周 彬,虞 虎,鐘林生,*,陳 田

1 寧波大學旅游系,寧波 315211 2 中國科學院地理科學與資源研究所,北京 100101

普陀山島旅游生態(tài)安全發(fā)展趨勢預測

周 彬1,2,虞 虎2,鐘林生2,*,陳 田2

1 寧波大學旅游系,寧波 315211 2 中國科學院地理科學與資源研究所,北京 100101

科學地預測海島目的地旅游生態(tài)安全發(fā)展趨勢,對促進海島旅游經(jīng)濟和生態(tài)環(huán)境協(xié)調發(fā)展具有重要的理論意義和實踐價值?；诳沙掷m(xù)發(fā)展的視角,建立了由承載力-支持力-吸引力-延續(xù)力和發(fā)展力(CSAED模型)子系統(tǒng)構成的普陀山旅游生態(tài)安全指標體系,并在灰色系統(tǒng)GM(1,1)模型和RBF神經(jīng)網(wǎng)絡模型比較選優(yōu)的基礎上,對普陀山島旅游生態(tài)安全發(fā)展趨勢進行了預測。研究結果表明：(1)和灰色系統(tǒng)GM(1,1)模型相比,RBF神經(jīng)網(wǎng)絡模型的Pearson相關系數(shù)和誤差均方根值更優(yōu),可更精確地擬合普陀山島旅游生態(tài)安全發(fā)展趨勢;(2)2015—2020年,普陀山島旅游生態(tài)安全指數(shù)的RBF神經(jīng)網(wǎng)絡模型預測結果由0.7017增加至0.8135,安全等級由比較安全上升至非常安全。研究結果可為維護普陀山島旅游生態(tài)安全提供決策依據(jù)。

旅游生態(tài)安全;預測;RBF神經(jīng)網(wǎng)絡模型;灰色GM(1, 1)預測模型;普陀山島

當前,以海洋經(jīng)濟為主導的藍色經(jīng)濟正在成為推動國家和區(qū)域發(fā)展的強大引擎[1]。海島旅游作為海洋經(jīng)濟的重要組成部分,呈現(xiàn)出蓬勃的發(fā)展生機[2]。然而,海島生態(tài)系統(tǒng)具有孤立性、脆弱性以及生物結構簡單、環(huán)境承載力低等特點,任何對海島生態(tài)系統(tǒng)的干擾都可能影響其穩(wěn)定性。伴隨著海島旅游的快速發(fā)展,很多海島成為了著名的旅游地,然而海島旅游生態(tài)安全維護措施卻相對薄弱,極易導致近海陸地植被減少、土壤侵蝕、海水富營養(yǎng)化等生態(tài)環(huán)境問題,使其生態(tài)旅游服務功能下降,威脅海島旅游的可持續(xù)發(fā)展[3- 4]。因而,在海島旅游發(fā)展過程中,如何維護海島目的地生態(tài)系統(tǒng)結構和功能的完整性,改善其組織力、恢復力和活力,提升生態(tài)服務功能,對于提升其旅游生態(tài)安全水平頗為重要。

生態(tài)安全研究可為維護區(qū)域生態(tài)安全,實現(xiàn)社會、經(jīng)濟和生態(tài)環(huán)境可持續(xù)發(fā)展提供理論依據(jù)。當前,國內外生態(tài)安全研究的內容主要包括生態(tài)安全起源、生態(tài)安全基礎理論、生態(tài)安全(風險)評價、生態(tài)安全預警和生態(tài)安全調控等領域[5]。其中,生態(tài)安全基礎理論研究領域主要涉及生態(tài)安全的概念、功能等內容[6- 9];生態(tài)安全評價研究主要涉及評價指標體系構建[10]、評價標準制定[11]、評價方法探索[12]、評價模型構建[13];生態(tài)安全預警研究內容包括預警理論[14]、預警體系[15]、預警方法[16]與模型[17]、預警技術[18]等內容。作為學術前沿問題的旅游生態(tài)安全研究也受到了學界關注。從研究內容來看,學者們就旅游生態(tài)安全的影響因素[19]、影響機理[20]和動力機制[21]、旅游生態(tài)安全評價[22]及其時空格局[23]、旅游生態(tài)安全的預警系統(tǒng)和預警機制[24- 25]與維護路徑[26]等內容開展了研究。從研究方法來看,生態(tài)足跡法[27- 28]、系統(tǒng)動力學方法[29]、層次分析法和德爾菲法[30]以及社會科學研究中的扎根理論方法[31]等均出現(xiàn)在旅游生態(tài)安全文獻之中。在旅游生態(tài)安全指標體系構建方面,現(xiàn)有文獻主要遵循下列思路：(1)根據(jù)復合生態(tài)系統(tǒng)理論,建立基于經(jīng)濟-環(huán)境-社會子系統(tǒng)的評價體系[23];(2)根據(jù)Rapport的活力-組織力-恢復力(VOR)理論[32],結合旅游地復合生態(tài)系統(tǒng)的特征,構建基于活力、組織結構、恢復力、服務功能和旅游社區(qū)的指標體系[4];(3)根據(jù)壓力-狀態(tài)-響應(PSR)框架模型[33],篩選影響旅游地生態(tài)安全的指標,并按照PSR框架模型與其子系統(tǒng)的邏輯關系構建指標體系[34];(4)從可持續(xù)發(fā)展角度,探究制約可持續(xù)旅游發(fā)展的因素,建立旅游生態(tài)安全指標體系[35];(5)基于旅游地生態(tài)環(huán)境管理的視角,利用結構方程模型構建由制度環(huán)境、監(jiān)管與建設行為、干擾行為以及安全狀態(tài)構成的旅游生態(tài)安全IRDS概念模型及其測評指標體系[20]。綜合國內外相關研究文獻可以發(fā)現(xiàn)：近年來,生態(tài)安全研究已構建和發(fā)展了相對完整的理論基礎和研究體系,聚焦了地理學、環(huán)境科學和生態(tài)學等多學科的知識基礎和熱點問題,形成了生態(tài)安全概念和內涵、評價指標和評價方法等重點研究領域,為旅游生態(tài)安全研究奠定了良好的方法論基礎。隨著人們對旅游地生態(tài)系統(tǒng)認識的不斷深入,學界對旅游生態(tài)安全研究的關注程度日益上升,其研究尺度不斷拓展,研究視角持續(xù)創(chuàng)新。

旅游生態(tài)安全是確保旅游地生態(tài)系統(tǒng)正常發(fā)揮服務功能的基礎。本研究將旅游地生態(tài)系統(tǒng)的功能歸納為承載力、支持力、吸引力、延續(xù)力和發(fā)展力5個方面,并從可持續(xù)發(fā)展的視角構建了旅游生態(tài)安全指標體系,綜合使用RBF神經(jīng)網(wǎng)絡模型、灰色系統(tǒng)GM(1, 1)模型、主成分分析和灰色關聯(lián)分析等模型與方法開展普陀山島旅游生態(tài)安全發(fā)展態(tài)勢預測研究,以期探索旅游生態(tài)安全研究的新技術和新方法,豐富和完善旅游生態(tài)安全研究內容,并為案例地旅游生態(tài)安全管理提供科學依據(jù)。

1 研究區(qū)概況

普陀山島位于舟山群島東部海域,地處21°30′—123°25′N和29°32′—31°04′E之間,陸域面積11.7 km2,海岸線長32.7 km,隸屬于舟山市普陀區(qū),由普陀山、洛迦山、南山、小山洞、豁沙山、小洛迦山等島嶼組成。普陀山島素有“海天佛國”的美譽,是我國著名的四大佛教名山之一,也是全國首批國家級風景名勝區(qū)和國家5A級旅游景區(qū),主要由南天門、普濟寺、后山、西天、法雨寺、佛頂山、梵音洞、紫竹林、洛迦山等景點構成。隨著旅游經(jīng)濟的快速發(fā)展,普陀山旅游環(huán)境容量日趨飽和、旅游廢棄物排放量逐漸增加、近海水質進一步惡化等問題威脅著普陀山島旅游生態(tài)安全。

2 研究方法

2.1 指標體系構建

2.1.1 構建依據(jù)

旅游生態(tài)安全是指在一定時空范圍內,通過對旅游資源的合理開發(fā)和旅游生態(tài)環(huán)境的有效管理,使旅游地生態(tài)系統(tǒng)具有結構的相對穩(wěn)定性和功能的多樣性,為旅游發(fā)展提供豐富的物質資源和和諧的環(huán)境空間,維持旅游地自然-社會-經(jīng)濟復合生態(tài)系統(tǒng)協(xié)調發(fā)展[22]。旅游地生態(tài)系統(tǒng)既要具備自身結構和功能的完整性,更要在確保承載力和支持力的前提下,具有相應的吸引力和延續(xù)力,從而發(fā)揮旅游地自然-經(jīng)濟-社會復合生態(tài)系統(tǒng)的可持續(xù)發(fā)展能力。旅游地可視為具有復合生態(tài)系統(tǒng)功能的有機體,若其功能一旦紊亂,則其生態(tài)安全受到了威脅。在參考相關研究[36]的基礎上,本文將旅游地功能概括為承載力、支持力、吸引力、延續(xù)力和發(fā)展力5個方面,即CSAED模型。(1)承載力是旅游地自然生態(tài)系統(tǒng)和游客體驗出現(xiàn)不可接受變化之前的環(huán)境狀態(tài)[37],表現(xiàn)為其對旅游經(jīng)濟和社會發(fā)展的環(huán)境承載功能,可為確保生態(tài)系統(tǒng)安全運行、促進旅游經(jīng)濟持續(xù)發(fā)展提供生態(tài)保障。(2)支持力反映了物質資源、能源和基礎設施等要素對旅游地復合生態(tài)系統(tǒng)的支持程度,也是這些要素在維護旅游生態(tài)安全過程中重要性的體現(xiàn)。例如,旅游地的土地資源不但為旅游活動提供基本場所,還是旅游經(jīng)濟發(fā)展所依賴的重要資源要素。(3)吸引力來源于旅游吸引物[38]的概念,旅游地生態(tài)系統(tǒng)的吸引力是其區(qū)別于其它類型生態(tài)系統(tǒng)的核心服務功能,表現(xiàn)為激發(fā)游客旅游動機,吸引游客離開客源地達到目的地并給旅游者帶來積極效益和特征的能力[39]。(4)延續(xù)力是旅游地復合生態(tài)系統(tǒng)功能和活力的體現(xiàn),也是促進旅游地生態(tài)系統(tǒng)可持續(xù)演進的基礎,主要表現(xiàn)為旅游地人口的內涵式增長和經(jīng)濟的高效公平發(fā)展。前者表現(xiàn)為承載力范圍內的人口規(guī)模擴大、質量提升以及勞動力供求均衡,后者主要體現(xiàn)在經(jīng)濟活動對旅游目的地發(fā)展的拉動、資源配置過程中經(jīng)濟效率的提升等。(5)發(fā)展力通過旅游公共管理制度完善、產(chǎn)業(yè)融合、業(yè)態(tài)創(chuàng)新以及資源整合等途徑,獲得旅游地復合生態(tài)系統(tǒng)經(jīng)濟總量的增加和質量的提升,實現(xiàn)旅游地生態(tài)系統(tǒng)的良性循環(huán),推動其向更加安全的方向發(fā)展。CSAED模型體現(xiàn)了旅游地生態(tài)系統(tǒng)從生態(tài)環(huán)境承載力基礎到資源、能源與基礎設施支撐再到旅游可持續(xù)發(fā)展的系統(tǒng)性特征。同以往表征旅游生態(tài)安全的框架模型相比較,該模型更注重反映旅游地生態(tài)系統(tǒng)的功能。故此,本文將旅游地視為一個具有承載力、支持力、吸引力、延續(xù)力和發(fā)展力等功能,既互相關聯(lián)又具有各自特點的自然-社會-經(jīng)濟復合生態(tài)系統(tǒng)。

2.1.2 指標體系構建

本文通過旅游地復合生態(tài)系統(tǒng)功能的CSAED模型分析,基于可持續(xù)發(fā)展的視角,按照以下原則構建普陀山島旅游生態(tài)安全指標體系(表1)：①力爭全面反映旅游地復合生態(tài)系統(tǒng)的可持續(xù)性以及子系統(tǒng)的功能特征和相互聯(lián)系;②充分考慮旅游地復合生態(tài)系統(tǒng)安全的動態(tài)性特征,便于對其進行時間序列的動態(tài)分析和發(fā)展態(tài)勢預測;③盡可能地使構建的指標體系具有普適性,以便進行不同海島目的地旅游生態(tài)安全的橫向比較;④兼顧數(shù)據(jù)的可獲得性和指標的前瞻性,為將來進一步完善旅游生態(tài)安全指標體系奠定基礎。

表1 基于CSAED模型的普陀山島旅游生態(tài)安全指標體系

指標X6—X9的原始數(shù)據(jù)通過2005—2014年普陀山島遙感影像提取獲得,其余指標數(shù)據(jù)由普陀山風景區(qū)管委會提供

(1)承載力子系統(tǒng) 健康的海島旅游地生態(tài)系統(tǒng)須要以海島生態(tài)環(huán)境承載力和海島生態(tài)系統(tǒng)組織結構兩個要素的不斷完善為前提。海島生態(tài)環(huán)境承載力用海島空氣質量優(yōu)良率、海島環(huán)境噪聲平均生效等級、近海一、二類海水水質標準海域面積比例、海島生活垃圾集中處理率、海島生活污水處理率5個指標衡量;海島生態(tài)系統(tǒng)組織結構用林地斑塊面積比、裸巖斑塊面積比、水域斑塊面積比和沙灘斑塊面積比4個指標表征。

(2)支持力子系統(tǒng) 海島旅游地通過自然資源和能源的高效開發(fā)和循環(huán)利用,為其復合生態(tài)系統(tǒng)安全運行提供支撐和保障,本文選擇人均耕地面積、人均林地面積和清潔能源比例3個指標反映資源和能源要素層。交通的可進入性、網(wǎng)絡化程度和交通工具對拓展客源市場、優(yōu)化旅游線路產(chǎn)生較大影響,故而采用道路面積比例和汽車擁有量衡量海島旅游交通要素層。

(3)吸引力子系統(tǒng) 旅游地生態(tài)系統(tǒng)吸引力的提升主要體現(xiàn)在旅游環(huán)境容量約束下的游客接待量增加和旅游接待能力改善兩個方面,前者用游客接待量、游客數(shù)量增長率、游客接待量與人口數(shù)量比、境外游客接待量評價,后者用旅游從業(yè)人數(shù)、旅游社個數(shù)、賓館個數(shù)和游客床位數(shù)表征。

(4)延續(xù)力子系統(tǒng) 人口和經(jīng)濟發(fā)展可以調控旅游地生態(tài)系統(tǒng)安全狀態(tài)。旅游地人口發(fā)展不僅表現(xiàn)為人口數(shù)量的增加,還體現(xiàn)在人口就業(yè)結構的優(yōu)化,本研究用人口總數(shù)和非農(nóng)業(yè)人口比例來測算這一過程。旅游地經(jīng)濟發(fā)展則是體現(xiàn)在生態(tài)承載力閾值范圍內經(jīng)濟的總量增加和質量提升,用經(jīng)濟總收入和城鎮(zhèn)化率2個指標評價。

(5)發(fā)展力子系統(tǒng) 持續(xù)增長的發(fā)展力能夠實現(xiàn)旅游地復合生態(tài)系統(tǒng)經(jīng)濟效益的可獲得性,旅游經(jīng)濟的生態(tài)效益和旅游環(huán)境影響的社會分擔,并推動海島旅游地生態(tài)系統(tǒng)向更高水平演進。本研究采用海島旅游經(jīng)濟和海島旅游經(jīng)濟潛力兩個要素層衡量發(fā)展力子系統(tǒng),前者用門票收入和住宿餐飲收入表征,后者則用其增長率,即門票收入增長率、住宿和餐飲收入增長率評價。

2.2 RBF神經(jīng)網(wǎng)絡模型

2.2.1 模型原理

圖1 RBF神經(jīng)網(wǎng)絡模型結構Fig.1 Model structure of RBF neural network

徑向基函數(shù)(Radial Basis Function,即RBF)是J Moody和C Darken于20世紀80年代末提出的一種以函數(shù)逼近理論為基礎的性能良好的前饋式人工神經(jīng)網(wǎng)絡[40],具有能收斂到全局最優(yōu)點、訓練速度快、處理非線性關系等特點[41],對提高預測的準確性具有重要意義。RBF由輸入層、隱含層和輸出層三層網(wǎng)絡結構組成(圖1),其運行原理為：隱含層節(jié)點通過基函數(shù)執(zhí)行一種非線性變化,將輸入空間映射到一個新的空間,輸出層則在這個新的空間實現(xiàn)線性加權組合[40]。高斯函數(shù)是RBF神經(jīng)網(wǎng)絡最常用的徑向基函數(shù),表達式為：

(1)

式中:Ri(x)為隱含層第i個單元的輸出,X為N維輸入向量,Ci為隱含層第i個單元高斯函數(shù)的中心點,σ為第i個隱節(jié)點的歸一化參數(shù);Nr為隱含層節(jié)點數(shù)。

2.2.2 RBF網(wǎng)絡學習算法

RBF網(wǎng)絡分為非監(jiān)督學習和監(jiān)督學習兩個步驟。非監(jiān)督學習主要采用K-means聚類法對訓練樣本的輸入量進行聚類,找出聚類中心Ci及σi參數(shù),然后進入監(jiān)督學習階段。一旦Ci和σi確定后,RBF網(wǎng)絡從輸入到輸出即組成了一個線性方程組,故而監(jiān)督學習階段運用最小二乘法求得輸出權重Wj：

(1)用最小和最大規(guī)范化方法,使其屬性歸一到網(wǎng)絡的處理范圍;

(2)用徑向基函數(shù)求隱含層的輸出值Yh;

(3)計算輸出層第j個神經(jīng)元的輸出值Yj

(2)

式中,Yj為隱含層第i個神經(jīng)元的輸出值;Wji為隱含層第i個神經(jīng)元至輸出層第j個神經(jīng)元的權重;函數(shù)f取Sigmoid形式,即：

(3)

(4)計算輸入層誤差ΔYj：

ΔYj=Yj(1-Yj)(dj-Yj)

(4)

(5)調整權重系數(shù)ΔWj：

(5)

2.3 模型學習效果檢驗

為了科學地預測普陀山島旅游生態(tài)安全發(fā)展趨勢,還需要驗證模型的學習效果,本文選取Pearson相關系數(shù)R和誤差均方根RMSE對第j個神經(jīng)元輸出值進行RBF學習結果檢驗,其公式為：

(6)

(7)

2.4 灰色系統(tǒng)GM(1, 1)預測模型

灰色系統(tǒng)GM(1, 1)預測模型是灰色數(shù)列預測中常見的模型之一,它是以指數(shù)形式為基礎,以一次累加數(shù)據(jù)作為原始觀測值來準確定積分常數(shù),將時間序列轉化為微分方程,建立發(fā)展變化模型并進行決策和預測,其數(shù)學表達式為[42]：

(8)

2.5 灰色關聯(lián)分析

本文使用灰色關聯(lián)分析法遴選影響普陀山島旅游生態(tài)安全的主要驅動因子。由于灰色關聯(lián)分析是表征系統(tǒng)中各個元素之間關聯(lián)程度和相似程度的方法,能夠有效地彌補多元回歸分析和多元相關分析等方法的不足,因而是一種研究因子關聯(lián)度的重要方法[43]。

(1)制定參考數(shù)據(jù)列(母函數(shù)時間數(shù)列)和比較數(shù)列,分別記為xo,xi：

(2)計算關聯(lián)系數(shù)ξ,公式為：

(9)

式中,ξ(k)為k時刻兩比較數(shù)列的相對差值,即xi在k時刻對xo的關聯(lián)系數(shù),ζ為分辨系數(shù),0<ζ<1,一般情況下取ζ=0.5。在本研究中,參考數(shù)據(jù)列xo、比較數(shù)列xi分別為普陀山島旅游生態(tài)安全指數(shù)值和指標體系標準化后的數(shù)值。

(3)計算關聯(lián)度

關聯(lián)系數(shù)ξ表示各個時刻比較數(shù)列和參考數(shù)列之間的關聯(lián)程度,由于其數(shù)值較多,且較為分散,不便比較,因而需要將各個時刻的關聯(lián)系數(shù)集中為一個值,本文采用計算各個時段的平均值來計算關聯(lián)度,公式為：

(10)

式中,ri為研究時段N內比較序列xi和參考數(shù)列xo的關聯(lián)度,即普陀山島旅游生態(tài)安全指標體系中各因子的灰色關聯(lián)度。

2.6 安全等級劃分

根據(jù)旅游生態(tài)安全指數(shù)值劃分安全等級可為提出科學的旅游生態(tài)安全維護路徑奠定基礎。本研究借鑒省域旅游生態(tài)安全等級劃分標準[23],按照普陀山島旅游生態(tài)安全指數(shù)值大小將旅游生態(tài)安全劃分為7個等級(表2)。

表2 普陀山島旅游生態(tài)安全等級劃分標準

3 研究結果與分析

3.1 灰色系統(tǒng)GM(1,1)模型預測結果

本文采用均方差法[44]計算普陀山島旅游生態(tài)安全指標體系權重(表1),使用極差法將原始數(shù)據(jù)進行標準化,運用多目標線性加權函數(shù)模型對表1中的各指標進行綜合,得到2000—2014年普陀山島旅游生態(tài)安全指數(shù)實際值(表3)。對該結果進行累加處理,解出灰色系統(tǒng)GM(1, 1)預測模型重要參數(shù)a和u的數(shù)值,繼而得到普陀山島旅游生態(tài)安全指數(shù)累加值的灰色系統(tǒng)GM(1, 1)預測模型方程和普陀山島旅游生態(tài)安全指數(shù)預測值(公式(11)和表3)：

x(t+1)=7.5381e0.0524t-7.1813 (11)

表3 基于灰色系統(tǒng)GM(1, 1)模型的普陀山島旅游生態(tài)安全指數(shù)預測值

3.2 RBF神經(jīng)網(wǎng)絡模型預測結果

3.2.1 主要驅動因子遴選

依據(jù)表3中的普陀山島旅游生態(tài)安全指數(shù)實際值,依據(jù)公式7和8對指標體系中各因子做灰色關聯(lián)分析。結果如表4所示,計算結果顯示：普陀山島旅游生態(tài)安全指標體系各因子灰色關聯(lián)度位于0.3928—0.6354之間,其數(shù)值大小排序為：X4>X21>X24>X23>X26>X17>X25>X22>X15>X27>X3>X14>X30>X28>X19>X7>X29>X8>X16>X10>X6>X11>X1>X20>X5>X2>X12>X9>X18>X13。本研究選取指標總數(shù)的前1/3,即關聯(lián)度數(shù)值大于0.57的10個指標作為普陀山島旅游生態(tài)安全的主要驅動因子。

表4 普陀山島旅游生態(tài)安全指標體系各因子的灰色關聯(lián)度

3.2.2 主成分分析結果

運用SPSS 19.0軟件中的因子分析模塊對普陀山島旅游生態(tài)安全主要驅動因子提取主成分,以達到降維和消除因子共線性的目的,共提取PC1到PC9共9個主成分,其累計貢獻率為100%,分值見表5。

表5 普陀山島旅游生態(tài)安全主要驅動因子的主成分得分值

3.2.3 主要驅動因子預測

使用SPSS 19.0中的圖形功能和曲線估計功能對普陀山島旅游生態(tài)安全10個主要驅動因子的原始數(shù)值和時間序列進行線性分析或非線性分析,并構建最優(yōu)擬合方程(表6),使用這些方程預測2015—2020年的主要驅動因子變化狀況,再利用主成分得分系數(shù)矩陣計算得出各主成分得分預測值的歸一化結果(表7)。

表6 普陀山島旅游生態(tài)安全主要驅動因子擬合方程

3.2.4 RBF神經(jīng)網(wǎng)絡計算

本研究把從普陀山島旅游生態(tài)安全主要驅動因子中提取的主成分分值作為RBF神經(jīng)網(wǎng)絡模型的輸入樣本,將AR(1)模型預測的2005—2014年生態(tài)安全指數(shù)殘差為輸出樣本,節(jié)點個數(shù)分別設置為9和1,且輸入和輸出樣本皆進行歸一化處理,選取2015—2020年數(shù)據(jù)為檢測樣本,其余2005—2014年份為訓練樣本,而后用Matlab軟件中的Newrb功能對網(wǎng)絡進行訓練,而隱含節(jié)點數(shù)和擴展常數(shù)最優(yōu)值的獲得則是通過反復試驗方式,其結果分別為10和0.5,最終模型訓練誤差為5.5852e-31,用訓練好的模型對2015—2020年的殘差進行預測,得出普陀山島2015—2020年旅游生態(tài)安全指數(shù)的預測結果(表8)。

表7 樣本歸一化結果

表8 基于RBF神經(jīng)網(wǎng)絡法的普陀山島旅游生態(tài)安全預測結果

3.3 精度檢驗與趨勢分析

3.3.1 模型精度檢驗

以普陀山島旅游生態(tài)安全指數(shù)實際值和兩個模型的預測值分別作為橫軸x和縱軸y,建立直角坐標系(圖2),每個旅游生態(tài)安全指數(shù)值均可以在圖中找到相應的模型預測值。如果預測值等于實際值,則該點落在直線y=x上,偏離直線y=x越遠,則預測誤差越大[45]。從圖2可以看出：RBF神經(jīng)網(wǎng)絡模型的擬合結果明顯優(yōu)于灰色系統(tǒng)GM(1, 1)預測模型。使用Pearson相關系數(shù)R(公式6)和誤差均方根RMSE(公式7)對預測精度進行檢驗,結果顯示：灰色系統(tǒng)GM(1, 1)預測模型和RBF神經(jīng)網(wǎng)絡模型的Pearson相關系數(shù)R值及RMSE值分別為：0.9745、0.9999和0.01792、2.56117×10-5。再次證明RBF神經(jīng)網(wǎng)絡模型在普陀山島旅游生態(tài)安全預測研究中具有更高的精度。

圖2 普陀山島旅游生態(tài)安全實際值與模型預測值Fig.2 The actual value and the model predictive value of Tourism ecological security in Mount Putuo Island

3.3.2 結果分析

普陀山島旅游生態(tài)安全指數(shù)的RBF神經(jīng)網(wǎng)絡模型預測結果由2005年的0.3568增加至2014的0.6475,旅游生態(tài)安全狀態(tài)由風險等級逐漸改善至敏感等級、臨界等級和一般安全等級。2005—2014年,普陀山島旅游生態(tài)安全狀況之所以逐漸改善,是由于隨著生態(tài)文明建設的持續(xù)推進,普陀山風景名勝區(qū)管委會同舟山市各職能部門采取措施維護其海島生態(tài)系統(tǒng)安全,努力協(xié)調生態(tài)系統(tǒng)安全與旅游經(jīng)濟發(fā)展之間的關系。

從普陀山島旅游生態(tài)系統(tǒng)的承載力和支持力兩個子系統(tǒng)來看：普陀山海島旅游發(fā)展過程中堅持保護和開發(fā)統(tǒng)一、永續(xù)發(fā)展的原則,確定各景點環(huán)境容量;合理安排游覽活動;開發(fā)和建設同風景區(qū)容量一致的旅游接待服務設施,并嚴格控制其規(guī)模,嚴禁開發(fā)和建設與景區(qū)大氣、水體、噪聲環(huán)境保護相沖突的項目;適時進行評價監(jiān)測區(qū)內的水質和噪聲等環(huán)境質量,其空氣質量優(yōu)良率由95.23%上升至96.38%,生活污水集中處理率由2005年的61.3%上升至2014的74.3%,清潔能源比例和生活垃圾處理率接近100%。與此同時,多種措施用于保護森林資源和野生動植物,如完善防火設施,建立防火隔離帶,森林病蟲害防治措施等,全島林地面積在研究時段內保持在91773hm2的水平。全島嚴格控制保護區(qū)內現(xiàn)有旅游服務規(guī)模,不得隨意擴建旅游基礎設施,禁止任何新建賓館、飯店、商場等旅游服務設施侵占沙灘和水域,其沙灘斑塊面積比例和道路斑塊面積比例基本維持1.80%和1.76%的水平。然而,部分指標也呈現(xiàn)出下降趨勢,如近海一、二類海水水質標準海域面積比例由61%將至15%,海島環(huán)境噪聲平均生效等級由39.1dB上升至44.3dB,水域斑塊面積比例3.22%下降至2.77%,這些指標數(shù)值的變化在一定程度上制約了普陀山島旅游生態(tài)安全狀況改善。

從吸引力和發(fā)展力延續(xù)力子系統(tǒng)的驅動因子來看,普陀山風景名勝區(qū)管委會在確保旅游資源質量和生態(tài)環(huán)境質量的前提下,適度拓展旅游市場規(guī)模,合理優(yōu)化市場結構,努力實現(xiàn)環(huán)境承載力范圍內的旅游經(jīng)濟總量持續(xù)增加。在鞏固滬、浙、閩傳統(tǒng)基礎市場的基礎上,適度拓展沿海地區(qū)目標市場,以宗教觀光產(chǎn)品鞏固港澳臺市場,拓展東亞、東南亞市場,積極爭取歐美市場。研究時段內的游客接待量從247.3萬人次增加至625.6萬人次,游客接待量與人口數(shù)量比由292.9增加至466.1,游客床位個數(shù)也由7225張增加至14893張,門票收入由2.13億元增至7.62億元。延續(xù)力子系統(tǒng)中的主要驅動因子也呈現(xiàn)出優(yōu)化態(tài)勢,人口總數(shù)由4790人小幅增至4951人,非農(nóng)業(yè)人口比例由56.91%上升至58.23%,經(jīng)濟總收入11.63億增加至44.43億元,城鎮(zhèn)化率則是由37.42%上升至42.12%。

2015—2020年普陀山島旅游生態(tài)安全指數(shù)的RBF神經(jīng)網(wǎng)絡模型預測結果為0.7017、0.7241、0.7464、0.7688、0.7912、0.8135,年均增速為3%,小于2005—2014年6.85%的平均增長率。隨著普陀山景區(qū)管委會對海島及周邊海域生態(tài)環(huán)境治理和保護力度的加大,游客環(huán)保意識的持續(xù)加強,以及海島社區(qū)生態(tài)保護措施的逐漸完善,2015—2020年旅游生態(tài)安全狀況將會不斷改善,原因可能是：首先,舟山市將會進一步落實中央提出的“發(fā)展生態(tài)經(jīng)濟、推進美麗鄉(xiāng)村建設”號召,為普陀山島旅游地生態(tài)系統(tǒng)的良性循環(huán)創(chuàng)造了條件。其次,普陀山島傳統(tǒng)的自然海島風景與佛教文化遺產(chǎn)資源經(jīng)過30多年的旅游開發(fā),新的旅游拓展空間所剩不多,開發(fā)程度已經(jīng)接近上限,為了保障普陀山旅游的可持續(xù)發(fā)展,必須保留充分的空間和余地,嚴格保護森林、沙灘等重要的旅游資源。再者,當前普陀山島旅游業(yè)已經(jīng)進入了“積極推進經(jīng)濟結構調整,努力實現(xiàn)經(jīng)濟發(fā)展質量和效益的提高”的深入轉型和調整時期,必須遵循綠色、低碳和循環(huán)的旅游發(fā)展理念,推進普陀山旅游從粗放式的資源消耗模式向集約型發(fā)展模式轉變,旅游經(jīng)濟發(fā)展速度與質量之間的關系將會得到更好地協(xié)調。最后,涉海部門也將進一步加大聯(lián)合執(zhí)法力度,強化海洋環(huán)境管理和監(jiān)測,加強入海污染物防治,完善海洋災害預警、預報系統(tǒng),制定海域防災減災預案,還將進一步協(xié)調旅游岸線與漁業(yè)生產(chǎn)岸線關系,把漁業(yè)用地與旅游用地相對分開。

4 結論與討論

(1)為了科學地預測普陀山島旅游生態(tài)安全發(fā)展趨勢,本研究從可持續(xù)發(fā)展的角度出發(fā),在分析旅游地復合生態(tài)系統(tǒng)承載力、支持力、吸引力、延續(xù)力和發(fā)展力(CSAED模型)功能的基礎上,構建了旅游生態(tài)安全指標體系,使用灰色關聯(lián)度模型遴選主要驅動因子,利用主要驅動因子線性或非線性分析結果構建的最優(yōu)擬合方程進行趨勢外推,并基于趨勢外推結果的主成分分析值作為輸入層進行RBF神經(jīng)網(wǎng)絡模型預測,為旅游生態(tài)安全發(fā)展趨勢預測研究提供了一個新的研究思路。

(2)本研究分別使用灰色系統(tǒng)GM(1, 1)預測模型和RBF神經(jīng)網(wǎng)絡模型預測普陀山島2005—2014年旅游生態(tài)安全趨勢。結果顯示：RBF神經(jīng)網(wǎng)絡模型預測結果的Pearson相關系數(shù)R的數(shù)值大于灰色系統(tǒng)GM(1, 1)預測模型,其誤差均方根RMSE數(shù)值小于灰色系統(tǒng)GM(1, 1)預測模型。說明與灰色系統(tǒng)GM(1, 1)預測模型相比較,RBF神經(jīng)網(wǎng)絡模型能夠更精確地預測普陀山島旅游生態(tài)安全發(fā)展趨勢。

(3)2005—2014年普陀山島旅游生態(tài)安全指數(shù)由0.3568增加至0.6475,旅游生態(tài)安全狀態(tài)沿著風險等級、敏感等級、臨界等級和一般安全等級方向演化;2015—2020年普陀山島旅游生態(tài)安全指數(shù)將呈持續(xù)增長趨勢,旅游生態(tài)安全等級由比較安全等級上升至非常安全等級。然而,海島旅游地生態(tài)系統(tǒng)運行受自然、社會、經(jīng)濟等多種因素的影響。就普陀山島而言,在預測期范圍內可能受到臺風。赤潮等災害影響,加之旅游產(chǎn)業(yè)本身的脆弱性,可能導致預測結果出現(xiàn)偏差。

(4)本研究仍存在需要改進的地方。首先,本文從可持續(xù)發(fā)展的視角,基于旅游地復合生態(tài)系統(tǒng)功能的CSAED框架模型構建了普陀山島旅游生態(tài)安全指標體系。該框架模型在旅游地復合生態(tài)系統(tǒng)安全研究中的適宜性還需要更多地實證研究來驗證;未來還需要從自然生態(tài)系統(tǒng)的視角,構建更加完善的旅游生態(tài)安全指標體系。再者,盡管同灰色系統(tǒng)GM(1, 1)預測模型比較,RBF神經(jīng)網(wǎng)絡模型在預測旅游地生態(tài)安全發(fā)展態(tài)勢具有較高的精度,然而這是以普陀山島為案例地進行研究的結果,其普適性還有待深入探討;在將來的預測研究中,仍須要需要通過更精確的數(shù)學算法進步一優(yōu)化RBF神經(jīng)網(wǎng)絡模型。

(5)旅游生態(tài)安全是當前旅游地理學和旅游生態(tài)學研究的熱點問題之一。旅游生態(tài)安全研究仍需要在理論基礎、研究內容、研究方法和技術手段方面不斷加強。①如何將生態(tài)學中的系統(tǒng)理論、等級理論、尺度理論、匯-源理論和島嶼生物地學理論等應用到旅游生態(tài)安全研究中,促進其基礎理論研究朝向更加完善的方向發(fā)展。②在研究方法和技術手段上,野外調查與觀測、實驗方法、數(shù)學模擬與模型以及社會科學研究中的扎根理論方法、訪談研究法、德爾菲法等還需要不斷深化,使旅游生態(tài)安全研究方法和技術手段更加科學。③在研究內容上,旅游地生態(tài)系統(tǒng)內涵、結構功能、穩(wěn)定性、能量轉化和物質循環(huán)機制;旅游活動和旅游生態(tài)安全相互作用機制和演變趨勢;旅游生態(tài)安全的形成機理、影響機制、動態(tài)模擬、綜合集成和決策支持等諸多問題仍需要深入探究。

[1] 胡光宇. 藍色經(jīng)濟發(fā)展的混沌條件與經(jīng)濟預測方法. 清華大學學報: 自然科學版, 2011, 51(8): 1134- 1138.

[2] 向寶惠, 王靈恩. 中國海洋海島旅游發(fā)展戰(zhàn)略探討. 生態(tài)經(jīng)濟, 2012, (9): 141- 145.

[3] Hall C M. Trends in ocean and coastal tourism: the end of the last frontier?. Ocean & Coastal Management, 2001, 44(9/10): 601- 618.

[4] 周彬, 鐘林生, 陳田, 趙寬. 舟山群島旅游生態(tài)健康動態(tài)評價. 地理研究, 2015, 34(2): 306- 318.

[5] 秦曉楠, 盧小麗, 武春友. 國內生態(tài)安全研究知識圖譜——基于Citespace的計量分析. 生態(tài)學報, 2014, 34(13): 3693- 3703.

[6] 陳國階. 論生態(tài)安全. 重慶環(huán)境科學, 2002, 24(3):1- 3.

[7] 王耕, 王利, 吳偉. 區(qū)域生態(tài)安全概念及評價體系的再認識. 生態(tài)學報, 2007, 27(4): 1627- 1637.

[8] 肖篤寧, 陳文波, 郭福良. 論生態(tài)安全的基本概念和研究內容. 應用生態(tài)學報, 2002, 13(3): 354- 358.

[9] 馬克明, 傅伯杰, 黎曉亞, 關文彬. 區(qū)域生態(tài)安全格局: 概念與理論基礎. 生態(tài)學報, 2004, 24(4): 761- 768.

[10] 李玉照, 劉永, 顏小品. 基于DPSIR模型的流域生態(tài)安全評價指標體系研究. 北京大學學報: 自然科學版, 2012, 48(6): 971- 981.

[11] 蒙吉軍, 趙春紅, 劉明達. 基于土地利用變化的區(qū)域生態(tài)安全評價——以鄂爾多斯市為例. 自然資源學報, 2011, 26(4): 578- 590.

[12] 任志遠, 劉焱序. 基于價值量的區(qū)域生態(tài)安全評價方法探索——以陜北能源區(qū)為例. 地理研究, 2013, 32(10): 1771- 1781.

[13] 趙靜靜, 柴立和, 杜慧濱. 基于MIEP模型的城市生態(tài)安全評價——以寧波市為例. 環(huán)境科學學報, 2015, 35(9): 2989- 2995.

[14] 傅伯杰. 區(qū)域生態(tài)環(huán)境預警的原理與方法. 資源開發(fā)與保護, 1991, 7(3): 138- 141.

[15] 游巍斌, 何東進, 覃德華, 紀志榮, 巫麗蕓, 俞建安, 陳炳容, 譚勇. 世界雙遺產(chǎn)地生態(tài)安全預警體系構建及應用——以武夷山風景名勝區(qū)為例. 應用生態(tài)學報, 2014, 25(5): 1455- 1467.

[16] 周彬, 鐘林生, 陳田, 周睿. 基于變權模型的舟山群島生態(tài)安全預警. 應用生態(tài)學報, 2015, 26(6): 1854- 1862.

[17] 徐美, 朱翔, 劉春臘. 基于RBF的湖南省土地生態(tài)安全動態(tài)預警. 地理學報, 2012, 67(10): 1411- 1422.

[18] 王耕, 劉秋波, 丁曉靜. 基于系統(tǒng)動力學的遼寧省生態(tài)安全預警研究. 環(huán)境科學與管理, 2013, 38(2): 144- 149.

[19] 鄭永賢, 張智光. 森林旅游景區(qū)生態(tài)安全要素及其景觀感知傳遞性分析. 中南林業(yè)科技大學學報, 2015, 35(2): 123- 129, 134- 134.

[20] 鄭永賢, 薛菲, 張智光. 森林旅游景區(qū)生態(tài)安全IRDS模型實證研究. 資源科學, 2015, 37(12): 2350- 2361.

[21] 呂君, 于相賢, 劉麗梅. 旅游發(fā)展生態(tài)安全的動力學機制探討. 干旱區(qū)資源與環(huán)境, 2009, 23(4): 146- 149.

[22] Li Y J, Chen T, Hu J, Wang J. Tourism ecological security in Wuhan. Journal of Resources and Ecology, 2013, 4(2): 149- 156.

[23] 周彬, 鐘林生, 陳田, 張愛平. 浙江省旅游生態(tài)安全的時空格局及障礙因子. 地理科學, 2015, 35(5): 599- 607.

[24] 閆云平, 余卓淵, 富佳鑫, 王文志. 西藏景區(qū)旅游承載力評估與生態(tài)安全預警系統(tǒng)研究. 重慶大學學報, 2012, 35(S1): 92- 98.

[25] 張廣海, 王佳. 海南省旅游開發(fā)生態(tài)風險評價與預警機制. 熱帶地理, 2013, 33(1): 88- 95.

[26] Jing X Y. Ecological security assessment and the sustainable development of tourist destination: a case study of Taining scenic area. Journal of Landscape Research, 2010, 2(10): 61- 65, 75- 75.

[27] 肖建紅, 于慶東, 劉康, 陳東景, 陳娟, 肖江南. 海島旅游地生態(tài)安全與可持續(xù)發(fā)展評估——以舟山群島為例. 地理學報, 2011, 66(6): 842- 852.

[28] 杜忠潮, 李志霞. 基于生態(tài)足跡模型的旅游地生態(tài)安全評價研究——以咸陽市為例. 西北師范大學學報: 自然科學版, 2011, 47(3): 110- 115.

[29] 武春友, 郭玲玲, 于驚濤. 區(qū)域旅游生態(tài)安全的動態(tài)仿真模擬. 系統(tǒng)工程, 2013, 31(2): 94- 99.

[30] Liu X L, Yang Z P, Di F, Chen X G. Evaluation on tourism ecological security in nature heritage sites—case of kanas nature reserve of Xinjiang, China. Chinese Geographical Science, 2009, 19(3): 265- 273.

[31] 鄭永賢, 張智光. 森林旅游景區(qū)生態(tài)安全影響因素的IRDS模型研究——基于扎根理論. 世界林業(yè)研究, 2015, 28(1): 23- 30.

[32] Rapport D J, Costanza R, McMichael A J. Assessing ecosystem health. Trends in Ecology & Evolution, 1998, 13(10): 397- 402.

[33] Spiegel J M, Bonet M, Yassi A, Molina E, Concepcion M, Mast P. Developing ecosystem health indicators in Centro Habana: a community-based approach. Ecosystem Health, 2001, 7(1): 15- 26.

[34] 張鵬, 丘萍. 巖溶地區(qū)旅游生態(tài)安全評價及趨勢分析——以廣西為例. 中國巖溶, 2014, 33(4): 483- 489.

[35] 趙新偉. 區(qū)域旅游可持續(xù)發(fā)展的生態(tài)安全預警評價研究——以開封市為例. 平頂山工學院學報, 2007, 16(6): 13- 17.

[36] 郁亞娟, 郭懷成, 劉永, 姜玉梅, 李艷秋, 黃凱. 城市病診斷與城市生態(tài)系統(tǒng)健康評價. 生態(tài)學報, 2008, 28(4): 1736- 1747.

[37] 韋健華, 王爾大. 基于游客體驗效用的旅游承載力評價方法. 旅游學刊, 2015, 30(4): 105- 114.

[38] Fyall A, Garrod B, Leask A. 旅游吸引物管理: 新的方向. 郭英之主, 譯. 大連: 東北財經(jīng)大學出版社, 2005: 6- 8.

[39] 邵琪偉. 中國旅游大辭典. 上海: 上海辭書出版社, 2012: 417- 418.

[40] 唐啟義. DPS數(shù)據(jù)處理系統(tǒng)(第三版). 北京: 科學出版社, 2013: 634- 638.

[41] 趙強, 徐征和, 蘇萬敏. 基于RBF神經(jīng)網(wǎng)絡的城市需水量預測——以濟南市為例. 水資源與水工程學報, 2013, 24(6): 124- 127, 132- 132.

[42] 陳彥光. 基于EXCEL的地理數(shù)據(jù)分析. 北京: 科學出版社, 2010: 260- 268.

[43] 杜棟, 龐慶華, 吳炎. 現(xiàn)代綜合評價方法與案例精選(第二版). 北京: 清華大學出版社, 2008: 112- 115.

[44] 陳克龍, 蘇茂新, 李雙成, 盧京花, 陳英玉, 張斐, 劉志杰. 西寧市城市生態(tài)系統(tǒng)健康評價. 地理研究, 2010, 29(2): 214- 222.

[45] 李啟權, 王昌全, 岳天祥, 李冰, 楊娟. 基于RBF神經(jīng)網(wǎng)絡的土壤有機質空間變異研究方法. 農(nóng)業(yè)工程學報, 2010, 26(1): 87- 93.

Developmental trend forecasting of tourism ecological security trends: the case of Mount Putuo Island

ZHOU Bin1, 2, YU Hu2, ZHONG Linsheng2,*, CHEN Tian2

1TourismDepartment,NingboUniversity,Ningbo315211,China2InstituteofGeographicalScienceandResources,ChineseAcademyofSciences,Beijing100101,China

The study of tourism ecological security is a core problem in the research of sustainable tourism development. It has important theoretical significance and practical value for coordinated development of island tourism economy and the ecological environment. It can be used to scientifically predict island destination development trends of tourism ecological security. Tourism destination can be regarded as an organism with a complex ecosystem. To our knowledge, once the function is disordered, the destination must be considered threatened. The purpose of this paper was to construct a tourism ecological safety index system based on the five subsystems, including “Carrying Capability”， “Supporting Capability”， “Attraction Capability”， “Evolution Capability”， and “Developing Capability” (Known as the CSAED model). Based on the sustainable development perspective, and the comprehensive, dynamic principle; this paper uses Mount Putuo Island in Zhejiang Province as an example, and constructs a tourism ecological safety index system based on the subsystems of carrying capacity, attraction capability, evolution capability, and development capability (CSAED model). The paper used the Grey system GM (1, 1) model and the radial basis function (RBF) neural network model to forecast tourism ecological safety in Mount Putuo Island. The results showed that: (1) both the Pearson correlation coefficient for the RBF neural network and the root mean squared error were better than the Grey System GM (1, 1) model. They also exhibited a better linear fit and a higher precision of prediction. This paper used Grey Relational Analysis to select the main driving factors; and used the results of linear and nonlinear analysis to build equations for trend extrapolation. In addition, based on the results of principal component analysis, the RBF neural network model appeared to provide a new research area for tourism destination ecological security. One of the key issues was that the tourism ecological security situation of Mount Putuo Island became better, because the index of the RBF model from 2005 to 2014 predicted results from 0.3568 to 0.6475. It appeared that the security level increased the sensitivity level, critical level, and the general level. Additionally, the index of the RBF model from 2015 to 2020 predicted results were from 0.7010 to 0.8135, the security level increased from the relatively safe grade to very safe grade. However, it is well known that the ecological system on the island will be influenced by several factors, including natural, social, and economic, among others. In terms of Mount Putuo Island, during the period of the forecast, it may be affected by typhoons, which may affect the vulnerability of the tourism industry. As such, it may lead to deviation from forecasted results. In short, it is suggested that the perspective of natural ecosystems be considered in future research, which would help to construct a better tourism ecological security index system through better mathematical algorithms to enhance the progress of a RBF neural network model. Consequently, the results could provide critical suggestions to scientifically protect tourism ecological security in Mount Putuo Island.

tourism ecological security; forecast; RBF model; GM (1,1) model; Mount Putuo Island

國家自然科學基金項目(41301141);寧波大學區(qū)域經(jīng)濟與社會發(fā)展研究院海洋專項研究項目(HYS1205)

2015- 10- 23;

2016- 06- 14

10.5846/stxb201510232147

*通訊作者Corresponding author.E-mail: zhongls@igsnrr.ac.cn

周彬,虞虎,鐘林生,陳田.普陀山島旅游生態(tài)安全發(fā)展趨勢預測.生態(tài)學報,2016,36(23):7792- 7803.

Zhou B, Yu H, Zhong L S, Chen T.Developmental trend forecasting of tourism ecological security trends: the case of Mount Putuo Island.Acta Ecologica Sinica,2016,36(23):7792- 7803.