趙海莉， 李家亮， 李開(kāi)麗， 杜雨涵， 王家明

（1.西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，甘肅 蘭州 730070；2.甘肅省綠洲資源環(huán)境與可持續(xù)發(fā)展重點(diǎn)實(shí)驗(yàn)室，甘肅 蘭州 730070；3.江蘇第二師范學(xué)院城市與資源環(huán)境學(xué)院，江蘇 南京 210013）

隨著經(jīng)濟(jì)收入、生活水平的提高以及大眾對(duì)自身健康關(guān)注度的提升，人們對(duì)休閑活動(dòng)的要求日益升高［1-2］。據(jù)國(guó)家體育總局《“十四五”體育發(fā)展規(guī)劃》，2015—2019 年全國(guó)體育產(chǎn)業(yè)總規(guī)模從1.71×1012元增長(zhǎng)至2.95×1012元，年均增長(zhǎng)率達(dá)14.6%。運(yùn)動(dòng)健身作為人民休閑活動(dòng)的重要組成部分，由于其大眾性、非競(jìng)技性等特征［3-4］，不僅促進(jìn)了地方經(jīng)濟(jì)發(fā)展［5］，而且對(duì)提升居民個(gè)人健康、幸福感有著積極影響［6-7］。運(yùn)動(dòng)健身場(chǎng)所是健身運(yùn)動(dòng)實(shí)施的重要載體以及體育產(chǎn)業(yè)的重要組成部分，其承擔(dān)著居民休閑健身的需求和社會(huì)交往的功能［8］。2019年6月國(guó)務(wù)院發(fā)布《國(guó)務(wù)院關(guān)于實(shí)施健康中國(guó)行動(dòng)的意見(jiàn)》指出：實(shí)施全民健身運(yùn)動(dòng)，為不同人群提供針對(duì)性的運(yùn)動(dòng)健身方案或運(yùn)動(dòng)指導(dǎo)服務(wù)。2021 年全國(guó)兩會(huì)政府工作報(bào)告提出要全面推進(jìn)“健康中國(guó)”建設(shè)，構(gòu)建強(qiáng)大公共衛(wèi)生體系，廣泛開(kāi)展全民健身運(yùn)動(dòng)，人均預(yù)期壽命再提高1歲。而運(yùn)動(dòng)場(chǎng)所分布的不均衡性不僅制約著全民健身運(yùn)動(dòng)的實(shí)施和開(kāi)展，亦影響著居民健康獲得的公平性。在此背景下，梳理區(qū)域運(yùn)動(dòng)健身場(chǎng)所的空間分布與影響因素尤為重要。

運(yùn)動(dòng)健身場(chǎng)所，即城市休閑體育空間，是為居民提供運(yùn)動(dòng)健身服務(wù)、運(yùn)動(dòng)器械以及社交功能的場(chǎng)所［9-10］。目前，有關(guān)運(yùn)動(dòng)健身場(chǎng)所的討論主要集中在以下幾個(gè)方面：（1）運(yùn)動(dòng)健身場(chǎng)所發(fā)展速度、質(zhì)量、舒適性、安全性以及服務(wù)質(zhì)量等的評(píng)價(jià)［11-12］。（2）通過(guò)識(shí)別運(yùn)動(dòng)健身場(chǎng)所服務(wù)人群年齡、性別、身高、體重等生物學(xué)特征，職業(yè)、受教育程度等社會(huì)學(xué)特征以及參與動(dòng)機(jī)、參與頻率等信息，探討運(yùn)動(dòng)健身場(chǎng)所的空間性質(zhì)、功能、發(fā)展模式以及發(fā)展現(xiàn)狀，找出運(yùn)動(dòng)健身場(chǎng)所目前存在的問(wèn)題與不足，給出相應(yīng)的解決措施及設(shè)計(jì)方案［13-14］。（3）運(yùn)用問(wèn)卷調(diào)查運(yùn)動(dòng)健身場(chǎng)所周圍區(qū)域人口、家庭信息以確定運(yùn)動(dòng)健身場(chǎng)所的服務(wù)半徑、可達(dá)性、均等性與公平性等［15-16］。近2 a 新型冠狀病毒大流行等突發(fā)公眾衛(wèi)生事件對(duì)運(yùn)動(dòng)健身場(chǎng)所的影響也成為討論特點(diǎn)［17］。且隨著數(shù)據(jù)科學(xué)技術(shù)的推廣，亦有部分學(xué)者運(yùn)用興趣點(diǎn)（Point of interest，POI）數(shù)據(jù)分析運(yùn)動(dòng)健身場(chǎng)所的空間分布特征、演變規(guī)律以及影響因素［18-20］。

總體來(lái)看，已有研究缺少?gòu)娜珖?guó)視角下對(duì)運(yùn)動(dòng)健身場(chǎng)所空間格局及影響因素的探討而多基于微觀視角，且對(duì)運(yùn)動(dòng)健身場(chǎng)所區(qū)域差異的討論較少。不同尺度的考察，有利于反映運(yùn)動(dòng)健身場(chǎng)所對(duì)尺度變化的敏感性。鑒于此，本文爬取全國(guó)運(yùn)動(dòng)健身場(chǎng)所的POI 數(shù)據(jù)，采用總體分異測(cè)度指數(shù)（Global differentiation index，GDI）、熱點(diǎn)分析、地理探測(cè)器等方法，分析中國(guó)運(yùn)動(dòng)健身場(chǎng)所的空間分布格局及影響因素，旨在為加快運(yùn)動(dòng)健身場(chǎng)所建設(shè)、促進(jìn)居民開(kāi)展運(yùn)動(dòng)健身活動(dòng)提供借鑒。

1 數(shù)據(jù)與方法

1.1 指標(biāo)選取

本文采用運(yùn)動(dòng)健身場(chǎng)所數(shù)量與每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量考察運(yùn)動(dòng)健身場(chǎng)所的空間分布特征。前者反映不同尺度上各地區(qū)擁有運(yùn)動(dòng)健身場(chǎng)所的多寡，后者反映不同尺度運(yùn)動(dòng)健身場(chǎng)所分布的均衡性。并從人口、教育、經(jīng)濟(jì)、人民生活以及城市建設(shè)5個(gè)維度選取9個(gè)因素探究影響運(yùn)動(dòng)健身場(chǎng)所空間分布的驅(qū)動(dòng)因素（表1）。

表1 因素選取及原因Tab.1 Factors selection and reasons

1.2 數(shù)據(jù)來(lái)源

運(yùn)用爬蟲(chóng)技術(shù)獲取全國(guó)除香港、澳門(mén)、臺(tái)灣以外運(yùn)動(dòng)健身場(chǎng)所數(shù)據(jù)，爬取關(guān)鍵詞為“運(yùn)動(dòng)場(chǎng)所”“綜合體育館”“保齡球館”“網(wǎng)球場(chǎng)”“籃球場(chǎng)館”“足球場(chǎng)”“滑雪場(chǎng)”“溜冰場(chǎng)”等，爬取時(shí)間為2020 年12月28 日。經(jīng)人工篩選、去重后，共爬取運(yùn)動(dòng)健身場(chǎng)所1.0543×105條。指標(biāo)體系中人口數(shù)量（Pop）、每10×104人擁有大專以上學(xué)歷人數(shù)（Edu）、城鎮(zhèn)人口占比（Pop_Urban）、15～59 歲人口占總?cè)丝诒戎兀≒op_15）來(lái)源于國(guó)家、各省、各市第7次人口普查公報(bào)。經(jīng)濟(jì)總量（GDP）、人均GDP（PGDP）、城鎮(zhèn)居民可支配收入（UPDI）、建成區(qū)面積占轄區(qū)面積比重（Built）等數(shù)據(jù)來(lái)源于各省、各市2021 年統(tǒng)計(jì)年鑒、2020 年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)。城市規(guī)模（Urban_Size）劃分標(biāo)準(zhǔn)按照國(guó)務(wù)院《關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》進(jìn)行劃分為小城市、中等城市、大城市、特大城市、超大城市5類。根據(jù)《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035 年遠(yuǎn)景目標(biāo)綱要》將城市群分為優(yōu)化提升類、發(fā)展壯大類以及培育發(fā)展類。

1.3 研究方法

1.3.1 總體分異測(cè)度指數(shù)（GDI）采用GDI 度量運(yùn)動(dòng)健身場(chǎng)所數(shù)量以及每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量在不同空間尺度上的差異。GDI 綜合了變異系數(shù)、泰爾指數(shù)、總熵指數(shù)、阿特金森指數(shù)，其反映區(qū)域差異更加客觀全面且穩(wěn)定［21］。GDI 計(jì)算公式如下：

式中：Ui為各指數(shù)的權(quán)重，采用熵值法進(jìn)行確定，i=1,2,3,4；Cv為變異系數(shù)；T為泰爾指數(shù)；GE為總熵指數(shù)；A為阿特金森指數(shù)。

1.3.2 空間格局測(cè)度采用莫蘭指數(shù)（Moran’sI）分析運(yùn)動(dòng)健身場(chǎng)所和每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的空間分布相似性及相關(guān)程度。采用熱點(diǎn)分析探索運(yùn)動(dòng)健身場(chǎng)所和每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的局部空間聚類特征［22］。

1.3.3 影響因素分析

（1）Pearson 相關(guān)系數(shù)。采用Pearson 相關(guān)系數(shù)度量運(yùn)動(dòng)健身場(chǎng)所數(shù)量與各因素之間的線性關(guān)系。

（2）灰色關(guān)聯(lián)度。灰色關(guān)聯(lián)度能夠反映曲線間的關(guān)聯(lián)程度［23］。因而采用灰色關(guān)聯(lián)度判斷運(yùn)動(dòng)健身場(chǎng)所數(shù)量與各因素之間的聯(lián)系是否緊密。

（3）地理探測(cè)器。地理探測(cè)器用于檢驗(yàn)空間分布的相似性，一般采用解釋力（q值）進(jìn)行度量，q值越大，解釋力越強(qiáng)［24-25］。采用地理探測(cè)器探究不同尺度上各因素對(duì)運(yùn)動(dòng)健身場(chǎng)所的解釋力，同時(shí)也可以分析各影響因素交互作用對(duì)運(yùn)動(dòng)健身場(chǎng)所的影響。

2 結(jié)果與分析

2.1 運(yùn)動(dòng)健身場(chǎng)所的空間差異

2.1.1 省級(jí)尺度在省級(jí)尺度上，運(yùn)動(dòng)健身場(chǎng)所數(shù)量的GDI 值為0.95，每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的GDI 值為0.38。采用幾何間隔繪制出2020 年運(yùn)動(dòng)健身場(chǎng)所數(shù)量、每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的空間分布特征（圖1）。從運(yùn)動(dòng)健身場(chǎng)所數(shù)量來(lái)看，主要集中分布于東部沿海省份，其中最多的為廣東省，達(dá)到1.5776×104個(gè)（圖1a）。而西部省份除四川省及陜西省之外分布較少，其中數(shù)量最少的為西藏自治區(qū)，僅150 個(gè)。運(yùn)動(dòng)健身場(chǎng)所數(shù)量較多的省份幾乎均經(jīng)濟(jì)發(fā)達(dá)、人口數(shù)量眾多，而分布較少的省份經(jīng)濟(jì)總量低且人口相對(duì)較少。Moran’sI值為-0.1，P值為0.33，即在省級(jí)尺度上空間自相關(guān)不明顯。

圖1 省級(jí)尺度上運(yùn)動(dòng)健身場(chǎng)所數(shù)量與每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量分布Fig.1 Distributions of the number of stadia and fitness centers and the number of stadia and fitness centers per 10000 people at provincial scale

從每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量來(lái)看，東部沿海省份以及寧夏回族自治區(qū)、內(nèi)蒙古自治區(qū)的每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量較多，其中，上海市每萬(wàn)人擁有的運(yùn)動(dòng)健身場(chǎng)所數(shù)量達(dá)1.54個(gè)·(104人)-1。西部省份除陜西省、重慶市以外每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量均較少。其中，新疆維吾爾自治區(qū)每萬(wàn)人擁有的運(yùn)動(dòng)健身數(shù)量?jī)H為0.36 個(gè)·(104人)-1（圖1b）。與運(yùn)動(dòng)健身場(chǎng)所數(shù)量分布特征對(duì)比發(fā)現(xiàn)，部分省份如四川省等運(yùn)動(dòng)健身場(chǎng)所數(shù)量較多，但每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量較少，需加強(qiáng)運(yùn)動(dòng)健身場(chǎng)所建設(shè)以提高人均擁有量。每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的Moran’sI值為0.04，P值為0.39，空間自相關(guān)不顯著。

2.1.2 城市群尺度運(yùn)動(dòng)健身場(chǎng)所數(shù)量隨城市群等級(jí)下降而減少，2020年優(yōu)化提升類城市群運(yùn)動(dòng)健身場(chǎng)所數(shù)量為5.19×104個(gè)，發(fā)展壯大類城市群、培育發(fā)展類城市群分別為2.72×104個(gè)、1.30×104個(gè)（圖2a）。運(yùn)動(dòng)健身場(chǎng)所數(shù)量的區(qū)域差異在發(fā)展壯大類城市群中最小，其GDI值為1.05；優(yōu)化提升類城市群中最大，GDI值為1.69。具體來(lái)看，長(zhǎng)三角城市群運(yùn)動(dòng)健身場(chǎng)所數(shù)量最多，達(dá)1.69×104個(gè)；而天山北坡城市群的運(yùn)動(dòng)健身場(chǎng)所數(shù)量最少，僅452 個(gè)。從城市群區(qū)域差異來(lái)看，山東半島城市群的GDI 值最低，為0.68，其次為黔中城市群、中原城市群。關(guān)中平原城市群的GDI 值最高，達(dá)1.71，其次是山西中部城市群、滇中城市群（圖2b）。

圖2 城市群尺度運(yùn)動(dòng)健身場(chǎng)所數(shù)量及其GDIFig.2 Number and GDI of stadia and fitness centers at urban agglomeration

從總體數(shù)量上來(lái)看，運(yùn)動(dòng)健身場(chǎng)所數(shù)量主要分布在優(yōu)化提升類城市群即京津冀城市群、長(zhǎng)三角城市群等，存在明顯的集群現(xiàn)象（圖3a）。培育發(fā)展類城市群的運(yùn)動(dòng)健身場(chǎng)所數(shù)量較少，如蘭西城市群、天山北坡城市群等。在城市群內(nèi)部，核心城市的運(yùn)動(dòng)健身場(chǎng)所數(shù)量分布較多。從每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量上來(lái)看，人均擁有量較多的區(qū)域集中在東部城市群，尤以珠三角城市群最為顯著，且城市群內(nèi)部的核心城市人均擁有量相對(duì)較高，存在集聚效應(yīng)（圖3b）。在運(yùn)動(dòng)健身場(chǎng)所數(shù)量上，Moran’sI值顯著，為0.15，存在顯著的空間自相關(guān)性。每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的Moran’sI值為0.59，P值檢驗(yàn)顯著，亦說(shuō)明呈現(xiàn)顯著空間自相關(guān)性。

圖3 城市群內(nèi)部運(yùn)動(dòng)健身場(chǎng)所數(shù)量與每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量分布Fig.3 Distributions of the number of stadia and fitness centers and the number of stadia and fitness centers per 10000 people at the internal scale of urban agglomeration

2.1.3 市級(jí)尺度在地級(jí)市尺度上，運(yùn)動(dòng)健身場(chǎng)所數(shù)量的GDI值為2.63，區(qū)域差異顯著；而每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的GDI 值為0.52，遠(yuǎn)低于運(yùn)動(dòng)健身場(chǎng)所數(shù)量的GDI值。采用幾何間隔繪制366個(gè)城市（包含地級(jí)市、省轄縣級(jí)市、州）的運(yùn)動(dòng)健身場(chǎng)所數(shù)量圖可看出：運(yùn)動(dòng)健身場(chǎng)所空間分布不均衡，主要集中于黑河—騰沖一線以東。其中，上海市運(yùn)動(dòng)健身場(chǎng)所數(shù)量最多，達(dá)3831個(gè)，其次是廣州市、深圳市以及東莞市（圖4a）。一般而言，超大城市的運(yùn)動(dòng)健身場(chǎng)所分布數(shù)量多，而小城市的運(yùn)動(dòng)健身場(chǎng)所分布數(shù)量少。可見(jiàn)，城市規(guī)模的空間分布與運(yùn)動(dòng)健身場(chǎng)所的空間分布具有相關(guān)性。對(duì)于新疆維吾爾自治區(qū)、甘肅省等省份，一般僅省會(huì)城市的運(yùn)動(dòng)健身場(chǎng)所數(shù)量較多。而對(duì)于浙江省、江蘇省等省份，除省會(huì)城市之外，省內(nèi)經(jīng)濟(jì)發(fā)展水平較高的城市運(yùn)動(dòng)健身場(chǎng)所數(shù)量亦較多。通過(guò)每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量分布可以看出：每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量最多的地區(qū)集中于珠三角地區(qū)，最多的為東莞市，達(dá)2.58 個(gè)·(104人)-1，其次依次是三亞市、廣州市以及佛山市。珠三角、福建省沿海地區(qū)、江浙滬地區(qū)、山東半島、遼南等地區(qū)人均擁有量較高且集中（圖4b）。城市規(guī)模對(duì)每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量影響并不明顯，但值得注意的是，中部多數(shù)地級(jí)市的運(yùn)動(dòng)健身場(chǎng)所數(shù)量較多，但每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量少。

圖4 市級(jí)尺度上運(yùn)動(dòng)健身場(chǎng)所數(shù)量與每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量分布Fig.4 Distributions of the number of stadia and fitness centers and the number of stadia and fitness centers per 10000 people at municipal scale

運(yùn)動(dòng)健身場(chǎng)所數(shù)量Moran’sI值顯著，為0.16，呈現(xiàn)顯著的空間自相關(guān)性。熱點(diǎn)分析發(fā)現(xiàn)：運(yùn)動(dòng)健身場(chǎng)所數(shù)量熱點(diǎn)區(qū)多于冷點(diǎn)區(qū)。熱點(diǎn)區(qū)集中于華北、華東以及華南地區(qū)；冷點(diǎn)區(qū)集中于海南省、新疆維吾爾自治區(qū)北部、河西走廊以及寧夏回族自治區(qū)大部分地級(jí)市（圖5a）。每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的Moran’sI值為0.18，P值檢驗(yàn)顯著。每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量冷點(diǎn)區(qū)面積大于熱點(diǎn)區(qū)。熱點(diǎn)區(qū)主要分布于東部沿海地區(qū)，通過(guò)1%顯著性檢驗(yàn)的熱點(diǎn)區(qū)主要集中于江浙滬閩粵地區(qū)的地級(jí)市；冷點(diǎn)區(qū)主要集中在西南地區(qū)以及新疆維吾爾自治區(qū)西部地區(qū)，通過(guò)1%顯著性檢驗(yàn)的冷點(diǎn)區(qū)主要位于新疆維吾爾自治區(qū)西部城市、川西、重慶市、貴州省以及滇北的地級(jí)市（圖5b）。

圖5 市級(jí)尺度運(yùn)動(dòng)場(chǎng)所數(shù)量與每萬(wàn)人擁有運(yùn)動(dòng)場(chǎng)所數(shù)量熱點(diǎn)分析Fig.5 Hot spot analysis chart of the number of stadia and fitness centers and the number of stadia and fitness centers per 10000 people at municipal scale

總體而言，運(yùn)動(dòng)健身場(chǎng)所的空間差異隨著尺度的縮小而擴(kuò)大，且運(yùn)動(dòng)健身場(chǎng)所數(shù)量的空間差異大于每萬(wàn)人擁有的運(yùn)動(dòng)健身場(chǎng)所數(shù)量的空間差異。在不同尺度上均體現(xiàn)出東部地區(qū)的運(yùn)動(dòng)健身場(chǎng)所數(shù)量多，而西部地區(qū)除成都、重慶以外較少。中部多數(shù)地級(jí)市雖運(yùn)動(dòng)健身場(chǎng)所數(shù)量較多，但每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量少，該類地區(qū)未來(lái)需加強(qiáng)對(duì)運(yùn)動(dòng)健身場(chǎng)所的建設(shè)。通過(guò)莫蘭指數(shù)與熱點(diǎn)分析，運(yùn)動(dòng)健身場(chǎng)所數(shù)量與每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量在地級(jí)市尺度上的集聚較為明顯，熱點(diǎn)區(qū)域主要分布在東部沿海地區(qū)，而冷點(diǎn)區(qū)域則多分布在西北、西南和青藏等地區(qū)。即運(yùn)動(dòng)健身場(chǎng)所數(shù)量呈現(xiàn)“東多西少”的格局。在城市群尺度和市級(jí)尺度中，運(yùn)動(dòng)健身場(chǎng)所數(shù)量與每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的分布遵循克里斯泰勒的中心地理論，即城市群的核心城市或者省會(huì)城市比其區(qū)域范圍內(nèi)其他城市的數(shù)值高。

2.2 運(yùn)動(dòng)健身場(chǎng)所的影響因素

2.2.1 省級(jí)尺度首先，從Pearson 相關(guān)系數(shù)可以看出，只有Pop和GDP通過(guò)了顯著性檢驗(yàn)，線性相關(guān)程度為GDP＞Pop，且相關(guān)系數(shù)均大于0.8，屬于極強(qiáng)相關(guān)，其余因素均未通過(guò)顯著性檢驗(yàn)（表2）。

表2 各尺度影響因素對(duì)運(yùn)動(dòng)健身場(chǎng)所的線性關(guān)系、幾何關(guān)聯(lián)程度、影響力Tab.2 Linear relationship,geometric correlation degree and influence of influencing factors at different scales on stadia and fitness centers

8個(gè)因素與運(yùn)動(dòng)健身場(chǎng)所數(shù)量的灰色關(guān)聯(lián)度排序?yàn)镚DP＞Pop＞Pop_Urban＞Built＞PGDP＞UPDI＞Pop_15＞Edu（表2）?；疑P(guān)聯(lián)度的數(shù)值較高，說(shuō)明8 個(gè)影響因素與運(yùn)動(dòng)健身場(chǎng)所數(shù)量聯(lián)系緊密。

為反映空間差異特征，采用地理探測(cè)器后發(fā)現(xiàn)：Pop與GDP通過(guò)1%顯著性檢驗(yàn)，與Pearson 相關(guān)系數(shù)一致，UPDI 與Pop_15通過(guò)10%顯著性檢驗(yàn)，其地理探測(cè)器q值排名為GDP＞Pop＞Pop_15＞UPDI（表2）。綜合Pearson相關(guān)系數(shù)和灰色關(guān)聯(lián)度可以看出：在省級(jí)尺度上，GDP是推動(dòng)運(yùn)動(dòng)健身場(chǎng)所集聚的核心動(dòng)力，而Pop 是運(yùn)動(dòng)健身場(chǎng)所分布的前提條件。各因素的交互作用表現(xiàn)為雙因素增強(qiáng)和非線性增強(qiáng)兩種效應(yīng)并存，其中，Pop 與UPDI 的交互作用的影響力最強(qiáng)，為0.986（表3）。

表3 各尺度影響因素的交互作用Tab.3 Interaction of influencing factors at different scales

2.2.2 城市群尺度9個(gè)因素Pearson相關(guān)系數(shù)均通過(guò)顯著性檢驗(yàn)，說(shuō)明選取的因素與運(yùn)動(dòng)健身場(chǎng)所數(shù)量線性相關(guān)，其大小排名為GDP＞Pop＞Urban_Size＞Edu＞Built＞UPDI＞Pop_Urban＞PGDP＞Pop_15。其中，GDP、Pop 相關(guān)系數(shù)大于0.8，呈極強(qiáng)正相關(guān)；Edu、Built和Urban_Size與運(yùn)動(dòng)健身場(chǎng)所數(shù)量的相關(guān)系數(shù)介于0.6～0.8之間，屬較強(qiáng)相關(guān)（表2）。

相比Pearson 相關(guān)系數(shù)，灰色關(guān)聯(lián)度的值均較大，可見(jiàn)9個(gè)影響因素與運(yùn)動(dòng)健身場(chǎng)所數(shù)量聯(lián)系較為緊密。緊密程度按灰色關(guān)聯(lián)度的值進(jìn)行排名為GDP＞Pop＞Edu＞Built＞PGDP＞UPDI＞Pop_Urban＞Urban_Size＞Pop_15（表2）。

采用地理探測(cè)器度量后發(fā)現(xiàn)各因素均通過(guò)顯著性檢驗(yàn)，各因素對(duì)運(yùn)動(dòng)健身場(chǎng)所數(shù)量分布的q值排名為GDP＞Pop、Urban_Size＞Edu＞UPDI＞Built＞Pop_Urban＞Pop_15＞PGDP（表2）。對(duì)比Pearson 相關(guān)系數(shù)、灰色關(guān)聯(lián)度，在城市群尺度上，GDP與Pop是影響運(yùn)動(dòng)健身場(chǎng)所集聚的主要驅(qū)動(dòng)因素，Edu 以及Urban_Size是驅(qū)動(dòng)運(yùn)動(dòng)健身場(chǎng)所集中的重要因素。各因素的交互作用表現(xiàn)為雙因素增強(qiáng)，其中，Pop 與Pop_Urban 以及Pop_Urban 與Urban_Size 的交互作用最強(qiáng)，達(dá)到0.906；PGDP與UPDI的交互作用最弱，為0.451（表3）。

2.2.3 市級(jí)尺度首先，Pearson 相關(guān)系數(shù)均通過(guò)顯著性檢驗(yàn)，其大小排名為：GDP＞Pop＞Urban_Size＞Built＞UPDI＞Edu＞PGDP＞Pop_Urban＞Pop_15（表2）。其中，GDP、Pop 的相關(guān)系數(shù)大于0.8，呈現(xiàn)極強(qiáng)關(guān)聯(lián)?；疑P(guān)聯(lián)度分析發(fā)現(xiàn)（表2）：除Pop 和Urban_Size 外，其余因素的灰色關(guān)聯(lián)度值均大于Pearson 相關(guān)系數(shù)，其大小排名：GDP＞Built＞Pop＞PGDP＞Edu＞UPDI、Pop_15＞Pop_Urban＞Urban_Size。地理探測(cè)器q值排名：GDP＞Pop＞Urban_Size＞Built＞UPDI＞Edu＞PGDP＞Pop_Urban＞Pop_15（表2）。其中，GDP與Pop 對(duì)運(yùn)動(dòng)健身場(chǎng)所數(shù)量的q值均大于0.8，是市級(jí)尺度上運(yùn)動(dòng)健身場(chǎng)所分布的重要驅(qū)動(dòng)因素。交互探測(cè)后發(fā)現(xiàn)：各因素的交互作用表現(xiàn)為雙因素增強(qiáng)和非線性增強(qiáng)兩種效應(yīng)并存；Pop 與其他影響因素的交互作用值較高，其中，Pop 與Pop_Urban 交互作用最強(qiáng)，達(dá)0.908（表3）。

對(duì)比不同尺度上各因素與運(yùn)動(dòng)健身場(chǎng)所數(shù)量的關(guān)聯(lián)性后得出：在3種尺度上，GDP和Pop都是運(yùn)動(dòng)健身場(chǎng)所集中的重要驅(qū)動(dòng)因素；在城市群尺度上，Edu是運(yùn)動(dòng)健身場(chǎng)所集聚的次重要驅(qū)動(dòng)因素，而B(niǎo)uilt則在地級(jí)市尺度上起著次重要驅(qū)動(dòng)作用；不同尺度下Pop與Pop_Urban交互作用的影響力最強(qiáng)，且Pop、GDP 與其他因素交互值較高。由此可見(jiàn)，GDP和城市化水平是促使運(yùn)動(dòng)健身場(chǎng)所集聚的重要推動(dòng)力，同時(shí)其促使其余影響因素的集聚，進(jìn)而促進(jìn)運(yùn)動(dòng)健身場(chǎng)所的集聚。

3 討論

本文從宏觀視角分析運(yùn)動(dòng)健身場(chǎng)所的空間分布、區(qū)域差異，采用地理探測(cè)器等方法分析了運(yùn)動(dòng)健身場(chǎng)所分布的影響因素，與從微觀視角的研究結(jié)論［9-10,18-20］對(duì)比發(fā)現(xiàn)：運(yùn)動(dòng)健身場(chǎng)所分布受多個(gè)因素影響，且雙因素交互皆強(qiáng)于單因素。居民消費(fèi)能力、受教育水平以及經(jīng)濟(jì)發(fā)展水平是運(yùn)動(dòng)健身場(chǎng)所分布的內(nèi)源驅(qū)動(dòng)因素，而人口數(shù)量是影響區(qū)域運(yùn)動(dòng)健身場(chǎng)所分布的前提條件。不同的是，在微觀尺度上，運(yùn)動(dòng)健身場(chǎng)所分布深受交通通達(dá)度、與小區(qū)、寫(xiě)字樓等距離的影響，而在全國(guó)地級(jí)市尺度上，經(jīng)濟(jì)發(fā)展水平以及城市化水平是重要推力。

基于研究可以發(fā)現(xiàn)，隨著中國(guó)經(jīng)濟(jì)的發(fā)展，未來(lái)城市居民對(duì)運(yùn)動(dòng)健身的需求更加多元化。因此，未來(lái)政府需在西部地區(qū)傾斜投資建設(shè)運(yùn)動(dòng)健身場(chǎng)所，且切實(shí)打造本地特色健身文化與理念。同時(shí)，政府也可以通過(guò)招商引資，積極建設(shè)商業(yè)型運(yùn)動(dòng)場(chǎng)所。

由于POI 數(shù)據(jù)獲得的局限性，本文僅爬取了2020 年P(guān)OI 數(shù)據(jù)，缺少時(shí)間上運(yùn)動(dòng)健身場(chǎng)所變化的分析，且本文展開(kāi)的研究為靜態(tài)研究，缺乏各因素跨尺度的研究。未來(lái)還需健全評(píng)價(jià)體系，提出運(yùn)動(dòng)健身場(chǎng)所的分類標(biāo)準(zhǔn)，考慮城市地形條件、城市居民運(yùn)動(dòng)活力等影響因素對(duì)運(yùn)動(dòng)健身場(chǎng)所的影響，深入分析運(yùn)動(dòng)健身場(chǎng)所分布的影響機(jī)制。

4 結(jié)論

（1）運(yùn)動(dòng)健身場(chǎng)所數(shù)量與每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量主要集中分布于東部地區(qū)，西部地區(qū)除成渝城市群核心城市成都市、重慶市以外，其余地區(qū)分布較少。Moran’sI指數(shù)表明二者在城市群尺度上、地級(jí)市尺度上呈顯著空間自相關(guān)，在省級(jí)尺度上并不明顯。熱點(diǎn)分析表明：尺度越小，二者在空間上的集聚越明顯。熱點(diǎn)區(qū)域主要分布于東部沿海地區(qū)，而冷點(diǎn)區(qū)域則多分布在西北、西南和青藏地區(qū)。

（2）運(yùn)動(dòng)健身場(chǎng)所數(shù)量與每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的GDI隨著尺度的縮小而擴(kuò)大。在城市群尺度上，發(fā)展壯大類城市群的差異最小，而優(yōu)化提升類差異最大?？傮w而言，在不同尺度上，每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量的GDI小于運(yùn)動(dòng)健身場(chǎng)所數(shù)量的GDI，說(shuō)明每萬(wàn)人擁有運(yùn)動(dòng)健身場(chǎng)所數(shù)量區(qū)域分布差異較小。

（3）在3種尺度上，GDP和Pop是運(yùn)動(dòng)健身場(chǎng)所集中的重要驅(qū)動(dòng)因素。在地級(jí)市尺度和城市群尺度上，Urban_Size 的大小是運(yùn)動(dòng)健身場(chǎng)所數(shù)量的重要影響因素。而且，Edu 對(duì)城市群尺度上的集聚起著重要影響作用，而B(niǎo)uilt則推動(dòng)地級(jí)市尺度上運(yùn)動(dòng)健身場(chǎng)所的集聚。交互探測(cè)后發(fā)現(xiàn)，Pop與Pop_Urban 的交互作用均較強(qiáng)，這說(shuō)明運(yùn)動(dòng)健身場(chǎng)所受人口分布的影響力大。