吉林省滑雪場空間分布格局研究＊

丁嵩雋，楊倩

（吉林建筑大學測繪與勘查工程學院，吉林 長春 130118）

0 引言

測繪作為一種重要的傳統技術，常常用于工程、水利、交通及城市建設方面的測量。隨著科學技術的發展，出現了以RS（遙感技術）和GIS（地理信息技術）為代表的新型測繪技術，與傳統測繪不同的是，這些新型測繪技術經常用于空間分析，在分析現有空間格局的基礎上提出空間分布建議。例如，蘇熙［1］基于空間分析對高校圖書館的消防設施進行評價；沈飛等［2］通過POI（信息點）數據分析蘇州市區小學空間分布特征和交通可達性。這些研究說明空間分析具有廣泛的應用空間。

吉林省位于我國第二大積雪區，雪資源豐富，吉林省文化和旅游廳的數據顯示，2021—2022年雪季，吉林省共計接待旅游人數8 500 萬人次，通過冰雪旅游帶來的收入達到1 700 億元人民幣，為吉林省創造了巨大的經濟效益，冰雪旅游成為具有廣闊投資前景的朝陽產業?；﹫鲎鳛楸┞糜喂┙o的空間載體，是冰雪產業的重要組成部分，因此研究滑雪場時空分布格局對合理開發利用吉林省冰雪旅游資源具有重要的指導意義。北京冬奧會的成功舉辦也引起學者們對滑雪場的研究，方泰等［3］采用ArcGIS工具研究山東省滑雪場的時空變化（2003—2018），并提出優化措施；何曉雅等［4］基于我國滑雪場館資源的相關數據，結合問卷調查結果，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地的特色文化相結合，形成特色旅游小鎮，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，結合積雪、氣溫、海拔、風速等因素對1981—2020年我國滑雪場的時空特征進行研究?？傮w而言，以上研究均是基于全國的大范圍研究，對吉林省滑雪場空間分布的研究較少。本文運用GIS和RS技術，采用空間分析法及定性和定量相結合的方法，綜合考慮地形地貌、氣候、交通、人文經濟等影響因素，對吉林省滑雪場空間分布進行研究，為吉林省滑雪產業發展提供參考。

1 研究區概況與數據來源

1.1 研究區概況

吉林?。?28°38′～131°19′E，40°50′～46°19′N）位于我國東北地區中部，東西長769.62 km，南北寬606.57 km；北接黑龍江省，南臨遼寧省，西部與內蒙古自治區相靠［7］，東部與俄羅斯和朝鮮接壤。吉林省共有1 個副省級城市（長春），7 個地級市，1 個少數民族自治州（延邊朝鮮族自治州），60 個區（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，雪質好，是全國冰雪資源最豐富的地區。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。體育運動方面，1959年吉林市和哈爾濱市聯合舉辦了中國第一屆冬運會；1999年長春市舉辦了第九屆冬運會；2015年長白山國際度假區成為全國唯一的滑雪場國家級度假區。此外，每年一屆的凈月潭冰雪旅游節、霧凇冰雪節、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目，吸引著大量國內外游客，經濟效益可觀。

1.2 數據來源

1.2.1 POI數據

通過高德地圖和百度地圖對吉林省境內滑雪場進行坐標拾取，根據本文需要的內容，選取滑雪場名稱、地理位置、所在城市3 項POI 數據屬性作為研究對象?；﹫鰞鹊幕┯闷返?、滑雪俱樂部和室內滑雪場等場所不列入研究對象。

1.2.2 氣溫數據

本文采用的氣溫數據為1 km分辨率的逐月平均氣溫數據集，空間分辨率為0.008 333 3°（約1 km），來自國家科技基礎條件平臺——國家地球系統科學數據中心（http：//www.geodata.cn），氣溫分析數據選取自2009—2020年的冬季月平均氣溫（12月至次年2月）。

1.2.3 降水數據

本文采用的降水數據為1 km分辨率的逐月平均降水量數據集，空間分辨率為0.008 333 3°（約1 km），來自國家科技基礎條件平臺——國家地球系統科學數據中心（http：//www.geodata.cn），水量分析數據選取自2009—2020年的冬季月平均降水量（12月至次年2月）。

1.2.4 DEM數據

本文采用的DEM（數字高程模型）數據精度為30 m，來自美國地質勘探局（http：//glovis.usgs.gov/）。

1.2.5 其他數據

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

2 研究方法

本文的POI 數據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Web 服務API（應用程序接口）下載，根據查詢需要下載POI 數據。為驗證數據的精確性，使用第三方經緯度查詢網站（https：//jingweidu.bmcx.com/）驗證拾取的滑雪場坐標，剔除不準確的數據。其次，通過ArcGIS 軟件打開并展點經過驗證的數據，對其使用空間分析法進行具體分析，采用最鄰近分析、全局莫蘭指數、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、隨機是點要素在區域內分布的3 種基本類型，可以通過最鄰近指數R判斷點要素的分布類型，R用點要素之間的實際平均距離除以理論上的平均最鄰近距離計算，計算公式如下：

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

2.2 全局莫蘭指數

全局莫蘭指數是Patrick Alfred Pierce Moran 提出的一種用于判斷要素空間分布類型的方法，它是根據要素位置和要素值度量空間的自相關性判斷要素是集聚模式、離散模式還是隨機模式［10］?？梢酝ㄟ^計算莫蘭指數的Z值和P值判斷分布類型。Moran′sI＞0 表示要素關聯性強（集聚）；Moran′sI＜0 表示要素關聯性弱（離散）；當Moran′sI＝0 時，要素為隨機分布。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，描述要素在區域內的聚集程度［11］，它是通過計算要素在周邊區域的密度反映區域內點要素聚集程度的工具，計算公式如下：

其中：F（x）為核密度估計值；k（*）為核函數；h為核密度估計的尺度；（x-xi）為估值點到觀測點xi的距離；n為范圍內要素的數量。

3 吉林省滑雪場空間分布格局

3.1 滑雪場空間分布

根據高德地圖和百度地圖提取吉林省滑雪場POI 數據，并且對提取的POI 數據進行檢驗篩選，最終確定吉林省46 個滑雪場的位置信息，其空間分布如圖2所示，數量分布見表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量分別為9、9、8、7和6個，對應占比分別為19.6%、19.6%、17.4%、15.2%、13.0%；全省滑雪場數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

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

3.3 全局莫蘭指數分析

全局莫蘭指數也是一種用于判斷要素空間分布類型的工具，它可以用來驗證最鄰近分析的準確度。對吉林省滑雪場進行莫蘭指數計算，得出莫蘭指數為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，與最鄰近分析結果一致，證明其結果可信。

3.4 核密度分析

對吉林省滑雪場進行核密度分析，結果見圖2。分析結果可見，吉林省滑雪場分布最明顯的地區主要有3 處，分別為長吉地區、長白山地區和延邊朝鮮族自治州，其中長吉地區共有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，海拔較高；西部是平原地區，地勢平坦。對吉林省滑雪場進行地形疊加分析后提取每個滑雪場的海拔高度求其平均值，結果見表3。由于滑雪運動是一種自高而低的速降運動，因此滑雪場為節約成本，一般選在地勢起伏較大的區域。長白山地區擁有天然的高海拔地勢，最高海拔可達2 691 m，適合建設大型滑雪場，故長白山地區成為滑雪場的一個集聚區；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；西部地區的松原市、白城市等地海拔最低，建設滑雪場需要人工堆坡，建設成本高，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

對吉林省滑雪場進行冬季（12月至次年2月）累年（2009—2020年）月平均氣溫疊加分析，提取每個滑雪場的氣溫（見表4）。經分析可知，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，因此該地區成為滑雪場主要分布區；西部地區氣溫較高，比中部和東部地區高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

對吉林省滑雪場進行冬季（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 個城市為白山市、吉林市、通化市，根據氣溫—海拔變化規律，海拔越高溫度越低，水蒸氣在長白山地形的推動下上升，遇到低溫形成降雪，又因高海拔的低溫形成積雪，因此該地區分布了眾多著名的滑雪場，如長白山萬達國際滑雪場、長白山魯能勝地滑雪場等；西部地區的城市降水最少，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

交通設施在現代旅游產業中占據著重要地位，便捷的交通可使游客快速抵達旅游景區。吉林省交通運輸廳公路管理處數據顯示，截至2022年，吉林省公路總里程為108 700 km，其中一級公路、二級公路、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，經過計算，分布在吉林省主要公路20 km 緩沖區范圍內的滑雪場數量占全省滑雪場總數的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 人文經濟因素

滑雪是一項高消費的運動項目，需要配置專業的滑雪場和購買運動器材，因此滑雪場的空間分布還需考慮經濟發展水平。根據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，這與滑雪場分布數量的排名基本相符，說明滑雪場的分布與經濟發展水平息息相關，經濟發展水平高的城市滑雪場數量更多。其中長春市和吉林市的經濟體量和人口均居省內前列，有較好的消費能力，并且長春有專業的滑雪學校、俱樂部及體育學院，因此形成了滑雪場聚集區。而松原市經濟發展水平雖在省內較好，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 結論與建議

5.1 結論

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

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

5.2 建議

（1）滑雪場分布密集區應減少新建滑雪場。一方面可以避免惡意競爭，保證滑雪場健康運營；另一方面也可以減少新建滑雪場對自然環境的破壞。

（2）經濟發展水平高的城市可以適當增加滑雪場數量。如松原市的經濟在吉林省內排名第三，消費能力和滑雪需求較強，卻只有1 座滑雪場，且附近沒有滑雪場集聚，因此可以適當增加滑雪場的數量。

（3）加強與旅游景區的聯系。長吉地區雖然是一個滑雪場的集聚區，但是距離長春較遠，所以游客大多不會選擇去長吉地區滑雪，因此西部的松原、白城等城市的滑雪場應該加強與當地旅游景區的聯系，突出本地的蒙古族特色文化，增強旅游吸引力。