休闲农业游客的主题偏好及时空演变分析.pdf

do110.2024.02.014Vol.50 No.2Journal of Southwest Minzu University(NaturalScienceEdition)第50 卷第2 期Mar.2024月2024年3西南民族大自然科学版休闲农业游客的主题偏好及时空演变分析张怡多，黄闽英?，李英玲，李舒翔（1.西南民族大学计算机科学与工程学院，四川成都6 10 0 41;2.西南民族大学商学院，四川成都6 10 0 41；3.华南理工大学工商管理学院，广州510 6 41)摘要：以四川省成都市休闲农业为研究对象，收集并处理了大量社交网络平台中休闲农业商户的特征数据，采用LDA主题挖掘与Getis-OrdGi*热点分析方法，分析游客主题偏好及时空演变趋势.结果表明：一方面，游客的主题偏好呈现出明显的季节性差异，并且自然观光类主题的季节性波动较大，例如游客在春季偏好植物花卉，在夏季偏好亲子活动；另一方面，空间热点受游客地域偏好及区域特色资源影响，例如游客在夏季偏好大邑县的葡萄采摘，在冬季则偏好新都区的草莓采摘.基于此，休闲农业从业者应充分考虑游客的主题偏好，制定相应的季节性营销策略；地方政府则应秉持因地制宜、差异化发展的原则，依托当地特色优势农产品，结合热点主题推动农业资源的合理利用，进一步提升农旅融合的效果关键词：休闲农业；乡村振兴；农旅融合;LDA主题挖掘；Getis-OrdGi*热点分析方法中图分类号：F323;F592文献标志码：A文章编号：2 0 9 5-42 7 1（2 0 2 4）0 2-0 2 18-10Analysis of topic preferences and spatio-temporal evolution amongleisure agricultural touristsZHANG Yi-duo,HUANG Min-ying,LI Ying-ling,LI Shu-xiang3(1.School of Computer Science and Engineering,Southwest Minzu University,Chengdu 610041,China;2.Business School,Southwest Minzu University,Chengdu 610041,China;3.School of Business Administration,South China University of Technology,Guangzhou 510641,China)Abstract:This paper focuses on leisure agriculture in Chengdu City,Sichuan Province,utilizing extensive feature data from so-cial network platforms related to leisure agriculture merchants.The spatio-temporal evolution of tourists topic preferences wasanalyzed through LDA topic mining and Getis-Ord Gi*hotspot analysis methods.The results showed that,on the one hand,tour-ists topic preferences showed obvious seasonal differences,and the seasonal fluctuation of nature sightseeing topic was lar-ger.For example,tourists preferred plants and flowers in spring and parent-child activities in summer.On the other hand,spatialhotspots are influenced by tourists geographical preferences and regional resources.For example,tourists prefer grape pickingin Dayi County in summer and strawberry picking in Xindu District in winter.Accordingly,leisure agriculture practitionersshould consider tourists topic preferences and develop corresponding seasonal marketing strategies.Local governments shouldfollow a differentiated development approach,leveraging local advantages in agricultural products and aligning with popular top-ics to enhance the rational utilization of agricultural resources and further strengthen the integration of agro-tourism.Keywords:leisure agriculture;rural revitalization;agro-tourism integration;LDA topic mining;Getis-Ord Gi*hotspot analysismethods收稿日期：2 0 2 4-0 1-0 2通信作者：黄闽英（19 7 5-），女，副教授，研究方向：信息管理与人力资源大数据分析.E-mail:基金项目：四川省科技计划软科学项目（2 0 2 2 JDR0100）；中央高校基本科研业务费专项资金优秀学生培养工程项目(2023NYXXS048)219第2 期张怡多太闲农业游客的主题偏好及时空演变分析休闲农业是一项以体验农村劳作、休闲、娱乐为目的,集耕作、栽培或参与农业经营的活动1.在乡村振兴战略全面实施的背景下，2 0 2 2 年，我国休闲农业经营主体超过3 0 万家，年综合经营收人达到7 0 0 0 亿元.然而，自然资源的季节性变化导致休闲农业产业容易陷人“短期盈利，长期困境”的局面，淡旺季需求的巨大差异严重影响了休闲农业的可持续发展，这种现象不仅表现在时间维度，也表现在空间维度.因此，迫切需要挖掘休闲农业的时空特征，针对性地分析季节性成因.目前，休闲农业时空特征分析普遍使用仅包含地理空间信息的官方数据或兴趣点（POI）2 ，此类数据无法反映游客对休闲农业活动多样性及时空变化的感知.为了解决上述问题，本文以四川省成都市休闲农业为主要研究对象，广泛收集整合了社交网络上休闲农业商户的特征数据，以探究不同时期和地域的游客偏好及资源特色.由于社交网络评论来自个人观点，能够捕捉游客的主观看法.因此，其包含的地点和主题信息与游客所处地理环境特征及行为时间规律密切相关.例如，春季时，游客在采摘园的评论可能多以“樱桃”为主，而夏季则可能以“葡萄”为主.通过探索休闲农业评论主题的时空演变，有助于全面理解淡旺季现象，为解决产业季节性波动问题提供更具针对性的解决方案.本文需要解决的研究问题如下：RQ1：如何从社交网络评论中提取休闲农业的主题？RQ2：休闲农业游客主题偏好的时间差异性和相似性如何？RQ3：休闲农业游客主题偏好的空间热点如何变化？针对这些问题，按照以下步骤进行分析：对具有相似时序特征的商户进行聚类，并分别提取不同聚类的评论主题；分析不同时期主题之间的差异性与相似性，通过构建主题时序演变图发现不同时期的主题差异与演变；分析不同区域的主题概率，通过绘制空间热点分布图发现主题时空热点演变.研究结果有助于探索游客主题偏好的时空差异，识别区域特色资源，为各地区休闲农业经营者提供有益参考，对休闲农业的可持续发展具有重要意义.1相关工作1）网络数据在休闲农业中的应用目前，网络数据在休闲农业中的应用主要围绕以下5个方面展开：空间分析.许多学者通过关键词搜索，从高德地图、百度地图等渠道获取多源空间数据，利用空间分析方法来研究休闲农业在全国3 、省级4、市级5等尺度上的空间异质性及其驱动机制；可持续性.Nie,J等人结合大众点评和问卷调查数据,采用IDEA方法衡量上海市休闲农业的可持续性6 功能评估.Yang，Y 等人利用多源空间数据构建评价体系，通过空间加权叠加方法对元阳县耕地休闲服务进行功能评估7 ；网络关注度.胜利等人利用大众点评挖掘休闲农业地理信息并收集网络关注度数据，并对这些数据的空间集聚特征进行了分析8 消费者评价.董亦如等人对携程网、去哪儿网等社交网络评论进行文本挖掘，通过消费者评价评估了休闲农业发展潜力9 2）网络数据与时空信息的结合应用网络数据涵盖了博客、评论等实时表达的信息，具备时间、空间、文本三个维度的数据，其高可用性和易访问性为科研决策带来了高效的应用.因此，网络数据与时空信息的结合被广泛应用于土地利用制图10 、城市规划11、旅游研究、灾害评估12 、奥情分析13 等领域.在旅游研究方面，各学者运用不同方式从社交网络中提取旅游目的地14、识别热点区域15】分析游客情绪感知16 、分析游客游后行为17 .通过一系列的分析，能够有效帮助个人制定旅行决策，并促进从业者优化管理策略.综上所述，虽然已有大量研究将网络数据应用到休闲农业的规划管理中,网络数据与时空信息的结合也在多个领域得到应用，但仍存在一定局限：在研究数据上，大部分为仅包含地理信息的POI数据，难以获取单个场所的具体特征以及游客感知；在研究维度上，大部分研究只关注时间、空间、语义维度三者之一.主要原因是传统研究资料获取渠道通常为官方文件、调查问卷等,这些数据采集效率低、成本高昂且无法获取时序信息，即使是使用了社交网络评论的研究，也仅限于文本挖掘层面，未充分利用其时间属性；220第50 卷西南民族大自然科学版在研究视角上，仍然以理论探讨、空间特征描述为主，缺乏对整体规律的挖掘以及趋势性分析.基于此，本文引人了具有更高时效性和更广分析维度的社交网络评论，融合时间、空间和主题语义三个维度，以探索休闲农业游客主题偏好及其时空演变趋势.旨在充分发挥社交网络评论在休闲农业规划中的作用,同时在一定程度上填补现有研究的空缺，具有一定的学术价值和现实意义.2实验数据与方法本文对社交网络平台中休闲农业的主题和时空特征进行提取与分析，从大众点评平台中收集商户信息及其评论数据，将时间特征、位置特征与语义特征相关联，从而进行休闲农业游客主题偏好的时空趋势分析.主要包括以下四个步骤：2.1数据收集与地理编码1)数据收集本文以成都市为研究区,通过Python的网络请求工具包requests以及解析库Ixml，抓取了大众点评平台中“采摘/农家乐”板块的商户及其评论数据，并以“乡村”、“农场”等关键词检索结果作为补充.爬取时间截止到2 0 2 3 年7 月1日，共获取16 8 2 个商户的158030条点评数据，数据包括商户名称、发布时间和评论内容.2)地理编码空间分析需要将收集的商户名称转换为地理坐标，高德地图开放平台提供的地理编码API能够将地点名称转换为对应的经纬度坐标，具体操作如下：第一步：注册成为高德地图个人认证开发者并申请Web服务API.第二步：调用地理编码API.其伪代码如图1所示：Algorithm1地理编码Input:商户名称Output:经纬度坐标1:api_url+https:/ PI_ K e y”,a d d r e s s ：,c i t y ：成都”,batchtrue3:functionGeocode(address)4:paramsaddressaddress5:responseGETrequesttoapi_urlwithparams6:dataJSONresponse7：if(datastatus=1)and datalgeocodes/then8locationdatalgeocodes0location9:Ing,latlocation.split(,)10:returnIng,lat11:else12:returnFailed togeocodeaddress13:endif14:endfunction15:forindex,rowindf.iterrowsOdo16:address-rowaddress17:Ing,latGeocode(address)18:if Ing and lat then19:df.atindex,longitudeJIng20:df.atindex,latitudelat21:endif22:endfor图1地理编码伪代码示例Fig.1Geographical encoding pseudocode example其中，函数Geocode接受商户名称作为输人，通过requests向高德地图API发送请求，之后返回对应的经纬度坐标.第三步：处理编码失败的数据.对于编码失败的数据，则使用高德地图的坐标检索工具进行手动检索.第四步：整理为包含名称和经纬度坐标的休闲农业商户数据（表1），用于后续空间分析.表1休闲农业商户数据Table 1 Leisure agriculture merchant dataID商户名称地区longitudelatitude1七彩居农庄双流区103.87391930.535672七彩田园双流区104.125 88730.3300713万和桃庄龙泉驿区104.298 94330.5481451 681龙飞山庄都江堰市103.491 04930.9201781.682兄弟农家乐邛崃市103.470 68330.458 8622.2基于时序特征的评论聚类与主题提取采用K-means聚类算法，根据不同时间段的发布频率对评论数据进行分组，从而满足后续基于时序的主题提取需求.相较于直接根据评论发布时间提取主221第2 期张怡多，等：休闲农业游客的主题偏好及时空演变分析题，聚类方式能避免全年稳定主题和热门主题对结果的影响.同时，这种方法能更准确地识别具有相似时间趋势的商户群体，有助于制定针对性的营销策略和业务决策.具体操作如下：第一步：数据降维.对“年-月-日”格式的时间数据进行降维，将月份映射到四个季节，并计算每个商户在四个季节中的评论数量占比，将结果合并为四个维度的特征向量。第二步：变量相关性检验.特征之间的强相关性对分类结果具有影响.因此,利用Pearson相关系数评估特征之间的相关性,结果如图2 a所示，不同特征的相关系数绝对值均不接近1,表明特征之间的相关性较弱.第三步：确定簇数.绘制不同簇数对应的误差平方和曲线，使用“肘部法则”，即曲线拐点处对应的K值为最佳聚类数，根据图2 b确定K=5.第四步：执行聚类分析.将特征向量输人到K-means算法中进行聚类分析，得到不同聚类的标签。1.0Buuds1.00-0.56-0.37-0.280.84000.6-0.561.00-0.26-0.360.4300SSOM0.2uunnv200-0.37-0.261.000.09-0.0-0.2100-0.28-0.36-0.091.00-0.4SpringSummerAutumnWinter2468101214Kvalue(a)(b)图2皮尔逊相关系数矩阵与“肘部法则”曲线Fig.2Pearson correlation coefficient matrix and Elbow Plot根据聚类标签将评论数据划分为代表不同时期的文档集D1,D2，,D n，利用主题模型进行主题提取.与其他模型（如BERTopic、LSA、PLD A、G SD MM）相比,LDA应用广泛，易于解释，能够更科学地揭示主题间的演化路径18 ，符合本文的研究目标.因此，本文选择LDA主题模型进行主题提取.对于每个时期的文档集D（i=1,2，,n），执行如下操作：第一步：文本预处理.在自定义词典和停用词的基础上，采用二次过滤方式：使用词性过滤保留名词、动名词、名动词以及其他专有名词；使用频率-逆文档频率（TF-IDF)过滤文档中出现频率过高或权值偏小的词语.最终提取前10 0 0 个特征词输人到LDA模型中.第二步：确定主题数.主题数对分析结果具有显著的影响,因此在实验中分别计算不同主题数的困惑度值以确定最佳主题数.第三步：训练LDA模型.使用scikit-learn库对每个时期的文档集进行LDA模型训练，生成相应数量的主题.通过以上步骤，得到每个文档集的文档-主题-词分布情况，包括每个主题在文档集中的权重以及主题内部关键词的结构，2.3不同时期主题演变的分析根据不同时期文档集的主题提取结果，从差异性和相似性两个角度考虑主题在时间上的变化，1）主题差异性分析首先，通过计算一定时期内某一主题所占比例，来表示该主题在当前时期的强度.假设共有K个主题和T个时期，则主题k在时期t中的强度p可以表示为：NPk(1)N11其中N是主题k在时期t中的文本数量，如果主题k在时期t中比在任何其他时期中更重要，则222第50 卷西南民族大自然科学版pkpi(1sT&t+s).其次，通过卡方检验比较不同时期之间的主题强度是否存在显著性差异，使用SciPy库中的chi2_con-tingency函数计算卡方统计值O,并结合期望值E计算标准化残差，从而识别差异显著的主题.标准化残差计算公式如下：0-EZ=(2)VE2)主题相似性分析使用余弦相似度计算相邻时期主题之间的成对相似性,两个主题的余弦相似度在0 到1之间.时期t的主题可以用主题词构建的词袋向量来表示：V,=vi,v2,V/.(3)然后，t，和t，时期的主题相似度可以通过词袋向量之间的角度来表示：Vsimilar(ti,t2)(4)计算得到NN的相似度矩阵后，将每个时期t的主题作为节点，主题强度作为节点值，主题之间的相似性作为边,相似度作为流量，使用Echarts的桑基图绘制主题时序演变图，并获得3.2 节的结果，2.4不同区域空间热点的识别结合主题时序演变图,将不同节点的主题词与空间特征相关联.首先，将原始的文档-主题矩阵转变为商户-主题矩阵，其次根据商户的地理坐标信息对主题概率进行地理映射处理.具体操作如下：第一步：计算商户的平均主题概率.对于文档-主题矩阵P,其中P的每一行表示文档中不同主题的概率，计算每个主题的平均概率向量：1(5)mP表示第j个主题在整个文档集中的平均概率，P,表示第i个文档中第个主题的概率，m表示文档总数.第二步：空间区域划分.由于休闲农业与乡村密切相关，因此以成都市2 6 1个乡镇（街道)作为单元区域，此划分相对于格网划分,其内部具有更高的空间解释性和同质性.第三步：区域主题概率映射.针对某些商户数量较少的区域，均值法可能无法反映区域整体情况，因此,采用区域内主题概率之和来表示区域总主题概率。第四步：空间统计分析.确定区域主题概率后，通过Getis-Ord统计量反映主题在区域内的热点和冷点分布，即主题概率高值聚集区和低值聚集区，计算公式如下：G,=(6)Sn-1(7)nn式中,x,是空间相邻要素j的属性值；w,是要素i和j之间的空间权重;n是相邻要素的总数.当G为正值时,其较高值表示该区域高值的聚类更紧密，当G为负值时，其较低值表示低值的聚集更紧密.最后，使用ArcGIS对G*结果进行可视化展示,并获得3.3节的结果.3结果与分析本文以四川省成都市休闲农业为主要研究对象，对获取的评论和空间数据按以下步骤进行分析：首先,使用K-means算法将评论文本划分为不同类别的文档集并进行主题提取；其次，根据不同类别主题的差异性和相似性，分析主题的时间演变；最后,将主题概率投影到空间维度，通过热点分析发现主题的空间演变.具体如下：3.1不同聚类的分布趋势与主题提取结果根据2.2 节的方法将评论文本划分为5个聚类，图3 显示了5个聚类在一年中的热度分布趋势，可以观察到所有类别均能相互区分.其中聚类1到聚类4的评论热度表现出明显的季度高峰，表明此类评论与特定季节相关；聚类5在5月和10 月出现波动，表现为旺季高峰，但整体波动幅度较小，表明此类评论无明显季节相关性.因此，将这5个聚类分别定义为春季、夏季、秋季、冬季和全年.223张怡多，等：休闲农业游客的主题偏好及时空演变分析第2 期0.350.300.250.200.150.100.050.0012月1月2月3月4月5月6月7月8月9月10月11月一聚类1聚类2一聚类3一聚类4一聚类5图3不同聚类的时间分布趋势Fig.3The time distribution trends of different clusters分别对整体文档集以及不同聚类的文档集进行主题提取.整体文档集主题提取结果如表2 所示，最终得到4个自然观光类主题以及3 个农事体验类主题.从不同聚类文档集中共提取2 9 个主题，包括农家乐、采摘、公园、亲子等，具体结果见下节表2 整体文档集中提取的7 个主题及其关键词Table.2The 7 topics and their keywords extracted from the overall document set类型主题主题名关键词Topicl文化古镇古镇特色小吃玩水文化历史游客商业生活街道旅游Topic2景点观光景区停车场门票飞机景点桃花爬山风景上山交通自然观光类Topic3自然公园公园交通草坪青龙湖天气自行车野餐太阳地铁帐篷Topic4植物花卉植物打卡季节樱花照片交通天气油菜花向日葵玫瑰Topic5亲子活动小朋友项目孩子动物设施小孩门票大人体验娃娃农事体验类Topic6蔬果采摘草莓采摘樱桃价格品种水果摘草莓桃子枇杷葡萄Topic7农家乐环境味道服务菜品农家乐团建服务员公司价格山庄RQ1的发现：根据季度热点趋势，可以将休闲农业评论数据划分为5个聚类，包括季节性评论和非季节性评论.分别从整体以及不同聚类文档集中提取出了7 个和2 9 个主题，为后续主题演变分析提供了基础.3.2休闲农业游客主题偏好的时间演变分析1)不同时期的主题差异性首先，对整体评论文档集的主题提取结果进行差异性分析,通过式(1)计算7 个主题在5个时期中的主题强度，如图4a所示，清晰展示了每个时期的主题强度计算结果.例如，冬季主题强度最高的是蔬果采摘（46.6 5%），意味着游客在冬季对此类资源的偏好较高.如2.3 节所述，本文使用卡方统计检验同一主题在不同时期中的差异，计算得到卡方统计值x=98.38，p 0.0 1,表明不同时期的主题存在显著差异.标准化残差计算结果如图4b所示，正值表示该主题在该时期具有显著的高主题强度，更易受游客偏好，例如春季的植物花卉（3.3 9)以及冬季的蔬果采摘（5.6 3）；负值表示具有显著的低主题强度，不易受游客偏好，例如秋季和全年中的蔬果采摘（2.15、-2.96）；接近于零表示没有显著差异性。224第50 卷西南民族大自然科学版文化古镇4.868.708.945.1522.00文化古镇-1.61-0.39-0.31-1.523.83363景点观光13.0716.3916.9512.2413.37景点观光-0.350.520.670.57-0.27自然公园7.129.2311.056.3813.1926自然公园-0.74-0.050.54-0.981.241植物花卉23.527.909.416.6611.81植物花卉3.39-1.15-0.71-1.51-0.01亲子活动14.6718.0511.809.2114.0815亲子活动0.301.22-0.48-1.180.14蔬果采摘21.9517.5011.0946.657.40蔬果采摘0.230.75-2.155.63-2.965-3农家乐14.8222.2330.7713.7118.15农家乐-1.150.512.43-1.39-0.40春季夏季秋季冬季全年春季夏季秋季冬季全年(a)(b)图4不同时期的主题强度%（左）与标准化残差（右）Fig.4Topic intensity%(left)and standardized residuals(right)for different periods2)不同时期的主题相似性进一步分析不同聚类文档集中的主题，通过式（4）计算不同时期中每个主题词频向量之间的余弦相似度，设定相似度阈值为3 0%，并结合相似度矩阵构建主题时序演变图（图5）.其中每列表示不同时期；节点表示主题，用“主题：最重要的关键词”进行标注；节点宽度表示该主题的强度；列之间的波形表示相似关系；波的宽度表示相似程度.根据不同时期的演变趋势以及主题之间的相似程度，可以将主题分为三种类型：农事体验类、自然观光类以及旅游需求类农事体验类包括“农家乐”、“采摘”、“亲子”，此类主题热度较高，不仅存在相似度差异较大的主题,如“亲子”主题在全年与春季间相似度较高（8 4%），但在春季与夏季间相似度较低（3 5%），表明亲子活动在夏季发生了较大变化；还存在相似度较稳定的主题,如“农家乐”主题，表明其受季节性影响较弱；自然观光类包括“花卉”和“景观”，此类主题在全年和春季热度较高，夏季后热度开始降低，其中，春季、夏季时“花卉”热度大于“景观”，而秋季、冬季时发生转变，气候变化导致花卉调谢是该主题转变的主要原因；旅游需求类包括“旅游”和“古镇”，此类主题仅在全年时期出现，表明游客在参与季节性休闲农业活动时，对传统旅游模式和古镇的兴趣较低.旅游：配套设施农家乐：柴火鸡&枇杷农家乐：餐饮服务采摘：蓝莓&草莓农家乐：柴火鸡&钓鱼农家乐：娱乐活动农家乐：团建采摘：草荐亲子：园区项目采摘：樱桃采摘：葡萄花卉：植物园亲子：动物园区亲子：稻田亲子：玩水景观：公园野餐花卉：玫瑰农家乐：柴火鸡景观：山间景区景观：公园盆景景观：玻璃栈道花卉：荷花旅游：交通路程花卉：桃花景观：云顶山景观：九峰山古镇：商业小吃景观：瀑布溶洞花卉：油菜花&梨花全年春季夏季秋季冬季图5主题时序演变图Fig.5Temporal evolution of topics题225第2 期张怡多，等：休闲农业游客的主题偏好及时空演变分析RQ2的发现：不同时期中休闲农业游客的主题偏好具有显著差异性，春季偏好植物花卉，夏季偏好亲子活动，秋季偏好农家乐，冬季偏好蔬果采摘；根据主题相似度将不同时期的主题归类为农事体验类、自然观光类以及旅游需求类，其中农事体验类中“农家乐”的相似度较高，可能导致同质化现象，自然观光类的季节性波动较大，而旅游需求类季节性偏低.综上所述，成都市文旅部门应协助休闲农业从业者制定季节性营销策略，并鼓励农事体验类活动从业者在服务、主题、活动上进行创新，以吸引不同需求和偏好的游客群体.同时，需深入挖掘季节优势资源，以平衡季节性需求变化.3.3休闲农业游客主题偏好的空间演变分析结合主题时序演变图，分别从横向和纵向两个视角，按照2.4节的步骤对主题的空间演变趋势展开分析.1）横向比较不同时期同一主题的空间热点“水果采摘”模式是休闲农业的重要组成部分19 ，“采摘”主题的空间热点演变在一定程度上反映了休闲农业游客主题偏好的演变情况.以春季、夏季和冬季的“采摘”主题为例，计算其在不同时期中的主题概率及其值，值越高表明聚类程度越大.图6 展示了不同时期中值排名前10 的地区（即热点区）.可以看出，不同时期中游客对“采摘”主题的偏好在地理空间上发生了变化，例如在东部地区，游客对樱桃采摘的偏好更明显，而在西部地区更倾向于葡萄采摘.进一步分析发现，不同时期主题对应的关键词与其热点区域具有相关性.比如夏季“采摘”主题的关键词“葡萄”与热点区“大邑县”具有显著的关联，大邑县的安仁镇是四川省葡萄规模化连片种植的重要基地，每年夏季会举办葡萄采摘活动.由此证明，从社交网络评论中提取主题并进行热点分析，能够有效地从游客偏好中反演出当地特色资源，并推测不同区域的热点活动.3.0057.5553.8616.262福洪锁3.897福洪锁3.852688双流区青白江区浦江具山泉镇5.345ESE彭镇白江区洛带镇5.433双流区龙泉驿区龙泉驿区3.347海螺镇洛带镇山泉镇4.813升街道高明镇5.3754.8205.6376.8634.2024.018(a)春季樱桃(b)春季草莓3.8765.7863.3593.8850688王桑园镇3.5274.390崃市安仁镇金牛军屯镇5.5683.863原3.433隆兴镇大邑县街道双流区新都区桂湖LLSs崇州市新津区永安锁街道9t0白头镇3.863安西镇4.4173.6065.2714.2065.051(c)夏季葡萄(d)冬季草莓图6不同时期中“采摘”主题的空间热点Fig.6The spatial hotspots of the picking topic in different periods2)纵向比较同一时期不同主题的空间热点以春季主题为例，计算每个主题在不同区域的概率及其G值，结果如图7 所示.可以看出，在同一时期中，“农家乐”“景观”主题的空间热点相似性较高，主要集中在东部地区；而“花卉”主题的空间热点差异较大，如“桃花”的热点区集中在龙泉驿区，而226第50 卷西南民族大自然科学版）“玫瑰”在金堂县较为显著。基于同一时期中不同主题的空间热点变化，可以制作季节资源专题图，比如花卉热点图，展示同一季节内不同资源的分布情况，有助于针对性地规划和开发休闲农业活动RQ3的发现：“采摘”主题的空间热点在不同时期表现出明显差异，差异表明游客在夏季更偏爱大邑县的葡萄采摘，在冬季更偏爱新都区的草莓采摘；在同一时期中，不同主题的空间热点也呈现出较大的差异，如春季时，“农家乐”、“景观”主题在东部地区更为突出，而“花卉”主题空间热点差异较大.综上所述，地方政府可以根据当地特色优势农产品，结合主题偏好的时空热点变化，全面评估农业旅游资源利用情况.一方面，推动热点主题的发展，例如，扩大“龙泉桃花节”等季节性本土活动的影响力；另一方面，探索未被充分挖掘的潜在资源，例如，合理利用蒲江县、大邑县等地区的茶叶资源，开展采茶、品茶等活动，进一步推进农旅融合发展4.6098.7284.0064.5193.5655.108五凤镜4.968698S福洪锁4.955福洪镶青白江区6.855郫都区4.2524简阳市龙泉清白江街道洛带镇E99山泉镇恭简阳市龙泉驿区永兴龙泉驿区双流区2.864洛带镇山泉镇929街道双流区龙泉驿区2.986.315韩5.5962.8596.7133.9356.3383.6763.981(a)农家乐(b)景观(c）亲子2.4314.5955.2808.2553.1414.603踏水镇简阳市福洪锁891福洪镇青白江区9562五凤锁7.908大具4.235彭州市L1E9白江4.238625E万春镇温江区隆兴镇又新镇双流区金堂县简阳市龙泉驿区山泉镇崇州市德源竹简镇6989街道郎都区云合镇285洛带镇车观胜镇3.0355.1634.1546.3293.4012.4762.6946.2243.175(d)花卉:玫瑰(e)花卉:桃花(f)花卉:油菜花图7春季中不同主题的空间热点Fig.7The spatial hotspots of different topics during spring4总结与展望本文以四川省成都市休闲农业为主要研究对象，广泛收集并处理了社交网络平台中休闲农业商户特征信息，结合主题挖掘和热点分析方法，探索了休闲农业游客主题偏好的时空演变趋势.研究发现：根据季度热点趋势可以将休闲农业评论数据划分为季节性和非季节性评论；主题差异性分析表明游客在春、夏、秋、冬四个季节的偏好分别为植物花卉、亲子活动、农家乐以及蔬果采摘，主题相似性分析将不同时期的主题归类为农事体验类、自然观光类以及旅游需求类；通过横向和纵向对比发现“采摘”主题的空间热点在不同时期表现出显著差异，并且同一时期中不同主题的空间热点也存在一定差异.基于上述发现，提出以下建议：休闲农业从业者应制定相应的季节性营销策略，地方政府应根据当地特色和热点主题评估资源利用情况，以提升热门活动的吸引力，并发掘冷门资源的潜力未来将从以下方面做进一步研究：拓展数据收集范围，采集更为精准的地理大数据扩充游客访问量及流向信息，有助于更全面地了解游客在休闲农业活动中的行为轨迹和流动趋势；运用情感分析深人挖227张怡多，等：休闲农业游客的主题偏好及时空演变分析第2 期掘游客感知维度，为休闲农业质量提升提供更广泛的数据支持.参考文献1J CHE D,VEECK A,VEECK G.Sustaining production and strengtheningthe agritourism product:linkages among Michigan agritourism destina-tionsJ.Agriculture and Human Values,2005,22(2):225-234.2王婧，李裕瑞，陈宗峰基于POI数据挖掘的北京市农家乐空间分布特征及其影响因素研究J.农业现代化研究,2 0 2 2,43（2）：3 40-350.3CUI J,LI R,ZHANG L,et al.Spatially illustrating leisure agriculture:empirical evidence from picking orchards in China J.Land,2021,10(6):631.4JCHANG Y,LI D,SIMAYI Z,et al.Spatial distribution of leisure agri-culture in Xinjiang and its influencing factors based on geographicallyweighted regression J.Sustainability,2022,14(22):15002.5 WU Y,CHEN J.Spatial distribution heterogeneity and influencing fac-tors of different leisure agriculture types in the city J.Agriculture,2023,13(9):1730.6J NIE J,KIMINAMI A,YAGI H.Exploring the sustainability of urbanleisure agriculture in ShanghaiJ.Sustainability,2022,14(8):4813.7YANG Y,WANG X,WANG J,et al.Evaluationand improvement of cul-tivated land leisure service function based on multisource spatial dataJ.Land,2022,11(2):303.8琚胜利，陶卓民，钱进.基于游客网络关注度的南京市农家乐、旅游农庄空间集聚研究J中国农业资源与区划，2 0 18,3 9（12）：2 6 2-268.9董亦如，周岚，李星佑.基于旅游数字足迹的信阳市休闲农业示范区发展潜力探析J.安徽农业科学,2 0 2 1,49（0 7）：12 6-12 9+13 2.10 WANG Y,WANG T,TSOU M H,et al.Mapping dynamic urban landuse patterns with crowdsourced geo-tagged social media(sina-weibo)and commercial points of interest collections in Beijing,China J.Sus-tainabili