我国冰雪旅游产业的空间格局及其影响因素——以滑雪场为例

陈蓝 任思宇

(1.上海对外经贸大学会展与传播学院；2.上海对外经贸大学国际经贸学院 上海 201620)

冰雪旅游是将冰雪气候旅游资源作为最主要的旅游吸引物，以体验涉及冰雪文化内涵的所有旅游活动的总称。滑雪旅游是冰雪旅游的主要形式及供给的重要支柱之一，是一种以滑雪场为主要空间载体，依托各类冰雪资源，融旅游观光、竞技运动、休闲度假等功能为一体的新兴专项旅游形式。

受市场需求和政策引导的双重作用，中国冰雪运动和产业进入快速发展的窗口期。自2015年成功申办北京冬奥会，为全面助力我国北京冬奥会的举办，国家相关部门颁布了一系列政策，涵盖滑雪旅游全产业链，如滑雪场地建设(《全国冰雪场地设施建设规划(2016—2022年)》)、滑雪参与普及(《群众冬季运动推广普及计划(2016—2020年)》)及滑雪装备产业发展(《黑龙江冰雪装备产业发展规划(2017—2022年)》)等。旨在以北京冬奥会为契机提高全民参与冰雪运动的意识，完善冰雪旅游产业链，进而大力推动我国冰雪旅游跨越式发展。

滑雪旅游作为冰雪旅游中参与度最高、普及率最高的旅游形式之一，滑雪场作为滑雪旅游供给的空间载体和冰雪旅游赖以生存的重要依托，受到广泛关注。国外学者对滑雪场的研究主要从两个方面出发，一是从消费者的角度研究其动机、忠诚度和满意度等；二是关注滑雪场本身的管理、营销等。国内对于滑雪场地的研究主要从微观、中观和宏观三个层面出发，一是针对滑雪消费者展开研究，如感知与行为之间的关系；二是滑雪产业，对滑雪场和相关配套产业的经营管理进行研究；三是国家相关政策，围绕如何刺激市场和政策引导推动滑雪旅游发展。

综上所述，本文以截至2022年12月底获取的760家滑雪场为研究对象，运用ArcGIS软件、SPSS软件等分析中国滑雪场的空间分布格局和特征，结合多元回归模型进一步探讨中国滑雪场空间分布的影响因素，以期为未来中国滑雪场的空间规划、布局管理等提供一定的参考价值。

1 数据来源

中国滑雪场POI数据：借助EasyPoi高德地图版和网络爬虫技术，以“滑雪场”“滑雪馆”“滑雪俱乐部”为关键词获取中国各省份滑雪场(不包含港澳台地区)的名称和地址信息，将正在营业中、暂停营业、修建中的滑雪场都纳入其中，共获取760个滑雪场的信息。利用高德地图API将地址信息转换成经纬度，形成全国滑雪场名称和经纬度名录，并与《中国滑雪产业发展报告(2020—2022)》《2020—2021年中国冰雪旅游发展现状与展望》《中国滑雪旅游产业发展现状与趋势》等公布的名单数量进行核对筛选，形成截至2022年12月底的滑雪场点类矢量数据库。

各省平均气温、旅游景区、政策、县级市、经济、人口、交通等数据来源于各省统计年鉴、中国旅游统计年鉴、中国和文化旅游统计年鉴、国家体育总局等。

2 中国滑雪场的空间分布特征

2.1 中国滑雪场空间分布类型

中国滑雪场主要分布在东北、华北和西北地区，位于秦岭-淮河以北地区，南方地区数量较少且分散。东北和西北地区具有得天独厚的自然优势，主要类型为室外滑雪场，其中，黑龙江、吉林、辽宁和新疆的滑雪场数量约为236家，占全国总量的31.05%；华北、华东地区由于经济条件较好，为满足市场需求而大量兴建室内滑雪场，同时受2022年冬奥会的影响，华北地区滑雪场数量持续上升，约为184家，占全国总量的24.21%；西南地区、中部地区及东南地区由于经济条件、气候条件及市场需求等综合影响，滑雪场数量仅占15.39%。

2.2 中国滑雪场空间分布均衡性

对所获得的数据分别计算地理集中指数和不均衡指数。由于2019年之后受疫情影响滑雪场的发展趋势严重受阻，因此，本研究选取2015—2019年中国各省份滑雪场数据进行计算，分别得到地理集中指数G和G0。其中G0是假设全国760家滑雪场均匀分布在全国31个省、市、自治区(不包含港澳台地区)。每个省份的滑雪场数量由2015年的19.59家上涨为2019年的26.55家，五年间保持上涨；G为计算的实际地理集中指数，2015—2019年G>G0，总体上呈现出集中的特征，但G与G0之间差额逐年减少，从2015年的10.11下降到2019年的0.02，五年间中国滑雪场空间分布虽仍保持集中，但集中程度明显降低(见表1)。

表1 2015—2019年中国滑雪场空间分布的地理集中指数

表2 2015—2019年中国滑雪场空间分布的不均衡指数

根据省份计算2015—2019年中国滑雪场的不均衡指数发现，五年均在0.5以上，而且由2015年的0.605降至2019年的0.534，总体上中国滑雪场数量分布不均衡，不均衡程度有所下降，这与地理集中指数所反映的现象基本一致。

产生不均衡和地理集中的原因可归纳为三个方面：一是冰雪资源分布具有地域性和不均衡性，中国冰雪旅游资源由于受气候和地形影响主要分布在北方地区，尤其是东北和西北地区；二是经济条件，随着生活水平和国民消费水平的不断提高，大众对于冰雪旅游的需求日益扩大，但由于时间、交通等条件的限制，只能就近满足需求，因此政府和相关企业为满足市场和大众需求，规划建设滑雪场，并利用较好的经济条件助推室内滑雪场的规划建设，主要表现在华东地区，尤其是江浙沪地区；三是2022年冬奥会的拉动作用，2022年冬奥会的成功申办及近七年的奥运准备期不仅增强了周边群众参与冰雪旅游的意识，同时还带动了相关冰雪产业快速发展，主要表现在华北地区，如河北、北京等。

2.3 空间分布密度

对全国760家滑雪场进行核密度分析显示，我国滑雪场空间分布整体上已形成两个高密度区、三个次级密度区。两个高密度区分别是黑、吉、辽高密度区，以黑龙江和吉林交接处为核心向四周扩散，主要包含哈尔滨、长春等地，其冰雪产业发展成熟，已具有一定的品牌知名度；京津冀高密度区，以北京为中心，包括张家口、天津等地，以2022年冬奥会为契机发展出一批高质量、高规格的新兴滑雪度假区。

三个次级密度区分别是晋鲁豫次级密度区，以山东为主，主要借助太行山脉的地形优势形成众多规模小、设施简单的观光新滑雪旅游体验区；新疆次级密度区，主要集中在新疆阿尔泰地区和乌鲁木齐地区，由于雪期长、雪质优、地形优越、落差大，深受专业滑雪爱好者追捧；四川次级密度区，主要集中在川西地区，积雪量多、山脉多，适合修建室外滑雪场，能够满足中部地区大众需求。

2.4 空间自相关分析

利用GeoDa进行中国滑雪场空间自相关分析得出，中国滑雪场的全局莫兰指数为0.354，表明中国滑雪场整体上空间自相关特征呈现正相关性，具有空间集聚特征(见图1)。

图1 中国滑雪场的全局莫兰指数

通过LISA聚类分析显示，高—高集聚情况主要集中在北方地区，尤其是华北和东北地区。而低-低集聚情况主要集中在南方地区，尤其是西南和中部地区，其他地区的自相关性不显著，造成这种聚类分布现象主要是因为冰雪自然条件的影响。

3 中国滑雪场空间分布的影响因素

3.1 影响因素选择

中国滑雪场的空间分布是自然因素、经济因素和社会因素等因素综合相互作用的结果。基于前人的研究，本文选取气温、经济、人口、旅游景区、交通、城市为潜在影响因素。以滑雪场数量为因变量，以6个潜在影响因素为自变量，进行Pearson相关性分析，并根据分析结果构建多元回归模型。

3.2 Pearson相关性分析

本文借助SPSS26.0软件对2022年31个省(市、区)滑雪场数量和相关影响因素进行Pearson相关性分析(见表3)，发现仅有气温、旅游景区、政策和城市通过显著性检验，而且都在1%的水平下显著，代表被解释变量与以上4个解释变量之间相关性较强，具体分析如下：

表3 Pearson相关性分析

3.2.1 气温因素

年平均气温与滑雪场数量呈现显著的负相关性，相关系数为-0.56，说明年平均气温越低的地区，滑雪场数量越多。年平均气温越低，降雪量和积雪量越大，越能满足滑雪场建设所需的冰雪资源，同时也能降低人工造雪的成本。

3.2.2 旅游景区数量

各省份的旅游景区数量与该省市的滑雪场数量在低于0.01的水平呈现显著相关性，相关性系数为0.214，表明旅游景区数量越多的省市，滑雪场的数量也越多。旅游景区数量多，说明该省市有较好的旅游资源和旅游市场，市场消费潜力大，交通往往也更加便利，因此经营滑雪场的困难程度相对较低，滑雪场的数量也越多。

3.2.3 相关政策扶持

相关政策出台的数量与滑雪场数量呈现显著的相关性，相关性系数为0.305，这说明相关政策的扶持能够很好地带动滑雪产业的发展，政策的出台彰显了国家对于滑雪产业的经济支持和政治支持，因而带动了滑雪产业的飞速发展。

3.2.4 城市因素

各省市的城市数量与滑雪场数量的相关性系数为0.406。城市数量多的省份，其发展水平和人口规模水平较高，为滑雪运动的发展提供了基础条件，因此依附于城市边缘兴建的滑雪场数量也较多。

3.3 多元回归分析

本文借助SPSS26.0软件对2020年31个省(市、区)的滑雪场数量和相关指标因素进行分析，得到德宾—沃森指数为1.897，说明样本之间存在较强的独立性，而且都在1%的水平下显著，代表被解释变量与各解释变量之间相关性较强；为避免共线性问题，进行VIF检验，得到VIF值均在5以下，表示变量间不存在共线性问题，总体满足多元回归分析要求。

多元回归分析结果表明，代表性滑雪场数量分布的方程模型的判定系数为0.571，调整后为0.560，DW为1.897，代表模型有较好的拟合性和解释力，自变量可解释因变量的57.1%。各影响因素中，影响程度的大小依次为年平均气温＞县级市数量＞旅游景区＞政策，标准化回归系数分别为-0.595、0.357、0.181、0.174，各因素均通过了5%的显著性检验，表示与滑雪场分布呈显著正相关(见表4)。

表4 多元回归分析结果

4 结语

4.1 中国滑雪场空间分布较为集中，处于不均衡状态

整体来说，中国滑雪场的地理集中程度和不均衡程度均较高，大部分滑雪场分布在我国的北方地区和西北地区，主要集中在黑龙江、吉林、新疆等。但在2015—2019年，这种集中程度和不均衡程度均有所下降。

4.2 中国滑雪场空间分布形成2个高密度区和3个次级密度区

两个高密度区分别是黑龙江和吉林交接处为核心的黑、吉、辽高密度区和以北京为核心的京津冀高密度区；三个次级密度区分别是以山东为主的晋鲁豫次级密度区、新疆次级密度区和四川次级密度区。整体来说，高密度区和次级密度区主要分布在我国东北地区、西北地区和华北地区。

4.3 中国滑雪场空间分布呈现空间正相关

中国滑雪场在空间上的自相关性呈现正相关，具有一定的集聚效应，同时高-高集聚区主要集中在我国北方地区，低-低集聚区主要集中在我国南方地区。

4.4 自然因素、社会因素共同影响滑雪场空间分布

平均气温、旅游景区、交通、城市因素对滑雪场的空间分布均存在较为明显的影响，影响程度大小依次为年平均气温＞县级市数量＞旅游景区＞政策。