中国积雪资源时空演变特征及其旅游开发关键区识别_刘志林.pdf

地 理 研 究GEOGRAPHICAL RESEARCH第42卷 第2期2023年2月Vol.42,No.2February,2023中国积雪资源时空演变特征及其旅游开发关键区识别刘志林1，王 磊1，丁银平2，角媛梅3，周司洋1，徐秋娥3，唐承财4（1.宁夏大学前沿交叉学院，中卫 755000；2.乐山师范学院旅游与地理科学学院，乐山 614000；3.云南师范大学地理学部，昆明 650500；4.北京第二外国语学院旅游科学学院，北京 100024）摘要：积雪资源深刻影响着滑雪旅游的发展与布局，刻画中国积雪资源时空特征，识别旅游开发关键区，对中国冰雪旅游高质量发展具有重要意义。本文通过Mann-Kendall突变检验、热点分析、重要-感知实绩分析（IPA）等方法刻画中国19792020年积雪资源时空演变特征，构建资源稳定性-旅游开发适宜性指标体系，识别中国滑雪旅游开发关键区。结果表明：中国积雪资源过去40年变化可划为3个阶段，19801995年（）积雪资源下降，19952010年（）增加，20102020年（）下降。在空间上，变化面积呈现-（33.2%）-（31.1%）-（29.3%）的特征；中国积雪资源在月尺度上，13月（）积雪资源基本维持稳定，310月（）显著下降，1012月（）恢复。在空间上，变化面积呈-（30.3%）-（28.3%）-（26.8%）的变化规律；中国境内滑雪旅游开发极关键区面积占比为4.90%、关键区为11.69%、一般区为31.57%、不关键区为25.73%、极不关键区为26.11%，总体来看中国境内85%的区域不适宜开发滑雪旅游活动，具体开发过程应该根据社会发展水平分时期进行；冬季（122月）最适宜开发滑雪旅游的省份为辽宁、吉林省，集中在长白山一带，积雪资源稳定，旅游开发条件优越；积雪资源最好的省区为黑龙江、吉林、内蒙古、西藏、新疆、青海等。旅游开发条件最好的省份为北京、天津、广东、山东、上海、江苏、辽宁、河北、山西、安徽和湖北等；通过对滑雪旅游开发关键区季节分析，得出中国具备开发全季户外滑雪旅游的基础条件，华北、华东和华南等大都市圈具备在夏秋季开展室内冰雪旅游的市场条件。关键词：积雪资源；滑雪旅游；稳定性；开发适宜性；关键区DOI:10.11821/dlyj0202207521 引言冰雪旅游是以冰雪为主要旅游资源，融合运动、娱乐、观光、度假、购物的一种旅游活动1，其核心是冰雪资源，本质是旅游活动。积雪是冰雪资源的重要组成部分，是滑雪旅游的基础与核心载体。全球变暖背景下，中国积雪资源分布面积不断萎缩、稳定性持续下降2-4，对冰雪旅游可持续发展产生了重要影响5-7。2015年中国成功申办冬奥会，提出“三亿人上冰雪”的目标，开启了中国冰雪旅游发展的高潮。2016年，习近平总书记提出“冰天雪地也是金山银山”，这一关键论断为冰雪旅游未来的建设与开发指明了方向8。2022年中国成功举办冬奥会，实现了三亿人上冰雪的目标，推动了中国冰雪旅游收稿日期：2022-07-12；录用日期：2023-01-10基金项目：国家社会科学基金项目（20BJY202）；国家自然科学基金项目（42071199）作者简介：刘志林（1990-），男，宁夏吴忠人，博士，讲师，硕士生导师，主要研究方向为旅游地理学与景观生态学。E-mail:通讯作者：王磊（1981-），男，宁夏银川人，博士，教授，硕士生导师，主要研究方向为旅游管理与规划。E-mail:dukenxu.edu.on352-370页2期刘志林 等：中国积雪资源时空演变特征及其旅游开发关键区识别业的高速发展1,9。在全球变暖与申办冬奥会的背景下，厘清中国积雪资源的时空变化格局，识别旅游开发关键区，对中国冰雪旅游高质量发展具有重要的理论与现实意义。冰雪旅游包括冰川、滑雪、滑冰体验等旅游活动，是一项发展较为成熟、研究较为广泛的旅游项目1,10。冰雪旅游发展和成熟始于20世纪5060年代，以各个国家大规模建设滑雪场，开发旅游度假产品为主要标志1,11。学界对冰雪旅游的研究也在此阶段后快速发展，主要集中在冰雪旅游开发1、管理与可持续发展12,13、消费与社会经济14、气候与生态环境15,16等方向，研究范围由冰雪旅游开发、管理延伸到社会经济与生态环境方面。在研究方法上，主要有AHP17,18、DEA19、Chi-squared20、DID21、情感分析法22、PSM计量分析23、地理探测器和空间自相关等24，在定性定量的基础上开始向空间计算与分析转变。从区域来看，全球冰雪旅游主要集中在欧洲、北美和东亚3个区域10,25,26。但发展程度不一，欧美区的冰雪旅游开发时间早、资源好、经验丰富，具有独特的旅游文化与景观，成为世界冰雪旅游的中心1,10,11。东亚区的冰雪旅游业总体发展相对较弱，但韩国和日本凭借丰富的冰雪资源，结合前瞻性的旅游开发理念，打造出了高标准的冰雪度假旅游项目，取得了一定成绩10。2015年后伴随中国申奥成功，冰雪旅游业迎来了大发展，市场规模从2015年的1700.1亿元增长到2019年的约3859.5亿元，年平均增长率为 22.75%8。随之推动了中国冰雪旅游研究的快速发展，近 8 年来研究成果增长了385.7%。学者主要围绕冰雪旅游、冰雪产业18,27-29、冬奥会30,31、冰雪运动23,32和冰雪经济等方面进行深入研究32-34。但总体来看，中国冰雪旅游的理论研究落后于冰雪旅游发展现状，国家冰雪旅游的科学基础尚未形成，且缺少全国尺度上的冰雪资源与旅游开发关键区的识别与分析1,10,11,35。滑雪旅游对区域经济发展具有重要作用7,36。在中国成功举办冬奥会的社会背景下，滑雪旅游业迎来快速增长，国内滑雪场数量从2010年的270家急剧增加到2019年的770家37。从滑雪旅游的特征来看，其是一种严重依赖于积雪的旅游项目，且对气候变化极为敏感37,38。基于此学界开展了广泛研究，主要集中在：积雪变化对滑雪旅游适宜期的影响39,40、积雪条件与滑雪旅游盈利能力41、气候变化对滑雪旅游目的地影响42。滑雪旅游作为冰雪旅游的重要组成部分，积雪资源是其基本的物质与空间载体，但在全球气候变化背景下中国境内的积雪资源稳定性不断下降。2022年冬奥会成功举办，中国迎来了滑雪旅游业高速发展阶段，一方面是积雪资源稳定性不断下降，另一方面是滑雪旅游业快速发展的现实需求。因此学界迫切需要回答，全球气候变化背景下，中国境内的积雪资源如何变化？哪些区域适合发展滑雪旅游？以此来推动中国冰雪旅游业的高速发展。2 数据来源与研究方法2.1 数据来源及预处理数据主要包括积雪覆盖数据和旅游开发适宜性评价因子数据。其中19792020年积雪数据来自国家青藏高原科学数据中心。该数据集的原始数据来自美国国家冰雪数据中心（NSIDC）处理的 SMMR（19791987 年）、SSM/I（19872007 年）和 SSMI/S（20082020年）逐日被动微波亮温数据（EASE-Grid），空间分辨率为25 km，数据制备过程中基于大量的气象台站数据，进行积雪深度反演公式修正，提高反演精度43-45。此数据集目前被广泛应用于青藏高原、祁连山、古尔班通古特沙漠等区域与全国尺度研究 根据中国知网数据：2015年研究论文数为112篇，2022年16月为544篇。353地 理 研 究42卷中，通过实践证明具有较高的应用价值。旅游开发适宜性因子主要包括海拔、坡度、体感温度、人口密度、经济发展水平、城市辐射和交通。其中海拔和坡度数据来自地理空间数据云（http:/ 主要研究方法2.2.1 Mann-Kendall突变检验法Mann-Kendall突变检验法是世界气象组织推荐用于提取序列变化趋势的有效工具，目前已经被广泛用于众多学科研究中，其优点是不需要样本遵从一定的分布，也不受少数异常值的干扰，更适用于类型变量和顺序变量，计算也较为方便46,47。计算公式如下:对于具有n个样本量的时间序列x，构造秩序列：Sk=i=2kj=1i-1aij,k=2,3,n（1）aij=1,xixj0,xi xj1 j i（2）式中：秩序列Sk是i时刻数值大于j时刻数值个数的和，可知k=1时，S1=0。在时间序列随机独立的假定下，定义统计变量：UF=Sk-E()SkVar(Sk),k=2,3,n（3）式中：UFk为定义的统计量，UF1=0；E(Sk)和 Var(Sk)是累计数 Sk的均值和方差，在 x1,x2,xn相互独立且有相同连续分布时，可通过以下公式进行计算：|E()Sk=k()k+14Var()Sk=k()k-1()2k+572（4）UF通过时间序列x1,x2,xn的顺序计算其统计量，UB通过时间序列x的逆序计算。给定显著水平=0.05，查得临界值为1.96。若|UF|1.96，则表明序列存在显著的变化趋势。若UF0，表明序列呈现上升趋势，UF0表明呈下降趋势，UF=0表明无变化趋势。若UF1.96，则序列有显著上升趋势；UF-1.96，则序列有显著下降趋势。若UF与UB在临界值之间出现交点则交点对应的时刻为突变开始时间。2.2.2 热点分析法热点分析可以识别要素在空间上的变化特征，计算公式如下：H=j=1twijxj-Xj=1twij|tj=1tw2ij-|j=1twij2()t-1s（5）式中X的计算公式如下：X=j=1txjt（6）式中S的计算公式如下：3542期刘志林 等：中国积雪资源时空演变特征及其旅游开发关键区识别S=j=1tx2jt-()X2（7）式中：xj是网格单元j的属性值；wij表示网格之间的空间权重，其中相邻取1，否则为0；t为网格数量；X为均值；S为标准差；H为统计结果的Z值。3 结果分析3.1 19802020年积雪资源的时空变化特征3.1.1 时间演化特征分别绘制19802020年中国积雪资源空间分布特征图，并进行月尺度和年尺度M-K突变分析（图1）。从空间特征来看，中国积雪资源集中分布在东北的图119802020年中国积雪资源空间分布特征Fig.1 Spatial distribution characteristics of snow cover resource in China from 1980 to 2020注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)3183号）绘制，底图边界无修改。355地 理 研 究42卷黑龙江和吉林（多年平均雪深4.31 mm和2.51 mm）、西北的新疆（1.34 mm）和青藏高原的西藏（1.42 mm）。在年尺度上，通过M-K分析可以将过去40年分为3个阶段（表1）：第阶段为19801995年，其UF0，表明此阶段主要以积雪下降为主，1995年冰雪覆盖面积相对1980年下降了32.7%，雪深下降了20.7%；第阶段为19952010年，其UF值由0转向0，表明此阶段积雪以增加趋势为主，到2010年中国境内的积雪面积在1995年基础上增加了73.7%，雪深增加了23.5%；第阶段为20102020年，其UF值由0转向0，表明此阶段积雪呈萎缩趋势，2020年相对2010年中国积雪覆盖面积萎缩了52.0%，雪深下降了5.9%。总体而言过去40年，中国积雪资源变化特征呈a0的三次函数，即在19801995年为下降趋势，19952010年呈增加态势，20102020年为再次下降趋势。月尺度上也可以划分为3个阶段：第阶段为13月，此阶段内UF值0，在积雪面积上呈微幅波动下降，3月相对1月覆盖面积仅减少了0.32%，但在雪深上呈持续增加趋势，12月增加了44.6%，23月再次增加1.1%；第阶段为310月，UF-1.96，表明此阶段内积雪覆盖面积和雪深呈显著下降趋势，10月积雪面积相较3月份下降了97.5%，雪深减少了96.8%；第阶段为1012月，UF值由-1.96，向-1.96靠近，表明此阶段内积雪面积和雪深下降趋势有所减缓，呈恢复状态，12月份的积雪覆盖面积恢复到1月份的76.1%，雪深恢复到1月的48.3%。由上可知，在年尺度上积雪覆盖面积和雪深变化具有较高的一致性，但雪深变化幅度弱于面积，即雪深比面积更稳定，对外界的响应更弱；在月尺度上面积与雪深在312月变化趋势一致，且具有雪深变化幅度弱于面积的特征，但在13月雪深与面积不具有一致性，主要原因是13月黑龙江、吉林、新疆、西藏等地的均温低于0，具有积雪条件，造成雪深持续增加。3.1.2 空间分化特征通过两个尺度3个时段的空间计算，获得-、-和-阶段的积雪资源空间分化特征（图2、表2）。在年尺度上，各阶段的变化面积呈现-表1年和月尺度上积雪资源变化特征Tab.1 Variation characteristics of snow cover resource at annual and monthly scales尺度年月阶段时间段198019951995201020102020133101012积雪覆盖面积(km2)418674.32514126.05471480.433906345.14620331.001861119.79UF值0由0转向0由0转向00，波动变化-1.96由-1.96，向-1.96靠近变化特征下降增加下降稳定显著下降恢复表219802020年中国积雪资源空间变化特征与面积统计Tab.2 Spatial variation characteristics and area statistics of snow cover resource in China from 1980 to 2020尺度年月阶段-变化占比(%)33.231.129.326.828.330.3热区占比(%)37.847.241.350.755.655.3冷区占比(%)62.252.858.749.344.444.7变化特征下降下降下降稳定增加增加3562期刘志林 等：中国积雪资源时空演变特征及其旅游开发关键区识别（33.2%）-（31.1%）-（29.3%），表明-阶段中国积雪资源覆盖面积变化最剧烈，范围最广，-阶段变化幅度最小。主要原因是第时段内的2010年，降水量较常年多11.1%，东北和华北地区发生了40年一遇的冬春持续低温，新疆北部出现有气象记录以来最为严重的雪灾，低温和降水偏多，导致时段内积雪覆盖面积增加了图219802020年中国积雪资源的空间变化特征Fig.2 Spatial variation characteristics of snow cover resource in China from 1980 to 2020注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)3183号）绘制，底图边界无修改。357地 理 研 究42卷71.8%，雪深上升了12.6%，从而使-阶段的积雪资源发生了显著空间变异。从冷热区占比来说，3个时段都以冷区变化为主，占比分别为62.2%、52.8%和58.7%，说明和时段、和时段、和时段相比境内的积雪资源主要以下降趋势为主，即积雪覆盖面积和雪深呈的变化规律。具体来看，-阶段内，热区主要分布在中国东北，新疆北部，冷区分布在青藏高原。表明与第时段相比，第时段的积雪资源覆盖面积与雪深在东北与新疆北部显著增加，青藏高原显著下降。-阶段内，热区主要在东北平原、祁连山、新疆北部一带，冷区集中在青藏高原区域，反映出第时段与第时段相比，境内的东北平原、祁连山、新疆北部的积雪资源覆盖面积与深度呈增加趋势，青藏高原区域为减少趋势。-阶段，热区呈带状分布在东北平原-内蒙古高原，祁连山和喜马拉雅山一带，冷区呈块状分布于大兴安岭北部，准葛尔盆地东部，青藏高原中部区域，说明时段与时段相比，东北平原-内蒙古高原，祁连山和喜马拉雅山一带积雪资源覆盖面积更大，积雪更深，大兴安岭北部，准葛尔盆地东部，青藏高原中部区域的积雪覆盖面积更小，深度也更浅。在月尺度上，变化面积呈-（30.3%）-（28.3%）-（26.8%）的变化规律，说明-阶段中国积雪资源在空间上变化最大，-阶段空间变化最弱。主要原因是时段（1012月）到时段（13月）处于积雪不断累积过程，因此其面积和深度持续增加，故在空间上变化较大。而-和-阶段中，时段（310月）处于积雪持续萎缩的阶段，积雪分布范围进一步收缩，变化范围较小。在冷热区上，-阶段，热区（50.7%）与冷区（49.3%）面积基本持平，表明与时段相比其积雪资源分布的区域基本一致。从空间来看，东北和新疆地区显著下降，青藏高原部分区域显著增加。主要原因是时段处于春夏季节，气温高，时段为冬季，气温低，因此在时段时东北和新疆地区积雪消融，从而使上述区域的积雪覆盖面积和厚度显著下降。但在青藏高原地区，由于海拔较高，气温低，部分区域形成了永久冰冻和积雪带，加之夏季风带来丰沛的水汽，使其降水较时段更多。综上，海拔和充沛的降水造成时段青藏高原部分区域积雪覆盖进一步增加；-阶段，主要以热区变化为主（55.6%），表明时段与时段相比，境内的积雪覆盖面积和厚度以增加为主。在空间上，大兴安岭、阿尔泰和天山、青藏高原西部区域的积雪资源呈萎缩态势，青藏高原中部，祁连山、华北和东北平原区域为增加趋势。主要原因是时段相比时段，气温更低，更有利于积雪资源形成和积累，导致时段境内积雪资源呈热区增加状态；-阶段也以热区增加为主（55.3%），说明时段与时段相比，境内积雪资源面积与雪深以增加趋势为主。在空间上，东北和新疆北部区域为显著下降，青藏高原区域为显著上升。主要原因是时段比时段均温低，更利于积雪资源形成与积累，导致东北和新疆北部的积雪资源分布面积与雪深优于时段。在青藏高原地区，由于海拔原因时段与时段的均温都小于0，根据季风降水规律时段的降水多于时段，因此在时段青藏高原地区的积雪覆盖范围更大。3.2 滑雪旅游开发关键区识别3.2.1 潜在开发关键区识别与空间分布特征滑雪旅游是依托积雪资源开展的一项特殊旅游活动，其核心是积雪资源。基于此，本文从资源的稳定性和开发适宜性两个维度，构建了滑雪旅游开发关键区的识别指标体系（表3）。一般来说，随社会发展与科技进步，会不断突破各个指标因子在空间上的限制。本文识别的为滑雪旅游潜在开发关键区，即未来一定时期内较为适宜发展滑雪旅游的区域，因此在具体指标计算中，不进行因子阈值限制。3582期刘志林 等：中国积雪资源时空演变特征及其旅游开发关键区识别积雪资源稳定性主要通过气温、降水、积雪覆盖时间和雪深等指标刻画（图3）。积雪是保障滑雪旅游活动开展的基础，一般而言，积雪资源越稳定越利于滑雪旅游开发。雪是水的不同相态，气温和降水是形成积雪的关键条件，气温越低、降水越大，越利于积雪的形成和存续，即资源越稳定。积雪覆盖时间越久、厚度越大，积雪资源也越稳定；开发适宜性主要通过海拔、坡度、体感温度、人口密度、经济发展水平（GDP）、城市辐射距离、交通等指标来刻画（图3）。滑雪旅游的主体是人（游客），舒适和可靠的安全性会给游客带来较好的体验。一般而言，海拔越高，氧气含量越低，开展旅游运动和活动的适宜越差。坡度越大，游客可达性越差，滑坡、雪崩等灾害易发性越高，越不适宜开发旅游活动。在冰雪区，体感温度越高，游客越舒适，更适宜开发旅游活动。商业旅游的本质是经济活动，充沛的客源市场是保证和维持旅游活动的关键。一般而言，人口密度越大，潜在游客市场越大，开发适宜性越高。经济发展水平越高，越利于开展滑雪旅游等高端旅游活动和运动。滑雪旅游开发地距城市越近，获取城市基础设施服务的可能越大，越适宜开发旅游活动。距离道路越近，游客越容易进入，可达性越高，适宜性也越好。对稳定性和适宜性指标进行归一化处理，分别进行叠加计算，获得中国滑雪旅游开发关键区分布（图 4）。从空间来看，极关键开发区面积占比为 4.90%、关键区为11.69%、一般区为31.57%、不关键区为25.73%、极不关键区为26.11%，总体来看中国境内85%的区域不适宜开发滑雪旅游活动，适宜开发的区域仅为15%。具体来看，极关键开发区主要分布在东北的大兴安岭、小兴安岭和长白山区，新疆的阿尔泰山和天山等地，青藏高原的唐古拉山、横断山和巴颜喀拉山一带。在省区上，黑龙江占比最大为39.29%、其次为内蒙古为30.97%，西藏和新疆占比也较大分别为12.22%和16.31%；关键区主要分布在东北平原、长白山区，准葛尔盆地外环和青藏高原腹地的巴颜喀拉山、大雪山、横断山、唐古拉山一带。在省区上，黑龙江、吉林、西藏和新疆分布面积最表3中国滑雪旅游开发关键区识别指标与数据Tab.3 Identification indicators and data of key areas of ski tourism development in China维度资源稳定性开发适宜性指标气温降水覆盖时间雪深海拔坡度体感温度人口密度经济城市辐射交通指标意义与计算依据固液临界点0，气温越低越利于积雪形成与积累雪是水的不同相态，降水越多越利于积雪形成积雪连续存在的时间越久越稳定积雪覆盖深度越大越稳定海拔越高越不利于运动与开展旅游活动坡度越大开展旅游活动的成本和危险系数越大越低，游客的舒适感越差人口越多，潜在市场越大滑雪旅游是高端消费旅游项目，经济水平越高，开发的适宜性越高距离城市越近，基础设施越完备，开发的适宜性越高距离道路越近，游客越容易到达数据多年均温多年平均降水积雪覆盖时间积雪覆盖深度DEM数据DEM数据气温和风速人口密度GDP数据城市点数据道路数据数据处理与制备以0 为分界点，归一化重分类归一化重分类提取逐日积雪覆盖数据，归一化重分类归一化重分类逆向归一化重分类坡度计算，归一化重分类体感通用公式正向归一化重分类正向归一化重分类欧式距离，归一化重分类欧式距离，归一化重分类指标来源3,8,103,4810-10,4848488,10,25,498,10,25,498,488,25,48,49359地 理 研 究42卷大，占比分别为21.19%、11.81%、15.65%和27.55%。综上黑龙江、内蒙古和新疆适宜开发滑雪旅游的面积最大。3.2.2 潜在开发关键区空间分布的季节特征为了识别不同季节滑雪旅游开发关键区，将指标进行季节化处理，分为春（35月）、夏（68月）、秋（911月）、冬（122月）4个季节。依据关键区的识别方法计算得到4个季节滑雪旅游开发关键区（图5）。从季节空间分布来看，冬春、夏秋季的空间分布趋势较为一致，其中冬春主要以资源稳定为主导，夏秋以旅游开发适宜性为主导。因此冬春季旅游开发的关键区主要分布在积雪资源较为稳定的东北、新疆和青藏高原地区，夏秋季关键区主要集中在旅游开发市场条件较好的京津冀、长三角、珠三角区域。在冬春季中国境内分布有优质的积雪资源，旅游开发关键区主要围绕积雪资源分布，在关键区计算中资源稳定性占主导。在夏秋季，中国境内积雪资源分布面积较小（大部分省区为0），在关键区计算中适宜性占主导。反映出冬春季中国适合开展以积雪资源分布为主的户外旅游活动，夏秋季适合开展以旅游市场为主的人工冰雪旅游活动。为进一步区分不同季节资源稳定和开发适宜性的变化特征，构建了稳定-适宜IPA矩图3中国滑雪旅游开发关键区识别因子Fig.3 Identification factors of key areas for ski tourism development in China注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)3183号）绘制，底图边界无修改。3602期刘志林 等：中国积雪资源时空演变特征及其旅游开发关键区识别阵，并计算各个省市区的值（图6）。总体来看，位于第四象限的省份数量最多，表明中国大部分区域适合旅游开发，具有较好的市场条件，但积雪资源稳定性较差，不具备开展户外滑雪旅游活动的核心条件；位于第一象限省区数量最少，仅在冬季出现，说明既适合旅游开发，又有稳定积雪资源的区域极少；位于第二象限内的省份有黑龙江、西藏、青海、新疆、吉林、内蒙古、四川等，表明这些区域具有较好的积雪资源分布，但旅游开发适宜性比较差，发展户外滑雪旅游需要克服一定阻力；位于第三象限的省区主要为甘肃、宁夏、陕西、贵州等，上述区域积雪资源稳定度和旅游开发适宜性均较低，说明这些省份既没有稳定的积雪资源，也无较好的旅游开发条件。综上发现：在季节特征上，冬春季关键区空间分布格局相似，主要受资源稳定性主导，夏秋季格局相似，主要受旅游开发适宜性影响；中国境内滑雪旅游业存在严重的资源与开发条件空间分布不匹配的特征，即积雪资源分布充沛的区域旅游开发条件差，旅游开发条件较好的区域，积雪资源稳定性不足；冬季最适宜开发滑雪旅游区域为辽宁、吉林长白山一带，积雪资源稳定，旅游开发条件优越；积雪资源最好的省份为黑龙江、吉林、内蒙古、西藏、新疆、青海等；旅游开发条件最好的省份为北京、天津、广东、山东、上海、江苏、辽宁、河北、山西、安徽和湖北等。3.2.3 不同时期潜在开发关键区空间分布与主要限制因子潜在开发关键区是积雪资源与旅游开发两个维度指标叠加计算的结果，即为因子最优组合。在最优组合中多数因子对滑雪旅游开发为正向，但也有少数是负向，是多数正向因子克服少数负向因子的结果。随气候变化，科技、社会等发展与进步，滑雪旅游旅游开发中的负向因子随之改变，克图4中国滑雪旅游开发关键区空间分布特征Fig.4 Spatial distribution characteristics of key areas of ski tourism development in China注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)3183号）绘制，底图边界无修改。361地 理 研 究42卷服的难易程度也随之变化，其中特定社会背景下无法克服的负向因子为限制因子，一般具有时间局限性。依据社会、科技、气候变化趋势及相关专家建议。文章对滑雪旅游开发关键区的限制因子进行了分析。如表4所示，以目前社会发展水平与滑雪旅游开发现状来看，主要限制开发因子为交通、坡度、海拔、体感温度和积雪资源。20202030年中国科技与社会发展水平还不足以克服滑雪旅游开发中交通、地形地貌、低温和积雪资源问题，因此这些因子会限制关键开发区分布。20302040年，随着中国基建技术快速发展，基础设施不断完善，交通因子对滑雪旅游开发的制约性会下降，但地形地貌、低温冻伤、积雪资源仍会制约其发展。20402050年随着滑雪产业发展和工程技术进步，坡度对旅游开发的制约性会下降，同时全球气候变暖与滑雪装备技术提升，低温对游客的影响也会进一步降低，但积雪资源与海拔仍是主要制约因子。2050年后轻量化供氧运动装备、成熟的造雪技术会突破海拔与积雪资源的限制，此阶段滑雪旅游开发关键区主要由两个维度多个因子最优组合决定，即多数因子最优的区域为关键开发区。根据限制因子，计算出各个阶段滑雪旅游开发关键区的空间分布特征与面积占比（图7）。20202030年内道路密度趋近0、坡度22、海拔3000 m、体感温度-8 的无积雪区域不具备开发滑雪旅游条件，将上述区域限制后形成此阶段开发关键区。如图7a所示，极关键区面积最小，以斑块点缀于吉林东南与新疆西北；20302040年坡度、图5中国滑雪旅游开发关键区季节变化特征Fig.5 Seasonal variation characteristics of key areas of ski tourism development in China注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)3183号）绘制，底图边界无修改。3622期刘志林 等：中国积雪资源时空演变特征及其旅游开发关键区识别海拔、体感温度、积雪资源是主要限制因子，将上述区域限制去除后形成本阶段开发关键区。如图7b所示，关键区面积较20202030年显著增加，在黑龙江北部由小斑块发展为连续片状，新疆西北部仍为分散的斑块；20402050年限制因子为积雪资源和海拔，在空间上对上述因子进行空间限制，形成此阶段关键开发区。如图7c所示，东北区域基本为关键区，且在空间上具有较好的连续性，新疆西北部的关键区进一步发育，相邻斑块开始连接；2050年后，现阶段的限制因子基本可以突破，其关键区为积雪资源与开发适应两个维度因子的最优组合。如图7d所示，形成东北、新疆西北、青藏东南、东部沿海都市圈4个关键区。4 讨论4.1 滑雪旅游开发关键区识别体系与结果本文研究结果显示中国境内85%的区域不适宜开发滑雪旅游活动，这与程志会等的图6中国滑雪旅游开发关键区资源稳定与开发适宜性矩阵分析Fig.6 Resource stability and development suitability matrix analysis in key areas of ski tourism development in China表4不同时期滑雪旅游开发关键区制约因子与阈值Tab.4 Restriction factors and thresholds of key areas of ski tourism development in different periods阶段20202030年20302040年20402050年2050年后限制因子交通+坡度+海拔+体感温度+积雪资源坡度+海拔+体感温度+积雪资源积雪资源+海拔-阈值道路密度趋近0；坡度22；海拔3000 m；体感温度-8；积雪深度趋近0 mm依据50,51,52363地 理 研 究42卷研究结论相似10。在省区尺度上，本文结果显示积雪资源最好的省份为黑龙江、吉林、内蒙古、西藏、新疆、青海等省份，这与程志会等10、王玲等11、徐淑梅等17的研究结论一致。旅游开发条件最好的省份为北京、天津、广东、山东、上海、江苏、辽宁、河北、山西、安徽和湖北等，这与窦文康等49、程志会等10、王玲等10的研究结论基本一致。说明本文构建的积雪资源稳定与旅游开发适宜性指标体系，识别结果具有较高的一致性和可靠性；在栅格尺度，本文识别的中国滑雪旅游开发关键区与程志会等10的结果高度一致，关键区（很适宜区）均在东北、新疆、青藏高原3个区域。同时在局地上，虞虎等4对青藏高原的冰雪旅游适宜区进行了识别，结果与本文高度一致，均集中在巴颜喀拉山、大雪山、横断山、唐古拉山一带。在关键区识别指标体系上，本文构建了积雪稳定与旅游开发适宜性两个维度。具体指标包括了气温、降水、积雪覆盖时间、积雪覆盖深度、海拔、坡度、体感温度、人口密度、经济、城市辐射、交通等11个指标。虞虎等研究使用了冰川资源禀赋、旅游资源组合度、生态脆弱性、旅游安全、气候适宜性、交通环境、城市支撑、配套设施及服务、客源规模等10个指标维度4，程志会等使用了冬季温度、雪线高程、积雪天数、森林覆盖率、景点数量、旅游接待人次和收入水平、人口密度和经济水平等8个指标10。从指标数量上来看本文与两项研究差异不大，从结构来看本文较两项研究更加侧重积雪资源稳定性的刻画。从实际情况来看，国内目前滑雪场多以人工造雪为主、自然积雪利用严重不足，缺乏像北欧、日本等高质量自然积雪雪场。所以在因子的选择上，本文突出积雪资源稳定性，主要使用气温、降水、积雪覆盖时间、积雪覆盖深度来综合刻画。其中气温、降水是人工造雪的关键指标也是自然积雪资源形成与存续的重要因子，积雪覆盖时间、积雪覆盖深度两个指标一方面可以反映当地自然积雪的状态，有助于开发优质自然积雪滑雪场地。另一方面也刻画了人工造雪条件，自然积雪越多、存续时间越久，表明此区域成雪条件越好。因此本文积雪资源稳定性指标体系不仅仅刻画了积雪条件，图7不同时期滑雪旅游开发关键区空间分布与面积占比Fig.7 Spatial distribution and area proportion of key ski tourism development areas in different periods注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2020)3183号）绘制，底图边界无修改。3642期刘志林 等：中国积雪资源时空演变特征及其旅游开发关键区识别还反映了人工造雪的条件。在理论上，本文以冰雪旅游基本概念为基础，从资源稳定与旅游开发适宜性两个维度出发进行关键区识别，结果证明本文构建的识别指标具有较好的可靠性。同时本文识别出了全国尺度上滑雪旅游开发适宜区，对中国冰雪旅游理论研究与国家冰雪旅游科学基础形成具有有益探索。但本文目前仅讨论了积雪资源与滑雪旅游关键开发区的问题，在资源上主要涉及覆盖面积较广、游客感知较强的积雪，但对冰川、河湖海冰等考虑还不足，在旅游上以较为流行、体验较强的滑雪旅游为主，而对冰川旅游、滑冰体验等形式的思考还不够全面。因此，进行多种冰雪资源集成与旅游开发研究是本文未来深入探讨的关键点。从尺度上来看，本文为全国尺度的宏观研究，主要目的是揭示积雪资源与滑雪旅游开发关键区在大尺度上空间分布格局，县域和场地尺度是本文下一步深化研究的主要方向。不同研究尺度对数据精度要求也不同，场地等微观尺度需要高精度数据来刻画，县域等中观尺度一般需要中精度数据，国家等宏观尺度通常采用低精度数据。在考量研究尺度与数据可获取性的基础上，本文使用25 km分辨率的中国雪深长时间序列数据集（19792020）。目前此数据被广泛应用于地理、水文、气候等研究领域，在研究尺度上被用于塔里木河、博斯腾湖、阿克苏河、祁连山、青藏高原等中观、宏观尺度研究。本文的研究范围为全国，面积要远远大于青藏高原、塔里木河等区域，因此使用此数据也更加合理。4.2 滑雪旅游季节性与全季滑雪旅游目前大部分研究认为滑雪旅游适合冬季开展10,11,25。本文在此基础上进行了拓展，识别了不同季节滑雪旅游开发的关键区。从结果来看，中国滑雪旅游在季节上主要分为两类：冬春、夏秋，冬春季主要由积雪资源稳定性主控，关键区分布在积雪资源丰沛的东北、新疆和青藏高原区。夏秋季主要受旅游开发适宜性影响，关键区位于青藏高原与新疆的永久积雪区，以及华北、华东和华南的大都市区。基于此结果，着重讨论两个问题：中国是否有条件开展全季滑雪旅游？华北、华东和华南的大都市区是否应该开展冰雪旅游？从本文的结果来看，中国境内各季节内开发滑雪旅游极关键区的面积分别为：冬季326649.48 km2、春季318729.23 km2、夏季78063.42 km2、秋季122629.42 km2。因此在理论上中国不同季节内均有比较适合开发滑雪旅游的关键区，换言之即使在夏秋季节内中国境内也分布有一定面积的积雪资源，具备开展户外滑雪旅游、运动条件。同时夏秋季中国境内积雪资源较为稀缺，反而更适合开展高端冰雪避暑度假、冰雪户外探险、冰雪运动等旅游活动。根据本文的结果，我们认为夏秋季应该在华北、华东和华南的大都市区适度开展室内人工冰雪旅游和运动。主要原因是华北、华东和华南有最好的旅游开发条件和游客市场，同时夏秋季全国的积雪资源相对稀缺，来自北方优质户外滑雪旅游地竞争力下降，即比较利益最小，因此夏秋季在上述区域开展室内人工积雪旅游活动具有较高的可行性。事实上目前在北京、上海、深圳、广州等大城市已建成多家室内滑雪场地，开展滑雪旅游活动，尤其是上海将建成全球最大的集体育、娱乐、休闲一体室内滑雪场。故在技术层面是可行的，在客源方面是有保障的。现阶段国内大多数滑雪场仍然以人工造雪为主，反映出中国滑雪旅游开发不足、多数滑雪场积雪资源不佳无法直接利用的现状。相反在北欧、日本等一些区域，除一些竞 新闻来源于https:/ 理 研 究42卷技型的赛道对积雪密度有要求，需进行人工补雪与造雪，其余区域多以利用自然积雪为主。中国东北与新疆部分区域全季降雪量基本可以达到北欧和日本的一些区域，但国内目前还未形成较好的自然积雪场地。因此未来一段时间滑雪旅游开发将主要围绕优质积雪资源，打造高质量滑雪场展开。从目前的研究来看，对冰雪旅游的季节性或者全季冰雪旅游的讨论还较少。本文以滑雪旅游为切入点，识别中国境内冬、夏、秋、春不同季节滑雪旅游开发的关键区，借此讨论中国境内是否有条件开展全季滑雪旅游和冰雪旅游。开阔、扩展了冰雪旅游和滑雪旅游只适合冬季的一般理论和认知。但本文目前仍停留在