孙晓东 倪荣鑫 冯学钢

[摘    要]季节性是入境旅游的典型特征之一，对城市旅游业发展具有重要影响。客源地多样性增加了入境旅游淡旺季平衡的复杂度。深刻理解入境旅游在客源结构方面的季节性特征可以帮助管理部门提出有针对性的市场开发措施，有效应对入境旅游季节性带来的产业失衡问题。文章以上海2004—2016年的入境旅游月度数据为样本，采用季节性调整和聚类分析等方法对上海入境旅游的总体季节性以及不同客源市场的季节性特征进行了研究。首先，采用X-12-ARIMA调整方法对上海入境旅游的总体季节性特征进行了分析。其次，分别对19个客源地的季节性特征进行了识别，并基于淡季和旺季两个维度探讨了不同客源地之间季节性的差异性与相似性。然后，以12个月度季节性因子为维度，采用层次聚类法对19个客源地进行了聚类分析，并对不同类型客源地的季节性成因进行了剖析。最后，提出了上海入境旅游开发的对策与建议。研究发现，虽然不同的客源地在淡旺季分布上存在差异和交叉，但基本与上海的气候舒适度特点相吻合，即旺季主要分布在气候舒适度较高的月份，而淡季月份的气候舒适度则较低。研究结果同样对其他城市入境旅游发展具有启示作用。

[关键词]入境旅游;季节性;客源市场;上海

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2019）08-0025-15

Doi： 10.19765/j.cnki.1002-5006.2019.08.008

引言

作为提升国际认知度、增加外汇收入和促进旅游经济发展的有效手段，入境旅游对城市发展具有重要作用。由于自然环境、气候条件、社会经济以及突发事件等因素的影响，与国内旅游一样，入境旅游同样面临游客数量、游客花费、旅游就业、基础设施利用等方面不平衡的现象。旅游季节性会造成旅游需求和供给的双重波动[1-2]，成为困扰旅游业健康发展“易于理解而难以解决”的问题 [2]，是政府部门在制定旅游政策、应对危机和规避风险时考虑的中心问题之一[3-5]。对入境旅游来说，提升淡季游客数量能一定程度上缓解目前我国面临的出入境旅游逆差问题。然而，客源结构的复杂性加上客源地文化背景、出游习惯、气候条件等方面的差异，进一步加大了入境旅游淡旺季平衡（特别是提升淡季游客数量方面）的难度。

随着我国“一带一路”倡议的实施，大力提振中国入境旅游市场既能促进我国旅游服务贸易的发展，又能从旅游外交层面推动“一带一路”沿线国家和地区的互联互通。对入境旅游城市来说，厘清客源市场季节性的基本特征，能够有效地帮助管理部门分别从目的地和客源地两个方面入手提出针对性的应对措施，通过提振淡季入境旅游市场来有效解决季节性问题。为此，本文以上海为研究对象，选取2004—2016年的月度入境旅游数据为分析样本，一方面对上海入境旅游季节性的总体特征进行分析;另一方面对上海入境旅游季节性的客源地相似性、差异性进行了分析，并基于不同月份的季节性指数对19个客源地进行了类型划分，从而可以全面而深入地理解上海入境旅游的季节性问题，并进一步提出针对性的入境旅游开发对策与措施。

1 相关文献回顾

目前，学术界关于旅游季节性的文献较多集中在概念内涵、形成因素、表现形式、定量測度、典型区域、影响作用及改进措施等方面。在旅游季节性定义方面，Butler认为，季节性是旅游现象短期暂时性的不平衡[1]。Jang指出，旅游季节性是旅游地每年重复发生的一种周期性模式，突出表现为客源地需求的年内时间分布不均[6]。李琼和王桂玉基于旅游者视角提出游客反季出游概念，涉及客源市场和旅游景区两个层面[7]。冯学钢等认为，反季旅游主要是通过商务旅游、休闲旅游、文化旅游等方式来促进淡季旅游需求，通过居民“淡季出游常态化”来缓解季节性带来的不利影响，从而达到平衡全年旅游季节性的目的[5]。

在季节性成因方面，Hartman最早提出了自然、制度双因素说[8]。随后，Hylleberg提出季节性成因包含天气、生产和消费决策等因素[9]。Butler则从社会属性角度提出三因素说，即社交需求与社交方式、体育活动季节性以及旅行者出游习惯[1]。Baum和Hagen提出了包含自然气候环境、社会习惯、行业习惯、日历效应的多因素说[10]。国内学者陆林则将旅游季节性成因分为自然、社会两大类，涉及自然季节、自然偶发、社会季节、社会偶发4种因素[11]。之后，陆林等通过客流季节性分布形态和客流集中指数发现，对以自然吸引物或自然文化吸引物为特征的旅游地来说，自然因素是导致客流季节变化的主要因素[12]。此外，李团辉和段凤华指出，旅游季节性是由旅游资源、旅游需求、人为政策等多重因素综合作用的结果[13]。

在季节性表现形式方面，贺小荣认为，旅游季节性形态可分为多峰型、双峰型和单峰型3类[14]。Lundtrop则认为，旅游季节性更强调旅游需求与供给在年际、月际和周际等时间段上的非均衡性;甚至在公共假期，一周和一天内也会出现旅游流的高峰和低谷[15]。在城市入境旅游方面，李想和黄震方通过对南京市1997—1999年间的海外客流进行研究发现了“双峰双谷”的季节性特征[16]。陆林等通过旅游客流季节分布曲线发现，三亚、九华山分别表现为“三峰两谷”和“双峰双谷”的特点，而北海、普陀山、黄山则表现为“三峰三谷”型季节性特征[12]。王奕祺等的研究发现，我国港澳台地区入境旅游流均呈“四峰”型季节分布模式;从分布曲线来看，港澳呈现明显的“双W”型曲线，而台湾则呈现“双M”型[17]。此外，席宇斌等发现澳大利亚旅华客流呈现“三峰两谷一盆地”的波动特点[18]。

在季节性测度方面，现有文献主要采用曲线分析、年际集中度、季节强度指数等方法对旅游季节性进行测度 [19-20]。其中，Baron最早提出了通过比率和峰值等指标衡量旅游季节性的方法[21]。Wall等采用时间序列分析、月度比率、波动离差和季节性指数对中国1980—1998年入境国际游客的结构特征和季节性波动情况进行了研究[22]。Jang基于投资组合理论对旅游季节性现象进行了研究[6]。Cunado等对西班牙旅游季节性进行分析后发现，季节性小幅集成模型能较好地解释数据[23]。Karamustafa和Ulama综合运用月度指数、基尼系数、年际集中指数、季节变动指数等方法对土耳其旅游季节性进行了测度，并发现方法之间并无优劣之分，而是相互补充[24]。马耀峰等采用集中指数、变动指数等指标对入境旅游流的月际变动状况进行了研究[25]。进一步，张朝枝和保继刚则将月际变动指数扩展为日际变动指标对遗产地旅游季节性进行了研究，并发现休假时间的集中化趋势对客流季节性并无显著影响[26]。同样，梁增贤和保继刚也采用日际变动指数对主题公园的客流季节性及其影响因素进行了分析，并识别出了黄金周内峰值日的一般规律[27]。李亚则采用聚类分析法对云南省的旅游季节性进行了研究[4]。此外，朱红兵和高峻采用基尼系数对我国入境旅游季节性分布的非均衡性进行了研究[28]。另外，马世罕等综合使用月度指数、基尼系数等方法对旅游流的月度数据进行了季节性分析[20]。

在案例研究方面，国内外学者对不同地区的季节性问题进行了大量探讨。Snepenger等研究发现阿拉斯加沿海地区比内地偏远地区的旅游季节性需求要高10%[29]。Owens的研究发现加拿大旅游度假地存在较强的季节性，且不同度假地之间差异较大[30]。Ahas等借助移动定位数据分析技术探讨了爱沙尼亚入境旅游消费空间的季节性问题[31]。陆林分析了黄山景区旅游季节性的成因、影响，并提出了缓解旅游季节性的对策[11]。张捷等对九寨沟、黄山及福建永安桃源洞麟隐石林国家风景名胜区旅游客流的时间分布特征进行了比较[32]。卢松等则探讨了西递、宏村不同时间尺度（日、周、月）旅游流的季节性分布特征[33]。钟静等对西递和周庄旅游流的季节性特征进行了研究，并在描述旅游流季节性变动方面，基尼系数优于季节性强度指数[34]。汪德根等以黄山、九华山为例，分析了山岳型旅游地国内客流的季节性特性[35]。吴普和葛全胜以海南省为例，探讨了气候对年内旅游流变化的影响[36]。此外，万田户等以庐山、井冈山、三清山和龙虎山为案例，对旅游流年内季节性、年际分布形态、季节性强弱程度以及基于气候舒适度、主要节假日因素作用下的季节性差异进行了研究[37]。

在季节性影响方面，研究者主要探讨了淡旺季不平衡带来的负面效应，包括经济波动、物价上涨、就业中断、生态破坏、交通拥堵等问题[20]。相反，Hartmann认为淡季给旅游地的自然资源、文化遗产、动植物等提供了恢复和休整的机会[8]。从经济方面来看，Baum和Lundtorp指出季节性会导致固定资产的低效利用、员工失业以及服务质量下降等问题[38]。李瑛和郝心华指出淡季容易造成旺季旅游价格涨幅不合理，且会造成城市化和房地产化[39]。Grant等则认为季节性会产生积极的经济效益，比如对基础设施以及旅游吸引物的维修保养带来了淡季就业机会[40]。此外，Flognfeldt通过对挪威旅游研究后认为，旅游产品与其他具有季节性特征的产品有效协调可以创造可持续的季节性旅游经济[41]。从生态环境影响来看，旅游季节性造成的负面影响主要包括交通拥挤、野生动物干扰、步道侵蚀和踩踏问题等[40]。Butler指出旺季过多的游客会对脆弱的生态自然环境产生一定的压力[1]。刘家喜和谢兴保指出季节性可造成环境破坏、旅游资源质量下降等问题[42]。从社会文化影响来看，Mason认为客流剧增会导致交通拥堵、设施占用、服务低下等问题，对当地居民造成不利影响[43]。此外，Milman和Pizam也指出旅游旺季极有可能造成犯罪率的上升[44]。

在季节性缓解方面，Butler认为多元市场开发、差异化定价与征税、建立额外的旅游季节等将是平衡旅游季节性的有效措施[1]。Yacoumis认为市场混合程度越高，季节性特征就越不明显，因此混合市场细分策略可规避旅游季节性风险[45]。Weaver 和 Oppermann提出可以通过旅游需求与旅游供给的重新分配来缓解季节性的不利影响[46]。Higham和Hinch认为可以通过文化、宗教、商务旅游来开发旅游细分市场，从而鼓励淡季旅游需求[47]。Br?nn?s和Nordstr?m则提出可通过举办节日活动延长游客的停留时间，同时淡季可关闭部分旅游基础设施[48]。Koenig-Lewis和Bischoff提出了增加非高峰季节需求、减少高峰季节需求、增加高峰季节供应、减少非高峰季节供应等季节性应对措施[49]。Getz和Nilsson提出了应对季节性问题的3种方式：直面型（淡季关闭）、挑战型（开发其他旅游产品、迎合当地居民需要）和放弃型（缩小、停止或出售旅游设施）[50]。Figini和Vici提出了商务、休闲和文化旅游3种淡季出游方式，并指出文化旅游是抵消旅游季节性的重要方式之一[51]。冯学钢指出可通过资源开发、市场推广、制度优化等手段打破旅游者季节性束缚，通过淡季旅游常态化解决季节性问题[52]。张龙认为可以通过温泉旅游、美食旅游、会展旅游等参与性较强的专项旅游活动来吸引淡季游客[53]。

此外，少量研究关注了旅游季节性的市场细分、开发潜力以及不同旅游业态的季节性测度等方面。在市场细分方面，Kozak和Martin对客源地为德国和荷兰、年龄在50岁以上到土耳其旅游的游客进行了研究，并发现这些游客是淡季旅游的重点开发对象[54]。M?ller指出老年旅游者对目的地的选择随动机而变化，不随时间变化，季节性特征并不明显[55]。Spencer和Holecek的调查显示，北美非旅游淡季出游的游客具备年龄大、不愿与孩子一起出游、不喜欢剧烈活动等特征[56]。在潜力测度方面，于秋阳和王媛构建了潜力指数对舟山市旅游季节性的开发潜力进行了研究，并发现1月、11月 和12 月的潜力最大[57]。在特定旅游业态方面，孙晓东等采用X-12-ARIMA和TRAMO/SEATS季节调整模型对北美邮轮市场的季度数据和月度数据进行了分析，发现北美邮轮旅游受季节性因素影响较弱[58]。Duro则以过夜率为指标，采用变异系数、泰尔指数、基尼系数等多种方法对西班牙主要省份酒店需求季节性进行了测度和比较[59]。

在入境旅游方面，現有研究成果主要集中于入境旅游预测、客源结构分析、影响因素识别等方面 [60-65]。在入境旅游季节性方面，黄和平对上海入境旅游影响因素进行了识别，发现着衣指数、风效指数等对入境游客数有显著的影响[63]。柴寿升和邱文对青岛入境旅游研究后发现，由于青岛入境游主要以商务游客为主，因此其季节性并不明显[66]。类似地，张龙和杜玲利用GM （1，1）灰色模型和季节强度指数发现，青岛市入境旅游受气候影响较小，全年游客数量较为平稳，淡旺季分布不太明显[67]。此外，林德荣和张军洲以杭州为例，采用季节性单位根检验方法探讨了入境旅游时间序列数据的季节性特征，并发现杭州入境旅游数据具有非平稳性，其季节性特征显著[68]。从现有旅游季节性及入境旅游文献梳理可见，虽然目前旅游季节性文章较多，但将旅游季节性与入境旅游相结合，并从客源结构角度进行深入细致分析的研究成果较少。为此，本文以上海入境旅游为例，采用季节性调整模型和聚类分析等方法探讨了城市总体入境旅游及其客源结构下的季节性问题以及形成原因和缓解措施，以期能为城市入境旅游开发提供借鉴。

2 数据来源与研究方法

2.1 数据来源

本文的数据來自上海市旅游局官方网站（http：//lyw.sh.gov.cn）“旅游统计”板块公布的入境旅游统计资料。入境旅游人数为月度数据，时间跨度为2004—2016年共13年156个月份。上海主要客源地数量为19个，包括中国香港、中国澳门和中国台湾三地以及日本、菲律宾、新加坡、泰国、印度尼西、马来西亚、韩国、美国、加拿大、英国、法国、德国、意大利、俄罗斯、澳大利亚、新西兰等16个国家。从总体的时间趋势图可以看出，除了2010年世博会期间入境游客数量出现明显跳跃外，上海入境旅游基本呈现一种规律性的增长态势，而且表现出较强的周期性和季节性波动。

2.2 研究方法

目前，美国商务部普查局的X-11法、加拿大统计局的X-11-ARIMA法和美国劳工统计局X-12-ARIMA法以及西班牙银行开发完善的TRAMO/SEATS法是应用较为广泛的经济数据季节调整方法[58]，其中，X-12-ARIMA模型和TRAMO/SEATS模型应用最为广泛，成为经济数据分析和预测的有效工具[69-71]。由于X-12-ARIM方法具有较好的适用性，且对于较短时间序列数据的季节调整能获较理想的效果[58]，本文将采用该方法对上海入境旅游的季节性特征进行分析。

X-12-ARIMA方法可以将原始序列Y中的季节变动要素S、趋势要素T、循环要素C和偶然性要素I进行分离，从而更好地揭示入境数据的潜在特征和变化规律。最终，原始序列Y可以通过X-12-ARIMA模型分解为以下两种基本形式：

（1）加法模型

[Y=T+C+S+I]，[SA=T+C+I]

（2）乘法模型

[Y=T×C×S×I]，[SA=T×C×I]

其中，SA为季节性调整以后的序列;T反映入境旅游数据的趋势特性;C反映了入境旅游数据的周期性变动;I称为不规则要素，反映了偶然或随机因素对入境数据的影响;S称为季节性因子，反映了数据序列在月度或季度上的循环变动或周期性特征。季节性因子S是一个包含12个月份季节性指数的向量。每个月份季节性指数反映了该月份的淡旺季特征。

此外，为了进一步比较不同客源地季节性的相似性，基于12个月份的季节性指数，本文采用层次聚类法（hierarchical clustering）对19个客源地进行了聚类分析，从而识别出不同类型客源地的季节性特征及其成因。层次聚类法的基本步骤包括：首先，计算不同客源地的距离，并将每个客源地归为单独一个类;然后，找出最相似的两个类，并将其归为一个类;重新计算新类与所有旧类之间的距离，直到将所有的客源地聚类完毕;确定最佳类型个数，并识别出每个类别的季节性特征。

3 实证结果分析

3.1 上海入境旅游季节性的总体特征

从总体趋势来看，世博会的召开使得上海入境游客量在2010年出现了明显的跳跃，由2009年的约533万人增长到2010年的约733万人，增长率超过37%。2004年至2016年，上海入境旅游数据基本表现出“两峰三谷”的特征：第一季度的1月、2月份游客数量较少，第二季度4月、5月份呈明显上升趋势，第三季度7月、8月份呈现下降态势，然后在9月、10月份再次升高，最后的11月、12月份再次出现低谷。为了进一步发现上海入境旅游的趋势性和周期性特点，本文采用Hodrick-Prescott滤波法对数据序列进行趋势要素和循环要素分解。Hodrick-Prescott滤波后的趋势要素表明上海入境旅游市场呈现一种不断扩大的长期趋势，且呈现较为明显的“世博效应”;而除了年内可能存在的周期性或季节性波动外，循环要素曲线并未呈现明显的长期周期性特征（图1）。因此，需要进一步对季节性特征进行识别。

在季节性识别方面，本文利用Eviews 8.0软件，采用X-12-ARIMA乘法模型对月度游客量进行季节调整，从而获得调整后的数据序列、季节因子序列、趋势成分序列以及不规则成分序列。异常值检测结果表明，数据序列均未发现附加异常值、暂时变动异常值和水平变换异常值。从季节性调整质量来看，X-12-ARIMA模型给出了11种取值在0～3之间的统计量，接受的取值区间为[0，1]，且取值越小，季节调整质量越好。结果表明，用于质量控制的11个M统计量取值均小于1，且Q统计量（线性加权后的复合统计量）的值为0.47，说明季节调整的效果良好。此外，将原始序列（Total）与季节调整后的序列（Total_SA）进行对比后也可以看出，调整后的数据序列较调整前的曲线更加平滑，说明已经较好地剔除了部分季节和不规则因素，季节调整的总体效果较好（图2）。

从调整结果来看，在不考虑时间趋势、循环要素和不规则要素影响下，上海入境旅游表现出明显的季节性波动规律。特别是从时间轴来看，近年来上海入境旅游的淡旺季分化越来越明显，出现“旺季不旺，淡季过淡”的现象。比如，旺季（季节性指数大于1）月份的季节波动程度明显小于淡季（季节因子小于1）月份。具体来看，以平季（季节性指数等于1）月份为标准，旺季向上的浮动率最高为20%左右，而淡季的下行比率最低则将近30%，旺季变化幅度小于淡季变化幅度，说明上海入境旅游发展在淡季的下行趋势更为明显，总体不尽人意，如图3所示。从具体月份来看，上海入境旅游最明显的淡季月份为1月、2月和12月，一方面，因为上海这3个月份较为寒冷，气候舒适度较低;另一方面，国外新年、圣诞等节假日主要处于这3个月份中，导致上海入境游客大幅下降。上海的4月、9月、10月和11月的气候舒适度较高，旅游体验较佳，适合入境旅游，属于入境旅游最明显的旺季月份;其他月份则为平季月份，如图4所示。

3.2 上海入境旅游的客源地季节性特征

由于上海入境旅游的主要客源地数量较多，为了方便地识别季节性特征和分析入境客源地的季节性规律，首先通过季节性调整分别获得单个客源地的入境旅游季节因子序列，以特定的游客量下行/上行比例阈值为标准对淡、旺季月份进行识别;进一步，同时考虑淡季和旺季游客量的下行和上行情况，对不同客源地的季节性差异进行分析。然后，以12个季节性季指数作为聚类维度，采用层次聚类法对19个客源地的类型进行划分，并通过方差分析及事后检验对不同类型客源地不同月份季节性的差异性进行分析。最终，结合单个客源地和不同类型客源地的季节性两个层面来全面理解上海入境旅游的季节性特征。在定义淡季和旺季时，以10%作为上行或下行阈值，即如果一个月份的季节性指数高于1.1则为旺季;低于0.9则为淡季;其他情况则为平季。

研究结果表明，上海不同客源地的入境游客数量存在一定的季节性差异。对于大多数客源地来说，寒冷的1月、2月和12月是游客到访上海的旅游淡季。对于部分国家或地区的游客来说，炎热的7月和8月也是旅游淡季，比如新加坡、马来西亚、泰国和俄罗斯等。上海入境旅游的旺季月份主要分布在气候舒适度较高的4月、9月、10月和11月。以上规律一定程度上说明上海入境旅游季节性受本地气候舒适度的影响较大。此外，也存在特例，比如舒适度较低的12月份对于新加坡、马来西亚游客来说则是旺季。总体来看，虽然不同的客源地在全年淡旺季分布上存在差异和交叉，但基本与上海的气候舒适度特点相吻合，即旺季主要分布在气候舒适度较高的月份，而淡季月份的气候舒适度则较低。

进一步，以20%作为平均淡旺季下行和上行阈值来设置横纵坐标，采用散点图方法对上海入境旅游在不同客源地上的淡旺季发展情况进行综合评价，具体情况如表1和如图5所示。在图5中，横轴为淡季月份（季节性指数小于0.9）季节性因子的平均下行率，而纵轴为旺季月份（季节性指数大于1.1）季节性因子的平均上行率;客源地下方百分比数据为市场份额。从图5中可以看出，第一象限主要包括淡季过淡（下行20%以上）、旺季较旺（上行20%以上）的客源地，总体市场份额占比为12.53%左右，平均占比3%左右，包括新加坡、马来西亚、加拿大和法国。这些國家入境游客数量全年波动很大，特别是在淡季月份的开发情况不尽人意，波动幅度较大。比如，较平季月份（季节性指数等于1），法国游客在1月、2月和12月入境上海的数量平均下行将近35%，因此，要针对性地重点提升来自这些国家的淡季旅游数量。第二象限客源地总体占比约5.85%，平均占比较低，包括澳大利亚、泰国和俄罗斯，处于一种较为健康的发展模式，即淡季不是特别淡，旺季较旺，属理想型客源地，对上海旅游发展具有促进作用。第三象限中各个客源地游客数量在淡季下行不是特别明显，而旺季游客数量的增长也比较平淡，整体变化幅度不大，较为稳定，其中，日本、韩国和中国香港的市场占比最高，分别超过20%、10%和8%，游客量波动情况对上海影响较大，应重点关注，并加强旺季月份的市场开发。第四象限客源地的季节性问题最为严重，淡季过淡、旺季不旺特征明显。比如，意大利和美国的游客量在旺季增长低于20%，在淡季则平均减少30%以上。从市场份额来看，美国、中国台湾和德国占比较高，分别为12.16%、11.33%和4.78%，其季节性问题对上海入境旅游发展最为不利，应针对这些客源地加强全年入境旅游的开发。

此外，从表1可以看出，上海入境游客量占比最高的客源地依次是日本、美国、中国台湾、韩国和中国香港，均处于旺季客流增长不明显的发展情况。其中，日本、韩国属于季节性较平稳的客源市场，淡季下行不是特别明显，旺季客流增长也比较平淡。针对此类客源地，应在保持现状的基础上，加大对旺季月份的开发力度。而美国和中国台湾属于客流占比高且季节波动非常明显的客源地，比如美国淡季客流下行率达到30.33%，而旺季上行率仅为16.20%。针对此类客源地，应该淡季和旺季市场开发两手抓，从而有效提升整体的游客数量。

为了更全面地探索不同客源地之间的相似性与差异性，以客源地12个月份的季节性指数为聚类指标，采用层次聚类法对19个客源地进行聚类分析，结果如图6所示。聚类分析可以将客源地划分为5个大类，并按照客源地季节性波动特征分别定义为稳定型、风险型、理想型、衰弱型和潜力型客源地。

稳定型客源地：包含中国台湾、菲律宾、中国香港、中国澳门、日本和韩国等6个国家或地区，主要位于图5中的第三象限，属于淡旺季分异不明显、平季月份较多的客源地，即淡季游客数量下行不明显，旺季增长也不快，整体波动不明显，趋于平稳。一半以上的月份属于波动10%以内的平季，因此称为稳定型客源地。游客入境的旺季月份通常为4月、10月和11月，而淡季月份主要是1月、2月等。特别是这些客源地的市场份额占比很高，比如日本、韩国和中国香港三地的市场份额超过40%，对上海入境旅游市场影响较大，应在保持稳定波动的基础上，特别加强旺季月份的市场开发。

风险型客源地：包含新加坡和马来西亚两个东南亚国家，位于淡旺季差异明显的第一象限，即淡季下行和旺季上行的幅度均较大，波动幅度较大，因此为风险型客源地，应加强淡季市场的开发，减少淡季的下行幅度。与大多数客源地不同，上海舒适度较低的12月份为两国游客入境旅游的旺季。

理想型客源地：包括泰国和俄罗斯两个国家，位于第二象限，入境淡旺季与上海气候舒适度分布基本一致，即淡季月份为1月、2月、7月和8月等，旺季月份包括4月和10月等，且旺季游客数量增长较快，处于较好的发展态势，属理想型客源地。但淡季旅游下行幅度也在20%左右，应加强淡季市场开发。

衰弱型客源地：包含澳大利亚、新西兰、印度尼西亚和美国4个国家，除了澳大利亚外，其他均位于淡季过淡、旺季不旺的第四象限，属于发展水平很低的客源市场。如印度尼西亚旺季上行率约为18%，而淡季下行率却接近30%，应着重提升1月、2月和12月等淡季月份的入境游客数量。

潜力型客源地：包含英国、德国、加拿大、法国和意大利5个国家，主要位于第一和第四象限，属于淡季过淡的客源地，并且部分国家（加拿大、法国等）旺季游客量增长率较高，具有较好的入境旅游开发潜力，应在保持旺季入境水平的基础上，加强淡季入境旅游市场的开发。

针对单个月份，进一步对不同类型客源地在不同月份的季节性指数进行了单因素方差分析。结果表明，除了3月份外，所有月份在不同聚类上具有显著差异，说明聚类结果较为理想。从总体淡旺季来看，上海入境旅游明显的淡季月份为1月、2月和12月，而旺季月份为3月、4月、9月、10月和11月，其他月份则为平季月份，如图7所示。具体来看，在1月和2月的淡季月份，稳定型客源地的入境人数较多，而衰弱型和潜力型客源地的入境人数显著较少;在旺季4月份，理想型和潜力型客源市场表现良好，而稳定型和风险型客源地则不尽人意;在5月的平季月份，理想型和潜力型客源地入境游客数量高于稳定型和风险型客源地;但在6月份，风险型和衰弱型客源市场的表现要优于理想型和潜力型客源地;在气候舒适性较低的7月和8月的淡季月份，风险型和理想型客源市场的表现则最差;在9月和10月旺季月份，衰弱型和潜力型客源地的平均入境游客数量则高于其他类型的客源地;与其他类型不同，风险型客源市场的旺季为11月份和12月份;而潜力型和衰弱型客源市场在12月份的表现最差。

4 结论与建议

4.1 主要结论

本文以上海2004—2016年的入境旅游月度数据为样本，首先，采用季节性调整方法探讨了上海入境旅游的总体季节性特征;其次，对不同客源地入境游客量的季节性特征以及一定阈值下的入境旅游淡旺发展情况进行了综合评价;然后，进一步基于月度季节性指数采用层次聚类分析法对19个主要客源地进行了类型划分，并对不同类型客源地的季节性特征及市场开发情况进行了分析，得出如下主要结论：

第一，目的地气候条件对季节性影响很大。研究结果表明，总体来看，上海入境旅游季节性规律基本与气候舒适度特点相吻合，表现为：旺季（季节性指数大于1.1）主要分布在气候舒适度较高的4月、9月、10月、11月等月份，而1月、2月和12月等淡季（季节性指数小于0.9）月份的气候舒适度则较低。一个例外是，12月份对于新加坡、马来西亚的游客来说则是旅游旺季。

第二，从淡旺季分化来看，“旺季不旺、淡季过淡”特征明显。研究发现，在不考虑时间趋势、循环要素和不规则要素影响下，上海入境旅游表现出明显的季节性波动规律。特别是近年来淡旺季分化越来越明显，旺季月份的季节波动程度明显小于淡季月份，也就是淡季游客数量的下行趋势显著，总体发展不尽人意。

第三，同时考虑淡季、旺季两个维度，可以发现上海入境旅在客源市场上表现出“淡季过淡、旺季较旺”“淡季过淡、旺季不旺”“淡季不淡、旺季较旺”“淡季不淡、旺季不旺”等4种发展形态，如图5所示。在促进入境旅游发展方面，应首先从意大利、法国、美国、马来西亚、印度尼西亚等“淡季过淡”的客源地入手，采用针对性的措施提升1月、2月、7月和8月等淡季游客数量。特别是“淡季过淡、旺季不旺”的意大利、美国、印度尼西亚、英国和德国等客源地则是淡、旺季同时提升的重要目标。而对于澳大利亚、泰国和俄罗斯以及韩国、日本、菲律宾和中国香港等“旺季不旺”的客源地，应发挥上海旅游业总体旺季效应，努力提升4月、10月和11月旺季时节的游客数量。

第四，在考虑全年季节性指数后，可以将19个客源地归为稳定型、风险型、理想型、衰弱型和潜力型客源地5个类型。稳定型客源地主要位于图5中的第三象限，属于淡旺季分异不明显、平季月份较多、且市场份额较大的客源地，游客入境旺季月份通常为4月、10月和11月，而淡季月份主要是1月、2月等，应特别加强旺季月份的市场开发;新加坡和马来西亚作为风险型客源地与其他类型不同，12月份为游客入境旅游的旺季;理想型客源地包括泰国和俄罗斯两个国家，位于第二象限，旺季游客数量增长较快，发展态势较好，应保持旺季优势，加强淡季市场开发;衰退型客源市场中除了澳大利亚，均位于淡季过淡、旺季不旺的第四象限，属发展态势较差的客源地;潜力型属于淡季过淡的客源地，但具有一定发展潜力，应重视淡季入境旅游市场的开发。

第五，市场份额较大的客源地对上海入境旅游影響较大。季节性方面则总体表现出“旺季不旺”的特点。比如，日本（22%）、韩国（11.32%）、中国香港（8.85%）、中国台湾（11.33%）和美国（12.16%）占上海入境游客量的2/3左右，旺季游客数量增长较平淡，应该加强旺季月份（4月、10月、11月、甚至1月和7月）的市场开发。特别地，美国的市场份额排名第三，且季节性问题最为严重，不仅旺季游客数量增长缓慢（低于20%），而且淡季下行明显（减少30%以上），应采取措施加强全年入境旅游开发。

4.2 对策与建议

从推拉理论来看，城市入境旅游的影响因素包括推力因素和拉力因素两个方面。其中，推力作用来自客源地的经济、社会、文化、气候、区位等因素，而拉力作用则主要由上海的地理区位、基础设施、气候条件、自然资源、旅游资源、社会人文以及经济发展水平等因素决定。本文研究发现，上海入境旅游季节性与客源地和目的地的气候条件关系密切。对于上海来说，可以分别通过对客源地干预和拉力因素的改善来缓解季节性带来的不利影响。

在拉力层面，上海应首先借助国际旅游城市的自身优势，以节事活动和商务旅游为切入点，丰富旅游产品体系，提升上海淡季旅游的吸引力与认知度。比如，尽量将上海国际服装文化节、上海国际花卉节、F1上海站赛事、上海国际茶文化节、上海国际音乐节、上海国际电影节、上海旅游节、上海国际艺术节、上海艺术博览会、上海国际车展等现有节事活动安排在平季或淡季月份;或者在舒适度较低的月份举办具有较高国际影响力的室内会议、展览等活动。其次，在产品开发方面，可以依靠海派文化、历史遗产和江南水乡等特色分别在冬季和夏季开发传统文化类、工业类、遗产类和滨水类旅游活动，以降低气候舒适度方面的不利影响。

在推力层面，上海应充分调研客源地特点，推出因客源地而异的营销推广计划，努力扩大客源市场的规模。比如，可以推出上海与不同客源地在入境淡季时期的旅游合作与产品推荐活动;定期举办与境外客源地合作开展的旅游节庆与推介会，并借助媒体广告、网络平台、社交媒体等多种手段提高入境细分市场的营销效果。此外，现有研究发现航空业在缓解旅游季节性影响、拓展淡季旅游市场方面发挥着积极的作用，特别是低成本航空产品（low cost carriers， LCCs）对入境旅游市场拓展的作用更为明显。因此，开发和拓展淡季时期上海与客源地之间的低价航空线路将是行之有效的措施。

更为具体地，应充分借助客源结构上的季节性差异，提出针对性的对策建议。比如，对于中国台湾、菲律宾、中国香港、中国澳门、日本和韩国等稳定型客源地，要继续加强旺季月份的开发。港澳台等地与大陆（内地）经济、政治、文化等有诸多类似，旺季可开展青少年研学旅游，促进交流与融合，并培育青少年潜在客源市场，进一步提升旺季赴上海旅游人数。此外，吸引与组织港澳台旅行商及媒体赴内地参与商务、会展及旅游活动，进一步宣传推广上海形象。对于淡旺季波动较大的风险型客源地（新加坡和马来西亚）来说，要加强2月、7月、8月份等淡季时节的市场开发。特别地，新加坡和马来西亚属于“21世纪海上丝绸之路”沿线最重要及受益最大的国家。可借助“中国-东盟旅游合作年”“一带一路”倡议和旅游外交等发展机遇，建设有效的旅游合作机制，简化出入境手续，增大旅游优惠力度，同时可举办相关会议、展览、旅游节等活动，进一步吸引东南亚客源赴上海旅游。对于泰国及俄罗斯等理想型客源地，要在保持现状的基础上，通过在淡季推出景区景点优惠、中外文化展及特价邮轮旅游等产品进一步提振淡季旅游市场。对于衰弱型及潜力型客源地，如澳大利亚、新西兰、印度尼西亚、美国、英国、德国、加拿大等国，要通过组合措施加强全年的入境旅游开发，重点关注与解决淡季下行幅度较大的问题。比如，可在淡季赴客源地进行旅游与文化宣传，加强东方文化宣传，构建文化旅游品牌，可重点开发学生、老年、商务、情侣等细分市场，在淡季推出学生优惠、老人免费游等政策;对于情侣市场，通过设计浪漫休闲路线，并配套高端餐饮、写真拍照等服务来推出浪漫异国文化之旅;对于商务型客人，可举办与他国合作的展会、会议、论坛等，吸引会务人员来沪，并针对商务旅游者的需求推出高端休闲上海游路线，提供便利、舒适、个性化的服务，从而做大淡季客源市场，缓解入境旅游季节性问题。

致谢： 感谢香港理工大学LAU Yui Yip老师对论文提出的宝贵建议以及对英文摘要的编辑工作。

参考文献（References）

[1] BUTLER R W. Seasonality in tourism： Issues and problems [M]//SEATON A V. Tourism： The State of the Art. Chichester： Wiley， 1994： 332-339.

[2] KOENIG-LEWIS N， BISCHOFF E E. Developing effective strategies for tackling seasonality in the tourism industry [J]. Tourism and Hospitality Planning & Development， 2010， 7（4）： 395-413.

[3] CHUNG J Y. Seasonality in tourism： A review [J]. e-Review of Tourism Research， 2009， 7（5）： 82-96.

[4] LI Ya. Analysis of the causes of Yunnan tourism seasonality and the mechanism of the impact [J]. Tourism Forum， 2009， 2（4）： 573-577. [李亚. 云南省旅游季节性成因与影响机制分析[J]. 旅游论坛， 2009， 2（4）： 573-577.]

[5] FENG Xuegang， SUN Xiaodong， YU Qiuqang. Anti-season tourism and tourism seasonality mitigation： Current research and relevant implications [J]. Tourism Tribune， 2014， 29（1）： 92-100. [冯学钢， 孙晓东， 于秋阳. 反季旅游与旅游季节性平衡： 研究述评与启示[J]. 旅游学刊， 2014， 29（1）： 92-100.]

[6] JANG S C. Mitigating tourism seasonality： A quantitative approach [J]. Annals of Tourism Research， 2004， 25（10）： 819-836.

[7] LI Qiong， WANG Guiyu. Researsh on anti-seasonal tourism [J]. Journal of Guilin Institute of Tourism， 2007， 18（5）： 641-643， 669. [李琼， 王桂玉. 论反季节旅游 [J]. 桂林旅游高等专科学校学报， 2007， 18（5）： 641-643， 669.]

[8] HARTMAN R. Tourism， seasonality and social change [J]. Leisure Studies， 1986， （1）： 25-33.

[9] HYLLEBERG S. Modelling Seasonality[M]. Oxford： Oxford University Press， 1992： 3-14.

[10] BAUM T， HAGEN L. Responses to seasonality： The experiences of peripheral estimations [J]. International Journal of Tourism Research， 1999， 1（5）： 299-312.

[11] LU Lin. A study on the seasonal changes in the tourism in mountain resorts [J]. Geographical Research， 1994， 13（4）： 50-58. [陆林. 山岳风景区旅游季节性研究——以安徽黄山为例[J]. 地理研究， 1994， 13（4）： 50-58.]

[12] LU Lin， XUAN Guofu， ZHANG Jinhe， et al. An approach to seasonality of tourist flows between coastal and resorts and mountain resorts： Examples of Sanya， Beihai， Mt. Putuo， Mt. Huangshan and Mt. Jiuhua [J]. Acta Geographica Sinica， 2002， 57（6）： 731-740. [陸林， 宣国富， 章锦河， 等. 海滨型与山岳型旅游地客流季节性比较——以三亚、北海、普陀山、黄山、九华山为例[J]. 地理学报， 2002， 57（6）： 731-740.]

[13] LI Tuanhui， DUAN Fenghua. A study on the phenomenon and reason of tourism seasonality [J]. Journal of Guilin Institute of Tourism， 2006， 17（2）： 137-140. [李团辉， 段凤华. 浅析旅游季节性表现及成因[J]. 桂林旅游高等专科学校学报， 2006， 17（2）： 137-140.]

[14] HE Xiaorong. An inquiry into the means to balance the seasonal consumption of Chinas tourism market [J]. Tourism Science， 2001， （1）： 30-32. [贺小荣. 平衡我国国内旅游消费季节性的途径探讨[J]. 旅游科学， 2001， （1）： 30-32.]

[15] LUNDTORP S. Measuring tourism seasonality [M]// BAUM T， LUNDTROP S. Seasonality in Tourism. Oxford： Pergamon， 2001： 23-50.

[16] LI Xiang， HUANG Zhenfang. A study on the temporal characteristics of Nanjing tourist flow [J]. Journal of Nanjing Normal University ： Natural Science， 2000， 23（4）： 130-135. [李想， 黄震方. 南京旅游客流時间分布特征分析[J]. 南京师大学报： 自然科学版， 2000， 23（4）： 130-135.]

[17] WANG Yiqi， WU Jinfeng， REN Ruiping， et al. Temporal characteristics of Hong Kong， Macao， and Taiwans inbound tourist flows [J]. Resources Science， 2012， 34（2）： 373-380. [王奕祺， 吴晋峰， 任瑞萍， 等. 港澳与台湾入境旅游流时间特征对比及成因分析[J]. 资源科学， 2012， 34（2）： 373-380.]

[18] XI Yubin， LI Yuezheng， LENG Hui. A study on the spacia-temporal structure of Australian tourists source to China [J]. Journal of Arid Land Resources and Environment， 2013， （6）： 181-186. [席宇斌， 李悦铮， 冷慧. 澳大利亚旅华客源市场时空结构研究[J]. 干旱区资源与环境， 2013， （6）： 181-186.]

[19] ZHOU Cheng， FENG Xuegang. On the seasonal characteristics， fluctuation cycle and cevelopment trends of Shanghais inbound tourist market： Based on X-12-ARIMA and HP Filter methods [J]. Tourism Science， 2016， 30（6）： 39-53. [周成， 冯学钢. 上海入境旅游市场的季节特征、波动周期与发展趋势——基于X-12-ARIMA和HP滤波法[J]. 旅游科学， 2016， 30（6）： 39-53.]

[20] MA Shihan， DAI Linlin， WU Bihu. Analysis on the features and causes of seasonality in rural tourism： A case study of Beijing suburbs [J]. Process in Geography， 2012， 31（6）： 817-824. [马世罕， 戴林琳， 吴必虎. 北京郊区乡村旅游季节性特征及其影响因素[J]. 地理科学进展， 2012， 31（6）： 817-824.]

[21] BARON R R V. Seasonality in Tourism—A Guide to the Analysis of Seasonality and Trends for Policy Making [M]. London： The Economist Intelligence Unit Ltd， 1975： 1-5.

[22] WALL G， YAN M. Disaggregating visitor flows—The example of China[J]. Tourism Analysis， 2003， 7（3/4）： 191-205.

[23] CUNADO J， GILALANA L A， DE GRACIA F P. The nature of seasonality in Spanish tourism time series[J]. Tourism Economics， 2005， 11（4）： 483-499.

[24] KARAMUSTAFA K， ULAMA S. Measuring the seasonality in tourism with the comparison of different methods[J]. EuroMed Journal of Business， 2010， 5（2）： 191-214.

[25] MA Yaofeng， LI Tianshun， LIU Xinping. A Comprehensive Study of Overseas Tourists Traveling Model in China [M]. Beijing： High Education Press， 2001： 98. [马耀峰， 李天顺， 刘新平. 旅华游客流动模式系统研究[M]. 北京： 高等教育出版社， 2001： 98.]

[26] ZHANG Chaozhi， BAO Jigang.Impact of holiday policy upon tourist flow in world heritage site： Taking Wulingyuan of Hunan as a case [J]. Geographical Research， 2007， 26（6）： 1295-1303. [张朝枝， 保继刚. 休假制度对遗产旅游地客流的影响[J]. 地理研究， 2007， 26（6）： 1295-1303.]

[27] LIANG Zengxian， BAO Jigang. A seasonal study on tourist flows in theme parks during golden weeks： A case of theme parks in Shenzhen Overseas Chinese Town[J]. Tourism Tribune， 2012， 27（1）： 58-65. [梁增贤， 保继刚. 主题公园黄金周游客流季节性研究——以深圳华侨城主题公园为例[J]. 旅游学刊， 2012， 27（1）： 58-65.]

[28] ZHU Hongbing， GAO Jun. A study on the seasonality of the inbound tourist flow in Chinas major tourism cities [J]. Tourism Forum， 2011， 4（4）： 128-133. [朱红兵， 高峻. 中国主要旅游城市入境旅游客流季节性研究[J]. 旅游论坛， 2011， 4（4）： 128-133.]

[29] SNEPENGER D， HOUSER B， SNEPENGER N. Seasonality of demand[J]. Annals of Tourism Research， 1990， 17（4）： 628-630.

[30] OWENS D J. The all-deason opportunity for Canadas resorts[J]. The Cornell Hotel and Restaurant Administration Quarterly， 1994， 35（5）： 28-41.

[31] AHAS R， AASA A， MARK U， et al. Seasonal tourism spaces in Estonia： Case study with mobile positioning data [J]. Tourism Management， 2007， 28（3）： 898-910.

[32] ZHANG Jie， DU Jinkang， ZHOU Yinkang， et al. A comparison approach to temporal characteristics of tourist flows to sightseeing destinations—With case samples of national parks of Jiuzhaigou， Mt. Huangshan and Taoyuandonglingyin Stone Forest Park [J]. Scientia Geographica Sinica， 1999， 19（1）： 49-54. [张捷， 都金康， 周寅康， 等. 观光旅游地客流时间分布特性的比较研究——以九寨沟、黄山及福建永安桃源洞鳞隐石林国家风景名胜区为例[J]. 地理科学， 1999， 19（1）： 49-54.]

[33] LU Song， LU Lin， WANG Li， et al. Temporal characteristics of tourist flows to ancient villages—A case study of two world cultural heritages， Xidi village and Hongcun village [J]. Scientia Geographica Sinica， 2004， 24（2）： 250-256. [卢松， 陆林， 王莉， 等. 古村落旅游客流时间分布特征及其影响因素研究——以世界文化遗产西递、宏村为例[J]. 地理科学， 2004， 24（2）： 250-256.]

[34] ZHONG Jing， ZHANG Jie， LI Donghe. et al. Comparative research on seasonality characteristics of tourist flow to the historic culture village （town）—Examples of Xidi and Zhouzhuang [J]. Human Geography， 2007， （4）： 68-71. [钟静， 张捷， 李东和， 等. 历史文化村镇旅游流季节性特征比较研究——以西递、周庄为例[J]. 人文地理， 2007， （4）： 68-71.]

[35] WANG Degen， LU Lin， LIU Changxue， et al. Temporal and spatial characteristics of domestic tourist flows to mountain resorts [J]. Journal of Mountain Science， 2004， （5）： 625 -632. [汪德根， 陆林， 刘昌雪， 等. 山岳型旅游地国内客流时空特性——以黄山、九华山为例[J]. 山地学报， 2004， （5）： 625 -632.]

[36] WU Pu， GE Quansheng. An analysis of annual variation of tourist flows and climate change in Hainan province [J]. Geographical Research， 2009， 28（4）： 1078-1084. [吳普， 葛全胜. 海南旅游客流量年内变化与气候的相关性分析[J]. 地理研究， 2009， 28（4）： 1078-1084.]

[37] WAN Tianhu， FENG Xuegang， HUANG Heping. Differences of tourism seasonality among mountain resorts in Jiangxi—Examples of Mt. Lushan， Mt. Jinggang， Mt. Sanqing and Mt. Longhu [J]. Economic Geography， 2015， 35（1）： 202-208. [萬田户， 冯学钢， 黄和平. 江西省山岳型风景名胜区旅游季节性差异——以庐山、井冈山、三清山和龙虎山为例[J]. 经济地理， 2015， 35（1）： 202-208.]

[38] BAUM T， LUNDTORP S. Seasonality in tourism： An introduction[M]// BAUM T， LUNDTORP S. Seasonality in Tourism. Oxford： Pergamon， 2001： 1-4.

[39] LI Ying， HAO Xinhua. On the characteristics of the capacity and seasonal demand of the seashore tourist regions and the corresponding tactics [J]. Journal of Northwest University ： Social Science， 2003， 33（2）： 34-37. [李瑛， 郝心华. 论海滨旅游度假区季节性供求特征及应对策略——以北戴河为例[J]. 西北大学学报： 哲学社会科学版， 2003， 33（2）： 34-37.]

[40] GRANT M， HUMAN B， LE PELLEY B. Seasonality[R]//British Tourist Authority & English Tourist Board. Insights-Tourism Intelligence Papers， 1997： 5-9.

[41] FLOGNFELDT T. Long-term positive adjustments to seasonality： Consequences of summer tourism in the Jotunheimen area， Norway[M]// BAUM T， LUNDTORP S. Seasonality in Tourism. Oxford： Pergamon， 2001： 109-117.

[42] LIU Jiaxi， XIE Xinbao. Study on planning strategies of tourist holiday resort area focusing on seasonality problem [J]. Engineering Journal of Wuhan University， 2004， 37（2）： 158-160. [刘家喜， 谢兴保. 基于季节性特征考虑的旅游度假区规划策略探讨[J]. 武汉大学学报： 工学版， 2004， 37（2）： 158-160. ]

[43] MASON P. Tourism Impacts， Planning and Management [M]. Cambridge： Butterworth-Heinemann， 2003： 42-51.

[44] MILMAN A， PIZAM A. Social impacts of tourism on Central Florida [J]. Annals of Tourism Research， 1988， 15（2）： 191-204.

[45] YACOUMIS J. Tackling seasonality—The case of Sri Lanka[J]. International Journal of Tourism Management， 1980， 1（2）： 84-98.

[46] WEAVER D， OPPERMANN M. Tourism Management [M]. Milton， Australia： John Wiley and Sons， 2000： 54-56.

[47] HIGHAM J， HINCH T. Tourism， sport and seasons： The challenges and potential of overcoming seasonality in the sport and tourism sectors [J]. Tourism Management， 2002， 23（2）： 175-185.

[48] BR?NN?S K， NORDSTR?M J. Tourist accommodation effects of festivals [J]. Tourism Economics， 2006， 12（2）： 291-302.

[49] KOENIG-LEWIS N， BISCHOFF E E. Seasonality research： The state of the art [J]. International Journal of Tourism Research， 2005， 7（4-5）： 201-219.

[50] GETZ D， NILSSON P A. Responses of family businesses to extreme seasonality in demand： The case of Bornholm， Denmark [J]. Tourism Management， 2004， 25（1）： 17-30.

[51] FIGINI P， VICI L. Off-season tourists and the cultural offer of a mass- tourism destination： The case of Rimini[J]. Tourism Management， 2012， 33（4）： 825-839.

[52] FENG Xuegang. Off-season tourism normalization [J]. Tourism Tribune， 2015， 30（2）： 5-7. [冯学钢. 反季旅游常态化[J]. 旅游学刊， 2015， 30（2）： 5-7.]

[53] ZHANG Long. Study on competition and seasonal distribution of overseas inbound tourist flows [J]. Statistics & Decision， 2016， （14）： 99-101. [张龙. 海外入境旅游流竞争态及季节分布研究[J]. 统计与决策， 2016， （14）： 99-101.]

[54] KOZAK M， MARTIN D. Tourism life cycle and sustainability analysis： Profit-focused strategies for mature destinations[J]. Tourism Management， 2012， 33（1）： 188-194.

[55] M?LLER C， WEIERMAIR K， WINTERSBERGER E. The changing travel behaviour of Austrias ageing population and its impact on tourism[J]. Tourism Review， 2007， 62（3/4）： 15-20.

[56] SPENCER D M， HOLECEK D F. Basic Characteristics of the fall tourism market[J]. Tourism Management， 2007， 28（2）： 491-504.

[57] YU Qiuyang， WANG Yuan. Research on potentials of off-season tourism development based on tourism climate comfort—A case study of Zhoushan city [J]. Seeker， 2012， （4）： 90-92. [于秋陽， 王媛. 基于旅游气候舒适度的反季旅游开发潜力研究——以舟山市为例[J]. 求索， 2012， （4）： 90-92.]

[58] SUN Xiaodong， WU Xiaorong， FENG Xuegang. Cruise tourism seasonality： An dmpirical study on the North American market [J]. Tourism Tribune， 2015， 30（5）： 117-126. [孙晓东， 武晓荣， 冯学钢. 邮轮旅游季节性特征： 基于北美市场的实证分析[J]. 旅游学刊， 2015， 30（5）： 117-126.]

[59] DURO J A. Seasonality of hotel demand in the main Spanish provinces： Measurements and decomposition exercises[J]. Tourism Management， 2016： 52-63.

[60] GOU Xiaodong， SUN Gennian. Foundation and application of the background trend-line of inbound tourism of Shanghai [J]. Journal of Shaanxi Normal University： Natural Science Edition， 2000， 28（2）： 110-114. [苟小东， 孙根年. 上海市入境旅游本底趋势线的建立及其应用[J]. 陕西师范大学学报： 自科版， 2000， 28（2）： 110-114.]

[61] LIANG Wangbing， MA Yaofeng. A study on the preference of tourist consumption behavior of Shanghai foreign inbound tourist [J]. Consumer Economics， 2005， 21（5）： 51-54. [梁旺兵， 马耀峰. 上海市入境外国游客旅游消费行为偏好研究[J]. 消费经济， 2005， 21（5）： 51-54.]

[62] LYU Shuai， WANG Yuming， GONG Wei， et al. A SSM analysis on the structure of tourism market—A case study on Shanghai oversea tourism market [J]. Tourism Tribune， 2006， 21（11）： 60-64. [吕帅， 汪宇明， 龚伟， 等. 旅游市场客源结构的SSM分析——以上海市海外游客市场为例[J]. 旅游学刊， 2006， 21（11）： 60-64.]

[63] HUANG Heping. Analysis of influencing factors & anti-seasonality developing policies on inbound tourism seasonality of Shanghai [J]. Resource Development & Market， 2015， 31（8）： 1017-1020. [黄和平. 上海入境旅游季节性影响因素识别与反季开发策略[J]. 资源开发与市场， 2015， 31（8）： 1017-1020.]

[64] GUO Yongrui， ZHANG Jie， LU Shaojing， et al. Spatio-temporal change of the inbound tourism economic development in China [J]. Scientia Geographica Sinica， 2014， 34（11）： 1299-1304. [郭永锐， 张捷， 卢韶婧， 等. 中国入境旅游经济空间格局的时空动态性[J]. 地理科学， 2014， 34（11）： 1299-1304.]

[65] MA Yaofeng， LIN Zhihui， LIU Xianfeng， et al. The evolution of network structure of inbound tourist in major cities of China [J]. Scientia Geographica Sinica， 2014， 34（1）： 25-31. [马耀峰， 林志慧， 刘宪锋， 等. 中国主要城市入境旅游网络结构演变分析[J]. 地理科学， 2014， 34（1）： 25-31.]

[66] CHAI Shousheng， QIU Wen. Study of Qingdao inbound tourism market structure of space-time and its development trend [J]. Journal of Ocean University of China： Social Science Edition， 2007（5）： 80-83 [柴寿升， 邱文. 青岛入境旅游市场时空结构及其发展态势研究[J]. 中国海洋大学学报： 社会科学版， 2007（5）： 80-83.]

[67] ZHANG Long， DU Ling. Research on the inbound tourist flow and the seasonal change in Qingdao city [J]. Journal of Chongqing Normal University ： Natural Science， 2013， 30（4）： 132-135. [张龙， 杜玲. 青岛市入境旅游流及其季节变化研究[J]. 重庆师范大学学报： 自然科学版， 2013， 30（4）： 132-135.]

[68] LIN Derong， ZHANG Junzhou. Research on seasonality of tourism time series： Urban inbound tourism as a case study [J]. Tourism Tribune， 2015， 30（1）： 63-71. [林德荣， 张军洲. 旅游时间序列的季节性特征研究——以城市入境旅游为例[J]. 旅游学刊， 2015， 30（1）： 63-71.]

[69] GUCLU Y. The determination of sea tourism season with respect to climatical conditions on the black sea region of Turkey [J]. Procedia - Social and Behavioral Sciences， 2011， 19： 258-269.

[70] WENG Yi， ZHU Hong. Review on the impacts of climates change on the coastal tourism [J]. Economic Geography， 2011， 31（12）： 2132-2137. [翁毅， 朱竑. 氣候变化对滨海旅游的影响研究进展及启示[J]. 经济地理， 2011， 31（12）： 2132-2137.]

[71] XI Jianchao， ZHAO Meifeng， WU Pu， et al. A new hot topic for the research of international tourism science： The impact of global climate change on tourism industry [J]. Tourism Tribune， 2010， 25（5）： 86-92. [席建超， 赵美风， 吴普， 等. 国际旅游科学研究新热点： 全球气候变化对旅游业影响研究[J]. 旅游学刊， 2010， 25（5）： 86-92.]