中国冰雪旅游网络关注度的时空特征及影响因素

花玉莲，许 艳，李桂莎，李冬花，陆 林

（安徽师范大学 地理与旅游学院，安徽 芜湖 241000）

0 引言

在生态文明建设、全域旅游、健康中国等时代背景下，旅游业态和旅游结构不断转型发展，具有丰富休闲运动旅游资源、蕴涵深厚生态保护价值观念的冰雪旅游地日益受到国家重视和游客青睐［1］。2016年两会期间，习近平总书记作出“冰天雪地也是金山银山”的重要指示［2］。2022 年，北京冬奥会的成功举办为冰雪旅游高质量发展提供了重要契机，开启了中国乃至全球冰雪运动的新时代［3］。同年，中国旅游研究院与马蜂窝自由行大数据联合实验室发布《中国冰雪旅游消费大数据报告（2022）》，报告显示中国3 亿人参与冰雪运动成为现实，冰雪旅游消费市场出现结构性调整，已由体验阶段进入刚性生活需求阶段。由此可见，作为生态旅游领域中独具特色的新兴旅游方式，冰雪旅游以其旅游资源的生态属性、旅游产品的文化属性和旅游活动的教育属性正逐步成为助推生态旅游高质量发展的重要力量［4］。网络关注度是研究社会公众时空行为的重要手段之一。信息技术的不断发展触发了网络空间等新型空间结构的发生发展，网络信息流以多元形式融入人民群众的生活空间，不断重塑着社会经济结构［5］。2021 年12 月，中国互联网络信息中心发布《第49 次中国互联网络发展状况统计报告》，指出中国网民规模约为10.32 亿人，互联网普及率高达73.0%。在互联网日益普及背景下，网络关注度成为开展公众社会信息查询的重要渠道［6］。网络关注度最早应用于医学［7］，后逐渐覆盖到经济学［8］、传播学［9］、地理学［10］等领域。在旅游研究领域中，网络关注度研究集中于旅游目的地网络关注度时空演变特征及影响因素［11，12］、某地区旅游者网络关注度的时空特征［13］、网络关注度与现实流间的关系［14］、专项旅游的网络关注度时空演变及特征［15，16］等。

冰雪旅游作为生态旅游可持续发展的重要力量，得到了学术界的广泛关注。国外学者围绕冰雪旅游与气候变化的相互关系［17，18］、冰雪旅游的潜力评估与空间规划［19］、冰雪旅游产品开发及产业创新［20］、旅游者的需求及预测研究［21］、利益相关者对冰雪旅游地的管理［22］已形成大量研究成果。国内学者对冰雪旅游的研究尚处于初级阶段，研究涉及冰雪旅游的产业发展路径及挑战［23，24］、资源开发与发展模式［25］、旅游者满意度研究［26］、冬奥会对冰雪旅游高质量发展的作用［27，28］、滑雪场空间格局及可达性分析［29，30］等方面。总体而言，关于冰雪旅游的国内外研究成果已较为丰硕，但是，从时空维度对潜在冰雪旅游者行为特征展开分析的科学研究仍相对匮乏。其次，网络关注度相关研究大多聚焦大时间尺度的演变规律探索，较少涉及特殊时段的小时间尺度，而小时间尺度的网络关注度时空分布特征及影响因素的研究是进行假日旅游与节事旅游客流预测及调控的基础，对旅游地发展具有重要影响。北京冬奥会共为期17 天，时间跨度虽然较短，但却是中国冰雪旅游高质量发展的重要推手。

鉴于此，本文从地理空间视角出发，以北京冬奥会为契机，探究特殊时段内中国冰雪旅游网络关注度的时空分布特征及影响因素。一方面可以丰富冰雪旅游及网络关注度的相关研究；另一方面可以揭示北京冬奥会期间中国冰雪旅游网络关注度的时空演变特征，以期为后冬奥会时代下中国冰雪旅游的市场营销及高质量发展提供决策参考。

1 数据来源与研究方法

1.1 数据来源

百度是全球最大的中文搜索引擎，百度指数以网页搜索和新闻搜索为基础的海量数据分析服务，本研究采用百度指数官方网站中的“用户关注度”作为衡量网络关注度的指标。参考相关文献［13］，依次选取“冰雪旅游”“滑雪”“滑冰”“滑雪场”“滑冰场”5 个关键词作为本文的搜索对象。首先，在时间层面上，参考以往研究［33］，检索时间设定为北京冬奥会开幕前后累积4 周：北京奥运会于2022 年2 月4 日开幕，将开幕前1 周（1 月28 日—2 月3 日）定为第一研究周期，2 月4 日—2 月10 日为第二研究周期，2 月11 日—2 月17 日为第三研究周期，2 月18日—2 月24 日为第四研究周期。其次，在空间层面上，利用百度指数平台依次输入关键词，搜索中国31 个省份（香港特别行政区、澳门特别行政区和台湾地区未列入）逐日网络关注度，获取全国和分地区冰雪旅游网络关注度的基础数据。此外，本文的基础地理信息数据来源于全国地理信息资源目录服务系统（https：／ ／www.webmap.cn／）的1：25 万全国基础地理数据库。最后，在影响因素上，各地区网络发展水平、教育发展水平和经济发展状况等数据来源于各省（自治区、直辖市）2022 年统计年鉴；体育发展水平数据来源于各省（自治区、直辖市）体育局官方网站公布的相关数据；各地区滑雪场数量来源于《中国滑雪产业白皮书（2021 年度报告）》；地理空间距离数据来源于百度地图官网。

1.2 研究方法

周内分布偏度指数。周内分布偏度指数可用于测量周时段尺度内网络关注度的集中分布特征［32］，计算公式如下：

式中：i为冰雪旅游网络关注度由大到小的排列序号；Xi为第i 日网络关注度占周内总网络关注度比重。若C值大于0，表明网络关注度更多集中在周后期；C值小于0，表示更多分布在周前期；C值等于0，表示在周内对称分布。

变差系数。变差系数可用以衡量多区域之间网络关注值的差异程度，本文用以反映各地区间冰雪旅游网络关注的差异程度［33］，计算公式如下：

式中：Xi为第i个地区的网络关注度；n 为地区总数为n个省区网络关注度的平均数。CV值越大，表明冰雪旅游网络关注度地空间差异越明显。

首位度指数。首位度指数是衡量城市或经济规模分布状况的重要指标［36］，本文用以反映冰雪旅游网络关注地区的集聚程度，计算公式如下：

式中：X1、X2分别表示冰雪旅游网络关注度规模最大、第二大地区关注度数值。若P 值越大，表明冰雪旅游网络关注度越集中；反之亦然。

赫芬达尔指数。赫芬达尔指数是衡量区域经济集聚程度的重要指标［37］，取值范围为［0，1］，本文用以研究冰雪旅游网络关注度的集中程度，计算公式如下：

式中：Xi为第i个地区的网络关注度；T为冰雪旅游网络关注度总量；H 值越趋近于1，表示冰雪旅游网络关注度的空间集聚程度越高；越趋近于0，表示集聚程度越低。

地理集中指数。地理集中指数可用于测量冰雪旅游网络关注度空间分布集中性的重要指标［36］，取值范围为［0，100］，计算公式如下：

式中：G为冰雪旅游网络关注度的地理集中指数，Xi为第i个地区的网络关注度；T为网络关注度总量。若G值越接近100，则表明冰雪旅游网络关注度越集中；反之亦然。

地理探测器。地理探测器用于测量某地理事物与其解释因子之间关系的空间分析模型，本文用以解释冰雪旅游网络关注度的各项因子与其之间的解释力程度［37］，计算公式如下：

式中：q为影响因子对冰雪旅游网络关注度的解释力；n、σ2分别为样本量和方差；ni 和分别为i层样本量和方差。影响因子的q值越大，表明该因子对网络关注度时空分布特征的影响程度越高；反之亦然。

2 中国冰雪旅游网络关注度时间特征

2.1 总体时序演化特征

对2022 年1 月28 日—2 月24 日4 个研究周期的冰雪旅游逐日网络关注度进行统计分析（图1），整体时间变化特征主要体现在两个方面。首先，从时序演化过程看，4 周间中国冰雪旅游网络关注度表现出先增后减的“倒V型”时序演化特征，1 月28日—2 月8 日呈“降—升”的交替上升态势，2 月8日—2 月24 日呈“降—升—降”的波动下降态势。其次，从峰值出现时间看，研究期内冰雪旅游网络关注度共有1 个主高峰和3 个次高峰，主高峰出现时间为2 月8 日；次高峰出现时间分别为2 月5 日、15日、20 日。

查阅资料发现，北京冬奥会期间中国代表团运动员夺冠事件是造成冰雪旅游网络关注度产生峰值的主要原因。此期间内，媒体机构通过网络等传播媒介广泛宣扬中国代表团的夺冠运动员和夺金时刻，作为受众群体的社会公民通过对北京冬奥会赛事的持续关注，做出潜在冰雪旅游意愿的行为反馈，冰雪旅游网络关注度随之显著提升，产生与中国代表团获得金牌时间点的“共振效应”。夺冠运动员逐渐成为中国滑雪的符号和旗帜，媒体的宣传效应对潜在冰雪旅游者产生了出行意愿及感官价值的多重影响。总体而言，中国冰雪旅游网络关注度在北京冬奥会开幕前后4 周间呈明显波动态势，而中国代表团夺金点成为冰雪旅游网络关注度激增的关键时刻。

2.2 周时段特征

对2022 年1 月28 日—2 月24 日4 周间的中国冰雪旅游网络关注度进行周时段尺度特征研究（图1）。从图1 可见，冰雪旅游网络关注度呈现由“尖峰尖谷”向“尖峰平谷”形态演变，说明大众的网络关注由急速上升逐渐过渡到平稳发展时期。总体上看，第2 周冰雪旅游网络关注度指数最大，峰值最高；第4 周网络关注度指数最小，峰值最低；第2 周较第1 周网络关注度环比增长了125.57%，第3 周较第2 周环比减少了17.35%，第4 周较第3 周环比减少了33.75%。具体来看，第1 周冰雪旅游网络关注度呈现“V型”演化特征，在1 月31 日急剧下降呈低谷期，可能受除夕传统节日文化习俗的影响；第2 周呈现“M型”双峰演化态势，中国运动员的参赛日程及比赛成绩是产生这一现象的重要原因；第3周与第4 周均呈波动下降态势但下降幅度有所差异，第3 周网络关注度平稳下降，而第4 周呈现“倒V型”急剧下降态势。

将冰雪旅游在北京冬奥会前后共4 周的日搜索指数按星期相加求平均值，得到4 周间周内网络关注度的日均分布状况（图2），总体表现为“工作日低，双休日高”的特征。运用周内分布偏度指数，探究周时间尺度冰雪旅游网络关注度的变化特征。由于初始研究期为周五，因此本文选取周一（2022 年1月31 日）作为初始研究时间测算1 月31 日至2 月20 日3 周内的网络关注度周内偏度指数。结果得出网络关注度周内偏度指数值分别为－ 13.23、6.05、0.69，说明冰雪旅游网络关注度在第1 周更多集中于周前期，第2 周更多集中于周后期，第3 周呈现周内对称分布格局。这主要是由于潜在冰雪旅游者在多重生活情境下产生了行为时空差异。春节期间，北京冬奥会成功开幕，冬奥会和冰雪旅游的信息迅速扩散，潜在冰雪旅游者首先借助互联网进行线上信息的接收与查阅，随后部分群众实现潜在游客到现实游客的身份转化；正常工作日期间，受工作时间影响，潜在冰雪旅游者集中于周末进行线上信息收集和线下旅游行为，冰雪旅游搜索量呈现出“工作日低周末较高”的特征。总体而言，不同研究周期中国冰雪旅游网络关注度呈现不均衡分布态势，各周间网络关注度不仅存在数值大小不同，且演化形态差异明显。

图2 中国冰雪旅游4 周间网络关注度的时序演变Figure 2 Temporal evolution of Internet attention around ice and snow tourism in China

3 中国冰雪旅游网络关注度空间差异

3.1 省域差异特征

对2022 年1 月28 日—2 月24 日中国31 个省份逐日冰雪旅游网络关注度进行统计，基于ArcGIS 10.8 空间分析工具，采用自然断点法将中国31 个省份按照冰雪旅游网络关注度总数值从大到小分为5 个等级：极高关注区、高关注区、中关注区、低关注区和极关注区（图3）。由图3 可知，各个省份之间网络关注度空间分布呈现不均衡发展态势，其中极高关注区均位于东部地区，中关注区与低关注区大多位于中部和西部地区，基本符合空间距离衰减规律。进一步将中国31 个省份按照周时间尺度展开规模排序（表1）。

表1 中国各省份冰雪旅游网络关注度及位序变化Table 1 Changes in the attention and ranking of ice and snow tourism networks in China

图3 中国冰雪旅游网络关注度空间分布Figure 3 Spatial distribution of attention of ice and snow tourism network in China

从表1 可见，整体上中国各省份冰雪旅游网络关注度位序变动在研究期内逐渐趋于平稳，但部分省份位序存在明显跳跃现象。具体而言，北京冰雪旅游网络关注度规模位序4 周间均稳居首位，山东、江苏、浙江、河北4 省次之，说明冰雪旅游网络关注度极高区多发生于北京临近省区市，受北京冬奥会的区位影响效应最大；广东、上海、四川、福建4 省市关注度位序呈现平稳上升趋势，其中福建省波动幅度最大；山西、湖北、湖南、重庆、江西5 省市呈现先升后降的波动下降态势；甘肃、贵州、云南、海南、宁夏、青海、西藏7 省区4 周间位序均稳定在24 名以下，说明西部地区各省市潜在冰雪旅游者意愿显著偏低。这与陈玉萍等学者的研究［38］有所差异。一方面，大时间尺度上中国冰雪旅游高关注区位于北京、黑龙江、吉林、广东等省市，而北京冬奥会开幕前后4 周内高关注度区始终位于北京地区，说明北京冬奥会期间冰雪旅游网络关注度集聚效应更显著。另一方面，中国冰雪旅游网络关注度的空间演化也存在显著差异，小时间尺度上网络关注度空间分布呈较为明显的波动态势，表现为以北京为核心逐渐向外围地区扩散趋势，大时间尺度上网络关注度空间分布较为稳定。

运用变差系数、首位度指数、赫芬达尔指数、地理集中度4 个区域差异测算指标对中国31 个省份冰雪旅游网络关注度的区域差异进行测度与分析，结果如图3 所示。由图3 可知，中国31 个省份之间冰雪旅游网络关注度的变差系数波动较大，区域差异呈现先增大后减小趋势，在第3 周达到最大值0.545 1，随后逐渐减小至0.474 5。首位度保持在2以下，变化较小，说明各个省份的网络关注度集聚适中，区域结构正常。赫芬达尔指数在前3 周均趋于0，在第4 周上升至0.395 2，说明各省份冰雪旅游网络关注度集中程度低。地理集中指数稳定在20 左右，4 周间波动幅度在1 上下，表明网络关注度呈分散分布态势。

3.2 区域差异特征

通过对东、中、西部三大区域间的变差系数（CV）、首位度指数（P）、赫芬达尔指数（H）、地理集中度（G）4 个指标进行测算（表2），发现三大区域间冰雪旅游网络关注度存在空间差异［17］。三大区域间的变差系数整体维持在0.35 左右，第2 周达到峰值后呈迅速下降态势。首位度指数4 周间在2 附近波动，说明东部地区冰雪旅游网络关注度相对集中远高于中、西部地区。赫芬达尔指数稳定在0.37 左右，表明冰雪旅游网络关注度在三大区域空间上趋于分散分布。地理集中指数均在60.5 以上，说明区域间冰雪旅游网络关注度空间分布相对集中，区域间冰雪旅游网络关注度集中程度逐渐衰退。总的来看，4 个指标均于第2 周达到最大值，说明东、中、西部区域间冰雪旅游网络关注度的空间差异在第2 周最为显著。

表2 中国冰雪旅游网络关注度的省域间差异和区域间差异Table 2 Inter－provincial differences and inter－regional differences in the attention of ice and snow tourism network in China

为深入探究冰雪旅游网络关注度区域空间差异格局，进一步对三大区域内冰雪旅游网络关注空间分布特征进行分析（表3），发现东部、中部、西部三大区域内的4 个指标存在显著差异。三大区域内的变差系数由大到小分别为西部、东部、中部地区，说明中部地区网络关注度空间分布差异程度最小，东部地区次之，西部地区差异程度最高。首位度指数集中分布在1 左右，说明东、中、西三大区域内冰雪旅游网络关注度集中程度高。从赫芬达尔指数来看，中国三大区域内4 周间冰雪旅游网络关注度的赫芬达尔指数由大到小分别为中部、东部、西部地区，表明西部地区网络关注度空间分散程度最高，且表现为竞争性。地理集中指数在东、中、西三大区域内呈现不均衡空间分布特征，整体在30—36.5 之间波动变化，说明三大区域内冰雪旅游网络关注度呈分散分布态势，西部地区分散程度最高，东部地区次之，中部地区相对最为集中。总的来看，中国三大区域内变差系数、首位度指数、赫芬达尔指数及地理集中指数均于第3 周达到峰值，说明东、中、西三大区域内冰雪旅游网络关注度的空间差异均于第3 周最为显著。

表3 中国冰雪旅游网络关注度的区域内差异Table 3 Intra－regonal differences in the attention of ice and snow tourism network in China

4 影响因素

4.1 指标体系构建

根据已有研究［15，31］，结合冰雪旅游产业特性和旅游者行为特征，构建中国冰雪旅游网络关注度时空分异的影响因素指标体系（表4）。①自然因素：自然环境是冰雪旅游景观的重要依托，冰雪旅游产业对自然环境尤其气候环境要求较高［39］。本文采取年平均气温和年平均降水量表征自然因素。②社会因素：人口数量是网络关注度的基础，互联网是网络关注的媒介平台，受教育程度是影响网络关注度的重要因素［40］。本文采用人口数量、网络发展水平及教育发展水平等一级指标和总人口数、城镇人口占比、互联网宽带接入用户、移动互联网用户、高校数量、在校大学生数量等二级指标来表征社会因素。③经济因素：经济发展水平在很大程度上决定了旅游者的出游距离和出游时间，是潜在冰雪旅游者网络关注的基本保障［41］。本文主要采取GDP 总量、人均GDP及滑雪场数量来表征经济发展状况和冰雪旅游资源禀赋。④体育因素：冰雪旅游是体育旅游的重要组成部分，客源地体育发展水平在一定程度上对冰雪旅游网络关注度产生影响［42］。本文采用参加北京冬奥会的运动员人数和等级运动员数量来表征地区内体育发展状况。⑤地理空间距离：北京地区是北京冬奥会举办的主场地，因此距北京较近的省域地区受北京冬奥会的影响更显著，故推测冰雪旅游的网络关注度也较高。本文采取各省域地区到达北京的最短陆路距离来测度空间地理距离［31］。

表4 冰雪旅游网络关注度影响因素指标体系Table 4 Index system of influencing factors of ice and snow tourism network attention

4.2 时间演变的影响因素

运用地理探测器分别测算研究周期间第1 周至第4 周不同阶段内冰雪旅游网络关注度各因子的影响力变化特征（表5）。

表5 冰雪旅游网络关注度时序演变影响因子探测结果Table 5 Detection results of influencing factors on the temporal evolution of attention of ice and snow tourism network

根据q值大小可得出，中国冰雪旅游网络关注度的时空差异是多因素共同作用的结果，不同因子对网络关注度的影响力大小存在明显差异。通过对影响因子排序后发现，GDP总量（X9）总体上对冰雪旅游网络关注度时序演化解释力最高，冰雪旅游网络关注度的核心影响因素包括移动互联网用户（X6）、高校数量（X11）、总人口数（X3）、在校大学生数量（X8）、互联网宽带接入用户（X5）、等级运动员数量（X13）及两地相距距离（X14），解释力在研究周期间均为0.5 以上。具体来看，滑雪场数量对q 值的影响先出现大幅的下降，从0.335 5 下降至0.242 4，第4 周回升至0.272 3；气温对冰雪旅游网络关注度影响波动较大，先由0.519 9 下降为0.454 3，第3周上升到0.496 7 而后下降至0.447 1，而总人口数（X3）、高校数量（X11）、在校大学生数量（X8）、GDP总量（X9）、人均GDP（X10）、互联网宽带接入用户（X5）、移动互联网用户（X6）、参加北京冬奥会的运动员人数（X12）对中国冰雪旅游网络关注度的影响力度均呈不断上升趋势，等级运动员数量（X13）对冰雪旅游网络关注度的影响程度呈逐渐下降趋势。说明第1 周冰雪旅游网络关注度受资源禀赋等影响较大，后3 周网络关注度受自然因素影响较小，主要受社会经济影响较显著。

4.3 空间分异的影响因素

运用地理探测器方法测算研究周期内东、中、西部三大区域间冰雪旅游网络关注度空间分布格局的影响因子解释力值（表6），各探测因子在不同区域间解释力存在显著差异。对东部地区来说，冰雪旅游网络关注度首要影响因子为移动互联网用户（X6），解释力达0.959 3，互联网宽带接入用户（X5）、总人口数（X3）、GDP 总量（X9）、滑雪场数量（X11）、在校大学生数量（X8）、参加北京冬奥会的运动员人数（X12）等为核心影响因子，对冰雪旅游网络关注度的贡献率均在0.8 以上，而年平均气温（X1）、年平均降水量（X2）和人均GDP（X10）对空间分布格局的影响力相对较弱。东部地区经济发展水平高，冰雪旅游意愿受自然因素影响较小，受社会经济影响显著。如广东省位于中国南部地区，气候条件较为不适于发展冰雪旅游业，但其总冰雪旅游网络关注度位于全国前列，说明发达的经济与高覆盖的移动互联网率使地方冰雪旅游突破地区旅游资源及自然环境的限制，同时验证了中国旅游科学院在《中国冰雪旅游发展报告（2022）》中指出的中国冰雪旅游正由北向南迁移的发展态势。

表6 冰雪旅游网络关注度空间演变影响因子探测结果Table 6 Detection results of influencing factors on spatial evolution of ice and snow tourism network attention

各探测因子对中部地区冰雪旅游网络关注度的影响力均较大，核心影响因子最多。其中，起主导作用的因子从高到低依次为总人口数（X3）、移动互联网用户（X6）、互联网宽带接入用户（X5）、年平均气温（X1）、等级运动员数量（X13）、高校数量（X7）、在校大学生数量（X8）、GDP 总量（X9），解释力均达到0.9 以上，总人口数和移动互联网用户的解释力约为0.993 5 近似于完全解释力值1。贡献率最高的总人口数与移动互联网用户因子均在河南省的数值最高，湖南、安徽、湖北次之，黑龙江、吉林最低。总体而言，中部地区冰雪旅游网络关注度受到以年平均气温为代表的自然要素和以移动互联网用户及GDP总量为代表社会经济要素的综合作用。

对西部地区冰雪旅游网络关注度起核心作用的影响因子为高校数量（X7）、在校大学生数量（X8）、总人口数（X3）、互联网宽带接入用户（X5），解释力均达到0.9 以上，西部地区关键因子数量较多，分别为移动互联网用户（X6）、滑雪场数量（X11）、GDP总量（X9）、年平均气温（X1），其解释力均在0.8 以上。高校数量排名前三的是四川、陕西、广西地区，重庆、新疆、内蒙古次之。总人口数与互联网宽带接入用户分布较一致，四川、广西、陕西等省区市数值较高，宁夏、西藏、青海等省区市数值最低。西部地区冰雪旅游网络关注度大小受地区文化水平影响程度高，高校数量与总人口数等成为影响西部地区冰雪旅游网络关注度的重要原因。

从全国来看，不同因子对冰雪旅游网络关注度的解释力均低于东、中、西部三大区域，且各因子影响力呈现明显差异。核心影响因素为GDP 总量（X9）、高校数量（X7）、总人口数（X3）、移动互联网用户（X6）、在校大学生数量（X8）、互联网宽带接入用户（X5），影响力分别为均在0.7 以上，这与陈玉萍、张慧婕等相关学者的研究［38，43］有所异同。长时间尺度上经济发展水平、互联网普及率、冰雪旅游资源、品牌冰雪赛事等影响因素对中国冰雪旅游网络关注度的影响占主导地位，但北京冬奥会开幕4 周间核心影响因素明显增多，且各影响因素的影响力均呈现较大态势。

5 结论与建议

5.1 结论

基于百度指数，通过空间经济差异指标及地理探测器对中国冰雪旅游网络关注度的空间分布及影响因素进行分析。主要结论如下：①时序演化上，总体时序特征上，中国冰雪旅游网络关注度呈“倒V型”演化特征，具有1 个主高峰和3 个次高峰；周时段特征上，网络关注度分布不均衡，呈现由“尖峰尖谷”向“尖峰平谷”形态演变，不同研究周期间存在数值大小及演化形态差异。②空间演化上，省域空间上，各地区间冰雪旅游网络关注度空间分布呈现不均衡发展态势，表现为自东向西逐渐递减的空间距离衰减特征。对31 个省区市按照周时间尺度展开规模排序，整体上31 个省区市冰雪旅游网络关注度位序变动趋于平稳，但部分地区的规模位序存在明显跳跃现象。区域空间上，三大区域间冰雪旅游网络关注度的空间差异均于第2 周最为显著；区域内差异表现为中部地区网络关注度空间分布集聚程度最高，东部地区次之，西部地区集中程度最低，且空间差异均于第3 周最为显著。③影响因素上，自然因素、社会因素、经济因素、体育因素和地理空间距离共同影响着中国冰雪旅游网络关注度的时空演变格局。其中，GDP总量对冰雪旅游网络关注度时序演化解释力最强，总人口数、移动互联网用户、在校大学生数量、GDP 总量的影响力逐渐增强，滑雪场数量、等级运动员数量的影响程度逐渐减弱。GDP总量、高校数量、总人口数、移动互联网用户、在校大学生数量、互联网宽带接入用户是空间演变上的核心影响因子。

5.2 建议

冰雪旅游是助推健康中国与生态文明建设的重要载体，冰雪旅游的建设与发展对贯彻旅游创新协调的新发展理念、构建旅游绿色低碳新发展格局、传承和传播中国冰雪文化及冬奥文化遗产具有重大意义。后冬奥时代，应深入发掘冰雪文化价值内涵，合理规划春节黄金周的旅游接待，重视新媒体的传播作用和夺冠运动员的旗帜效应。同时，重点挖掘北京的冰雪旅游资源，加强冰雪旅游与其他产业更广泛、更深入地融合发展，亟需强化观念引导和场景建设。未来，还需进一步加强数字化建设；提高冰雪旅游地管理水平和安全防控意识；持续释放“冬奥红利”，促进冰雪旅游高质量发展。