吉林省滑雪场空间分布格局研究＊

时间：2024-07-06

丁嵩隽，杨倩

（吉林建筑大学测绘与勘查工程学院，吉林长春 130118）

0 引言

测绘作为一种重要的传统技术，常常用于工程、水利、交通及城市建设方面的测量。随着科学技术的发展，出现了以RS（遥感技术）和GIS（地理信息技术）为代表的新型测绘技术，与传统测绘不同的是，这些新型测绘技术经常用于空间分析，在分析现有空间格局的基础上提出空间分布建议。例如，苏熙［1］基于空间分析对高校图书馆的消防设施进行评价；沈飞等［2］通过POI（信息点）数据分析苏州市区小学空间分布特征和交通可达性。这些研究说明空间分析具有广泛的应用空间。

吉林省位于我国第二大积雪区，雪资源丰富，吉林省文化和旅游厅的数据显示，2021—2022年雪季，吉林省共计接待旅游人数8 500 万人次，通过冰雪旅游带来的收入达到1 700 亿元人民币，为吉林省创造了巨大的经济效益，冰雪旅游成为具有广阔投资前景的朝阳产业。滑雪场作为冰雪旅游供给的空间载体，是冰雪产业的重要组成部分，因此研究滑雪场时空分布格局对合理开发利用吉林省冰雪旅游资源具有重要的指导意义。北京冬奥会的成功举办也引起学者们对滑雪场的研究，方泰等［3］采用ArcGIS工具研究山东省滑雪场的时空变化（2003—2018），并提出优化措施；何晓雅等［4］基于我国滑雪场馆资源的相关数据，结合问卷调查结果，分析我国滑雪场地的资源特征；唐佳梁［5］提出把黑龙江的冰雪旅游资源与当地的特色文化相结合，形成特色旅游小镇，提高黑龙江冰雪旅游的吸引力和竞争力；赵程［6］使用层次分析法，结合积雪、气温、海拔、风速等因素对1981—2020年我国滑雪场的时空特征进行研究。总体而言，以上研究均是基于全国的大范围研究，对吉林省滑雪场空间分布的研究较少。本文运用GIS和RS技术，采用空间分析法及定性和定量相结合的方法，综合考虑地形地貌、气候、交通、人文经济等影响因素，对吉林省滑雪场空间分布进行研究，为吉林省滑雪产业发展提供参考。

1 研究区概况与数据来源

1.1 研究区概况

吉林省（128°38′～131°19′E，40°50′～46°19′N）位于我国东北地区中部，东西长769.62 km，南北宽606.57 km；北接黑龙江省，南临辽宁省，西部与内蒙古自治区相靠［7］，东部与俄罗斯和朝鲜接壤。吉林省共有1 个副省级城市（长春），7 个地级市，1 个少数民族自治州（延边朝鲜族自治州），60 个区（县、市）。截至2022年，全省常住人口约2 407.35 万人，全省GDP约1.30万亿元。吉林省地势差异明显，整体地势东高西低，海拔最高点是长白山的白云峰，高度为2 691 m。气候方面，吉林省属温带大陆性季风气候，冬季寒冷、夏季炎热，平均年降水量为300～500 mm，全省冬季平均气温在-20～-14 ℃，冬季积雪期长，雪质好，是全国冰雪资源最丰富的地区。吉林省的冰雪旅游格局总体上为“西冰”“中城”“东雪”［8］，即西部的松原市、白城市以蒙古族冬季的渔猎文化为特色，突出“冰”文化；中部的长春市、吉林市以城市滑雪场和冰雪文化节为特色，展示城市冰雪文化；东部的延边州、通化市等主打森林雪资源和温泉，突出“雪”特色。体育运动方面，1959年吉林市和哈尔滨市联合举办了中国第一届冬运会；1999年长春市举办了第九届冬运会；2015年长白山国际度假区成为全国唯一的滑雪场国家级度假区。此外，每年一届的净月潭冰雪旅游节、雾凇冰雪节、查干湖的冬季捕鱼、吉林市的雾凇、延边不夜城（中国朝鲜族民俗园）、雪地摩托、狗拉雪橇等特色冰雪旅游项目，吸引着大量国内外游客，经济效益可观。

1.2 数据来源

1.2.1 POI数据

通过高德地图和百度地图对吉林省境内滑雪场进行坐标拾取，根据本文需要的内容，选取滑雪场名称、地理位置、所在城市3 项POI 数据属性作为研究对象。滑雪场内的滑雪用品店、滑雪俱乐部和室内滑雪场等场所不列入研究对象。

1.2.2 气温数据

本文采用的气温数据为1 km分辨率的逐月平均气温数据集，空间分辨率为0.008 333 3°（约1 km），来自国家科技基础条件平台——国家地球系统科学数据中心（http：//www.geodata.cn），气温分析数据选取自2009—2020年的冬季月平均气温（12月至次年2月）。

1.2.3 降水数据

本文采用的降水数据为1 km分辨率的逐月平均降水量数据集，空间分辨率为0.008 333 3°（约1 km），来自国家科技基础条件平台——国家地球系统科学数据中心（http：//www.geodata.cn），水量分析数据选取自2009—2020年的冬季月平均降水量（12月至次年2月）。

1.2.4 DEM数据

本文采用的DEM（数字高程模型）数据精度为30 m，来自美国地质勘探局（http：//glovis.usgs.gov/）。

1.2.5 其他数据

本文还采用了空间行政数据和道路矢量数据，其中空间行政数据（2019年）来自全国地理信息资源目录服务系统（http：//www. webmap. cn/main. do?method=index），道路矢量数据（2022年）来自Open Street Map（http：//openstreetmap.org）。

2 研究方法

本文的POI 数据来自高德地图和百度地图。首先，分别向高德地图和百度地图申请Web 服务API（应用程序接口）下载，根据查询需要下载POI 数据。为验证数据的精确性，使用第三方经纬度查询网站（https：//jingweidu.bmcx.com/）验证拾取的滑雪场坐标，剔除不准确的数据。其次，通过ArcGIS 软件打开并展点经过验证的数据，对其使用空间分析法进行具体分析，采用最邻近分析、全局莫兰指数、核密度分析（KDE）等空间分析法研究吉林省滑雪场的空间分布格局。

2.1 最邻近分析

集聚、离散、随机是点要素在区域内分布的3 种基本类型，可以通过最邻近指数R判断点要素的分布类型，R用点要素之间的实际平均距离除以理论上的平均最邻近距离计算，计算公式如下：

其中：R为最邻近指数，r是各要素间的实际最邻近距离，rE为理论最邻近距离，A为区域面积，m为要素的数量［9］。当R＝1 时，说明要素是随机分布类型；当R＞1 时，说明要素为离散分布类型，R值越大，说明在区域内的分布越均匀；当R＜1 时，说明要素为集聚分布类型，R的数值越小，说明在区域内的分布越集聚。

2.2 全局莫兰指数

全局莫兰指数是Patrick Alfred Pierce Moran 提出的一种用于判断要素空间分布类型的方法，它是根据要素位置和要素值度量空间的自相关性判断要素是集聚模式、离散模式还是随机模式［10］。可以通过计算莫兰指数的Z值和P值判断分布类型。Moran′sI＞0 表示要素关联性强（集聚）；Moran′sI＜0 表示要素关联性弱（离散）；当Moran′sI＝0 时，要素为随机分布。Z值用于判断要素的空间分布类型，Z值越高，代表该要素的集聚程度越高，反之则越低；P值表示发生该分布类型的概率。

2.3 核密度分析

核密度分析可以将空间分布模式可视化，描述要素在区域内的聚集程度［11］，它是通过计算要素在周边区域的密度反映区域内点要素聚集程度的工具，计算公式如下：

其中：F（x）为核密度估计值；k（*）为核函数；h为核密度估计的尺度；（x-xi）为估值点到观测点xi的距离；n为范围内要素的数量。

3 吉林省滑雪场空间分布格局

3.1 滑雪场空间分布

根据高德地图和百度地图提取吉林省滑雪场POI 数据，并且对提取的POI 数据进行检验筛选，最终确定吉林省46 个滑雪场的位置信息，其空间分布如图2所示，数量分布见表1。其中吉林市、延边朝鲜族自治州、通化市、长春市和白山市的滑雪场数量分别为9、9、8、7和6个，对应占比分别为19.6%、19.6%、17.4%、15.2%、13.0%；全省滑雪场数量最少的城市是四平市和松原市，均仅有1座滑雪场。

表1 吉林省滑雪场数量分布

图2 核密度分析

图2 吉林省滑雪场空间分布

3.2 最邻近分析

经最邻近分析，测得吉林省滑雪场最邻近点之间的平均距离r＝25.491 km，期望平均距离rE＝34.945 km，得到最邻近指数R≈0.729＜1，且检验值Z＝-3.510，P＝0.000 45＜0.01，通过了99%的置信度检验，说明吉林省滑雪场在空间上呈现集聚分布且结果可信。

3.3 全局莫兰指数分析

全局莫兰指数也是一种用于判断要素空间分布类型的工具，它可以用来验证最邻近分析的准确度。对吉林省滑雪场进行莫兰指数计算，得出莫兰指数为0.227，Z＝1.726，P＝0.084，说明吉林省滑雪场的分布为集聚分布且通过了90%的置信度检验，与最邻近分析结果一致，证明其结果可信。

3.4 核密度分析

对吉林省滑雪场进行核密度分析，结果见图2。分析结果可见，吉林省滑雪场分布最明显的地区主要有3 处，分别为长吉地区、长白山地区和延边朝鲜族自治州，其中长吉地区共有14座滑雪场，滑雪场分布呈密集状。此外，白城市、松原市、四平市滑雪场分布呈零星状。

4 分布成因

4.1 地形地貌

吉林省地势东部高西部低，东部为长白山山区，海拔较高；西部是平原地区，地势平坦。对吉林省滑雪场进行地形叠加分析后提取每个滑雪场的海拔高度求其平均值，结果见表3。由于滑雪运动是一种自高而低的速降运动，因此滑雪场为节约成本，一般选在地势起伏较大的区域。长白山地区拥有天然的高海拔地势，最高海拔可达2 691 m，适合建设大型滑雪场，故长白山地区成为滑雪场的一个集聚区；延边朝鲜族自治州不仅海拔较高且拥有朝鲜族特色文化，因此也形成滑雪场集聚地；西部地区的松原市、白城市等地海拔最低，建设滑雪场需要人工堆坡，建设成本高，因此未能形成集聚地。

表3 滑雪场分布平均海拔

4.2 气候因素

4.2.1 平均气温

对吉林省滑雪场进行冬季（12月至次年2月）累年（2009—2020年）月平均气温叠加分析，提取每个滑雪场的气温（见表4）。经分析可知，长春市、吉林市、延边朝鲜族自治州、白山市、通化市的冬季月平均气温较低在-13 ℃左右，有利于积雪的保存，因此该地区成为滑雪场主要分布区；西部地区气温较高，比中部和东部地区高1 ℃左右，不利于积雪保存，因此滑雪场分布较少。

表4 冬季月份平均温度

4.2.2 平均降水量

对吉林省滑雪场进行冬季（12月至次年2月）累年（2009—2020年）月平均降水量叠加分析（见表5），可以看出冬季月平均降水量较大的前3 个城市为白山市、吉林市、通化市，根据气温—海拔变化规律，海拔越高温度越低，水蒸气在长白山地形的推动下上升，遇到低温形成降雪，又因高海拔的低温形成积雪，因此该地区分布了众多著名的滑雪场，如长白山万达国际滑雪场、长白山鲁能胜地滑雪场等；西部地区的城市降水最少，仅为3.6 mm，降水量不足以形成积雪，因此滑雪场分布不多。

表5 冬季月份平均降水

4.3 交通因素

交通设施在现代旅游产业中占据着重要地位，便捷的交通可使游客快速抵达旅游景区。吉林省交通运输厅公路管理处数据显示，截至2022年，吉林省公路总里程为108 700 km，其中一级公路、二级公路、高速公路分别为844.9 km、128.5 km、4 315 km。以吉林省主要公路（国道和高速公路）为要素进行交通分析，并与吉林省滑雪场空间分布图叠加分析（如图3所示）。分析结果表明，吉林省滑雪场主要围绕G12珲（春）—乌（兰浩特）高速、G212 沈（阳）—吉（林）高速和国道201 分布，总体上在长春市、吉林市和延边朝鲜族自治州分布最密集，经过计算，分布在吉林省主要公路20 km 缓冲区范围内的滑雪场数量占全省滑雪场总数的82.61%，说明吉林省滑雪场沿着主要交通路线聚集分布，交通路线是影响吉林省滑雪场空间分布的决定性因素。

图3 交通分析

4.4 人文经济因素

滑雪是一项高消费的运动项目，需要配置专业的滑雪场和购买运动器材，因此滑雪场的空间分布还需考虑经济发展水平。根据2022年吉林省GDP排名表（见表6），GDP排行前五的城市分别是长春市、吉林市、松原市、延边朝鲜族自治州、通化市，这与滑雪场分布数量的排名基本相符，说明滑雪场的分布与经济发展水平息息相关，经济发展水平高的城市滑雪场数量更多。其中长春市和吉林市的经济体量和人口均居省内前列，有较好的消费能力，并且长春有专业的滑雪学校、俱乐部及体育学院，因此形成了滑雪场聚集区。而松原市经济发展水平虽在省内较好，但由于受气候制约，因此未能形成滑雪场集聚。

表6 吉林省GDP排名表