EN中文

SCIENTIA GEOGRAPHICA SINICA >

2022 , Vol. 42 >Issue 6: 1073 - 1081

DOI: https://doi.org/10.13249/j.cnki.sgs.2022.06.013

Occurrence Characteristics of Group Adverse Weather Conditions in Winter and Its Impact on Ice-snow Tourism of Jilin Province

  • Cai Weiying ,
  • Wang Xinghua ,
  • Zhang Wei ,
  • Zhang Baiju
Expand
  • Northeast Asia Leisure Economy Research Center, The Industry Convergence Research Centre of Culture and Tourism, Tourism College of Changchun University, Changchun 130607, Jilin, China

Received date: 2021-03-12

  Revised date: 2021-12-03

  Online published: 2022-06-20

Supported by

Social Science Research Project of the 13th Five-Year Plan of Jilin Provincial Department of Education (JJKH20201313SK)

Copyright

Copyright ©2022 Scientia Geographica Sinica. All rights reserved.
Fold

Abstract

This study takes Jilin Province as the study area, and analyzes the occurrence characteristics of group adverse weather conditions in winter and its potential impact on various regions of Jilin Province based on high-dimensional copula function. On the basis of previous studies on the suitability of ice-snow tourism, strong wind (> 5 m/s), extreme low temperature (≤−16℃) and snowing days as adverse weather conditions are selected to analysis the potential impact to ice-snow tourism. High dimensional copula function is optimized in meteorological stations of Jilin Province based on the meteorological data from January, February and December from 1985 to 2015. Based on the high dimensional copula function, this study analyzes the impact of three kinds of adverse weather conditions on winter tourism in Jilin Province. By comparing the families of copula function, the three generic functions of Survival Joe (SJ), Clayton and Farlie Gumbel Morgenstern (FGM) are selected to construct R-Vine Copula distribution. From the analysis of daily meteorological data, it is found that the frequency of single adverse weather conditions in Jilin Province is 0.15-0.30, while the frequency of two adverse weather conditions together is 0.01-0.04. The frequency of adverse weather conditions in the western region is higher than that in the Middle East. In the coupling analysis of multiple adverse weather conditions, if adverse weather events occur for 5 d per year, the mean cumulative joint probability in the western region (0.28) is higher than that in the central region (0.07) and the eastern region (0.04); If adverse weather events occur for 10 d per year, the mean cumulative joint probability in the western region (0.65) is higher than that in the eastern region (0.18) and the central region (0.30). When 5 d adverse weather events occur every year, the potential losses in Changchun, Yanbian, Songyuan, Baicheng and Jilin are greater than 10 million yuan. When all kinds of adverse weather events occur 10 times per year, the potential loss of ice and snow tourism revenue in the these areas will be more than 100 million yuan. The occurrence of adverse weather conditions has obvious temporal and spatial law in Jilin Province. From a single disaster, the occurrence of the three adverse weather conditions has a certain periodicity in the time series. Spatially, the frequency of adverse weather conditions in the west of Jilin Province is higher than that in the Middle East. From the occurrence characteristics of group adverse weather conditions, the group occurrence probability in the western region of Jilin Province is higher than that in the middle east region of Jilin, and the joint occurrence probability of adverse weather events in Baicheng, Songyuan and Siping is higher than other cities. From the potential impact of adverse weather conditions, Changchun, Yanbian, Songyuan, Baicheng and Jilin have severe potential losses. This law is of great significance to the disaster reduction planning, tourism insurance and the implementation of tourism planning of winter tourism in this area.

Key words： adverse weather conditions; winter tourism; Copula; potential loss

Cite this article

Cai Weiying , Wang Xinghua , Zhang Wei , Zhang Baiju . Occurrence Characteristics of Group Adverse Weather Conditions in Winter and Its Impact on Ice-snow Tourism of Jilin Province[J]. SCIENTIA GEOGRAPHICA SINICA, 2022 , 42(6) : 1073 -1081 . DOI: 10.13249/j.cnki.sgs.2022.06.013

气候条件是影响旅游活动的重要因素之一[1]，然而不利气象条件却是影响和限制冬季冰雪旅游活动开展的关键因素，并导致冬季旅游活动中各利益相关人员在活动过程中遭遇不可控风险。这主要表现在影响旅游交通出游、室外运动、参观等旅游活动，并造成旅游事故的发生。冬季冰雪旅游中，不利气象条件类型多种多样，其中以暴雪、大风和低温3种气象条件影响最为严重。由于气象条件与旅游活动影响的密切相关性，在气候变化影响下，近年来气象要素波动引起极端气候事件频发给全球的冰雪旅游经济造成严重影响[2~4]。因此气象条件与旅游相关研究已经成为旅游科学研究的热点[5,6]。
气象条件对旅游产业具有两面性。首先，适宜的气象条件是一种资源，是众多旅游活动开展的前提。因此研究者对旅游气象适宜性指数[7~10]、旅游气象服务效应和需求评估[11]等开展了系列研究。其次，不利的气象条件会限制旅游活动[12]，并产生灾害效应。从灾害学角度，在冬季冰雪旅游活动中，降雪天气时路面湿滑，能见度较差，部分路段容易形成道路结冰现象，主要影响城市交通和设施农业旅游等。大风会毁坏地面设施和建筑物。极端低温会导致游客产生冻伤等事故[13]。在冬季旅游活动中，不利天气条件将广泛影响游客出行和室外旅游活动。因此，当出现上述不利天气条件时，往往会导致旅游活动的中断，对旅游产业产生较大影响。有研究发现当不利天气条件发生时，道路交通事故起数、经济损失和伤亡人数会显著增加[14,15]；因此，前人利用统计学理论方法对城市高温、沙尘、雾、雷暴、大风和暴雨等日值资料开展研究，分析不利气象条件对体育活动和野外露营等旅游活动的影响[16,17]。研究者普遍认为气候变化背景下，冬季气象条件变化给冰雪旅游产业带来深远影响。同时，大量研究也认为降雪量变化和温度变化给冰雪旅游经济带来影响[18,19]，但不利气象条件对冬季冰雪旅游的影响研究很罕见。
冰雪旅游是以冰雪气候旅游资源为主要的旅游吸引物，体验冰雪文化内涵的所有旅游活动形式的总称。通过对相关文献分析发现，目前研究者主要关注冰雪旅游综合气象指数的构建研究，以确定冰雪旅游适宜度[8,9,17]。同时也有研究逐渐注意到不利天气条件对旅游的影响，并从统计学角度分析各气象灾害出现的概率[16]。但是研究多集中在冰雪旅游安全概念的论述和灾害的统计规律上。而针对冬季冰雪旅游季不利气象条件的单发和群发特征研究以及在此特征下对冰雪旅游产业影响研究还很少见。本研究以吉林省为研究区，在单一不利气象要素分析基础上，利用高维Copula函数分析了多种不利气象要素在空间上的依存关系，确定了区域大风、降雪和极端低温在空间上的群发特征。该研究将确定吉林省冰雪旅游中主要不利气象条件在空间上发生的概率，这对于分析气象条件对冰雪旅游影响作用机制，吉林省冰雪旅游出行保险制定，冰雪旅游灾害防控和调整冰雪旅游空间规划具有指导意义。

1 研究区域、研究方法与数据来源

1.1 研究区概况

吉林省位于中国东北中部（121°38′E~131°19′E，40°52′N~46°18′N），地处温带季风气候区。该地区冰雪旅游资源丰富，从初雪日到终雪日180 d左右，积雪日数80~120 d，最大积雪深度35 cm。地形、气候、水文等方面的优势组合使得该地区具有巨大的冬季旅游潜力[19]。吉林省东部地区降雪量大，积雪深度大；西部地区降雪量少，但是河网湖库较多，在空间上形成了“东雪西冰”的格局。与中国东北其他地区相比，适宜的气候条件使得积雪软硬适宜，利于滑雪运动和户外活动，因此吉林省已经成为冬季冰雪旅游的主要地区。冬季旅游逐渐成为拉动全省经济发展的新增长极。根据2018—2019年雪季吉林省冰雪旅游调查报告，全省接待游客8 431.84万人次，旅游收入1 698.08亿元（http:tjj.jl.gov.cn）。然而，在气候变化背景下，不利气象条件在全球范围内广泛发生，以大风、降雪和极端低温为主的冬季不利气象事件对冰雪旅游安全造成潜在影响。因此，掌握不利气象条件在时空上的发生规律并分析其对冰雪旅游的潜在影响，对该地区冬季旅游的减灾规划、旅游保险和旅游规划等是十分必要的。

1.2 数据来源及处理

根据已有研究[20]，在冬季冰雪旅游过程中，气象条件会对冰雪旅游安全造成潜在影响。冬季降雪会影响能见度，对滑雪和道路交通造成影响，当出现中到大雪及以上量级降雪时，常带来不安全因素。3级风力以上会使人站不稳，不太适合滑雪；而5级以上风对滑雪影响非常大，不适合滑雪运动。当日最高气温为−20℃~−16℃时，人们长时间在户外活动将受到影响，不适合滑雪运动；当气温在−20℃以下时，人的肢体容易出现僵硬现象，造成冻伤并形成安全事故。针对以上分析，本研究利用吉林省50个气象站逐日气象数据（1985—2015年）对不利气象条件的时空规律进行分析，同时利用区域冬季冰雪旅游景点空间分布数据、吉林省各地市的统计年鉴数据以及国民经济和社会发展统计公报数据分析了吉林省冬季冰雪旅游空间产值，并最终用于分析不利气象条件对区域冰雪旅游的潜在影响。
不利气象条件将直接导致冬季冰雪旅游活动的中断，并对各利益主体造成一定的潜在损失。为了分析不利气象条件在区域上的发生特征规律，本研究利用研究时段内1月、2月和12月的逐日数据分析单一不利气象事件的年度频次特征以及多个不利气象事件耦合群发的空间分布特征。为了分析单一气象事件对冬季冰雪旅游的影响，选取吉林省50个气象站点在1985—2015年之间1月、2月和12月间逐日的风速、温度和降水数据，统计分析了风速＞5 m/s的日数、日最高温度≤−16℃的日数和降雪日数3个指标作为不利天气事件的指示指标来分析不利气象事件的时空规律以及对冬季冰雪旅游的影响。同时，利用区域景点空间分布数据和景点等级数据，基于约束条件下空间插值方法，分析吉林省冬季冰雪旅游的空间分布特征。最后利用不利天气时间联合概率和冬季冰雪旅游收入空间分布，分析了吉林省冬季旅游潜在损失的空间特征。由于非参数估计对随机变量概率密度函数（PDF）参数估计具有可靠性，故将不利气象条件看作随机变量x，采用核密度估计对这些指标进行处理[21]，分析各不利天气事件的年均发生边缘概率，R-Vine Copula函数用于分析空间上各不利气象事件的依存关系。

1.3 基于R-Vine Copula函数的不利天气群发特征模型

Copula函数最初由Sklar在1959年提出[22]，被广泛应用于统计、金融、风险管理等领域。Copula是一类可以把各变量的边缘分布函数与多个变量的联合分布函数联系起来函数，因此它是研究变量间相依性的一种有效工具。在一般情况下，假设有n个不利天气事件作为随机变量X1,X2,…, Xn的分布函数是连续的，且其边缘分布U1=F1(x1),…,Un=Fn(xn) 均服从[0,1]上的任意概率分布，则Copula函数C： ${\left[\text{0,1}\right]}^{{n}}\text{→[0,1]}$ 定义域内的任意变量u1,u2,…,un的多元联合分布可以表示为[23]：
$ \begin{split} {C}\left({{u}}_{{1}}{,}{{u}}_{{2}}{,}{ \cdots }{,}{{u}}_{{n}}\right)=&{H}{[}{{F}}_{{1}}^{{-1}}\left({{u}}_{{1}}\right){,}{{F}}_{{2}}^{{-1}}\left({{u}}_{{2}}\right){,}{ \cdots }{,}{{F}}_{{n}}^{{-1}}\left({{u}}_{{n}}\right){]} =\\ & {P}{(}{{U}}_{{1}}{\leqslant}{{u}}_{{1}}{,}{{U}}_{{2}}{\leqslant}{{u}}_{{2}}{,}{ \cdots }{,}{{U}}_{{n}}{\leqslant}{{u}}_{{n}}{)}\\[-10pt] \end{split} $
式中， $ {{F}}_{{i}}^{{-1}}\left({{u}}_{{i}}\right) $ 成为 $ {{F}}_{{i}} $ 的伪逆函数， $ {F}{(}{u}{)={\rm{inf}}}\left\{{x}{:}{F}{(}{x}{)\geqslant }{u}\right\} $ ，H为具有边缘分布的多元联合分布函数。
Copula函数种类多，在研究中应用最多的 Copula 函数主要有Archimedean Copula 函数簇和椭圆 Copula 函数簇[24]两大类。椭圆 Copula 函数簇有t Copula函数 、Gaussian Copula函数等，两者均有对称的尾部相关性，在中心区域差别不大，差别主要体现在尾部的厚度。Archimedean Copula 函数有着统一的函数表达形式，其应用简单且很方便地进行不同变量之间的相关性进行描述[25, 26]。椭圆型 Copula 函数能够将多变量之间的相依关系蕴含在一个相关矩阵（即协方差矩阵）中，进而度量和描述多变量之间的相关性。但是以上Copula函数都是针对二维联合分布有效。然而，在不利气象事件的分析中，其所涉及的多维气象变量（三维及以上）的样本序列可能会是非对称的，同时所涉及到的变量之间也许会存在不相关关系（相互独立）、正相关关系或负相关关系。Joe提出了pair Copula概念，通过利用链式法将高维分布分解成多个二维分布来实现。目前，研究者主要利用Vine Copula来表达pair之间的关系。Vine copula包括Canonical Vine、D-Vine和R-Vine。它们都具有优越的层次关系结构，越是底层越贴近原变量。相比于 C/D-Vine 固定的星型和直线型结构，R-Vine 分解结构是根据变量间的真实相关行为确定的，因此 R-Vine 模型在描述相关性方面灵活性更强。因此，本研究选用R-Vine构建3个不利气象条件之间的依存行为。通过对所选取的3个不利天气条件通过构建无向树（ $ \mathrm{\nu },\mathrm{\omega } $ ）二层嵌套二维分布来分析群发特征。对二维变量间的联合分布选取Gauss，t，Clayton，Gumbel，Frank，Ali-Mikhail-Haq (AMH)，Farlie-Gumbel-Morgenstern (FGM)，Joe，Survival Clayton (SC)，Survival Gumbel (SG)和Survival Joe (SJ)分析[23]，利用最大似然法选取最优的Copula函数。本研究三维Copula结构构建方法如下：
$ \begin{split} &{{C}}_{{123}}\left[{{F}}_{{1}}\left({{x}}_{{1}}\right){,}{{F}}_{{2}}\left({{x}}_{{2}}\right){,}{{F}}_{{3}}\left({{x}}_{{3}}\right)\right] = {{C}}_{{13|2}}\left[{{F}}_{{12}}\left({{x}}_{{1}}{|}{{x}}_{{2}}\right){,}{{F}}_{{23}}\left({{x}}_{{2}}{|}{{x}}_{{3}}\right)\right]{ \times }\\ &\quad\quad {{C}}_{{12}}\left[{{F}}_{{1}}\left({{x}}_{{1}}\right){,}{{F}}_{{2}}\left({{x}}_{{2}}\right)\right]{ \times }{{C}}_{{23}}\left[{{F}}_{{2}}\left({{x}}_{{2}}\right){,}{{F}}_{{3}}\left({{x}}_{{3}}\right)\right] \\[-10pt] \end{split} $
为了计算冬季不利气象条件对冰雪旅游的潜在影响，利用未来的各种不利气象条件可能出现的概率(P)及其造成的潜在损失(L)来表示风险价值（VarR）。其计算方法如下：
$ {VarR=}\displaystyle\sum\nolimits _{{i}{=1}}^{{m}}{{P}}_{{i}}{{L}}_{{i}} $
式中，m表示不利气象条件组合方式。

2 吉林省不利气象条件时空规律及对冰雪旅游潜在影响分析

2.1 单一不利气象事件时空分布特征

通过对各站点逐日气象数据分析发现（图1），吉林省冬季极端低温天数从西向东逐渐减少，西部地区极端低温天数从5~11 d，中部地区4~9 d，东部地区1~5 d；降雪日数从西向东增加，西部地区6~12 d，中部地区9~17 d，东部地区10~23 d；大风日数在空间上趋势不明显，西部地区大风日数4~10 d，中部地区2~7 d，东部地区2~17 d。各地区发生一次不利天气条件的频率在0.15~0.30之间，而同时发生两种不利气象条件的频率在0.01~0.04之间。因此，吉林省冬季冰雪旅游的不利天气条件主要是以单一的大风、极端低温和降雪天气出现，2种不利天气条件同时出现频率较低，而3种不利天气条件同时出现的频率极低。
图1 吉林省各气象站点主要不利天气事件发生日数及发生频率

Fig. 1 Number of days and frequency of major adverse weather events at each meteorological station of Jilin Province

为了分析不利天气事件的边缘概率，首先对3个选取指标在区域上的数据的频率分布特征进行分析，并选取了指数分布、泊松分布、正态分布、t分布和核分布对指标进行边缘概率拟合，并利用拟合优度检验方法（ $ { \varepsilon } $ ）对这些分布的贴合度进行度量（表1）。
表1 边缘概率拟合优度检验值$ { \varepsilon } $（×10−4）

Table 1 The goodness value of marginal probability

指数分布 泊松分布 正态分布 t分布 核分布
大风日数 1.079 22.361 8.111 6.653 1.787
降水日数 4.483 5.823 5.877 0.586 0.106
低温日数 2.773 40.283 20.741 14.418 3.114
通过对3个指标的边缘概率拟合以及进行拟合优度检验发现，在5种分布函数中，指数分布和核分布能非常好的显示3个指标的概率分布特征。但是由于指数分布在事件发生次数为0时的概率为0，不符合实际情况。因此，在此用核分布拟合3个指标的边缘概率分布。
图2是吉林省大风日数、极端低温日数和降雪日数的边缘概率分布。从时间尺度上分析（纵向），吉林省不利气象条件在各气象站上存在一定的周期性。1985—1990年大风日数发生概率明显较高，而2011—2013年，大风日数发生概率呈现最小值（图2a）。极端低温在1985—1987年，1990年，2000—2001年和2009—2013年发生概率高，在1988—1989年，1992—1996年，2002年，2007年和2014—2015年之间发生概率较小（图2b）。而降雪日数也存在1985—1990年增多，1991—1999年减少和2000—2015年增多的现象（图2c）。已有研究表明，3种不利气象条件具有同步性，吉林省冬季降水的年际变化特征与东北地区冬季气温的变化规律基本是一致的[27]。而且吉林省冬季低温、大风和暴雪等极端气象条件的形成跟大气环流特征密切相关[27~29]，其中以冬季东北冷涡、高空槽和低压天气系统为最主要的影响因素。
图2 研究区各站点大风（>5 m/s）(a)、极端低温（≤−16℃）(b)和降水日数(c)边缘概率

1白城；2洮南；3镇赉；4 大安；5 松原；6 乾安；7 前郭；8 通榆；9 长岭；10扶余；11农安；12德惠；13九台；14榆树；15舒兰；16双辽；17梨树；18 公主岭；19四平；20长春；21伊通；22双阳；23烟筒山；24永吉；25吉林；26蛟河；27敦化；28安图；29汪清；30辽源；31东丰；32磐石；33梅河口；34柳河；35桦甸；36辉南；37 靖宇；38东岗；39二道；40和龙；41龙井；42珲春；43延吉；44图们；45通化县；46通化市；47白山；48临江；49集安；50长白

Fig. 2 The marginal probability of strong wind (>5 m/s), extreme low temperature (≤−16℃) and snowing days

从3个指标的空间分布可以看出（横向），不利天气条件在空间上存在一致性。在不利天气条件频发年份中，各站点的不利天气事件概率都显著增加；在不利天气条件偶发年份中，各站点的不利天气事件概率都显著减少。3个指标在空间上也存在明显差异性，这主要是由于吉林省处于东北平原中部，地势西北低、东南高。同时位于中国东北地区的大兴安岭和长白山脉均为西南−东北走向，在冬季东北冷涡、高空槽和低压天气系统影响下，在东北平原上形成的狭管效应造成该地区多大风天气。大风日数和风速都呈现由西北到东南呈递减态势。同时，由于受纬度影响，同时受到以上3种天气系统影响下，西北部的低温频率高于东南部。影响吉林省冬季降水的高空系统主要为高空槽、冷涡和切变，并配合蒙古气旋、华北气旋和江淮气旋、低压倒槽和冷锋等地面系统，同时受到东南部山地地形影响，吉林省冬季降水量也呈现从西北向东南递减趋势。

2.2 不利气象事件时空耦合群发特征

不利气象事件除了单独发生外，各类事件还会耦合发生，在空间上形成灾害群发现象。不利气象事件的群发会严重影响冬季冰雪旅游活动的运行，其影响深度和广度更加广泛。本研究利用R-Vine Copula函数来分析不利气象事件发生的耦合特征。首先基于最大生成树算法进对不利天气事件的发生结构进行刻画，其次利用赤池信息量准则(AIC)准则进行Pair Copula的选取，最后利用多阶段极大似然的方法进行参数估计。根据计算，大风日数（u1）、极端低温日数（u2）和降水日数（u3）3个指标的Pair-Copula分析结果如表2所示。模型分析结果显示，在95%置信区间下所选取样本点的对数似然度在−1.93和0.84之间，平均值为0.08，模型的AIC 为−118.72，优于其他Copula函数族。通过优度拟合检验方法[30]对模型结果进行验证，拟合度指数为0.859 0（P<0.01）。
表2 R-Vine Copula函数结构及参数选择

Table 2 The structure and parameter selection of R-Vine Copula function

联接边 Copula Theta $ \theta $
RMSE NSE
V12 SJ 1.2125 3.1081 0.8517
V23 Clayton 0.4895 3.6427 0.8353
V13|2 FGM −0.7911 2.2495 0.9170
为了进一步验证以上结果的可靠性，本研究也利用传统概率统计和R-Vine Copula两种方法对吉林省各地区的3种不利气象条件发生联合概率进行计算。图3显示两种分析结果具有较好的一致性，但是R-Vine Copula概率分析结果高于经验概率分析，这主要是由于在经验概率分析中采用分段统计方法进行数据处理，造成在不同区域上存在空值或统计值偏低等问题，而本研究是用核函数法处理，则避免了该问题。
图3 R-Vine Copula和传统联合概率分析结果对比

Fig. 3 Comparison of R-Vine Copula and traditional joint probability analysis results

为了计算3种不利气象条件在空间上的联合分布特征，假设3个日气象要素中任意一个超过阈值则定义为发生一次不利天气事件。通过对3个指标统计发现，3个指标发生次数的平均值为4.14~4.80之间，90%分位数为9.01~9.77之间。因此，选取3种不利气象条件年均发生次数5次和10次为关键事件进行分析。由于不同气象站点发生相同次数事件的边缘概率存在差异，因此本研究在计算各站点不利气象事件边缘概率的基础上，分析这3种不利气象事件群发的Copula值的空间分布，按照标准差分级法将发生10次各类不利天气事件的累积联合概率分成4级：低发区（0.005 8~0.146 2）、中发区（0.146 2~0.324 6）、高发区（0.324 6~0.551 5）和频发区（0.551 5~0.839 8）（图4）。由于Copula表征的是事件边缘概率和联合概率之间的关系。因此可以看出，吉林省西部地区不利天气事件单发和群发的依存度较高，年均发生5次各类不利天气事件的累积联合概率0.08~0.46，其中东部地区年均发生5次各类不利天气事件的累积联合概率均值为0.04，标准差0.05，中部地区的概率均值为0.07，标准差0.08，西部地区的概率均值为0.28，标准差0.11；年均发生10次各类不利天气事件的累积联合概率0.09~0.84，其中东部地区均值0.18，标准差0.19，中部地区均值0.30，标准差0.19，西部地区均值0.65，标准差0.14。因此，在吉林省冬季旅游过程中，西部地区不利天气事件遭遇高于中东部地区。西部地区的极端低温和大风天气是其主要原因，而东部地区遭遇的不利气象事件主要为降水。
图4 3种不利气象条件年均发生5次（C5）和10次（C10）的累积联合概率空间分布

Fig. 4 The cumulative joint probability spatial distribution of 5 (C5) and 10 (C10) days per year of 3 adverse weather conditions

2.3 不利气象事件对吉林省冰雪旅游潜在影响分析

为了确定不利气象事件对区域上冬季冰雪旅游造成的潜在损失，以2015—2019年吉林省各地级市平均旅游收入为基准，利用约束条件下的空间面状插值法对吉林省旅游收入的空间分布特征进行分析。首先，根据吉林省景点空间分布图和景点级别数据得到吉林省旅游景点密度图；其次，以地级市的行政单元为约束条件，对各行政单元内的景点密度进行空间标准化使得空间各部分权重数值和为1；最后利用权重值和各地区旅游产业总收入将各行政区的旅游收入空间展布到各栅格内，得到旅游产业收入空间分布图（图5）。根据2015—2019年吉林省统计年鉴和国民经济和社会发展统计公报，吉林省冰雪旅游产值约占吉林省旅游总收入的40.4%（http:tjj.jl.gov.cn）。因此本研究作以下假定：① 吉林省各地区冬季冰雪旅游收入均是全年旅游收入的40.4%；② 当不利气象条件耦合发生时，各地区的各项冰雪旅游活动均终止，③ 冬季冰雪旅游天数为90 d。利用公式（3）结合3种不利气象条件出现联合累积概率分析冰雪旅游的潜在损失（表3）。
图5 吉林省旅游收入空间分布特征

Fig. 5 The spatial distribution characteristics of tourism income in Jilin Province

表3 吉林省各地区不利气象条件发生联合概率平均值及潜在损失/万元

Table 3 The mean joint probability and potential loss of adverse weather conditions in various regions of Jilin Province/104 yuan

地区 C5均值 C10均值 C5损失 C10损失
　　注：C5为年均发生5次；C10为年均发生10次。
长春 0.027 0.208 6335.58 97614.85
吉林 0.011 0.112 1324.09 26963.26
四平 0.052 0.380 439.36 6421.47
辽源 0.031 0.203 215.48 2822.14
通化 0.016 0.118 432.87 6384.84
白山 0.005 0.040 111.15 1778.42
松原 0.088 0.455 1744.99 18044.79
白城 0.133 0.590 1407.48 12487.42
延边 0.039 0.270 2591.73 35885.44
通过对比年均发生10次各类不利天气事件的累积联合概率图（图4）和吉林省旅游收入空间分布图（图5），吉林省主要冬季冰雪旅游区主要位于不利天气事件耦合高发区和中发区内。通过表3可以发现，白城、松原、四平地区不利天气事件发生联合概率较高，但是从冬季冰雪旅游经济损失上看，当在年均发生5次各类不利天气事件情况下，长春、延边、松原、白城和吉林市地区潜在损失较大，均在1 000万元以上。当在年均发生10次各类不利天气事件情况下，以上地区冰雪旅游收入潜在损失将在1亿元以上。

3 结论与讨论

3.1 结论

本文以吉林省冬季冰雪旅游为研究对象，通过引入高维R-Vine Copula函数，分析了不利天气条件在吉林省冬季旅游季发生的耦合规律和时空分布特征，并分析了不利天气条件发生对吉林省冬季冰雪旅游的潜在影响。其主要结论如下：① 作为影响冬季冰雪旅游活动的主要不利气象条件，低端低温、大风和降雪在吉林省地域空间中发生具有明显的趋势性特征。吉林省极端低温事件呈现从西部向东部减少趋势，扶余、榆树年均发生高于10次；而降水事件呈现从西部向东部增加趋势，中东部大部分地区年发生次数均大于10次；大风日数在空间上趋势不明显，西部地区略高于中东部地区，其中通榆、榆树、珲春、延吉、图们年均发生高于10次。3种不利气象事件频次大小顺序依次为降水、低温和大风天气。② R-Vine Copula函数可以准确获得不利气象事件在空间上的耦合群发特征。吉林省西部地区不利气象事件单发和耦合群发的依存度较高。在吉林省冬季旅游过程中，西部地区不利天气事件遭遇高于中东部地区。西部地区的极端低温和大风天气是其主要原因。东部地区主要是遭遇不利气象事件主要为降水。利用3种冬季不利气象条件发生特征，将吉林省划分为频发区、高发区、中发区和低发区。长春−四平线以西地区和延边东部地区为不利气象条件频发和高发区。③ 不利气象条件对吉林省冰雪旅游存在显著的潜在影响。通过将3种不利气象条件发生概率图和吉林省旅游收入空间分布图叠加分析，吉林省旅游收入主要集中在中东部地区，不利气象条件频发区和旅游区重叠度低。吉林省主要冬季冰雪旅游区主要位于不利天气事件耦合高发区和中发区内。具体而言，白城、松原、四平地区不利天气事件发生联合概率较高，但是从冬季冰雪旅游经济损失上看，长春、延边、松原、白城和吉林市地区潜在损失较大。

3.2 讨论

在冬季冰雪旅游中不利天气事件类型较多，包括大风、暴雪、极端低温和大雾，其中以大风、暴雪和极端低温的影响最为严重。大雾天气在吉林省冬季发生概率较少，因此没有考虑到本研究内。在对3个不利气象指标的边缘概率分布的计算上，指数分布和核分布都可以很好的展示区域上3个不利天气指标的边缘概率分布。但是当不利气象条件发生次数为0时，对边缘概率为0，这不符合实际情况，因此，本研究均选用核分布函数对3个不利气象指标进行分析。
在对3类不利天气事件群发的空间耦合分布分析时，由于3类不利天气事件时间序列之间存在正相关和负相关共存的关系，因此传统的Copula方法无法处理。本研究采用pair Copula概念，利用R-Vine Copula将三维联合概率分解成多个二维Copula分布，这样也可以对负相关的相关事件进行互补变换处理。这样处理就解决了高维Copula概率分布和指标序列之间负相关问题。利用极大似然法计算 Copula函数参数，通过函数计算理论频率与经验频率之间的均方误差（MSE），以最小 AIC 为选择最优拟合函数的标准。通过分析发现，Survival Joe (SJ)、Clayton、Farlie-Gumbel-Morgenstern (FGM)3个属函数被用来构建R-Vine Copula分布具有可靠性。结果显示，从单灾种发生概率上，吉林省西部地区高于东部地区。在3种不利气象事件耦合规律上，吉林省西部地区3种不利气象事件依存度高于东部地区。
区域冬季冰雪旅游产值空间插值方法可以详细分析以景点为研究尺度的不利天气条件下的潜在损失。在本研究中主要考虑了景点密度和景点级别，并没有考虑道路网等方面的因素，可能会对插值结果造成影响。本研究假定吉林省各地区冬季冰雪旅游收入均是全年旅游收入的40.4%。同时以冬季冰雪旅游天数为90 d计算，同时结合不利气象条件出现日数和出现概率分析冰雪旅游的潜在损失。通过计算发现，长春市受不利气象条件造成的冬季冰雪旅游潜在损失最大，其次是延边、松原和吉林，而辽源地区潜在损失最小。
由于不同气象条件对冬季冰雪旅游活动类型影响存在差异，旅游相关部门及企业应及时应对这些不利气象条件产生的负面影响，并制定相应的应急预案，做好风险防控和旅游气象服务工作。在极端低温频发区，应重点做好防寒保暖措施和完善供暖基础设施，防止游客在旅游活动中冻伤；在大风频发区，应重点做好室外游览设施设备维护和加固；在降雪频发区，应重点做好交通防护、基础设施维修维护。在各不利气象事件发生区，应及时制定和增加冰雪旅游保险险种，以适应冬季冰雪旅游需求。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
杨宝国, 苏志, 陈国连. 气候条件对广西北部湾旅游的影响评价[J]. 旅游论坛, 2011, 4 (4): 118-120

DOI

Yang Baoguo, Su Zhi, Chen Guolian. Impact assessment of climatic conditions on the tourism in the Beibu Gulf in Guangxi. Tourism Forum, 2011, 4 (4): 118-120

DOI

[2]
Xiao X, Perry E E, Gao J et al. Winter tourism and climate change: Exploring local and non-local snowmobilers’ adaptation behaviors[J]. Journal of Outdoor Recreation and Tourism-Research Planning and Management, 2020, 13: 100299

[3]
Fabian W, Sven K, Pirmin P E et al. Vulnerability of ski tourism towards internal climate variability and climate change in the Swiss Alps[J]. Science of the Total Environment, 2021, 784: 147054

DOI

[4]
Sauri D, J C Llurdés. Climate change and adaptation strategies of Spanish Catalan Alpine ski resorts[J]. Revue de Géographie Alpine, 2020, 108 (1): 1-14

[5]
Anna B, Milica P, Oleh S et al. Weather suitability for outdoor tourism in three European regions in first decades of the twenty-first century[J]. International Journal of Biometeorology, 2020 1-18

[6]
Alvarez D F R, Barquin S C. Weather influences on zoo visitation (Cabarceno, Northern Spain)[J]. International Journal of Biometeorology, 2021, 65 (8): 1357-1366

DOI

[7]
宋丹, 杜正静, 慕建利, 等. 贵州省避暑旅游气象适宜性分析[J]. 沙漠与绿洲气象, 2021, 15 (2): 112-118

Song Dan, Du Zhengjing, Mu Jianli et al. Analysis on the meteorological suitability of summer tourism in Guizhou Province. Desert and Oasis Meteorology, 2021, 15 (2): 112-118

[8]
高峰, 谢勇, 李德恒, 等. 吉林省旅游气象指数研究[J]. 气象灾害防御, 2018, 25 (2): 23-27

DOI

Gao Feng, Xie Yong, Li Deheng et al. Study on tourism meteorological index in Jilin Province. Meteorological Disaster Prevention, 2018, 25 (2): 23-27

DOI

[9]
Noome K, Fitchett J M. Quantifying the climatic suitability for tourism in Namibia using the Tourism Climate Index (TCI)[J]. Environment, Development and Sustainability, 2021 1-18

[10]
Osman D, Mustafa T, Tugba O et al. Impact of climate change on natural snow reliability, snowmaking capacities, and wind conditions of ski resorts in Northeast Turkey: A dynamical downscaling approach[J]. Atmosphere, 2016, 7 (4): 1-12

[11]
严晓瑜, 刘玉兰, 李剑萍, 等. 宁夏旅游气象服务效益评估和服务需求调查[J]. 气象科技, 2012, 40 (6): 1068-1074

DOI

Yan Xiaoyu, Liu Yulan, Li Jianping et al. Benefit evaluation and service demand survey of tourism meteorological service in Ningxia Province. Meteorological Science and Technology, 2012, 40 (6): 1068-1074

DOI

[12]
蒋贵彦, 孙根年, 王琳. 青海省旅游气候舒适性评价及不利因素分析[J]. 干旱区资源与环境, 2011, 25 (7): 215-221

Jiang Guiyan, Sun Gennian, Wang Lin. Evaluation of tourism climate comfortableness in Qinghai Province and analysis of unfavorable factors. Journal of Arid Land Resources and Environment, 2011, 25 (7): 215-221

[13]
Abdella G M, Shaaban K. Modeling the impact of weather conditions on pedestrian injury counts using LASSO—Based Poisson Model[J]. Arabian Journal for Science and Engineering, 2021, 46 (6): 4719-4730

[14]
章锡俏, 安实, 盛洪飞. 不利天气下离散化动态交通路网容量研究[J]. 哈尔滨工业大学学报, 2009, 41 (7): 85-88

DOI

Zhang Xiqiao, An Shi, Sheng Hongfei. Discrete dynamic road network capacity under adverse weather. Journal of Harbin Institute of Technology, 2009, 41 (7): 85-88

DOI

[15]
宁贵财, 康彩燕, 陈东辉, 等. 2005-2014年我国不利天气条件下交通事故特征分析[J]. 干旱气象, 2016, 34 (5): 753-762

DOI

Ning Guicai, Kang Caiyan, Chen Donghui. Analysis of characteristics of traffic accidents under adverse weather conditions in China during 2005-2014[J]. Journal of Arid Meteorology, 2016, 34 (5): 753-762

DOI

[16]
李庆祥, 朱燕君, 熊安元. 北京等6城市奥运期间不利天气的概率统计[J]. 应用气象学报, 2006, 17 (z1): 42-47

DOI

Li Qingxiang, Zhu Yanjun, Xiong Anyuan. Probabilities of bad weather in 6 cities during Beijing Olympic Games. Journal of Applied Meteorological Science, 2006, 17 (z1): 42-47

DOI

[17]
Ma S Y, Craig C A, Feng S. The Camping Climate Index (CCI): The development, validation, and application of a camping-sector tourism climate index[J]. Tourism Management, 2021, 80: 1-13

[18]
Ballotta L, Fusai G, Kyriakou I et al. Risk management of climate impact for tourism operators: An empirical analysis on ski resorts[J]. Tourism Management, 2020, 77: 1-17

[19]
韩杰. 东北区冰雪旅游资源及其应用研究[J]. 地理科学, 1993, 13 (3): 234-241

Han Jie. Ice-snow tourist resources and applied researches in Northeast China. Scientia Geographica Sinica, 1993, 13 (3): 234-241

[20]
Cai W, H Di, Liu X. Estimation of the spatial suitability of winter tourism destinations based on copula functions[J]. International Journal of Environmental Research and Public Health, 2019, 16 (2): 1-18

[21]
Adrian W Bowman, Adelchi Azzalini. Applied smoothing techniques for data analysis [M]. New York: Oxford University Press Inc. , 1997.

[22]
Sklar A. Fonctions de répartition àn dimensions et leurs marges [M]. Publ Inst. Statist Univ Paris 1959, 8: 229-231.

[23]
Joe H. Dependence modeling with copulas [M]. Boca Raton: Chapman & Hall/CRC Press, 2014.

[24]
Nelsen R B. An introduction to copulas: Springer series in statistics [M]. New York: Springer New York, 2006.

[25]
Durante F, Sempi C. Principles of copula theory [M]. Boca Raton: Chapman & Hall/CRC Press, 2015.

[26]
Coblenz M. MATVines: A vine copula package for MATLAB[J]. Software X, 2021, 14: 1-6

[27]
李尚锋, 姜大膀, 廉毅, 等. 冬季中国东北极端低温事件环流背景特征分析[J]. 大气科学, 2018, 42 (5): 963-976

Li Shangfeng, Jiang Dabang, Lian Yi et al. Circulation characteristics of extreme cold events in Northeast China during wintertime. Chinese Journal of Atmospheric Sciences, 2018, 42 (5): 963-976

[28]
韩永秋, 周连童, 黄荣辉. 中国冬半年极端低温事件的时空特征及其与东亚冬季风的关系[J]. 气候与环境研究, 2021, 26 (1): 1-17

Han Yongqiu, Zhou Liantong, Huang Ronghui. Characteristics of the extreme low temperature events in China during boreal winter and its relationship to East Asian Winter Monsoon. Climatic and Environmental Research, 2021, 26 (1): 1-17

[29]
王冀, 赵春雨, 娄德君. 东北地区冬季降雪的集中度和集中期变化特征[J]. 地理学报, 2010, 65 (9): 1069-1078

DOI

Wang Ji, Zhao Chunyu, Lou Dejun. Variations of winter snow concentration degree and snow concentration period in Northeast China. Acta Geographica Sinica, 2010, 65 (9): 1069-1078

DOI

[30]
Schepsmeier U. Efficient information based goodness-of-fit tests for vine copula models with fixed margins: A comprehensive review[J]. Journal of Multivariate Analysis, 2015, 138: 34-52

DOI

Options
Outlines

/

〈 〉