董思曼，刘艳红

(山西农业大学 城乡建设学院，山西 太谷 030801)

游憩机会谱(Recreation Opportunity Spectrum，ROS)是20世纪60、70年代由美国提出用于游憩资源调查、规划和管理的理论体系。该理论从自然环境、社会环境及管理环境3方面为各类游客提供更符合游憩偏好的环境及活动[1]。

我国较早将游憩机会谱概念引入的学者是吴必虎，进而发展出游憩机会谱概念研究、应用途径研究和实践研究[2-3]。随着实践研究的深入，游憩机会谱成为城市公园优化研究中广泛应用的一种理论[4-7]。在以往研究中，构建城市公园游憩机会谱常以多个公园为研究区域，得出代表该城市公园的游憩机会指标体系后，建立游憩机会谱并提出公园优化策略[5,7]。

游憩机会指标体系是构建游憩机会谱的重要一步，其目的是确认影响游憩机会谱构建的环境变量，并按照环境变量间相关性将其重新归类，形成少数几个公因子，使游憩机会重要性评价得到简化。但城市公园游憩机会指标体系能否适用于个体公园优化设计仍需论证。本研究将对此类指标体系的适用性进行探讨并提出优化方向，以提高此类指标体系的适用性，进而推动个体公园优化设计。

以郑州市综合公园为例，构建游憩机会指标体系并进行适用性分析。针对郑州市3个综合公园进行问卷调查，建立郑州市城市综合公园游憩机会指标体系并选择五一公园单独建立指标体系。对2个游憩机会指标体系进行对比及差异分析，提出优化策略，为城市公园游憩机会指标体系的优化提供方向。

1 研究区域及调研方法

1.1 研究区域

以“客流量大”和“特征鲜明”为选取标准，选择河南省郑州市中心城区的3个城市综合公园(人民公园、碧沙岗公园、五一公园)为研究区域。其中，人民公园是新中国成立后建立的第一个综合公园，也是中心城区最大的综合公园，总面积30.14 hm2。园内游憩设施齐全，是市民休闲娱乐的主要场所[8]。碧沙岗公园前身是北伐战争时期烈士陵园，后改建为公园，总占地面积约23.28 hm2[9]。园内古迹众多，游憩设施齐全，是建园历史最悠久的公园之一。五一公园是由工人文化宫西区改造的综合公园，总占地面积约10 hm2[10]，以丰富多彩的群众活动而闻名，是郑州市独具特色的城市公园之一。

1.2 调研方法

1.2.1 数据收集 游憩机会谱的目标是根据不同环境类型提供相应的游憩机会[11]。根据以往研究[4,7,12]和实地调研，从自然环境、社会环境和管理环境3个方面进行环境变量清查，共选出25个环境变量见表1。自然环境从景观单元构成、自然环境质量、人文环境赋存和景观美感质量4个方面考虑，共选择7个变量[12]。其中，由于3个公园均属于环境空气二类区且气候环境相似，“N1公园小气候适游程度”在问卷中以“湿度和清洁度”呈现。社会环境从活动项目、游憩利用强度和服务设施状况3个方面考虑，共选出8个变量。管理环境从管理制度建设、服务及维护管理、解说与安全管理及其环境卫生管理4个方面考虑，共选出10个变量[5]。根据目前环境以及未来发展需求将“防疫管理制度”纳入管理制度建设，以应对突发性公共卫生安全问题[13]。

表1 环境变量体系表Table 1 System table of environment variables

根据社会调查经验确定样本量300份，3个公园各100份。问卷共分为3部分，包括：游客游憩偏好、基本信息以及25个环境变量的重要性评价。其中重要性评价采用李克特5点式量表(Likert Scale)，初步确定对公园游憩体验产生影响的各个因素。问卷调研时间为2020年9月、10月，采用随机抽样的方法，形式以自填式为主。得到有效问卷后，利用软件SPSS25.0对数据进行统计分析，以保证合理性。

1.2.2 数据处理 采用多种数据处理方法，分为2个阶段：指标体系建立阶段，采用描述性分析初步筛选变量，信效度检验检测问卷的真实性和有效性，因子分析求指标层并建立指标体系。对比分析阶段：差异性分析，排除2个指标体系中原始数据的差异，包括：皮尔逊卡方检验(Pearson’s χ2 test)和不满足使用条件时的费希尔精确检验(Fisher exact test)和似然比(likelihood ratio test)检验；游客基本信息和游憩偏好采用频率分析，分析2组数据在性别、年龄、学历、职业方面以及游憩偏好的有效百分比，得出影响环境变量选取的原因；权重分析，采用主成分分析得出2个指标体系中各环境变量的权重并得出相同环境变量的权重差异；相关性分析，分析造成环境变量权重差异的原因。

2 数据分析与指标体系建立

2.1 城市综合公园数据分析与指标体系建立

2.1.1 环境变量筛选 问卷回收并筛选得到有效问卷258份，有效回收率为86.0%。由描述性分析结果可知，25个环境变量均值均超过“4”且标准差小于“1”，表明所有环境变量对受访者都具有一定的重要性，且受访者对于各环境变量重要性的认知具有较高的一致性，证明了初步选择的环境变量合理性，故保留所有环境变量。

2.1.2 因子分析 利用SPSS25.0软件进行信效度检验，其中，克隆巴赫系数(Cronbach’s alpha)α值为0.949>0.7，判断该问卷可信度较高。KMO(Kaiser-Meyer-Olkin)检验和巴特利特(Bartlett)球形检验法得出，KMO值0.922>0.7且Bartlett球形检验显著性为0.000<0.01，表明变量之间存在相关关系，适合做因子分析。

采用因子分析进行主成分提取，以初始特征值不小于1的主成分为初始公因子且累积方差贡献率需大于60%[14]。结果显示，前4个因子(F1-F4)的特征值大于1，且能够解释所有数据中62.657%的方差，故提取4个因子作为指标层。

2.1.3 指标体系建立 因子分析中采用最大方差法的旋转方法，筛选因子载荷值大于0.5的环境变量，最终保留下21个环境变量。其中，4个指标层内部信度检测均大于0.7，表明其具有高度有效性。根据数据分析，建立综合公园游憩机会指标体系见表2，共4个指标层，21个环境变量。

表2 综合公园游憩机会指标体系Table 2 Comprehensive park recreation opportunity index system

2.2 五一公园数据分析与指标体系建立

2.2.1 环境变量筛选 五一公园共发放100份问卷，回收并筛选得到有效问卷90份，有效回收率为90.0%。描述性分析可得，25个环境变量均值均超过“4”且标准差小于“1”，故保留所有环境变量。

2.2.2 因子分析 信效度检验中，α值为0.901>0.7，该问卷调查结果可信度较高；KMO值0.79>0.7且巴特利特球形检验显著性为0.000<0.01，表明数据适合做因子分析。

因子分析可得，前7个因子(W1-W7)的特征值大于1，能够解释所有数据中67.636%，旋转后筛选出环境变量22个。由于因子W7中只有1个环境变量(N5水体清洁程度)，且根据实地调研发现五一公园缺少水体，故去除该因子，保留6个因子(W1-W6)作为指标层，累积方差贡献率为63.599%。在因子W2中，环境变量“M4防疫管理制度”的因子载荷系数为0.498非常接近0.5，结合现状保留。W1-W4的内部信度检测均大于0.7，表明指标层具有高度有效性。W5和W6的内部信度检验大于0.5且小于0.7，证明其有效性较差，但可以接受。

2.2.3 指标体系的建立 根据上述分析及因子分析方法，建立五一公园游憩机会指标体系见表3，共6个指标层，22个环境变量。

表3 五一公园游憩机会指标体系Table 3 Index system of recreation opportunities in Wuyi Park

3 城市综合公园游憩机会指标体系与五一公园游憩机会指标体系对比分析

将2个游憩机会指标体系对比，综合公园游憩机会指标体系由4个指标层，21个环境变量组成；五一公园指标体系由6个指标层，22个环境变量组成。

3.1 指标层对比分析

环境变量分类方面，综合公园游憩机会指标体系中指标层F3、F4分别与五一公园指标体系中W2、W6包含环境变量相同。属性方面，综合公园指标体系指标层F1、F4含多个环境属性，F2、F3只含1个环境属性；五一公园指标体系指标层除W2只含1个属性环境变量，其余指标层含有2个属性的环境变量。表明2个指标体系在主成因划分上有一定相似性和差异性。

根据因子分析原理，判断造成2个指标体系指标层差异的原因可能有：五一公园游客游憩偏好鲜明，导致变量间相关性不强；或建立五一公园游憩机会指标体系的样本量不足，无法准确探寻变量间相关性[15]。

3.2 环境变量类别对比分析

综合公园指标体系共21个环境变量，筛除了“S6休息设施丰富度”、“N2听觉舒适度”、“S7游憩动机的实现”和“N1公园小气候适游程度”。五一公园指标体系共22个环境变量，筛除了“S6休息设施丰富度”、“N5水体清洁程度”和“S1游人密度”。2个指标体系中相同环境变量共19个，5个环境变量选取有差别。

为排除原始数据差异过大导致的选取差别，对数据进行差异性分析——皮尔逊卡方检验，结果如下：个案数均大于40，但不满足“理论频数小于5的格子不超过20%或不存在小于1的理论频数”，故以费希尔精确检验结果和似然比检验结果为准。

结果表明，“N2听觉舒适度”和“S7游憩动机的实现”的显著性小于0.05，说明2组数据差异性显著，造成选择差异的原因可能是原始数据差异性过高。“N1公园小气候适游程度”、“N5水体清洁程度”和“S1游人密度”的显著性均大于0.05，说明2组数据没有显著差异性，排除原始数据差异性过大导致的差别。

3.2.1 环境变量原始数据差异分析 将“N2听觉舒适度”和“S7游憩动机的实现”的原始数据进行频率分析，在“不重要”和“一般重要”2个评价上有效百分比差别不大；“比较重要”和“非常重要”上有效百分比差距较大，为20%和15%。表明原始数据中存在较大差异，导致上述环境变量选取差别。

3.2.2 原始数据无差异环境变量选择差异分析 2个指标体系中，3个环境变量选取差别不是原始数据引起。“N5水体清洁程度”选取差别是由于五一公园缺少水体，且重新数据标准化和权重计算后，权重为0，故人为排除。

为探讨样本基本信息和游憩偏好对环境变量选取的影响，进行频率分析：样本的性别和年龄分布无明显差异；学历、职业和游憩行为偏好分布有较大差异。学历方面，2组数据在“高中或中专”和“本科或大专”2个选项相差10%左右；“初中及以下”差别约为5%。职业方面，“无工作及退休”和“家庭主妇(夫)”差别较大为10%左右；“教师、科研人员”和“军人”差别约为5%。游憩偏好方面，2组数据在“赏游类”和“运动类”游憩行为的偏好上差异较大，约10%。表明造成“N1公园小气候适游程度”和“S1游人密度”选取差别的原因是公园游憩特征不同，带给游客游憩机会不同，吸引着不同偏好的游客，导致样本基本信息和游憩偏好差异，从而影响环境变量的选取。

此外，造成“S1游人密度”选取差别可能由周边环境、历史背景及游憩空间类型复杂度造成。3个公园虽均地处中心城区，但其建园历史不一，游憩空间类型复杂度差别较大。

3.3 相同环境变量权重对比分析

3.3.1 总体环境变量权重分析 相同环境变量求权重，目的是对比分析19个相同环境变量重要性的差别，进而分析2个指标体系的差异。

数据标准化后主成分分析求权重，进一步计算得出“综合得分模型中的系数”，并利用归一法计算出城市综合公园游憩机会指标体系与五一公园游憩机会指标体系环境指标权重见表4。其中，2个指标体系的KMO值分别是0.79和0.922，大于0.7，表明2组数据适合因子分析。

表4 城市综合公园游憩机会指标体系与五一公园游憩机会指标体系环境指标权重Table 4 Environmental index weight of two index systems

3.3.2 相同环境变量权重分析 对比2个指标体系中相同环境变量所占权重，权重差别较大的有：“N3植被生长状况”、“N4景观美景度”和“M2环境卫生管理状况”。

将3个环境变量分别进行“皮尔逊卡方检验”，排除原始数据差异带来的影响。“N3植被生长状况”和“N4景观美景度”不满足“理论频数小于5的格子小于20%或不存在小于1的理论频数”，故以费希尔精确检验和似然比检验结果为准。

“N3植被生长状况”和“N4景观美景度”数据显著性小于0.05，2组数据差异性显著，造成权重差异的原因可能是原始数据差异性较大。“M2环境卫生管理状况”显著性大于0.05，说明2组数据无差异性，排除原始数据的原因。

将“N3植被生长状况”和“N4景观美景度”进行频率分析：“不重要”和“一般重要”的有效百分比差异不大；“比较重要”和“非常重要”差异较大，为16.2%和14.4%。表明原始数据中确实存在较大差异造成上述环境变量权重差异。

实地调研发现，“M2环境卫生管理状况”权重差异，可能与样本基本信息、公园游憩特征和环境卫生管理现状相关。将“M2环境卫生管理状况”与游客基本信息进行相关性检验。其中，年龄和职业P值<0.05，表明两者与该环境变量重要性评价有显著相关性，即游客年龄和职业可以影响该环境变量的重要性。此外，3个公园环境卫生管理状况良好，均设有定时卫生保洁，故排除管理现状差异。五一公园人口密度较高且公园面积较小，卫生清扫时给游憩活动体验带来的影响较大，可能会造成影响。

4 结论

以游憩机会谱为基础，从自然、社会和管理3个方面，采用问卷调查和因子分析分别建立了郑州市城市综合公园游憩机会指标体系4个指标层共21个环境变量和五一公园指标体系6个指标层共22个环境变量。

对2个指标体系进行差异性分析，得到适用性结果如下：

(1)在对郑州市城市综合公园进行初步优化设计时，城市综合公园游憩指标体系适用于大部分需求。2个指标体系中有19个共同环境变量，且大部分环境变量重要程度没有明显差异。故可以认定该指标体系具有较大的适用性。

(2)在个体公园实际优化设计中仍需进一步完善，该指标体系可能会忽略个体公园独特的游憩特征。通过主成分分析求权重、皮尔逊卡方检验、费希尔精确检验和似然比对环境变量差异进行分析。发现2个指标体系中共5个环境变量选择差异，排除原始数据差异性过大后，有3个环境变量选择不同。19个共有环境变量中，有4个环境变量重要程度差异明显。结合游客基本信息、游憩偏好等得出：五一公园游客更注重游憩体验的感受；郑州市城市综合公园游客更注重自然风光。

因此，在个体公园优化设计时，可以从公园游憩特征、历史背景和现状以及公园游客特征等方面对城市综合公园指标体系进行优化，使其更加贴合个体公园实际使用状况，突出公园特色。