基于GPS数据的云南徒步旅游时空分布特征及其影响因素
时间：2023-06-27 09:45:04 来源：雅意学习网 本文已影响 人 
赵欧逸，尹一帆，王嘉学
(云南师范大学 地理学部，云南 昆明 650500)
徒步旅游起源于二十世纪西方国家的“背包革命”，指旅游者以徒步为主要旅行方式的一种自助旅游形态，是背包旅游者最喜欢的一种旅游方式[1].徒步强调自然和文化原真性，在城市化和现代化高速发展的今天，徒步旅游凭借其体验自然、缓解压力、增强体质、挑战自我的多样化功能和成本低、易入门、适用人群广和出行方式灵活多变的优点越来越受大众欢迎[2].2016年来，《国务院办公厅关于加快发展健身休闲产业的指导意见》《八部门联合印发山地户外运动产业发展规划》等有关政策的相继发布，让徒步旅游的发展迎来新机遇.尤其是后疫情时代，随着人们对自身健康与情感的关注和重视，徒步旅游的地位进一步提升.
关于徒步旅游的研究，国外的研究重点从徒步旅游场所规划逐渐转向徒步旅游目的地、徒步旅游者本身，其中从心理学、文化学等视角探讨徒步旅游者的特征、需求和体验成为近年来的研究热点[3-6].随着地理信息技术的发展，国外学者开始将GIS工具与传统计量方法结合，研究徒步旅游的空间分布.Abildtrup应用随机参数误差分量模型，估计南加州偏远地区徒步旅行者的森林游憩偏好及潜在空间决定因素，讨论了空间偏好异质性对休闲建模和森林政策的影响[7].Baerenklau基于徒步轨迹的统计数据和休闲许可证数据，利用不完全需求系统探究南加州荒野徒步地区森林景观价值的空间分布，为实现资源的有效利用提供理论依据[8].国内有关徒步旅游的研究较为滞后，自2009年以后国内学者开始重视相关理论研究.早期的研究以徒步线路与产品开发为主，通过分析徒步旅游目的地的发展条件及存在的矛盾问题，提出相应的开发建议与对策[9-11].随着徒步旅游在国内的发展，相关研究内容不断丰富.目前国内研究聚焦于徒步动机与需求[12-13]、徒步行为偏好与体验[14-15]、徒步时空分析[16-18]等方面.
总体看来，国内外学者均对徒步旅游主、客体从不同角度进行了研究，逐步建立起徒步旅游研究的理论体系.目前研究徒步旅游时空特征多聚焦于某一徒步场所游客时空行为的微观研究，而基于大数据、以省域为尺度的宏观研究鲜有涉及.云南山地旅游资源丰富，生物多样性显著，森林、湖泊及民族文化资源数量众多，拥有“茶马古道”“北回归线”等独特资源，为打造主题丰富的徒步线路提供了得天独厚的条件，但目前由于基础设施滞后、步道规划开发起步晚等限制，大部分现有线路由驴友自发选择，尚未进行系统开发.《云南省“十四五”文化和旅游新业态发展专项规划》提出，要将北回归线国家步道、“茶马古道”国家步道、“三江并流”国家步道、环苍山国家步道、“红军长征过云南”国家步道、“徐霞客云南行”国家步道、滇缅公路徒步线路等打造成为中国境内人文内涵最深厚、民族风情最浓郁、自然景观最美丽、垂直气候最显著、单项里程上规模的国家步道.因此，对云南徒步旅游的时空分布及其影响因素进行研究，对于进一步规划和打造云南精品徒步线路具有重要意义.
1.1 数据来源
目前有关徒步的研究数据多通过问卷调查、访谈获取，数据样本有限，主观性较强，而大尺度区域的数据获取难度大，且存在精确度低、代表性受限等缺点.而GPS数据的普及和徒步APP的推广，让每位游客仅通过一部内置GPS的手机就能够精准记录其徒步轨迹，标记兴趣点，上传并分享记录、轨迹.本研究数据来源于“两步路”户外旅游网站(https://www.2bulu.com/)，从两步路网站爬取徒步轨迹数据9 929条，并进行数据清洗，筛选出时间跨度在2011—2020年的数据，删除涉及研究区外的数据、非以休闲旅游为目的的徒步线路和异常(速度超过15km/h)、重复、缺失数据，剩余轨迹5 967条，并采用ArcGIS10.4“线转点”工具将轨迹线条转换为各徒步节点.行政区基于全国地理信息资源目录服务系统下载的审图号为GS(2016)2556的地图制作，河流湖泊、交通线、植被覆盖(NDVI)数据等基础底图矢量数据来源于中国科学院资源环境科学数据中心；
地形高程(DEM)数据来源于中国科学院计算机网络信息中心地理空间数据云平台，空间分辨率为30m；
A级景区数据是根据云南省文化和旅游厅云南省2020年 A 级旅游景区名录，借助百度坐标拾取器获取其坐标，并将其导入ArcGIS10.4所得.地方生产总值和人口数据均来源于云南统计局官网发布的《2019云南统计年鉴》.
1.2 研究方法
1.2.1 季节强度指数
利用季节强度指数对游客量的年内变化进行分析，探讨云南徒步游客量的季节性变化规律，分析其季节性差异.以月为研究单元的季节强度指数计算公式为：
(1)
式中：R代表旅游季节强度指数；
xi代表每月游客量占全年的比重.R越大，徒步游客量季节性差异越明显，R越趋近于0，则代表全年时间分配越均匀[19].
1.2.2 最邻近指数
最邻近指数是一种表示点状地理要素空间分布邻近程度的指标，可以判断点状要素的空间分布类型.其公式为：
(2)
1.2.3 核密度分析法
核密度分析(Kernel Density)是GIS中重要的空间分析方法，通过计算离散要素(包括点要素和线要素)在周围邻域中的密度，生成一个平滑的二维曲面，曲面数值在要素所在位置处最高，并随着与要素距离的增大而逐渐减小，从而分析要素在空间上的集聚与分散程度[21].其公式为：
(3)
其中，h为半径空间范围内第i个点状要素的位置;s为待估计区域点状要素的位置;si为落在以s为圆心的点状要素.
1.2.4 局部自相关
空间的冷热点区由Getis-OrdGi*指数决定，以反映空间的局部自相关特征，其公式为
(4)
1.2.5 缓冲区分析
缓冲区是指在某一组地理数据周围建立的具有一定宽度范围的多边形区域.缓冲区分析的研究对象主要是点、线、面.地物Oo的缓冲区定义如下：
B0={p:d(p,Oo)≤R}
(5)
表示所有距Oo的距离d小于或等于半径R的点的集合为Oo的以R为半径的缓冲区[23].
1.2.6 地理联系率
地理联系率用于分析研究要素在空间分布上的联系程度，其公式为：
(6)
其中，L为地理联系率，Si为第i个地区徒步轨迹节点占总数的比例，Pi为第i个地区人口数占总数的比例.L值在0～100之间，值越大，代表两者之间的地理联系率越紧密[24].
从年际变化看，云南徒步旅游发展具有明显的阶段性特征；
从年内变化看，云南徒步旅游季节性明显，集中在春季和初夏.图1、图2分别为云南徒步轨迹数量的年际变化和年内变化情况.图1显示，2019年之前云南省徒步旅游轨迹总体呈上升趋势，2011—2015年轨迹数量由个位数缓慢上升至56条，可见云南省徒步旅游与GPS的紧密结合刚刚起步，2016年GPS记录的轨迹数显著上升，直到2018年徒步轨迹增至461条，约为2015年的8倍，其原因可能是受云南省体育旅游等有关徒步的政策推行，金飞豹“徒步勘踏”的刺激，以及这一阶段GPS的普及达到了前所未有的程度，2019年轨迹数量达到顶峰，单年轨迹量超过3000条.2020年由于受疫情影响，出行游客大幅减少，徒步轨迹数比上一年下跌38.53%.结合徒步旅游发展的实际情况和相关现有研究，将2011—2020这十年间的徒步轨迹划分为三个阶段：T1(2011—2014年)：起步期；
T2(2015—2017年)：发展期；
T3(2018—2020年)：震荡期.
根据2011—2020年不同月份的轨迹数计算出云南省季节强度指数为8.25，徒步旅游者出游的季节性较为明显.由图2可知，云南徒步集中在春季和初夏，即3—6月份，此时气候宜人、正值花季.云南大部分地区属亚热带季风气候，7—9月气候炎热多雨，降水集中，滑坡、泥石流等自然灾害频发，不利于徒步出行.冬季1—2月气候严寒，高海拔地区气候恶劣，多暴风雪，同样不利于出行.因此，云南徒步旅游呈现明显季节性.
图1 云南徒步轨迹数量的年际变化
图2 云南徒步轨迹数量的年内变化
由于爬取的徒步轨迹兴趣点数据量巨大，而ArcGIS空间分析能够处理的样本量有限，故使用ArcGIS10.4的“线转点”工具将徒步轨迹转换为徒步节点，将兴趣点和转换节点叠加发现，二者在地图上的分布基本一致，均能反映徒步轨迹的总体走向和分布，加之点状要素在空间分布上的处理比线状要素更为直观，方法更为多样，因此文章通过对徒步轨迹节点进行空间分析来反映徒步轨迹的空间分布.点状要素的空间分布主要研究分布的聚集性和分散性问题，其分析方法有两类：以聚集性为基础的基于密度的方法，即核密度分析法，用于体现空间密度特征；
以分散性为基础的基于距离的方法，即最邻近指数，用于体现空间类型特征[25].要客观反映徒步轨迹节点的空间分布，除研究点状要素整体的分布状态外，还要考虑要素之间的相互联动，故采用局部关联指数来探究轨迹节点的局部自相关特征.
3.1 空间类型特征
为研究徒步轨迹节点的分散性问题，利用平均最近邻工具计算出各时间段(T1、T2、T3)轨迹节点的整体最邻近指数，并结合其临界标准判断空间分布类型(表1).
表1 徒步轨迹节点的最邻近指数
云南徒步轨迹集中分布在以昆明全市和玉溪北部为主的滇中地区及大理、丽江和迪庆为主的滇西北地区，前者呈块状围绕昆明主城区分布，后者呈带状自大理向西北延伸；
滇东北的昭通和滇西的德宏、西双版纳等有部分轨迹分布，而文山、普洱等州(市)轨迹数量较稀疏.由表1可知，各时间段云南省徒步轨迹节点的最邻近指数R均小于1，且通过了99%置信度水平下的显著性检验，说明云南省各时间段的徒步轨迹在空间分布上均呈集聚型.从最邻近指数的变化来看，T1-T3期间，R值接近0，集聚程度较高，而后R值逐渐上升，表明云南省徒步轨迹的空间集聚程度在不断减弱.2011—2014年间，云南省徒步旅游仍处于初始阶段，与GPS技术的结合也才刚刚起步，有效徒步轨迹仅有101条，主要以梅里雪山转山、虎跳峡徒步、独龙江穿越等传统经典线路为主，徒步轨迹数量相对稀少且较为集中；
2015—2017年间，徒步轨迹增长2倍以上，达372条，最邻近指数上升，集聚程度显著下降；
2018年以来，国家步道、滇西旅游大环线、体育旅游等有关政策推动云南徒步旅游大开花，全省徒步线路广布，各州市均有徒步轨迹，分布集聚性减弱.
3.2 空间密度特征
为研究徒步轨迹节点的聚集性问题，借助核密度分析工具对云南省各时间段徒步轨迹节点的空间分布密度进行分析，并结合标准差椭圆方法探究徒步轨迹空间分布的重心迁移态势，见图4.
由图4可知，T1(2011—2014年)期间，云南省徒步线路呈“极核状”分布，核密度的高值区主要集中在迪庆、丽江、大理和昆明等滇西和滇中地区，滇东北和滇南地区几乎没有轨迹分布.其中迪庆西北部处于滇藏交界处，不仅拥有梅里雪山等得天独厚的徒步旅游资源，还能通往西藏察隅、芒康等地，是独龙江—察隅徒步线路的必经之地，深受滇藏徒步者的青睐，密度值远高于其他地区；
而昆明存在两大高值区，一个位于传统主城区，另一个则位于昆明东北部的东川区，后者拥有大牯牛、东川沟、妖精塘等经典徒步资源.T2(2015—2017年)期间，高值区在原有基础上继续扩充，呈“点轴式”空间分布.昆明形成以主城区—安宁为主集聚区、东川—禄劝为次集聚区，全市各县区相互联动的高密度值区;大理、丽江、保山等地密度值渐趋提升；
怒江凭借自身资源优势，加强与周边地区的联动，形成多个集聚片区；
临沧、西双版纳、红河、文山等滇南地区和曲靖、昭通等滇东北地区，形成散落分布的小集聚区，填补滇南地区徒步线路空白的局面.T3(2018—2020年)期间，云南省体育旅游全面开花，16州市的徒步旅游均有不同程度的发展，且各州市徒步轨迹的空间联系明显增强，呈现“核心—边缘”式结构.随着徒步周边游的兴起，昆明市核心区不断扩大，形成一个覆盖全市3/4、辐射楚雄、玉溪、红河、曲靖等周边州市的主集聚区，并在东川区形成一个次集聚区；
“大滇西旅游环线”的推进，促进了滇西北地区的空间联系，推动形成以迪庆、丽江、大理、怒江为核心的“滇西北徒步旅游带”，保山、普洱、版纳等滇西南地区的徒步核心区也不断向外扩展，空间联系不断增强.总体看来，云南省徒步旅游轨迹分布范围不断扩大，聚集程度不断下降，整体呈现出沿山岳型和湖泊型旅游景点分布的特征.
审图号:GS(2016)2556图4 云南徒步轨迹节点的核密度分析及空间偏移态势
从T1至T3，云南省徒步轨迹的空间分布总体由西北向东南方向迁移，究其原因，主要是由于近年来滇中、滇东和滇东南地区加大对体育旅游的重视和支持，以及作为主要旅游客源地的滇东、滇中地区，其周边徒步游的兴起，以昆明、曲靖、红河为代表的地区加强对旅游开发的投入，拉动了上述地区旅游产业的快速发展，促进徒步轨迹数量的增加，徒步空间格局向东南方迁移.
3.3 局部关联特征
为探究点状要素之间的相互联动，利用局部关联指数Getis-OrdGi*的值来分析云南省各时间段徒步轨迹节点冷热区的分布状况.图5显示，T1、T2期间，云南徒步轨迹节点局部区域的关联模式呈现出明显的地理分异特征.T1(2011—2014年)期间，云南徒步轨迹节点的冷热区分布总体呈现出：热点集中在滇中、滇东地区，冷点集中在滇西、滇西北的特征.其中昆明市主城区和东川区、宜良县为热点区，曲靖市沾益区为次热点区，昆明、曲靖作为云南经济的排头兵和人口聚集区，区域空间联动效应突出.迪庆西北部、保山为冷点区，大理、丽江和迪庆东部为次冷点区，各徒步线路之间较为孤立.T2(2015—2017年)期间，热点区面积扩张，广泛分布于滇中和滇东地区，其中高热点区以昆明为中心不断向外扩散，覆盖昆明市大部分区域，并扩散至楚雄、玉溪、红河、文山、曲靖、昭通等六个州市，其中红河、曲靖与昭通均存在高热点和次热点区；
冷点区向周边州市延伸，几乎覆盖住滇西北所有州市以及滇西的保山、临沧两市，其中怒江和保山仅分布有高冷点区，临沧仅分布有次冷点区.T3(2018—2020年)期间，整体形成自东向西区域热度递减的空间格局，楚雄东部、玉溪东部及红河西部连线以东为高热点区，楚雄以西、普洱中部和版纳西部为次热点区，丽江中部、大理东部和临沧东部为次冷点区，迪庆、怒江、德宏、保山及丽江、大理和临沧三州(市)的西部为高冷点区.
通过梳理徒步相关文献，并结合云南发展徒步旅游的环境和条件，总结出影响云南徒步轨迹分布的因素主要分为自然环境因素和社会经济因素，其中自然环境因素以海拔高度、河流湖泊和植被覆盖三方面为主，而社会经济因素主要包括城市分布、旅游资源和人口、经济等方面.
审图号:GS(2016)2556
4.1 自然环境因素
4.1.1 海拔高度
根据现有地貌海拔高度分级指标(《中国陆地基本地貌类型及其划分指标探讨》)和云南省地形地貌状况，将其海拔划分为<1 000m(低海拔)、1 000～<2 000m(中海拔)、2 000～4 000m(亚高海拔)和>4 000m(高海拔)四个等级.将云南徒步轨迹节点与云南省地形图叠加得到图6(A)，通过统计汇总得出云南徒步轨迹节点与海拔关系的统计表(表2).
表2 不同海拔高度徒步轨迹节点分布数量表
由表2可知，徒步轨迹主要分布在海拔为2 000～4 000m的亚高海拔地区和1 000～2 000m的中海拔地区，其中1 500～2 500m的山地最为集中，占所有徒步轨迹节点的53.72%，3 000～3 500m的高山次之，占比为13.4%.在海拔为0～1 000m的低海拔地区，徒步节点分布最少，仅有14个，占比1.70%，且均分布在500～1 000m的丘陵和山地；
而在4 000m以上的高海拔地区，分布有29个徒步节点，占比3.54%.总体看来，徒步轨迹集中分布在1 000～2 000m的中海拔和2 000～4 000m的亚高海拔地区.云南地势复杂，最低点位于红河州河口县，仅76.4m，最高点为梅里雪山主峰，高6 740m，高差达6 663m，其中中海拔(1 000～2 000m)约占全省面积的55%，亚高海拔(2 000～4 000m)约占35%.二者在云南占比大，且在此海拔范围内，山岳分布较为集中，风光无限，拥有良好的山岳徒步资源.中海拔环境相对适宜人类活动，在大多数人的身体机能承受范围，适合作为中低难度的徒步线路选址；
亚高海拔主要分布在滇西北、滇东北地区，山岳广布，此段徒步线路难度升级，具有一定挑战性但在拥有专业技能的前提下安全尚能保证，是大多数徒步爱好者心目中的理想徒步地；
高山徒步是背包客梦想的重要部分，高耸入云的山峰、壮观的冰川和清新的山间空气将游客带到另一个世界，云南高海拔地区分布有玉龙雪山、梅里雪山等徒步圣地，难度大，徒步者容易出现高原反应、失温等不良反应，令人心生向往但望而却步，徒步线路不多却皆为精品.
4.1.2 河流湖泊
云南省水体资源丰富，湖泊众多，为徒步旅游提供了优越的环境依托.丰富的水体能为徒步游客提供身体必须的水资源，景色各异的水景观还能缓解徒步过程中的视觉疲惫.将云南徒步轨迹节点与云南省河流湖泊分布图叠加得到图6(B)，通过统计汇总得出云南徒步轨迹节点与海拔关系的统计表(表3).
表3 河流缓冲区不同半径内徒步轨迹节点分布数量表
从图6(B)可看出，云南省徒步旅游节点呈现出明显沿河流、湖泊分布的特征，尤其澜沧江、金沙江、元江、盘龙江沿线及洱海、滇池、抚仙湖旁分布最为密集.运用缓冲区工具对全省河流依次建立5km、10km、15km缓冲区，统计结果如表3所示.在距河流5km的缓冲区半径内有43.83%的徒步轨迹节点分布，在距河流10km的缓冲区半径内有32.11%的徒步节点分布，在距河流15km的缓冲区半径内有13.92%的徒步节点分布,距离河流越远，徒步轨迹节点数量越少,可见河流对徒步轨迹的分布具有重要影响.
4.1.3 植被覆盖
归一化植被指数(NDVI)是衡量植被生长状态和覆盖程度的指标，其数值一般在[-1,1]区间，值越大代表植被覆盖程度越高.通过ArcGIS4.0软件将云南省徒步旅游轨迹节点与2018年NDVI栅格数据图进行叠加得到图6(C)，使用自然断点法将NDVI数据分成[-0.01,0.62)、[0.62,0.81)、[0.81,0.92]三个值段，将不同值段NDVI与其对应的徒步轨迹节点数量统计整理如表4.
表4 不同植被覆盖度徒步轨迹节点分布数量表
由表4可知，在NDVI数值为[-0.01,0.62)值段内分布有11.36%的徒步轨迹节点，在NDVI数值为[0.62,0.92]的植被茂盛区分布有88.64%的徒步节点.故徒步轨迹数量与森林覆盖程度呈正相关关系，徒步者更倾向于选择植被茂盛的地区进行徒步，这是由于植被覆盖度越高，环境越优美，氧气含量越充足，同时有利于阻挡大量紫外线的直接照射.
审图号:GS(2016)2556
4.2 社会经济因素
4.2.1 城市分布
大众需求的多样化让周边游成为一种备受欢迎的旅游形式，疫情当下，徒步旅游的大众化也让周边徒步游迅速崛起，因而徒步线路不再局限于远离城市的山地，近郊地区成为周边游客的理想徒步目的地.对省会、地级市、县级市、市辖区四种等级构成的云南所有城市做缓冲区，统计分析(图7)发现，随着缓冲区距离的增加，徒步轨迹节点数量呈现出先上升后下降的“倒U”型趋势，且87.79%的徒步轨迹节点分布在距离城市中心35km的范围之内.距离城市5km范围内的徒步轨迹节点较少，仅占4.52%；
而距离5km之外，轨迹节点急剧上升，在距离5～25km的范围内，轨迹节点占总数的72.65%，范围内整体波动较小，其中15～20km内的轨迹节点数量最多，达157个；
距离城市25km之外，徒步轨迹节点呈直线式下跌.
图7 城市0～35km缓冲区内徒步轨迹节点的分布
对省会、地级市、县级市、市辖区四种等级的城市分别做缓冲区，由图8可知，在四类城市中，50km内县级市周边的徒步轨迹节点数量最多，省会城市最少.除省会外，地级市、县级市及市辖区周边的徒步轨迹节点均在10～20km范围内出现峰值，市辖区在此范围内的徒步轨迹节点最多，县级市在20～30km内达到最大值.而省会周边的轨迹节点在10～20km内出现最小值，随后波动上升，说明在10km之外，距离省会越远，徒步轨迹节点越多.
4.2.2 旅游景区
A级景区作为衡量地方旅游资源赋存的重要指标，通常拥有独特的自然风光或历史文化底蕴，其知名度对徒步旅游轨迹的形成和发展具有带动作用.以全省A级景区为中心建立缓冲区，经分析统计(图9)发现，在距离A级景区5～10km内，徒步轨迹节点的数量占比由28.21%上升至52.63%，而在10km之外，轨迹节点数量持续下跌，说明徒步轨迹集中分布在距离A级景区5～10km的范围内.对全省5个等级的景区分别进行缓冲区分析，结果如图10所示，在25km之内，高等级景区(4A、5A级景区)对徒步旅游的推动作用主要体现在周边5～10km，其节点数达127个；
3A级景区附近的徒步旅游节点随距离的增加呈下降趋势；
低等级景区(1A、2A级景区)对徒步旅游的影响较小，除周边10～15km范围内节点数量仅为43个外，其余范围总体较为平稳.因此，徒步轨迹节点的空间分布与旅游景区相关，且受中、高级景区的影响最大.
图8 不同等级城市0～50km缓冲区内徒步轨迹节点的分布
图9 景区0～25km缓冲区内徒步轨迹节点的分布
图10 不同等级景区0～25km缓冲区内徒步轨迹节点的分布
4.2.3 经济与人口
地方经济与人口分别能够为徒步旅游提供完善的设施和稳定的客源，进而提升徒步旅游目的地的吸引力和竞争力.将地方经济生产总值图、全省人口分布图分别与徒步轨迹节点图叠加发现，在省内经济水平发达且人口分布密集的州市，徒步轨迹分布更为集中.为进一步探究二者与徒步旅游的关系，运用公式(6)计算，得到经济发展水平与徒步旅游之间的地理联系率L1=99.68，人口数量与徒步旅游之间的地理联系率L2=99.54，表面二者与徒步旅游之间联系较为紧密.
5.1 主要结论
本文以云南徒步旅游轨迹节点为对象，通过季节强度指数、核密度分析法、局部自相关法、缓冲区分析等方法对研究对象的时空分布特征和影响因素进行研究，并得出以下结论：
(1)云南徒步旅游发展具有明显的阶段性特征，可将其划分为三个阶段：起步期(2011—2014年)、发展期(2015—2017年)和震荡期(2018—2020年).受季风性气候影响，云南徒步旅游季节性明显，季节强度指数为8.25，集中在春季和初夏.
(2)云南省各时间段的徒步轨迹在空间分布上均呈集聚型，随着时间的推移，其空间分布总体由西北向东南方向迁移，分布范围不断扩大，聚集程度不断下降，先后经历“极核状”分布——“点轴式”空间分布——“核心—边缘”式结构.云南徒步轨迹节点局部区域的关联模式呈现出明显的地理分异特征，热点由滇中、滇东地区不断扩张，冷点由滇西、滇西北向外延伸，最终形成自东向西区域热度递减的空间格局.
(3)云南徒步轨迹主要分布在海拔1 500～2 500m之间、植被覆盖度高的地区，呈现出沿湖泊河流分布的特征.徒步轨迹的分布受城市距离、旅游资源、经济与人口的影响，随着与城市距离的增加，徒步轨迹节点数量呈现出先上升后下降的“倒U”型趋势，且87.79%的徒步轨迹节点分布在距离城市中心35km的范围之内；
徒步轨迹集中分布在距离A级景区5～10km的范围内，其节点数量占比为52.63%，其中中、高级景区的影响最大；
经济发展水平和人口数量二者与徒步旅游之间的联系较为紧密，前者与徒步旅游的地理联系率为99.68，后者为99.54.
5.2 建议与讨论
基于对云南省徒步旅游时空特征的分析，对云南省发展徒步旅游提出以下建议：(1)在徒步道规划方面，要注重徒步旅游空间格局的优化，充分利用滇西地区得天独厚的山地(雪山等)、民族文化徒步旅游资源，进一步挖掘滇中、滇东和滇南地区的潜在徒步资源，通过政策倾斜解决资源、设施发展错位的问题，坚持区域协同联动发展；
(2)在徒步产品设计方面，要以徒步旅游者的需求为导向，分季节、分时段打造具有原真性、创新性、挑战性的徒步旅游地吸引物，不断丰富徒步产品类型；
(3)在徒步旅游地管理方面，依据徒步旅游者的时空行为特征制定精准的营销策略，提升徒步旅游地的吸引力，扩大受众范围.本文研究了近十年来云南省徒步旅游轨迹的时空变化特征，今后可进一步采用对云南徒步旅游者的人口构成、客源地分布以及其他的行为偏好进行研究，进而对全省徒步道的规划建设提供参考和借鉴.
