自然环境对当地旅游业的发展能产生重要的影响。一方面自然环境和综合气候决定了旅游资源的资源禀赋情况，特别是自然资源，另一方面气候气象条件直接决定了旅游目的地的适游期和舒适度，是旅游资源评价的重要影响因素^{[1, 2]}。传统研究认为气候舒适程度会显著影响旅游者的综合体验，因此位于气候环境较为舒适或者生态环境优越的旅游景区，似乎拥有先天的发展优势。但是这种优势是否真的能够带来更正面的游客体验，乃至影响旅游目的地的口碑？旅游目的地的气候乃至气象环境，是否成为决定旅游目的地整体形象的先决条件？这是旅游研究当前尚未充分证实的话题。

早在上个世纪六十年代，气候与旅游的相关话题已经成为国内外学者深入研究的热点，从提出的气候舒适性指数（comfort index，CI）开始^[3]，逐渐衍生出温湿指数（THI）、风效指数（K）及着衣指数（ICL）等经验模型。在这些模型中，学者们充分探讨了气候舒适度的指标体系，也为旅游资源评价奠定了重要的基础。然而在完成了这些量化测度之后，气候与旅游的关系研究在20世纪80—90年代进展缓慢，直至20世纪90年代后期，国际旅游研究学者对气候舒适度的研究，才从采用实验法的经验模型阶段发展到以热量平衡模型为基础的机理模型探讨阶段。这些研究成果广泛应用到旅游气候舒适度^{[4, 5]}、旅游气候资源与评价^{[6, 7]}、旅游气候资源评价方法与气候特征^[8-10]、气候变化与影响^[11]等话题中，但是这些研究着重于分析气候与客流量的相关性，尚未揭示舒适气候是否会带来更正面的游客情感体验。虽然学者们精确地计算了气候舒适度、风效指数、风寒指数以及着衣指数等指标来揭示旅游目的地的气候舒适情况，但实际测度气候与游客情绪的研究仍然较为少见。仅有部分研究分别关注到游客对干旱区气候感知的情感以及游客情感与气候舒适度的关系^{[12, 13]}，在气候要素与游客情感关系的研究上尚比较笼统，无法提供微观的准确指导。

因此，本研究借助日渐丰裕的旅游评论UGC（user generated content）数据，探索气候环境与游客情感倾向的关系。具体而言，本研究使用旅游在线评论和中国气象数据，利用TSE（tourists sentiment evaluation）模型对景区在线评论进行情感分析，对气候数据的各项指标统一量纲处理后与情感值进行固定效应分析，探讨气候各项要素与游客情感之间的关系。

在气候与人之间关系的研究中，19世纪时，Spencer将环境对人类社会生活的影响系统化概括为原始因素和次要因素两种，其中原始因素包括气候、外观等外在因素和身体、智力等内在因素^[14]；20世纪时，Semple在研究中提到气候与种族气质有密切的对应关系，如北欧人精力充沛、理性多于感性，而亚热带地中海盆地的南方人则随和、即兴、快乐、情绪化而又富有想象力^[15]；Andrew认为自然地理因素尤其是气候会影响个人的心态^[16]；同时，作为旅游体验的重要组成部分，目的地气候条件也是旅游决策的重要条件^{[17, 18]}。在旅游气候学范畴下，吴章文于2001年率先提出旅游气候学的概念^[19]；此后杨尚英对气候与旅游者之间的关系进行综合考虑和完善^[20]。

随着旅游业的快速发展，旅游活动与气候舒适度之间的关系也日益受到关注。相关研究证明气温、相对湿度、风速、降水、日照等多种要素共同决定舒适度^[21]。1966年，Terjung从生理感受的角度，对气候舒适度概念进行描述，认为在适宜的气候下，人体自身能保证正常的活动^[1]。国外关于气候舒适度的研究基本围绕气候舒适度评价体系，分为直接观测、经验模型研究和机理模型三个阶段，如早期的直接观测阶段，多采用湿球温度计和卡他温度计等简易设备来评定环境的舒适度，以气温为主要评价指标，进一步研究后发现高温环境中空气湿度对人体舒适感的影响更加明显，严寒天气下风速对人体舒适度的影响更加显著^[22]；经验模型阶段，Houghton等采用实验法，通过被试者对冷暖的主观感受，提出有效温度（effective temperature，ET）指数^[23]，Siple等人通过实验法研究寒冷环境下造成人体热量消耗的因素，将结果归纳为风效指数（K）指标，Thom在ET指数的基础上提出不舒适指数（discomfort index，DI），随后改为温湿指数（temperature humidity index，THI）^[24]；到20世纪60年代，气候舒适度的机理模型受到关注，Auliciems等对Burton提出的物理概念模型进行量化，建立着衣指数（index of clothing，IC），成为经验模型向机理模型探索的重要方向^[25]。随后的研究中也出现一系列衍生指数，气候舒适度从“多要素建模”向“多模型组合”探索，开启新的发展历程。

21世纪以来，学界对于热量平衡模型的研究更加深刻，提出通用热气候指数（UTCI）^[26]，其结构复杂、考虑全面，被广泛应用于旅游娱乐、气象服务等领域。20世纪80年代中期，我国学者开始关注气候舒适度领域的研究，主要以温湿指数、风效指数、有效温度指数等应用为主，探索不同城市的气候舒适度；刘梅等^[27]、王远飞等^[28]、马丽君等^[29]采用上述模型指标分别对北京市、上海市、乌鲁木齐及陕西省的气候舒适度进行现状研究，但此类研究尚处于对单一地点进行舒适度的分析上，只是开始逐渐关注到气候与人的关系；范业正等^[30]、孙满英等^[31]分别以我国渤海湾、琼南沿海等海滨旅游地和九华山为案例地，以温湿指数、风效指数等指标，对案例地气候舒适程度进行评价，对案例地的适游时间进行了简单分析，对旅游气候适宜性和客流量之间的关系进行了简单探索，但尚未深入探究舒适性对客流量的具体影响；刘逸等根据Nevins等的实验和Fountain等的研究，在综合舒适度模型的基础上，对气候三要素的理想值进行修正和调整，通过问卷调查重新确定权重，建立避暑旅游气候舒适度模型（简称STCI），其适用范围更广、更具准确性和可靠性^[1]。

此外，也有学者聚焦到气候环境对情绪的整体影响，发现天气影响人的情感^[32]。Schwarz和Clore通过实验与统计发现，对比于阴雨连绵的天气，在晴朗的环境中，人们会倾向于更加欢乐并乐于给予别人更多关怀和帮助^[33]。Howarth和Hoffman对日照时间、降雨量、温度、湿度、气压、风向、风速等要素与情绪的关系进行了系统研究，发现气温与焦虑、疑虑情绪显著负相关，气温升高使人注意力更不集中^[34]；日照时间与焦虑、疑虑情绪显著负相关，与乐观情绪存在显著正相关；降雨量与焦虑情绪显著正相关，潮湿程度增加造成注意力集中度的下降与疲劳程度的增加；Kööts通过实验测量进一步发现积极的情绪与温度、亮度正相关，天气越温暖、光照强度越高，人们越容易有积极的情绪^[35]。上述研究基本采用实验法，样本量较小且存在一定群体偏差，样本收集也受到时间的限制。Watson和Keller等的研究发现天气对情绪没有一致的主要影响^{[36, 37]}；Denissen等在Watson和Keller研究基础上进行了拓展，分析天气6要素对情感的影响，利用在线网络日志进行研究，获得较大样本量，研究发现温度、风力和光照对负面情绪影响显著，光照对疲劳有影响，并且在降水和气压对疲劳的影响中起中介作用^[38]；但研究集中在温和的海洋/大陆气候区域，日常天气与情绪间的关系不太适合于推广到其他气候类型。近年来，学者进一步关注到气候条件对游客情绪的影响，并运用文本大数据进行相关分析，如方梦境的研究发现部分公园类型的游客情绪更容易受天气状况与气候条件影响，如森林公园的登山活动以晴朗的天气和适宜的气温最能提升游客的情感状态^[39]；高慧君等基于微博大数据，借助气温、相对湿度、风效指数等气候指标对西安市气候舒适度与游客情感进行了相关性分析^[15]。但相关研究存在研究对象非典型或研究案例地单一的局限性，同时在情感分析上也是采用常规方法对情感进行倾向分类。

综上所述，地域性气候环境与旅游发展的相关研究还有如下三个方面的缺陷。首先，现有的研究大多采用温湿指数、着衣指数、风效指数、气候舒适度模型等对某个旅游目的地的气候舒适度进行评价，关于具体是哪些气候要素重要，结论并不完全一致。其次，虽然在研究方法上已经有较为丰富的应用，但是大多数研究采用实验法和问卷等方式，在研究数据的信度、覆盖率和代表性上始终存在局限性，比如有的研究虽然尝试使用微博大数据探索城市游客情感与气候要素的相关性，但仅限于一个城市，地域覆盖性不足，缺乏说服力。最后，现有研究始终未能回答综合地域性环境与游客情感体验是否相关，恶劣的气候条件是否会成为核心吸引物之外，羁绊旅游目的地获得好评的因素？比如地处南方气候环境显著较优于北方的景区，是否更容易获得游客的好评？这也是目前尚不得而知的问题。因此，本研究将采用大数据，对大范围的5A级景区在线评论进行游客情感分析，再应用对应同时间的气候要素与游客情感进行相关性分析，尝试探索环境与游客情感之间的关系，测度气候对情感的影响是否存在显著地理差异。

本研究选取5A级景区为研究对象，综合考虑气候数据的可靠性和准确性，跟据全国699个气候站点与249个5A级景区的直线距离进行筛选，将景点与站点直线距离在50 km内的143个景区数据做了保留。鉴于中国气象科学数据共享服务中心（https://data.cma.cn/）2017年的数据相对完整，研究时间定为2017年1月1日至2017年12月31日。将携程网和去哪儿网爬取的143个景区的在线评论（包括用户ID、用户归属地、评论时间）数据进行清洗处理，删除无效数据与重复数据后，得到有效数据59958条。同时，对143个景区的门票价格进行搜集、汇总。

在气候方面，本研究计算每个景区方圆50 km内气象站点2017年的逐月平均气压、平均气温、相对湿度、日照时数、日降水量、平均2分钟风速等数据，进行统一量纲处理后，得到每个景区每个月份的气候特征值，如表 1所示。

表 1(Tab. 1

表 1 景区对应站点气候要素数据统计结果（示例） Tab.1 Statistical Results of Climate Factor Data of Corresponding Sites in Scenic Spots (Example)

表 1 景区对应站点气候要素数据统计结果（示例） Tab.1 Statistical Results of Climate Factor Data of Corresponding Sites in Scenic Spots (Example)

在情感计算方面，借助刘逸等建立的旅游者情感评估模型（TSE模型）进行计算。TSE模型以旅游评论文本为基础，对传统的旅游情感分析方式进行创新，从旅游情感专属词库的建立、语义逻辑的设定以及情感乘数的选定等三方面构建起科学的旅游评价情感分析模型^[40]。该模型基于How Net知网词典和人工筛选建立旅游情感专属词库，同时考虑语义逻辑和情感表达的倾向因素，对程度副词、否定副词和转折连词构建一系列规则，拟定情感乘数，最终综合计算出评论情感得分。模型的计算逻辑如下所示：

(1)

(2)

(3)

其中，γ为文本情感得分，包括1（正面）、-1（负面）、0（中性）三种结果，g_n为否定副词的数量，g_a为转折连词的数量，g_dp为正面词前的程度副词数量，g_dn为负面词前的程度副词数量，P为正面词数量，N为负面词数量，e为情感乘数。在公式（1）中，（g_n+g_a）为第一类转折词出现的句式中，否定副词和转折连词的和。当这个和为奇数时，情感判定结果与情感词一致，和为偶数时，则得分取反。在公式（2）中，（g_n+g_a+1）为第二类转折词出现的句式中，否定副词和转折连词的和。当这个和为奇数时，情感判定结果与情感词相反，和为偶数时，结果则相同。公式（3）是在考虑程度副词影响下，正面词除以情感乘数再减去负面词得分的差值。这个差值的绝对值小于1意味着两个得分很接近，则视为中性评论，γ记为零。该模型经过检验后已经成功运用于中国赴澳大利亚游客情感特征研究^[41]、广东省旅游形象感知差异研究^[42]等案例中。

本研究分别对2017年我国143个5A级景区的游客在线评论的情感值进行计算^[43]，得到以月份为单位的游客情感平均值、正面情感值、中性情感值和负面情感值，并对不同情感倾向所占百分比进行汇总，以分析游客对旅游地气候变化的感知程度以及气候要素与游客情绪之间的关系，如表 2所示。

表 2(Tab. 2

表 2 景区游客情感值（示例） Tab.2 Tourists' Emotional Value of Scenic Spots (example)

表 2 景区游客情感值（示例） Tab.2 Tourists' Emotional Value of Scenic Spots (example)

本研究中的自变量和因变量存在随时间而变、随个体而异的遗漏变量问题，故在完成上述两步计算之后，采用Stata软件运用双向固定效应模型，对各景区在线评论的情感值与气候指标数据进行分析，得到气候的不同要素与游客情感的关系。双向固定效应模型的公式算法如下：

(4)

其中，u_i与解释变量相关，随个体i而变，λ_t随时间t而变，x_it为每个景区不同月份下的平均气压、平均温度等各项气候要素值，y_it为每个景区不同月份下情感均值、正向情感、中性情感和负向情感，另外，将景区门票价格作为控制变量进行分析。

由于以日为单位的数据连续性不佳，因此本研究将气候各要素和情感值积累到以月为单位进行分析，再将景区按照全国的七大地理片区进行划分，得到区域内不同景区的游客情感值特征，见图 1。整体上看，地理环境的差异，特别是南北气候差异，并没有体现出显著的影响。其中只有东北地区略显特殊，所有景区只在12月份出现负值，也就是说极端严寒天气的确会使得游客的情感倾向偏向于负面。其它地理片区的游客情感值没有体现出明显的差异，大部分为正面情感，只有个别景区在一两个月份内的情感平均值为负。

图 1(Fig. 1)

图 1 游客情感平均值的区域特征 Fig.1 Regional Characteristics of Tourists' Emotion Average Value

旅游者作为门票的实际承担者，其主观心理感知受到客观价格水平高低的影响，在感知到不公平的价格时，旅游者将做出负面的判断^[44]，同时，其它数据如景区工作人员的技术水平、投入运营管理能力等数据都无法获得，目前价格是比较客观的参考指标，一方面代表景区吸引物与服务质量综合吸引力的高低，另一方面价格影响消费者的心理预期，价格感知与体验质量之间密不可分^[45]，因此本研究选定景区门票价格作为控制变量，再对气候的不同要素与情感平均值、正面情感、中性情感以及负面情感所占百分比等所有数据进行统一量纲处理后，使用Stata软件，分别对门票价格、气候的不同要素与情感平均值、正面情感、中性情感以及负面情感进行固定效应分析，结果如表 3。景区门票价格，以pri代表；平均气压（pqy）、平均温度（pwd）、相对湿度（xsd）、日照时长（rzs）、最大风速（zdf）、降水量（jsl）、平均风速（pfs）分别用字母进行代替，ave、pos、nur、neg分别代表情感平均值、正面情感、中性情感和负面情感。

表 3(Tab. 3

表 3 气候的不同要素与情感值的关系 Tab.3 Relationship Between Different Elements of Climate and Emotional Value

表 3 气候的不同要素与情感值的关系 Tab.3 Relationship Between Different Elements of Climate and Emotional Value

根据表 3显示，在置信度90%、95% 和99% 的水平下，气候要素对情感平均值、正面情感、中性情感和负面情感均有一定影响，但是景区价格对这三者没有显著影响。其中气候的6个要素对正向情感、中性情感及负向情感的影响存在程度和性质上的显著差异。

对情感平均值来说，平均风速这一气候要素在95% 置信水平下影响显著，且为正向影响；补充价格因素后，发现并不影响平均风速对情感平均值影响的显著性；除此之外，平均气压、平均温度、相对湿度、日照时长、最大风速、降水量等6个气候要素对情感平均值没有显著性影响。

对正面情感而言，在置信度95% 的水平下，有两个显著的影响因素，分别是平均气压和相对湿度，但是需要注意的是，相对湿度为正向影响，而平均气压为负向影响。在置信度90% 的水平下，最大风速、降水量和平均风速对正面情感影响显著，且均为正向影响；平均温度和日照时长等2个气候要素对正向情感没有显著性影响。

对中性情感而言，在置信度99%的水平下，相对湿度、日照时长、降水量和平均风速对中性情感影响显著，且均为负向影响。在置信度90% 的水平下，最大风速对中性情感的正向影响显著；平均气压和平均温度等2个气候要素对中性情感没有显著性影响。

对负面情感而言，在置信度99% 的水平下，降水量对负面情感的影响显著，且为正向影响；在置信度95% 的水平下，相对湿度、日照时长对负面情感的影响显著，且为正向影响；在置信度90% 的水平下，最大风速对负面情感影响显著，且为正向影响；平均气压、平均温度和平均风速等3个气候要素对负面情感没有显著性影响。

本文以气候舒适度与游客情感倾向的关系为切入点，主要得到三个结论：

首先，本文发现从时空特征和地理环境整体来看，地域性气候环境未能对游客情感产生显著的影响。一方面南北方不同的景区在游客情感倾向上没有体现出明显差异，另一方面在气候四季变化的鲜明趋势下，游客的情感倾向虽然有波动但并不一定以季节为单位。其次，进一步深入分析之后，本文发现旅游景区的单个气候要素与游客情感存在显著关联，但是与景区门票价格的高低无关。其中，能产生显著影响的因素是降水量、相对湿度、日照时长和风速这四个要素。这一点与刘逸等2018年发现温度、相对湿度和风速是影响舒适度的三大要素不太一致^[1]；平均气压和最大风速等2个气候要素不能对游客情感产生稳定而显著的影响，平均温度对游客情感没有显著影响。最后，本文发现将情感细分为正负面和中性维度之后，气候要素的影响也不一致。其中，对正面情感有影响的是平均气压、相对湿度、风速和降水量，影响显著；对负面情感有影响的是相对湿度、日照时长、风速和降水量，影响最显著的是降水量；对中性情感有影响的则有相对湿度、日照时长、风速和降水量。总体来说，相对湿度和降水量是在诸多气候要素中，能够对不同情感均产生显著稳定影响的气候要素，这可能是因为若在旅游过程中遇到太大降雨，会不可避免地影响行程和体验，增加不必要的麻烦和不便，而湿度过大则会间接带来不适进而影响身体感受；同理，平均气压、风速和日照时长等因素也在不同程度上影响旅游体验。目前这些解释还属于主观推理，至于具体是如何影响游客情感，以及不同情感倾向受气候要素影响的差异还需要在未来研究中进一步细化。

本研究的贡献有两个方面：理论方面，本文是环境与旅游情感关系的一次积极探索，初步证实了这种关系的存在，也发现降水量、相对湿度、日照时长和风速等4个显著关联因素，对Kööts^[42]和Denissen等^[45]的实验做出了补充，进一步确认了降水、湿度和光照对情绪的影响，修正了环境温度影响情绪的观点，也对刘逸等^[1]研究提出了新的挑战。在应用方面，本研究的发现有助于旅游目的地管理者科学理性地认识气候环境的影响，针对不同气候因素的影响差异，制定更加合理有效的资源开发策略和管理运用措施，特别是充分认识到相对湿度和降水量的重要性，在旅游管理中提供高质量的旅游气象服务，切实向游客传递准确有效的相关气候信息。同时，也要更加客观地去研究和发现游客负面情绪产生原因，减少不利气候因素给游客体验带来的负面影响。

本研究存在两点不足：第一，在案例地选择上，本研究以5A级景区及其与气候站点之间距离在50 km范围内的标准，挑选出143个5A级景区，未全部覆盖到所有5A级景区，研究结果的代表性仍有一定提升空间。第二，在研究方法上，本研究对在线评论和气候要素数据进行逐月匹配计算，未细化到逐日数据，在一定程度上会损失气候对游客情感影响的准确度，因为游客每日在线评论的数据量不足，不够具有代表性，计算上还不能细化到逐日数据。气候要素是影响游客情感变化的因素之一，但并非决定性因素，关于游客情感变化的问题未来还需要进一步详细探讨。