《2030年可持续发展议程》明确提出消除贫困与饥饿, 并强调保护、恢复和促进可持续利用陆地生态系统。作为全球经济增长的重要动力之一, 旅游业为全球创造近10%的就业岗位^[1], 成为推动地区减贫的重要力量^[2]。旅游业在改变目的地土地利用类型和人口结构的同时, 还对生态系统服务产生了影响^[3]。因此, 定量评价旅游业对目的地生态系统服务价值(Ecosystem service value, ESV)的影响, 将为目的地生态系统服务功能保护和优化提供重要依据。

生态系统服务是指人类从生态系统中获得的收益^[4], 国内外学者主要利用当量因子、功能价值及模型评估等方法测度ESV, 并据此提出区域环境治理对策。随着研究深入, ESV驱动机制的研究逐渐增多, 情景模拟、计量经济学模型和机器学习等方法用于测度自然和社会因素对ESV的影响, 如耿甜伟等选择自然、经济和社会因素, 运用地理探测器和GWR模型探讨ESV变化的驱动力^[5]。而在旅游业与ESV的相关研究中, Church等论述了将可持续旅游纳入生态系统评估的必要性^[6]; Chen探讨了ESV在权衡土地利用配置方面的重要性^[7], 并以武陵源风景区为例, 定性分析了旅游业对ESV的影响^[8]; 钟莉娜等对旅游导向型城镇化与生态系统服务的关系进行了研究^[9]; Li等^[10]、张娟等^[11]基于土地利用变化, 讨论了旅游业对ESV的影响; 朱顺顺等利用功能价值法测度了黄山风景区旅游发展的生态系统服务增值效应^[12]。韩蕊等则分析了旅游收入对ESV的影响^[13]。王兆峰等以长株潭城市圈和张家界为例对旅游城市化与生态系统服务价值的耦合关系进行了研究^[14—15]。刘永婷等以皖南国际旅游文化示范区为例分析了人类活动对生态系统服务价值的影响^[16]。通过回顾文献发现: ①上述研究虽然试图将旅游业与ESV联系起来, 但均未进一步深入分析旅游业各要素对ESV的影响。②关于旅游业影响ESV的理论框架仍未成熟, 其影响作用机制不明晰, 缺乏可供参考的评价指标。③既有研究未能从局部视角揭示旅游业对ESV影响的空间异质性, 且研究方法较为单一, 影响因素指标通常局限在属性数据, 不能呈现影响因素的空间分异特征。

因此, 本研究将以神农架为例, 构建旅游业影响ESV的理论框架, 并基于ESV核算结果, 采用地理加权回归(Geographically weighted regression, GWR)和增强回归树(Boosting regression tree, BRT)模型探究旅游业对ESV的影响作用及空间异质性, 以期为旅游地的可持续发展提供参考建议。

1 理论框架、指标构建与数据来源 1.1 旅游业影响生态系统服务价值的作用路径

生态系统服务对人与自然的关系具有重要作用, 旅游业高度依赖自然资源的特性要求目的地持续关注区域生态系统的健康水平。Ostrom提出的“社会-生态系统”分析框架^[17]将环境治理总结为社会系统中多重因素所引致的生态系统变化, 并又作用于人类福祉状况的过程^[18], 为人地关系研究提供了新视角。“社会-生态系统”理论认为人类与生态环境是紧密联系的复杂系统, 受内外部因素干扰和驱动^[19]。在此基础上, Petrosillo等对"旅游社会-生态系统(socio-ecological tourism-based systems)"进行了研究^[20—21], 并指出生态旅游者、大众旅游者、生态环境质量、住宿和娱乐设施四个影响系统状态的变量。陈娅玲和杨新军进一步完善了该机制框架, 并认为旅游系统对生态系统的影响将主要由旅游者、从业者和社区居民施加给旅游资源及其所在生态环境^[22]。本研究以“旅游社会-生态系统”理论为基础, 构建旅游业影响ESV的作用路径(图 1)。在旅游社会系统中, 旅游者、旅游从业者以及社区居民参与旅游活动, 通过对生态系统中自然旅游资源和旅游社会系统中人文旅游资源的利用, 提升目的地旅游发展水平。由此带来的结果是目的地“旅游社会-生态系统”总的资本存量变化, 这些变化既可能由于自然资本的退化或增加引发, 也可能因为人造有形资本(如建设住宿和娱乐接待设施)的积累而导致, 最终都将使得土地利用类型及其覆盖生态植被发生变化, 进而改变目的地生态系统服务价值。

1.2 指标构建

旅游业对目的地的生态系统的影响主要体现为旅游交通、旅游住宿及游憩活动对区域环境的改变。在影响ESV指标的选取上, 本研究重点考虑交通基础设施、住宿接待设施、游憩活动设施等因素, 同时参考Li等^[23]的研究, 选择高程(Elevation, ELE)、坡度(Slope, SLO)和坡向(Aspect, ASP)作为控制变量。基于旅游业对ESV影响的理论框架, 最终选取4个旅游业指标, 具体包括: (1)距酒店距离(Distance to hotel, DH), 酒店是旅游接待设施的主体之一, 随着目的地旅游业发展, 住宿设施规模将逐渐扩大, 其对生态环境也将产生影响, 且已有研究证实酒店对环境的负面影响^[24]。(2)距景区距离(Distance to scenic spot, DSS), 景区是游憩活动的主要载体, 景区建设一方面限制了人类活动对严格保护区的负面干扰^[25], 同时也影响了游客可达区域内生态系统的平衡, 如游客对土壤、水环境、资源环境及植被的影响^[26—27]。(3)距道路距离(Distance to road, DR), 道路表征旅游交通基础设施, 目的地旅游业的发展伴随着交通基础设施的建设, 道路通过公共交通替代私人交通、减缓道路拥堵的方式发挥环境改善效应^[28]。但道路建设对周边土壤环境、植被多样性的影响不容忽视^[29]。(4)距居民点距离(Distance to residential area, DRA), 作为承载居民活动的主要场所, 居民点成为除酒店以外的旅游住宿和餐饮接待区, 尤其是民宿这一非标住宿设施的兴起, 使得居民点成为游客与社区居民的共同活动空间。

1.3 数据来源及处理

本研究使用数据包括卫星数据、统计数据和地理位置数据(表 1), 所涉及的栅格数据分辨率均为1km×1km。研究时期选取2005、2010、2015和2018年。由于利用GWR和BRT进行影响因素分析时所需的数据类型不同, 故对预处理后的栅格数据分别做进一步处理: 首先, 将ESV测度结果赋值至1km×1km格网, 并转为栅格数据。其次, 借助ArcGIS 10.3多值提取至点工具, 将预处理后ESV和影响因素数据的属性值提取至随机生成的3270个矢量点, 并导出上述数据。最后, 利用Jenks自然断裂点法将导出的数据集由连续变量转为离散变量, 以符合GWR的建模要求; 将2005、2010、2015及2018年格网ESV空间分布图两两叠加, 若ESV发生变化, 赋值为1, 反之为0, 通过上述步骤二值化被解释变量, 解释变量则以导出数据为准, 以符合BRT的建模要求。

2 研究区概况与研究方法 2.1 研究区概况

神农架(31°21′—31°36′N, 110°03′—110°33′E)位于湖北省西部, 总面积3232.77km²。作为中国首个获得联合国教科文组织人与生物圈自然保护区(1990)、世界地质公园(2013)、世界自然遗产(2016)、国家公园试点(2016)的地区, 神农架因具备丰富的生态旅游资源吸引大量游客到访。2005—2018年, 区内旅游接待人数和旅游收入分别从86万人次、1.8亿元增加至1586万人次和57.3亿元, 旅游收入与GDP的比值由34.99%上升至200.41%, 旅游业一直是该区域的主导产业, 并推动神农架在2018年退出国家级贫困县。由于, 贫困地区与自然资源富集区往往具有高度重叠性^[30], 以旅游为主导产业发展贫困地区经济, 将伴随更大的环境威胁。因此, 研究神农架将对旅游经济增长与生态系统协调发展具有借鉴价值。

2.2 研究方法 2.2.1 生态系统服务价值评估

参考Constanza等^[31]和谢高地等^[32]提出的当量因子法测度ESV。选取谢高地等^[33]提出的农田、森林、水域、湿地和裸地ESV当量因子; 高覆盖度草地、中低覆盖度草地当量因子分别借鉴肖建设等^[34]和陈春阳等^[35]的研究; 城乡、工矿、居民用地则归为建设用地不参与ESV的核算。利用CPI消除ESV测度中的通货膨胀问题^[36], 最终计算ESV, 其公式如(1)式, 其中n为土地利用类型数量; A_m为第m类土地利用类型面积; VC_m为第m类土地利用单位面积ESV。

(1)

2.2.2 探索性空间分析

将ESV进行格网化处理, 利用ArcGIS 10.3生成1km×1km格网数据集, 借助属性字段计算器得到单位格网ESV, 其公式见(2)式。其中, ESV_t为格网ESV; n为格网内土地利用类型数量; A_t为格网面积。利用Global Moran′s I指数进行空间分析, 见(3)式。其中, N为格网数量; W_uv是单元u和单元v间的空间权重矩阵; X_u为第u个格网ESV; 。

(2)

(3)

2.2.3 地理加权回归模型

考虑到变量之间可能存在空间自相关问题, 不适用于OLS残差项独立的假设^[37], 本研究使用GWR分析ESV的影响因素。作为一种空间分析技术, GWR允许非平稳数据的使用, 并通过估计局部参数替代全局参数来探究多尺度下解释变量的影响强度及空间异质性, 具体公式见(4)式。其中, y_i为采样点i(即单位格网ESV)的因变量值; β₀为截距; (μ_i, v_i)为采样点i的投影坐标; β_k(μ_i, v_i)为采样点i的第k个自变量的系数; x_ik为采样点i的第k个自变量; ε_i为随机误差项。

(4)

2.2.4 增强回归树模型

BRT是基于分类回归树算法的一种自学习方法, 它结合了回归树和boosting的优势, 消除了影响因子之间的相互作用, 多被用于生态学领域研究。BRT通过随机选择的数据组分析自变量对因变量的影响程度, 样本中剩余数据则用来验证模型的准确程度, 以递归二元分割的形式实现迭代拟合, 多被用于预测影响因素的贡献率及其空间异质性。采用Elith等人开发的R语言BRT模型工具包^[38], 并将学习速率设置为0.005, 抽取50%数据用于回归分析, 进行五次交叉验证^[39]。

3 结果与分析 3.1 土地利用变化情况

神农架2005—2018年土地利用结构变化明显: 耕地(水田、旱地)、林地(针叶林、灌木林、针阔混交、阔叶林)、草地(高/中/低覆盖度草地)和未利用地面积总体减少, 其中以未利用地面积变化最为剧烈; 水域(河渠、滩地)及建设用地面积总体增加。

2005年神农架耕地面积分别为2190.36hm²(水田)、8662.75hm²(旱地), 到2018年增至2083.45hm²(水田)、8018.62hm²(旱地), 年均变化率由-4.34%、-6.79%减缓至-1.15%、-1.71%, 并于2015—2018年间增加0.6%、1.04%, 呈现先减后增的总体减少趋势。中低覆盖度草地面积在2010年前后变化明显, 从2005年9562.61hm²增加至9599.46hm², 随后又减少至9474.68hm²; 而高覆盖度草地则持续减少至17144.52hm²。林地的“先增后减”特征更为明显: 针叶林、灌木林、针阔混交及阔叶林面积均以2010年为拐点, 至2018年, 总体减少为32058.34hm²、60395.63hm²、79897.24hm²、113113.10hm²。

神农架水域面积的增加是社会经济发展下环境保护政策驱动的结果。自2005年起, 当地政府高度重视湿地生态的恢复与保护, 大九湖国家湿地公园的建设、生态移民工程的实施使河渠与滩地面积至2018年达到123.37hm²、68.27hm²。旅游业发展较大程度影响了区域各类型土地利用面积, 2005—2018年间, 建设用地从142.16hm²增加至926.79hm², 年均增幅15.51%, 总增长率达551.94%, 而未利用土地面积则急剧下降至0。

3.2 生态系统服务价值变化特征

土地利用类型的变化导致神农架ESV的改变。2005年、2010年、2015年和2018年神农架ESV分别为33.58亿元、53.85亿元、77.74亿元及89.10亿元(表 2), 共增加55.52亿元。11项ESV所占比例稳定。其中, 气候调节功能提供的价值占比最高, 14年间均处于28%—29%之间; 其次为水文调节、土壤保持、生物多样性和气体调节功能, 分别占比约19%、12%、11%和10%。随着旅游业的发展, 神农架美学景观价值逐年递增, 由2005年的1.58亿元增加至2018年4.18亿元, 占比总体稳定在4%—5%。而供给服务(食物生产、原料生产、水资源供给)与维持养分循环对神农架ESV贡献率较小。

由于2005—2018年神农架ESV的空间分布与变化情况较为稳定, 故仅展示2005和2018年ESV的空间分布及2005—2010年、2010—2015年ESV增量的变化情况(图 2)。高值区主要分布在神农架国家级自然保护区内部, 而低值区主要位于区域东部边界处。ESV增量的空间变化情况与其存量一致, 表现为自然保护区内ESV持续增长, 而区域东西部ESV增量相对较小。总体而言, ESV呈快速上涨趋势, 其时空演变状态较为稳定。利用ArcGIS 10.3计算4期ESV全局Moran′s I指数, 结果显示Moran′s I指数P值均为0.000, 通过1%水平显著性检验, 说明神农架ESV具有显著的空间自相关性。此外, 该结果也表明利用GWR进行影响因素回归具有一定合理性。

3.3 旅游业对生态系统服务价值的影响 3.3.1 GWR模型回归分析

由于因变量较多, 且可能因相关关系而导致归回系数产生偏差, 利用SPSS对因变量进行共线性检验。VIF均小于10, 条件指数小于30(表 3), 表明指标不存在共线性关系, 可以进行回归分析。

由于研究聚焦旅游业对ESV的影响, 故仅分析旅游业影响因素的作用及其空间异质性。对回归系数的正负值比例及决定系数进行整理(表 4), 结果表明解释变量对ESV的作用不一, 且比例呈现明显差异。DH和DRA以负向影响为主, DSS和DR则对ESV产生正向影响。从时空变化来看, DH和DR正向影响效应所覆盖的区域不断增加, DSS正向影响效应所覆盖的区域持续减少, DRA正向影响的区域比例呈先减后增的变化趋势, 正向影响覆盖比例总体扩大。

3.3.2 BRT模型回归分析

对2005—2010年、2010—2015年、2015—2018年3期数据进行建模, 经过1300次分形得到训练模型。训练数据ROC值分别为0.978、0.943、0.967, 验证数据ROC值分别为0.874、0.821、0.775, 两者ROC三期数值均达0.75以上, 表明模型拟合度较高。通过比较三阶段影响因素贡献率(表 5), 发现DRA、DSS和DH对ESV的影响作用最强, 贡献率总占比达48.5%—60.9%。其次为SLO和ASP(16.3%—32.1%)、DR(4.3%—16.2%)、ELE(7.6%—10.7%)。总体而言, ESV主要受到旅游业因素的影响, 自然因素对ESV的影响作用较弱。

3.4 旅游业影响因素的空间异质性

距居民点距离(DRA): GWR和BRT模型回归结果显示DRA对ESV的影响表现出空间的非均衡性(图 3)。GWR显示离居民点越近ESV越小, DRA对ESV主要为负向影响, 正向影响区域远小于负向影响, 且大多集中在神农架东部。时间进程中, DRA对区域影响的差异表现出不同特征, ESV系数绝对值显示北部区域最大, 东部地区次之, 即DRA对神农架北部、东部ESV影响最大, 对其他地区的影响则呈现交替变化的特点。BRT的结果显示DRA对ESV变化, 呈现出随着距离的增长由负向影响向正向影响转变的特点。2010年与2015年, DRA随着距离增加至5km, 负向影响逐渐减弱至不相关, 即此时DRA延缓了ESV变化的进程, 反映出此时的神农架城镇化进程较慢, 居民点附近的人居环境未发生较大改变。但随着距离超过5km, DRA的正向效应出现, 随着距离增加, DRA加速了ESV变化进程, 这可能是由于神农架在2005—2010年以及2010—2015年这两个阶段大量增加的建设用地用于道路基础设施建设和旅游项目开发。2018年则显示出距离对于DRA的负向效应阈值剧烈缩减, 表明旅游主导的区域发展与居民点逐步融合, 并呈现出较为稳定的土地利用格局, 因此在1—10km范围内, DRA对ESV变化影响微弱。但是随着距离再扩大, DRA表现出加快ESV变化的进程, 这可能是由于神农架在该阶段将旅游项目开发重心转向区域北部有关, 这与GWR显示的DRA对北部ESV影响最大的结论一致。

距景区距离(DSS): GWR建模结果显示了景区邻近区域的正向影响(图 4)。由于神农架的景区大多以生态旅游为主, 景区的开发反而能促进生态环境的改善, 导致ESV的增加。DSS的回归系数绝对值呈现出西部区域最大, 中南部区域次之, 其他区域影响程度交替变化的特点, 且对ESV的负向影响由中部区域向南部区域转变。这主要是因为西部区域为神农架国家公园的范围, 该区域生态环境保护较好, 但是中南部由于红坪机场、道路等基础设施建设, 使得DSS在上述区域出现负向影响。BRT的结果显示在距景区约15km以内的距离, 景区的开发建设对ESV变化有减缓效应, 即旅游景区建设未对周边的生态环境造成显著影响。但是随着距离增加, DSS对ESV变化呈现正向效应, 此时会加速ESV的变化。与GWR结果比较, BRT识别出来ESV变化的距离阈值, 但是无法体现ESV变化方向, 而GWR结果能够识别出DSS对ESV变化的方向以及影响强弱的空间差异。

距酒店距离(DH): GWR的结果验证了酒店邻近地区对ESV以负向影响为主, 但在时空上呈现出不断变化的特点(图 5)。2010年DH仅在西部区域表现出正向影响, 2015年则在北部地区, 而在2018年集中在西部与中部地区。这主要是由于西部区域酒店分布较少, 而到2015年酒店数量增加, 且该阶段随着西部区域旅游开发加快, 使得DH对ESV由正向影响变为负向影响。2018年, 该区域已纳入神农架国家公园试点, 保护工作取得成效, 因而DH对ESV产生正向影响的区域由西部逐步扩大至中部区域。BRT的结果显示2010—2015年, DH对ESV变化表现为正向效应, 其影响ESV变化的辐射范围由13km减少至5km, 并于2018年呈现出减缓ESV变化的趋势。而在更远距离的影响上, DH对ESV变化的作用微弱, 这主要是由于神农架森林覆盖率高, 离酒店15km以上主要为林地。与GWR结果比较, BRT识别出DH在2010—2015年邻近区域的ESV变化有重要影响, 这与GWR所呈现的ESV回归系数平均值较大区域主要位于酒店邻近区域一致。2018年, BRT显示DH随距离增加对ESV变化影响较为激烈, 这与GWR在该阶段DH的正向影响与负向影响区域互相交织在一起有关。

距道路距离(DR): GWR结果表明DR对邻近区域ESV以正向影响为主(图 6)。这主要是由于神农架的主干路网在2010、2015与2018年未发生显著变化, 而该阶段的环境规制水平不断提升, 因而使得DR改善了ESV。但是从2018年的结果来看, DR对ESV邻近区域正向影响降低, 这与该阶段主干交通网络建设有关。BRT的结果显示, 2010年DH对ESV变化的作用范围阈值为20km, 20km以上DR对ESV变化的减缓效应逐步提升并保持稳定。2015年, DH对ESV变化作用较小, 表明该阶段相对2010年主干道路网络基本保持稳定。2018年DH对ESV变化的作用总体上与2010年一致, 但是在对ESV变化作用的阈值上, 减少至10km, 这表明道路附近10—20km区域ESV变化加快, 该阶段远离主干道路网络的旅游项目、酒店逐步增多。比较GWR与BRT结果, 两者都显示出DR对ESV的影响, 其中GWR识别出DR对ESV的正向影响, 即道路对ESV有提升作用, 而BRT则识别区对ESV变化的作用范围存在一定波动。

4 结论与讨论 4.1 讨论

“旅游社会-生态系统”是目的地典型的人与自然相处模式, 旅游业在推动经济增长与社区发展的同时, 必然会改变目的地土地利用格局, 造成目的地ESV的变化。本研究的结论显示, 目的地可从以下四个方面平衡旅游开发与ESV的关系: (1)改善目的地人居环境, 由于非标住宿的发展, 目的地居民点开展旅游接待活动将成为常态, 社区居民的旅游服务接待活动造成大量生活废水和烟尘等污染物的排放, 影响邻近地区生态环境质量^[23]。因此有必要通过增加绿地、控制居住用地规模来促进ESV增加, 达到居民点开展旅游接待活动与ESV提升的双赢目的。(2)推动目的地生态旅游发展, 本研究案例地神农架是一个典型的生态旅游地, 其生态旅游景区的建设不但未减少ESV, 反而对ESV有正向影响, 表现出旅游开发与环境保护的共赢格局, 因此目的地应推动以“山水林田湖草沙冰”为主要吸引物的生态旅游开发。(3)控制接待设施规模, 本研究结论发现酒店接待设施对ESV变化有重要影响, 且为负向效应, 与相关研究认为酒店会带来环境问题的结论一致^[40], 因此需合理规划目的地酒店接待设施, 推动生态住宿设施建设, 消除接待设施建设对邻近区域的环境影响。(4)提升道路周边环境, 本研究结论发现神农架道路对ESV呈现正向影响的主要原因在于主干道路网络保持稳定, 这与既有研究认为道路建设对周边环境的负面影响结论不一致^[29], 但由于本研究案例地神农架森林覆盖率高, 且主干路网稳定, 所以表现出研究支持交通对环境的改善效应。因此对于交通格局较为稳定的目的地, 改善道路及其周边环境有助于提升ESV; 对于交通格局变化激烈的目的地, 则有助于减缓基础设施建设对生态环境的影响。

本研究虽然在研究机制框架构建、研究方法上有一定创新, 且在一定程度上明晰了旅游业发展对目的地生态系统服务价值的影响, 但仍存在以下改进空间: 一是在旅游业影响因素上再深化, 主要表现为本研究的道路为主干交通网络, 而没有考虑乡村公路等的影响; 二是未考虑旅游者空间分布差异对生态系统服务价值的影响, 在未来的研究中可以纳入; 三是案例地主要为生态旅游地, 研究结论的普适性受到一定约束。

4.2 结论

本研究在构建旅游业对ESV变化作用机制的基础上, 通过计算目的地ESV, 并利用GWR与BRT模型分析了旅游业因素对ESV的影响, 主要结论如下:

(1) 神农架土地利用格局变化显著, 耕地、林地、草地和未利用地面积总体减少, 至2018年分别减少到2083.45hm²、8018.62hm²、285464.31hm²、9474.68hm²和0hm², 水域及建设用地面积总体增加, 至2018年分别增加到191.64hm²和926.79hm²。(2)神农架ESV呈逐年递增趋势, 由2005年的33.58亿元增加至2018年的89.10亿元。从生态功能来看, 11项生态系统服务功能所占价值比例稳定, 以气候调节、水文调节、土壤保持及生物多样性占比居多, 达到生态系统服务功能价值的约70%。从时空演化来看, ESV呈现高度自相关性, 表现为中部高、边界低的分布格局。(3)GWR结果显示距景区距离、距道路距离对ESV正向影响显著, 距酒店距离、距居民点距离对ESV负向影响显著, 且影响程度大小分别为距景区距离、距居民点距离、距道路距离和距酒店距离。BRT结果则显示对ESV变化的各因素由大到小依次为距居民点距离、距景区距离、距酒店距离和距道路距离。(4)在空间异质性上, GWR能从全局识别出影响的空间差异以及影响效应的方向, 而BRT则能更精准识别影响ESV变化的主要因素作用范围。