張思豆， 李君軼

(陜西師范大學(xué) 旅游與環(huán)境學(xué)院， 陜西 西安 710119)

?

基于微博大數(shù)據(jù)的游客情感與空氣質(zhì)量關(guān)系研究
——以西安市為例

張思豆， 李君軼*

(陜西師范大學(xué) 旅游與環(huán)境學(xué)院， 陜西 西安 710119)

利用西安市國內(nèi)游客發(fā)布的微博數(shù)據(jù)，采用修正的“微博情感傾向算法驗(yàn)證程序”(MBEWC)計(jì)算游客的情感傾向值，對(duì)情感傾向和空氣質(zhì)量進(jìn)行相關(guān)分析，研究情感傾向和空氣質(zhì)量的相互關(guān)系。研究發(fā)現(xiàn)：PM2.5、PM10、NO2、SO2、CO這5種污染物均與游客微博情感值呈現(xiàn)較弱的負(fù)相關(guān)；在所有污染物指標(biāo)中，NO2對(duì)游客情感的影響程度最大，具體表現(xiàn)為每多排放1 000 μg NO2，游客微博情感值下降21分；其次，在煙塵污染物PM2.5和PM10中， PM2.5粒徑很小，對(duì)游客情感的影響比PM10嚴(yán)重；而對(duì)于氣體污染物， NO2和SO2對(duì)游客情感的影響程度遠(yuǎn)大于CO?？諝庵卸喾N污染物同時(shí)存在對(duì)游客情感的影響要明顯大于某一污染物單獨(dú)存在時(shí)的影響，具體表現(xiàn)為PM2.5和SO2同時(shí)存在對(duì)游客情感的影響程度大于SO2單獨(dú)存在對(duì)游客情感值的影響。

微博； 空氣質(zhì)量；游客；情感

隨著工業(yè)化、城市化進(jìn)程的發(fā)展，人們的生活質(zhì)量顯著提高。與此同時(shí)，不斷排放的污染物致使環(huán)境惡化，北京、上海、西安、石家莊、哈爾濱等城市的空氣質(zhì)量持續(xù)下降，就連?？诘瘸鞘幸渤霈F(xiàn)了霧霾天氣[1]，空氣中排放的PM2.5(細(xì)微顆粒物含量)、PM10(可吸入顆粒物含量)嚴(yán)重超標(biāo)[2],這引起了眾多學(xué)者、主流媒體的高度關(guān)注。Vivian等[3]通過對(duì)402 184個(gè)死亡案例的死亡原因分析，發(fā)現(xiàn)循環(huán)系統(tǒng)和呼吸系統(tǒng)疾病占總數(shù)的27.5%和19.5%，并指出特別敏感顆粒物為PM10、PM2.5、NO2和SO2。Wang等[4]利用空間分析技術(shù)研究了室外空氣污染和慢性阻塞性肺病住院之間的聯(lián)系，結(jié)果表明PM10每上升10 μg/m3，濟(jì)南市肺病的住院率相應(yīng)上升7%。王倩[5]研究了濟(jì)南市空氣污染對(duì)健康的影響，發(fā)現(xiàn)SO2日濃度每增長10%，對(duì)濟(jì)南市呼吸系統(tǒng)疾病門診患者造成的損失為705萬元。在旅游過程中，隨著旅游刺激物的不斷變化，游客情感會(huì)受到多重因素影響。徐子琳和嚴(yán)偉[6]指出在影響游客情感的主要因素中，氣候環(huán)境起著重要作用。由于人有“生物自衛(wèi)性”，人與自然界的生物群具有十分緊密的聯(lián)系，良好的環(huán)境能夠幫助我們減少焦慮以及絕望的情緒，使我們的心情保持良好的狀態(tài)[7]。Welsch[8]最早以空氣中NO2、SO2等污染物的含量來衡量空氣質(zhì)量，他通過分析54個(gè)國家的截面數(shù)據(jù)發(fā)現(xiàn)導(dǎo)致國家間幸福水平差異的重要原因之一便是空氣污染。德國慕尼黑大學(xué)流行病學(xué)調(diào)查發(fā)現(xiàn)，霧霾天氣空氣污濁，容易刺激大腦視覺中樞，從而產(chǎn)生悲觀情緒，出現(xiàn)頭昏頭痛者占61%，失眠多夢(mèng)的占46%，疲乏無力的占42%，處于抑郁情緒的占27%，當(dāng)PM2.5濃度極高時(shí)，人們?nèi)菀壮霈F(xiàn)情緒低落、煩躁不安、疲憊抑郁等負(fù)面情緒[9]。程勵(lì)等[10]研究發(fā)現(xiàn)人們對(duì)霧霾天氣消極影響的認(rèn)知度較高，并且霧霾天氣已經(jīng)顯著影響城市居民對(duì)旅游目的地的選擇傾向。游客情感是旅游背景下情感研究的核心任務(wù)之一[11]。情感分析就是對(duì)信息進(jìn)行有效的分析和挖掘，識(shí)別情感傾向，了解究竟是高興還是悲傷[9]。Medhat等[12]認(rèn)為情感分析(sentiment analysis，SA)是文本挖掘領(lǐng)域的一個(gè)研究要點(diǎn)，是對(duì)文本的意見、情感和主觀感受的計(jì)算處理。就旅游而言，游客情感不僅構(gòu)成了旅游者重要的旅游經(jīng)歷，同時(shí)也對(duì)他們的旅游動(dòng)機(jī)、滿意度、行為意圖和人際互動(dòng)等產(chǎn)生重要影響[11]。旅游作為一種追求愉悅的活動(dòng)[13]，游客在此過程中表現(xiàn)出的多為積極情感，但隨著旅游環(huán)境的多變性和不確定性，時(shí)而會(huì)出現(xiàn)消極情感。李靜等[14]提出旅游者在旅行期間擔(dān)心霧霾會(huì)危害健康，破壞心情，妨礙他們拍出滿意的照片，進(jìn)而降低了旅游滿意度，不利于目的地忠誠度的建立。

微博作為一種社交平臺(tái)，游客可以隨時(shí)記錄旅途的心情。而這些微博信息中包含著不同程度的情感傾向，通過文本挖掘進(jìn)行情感分析對(duì)于輿情控制和市場營銷都有重要意義[15]。Tumasjan等[16]認(rèn)為借助微博內(nèi)容來了解社會(huì)輿情具有成本低、速度快、頻率高、實(shí)時(shí)性、原創(chuàng)性以及主題多樣性等特點(diǎn)和優(yōu)勢(shì)。隨著近年來我國空氣質(zhì)量的不斷惡化，國內(nèi)外學(xué)者對(duì)于空氣質(zhì)量的研究，已從原本只關(guān)注霧霾對(duì)人體健康的危害轉(zhuǎn)向了霧霾對(duì)游客感知以及旅游滿意度和忠誠度的研究，但是從大數(shù)據(jù)視角來探討空氣質(zhì)量對(duì)游客情感影響的研究仍屬空白。反觀現(xiàn)有研究方法，多沿襲傳統(tǒng)調(diào)研方法(如調(diào)查問卷、訪談法)，由于情感具有動(dòng)態(tài)性的特征，而微博數(shù)據(jù)能夠較好反映游客當(dāng)時(shí)的情感表達(dá)。因此，本文采用西安市2014年游客微博數(shù)據(jù)和空氣質(zhì)量數(shù)據(jù)，研究空氣污染和游客情感關(guān)系，對(duì)目的地的環(huán)境治理提供科學(xué)依據(jù)。

1　研究假設(shè)

從現(xiàn)有城市空氣質(zhì)量指數(shù)(air quality index,AQI)及PM2.5的研究來看，AQI的上升以及PM2.5值的增加對(duì)人體健康造成危害。但是,針對(duì)真實(shí)客觀的游客微博數(shù)據(jù)，是否也存在污染物排量的增加會(huì)降低人們情感值的關(guān)系，目前沒有確切研究。本文選取西安市2014年的游客微博數(shù)據(jù)與空氣質(zhì)量數(shù)據(jù)，通過相關(guān)性分析試圖驗(yàn)證這一規(guī)律，因此提出第1個(gè)研究假設(shè)(H1)。

H1： PM2.5、PM10、CO、SO2、NO2均與游客微博情感值呈顯著負(fù)相關(guān)。

黃永明和何凌云[17]提出，在中國每平方公里的地域內(nèi)每多排放1 kg煙塵，人們的主觀幸福感會(huì)下降0.012分；而每多排放1 kg SO2，人們主觀幸福感下降0.002分?？梢?空氣中煙塵含量嚴(yán)重影響人們的情感，因此提出第2個(gè)研究假設(shè)(H2)。

H2：PM2.5和PM10是影響游客微博情感值的最顯著指標(biāo)。

韓雪[18]通過對(duì)石家莊的研究發(fā)現(xiàn),PM2.5與PM10的濃度與肺炎住院人數(shù)呈正相關(guān)，其中PM2.5與肺炎住院的關(guān)聯(lián)性強(qiáng)于PM10。董鳳鳴等[19]對(duì)北京市海淀區(qū)循環(huán)系統(tǒng)疾病死亡人數(shù)進(jìn)行了研究，發(fā)現(xiàn)死亡人數(shù)可能與顆粒物污染濃度的升高有關(guān)，同時(shí)大氣中PM2.5的濃度對(duì)人體健康帶來的危害比PM10更大。綜上可知，PM2.5比PM10對(duì)人體危害大，因?yàn)榱?0 μm以上的顆粒物會(huì)被鼻腔攔截，但是粒徑小于2.5 μm顆粒物會(huì)隨著呼吸進(jìn)入上呼吸道，進(jìn)入支氣管直至肺部，引起呼吸系統(tǒng)及心血管疾病[20]。對(duì)于游客情感而言，PM2.5與PM10的影響程度是否也存在如上規(guī)律有待研究，因此提出第3個(gè)研究假設(shè)(H3)。

H3：PM2.5比PM10對(duì)游客微博情感值的影響程度大。

CO、NO2和SO2都屬于氣體污染物。CO是無色、無臭、無味、有毒的中性氣體，難溶于水，所以我們很難察覺。SO2為無色透明氣體，有刺激性臭味，溶于水會(huì)形成亞硫酸。NO2在室溫下為有刺激性氣味的紅棕色氣體，吸入肺組織后具有強(qiáng)烈的刺激性和腐蝕性。由此可見，人們對(duì)于CO無法感知，但是對(duì)于SO2和NO2會(huì)有明顯不適癥狀，因此提出第4個(gè)研究假設(shè)(H4)。

H4：NO2與SO2對(duì)游客微博情感值的影響程度大于CO。

大氣中多種污染物共同存在比一種污染物單獨(dú)存在更容易并發(fā)嚴(yán)重的污染[21]。也就是說，空氣中兩種污染物疊加的危害遠(yuǎn)比某種污染物單獨(dú)存在的危害大。由此，提出本研究第5個(gè)假設(shè)(H5)。

H5：PM2.5+SO2比SO2單獨(dú)存在對(duì)游客微博情感值影響程度大。

2　數(shù)據(jù)來源與處理

2.1西安市游客微博數(shù)據(jù)來源與篩選

本文涉及的西安市游客微博數(shù)據(jù)來自于研究團(tuán)隊(duì)編寫的新浪微博數(shù)據(jù)抓取軟件，按照新浪微博提供的API接口，根據(jù)微博賬號(hào)IP注冊(cè)地為“非西安市”為篩選條件，獲取從2014年1月1日至2014年12月31日全年365天的西安游客發(fā)布的微博文本數(shù)據(jù)共1 094 161條。因網(wǎng)絡(luò)原因或機(jī)器故障，在10月18日、19日及20日未能抓取到當(dāng)日微博數(shù)據(jù)，因本研究主要關(guān)注每日微博用戶情感與空氣質(zhì)量的關(guān)系，且總體獲取微博數(shù)據(jù)周期較長，因此未抓取到的數(shù)據(jù)不足以影響本文的研究結(jié)論。按新浪微博數(shù)據(jù)格式，獲取的數(shù)據(jù)覆蓋范圍為：以西安市鐘樓為圓心，以10 km為半徑的圓形范圍，該區(qū)域基本覆蓋了西安繞城高速內(nèi)所有人口密集區(qū)及商業(yè)繁華區(qū)。從新浪微博API接口抓取到的微博數(shù)據(jù)的部分字段及含義見表1。

表1　微博數(shù)據(jù)字段及含義

根據(jù)注冊(cè)地篩選出游客微博數(shù)據(jù)1 094 161條，但不能確定現(xiàn)有的數(shù)據(jù)信息均為游客發(fā)布，因?yàn)橛写罅客獾赜脩?注冊(cè)地為“非西安市”)為了求學(xué)或工作，長期定居西安，那么該類用戶不屬于游客群體。此外，大量微博文本內(nèi)容為廣告信息，也應(yīng)予以剔除。

借鑒國外學(xué)者Girardin[22]的相關(guān)研究，若用戶產(chǎn)生的第一條微博與最后一條微博間隔超過30 d，那么就不視為本文的研究對(duì)象或不認(rèn)為其是一般意義的旅游者，需要進(jìn)行剔除。因此通過編寫算法“最大時(shí)間與最小時(shí)間差大于等于30”為篩選條件，篩選出289 378條數(shù)據(jù)。

通過上述篩選條件，已經(jīng)剔除了大部分居民群體，但尚不能排除仍有大部分偶爾登錄微博的常住居民，比如外來務(wù)工人員或短期促銷的店家，以及注冊(cè)地為“非西安市”的大學(xué)生群體，繼續(xù)進(jìn)一步篩選。根據(jù)筆者對(duì)微博信息的經(jīng)驗(yàn)，通過關(guān)鍵詞“代購、元旦晚會(huì)、迎新晚會(huì)、代理、現(xiàn)貨、促銷、招聘、移動(dòng)、聯(lián)通、淘寶、小米、本店、電信、加班、教室、天貓、京東、蘇寧、銷售、上課、特價(jià)”篩選并剔除，保留剩余251 670條微博數(shù)據(jù)。

2.2西安市空氣質(zhì)量指數(shù)(AQI)數(shù)據(jù)來源

西安市空氣質(zhì)量指數(shù)(AQI)及各主要污染物數(shù)據(jù)均來源于互聯(lián)網(wǎng)天氣后報(bào)網(wǎng)站(www.tianqihoubao.com)，獲取從2014年1月1日至2014年12月31日全年西安市空氣質(zhì)量數(shù)據(jù)，與西安市游客微博數(shù)據(jù)的發(fā)布天數(shù)一一對(duì)應(yīng)。數(shù)據(jù)共包含9項(xiàng)指標(biāo)，分別為日期，每日AQI指數(shù)，質(zhì)量等級(jí)，當(dāng)天AQI排名，以及主要污染物PM2.5、PM10、CO、NO2、SO2的當(dāng)日數(shù)值。

3　結(jié)果與分析

3.1游客微博情感值計(jì)算

微博情感傾向性分析就是分析說話人的態(tài)度(或稱觀點(diǎn)、情感)，即對(duì)文本的主觀性信息進(jìn)行分析[23]。新浪微博的一條文本信息共包含140個(gè)字符，其中有表情、文字以及標(biāo)點(diǎn)符號(hào)，不同的名詞、形容詞、副詞(如開心、快樂、失意等)，程度副詞(如很、尤其、非常、特別等)，否定詞(如不、非等)，語氣詞(如哎、嘿嘿、哈哈等)，都會(huì)表現(xiàn)出不同程度的情感傾向。選用張偉舒[24]創(chuàng)建的“微博情感傾向算法驗(yàn)證程序1.1”(簡稱MBEWC)對(duì)現(xiàn)有微博數(shù)據(jù)的情感值賦分。MBEWC程序是在現(xiàn)有的情感詞詞典、否定詞詞典以及程度詞詞典的基礎(chǔ)上，改進(jìn)并添加特殊標(biāo)識(shí)符詞典、表情詞典以及語氣詞詞典3個(gè)新的詞典，以這6個(gè)不同功能的詞典構(gòu)成新的詞典系統(tǒng)，對(duì)數(shù)據(jù)綜合分析，從而得到更準(zhǔn)確的分析結(jié)果。其中情感詞、表情詞與語氣詞的權(quán)值范圍為[-20,20]，-20即表示極度痛苦的負(fù)能量情感，20表示十分開心的正能量情感。分別邀請(qǐng)10名研究生和本科生，同時(shí)對(duì)這些詞語賦值，最終取其平均值以求客觀的結(jié)果。將251 670條微博數(shù)據(jù)導(dǎo)入MBEWC程序中，得到每一條游客微博數(shù)據(jù)的最終情感值。

由于本文要分析全年365 d的游客微博情感值與空氣質(zhì)量的關(guān)系，所以要計(jì)算出每一天所有用戶ID發(fā)布的微博情感值的平均值。運(yùn)用SPSS軟件將自變量設(shè)定為日期，因變量為所有游客微博情感值，即可計(jì)算出每日游客微博情感值的均值(圖1)。

圖1　2014年游客微博日情感均值

根據(jù)圖1顯示，微博數(shù)據(jù)值均勻分布在2～8分之間，有個(gè)別異常值分布在區(qū)間外，如最高值達(dá)到16.362 5。由于情感受多重因素影響，所以出現(xiàn)異常值屬正常現(xiàn)象，但會(huì)干擾統(tǒng)計(jì)結(jié)果，所以人工將這些異常值剔除，使數(shù)據(jù)有序排列，得到樣本容量N為348。

3.2空氣質(zhì)量污染物指標(biāo)與游客微博情感值的相關(guān)性分析

從空氣質(zhì)量的指標(biāo)中提取5個(gè)主要污染物的指標(biāo)為自變量，研究游客微博情感值與這5個(gè)參數(shù)的相關(guān)性。發(fā)現(xiàn)P值均小于0.05。微博情感值與PM2.5、PM10、CO、SO2、NO2都表現(xiàn)出較弱的負(fù)相關(guān)關(guān)系。

與之前學(xué)者的研究相比，本文的相關(guān)性較弱，原因在于數(shù)據(jù)來源的不同。之前有關(guān)情感與空氣質(zhì)量的研究多采用問卷調(diào)查[18]，題目具有引導(dǎo)性，被試者在“空氣質(zhì)量”與“情感”介入思考的情況下得出調(diào)查結(jié)果，因此結(jié)果比較理想。而本文的數(shù)據(jù)來源較為客觀，并且數(shù)據(jù)量較大，時(shí)間范圍較長，一年中大部分天氣處于較為舒適的狀態(tài)，游客的風(fēng)險(xiǎn)感知不明顯，在發(fā)微博時(shí)也不會(huì)過多涉及空氣質(zhì)量。除非空氣質(zhì)量極度惡化或變好才會(huì)得到較高的相關(guān)性。例如，游客情感值在10月21日達(dá)到頂峰值16.36，而相應(yīng)的空氣質(zhì)量為“輕度污染”；游客情感值在1月6日和2月24日跌入低谷，分別為0.77和1.78，相應(yīng)當(dāng)日的空氣質(zhì)量為“重度污染”和“嚴(yán)重污染”。因此，本文得出的較弱負(fù)相關(guān)是基于客觀層面，具有一定的研究價(jià)值，假設(shè)H1成立。

3.3游客微博情感值影響因素的偏相關(guān)分析

將數(shù)據(jù)導(dǎo)入SPSS中，將控制變量設(shè)為PM2.5，分析SO2對(duì)游客微博情感值的影響，得到偏相關(guān)系數(shù)r為-0.108，絕對(duì)值小于相關(guān)系數(shù)-0.208，所以剔除PM2.5的影響后，SO2與微博情感相關(guān)性非常低，可見當(dāng)PM2.5存在時(shí)，SO2對(duì)游客情感的影響比SO2單獨(dú)存在時(shí)對(duì)游客情感的影響程度大，因此H5正確。

3.4空氣質(zhì)量污染物指標(biāo)與游客微博情感值一元線性回歸分析

把數(shù)據(jù)導(dǎo)入SPSS軟件進(jìn)行回歸分析，得到表2。

由表2可以看出，PM2.5每多排放1 000 μg，游客微博情感值下降6分;PM10每多排放1 000 μg，游客微博情感值下降3分;CO每多排放1 000 μg，游客微博情感值下降0.47分;SO2每多排放1 000 μg，游客微博情感值下降12分;而NO2每多排放1 000 μg，游客微博情感值下降21分。結(jié)果表明，空氣污染物對(duì)游客微博情感值影響程度為NO2>SO2>PM2.5>PM10>CO。因此可知，對(duì)游客情感影響最嚴(yán)重的指標(biāo)是NO2，其次為SO2，因此假設(shè)H2錯(cuò)誤。同時(shí)，在空氣污染物中，煙塵污染物對(duì)游客微博情感影響程度為PM2.5>PM10，所以假設(shè)H3成立。而對(duì)于氣體污染物，影響程度為NO2>SO2>CO，假設(shè)H4成立。

表2　空氣質(zhì)量污染物指標(biāo)與游客微博情感值的一元線性回歸分析結(jié)果*

*因變量為游客微博情感值，P<0.005。

3.5ROST CM6語義網(wǎng)絡(luò)分析驗(yàn)證

利用ROST Content Mining 軟件對(duì)全部游客微博數(shù)據(jù)進(jìn)行分析驗(yàn)證。通過“分詞”以及“詞頻分析”，得出與本研究相關(guān)的高頻詞匯有空氣、污染、指數(shù)、天氣、空氣質(zhì)量、霧霾、能見度、PM2.5等，將包含上述詞匯的微博文本進(jìn)一步篩選，共計(jì)5 601條，通過ROST CM6軟件對(duì)篩選出的微博文本進(jìn)行“社會(huì)網(wǎng)絡(luò)和語義網(wǎng)絡(luò)分析”，結(jié)果形似圈狀結(jié)構(gòu)(圖2)。其中與空氣質(zhì)量相關(guān)的詞語如污染、指數(shù)、天氣、呼吸、輕度等兩兩相連，表示這兩個(gè)詞語同時(shí)出現(xiàn)在同一微博中，即同一類詞語相關(guān)性較高。觀察外圈可知，情感詞如干凈、舒服、很好、陌生、嚴(yán)重等，簇?fù)碓谂c空氣相關(guān)詞語類的周圍，表明游客情感與空氣質(zhì)量聯(lián)系較強(qiáng)。但是縱觀整體微博樣本，與空氣質(zhì)量有關(guān)的微博僅有5 601條，占總體樣本的5%，相當(dāng)于從251 670條游客微博中抽樣調(diào)查，結(jié)果隱性指出游客情感受空氣質(zhì)量影響。由于人的情感受多重因素影響，空氣質(zhì)量只是眾多影響因素中的一種[6]，并且選取的微博數(shù)據(jù)是在被試者事先不知道該數(shù)據(jù)用于科研的情況之下，數(shù)據(jù)來源客觀真實(shí)，不帶有指向性，因此能夠驗(yàn)證游客情感與空氣質(zhì)量具有相關(guān)性。

圖2西安市游客空氣質(zhì)量感知的語義網(wǎng)絡(luò)分析圖

Fig.2The semantic network analysis of tourists′ air quality perception in Xi′an city

當(dāng)旅游現(xiàn)實(shí)與最初的期望不符時(shí)，游客會(huì)有失望、后悔等負(fù)面情感[11]，如游客對(duì)旅游地的空氣質(zhì)量感知會(huì)與居住地相比較。筆者從數(shù)據(jù)樣本中選擇了北京和廣州這兩個(gè)城市作為代表，進(jìn)一步作數(shù)據(jù)的比對(duì)。通過比較兩個(gè)城市的每日游客微博情感均值，發(fā)現(xiàn)廣東游客的情感值為[-16.44,29.45]，且波動(dòng)幅度巨大；北京游客的情感值為[-5.71,23.09]，波動(dòng)幅度較廣東的小，可見如果旅游地比居住地空氣質(zhì)量差，對(duì)游客情感的影響程度大，反之則影響程度小。

4　結(jié)論與啟示

本文選取西安市2014年空氣質(zhì)量數(shù)據(jù)及游客微博數(shù)據(jù)，通過相關(guān)性分析及回歸分析，研究其交互影響特征，并驗(yàn)證了5個(gè)研究假設(shè)，結(jié)果發(fā)現(xiàn)：

(1)影響城市空氣質(zhì)量的首要污染物中，PM2.5、PM10、CO、NO2、SO2均與游客微博情感值呈現(xiàn)較弱的顯著負(fù)相關(guān)。

(2)在污染物指標(biāo)中，NO2對(duì)游客微博情感值的影響最為嚴(yán)重，具體表現(xiàn)為NO2每多排放1 000 μg，游客微博情感值下降21分。

(3)在煙塵污染物PM2.5和PM10中，PM10粒徑較大，容易被鼻腔攔截，而PM2.5粒徑很小，難以防御，對(duì)游客微博情感的影響比PM10嚴(yán)重。

(4)在氣體污染物NO2、SO2和CO中，NO2和SO2都具有強(qiáng)烈刺激性氣味，且NO2氣體顏色為棕紅色，所以這兩類氣體的排放會(huì)明顯引起游客的不適感，而CO無色無味，難以察覺，所以NO2和SO2對(duì)游客微博情感的影響程度遠(yuǎn)大于CO。

(5)空氣中多種污染物同時(shí)存在對(duì)游客微博情感值的影響要明顯大于某一污染物單獨(dú)存在時(shí)的影響，具體表現(xiàn)為PM2.5和SO2同時(shí)存在對(duì)游客情感值的影響程度大于SO2單獨(dú)存在對(duì)游客微博情感值的影響。

通過本文有限的探討，可獲得以下啟示：(1)游客情感受多種變量影響，我們無法找出某一變量對(duì)其進(jìn)行衡量，只能找出某一變量與情感之間是否存在相關(guān)性，從而推斷兩者之間的關(guān)系。(2)本文基于大數(shù)據(jù)的角度研究游客情感與空氣質(zhì)量的關(guān)系，選取的樣本容量大，涵蓋面廣，時(shí)間足夠長，所有數(shù)據(jù)客觀真實(shí)，結(jié)果具有研究價(jià)值，對(duì)于空氣質(zhì)量和情感關(guān)系研究有待后續(xù)進(jìn)一步完善。(3)我國嚴(yán)重依賴資源和能源消耗的粗放型經(jīng)濟(jì)給環(huán)境帶來巨大的壓力，導(dǎo)致近年來各省空氣質(zhì)量逐年下降并為此付出了沉重代價(jià)。城市空氣污染不僅影響居民的身體健康，也對(duì)游客的情感產(chǎn)生負(fù)面影響，進(jìn)而降低旅游滿意度，不利于目的地忠誠度的建立[15]。因此,改善空氣質(zhì)量對(duì)于吸引游客以及提高目的地忠誠度具有重要意義。首先，治理空氣污染的根本途徑在于轉(zhuǎn)變經(jīng)濟(jì)增長的方式，變粗放型為集約型發(fā)展模式，走新型工業(yè)化道路。其次，應(yīng)配套相應(yīng)法律法規(guī)，明確政府、企業(yè)以及居民在治理城市空氣污染中的責(zé)任，多方合作，有效遏制空氣質(zhì)量進(jìn)一步惡化。

[1] 謝耘耕,鄭廣嘉,陳瑋,等.2013年中國“霧霾”認(rèn)知調(diào)查報(bào)告[J].新媒體與社會(huì),2014(3):156-175.

[2] 薛志鋼,劉妍,柴發(fā)合,等.城市空氣污染指數(shù)改進(jìn)方案及論證[J].環(huán)境科學(xué)研究,2011(2):125-132.

[3] QIU H,TIAN L,HO K F,et al.Air pollution and mortality: effect modification by personal characteristics and specific cause of death in a case-only study[J]. Environmental Pollution, 2015,199(4): 192-197.

[4] WANG W Q,YING Y Y, WU Q Y,et al.A GIS-based spatial correlation analysis for ambient air pollution and AECOPD hospitalizations in Jinan, China[J]. Respiratory Medicine,2015,109(3):372-378.

[5] 王倩.濟(jì)南市空氣污染對(duì)人體健康造成經(jīng)濟(jì)損失的評(píng)估[D].山東:山東大學(xué)環(huán)境科學(xué)與工程學(xué)院,2007.

[6] 徐子琳,嚴(yán)偉.旅游心理學(xué)[M].上海:復(fù)旦大學(xué)出版社,2011.

[7] MORRIS N. Health, well-being and open space: literature review[R].Edinburgh:OPEN Space Research Center,Edinburgh College of Art/Heriot Watt University,2003.

[8] WELSCH H. Preferences over prosperity and pollution: environmental valuation based on happiness surveys [J]. Kyklos,2002,55( 4):473-494.

[9] 程勵(lì),張同顥,付陽.城市居民霧霾天氣認(rèn)知及其對(duì)城市旅游目的地選擇傾向的影響[J].旅游學(xué)刊,2015,30(10):37-47.

[10] 周立柱,賀宇凱,王建勇.情感分析研究綜述[J].計(jì)算機(jī)應(yīng)用,2008,28(11):25-28.

[11] 劉丹萍，金程.旅游中的情感研究綜述[J].旅游科學(xué),2015,29(2):74-85.

[12] MEDHAT W, HASSAN A, KORASHY H. Sentiment analysis algorithms and applications: a survey [J]. Ain Shams Engineering Journal, 2014,5(4):1-21.

[13] 謝彥君.旅游體驗(yàn)的兩級(jí)情感模型：快樂-痛苦[J].財(cái)經(jīng)問題研究,2006(5):88-92.

[14] 李靜,PEARCE P L,吳必虎，等.霧霾對(duì)來京旅游者風(fēng)險(xiǎn)感知及旅游體驗(yàn)的影響:基于結(jié)構(gòu)方程模型的中外旅游者對(duì)比研究[J].旅游學(xué)刊，2015,30(10):48-59.

[15] 杜振雷.面向微博短文本的情感分析研究[D].北京:北京信息科技大學(xué)計(jì)算機(jī)學(xué)院,2013.

[16] TUMASJAN A, SPRENGER T O, SANDNER P G, et al. Election forecasts with twitter: how 140 characters reflect the political landscape [J].Social Science Computer Review,2010,29(4):402-418.

[17] 黃永明,何凌云.城市化、環(huán)境污染與居民直觀幸福感：來自中國的經(jīng)驗(yàn)證據(jù)[J].中國軟科學(xué),2013,(12):82-93.

[18] 韓雪.石家莊市大氣顆粒物(PM10/PM2.5)對(duì)肺炎住院影響的病例交叉研究[D].河北:河北醫(yī)科大學(xué)第二醫(yī)院,2014.

[19] 董鳳鳴,莫運(yùn)政,李國星，等.大氣顆粒物(PM10/PM2.5)與人群循環(huán)系統(tǒng)疾病死亡關(guān)系的病例交叉研究[J].北京大學(xué)學(xué)報(bào)(醫(yī)學(xué)版),2013,45(3):398-404.

[20] 羊德容.蘭州市PM2.5污染特性及其對(duì)人體健康的影響[D].甘肅:蘭州大學(xué)環(huán)境學(xué)院,2013.

[21] 賈瑾.基于空氣質(zhì)量數(shù)據(jù)解析大氣復(fù)合污染時(shí)空特征及過程序列[D].浙江:浙江大學(xué)環(huán)境與資源學(xué)院,2014.

[22] GIRARDIN F,GALABRESE F,FIORE F D,et al. Digital footprinting: uncovering tourists with user-generated content [J]. IEEE Pervasive Computing, 2008,7(4):36-43.

[23] 馮希瑩,王來華. 輿情概念辨析[J]. 社會(huì)工作(學(xué)術(shù)版), 2011(5):83-87.

[24] 張偉舒.微博情感傾向算法的改進(jìn)與實(shí)現(xiàn)[J].知識(shí)管理論壇,2013(9):21-27.

〔責(zé)任編輯程琴娟〕

The relation of air quality and tourist emotion based on the micro-blog data：a case study of Xi′an city

ZHANG Sidou, LI Junyi*

(School of Tourism and Environment Sciences, Shaanxi Normal University, Xi′an 710119, Shaanxi, China)

Based on the micro-blog data of Xi′an tourists, and employs amendatory “MBEWC” to calculate the emotion value of tourists, the relationship between emotional tendency and air quality are studied. The results show that five pollutants including PM2.5, PM10, NO2, SO2and CO have weak negative correlation with tourists′ micro-blog emotion index.Among all the pollutant indexes, NO2has the largest impact on tourist emotion and the emotion value of tourists goes down 21 points when every 1 000 μg NO2is discharged specifically.As for PM2.5and PM10, PM10has less influence than PM2.5on tourist emotion because PM2.5has smaller grain size which is harder to defend.For gaseous pollutants, NO2and SO2have much greater impact on tourist emotion than CO.It has been found that a variety of pollutants in the air bring larger effect on tourist emotion than sole one,such as,it has larger influence on tourist emotionwhen PM2.5and SO2exist at the same time than SO2alone.

micro-blog; air quality; tourists; emotion

1672-4291(2016)04-0102-06

10.15983/j.cnki.jsnu.2016.04.443

2015-05-05

國家自然科學(xué)基金(41571135，41401639);旅游業(yè)青年專家培養(yǎng)計(jì)劃(TYETP201344)；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(14SZZD02)

李君軼,男,教授。E-mail: lijunyi9@snnu.edu.cn

B845.6; X51

A