生物多样性和生态系统服务政府间科学政策平台(IPBES)扩展了生态系统服务的概念, 提出了“自然对人类的贡献”(NCP), NCP框架强调了人与自然之间社会文化关系的重要性, 体现了人与自然的共同作用^[1]。IPBES将NCP分为调节、物质和非物质贡献, 其中非物质贡献被进一步细化为潜在贡献、实际贡献和环境条件^[2]。游憩服务(RS)是非物质贡献NCP16“身心体验”中的一项, 其也是区域尺度下主要的人类需求^[3], 它通过休闲、娱乐机会和体验为人类社会做出贡献^{[1, 4]}。RS对于理解自然与人类的关系至关重要, 有助于增加公众对自然保护的支持, 并为区域的可持续发展提供可能^[5], 在区域经济方面也发挥着重要作用^[6]。

人类的介入使得自然中各类景观要素所供应的潜在RS被实际使用, 进而满足人类需求并影响人类福祉^[7], 即为RS潜在贡献转化为实际贡献的过程。这种实现机制依赖于自然和社会系统的RS潜在供应量以及游憩条件(图 1), 其中RS潜在供应的载体是自然系统的“资源与环境”^{[5, 8]}, 这些资源环境即为不同的景观特征及景观特征要素；而游憩条件则取决于当地的治理方式、社会经济条件等。游憩价值与游憩条件并不能完全协同^[8], 所以潜在贡献与实际贡献存在空间错配特性。

当前, 基于支付意愿法^[9]、旅行成本法^[10—11]、替代成本法^[12]的RS经济价值评估较为常见, 这些研究大多关注于具体游憩地点^[12]的RS实际贡献经济价值, 数据依赖于特定统计单元(如行政单元或特定景区), 这导致了相关管理者往往缺乏整体区域中RS潜在供应量和空间范围的基本信息, 这是一个关键的研究空白^[6]。除了进行价值评估外, 有研究基于景观美学质量、游憩利用率和气候适宜性等方面对特定地点的RS实际贡献进行了量化^{[1, 13]}, 其中景观美学质量是评估RS潜在供应的重点, 这些研究通常使用主观共识感知评分法、物质量评估法、文献法、参与式制图法, 根据自然度、稀有度、植被覆盖度等进行美学质量赋分^{[1, 14—16]}, 这依赖于景观感知指标, 很大程度上取决于于不同人群的文化和价值观, 具有主观性, 且通常需要投入大量资源。RS的潜在供应取决于不同的景观特征, 除了土地覆盖/土地利用, 还取决于地形地貌^[17]、植被类型^[6]等, 有研究使用层次分析法^[18]对各因子确定权重, 目前明确景观特征贡献度差异的研究较少。此外, 当前很多研究常基于空间同质性的假设, 忽略了驱动因素在不同地理气候条件下的差异^[19], 采用“一刀切”式的评估方法往往忽视了地域特征。为了丰富和完善区域尺度下RS潜在供应评估的内容, 充分考虑地理气候差异, 弥补现有评估方法过于主观的缺陷, 提出一套空间明确且全面客观的RS潜在供应评估方法是亟待解决的重要问题。

景观是一个高度动态和非线性的多功能人类-环境生态系统^[20]。景观特征(例如气候、地形地貌、土地覆盖/利用、植被等)使景观之间出现分异^[21], 从而形成不同的景观类型。景观特征是由若干景观特征要素形成, 例如土地覆盖这一景观特征包含耕地、森林、水体等景观特征要素。景观类型可以被看作是各类景观特征要素的聚类簇, 关联量化各景观特征要素与RS之间的关系至关重要^[22]。景观特征评估(LCA)作为一种有效的“基于场地的”社会生态框架, 可以成为评估RS的有效途径, 满足人类需求和响应环境变化, 已经有研究证明其能有效识别自然提供的非物质服务^[23]。

本研究提出了2个科学问题：1、自然系统的景观特征及要素如何影响该区域内的RS实际贡献；2、如何在特定区域, 根据RS实际贡献所在环境条件的景观特征及其要素, 预测RS潜在贡献的空间分布, 并评估其潜在供应量。本研究以“亚热带湿润淮阳低山景观区”这一地理气候区为例, 根据该区域的RS实际贡献, 使用地理探测器评估了区域尺度下不同景观特征对RS的贡献度差异, 并使用随机森林模型将景观特征要素与RS潜在供应能力进行关联量化分析, 基于这两部分评估得到景观区RS潜在供应情况。本研究提出的这一RS潜在供应评估方法预测了区域游憩资源开发前景, 以期为当地的游憩资源开发、全域旅游规划以及土地利用规划管理提供科学依据。

1 研究区域概况及数据来源 1.1 研究区域

研究区域为亚热带湿润淮阳低山景观区(R8)(图 2), 其为亚热带湿润区^[24]和淮阳低山区^[25]叠加形成的地理气候区^[26], 面积为106526.62km², 处于长江与淮河的分水岭地带。地貌特征主要为低山丘陵平原, 中部至东部横贯桐柏山-大别山山脉, 中部为绵延的低山丘陵, 西部靠南为大洪山, 西部靠北为南阳盆地, 北部为伏牛山脉。气候特征主要为亚热带湿润气候, 四季分明, 光照充足, 雨量充沛。

1.2 数据来源 1.2.1 景观特征数据载体

研究中用于测度景观特征的数据载体、数据来源、精度、类型和处理方法见表 1。

1.2.2 风景资源点数据

游憩行为客体的类型反映了基本游憩功能, 本研究依据《旅游资源分类、调查与评价》(GB/T18972—2003), 结合相关文献, 根据游憩项目类型及游憩行为客体, 将风景资源界定为5类：现代人文类、历史人文类、农业类、自然地质类、森林公园类。研究使用2020年全国A级旅游景区、国家森林公园的点位数据。对这些风景资源点进行分类、去重, 得到现代人文类风景资源26个、历史人文类风景资源90个、农业类风景资源36个、自然地质类风景资源150个、森林公园类风景资源34个, 共336个。再使用ArcGIS Pro 2.7.0分别将这5种风景资源点进行核密度分析, 形成5组景源密度数据。

2 研究技术框架与研究方法 2.1 研究假设

本研究假设景观特征海拔、起伏度、地貌成因、土地覆盖、植被等对RS贡献度各不相同, 景观特征中不同景观特征要素的RS潜在供应能力也各不相同。RS的潜在供应量由景观特征的贡献度和景观特征要素的潜在供应能力共同决定, 并且还依赖于景观类型中的景观特征要素的面积占比。特定类型的RS潜在供应利用函数表示如下：

(1)

式中, i可取值为现代人文、历史人文、农业、自然地质、森林公园类型；A、U、L、LC、V为5种景观特征, 分别海拔、起伏度、地貌成因、土地覆盖、植被；α, β, γ, δ, ε分别为海拔、起伏度、地貌成因、土地覆盖、植被的RS贡献度；A_a、U_u、L_j、LC_lc、V_j为景观特征要素的RS潜在供应能力；a、u、j、lc、j为景观特征要素, 在本研究区域中, a可取值为中海拔、低海拔, u可取值为平原、低丘陵、高丘陵、小起伏山地, j可取值为湖成地貌、流水地貌、黄土地貌、喀斯特地貌, lc可取值为耕地、森林、草地、湿地、水体、人造表面、荒地, v可取值为针叶林、阔叶林、灌丛、草丛、草甸、栽培植被、其他植被；P_a、P_u、P_l、P_lc、P_v分别为景观特征要素在景观类型中的面积占比。

2.2 研究技术框架

本研究受物种分布模型(SDMs)原理的启发, 结合人与自然共同实现RS的机制(图 1), 制定了本研究的技术框架(图 3), 为RS进行“生态位”建模^[23], 以测算景观区游憩服务潜在供应量。

本框架RS实际贡献和环境变量两类数据：1)现有的各类风景资源点数据代表RS实际贡献, 它们直接指示了RS的当前分布, 设定为“存在”数据^[16]；2)环境变量包括景观特征(海拔、起伏度、地貌成因、土地覆盖、植被)和各类景观特征要素(低海拔、平原、黄土地貌、耕地、针叶林等), 它们定义了风景资源点存在的环境条件。

它的运作原理包括三个部分, 1)数据收集与处理：收集与处理风景资源点数据、景观特征(要素)数据；2)数据分析：使用地理探测器评估5种景观特征的游憩服务贡献度, 使用随机森林模型在给定的RS实际贡献区域上学习景观资源点与景观特征要素之间的关系, 从而量化24个景观特征要素的RS潜在供应能力；3)预测：根据景观特征的游憩服务贡献度(指标权重)和景观特征要素的RS潜在供应能力(指标分值)来预测景观区中每种景观类型的RS潜在供应量。

2.3 景观类型识别划分

采用两步聚类法对研究区域进行景观类型识别划分。首先创建景观样方网格, 网格单元大小为2000m×2000m。该网格大小是一个在捕捉景观细节和维持较大尺度景观异质性分析的有效折衷：1)既保留了对小规模景观结构的敏感性, 可以使规模较小的景观特征要素斑块相互关联, 从而有效参与聚类；2)同时能够使每个网格足够涵盖景观特征要素的类型, 在区域尺度下体现景观特征的空间异质性, 并可以有效保留景观镶嵌体状态。

使用ArcGIS Pro 2.7.0中的交集制表工具统计每个网格内每一个景观特征要素的面积占样方面积的百分比, 形成存储信息的景观样方矩阵；然后使用IBM SPSS Statistics 27执行两步聚类分析方法, 将具有类似景观特征要素组成的样方聚类为一组；最后将聚类结果进行可视化, 每个景观样方根据聚类结果得到一个类型编号, ArcGIS Pro 2.7.0的符号系统给每个类型编号分配唯一一种颜色, 从而实现可视化。

2.4 地理探测器

本研究使用地理探测器模型中的因子探测器和交互探测器分析了5种景观特征(海拔、起伏度、地貌成因、土地覆盖、植被)对5类RS(现代人文RS、历史人文RS、农业RS、自然地质RS、森林公园RS)的贡献度(指标权重)。地理探测器中的因子探测器可以检测不同解释因子对目标变量的影响程度和模式以揭示地理现象背后的驱动因子^[27], 结果是一个介于0到1之间的q值, 其表示自变量对因变量的影响程度；交互作用探测器可以评估景观特征要素两两共同作用对因变量的解释力增强或者减弱。该方法使用R-4.2.2中的geodetector包实现。

2.5 基于最优参数选取的随机森林模型

随机森林(Random forest, RF)模型可以评估变量重要性, 并非常适宜用来绘制RS潜在供应图^[28], 突破了既往研究使用传统线性方法的多项限制。其是一种集成算法, 它集成了几个决策树来形成累积效应^[29], 其优点是无需对数据进行降维也能处理高维空间数据集, 对变量共线性不敏感^[30], 并可以有效利用不同尺度的数据, 也不要求数据正态分布。RF算法的基本思路是使用Bootstrap方法从原始数据中重复随机提取N组训练集并返回, 每组训练集的大小约为原始数据的2/3, 测试集的大小约为1/3^[31], 每个决策树由一组训练集组成。在构建每棵决策树的过程中, 从M个特征变量中随机选择m个用于内部节点的划分, 由m个特征组成的子集称为特征的随机子空间。最后对N个决策树的预测结果进行整合, 并确定新的样本的类别, 从而构建一个包含N个决策树的RF模型, 测试机对模型的性能进行评分, 并对每个特征的重要性进行排序。

使用随机森林将样本点随机分为70%的训练集和30%的测试集, 训练集用于建立模型, 测试集用于对模型的性能进行评分。RF模型由python 3.7.6中的Scikit-Learn包^[32]随机森林回归器构建, 结合RandomizedSearchCV^[33]随机搜索进行超参数随机匹配择优和GridSearchCV^[33]遍历搜索进行超参数遍历匹配择优, 确定了模型的超参数, 在模型训练和测试之后, 输出的增加的节点纯度值将作为判断模型中自变量重要性的指标, 值越大表明该变量对RS潜在供应模拟结果越重要。

3 结果分析 3.1 景观类型

基于聚类分析法, 根据海拔、起伏度、地貌成因、土地覆盖和植被5种景观特征的共24个景观特征要素, 研究区域被识别划分出16种景观类型(图 4), 各景观类型中的景观特征要素组成见图 4。

3.2 基于地理探测器的景观特征游憩服务贡献度评估 3.2.1 风险区探测器

风险区探测器显示了每个景观特征要素的5种RS实际贡献量的平均值, 以及不同景观特征要素之间的RS实际贡献量的差异(图 5)。

结果显示, 现代人文RS的实际贡献在水体中最高, 而在湿地中却最低, 这在一定程度上体现了水体和湿地在游憩条件上的差异, 治理方式不同可能影响现代人文类游憩基础设施的建设, 从而影响实现RS潜在贡献的过程；历史人文RS的实际贡献在不同海拔间的差异不大, 但在黄土地貌和喀斯特地貌间的差异明显, 在黄土地貌中, 其平均值最高, 而在喀斯特地貌中最低, 将历史人文类风景资源点分布与地貌成因空间分布叠加可以发现, 黄土地貌存在丰富的历史遗迹和文化景观, 而该区域喀斯特地貌中包含极少历史遗迹, 这是造成该差异的重要因素；农业RS的实际贡献在平原地区的平均值比小起伏山地小, 虽然平原地区的农业景观资源更易于开发利用, 但平原的耕地往往在耕地红线内, 这在一定程度上限制了潜在贡献的实现；自然地质RS的实际贡献在低海拔和中海拔、黄土地貌和喀斯特地貌、平原和小起伏山地、森林和湿地, 针叶林和草甸间存在显著差异；森林公园RS的实际贡献在平原和小起伏山地, 湖成地貌和黄土地貌, 针叶林和草甸间存在显著差异, 但值得注意的是, 森林公园RS在荒地中显示出异常高的值, 这是由于荒地的总体面积较小(34.03km²), 仅占研究区域的约0.0319%, 其样本量相对较小, 景观特征要素面积大小的差异导致了风险区探测器的不稳定性。所以风险区探测器的结果仅显示了RS实际贡献分布的平均值, 在分析解释力方面存在一定局限性, 需要使用随机森林模型评估景观特征要素对RS实际贡献的解释力。

3.2.2 交互作用探测器

交互作用探测器的结果显示各景观特征双因子交互作用后对RS实际贡献(图 5)均具有增强效果这说明RS实际贡献是多个景观特征交互作用的结果。起伏度和地貌成因之间几乎总是存在最大的非线性增强关系, 说明这两个指标交互作用的解释力均大于各自单独作用时的解释力之和。5种RS中景观特征交互作用较大的q值均有起伏度的参与, 说明起伏度是RS实际贡献的重要解释指标。

3.2.3 因子探测器

因子探测器确定了5种景观特征对5类RS的贡献度(图 6, 表 2), 即指标权重。结果表明(图 6), 所有景观特征对各类RS实际贡献均具有显著性影响(P < 0.05), 不同景观特征对各类RS实际贡献的解释能力存在差异。总体而言, 各景观特征对现代人文RS实际贡献的解释力总体呈现出：地貌成因>起伏度>海拔>植被>土地覆盖的规律；对历史人文RS实际贡献率的解释力呈现出：地貌成因>植被>土地覆盖>起伏度>海拔的规律；对于农业RS实际贡献率的解释力呈现出：起伏度>植被>地貌成因>土地覆盖>海拔的规律；对于自然地质RS实际贡献率的解释力呈现出：起伏度>海拔>土地覆盖>植被>地貌成因的规律；对于森林公园RS实际贡献率的解释力呈现出：起伏度>植被>土地覆盖>海拔>地貌的规律。既往研究认为, 土地覆盖和植被是影响RS实际贡献最重要的景观特征^[1], 本研究的结果表明, 特定区域不同景观特征在解释不同类型RS实际贡献的表现上具有差异。

3.3 基于随机森林模型的景观特征要素游憩服务潜在供应能力评估

研究区域有27490个样本, 每个样本均包含24个景观特征要素和5种类型RS(表 2)实际贡献量的信息, 基于超参数随机匹配择优和随机遍历择优分别确定了各模型的最优参数(表 3), 包括决策树最大深度、最大分离特征数、最小子叶子节点样本数和决策树个数, 构建了5个随机森林模型(RFM1、RFM2、RFM3、RFM4、RFM5)。模型给出了两个指数评估影响因子的重要性程度：增加的均方误差(IncMSE)和增加的节点纯度(IncNodePurity)。由于本研究的特征变量之间都具有高相关性(图 5), IncNodePurity在面对特征间的高关联性时通常更加稳定, 除此之外, 该指数是基于特征在随机森林中的决策树节点分裂时减少不纯度的能力来衡量特征重要性, 它更重视特征的解释性, 所以选择IncNodePurity进行重要性排序。

结果显示了24个景观特征要素的5类RS潜在供应能力(表 2)及空间分布图(图 7)。就海拔而言, 对于现代人文、历史人文、农业三种RS类型, 低海拔与中海拔之间的RS潜在供应能力差异不显著, 中海拔具有相对更高的自然地质和森林公园RS潜在供应；就起伏度而言, 平原的现代人文、历史人文、农业、森林公园RS潜在供应能力相对较强, 而对于自然地质类型RS的潜在供应能力大小, 呈现出高丘陵>低丘陵>平原>小起伏山地的特征；就地貌成因而言, 黄土地貌的现代人文和历史人文RS潜在供应能力相对较强, 喀斯特地貌的自然地质和森林公园RS潜在供应能力相对较强, 而对于农业类型RS的潜在供应, 流水地貌具有相对最高的能力；就土地覆盖而言, 森林的现代人文、农业、自然地质和森林公园RS潜在供应能力均相对较强, 对于历史人文类RS的潜在供应, 耕地的能力相对较强；就植被而言, 针叶林的农业、自然地质和森林公园类型的RS潜在供应能力相对较强, 而栽培植被的现代人文和历史人文RS潜在供应能力相对较强。

3.4 景观类型的游憩服务潜在供应量评估

将5种景观特征的RS贡献度作为指标权重(图 6, 表 2), 将24种景观特征要素的RS潜在供应能力作为指标分值(图 7, 表 2), 根据每种景观类型中的景观特征要素的面积占比(图 4), 根据公式1最终计算出16种景观类型的各类RS潜在供应量(图 8)。

其中, 具备较高的现代人文RS潜在供应量的有景观类型1、2、3、5、9, 这些景观类型的共同特征是低海拔平原, 交通条件优越, 主要分布在湖北省随州市中部、孝感市西部、襄阳市东部及北部、随州市中部, 河南省南阳市东部等地区, 占研究区域总面积的48.63%。具备较高历史人文RS潜在供应量的有景观类型1、2、3、5、9、14, 这些景观类型孕育了较多的历史遗迹, 主要分布在河南省郑州市南部, 许昌市西部、驻马店市西部、信阳市西南部、黄冈市西部, 湖北省襄阳市东部等地区, 占研究区域总面积的54.96%。具备较高的农业RS潜在供应量的有景观类型1、3、5、9, 它们均为低海拔平原流水地貌, 以农田、河湖农田、城郊农田为主, 具有较高的建设生态农庄、产业园的潜力, 主要分布在河南省南阳市中部、驻马店市西部、信阳市西南部, 湖北省襄阳市北部、荆门市中部、随州市中部、孝感市中部、黄冈市西部等地区, 占研究区域总面积的47.37%。具备较高的自然地质RS潜在供应量的有景观类型10、11、12、13, 这些景观类型的地形特征主要为低、高丘陵自然景观, 主要分布在安徽省安庆市西部、六安市南部, 湖北省黄冈市东部、随州市北部、孝感市北部、十堰市东部等地区, 占研究区域总面积的27.05%。具备较高的自然地质RS潜在供应量的有景观类型1、2、3、8、11、15, 它们的植被特征主要以灌丛、阔叶林森林为主, 主要分布在湖北省荆门市北部、襄阳市北部、随州市南部、孝感市西北部、黄冈市北部；河南省信阳市西南部等地区, 占研究区域总面积的59.32%。

4 讨论与结论 4.1 理论和方法意义

本研究采用基于地理探测器和随机森林模型的RS潜在供应评估方法, 以空间明确的客观方式来预测区域景观的RS潜在供应分布, 可以为区域规划提供依据, 具有创新意义。

如何客观评估和绘制完整空间范围内的RS潜在供应图一直是一项挑战^[34—36], 本研究提出了一种客观的评估方法, 即利用RS实际贡献的环境特征作为地理探测器和随机森林建模参数, 这个方法不仅能客观从数值上理解RS实际贡献的景观资源特征, 还能克服传统的专家打分法固有的不确定性和主观性, 为区域景观的RS潜在供应评估提供了合适的选择。由于使用国家A级景点景区等作为RS实际贡献的基础数据, 体现了群体的复合偏好。

与传统基于公众参与的评估方法相比, 建模方法具有高效、客观等特点, 且具有普遍应用性, 易于复现, 能够在区域尺度下产生空间连续的评估结果, 不依赖于特定统计单元的面板数据, 因此建模方法适合用于全域旅游规划的前期评估。而传统评估方法更加灵活, 可以全面地考虑不同利益相关者的见解, 且评估结果的可解释性较强, 两种方法各有优势, 在今后的研究中可以考虑将二者互补进行综合评估。

4.2 景观特征的游憩服务贡献度

景观特征是形成场地特有感受的因素, 其能够反映景观的状态和质量^[37], RS的潜在供应很大程度上就取决于人类根据景观的状态和质量而产生的场地感受, 海拔、地形、土地覆盖、植被等景观特征都是RS潜在供应的重要决定因素, 这与既往研究得到的结论^{[6, 38]}是一致的。而地貌成因作为RS潜在供应的内在驱动因素, 对人文类RS起到重要影响, 这在既往研究中被极大忽略。地形起伏度被认为在山地保护地文化服务供应中非常重要^[23], 本研究的结果补充了这一结论, 发现其对农业、自然地质、森林公园类型的RS同样极为重要。当前的大多数研究虽然已经涉及了不同的景观特征, 但大多数研究仍然认为特征的贡献度是一致的, 直接进行等权重叠加^[22]。目前针对不同类型RS的分类探讨几乎尚未展开, 本研究使用地理探测器方法, 针对不同类型RS, 分类确定了RS的景观特征贡献度差异, 从而为该领域提供了新的见解。

4.3 景观特征要素的游憩服务潜在供应能力

当前大部分研究是针对特定地点, 基于游客偏好来评估景观特征要素的RS供应能力, 例如Nyelele等人在内华达山脉游憩服务研究中^[6]发现, 游客更偏好山脉、丘陵和岩石, 其次是树木和水体等, 并指出丘陵和山脉是游憩服务的关键预测因素。该地区海拔较高, 主要游憩活动为户外徒步, 主要涉及自然地质类RS, 虽然这一结论不能被普遍适用于所有地区, 但与本研究的结果之一相一致, 即高丘陵对自然地质类RS极为重要。此外, 本研究的发现与之前的研究^[22]相符, 表明森林具有较强的RS潜在供应能力^[39]。然而, 在森林植被类型方面, 具有地域差异：Gosal等人在对欧洲和北美的研究^[38]中发现, 在欧洲, 针叶林对RS有负向影响, 而在北美, 这种影响不明显。与此相对照, 本研究区域中针叶林对现代人文、农业、自然地质和森林公园类RS的供应潜力显著。这表明景观特征要素在不同地区对RS供应能力的影响因地域而异, 取决于RS的类型及区域本身的具体特征。在地貌成因方面, 本研究发现喀斯特地貌在自然地质类RS供应方面具有较大潜能, 这与Nikolova等人的研究^[40]结论一致, 创新性地发现了黄土地貌对研究区域的人文类RS供应起到显著积极作用, 这可能源于研究区域内黄土地貌独特的土壤条件, 它们从根源上催生了陶瓷工艺的起源与发展, 进而显著影响历史人文和现代人文RS的供应。

4.4 景观类型的游憩服务潜在供应

特定景观类型是若干景观特征要素的聚类簇, 综合评估景观类型的RS潜在供应可以进一步得到若干景观特征要素对RS供应的多维影响。由于地理气候因素对游憩环境适宜性的影响极大, 本研究将景观区作为评估范围, 评估景观区内每种景观类型的RS潜在供应, 充分考虑了地域的分异特征, 能够最大限度控制变量, 避免其带来的潜在影响, 使评估结果出现偏差。除此之外, 以景观类型作为评估单元, 可以因地制宜地制定针对景观类型的规划管护策略, 能够保证景观完整性, 避免同质化、破碎化等现象出现。

4.5 研究不足与展望

本研究只观察了景观特征、景观特征要素与RS之间存在相互依赖关系, 为了分析景观特征及其要素对RS供应的影响机制, 在未来的研究中可以进一步对它们之间的权衡与协同作用进行分析。

由于数据的限制, 本研究中的人文景观特征只涉及到土地覆盖中的人造地表, 以及耕地这种半自然景观特征要素。在未来的实践中, 例如植被类型中的针叶林、阔叶林可以与森林资源二类调查数据中的林种类型整合, 细分为防护针叶林、用材针叶林、经济阔叶林等, 可以尽可能地将人文景观资源特征要素纳入建模分析。

4.6 结论

(1) RS与区域内的各种景观特征密切相关, 包括海拔、起伏度、地貌成因、土地覆盖、植被, 但不同景观特征对RS的贡献度不同, 因此在评估RS潜在供应量时不能等权重考虑。

(2) 景观特征中的各类要素的RS潜在供应能力不同, 其大小取决于RS的类型和区域本身的具体特征, 所以这要求对RS潜在供应进行因地制宜的分类评估。

(3) 提出了一套针对区域景观的RS潜在供应量的客观评估方法：根据景观区内的各类RS实际贡献情况, 首先基于地理探测器方法评估景观特征的RS贡献度；然后构建随机森林模型, 将景观特征要素的RS潜在供应能力进行量化分析；最后将景观特征的RS贡献度作为指标权重, 将景观特征要素的RS潜在供应能力作为指标分值, 根据景观特征要素在景观类型中的面积比例, 以亚热带淮阳低山景观区为例, 评估了该景观区的RS潜在供应量。

在当前RS供需不均衡的背景下, 空间明确的RS潜在供应客观评估可为未来规范化各类型游憩地点的建设选址提供依据, 并为全域旅游规划和区域发展提供科学参考。