旅游气候舒适度的模型改进及时空演化.pdf

2023年8 月第37卷 第4期Aug.，2023Vol.37，No.4旅 游 科 学Tourism Science旅游气候舒适度的模型改进及时空演化朱妮娜1 曾刚2，3 史正燕4，*宋艳姣2，3 陈鹏鑫5（1.上海对外经贸大学会展与传播学院，上海 201613；2.华东师范大学现代城市研究中心，上海 200333；3.华东师范大学城市发展研究院，上海 200333；4.华东师范大学地理科学学院，上海 200241；5.华东师范大学城市与区域科学学院，上海 200333）摘 要：旅游气候舒适度是影响旅游者旅游决策和旅游体验的重要因子，也是影响旅游流时空变化的重要因素。目前国内对旅游气候舒适度的研究多集中在局部区域且各评价指标具有较强的局限性，缺乏对大尺度空间范围内旅游气候舒适度评价的研究。文章基于气象站点数据，并结合中国大陆的实际情况，通过改进国际上典型的旅游气候舒适度评价模型，对中国大陆19612020年旅游气候舒适度的多时间尺度变化及空间格局演变进行探讨。结果表明，改进后的旅游气候舒适度模型能够较好地反映中国大陆的实际情况。时间上，中国大陆旅游气候舒适度在近60年中表现出非线性和多时间尺度周期性变化的特征；空间上，中国东南沿海地区的旅游气候舒适天数呈减少趋势，其他大部分地区则呈增加趋势。该结论为我国未来旅游气候的相关研究提供了理论支持和现实指导。关键词：旅游气候舒适度；中国大陆；气候变化；多时间尺度变化；非线性变化中图分类号 P 46 文献标志码 A 文章编号 1006575（2023）04014417收稿日期：20220107；修订日期：20221124基金项目：上海市哲学社会科学规划青年课题项目“长三角地区碳排放影响因素及达峰模拟研究”（2022ECK005）。作者简介：朱妮娜（1991），女，博士，上海对外经贸大学会展与传播学院讲师，研究方向为气候变化、环境经济与旅游GIS的相关研究，E-mail：。曾刚（1961），男，博士，华东师范大学城市发展研究院教授，研究方向为产业集群与创新发展。史正燕*（1988），女，华东师范大学地理科学学院硕士生，E-mail：。宋艳姣（1986），女，博士，华东师范大学城市发展研究院助理研究员，研究方向为劳动经济学与城市经济学。陈鹏鑫（1997），男，华东师范大学城市与区域科学学院博士生，研究方向为人才流动与创新发展。*通讯作者。Tourism Science 旅游科学0 引言 气候变化的加剧及其给社会经济带来的各种影响，是世界各国目前乃至将来都一直关注的焦点。联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）第六次评估报告指出，全球平均地表温度仍然存在持续上升的态势，如果不采取一些强制性措施，保持气温上升幅度在1.5以内是不可能的（Tollefson，2021）。可见，全球变暖的趋势仍持续加强，随之而来的是各种极端气候事件的频发，如极端降水、高温、热浪等，给社会各领域的发展带来了严重的危害。而其中受气候影响较大的旅游业，也逐渐受到研究者们的关注，从单纯地研究旅游业自身发展及其与经济发展的关系转向关注气候变化对旅游的影响，尤其是21 世纪以来，气候变化与旅游方面的相关研究取得了丰富的成果（刘春燕 等，2010；史正燕，2016）。例如：杨建明（2010）探讨了气候变化与滑雪场积雪可靠性、滑雪客流量、滑雪场季节长度及经济效益的关系，发现气候变化对滑雪旅游具有较为明显的影响；Li等（2021）指出，重大的气候变化威胁着全球文化资源的持久性；刘俊等（2019）发现，气候变化一定程度上改变了鸟类的物候期及其栖息地的空间格局，从而影响观鸟者的旅游活动。由于旅游业是一个横向和纵向联系十分紧密的产业，气候变化将会给一个地区的旅游业及其旅游活动带来严重影响（Arabadzhyan et al.，2021）。毋庸置疑，舒适的气候是开展各种旅游活动的重要条件，旅游气候舒适与否将直接影响旅游者的旅游行为和旅游决策（Hanmilton et al.，2004；Andrea et al.，2005；Becken，2010；Mckercher et al.，2015）。因此，对旅游气候舒适度进行评价对于旅游业的发展具有重要的理论意义和实践价值。旅游气候舒适度评价是指通过制定相关的标准或者模型，对旅游过程中影响人体舒适程度的相关气象参数（如气温、降水、相对湿度、风速、日照等）进行综合评估，从而判断旅游气候舒适与否。目前，对旅游气候舒适度进行评价的定量模型有上百种，这些模型有各自的优缺点，并没有形成统一的标准（Matzarakis，2006）。其中，比较典型和应用广泛的旅游气候舒适度评价模型有旅游气候指数（Tourism Climate Index，TCI）（Mieczkowski，1985）、海滩旅游气候指数（Beach Comfort Index，BCI）（Becker，1998）、度假气候指数（Holiday Climate Index，HCI）（Tang，2013）、气候旅游指数（Climate Index for Toursim，CIT）（Freitas，2008）和改进的气候旅游指数（Modified Climate Index for Tourism，MCIT）（Yu et al.，2009）等。然而，这些评价模型都有其特定的使用条件和局限性，在对一个地区进行旅游气候舒适度评价时并不能简单地套用。中国作为世界上十大旅游大国之一，其旅游业的发展对世界经济及本国经济具有重要的推动作用。2019年，我国旅游业GDP占据国内总GDP的4.56%。随着生活水平不断进步，未来人们对旅游业的需求会越来越高。而旅游业作为对自然环境，尤其是对气候条件依赖十分强烈的产业，中国的旅游业将在气候变化的背景下迎来新的发展格局。因此，对旅游气候舒适度进行评价能够为未来旅游发展 数据源于 2019中国统计年鉴。145旅游气候舒适度的模型改进及时空演化格局提供有效的政策建议。目前，研究者们大多基于某一特定地级市、省份或者区域对旅游气候舒适度进行评价（邓粒子 等，2020；聂云 等，2021），鲜少涉及整个中国大陆范围。这就使得我们对中国大陆总体的旅游气候舒适度把握不足，不利于从整体上认识中国旅游气候舒适度未来的发展格局。因此，有必要对中国大陆范围内的旅游气候舒适度进行评价。综上，本文通过对典型旅游气候舒适度评价模型进行归纳和总结，基于大尺度空间内的一般旅游活动对传统的旅游气候舒适度评价模型进行改进，在此基础上，对我国大陆19612020年旅游气候舒适度的多时间尺度变化及空间格局进行探讨，以期对我国旅游气候舒适度的时空变化有全面和准确的认识，并为未来旅游气候舒适度的深入研究提供理论基础。1 研究方法与数据来源 1.1研究方法气候系统是个复杂的系统，单纯采用普通的线性方法不足以描述其变化的复杂性，而旅游气候舒适度正是通过气候系统中的要素进行测度的，因此，旅游气候舒适度的变化也是复杂的，需要采用非线性方法探讨其变化。为此，我们选择能够测度长时间序列的非线性和多时间尺度特征的集合经验模态分解方法来分析近60年（19612020年）我国旅游气候舒适度的变化特征。集合经验模态分解方法是在经验模态分解（Empirical Mode Decomposition，EMD）方法的基础上改进的，于1998年由N.E.Huang首次提出，最初是一种自适应时频处理方法（Huang，1998）。虽然EMD方法已被广泛使用，但是仍存在一些漏洞，最大的问题是模态混淆，这会导致相同的分量分解为不同的时间尺度或允许相同的尺度出现在不同的分量中（Zhu et al.，2019）。集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）可以很好地解决这个问题，因为它可以根据时间序列的局部时间变化特征自适应地分解时频，同时消除傅立叶变换（Zhu et al.，2019）。具体分解过程如下：首先，将指定幅度的白噪声添加到原始信号中：xi(t)=x(t)+ni(t)（1）式（1）中，xi(t)表示加入白噪声后的信号，x(t)表示原始信号，ni(t)表示白噪声。其次，根据EMD分解原理，对加入白噪声后的信号进行分解，得到分量IMF1。再次，在分解分量IMF1后的信号中加入同样的白噪声，新的信号将继续按照EMD的分解原理进行分解，得到分量IMF2。最后，重复上述步骤，得到多个分量的IMF，然后将这些分量的平均值作为最终结果，从而消除白噪声，公式如下：Cj(t)=1Ni=1NCij()t（2）式（2）中，Cj(t)表示第j个分量的IMF，N表示加入白噪声的次数，Cij(t)表示加入第i个白噪声后的第j个分量。146Tourism Science 旅游科学此后，可以提取不同分量的IMF和趋势项并重构信号，公式如下：x(t)=i=1nCj(t)+rn()t（3）式（3）中，x(t)表示重构后的信号，Cj(t)代表不同的IMF，rn(t)代表趋势项。1.2数据来源本文所需要的数据包括气温、降水、风速、日照和相对湿度，相关数据来源于中国气象科学数据共享服务网（http：/）提供的824个气象基准、基本站点的地面气候资料日值数据集，时间跨度为19612020年。经过筛选和剔除，共有775个气象站点的数据比较稳定。因此，本文主要基于这775个气象站点的数据进行研究。其中，对于部分站点天数数据缺失的情况，本文采用线性增长率的方法对其进行插值补全，如某个站点1991年1月1日的数据缺失，则将该站点近60年中1月1日的数据进行拟合，估计出该站点在1991年1月1日这一天的数值。另外，对于一些无效值，我们将其剔除后采用线性增长率的方法或者均值法对其进行补全，或者进行相应的处理（如日值中的 32700表示降水微量，将其转化成降水量0.01mm，32XXX中XXX表示纯雾露霜量、31XXX中XXX表示雨和雪的总量）。最终得到比较完整的时间序列气象数据。2 模型改进 2.1模型选择依据经过对以往文献的梳理和总结，我们发现比较典型且应用广泛的旅游气候舒适度评价模型主要有旅游气候指数（TCI）、海滩旅游气候指数（BCI）、气候旅游指数（CIT）、改进的气候旅游指数（MCIT）和度假气候指数（HCI）。表1分别给出了各个模型的基本公式、所需参数、难易程度、应用领域、适用范围等。通过比较可以看出，不同的旅游气候舒适度评价模型不仅针对的旅游活动类型不同，并且应用的区域范围也不尽相同，如 TCI 一般适用于大范围的一般性旅游活动（如观光）（Mieczkowski，1985）；BCI比较适用于沙滩旅游（Moragan et al.，2000）；CIT适用于3S（sun、sand、sea）旅游（Freitas et al.，2008）；MCIT 适用于一些专项旅游（Yu et al.，2009）；HCI适用于大范围度假旅游活动（Tang，2013）。此外，不同的模型所需要的参数及时间尺度也不同，如经典的旅游气候指数（TCI）需要的数据为月时间尺度或者日时间尺度的气象数据，包括平均气温、最高气温、平均相对湿度、最小相对湿度、平均风速、日降水量、日照时数（Mieczkowski，1985）；气候旅游指数（CIT）所需要的参数为日时间尺度的气象数据，并且除一些基本的气象数据外，还需要与旅游体验的视觉感受相关的气象数据，如天空中云层覆盖的比例（Freitas et al.，2008）；改进的新气候旅游指数（MCIT）对参数的时间尺度要求更高，需要逐时数据，并且包括可见光和极端天气等要素（Yu et al.，2009）。可见，各旅游气候舒适度评价模型不论从理论上还是应用上均对研究区域和相关参数等有一定要求。因此，对特定地区的旅游气候舒适度进行评价时要结合研究的已有条件，以及研究内容综合选择合适的旅游气候舒适度评价模型。由于本研究的空间尺度为整个中国大陆，空147旅游气候舒适度的模型改进及时空演化间范围比较大，因此，本文中所提及的旅游活动主要指涉户外的大众观光旅游，即旅游者以欣赏游览为主要目的，通过欣赏异地他乡的自然风光、文物古迹、民俗风情等，得到美的享受、获得愉快和休闲的一种旅游形式（保继刚 等，2021）。（1）模型的理论性一般而言，涉户外的大众观光旅游与自然环境有密切接触，因此，自然界中的一些主要气象条件，如气温、降水、风速、日照时长和相对湿度等，是评价旅游气候舒适与否的关键因素，这些气象因素都会对旅游活动和旅游者产生影响，并且它们对旅游活动都具有不可忽视的影响。因此，只有综合考虑这些主要气象因子的旅游气候舒适度模型，才能更合理地反映旅游气候的实际舒适状况。通过比较表1中5个典型的旅游气候舒适度模型可以看出，这些模型的参数中都包含了气温、风速、日照和相对湿度，除了MCIT指数的参数中不涉及降水量外，其他4个模型都包含降水量这个指标。然而，相关研究表明，降水对旅游活动有很大的影响（Matzarakis，2006；雷向杰 等，2013）。因此，在综合考虑气温、降水、风速、日照时长和相对湿度等综合气象因子的条件下，HCI、BCI、CIT、TCI比MCIT更优。（2）模型应用的广泛性模型应用的广泛性也是评价一个模型优劣的标准之一。如果构建的模型不能在相关研究领域内得到广泛的应用，那么它存在的价值就非常小。因此，在构建或者选取相关模型时应当充分考虑模型应用的广泛性。同样，在旅游气候舒适度评价模型的选择中也应当遵循这一原则。在众多的旅游气候舒适度评价模型中，Mieczkowski（1985）提出的旅游气候指数（TCI）及在其基础上发展而来的度假气候指数（HCI），不仅全面考虑了影响旅游气候的五大气象因子（温度、相对湿度、降水、风速和日照），而且自提出后就得到了广泛的应用。近两年国内研究者也开始或对其直接套用或对其进行局部改进，以研究中国不同地区的旅游气候舒适度（刘少军 等，2014；Zhong et al.，2019；徐静 等，2020）。（3）模型的适用性以往学界对中国旅游气候舒适度的探讨主要基于某一个特定的区域对其旅游气候舒适度进行评价，或是研究某个区域短时间内旅游气候舒适度的时空变化特征。与以往研究不同的是，本文设定的空间尺度是中国大陆，空间范围比较广，并且时间跨度为19612020年，时间和空间上都比以往研究有较大的扩展。因此，在模型设定方面，不仅要考虑模型的适用范围，而且要考虑模型的简易程度，以便于本文大量数据的计算。综合考虑数据的获取、适用的范围、相关指标的合理性等因素，TCI和HCI比较适合，并且TCI和HCI模型中所涉及的参数容易获取，模型计算也较容易。其中，HCI是在TCI的基础上稍作改进得到的。与TCI最大的不同是，HCI中每个子指数的等级划分和每个子指数在公式中的权重都是通过对旅游者的气候偏好问卷调查得来的。虽然HCI更加适用于度假旅游，而度假旅游只是旅游中的小众部分，但是度假旅游与观光旅游同属于以休闲、娱乐、度假为主要目的的旅游活动类型，更加关注旅游气候舒适与否。因此，本文也试图以HCI为基础并对其进行改进，探讨改进后的HCI是否也适用于大尺度空间内的旅游气候舒适148Tourism Science 旅游科学度评价。综上，本文以TCI和HCI两个模型为基础，以大尺度空间内的一般旅游活动为目的，首先对这两个模型进行改进，通过比较选择最优模型，以期更加合理地对中国大陆旅游气候舒适度进行评价。2.2模型的局部改进与确定2.2.1模型改进通过上文的分析，本文首先分别以TCI和 HCI为基础，对这两个模型进行局部改进，以分析中国大陆近 60年旅游气候舒适度的多时间尺度变化和空间格局。TCI和HCI的原始表达式如下：TCI=2(4CID+CIA+2P+2S+W)（4）HCI=T4+A2+(R3+W1)（5）式（4）中，CID和CIA都是代表热舒适的变量，由温度（）和湿度（%）计算得出。其中，CID表示白天舒适指数（Daytime Comfort），由最高气温和最小相对湿度计算得出；CIA表示全天舒适指数（Daily Comfort），由平均气温和平均相对湿度计算得出。P表示全天降水量，S表示平均日照时数，W表示平均风速。式（5）中，T表示热舒适表1典型旅游气候舒适度评价模型的比较比较项目来源公式变量个数要素选取数据粒度阈值划分难易程度评价分级应用领域适用范围旅游气候指数TCIMieczkowskiTCI=4CID+CIA+2P+2S+W5日最高气温、日平均气温、最小相对湿度、平均相对湿度、累计降水量、日照时数、平均风速月专家判断易10级观光旅游大范围海滩旅游气候指数BCIMoragan等BCI=(0.18Ts+0.26W+0.27S+0.29P)+0.28Tw4最高气温、最小相对湿度、衣服厚度、代谢率、衣服反照率、累计降水量、平均风速、日照比例、浴场水温月问卷调查专家判断难5级海滩、沙滩旅游海滩等气候旅游指数CITFreitas等CIT=f(T,A)P3热感知、风速、降水量/降雨时长、太阳辐射、物理环境、人体活动、着衣状况日问卷调查专家判断难7级3S旅游海滩等改进的气候旅游指数MCITYu等MCIT=0 ifxMCITx=01 ifxMCITx162 ifxMCITx=164气温、风速、显著性天气状况、能见度时问卷调查专家判断较易3级专项旅游旅游地度假气候指数HCIScott等HCI=4TC+3P+2A+W4最高气温、平均相对湿度、云层覆盖、累计降水量、平均风速日专家判断易10级度假旅游大范围或度假地149旅游气候舒适度的模型改进及时空演化指数，即白天舒适指数，A代表平均云层覆盖比例，R代表全天降水量，W表示平均风速。在原始的TCI和HCI中，CID、CIA和T都是表示热舒适的变量，由温度和相对湿度组合而成。Mieczkowski（1985）在计算CIA和CID时主要基于舒适指数（Comfort Index，CI）的概念，而舒适指数则是Terjung（1966）在有效温度（Effect Temperature，ET）的基础上发展而来。有效温度ET将气温和湿度的组合结果分为11个等级（见表2），并以列线表的形式划分舒适等级，最终将ET更名为舒适指数（Comfort Index，CI）并沿用ET的等级标准。由于舒适指数是在有效温度的基础上发展而来，因此只能通过列线表的形式手动查找对应的舒适等级，这对于本文中长时间序列、宽空间尺度的研究对象而言，无疑是一项工作量巨大的任务。因此，考虑计算的简便性，本文使用温湿指数（Temperature Humidity Index，THI）替代舒适指数（CI）的计算。温湿指数THI的表达式（Thom，1959）如下：THI=T-0.55(1-0.01RH)(T-14.5)（6）式（6）中，T和RH分别表示平均气温（）和相对湿度（%）。最终，改进后的旅游气候舒适度指数（MTCI）和改进后的度假气候舒适度指数（MHCI）的计算公式如下：MTCI=2(4THID+THIA+2P+2S+W)（7）MHCI=THID4+A2+(R3+W1)（8）式（7）和式（8）中，THID 代表白天舒适指数，由最高气温和最小相对湿度计算得出。THIA代表全天舒适指数（包括白天和晚上），由平均气温和平均相对湿度计算得出。P表示全天降水量，W表示平均风速，S表示日照时数。A表示云层覆盖天空的比例，根据Monteith（1965）的计算公式转换而来，公式如下：Sunh=maxSunh()90-Cloud90（9）表2舒适指数（Comfort Index，CI）的分级标准符号-6-5-4-3-2-10+1+2a+2b+3人体感觉极冷非常冷很冷冷稍冷凉舒适暖热闷热极热注：表格内容源自Terjung（1966）的研究。150Tourism Science 旅游科学maxSunh=24arccos()A -1A1（10）A=tan(Latitude180)tan(AxialTilt180)cos(2DayDaysPerYear)（11）式（9）、式（10）、式（11）中，Sunh为日照时长，maxSunh为日最大日照时长，A为太阳高度角的正切值，Latitude代表某个地区的纬度，Day代表一年中的日期。AxialTilt和 DaysPerYear 分别表示轴向倾斜角和一年的天数，均为常数，分别为 23.5 和365.25。Cloud为云层覆盖天空的比例，通过式（9）、式（10）、式（11）的转换关系可以得到（Monteith，1965）。2.2.2确定模型及舒适标准模型改进后，我们需要验证这两个模型的有效性并选择最优模型作为本文的旅游气候舒适度评价模型。为此，本文首先分别使用MTCI和MHCI计算了3个典型直辖市（上海、北京和重庆）近60年的月平均旅游气候舒适度（见图1），并统计了上海市旅游气候舒适度在不同阈值范围内舒适天数的分布（见图2和图3）。如图1所示，由MTCI和HTCI计算得出的3个城市月旅游气候舒适度的分布比较相似，都呈现双峰型，并且MHCI始终高于MTCI。以北京为例（见图1b），两端（即冬季1、2、12月份）的MHCI值高于MTCI值，并且MHCI的值均大于65。根据MHCI原始的分级标准，说明北京12个月的旅游气候都是舒适的，而对于北京乃至我国北方大部分地区而言，冬季是非常寒冷的，如北京冬季的平均气温约-5.8（徐庆喆，2017），明显不适合在冬季开展户外观光旅游活动，因此，MHCI测度的结果说明该指数是不适合的。而MTCI在冬季是低于60的，说明冬季的旅游气候是不舒适的，不适合进行户外观光旅游活动，具有一定的合理性。为了进一步验证MTCI是否合理，本文还对不同阈值范围内的舒适天数进行了统计。图2和图3分别为上海市MTCI和MHCI在不同阈值范围下12个月平均旅游气候舒适天数分布情况。这里将MTCI和MHCI的值每间隔5分（55、60、65、70、75、80）进行旅游气候舒适天数统计，如当MTCI 大于 55 时，计算上海市近 60 年的平均旅游气候舒适天数，一月份有 14 天（图2中红色的线）。通过比较图2和图3中旅游气候舒适天数在不同阈值范围内的分布可以看出，MHCI对旅游气候舒适天数的划分更严格，阈值较低时，舒适天数也少，阈值很高的时候才能得到比较合理的舒适天数，而且只有阈值较高的时候每个月份的舒适天数才会显示出差别，如图3中MHCI的值大于70时，每个月的舒适天数才随着时间有明显的规律。总之，MTCI的变化比较符合实际情况，规律性更强，因此本文最终选择MTCI作为本文的气候舒适度评价模型，并确定MTCI值大于70为舒适标准，原因在于：首先，如图2所示，我们发现当MTCI值分别为70、75、80时，气候舒适期的年变化规律比较符合我国的实际情况，即四季分明，春秋季节气候舒适宜人，冬夏季节反之。其次，通过计算全国平均状态下各月的旅游气候舒适天数，可以发现MTCI值以70为分界点的时候，其舒适天数也是比较符合经验和常识的。151旅游气候舒适度的模型改进及时空演化图1典型直辖市的月平均MTCI和MHCI分布（19612020年）图2上海市不同标准下MTCI的月平均舒适天数（19612020年）注：MTCI_55表示MTCI的值大于55为舒适标准，MTCI_60表示MTCI的值大于60为舒适标准，MTCI_65表示MTCI的值大于65为舒适标准，MTCI_70表示MTCI的值大于70为舒适标准，MTCI_75表示MTCI的值大于75为舒适标准，MTCI_80表示MTCI的值大于80为舒适标准。图3上海市不同标准下MHCI的月平均舒适天数（19612020年）注：MHCI_55表示MHCI的值大于55为舒适标准，MHCI_60表示MHCI的值大于60为舒适标准，MHCI_65表示MHCI的值大于65为舒适标准，MHCI_70表示MHCI的值大于70为舒适标准，MHCI_75表示MHCI的值大于75为舒适标准，MHCI_80表示MHCI的值大于80为舒适标准。152Tourism Science 旅游科学3 旅游气候舒适度的时间变化 基于前文改进后的旅游气候舒适度指数，表3给出了中国大陆全年、四季和各月份的旅游气候舒适度的多年平均值（19612020年）。总体而言，中国大陆全年的平均旅游气候舒适度为65.31，低于舒适度水平70.00，不适合进行大范围旅游。从不同季节来看，春季（3月5月）和秋季（9月11月）的多年平均MTCI值分别为67.24和68.37，低于70.00的舒适标准，因此，总体上春季和秋季也不适合旅游；夏季的多年平均MTCI值高于70.00，可以认为夏季是去全国各地旅游的好季节；冬季的多年平均MTCI值远远低于70.00，因此，冬季是最不适合去旅游的季节。从不同月份来看，5月、6月、7月、8月、9月的多年平均MTCI值都高于70.00，说明这5个月份比较适合大范围旅游，这与实际情况相符合。而其他月份的多年平均MTCI值都低于70.00，尤其是1月的MTCI值最低，说明这些月份并不适合进行大范围旅游，这也与实际情况相符合。可以看出，改进后的模型，不仅能够对中国大陆这样大范围空间尺度的旅游气候舒适度进行测度，并且测度结果能够较好地反映大尺度空间范围内旅游气候舒适度的实际情况，这为中国大陆旅游气候舒适度的测度提供了一种新的方法。随着全球气候的变化，旅游气候舒适度也会发生相应的变化。为此，本文采用集合经验模态分解的方法分析旅游气候舒适度在近60年中的非线性和多时间尺度变化特征。图 4 给出了中国大陆范围内旅游气候舒适度的 EEMD 分解结果（19612020年），分别得到8个分量（IMF）和一个残差项（RES）。其中，每个分量都是相互独立的，各分量的变化幅度并不均匀，这主要是由气候的内部自然过程或人类活动的影响造成的。这8个分量分别代表了旅游气候舒适度在不同时间尺度表3中国大陆全年、四季和各月份旅游气候舒适度（MTCI）的多年平均值（19612020年）全年及季节全年春季夏季秋季冬季MTCI值65.3167.2471.5668.3754.06月份345678910111212MTCI值58.9668.4474.3473.8070.0071.1974.2169.8261.0955.1752.4754.57153旅游气候舒适度的模型改进及时空演化上的振荡特点，分量IMF1到IMF8的振荡频率依次从高到低变化，其中IMF1的振荡频率最高，IMF8的振荡频率最低，并且分量IMF1到IMF8的周期在不断地增大。RES是旅游气候舒适度分解后得到的残差项，它表示旅游气候舒适度随时间变化的整体趋势，这种变化趋势不同于线性变化趋势，它能够体现出旅游气候舒适度的局部变化趋势，是一种非线性的变化特征。残差项显示，中国大陆范围内的旅游气候舒适度在近60年中呈现先增加后减小的趋势。在2005年之前，中国大陆的整体旅游气候舒适度不断提升，而2005年中国大陆的整体旅游气候舒适度开始下降，旅游气候舒适度的变化具有阶段性特征。图4旅游气候舒适度的EEMD分解结果154Tourism Science 旅游科学为了揭示不同时间尺度分量的振荡特征，本文分别计算了各分量的准周期（见表4）。Wu等（2004）指出，各分量的平均周期即各分量的准周期。在月时间尺度上，旅游气候舒适度具有3个月和9个月的准周期，月尺度上的周期性充分体现了旅游气候舒适度的季节性特征。在年际尺度上，旅游气候舒适度表现出了1年、3年、6年和9年的准周期。在年代际尺度上，旅游气候舒适度具有20年和53年的准周期。为了说明各分量所代表的准周期包含实际物理信息的强弱，本文分别对其进行显著性检验。在10%显著性水平下，旅游气候舒适度的各分量都通过显著性检验，说明这些分量都含有较多的实际物理意义而并非白噪声，同时也说明这些分量所对应的准周期是旅游气候舒适度的主振荡周期（Wu et al.，2009；Wu et al.，2010）。通过计算每个分量的方差贡献率，可以看出各个分量对原始信号的影响程度。如表4所示，随着时间尺度增加，各分量的方差贡献率呈现先增加后递减的趋势。对于单个分量而言，月时间尺度上的分量IMF2方差贡献率最大，而年代际尺度上分量的方差贡献率都比较小，但是都通过显著性检验，都具有实际的物理意义，因此年代际尺度的变化是不容忽视的。经过计算，旅游气候舒适度的月尺度振荡的累积方差贡献率最大，其次分别是年际尺度振荡和年代际尺度振荡，说明月尺度振荡在旅游气候舒适度的长期变化中占据着主导地位。4 旅游气候舒适度的空间格局 本文通过对中国大陆775个气象站点近60年来逐月旅游气候舒适度值大于70的月份分别进行计算，并借助 ArcGIS 10.6软件进行空间插值，得到中国大陆19612020年平均舒适月数的空间分布图及舒适天数变化的空间分布图（见图5）。如图5a所示，中国大陆旅游气候舒适月数的范围为19个月，其中，中国西北地区的新疆、甘肃、宁夏和内蒙古，华北地区的河北和北京，以及西南地区的云南等地的旅游气候舒适月数都在5个月以上，尤其是新疆的南部和云南的局部地区，旅游气候舒适月数居全国之首，可以达到9个月之多。而其他地区的旅游气候舒适月数都低于5个月，尤其是青海的南部，其旅游气候舒适月数最少，为1个月。总体而言，中国的西北和云南等地是进行长时间旅游的好地方。如图5b所示，中国大陆旅游气候舒适天数在近60年中发生了较大的变化，其变化幅度在-30天到70天之间，即部分地区的旅游气候舒适天数减少的最大值为30天/10年，而有些地区的旅表4中国大陆旅游气候舒适度的周期及各分量方差贡献率分量IMF1IMF2IMF3IMF4IMF5周期/年0.250.75136方差贡献率/%21.4247.5915.004.712.96分量IMF6IMF7IMF8RES周期/年92053方差贡献率/%2.391.571.362.98155旅游气候舒适度的模型改进及时空演化游舒适天数增加的最大值为70天/10年。另外，旅游气候舒适度的变化存在明显的空间异质性。其中，我国的东南地区，如广西、广东、福建、浙江、江西和安徽等地，旅游气候舒适天数在近60年中呈现减少趋势，大部分地区旅游气候舒适天数的减少幅度为010天，而其他地区的旅游气候舒适天数在近60年中呈现增加的趋势，大部分地区旅游气候舒适天数的增加幅度在020天。可见，在全球气候变化的背景下，中国大陆旅游气候舒适度的变化并非同质的，而是存在明显的空间异质性。从不同季节平均旅游气候舒适度的空间格局来看（见图6），春季和秋季的空间格局比较接近，并且与全国平均状态下的空间格局也比较相似，整体上，呈现西北和西南舒适度值较高，其他地区舒适度值较低的格局。在春季，新疆塔里木盆地和云南的旅游气候舒适度比较突出，舒适度高于全国平均值，甘肃、宁夏、内蒙古的西部、广东和广西的南部，以及海南的旅游气候舒适度也相对较高，属于旅游气候舒适区域。在秋季，中国大陆的大部分地区都属于旅游气候舒适区域，只有东北地区及青海、西藏和四川的交界处属于旅游气候的不舒适区域，其中，塔里木盆地仍是旅游气候舒适度的高值区。夏季，旅游气候舒适度呈现南低北高的格局，大致以秦岭-淮河及青藏高原的北界为界，北部地区大部分属于旅游气候舒适区域，而南部地区除了云南以外，大部分地区则属于旅游气候不舒适区域。夏季旅游气候舒适度的分布与纬度分布相似，说明了夏季的旅游气候舒适度主要受纬度的影响，并且纬度越高，旅游气候舒适度越高。旅游气候舒适度的最高值仍然出现在新疆的塔里木盆地，此外新疆的北部、祁连山以北，包括甘肃和内蒙古大部分地区的旅游气候舒适度也相对较高；限于篇幅，本文并未给出全国平均状态下的旅游气候舒适度的空间格局。图5中国大陆旅游气候舒适月数（a）和舒适天数变化（b）的空间格局（19612020年）注：该图基于自然资源部标准地图服务网站审图号为GS（2019）1652号的标准地图制作，底图无修改。156Tourism Science 旅游科学最低值出现在青藏高原地区及我国南方的部分地区，主要原因可能是夏季南方气温较高，空气湿度较大所致。总体来看，夏季我国的青藏高原地区舒适度最低，因此夏季不适合去青藏高原地区旅游，最适合去新疆和甘肃北部及内蒙古地区旅游。冬季，全国大部分地区的旅游气候舒适度均呈现冷色调，空间格局和夏季截然相反，南高北低。旅游气候舒适区域主要分布在我国大陆的最南端，如云南、广东、广西、海南等地，其中，云南和海南的旅游气候舒适度是最高的，是冬季避寒旅游的好去处。旅游气候舒适度的最低值位于东北地区，主要是因为冬季东北地区的气温比较低。5 结论与不足 本文在总结5种典型的旅游气候舒适度模型的基础上，最终以TCI为基础，对其进行局部改进并给出相应的分级标准，构建了一种新的旅游气候舒适度评价模型，使其适用于大尺度空间内的一般户外旅游活动。基于此，本文对中国大陆范围内19612020年旅游气候舒适度的多时间尺度变化及空间格局进行分析，得出如下主要结论：（1）改进后的旅游气候舒适度模型能较好地适用于大尺度空间内的一般性户图6旅游气候舒适度四季变化的空间格局（19612020年）注：该图基于自然资源部标准地图服务网站审图号为GS（2019）1652号的标准地图制作，底图无修改。157旅游气候舒适度的模型改进及时空演化外旅游活动，更好地反映中国大陆旅游气候舒适度的实际情况，为旅游气候舒适度评价提供了一种更加精确的方法。（2）从时间上看，区别于以往研究中对旅游气候舒适度的线性分析，本文发现中国大陆旅游气候舒适度在近60年中表现出非线性和多时间尺度的变化特征。其中，在月时间尺度上存在3个月和9个月的周期，在年际尺度上存在1年、3年、6年和9年的周期，在年代际尺度上存在20年和53年的周期。（3）从空间上看，与大众所认知的旅游气候舒适天数“南长北短”的格局不同，全国旅游气候舒适天数整体上呈现“北长南短”的格局。并且，在近60年中，中国东南沿海地区的旅游气候舒适天数呈现减少趋势，而西北地区的旅游气候舒适天数呈现增加趋势。另外，旅游气候舒适度在季节上存在空间差异，其中，春、夏、秋季的旅游气候舒适度整体上呈现“南低北高”的格局，而冬季则呈现与之相反的格局。本文对TCI模型进行改进，从而使得结果能更好地反映中国大陆旅游气候舒适度的实际情况，取得了较好的效果，但是仍存在一些不足：首先，TCI模型中各个气象因子的权重都是根据专家的主观判断进行赋值，具有较强的主观性，理论上缺乏充足的证据。虽然后期发展起来的HCI模型改进了TCI权重赋值主观性这一缺陷，但是在本文中发现，HCI会过高地估计中国旅游气候舒适度，可能是由于HCI模型中各气象因子的权重是通过对欧洲地区的旅游者进行问卷调查得出的，不具有普适性。其次，由于模型的一些缺陷，导致计算出来的日舒适度过高，不能很好地反映中国大陆日旅游气候舒适度的实际情况。因此，本文仅计算了中国大陆的月旅游气候舒适度，未能详细地统计旅游气候舒适度的累积天数，是本文的一大局限。针对本文存在的不足，期望在接下来的研究中能够改进TCI模型中权重赋值的主观性，通过问卷调查的方式，确定我国游客在旅游过程中对气候的舒适感知和偏好，以此来制定符合中国大陆全域的旅游气候舒适度评价模型，为人们的日常出游活动提供指导。非常感谢华东师范大学地理学院李山副教授对本文提供的帮助！参考文献：保继刚，杨虹霓，翁时秀，2021.中国旅游地理学的发展与创新 J.经济地理（10）：79-86.邓粒子，保继刚，2020.中国避暑型与避寒型宜人气候的分布特征及差异 J.地理研究（1）：41-52.雷向杰，张文静，赵晓萌，2013降水对西安黄金周旅游影响的模拟评估研究 J.西北大学学报（自然科学版）（1）：133-138.刘春燕，毛端谦，罗青，2010.气候变化对旅游影响的研究进展 J.旅游学刊（2）：91-96.刘俊，黄莉，孙晓倩，等，2019.气候变化对中国观鸟旅游的影响基于鸟类物候变化的分析 J.地理学报（5）：912-922.刘少军，张京红，吴胜安，等，2014.气候变化对海南岛旅游气候舒适度及客流量可能影响的分析 J.热带气象学报（5）：