后冬奥时期我国冰雪运动特色学校空间分布特征及驱动因素研究

修霆喆 于红妍

(上海交通大学 体育系,上海 200240)

2022年北京冬奥会的成功举办推动了我国冰雪运动的跨越式发展,“三亿人参与冰雪运动”已成为现实[1]。习近平总书记在冬奥会、冬残奥会总结表彰大会上充分肯定冬奥会取得重大成功,并提出“管理好、运用好冬奥遗产,继续推动冰雪运动普及发展”。[2]筹办冬奥会之时,国务院等部门发布《冰雪运动发展规划(2016—2025年)》,该规划指出2025年将在全国范围内完成建设5000所冰雪运动特色学校[3]。发展冰雪运动特色学校,引导青少年参与冰雪运动,既可以视为“体教融合”目标在青少年冰雪运动领域的实践和具体化[4],也是承接推动冰雪运动普及发展的重要载体。迈向后冬奥时代,在可能缺少了政策聚焦和资源支持的情况下,冰雪运动特色学校的可持续发展将会面临挑战[5],如何更好地完成建设5000所冰雪运动特色学校的目标,对于继承冬奥遗产与推动冰雪运动竞技体育、学校体育的可持续发展具有重要意义[6]。

本研究以2062个冰雪运动特色学校为研究对象,基于现有研究成果结合运用GIS空间分析、地理探测器模型等方法,系统分析冰雪运动特色学校空间分布特征,揭示空间格局形成的核心驱动因素及其作用类型与方向,为后冬奥时期分区精准引导冰雪运动特色学校布局建设与可持续发展,提供可行参考依据。

1 数据来源与研究方法

1.1 数据来源

本研究从教育部官网上获取官方公布认定的全国冰雪运动特色学校名单(表1),2019年《全国青少年冰雪运动特色学校和北京2022年冬奥会和冬残奥会奥林匹克教育示范学校名单》,2020年教体艺厅函〔2020〕34号《教育部办公厅关于公布2020年全国青少年校园篮球、排球、冰雪体育传统特色学校等名单的通知》中认定了2062所中小学冰雪运动特色学校[7,8]。通过Google Earth逐一输入各个冰雪运动特色学校名称获取经纬信息坐标,从地理空间数据云、资源环境数据云平台获取所需的地理图层,从教育部官网《2019教育统计数据》[9]、全国教育经费执行情况统计公告以及各省市的《统计年鉴》获取全国各省的相关经济、社会资源、自然环境数据。

表1 全国冰雪运动特色学校数量一览表

1.2 研究方法

使用Google Earth对全国2062所冰雪运动特色学校进行精确定位,将坐标点的横轴和纵轴导入ArcGIS10.4软件中转换成投影数据,以点状要素形态呈现。运用平均最近邻、地理集中指数和核密度估计值等指标对我国冰雪运动特色学校的分布类型、分布密度和均衡程度进行综合分析,验证冰雪运动特色学校在地理空间维度上的空间分布特征;综合应用地理加权回归与地理探测器模型,系统分析我国冰雪运动特色学校空间分布的核心驱动因子与交互效应,探究因子作用方向和强度在不同区域的空间差异,为后冬奥时期冰雪运动特色学校规划建设、优化空间布局提供参考依据。

1.2.1 最近邻指数

最近邻指数可测量每个相邻要素的质心与其最近邻要素质心位置之间的距离,是衡量地理空间中相邻的两个点状要素分布类型的指标[10],该指数主要来分析冰雪运动特色学校的分布类型,当R>1时表示冰雪运动特色学校为离散型分布,R<1时表示为聚集型分布,当R=1时表示为随机型分布。

1.2.2 地理集中指数

地理集中指数是反映研究目标地理集中程度的重要指标[11]。G为冰雪运动特色学校的地理集中指数。通过计算2062个点状要素的地理集中指数,对冰雪运动特色学校的地理空间均衡程度进行分析,G值越大,说明冰雪运动特色学校分布越集中;G值越小,分布则越分散。

1.2.3 核密度估计值

核密度估计值是检查研究要素在整体空间密度上分布特征的一种常用方法,能够从图层中清晰地反映出研究要素的聚集情况。通过计算核密度估计值,得出冰雪运动特色学校在空间分布密度方面是否存在差异,密度值越大,说明冰雪运动特色学校在空间上的分布就越聚集[12],区域事件发生的概率就越高。

根据概率理论其计算公式:

(1)

式中,k()称为核函数,h>0为宽带,(x-x1)表示估值点到事件处的距离。核函数的数学形式和带宽值是影响核密度估计值的主导因素。

1.2.4 地理探测器

地理探测器是广泛应用于研究某种自然和经济社会现象与其解释因子之间关系的空间分析模型[13]。本文利用地理探测器中的因子探测和交互作用探测模块,探析影响冰雪运动特色学校空间分布的核心驱动因子,对其交互作用解释力大小进行排序,表达式如下:

(2)

交互作用探测即判断不同驱动因子之间的交互作用,即评价因子A和B共同作用时是否会改变其对冰雪运动特色学校数量的解释力。

1.2.5 地理加权回归(GWR)

GWR是基于局部光滑思想提出的空间回归模型,应用于合并各目标要素带宽界限内的自变量和因变量,既能科学有效地估计具有空间自相关性的数据,也能反馈模型参数在不同区域的空间异质性[15],模型公式为:

式中:yi为采样点i的因变量值;β0为截距,(ui,vi)为采样点i的坐标,β0(ui,vi)为采样点i的常数项;βk(ui,vi)为采样点i的第k个自变量的系数,xik为采样点i的第k个自变量;εi为随机误差项。本项研究中,GWR模型用于计算每个省份的局部回归系数,以显示冰雪运动特色学校影响因素的空间差异。校正R2表明自变量的解释力,用于检测模型性能;如果条件数大于30或小于0表明各变量之间存在局部多重共线性,模型运算结果不可靠。

2 我国冰雪运动特色学校的空间分布特征分析

2.1 空间分布类型

通过计算所得2019年、2020年冰雪运动特色学校的平均最近邻指数R1=0.25,R2=0.24,两年总体平均最近邻指数为R=0.22,均小于1,且显著性水平P<0.01。表明我国冰雪运动特色学校在空间上呈聚集型分布。由Z值越大,聚集程度越高可知,2019年与2020年的聚集程度差异不大,但总体的聚集程度显著高于任意一年,原因在于2020年新增分布点的所处区域、范围与2019年相对重合,使得冰雪运动特色学校整体较为集中,聚集趋势明显(表2)。

表2 最邻近距离指数统计表

2.2 空间分布均衡程度

从分布地区和数量来看,我国冰雪运动特色学校的空间分布趋于不均衡状态,当前2062所冰雪运动特色学校的地理集中指数为G≈5.24 %,大于假设均匀分布的地理集中指数G≈3.23 %。这表明各省分布数量差距较大,空间分布均衡程度低,其中黑龙江、吉林、辽宁、北京、河北、内蒙古6个省域共分布1106所冰雪运动特色学校,占全国总数的53.6 %;而海南、广西、青海和西藏等省域至今无一所冰雪运动特色学校。

2.3 核密度分析

“胡焕庸线”作为揭示东南人口密集、西北人口稀疏的分界线,其不仅是一条人口和地理分界线,更刻画了我国东西部地区经济和社会发展的鸿沟[16]。我国冰雪运动特色学校空间分布密度差异明显,聚集区域呈现团状分布特征,已形成2个高密度核心圈,2个次级密度核心圈和4个小核心圈(表3)。以“胡焕庸线”为界,7个核心圈分布于“胡焕庸线”以东区域,且东部地区的学校分布密度明显高于西部地区,呈现出“东密西疏”的结构特征,这也符合“胡焕庸线”两侧的人口、经济与自然地理特征。高密度核心圈(核密度值0.0039—0.0055)以北京和吉林为核心,其辐射范围包括京津冀地区和黑吉辽地区;次级密度核心圈(核密度值0.0023—0.0038)以上海和河南为核心,辐射范围包括浙江、江苏省域;4个小核心圈(核密度值0.0008—0.0022)分别以山东、甘肃、四川和陕西为核心区。

表3 冰雪运动特色学校空间分布密度

综上可知,当前我国冰雪运动特色学校空间分布类型为聚集型分布,空间分布密度差异明显,已形成不同密度核心圈。以“胡焕庸线”为界,整体上呈现“东密西疏”的空间结构特征,局部上各省分布数量差异大,空间分布均衡程度较低,下文将进一步探析影响冰雪运动特色学校空间分布的驱动因素。

3 我国冰雪运动特色学校空间分布的驱动因素

3.1 基于地理探测器的驱动因子探测分析

基于数据的可获取现实条件,参考冰雪运动特色学校相关研究成果,选取年平均气温、年降水量、海拔高度、校内运动场地面积、校外冰雪场地数量、体育教师数量、人均GDP以及体育教育经费8个自变量(表4),运用Jenks自然间断点分级法对自变量进行分层,将数值量转化为类型量后,借助地理探测器模型进行因子探测。

表4 驱动因子选取及含义

由因子探测结果可知(表5),各因子对冰雪运动特色学校空间分布的解释力都在25 %—55 %之间,从大到小排序依次为年平均气温>年降水量>体育教育经费>校外冰雪场地数量>人均GDP>海拔>体育教师数量>校内运动场地面积。8个因子中有4个通过了0.01水平的显著性检验,分别是年平均气温、年降水量、体育教育经费与校外冰雪场地数量,表明冰雪运动特色学校的空间分布受到气候、体育教育资金投入与冰雪场地设施等因素的影响。进一步分析以上显著性因子的q值可知,年平均气温(A1)、年降水量(A3)、体育教育经费(A5)和校外冰雪场地数量(A8)是影响冰雪运动特色学校空间分布的核心驱动因子,q值分别达到0.52,0.47,0.44和0.43,解释力都在40 %以上。

表5 冰雪运动特色学校空间分布驱动因子探测结果

3.2 核心驱动因子作用的空间差异

进一步运用GWR模型进行局部空间回归分析,探究4个显著驱动因子作用方向和强度在不同区域的空间差异。结果表明,模型的校正R2为0.675,条件数为14.17～14.66,说明模型通过了多重共线性诊断,拟合优度较高,反映出驱动因子探测的结果可信;各核心驱动因子的效应都具有空间异质性,且变异程度及所呈特征不同。

气温与冰雪运动特色学校分布在全部分析区域中均呈现负相关,回归系数的空间差异较大(-4.239～-5.128)呈由东北向西部递减的趋势,冰雪运动项目开展受限于地区气候,气温在很大程度上影响着冰雪运动特色学校的空间分布[9]。气温的作用水平远高于其他因子,未来冰雪运动特色学校建设应重点关注气温较低的地区,尤其关注东北三省、内蒙古、京津冀地区、山东及河南等作用水平突出的地区。

降水量的回归系数为2.849～3.273,正向影响作用由东北向西南方递减,作用水平在东北三省、内蒙古及京津冀地区较大。依据我国年降水量划分标准,东三省、内蒙古与京津冀地区处于我国半湿润与半干旱区间,降水量的变化对于降雪至关重要,影响着冰雪运动特色学校分布。反之,南方地区降水量充足,降雪稀少,这些地区的降水量对于学校分布影响相对较小。

校外冰雪场地数量的回归系数(1.331～1.352)的正向关联作用呈由东部向西部递增的趋势。冰雪运动特色学校在开展冰雪课程的过程中受到场地、设施与师资等因素的影响与束缚[17]。影响波动在全国范围较为稳定,因此各省建设冰雪运动特色学校应尤为重视校外冰雪场地的支撑作用,鼓励学校与校外冰雪场地合作建设。同时黑龙江、吉林与辽宁的校外冰雪场地作用效应相对较弱,可能因为东三省的校园冰雪运动开展较早,校内设施足以满足课程项目的开展,并不是影响冰雪运动特色学校的主要条件。

体育教育经费对冰雪运动特色学校分布具有正向影响作用,不同地区的效应水平只有微弱差异(0.645～0.664),绝对值相比其它因子较小。冰雪运动特色学校的发展离不开政策推动和支持,体育教育经费与国家关注度、地方政策相关。效应水平呈现由北部向南部递减的趋势,正向影响在我国东北、华北与北疆地区较为突出,这些地区应重视经济支撑作用,加大体育教育经费投入建设冰雪运动特色学校。

3.3 基于地理探测器的驱动因子交互探测分析

鉴于不同因子对冰雪运动特色学校分布的影响可能并不是单独发生作用的,进一步对驱动因子进行交互作用探测。以A1、A2、A3、A4表示核心驱动因子年平均气温、年降水量、体育教育经费及校外冰雪场地数量。结果表明(表6),不同核心驱动因子两两交互作用后均呈现双因子增强的结果,双因子增强是指两个因子之间交互作用后的解释力大于因子单独作用时的解释力。其中,核心因子年平均气温∩体育教育经费的交互效应呈现出双因子增强的结果,两者交互作用后对冰雪运动特色学校的空间分布影响最强,q值为0.83,我国大部分低温地区适宜开展冰雪运动,为冰雪运动特色学校建设奠定基础,而体育教育经费的倾斜与投入,有助于改善校内冰雪运动设施条件[18],创建多样化教学模式,推动冰雪运动特色学校的可持续发展,两者共同作用下极大影响着冰雪运动特色学校的空间分布。校外冰雪场地∩体育教育经费因子交互作用组合的增效作用仅次于气温∩体育教育经费,q值为0.82,说明校外冰雪场地与体育教育经费共同作用下较强影响着冰雪运动特色学校的空间分布。冰雪运动特色学校的建设离不开人力、物力与财力的支持,资源配置是否充足决定了学校的可持续发展,当前部分地区校园冰雪特色学校的建设采取校企合作模式,学校签订协议、借助室内、外冰雪场地设施为开展冰雪运动提供有偿性的师资或场地服务,满足校园冰雪运动课程的开展[19]。

表6 冰雪运动特色学校空间格局驱动因子的交互探测结果

其他核心因子交互作用组合的增效作用也拥有较强的解释力,分别为年平均气温∩校外冰雪场地数量(q值为0.77)、年平均气温∩降水量(q值为0.77)、体育教育经费∩降水量(q值为0.76)、降水量∩校外冰雪场地数量(q值为0.0.74),解释力均达到70%以上。气温与降水量共同影响着各地区的降雪量,为进行冰雪运动、开展冰雪运动课程的提供先决条件,而校外冰雪场地作为学校开展特色冰雪运动课程,推动建设冰雪学校的可取途径,在部分地区受气温与降水量的影响,因此三者之间共同作用下影响着学校的空间分布。

综上,我国冰雪运动特色学校的空间分布受多方面因素共同影响,4个核心驱动因子之间具有显著的协调性与关联性,两两交互作用后均呈现双因子增强的结果,说明核心驱动因子交互作用后对学校空间分布的解释更强,表明我国冰雪运动特色学校的空间格局是多重因素协同作用的结果。

4 结论与建议

4.1 结论

本文基于教育部官网公布的2062所冰雪运动特色学校与各省份统计年鉴数据,综合运用GIS空间分析法与地理探测器模型,探究后冬奥时期我国冰雪运动特色学校的空间分布特征,精准分析影响冰雪运动特色学校空间分布的驱动因子及其强度与作用方向,为未来冰雪运动特色学校的布局建设提供决策参考。

1)我国冰雪运动特色学校在空间上呈聚集型分布,空间分布密度差异明显。以“胡焕庸线”为界,呈现“东密西疏”的空间分布特征,已形成2个高密度核心圈,2个次级密度核心圈和4个小核心圈,高密度核心圈位于京津冀地区与黑吉辽地区。

2)基于地理探测器与GWR模型的探测分析得知,年平均气温、年平均降水量、体育教育经费与校外冰雪场地是影响冰雪运动特色学校空间分布的核心驱动因子,因子的解释力在不同地区存在差异;4个核心因子交互作用后呈现双因子增强是形成冰雪运动特色学校空间分布的主导力量,表明中国冰雪运动特色学校的空间格局是多重因素协同作用的结果。

4.2 建议

1)优化空间布局,多区协同发展。当前,我国冰雪运动特色学校的空间分布整体上呈现“北强南弱,东密西疏”的结构特征,局部上各省空间分布密度差异明显。后冬奥时期冰雪运动特色学校的发展应向有利于冰雪运动开展的区域和城市倾斜,统筹兼顾、合理布局[20],基于“优化主导优势功能、强化中等功能、改良弱势功能”原则,以“三核”为中心,带动“四区”发展(三核:东三省—长春、京津冀—北京、新疆—乌鲁木齐;四区:东北地区、京津冀地区、西北地区、南方地区)。在此基础上不同地区应注重整体性,加强区域冰雪运动特色学校之间的交流、合作,最终形成多点扩充、多区协同的冰雪运动特色学校空间发展格局。

2)立足优势功能,分区精准施策。冰雪运动特色学校具有区域性特征,既要重点关注核心驱动因素对于冰雪运动特色学校建设的影响,又要关注各因素在不同地区的作用类型及方向。后冬奥时期应依托不同地区的优势条件精准施策,因地制宜地推动冰雪运动特色学校建设发展。此外,在“轮转冰”跨项跨界选材背景下鼓励学校开展旱地滑雪、冰球等仿冰、仿雪运动课程,助推部分省域实现冰雪运动特色学校“0”突破。