EN中文

GEOGRAPHICAL RESEARCH >

2025 , Vol. 44 >Issue 5: 1439 - 1457

DOI: https://doi.org/10.11821/dlyj020240711

Research on the High-Quality Development of Ice and Snow Economy

Network structure characteristics and driving factors of skiing tourism flow in Chinese cities

  • JIANG Yiyi , 1, 2, 3 ,
  • JIANG Lei 1 ,
  • XU Haibin , 1 ,
  • LI Hailong 1 ,
  • WANG Shifeng 1
Expand
  • 1. School of Recreational Sports and Tourism, Beijing Sport University, Beijing 100084, China
  • 2. Beijing Winter Olympics Culture and Ice & Snow Sports Development Research Base, Beijing 100084, China
  • 3. Alberta International School of Recreation, Sport and Tourism of Beijing Sport University, Lingshui 572423, China

Received date: 2024-07-22

  Accepted date: 2024-11-04

  Online published: 2025-05-21

Fold

Abstract

Systematically understanding the spatial network structure and mobility patterns of urban ski tourism flow is of critical practical significance for optimizing resource allocation, advancing regional synergy, and fostering the sustainable development of the ice-snow economy. This study utilizes digital footprint data from skiing tourists on the Dianping and employs social network analysis alongside QAP regression analysis to examine the spatial network structure and driving factors of urban skiing tourism in China. The findings are as follows: (1) The urban skiing tourism flow network exhibits a hierarchical configuration, characterized by a high-density triangular network centered around core cities in the Beijing-Tianjin-Hebei, Yangtze River Delta, and Harbin-Changchun urban agglomerations. An asymmetrical flow pattern is evident, with denser traffic in the eastern region compared to sparser flows in the west and south. (2) The tourism flow network reveals significant administrative influences, showcasing single-core, dual-core, and multi-core structures. Northeast China demonstrates the most comprehensive skiing tourism network, exhibiting high external dependence with strong connections to central cities in East and North China. In contrast, the western region exhibits robust internal cohesion in skiing tourism flows but has weaker external economic links. (3) Distinct directional connections exist between cities, with spatial flows following a distance decay pattern; the majority of tourist travel distances range between 0 and 300 km. Flow directions display trends such as adjacency to regional central cities and a northward orientation toward core cities in the Yangtze River Delta. Notable directional flows are observed between Beijing and Zhangjiakou, Shanghai and Beijing, and Chengdu and Aba Prefecture. (4) Geographic proximity, resident consumption capacity, skiing resource allocation, and variations in tourism development levels generally exert a positive influence on connections within the skiing tourism flow network. In most regions, disparities in economic development levels among cities have minimal effects on the overall skiing tourism networks, with the exception of the central region. Additionally, climate and phenological differences negatively impact the eastern region. This study enhances the understanding of skiing tourists' spatial behavior from a mobility perspective, enriching theoretical research in skiing tourism. Practically, it offers a scientific basis for promoting the high-quality development of skiing tourism in China.

Key words： ski tourism flow; network structure; driving factor; social network analysis

Cite this article

JIANG Yiyi , JIANG Lei , XU Haibin , LI Hailong , WANG Shifeng . Network structure characteristics and driving factors of skiing tourism flow in Chinese cities[J]. GEOGRAPHICAL RESEARCH, 2025 , 44(5) : 1439 -1457 . DOI: 10.11821/dlyj020240711

1 引言

习近平总书记关于“冰天雪地也是金山银山”的重要论述，明确了中国冰雪资源开发利用的根本遵循，强调了发展寒地冰雪经济的重要性。随着北京冬奥会的成功举办以及冰雪资源开发“南展西扩东进”的稳步推进，中国滑雪场地设施数量和质量均得到明显提升，滑雪旅游产业实现了跨越式发展，成为冰雪经济的核心引擎和冰雪产业高质量发展需求侧的“原动力”，并将进入规模发展的平稳增长期，滑雪旅游方兴未艾。当前滑雪旅游市场供给要素条件的快速提升为中国滑雪产业发展增添了重要动能，但全国滑雪旅游需求总量受限，滑雪旅游产业总体仍处于初级发展阶段，面临着不平衡不充分的矛盾[1-3]，需求侧协同由此成为推动滑雪旅游高质量发展的未来向度。旅游流作为一种因规模需求近似性引起的旅游者集体性空间移动现象[4]，不仅体现旅游者流动的特征，同时也反映旅游目的地间的联系[5]。因此，从需求角度充分把握城际间滑雪旅游者流动联系和空间尺度上表征的流动网络结构，能够有效分类指导和优化滑雪旅游目的地的资源配置、产品开发和服务配套等供给，进而对促进滑雪旅游区域协同和可持续发展具有重要指导意义。
滑雪旅游是国内外学者长期以来科学研究的重点领域，滑雪旅游的相关议题具有较为丰富的研究成果。国外学者主要聚焦于气候变化与滑雪旅游的可持续发展[6,7]、滑雪旅游者参与行为[8]两大主题内容，侧重于个案分析与实地调查[9]。国内学者主要围绕三方面开展研究：① 滑雪旅游产业发展路径，包括发展经验模式[10,11]、区域协同发展[12]、产业融合[13]等理论问题研究。② 滑雪旅游资源开发与目的地建设，涵盖滑雪旅游资源开发模式与路径[14,15]、滑雪旅游地空间分布[16]、目的地活力特征[17]等内容。③ 滑雪旅游者行为的相关研究，主要涉及滑雪旅游者行为意向[18]、制约因素和决策机制[19]等微观层面的探讨。随着研究的深入和数据源的不断拓展，开始有学者将研究视角转向“流空间”，具有代表性的是魏德样等学者以百度指数为数据源探究了中国滑雪旅游信息流特征[20]。
旅游流是流动性研究的热门领域，其反映了客源地和目的地相互作用、相互联系[21]。学界关于旅游流空间结构、流动模式和影响效应等方面研究不断深入[22]。具体地，在旅游流网络结构刻画方面，早期研究多使用调查问卷等传统统计数据作为研究基础，主要利用数理模型方法以聚焦不同空间尺度旅游流的空间结构解析，随着数据源的拓展以及研究的深入，社会网络分析和GIS空间分析等方法在旅游流研究领域中得到广泛的跨学科应用[23]；与此同时，随着网络技术的发展和地理空间意义的流变，旅游流研究逐步开始由“网络范式”向“新移动范式”转向[24]，关于旅游流的流动模式、影响机制等探析逐渐成为该领域研究热点。通过已有研究梳理可以看到，相关成果为开展滑雪旅游流研究提供了坚实的方法论基础和视角转换，但仍存在一定创新空间：① 当前旅游流研究多从总体层面聚焦于以空间区域或市场划分为主的旅游流形式的结构分析，如出入境旅游流[25]和国内旅游流[26]，而缺少对滑雪旅游流这类以主体需求为核心驱动的具体旅游流动形式的刻画，其在空间上呈现出怎样的流动特性和网络结构特征?有待进一步分析总结。② 相较于红色旅游流[27]、乡村旅游流[28]等传统意义形式的旅游流，滑雪旅游流是一种典型的户外体育旅游流动形态，具有鲜明的自然环境依赖性，不仅涉及社会经济因素影响，还受自然地理条件的天然制约，其异质性因素的系统厘清成为关键问题。③ 受限于数据的可获得性或口径的一致性，当前滑雪旅游领域对于滑雪旅游者全局尺度空间流动行为及作用机制的研究涉入不足，现有研究尝试从信息流[20]的角度进行突破，而如何挖掘利用即时且海量的地理大数据源，以科学统一表征和分析滑雪旅游者空间流动样态将有利于突破数据限制对研究的深入。基于上述问题认识，本研究创新性地挖掘大众点评网络平台的滑雪游客数字足迹大数据，主要以中国地级及以上城市（包括直辖市、地级市、地区、自治州、盟等，以下简称“城市”）为研究单元，采用社会网络分析等方法，从城市空间尺度分析滑雪旅游流网络结构和节点联系特征，并探析其驱动因素，以期丰富滑雪旅游和旅游流研究领域的视野，并为中国滑雪旅游空间结构优化与区域协同发展提供科学参考。

2 研究方法与数据来源

2.1 研究方法

2.1.1 社会网络分析

社会网络分析（Social Network Analysis, SNA）是研究行动者之间关系的一种方法，它既能系统性地反映整个组织的结构状况，也能揭示行动者之间地位与角色的差异性，是当前旅游流联系网络研究的主要方法基础[29]。本研究借助社会网络分析方法，从整体、区域和节点城市三个维度探析中国城市滑雪旅游流空间网络结构格局。整体和区域网络结构特征测度指标主要包括网络联系度（或关联度）、网络密度、E-I（External-Internal Links）指数和平均路径长度等，描述网络节点功能的基本指标主要包括出度、入度和度差。具体方法为：
① 网络联系度。用于测度滑雪旅游流网络中城市节点i与其他城市节点j发生直接联系的可能性，反映网络节点联系的密切程度[30]。
I i j = K i j + K j i ， （ i ,   j = 1 ,   2 ,   3 ,   ⋯ ,   n ）
式中： I i j为网络联系度； K i j和 K j i分别代表滑雪旅游客流从 i城市（ j城市）流向 j城市（ i城市）的路径数。
② 网络密度。网络中实际存在的关系数量与理论上可能存在的关系数量的比值，表征网络节点间关联的紧密程度[31]。
G = 2 ∑ i = 1 n r i j n ( n - 1 )
式中： G为网络密度，取值范围为[0,1]； ∑ i = 1 n r i j为网络中实际存在的连接数； n为节点数。
③ E-I指数。E-I指数，即网络分派指数，是用于分析整体网络的分派程度或整个网络中子群的凝聚程度[32]，主要衡量区域网络中小团体网络特征是否明显。
E -   I = E I - I L E I + I L
式中：E-I为网络分派指数，介于[-1,1]，数值越接近于1，表明派系林立程度越小，反之越大； E I为区域外联系网络密度； I L为区域内联系网络密度。
④ 平均路径长度。网络平均路径长度即网络中任意两个节点之间最短路径的平均值，主要反映网络中节点的分离程度以及网络的整体性质[33]。
L = 2 n ( n - 1 ) ∑ i ≠ j d i j
式中： L为平均路径长度， d i j为节点 i到节点 j最短路径的边数， n为节点数。
⑤ 出度、入度与度差。考虑城市滑雪旅游流的方向性，出度和入度分别被用来表征城市控制和吸引流的能力，度差被用来反映城市节点类型[34]。
D i = ∑ j F j i ( i ≠ j )
O i = ∑ j F i j ( i ≠ j )
N i = D i - O i
式中： D i为出度； O i为出度； N i为度差。

2.1.2 QAP回归分析

QAP回归分析（Quadratic Assignment Procedure, QAP），即二次指派程序方法，是对矩阵之间关系进行定量分析的方法[35]。城市滑雪旅游流空间关联矩阵及相关驱动力的变量均是由关系数据构成的矩阵，利用传统回归分析方法进行分析，面临着数据多重共线性问题。QAP回归分析作为一种非参数方法，不需要假设自变量之间相互独立，比参数方法更加有效和稳健，当前被广泛运用在社会学、旅游学等研究中[36,37]。本研究运用QAP回归分析对城市滑雪旅游流网络结构的驱动因素进行建模分析，旨在明晰滑雪旅游流网络结构驱动因素的影响作用。

2.2 数据来源与处理

大众点评（www.dianping.com）网络平台是全球最早建立的独立第三方消费点评网站，月活跃用户数超过3亿，包含丰富的生活服务信息和消费者评价信息，为研究旅游者的时空行为提供了翔实的数据基础[38]。本研究利用网络爬虫程序采集了大众点评网络平台2006—2024年的全国滑雪场的用户文本评论数据，包括滑雪场名称、评论时间、游客所在城市、文字评论等字段，总计14.29万条游客基础评价信息数据。数据清洗处理主要过程为：首先，根据全国滑雪场的城市属地空间信息，筛选剔除游客属地信息中缺少位置信息以及游客所在城市与滑雪场所属城市相同的位置数据，共获得5.89万条存在空间对应流动关系的有效数据；其次，根据滑雪游客（客源地）与目的地城市之间的流向关系和流量（频次）数据，建立滑雪旅游流基础数据矩阵，共涉及国内317个城市单元；最后，经过坐标转换、空间连接等预处理操作构建中国城市间滑雪旅游“有向”OD（Origin-Destination）空间网络。此外，人均地区生产总值、人均可支配收入等数据来源于《中国城市统计年鉴》；地区旅游收入来源于各城市统计年鉴及国民经济和社会发展统计公报；滑雪场数据借助网络爬虫采集高德地图中各城市滑雪场分布数量；雪期平均气温数据来源于中国科学院资源环境科学与数据中心的中国气象背景数据集。

3 城市滑雪旅游流空间网络结构

3.1 整体网络结构特征

3.1.1 中国滑雪旅游客流总体呈“大分散、小集聚”的分布态势，经向地带性特征明显

“胡焕庸线”为中国的人口地理分界线，该线以东和以西地区的自然环境和社会经济条件存在着较大的差异。依据图1可以看出，滑雪旅游客流空间分布与“胡焕庸线”呈现出的东西差异具有较强的相似性，有92.22%的滑雪客源市场分布在“胡焕庸线”以东地区，而该线以西地区的滑雪客源市场所占比例较小。进一步来看，长三角、京津冀为滑雪旅游客源市场的两大集聚区，其中京津冀地区具备良好的冰雪产业基础和较为充足的滑雪爱好群体。北京冬奥会更是有力地促进了京津冀协同发展，北京与张家口滑雪旅游业呈联动发展态势，京郊滑雪场因兼具专业性和便利性，能够实现让更多区域范围内居民短途出游体验到滑雪进阶乐趣。长三角地区同样为经济发达地区，滑雪爱好者群体基数较大，受冰雪自然资源禀赋天然限制，该区域游客冬季北上滑雪旅游感受北方的冰雪风光逐渐成为潮流。此外，珠三角地区滑雪客源市场潜力也不容忽视，随着旅游通道建设以及市场资源互换，其在全国滑雪旅游市场中的地位将进一步提升。具体到城市维度，滑雪旅游客源市场多分布在行政级别较高的大城市，上海、北京为滑雪旅游主要两大客源城市，客流规模占全国滑雪客源市场近六成，西安、成都、武汉、杭州等区域中心城市则是活跃度较高的滑雪旅游重要客源地。
图1 中国城市滑雪客流空间分布

注：此图基于国家测绘地理信息局标准地图（审图号：GS（2019）1697号）绘制，底图边界无修改。

Fig. 1 Spatial distribution of urban skiing tourist flows in China

3.1.2 中国滑雪旅游流网络总体呈“倒金字塔形”空间结构，层级结构性特征显著

滑雪旅游流网络结构层面，依据城市间滑雪旅游流动联系强度，并借助自然断点分级法将城市联系强度划分为4个层级，以构建不同层级的中国城市滑雪旅游有向路径关系网络（图2）。结果显示，中国滑雪旅游流空间网络具有明显的层级结构特征，不同层级城市滑雪旅游流联系表现出不同的网络空间结构和拓扑特征。具体地，随着城市间滑雪旅游联系强度的分级降低、网络范围扩大、网络密度增加，中国城市滑雪旅游流“倒金字塔形”空间网络联系格局逐步显现并不断强化，其中城市滑雪旅游联系网络表现出从城市群内部开始发育的态势，形成以京津冀、长三角、哈长城市群核心城市为顶点的滑雪旅游流高密度三角网络和东密西疏、北密南疏的非对称性格局。深入来看，第一层级城市滑雪旅游流网络结构特征体现为区域中心城市与相邻滑雪资源优势鲜明城市节点构建出高强度线状联系，建立起强联系的包括北京—张家口、上海—北京、成都—阿坝州、上海—湖州、西安—铜川和上海—杭州6个城市对，其占全部城市对数量的0.12%，但贡献的旅游流量占比达28.30%，直观反映出中国城市间滑雪旅游流动仍为邻接模式，即多以周边短途客流移动为主，时空距离仍发挥着基础性的阻滞影响。第二层级城市滑雪旅游流网络形态表现为上海与东北地区城市网络联系增多，且北京围绕京津冀城市群节点城市扩展网络联系，并与哈尔滨建立起联结，以上海、北京和哈尔滨为顶点的东部三角滑雪旅游流网络骨架初步建立。此外，位于中部地区的湖北省形成以神农架林区为滑雪目的地的客流联系网络，西部省份陕西则形成以西安为核心的城市滑雪旅游联系。第三级城市滑雪旅游流网络主要以京津冀和长三角城市群为核心逐步向东北、西北和西南地区跨域延伸，滑雪旅游流网络范围得到不断扩展，位于西北边疆的乌鲁木齐市、阿勒泰地区等冰雪经济重点城市区域纳入整体旅游流网络中，东北、华北、西北三区滑雪旅游发展实现了有机协同。与此同时，华南地区重点城市也沿北向与长江中游、京津冀城市群以及东北地区滑雪旅游目的地城市建立起梯度客流联系，中国城市滑雪旅游流网络的“倒金字塔形”联系格局基本成形。相较于三级网络形态，第四层级城市滑雪旅游流网络呈现出持续围绕区域或城市群中心城市向外辐射扩散的格局，同时区域边缘城市和远距离跨省份、跨城市联系大幅增多，整体网络范围和联系更加广阔和紧密。京津冀、长三角与哈长城市群围合形成稳定的高密度网络联系格局，但珠三角城市群的滑雪旅游联系强度仍较为薄弱，缺乏高层级的城市滑雪旅游联系，西部国家级成渝城市群也缺少与贵州、云南等西南地区城市节点的滑雪旅游联系，汇通东、中、西部，辐射带动西部的区位优势和功能未得到充分发挥。
图2 不同层级的中国城市滑雪旅游流网络联系格局

注：此图基于国家测绘地理信息局标准地图（审图号：GS（2019）1697号）绘制，底图边界无修改。

Fig. 2 Network connectivity patterns of urban skiing tourism flow at different levels in China

3.2 区域网络结构特征

3.2.1 四大区域网络拓扑的行政区效应突出

从全国四大区域 ① 旅游流空间结构来看，区域关联网络的行政区效应明显，不同区域城市滑雪旅游网络总体表现出单核心、双核心和多核心3种网络结构（图3）。具体来看，中部和东北地区为单中心滑雪旅游网络结构。其中，武汉市处于中部区域滑雪旅游拓扑网络的绝对核心地位，对周边城市有较强的辐射作用，与区域滑雪资源较好的神农架林区、黄冈两地形成吸附力。东北地区则形成了以辽宁省会沈阳市为区域核心的内部联动网络，其集散作用明显高于吉林长春、黑龙江哈尔滨等其他省会城市以及辽宁地区副省级城市大连。比较来看，东北区域整体关联度较中部地区有明显提升。西部地区为双中心驱动网络结构，两大核心城市西安和成都在各自省域范围内展现出突出的流动联系能力。具体而言，西安市在陕西省内与铜川、宝鸡、咸阳等城市建立了不同程度的流动联系。位于四川的成都市主要与阿坝州建立起深度滑雪旅游联系，在基础冰雪设施建设方面，阿坝州已建成茂县九鼎山太子岭、汶川羌人谷等多个滑雪场，以成都为中转枢纽前往阿坝州滑雪旅游体验，成为四川游客的热门选择。但同时也应看到，成渝城市群作为西部大开发的重要区域发展板块，其核心城市重庆并未深度融入成渝地区滑雪旅游经济中，未来应重点加强重庆与阿坝州等区域知名滑雪旅游地的冰雪联动，助力成渝地区双城经济圈建设向纵深推进。东部地区滑雪旅游网络形成多核心拓扑结构，长三角城市群的上海跨域分别与京津冀城市群的北京、张家口建立起紧密的滑雪旅游稳定三角关系，并在城市群内部与杭州、湖州滑雪旅游合作密切。
图3 中国四大区域滑雪旅游流网络拓扑

Fig. 3 Network topology of skiing tourism flow in four regions of China

3.2.2 不同区域网络结构的完整性和集聚性异质

为进一步揭示四大区域滑雪旅游网络异质特征，采用复杂网络分析工具计算不同区域的拓扑网络密度、E-I指数、平均路径长度等指标，以深度刻画四大区域滑雪旅游网络结构的完整性和集聚性（表1）。结果表明：① 相对于全国滑雪旅游网络完整性（0.040），区域层面网络完整性较高。其中，东北地区滑雪旅游网络密度（0.093）最高，滑雪流动覆盖大部分区域内部城市，其次为东部地区（0.042），而中部和西部地区城市滑雪旅游流动联系涉及城市数量比例相对较少，密度值居于后两位，旅游流网络完整性较弱。② 区域网络呈现出典型的小世界特征。对四大区域的E-I指数进行比较分析发现，东北地区E-I指数最大，为0.949，接近于1，说明东北地区的对外依存度较高，其区域内城市间滑雪旅游流动远少于区域外的城市滑雪旅游合作联系，结合地区滑雪旅游流空间结构可知，东北地区冰雪城市多与华东、华北中心城市建立合作联系；而西部地区的E-I指数最小，且为负值，表明西部地区滑雪旅游内聚性最强，滑雪旅游联系在区域内部形成流动体系，内聚性大于对外依存性，同时在一定程度上也揭示了其与其他区域的滑雪旅游经济联系薄弱，区域外部滑雪旅游合作有待加强。
表1 中国四大区域滑雪旅游拓扑网络主要计算指标

Tab. 1 Main calculated indicators of skiing tourism topological networks in four major regions of China

区域 网络密度 内部联系 外部联系 联系总数 E-I指数
东部区域 0.042 252 1,172 1,424 0.646
中部区域 0.032 48 725 773 0.876
西部区域 0.027 2,764 1,864 4,628 -0.194
东北区域 0.093 8 307 315 0.949

3.3 网络节点结构特征

“流动性”与“地方空间共有”是“流空间”的基本特征[39]。“流空间”相对于“地方空间”构筑了流动性和网络，城市是网络的组成节点，在网络结构中具有不同的服务、管理和控制作用。通过计算中国城市滑雪旅游流网络的平均路径长度发现，网络中任意两个节点之间最短路径的平均值为2.163，空间联系平均距离较小，表明滑雪旅游流网络节点之间具有较高的可达性以及较小的分离程度。从网络联系集聚结构来看，城市滑雪旅游流空间网络中核心城市间的紧密联系与非核心城市间的稀疏关联对比明显，“核心-边缘”是城市滑雪旅游网络联系的重要特征，城市对外联系存在着指向性偏好。

3.3.1 城市节点联系范围遵循距离衰减规律，近程空间流动明显

以100 km为等距间隔刻画中国滑雪游客流动量分布变化，如图4所示，滑雪游客出游距离累积曲线呈现出明显的上凸趋势，滑雪游客流动量所占比例随着空间距离的增加而波动递减，累计约45%的滑雪游客出游距离集中在0~300 km范围内，表明滑雪旅游流在地理空间上受到距离的约束性，进一步验证了中国滑雪游客空间范围流向以近程出游为主。同时在300~2,000 km距离范围内，曲线表现出较为明显的波动形态，于1,000 km处出现阶段峰值（累计75.54%），而在1,800 km空间距离处旅游流量累计占比达九成，流量波动提升的原因可能在于重要核心城市与热门滑雪目的地城市间通道优化而产生的积极空间互动，城市间客流流动一定程度上突破时空邻近效应，更多地表现出资源与市场互换带来的区域组合效用，集中体现了滑雪旅游流在空间上的等级扩散性。
图4 滑雪旅游流距离累积曲线

Fig.4 Cumulative distance curve of skiing tourism flow

3.3.2 城市节点联系方向以单向为主，双向联系薄弱

根据节点城市间的流向和流量关系，分别选取滑雪旅游流有向流动和净流动排序前20位的城市联系进行弦形可视化呈现（图5）。整体来看，滑雪旅游流有向流动路径主要表现为区域中心城市邻接指向和长三角核心城市北向指向两大特征。北京—张家口、上海—北京、成都—阿坝州、上海—湖州、西安—铜川为中国城市间滑雪旅游主要有向流动路径，联系强度居于前5位，其中北京与张家口之间有向流动强度最高，原因主要在于京津冀协同发展战略的深入实施，加之2022年北京冬奥会成功举办以及京张体育文化旅游带建设等一系列发展机遇的推动，滑雪旅游成为促进京张两地协同发展的重要着力点和粘合剂。此外，长三角地区的上海市作为国家中心城市之一，则参与联系了数量最多（7条）的城市间滑雪旅游有向流动，与华北（北京、张家口）、东北（白山、吉林、哈尔滨、沈阳）和西北（西安）等地区范围内知名滑雪旅游城市建立起深度联系，是全国最大且最为活跃的滑雪旅游客源地。通过对比发现，城市滑雪旅游流单向流动网络和净流动网络在结构上存在着高度相似性，如具有一致流动关系的城市对数量以及联系强度居于前序的城市联系类型相同，侧面揭示出中国城市间滑雪旅游空间流动以单向迁徙为主，双向联系较为薄弱。
图5 城市滑雪旅游流有向流动与净流动联系

Fig. 5 The relationship between directional flow and net flow of urban skiing tourism flow

3.3.3 节点城市具有“核心-边缘”特性，类型分布存在结构差异

前文分析中发现，滑雪旅游流空间网络中城市节点之间的联系程度、指向等方面表现出明显差异，即城市节点在整体网络中的地位作用存在着显著异质性。借助核心-边缘结构模型对节点城市进行核心和边缘性判别分析，结果显示滑雪旅游流网络中边缘城市节点数量居多，达262个，核心城市节点为55个。通过比较核心与边缘分区的网络密度发现，核心区城市网络密度为0.736，远大于边缘区城市网络密度（0.015），说明城市滑雪旅游流网络集聚效应显著，处于核心节点的城市在网络中占据重要地位。为进一步识别各节点城市的角色作用，结合城市中心性结果并依据城市节点入度与出度的度差指数，从相对流动向度将城市节点自然间断划分为高流入、低流入、高流出、低流出和均衡型，以空间可视化形式呈现城市分类结果与地理分布差异（图6）。
图6 滑雪旅游流网络节点城市类型

注：此图基于国家测绘地理信息局标准地图（审图号：GS（2020）4615）绘制，底图边界无修改。

Fig. 6 Types of node cities in skiing tourism flow networks

核心城市类型中，高流入型在空间上呈点块状分布形态，包括张家口、北京、湖州、连云港、神农架林区等14个城市地区，这类城市主要分布在积雪资源富集、具备天然滑雪优势的高纬度地带，如新疆阿勒泰、乌鲁木齐、吉林、长白山地区等，或是具有充足客源市场的区域中心城市邻域，如河北张家口、四川阿坝州等，该类城市在区域范围内具备滑雪资源开发比较优势。低流入型则形成了由高流入型核心城市带动的“板块”状分布结构，涵盖保定、晋中、大同、呼和浩特、宝鸡等22个城市节点，随着自身建设的加强和高流入城市滑雪客流溢出效应的带动，这类城市区域未来有很大可能性发展成滑雪旅游热点目的地。均衡型核心城市的滑雪旅游流集散规模总体平衡，中心性处于中上水平，包括温州、台州、郑州、贵阳和西安5个城市，在空间上分布分散，多为中西部中心城市，发挥着承接流转作用。高流出型城市主要为低纬地区滑雪资源条件薄弱但市场需求旺盛的中心城市，以广州、深圳为典型。此外，上海扮演着辐射中心和规模借用的关键角色，与苏州、无锡、南京形成长三角“雁形”梯次高流出结构区；低流出型城市则分布有厦门、福州、重庆、合肥、宁波5个城市，主要为南方省级和副省级城市，较经济消费能力突出的长三角、珠三角等成熟客源市场，南方其他省会城市的滑雪旅游消费市场潜力同样明显，未来可重点挖掘释放。反观边缘性城市类型中，均衡型即城市滑雪旅游集聚和扩散处于动态均衡，这类城市比例最大，占比达75.19%，空间上为连片状分布。低流入型和低流出型分别有50个和14个城市单元，累计占比24.43%，其中低流出型城市主要分布在冰雪资源相对较少的低纬度地区，而低流入型城市在全国空间范围内均有分布，综合反映出中国城市间滑雪旅游联系强度和流动活力不强，从流动性层面来看，国内滑雪市场总体处于初级滑雪市场发展阶段。需要特别指出的是，吉林延边州为边缘性城市中唯一的高流入型类型，其中缘由在于该地区具有林海雪原的天然优势，并建有多个全国知名滑雪场，是吉林地区滑雪旅游重要目的地之一，但从中心性评价角度而言，其周边的长春、白山等城市同样拥有高品质滑雪资源且具备旅游交通配套等方面发展优势，是吉林省冰雪旅游网络中的枢纽城市，因此打通旅游通道、融入特色民族冰雪文化内涵，可能是延边州在吉林滑雪旅游带建设中发挥关键作用的重要着力点。

4 城市滑雪旅游流网络结构驱动因素

4.1 驱动因素选择与模型建立

通过对前文城市滑雪旅游流网络结构特征分析可以发现，中国城市滑雪旅游流网络的形成是多元因素综合作用的结果，总体可以划分为两大类，即自然性驱动因素和人文性驱动因素。在进一步回顾总结相关已有文献研究[40-43]的基础上，从社会经济方面选择地理空间邻近、经济发展水平、居民消费能力、旅游发展水平等因素，从自然环境条件方面选取滑雪资源配置差异、气温物候条件等因素来探讨对于中国城市滑雪旅游流网络结构的驱动影响。鉴于滑雪旅游流网络结构各驱动因素变量均为关系矩阵数据，且关系变量之间存在高度的相关性[44]，因而本研究采用普遍适用于关系矩阵变量分析的QAP回归分析模型。在本研究中，被解释变量为城市间滑雪旅游流关系矩阵，城际地理空间邻近、经济发展水平等因素均为解释变量，最终构建矩阵计量模型为：
T F = f ( S P M ,   P G D P ,   P C D I ,   T D L ,   S K A ,   C L I )
式中：TF为城市滑雪旅游流网络关系矩阵；SPM为地理空间邻近矩阵（城市相邻为1，不相邻为0）；PGDP、PCDI、TDL、SKA、CLI分别为各城市经济发展水平、居民消费能力、旅游发展水平、滑雪资源配置和气温物候条件差异矩阵。除本身为二值关系矩阵的SPM外，PGDP、PCDI、TDL、SKA、CLI分别是由各市相应指标数据之差的绝对值构成的关系矩阵，并进行极差标准化处理以消除规模差异及量纲的影响。各驱动因素具体指标含义见表2。
表2 中国城市滑雪旅游流网络的驱动因素及回归结果

Tab. 2 Driving factors and regression results of skiing tourism flow networks in Chinese cities

驱动因素 具体指标 QAP回归分析
整体网络 东部 中部 西部 东北部
地理空间邻近SPM 空间邻接矩阵 0.061*** 0.060** 0.106*** 0.086*** 0.246***
经济发展水平PGDP 人均生产总值差值矩阵 0.004 0.010 0.068** 0.011 0.046
居民消费能力PCDI 人均可支配收入差值矩阵 0.027*** 0.026 0.054** 0.003 0.100*
旅游发展水平TDL 旅游收入差值矩阵 0.032*** 0.029 0.043** 0.082*** 0.033*
滑雪资源配置SKA 滑雪场数量差值矩阵 0.052*** 0.107*** 0.027 -0.006 0.010
气温物候条件CLI 雪期平均气温差值矩阵 -0.005 -0.038*** -0.012 -0.005 -0.054

注：***、**和*分别表示1%、5%和10%的显著性水平，回归系数为标准化回归系数。

4.2 驱动因素解释分析

运用构建的计量模型，设定5000次随机置换次数，对城市滑雪旅游流网络与各驱动因素矩阵进行QAP回归分析。依据回归结果总体来看，地理空间邻近性、居民消费能力差异、滑雪资源配置差异和旅游发展水平差异对中国城市滑雪旅游流网络联系具有显著的正向影响，城市间经济发展水平差异以及气温物候条件差异对整体滑雪旅游关联网络的影响并不显著。具体而言，① 地理空间邻近性在整体和四大区域网络中均有显著性影响，且驱动作用最强，说明全国和各大区域内滑雪旅游的流动均主要发生在空间距离相近的城市之间，邻近区域之间具有更强的空间溢出效应，并推动空间关联网络的形成，契合了前文中国城市滑雪旅游流流向具有“距离衰减”和“路径依赖”特性的分析结论，进一步表明空间距离与行政边界的约束会对区域滑雪旅游经济合作和客流联系产生重要影响。② 除中部地区外，城市间经济发展水平差异均未通过显著性水平检验，表明当前地区经济水平差异并不是影响城市滑雪旅游流动的重要引致因素。究其原因，虽经济发展水平是地区滑雪旅游产业发展的重要支撑，也是促进区域产生滑雪旅游合作的重要条件，但滑雪旅游发展的核心载体与先决条件在于地区冰雪资源禀赋拥有，尤其是地区积雪资源丰度[45]。③ 居民消费能力是把握滑雪旅游地旅游发展和需求水平的重要指标，地区居民旅游需求旺盛往往会产生区域扩散效应。在整体以及中部、东北地区中，居民消费能力差异为正值且通过显著性水平检验，其原因可能在于中部、东北地区城市滑雪旅游网络内聚性较差，区域内居民消费能力差异越大，在城市间越容易产生滑雪旅游流动联系。④ 旅游发展水平能够反映地区旅游产品服务整体水平，除东部地区以外，旅游发展水平差异系数在整体、中、西和东北部均通过显著性水平检验，表明滑雪旅游目的地整体旅游发展水平较高，例如旅游产品丰富和配套设施完善，能够更大激发滑雪游客的流向意愿，而旅游发展水平差异对东部地区城市影响尚不显著，其原因可能是东部城市整体旅游发展水平差异不明显，内聚性强，是一个相对成熟稳健的网络，滑雪旅游流动不易受到城市旅游发展水平的外部影响。⑤ 滑雪旅游具有明显的资源指向性，滑雪场地资源配置是滑雪旅游活动产生的基础，滑雪旅游资源丰度高的城市能够吸引更多滑雪游客，并对其他城市产生扩散效应，从而促进城市间更加紧密的滑雪旅游合作。滑雪资源配置差异系数在整体和东部区域均为正值，具有显著的正向影响，而中部、西部和东北地区未产生显著影响，其中缘由主要在于自然因素对滑雪资源配置影响的空间差异性，当前滑雪场馆在全国层面具有聚集性和不均衡性分布特征，表现为多分布东北、中、西部地区，而东部地区数量明显有限。东部区域城市滑雪场地资源配置差异大，进而会显著影响区域城市之间的滑雪旅游流向。⑥ 东部地区气温物候条件差异的系数为负值，且通过1%显著性水平检验，表明东部城市间气温物候条件差异越小，越能促进滑雪旅游流动联系，仍依赖于周边气温物候相近的惯常环境中的滑雪体验。同时，气温物候条件并未对整体网络和其他区域产生显著性影响，原因一方面可能在于当前气温物候条件空间差异并未有效转化为地区滑雪旅游吸引优势，另一方面，《2023中国滑雪产业白皮书》指出当前大众滑雪运动总体涉入深度不够，多为单次或低频次参与，以“家门口”普及性滑雪旅游体验为主。

5 结论与讨论

5.1 结论

本研究基于大众点评网络平台的滑雪游客旅游流动大数据，运用社会网络分析相关方法揭示了中国城市滑雪旅游流网络空间结构特征，并借助QAP回归分析系统探析其驱动因素，主要得出以下结论：
（1）整体网络层面，中国滑雪旅游客流总体呈现出“大分散、小集聚”分布态势，地带经向性空间分异特征明显。滑雪旅游流网络结构具有明显的层级性，随着联系强度的分级降低，中国城市滑雪旅游流“倒金字塔形”空间网络联系格局逐步显现并不断强化，形成以京津冀、长三角、哈长城市群核心城市为顶点的滑雪旅游流高密度三角网络和东密西疏、北密南疏的非对称性格局。
（2）四大区域层面，区域关联网络的行政区效应明显，总体表现出单核心、双核心和多核心3种网络结构。东北地区滑雪旅游网络最为完整，滑雪旅游流动覆盖区域内大部分城市，且对外依存度较高，与华东、华北中心城市建立起紧密合作联系；西部地区滑雪旅游内聚性最强，滑雪旅游联系在区域内部形成流动体系，滑雪旅游外部经济联系薄弱。
（3）节点城市层面，节点间流动联系存在明显指向性。空间流动范围上，中国城市间滑雪旅游流空间迁移遵循着距离衰减规律，游客出游距离集中在0~300 km范围内；空间流动方向上，主要表现为区域中心城市邻接指向和长三角核心城市北向指向两大特征，北京—张家口、上海—北京、成都—阿坝州为主要有向流动路径；城市节点在整体滑雪旅游网络中的地位作用存在不同，根据流入、流出及中心性特征将节点城市分为高流入型核心城市、均衡型核心城市、低流出型边缘城市等9种类型。
（4）地理空间邻近性、居民消费能力差异、滑雪资源配置差异和旅游发展水平差异对中国城市滑雪旅游流网络联系总体具有显著的正向影响；除中部地区外，城市间经济发展水平差异对整体和其他区域滑雪旅游关联网络的影响并不显著；气温物候条件差异仅对东部地区具有负向影响作用。

5.2 讨论

本研究揭示出中国城市滑雪旅游流网络具有明显的层级结构特征，形成以京津冀、长三角、哈长城市群核心城市为顶点的滑雪旅游流高密度三角网络和东密西疏、北密南疏的非对称性格局，这与滑雪信息流表现出来的以北京为轴心向东北与东部沿海等地区延伸的局域空间特征存在一致性[20]，在一定程度上证实了滑雪信息流能够预测滑雪游客的旅游需求。此外，滑雪旅游作为冰雪旅游的核心组成，其空间流动网络高度呼应了冰雪旅游形成的“三核（京津冀、东北、新疆）、三片（川渝、华中、长三角）、多点”的空间格局[1]，但也存在着特殊性，表现在新疆所处西北地区的冰雪旅游“资源优势”未能有机转化为滑雪旅游流网络的“位置优势”。此外，不同于全国市域综合旅游流网络的高值区集聚于长三角、成渝城市群及云南地区，而在东北地区形成低值“洼地”的地理经向性格局特征[46]，滑雪旅游流网络结构则表现出显著的“资源指向性”，能够克服地理空间跨距的障碍，在空间上呈“倒金字塔形”联系格局，重点串联京津冀、东北、西北等中国高纬度欠发达区域。这一研究发现对于中国欠发达地区重点加强滑雪旅游这类潜在体育旅游资源开发，推动转化成新的旅游吸引极，从而促进跨区域间产生多元经济联系并带动区域价值不断扩展，提供了重要的理论启示。值得注意的是，由于滑雪旅游者更易受自身旅游需求以及自然气候的惯常影响，整体流动性上存在着更为明显的距离衰减规律，因此相较于出入境旅游流等一般形式旅游流网络结构[47,48]，滑雪旅游流空间结构“核心-边缘”特征更为显著，即全国层面整体流动结构比较松散，但重点区域内联系高度集聚。综合来看，本研究的创新贡献主要在于：理论上，立足地理学尺度思想，依托“面-线-点”的结构主义逻辑理路，以城市间的滑雪旅游联系构建滑雪旅游流网络，并揭示出其多维空间结构特征及作用机制，深化了学界关于细分需求且属于融合态的旅游流形式的认知，一定程度上拓展了旅游流的研究类型和内容体系；此外，也有效填补了滑雪旅游领域宏观尺度下旅游者空间流动行为理论关照的不足。实践上，基于需求端的滑雪旅游者流动行为视角，从整体和区域层面刻画出滑雪旅游空间流动特征规律并明晰背后驱动因素，在宏观供给层面上为政府制定滑雪旅游发展决策和管理提供了重要参考依据；同时进一步厘清各节点城市的角色作用类型，这对于不同城市单元进行有针对性的滑雪旅游产品开发和市场合作具有重要指导意义。数据上，本研究突破传统滑雪旅游研究以定性和理论探讨为主的范式，挖掘利用大众点评网络平台的滑雪旅游数字足迹数据，创新了滑雪旅游流动性研究开展所需数据的来源方式。
当前中国滑雪旅游流网络已初步形成规模化、整体化空间格局，但网络结构不均衡、双向联系薄弱、节点功能发挥不充分等问题仍然存在。针对于此，本研究从产业布局、区域合作与市场开发方面对中国滑雪旅游发展提出以下建议：一是结合冰雪运动“南展西扩东进”战略的实施，因地制宜发展滑雪旅游产业。短期内应加强对滑雪旅游潜力较大地区的开发，继续发挥泛京津冀地区、东北地区以及西北边疆区域等网络组团对整个滑雪旅游流网络的带动作用。同时，鉴于滑雪旅游空间流动具有距离衰减性，东部以及南方城市要充分利用经济技术优势，加强室内滑雪场等资源配置，以有效满足周边及当地滑雪旅游者参与体验需要。二是加强重点城市间滑雪旅游联系，以城际联动发展带动跨区域协同升级。一方面积极通过城际轨道交通优化、旅游综合体引入、文化活动交流等方式，持续夯实北京—张家口、成都—阿坝州、西安—铜川等都市圈内城市滑雪旅游合作联系，促进重点城市周边滑雪旅游市场一体化发展；另一方面，大力推动阿坝州、阿勒泰地区等典型滑雪旅游目的地与北京、上海、成都、广州等经济发达的区域中心城市之间的“高铁网络”等旅游通道建设，降低因地理距离而产生的经济和时间成本，引导跨区域城市间的滑雪旅游流动。三是培育区域核心节点的主导作用，释放高能级城市的溢出效应。积极通过交通设施等硬联通以及文化交流等软连接的方式，发挥“资源-经济”两大类型核心城市的导流和带动作用，同时引导地区厚植资源优势和文化特色，切实规避旅游发展中的马太效应。特别地，成渝城市群作为西部大开发的重要区域板块，未来应积极推动重庆、成都两大中心城市与其他区域核心城市的冰雪联系，培育建设成重要的滑雪旅游枢纽城市节点，发挥集散作用。
本研究也存在一定的局限性：① 数据源方面，囿于传统统计数据缺乏或难以获取，而具有时空标记的地理大数据为量化空间交互提供了全新的感知手段[49]，且网络点评文本数据作为重要的用户感知数据之一，已被证明应用于旅游研究的可行性[50]。本研究借助滑雪旅游者数字行为数据揭示了滑雪旅游流网络结构及其背后驱动因素，为理解滑雪旅游空间交互（流）模式提供了可能性，但同时也认识到，相较于传统统计数据，地理大数据并非“全数据”，而存在有偏性等局限，因此研究数据的样本量以及来源方式有待进一步挖掘丰富，同时随着深度学习的发展，未来可引入机器学习、复杂性科学等领域的方法进行融合分析。② 因素分析方面，本研究侧重于从自然和人文层面选择经济发展水平、滑雪资源配置等6个主要客观影响因素探究中国城市滑雪旅游流网络结构的形成动因，但滑雪旅游流动可能还会受到行为主体地域认同、文化关注等方面影响，关于更全面的滑雪旅游流网络结构的形成机理也有待进一步探究。③ 研究视角方面，本研究主要基于共时层面进行滑雪旅游流网络的总体刻画，并未通过连续性数据对滑雪旅游流网络结构演化规律进行深度的描摹，未来可从历时性视角对中国滑雪旅游流网络结构的时空演化开展深入研究。

真诚感谢二位匿名评审专家在论文评审中所付出的时间和精力，评审专家对本文研究问题的提出、理论贡献的提炼、逻辑结构、图表呈现、结论梳理以及未来建议方面的修改意见，使本文获益匪浅。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
唐承财, 方琰, 厉新建, 等. 新时代中国冰雪旅游高质量发展模式构建与路径创新. 干旱区资源与环境, 2023, 37(12): 140-150.

[Tang Chengcai, Fang Yan, Li Xinjian, et al. Construction of high-quality development model and innovation path of China's ice and snow tourism in the new era. Journal of Arid Land Resources and Environment, 2023, 37(12): 140-150.]

[2]
唐承财, 肖小月, 秦珊. 中国冰雪旅游研究: 内涵辨析、脉络梳理与体系构建. 地理研究, 2023, 42(2): 332-351.

DOI

[Tang Chengcai, Xiao Xiaoyue, Qin Shan. Research on ice and snow tourism in China: Connotation identification, context sorting and system construction. Geographical Research, 2023, 42(2): 332-351.]

[3]
张瑞林, 周文静. 中国滑雪产业高质量发展的问题审视、理论要素与驱动路径. 北京体育大学学报, 2023, 46(3): 1-9.

[Zhang Ruilin, Zhou Wenjing. Difficulty review, theoretical elements and driving path of the high-quality development of China's ski industry. Journal of Beijing Sport University, 2023, 46 (3): 1-9.]

[4]
唐顺铁, 郭来喜. 旅游流体系研究. 旅游学刊, 1998, 13(3): 38-41.

[Tang Shuntie, Guo Laixi. Study on tourism flow system. Tourism Tribune, 1998, 13(3): 38-41.]

[5]
Mou N X, Zheng Y H, Makkonen T, et al. Tourists' digital footprint: The spatial patterns of tourist flows in Qingdao, China. Tourism Management, 2020, 81: 104151.

[6]
Dawson J, Scott D. Climate change vulnerability of the Vermont ski tourism industry (USA). Annals of Leisure Research, 2007, 10(3/4): 550-572.

[7]
Gonseth C, Vielle M. A general equilibrium assessment of climate change impacts on Swiss winter tourism with adaptation. Environmental Modeling & Assessment, 2019, 24(3): 265-277.

[8]
Gruas L, Perrin-Malterre C, Hoibian O. How green can they be? A survey of ski tourers' pro-environmental behaviour. Leisure Studies, 2025, 44(2), 277-293.

[9]
Yin Z C, Zhou B T, Duan M K, et al. Climate extremes become increasingly fierce in China. The Innovation, 2023, 4(2): 100406.

[10]
李欣. 我国滑雪运动三大核心区域可持续发展研究. 北京体育大学学报, 2017, 40(10): 9-16.

[Li Xin. Analysis on the sustainable development of three core areas of skiing in China. Journal of Beijing Sport University, 2017, 40(10): 9-16.]

[11]
张天琦, 张崇龙, 邱森, 等. 京张滑雪旅游带的全域构想、国际镜鉴与实现路径. 沈阳体育学院学报, 2023, 42(1): 138-144.

DOI

[Zhang Tianqi, Zhang Chonglong, Qiu Sen, et al. All-for-one tourism idea, international references and realization paths of Beijing-Zhangjiakou ski tourism belt. Journal of Shenyang Sport University, 2023, 42(1): 138-144.]

DOI

[12]
王灵恩, 李浚硕, 崔家胜. 寒地冰雪经济的概念内涵、阶段演进与发展路径探讨. 中国生态旅游, 2022, 12(3): 358-373.

DOI

[Wang Lingen, Li Junshuo, Cui Jiasheng. Research on connotation characteristics and development path of ice and snow economy in cold regions of China. Journal of Chinese Ecotourism, 2022, 12(3): 358-373.]

DOI

[13]
张瑞林, 金礼杰, 王志文. 中国滑雪产业与旅游产业融合发展的水平评估与影响因素. 首都体育学院学报, 2024, 36(1): 1-11, 42.

[Zhang Ruilin, Jin Lijie, Wang Zhiwen. Assessment and influencing factors of the integrated development level of China's ski industry and tourism Industry. Journal of Capital Sport University of Physical Education and Sports, 2024, 36(1): 1-11, 42.]

[14]
孙大海, 韩平. 滑雪旅游资源开发: 禀赋指标、模式与优化路径研究. 中国体育科技, 2021, 57(11): 14-19.

[Sun Dahai, Han Ping. Development of skiing tourism resources: Research on endowment index, model and optimization paths. China Sport Science and Technology, 2021, 57(11): 14-19.]

[15]
唐承财, 肖小月, 韩莹, 等. 中国典型冰雪旅游地开发模式及优化路径. 自然资源学报, 2022, 37(9):2348-2366.

DOI

[Tang Chengcai, Xiao Xiaoyue, Han Ying, et al. Development mode and optimization path of typical ice and snow tourism destinations in China. Journal of Natural Resources, 2022, 37(9): 2348-2366.]

DOI

[16]
王世金, 徐新武, 邓婕, 等. 中国滑雪旅游目的地空间格局、存在问题及其发展对策. 冰川冻土, 2017, 39(4): 902-909.

DOI

[Wang Shijin, Xu Xinwu, Deng Jie, et al. Chinese skiing-tourism destination: Spatial patterns, existing problems and development countermeasures. Journal of Glaciology and Geocryology, 2017, 39(4): 902-909.]

DOI

[17]
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. 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. Geographical Research, 2023, 42(2): 389-406.]

[18]
王国权, 王欣, 王金伟, 等. 冬奥会背景下城市居民滑雪旅游行为意向的影响机制: 基于北京市的实证研究. 干旱区资源与环境, 2022, 36(5): 178-185.

[Wang Guoquan, Wang Xin, Wang Jinwei, et al. Influencing mechanism of urban residents' ski tourism behavioral intention in the context of 2022 Winter Olympics. Journal of Arid Land Resources and Environment, 2022, 36(5): 178-185.]

[19]
亓顺红, 王敏, 李娟, 等. 滑雪旅游消费者行为意向影响因素及其影响机理研究: 基于消费者滑雪水平的多群组比较分析. 中国体育科技, 2023, 59(8): 90-97.

[Qi Shunhong, Wang Min, Li Juan, et al. Research on influencing factors and mechanism of behavioral intentions of ski tourism consumers: Multi-group comparative analysis based on consumers' skiing levels. China Sport Science and Technology, 2023, 59(8): 90-97.]

[20]
魏德样, 雷雯. 中国滑雪旅游信息流特征及市场开发策略研究: 基于百度指数的分析. 北京体育大学学报, 2022, 45(7): 82-94.

[Wei Deyang, Lei Wen. Research on the characteristics of ski tourism information flow and market development strategy in China: An analysis based on Baidu index. Journal of Beijing Sport University, 2022, 45(7): 82-94.]

[21]
保继刚, 楚义芳. 旅游地理学(第三版). 北京: 高等教育出版社, 2012: 5.

[Bao Jigang, Chu Yifang. Tourism Geography (Third Edition). Beijing: Higher Education Press, 2012: 5.]

[22]
张佑印, 顾静, 马耀峰. 旅游流研究的进展、评价与展望. 旅游学刊, 2013, 28(6): 38-46.

[Zhang Youyin, Gu Jing, Ma Yaofeng. Tourist flow: Research progress, evaluation and outlook. Tourism Tribune, 2013, 28(6): 38-46.]

[23]
王朝辉, 乔浩浩, 张姗姗, 等. 入境旅游流空间格局演化及大都市旅游高质量发展: 以上海市为例. 自然资源学报, 2022, 37(12): 3167-3182.

DOI

[Wang Chaohui, Qiao Haohao, Zhang Shanshan, et al. Evolution of spatial pattern of inbound tourism flows and enlightenment of high-quality development of metropolitan tourism: A case study of Shanghai. Journal of Natural Resources, 2022, 37(12): 3167-3182.]

DOI

[24]
朱海珠, 曹芳东. 基于地理标记照片的游客流动网络结构特征及其流动模式: 以扬子江城市群为例. 长江流域资源与环境, 2020, 29(11): 2374-2383.

[Zhu Haizhu, Cao Fangdong. Tourist flow network structure characteristics and its flow pattern based on Geo-Tagged photos: Taking the Yangtze River City Group as an example. Resources and Environment in the Yangtze Basin, 2020, 29(11): 2374-2383.]

[25]
蒋依依, 刘焱序, 王宁, 等. 2004—2019年全球旅游流网络中心度时空演变. 地理研究, 2022, 41(3): 698-712.

DOI

[Jiang Yiyi, Liu Yanxu, Wang Ning, et al. The spatial dynamics of global inbound tourism network centrality during 2004—2019. Geographical Research, 2022, 41(3): 698-712.]

[26]
梁逍遥, 马丽君. 我国国内旅游流循环空间格局及形成机理: 基于网络关注度的分析. 旅游学刊, 2023, 38(9): 104-117.

[Liang Xiaoyao, Ma Lijun. The spatial pattern and formation mechanism of domestic tourist flow circulations: Analysis based on network attention data. Tourism Tribune, 2023, 38(9): 104-117.]

[27]
闫闪闪, 梁宗正, 刘国秋, 等. 红色旅游流网络空间分布特征研究: 以江西省为例. 经济地理, 2024, 44(2): 198-207.

DOI

[Yan Shanshan, Liang Zongzheng, Liu Guoqiu, et al. Spatial distribution characteristics of red tourist flow network: A case study of Jiangxi province. Economic Geography, 2024, 44(2): 198-207.]

DOI

[28]
王朝辉, 汤陈松, 乔浩浩, 等. 基于数字足迹的乡村旅游流空间结构特征: 以浙江省湖州市为例. 经济地理, 2020, 40(3): 225-233, 240.

DOI

[Wang Chaohui, Tang Chensong, Qiao Haohao, et al. Spatial structure characteristics of rural tourism flow based on digital footprint: Taking Huzhou City in Zhejiang Province for example. Economic Geography, 2020, 40(3): 225-233, 240.]

DOI

[29]
程雪兰, 方叶林, 苏雪晴, 等. 中国东部沿海5大城市群旅游流网络结构空间分布特征研究. 地理科学进展, 2021, 40(6): 948-957.

DOI

[Cheng Xuelan, Fang Yelin, Su Xueqing, et al. Spatial distribution characteristics of network structure of tourism flow in five major urban agglomerations of coastal China. Progress in Geography, 2021, 40(6): 948-957.]

DOI

[30]
王录仓, 刘海洋, 刘清. 基于腾讯迁徙大数据的中国城市网络研究. 地理学报, 2021, 76(4): 853-869.

DOI

[Wang Lucang, Liu Haiyang, Liu Qing. China's city network based on Tencent's migration big data. Acta Geographica Sinica, 2021, 76(4): 853-869.]

DOI

[31]
姚梦汝, 陈焱明, 周桢津, 等. 中国—东盟旅游流网络结构特征与重心轨迹演变. 经济地理, 2018, 38(7): 181-189.

DOI

[Yao Mengru, Chen Yanming, Zhou Zhenjin, et al. The evolution of structural features and gravity center for China-ASEAN tourist flow network. Economic Geography, 2018, 38 (7): 181-189.]

DOI

[32]
赵新正, 冯长安, 李同昇, 等. 中国城市网络的空间组织特征研究: 基于开发区联系的视角. 地理研究, 2019, 38(4): 898-910.

DOI

[Zhao Xinzheng, Feng Changan, Li Tongsheng, et al. Spatial organization characteristics of urban network in China: An analysis based on linkages between China's national-level development zones. Geographical Research, 2019, 38(4): 898-910.]

[33]
张蕾, 孙伟, 宋彦. 世界级机场群航空网络时空演化特征与模式. 地理学报, 2024, 79(6): 1540-1555.

DOI

[Zhang Lei, Sun Wei, Song Yan. Spatio-temporal evolution of the aviation network structure of the world-class airports cluster: Taking the Northeast Corridor of the United States as an example. Acta Geographica Sinica, 2024, 79(6): 1540-1555.]

[34]
黄晓东, 马海涛, 苗长虹. 基于创新企业的中国城市网络联系特征. 地理学报, 2021, 76(4): 835-852.

DOI

[Huang Xiaodong, Ma Haitao, Miao Changhong. Connectivity characteristics for city networks in China based on innovative enterprises. Acta Geographica Sinica, 2021, 76(4): 835-852.]

DOI

[35]
刘军. QAP: 测量“关系”之间关系的一种方法. 社会, 2007(4): 164-174, 209.

[Liu Jun. QAP: A unique method of measuring “Relationships” in relational data. Chinese Journal of Sociology, 2007(4): 164-174, 209.]

[36]
李磊, 陶卓民, 陆林, 等. 贵州省避暑旅游流网络结构特征及其影响因素. 地理研究, 2021, 40(11): 3208-3224.

DOI

[Li Lei, Tao Zhuomin, Lu Lin, et al. Structural characteristics and influencing factors of summer tourism flow network in Guizhou Province. Geographical Research, 2021, 40(11): 3208-3224.]

[37]
林赛南, 邓慧琳, 彭馨雨, 等. 流空间视角下武汉都市圈城市空间联系格局及影响因素. 经济地理, 2024, 44(2): 81-89.

DOI

[Lin Sainan, Deng Huilin, Peng Xinyu, et al. Pattern and influencing factors of urban spatial connection in Wuhan metropolitan area from the perspective of flow space. Economic Geography, 2024, 44 (2): 81-89.]

DOI

[38]
张恩嘉, 龙瀛. 城市弱势区位的崛起: 基于大众点评数据的北京休闲消费空间研究. 旅游学刊, 2024, 39(4): 16-27.

[Zhang Enjia, Long Ying. The rise of hidden spaces: A study of leisure consumption spaces in Beijing using Dazhong Dianping data. Tourism Tribune, 2024, 39(4): 16-27.]

[39]
孙中伟, 路紫. 流空间基本性质的地理学透视. 地理与地理信息科学, 2005, 21(1): 109-112.

[Sun Zhongwei, Lu Zi. A geographical perspective to the elementary nature of space of flows. Geography and Geo-Information Science, 2005, 21(1): 109-112.]

[40]
Laurent V, Li Y. Current situation and future development trend of global skiing tourism market. Journal of Resources and Ecology, 2022, 14(1): 207-216.

[41]
戴湘毅, 秦安琦, 唐承财. 国际冰雪旅游的研究进展及启示. 地理研究, 2023, 42(2): 458-474.

DOI

[Dai Xiangyi, Qin Anqi, Tang Chengcai. Research progress on international ice-snow tourism and its implications for China. Geographical Research, 2023, 42(2): 458-474.]

[42]
李卫星, 孙威. 欧洲滑雪体育旅游的起源、现状和发展趋势研究. 北京体育大学学报, 2013, 36(1): 30-35, 45.

[Li Weixing, Sun Wei. Research on the Origin, status and development trends of ski sports tourism in Europe. Journal of Beijing Sport University, 2013, 36 (1): 30-35, 45.]

[43]
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. 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. Economic Geography, 2019, 39(9): 222-231.]

DOI

[44]
聂长飞, 简新华. 中国高质量发展的测度及省际现状的分析比较. 数量经济技术经济研究, 2020, 37(2): 26-47.

[Nie Changfei, Jian Xinhua. Measurement of China's high-quality development and analysis of provincial status. Journal of Quantitative & Technical Economics, 2020, 37(2): 26-47.]

[45]
刘志林, 王磊, 丁银平, 等. 中国积雪资源时空演变特征及其旅游开发关键区识别. 地理研究, 2023, 42(2): 352-370.

DOI

[Liu Zhilin, Wang Lei, Ding Yinping, et al. Spatio-temporal evolution characteristics of snow cover resource and identification of key areas for tourism development in China. Geographical Research, 2023, 42(2): 352-370.]

[46]
方叶林, 黄震方, 李经龙, 等. 中国市域旅游流网络结构空间分异及其效应研究: 基于携程旅行网的大数据挖掘. 自然资源学报, 2022, 37(1): 70-82.

DOI

[Fang Yelin, Huang Zhenfang, Li Jinglong, et al. Research on the spatial differentiation and effects of network structure in tourism flow in Chinese cities: Big data mining based on Ctrip. Journal of Natural Resources, 2022, 37(1): 70-82.]

DOI

[47]
刘法建, 张捷, 陈冬冬. 中国入境旅游流网络结构特征及动因研究. 地理学报, 2010, 65(8): 1013-1024.

DOI

[Liu Fajian, Zhang Jie, Chen Dongdong. The characteristics and dynamical factors of Chinese inbound tourist flow network. Acta Geographica Sinica, 2010, 65 (8): 1013-1024.]

DOI

[48]
林志慧, 陈瑛, 刘宪锋, 等. 中国入境旅游城市合作网络时空格局及驱动因素. 地理学报, 2022, 77(8): 2034-2049.

DOI

[Lin Zhihui, Chen Ying, Liu Xianfeng, et al. Spatio-temporal pattern and influencing factors of cooperation network of China's inbound tourism cities. Acta Geographica Sinica, 2022, 77(8): 2034-2049.]

DOI

[49]
Liu Y, Liu X, Gao S, et al. Social sensing: A new approach to understanding our socioeconomic environments. Annals of the Association of American Geographers, 2015, 105(3): 512-530.

[50]
Zheng Y H, Zhang Y, Mou N X, et al. Selection biases in crowdsourced big data applied to tourism research: An interpretive framework. Tourism Management, 2024, 102: 104874.

Options
Outlines

/

〈 〉