基于PSR模型的我国体育场地公共服务承载力评价与空间特征

满江虹，邵桂华，王晨曦

体育场地作为国家发展公共体育服务建设的重要基础设施条件，是实现“全民健身计划”以及“十九大”报告中提出“广泛开展全民健身活动，加快推进体育强国建设”要求的资源承载主体。体育场地资源是指，在一定区域内投入人力、物力、财力等要素，以专门用于体育训练、比赛、教学和健身活动，且具有公益性或经营性的体育设施总和[1]。多年来，国家针对体育场地资源这一公共体育服务供给侧要素的全面发展，实施了“全民健身路径工程”“雪碳工程”“农民体育健身工程”等举措，但是由于我国省域间不同的经济发展水平、人口分布状态、组织管理模式与环境气候条件等社会生态特征，使得我国体育场地资源在省域间仍存在类型配置、覆盖面积、开放水平不均衡等公共服务承载力差异[2]。资源承载力是指，一个国家或一个地区资源的数量和质量，对该空间内人口的基本生存和发展的支撑力，是可持续发展的重要体现[3]。省域体育场地资源承载力，即是对区域内公共体育所能服务的健身人口数量以及能够满足的健身需求程度的表征。因此，在综合考虑场地资源存量与社会生态因素的基础上，全面、科学地呈现省域体育场地的公共服务承载状态与承载潜力，对实现场地资源供给与需求精准匹配，以及区域资源的均衡配置有着重要的实践意义。

为了对我国体育场地资源有较为全面的数量、质量、类型以及资金投入与动态变化的详细了解，国家体育总局联合教育部、原铁道部等多家国家部委，开展了全国体育场地普查。学术界基于普查中大量详实的场地资源数据，对我国体育场地总体建设与发展状况做了大量研究，其整体研究脉络呈现出3个关键阶段。（1）总体发展现状的论述。学者对公共体育场馆与设施的发展现状[4]、存在的问题[5]、服务职能[6]、未来趋势与发展对策[7]进行阐述，其研究是基于普查数据的直观描述性统计，虽然对我国体育场地总体状态进行了宏观分析，但是在指导体育场地管理实践中却暴露出脱离现实环境，以及缺少内在要素分析的弊端。（2）区域场地资源的空间特征分析，主要是结合地理信息系统对城市体育设施[8]、农村场地供给[9]、学校场地动态特征[10]，以及空间布局[11]与区位选址[12]的可视化分析，其研究更具科学性、操作性与实践指导意义，但未能探究体育场地的公共服务职能。（3）体育场地的公共服务能力综合探究。学者基于对场地发展现状与区域空间特征的研究基础，结合地理与经济的相关理论方法，对体育场地资源配置均衡性[13]、供给模式[14]、服务能力[15]、体制改革[16]等方面展开研究，可以看出，以往对体育场地综合能力的研究多是呈现静态的资源均衡性分析与空间分布，缺少全面的指标考量与动态的空间承载潜力分析。

1921年，人类生态学家PARK和BURGESS明确提出了承载力这一衡量资源供给能力的概念，此后国内外运用定性与定量方法展开了对资源环境承载力与生态承载力的相关评价研究，如针对湄公河流域规划开展城市承载力评价[17]；马尔代夫和尼泊尔的环境承载能力与旅游业发展评价[18]；京津翼生态文明指数评价；县域森林生态安全评价等。其中，基于DPSIR与PSR模型构建指标体系并采用层次分析法、熵值法与TOPSIS计算综合指数，已成为承载力评价的客观、科学、成熟的技术路线[19]。因此，本研究首先基于压力—状态—响应（PSR）模型，构建我国体育场地公共服务承载力评价指标体系；其次，在赋予各指标客观权重的基础上，计算体育场地资源承载力指数，并使用环境与气候区位系数进行修正，综合评估体育场地公共服务承载力水平；最后，呈现出场地资源承载力的可视化空间特征。以此为总体管理、规划我国体育场地的省域优化配置，以及供需匹配的空间均衡联动提供决策依据。

1 研究方法

1.1 熵权法

熵权法是运用于信息论及多目标决策分析中，综合量化评价指标体系内各具体指标所负载信息熵的程度，赋予各具体指标权重的一种客观权重计算方法，熵权法避免了层次分析等赋权法凭经验确定指标权重的主观弊端[20]。因此，本文采用熵值法计算体育场地公共服务承载力具体评价指标权重。

1.2 TOPSIS评价法

TOPSIS评价法是通过定义最优方案与最劣方案，分别求解各评价对象与最优水平和最劣水平的距离，计算各评价对象与最优、最劣方案的相对贴近度，继而对方案进行排序[21]。本研究结合客观熵权法，对我国31个省（自治区、直辖市）体育场地公共服务承载力水平进行评价，也是对原有TOPSIS法的改进。在此将熵权法计算的31个省（自治区、直辖市）体育场地子承载力权重系数与相应的标准化状态值加权，构成规范加权矩阵。分别表示p个省（自治区、直辖市）到最优指标值与到最劣指标值的距离。

1.3 探索性空间数据分析

1.3.1 全局空间自相关 探索性空间数据分析，是用于分析变量在地理空间中的关联性与集聚程度，且具有识别功能的空间数据分析方法[22]。空间自相关，则是指变量分布于不同空间位置的某一属性值之间的统计相关性，一般而言，在空间中呈现集聚状态的变量，在地域单元之间存在自相关性[23]。空间自相关关系，主要分为空间正相关和空间负相关，正相关是指地理空间邻近的变量其属性值具有相似的状态或趋势，反之，其属性值则具有相异的状态或趋势。

全局空间自相关，能够反映同一具体指标变量在空间区域内的自相关性，以及各个地域单元与邻近地域单元之间的相关性，并用全局莫兰指数（Moran’sⅠ）表示出区域属性值存在的聚集、离散或者随机分布的空间模式特征。莫兰指数的区间值为[-1，1]，取值-1表示完全负相关，取值1表示完全相关，取值0表示不相关。

1.3.2 局部空间自相关 与全局空间自相关探究变量在地理空间中的属性值整体趋势不同的是，局部空间自相关是通过局域属性值呈现集聚或分散的局部相关性空间分布，局域莫兰指数是检验变量在局域空间上的集聚现象，并用LISA聚集图呈现各地域单元与邻近单元的相关性类型[24]。由于全局空间自相关性在一定程度上会掩盖局部空间的不同聚集类型，因而局部空间自相关计算可将聚集类型具体分为高值与低值不同组合的4种分布模式。

2 体育场地公共服务承载力评价指标体系的建立

2.1 PSR模型建立

联合国可持续发展委员会提出基于压力—状态—响应（pressure-state-response）的PSR模型，并在此基础上构建评价指标体系，用以系统表征环境资源状态，而后经济合作与发展组织（OECD）也倡导以其模型为基础，评价生态安全指数及生态环境综合承载能力[25]。PSR模型在压力—状态—响应三者构成的闭合系统层面的运行机制可描述为：人类活动与生态演变在一定程度上对环境系统造成压力，使其改变了原有的良性资源状态与更迭规律，因而为了缓解资源压力以及促进环境系统的可持续发展，人类采取一定的积极修复措施，以响应环境系统的生态预警，如此不断演化便形成了人类活动与环境系统之间的压力—状态—响应循环模式。

虽然此模型下的具体指标体系表征的是人类在动态活动中对环境系统的不同反馈，但是其循环方式与体育公共服务供给系统的运行机制相契合。体育场地资源在公共服务供给侧表现出的供给主体单一、运行效率低、单位资金能耗大等负面状态，与不断加快的城镇化建设所带来的健身资源需求并行，在使得体育场地服务功能异化的同时，也对体育场地公共服务承载力造成直接与间接的压力[26]。体育场地资源系统在人口生态压力与配置效率压力的作用下，使已有存量资源发生损耗并降低人均体育场地资源拥有量，为了提升体育场地资源在公共服务供给侧的承载能力，政府及社会力量做出相应改善举措，以实现体育场地资源的可持续发展与满足人民日益增长的体育文化需要[27]。本研究依据压力—状态—响应（PSR）模型构建出由目标层、系统层、因素层和指标层组成的我国体育场地公共服务承载力评价指标体系，从人口环境对体育场地资源系统产生的间接压力与内部管理运行的直接压力角度出发，评价场地系统所承载的服务压力；从体育场地已有的绝对量资源和相对量资源角度出发，评价场地系统的自身服务状态；将政府、学校与社会力量所提供的多元供给模式与存量集约方式视为对压力作出的响应。

2.2 指标选取

依据PSR模型选取体育场地公共服务承载力具体评价指标的步骤与方法如下：通过查阅文献，充分借鉴国内外相关研究的指标选取，并在此基础上全面创新地提出体育场地公共服务承载力指数，建立了体育场地资源系统PSR指标体系。遵循评价指标选取的科学性、动态性、可操作性原则[28]，综合考虑第六次全国体育场地普查所涵盖的体育场地资源基础数据，以及国家与公众在供给侧一端对体育公共服务的关注点，并且参考杨明、魏德祥、张大超、寇健忠、王进等在体育公共服务体系、体育场地资源配置等方面的相关研究成果，以及《中国公共体育服务发展报告》中关于体育场地与设施资源的相关阐述，选取自主运营体育场地数量比率、体育场地不开放比率等30个指标，共同构成评价体育场地公共服务承载力指数的指标体系（见表1）。

体育场地资源系统所承载的压力，主要从直接压力和间接压力2个方面来评价.体育场地利用率低下、单位成本高、服务异化以及单一的供给主体与运营方式都会对体育场地服务能力造成压力，因而选取自主运营体育场地比率、体育场地不开放比率、学校体育场馆不开放比率、大型体育场馆承担非体育类活动比率与大型体育场馆平均支出作为直接压力的成本型指标；与此同时，城镇化建设带来的局域人口密度提升，与建设用地占用面积的增加也会对体育场地的公共服务承载力造成间接压力，故选取人口密度、城镇化率与建设用地占城区面积比率作为间接压力的成本型指标。体育场地资源系统状态主要从绝对状态和相对状态2个方面进行评价，充足的体育场地建设资金、数量、面积与工作服务人员是其提供公共服务的基本保障，故选取体育场地数量、体育场地面积、体育场馆从业人员、大型体育场馆数量、城市健身步道数量、全民健身路径数量和健身路径器械数量作为评价体育场地公共服务承载力的绝对状态指标；为使得各状态指标在省域之间具有可比性，继而选取人均体育场地数量、人均体育场地面积、人均室内体育场地数量、人均室外体育场地数量、城镇人均体育场地数量、乡村人均体育场地数量和人均体育场地投资金额作为其服务承载力的相对状态指标。政府、学校与社会力量等社会系统，对体育场地服务压力做出的响应主要表现在多元供给与存量集约2方面，故选取社会力量投资金额比率、体育场地合作运营比率与体育场地委托运营比率作为多元供给指标；选取大型体育场馆承担体育赛事活动比率、体育场地部分时段开放比率、体育场地全天开放比率、学校体育场馆部分时段开放比率和学校体育场馆全天开放比率作为存量集约指标。

表1 体育场地公共服务承载力评价指标体系Table1 Evaluation Index System of Public Service Carrying Capacity of Sports Grounds

3 体育场地公共服务承载力评价与空间特征

3.1 数据来源与权重分析

体育场地资源基础数据来源于第六次全国体育场地普查数据，基于数据难以获取与承载力指数计算所需的省域数据完整性考虑，本研究的省域分析部分未涵盖香港、澳门、台湾地区。人口密度等社会发展数据来源于《中国统计年鉴》以及根据社会基础数据计算得出。

在运用熵权法计算得出的体育场地公共服务承载力指标权重中（见表2）可以看出，各指标权重系数相差不大。在由压力、状态与响应构成的评价体系系统层中，体育场地资源系统状态层面的指标权重相对较大，说明人均室内外场地数量、城市健身步道、全民健身路径以及健身路径器械等场地存量资源的基础供给对场地服务能力的影响较大。在系统压力层面的权重中，大型体育场馆平均支出与人口密度指标的权重较大，这类指标是由于城镇化发展带来的人口活动变化以及场馆资源的内部运营效率低下造成的。因而，在我国城镇化进程加快发展的时代背景下，人口聚集伴随的体育文化服务需求与存量资源的资金消耗对场地服务承载力造成较大的压力，而运营主体的单一与体育场馆服务功能异化等指标也会对其产生不用程度的压力，如大型体育场馆承担非体育类活动占比较高，以及体育场馆开放水平低等现象。在系统响应层面的指标权重中，学校体育场馆开放比率与社会力量投资金额比率所占的权重较大，说明合理地增加学校体育场馆开放比率，以及鼓励社会力量的投入是应对体育场地服务压力的重要手段，同时发挥体育场地合作运营与委托运营的多样化服务，是对提升体育场地公共服务承载力的积极响应。

表2 体育场地公共服务承载力评价指标权重Table2 Weight of Evaluation Index for Public Service Carrying Capacity of Sports Grounds

3.2 承载力评价指标综合指数分析

基于熵权法的TOPSIS公共服务承载力综合指数计算结果显示（见表3），我国31个省（自治区、直辖市）的体育场地公共服务承载力综合指数为0.131 2，西部地区和东部地区综合指数分别为0.155 7、0.144 5，均高于这一平均水平，而中部地区综合指数为0.086 2，低于全国平均水平，造成上述东、中、西部地区综合指数差异的原因如下。

表3 体育场地公共服务承载力综合指数Table3 Comprehensive Index of Public Service Carrying Capacity of Sports Grounds

西部地区包括陕西、甘肃、青海、宁夏、新疆、四川、重庆、云南、贵州、西藏在内的10个省（自治区、直辖市），其土地面积约为540万km2，占全国陆地国土面积的56%，总人口为2.85亿人，占全国总人口数的23%。地广人稀的生态特征使其在人口密度与资源需求方面给予西部地区公共服务供给较少的压力。相对较少的资金投入以及体育场地资源，一方面显示出西部地区资源供给不足、设施配备不完善以及场地功能单一的薄弱状态；另一方面，却也简化了场地资源的管理模式以及管理成本，降低了产生服务功能异化的可能性[29]。在此种稍显单纯的运营链与公共服务供给模式下，政府、学校以及社会力量等社会系统为应对服务压力而作出的响应措施，在简单的系统反馈结构中提升效果明显，因而加大体育场地开放力度、鼓励场馆举办群众性体育赛事等响应措施对提升体育场地的公共服务承载力正面影响较大。虽然，西部地区的公共服务承载指数高于全国水平，但是由于诸多历史原因造成的场地资源建设慢等薄弱的绝对状态，仍需对其提出不断提升公共服务供给水平的要求。

东部地区包括辽宁、北京、天津、河北、山东、江苏、上海、浙江、福建、广东、广西、海南在内的12个省（自治区、直辖市），其面积占全国国土总面积的13.5%，人口数占全国总人口的41.2%。经济发展较快的东部地区显示出人口密度大的地域特征，加之城镇化建设的发展背景，人民不断增长的体育文化需求对这一地区的公共体育服务能力提出了更加多元的要求。与西部地区体育场地资源状态不同的是，东部地区场地的绝对资源状态较好，但是压力层面影响较大，主要体现在城镇人口健身需要充足的场地与设施资源支持，以及多元供给主体提供的场地委托、合作运营方式来完善多样的服务功能，以此满足更高层次的精神文化与健康需求。从PSR模型计算的综合指数来看，东部地区公共服务承载力指数略低于西部地区，基本与全国平均水平一致，作为承载了我国近一半人口的东部地区，在服务压力不断增加的现状下，完善资源共享、高效整合利用以及多元主体运营方式等响应层面的措施，是提升其体育场地公共服务承载力的关键因素。

中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南在内的9个省（自治区），土地面积占全国的29.5%，人口数占全国总人口的35%。中部地区作为我国重要的经济、政治、交通腹地，其人口活动与资源压力不言而喻，从体育场地公共服务承载力综合指数来看，中部地区的平均值低于西部、东部以及全国水平。从PSR模型包含的压力、状态与响应层面的循环关系来看，中部地区所承担的场地开放比率低、体育赛事活动少与运营服务单一等的直接压力，以及社会发展带来的间接压力较大，因而抑制了体育场地已有存量资源的服务发展空间，继而造成资源利用率低、服务功能异化、建设管理资金投资渠道少等体育场地资源现状。与西部地区社会生态压力小以及东部地区资源环境基础较好的状况不同，中部地区在此种负向循环过程中，使得直接与间接压力逐渐被放大，场地资源持续匮乏，因而响应层面做出的多元供给方式与存量集约措施对体育场地的资源共享、管理绩效优化以及公共服务承载力的提升发挥着至关重要的作用。

为了进一步探究东、中、西部地区的体育场地公共服务承载力综合指数在省域之间的地理分布特征及空间联系，运用ArcMap软件呈现我国31个省（自治区、直辖市）不同水平的体育场地公共服务承载力在地域空间上的层次分布（见图1）。可以看出，西部地区中以西藏为中心点向外扩展至新疆、青海的区域，呈现出相对水平较高的公共服务承载能力；东部地区则以江苏为中心沿海扩展至山东、浙江与广东的区域，呈现出与西藏、新疆、青海相近的承载力水平，其余省域的承载力水平较低；而中部地区各省域则均呈现出低水平的承载力指数。由此空间分布特征可以看出，全国体育场地公共服务承载力指数较高的省份分布在西部边境地区与东部沿海地区，其之间巨大的地域跨度降低了对中部地区的辐射带动能力。因而，加强省域内的体育场地资源均衡配置与利用，以及区域体育场地之间的资源共享仍是促进我国体育场地公共服务承载力全面提升的重要路径。

3.3 省域区位系数修正结果

将区位系数作为调整系数，对基于PSR模型构建的指标体系综合指数进行修正与补充，以此来保证所建指标体系的科学性与全面性的操作概念，是由国家林业局主持的“林业生态安全指数”课题中提出的。在生态安全评价与管理领域提及的生态区位系数，主要是指在某一生态系统或生态单元内由于其自然条件的不同体现出较大的差异性，并将体现差异性的指标构建为系统性的区位系数，附加于PSR模型指标体系的综合指数之上，以此划分不同区域的不同环境、气候条件相对于生态安全的不同影响，以及综合考虑附加客观区位系数后的综合指数变化。

图1 体育场地公共服务承载力综合指数分布图Figure1 Index Distribution Map of Public Service Bearing Capacity of Sports Grounds

本研究构建了基于压力—状态—响应（PSR）模型的体育场地公共服务承载力评价指标体系，以此来评价省域体育场地资源所能承载的全民健身服务水平。在对各省（自治区、直辖市）的体育场地承载力进行综合评价时，PSR模型的构建全面考虑了体育场地资源的绝对与相对状态，以及场地自身资源的服务响应指标，但是从客观性与科学性原则来评价省域服务承载力还应考虑不同地域的环境、气候要素。一方面，环境与气候要素不仅是各地区不可避免的客观因素，更是各地区规划建设体育场地类型，以及健身设施科学合理配置的重要考虑因素；另一方面，不同的气候与环境条件也会对场地开放时间、活动安排以及居民健身行为的选择产生影响。因此，综合考虑影响运动指数（为居民提供是否适宜运动的建议）的相关因素，以及数据选取的可获得性与科学性，选取晴天天数、日照时数与空气质量3个因素作为反映环境与气候区位的指标。

环境与气候区位系数评价方法与步骤如下：（1）从国家环境监测总站与国家气象局的官方网站获取31个省（自治区、直辖市）的晴天天数、日照时数与空气质量具体数据；（2）运用Arc-GIS软件对各评价因子进行分级赋值，并结合熵权法计算各因子的权重值；（3）对各影响因子进行空间加权叠加分析，获得空间区位加权系数分布图（见图2）。计算得出晴天天数、日照时数与空气质量的权重分别为0.637 2，0.100 9和0.261 9。从体育场地公共服务承载力区位系数分布图可以看出，区位系数综合评价值按其数值高低可分为5个等级，内蒙古、吉林、辽宁的区位系数值总体较高，说明此地区的环境与气候状态为体育公共服务提供了良好的基础条件，新疆、甘肃、宁夏、山西、北京也呈现出较好的区位条件，而广西、海南、重庆、四川、贵州处于最低水平的区位指数。从这一宏观整体的区位系数分布来看，处于温带季风气候的北部平原地区，存在体育场地建设与发展公共体育服务的区位潜力，而西南部地区虽然空气质量较好，但是由于晴天天数与日照时数较少，在一定程度上制约了体育场地资源的使用率、开放率以及体育赛事举办数等公共服务承载力。

图2 环境与气候区位系数分布图Figure2 Distribution Map of Location Coefficient of Environment and Climate

在环境与气候区位系数分布图的基础上，将全国31个省（自治区、直辖市）基于PSR模型计算得出的承载力综合指数叠加于空间加权分布图上，最终形成经过区位系数修正后的体育场地公共服务承载力综合指数分布图（见图3）。承载力综合指数经过区位系数调整后显示，相较于修正前的承载力指数，除了吉林、辽宁、重庆、四川，其余各省（自治区、直辖市）之间的相对差异不大，吉林与辽宁由于区位系数的明显优势，使得最终的承载力综合指数水平得以提升，而重庆与四川却由于区位系数的显著劣势，降低了承载力相对水平；上海、江苏、浙江、江西、山东、河南、西藏、青海这8个地区的综合指数相对排名与修正前一致，说明晴天天数、日照时数与空气质量作为承载力评价的补充系数，虽然不是影响其省域公共体育服务水平的关键因素，但是也在一定程度上制约了体育场地资源在供给侧的有效发挥。

从区位系数修正后的最终体育公共服务承载力综合指数来看，省域之间的承载力指数相差较大，其数值介于0.674~0.108，最高水平的地区为西藏，其余排名前8的省份为江苏、上海、青海、新疆、广东、浙江、山东，最低水平的省份为贵州。从地域分布来看，全国平均承载力综合指数为0.182，西部、东部与中部地区的平均综合指数分别为0.202，0.193和0.145，3个地区的平均相对水平与系数修正前一致，即西部最高，东部次之，中部最低。从其空间分布状态来看，西部的高值地区仍是以西藏为中心，向新疆、青海扩散；东部地区以江苏为中心，向山东、浙江沿海扩散；中部地区维持较低的承载力水平。对比修正前的承载力综合指数，内蒙古、新疆、山东、浙江、山西、辽宁地区有小幅度提升。体育场地公共服务承载力水平总体呈现从西北部、东南部、东北部地区向中部及西南部地区逐渐递减的地域分布状态，由此在增强西部体育场地资源基础建设的同时，提升中部体育场地的综合承载能力，对完善我国公共体育服务供给水平以及区域资源协调配置有重要的战略意义。

图3 体育场地公共服务承载力修正后综合指数分布图Figure3 Revised Index Distribution Map of Public Service Bearing Capacity of Sports Grounds

3.4 承载力动态水平的空间特征分析

如前所述，由于我国省域的经济、社会、文化发展存在较大差异，继而对PSR模型中所包含的体育场地资源压力、状态与响应的作用方式也不同，加之各地域不同环境、气候区位条件系数的影响，从而使得省域体育场地公共服务承载力水平也呈现出明显的动态地域空间特征。因此，从基于PSR模型评价的体育场地公共服务承载力综合指数，以及将叠加了环境与气候区位系数的修正指数2方面，对我国各省（自治区、直辖市）体育场地资源的动态服务承载力进行全局性与局部性空间特征的深入分析。

对体育场地公共服务承载力水平的全局空间特征分析，是运用GeoDa软件分别计算区位系数修正前与修正后的省域体育场地公共服务承载力水平的Global Moran’s I指数估计值，并通过T值与P值呈现显著性结果；对体育场地公共服务承载力水平的局部空间特征分析，则通过绘制Moran’s I散点图、LISA空间聚集图以及显著性图来呈现其在地域空间中的动态分布与聚集状态。

3.4.1 全局空间自相关检验 从区位系数修正前与修正后的承载力综合指数来看（见表4），修正前、后的体育场地承载力综合指数的Moran’sⅠ值分别为0.116 7和0.204 3。根据这一计算结果可知，我国省域场地公共服务承载力指数在地理分布上并非完全随机，而是存在空间集聚的正效应和集聚性，并且在叠加了环境与气候区位因素后，省域空间依赖性有所提升。指标修正前、后的P值均小于0.05，证明我国各省（自治区、直辖市）体育场地公共服务承载力指数存在相似的空间集群，即承载力综合指数处于高值的地区，对周围地区具有一定程度的正向影响，使得周围地区的指数也相对较高，而低值地区周围的省域指数也相对较低。

如前所述，来自社会发展、人口活动以及供给主体与运行方式单一等作用于体育场地服务水平的直接与间接压力，会影响体育场地资源的绝对与相对状态，而省域社会系统单元为应对压力，做出扩宽投资金额渠道、加强场馆合作与委托运营、提高场地开放率以及群众赛事活动数等一系列响应措施，以此来完善体育场地资源的公共服务承载力[30]。这说明，基于压力—状态—响应的系统层要素对评价其场地资源的承载力水平具有重要影响。将这三者评价指标要素映射于我国多样的地域风貌、气候环境以及省域内社会要素发展的非均衡状态中发现，即便在相同的场地资源状态下，不同的经济、环境与人口等社会生态要素聚集特征，会对省域场地资源承载力的空间特征产生叠加影响。已有相关研究结果表明，我国省域经济发展存在较强的空间集聚特征，并且影响省域学校体育场地数量从无序的随机分布向有序的空间聚集分布转变。因此，本研究在此种分析模式下，证明环境、气候区位系数分布与我国体育场地承载力水平的空间集聚状态之间存在一定程度的影响关系。从区位系数修正后的全局自相关检验P值可以看出，与综合指数修正前的空间依赖性相比，其空间自相关性与聚集性有所提升。

表4 体育场地承载力综合指数的全局空间自相关检验结果Figure4 Global Spatial Autocorrelation Test Results of Sports Site Bearing Capacity Index

3.4.2 局部空间自相关检验 （1）修正前综合指数局部空间自相关。为了在我国体育场地公共服务承载力全局空间动态特征的基础上，更为准确、具体地探究省域地理空间上的局域自相关性，分别呈现了指标修正前与修正后的承载力综合指数的局域空间Moran’s I散点分布以及LISA聚集状态，以此来分析各省（自治区、直辖市）对于全局空间自相关的贡献水平以及Moran’s I值掩盖局部不稳定性的程度。

与全局空间自相关检验不同的是，局部空间自相关计算可将聚集类型具体分为高值与低值不同组合的4种分布模式，即高-高（H-H）、低-低（L-L）、低-高（L-H）、高-低（H-L）。从体育场地承载力综合指数修正前的全局Moran’sⅠ散点图（见图4）可以看出，其承载力综合指数在空间分布上并非完全随机分布，而是表现出明显的空间聚集性与依赖性，其中，低-低类型聚集区占主导地位，即大多数地区聚集于第三象限，这一正相关集群状态下共有9个省份，分别为内蒙古、甘肃、宁夏、山西、河南、四川、重庆、湖北和贵州，而处于高-高正相关集群状态的地区为新疆，处于高-低负相关集群状态的地区为广东。

图4 修正前综合指数Moran’s I散点图Figure4 Moran's I Scatter Plot of Composite Index before Correction

进一步结合修正前承载力综合指数的LISA空间聚集及显著性检验图（见图5）看，除低-高的负相关集群类型没有显著对应的省份，在其余3种集群模式中，各省份均以小于0.05的显著性水平呈现省域间的显著聚集特性。从地域分布看，新疆与广东分别处于西部与东部的承载力指数高值中心，但其影响力并未辐射至低值聚集的中部地区，中部地区仍呈现出较低的体育场地公共服务承载力平均水平。省域体育场地承载力所形成的空间动态分布特征与PSR模型中的压力、状态和响应层面的具体指标密切相关，如新疆地区在人口密度、城镇化率等社会间接因素方面给予场地资源供给较少的压力，而广东地区则是相比其他地区拥有绝对场地资源存量优势。体育场地的开放与活动开展以及群众参与体育锻炼的选择都与环境、气候条件密不可分，而区域性的不同环境与气候区位要素又是短时间内不可控的客观因素。因而，在分析场地公共服务承载力的空间特征时，应将叠加区位因素后的结果进行对应分析，以显示不同环境、气候条件下的区域场地承载潜力。

图5 修正前承载力综合指数的LISA空间聚集及显著性检验图Figure5 LISA Spatial Aggregation and Significance Test Chart of Comprehensive Index of Bearing Capacity before Modification

（2）修正后综合指数局部空间自相关。从体育场地承载力综合指数修正后的全局Moran’s I散点图（见图6）看，其叠加后的承载力综合指数在空间分布上表现出与修正前相似的空间聚集性与依赖性，其中低-低类型聚集区占主导地位，这一正相关集群状态下共有11个省份，分别为甘肃、陕西、山西、宁夏、河南、四川、重庆、湖北、贵州、湖南和海南，而处于高-高正相关集群状态的地区为新疆，处于高-低负相关集群状态的地区为广东和内蒙古。进一步结合修正后承载力综合指数的LISA空间聚集及显著性检验图（见图7）发现，除低-高的负相关集群类型没有显著对应的省份，在其余3种集群模式中，其所属省份均以小于0.05的显著性水平呈现省域间的显著聚集特性，其中宁夏、重庆与贵州呈现小于0.01的显著性水平。对比修正前的综合指数聚集状态看，叠加了区位系数后的空间特征仍旧呈现中部低值集聚，西部与东部高值区分散的总体趋势，但是内蒙古以及与其邻近的东北部地区呈现出公共服务承载潜力。说明，各地区不同的晴天天数、日照时数与空气质量等环境、气候区位系数作为客观因素，在体育场地资源公共服务承载力评价中起着补充指标与预测潜力的作用。

4 结论与建议

4.1 结 论

4.1.1 我国体育场地公共服务承载力评价 从修正前的省域PSR模型综合指数来看：（1）西部地区的体育场地公共服务承载力指数高于全国水平，并且作用在相对存量资源状态上的直接与间接压力程度较小，但是由于诸多历史原因而存在场地资源投入少、建设慢等薄弱的资源绝对状态；（2）东部地区的体育场地公共服务承载力指数略低于西部地区，基本与全国平均水平一致，虽然东部地区具有绝对存量资源的基础优势，但是其地区人口密度大、城镇化建设快以及资源需求水平高等社会生态因素给予其公共服务承载状态较大的压力；（3）中部地区的承载力平均值低于西部、东部以及全国水平，并且直接与间接压力逐渐被放大，场地资源持续匮乏。

图6 修正后综合指数Moran’s I散点图Figure6 Modified Composite Index Moran's I Scatter Graph

图7 修正后承载力综合指数的LISA空间聚集及显著性检验图Figure7 LISA Spatial Aggregation and Significance Map of Modified Bearing Capacity Index

从区位系数修正后的省域PSR模型综合指数来看：（1）西部、东部与中部3个地区的平均相对水平与系数修正前一致，即西部最高，东部次之，中部最低；（2）吉林与辽宁由于区位系数的明显优势，使得最终的承载力综合指数水平得以提升，而重庆与四川由于区位系数的显著劣势，降低了承载力相对水平，上海、江苏等地区的综合指数相对排名与修正前一致；（3）省域之间的最终承载力指数相差较大，最高水平的地区为西藏，其余排名前8的省份为江苏、上海、青海、新疆、广东、浙江、山东，最低水平的省份为贵州。

4.1.2 我国体育场地公共服务承载力空间特征 从修正前的省域体育场地公共服务承载力空间特征来看：（1）我国整体场地公共服务承载力指数在地理分布上并非完全随机，而是存在空间集聚的正效应和集聚性；（2）省域聚集状态呈现出低-低类型聚集区占主导地位，其中内蒙古、甘肃、宁夏、山西、河南、四川、重庆、湖北和贵州处于这一类型聚集区，新疆呈现高-高正相关集群状态，广东呈现高-低负相关集群状态；（3）新疆与广东分别处于西部与东部的承载力指数高值中心，但其影响力并未辐射至低值聚集的中部地区，中部地区仍呈现出较低的体育场地公共服务承载力平均水平。

从区位系数修正后的省域体育场地公共服务承载力空间特征来看：（1）叠加了环境与气候区位因素后，承载力在空间分布上表现出与修正前相似的空间聚集性，但是省域空间依赖性有所提升；（2）省域聚集状态仍呈现出低-低类型聚集区占主导地位，新疆呈现高-高正相关集群状态，广东和内蒙古呈现高-低负相关集群状态；（3）空间特征仍旧呈现中部低值集聚，西部与东部高值区分散的总体趋势，但是内蒙古以及与其邻近的东北部地区呈现出公共服务承载潜力。

4.2 建议

从构建的压力—状态—响应（PSR）模型的系统层面来看，提升省域体育场地公共服务承载力的举措，应从缓解系统压力，积极实施响应措施，以此来增强已有体育场地存量资源的最大化利用着手。国家2007年出台的“中央7号文件”指出，“公共体育设施建设要与学校体育设施建设统筹考虑、综合利用”，这在强调消除不同社会系统之间资源共享隔阂的同时，更是提出了体育场地资源合理配置与有效利用的系统压力缓解方式。面对现有场地资源相对存量不足的现状，应积极落实国家从1995年颁布的《全民健身计划纲要》、2009年国务院颁布的《全民健身条例》、2011年的《全民健身计划2011—2015年》以及到2016年颁布的《全民健身计划2016—2020年》中均提及的学校体育场地对外开放的政策，以此来提升社会体育场地资源的供给能力。与此同时，还应完善场地资源的多元供给方式以及拓展合作与委托的运营方式，来增强场地资源的活动组织能力与服务的多样化水平。基于我国各地区不同资源环境与气候的区位条件，应全面考虑其区位劣势，因地制宜地建设满足群众体育健身的场地设施，并充分发挥区位优势，开展群众性体育活动，丰富其精神文化生活，为实现健康中国战略提供优质的场地资源保障。