首頁  /  發(fā)現(xiàn)  /  思想  /  正文

全域旅游空間潛力預(yù)測，讓AI助力鄉(xiāng)村振興

景觀設(shè)計學(xué) 2023-05-24 來源：景觀設(shè)計學(xué)
原創(chuàng)
本研究提供了一條從環(huán)境特征變量數(shù)值關(guān)系角度理解區(qū)域尺度游憩空間規(guī)律的技術(shù)路徑，旨在為全域旅游和鄉(xiāng)村振興的空間發(fā)展策略提供參考。
注：本文為刪減版，不可直接引用。原中英文全文刊發(fā)于《景觀設(shè)計學(xué)》（Landscape Architecture Frontiers）2022年第5期"生態(tài)系統(tǒng)文化服務(wù)與景觀實踐"。獲取全文免費下載鏈接請點擊https://journal.hep.com.cn/laf/EN/10.15302/J-LAF-1-020073；參考引用格式見文末。


導(dǎo) 讀

在建設(shè)“全域旅游”的背景下，區(qū)域尺度的游憩服務(wù)發(fā)展將從單一景點景區(qū)的建設(shè)轉(zhuǎn)向旅游目的地的綜合統(tǒng)籌，助力鄉(xiāng)村振興和區(qū)域協(xié)調(diào)發(fā)展。然而，在全域旅游“連點成片”的過程中，如何根據(jù)本地獨特的環(huán)境稟賦識別出具有較高游憩潛力的區(qū)域并據(jù)此評估發(fā)展的優(yōu)先程度，仍是研究與實踐的熱點和難點。本研究以鄂西地區(qū)為例，引入生態(tài)系統(tǒng)文化服務(wù)理論中潛力評估的研究方法，運用社會－生態(tài)多源數(shù)據(jù)構(gòu)建了結(jié)合集成機器學(xué)習(xí)的SDM模型，對研究區(qū)域內(nèi)336個已知游憩服務(wù)熱點的環(huán)境特征進行了剖析，并預(yù)測了連續(xù)空間中高游憩潛力區(qū)域的概率分布。本研究提供了一條從環(huán)境特征變量數(shù)值關(guān)系角度理解區(qū)域尺度游憩空間規(guī)律的技術(shù)路徑，旨在為全域旅游和鄉(xiāng)村振興的空間發(fā)展策略提供參考。


關(guān)鍵詞

全域旅游；游憩服務(wù)；生態(tài)系統(tǒng)文化服務(wù)；空間潛力預(yù)測；機器學(xué)習(xí)；鄂西



“全域旅游”導(dǎo)向下鄂西游憩服務(wù)的空間潛力預(yù)測研究——基于集成模型的機器學(xué)習(xí)方法

Spatial Potential of Recreational Services in Western Hubei Region in Light of the “All-for-One Tourism” Development

—A Machine Learning Approach Based on Ensemble Model


作 者

文晨1,2，茶靜1,2，徐利權(quán)1,2,3，徐海韻4

1 華中科技大學(xué)建筑與城市規(guī)劃學(xué)院
2 自然資源部城市仿真重點實驗室
3 華中科技大學(xué)建成遺產(chǎn)研究中心
4 北京建筑大學(xué)建筑與城市規(guī)劃學(xué)院


背景概述

全域旅游指把整個區(qū)域作為旅游區(qū)考慮，推動旅游和全產(chǎn)業(yè)融合，以知名景點景區(qū)、鄉(xiāng)村旅游熱點帶動相關(guān)片區(qū)發(fā)展，全面激活游憩服務(wù)潛力。全域旅游發(fā)展并不是均勻發(fā)力，重點發(fā)展區(qū)的選位和資源投入需要科學(xué)決策。實踐中需要根據(jù)當?shù)氐淖匀毁Y源、人文資源、基礎(chǔ)設(shè)施等稟賦，識別出具有較高游憩服務(wù)潛力的區(qū)域進行重點發(fā)展，并借此考慮不同區(qū)位的開發(fā)成效，制定優(yōu)先發(fā)展策略。然而，現(xiàn)有研究較少從連續(xù)空間中對當?shù)鬲毺氐纳鷳B(tài)－文化旅游資源和潛力進行量化和可視化。這些研究的缺失也阻礙了精細化城鄉(xiāng)融合發(fā)展策略的制定。生態(tài)系統(tǒng)文化服務(wù)理論（cultural ecosystem services，CES）為識別、量化和評估當?shù)厣鷳B(tài)-文化資源提供了支持框架，但在實踐中也需要克服鄉(xiāng)村及荒野片區(qū)數(shù)據(jù)匱乏、建模難以體現(xiàn)本地偏好、傳統(tǒng)打分法存在的不確定性等問題。

本研究旨在運用CES游憩潛力空間測定的方法論，搭建基于多源數(shù)據(jù)和機器學(xué)習(xí)的空間分析框架，從而進行區(qū)域尺度游憩潛力的預(yù)測。研究將“游憩服務(wù)潛力”（recreation potential）界定為自然環(huán)境提供游憩活動或體驗的可能性。本文研究目標為：1）根據(jù)本地受認可的游憩服務(wù)熱點預(yù)測全域連續(xù)空間的游憩服務(wù)潛力；2）從環(huán)境特征數(shù)值關(guān)系的角度理解區(qū)域游憩服務(wù)的空間規(guī)律。


文獻綜述

CES是指人類通過與自然接觸所能得到的非物質(zhì)類福祉，包括游憩、審美體驗、精神感知、宗教、教育、治愈、啟發(fā)創(chuàng)造等。近年來，有研究開始使用物種分布模型（Species Distribution Modeling，SDM）進行區(qū)域尺度社會文化現(xiàn)象的空間預(yù)測，取得了良好成效。SDM主要是將生物的觀測記錄點信息和環(huán)境特征建立聯(lián)系，可通過機器學(xué)習(xí)方法擬合模型并生成連續(xù)空間下的預(yù)測結(jié)果。在相關(guān)研究中，使用SDM進行預(yù)測的理論依據(jù)是地理環(huán)境因素仍可以作為代理變量從不同角度反映人文因素。

現(xiàn)有區(qū)域尺度的研究中常用的疊加法和多準則分析法在設(shè)定不同影響因素的權(quán)重時較為主觀，缺乏復(fù)現(xiàn)和驗證研究，而專家打分法也會引入不確定性因素。其次，現(xiàn)有建模研究較少挖掘本地游憩服務(wù)點，導(dǎo)致地域性難以體現(xiàn)。最后，數(shù)據(jù)樣本較為稀缺的荒野等連續(xù)空間較少被納入研究。


研究資料與方法

研究區(qū)域

研究場地位于湖北西部——鄂西區(qū)域全境，覆蓋人口超2730萬，主要為山地。鄂西既是CES多樣且豐富的地區(qū)，也是發(fā)展旅游扶貧的重點區(qū)域。

圖片

研究場地內(nèi)受認證的游憩服務(wù)發(fā)生點 ? 文晨，茶靜，徐利權(quán)，徐海韻

圖片

圖片

鄂西游憩服務(wù)點示例 ? Rural Construction Center of Hubei Province (RCC-HB)

機器學(xué)習(xí)數(shù)據(jù)集構(gòu)建

研究采用機器學(xué)習(xí)的建模框架，將現(xiàn)有受認證的游憩服務(wù)離散點位作為發(fā)生觀測，將鄂西地區(qū)內(nèi)的社會－生態(tài)多源數(shù)據(jù)作為環(huán)境特征。

發(fā)生數(shù)據(jù)集在本研究中指已產(chǎn)生游憩服務(wù)的點位。研究選擇了三類游憩服務(wù)熱點數(shù)據(jù)構(gòu)建發(fā)生數(shù)據(jù)集：1）國家A級旅游景點景區(qū)和湖北省精品旅游線路中所涉景點；2）國家級傳統(tǒng)村落；3）社交網(wǎng)絡(luò)微博熱門打卡地點。這些游憩服務(wù)熱點代表了受官方認證或市場認可的游憩服務(wù)。

研究團隊通過高德API地理編碼獲取上述游憩服務(wù)熱點的空間坐標；在預(yù)處理中，發(fā)現(xiàn)所獲得的微博簽到數(shù)據(jù)與區(qū)域人口分布高度相關(guān)，存在僅代表居住點的問題，所以剔除了所有主城區(qū)范圍內(nèi)的打卡數(shù)據(jù)，僅保留了鄉(xiāng)鎮(zhèn)、鄉(xiāng)村的熱門簽到點位。最終得到336個空間點位。

研究團隊參考了現(xiàn)有CES文獻中有關(guān)游憩潛力建模的研究（表1），將土地覆蓋、地形地貌、景觀構(gòu)成、氣候、交通便利等16個變量作為本研究的環(huán)境特征類別。

圖片

研究將土地利用類型轉(zhuǎn)化為了四類用地（林地、建成區(qū)、農(nóng)田、水體）的構(gòu)成比例值，使用了“移動視窗”的方法計算了每一個像元鄰域內(nèi)的全局景觀指數(shù)，選取了JOINENT（景觀聯(lián)合熵值）和SHDI（香農(nóng)多樣性指數(shù)）兩個指標來量化多樣性和復(fù)雜性特征。研究將環(huán)境特征數(shù)據(jù)集的空間分辨率統(tǒng)一為1000m。此后，提取336個已知游憩服務(wù)發(fā)生點的所有環(huán)境特征數(shù)值。

融合集合機器學(xué)習(xí)框架的SDM建模

SDM模型能夠通過學(xué)習(xí)已知游憩服務(wù)熱點的環(huán)境特征（自變量），并將預(yù)測概率推廣至全域。本研究數(shù)據(jù)分析過程使用了編程語言R和Python；并借助QGIS進行可視化。

在預(yù)處理階段，確認預(yù)測范圍為鄂西全域，并使用環(huán)境過濾法來預(yù)篩選預(yù)測范圍內(nèi)的發(fā)生數(shù)據(jù)集。輸入數(shù)據(jù)后，算法針對潛在共線性問題，隨機生成了偽缺失數(shù)據(jù)集，并使用了主成分分析的方法進行降維。

研究使用了空間塊劃分法對336個點位進行訓(xùn)練集和驗證集的拆分。具體將數(shù)據(jù)集分為四個塊（“空間折疊”），其中三個塊用作訓(xùn)練集，另一個塊用作驗證集；而后循環(huán)將每個塊作為驗證集。

研究構(gòu)建了納入了不同環(huán)境特征變量的三組模型（表2），通過比較最終的模型預(yù)測性能來分析不同環(huán)境特征對于預(yù)測游憩服務(wù)潛力的顯著程度。

640 (2).png

研究使用最大熵模型（MEM）、高斯過程模型（GAU）、廣義線性模型（GLM）、隨機森林（RF）四類算法進行建模，此后采用基于集成模型的機器學(xué)習(xí)方法，將以上算法合并，達到全局更優(yōu)的預(yù)測效果。研究首先對不同單獨算法的預(yù)測結(jié)果進行加權(quán)平均，權(quán)重的依據(jù)是各模型的性能評價指標，包括TSS（真實技巧統(tǒng)計值）、AUC（ROC曲線下面積）和JACCARD（杰卡德相似系數(shù)）調(diào)試完畢的模型將用于預(yù)測鄂西游憩服務(wù)潛力的空間概率，并完成相應(yīng)的游憩潛力制圖。


研究結(jié)果

發(fā)生數(shù)據(jù)和環(huán)境特征數(shù)據(jù)分析結(jié)果

通過樣本點環(huán)境特征分析可知，游憩服務(wù)發(fā)生點的各個環(huán)境特征變量在多個環(huán)境特征中具有明顯的聚集效應(yīng)。游憩服務(wù)發(fā)生點所處位置的平均海拔為591m，平均坡度為3.85°；所屬公里網(wǎng)格的林地占比超過50%，建成區(qū)占比7.8%，農(nóng)田占比17.7%；距離最近的城鎮(zhèn)約22km，距離最近的湖泊和河流約7.6km。鄂西生態(tài)狀態(tài)較好，體現(xiàn)為NDVI和EVI指數(shù)在全域范圍均較高；其中海拔較低和相對平坦的市域范圍農(nóng)田占比高，水網(wǎng)發(fā)達；通過景觀指數(shù)，識別出若干帶狀區(qū)域具有較高的景觀多樣性和復(fù)雜度。

圖片

環(huán)境特征的空間建模結(jié)果 ? 文晨，茶靜，徐利權(quán)，徐海韻

圖片

環(huán)境特征的數(shù)值分布 ? 文晨，茶靜，徐利權(quán)，徐海韻

研究使用10個主成分提取了原始數(shù)據(jù)中累計達95%的可解釋變異，并作為自變量參與模型構(gòu)建。在三組模型中，納入了所有環(huán)境特征變量的模型三性能表現(xiàn)最好，將以此作為空間可視化的對象。

圖片

基于不同算法的游憩服務(wù)潛力預(yù)測結(jié)果 ? 文晨，茶靜，徐利權(quán)，徐海韻

圖片

基于模型三的全域游憩潛力的預(yù)測概率地圖和二元適應(yīng)性地圖 ? 文晨，茶靜，徐利權(quán)，徐海韻

預(yù)測結(jié)果和模型表現(xiàn)

不同算法下的預(yù)測結(jié)果顯示，隨機森林模型預(yù)測的高游憩服務(wù)潛力區(qū)域相對較少，主要體現(xiàn)為以西北－東南向的兩個帶狀區(qū)域及周邊的星點區(qū)域。其他三個模型也識別出了長江沿岸和這兩個帶狀區(qū)域，但又額外識別出大量山地地區(qū)。

在運用相同環(huán)境特征數(shù)據(jù)集的情況下，三個模型的預(yù)測結(jié)果略有差異。以AUC和JACCARD來看，三個模型差異較小，顯示了較好的模型表現(xiàn)；但以TSS來看，各模型表現(xiàn)差異較大，仍有隨機性。

集成模型能夠提高整體的模型表現(xiàn)，提升預(yù)測準確率（表3）。結(jié)果顯示，最高游憩服務(wù)潛力地區(qū)較為分散，但是西部地區(qū)的整體游憩服務(wù)潛力較高，而且一些明顯條帶狀區(qū)域具備連片條件。另外精細識別出了位于長江水系與荊山等山脈交匯處的高游憩服務(wù)潛力區(qū)域。

圖片


討 論

理論和方法論意義

本研究通過現(xiàn)有游憩服務(wù)熱點的環(huán)境特征作為機器學(xué)習(xí)的模型參數(shù)，既能夠從數(shù)值角度理解游憩服務(wù)潛力規(guī)律，又能克服專家打分的主觀性，提供了一種區(qū)域尺度游憩服務(wù)潛力評估的新路徑。

在實證研究中，本案例的樣本點代表了區(qū)域尺度下的常見旅游目的地，體現(xiàn)了復(fù)合的群體偏好，回應(yīng)了CES在相應(yīng)空間研究中關(guān)于偏好的難點。

在技術(shù)方法論上，本研究分步驟地納入了不同類別的環(huán)境特征變量，以剖析不同變量的預(yù)測能力。結(jié)果表明，在用地構(gòu)成、地形等環(huán)境特征變量之上，加入水域和城鎮(zhèn)的鄰近度、景觀指數(shù)、光譜指數(shù)、氣候等變量能提升模型在研究場地的預(yù)測表現(xiàn)（表4）。鑒于游憩服務(wù)是復(fù)雜的社會－生態(tài)現(xiàn)象，應(yīng)預(yù)先調(diào)查現(xiàn)有游憩服務(wù)熱點具有何種吸引力特征，針對不同的研究場地和目的構(gòu)建數(shù)據(jù)集。

640.png

其次，本研究提出的技術(shù)路線能夠在區(qū)域尺度產(chǎn)生連續(xù)的預(yù)測結(jié)果，不依賴特定統(tǒng)計單元（如行政區(qū)或特定景區(qū)）。因此，適用于邊界難以確定的鄉(xiāng)村和荒野地區(qū)。

實證研究重要結(jié)果解釋

本研究提供了鄂西地區(qū)連續(xù)空間中游憩服務(wù)潛力的預(yù)測結(jié)果。其中部分區(qū)位呈現(xiàn)出的空間模式與一些現(xiàn)有研究結(jié)果相一致。同時，本研究回應(yīng)了全域旅游對景區(qū)周邊和景點之間的關(guān)切，并進一步細化了游憩服務(wù)潛力的內(nèi)部差異，使預(yù)測更有空間區(qū)分度和實用性。

模型運用

本研究在實踐中具有以下兩大優(yōu)勢。其一，基于GIS的空間建模和評價能夠在連續(xù)地理空間中識別出具有不同游憩服務(wù)潛力的區(qū)域，并克服數(shù)據(jù)樣本不平衡的問題。其二，在實際應(yīng)用中，全域旅游的開發(fā)可分步驟、有計劃地連點成片。通過識別高游憩服務(wù)潛力區(qū)域間的空間關(guān)系，分析出連片發(fā)展的挑戰(zhàn)和障礙。

然而，模型結(jié)果在運用過程中也存在限制。例如，模型的構(gòu)建依托輸入數(shù)據(jù)的類別、時間點，以及數(shù)據(jù)質(zhì)量，因此需要根據(jù)實證調(diào)研和相關(guān)文獻構(gòu)建數(shù)據(jù)集，并以較新和較高分辨率的形式發(fā)展成指標變量。其次，當嘗試將結(jié)果用于較小尺度的分析時，應(yīng)警惕跨尺度帶來的不確定性。因此，建模研究不能取代現(xiàn)場調(diào)研。在規(guī)劃實踐中，應(yīng)把建模結(jié)果當作空間定位的參考。

研究不足

本研究主要有兩點不足。首先，很多人文因素難以直接量化。作者曾嘗試納入社會經(jīng)濟發(fā)展水平和少數(shù)民族分布等，但是仍受制于數(shù)據(jù)不足和無法精確空間化的掣肘。研究區(qū)域內(nèi)的有效微博簽到數(shù)據(jù)較少。其次，遵循SDM模型的數(shù)據(jù)要求，未區(qū)分不同游憩服務(wù)熱點的質(zhì)性差異。在SDM模型框架下，如何分析多類別社會事件的發(fā)生并將結(jié)果聚合，將是未來研究的重點。


結(jié) 論

本研究運用基于集成模型的機器學(xué)習(xí)方法，基于SDM模型提出全域旅游視角下區(qū)域游憩服務(wù)空間潛力預(yù)測的新研究路徑。結(jié)果表明，集成模型的預(yù)測表現(xiàn)較好，在數(shù)據(jù)測試集中也有較高準確率。研究發(fā)現(xiàn)，運用不同算法可能導(dǎo)致預(yù)測結(jié)果的不同。而集成模型提供了一種避免“將雞蛋放在一個籃子里”的預(yù)測方法，具有實踐指導(dǎo)價值。

鄂西地區(qū)的研究結(jié)果表明，區(qū)域尺度的綜合游憩服務(wù)潛力預(yù)測結(jié)果與用地類型、景觀構(gòu)成、氣候要素、交通便利等因素相關(guān)，但其評價體系的構(gòu)建應(yīng)充分考慮已受官方認證或市場認可的文化游憩服務(wù)熱點，將通過熱點“學(xué)習(xí)”到的環(huán)境特征推廣到全域，能更好地指導(dǎo)“連點成片”，并通過可達性分析聚焦關(guān)鍵空間位置，助力區(qū)域發(fā)展。


部分參考文獻

[1] Yang, Z., (2016). The connotation of all-for-one tourism and its development stages. Tourism Tribune, 31(12), 1–3.
[2] Cortinovis, C., & Geneletti, D. (2018). Mapping and assessing ecosystem services to support urban planning: A case study on brownfield regeneration in Trento, Italy. One Ecosystem, (3), e25477.
[3] Wen, C., Albert, C., & von Haaren, C. (2022). Nature-based recreation for the elderly in urban areas: Assessing opportunities and demand as planning support. Ecological Processes, (11), 44.
[4] Fish, R., Church, A., & Winter, M. (2016). Conceptualising cultural ecosystem services: A novel framework for research and critical engagement. Ecosystem Services, (21), 208–217.
[5] Cheng, X., Van Damme, S., Li, L., & Uyttenhove, P. (2019). Evaluation of cultural ecosystem services: A review of methods. Ecosystem services, (37), 100925.
[6] Paracchini, M. L., Zulian, G., Kopperoinen, L., Maes, J., Sch?gner, J. P., Termansen, M., Zandersen, M., Perez-Soba, M., Scholefield, P. A., & Bidoglio, G. (2014). Mapping cultural ecosystem services: A framework to assess the potential for outdoor recreation across the EU. Ecological Indicators, (45), 371–385.
[7] Pérez-Valladares, C. X., Moreno-Calles, A. I., Mas, J. F., & Velazquez, A. (2022). Species distribution modeling as an approach to studying the processes of landscape domestication in central southern Mexico. Landscape Ecology, (37), 461–476.
[8] Zhang, J., & Li, S. (2017, December). A review of machine learning based species’ distribution modelling. In: 2017 International Conference on Industrial Informatics-Computing Technology, Intelligent Technology, Industrial Information Integration (ICIICII) (pp. 199–206). IEEE.
[9] Li, Y., Fei, T., Huang, Y., Li, J., Li, X., Zhang, F., Kang, Y., & Wu, G. (2021). Emotional habitat: Mapping the global geographic distribution of human emotion with physical environmental factors using a species distribution model. International Journal of Geographical Information Science, 35(2), 227–249.
[10] Hermes, J., Albert, C., & von Haaren, C. (2018). Assessing the aesthetic quality of landscapes in Germany. Ecosystem Services, (31), 296–307.
[11] People’s Government of Hubei Province. (2016, May 31). Notice of Provincial People’s Government on Issuance of the 13th Five-Year Plan for Tourism Development in Hubei Province.
[12] Jin, C., Fan, L., & Lu, Y. (2010). Spatial distribution of agricultural tourism based on accessibility in case of Jiangsu Province. Journal of Natural Resources, 25(9), 1506–1518.
[13] Weyland, F., & Laterra, P. (2014). Recreation potential assessment at large spatial scales: A method based in the ecosystem services approach and landscape metrics. Ecological Indicators, (39), 34–43.
[14] Gosal, A. S., Giannichi, M. L., Beckmann, M., Comber, A., Massenberg, J. R., Palliwoda, J., Roddis, P., Sch?gner, J. P., Wilson, J., & Ziv, G. (2021). Do drivers of nature visitation vary spatially? The importance of context for understanding visitation of nature areas in Europe and North America. Science of the Total Environment, (776), 145190.
[15] Chhetri, P., & Arrowsmith, C. (2008). GIS-based modelling of recreational potential of nature-based tourist destinations. Tourism Geographies, 10(2), 233–257.
[16] Chan, N. W., & Wichman, C. J. (2020). Climate change and recreation: Evidence from North American cycling. Environmental and Resource Economics, (76), 119–151.
[17] Rugel, E. J., Henderson, S. B., Carpiano, R. M., & Brauer, M. (2017). Beyond the Normalized Difference Vegetation Index (NDVI): Developing a natural space index for population-level health research. Environmental Research, (159), 474–483.
[18] Velazco, S. J. E., Rose, M. B., de Andrade, A. F. A., Minoli, I., & Franklin, J. (2022). FLEXSDM: An R package for supporting a comprehensive and flexible species distribution modelling workflow. Methods in Ecology and Evolution, 13(8), 1661-1669.
[19] Martin, C. L., Momtaz, S., Gaston, T., & Moltschaniwskyj, N. A. (2016). A systematic quantitative review of coastal and marine cultural ecosystem services: Current status and future research. Marine Policy, (74), 25–32.


本文引用格式 / PLEASE CITE THIS ARTICLE AS

Wen, C., Cha, J., Xu, L., & Xu, H. (2022). Spatial potential of recreational services in western Hubei region in light of the “all-for-one tourism” development—A machine learning approach based on ensemble model. Landscape Architecture Frontiers, 10(5), 8?31. doi:10.15302/J-LAF-1-020073



編輯 | 田樂
制作 | 高雨婷


版權(quán)聲明：本文版權(quán)歸原作者所有，請勿以景觀中國編輯版本轉(zhuǎn)載。如有侵犯您的權(quán)益請及時聯(lián)系，我們將第一時間刪除。

投稿郵箱：info@landscape.cn

項目咨詢：18510568018（微信同號）

打賞

  • 給Ta打個賞

0

發(fā)表評論
您好，登錄后才可以評論哦！

熱門評論

相關(guān)文章