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