基于ArcGIS的东三省滑雪场分布特征及优化研究*

2023-01-06闫纪红代新语

体育科技 2022年5期

闫纪红代新语张帅

（1.吉首大学体育科学学院，湖南吉首 416106；2.首都体育学院运动训练研究所，北京 100191；3.国家体育总局冬季运动管理中心，北京 100044）

2022年冬季奥运会的筹办带动了冰雪运动的发展，冰雪产业的人才培养与教育体系的建设成为备受关注的重点问题，也是世界冰雪运动发展与冰雪产业快速崛起过程中的关键环节。体育产业是“十三五”规划以来我国重点发展的新兴产业，是经济活动的集合产物，已然成为我国现代化战略的重要组成内容，党的十九大也明确强调了要加快体育强国建设的目标。自2016年国家体育总局提出《全国冰雪场地设施建设规划(2016-2022年)》起[1]，我国滑雪场建设的速度不断加快。目前，对于冰雪产业问题的研究一般基于体育文化、发展路径、个案解析、产业融合等视角展开[2]，而对于滑雪场应该建在什么位置，运营、教学与指导的专业人员如何去培养的问题，值得在定性研究的基础上，进行定量化的探究，强调物质实体空间主体性的同时，也重视与人与环境之间的交互作用。爱因斯坦的相对论中曾提及，时间、空间、物质三个方面是相互联系、相互作用的，对于人类活动的科学研究，不仅要从时间的视角进行研究，更应该在空间维度上给予验证，而关注空间特征是地理学研究范式的特征，因此运用该研究范式与工具来解决体育学科的难题是可行的。近年来，地理信息系统的先进成果在科学研究中得到了广泛的运用[3]。随着地理信息系统技术的发展，利用地理统计模块对体育场地的地理特征进行分析变得更加容易，可操作性强，可以更详细地描述变量的空间变异性。据此，本研究基于地理信息系统（ArcGIS），从滑雪场空间布局出发，分析东北三省170 个滑雪场馆的分布特征及影响因素，为该区域冰雪产业科学化的空间布局提供参考。

1 数据来源与研究方法

1.1 数据来源

由于第八次全国体育场地普查尚未开始，且最近的第七次普查的时间为2019年，不能准确判断目前滑雪场的数量情况。研究采用《中国滑雪场大全》（2020 版）对东三省全部滑雪场进行记录和整理。为避免遗漏，结合三省体育局网站发布的信息、第七次全国体育场馆普查对三省的滑雪场进行补充。截止到2021年3月，最终统计到东北三省170个滑雪场作为研究对象，数据在Excel 中处理后，通过个人谷歌账户上传到谷歌表格上，谷歌为我们提供地理编码服务，在Google Earth 中分别输入各个滑雪场名称，提取各滑雪场的经纬度坐标，在遇到全国范围内两个滑雪场名称相同时，将图层定位至该省，在省内采集该滑雪场数据，防止出现定位不精准的问题。此外，对地理编码数据进行了彻底检查，以验证滑雪场的每个记录都标记在了正确的位置。最后运用ArcGIS 10.2 软件建立地理空间属性数据库,依据国家基础地理信息中心矢量化底图，文中点、线、面矢量均采用GCS-WGS-1984 坐标系投影。

1.2 研究方法

ArcGIS 空间分析技术有与其他计算机制图软件相区别的主要特征，可以准确定位、评价并综合性地分析空间内的绝对位置、相对位置与相互作用。在本研究中不仅是将各个滑雪场作为一个独立的研究个体，而是与空间环境相结合，将研究范畴扩展到地理地貌、社会经济等领域，是对于体育产业的研究方法、范式的一种拓展和创新探索。对我国东三省滑雪场馆的数目、省域分布特征进行分析，以点状要素形态呈现在东三省省域图层上，测算其最近邻指数、核密度，以定量的方法对170 个滑雪场的相对位置、分布特征和密度进行综合考量，在此基础上，运用多环缓冲区分析、泰森多边形等工具对其进行高校位置的耦合分析，在空间特征维度验证校企合作进行冰雪产业教学与指导后备人才培养的可行性。

1.2.1 平均最近邻分析

将东北三省全部滑雪场的位置设为点状要素以进行分析，空间结构可视为均匀、随机、集聚3 个类型，运用平均最近邻指数法(Average Nearest Neighbor)，研究滑雪场馆相互间邻近程度。根据最近邻指数计算公式，R为最近邻指数。当R＞1 时表示滑雪场的点趋于平均分布，当R＜1时表示为聚集性分布，当R=1 时表示为随机型分布。

1.2.2 核密度分析法

核密度分析法（Kernel Density estimation）是基于空间数据样本自身的确定数据分布特征的可视化方法，通过自动判断事件分布的集聚区域，评价全部点数据在各个图层中的集聚程度。该方法最突出的优点是能生成直观的可视化地图，易于研究人员进行分析。研究使用该工具识别点数据在东北三省空间上分布的集聚类型，为研究东北三省滑雪场馆分布及特征提供了方法学基础。

1.2.3 多环缓冲区分析法

缓冲区（Buffer）可视为某个地理空间点的作用范围或服务范围，缓冲区分析则是在给定一个空间对象或集合后，依据其半径来计算它们的邻域大小。研究借助该工具于滑雪场目标的一定间距中生成数个缓冲区。以高等学校为输入要素，使用系统工具箱邻域分析中的多环缓冲区工具在高校周围建立一定数量和宽度的缓冲带，使得矢量要素在二维空间上得以扩展。在缓冲距离列表中分别将10km、20km 和30km距离提交到列表中，输出为高等学校缓冲区的可视化地图，叠加滑雪场点位进行分析，得到不同缓冲距离下缓冲带上的滑雪场的数量，定量揭示以高等学校为基点的东三省滑雪场空间分布规律。

1.2.4 泰森多边形的变异系数法

由于最近邻指数在测定点状目标空间分布类型时还存在不足和争议[4]，研究采用另一方法对其展开二次互证。泰森多边形的面积随着点集的分布特征的改变而改变，因此可用多边形面积的变异系数CV 值（面积的标准差与平均值的比值）来评价研究样本的分布类型。研究基于Duyckaert[5]提出的三个建议对滑雪场分布特征进行判定[6]：当点集为“随机分布”时，CV=57%（包括33%～64%）；当点集为“集聚分布”时，CV=92%（包括＞64%）；当点集为“均匀分布”时，CV=29%（包括＜33%）。

2 空间分布特征

2.1 空间结构类型

利用ArcGIS 10.2 中的空间统计工具，求出点与点之间的最近邻距离和指数，各滑雪场理论平均距离为48150m(代表若干要素服从随机分布时的平均距离)，实际最近邻距离的平均值为25649m，小于预测值。最近邻指数R为0.532706，Z=-11.483192，P＜0.01。因此，可以认为东北三省滑雪场的空间结构类型为聚集型分布。

图1 东三省滑雪场平均最近邻分析结果

多数研究认为最近邻指数在测定点状目标空间分异类型时的判断依据还未得到一致的同意，研究运用ArcGIS 10.2 软件对东三省滑雪场空间分异生成的泰森多边形（Voronoi figure），进行二次检验，三省Voronoi 图中面积最小的多边形为0.4065km2，面积最大的多边形为39460.89km2。结果R为6402.12km2，S 为4909.79km2，CV值为130.39%。依据Duyckaerts[5]的研究结论：当点状目标的变异系数大于92%，则为集群分布。此外，该图形是在十九世纪初俄国数学家Voronoi 首次提出，各多边形内的任意一点都与该范围内样本点(滑雪场)的间隔最近，因而这些个区域可以看作是该滑雪场的影响或服务范围。面积更大的泰森多边形标志着该滑雪场服务区域的理论值越大，所以其服务压力也就较大，而区域内居民的选择就相对较少，如图2，哈尔滨、沈阳周边区域的滑雪场服务面积较小、雪场较为密集，说明其选址的科学性还值得商榷。若没有足够的体育人口经常进行滑雪运动，那么场地资源的浪费不可避免，随之而来的是耕地、水资源的严重浪费[6]。因此,只有切入我国滑雪产业发展的不同需求点进行规划，如将一些设施老旧、客流量较小的滑雪场替换为主要面向中低端消费者的小规模、设施简单的滑雪场所，并保留某些大型滑雪场并使其成为大型滑雪旅游度假区[7]，满足大众滑雪爱好者的体育需求的同时，避免滑雪场资源的浪费。

图2 东三省滑雪场空间分异泰森多边形分析

2.2 空间分布密度

利用ArcGIS 10.2 软件中的Spatial Analyst（空间分析）工具中核密度分析对东北三省滑雪场的空间分布密度进行测定，生成滑雪场空间分布密度图(见图3)。滑雪场的空间分布密度存在区域差异且为单中心分布，按所得结果将三省区域分成3 个等级：（1）高密度区：主要包括黑龙江省会哈尔滨市及其周边地区。（2）中密度区：覆盖范围比较集中，以高密度区的省会城市沈阳为中心成扩散状分布，主要包括铁岭、抚顺，102 国道高速为主轴线形成的辽宁省滑雪场集中区域。（3）低密度区：主要集包括大连市、营口市、丹东市、齐齐哈尔市、伊春市、白山市等。

图3 东三省滑雪场空间分布密度

综上，东北三省滑雪场在各个省市均有不同数量的分布，但是其空间分布整体不均衡，呈现出了南多北少、东多西少以及单中心聚集的问题，且主要集聚各个省会城市及旅游城市。这一空间分布特征，虽与经济发展、人口分布相匹配，但是可能对于各省市城镇化建设协调发展产生负面作用，使得本来经济发展速度不高的城市进一步受到限制，旅游城市、省会城市依托滑雪产业快速发展，三、四线小城市由于市场的竞争得不到发展，最终可能产生供需不平衡的结果，对冰雪运动的开展与进步产生负面影响。同时，由于经营思路、方式、资源占有等方面的差异，导致了彼此之间经济效益的差异。因此，在追求利润最大化的背景下，群体之间的关系可能趋于平淡或逐渐恶化[7]。进一步使得高密度区内产生群体之间的矛盾，影响高密度区域滑雪产业集聚价值的提升。

2.3 基于高等学校的多环缓冲区分析

依托于2022年冬奥会的良好契机，我国的冰雪运动也迎来了新浪潮。在场馆设施呈井喷式增长的大背景下，冰雪体育空间在数量上、形式上都取得了不同程度的突破。这意味着我国的冰雪体育场馆设施正逐步向国际冰雪强国靠近。但是，相比于南方及京津冀等经济发达地区，东三省的经济增长速度较慢，消费力也不足，若盲目大肆建造冰雪场馆，难免引起新的问题。这要求冰雪体育空间的建造应统筹规划，须立足于省域、立足于城市，将冰雪体育空间与国家规划、城市规划统一起来，这样才能实现冰雪体育空间科学规划的生态格局，避免由冬奥会造成的“奥运现象”[8]，在冬奥会举办过后，仍能持续发展，如何保障资源使用率和环保效益最大化，保证各个雪场均能够可持续发展是亟待解决的问题之一。研究运用ArcGIS 10.2 软件中的Spatial Analyst（空间分析）工具中多环缓冲区功能，在具有社会体育指导专业培养资格的高等学校要素周围10km、20km 及30km 的范围分别生成多环缓冲区地图，基于冰雪人才培养与校企合作的视角，对东三省滑雪场科学选址提供可视化的地图。如图4，在三级缓冲区内分别有18 个、17 个、11 个滑雪场，这46 个滑雪场与高校的距离较近，可视为校企合作培养冰雪人才的空间基础，丰富大学生创业、就业的选择，同时也为滑雪后备人才的培养打下坚实的物质基础。另有124 个滑雪场并未存在于高校的30km 辐射范围内，且存在局部区域分布过于集中的现象，如沈阳市东部高校的滑雪场空间分布呈现集中态势，且服务范围出现严重的交叉、重叠现象。反映滑雪场与高校的地理位置分布情况并非匹配，其总体建设规划还需优化。

图4 东三省滑雪场以高等学校为基点的多环缓冲区分析

3 分布规律及发展特色

3.1 与人口、经济水平密切相关

作为以雪为主要物质基础的滑雪产业，三省区域的大部分城市的地貌一般为平原和山地，多属于温带季风气候，是我国冰雪资源最密集的地区之一。如表1，三省共计36 个市的滑雪场数量与人口、GDP 呈高度正相关。经济基础与产业的发展有着密切的关联，良好的地理位置和优越的经济基础成为滑雪产业蓬勃发展的一个重要方面。根据疫情之后的市场调查数据及测算，仅滑雪场受疫情影响而构成的短期经济损失将超过80 亿元，按户外滑雪场季节性经营的规律判断，2020年全年国内参与滑雪运动的总人次可能会下降达到1100 万[10]。这无疑也是对东三省经济的重大打击，在后疫情时代，东三省应大力发展体育旅游，塑造特殊品牌、构建危机管理体系、产业深度融合，区域一体化加速推进等一系列措施[11]都将为体育旅游产业高质量的复苏和振兴注入强劲动能。

表1 东三省滑雪场数目、人口及GDP 的相关分析

3.2 以省会为中心呈聚集结构，空间分布受限于气候条件

通过使用ArcGIS 的密度分析工具对170 个滑雪场进行点密度分析得出，东三省滑雪场的空间分布密度差异明显。将其分布密度按照高、中、低不同层次进行分析，其中，空间分布密度最高的黑龙江省会城市哈尔滨市区，一共聚集着47 个滑雪场，占全省的52.80%，这与省会城市经济发展圈的特征有很大关联；分布密度中等的区域包括辽宁省会城市沈阳以及旅游城市大连，共有13 个滑雪场，占全省32.5%；营口市、丹东市、齐齐哈尔市、伊春市、白山市等其他地区属于低密度地区，尤其黑龙江北部等地区因地形气候极端寒冷、地广人稀，滑雪场只有少量的零散分布。研究认为，自然条件优良的区域应依托旅游度假资源来合理进行户外滑雪场的建造，而对于社会条件较好的地区来说，则应该考虑城市中的商场、体育公园中建造室内的体验型滑雪场。

3.3 沿旅游景区周边分布，校企联合路径有待加强

大部分滑雪场均处于景区之内，如湖泊、山脉、狩猎场、游乐园、温泉以及体育公园，充分体现了我国“体育+旅游”模式的特点。目前，哈尔滨体育学院第一、二教学区已经与曾承办第24 届世界大学生冬季运动会的帽儿山滑雪场形成联合，已成为集运动训练、体育教学、科学研究、体育竞赛和体育旅游五位一体的高端全能雪场。不仅如此，这样的场馆还能对大学生冬季项目的训练、中小学生的课余体育活动提供最佳的平台，也能承担运动员的训练以及教练员、导滑员、雪场救护员的职业技术培训任务，将为滑雪场的选址与转型、百万青少年上冰雪等问题的解决打下基础。但目前，供需不平衡的现象还十分普遍，有124 个滑雪场并未在高校的30km 辐射范围内，而沈阳市东部高校的滑雪场空间分布呈现集中态势，且服务范围出现严重的交叉、重叠现象，反映滑雪场与高校的地理位置分布情况并非匹配，其建设力度仍显不足；哈尔滨市同样出现滑雪场集中分布的态势，在一个高校的30km 缓冲区中存在9 个滑雪场，冰雪人才培养的物质基础雄厚，但也可能产生资源浪费的情况，总的来说，滑雪场体育服务空间存在局部负荷过重、局部资源浪费的普遍问题。因此，适当加大高校缓冲区内的滑雪场馆建设，是削减冰雪人才缺口压力的重要举措，也是校企合作培养冰雪人才的可行性路径。