EN中文

JOURNAL OF NATURAL RESOURCES >

2019 , Vol. 34 >Issue 1: 205 - 220

DOI: https://doi.org/10.31497/zrzyxb.20190117

Orginal Article

Implications of overseas quantitative studies of climate change impact on tourism for domestic research

  • ZENG Yu-xi , 1, 2 ,
  • ZHONG Lin-sheng , 1, 2 ,
  • LIU Han-chu 1, 2 ,
  • YU Hu 1
Expand
  • 1. Institute of Geographical Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2018-06-01

  Request revised date: 2018-10-09

  Online published: 2019-01-20

Copyright

《自然资源学报》编辑部 所有
Fold

Abstract

The quantitative study on the impact of climate change on tourism in China is relatively weak, so it is urgent to learn from foreign experience. Therefore, based on the SCI/SSCI literature database, this article reviews the related research progress abroad from 1986 to 2017. The study finds that for more than 30 years, quantitative research on the impact of climate change on tourism in foreign countries has mainly used index methods, tourism demand models and selection analysis methods. Among them, the index method includes the single index method and the comprehensive index method. The tourism demand model includes the time series model and the cumulative demand model. The selection analysis includes the descriptive statistics and the discrete selection model. The indicator method is mainly used to study the environmental effects of tourism resources and environmental changes, changes in tourism climate conditions, changes in comprehensive factors, and the climate change response behavior of the main body of tourism. Due to the existence of offsetting effects of climate change, the comprehensive index method is more advantageous than the single index method. Although the comprehensive index method has difficulties such as computational complexity, it can comprehensively examine the impact of climate change on the comprehensive factors of tourism destinations, and is an important direction of development of indicators and methods. The indicator approach focuses on the changes in tourism destinations, and climate change responses need to understand the changes in tourism demand. Therefore, the use of tourism demand model has gradually increased. Among them, the time series method is mainly used to study the impact of weather conditions on tourism demand. The cumulative demand model is mainly used to study the structural impact of climate change on tourism demand and the impact of climate policy on tourism demand. With the development of computer technology and artificial intelligence, there is a great potential for future applications. The tourism demand model focuses on changes in the macro-tourism flow and ignores the heterogeneity of the tourism market. With the diversification and diversity of the tourism market becoming more apparent, the use of micro-individual-based selection analysis methods has increased. In related studies of selective analysis, descriptive statistics are often used to study the effects of climate change based on preference, behavioral willingness and climate change perception in the context of climate change. Discrete choice models are often used to study the influence of climate change based on preference and help to analyze the changes in the market structure of tourist destinations in the context of climate change. As more and more studies show that the impact of climate change on the tourism market is more reflected in the change in market structure, the application demand for discrete selection models has further increased. However, the basic theoretical assumptions of the discrete selection model still need to be studied in the correction of tourism scenarios. Combining the latest progress in the quantitative research on the impact of climate change on tourism in foreign countries, and linking with China's reality, future research needs to strengthen the application of cumulative demand models in tourism flow related research, the application of discrete selection models in tourism market structure research, and the use of systematic scientific methods and big data technologies in related research. In the future, we should enhance research on climate-sensitive tourism activities in China, and as relevant studies on "Belt and Road" countries and regions, as well as the Tibetan Plateau.

Key words： climate change; tourism; impacts; quantitative studies; overseas

Cite this article

ZENG Yu-xi , ZHONG Lin-sheng , LIU Han-chu , YU Hu . Implications of overseas quantitative studies of climate change impact on tourism for domestic research[J]. JOURNAL OF NATURAL RESOURCES, 2019 , 34(1) : 205 -220 . DOI: 10.31497/zrzyxb.20190117

20世纪中后期以来,以气温上升为主要特征的全球气候变化幅度日益加剧,改变着旅游业发展所依托的自然与社会经济条件[1]。中国增暖趋势在全球表现突出,多个时期内,其平均增温速率明显高于全球同期平均增温速率[2]。在此背景下,中国境内的天气条件、景观质量等发生了时空变化,给旅游业发展带来很大的不确定性。据预测,2050年中国年平均气温将增加2.3~3.3 ℃,2100年增加3.9~6.0 ℃[3]。可见,气候变化势必成为21世纪中国旅游业发展需应对的最大挑战之一[4]。
为有效应对气候变化,需在影响机理方面获得详实可靠的研究成果[5]。研究成果是否具有科学性,很大程度上取决于所采用的研究方法。气候变化对旅游业的影响具有长期性、潜在性,需通过对大量观测数据的定量分析来掌握气候变化影响的科学事实。因此,定量研究成为探索气候变化对旅游业影响的必要方式[6]。
中国相关研究已开展10余年,但目前仍较为薄弱[7]。研究领域集中于气候变化对旅游地环境要素的影响（如气温、物候期）及气候变化对旅游需求的影响,研究方法以单项指标方法与时间序列模型为主[8,9,10]。与此形成鲜明对比的是,国外学界关于气候变化对旅游业影响的定量研究已较成熟,借鉴国外相关研究经验可为国内学界提供启示。国外相关研究始于1986年[11],30余年来,面对愈加复杂的研究问题,采用的定量方法也愈加丰富、完善。Rosselló-Nadal将国外相关研究方法归为三类：物理环境指标、气候指数与需求模型[6]。但是,该研究没有对方法进一步细化,忽视了不同细分方法之间的差异。同时,该研究关注定量方法原理与相关研究的主要结论,没有探讨方法的演进过程及其适用领域。经过30余年的发展,国外相关研究在研究方法及其应用上都呈现出一定的规律特征。梳理这些特征,有助于系统认识国外气候变化对旅游业影响的定量研究发展历程与未来趋势,并从中汲取经验,及时掌握研究方法,更好地满足中国可持续旅游发展实践提出的研究需求。
鉴于此,本文根据1986-2017年发表在SCI/SSCI收录期刊上的气候变化对旅游业影响的定量研究文献,梳理定量研究方法类型及其应用趋势,结合中国旅游业发展现状,提出中国开展相关研究应该关注的方向。

1 文献获取与概况

以Web of Science为检索平台,将主题词限定为“climat * change”与“tour*或travel”,时间跨度为1986-2017年,检索时间2017年7月。本次检索获1342篇文献,剔除综述、书评等,余下1191篇;筛除“旅游业对气候变化的影响”等非目标文献,分析余下348篇文献的题目、摘要、关键词及部分全文,最后选取221篇定量研究文献作为本文研究基础。
图1显示,2003年以前,国外相关文献数量维持低水平的小幅波动;2003年于吉尔巴岛召开的第一届气候变化与旅游大会推动相关文献量在2003-2007年间直线上升;2007-2017年,在达沃斯召开的第二届气候变化与旅游大会以及哥本哈根气候大会、巴黎气候大会等推动相关文献量在高水平上波动增长。
Fig. 1 Annual distribution of quantitative research literatures on impacts of climate change on tourism from 1986 to 2017

图1 1986-2017年国外气候变化对旅游影响的定量研究文献数量年度分布

从旅游活动来看,这些文献涉及20余种旅游活动（图2）。其中,关注度较高的有滑雪旅游、海洋旅游等。从研究区来看,国外研究对欧洲的关注度最高。21世纪以来,亚洲相关研究逐渐增多（图3）,但其国际影响力仍然较低[12],反映出亚洲相关研究成果质量有待提升。
Fig. 2 Trend of attention to tourism activities in oversea studies

图2 国外研究对旅游活动的关注度变化

Fig. 3 Trend of attention to each continent in oversea studies

图3 国外研究对各大洲的关注度变化

2 定量方法类型及其应用领域

结合Rosselló-Nadal的分类[6]与文献分析,将国外已采用的气候变化对旅游业影响的定量研究方法分为指标方法、需求模型、选择分析、其他四类（表1）。其中,前三类方法的使用频率高达95%,是目前相关研究采用的主要方法,因此是本文的研究主体。这三类方法可细分为单项指标方法等6个亚类,包含环境指标、ARIMA模型等近20种具体方法。
Table 1 Types of quantitative approaches used in oversea studies on impacts of climate change on tourism

表1 国外气候变化对旅游业影响的定量研究方法分类

方法大类 方法亚类 具体方法 使用频率/%
指标方法 单项指标方法 环境指标（积雪深度等）,气象指标,气候指数 （TCI、CIT、PET、UTCI等） 43.89
综合指标方法 层次分析法,多维准则法,主成分分析 18.55
需求模型 时间序列模型 ARIMA模型,传递函数模型,自回归条件异方差,自回归分布滞后模型,误差纠正模型 15.84
累计需求模型 Madison模型,HTM模型 6.79
选择分析 描述统计 频度统计,Bofferoni校正、t检验 6.33
离散选择模型 Logit模型 3.62
其他 时期类比法、马尔科夫链转换模型、智能体模型、享乐价格模型、心理学实验等 4.97

注：对同一文献中运用的两种及以上定量方法进行分别统计。（英文缩写：TCI, Tourism Climate Index; CIT, Climate index of tourism; PET, Physiologically Equivalent Temperature; UTCI, Universal Thermal Climate Index; ARIMA: Autoregressive Integrated Moving Average Model; HTM, Hamburg Tourism Model）

这些方法主要用于解决10个方面的研究问题（表2）。指标方法主要用于旅游资源环境变化等主题,这些主题关注的气候变化影响受体是旅游资源与环境。需求模型主要用于天气状况对旅游需求的影响等主题,这些主题关注的气候变化影响受体是宏观旅游需求规模。选择分析主要用于基于偏好的气候变化影响等主题,这些主题关注的气候变化影响受体是微观个体的感知与行为。
Table 2 The main topics and methods used in the study on impacts of climate change on tourism

表2 气候变化对旅游业影响研究关注的主要研究问题及其方法

方法 研究问题 具体问题案例 具体方法运用案例
指标方法 旅游资源环境变化 气候变化对滑雪条件的影响 积雪深度[13]
气候变化对花卉节庆日期的影响 始花期[14]
旅游气候条件变化 气候变化对旅游气候舒适度的影响 TCI指数[15]
综合要素变化 海滩旅游地的气候变化脆弱性 脆弱性评估框架、多维准则评估法[16]
旅游主体气候变化响应行为的环境效应 气候变化背景下,旅游者行为变化对生物多样性的影响 生物多样性指标[17]
需求模型 天气状况对旅游需求的影响 气温对入境旅游人次与出境旅游人次的影响比较 ARIMA模型[18]
气候变化对旅游需求的结构性影响 气候变化对全球旅游流时空分布的影响 HTM模型[19]
节能减排政策对旅游需求的影响 航空碳税对海岛旅游流时空分布的影响 HTM模型[20]
选择分析 基于偏好的气候变化影响 气候变化背景下,旅游地要素变化对旅游者行为的影响 嵌套Logit模型[21]
气候变化背景下的行为意愿 不同气候情景中,旅游者的重游意愿 频度统计[22]
气候变化感知 旅游经营者对气候变化的感知 频度统计[23]

3 定量方法应用趋势

30余年来,随着方法技术自身与研究主题的发展,研究方法应用趋势逐渐显现。指标方法的运用最早,始于20世纪80年代末;20世纪90年代末,需求模型的运用逐渐增多;21世纪后,选择分析逐渐引起关注。同时,三类方法内部也呈现一定的发展趋势。

3.1 指标方法：从单项指标方法到综合指标方法

20世纪80年代末欧洲滑雪产业遭受暖冬危机,为了回答气候变化如何影响滑雪场经营的问题,指标方法得以推广。指标方法以气候变化敏感型旅游资源与环境要素为切入点,假设只有当该要素处于特定状态时,才能有效支撑旅游活动开展。由此,指示要素状态的指标应处于一定区间内。当气候变化引起的指标变化在区间内波动时,气候变化的影响不明显;超出区间时,气候变化将对旅游业产生较大影响。指标方法包括单项指标方法与综合指标方法。单项指标方法运用最早、最广泛,但近年来综合指标方法逐渐受到重视。
3.1.1 单项指标方法
单项指标用于说明气候变化对旅游资源与环境总体影响在某一局部、某方面的概念与数量特征[24]。该方法假设,旅游地某项指标构成其旅游吸引力的基础甚至核心。因而,透过该指标变化可反映气候变化对旅游地某一要素旅游吸引力的影响。由此可见,单项指标的选取直接影响了气候变化影响研究结果。相关研究选取的单项指标通常与旅游人次直接相关,常用指标有气温、积雪指标等（表3）[25,26]。此外,指标阈值的确定也对研究结果有较大影响。当指标处于不同阈值范围内,要素对旅游业发展的支持能力不同。值得注意的是,单项指标受到气候自然要素及人类应对气候变化行为的双重影响,在预测气候情景中单项指标变化时要同时考虑两者。
Table 3 Frequency of indicators used in quantitative studies on impacts of climate change on tourism

表3 气候变化对旅游业影响的定量研究常用指标及其使用频度

指标 使用频率/% 指标 使用频率/%
气温 21.38 生物指标 2.90
积雪指标 15.58 湿度 2.17
降水 11.96 CIT 1.45
海洋环境指标 11.23 北大西洋/南方涛动指数 1.45
风速 7.61 冰川指标 1.45
TCI 6.52 UTCI 1.09
日照/太阳辐射 6.52 BCI 0.36
PET 4.35 HCI 0.36
云/霜/雾 3.26 风寒指数 0.36

注：气候指数中所含的气象指标不做单独统计。

单项指标方法主要用于旅游资源环境变化与旅游气候条件变化研究。旅游资源环境变化研究起步最早,尤其是滑雪旅游资源环境。20世纪80年代末,国外学者采用积雪深度与持续时间等指标研究气候背景下滑雪旅游经营的可持续性,获得“30 cm积雪深度、百日规则、瑞士1200 m滑雪雪线”等对滑雪旅游业有关键影响的指标阈值,并采用积雪模型预测气候变化情景下的滑雪条件[27]。早期相关研究主要针对自然降雪,没有考虑人工造雪的影响。Scott等运用添加人工造雪模块的积雪模型,发现人工造雪减缓了气候变化的负面影响。但是,人工造雪也受到经营者经济实力和水资源的制约,集成这些制约因子的模型还需要探索[28]。20世纪90年代以来,海滩、冰川、生物等方面的指标运用也逐渐增多,如海滩长度、冰川长度、物候期与生物健康水平等,但这些指标变化对旅游经济的影响尚未明确,缺乏指标阈值的研究成果。
旅游气候条件受气候变化的影响最直接[29]。早期相关研究围绕旅游者体感舒适,常用TCI指数、PET指数等进行测度。但是,这些指数仅考虑了热舒适环境[30]。de Freitas丰富了旅游气候条件的内涵,提出了包含“热环境、美感、物理条件”三方面的CIT指数[31]。其中,热环境由气温与相对湿度构成;美感与能见度有关,受到云量、日照时数的影响;物理条件包括降雨量与风速。这三方面对3S（Sun, sea and sand）旅游的影响最大,因而CIT指数早期常用于海洋旅游环境中,后经修正开发的第二代CIT在山地等其他环境中也得以应用[32]。CIT指数的重要性在于它提供了旅游气候条件多方面影响的理论框架,启发未来研究根据特定旅游环境开发针对性指标。
单项指标方法还用于旅游主体气候变化响应行为的环境效应研究。旅游主体受气候变化的影响而改变行为,必然使外部环境产生一系列变化[33]。这些变化的类型、程度、时空分布等即行为变化的环境效应研究内容。该领域研究的行为主体涵盖经营者与旅游者,鲜见旅游管理者与社区居民的相关研究。主体行为的环境效应直接表现为单项指标的变化,如人工造雪导致水资源消耗量增多[34]。
单项指标方法简洁明了,能较准确地反映气候变化对局部特征的影响。根据特定旅游活动或环境开发针对性指标、确定指标阈值是未来重要的研究内容。然而,仅采用单项指标方法,可能会影响对气候变化整体影响性质的判断。这是因为气候变化会对旅游系统的多个要素产生影响,这些影响之间可能存在“抵消效应”——即气候变化对不同要素的影响之间相互抵消的现象。这种现象的存在强调了多要素集成研究的必要性,使综合指标方法逐渐受到关注。
3.1.2 综合指标方法
综合指标方法即集成多个单项指标来综合测评气候变化影响的性质与程度。采用综合指标方法时,通常要将多个指标转化为能够反映综合情况的指标,如气候变化脆弱性、气候变化风险程度等[35]。综合指标方法涉及指标选取、赋权与集成。指标选取建立在理论分析与研究对象实情的基础上。研究不同类型的旅游活动、旅游地时,所选指标存在差异。例如,海滩旅游地相关研究侧重日照时间、沙滩面积等指标,滑雪旅游地相关研究侧重气温、积雪深度等指标。近年来,脆弱性理论成为指标选取的重要理论基础之一。指标赋权与集成的常用方法包括主成分分析、层次分析法与多维准则评估[36]。如Hyman根据脆弱性理论,从暴露度、敏感度与适应能力三个方面选取了43个指标,运用多准则决策法（Multi-Criteria Decision Analysis）对比分析了海滩与非海滩旅游地的气候变化脆弱性[16]。
综合指标方法主要用于综合要素变化与旅游主体气候变化响应行为的环境效应研究。该方法能有效识别气候变化影响的抵消效应。Richard等综合气温、野生动物数量、植被结构等指标,认为在近期（2020s）气候变化将会提升加拿大西部国家公园的旅游吸引力[37]。Scott等针对同一区域、采用相似指标进一步考察了远期影响,指出到2080s,气温上升带来的积极影响将小于环境恶化造成的负面影响,导致旅游吸引力下降[22]。Coombes等针对东英吉利的研究发现,尽管气温升高会促进旅游人次增多、对海岸栖息地造成压力,但也能促使旅游者开展更多对环境影响小的旅游活动（如游泳）,故总体上不会产生负面影响[17]。
目前,综合指标方法的运用范围仍然较小,主要因为该方法具有计算繁琐、对指标间内在关系不易把握等难点[16]。同时,在指标赋权时难以避免主观因素,一定程度上降低了分析结果的稳定性。但就理论建构而言,综合指标方法比单项指标方法更为全面,因而是指标方法的重要发展方向。未来,综合指标方法需进一步加强综合集成技术。应用系统思想,结合科学理论与经验知识（如结合热力学定义的气候舒适度与游客偏好的气候条件）,借助大型计算机系统平台,通过人机交互,对经验性假设做出明确结论。

3.2 需求模型：从时间序列模型到累计需求模型

21世纪以后,随着对气候变化适应的关注度上升,学者们发现基于指标方法的研究仅关注旅游地要素变化,对旅游业气候变化适应决策的支撑有限[38]。因此,使用需求模型定量刻画宏观旅游需求边际变化的研究逐渐增多。需求模型注重旅游地要素与旅游需求之间的联系,其基本假设是：旅游者通过旅游消费行为来揭示旅游地的气候关联要素（如气温、积雪深度）对其旅游决策的影响方式。一旦确定这些要素对旅游需求的影响系数,便可通过未来气候情景下这些要素的变化来预测旅游需求时空变化。需求模型包括时间序列模型与累计需求模型。时间序列模型运用较早,近年来采用累计需求模型的研究逐渐增多。
3.2.1 时间序列模型
时间序列方法根据历史时间序列进行趋势外推。对每一时刻t1, t2, … , tn的一组变量x（t）进行观察测量,这一系列时刻观测得到的离散数字组成的序列集合即时间序列。在时间序列模型中,气候变化的影响主要通过天气变化来表示。通过建立气象变量（如气温、降水量）与旅游需求变量（如旅游人次、旅游收入）的关系,来测度气候变化对旅游需求的影响。
ARIMA模型是相关研究最常用的时间序列模型。该模型的基本思想是：将预测对象的时序数据视为一个随机序列,用数学模型来近似描述该序列。基本步骤为：识别数据序列的平稳性并进行平稳化处理;根据识别规则建立模型,进行参数估计,验证参数的统计意义;检验假设,诊断残差序列是否为白噪声[18]。最初,时间序列模型以线性回归为基本形式。随着气候变化对旅游需求影响的非线性与滞后性在越来越多的研究中被证实[39,40],对模型拟合方式提出了更精细的要求。一些复杂的时间序列模型相继出现,如自回归条件异方差模型[41]、自回归分布滞后模型[42]、误差修正模型[43]等。
时间序列模型主要用于天气状况对旅游需求的影响研究。对于旅游需求而言,日尺度和月尺度的天气状况较有意义。相关研究表明,时间尺度的选取对研究结果有较大影响。大部分研究认为,日值数据更能反映气候变化对旅游业的影响[44],但目前相关研究仍然以月值数据为主。例如,Fisichelli等建立了1979-2013年美国340处国家公园月均气温与旅游人次的时间序列模型,据此模拟2041-2060年两种气候情景中国家公园游览人次变化[45]。这一方面是因为月度分析对旅游业的实践意义更强[46],另一方面囿于数据获取的限制。
时间序列模型可剔除季节周期性影响,且基于过去的实际观测数据,能较好地反映天气与旅游需求的关系。然而,该方法基于短期的天气状况,难以分析气候变化对旅游需求的结构性影响,因而累计需求模型的运用逐渐增多[46]。
3.2.2 累计需求模型
累计需求模型以聚合多个点数据的总体数据为基础,解析气候变化与总体旅游需求的变化关系。Madison较早采用累计需求模型研究气候变化对英国旅游者目的地选择的影响,并引入4阶多项式非线性效应[47]。Lise等借鉴此法,集成1980-1996年210个国家的1730个观测值建立横截面数据模型,采用普通最小二乘法估计气候变化对旅游需求的影响[48]。Hamilton等于2005年提出的HTM（Hamburg tourism model）是目前运用较多的累计需求模型。该模型涉及207个国家与地区的出入境游客量、人口、经济、气候等变量,其基本形式为[49]：
ln V d = α 0 + α 1 G d + α 2 T d + α 3 T d 2 + α 4 C d + α 5 ln Y d （1）
ln D OR P OR = β 0 + β 1 T OR + β 2 T OR 2 + β 3 B OR + β 4 Y OR + β 5 ln G OR （2）
式中： V d 是目的地 d 的旅游总人次; D OR 是来自客源国 OR 的旅游人次; P OR 是客源国 OR 的人口; G 是区域面积; T 是1961-1990年的年均气温; C 是海岸线长度; Y 是人均收入; B 是与目的地接壤的国家数量; α 和 β 是待估参数。
累计需求模型主要用于气候变化对旅游需求的结构性影响研究。Hamilton等研究了1995-2075年全球旅游流,发现气候因素对旅游流的影响远小于社会经济因素[19];Steiger针对奥地利的分析表明,21世纪前半期,人口因素的作用大于气候因素;21世纪后半期,气候因素的影响成为主导[50]。这些研究表明,气候变化对旅游流的影响更多地表现在区域尺度上,需通过长时间尺度才能观测。
此外,累计需求模型还用于气候政策对旅游需求的影响研究。气候变化减缓政策包含减排与增加碳汇两大类[51]。目前,相关研究主要围绕减排政策对旅游流的影响,主要路径是将碳税等因素加入累计需求模型中进行考察。关于减排政策对长途游客量的影响尚存较大争议,已有研究持“减少”、“增加”、“无影响”三种观点。如Tol针对200余个国家和地区的旅游流,运用HTM研究了碳税政策的影响,认为航空碳税的实施会减少长途航空游客数量[20];Mayor等针对英国国际旅游流,运用加入碳价因素的HTM模型研究空中旅客税（Air passenger duty, APD）的影响,发现APD减少了近程与远程目的地旅行费用之间的差异,导致长途航空游客和旅游业碳排放的小幅增加[52];Gossling等研究了10个海岛国家的旅游流,指出气候变化减缓政策对总体国际旅游需求的影响甚微,在近期与中期几乎没有影响[53]。可见,气候变化减缓政策对旅游业的影响需在远期与较小空间尺度上进一步探讨。
累计需求模型因其复杂性,目前运用较少。但随着计算机技术和人工智能的发展,未来应用前景广阔。空间降尺度分析是累计需求模型的重要发展方向之一。大空间尺度内部不均匀的气候变化程度（如变暖程度）可能导致旅游者行为模式变化存在较大区域差异,而这种差异在将空间作为均质处理的总量分析中会被“掩盖”。因此,累计需求模型需进一步研究空间降尺度方法,如国家内部的区域尺度[49]。

3.3 选择分析：从描述统计到离散选择模型

选择分析能有效弥补需求模型注重宏观变化、忽视旅游市场内部异质性的缺陷。旅游市场内部各细分群体具有不同的人口统计特征、社会经济背景与旅游动机等,会导致不一致的气候变化响应行为,而这种差异难以用需求模型进行分析。随着旅游市场多样化与差异性愈加明显,基于微观个体的选择分析方法运用增多。此外,需求模型对统计数据有较高要求。对于一些缺乏长时序旅游需求数据的旅游地,或缺乏物理数据的旅游地要素,选择分析是测度气候变化影响的有效方法。
选择分析立足微观个体视角,如旅游管理者、经营者、旅游者与社区居民,旨在理解并预测气候变化对旅游主体感知与行为的影响。选择分析包括描述统计与离散选择模型。描述统计方法使用较早,近年来逐渐倾向离散选择模型。
3.3.1 描述统计
描述统计是指对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。该方法多以问卷调查数据为基础,分析方法包括频度统计、t检验等。描述统计常用于基于偏好的气候变化影响、气候变化背景下的行为意愿与气候变化感知研究。基于偏好的气候变化影响研究关注旅游者对旅游地要素的偏好,并通过模拟气候变化背景下的旅游地要素变化,来预测气候变化对旅游者的影响。例如,统计不同类型旅游者认为“理想的、可接受的、难以容忍的”旅游地要素状态,预估气候变化情景下不同类型旅游者数量的变化[54]。
气候变化背景下的行为意愿研究关注旅游者陈述的在某种气候变化情景下的预期旅游行为,对调查过程中气候情景设定与情景信息传递方式有较高要求。Unbehaun等通过面访调研,发现在积雪连年不足的情况下,大部分滑雪旅游者的重游意愿将降低[55]。但该研究受到“调查者向受访者描述的‘不足’是什么程度、旅游者是否能准确理解这种程度”等质疑[29]。Scott等定量刻画了要素变化程度,发现环境要素在2050s之前的变化（水温比目前高4 ℃、冰川数目下降为10等）对旅游者的影响很小,到2080s的变化（水温比目前高7 ℃、冰川数目下降为0等）对旅游者的影响较大,56%的旅游者表明将减少甚至取消到访次数。但该研究仍然难以检测旅游者的信息理解偏差[22]。
气候变化感知研究关注旅游主体对气候变化及其影响的认知与态度,研究最多的主体是旅游者,其次是旅游经营者与旅游组织,缺乏旅游地社区的相关研究[56]。形成的主要结论有：旅游者感知较明显,行为灵活性高,气候变化脆弱性小;旅游经营者感知到气候变化影响的不确定性较强,采取适应策略的主动性较弱,尤其是小规模经营者[23];旅游管理部门与政府组织感知到气候对旅游业的重要性,但未重视气候变化对旅游业的影响[57]。
描述统计的原理简单、计算方便,应用范围广、使用频率较高。但是,该方法使用的数据主要是受访者陈述偏好数据,这类数据的有效性具有较大争议,如受访者是否能准确理解调查者所传递的情景信息[58]。此外,这种方法无法获得气候变化引起旅游地要素变化一个单位时,旅游者行为发生的相应变化[59]。然而,只有掌握气候变化与旅游者行为之间的量化关系,才能根据特定旅游发展目标来管理旅游地要素。由此,离散选择模型逐渐受到重视[6]。
3.3.2 离散选择模型
离散选择模型的理论基础是Lancaster的新消费者理论[60]。该理论认为,效用的来源不是商品和服务本身,而是商品和服务的特征;消费者选择的标准是效用最大。离散选择模型假设旅游者根据效用最大化原则来选择旅游地[61],可将旅游者选择某旅游地的可能性表示为：
π ni = Pr U ni > U nj = Pr β n ' x ni + ε ni > β n ' x nj + ε nj ∀ j ≠ i （3）
式中： π ni 表示旅游者n选取目的地 i 的可能性; U ni 、 U nj 分别表示旅游者n从目的地 i 、 j 中获取的效用; x ni 是旅游者n观察到的目的地 i 的属性; β n 是该属性特征向量; ε nj 是残差项。由此可见,旅游地属性受气候变化影响发生改变,必将影响旅游地被选择的可能性,从而改变旅游地旅游市场规模。
离散选择模型的因变量属于分类变量,因而其基本函数形式是Logit模型。早期常用多项Logit模型,但其存在替代形式和跨期间重复选择等方面的局限性[62],使得混合Logit、嵌套Logit模型等的运用逐渐增多[21]。离散选择模型所需数据包括旅游地要素数据与旅游者行为数据。旅游地要素数据通常根据物理测量获得,旅游者行为数据通过调查陈述偏好或揭示偏好获得。其中,揭示偏好数据能反映实际旅游行为,可靠性较高。近年来,通过影像设备、图片社交网站获取揭示偏好数据成为一大趋势。
离散选择模型常用于基于偏好的气候变化影响研究,有助于分析气候变化背景下旅游地市场结构的变化。例如,Landauer等运用多项Logit模型获得越野滑雪地10个要素与旅游者偏好的关系,根据模型参数,模拟越野滑雪地在4种情景下、三类旅游细分市场比例变化[62];Bujosa等运用嵌套Logit模型,发现西班牙家庭旅行次数（household-trip）与气温呈正比、与城市海滩长度呈反比,以此预判气候变暖将导致西班牙北部地区旅游人次增多、南部地区旅游人次减少[63]。
随着越来越多的研究表明,气候变化对旅游市场的影响更多地体现为市场结构变化而不是整体规模变化,离散选择模型的应用显现出较大发展空间。但是,离散选择模型的基本理论假设是“消费者选择的消费品必然是效用最大化的”,这从严格意义上来说是一个无法被证伪的命题。按此命题推理,只要是旅游者选择的旅游产品就是效用最大的,那么旅游者就一直是理性的（不管是冲动的旅游者还是被动选择的旅游者）。然而,这有时是不符合旅游产品选择情境的。未来研究需进一步探究离散选择模型的基本理论假设在旅游情境中的变形,以及修正假设后的模型运用。

4 对国内研究的启示

中国开展气候变化对旅游业影响的定量研究比国外晚10余年,目前关注的研究领域及方法技术与20世纪90年代的国外相关研究较为接近,反映出国内相关研究与国外仍具有较大差距,存在较多有待解决的科学问题。结合国外相关研究最新进展,联系中国实际,未来相关研究需在研究方法、研究领域与研究对象上重点关注7个方向。
（1）加强累计需求模型在旅游流相关研究中的运用。目前,国内已有研究关注了气候变化对旅游需求的影响,但大多是针对短期天气状况的分析,缺乏长期气候对旅游业结构性影响研究。未来研究可基于较成熟的HTM模型,综合考虑旅游目的地与客源地的气候条件、人口老龄化、经济发展、减排政策等因素,采用n次多项式、曲线拟合等方式,探索气候关联要素与旅游需求的关系,分析气候变量对旅游需求变化的边际贡献以及气候变量与其他社会经济变量的交互效应,识别因素间的层级关系,建立一套分析气候变化对旅游需求结构性影响的理论与方法体系。
（2）加强离散选择模型在旅游市场结构相关研究中的运用。目前,国内已有研究采用需求模型分析气候变化对旅游市场规模的影响,但较少有研究关注气候变化对旅游市场结构的影响。不同旅游市场结构会产生不同的经济、社会文化与生态环境效应,这对旅游地发展十分重要。未来相关研究可采用离散选择模型考察旅游地要素对不同旅游细分市场群体偏好与行为的影响,根据气候变化影响下旅游地要素变化,模拟旅游地市场结构的变化,并根据期望产生的市场结构效应,调节旅游地要素管理方案,给决策者推荐有效的旅游地要素管理措施来应对气候变化。此外,由于国内大多数旅游地难以提供完整的旅游需求序列数据,基于实地调研数据的选择分析具有较高的可行性。国内相关研究需进一步融合环境行为学、行为经济学等学科方法,建立“气候变化—旅游地要素—旅游者行为”的分析框架。
（3）探索系统科学方法的运用。气候变化对旅游业的系统性影响早已受到关注,但以往研究较少运用系统方法进行分析。系统方法运用系统论原理考察系统整体与部分、系统与环境、结构与功能等相互联系和相互作用的关系,包括复杂适应系统、系统动力模型、基本表面化与检验、物理—事理—人理系统方法等。通过系统方法可全面考察气候变化对旅游地的综合影响,包括天气条件变化、旅游资源与环境变化、社会经济变化以及气候变化应对行动的影响[29]。系统方法的运用极具挑战性,对理论基础、计算平台等有较高要求。探索建立多因素、多情景、集合性的系统模拟平台,是研究气候变化对旅游业影响的重要方向。
（4）加强大数据技术在相关研究中的运用。大数据技术是当前热门的技术领域,然而较少用于国内外相关研究中。大数据技术是预测分析、数据挖掘、统计分析、人工智能、自然语言处理等技术的综合运用,可用于解决旅游者的气候变化感知与响应行为、气候变化背景下旅游市场预测等问题。例如,针对某旅游地的市场预测,通过移动终端采集旅游者生成内容,运用自然语言处理对具有不同旅游地要素偏好的旅游者进行归类,采用机器学习方法预测不同气候情景下各类旅游者数量变化,最后以图形形式进行数据可视化表达。
（5）丰富中国境内气候敏感型旅游活动的相关研究。目前,国内相关研究主要针对综合型旅游活动与时令旅游,较少研究国际上关注度较高的滑雪旅游与海洋旅游。随着近年来冬季旅游的迅速发展[64],以及2022年冬奥会的举办,滑雪旅游将成为中国旅游业的重要分支。未来研究可采用积雪模型分析中国滑雪条件的时空变化,采用旅游需求建模方法探索气候变化对典型滑雪旅游地竞争格局的影响。海洋旅游在中国已拥有较高的市场占有率。近年来,海岸环境对气候变化的敏感度增强,使其成为国内研究需关注的方向。相关研究可采用选择分析研究旅游者对沿海地区的气候条件、海滩环境等方面的偏好,采用CIT模型分析气候变化背景下沿海地区旅游气候资源的变化。
（6）加强对“一带一路”沿线国家、地区的相关研究。“一带一路”沿线国家、地区是中国重要的旅游目的地与旅游投资区。“一带一路”沿线旅游地气候条件差异较大,未来有必要运用气候指数方法探讨这些旅游地在不同时期中气候自然要素各项指标变化对旅游业发展的可能影响,提出规避负面影响的应对策略。此外,气候变化还会导致这些旅游地的吸引力发生变化,改变旅游业相对竞争格局。相关研究可运用需求模型,模拟未来不同气候情景中“一带一路”沿线国家、地区的旅游流时空分布,为中国对外旅游投资提供参考。
（7）加强对青藏高原的相关研究。目前,国内外相关研究集中在海拔4000 m以下的区域,缺乏高海拔地区的相关研究成果。中国青藏高原是典型的高海拔地区,具有独特的气候变化研究与旅游研究意义。青藏高原对气候变化响应敏感,气温倾向率增速快,自然环境变化明显[65]。同时,青藏高原生态旅游资源品质高,但依托的生态环境脆弱。未来相关研究应建立一套内容全面、结构合理、评价方法科学的旅游环境要素指标体系,综合评估气候变化对青藏高原旅游资源与环境的影响。此外,还应采用选择分析方法探索青藏高原旅游者偏好与行为特征,据此评估气候变化背景下青藏高原旅游者行为改变可能带来的经济和环境效益。

5 结论

本文基于SCI/SSCI文献数据库,梳理了1986-2017年国外气候变化对旅游业影响的定量研究进展。研究发现,30余年来国外气候变化对旅游业影响的定量研究主要采用指标方法、需求模型与选择分析方法。其中,指标方法包括单项指标方法与综合指标方法,需求模型包括时间序列模型与累计需求模型,选择分析包括描述统计与离散选择模型。
指标方法主要用于研究旅游资源环境变化、旅游气候条件变化、综合要素变化与旅游主体气候变化响应行为的环境效应。指标方法中,单项指标方法简洁明了,能较准确地反映气候变化对局部特征的具体影响,但由于气候变化影响抵消效应的存在,使综合指标方法更具优势。虽然综合指标方法具有计算繁琐、对指标间内在关系不易把握等难点,但能较为全面地考察气候变化对旅游地综合要素的影响,是指标方法的重要发展方向,尤其是加强综合集成技术。总体来看,指标方法关注旅游地要素变化,而气候变化应对更需要了解旅游需求变化,因而需求模型的运用逐渐增多。
在需求模型相关研究中,时间序列方法主要用于天气状况对旅游需求的影响研究。它能剔除季节周期性影响,且基于过去实际观测数据,能较好地反映天气与旅游需求的关系。然而,该方法基于短期天气状况,难以分析气候变化对旅游需求的长期结构性影响,因而累计需求模型的运用逐渐增多。累计需求模型主要用于气候变化对旅游需求的结构性影响与气候政策对旅游需求的影响研究。因其较复杂,目前运用较少。但随着计算机技术和人工智能的发展,未来应用潜力较大,重要发展方向之一是空间降尺度。总体来看,需求模型注重宏观旅游流变化,忽视旅游市场内部异质性。随着旅游市场多样化与差异性愈加明显,基于微观个体的选择分析方法运用增多。该方法的优势还在于对数据的要求灵活,适用于缺乏长时序旅游需求数据的旅游地、或缺乏物理数据的旅游地要素相关研究。
在选择分析相关研究中,描述统计常用于基于偏好的气候变化影响、气候变化背景下的行为意愿与气候变化感知研究。描述统计的原理简单、计算方便,应用范围广、使用频率较高。但该方法无法反映气候变化引起旅游地属性变化一个单位时旅游者行为的相应变化。然而,了解气候变化与旅游者行为之间的量化关系对气候变化应对策略更具指导意义,这推动了离散选择模型的应用发展。离散选择模型常用于基于偏好的气候变化影响研究,有助于分析气候变化背景下旅游地市场结构的变化。随着越来越多研究表明气候变化对旅游市场的影响更多体现为市场结构变化,离散选择模型的应用需求进一步增多。但是,离散选择模型的基本理论假设在旅游情景中的修正仍然有待研究。
鉴于气候变化背景下开展相关研究的紧迫性,中国学界亟需批判性地吸收国外经验来加强研究。结合国外气候变化对旅游业影响的定量研究最新进展,联系中国实际,未来相关研究需在研究方法与研究领域上,重点加强累计需求模型在旅游流相关研究中的运用,加强离散选择模型在旅游市场结构相关研究中的运用,加强系统科学方法与大数据技术在相关研究中的运用;在研究对象上,丰富中国境内气候敏感型旅游活动的相关研究,加强对“一带一路”沿线国家、地区及青藏高原的相关研究。国内学界在相关定量研究方法的运用上尚缺乏经验,充分借鉴国外研究能少走弯路、提高研究效率。但更重要的是,研究要基于本土现实问题,问题要有意义,不提倡仅以定量方法应用本身为目的的研究。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
World Travel and Tourism Council. Travel & Tourism Economic Impact. London: WORLD. WTTC, 2012.

[2]
丁一汇, 任国玉, 石广玉, 等. 气候变化国家评估报告(Ⅰ): 中国气候变化的历史和未来趋势. 气候变化研究进展, 2006, 2(1): 3-8.

[DING Y H, REN G Y, SHI G Y, et al.National assessment report of climate change (Ⅰ): Climate change in China and its future trend. Advances in Climate Change Research, 2006, 2(1): 3-8.]

[3]
《第二次气候变化国家评估报告》编写委员会. 气候变化国家评估报告. 北京: 科学出版社, 2007.

[The Committees of The Second National Assessment Report of Climate Change. National Assessment Report of Climate Change. Beijing: Science Press, 2007.]

[4]
WTM (World Travel Market). Why the ministers' summit 2007 is crucial to the industry. The UNWTO Ministers Summit on Tourism and Climate Change, 2007.

[5]
DUBOIS G, CERON J P.Tourism and climate change: Proposals for a research agenda. Journal of Sustainable Tourism, 2006, 14(4): 399-415.

[6]
ROSSELLÓ-NADAL J.How to evaluate the effects of climate change on tourism. Tourism Management, 2014, 42: 334-340.

[7]
侯国林, 黄震方, 台运红, 等. 旅游与气候变化研究进展. 生态学报, 2015, 35(9): 2837-2847.

[HOU G L, HUANG Z F, TAI Y H, et al.Progress and implications in tourism and climate change research. Acta Ecologica Sinica, 2015, 35(9): 2837-2847.]

[8]
孙根年, 马丽君. 西安旅游气候舒适度与客流量年内变化相关性分析. 旅游学刊, 2007, 22(7): 34-39.

[SUN G N, MA L J.An analysis of tourist climate comfortable degree and yearly variation of tourist traffic in Xi'an. Tourism Tribune, 2007, 22(7): 34-39.]

[9]
席建超, 赵美风, 葛全胜. 全球气候变化对中国南方五省区域旅游流的可能影响评估. 旅游学刊, 2011, 26(11): 78-83.

[XI J C, ZHAO M F, GE Q S.An assessment of the possible impact of global climate changes on regional tourist flows in five provinces of southern China. Tourism Tribune, 2011, 26(1): 78-83.]

[10]
邢彩盈, 张京红, 刘少军, 等. 基于气候指标评估气候变化对海南旅游的影响. 自然资源学报, 2015, 30(5): 846-857.

[XING C Y, ZHANG J H, LIU S J, et al.Assessing the impact of climate change on Hainan tourism based on a climate-resolving index. Journal of Natural Resources, 2015, 30(5): 846-857.]

[11]
WALL G, HARRISON R, KINNAIRD V, et al.The implications of climatic change for camping in Ontario. Recreation Research Review, 1986, 13(1): 50-60.

[12]
SCOTT D, HALL C M, GÖSSLING S. A review of the IPCC Fifth Assessment and implications for tourism sector climate resilience and decarbonization. Journal of Sustainable Tourism, 2016, 24(1): 8-30.

[13]
KOENIG U, ABEGG B.Impacts of climate change on winter tourism in the Swiss Alps. Journal of Sustainable Tourism, 1997, 5(1): 46-58.

[14]
SPARKS T H.Local-scale adaptation to climate change: The village flower festival. Climate Research, 2014, 60(1): 87-89.

[15]
AMELUNG B, VINER D.Mediterranean tourism: Exploring the future with the tourism climatic index. Journal of Sustainable Tourism, 2006, 14(4): 349-366.

[16]
HYMAN T A.Assessing the vulnerability of beach tourism and non-beach tourism to climate change: A case study from Jamaica. Journal of Sustainable Tourism, 2014, 22(8): 1197-1215.

[17]
COOMBES E G, JONES A P.Assessing the impact of climate change on visitor behaviour and habitat use at the coast: A UK case study. Global Environmental Change, 2010, 20(2): 303-313.

[18]
WOOSNAM K M, KIM H.Hurricane impacts on southeastern United States coastal national park visitation. Tourism Geographies, 2014, 16(3): 364-381.

[19]
HAMILTON J M, MADDISON D J, TOL R S J. Effects of climate change on international tourism. Climate Research, 2005, 29(3): 245-254.

[20]
TOL R S J. The impact of a carbon tax on international tourism. Transportation Research Part D: Transport and Environment, 2007, 12(2): 129-142.

[21]
BUJOSA A, RIERA A, TORRES C M.Valuing tourism demand attributes to guide climate change adaptation measures efficiently: The case of the Spanish domestic travel market. Tourism Management, 2015, 47: 233-239.

[22]
SCOTT D, JONES B, KONOPEK J.Implications of climate and environmental change for nature-based tourism in the Canadian Rocky Mountains: A case study of Waterton Lakes National Park. Tourism Management, 2007, 28(2): 570-579.

[23]
BROUDER P, LUNDMARK L.Climate change in Northern Sweden: Intra-regional perceptions of vulnerability among winter-oriented tourism businesses. Journal of Sustainable Tourism, 2011, 19(8): 919-933.

[24]
WHETTON P H, HAYLOCK M R, GALLOWAY R.Climate change and snow-cover duration in the Australian Alps. Climatic Change, 1996, 32(4): 447-479.

[25]
SCOTT D, MCBOYLE G, SCHWARTZENTRUBER M.Climate change and the distribution of climatic resources for tourism in North America. Climate Research, 2004, 27(2): 105-117.

[26]
ENDLER C, OEHLER K, MATZARAKIS A.Vertical gradient of climate change and climate tourism conditions in the Black Forest. International Journal of Biometeorology, 2010, 54(1): 45-61.

[27]
ABEGG B, ELSASSER H.Klima, wetter und tourismus in denSchweizer Alpen. Geographische Rundschau, 1996, 48(12): 737-742.

[28]
SCOTT D, MCBOYLE G, MILLS B.Climate change and the skiing industry in southern Ontario (Canada): Exploring the importance of snowmaking as a technical adaptation. Climate Research, 2003, 23(2): 171-181.

[29]
GÖSSLING S, SCOTT D, HALL C M, et al. Consumer behaviour and demand response of tourists to climate change. Annals of Tourism Research, 2012, 39(1): 36-58.

[30]
YU G M, SCHWARTZ Z, WALSH J E.Effects of climate change on the seasonality of weather for tourism in Alaska. Arctic, 2009, 62(4): 443-457.

[31]
DE FREITAS C R. Tourism climatology: Evaluating environmental information for decision making and business planning in the recreation and tourism sector. International Journal of Biometeorology, 2003, 48(1): 45-54.

[32]
DE FREITAS C R, SCOTT D, MCBOYLE G. A second generation climate index for tourism (CIT): Specification and verification. International Journal of Biometeorology, 2008, 52(5): 399-407.

[33]
MCEVOY D, CAVAN G, HANDLEY J, et al.Changes to climate and visitor behaviour: Implications for vulnerable landscapes in the northwest region of England. Journal of Sustainable Tourism, 2008, 16(1): 101-121.

[34]
RIXEN C, TEICH M, LARDELLI C, et al.Winter tourism and climate change in the Alps: An assessment of resource consumption, snow reliability, and future snowmaking potential. Mountain Research and Development, 2011, 31(3): 229-236.

[35]
CSETE M, PÁLVÖLGYI T, SZENDRŐ G. Assessment of climate change vulnerability of tourism in Hungary. Regional Environmental Change, 2013, 13(5): 1043-1057.

[36]
TSAI H T, TSENG C J, TZENG S Y, et al.The impacts of natural hazards on Taiwan's tourism industry. Natural Hazards, 2012, 62(1): 83-91.

[37]
RICHARDSON R B, LOOMIS J B.Adaptive recreation planning and climate change: A contingent visitation approach. Ecological Economics, 2004, 50(1): 83-99.

[38]
CROUCH G I.The study of international tourism demand: A survey of practice. Journal of Travel research, 1994, 32(4): 41-55.

[39]
TAYLOR T, ORTIZ R A.Impacts of climate change on domestic tourism in the UK: A panel data estimation. Tourism Economics, 2009, 15(4): 803-812.

[40]
FALK M, HAGSTEN E.Importance of early snowfall for Swedish ski resorts: Evidence based on monthly data. Tourism Management, 2016, 53: 61-73.

[41]
KULENDRAN N, DWYER L.Modeling seasonal variation in tourism flows with climate variables. Tourism Analysis, 2012, 17(2): 121-137.

[42]
OTERO-GIRÁLDEZ M S, ÁLVAREZ-DÍAZ M, GONZÁLEZ-GÓMEZ M. Estimating the long-run effects of socioeconomic and meteorological factors on the domestic tourism demand for Galicia (Spain). Tourism Management, 2012, 33(6): 1301-1308.

[43]
GOH C.Exploring impact of climate on tourism demand. Annals of Tourism Research, 2012, 39(4): 1859-1883.

[44]
BECKEN S.Measuring the effect of weather on tourism: A destination- and activity-based analysis. Journal of Travel Research, 2013, 52(2): 156-167.

[45]
FISICHELLI N A, SCHUURMAN G W, MONAHAN W B, et al.Protected area tourism in a changing climate: Will visitation at US national parks warm up or overheat?. PloS one, 2015, 10(6): e0128226.

[46]
SONG H Y, LI G.Tourism demand modelling and forecasting: A review of recent research. Tourism Management, 2008, 29(2): 203-220.

[47]
MADDISON D.In search of warmer climates? The impact of climate change on flows of British tourists. Climatic Change, 2001, 49(1): 193-208.

[48]
LISE W, TOL R S J. Impact of climate on tourist demand. Climatic Change, 2002, 55(4): 429-449.

[49]
HAMILTON J M, TOL R S J. The impact of climate change on tourism in Germany, the UK and Ireland: A simulation study. Regional Environmental Change, 2007, 7(3): 161-172.

[50]
STEIGER R.Scenarios for skiing tourism in Austria: Integrating demographics with an analysis of climate change. Journal of Sustainable Tourism, 2012, 20(6): 867-882.

[51]
LUTSEY N, SPERLING D.America's bottom-up climate change mitigation policy. Energy Policy, 2008, 36(2): 673-685.

[52]
MAYOR K, TOL R S J. The impact of the UK aviation tax on carbon dioxide emissions and visitor numbers. Transport Policy, 2007, 14(6): 507-513.

[53]
GÖSSLING S, PEETERS P, SCOTT D. Consequences of climate policy for international tourist arrivals in developing countries. Third World Quarterly, 2008, 29(5): 873-901.

[54]
RUTTY M, SCOTT D.Differential climate preferences of international beach tourists. Climate Research, 2013, 57(3): 259-269.

[55]
UNBEHAUN W, PRÖBSTL U, HAIDER W. Trends in winter sport tourism: Challenges for the future. Tourism Review, 2008, 63(1): 36-47.

[56]
KAJÁN E, SAARINEN J. Tourism, climate change and adaptation: A review. Current Issues in Tourism, 2013, 16(2): 167-195.

[57]
WALL G, BADKE C.Tourism and climate change: An international perspective. Journal of Sustainable Tourism, 1994, 2(4): 193-203.

[58]
SCOTT D, GÖSSLING S, HALL C M. International tourism and climate change. Wiley Interdisciplinary Reviews: Climate Change, 2012, 3(3): 213-232.

[59]
HEWER M J, SCOTT D, GOUGH W A.Tourism climatology for camping: A case study of two Ontario parks (Canada). Theoretical and Applied Climatology, 2015, 121(3/4): 401-411.

[60]
LANCASTER K L.A new approach to consumer theory. Journal of Political Economy, 1966, 74: 132-157.

[61]
EUGENIO-MARTIN J L. Modelling determinants of tourism demand as a five-stage process: A discrete choice methodological approach. Tourism and Hospitality Research, 2003, 4(4): 341-354.

[62]
LANDAUER M, PRÖBSTL U, HAIDER W. Managing cross-country skiing destinations under the conditions of climate change-Scenarios for destinations in Austria and Finland. Tourism Management, 2012, 33(4): 741-751.

[63]
BUJOSA A, ROSSELLÓ J.Climate change and summer mass tourism: The case of Spanish domestic tourism. Climatic Change, 2013, 117(1/2): 363-375.

[64]
孙承华, 伍斌, 魏庆华, 等. 冰雪蓝皮书: 中国滑雪产业发展报告(2016). 北京: 社会科学文献出版社, 2016.

[SUN C H, WU B, WEI Q H, et al.Annals Report on Development of Ski Industry in China (2016). Beijing: Social Science Academic Press, 2016.]

[65]
WANG L E, ZENG Y X, ZHONG L S.Impact of climate change on tourism on the Qinghai-Tibetan Plateau: Research based on a literature review. Sustainability, 2017, 9(9): 1539.

Options
Outlines

/

〈 〉