EN中文

Arid Land Geography >

2025 , Vol. 48 >Issue 6: 1080 - 1088

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.526

Territory Resources and Tourism Geography

Research on the spatial differentiation pattern and driving factors of Chinese ski resorts from a multi-scale perspective

  • Peipei WANG ,
  • Jiao WANG ,
  • Yongmei CAI
Expand
  • School of Information Management, Xinjiang University of Finance and Economics, Urumqi 830000, Xinjiang, China

Received date: 2024-09-03

  Revised date: 2024-12-03

  Online published: 2026-03-11

Fold

Abstract

This study examines the spatial distribution patterns of 899 ski resorts across China from a multi-scale perspective, integrating national natural geographical zones and provincial regions. Using spatial analysis techniques including the Voronoi coefficient of variation, kernel density estimation, and geographic detector models, we investigated both the spatial differentiation characteristics and driving factors of Chinese ski resort distribution. Our analysis revealed three key findings: (1) Regional distribution pattern: China’s ski resorts exhibit a distinct “dense in the north, sparse in the south, more in the east, less in the west” spatial configuration. The primary concentrations appear in north China, northeast China, east China, and northwest China. (2) Spatial agglomeration structure: A “one core, three areas, multiple facets” pattern emerges at the national scale. High-density areas are predominantly concentrated in northeast China (Heilongjiang and Jilin Provinces), north China (Beijing City, Hebei Province), and northwest China (Xinjiang Uygur Autonomous Region, Shaanxi Province). By contrast, central, south china, and southwest China show a sparse distribution of ski resorts. (3) Hierarchical driving factors: The determinants of ski resort spatial differentiation rank as follows: Natural environment>transport capacity>socio-economic development>tourism development level. Significant interaction exists among these factors, primarily through dual-factor enhancement mechanisms, demonstrating that both environmental and socioeconomic variables jointly shape spatial distribution. Based on these findings, we recommend leveraging spatial agglomeration advantages, implementing regionally differentiated development strategies, and strengthening infrastructure to promote high-quality development of China’s winter sports economy.

Key words： multi-scale; ski field; spatial pattern; geographic detector; driving factors

Cite this article

Peipei WANG , Jiao WANG , Yongmei CAI . Research on the spatial differentiation pattern and driving factors of Chinese ski resorts from a multi-scale perspective[J]. Arid Land Geography, 2025 , 48(6) : 1080 -1088 . DOI: 10.12118/j.issn.1000-6060.2024.526

“冬奥效应”助推下，“冰天雪地也是金山银山”理念为冰雪资源优势转化成经济竞争优势指明了方向。根据《2024中国冰雪产业发展研究报告》，2015—2023年我国冰雪产业规模从0.27×1012元增长至0.89×1012元，预计2025年将达到1×1012元。滑雪场作为冰雪经济的重要载体，不仅为冰雪运动提供核心场所，更是冰雪旅游文化活动的首选，2023年全国滑雪场数量较去年同期增长6.74%，已经成为推动冰雪产业发展和地方经济增长的关键引擎。因此，探索我国滑雪场空间分异规律，对于因地制宜合理布局冰雪产业，推动冰雪运动、冰雪文化、冰雪装备、冰雪旅游形成规模化的全产业链格局至关重要。
当前国内外学者关于滑雪场研究的侧重点各有不同。国外研究倾向于将滑雪场融入滑雪产业或滑雪旅游度假村等经济概念中，一方面，关注气候变化（雪期缩短、雪量降低等）对滑雪产业的影响及滑雪场所应该采取的应对措施[1-3]。另一方面，关注滑雪旅游度假村的优缺点分析[4]，建立滑雪场决策树模型并提出相应宣传策略[5]，评估商业智能应用对滑雪场提升的影响[6]。国内研究过去更多倾向于从体育、经济、管理等角度对我国冰雪产业发展的现状、影响因素及其发展路径进行相关分析[7-12]；同时，在数字经济时代的影响下，有相关学者对数字经济赋能冰雪产业发展的内涵以及实现路径进行了相关探讨[13-15]；此外，也有相关学者从旅游角度对滑雪场可达性及市场测度、网络关注度、空间活力评价等方面进行研究[16-18]。随着近年来冰雪旅游的兴起，地学界开始逐渐关注滑雪场空间格局分布及其驱动因素研究。一方面，从研究尺度上看，由于目前地学领域对滑雪场研究正处于起步阶段，仅有的少数相关文献基本上都是从全国尺度[19-20]、局部地区[21-23]或个别省（自治区、直辖市）[24]等单一尺度进行滑雪场空间格局研究，忽略了不同尺度效应下滑雪场空间分布差异，更重要的是，尚未有研究考虑到我国不同自然地理分区对于滑雪场这一传统资源密集型产业格局分布的影响。另一方面，尽管已有部分研究应用了层次分析法[25]、结构方程模型[26]、地理探测器[27]等方法对驱动因素进行分析，但通常选择若干单个指标并未形成指标体系，且很少考虑到将旅游业发展水平对于新兴需求型滑雪场的影响，将其纳入指标体系研究。
综上所述，本文基于POI数据，以全国899个滑雪场为研究对象，运用Voronoi空间统计、核密度分析等方法，对全国、七大自然地理分区、各省（自治区、直辖市）等不同尺度效应下的空间分异格局进行比较分析，构建了滑雪场综合评价指标体系，并通过地理探测器分析了驱动因素的重要性程度及其交互效应。希冀探求多尺度视域下我国滑雪场空间分异规律，为统筹区域滑雪场资源，优化滑雪场的空间配置，提升区域冰雪旅游协同发展水平等提供科学基础，为打造中国冰雪旅游新发展极的战略与政策制定提供科学参考。

1 数据与方法

1.1 数据来源

本文借助高德地图API接口，通过网络爬虫获取经纬度数据，获取中国31个省（自治区、直辖市）滑雪场（不包含港澳台地区）的名称和地址信息，并与体育总局公布的滑雪场名单数量进行筛选核对，经过去重、清洗、比对后形成899个滑雪场点类矢量数据库。将其导入ArcGIS软件中进行可视化，生成中国滑雪场分布图。同时，本文选取的自然因素、旅游发展、社会经济、交通运输等影响因素的相关数据，其中自然数据来源于地理空间数据云、中国科学院资源环境科学与数据中心，旅游发展数据来源于中华人民共和国文化和旅游部网站，其余数据来源于2023年各省（自治区、直辖市）国民经济和社会发展统计公报、中国及各省（自治区、直辖市）统计年鉴、国家体育总局等。

1.2 研究方法

1.2.1 Voronoi多边形的面积变异系数

Voronoi多边形的面积变异系数是一种衡量空间分布均匀性的统计指标。采用测算泰森多边形面积变异系数的方法可以有效对最邻近指数进行检验。泰森多边形的面积是多变的，主要受随机点集空间分布的影响而改变，故多用变异系数来对多边形的面积改变程度进行量化，从而对研究样本的空间分布进行表示[28]。计算公式表示为：
R = ∑ S i - S 2 n ， i = 1,2 , ⋯ , n
C v = R S
式中：R为标准差； S i为第i个多边形的面积；S为多边形面积的平均值；n为多边形面积的个数； C v为多边形面积变异系数。学者们在研究发展日益完善的过程中，针对 C v值进行了分类，在随机分布背景下，当0.33≤ C v≤0.64时，点集表现为随机分布；当 C v>0.64时，点集表现为集中分布；当 C v<0.33时，点集表现为均匀分布。

1.2.2 核密度分析

核密度分析法能够体现出离散样本在连续区域的整体分布情况[29]。本文通过计算全国滑雪场在相邻区域的密度，直观地反映全国滑雪场空间分布状况，得出全国滑雪场的空间分布规律。公式通常表示：
f S = 1 n h ∑ i = 1 n k S - S i h
式中：h为带宽，决定了核函数的覆盖范围；n为样本点的总数；k为空间权重函数； S - S i为估值点S到样本 S i的距离。核密度估计结果主要取决于空间权重、带宽以及空间权重函数，其中带宽最为重要。

1.2.3 地理探测器

地理探测器主要的部分是因子探测与交互探测，因子探测可以识别出空间分异现象的内部驱动因子，交互探测可以在影响因素较多时，将影响因子交互分析从而得出综合影响结果。地理探测器可以在不预设过多假设的情况下分析空间分异现象的内部驱动因素，近年来被用于社会、经济、自然等问题的研究[30]。本文利用因子探测检验我国899个滑雪场空间分布的影响因素，同时探析各类因素对空间布局的交互影响作用。

2 结果与分析

2.1 不同尺度下中国滑雪场空间格局分析

2.1.1 空间分布特征

为全面了解不同尺度下滑雪场空间分异特征及其规律，分析滑雪场的空间集聚和分散情况，得到中国滑雪场空间分布特征图（图1）。依据中国七大自然地理区划，将滑雪场的空间分布情况划分为华东地区、华北地区、华中地区、华南地区、西南地区、西北地区和东北地区。整体上中国滑雪场空间分布呈现出“北密南疏、东多西少”的特征，且主要集中分布在秦岭-淮河以北地区。从自然地理分区尺度来看，我国滑雪场分布比例从大到小依次为华北地区>东北地区>华东地区>西北地区>华中地区>西南地区>华南地区，占比依次是31.85%、21.77%、16.50%、15.27%、7.26%、5.62%、1.73%。全国近85%的滑雪场分布在华北地区、东北地区、华东地区、西北地区，长江以南地区滑雪场分布较少。从省（区）尺度来看，我国滑雪场数量在中等以上的省（区）为河北省、黑龙江省、吉林省、山东省、山西省以及新疆维吾尔自治区、内蒙古自治区、山西省。
图1 中国滑雪场空间分布特征

Fig. 1 Spatial distribution characteristics of ski resorts in China

2.1.2 空间集散程度

利用Voronoi多边形的面积变异系数法对全国-自然地理分区尺度下滑雪场空间集散程度进行计算分析（表1）。结果表明，全国以及七大自然区的滑雪场Voronoi多边形变异系数均高于66%，中国滑雪场空间分布在全国以及各大区域尺度上均表现出集聚分布的特征。其中华东地区的集聚程度最高，滑雪场Voronoi多边形面积变异系数达到633.74%，华中和华南地区滑雪场Voronoi多边形面积变异系数相对较低，集聚程度相对较差。
表1 中国滑雪场Voronoi多边形变异系数分析结果

Tab. 1 Analysis results of Voronoi polygon coefficient of variation in Chinese ski resorts

分区 Voronoi多边形面积变异系数/%
东北地区 395.46
华北地区 556.93
华东地区 633.74
华南地区 163.59
华中地区 117.55
西北地区 315.66
西南地区 451.19
总计 604.37

2.1.3 空间分布密度

利用ArcGIS软件的核密度分析工具，绘制中国空间分布密度图（图2），利用核密度法分析，进一步从全国-地理分区尺度分析中国滑雪场的空间分布密度。从全国角度来看，中国滑雪场整体呈现“一核三片多面”的空间集聚分布特征，其中“一核”是高密度核心区，主要以北京市、河北省为中心向四周扩散，“三片”是次高密度区，在空间上层密集团块状分布，分别以黑龙江省、吉林省、山东省、新疆维吾尔自治区、陕西省为中心，辐射周边区域。从七大自然地理分区来看，东北地区滑雪场主要集中分布于哈大铁路、绥满铁路沿线以及长白山山脉，是中国滑雪场分布最密集的区域之一，滑雪场主要集中在黑龙江省和吉林省；华北地区滑雪场分布主要集中分布京津冀地区，北京冬奥会的举办极大地推动了京津冀地区滑雪产业的发展，滑雪场数量迅速增加，形成明显的滑雪场集聚中心；西北地区滑雪场主要集中分布于新疆维吾尔自治区和陕西省，其中新疆维吾尔自治区滑雪场数量最多，集中在乌鲁木齐市、昌吉回族自治州以及阿勒泰地区；华东地区滑雪场主要集中分布于山东省及江苏省；华中地区滑雪场主要集中分布于河南省北部；华南地区滑雪场主要集中分布于珠三角地区；西南地区滑雪场主要集中分布于成都平原以及从重庆到贵州呈东北-西南走向的大娄山、乌蒙山地区。
图2 中国滑雪场多尺度空间分布密度

Fig. 2 Multi scale spatial distribution density of ski resorts in China

2.2 中国滑雪场空间分异驱动因素分析

2.2.1 驱动因素选择依据

滑雪场作为冰雪活动的重要载体，其形成和布局受到自然环境、经济发展等多因素综合作用。第一，自然因素方面，气候条件及地形地貌是影响资源型滑雪场布局的先决条件，决定了天然滑雪场的等级、规模和经营周期。第二，社会经济因素方面，随着冰雪运动的普及，滑雪场日益成为消费者冬季旅游首选市场潜力巨大，所以区域旅游发展水平、社会经济发展和交通运输能力均会影响滑雪场的选址和经营发展[20]。因此，根据前人研究及综合指标体系比选，为全面了解滑雪场的分布规律和驱动因素，本研究从自然因素、旅游发展水平、社会经济发展和交通运输能力4个维度选取了13个具体指标对滑雪场空间分异的驱动因素展开分析（表2）。
表2 全国滑雪场时空分异影响因素数据来源与处理

Tab. 2 Data sources and processing of factors affecting the temporal differentiation of ski resorts in China

维度 指标 标号
自然环境 高程 X1
坡度 X2
气温 X3
降水量 X4
旅游发展水平 旅游总收入 X5
旅游接待总人次 X6
星级饭店数量 X7
社会经济发展 人均GDP X8
人均可支配收入 X9
第三产业增加值比重 X10
交通运输能力 高速公路综合密度 X11
铁路网综合密度 X12
旅客周转量 X13
其中，自然因素用高程、坡度、气温、降水量4个指标来表征；旅游发展水平用旅游总收入、旅游接待总人次、星级饭店数量3个指标来表征；社会经济发展采用人均GDP、人均可支配收入、第三产业增加值比重3个指标来表征；交通运输能力用高速公路综合密度、铁路网综合密度、旅客周转量3个指标来衡量。基于选取的13个可能的影响因素，分别是以此为自变量，以单元空间内滑雪场的数量为因变量，采用地理探测器模型，探究不同因素对滑雪场空间分布的差异性影响。

2.2.2 地理探测器模型结果分析

（1） 单因子探测探测分析
本文利用因子探测器得到各驱动因子对滑雪场空间分异影响力（q值）并排序（表3），共有11个因子通过显著性检验，具体来看，11个影响滑雪场分布的因子q值排序为：降水量（X4）>气温（X3）>坡度（X2）>人均可支配收入（X9）>旅客周转量（X13）>高程（X1）>星级饭店数量（X7）>高速公路综合密度（X11）>铁路网综合密度（X12）>人均GDP（X8）>第三产业增加值比重（X10）。
表3 单因子探测结果

Tab. 3 Single factor detection results

指标 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13
q 0.077 0.200 0.350 0.377 0.021 0.019 0.057 0.032 0.089 0.032 0.041 0.036 0.081
P 0.000 0.000 0.000 0.000 0.227 0.277 0.010 0.090 0.000 0.090 0.043 0.061 0.000
排序 6 3 2 1 12 13 7 10 4 10 8 9 5

注：q为解释力水平；P为显著性水平。

从自然环境方面的影响因素来看，高程、坡度、气温、降水量均通过显著性检验，这些指标代表了滑雪场对自然环境的依赖性。气温、降水影响着滑雪场的雪质和营业时长，坡度、高程会影响滑雪场的滑雪体验和安全性，结果表明滑雪场分布在降水充沛、气温较低、坡度适中的地区，对自然地理环境具有较高的空间依赖性，滑雪场建设需要一定的地形起伏，同时，由于对雪量的需求，需要一定水平的降水、降雪和较低的气温。“白云山-阿尔泰山”山脉积雪资源丰富，处在滑雪场“黄金纬度带”，因此吉林省、新疆维吾尔自治区阿勒泰地区降雪量大、积雪期长，成为著名的冰雪运动胜地，冰雪经济发展迅速。
从旅游发展水平方面的影响因素来看，星级饭店通过显著性检验，说明星级饭店在一定程度上影响滑雪场的分布，星级饭店数量可以一定程度上反映地区接待能力，“吃、住、行、游、购、娱”是旅游活动的六要素，星级饭店能够满足游客住宿与餐饮的需求，是承接冰雪旅游的重要载体，与周围滑雪场形成良好的互动。
从社会经济发展的影响因素来看，人均可支配收入影响是比较大的，究其原因，人均可支配收入决定了人们的消费能力，消费能力越高，人们可能参与滑雪运动意愿更强烈。同时，人均GDP反映了地区的经济发展水平，是地区建设滑雪场的经济基础，会影响滑雪场的基础设施建设和管理；第三产业增加值比重影响地区的服务能力和吸引力，服务业发展好的地区能提供更好的滑雪体验。因此，华东地区经济发达，居民消费水平高，滑雪运动需求旺盛，虽然自然条件不如东北、华北、西北地区，但滑雪场数量很多。
从交通运输能力方面的影响因素来看，高速公路综合密度、铁路网综合密度、旅客周转量3个指标均显著。其中旅客周转量则反映了区域交通的繁忙程度和运输能力，高效的交通系统能提升滑雪场的吸引力。高速公路、铁路网综合密度反映了地区的交通便利程度，影响游客的出行选择和滑雪场的辐射范围。
（2） 交互探测结果分析
在滑雪场分布驱动因子作用强度分析基础上，本文进一步采用交互探测识别不同探测因子之间的交互作用（表4），进一步评估因子间共同作用时是否会增加或减弱对因变量滑雪场空间分布的作用或是起独立作用。表4中对角线上的q值为单个探测因子对滑雪场空间分布的影响程度，其余q值为行因子和列因子的交互作用对滑雪场的影响程度。根据各因素的交互作用结果，得到各因子的交互作用类型。
表4 交互因子探测结果

Tab. 4 Results of interaction factor detection

因子 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13
X1 0.077
X2 0.624 0.200
X3 0.788 0.777 0.350
X4 0.630 0.550 0.501 0.377
X5 0.398 0.783 0.657 0.766 0.021
X6 0.425 0.683 0.469 0.722 0.070 0.019
X7 0.448 0.350 0.530 0.589 0.292 0.235 0.057
X8 0.298 0.689 0.714 0.482 0.468 0.790 0.554 0.032
X9 0.527 0.357 0.367 0.472 0.700 0.444 0.317 0.684 0.089
X10 0.298 0.689 0.714 0.482 0.468 0.790 0.554 0.037 0.684 0.032
X11 0.234 0.346 0.773 0.645 0.472 0.420 0.384 0.236 0.460 0.236 0.041
X12 0.325 0.361 0.662 0.711 0.391 0.402 0.335 0.233 0.534 0.233 0.142 0.036
X13 0.578 0.701 0.749 0.787 0.210 0.258 0.330 0.376 0.640 0.376 0.507 0.383 0.081

注：对角线为单因子交互结果，灰色底纹为双因子非线性增强型，其他为双因子增强型。

高程（X1）与气温（X3）、坡度（X2）与气温（X3）、坡度（X2）与旅游总收入（X5）、气温（X3）与高速公路综合密度（X11）、降水量（X4）与旅客周转量（X13）、旅游总人次（X6）与人均GDP（X8）、旅游总人次（X6）与第三产业增加值比重（X10）的交互q值均相对较大，说明滑雪场空间分布受自然环境、旅游发展水平、社会经济发展、交通运输能力各因子交互驱动显著，在气候条件与地形地貌条件适宜、旅游业发展较好且具有一定地形优势、社会经济发展较好且旅游业发展旺盛的地区，滑雪场分布较多，究其原因，滑雪场分布不是单一因子作用的结果。首先，适宜的地形和气候可以形成滑雪场建设的基本条件，保障滑雪场能有序建成。其次，部分滑雪场实质上为人造雪，在旅游业发展较为成熟的地区会对滑雪产业形成需求，而适宜的地理环境可以保障滑雪场基本建设。最后，服务业的发展和完善可以提高游客游览舒适度，进而提高对游客的吸引力，较高的社会经济发展水平可以提高居民消费能力，从而形成旅游群体，对旅游产业形成多样化需求，促进滑雪产业发展。
从各因子间的交互作用类型可以看出，各因子对滑雪场空间分异的影响不是相互独立的，两两因子间的交互作用对滑雪场空间格局的作用均大于单个因子的作用，其中交互作用分为非线性增强型和双因子增强型，且各因子的交互作用类型主要表现为双因子增强型，仅有坡度与降水量、气温与降水量、气温与人均可支配收入、降水量与人均可支配收入间表现为非线性增强型，说明各因子之间的相互作用较为复杂，滑雪场空间分布是自然环境因子、社会经济因子、交通运输能力和旅游产业发展复杂交织作用的结果，而不是单一要素因果效应的产物。

3 结论与建议

3.1 结论

本研究从全国-自然地理分区-省域多尺度视域下，基于全国899个滑雪场数据，运用Voronoi空间统计、核密度和地理探测器模型，对中国滑雪场的空间分异特征及其驱动因素进行了探究，主要结论如下：
（1） 从空间分布特征看，中国滑雪场空间分布呈现出“北密南疏、东多西少”的特征，且主要集中分布在秦岭-淮河以北地区。全国近85%的滑雪场分布在华北地区、东北地区、华东地区、西北地区，长江以南地区滑雪场分布较少。
（2） 从空间积聚来看，全国范围内呈现“一核三片多面”的空间集聚特征，高密度区域主要集中在东北地区（黑龙江省、吉林省）、华北地区（北京市、河北省）、西北地区（新疆维吾尔自治区、陕西省），华中地区、华南地区和西南地区滑雪场分布较为稀疏。
（3） 从空间分异驱动因素分析来看，驱动因素排序依次为自然环境>交通运输能力>社会经济发展>旅游发展水平，其中11个因子交互作用结果呈现增强效应，交互作用类型主要表现为双因子增强型，仅有坡度与降水量、气温与降水量、气温与人均可支配收入、降水量与人均可支配收入间表现为非线性增强型，滑雪场空间分异格局受自然环境、社会经济等多种因素共同作用影响。

3.2 建议

通过系统研究我国滑雪场的空间分异特征及其驱动因素，对后续我国滑雪场空间布局优化以及高质量发展提出以下对策建议：
（1） 充分发挥空间集聚优势。构建冰雪经济“一区两带多节点”空间布局，即以内蒙古自治区、辽宁省、吉林省、黑龙江省、新疆维吾尔自治区为核心建设具有国际影响力的北方冰雪经济引领区，在北京市延庆区、河北省崇礼区、黑龙江省亚布力镇、吉林省长白山沿线地区、新疆维吾尔自治区阿勒泰地区等建设冰雪丝路带，打造冰雪经济集聚区，充分发挥典型示范和引领带动作用。
（2） 制定区域差异化发展策略。京津冀地区，因北京冬奥会的成功举办，冰雪活动快速增长，以国际冰雪赛事为引领，发展综合性滑雪度假胜地的冰雪产业发展模式；新疆维吾尔自治区、黑龙江省、吉林省等地区，雪期长，冰雪资源丰富，要充分发挥资源禀赋优势，通过对基础设施升级改造、服务质量优化等措施提升雪季运营综合服务能力，促进滑雪产业健康持续发展；上海市、江苏省、浙江省等地具有经济发展的优势，虽自然环境不足，可借助创新科技，加快室内滑雪场建设，实施“北冰南展”战略，推动冰雪运动在南方地区的均衡发展。
（3） 强化基础设施建设。滑雪场空间分布受自然环境、社会经济、交通运输以及旅游发展等因素综合作用，其中交通运输能力、旅游经济发展水平具有较大的影响，实施冰雪“大交通”战略，建立铁、路、空多式联运的综合交通运输网络交通体系，缩短冰雪旅游目的地的时空距离，提升游客出行体验，打造具有冰雪特色的公共交通系统，并加快完善冰雪旅游基础设施建设，增加冰雪景区酒店规模，提升各冰雪景区的整体运营和服务能力。
研究发现我国滑雪场呈现出集聚性的空间分布特征，并且与气候、冰雪资源等自然资源要素具有一定的错位性。一方面，西藏自治区、内蒙古自治区等冰雪自然资源丰富的地区，由于受交通、经济等因素影响，滑雪场并未获得充分的发展；另一方面，在我国冬奥会成功举办以后，京津冀地区的冰雪经济发展迎来了新的机遇，通过利好政策吸引投资、产业规划引领、文体旅深度融合发展、服务设施体系完善等多方面具体举措，冰雪产业成为推动地方经济转型、实现高质量发展的重要力量。近年来，随着冰雪运动、冰雪装备、冰雪旅游等产业的快速兴起，发展冰雪经济成为培育新的消费增长点、拉动投资的重要举措，而滑雪场作为冰雪经济的重要载体，资本、政策、市场等社会性驱动因素将会对滑雪场的空间分布产生显著的影响，因此，后续关于社会性因素对滑雪场空间分布的影响机理及作用大小有待深入研究分析。同时滑雪场的集聚分布与冰雪装备、冰雪旅游等企业密切相关，还需进一步从企业经营层面的微观数据分析，探究滑雪场从空间集聚到产业集聚的演化机理、路径及其相关特征。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Ghaderi Z, Khoshkam M, Henderson J C. From snow skiing to grass skiing: Implications of climate change for the ski industry in Dizin, Iran[J]. Anatolia: An International Journal of Tourism Hospitality Research, 2014, 25(1): 96-107.

[2]
Hopkins D. The sustain ability of climate change adaptation strategies in New Zealand ski industry: A range of stake holder perceptions[J]. Sustainable Tourism, 2014, 22(1): 107-126.

[3]
Scott D, Mcboyle G. Climate change adaptation in the ski industry[J]. Mitigation Adaptation Strategies for Global Change, 2007, 12(8): 1411-1431.

[4]
Pickering C M, Buckley R C. Climate response by the ski in-industry: The shortcomings of snow making for Australian resorts[J]. Ambio, 2010, 39(5): 430-437.

[5]
Duchessi P. Decision tree models for profiling ski resorts promotional and advertising strategies impact on sales[J]. Expert Systems with Applications, 2013, 40(15): 5822-5829.

[6]
Gowers J. Ski resort gets a lift from business intelligence[J]. Baseline, 2008(87): 38-40.

[7]
王蓓. 后奥运时代京津冀地区冰雪体育产业高质量发展路径探析[J]. 体育科技文献通报, 2023, 31(12): 219-223.

[Wang Bei. Research on the high-quality development path of ice and snow sports industry in Beijing-Tianjin-Hebei region in the post-Olympic period[J]. Bulletin of Sport Science, 2023, 31(12): 219-223. ]

[8]
阚军常, 王飞. 冬奥战略目标下我国滑雪产业升级的驱动因子与创新路径[J]. 体育科学, 2016, 36(6): 11-21.

[Kan Junchang, Wang Fei. Driving factors and innovative paths of skiing industry upgrading under the strategy of Winter Olympics in China[J]. China Sport Science, 2016, 36(6): 11-21. ]

[9]
王露露, 陈丹, 高晓波. 我国南方冰雪产业发展问题及对策[J]. 体育文化导刊, 2019(4): 94-99.

[Wang Lulu, Chen Dan, Gao Xiaobo. The problems and countermeasures of ice and snow industry development in southern China[J]. Sports Culture Guide, 2019(4): 94-99. ]

[10]
郭辉, 张丽梅. 我国滑雪旅游产业发展影响因素及策略分析[J]. 边疆经济与文化, 2022(2): 59-61.

[Guo Hui, Zhang Limei. Analysis of influencing factors and strategies for the development of China’s ski tourism industry[J]. The Border Economy and Culture, 2022(2): 59-61. ]

[11]
何文义, 郭彬, 张锐. 新时代我国冰雪产业本质及发展路径研究[J]. 北京体育大学学报, 2020, 43(1): 29-38.

[He Wenyi, Guo Bin, Zhang Rui. Research on the essence and development path of China’s ice and snow industry in the New Era[J]. Journal of Beijing Sport University, 2020, 43(1): 29-38. ]

[12]
把多勋, 王储. 西北五省滑雪场空间分异特征及其影响因素研究[J]. 中国生态旅游, 2021, 11(6): 869-883.

DOI

[Ba Duoxun, Wang Chu. Research on the spatial differentiation characteristics and influencing factors of ski resorts in the five provinces of northwest China[J]. Journal of Chinese Ecotourism, 2021, 11(6): 869-883. ]

[13]
郭文尧, 刘维刚. 数字技术赋能冰雪产业链高质量发展研究[J]. 企业经济, 2024, 43(6): 50-58.

[Guo Wenyao, Liu Weigang. Research on digital technology empowering high-quality development of ice and snow industry chain[J]. Enterprise Economics, 2024, 43(6): 50-58. ]

[14]
王超, 杜唯, 杜春华. 数字技术赋能冰雪产业高质量发展的理论内涵、现实困境与实践路径[J]. 沈阳体育学院学报, 2022, 41(5): 21-27.

DOI

[Wang Chao, Du Wei, Du Chunhua. Theoretical connotation, practical dilemma, and implementation paths of high-quality development of the ice and snow industry empowered by digital technology[J]. Journal of Shenyang Sport University, 2022, 41(5): 21-27. ]

[15]
赵琳, 王飞. “十四五”时期冰雪体育旅游数字化转型的价值导向与实施路径[J]. 体育文化导刊, 2021(9): 1-7.

[Zhao Lin, Wang Fei. Value orientation and implementation path of digital transformation of ice and snow sports tourism during the 14th Five-Year plan period[J]. Sports Culture Guide, 2021(9): 1-7. ]

[16]
窦文康, 王世金, 韩彤彤, 等. 中国滑雪场可达性及市场潜力测度[J]. 地理科学, 2021, 41(2): 319-327.

DOI

[Dou Wenkang, Wang Shijin, Han Tongtong, et al. Measurement of accessibility and market potential of ski resorts in China[J]. Scientia Geographica Sinica, 2021, 41(2): 319-327. ]

DOI

[17]
王储, 卢长宝, 巴多勋, 等. 中国代表性滑雪场网络关注度时空演变及影响因素[J]. 自然资源学报, 2022, 37(9): 2367-2386.

DOI

[Wang Chu, Lu Changbao, Ba Duoxun, et al. Spatio-temporal evolution and influencing factors of network attention of representative ski resorts in China[J]. Journal of Natural Disasters, 2022, 37(9): 2367-2386. ]

[18]
方琰, 徐海滨, 蒋依依. 多源数据融合的中国滑雪场空间活力评价研究[J]. 地理研究, 2023, 42(2): 389-406.

DOI

[Fang Yan, Xu Haibin, Jiang Yiyi. Evaluation of spatial vitality of China’s ski resorts based on multi-source data[J]. Geographical Research, 2023, 42(2): 389-406. ]

[19]
王世金, 徐新武, 颉佳. 中国滑雪场空间格局、形成机制及其结构优化[J]. 经济地理, 2019, 39(9): 222-231.

DOI

[Wang Shijin, Xu Xinwu, Xie Jia. Spatial pattern, formation mechanism and structure optimization of China’s ski resorts[J]. Economic Geography, 2019, 39(9): 222-231. ]

DOI

[20]
王金伟, 郭嘉欣, 刘乙, 等. 中国滑雪场空间分布特征及其影响因素[J]. 地理研究, 2022, 41(2): 390-405.

DOI

[Wang Jinwei, Guo Jiaxin, Liu Yi, et al. Spatial distribution characteristics and influencing factors of ski resorts in China[J]. Geographical Research, 2022, 41(2): 390-405. ]

[21]
胡娟, 王欣, 赵英刚. 中国南方冰雪旅游发展空间拓展研究[J]. 西南大学学报(自然科学版), 2023, 45(11): 116-129.

[Hu Juan, Wang Xin, Zhao Yinggang. Spatial distribution characteristics and influencing factors of ice and snow tourist attractions in the south of China[J]. Journal of Southwest University (Natural Science Editioan), 2023, 45(11): 116-129. ]

[22]
王金伟, 邹明乐, 徐晓文, 等. 东北三省滑雪场时空格局演变及其影响因素[J]. 经济地理, 2023, 43(8): 187-199.

DOI

[Wang Jinwei, Zou Mingle, Xu Xiaowen, et al. Spatiotemporal evolution of ski resorts in the three provinces of northeast China and its influencing factors[J]. Economic Geography, 2023, 43(8): 187-199. ]

DOI

[23]
李颖, 朱天龙, 姚冰, 等. 近20年北京和张家口地区滑雪场发展及其空间分布特征[J]. 经济地理, 2022, 42(1): 191-198.

DOI

[Li Ying, Zhu Tianlong, Yao Bing, et al. The development and spatial distribution characteristics of ski resorts in Beijing and Zhangjiakou in recent 20 years[J]. Economic Geography, 2022, 42(1): 191-198. ]

DOI

[24]
梁诗斐, 谢霞, 田晓霞. 新疆S级滑雪场空间分布特征及影响因素分析[J]. 新疆大学学报(自然科学版), 2020, 37(3): 370-378.

[Liang Shifei, Xie Xia, Tian Xiaoxia. Analysis on spatial distribution characteristics and influencing factors of Xinjiang S-class ski resorts[J]. Journal of Xinjiang University (Natural Science Edition), 2020, 37(3): 370-378. ]

[25]
王恒利, 周文静. 基于AHP的冰雪体育旅游产业发展的影响因素分析[J]. 江汉大学学报(自然科学版), 2018, 46(4): 374-378.

[Wang Hengli, Zhou Wenjing. Analysis of factors influencing the development of ice and snow sports tourism industry based on AHP[J]. Journal of Jianghan University (Natural Science Edition), 2018, 46(4): 374-378. ]

[26]
李佳, 和智璇. 基于结构方程模型的冰雪旅游目的地形象感知研究——以长春冰雪新天地为例[J]. 资源开发与市场, 2024, 40(7): 1112-1120.

[Li Jia, He Zhixuan. Image perception of ice and snow tourism destination based on structural equation model:A case study of Changchun new ice-snow world[J]. Resource Development and Market, 2024, 40(7): 1112-1120. ]

[27]
朱磊, 李燕楠, 徐佳慧, 等. 中国冰雪旅游地空间分布格局及成因[J]. 干旱区地理, 2024, 47(8): 1400-1412.

[Zhu Lei, Li Yannan, Xu Jiahui, et al. Spatial distribution pattern and causes of ice and snow tourism in China[J]. Arid Land Geography, 2024, 47(8): 1400-1412. ]

[28]
贾国栋, 王立国, 朱海, 等. 基于GIS空间分析的江西红色旅游资源空间特征及其开发适宜性研究[J]. 旅游论坛, 2022, 15(6): 49-61.

[Jia Guodong, Wang Liguo, Zhu Hai, et al. Study on the spatial characteristics of Jiangxi red tourism resources and their development suitability based on GIS spatial analysis[J]. Tourism Forum, 2022, 15(6): 49-61. ]

[29]
颉佳, 王世金, 窦文康, 等. 1989—2019年中国滑雪场时空特征及其演变规律[J]. 地理科学, 2022, 42(6): 1064-1072.

DOI

[Xie Jia, Wang Shijin, Dou Wenkang, et al. The spatio-temporal characteristics and evolution law of Chinese ski resorts from 1989 to 2019[J]. Scientia Geographica Sinica, 2022, 42(6): 1064-1072. ]

DOI

[30]
王劲峰, 廖一兰, 刘鑫. 空间数据分析教程[M]. 北京: 科学出版社, 2010: 67-83.

[Wang Jinfeng, Liao Yilan, Liu Xin. Lectures on spatial data analysis[M]. Beijing: Science Press, 2010: 67-83. ]

Options
Outlines

/

〈 〉