我国市域学校体育场地空间分布特征及影响因素研究

孙成林

十八届五中全会将建设健康中国升级为国家战略，推进健康中国建设成为全面建成小康社会、全面提升中华民族健康素质和实现中华民族伟大复兴中国梦的重要举措。中共中央、国务院印发《“健康中国2030”规划纲要》中明确指出：将中小学作为学校健康教育的重点，……将青少年作为体质健康干预的重点人群[1]。《体育强国建设纲要》中明确提出：将促进青少年提高身体素养和养成健康生活方式作为学校体育教育的重要内容[2]。学校成为培养青少年身体素养、体育素养和健康素养的主阵地[3]。诚然，学校体育是树立青少年运动观、生命观和健康观的重要举措，强化学校体育工作是实现健康中国战略的基础性工作，而作为开展学校体育工作的重要物质载体——体育场地，是提升青少年身体素养质量的关键因素和重要环节。《国务院关于实施健康中国行动的意见》的颁布，为我国学校体育场地规划建设提供了行动指南，《健康中国行动（2019—2030 年）》则为学校体育场地建设提供了时间表和具体要求。在当前建设健康中国、体育强国的时代背景下，学校体育工作肩负着伟大的时代使命。

国内学者就公共体育场地空间分布进行了系列研究，在县域层面，对福建省[4]、江苏省[5]县域体育场地空间分布特点进行了研究；在市域层面，对北京市[6]、上海市[7]、广州市[8]、兰州市[9]、泉州市[10]等城市公共体育场地空间布局进行了研究；在省域层面上，对辽宁省公共体育设施空间分布特征进行了专门研究[11]；在全国层面上，对全国省域体育场地空间布局[12]、中国城市体育空间分布[13]进行了专题研究，还有对上海、广州、武汉、乌鲁木齐市等城市的大型体育场馆布局进行的研究[14]；在学校体育场地方面，对体育场地建设现状、对外开放、政策保障等方面进行了专门研究[15-17]。从现有研究成果看，基于县域（或市域）单元体育场地空间分布的研究日趋增多，在省域层面上对体育场地空间分布的研究还相对较少，涉及学校体育场地空间分布的研究则更少，而在全国层面上对学校体育场地空间分布进行的研究还比较鲜见。鉴于此，本文基于第六次全国体育场地普查（简称“六普”）的基础数据，采用ESDA法，从平均中心、核密度、空间自相关、标准差椭圆、冷热点分析等多个指标，对我国市域学校体育场地空间分布特征进行研究，整体描述学校体育场地聚类的空间格局，分析学校体育场地冷热点的分布特征，初步探讨学校体育场地冷热点分布的影响因素，以期揭示学校体育场地建设发展的空间分布规律，为当前我国学校体育场地建设资源的宏观配置和相关政策研制提供理论参考。

1 研究指标与方法

1.1 研究指标

为了全面分析我国学校体育场地聚类的空间格局和冷热点分布特征，选取中国大陆31 个省/市共计370 个市的行政区划面积、各市常住人口数量、经济发展水平（GDP 总量）、中小学在校生人数以及教育经费投入等指标，数据均来源于《中国城市统计年鉴2013》和各级地方政府官方网站。同时，依据“六普”学校体育场地的基础数据，运用Google Earth 电子地图平台和高德地图，兼顾数据的可获得性、代表性和独立性原则，获取田径场、体育馆、乒乓球场、羽毛球场、篮球场和网球场6 类学校体育场地的地理坐标信息，进而得到31 个省（市、自治区）87 833 个市域中小学体育场地的POI数据（见表1）。

1.2 研究方法

通过平均中心分析，找出学校体育场地建设发展的平均中心地理空间坐标，分析学校体育场地的分布变化和空间转移特征；通过核密度，分析学校体育场地空间分布形态、区域格局和聚集程度；通过全局空间自相关指数（Glodal Moran’sI），分析学校体育场地空间分布整体差异的状况，判断学校体育场地在空间上的关联关系；通过最邻近点指数分析，来判断学校体育场地空间分布的聚集类型；通过标准椭圆分析，来了解学校体育场地空间分布的集聚离散趋势和发展方向趋势，并找出学校体育场地密度对比线；通过冷热点分析（Getis-Ord Gi*），识别我国学校体育场地空间高值簇和低值簇的集聚状态和空间精细分布特征，进而全面了解我国市域学校体育场地的空间分布特征。

表1 全国中小学体育场地POI基本情况统计表Table1 Primary and Secondary School Sports Venues POI Sta‐tistics

2 研究结果

2.1 平均中心分析

运用ArcGIS10.5，依据全国中、小学体育场地的POI点（田径场为例），通过平均中心分析方法，得出我国学校体育场地的平均中心，并依据31 省官网公布的各省常住人口总量和GDP总量，分析计算出全国的人口中心和GDP 中心，进而得出我国学校体育场地中心、人口中心和经济发展中心的地理坐标位置（见表2）。

表2 我国学校体育场中心、人口中心和经济中心地理空间点统计表Table2 School Venues Centers，Population Centers and Eco‐nomic Centers Geospatial Points Statistics

我国学校体育场地的平均中心与我国人口中心和经济中心（即“三中心”）在空间地理位置上的坐标略有偏离，但是“三中心”的偏离程度较小，其地理位置基本吻合（见表2）。表明我国学校体育场地建设发展与我国人口增长、经济发展的中心趋势明显，这为我国学校体育场地建设资源的宏观配置提供了理论依据。

2.2 核密度分析

为了整体考察我国学校体育场地在空间上的密度分布、分布格局和聚集程度，采用自然间断点分级法，运用核密度聚类分析，计算出我国学校体育场地在不同核密度值区的面积占比情况（见表3）。

表3 不同核密度值区学校体育场地面积占比统计表/%Table3 Different Core Density Zone School Venues Area Statistics/%

我国学校体育场地核密度整体呈现“东高西低”的分布特征，体育场地的高值区点状分布、中值区带状分布、低值区成片分布，且高值区和较高值区的体育场地面积占比较小，低值区和较低值区体育场地面积占比较大。同时，我国中、小学体育场地核密度值区分布存在市域差异，小学体育场地高值区位于环渤海地区、长江中下游地区、汉中平原地区和珠江三角洲地区，并形成多个高值区中心；较高值区分布在山东、河南、安徽和浙江省北部，湖北、四川和湖南省东部，重庆市西部、陕西省中部和福建省东南部；中值区位于辽宁、河北、山东、河南、湖北和湖南省，以及西部地区的四川、云南、广西、宁夏等地区；稀疏区位于黑龙江、吉林、内蒙古、海南、江西、新疆、甘肃、青海、西藏和贵州省，并呈现明显的离散分布状态。

中学体育场地核密度高值区形成了4个独立中心，即“北京—天津—河北中东部”中心、“广州—深圳—东莞—珠海—佛山—中山—江门—惠州大湾区”中心、“江苏南—安徽东—浙江北—上海”中心和“河南中部郑州”中心。中学体育场地的核密度由高值区向外依次等级递减扩散，并形成了陕西省西安—咸阳—宝鸡市、四川省成都市—重庆市西北向东西两侧的11 市、湖南省长沙—株洲—湘潭市、贵州省贵阳市、云南省昆明市为中心的中值区，低值区则成片分布于哈尔滨东北部—内蒙古北部—甘肃省武威市西北部—四川阿坝、甘孜自治州西北部—云南省西北部以及迪庆西南—西双版纳为界线的广大地区。其中，青海、西藏、新疆、甘肃和海南全境为核密度低值区。

2.3 空间自相关分析

为了全面了解我国市域学校体育场地空间分布差异状况、聚类离散特征和空间自相关程度，判断体育场地在空间上的聚集特征，通常采用Moran'sI指数来评估市域学校体育场地的空间集聚特征，LISA集聚图判断市域学校体育场地显著性水平高低的位置和范围。Moran'sI＞0，表示空间正相关性，即学校体育场地建设发展水平较高（或较低）区域在空间上趋于显著集聚，I值越大，空间聚集越显著；Moran'sI＜0，表示空间负相关性，即该区域与周边区域学校体育场地具有空间差异，I值越小，空间差异性越显著；Moran'sI=0，表示空间不相关，呈随机性分布。运用Geoda 软件空间分析模块，绘制我国中小学体育场地Moran'sI指数散点图（见图1）。

图1 全国中小学体育场Moran 散点图Figure1 Middle School and Elementary School Stadium Moran Scatter

我国小学体育场地的Moran'sI值为0.261 5、中学体育场地Moran'sI值为0.294 2，学校体育场地莫兰散点在4个象限内均有分布，整体空间分布较为集聚，体育场地的多极分化现象不显著，且存在正向空间自相关特性。我国市域单元与邻近市域单元学校体育场地莫兰散点呈现4种类型的空间关联关系：（1）第1象限为高—高关联（扩散型），表明市域自身以及相邻市域学校体育场地的发展程度均较高，二者呈显著的正相关性，体育场地空间的扩散（或溢出）效应显著，在空间分布上呈现中心与四周均高的关联特征；（2）第2象限为低—高关联（空心型），表明市域自身体育场地发展程度较低，而相邻市域体育场地发展程度较高，二者呈负相关性，在空间分布上呈现中心低而四周高的关联特征；（3）第3象限为低—低关联（萧索型），表明市域自身以及相邻市域学校体育场地发展程度均较低，二者呈显著的正相关性，在空间分布上呈现中心与四周均低的关联特征；（4）第4象限为高—低关联（极化型），表明市域自身体育场地发展程度较高，而相邻市域体育场地发展程度较低，二者呈负相关性，在空间分布上呈现中心高而四周低的关联特征（见图1）。

（1）我国小学高—高关联的体育场地分布在陕西省渭南市、西安市、咸阳市、商洛市、安康市，福建省厦门市、漳州市，湖南省岳阳市、怀化市、益阳市、娄底市，湖北省黄冈市，浙江省宁波市、湖州市、绍兴市，河南省洛阳市、郑州市、信阳市，江苏省泰州市、盐城市、徐州市、南通市，广东省揭阳市、东莞市、潮州市、广州市、汕尾市、汕头市，广西壮族自治区桂林市、钦州市、来宾市，山东省济宁市、潍坊市、烟台市，安徽省芜湖市、六安市、滁州市、淮北市、阜阳市，天津市，四川省乐山市、绵阳市、达州市、成都市，北京市，云南省昆明市、普洱市，上海市；（2）低—高关联的体育场地分布在陕西省安康市、铜川市，贵州省黔东南苗族侗族自治州、遵义市、铜仁市、毕节市，福建省宁德市、龙岩市、三明市，甘肃省平凉市、庆阳市、陇南市，湖南省湘潭市、湘西土家族苗族自治州、张家界市，湖北省十堰市、咸宁市、恩施土家族苗族自治州、鄂州市，海南省临高县，浙江省舟山市、丽水市、衢州市，河南省商丘市、平顶山市、三门峡市、周口市，河北省唐山市、保定市、廊坊市，江西省宜春市、九江市、萍乡市，江苏省镇江市，广东省阳江市、梅州市，广西壮族自治区防城港市、梧州市，山西省晋城市、阳泉市，山东省东营市、泰安市，安徽省马鞍山市、铜陵市，四川省资阳市、眉山市、阿坝藏族自治州、雅安市，云南省德宏傣族景颇族自治州、临沧市；（3）低—低关联的体育场地分布在黑龙江省黑河市、齐齐哈尔市、双鸭山市，青海省西宁市、玉树藏族自治州、黄南藏族自治州、海东市、海西蒙古族藏族自治州，辽宁省本溪市、盘锦市、营口市、葫芦岛市、阜新市，西藏自治区林芝市、那曲地区、拉萨市，福建省南平市，甘肃省天水市、嘉峪关市，湖北省襄阳市、随州市，海南省东方市、琼中黎族苗族自治县，河南省濮阳市、安阳市，河北省秦皇岛市、衡水市，江西省景德镇市、鹰潭市，新疆维吾尔自治区图木舒克市、五家渠市、乌鲁木齐市、博尔塔拉蒙古自治州、哈密市，广东省珠海市，山西省大同市、长冶市、临汾市，山东省聊城市滨州市，宁夏回族自治区中卫市、固原市、石嘴山市，四川省甘孜藏族自治州，吉林省白山市、白城市，内蒙古自治区呼伦贝尔市、赤峰市，云南省丽江市、迪庆藏族自治州、怒江傈僳族自治州；（4）高—低关联的体育场地分布在陕西省榆林市，重庆市，辽宁省沈阳市、大连市，贵州省贵阳市，甘肃省兰州市，湖南省常德市，湖北省武汉市，海南省陵水黎族自治县、儋州市，河南省南阳市、新乡市，河北省石家庄市，江西省南昌市，广东省深圳市、河源市，山东省济南市、青岛市。

（1）我国中学高—高关联的体育场地分布在陕西省渭南市、安康市，贵州省遵义市、贵阳市，福建省莆田市、福州市、泉州市，湖南省湘潭市、娄底市，浙江省宁波市、温州市、绍兴市，河南省商丘市、安阳市，河北省石家庄市、衡水市，江西省宜春市、赣州市，江苏省泰州市、徐州市、南通市，广东省揭阳市、惠州市、广州市、汕头市，广西壮族自治区桂林市、梧州市、百色市，山西省晋中市、运城市、吕梁市，山东省济宁市、烟台市，安徽省芜湖市、六安市、阜阳市，天津市，四川省乐山市、达州市，北京市，云南省昆明市、红河哈尼族彝族自治州，上海市；（2）低—高关联的体育场地分布在陕西省延安市、铜川市，贵州省黔西南布依族苗族自治州、黔东南苗族侗族自治州、黔南布依族苗族自治州，福建省宁德市、三明市，甘肃省平凉市、庆阳市、陇南市，湖南省湘西土家族苗族自治州、张家界市，湖北省黄冈市、鄂州市、随州市，浙江省舟山市、丽水市、衢州市，河南省平顶山市、濮阳市、鹤壁市，河北省承德市、沧州市、衡水市，江西省新余市、鹰潭市，广东省阳江市、梅州市，广西壮族自治区防城港市、来宾市，山西省阳泉市、吕梁市，山东省聊城市、莱芜市，安徽省池州市、淮北市，四川省内江市、广元市，云南省临沧市、普洱市；（3）低—低关联的体育场地分布在黑龙江省黑河市、双鸭山市，青海省西宁市、玉树藏族自治州、海西蒙古族藏族自治州，辽宁省本溪市、阜新市，西藏自治区林芝市、拉萨市，福建省南平市，甘肃省天水市、定西市、平凉市、甘南藏族自治州、兰州市、嘉峪关市，湖北省天门市、孝感市、潜江市，海南省东方市、琼中黎族苗族自治县，江西省景德镇市，新疆维吾尔自治区图木舒克市、五家渠市、伊犁哈萨克自治州、哈密市，广东省珠海市，山西省大同市、朔州市，山东省滨州市、泰安市，宁夏回族自治区中卫市、甘孜藏族自治州，吉林省白山市、通化市、延边朝鲜族自治州、吉林市，内蒙古自治区呼伦贝尔市、巴彦淖尔市、呼和浩特市，云南省丽江市、德宏傣族景颇族自治州、怒江傈僳族自治州；（4）高—低关联的体育场地分布在陕西省榆林市，重庆市，辽宁省沈阳市、大连市，贵州省贵阳市，福建省漳州市，甘肃省兰州市，湖南省常德市，湖北省襄阳市、宜昌市、武汉市，河北省秦皇岛市，江西省上饶市，广东省深圳市。

2.4 最邻近点指数分析

为了进一步考察我国学校体育场地空间的聚集类型，采用GIS 空间分析法，计算出我国学校体育场地空间分布的最邻近指数（NNI）。通常而言，NNI≤0.5 为聚集分布，0.5＜NNI≤0.8 为聚集—随机分布，0.8＜NNI≤1.2 为随机分布，1.2≤NNI＜1.5 为随机—离散分布，NNI≥1.5为均匀分布[18]。若Z值得分高并为正数且P值小，则表示一个高值的空间聚类；Z值得分低并为负数且P值小，则表示一个低值的空间聚类；Z值得分越高或越低，聚类程度就越大，Z值得分接近于零，则表示不存在明显的空间聚类。我国小学体育场地的最邻近指数为0.348、Z值平均数为-30.76；中学体育场地的最邻近指数为0.358、Z值平均数为-29.14。可见，我国学校体育场地的最邻近指数在0.5~0.8 之间，且Z值为较低的负数，表明我国学校体育场地空间以低值聚集—随机分布为主。其中，甘肃、河北、河南、黑龙江、吉林、辽宁、内蒙古、宁夏、青海、陕西、山西和新疆学校体育场地的最邻近指数小于0.5，体育场地空间则为低值聚集分布（见表4）。

表4 我国学校体育场地最邻近点指数统计表Table4 The Nearest Neighbor Index of School Venues Statistics

2.5 标准差椭圆分析

标准差椭圆分析，可进一步探索我国市域学校体育场地分布的中心趋势、离散趋势和方向趋势等空间特征。标准差椭圆的偏转角代表了数据的空间主导趋势方向，长、短轴代表了数据空间分布的主次方向与聚集离散程度[19]。其中，标准椭圆长轴表示数据的分布方向，短轴表示数据的分布范围，长、短半轴值的差距越大（偏率越大），表示数据的方向性越明显，反之，如果长、短轴越接近，表示方向性越不明显。短半轴越短表示数据的向心力越明显，短半轴越长表示数据的离散程度越大[20]。

我国学校体育场地标准差椭圆长轴为“东北—西南”方向、短轴为“西北—东南”方向，其中，小学体育场地的长轴半径为98.1 km、短轴半径为78.8 km，偏率为0.198 8，方向角度29.07°，标准椭圆内场地数量为29 818个，占样本总量的63.79%；中学体育场地的长轴半径为101.02 km、短轴半径为83.51 km，偏率为0.173 3，方向角度26.70°，标准椭圆内场地数量为27 679个，占样本总量的67.35%。同时，在标准差椭圆长轴方向学校体育场地的数量多，场地空间呈高值密集分布，场地建设发展较好；而在短轴方向学校体育场地的数量少，场地空间呈低值稀疏分布，场地建设发展则较差。对比胡焕庸人口分界线进一步发现，我国学校体育场地的平均中心位于胡焕庸人口线向东偏移701 km 处，并构成了学校体育场地分界线，在分界线以东为体育场地高值密集分布区，以西为体育场地低值稀疏分布区。标准差椭圆分析进一步说明，在标准差椭圆长轴方向学校体育场地为聚集分布，它涵盖了我国的中部和东部地区，而在标准差椭圆短轴方向则为稀疏分布，它包括我国西部和东北地区，学校体育场地“东部聚集西部稀疏”的空间分布格局显著，且我国学校体育场地密度分布与我国人口密度分布呈“同向”分布态势。

2.6 热点分析

热点分析可进一步说明学校体育场地空间集聚的明显位置和区域相关程度。采用探索性空间数据分析方法（ESDA），基于全国市域中小学体育场的POI数据，结合体育场地Moran'sI的高低和Z值显著性水平检验，运用Getis-Ord Gi*指数，进而生成我国中小学体育场地冷热点格局分布统计表（见表5）。

我国学校体育场地的冷热点呈现热点区、次热点区、次冷点区和冷点区4个等级的格局分布，全国学校体育场地“东热西冷”的格局显著，体育场地冷热点沿标准差椭圆短轴自东向西方向依次为热点区、次冷点区、次热点区和冷点区的梯度递减分布，且体育场地的热点区呈聚集分布，次冷点区呈带状分布，次热点区和冷点区则呈成片分布。我国学校体育场地高值簇热点区分布在中部、东部地区的江苏省、浙江省、上海市、福建省、广东省、江西省、湖南省、湖北省和河南省等地区，次热点区分布在河北省、北京市、天津市、山东省等地区，低值簇冷点区分布在西部地区的新疆、青海省大部、甘肃省大部、西藏大部、内蒙古部分地区，东北地区的黑龙江、吉林省大部分地区，以及海南省全境。值得注意的是，西部地区的云南省、贵州省、四川省南部、广西壮族自治区的部分地区有体育场地高值簇的零星分布（见表5）。可见，我国学校体育场地整体在“东热西冷”的空间分布格局下，西部局部地区有体育场地的次热点分布，这说明西部地区学校体育场地建设发展趋于不断改善的态势。

表5 我国学校体育场地冷热点市域分布统计表Table5 Statistics on School Venues Hot Spot distribution in Municipal-Scale

3 我国市域学校体育场地空间分布影响因素

国内学者研究认为，体育场地建设发展与人口和经济发展的关联性密切，人口和经济分布均对体育场地资源均衡性配置产生影响[21]，并且基于人口和经济分布的体育场地资源配置均衡性，明显好于基于地理面积分布的体育场地资源配置均衡性[22]。同时，经济发展水平是影响公共服务资源配置水平的决定性因素，公共服务资源配置水平也对经济发展起推动作用，二者之间交互影响[23]。可见，体育场地的建设发展受到地方经济、人口因素的影响。在此基础上，本研究从经济学理论解释和其他因素方面进一步探索我国市域学校体育场地冷热点分布的影响因素。

3.1 经济学理论解释

基于循环累积因果理论的回流效应与扩散效应[24]以及核心与边缘理论[25]，我国市域学校体育场地“东热西冷”格局分布的原因是：（1）体育场地热点区（中部和东部地区）不断累积场地建设发展的有利因素，而体育场地冷点区（西部和东北地区）则持续积累场地建设发展的不利因素，同时受空间距离、地区经济发展水平差异等客观因素的制约，学校体育场地热点区对冷点区场地建设发展的涓滴和扩散效应不显著，这导致学校体育场地冷热点在我国东、西部地区呈现同时并存的二元空间格局；（2）体育场地热点区的涓滴效应带动了周缘地区体育场地的发展，这使得热点区周缘出现了学校体育场地的次热点分布。加之，受学校体育场地建设的回流效应影响，这致使场地建设的有利因素由边缘区逐渐流入核心区，而场地建设的极化效应又加快了核心热点区体育场地的建设发展，却抑制了边缘冷点区体育场地的建设发展。此外，学校体育场地建设相关政策在我国东、西部地区的执行效果存在差异性，这进一步加剧了我国学校体育场地建设发展的不平衡，进而致使学校体育场地空间呈现“东热西冷”的格局分布。

总之，循环累积因果理论和核心与边缘理论可在一定程度上解释我国市域学校体育场地冷热点格局分布的成因。同时，我国市域学校体育场地冷热点分布还受一个地区的海拔高度、学校在校生人数和教育经费投入等因素的综合影响。

3.2 海拔高度

依据全国中、小学体育场地的POI点，运用ArcGIS10.5对学校体育场地进行高程提取分析（Digital Elevation Model，DEM），进而求得不同海拔高度学校体育场地数量的具体分布情况（见表6）。

表6 不同海拔高度学校体育场地数量及占比统计表Table6 Statistics on Number and Proportion of School Venues at Different Altitudes

我国学校体育场地的聚集热点区主要位于海拔低于500 m的平原地区（小学体育场地数占75.38%、中学体育场地数占75.80%），而稀疏冷点区则广布在海拔高度在1 000 m 以上的山区或丘陵地区（如河北、山东、黑龙江、吉林、辽宁和新疆等）（见表6）。海拔高度对体育场地建设有着重要影响，海拔越高，体育场地建设数量越少，场地空间呈稀疏分布；海拔降低，体育场地建设数量增多，且场地空间呈聚集分布。可见，学校体育场地建设与海拔高度呈“逆向”发展态势。

基础设施（以交通设施为代表）是区域经济发展的基础条件，均衡化的基础设施、便捷的交通条件可推动区域经济发展，且存在明显的正向作用和空间溢出效应[26]。在山区或丘陵地区，土地海拔高度增加，这不仅提高了基础设施建设成本，而且影响了交通便捷性，导致运输成本和人力成本增加，进而导致学校体育场地的建设成本增加。在同等建设经费条件下，山区或丘陵地区学校体育场地建设成本明显高于平原地区，这无疑从客观上制约着山区或丘陵地区学校体育场地的建设发展。同时，学校体育场地冷热点分布与土地海拔高度之间并不存在明显的线性相关关系，学校体育场地建设发展好离不开适宜的平原海拔条件。但是，适宜的海拔条件并不一定产生学校体育场地建设发展的良好结果。因此，海拔高度是影响学校体育场地热点分布的一个必要非充分客观限制因素，它是一个复杂的非线性影响因素。

3.3 在校生人数

依据《中国城市统计年鉴2013》公布的全国中小学在校生数据，运用Arc GIS10.5，计算出学校在校生人数的Moran’sI指数，并采用Z值（P≤0.05）进行显著性检验，进而生成我国中小学在校生人数的Moran散点图，并与学校体育场地数Moran散点图进行对比，以此来考察在校生人数对学校体育场地空间分布的影响。我国市域学校体育场地数和在校生人数均呈高—高关联、低—高关联、低—低关联和高—低关联4种类型的空间关联关系，并以高—高关联和低—低关联为主。其中，小学在校生人数Moran'sI值为0.348 6，小学体育场地数Moran'sI值为0.261 5，中学在校生人数Moran'sI值为0.288 4，中学体育场地数Moran'sI值为0.294 2，且通过Z值显著性检验。可见，我国学校体育场地数与在校生人数均具有正向空间自相关特性（见图2）。

图2 Moran 散点图Figure2 Moran Scatter

我国学校在校生人数和学校体育场地数呈“同向”发展态势，即在我国东部、中部、东南部、四川盆地、黄淮海平原、长江中下游平原以及东南沿海地区等人口集聚城市，学校体育场地数与在校生人数均呈现高—高聚集分布，而在我国的西部地区、东北地区和云贵高原等人口稀疏城市，学校体育场地数和在校生人数则呈现低—低聚集分布。同时，我们也注意到，在校生人数与体育场地数的冷热点分布之间并不存在明显线性关系，学校在校生人数是推动学校体育场地建设发展的一个客观条件因素，但是，这并不表明在校生人数多，学校体育场地就一定建设发展的好。因此，在校生人数是影响学校体育场地冷热点格局分布的一个必要非线性客观条件因素。

3.4 教育经费投入

依据2013 年全国各省教育经费的投入情况，运用Arc GIS10.5，计算出我国教育经费投入的Moran’sI指数。我国教育经费投入的Moran'sI值为0.216 5，说明教育经费投入具有正向空间自相关特性。我国教育经费投入的莫兰散点在4个象限均有分布，且在第1象限有部分莫兰散点的扩散分布，表明教育经费投入在高值区域有离散趋势。我国教育经费投入的高—高值区位于北京、上海、天津，江苏、广东、山东、河北、浙江和贵州的部分地区，低—低值区分布在黑龙江、青海、西藏、甘肃、海南、宁夏、新疆和内蒙古地区，教育经费投入与学校体育场冷热点格局亦呈现“同向”分布态势。值得注意的是，在我国学校体育场地的低值冷点区域却有体育场地的次热点分布（如贵州省遵义市、铜仁市，甘肃省甘南藏族自治州、张掖市、金昌市、武威市、酒泉市，新疆的哈密市，西藏的昌都市，黑龙江省鹤岗市、双鸭山市等），这表明教育经费投入对学校体育场地热点分布具有明显的正向推动作用，教育经费投入多，学校体育场地的建设发展就好。可见，教育经费投入是影响学校体育场地冷热点分布的一个必要且充分的刚性影响因素。

4 结 论

（1）我国市域学校体育场地平均中心与我国人口中心和经济中心的空间地理坐标位置基本吻合，学校体育场地发展与我国人口和经济发展的中心趋势明显，体育场地密度分布与我国人口密度分布呈同向分布态势。（2）我国市域学校体育场地Mo‐ran'sI值大于零，具有明显的空间正相关特性，体育场地市域空间分布呈现扩散型、空心型、萧索型和极化型4 种空间关联关系，并以扩散型和萧索型空间关联为主。（3）学校体育场地发展形成一条距胡焕庸线以东偏移701 km 的体育场地分界线，场地数量在分界线东半壁占比63.79%，整体呈现“东高西低”的体育场地核密度值区分布。（4）学校体育场地标准差椭圆长轴为“东北—西南”方向、短轴为“西北—东南”方向，体育场地冷热点等级沿标准差椭圆短轴自东向西依次为热点区、次冷点区、次热点区和冷点区的梯度递减分布。（5）我国市域学校体育场地冷热点分布受一个地区的海拔高度、在校生人数和教育经费投入的综合影响，海拔高度是影响学校体育场地冷热点分布的必要非线性客观限制因素，在校生人数是必要非线性客观条件因素，而教育经费投入则是必要且充分的刚性影响因素。