）.2018.04.018.

[21]關(guān)文川， 吳志峰， 吳卓， 等. 基于微信宜出行數(shù)據(jù)的城市人口活動時空探測及其影響因素分析[J]. 現(xiàn)代城市研究， 2021，36（8）：2-9. GUAN W C， WU Z F， WU Z， et al. Study on spatial-temporal detection and influencing factors of urban population activity based on Easygo data[J]. Mod Urban Res， 2021，36（8）：2-9. DOI：10.3969/j.issn.1009-6000.2021.08.001.

[22]秦詩文， 楊俊宴， 馮雅茹， 等. 基于多源數(shù)據(jù)的城市公園時空活力與影響因素測度：以南京為例[J]. 中國園林， 2021，37（1）：68-73. QIN S W， YANG J Y， FENG Y R， et al. Spatiotemporal vitality and influencing factors of urban parks based on multi-source data： a case study of Nanjing[J]. Chin Landsc Archit， 2021，37（1）：68-73. DOI：10.19775/j.cla.2021.01.0068.

[23]李方正， 錢蕾西， 臧鳳岐， 等. 基于騰訊出行大數(shù)據(jù)的北京市郊野公園游憩使用及影響因素研究[J]. 風(fēng)景園林， 2019，26（4）：77-82. LI F Z， QIAN L X， ZANG F Q， et al. Study on recreational use and influencing factors of country parks in Beijing based on Tencent travel big data[J]. Landsc Archit， 2019，26（4）：77-82. DOI：10.14085/j.fjyl.2019.04.0077.06.

[24]鈕心毅， 康寧. 上海郊野公園游客活動時空特征及其影響因素：基于手機信令數(shù)據(jù)的研究[J]. 中國園林， 2021，37（8）：39-43. NIU X Y， KANG N. Spatio-temporal characteristics and influencing factors of tourist activities in Shanghai country parks： a study based on mobile phone signaling data[J]. Chin Landsc Archit， 2021，37（8）：39-43. DOI：10.19775/j.cla.2021.08.0039.

[25]潘雄鋒， 劉清， 彭曉雪. 基于全局熵值法模型的我國區(qū)域創(chuàng)新能力動態(tài)評價與分析[J]. 運籌與管理， 2015，24（4）：155-162. PAN X F， LIU Q， PENG X X. Evaluation and analysis of regional innovation ability in China based on overall entropy method[J]. Oper Res Manag Sci， 2015，24（4）：155-162. DOI：10.3969/j.issn.1007-3221.2015.04.023.

[26]陳赟， 沈浩， 王曉慧， 等. 基于Mann-Kendall趨勢檢驗的城市能源碳達峰評估方法[J]. 上海交通大學(xué)學(xué)報， 2023，57（7）：928-938. CHEN Y， SHEN H， WANG X H， et al. Assessment method for urban energy carbon emission peak based on Mann-Kendall trend test[J]. J Shanghai Jiao Tong Univ， 2023，57（7）：928-938. DOI：10.16183/j.cnki.jsjtu.2021.524.

[27]孔鋒， 孫劭， 王一飛， 等. 近56 a來中國東部地區(qū)雨澇事件時空演變特征[J]. 長江流域資源與環(huán)境， 2018，27（7）：1554-1564. KONG F， SUN S， WANG Y F， et al. Temporal and spatial variation pattern of waterlogging events in eastern China in recent 56 years[J]. Resour Environ Yangtze Basin， 2018，27（7）：1554-1564. DOI：10.11870/cjlyzyyhj201807015.

[28]曹偉征， 邢貞相， 李衡， 等. 佳木斯地區(qū)1956—2010年徑流量時間序列變異分析[J]. 水土保持研究， 2018，25（6）：126-130. CAO W Z， XING Z X， LI H， et al. Time series analysis on runoff in Jiamusi area from 1956 to 2010[J]. Res Soil Water Conserv， 2018，25（6）：126-130. DOI：10.13869/j.cnki.rswc.2018.06.019.

[29]馬新萍， 白紅英， 馮海鵬， 等. 52 a來秦嶺南北徑流變化對比及影響因素[J]. 干旱區(qū)地理， 2013，36（6）：1032-1040. MA X P， BAI H Y， FENG H P， et al. Runoff variation and its influencing factors compared between south and north of Qinling Mountains during 50 years[J]. Arid Land Geogr， 2013，36（6）：1032-1040. DOI：10.13826/j.cnki.cn65-1103/x.2013.06.011.

[30]羅潤， 周年興， 謝秋逸， 等. 基于小波分析的不同類型旅游景區(qū)旅游流時間特征研究：以江蘇省125家高等級旅游景區(qū)為例[J]. 地域研究與開發(fā)， 2022，41（6）：99-104. LUO R， ZHOU N X， XIE Q Y， et al. Study on the temporal characteristics of tourist flow in different types of scenic spots based on wavelet analysis ：a case study of 125 high-level scenic spots in Jiangsu Province[J]. Areal Res Dev， 2022，41（6）：99-104. DOI：10.3969/j.issn.1003-2363.2022.06.017.

[31]王勁峰， 徐成東. 地理探測器：原理與展望[J]. 地理學(xué)報， 2017，72（1）：116-134. WANG J F， XU C D. Geodetector： principle and prospective[J]. Acta Geogr Sin， 2017，72（1）：116-134. DOI：10.11821/dlxb201701010.

[32]張瑞， 李朝奎， 姚思妤， 等. 融合地理探測器和地理加權(quán)回歸的太原市建設(shè)用地變化因素研究[J]. 測繪通報， 2022（5）：106-109， 119. ZHANG R， LI C K， YAO S Y， et al. Study on the change factors of construction land in Taiyuan by integrating geographic detector and geographically weighted regression[J]. Bull Surv Mapp， 2022（5）：106-109， 119. DOI：10.13474/j.cnki.11-2246.2022.0150.

[33]文妙霞， 何學(xué)高， 劉歡， 等. 基于地理探測器的寧夏草地植被覆被時空分異及驅(qū)動因子[J]. 干旱區(qū)研究， 2023，40（8）：1322-1332. WEN M X， HE X G， LIU H， et al. Analysis of the spatiotemporal variation characteristics and driving factors of grassland vegetation cover in Ningxia based on geographical detectors[J]. Arid Zone Res， 2023，40（8）：1322-1332. DOI：10.13866/j.azr.2023.08.13.

[34]凡來， 張大玉. 基于MGWR的華北地區(qū)傳統(tǒng)村落空間分異特征及影響因素研究[J]. 中國園林， 2022，38（10）：56-61. FAN L， ZHANG D Y. Study on spatial differentiation characteristics and influencing factors of traditional villages in north China based on MGWR model[J]. Chin Landsc Archit， 2022，38（10）：56-61. DOI：10.19775/j.cla.2022.10.0056.

[35]黃颙昊， 楊新苗， 岳錦濤. 基于多尺度地理加權(quán)回歸模型的城市道路騎行流量分析[J]. 清華大學(xué)學(xué)報（自然科學(xué)版）， 2022，62（7）：1132-1141. HUANG Y H， YANG X M， YUE J T. Urban street bicycle flow analysis based on multi-scale geographically weighted regression model[J]. J Tsinghua Univ （Sci Technol）， 2022，62（7）：1132-1141. DOI：10.16511/i.cnki.qhdxxb.2022.26.014.

[36]王強， 崔璐明， 鄢慧麗. 黃河流域區(qū)域經(jīng)濟差異影響因素的空間異質(zhì)性：基于MGWR模型的實證研究[J]. 地域研究與開發(fā)， 2023，42（2）：7-13. WANG Q， CUI L M， YAN H L. Spatial heterogeneity of driving factors of the regional economic disparity in the Yellow River basin ： a multiscale geographically weighted regression approach[J]. Areal Res Dev， 2023，42（2）：7-13. DOI：10.3969/j.issn.1003-2363.2023.02.002.

[37]孫燁， 張宏磊， 劉培學(xué)， 等. 基于旅游者網(wǎng)絡(luò)關(guān)注度的旅游景區(qū)日游客量預(yù)測研究：以不同客戶端百度指數(shù)為例[J]. 人文地理， 2017，32（3）：152-160. SUN Y， ZHANG H L， LIU P X， et al. Forecast of tourism flow volume of tourist attraction based on degree of tourist attention of travel network： a case study of Baidu Index of different clients[J]. Hum Geogr， 2017，32（3）：152-160. DOI：10.13959/j.issn.1003-2398.2017.03.020.

（責(zé)任編輯 鄭琰燚）