中國冰雪旅游網絡關注度的時空特征及影響因素

花玉蓮，許 艷，李桂莎，李冬花，陸 林

（安徽師范大學 地理與旅游學院，安徽 蕪湖 241000）

0 引言

在生態文明建設、全域旅游、健康中國等時代背景下，旅游業態和旅游結構不斷轉型發展，具有豐富休閑運動旅游資源、蘊涵深厚生態保護價值觀念的冰雪旅游地日益受到國家重視和游客青睞［1］。2016年兩會期間，習近平總書記作出“冰天雪地也是金山銀山”的重要指示［2］。2022 年，北京冬奧會的成功舉辦為冰雪旅游高質量發展提供了重要契機，開啟了中國乃至全球冰雪運動的新時代［3］。同年，中國旅游研究院與馬蜂窩自由行大數據聯合實驗室發布《中國冰雪旅游消費大數據報告（2022）》，報告顯示中國3 億人參與冰雪運動成為現實，冰雪旅游消費市場出現結構性調整，已由體驗階段進入剛性生活需求階段。由此可見，作為生態旅游領域中獨具特色的新興旅游方式，冰雪旅游以其旅游資源的生態屬性、旅游產品的文化屬性和旅游活動的教育屬性正逐步成為助推生態旅游高質量發展的重要力量［4］。網絡關注度是研究社會公眾時空行為的重要手段之一。信息技術的不斷發展觸發了網絡空間等新型空間結構的發生發展，網絡信息流以多元形式融入人民群眾的生活空間，不斷重塑著社會經濟結構［5］。2021 年12 月，中國互聯網絡信息中心發布《第49 次中國互聯網絡發展狀況統計報告》，指出中國網民規模約為10.32 億人，互聯網普及率高達73.0%。在互聯網日益普及背景下，網絡關注度成為開展公眾社會信息查詢的重要渠道［6］。網絡關注度最早應用于醫學［7］，后逐漸覆蓋到經濟學［8］、傳播學［9］、地理學［10］等領域。在旅游研究領域中，網絡關注度研究集中于旅游目的地網絡關注度時空演變特征及影響因素［11，12］、某地區旅游者網絡關注度的時空特征［13］、網絡關注度與現實流間的關系［14］、專項旅游的網絡關注度時空演變及特征［15，16］等。

冰雪旅游作為生態旅游可持續發展的重要力量，得到了學術界的廣泛關注。國外學者圍繞冰雪旅游與氣候變化的相互關系［17，18］、冰雪旅游的潛力評估與空間規劃［19］、冰雪旅游產品開發及產業創新［20］、旅游者的需求及預測研究［21］、利益相關者對冰雪旅游地的管理［22］已形成大量研究成果。國內學者對冰雪旅游的研究尚處于初級階段，研究涉及冰雪旅游的產業發展路徑及挑戰［23，24］、資源開發與發展模式［25］、旅游者滿意度研究［26］、冬奧會對冰雪旅游高質量發展的作用［27，28］、滑雪場空間格局及可達性分析［29，30］等方面。總體而言，關于冰雪旅游的國內外研究成果已較為豐碩，但是，從時空維度對潛在冰雪旅游者行為特征展開分析的科學研究仍相對匱乏。其次，網絡關注度相關研究大多聚焦大時間尺度的演變規律探索，較少涉及特殊時段的小時間尺度，而小時間尺度的網絡關注度時空分布特征及影響因素的研究是進行假日旅游與節事旅游客流預測及調控的基礎，對旅游地發展具有重要影響。北京冬奧會共為期17 天，時間跨度雖然較短，但卻是中國冰雪旅游高質量發展的重要推手。

鑒于此，本文從地理空間視角出發，以北京冬奧會為契機，探究特殊時段內中國冰雪旅游網絡關注度的時空分布特征及影響因素。一方面可以豐富冰雪旅游及網絡關注度的相關研究；另一方面可以揭示北京冬奧會期間中國冰雪旅游網絡關注度的時空演變特征，以期為后冬奧會時代下中國冰雪旅游的市場營銷及高質量發展提供決策參考。

1 數據來源與研究方法

1.1 數據來源

百度是全球最大的中文搜索引擎，百度指數以網頁搜索和新聞搜索為基礎的海量數據分析服務，本研究采用百度指數官方網站中的“用戶關注度”作為衡量網絡關注度的指標。參考相關文獻［13］，依次選取“冰雪旅游”“滑雪”“滑冰”“滑雪場”“滑冰場”5 個關鍵詞作為本文的搜索對象。首先，在時間層面上，參考以往研究［33］，檢索時間設定為北京冬奧會開幕前后累積4 周：北京奧運會于2022 年2 月4 日開幕，將開幕前1 周（1 月28 日—2 月3 日）定為第一研究周期，2 月4 日—2 月10 日為第二研究周期，2 月11 日—2 月17 日為第三研究周期，2 月18日—2 月24 日為第四研究周期。其次，在空間層面上，利用百度指數平臺依次輸入關鍵詞，搜索中國31 個省份（香港特別行政區、澳門特別行政區和臺灣地區未列入）逐日網絡關注度，獲取全國和分地區冰雪旅游網絡關注度的基礎數據。此外，本文的基礎地理信息數據來源于全國地理信息資源目錄服務系統（https：／ ／www.webmap.cn／）的1：25 萬全國基礎地理數據庫。最后，在影響因素上，各地區網絡發展水平、教育發展水平和經濟發展狀況等數據來源于各省（自治區、直轄市）2022 年統計年鑒；體育發展水平數據來源于各省（自治區、直轄市）體育局官方網站公布的相關數據；各地區滑雪場數量來源于《中國滑雪產業白皮書（2021 年度報告）》；地理空間距離數據來源于百度地圖官網。

1.2 研究方法

周內分布偏度指數。周內分布偏度指數可用于測量周時段尺度內網絡關注度的集中分布特征［32］，計算公式如下：

式中：i為冰雪旅游網絡關注度由大到小的排列序號；Xi為第i 日網絡關注度占周內總網絡關注度比重。若C值大于0，表明網絡關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，表示在周內對稱分布。

變差系數。變差系數可用以衡量多區域之間網絡關注值的差異程度，本文用以反映各地區間冰雪旅游網絡關注的差異程度［33］，計算公式如下：

式中：Xi為第i個地區的網絡關注度；n 為地區總數為n個省區網絡關注度的平均數。CV值越大，表明冰雪旅游網絡關注度地空間差異越明顯。

首位度指數。首位度指數是衡量城市或經濟規模分布狀況的重要指標［36］，本文用以反映冰雪旅游網絡關注地區的集聚程度，計算公式如下：

式中：X1、X2分別表示冰雪旅游網絡關注度規模最大、第二大地區關注度數值。若P 值越大，表明冰雪旅游網絡關注度越集中；反之亦然。

赫芬達爾指數。赫芬達爾指數是衡量區域經濟集聚程度的重要指標［37］，取值范圍為［0，1］，本文用以研究冰雪旅游網絡關注度的集中程度，計算公式如下：

式中：Xi為第i個地區的網絡關注度；T為冰雪旅游網絡關注度總量；H 值越趨近于1，表示冰雪旅游網絡關注度的空間集聚程度越高；越趨近于0，表示集聚程度越低。

地理集中指數。地理集中指數可用于測量冰雪旅游網絡關注度空間分布集中性的重要指標［36］，取值范圍為［0，100］，計算公式如下：

式中：G為冰雪旅游網絡關注度的地理集中指數，Xi為第i個地區的網絡關注度；T為網絡關注度總量。若G值越接近100，則表明冰雪旅游網絡關注度越集中；反之亦然。

地理探測器。地理探測器用于測量某地理事物與其解釋因子之間關系的空間分析模型，本文用以解釋冰雪旅游網絡關注度的各項因子與其之間的解釋力程度［37］，計算公式如下：

式中：q為影響因子對冰雪旅游網絡關注度的解釋力；n、σ2分別為樣本量和方差；ni 和分別為i層樣本量和方差。影響因子的q值越大，表明該因子對網絡關注度時空分布特征的影響程度越高；反之亦然。

2 中國冰雪旅游網絡關注度時間特征

2.1 總體時序演化特征

對2022 年1 月28 日—2 月24 日4 個研究周期的冰雪旅游逐日網絡關注度進行統計分析（圖1），整體時間變化特征主要體現在兩個方面。首先，從時序演化過程看，4 周間中國冰雪旅游網絡關注度表現出先增后減的“倒V型”時序演化特征，1 月28日—2 月8 日呈“降—升”的交替上升態勢，2 月8日—2 月24 日呈“降—升—降”的波動下降態勢。其次，從峰值出現時間看，研究期內冰雪旅游網絡關注度共有1 個主高峰和3 個次高峰，主高峰出現時間為2 月8 日；次高峰出現時間分別為2 月5 日、15日、20 日。

查閱資料發現，北京冬奧會期間中國代表團運動員奪冠事件是造成冰雪旅游網絡關注度產生峰值的主要原因。此期間內，媒體機構通過網絡等傳播媒介廣泛宣揚中國代表團的奪冠運動員和奪金時刻，作為受眾群體的社會公民通過對北京冬奧會賽事的持續關注，做出潛在冰雪旅游意愿的行為反饋，冰雪旅游網絡關注度隨之顯著提升，產生與中國代表團獲得金牌時間點的“共振效應”。奪冠運動員逐漸成為中國滑雪的符號和旗幟，媒體的宣傳效應對潛在冰雪旅游者產生了出行意愿及感官價值的多重影響。總體而言，中國冰雪旅游網絡關注度在北京冬奧會開幕前后4 周間呈明顯波動態勢，而中國代表團奪金點成為冰雪旅游網絡關注度激增的關鍵時刻。

2.2 周時段特征

對2022 年1 月28 日—2 月24 日4 周間的中國冰雪旅游網絡關注度進行周時段尺度特征研究（圖1）。從圖1 可見，冰雪旅游網絡關注度呈現由“尖峰尖谷”向“尖峰平谷”形態演變，說明大眾的網絡關注由急速上升逐漸過渡到平穩發展時期。總體上看，第2 周冰雪旅游網絡關注度指數最大，峰值最高；第4 周網絡關注度指數最小，峰值最低；第2 周較第1 周網絡關注度環比增長了125.57%，第3 周較第2 周環比減少了17.35%，第4 周較第3 周環比減少了33.75%。具體來看，第1 周冰雪旅游網絡關注度呈現“V型”演化特征，在1 月31 日急劇下降呈低谷期，可能受除夕傳統節日文化習俗的影響；第2 周呈現“M型”雙峰演化態勢，中國運動員的參賽日程及比賽成績是產生這一現象的重要原因；第3周與第4 周均呈波動下降態勢但下降幅度有所差異，第3 周網絡關注度平穩下降，而第4 周呈現“倒V型”急劇下降態勢。

將冰雪旅游在北京冬奧會前后共4 周的日搜索指數按星期相加求平均值，得到4 周間周內網絡關注度的日均分布狀況（圖2），總體表現為“工作日低，雙休日高”的特征。運用周內分布偏度指數，探究周時間尺度冰雪旅游網絡關注度的變化特征。由于初始研究期為周五，因此本文選取周一（2022 年1月31 日）作為初始研究時間測算1 月31 日至2 月20 日3 周內的網絡關注度周內偏度指數。結果得出網絡關注度周內偏度指數值分別為－ 13.23、6.05、0.69，說明冰雪旅游網絡關注度在第1 周更多集中于周前期，第2 周更多集中于周后期，第3 周呈現周內對稱分布格局。這主要是由于潛在冰雪旅游者在多重生活情境下產生了行為時空差異。春節期間，北京冬奧會成功開幕，冬奧會和冰雪旅游的信息迅速擴散，潛在冰雪旅游者首先借助互聯網進行線上信息的接收與查閱，隨后部分群眾實現潛在游客到現實游客的身份轉化；正常工作日期間，受工作時間影響，潛在冰雪旅游者集中于周末進行線上信息收集和線下旅游行為，冰雪旅游搜索量呈現出“工作日低周末較高”的特征。總體而言，不同研究周期中國冰雪旅游網絡關注度呈現不均衡分布態勢，各周間網絡關注度不僅存在數值大小不同，且演化形態差異明顯。

圖2 中國冰雪旅游4 周間網絡關注度的時序演變Figure 2 Temporal evolution of Internet attention around ice and snow tourism in China

3 中國冰雪旅游網絡關注度空間差異

3.1 省域差異特征

對2022 年1 月28 日—2 月24 日中國31 個省份逐日冰雪旅游網絡關注度進行統計，基于ArcGIS 10.8 空間分析工具，采用自然斷點法將中國31 個省份按照冰雪旅游網絡關注度總數值從大到小分為5 個等級：極高關注區、高關注區、中關注區、低關注區和極關注區（圖3）。由圖3 可知，各個省份之間網絡關注度空間分布呈現不均衡發展態勢，其中極高關注區均位于東部地區，中關注區與低關注區大多位于中部和西部地區，基本符合空間距離衰減規律。進一步將中國31 個省份按照周時間尺度展開規模排序（表1）。

表1 中國各省份冰雪旅游網絡關注度及位序變化Table 1 Changes in the attention and ranking of ice and snow tourism networks in China

圖3 中國冰雪旅游網絡關注度空間分布Figure 3 Spatial distribution of attention of ice and snow tourism network in China

從表1 可見，整體上中國各省份冰雪旅游網絡關注度位序變動在研究期內逐漸趨于平穩，但部分省份位序存在明顯跳躍現象。具體而言，北京冰雪旅游網絡關注度規模位序4 周間均穩居首位，山東、江蘇、浙江、河北4 省次之，說明冰雪旅游網絡關注度極高區多發生于北京臨近省區市，受北京冬奧會的區位影響效應最大；廣東、上海、四川、福建4 省市關注度位序呈現平穩上升趨勢，其中福建省波動幅度最大；山西、湖北、湖南、重慶、江西5 省市呈現先升后降的波動下降態勢；甘肅、貴州、云南、海南、寧夏、青海、西藏7 省區4 周間位序均穩定在24 名以下，說明西部地區各省市潛在冰雪旅游者意愿顯著偏低。這與陳玉萍等學者的研究［38］有所差異。一方面，大時間尺度上中國冰雪旅游高關注區位于北京、黑龍江、吉林、廣東等省市，而北京冬奧會開幕前后4 周內高關注度區始終位于北京地區，說明北京冬奧會期間冰雪旅游網絡關注度集聚效應更顯著。另一方面，中國冰雪旅游網絡關注度的空間演化也存在顯著差異，小時間尺度上網絡關注度空間分布呈較為明顯的波動態勢，表現為以北京為核心逐漸向外圍地區擴散趨勢，大時間尺度上網絡關注度空間分布較為穩定。

運用變差系數、首位度指數、赫芬達爾指數、地理集中度4 個區域差異測算指標對中國31 個省份冰雪旅游網絡關注度的區域差異進行測度與分析，結果如圖3 所示。由圖3 可知，中國31 個省份之間冰雪旅游網絡關注度的變差系數波動較大，區域差異呈現先增大后減小趨勢，在第3 周達到最大值0.545 1，隨后逐漸減小至0.474 5。首位度保持在2以下，變化較小，說明各個省份的網絡關注度集聚適中，區域結構正常。赫芬達爾指數在前3 周均趨于0，在第4 周上升至0.395 2，說明各省份冰雪旅游網絡關注度集中程度低。地理集中指數穩定在20 左右，4 周間波動幅度在1 上下，表明網絡關注度呈分散分布態勢。

3.2 區域差異特征

通過對東、中、西部三大區域間的變差系數（CV）、首位度指數（P）、赫芬達爾指數（H）、地理集中度（G）4 個指標進行測算（表2），發現三大區域間冰雪旅游網絡關注度存在空間差異［17］。三大區域間的變差系數整體維持在0.35 左右，第2 周達到峰值后呈迅速下降態勢。首位度指數4 周間在2 附近波動，說明東部地區冰雪旅游網絡關注度相對集中遠高于中、西部地區。赫芬達爾指數穩定在0.37 左右，表明冰雪旅游網絡關注度在三大區域空間上趨于分散分布。地理集中指數均在60.5 以上，說明區域間冰雪旅游網絡關注度空間分布相對集中，區域間冰雪旅游網絡關注度集中程度逐漸衰退。總的來看，4 個指標均于第2 周達到最大值，說明東、中、西部區域間冰雪旅游網絡關注度的空間差異在第2 周最為顯著。

表2 中國冰雪旅游網絡關注度的省域間差異和區域間差異Table 2 Inter－provincial differences and inter－regional differences in the attention of ice and snow tourism network in China

為深入探究冰雪旅游網絡關注度區域空間差異格局，進一步對三大區域內冰雪旅游網絡關注空間分布特征進行分析（表3），發現東部、中部、西部三大區域內的4 個指標存在顯著差異。三大區域內的變差系數由大到小分別為西部、東部、中部地區，說明中部地區網絡關注度空間分布差異程度最小，東部地區次之，西部地區差異程度最高。首位度指數集中分布在1 左右，說明東、中、西三大區域內冰雪旅游網絡關注度集中程度高。從赫芬達爾指數來看，中國三大區域內4 周間冰雪旅游網絡關注度的赫芬達爾指數由大到小分別為中部、東部、西部地區，表明西部地區網絡關注度空間分散程度最高，且表現為競爭性。地理集中指數在東、中、西三大區域內呈現不均衡空間分布特征，整體在30—36.5 之間波動變化，說明三大區域內冰雪旅游網絡關注度呈分散分布態勢，西部地區分散程度最高，東部地區次之，中部地區相對最為集中。總的來看，中國三大區域內變差系數、首位度指數、赫芬達爾指數及地理集中指數均于第3 周達到峰值，說明東、中、西三大區域內冰雪旅游網絡關注度的空間差異均于第3 周最為顯著。

表3 中國冰雪旅游網絡關注度的區域內差異Table 3 Intra－regonal differences in the attention of ice and snow tourism network in China

4 影響因素

4.1 指標體系構建

根據已有研究［15，31］，結合冰雪旅游產業特性和旅游者行為特征，構建中國冰雪旅游網絡關注度時空分異的影響因素指標體系（表4）。①自然因素：自然環境是冰雪旅游景觀的重要依托，冰雪旅游產業對自然環境尤其氣候環境要求較高［39］。本文采取年平均氣溫和年平均降水量表征自然因素。②社會因素：人口數量是網絡關注度的基礎，互聯網是網絡關注的媒介平臺，受教育程度是影響網絡關注度的重要因素［40］。本文采用人口數量、網絡發展水平及教育發展水平等一級指標和總人口數、城鎮人口占比、互聯網寬帶接入用戶、移動互聯網用戶、高校數量、在校大學生數量等二級指標來表征社會因素。③經濟因素：經濟發展水平在很大程度上決定了旅游者的出游距離和出游時間，是潛在冰雪旅游者網絡關注的基本保障［41］。本文主要采取GDP 總量、人均GDP及滑雪場數量來表征經濟發展狀況和冰雪旅游資源稟賦。④體育因素：冰雪旅游是體育旅游的重要組成部分，客源地體育發展水平在一定程度上對冰雪旅游網絡關注度產生影響［42］。本文采用參加北京冬奧會的運動員人數和等級運動員數量來表征地區內體育發展狀況。⑤地理空間距離：北京地區是北京冬奧會舉辦的主場地，因此距北京較近的省域地區受北京冬奧會的影響更顯著，故推測冰雪旅游的網絡關注度也較高。本文采取各省域地區到達北京的最短陸路距離來測度空間地理距離［31］。

表4 冰雪旅游網絡關注度影響因素指標體系Table 4 Index system of influencing factors of ice and snow tourism network attention

4.2 時間演變的影響因素

運用地理探測器分別測算研究周期間第1 周至第4 周不同階段內冰雪旅游網絡關注度各因子的影響力變化特征（表5）。

表5 冰雪旅游網絡關注度時序演變影響因子探測結果Table 5 Detection results of influencing factors on the temporal evolution of attention of ice and snow tourism network

根據q值大小可得出，中國冰雪旅游網絡關注度的時空差異是多因素共同作用的結果，不同因子對網絡關注度的影響力大小存在明顯差異。通過對影響因子排序后發現，GDP總量（X9）總體上對冰雪旅游網絡關注度時序演化解釋力最高，冰雪旅游網絡關注度的核心影響因素包括移動互聯網用戶（X6）、高校數量（X11）、總人口數（X3）、在校大學生數量（X8）、互聯網寬帶接入用戶（X5）、等級運動員數量（X13）及兩地相距距離（X14），解釋力在研究周期間均為0.5 以上。具體來看，滑雪場數量對q 值的影響先出現大幅的下降，從0.335 5 下降至0.242 4，第4 周回升至0.272 3；氣溫對冰雪旅游網絡關注度影響波動較大，先由0.519 9 下降為0.454 3，第3周上升到0.496 7 而后下降至0.447 1，而總人口數（X3）、高校數量（X11）、在校大學生數量（X8）、GDP總量（X9）、人均GDP（X10）、互聯網寬帶接入用戶（X5）、移動互聯網用戶（X6）、參加北京冬奧會的運動員人數（X12）對中國冰雪旅游網絡關注度的影響力度均呈不斷上升趨勢，等級運動員數量（X13）對冰雪旅游網絡關注度的影響程度呈逐漸下降趨勢。說明第1 周冰雪旅游網絡關注度受資源稟賦等影響較大，后3 周網絡關注度受自然因素影響較小，主要受社會經濟影響較顯著。

4.3 空間分異的影響因素

運用地理探測器方法測算研究周期內東、中、西部三大區域間冰雪旅游網絡關注度空間分布格局的影響因子解釋力值（表6），各探測因子在不同區域間解釋力存在顯著差異。對東部地區來說，冰雪旅游網絡關注度首要影響因子為移動互聯網用戶（X6），解釋力達0.959 3，互聯網寬帶接入用戶（X5）、總人口數（X3）、GDP 總量（X9）、滑雪場數量（X11）、在校大學生數量（X8）、參加北京冬奧會的運動員人數（X12）等為核心影響因子，對冰雪旅游網絡關注度的貢獻率均在0.8 以上，而年平均氣溫（X1）、年平均降水量（X2）和人均GDP（X10）對空間分布格局的影響力相對較弱。東部地區經濟發展水平高，冰雪旅游意愿受自然因素影響較小，受社會經濟影響顯著。如廣東省位于中國南部地區，氣候條件較為不適于發展冰雪旅游業，但其總冰雪旅游網絡關注度位于全國前列，說明發達的經濟與高覆蓋的移動互聯網率使地方冰雪旅游突破地區旅游資源及自然環境的限制，同時驗證了中國旅游科學院在《中國冰雪旅游發展報告（2022）》中指出的中國冰雪旅游正由北向南遷移的發展態勢。

表6 冰雪旅游網絡關注度空間演變影響因子探測結果Table 6 Detection results of influencing factors on spatial evolution of ice and snow tourism network attention

各探測因子對中部地區冰雪旅游網絡關注度的影響力均較大，核心影響因子最多。其中，起主導作用的因子從高到低依次為總人口數（X3）、移動互聯網用戶（X6）、互聯網寬帶接入用戶（X5）、年平均氣溫（X1）、等級運動員數量（X13）、高校數量（X7）、在校大學生數量（X8）、GDP 總量（X9），解釋力均達到0.9 以上，總人口數和移動互聯網用戶的解釋力約為0.993 5 近似于完全解釋力值1。貢獻率最高的總人口數與移動互聯網用戶因子均在河南省的數值最高，湖南、安徽、湖北次之，黑龍江、吉林最低。總體而言，中部地區冰雪旅游網絡關注度受到以年平均氣溫為代表的自然要素和以移動互聯網用戶及GDP總量為代表社會經濟要素的綜合作用。

對西部地區冰雪旅游網絡關注度起核心作用的影響因子為高校數量（X7）、在校大學生數量（X8）、總人口數（X3）、互聯網寬帶接入用戶（X5），解釋力均達到0.9 以上，西部地區關鍵因子數量較多，分別為移動互聯網用戶（X6）、滑雪場數量（X11）、GDP總量（X9）、年平均氣溫（X1），其解釋力均在0.8 以上。高校數量排名前三的是四川、陜西、廣西地區，重慶、新疆、內蒙古次之。總人口數與互聯網寬帶接入用戶分布較一致，四川、廣西、陜西等省區市數值較高，寧夏、西藏、青海等省區市數值最低。西部地區冰雪旅游網絡關注度大小受地區文化水平影響程度高，高校數量與總人口數等成為影響西部地區冰雪旅游網絡關注度的重要原因。

從全國來看，不同因子對冰雪旅游網絡關注度的解釋力均低于東、中、西部三大區域，且各因子影響力呈現明顯差異。核心影響因素為GDP 總量（X9）、高校數量（X7）、總人口數（X3）、移動互聯網用戶（X6）、在校大學生數量（X8）、互聯網寬帶接入用戶（X5），影響力分別為均在0.7 以上，這與陳玉萍、張慧婕等相關學者的研究［38，43］有所異同。長時間尺度上經濟發展水平、互聯網普及率、冰雪旅游資源、品牌冰雪賽事等影響因素對中國冰雪旅游網絡關注度的影響占主導地位，但北京冬奧會開幕4 周間核心影響因素明顯增多，且各影響因素的影響力均呈現較大態勢。

5 結論與建議

5.1 結論

基于百度指數，通過空間經濟差異指標及地理探測器對中國冰雪旅游網絡關注度的空間分布及影響因素進行分析。主要結論如下：①時序演化上，總體時序特征上，中國冰雪旅游網絡關注度呈“倒V型”演化特征，具有1 個主高峰和3 個次高峰；周時段特征上，網絡關注度分布不均衡，呈現由“尖峰尖谷”向“尖峰平谷”形態演變，不同研究周期間存在數值大小及演化形態差異。②空間演化上，省域空間上，各地區間冰雪旅游網絡關注度空間分布呈現不均衡發展態勢，表現為自東向西逐漸遞減的空間距離衰減特征。對31 個省區市按照周時間尺度展開規模排序，整體上31 個省區市冰雪旅游網絡關注度位序變動趨于平穩，但部分地區的規模位序存在明顯跳躍現象。區域空間上，三大區域間冰雪旅游網絡關注度的空間差異均于第2 周最為顯著；區域內差異表現為中部地區網絡關注度空間分布集聚程度最高，東部地區次之，西部地區集中程度最低，且空間差異均于第3 周最為顯著。③影響因素上，自然因素、社會因素、經濟因素、體育因素和地理空間距離共同影響著中國冰雪旅游網絡關注度的時空演變格局。其中，GDP總量對冰雪旅游網絡關注度時序演化解釋力最強，總人口數、移動互聯網用戶、在校大學生數量、GDP 總量的影響力逐漸增強，滑雪場數量、等級運動員數量的影響程度逐漸減弱。GDP總量、高校數量、總人口數、移動互聯網用戶、在校大學生數量、互聯網寬帶接入用戶是空間演變上的核心影響因子。

5.2 建議

冰雪旅游是助推健康中國與生態文明建設的重要載體，冰雪旅游的建設與發展對貫徹旅游創新協調的新發展理念、構建旅游綠色低碳新發展格局、傳承和傳播中國冰雪文化及冬奧文化遺產具有重大意義。后冬奧時代，應深入發掘冰雪文化價值內涵，合理規劃春節黃金周的旅游接待，重視新媒體的傳播作用和奪冠運動員的旗幟效應。同時，重點挖掘北京的冰雪旅游資源，加強冰雪旅游與其他產業更廣泛、更深入地融合發展，亟需強化觀念引導和場景建設。未來，還需進一步加強數字化建設；提高冰雪旅游地管理水平和安全防控意識；持續釋放“冬奧紅利”，促進冰雪旅游高質量發展。