吉林省滑雪場空間分布格局研究＊

丁嵩雋，楊倩

（吉林建筑大學(xué)測繪與勘查工程學(xué)院，吉林 長春 130118）

0 引言

測繪作為一種重要的傳統(tǒng)技術(shù)，常常用于工程、水利、交通及城市建設(shè)方面的測量。隨著科學(xué)技術(shù)的發(fā)展，出現(xiàn)了以RS（遙感技術(shù)）和GIS（地理信息技術(shù)）為代表的新型測繪技術(shù)，與傳統(tǒng)測繪不同的是，這些新型測繪技術(shù)經(jīng)常用于空間分析，在分析現(xiàn)有空間格局的基礎(chǔ)上提出空間分布建議。例如，蘇熙［1］基于空間分析對(duì)高校圖書館的消防設(shè)施進(jìn)行評(píng)價(jià)；沈飛等［2］通過POI（信息點(diǎn)）數(shù)據(jù)分析蘇州市區(qū)小學(xué)空間分布特征和交通可達(dá)性。這些研究說明空間分析具有廣泛的應(yīng)用空間。

吉林省位于我國第二大積雪區(qū)，雪資源豐富，吉林省文化和旅游廳的數(shù)據(jù)顯示，2021—2022年雪季，吉林省共計(jì)接待旅游人數(shù)8 500 萬人次，通過冰雪旅游帶來的收入達(dá)到1 700 億元人民幣，為吉林省創(chuàng)造了巨大的經(jīng)濟(jì)效益，冰雪旅游成為具有廣闊投資前景的朝陽產(chǎn)業(yè)?；﹫鲎鳛楸┞糜喂┙o的空間載體，是冰雪產(chǎn)業(yè)的重要組成部分，因此研究滑雪場時(shí)空分布格局對(duì)合理開發(fā)利用吉林省冰雪旅游資源具有重要的指導(dǎo)意義。北京冬奧會(huì)的成功舉辦也引起學(xué)者們對(duì)滑雪場的研究，方泰等［3］采用ArcGIS工具研究山東省滑雪場的時(shí)空變化（2003—2018），并提出優(yōu)化措施；何曉雅等［4］基于我國滑雪場館資源的相關(guān)數(shù)據(jù)，結(jié)合問卷調(diào)查結(jié)果，分析我國滑雪場地的資源特征；唐佳梁［5］提出把黑龍江的冰雪旅游資源與當(dāng)?shù)氐奶厣幕嘟Y(jié)合，形成特色旅游小鎮(zhèn)，提高黑龍江冰雪旅游的吸引力和競爭力；趙程［6］使用層次分析法，結(jié)合積雪、氣溫、海拔、風(fēng)速等因素對(duì)1981—2020年我國滑雪場的時(shí)空特征進(jìn)行研究。總體而言，以上研究均是基于全國的大范圍研究，對(duì)吉林省滑雪場空間分布的研究較少。本文運(yùn)用GIS和RS技術(shù)，采用空間分析法及定性和定量相結(jié)合的方法，綜合考慮地形地貌、氣候、交通、人文經(jīng)濟(jì)等影響因素，對(duì)吉林省滑雪場空間分布進(jìn)行研究，為吉林省滑雪產(chǎn)業(yè)發(fā)展提供參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

吉林?。?28°38′～131°19′E，40°50′～46°19′N）位于我國東北地區(qū)中部，東西長769.62 km，南北寬606.57 km；北接黑龍江省，南臨遼寧省，西部與內(nèi)蒙古自治區(qū)相靠［7］，東部與俄羅斯和朝鮮接壤。吉林省共有1 個(gè)副省級(jí)城市（長春），7 個(gè)地級(jí)市，1 個(gè)少數(shù)民族自治州（延邊朝鮮族自治州），60 個(gè)區(qū)（縣、市）。截至2022年，全省常住人口約2 407.35 萬人，全省GDP約1.30萬億元。吉林省地勢差異明顯，整體地勢東高西低，海拔最高點(diǎn)是長白山的白云峰，高度為2 691 m。氣候方面，吉林省屬溫帶大陸性季風(fēng)氣候，冬季寒冷、夏季炎熱，平均年降水量為300～500 mm，全省冬季平均氣溫在-20～-14 ℃，冬季積雪期長，雪質(zhì)好，是全國冰雪資源最豐富的地區(qū)。吉林省的冰雪旅游格局總體上為“西冰”“中城”“東雪”［8］，即西部的松原市、白城市以蒙古族冬季的漁獵文化為特色，突出“冰”文化；中部的長春市、吉林市以城市滑雪場和冰雪文化節(jié)為特色，展示城市冰雪文化；東部的延邊州、通化市等主打森林雪資源和溫泉，突出“雪”特色。體育運(yùn)動(dòng)方面，1959年吉林市和哈爾濱市聯(lián)合舉辦了中國第一屆冬運(yùn)會(huì)；1999年長春市舉辦了第九屆冬運(yùn)會(huì)；2015年長白山國際度假區(qū)成為全國唯一的滑雪場國家級(jí)度假區(qū)。此外，每年一屆的凈月潭冰雪旅游節(jié)、霧凇冰雪節(jié)、查干湖的冬季捕魚、吉林市的霧凇、延邊不夜城（中國朝鮮族民俗園）、雪地摩托、狗拉雪橇等特色冰雪旅游項(xiàng)目，吸引著大量國內(nèi)外游客，經(jīng)濟(jì)效益可觀。

1.2 數(shù)據(jù)來源

1.2.1 POI數(shù)據(jù)

通過高德地圖和百度地圖對(duì)吉林省境內(nèi)滑雪場進(jìn)行坐標(biāo)拾取，根據(jù)本文需要的內(nèi)容，選取滑雪場名稱、地理位置、所在城市3 項(xiàng)POI 數(shù)據(jù)屬性作為研究對(duì)象。滑雪場內(nèi)的滑雪用品店、滑雪俱樂部和室內(nèi)滑雪場等場所不列入研究對(duì)象。

1.2.2 氣溫?cái)?shù)據(jù)

本文采用的氣溫?cái)?shù)據(jù)為1 km分辨率的逐月平均氣溫?cái)?shù)據(jù)集，空間分辨率為0.008 333 3°（約1 km），來自國家科技基礎(chǔ)條件平臺(tái)——國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http：//www.geodata.cn），氣溫分析數(shù)據(jù)選取自2009—2020年的冬季月平均氣溫（12月至次年2月）。

1.2.3 降水?dāng)?shù)據(jù)

本文采用的降水?dāng)?shù)據(jù)為1 km分辨率的逐月平均降水量數(shù)據(jù)集，空間分辨率為0.008 333 3°（約1 km），來自國家科技基礎(chǔ)條件平臺(tái)——國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http：//www.geodata.cn），水量分析數(shù)據(jù)選取自2009—2020年的冬季月平均降水量（12月至次年2月）。

1.2.4 DEM數(shù)據(jù)

本文采用的DEM（數(shù)字高程模型）數(shù)據(jù)精度為30 m，來自美國地質(zhì)勘探局（http：//glovis.usgs.gov/）。

1.2.5 其他數(shù)據(jù)

本文還采用了空間行政數(shù)據(jù)和道路矢量數(shù)據(jù)，其中空間行政數(shù)據(jù)（2019年）來自全國地理信息資源目錄服務(wù)系統(tǒng)（http：//www. webmap. cn/main. do?method=index），道路矢量數(shù)據(jù)（2022年）來自O(shè)pen Street Map（http：//openstreetmap.org）。

2 研究方法

本文的POI 數(shù)據(jù)來自高德地圖和百度地圖。首先，分別向高德地圖和百度地圖申請(qǐng)Web 服務(wù)API（應(yīng)用程序接口）下載，根據(jù)查詢需要下載POI 數(shù)據(jù)。為驗(yàn)證數(shù)據(jù)的精確性，使用第三方經(jīng)緯度查詢網(wǎng)站（https：//jingweidu.bmcx.com/）驗(yàn)證拾取的滑雪場坐標(biāo)，剔除不準(zhǔn)確的數(shù)據(jù)。其次，通過ArcGIS 軟件打開并展點(diǎn)經(jīng)過驗(yàn)證的數(shù)據(jù)，對(duì)其使用空間分析法進(jìn)行具體分析，采用最鄰近分析、全局莫蘭指數(shù)、核密度分析（KDE）等空間分析法研究吉林省滑雪場的空間分布格局。

2.1 最鄰近分析

集聚、離散、隨機(jī)是點(diǎn)要素在區(qū)域內(nèi)分布的3 種基本類型，可以通過最鄰近指數(shù)R判斷點(diǎn)要素的分布類型，R用點(diǎn)要素之間的實(shí)際平均距離除以理論上的平均最鄰近距離計(jì)算，計(jì)算公式如下：

其中：R為最鄰近指數(shù)，r是各要素間的實(shí)際最鄰近距離，rE為理論最鄰近距離，A為區(qū)域面積，m為要素的數(shù)量［9］。當(dāng)R＝1 時(shí)，說明要素是隨機(jī)分布類型；當(dāng)R＞1 時(shí)，說明要素為離散分布類型，R值越大，說明在區(qū)域內(nèi)的分布越均勻；當(dāng)R＜1 時(shí)，說明要素為集聚分布類型，R的數(shù)值越小，說明在區(qū)域內(nèi)的分布越集聚。

2.2 全局莫蘭指數(shù)

全局莫蘭指數(shù)是Patrick Alfred Pierce Moran 提出的一種用于判斷要素空間分布類型的方法，它是根據(jù)要素位置和要素值度量空間的自相關(guān)性判斷要素是集聚模式、離散模式還是隨機(jī)模式［10］?？梢酝ㄟ^計(jì)算莫蘭指數(shù)的Z值和P值判斷分布類型。Moran′sI＞0 表示要素關(guān)聯(lián)性強(qiáng)（集聚）；Moran′sI＜0 表示要素關(guān)聯(lián)性弱（離散）；當(dāng)Moran′sI＝0 時(shí)，要素為隨機(jī)分布。Z值用于判斷要素的空間分布類型，Z值越高，代表該要素的集聚程度越高，反之則越低；P值表示發(fā)生該分布類型的概率。

2.3 核密度分析

核密度分析可以將空間分布模式可視化，描述要素在區(qū)域內(nèi)的聚集程度［11］，它是通過計(jì)算要素在周邊區(qū)域的密度反映區(qū)域內(nèi)點(diǎn)要素聚集程度的工具，計(jì)算公式如下：

其中：F（x）為核密度估計(jì)值；k（*）為核函數(shù)；h為核密度估計(jì)的尺度；（x-xi）為估值點(diǎn)到觀測點(diǎn)xi的距離；n為范圍內(nèi)要素的數(shù)量。

3 吉林省滑雪場空間分布格局

3.1 滑雪場空間分布

根據(jù)高德地圖和百度地圖提取吉林省滑雪場POI 數(shù)據(jù)，并且對(duì)提取的POI 數(shù)據(jù)進(jìn)行檢驗(yàn)篩選，最終確定吉林省46 個(gè)滑雪場的位置信息，其空間分布如圖2所示，數(shù)量分布見表1。其中吉林市、延邊朝鮮族自治州、通化市、長春市和白山市的滑雪場數(shù)量分別為9、9、8、7和6個(gè)，對(duì)應(yīng)占比分別為19.6%、19.6%、17.4%、15.2%、13.0%；全省滑雪場數(shù)量最少的城市是四平市和松原市，均僅有1座滑雪場。

表1 吉林省滑雪場數(shù)量分布

圖2 核密度分析

圖2 吉林省滑雪場空間分布

3.2 最鄰近分析

經(jīng)最鄰近分析，測得吉林省滑雪場最鄰近點(diǎn)之間的平均距離r＝25.491 km，期望平均距離rE＝34.945 km，得到最鄰近指數(shù)R≈0.729＜1，且檢驗(yàn)值Z＝-3.510，P＝0.000 45＜0.01，通過了99%的置信度檢驗(yàn)，說明吉林省滑雪場在空間上呈現(xiàn)集聚分布且結(jié)果可信。

3.3 全局莫蘭指數(shù)分析

全局莫蘭指數(shù)也是一種用于判斷要素空間分布類型的工具，它可以用來驗(yàn)證最鄰近分析的準(zhǔn)確度。對(duì)吉林省滑雪場進(jìn)行莫蘭指數(shù)計(jì)算，得出莫蘭指數(shù)為0.227，Z＝1.726，P＝0.084，說明吉林省滑雪場的分布為集聚分布且通過了90%的置信度檢驗(yàn)，與最鄰近分析結(jié)果一致，證明其結(jié)果可信。

3.4 核密度分析

對(duì)吉林省滑雪場進(jìn)行核密度分析，結(jié)果見圖2。分析結(jié)果可見，吉林省滑雪場分布最明顯的地區(qū)主要有3 處，分別為長吉地區(qū)、長白山地區(qū)和延邊朝鮮族自治州，其中長吉地區(qū)共有14座滑雪場，滑雪場分布呈密集狀。此外，白城市、松原市、四平市滑雪場分布呈零星狀。

4 分布成因

4.1 地形地貌

吉林省地勢東部高西部低，東部為長白山山區(qū)，海拔較高；西部是平原地區(qū)，地勢平坦。對(duì)吉林省滑雪場進(jìn)行地形疊加分析后提取每個(gè)滑雪場的海拔高度求其平均值，結(jié)果見表3。由于滑雪運(yùn)動(dòng)是一種自高而低的速降運(yùn)動(dòng)，因此滑雪場為節(jié)約成本，一般選在地勢起伏較大的區(qū)域。長白山地區(qū)擁有天然的高海拔地勢，最高海拔可達(dá)2 691 m，適合建設(shè)大型滑雪場，故長白山地區(qū)成為滑雪場的一個(gè)集聚區(qū)；延邊朝鮮族自治州不僅海拔較高且擁有朝鮮族特色文化，因此也形成滑雪場集聚地；西部地區(qū)的松原市、白城市等地海拔最低，建設(shè)滑雪場需要人工堆坡，建設(shè)成本高，因此未能形成集聚地。

表3 滑雪場分布平均海拔

4.2 氣候因素

4.2.1 平均氣溫

對(duì)吉林省滑雪場進(jìn)行冬季（12月至次年2月）累年（2009—2020年）月平均氣溫疊加分析，提取每個(gè)滑雪場的氣溫（見表4）。經(jīng)分析可知，長春市、吉林市、延邊朝鮮族自治州、白山市、通化市的冬季月平均氣溫較低在-13 ℃左右，有利于積雪的保存，因此該地區(qū)成為滑雪場主要分布區(qū)；西部地區(qū)氣溫較高，比中部和東部地區(qū)高1 ℃左右，不利于積雪保存，因此滑雪場分布較少。

表4 冬季月份平均溫度

4.2.2 平均降水量

對(duì)吉林省滑雪場進(jìn)行冬季（12月至次年2月）累年（2009—2020年）月平均降水量疊加分析（見表5），可以看出冬季月平均降水量較大的前3 個(gè)城市為白山市、吉林市、通化市，根據(jù)氣溫—海拔變化規(guī)律，海拔越高溫度越低，水蒸氣在長白山地形的推動(dòng)下上升，遇到低溫形成降雪，又因高海拔的低溫形成積雪，因此該地區(qū)分布了眾多著名的滑雪場，如長白山萬達(dá)國際滑雪場、長白山魯能勝地滑雪場等；西部地區(qū)的城市降水最少，僅為3.6 mm，降水量不足以形成積雪，因此滑雪場分布不多。

表5 冬季月份平均降水

4.3 交通因素

交通設(shè)施在現(xiàn)代旅游產(chǎn)業(yè)中占據(jù)著重要地位，便捷的交通可使游客快速抵達(dá)旅游景區(qū)。吉林省交通運(yùn)輸廳公路管理處數(shù)據(jù)顯示，截至2022年，吉林省公路總里程為108 700 km，其中一級(jí)公路、二級(jí)公路、高速公路分別為844.9 km、128.5 km、4 315 km。以吉林省主要公路（國道和高速公路）為要素進(jìn)行交通分析，并與吉林省滑雪場空間分布圖疊加分析（如圖3所示）。分析結(jié)果表明，吉林省滑雪場主要圍繞G12琿（春）—烏（蘭浩特）高速、G212 沈（陽）—吉（林）高速和國道201 分布，總體上在長春市、吉林市和延邊朝鮮族自治州分布最密集，經(jīng)過計(jì)算，分布在吉林省主要公路20 km 緩沖區(qū)范圍內(nèi)的滑雪場數(shù)量占全省滑雪場總數(shù)的82.61%，說明吉林省滑雪場沿著主要交通路線聚集分布，交通路線是影響吉林省滑雪場空間分布的決定性因素。

圖3 交通分析

4.4 人文經(jīng)濟(jì)因素

滑雪是一項(xiàng)高消費(fèi)的運(yùn)動(dòng)項(xiàng)目，需要配置專業(yè)的滑雪場和購買運(yùn)動(dòng)器材，因此滑雪場的空間分布還需考慮經(jīng)濟(jì)發(fā)展水平。根據(jù)2022年吉林省GDP排名表（見表6），GDP排行前五的城市分別是長春市、吉林市、松原市、延邊朝鮮族自治州、通化市，這與滑雪場分布數(shù)量的排名基本相符，說明滑雪場的分布與經(jīng)濟(jì)發(fā)展水平息息相關(guān)，經(jīng)濟(jì)發(fā)展水平高的城市滑雪場數(shù)量更多。其中長春市和吉林市的經(jīng)濟(jì)體量和人口均居省內(nèi)前列，有較好的消費(fèi)能力，并且長春有專業(yè)的滑雪學(xué)校、俱樂部及體育學(xué)院，因此形成了滑雪場聚集區(qū)。而松原市經(jīng)濟(jì)發(fā)展水平雖在省內(nèi)較好，但由于受氣候制約，因此未能形成滑雪場集聚。

表6 吉林省GDP排名表

5 結(jié)論與建議

5.1 結(jié)論

（1）吉林省滑雪場總體上呈現(xiàn)東部稠密西部稀疏的分布狀態(tài)。分布最密集的地區(qū)有3 處，分別為長吉地區(qū)、長白山地區(qū)及延邊朝鮮族自治州。

（2）吉林省滑雪場分布受地形、氣候、交通和人文經(jīng)濟(jì)因素的影響。東部地區(qū)得益于海拔高、積雪多、交通狀況好、經(jīng)濟(jì)發(fā)展水平高等因素，滑雪場數(shù)量較多；西部地區(qū)由于地勢平坦、降雪量少、經(jīng)濟(jì)發(fā)展不好等因素，未能形成滑雪場集聚。

5.2 建議

（1）滑雪場分布密集區(qū)應(yīng)減少新建滑雪場。一方面可以避免惡意競爭，保證滑雪場健康運(yùn)營；另一方面也可以減少新建滑雪場對(duì)自然環(huán)境的破壞。

（2）經(jīng)濟(jì)發(fā)展水平高的城市可以適當(dāng)增加滑雪場數(shù)量。如松原市的經(jīng)濟(jì)在吉林省內(nèi)排名第三，消費(fèi)能力和滑雪需求較強(qiáng)，卻只有1 座滑雪場，且附近沒有滑雪場集聚，因此可以適當(dāng)增加滑雪場的數(shù)量。

（3）加強(qiáng)與旅游景區(qū)的聯(lián)系。長吉地區(qū)雖然是一個(gè)滑雪場的集聚區(qū)，但是距離長春較遠(yuǎn)，所以游客大多不會(huì)選擇去長吉地區(qū)滑雪，因此西部的松原、白城等城市的滑雪場應(yīng)該加強(qiáng)與當(dāng)?shù)芈糜尉皡^(qū)的聯(lián)系，突出本地的蒙古族特色文化，增強(qiáng)旅游吸引力。