EN中文

Economic geography >

2024 , Vol. 44 >Issue 11: 222 - 231

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.11.023

Evaluation and Influencing Factors of Ecological Suitability of Rural Healthcare Sojourn Destinations in the Northwest of Yunnan

  • WANG Yuanyuan , 1, 2 ,
  • TAN Guoxin 1 ,
  • ZHANG Wenyuan , 1, ※
Expand
  • 1. National Research Center of Cultural Industries，Central China Normal University，Wuhan 430079，Hubei，China
  • 2. School of Marxism，Dali University，Dali 671000，Yunnan，China

Received date: 2024-05-29

  Revised date: 2024-08-10

  Online published: 2024-12-18

Fold

Abstract

Rural healthcare sojourn is the intersection and breakthrough point of the Healthy China and the Rural Revitalization,as well as an emerging industry development of China's western region in new era that will make tourism as a regional pillar industry. Taking the northwest of Yunnan as a case study area and each typical village as a research unit,this paper uses the maximum entropy model and geographic detector to integrate multi-source geospatial data to construct an evaluation index system of the ecological suitability of rural healthcare sojourn destinations,explain its spatial distribution,and explore the influencing factors and driving mechanism of spatial differentiation. The results show that: 1) In terms of spatial distribution,the ecological suitability of rural healthcare sojourn destinations in northwestern Yunnan generally presents a spatial pattern of "high in the southeast of research area and low in the northwest of research area",and forms a "dual core-radiation" area centered on Dali Baizu Autonomous Prefecture and Lijiang City,and a "mountain-water-village" healthcare sojourn structure. 2) In terms of influencing factors,the ecologically suitable areas of rural healthcare sojourn destinations are the result of a combination of factors such as topography,air quality,climate,hydrology, and wild food sources. 3) In terms of driving mechanism, elevation, slope, NDVI and the distance to river play a dominant role in the distribution of rural healthcare sojourn destinations in northwestern Yunnan. This paper not only expands the research on rural healthcare sojourn destinations,but also provides theoretical reference and practical suggestions for the high-quality development of rural healthcare sojourn destinations in northwestern Yunnan.

Key words： typical village; healthcare sojourn destinations; MaxEnt model; ecological suitability; mountain-water-village; natural geography

Cite this article

WANG Yuanyuan , TAN Guoxin , ZHANG Wenyuan . Evaluation and Influencing Factors of Ecological Suitability of Rural Healthcare Sojourn Destinations in the Northwest of Yunnan[J]. Economic geography, 2024 , 44(11) : 222 -231 . DOI: 10.15957/j.cnki.jjdl.2024.11.023

健康与环境关系是最基本的人地关系，区域人群的健康状况有赖于人与自然关系的和谐[1]。在推进健康中国实践中，规避环境健康风险、探寻健康生活方式变得尤为重要，“在流动中居住，在居住中流动”[2]的康养旅居逐渐成为人们追求健康生活环境和健康生活方式的新风尚。乡村振兴战略坚持人与自然和谐共生原则，其基础支撑在于产业兴旺，而生态宜居则是其重要依托[3]。2021年颁布实施的《中华人民共和国乡村振兴促进法》，积极鼓励城市居民前往乡村旅居、养生养老[4]。乡村旅居者的主要目的是提升生活和生命质量[5]，这与康养旅居追求健康生活方式和健康生活环境的目的不谋而合，因而其对旅居地的自然生态环境也提出了较高要求。两者都注重长时间的深度体验和康复疗养的服务，更易于形成持续性消费。因此，“乡村康养旅居地”成为健康中国战略与乡村振兴战略的交汇点和突破点。其中生态环境是乡村康养旅居发展的基石，而生态环境的适宜性则是乡村康养旅居产业发展的关键所在。
目前，已有很多学者聚焦于森林、温泉、滨海等特定环境因子[6-7]，从国家[4,8]、省级[9]、市域[10]等不同空间尺度，针对目的地是否适宜开发康养旅游、发展康养旅游的潜力和空间分布格局以及驱动因素等构建指标体系，展开康养旅居适宜性评价，但鲜有从微观尺度对乡村康养旅居地的生态适宜性进行研究。
康养旅居适宜性评价研究涉及两个核心层面：一是构建科学的指标体系；二是确定合理的指标权重。在指标体系构建方面，现有研究主要围绕物候益养环境、旅游发展水平、社会支持系统等维度建立评价指标体系[7,11]。由于传统数据涵盖范围和精细程度的局限性，现有评价体系对自然生态环境指标的准确描述仍显不足。在指标权重方面，大多采用专家赋分法、层次分析法、SWOT分析法、TOPSIS法等计算评价指标权重[7,12-13]。这些方法在一定程度上推动了从定性分析到定量分析的转变，对本文构建评价体系和确定评价因子有重要启示和借鉴意义。但是，上述方法在评估变量因子权重时仍可能受到人为因素的干扰，从而影响评价结果的客观性。
基于此，本文利用数据挖掘和定量评估的手段开展康养旅居地生态适宜性评价研究，试图拓展和丰富现有指标体系与研究方法，以提高评价结果的科学性、客观性和合理性。首先，以滇西北典型村落为研究单元，构建乡村康养旅居地的生态适宜性评价指标体系，引用MaxEnt模型揭示乡村康养旅居地的生态适宜性格局；继而，结合地理探测器分析乡村康养旅居地生态适宜性的空间异质性，探究形成空间分异的驱动机制，以期科学评价康养旅居地的生态适宜性水平，识别出潜在的适宜区域，为康养旅居产业高质量发展提供决策参考。

1 研究区概况与数据来源

1.1 研究区概况

《中共中央 国务院关于新时代推进西部大开发形成新格局的指导意见》指出，支持西部地区充分发挥生态优势，大力发展旅游休闲、健康养生等服务业[14]；习近平总书记在新时代推动西部大开发座谈会上强调，将旅游等服务业打造成区域支柱产业[15]；《云南省国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》提出，打造世界一流“健康生活目的地”，建设国际康养旅游示范区。为此，各级政府坚持把康养旅游培育作为产业转型升级的重要抓手，不断锻造康养旅游新业态新产品，助推云南省成为世人向往的健康生活目的地[16]。
研究区滇西北地处云南省西北部，包括大理白族自治州（以下简称大理州）、丽江市、迪庆藏族自治州（以下简称迪庆州）、怒江傈僳族自治州（以下简称怒江州）4个地级行政区下辖的24个县市、238个乡镇、2123个行政村（社区）（图1）。
图1 研究区地理位置及典型村落空间分布

Fig.1 Geographic location and spatial distribution of typical villages in study area

近年来，康养旅居在滇西北地区已经形成了一种新兴业态。据统计，2022年滇西北地区共接待国内外游客1.35亿人次，约占全省游客总人数的16%；旅游总收入为1672.53亿元，约占全省旅游总收入的18% ① 。尽管如此，由于缺乏有效的建设评估与发展规划，导致乡村盲目追求旅游开发，出现了一刀切、同质化、无序化等系列问题，康养旅游发展质量亟待提高。鉴于滇西北优越的生态环境和良好的乡村康养旅居发展态势，以滇西北为案例地开展乡村康养旅居地生态适宜性评估研究具有典型性和代表性。

1.2 样本点数据选取

由于深厚的历史底蕴、丰富的多民族文化以及生态多样的自然地理景观，我国形成了以传统村落、森林乡村、乡村旅游重点村、少数民族特色村寨和历史文化名村为主的典型村落[17-18]。这些典型村落是乡村康养旅居地的关键代表，也是打造健康生活目的地的重要载体。截至2023年10月，从国家相关部委发布的中国传统村落（住房和城乡建设部第1~6批中国传统村落）、全国乡村旅游重点村镇（文旅部第1~4批全国乡村旅游重点村和第1~2批全国乡村旅游重点镇（乡））、中国少数民族特色村寨（国家民委第1~3批中国少数民族特色村寨）、国家森林乡村（国家林草局第1~2批国家森林乡村）、历史文化名村（住房和城乡建设部 国家文物局第1~7批中国历史文化名镇名村）5类国家级典型村落名录中，初步获得滇西北368个典型村落，部分村从属于多个名录。为避免样本选择偏差引起的空间自相关影响，将研究区进行网格级别划分，这样不仅能够为研究区空间位置的比较提供统一尺度，还可以实现多源空间数据的有效集成[19]。为了将实验精度与环境变量的精度相匹配[20]，按照100 m×100 m范围内只保留1个分布点的原则，将以上368个典型村落数据去重后，最终得到333个典型村落有效分布位点（图1），作为MaxEnt模型的输入样本。

1.3 数据来源

本文涉及多源地理空间数据，各类数据来源如下：①云南省各州市、区县的行政区划矢量数据来自国家基础地理信息数据库（https://www.ngcc.cn/）；②地形数据来自地理空间数据云平台（https://www.gscloud.cn/）空间分辨率为30m 的ASTER GDEM 数字高程模型；③气候数据来自中国科学院资源环境科学与数据中心（http://www.resdc.cn/）中国气象要素逐月站点观察数据集；④水系数据来自OpenStreetMap（https://www.openstreetmap.org/）；⑤植被数据来自国家生态数据科学中心（http://www.nesdc.org.cn/）的归一化植被指数（Normalized Difference Vegetation Index，NDVI）；⑥空气质量数据来自华盛顿大学（https://sites.wustl.edu/acag/datasets/surface-pm2-5/）的PM2.5数据；⑦常见野生食源数据来自《云南省志（卷五·植物志）》《云南天然药物图鉴（第二卷）》《云南菜食花植物资源与土著知识》《云南省野生蔬菜图鉴》《云南特有食物图鉴》《中国常见食用菌图鉴》等历史文献资料和2016—2022年《云南农业年鉴》等统计数据 ② 。

2 研究方法

本文融合多源地理空间数据对乡村康养旅居地生态适宜性开展评价研究，具体步骤如下：①集成多源地理空间数据，对环境变量数据进行预处理，统一聚合为空间分辨率为100 m×100 m的栅格单元并形成特征因子数据库；②提取样本点对应的特征值，对特征因子进行相关性分析，筛选出具有特征标识意义的环境变量参与建模；③运用Kuenm数据包调整模型参数，选择最优模型，随机选择75%的样本作为训练集，剩余25%的数据作为测试集进行验证；④将参与建模的指标矩阵导入最优模型模拟，检验模型的评估精度。根据模拟结果得到每个网格生态环境适宜性值及评价指标的重要性排序，根据最大熵模拟结果对乡村康养旅居地的生态适宜性开展评价，并利用地理探测器与最大熵模型相结合的方法对指标因子重要性进行分析。

2.1 乡村康养旅居地生态适宜性评价指标体系构建

谢尔福德耐受性定律（Shelford's Law of Tolerance）认为任何物种（包括人）对某一环境因子有最大限度和最小限度的耐受范围，当接近或达到某种物种的耐受限度时，就会影响该物种的生存和分布；物种的机能在最适点或最适点附近时发生作用，趋向两端耐受限度时就衰退或抑制[21]。基于耐受性定律提出的生态康养“六度理论”（温度、湿度、高度、优产度、洁净度、绿化度）[22]，构建了判断一个地方发展康养旅居产业生态环境适宜性的6个重要维度。本文在满足人居适宜性及康养旅居需求的前提下，基于耐受性定律和生态康养“六度理论”，参考已有研究成果[1,6-8,23]，同时充分考虑研究区数据的可获得性和典型性，最终选取地形、气候、水系、植被、空气质量及常见野生食源6个维度的相应指标建立指标因子数据库。
为保证指标选取的科学性，建模前通过以下步骤筛选确定影响乡村康养旅居地生态适宜性分布的关键环境变量（表1）：首先，把用于筛选的环境变量全部添加至MaxEnt模型，使用刀切法（Jackknife test）删除贡献率低（≤0.3%）的变量。其次，利用SPSS 27软件对其进行相关性分析，剔除共线性过高（Pearson相关系数>0.7）的环境变量因子（表2）。最后，得到高程、坡度、风速、临水距离、NDVI、PM2.5、野生蔬菜、菜食花、野生菌9个贡献率高且相关性低的变量，参与构建乡村康养旅居地生态适宜性评价模型。
表1 乡村康养旅居地生态适宜性评价指标体系及说明

Tab.1 Evaluation index system of ecological suitability for rural healthcare sojourn destinations and its explanation

影响因素 选取指标 指标说明 指标粒度 贡献率（%）
地形 高程 影响区域气候与人体健康 60~6535 m 10.4
坡度 影响基础设施建设及康养活动开展 0°~86.53° 38.3
坡向 影响植被生长及自然生态景观形成 -1°~360° 0.3
气候 气压 影响人体健康及舒适体验 3668.39~10249.5 hPa 1.8
年降水量 影响停留时间与户外康养项目开展 41.78~1144.92 mm 0.0
年均温度 影响舒适度及旅居时间 -11.73℃~25.21℃ 3.0
湿度 影响舒适度及人体健康 51.29%~94.53% 0.3
风速 影响舒适度与户外康养项目开展 0~3.65 m/s 3.8
水系 临水距离 构成乡村康养景观的重要因素，能够改善环境、调节气候 0~5000 m 11.8
植被 NDVI NDVI为归一化植被指数，反映区域植被覆盖状况 -0.65~0.98 26.0
空气质量 PM2.5 影响人体健康和大气环境质量，反映区域空气质量优劣程度 19.31~39.75 Mg/m3 0.6
常见
野生
食源		 野生蔬菜 绿色、有机、无公害、具有地理标志的地方性野生食源对追求食疗、药疗、理疗等自然疗法的康养人群更有吸引力[11]，亦能反映区域生物多样性和食物多样性，膳食食物种类多样能够提升人们健康水平[24] 24~32种/单元网格 2.0
菜食花 52~71种/单元网格 0.8
野生菌 21~39种/单元网格 0.8
中草药 73~165种/单元网格 0.1
国家地理标志登记保护农产品 0~6种/单元网格 0.0
表2 乡村康养旅居地生态适宜性评价指标相关性

Tab.2 Correlation of evaluation indexes of ecological suitability for rural healthcare sojourn destinations

高程 坡度 坡向 气压 年降
水量		 年均
温度		 湿度 风速 临水
距离		 NDVI PM2.5 野生
蔬菜		 菜食花 野生菌 中草药 国家地理标志
登记保护农产品
坡度 0.12 -
坡向 0.03 0.02 -
气压 1.00 0.12 0.03 -
年降水量 0.17 0.29 0.02 0.15 -
年均温度 0.96 0.04 0.01 0.95 0.05 -
湿度 0.13 0.29 0.03 0.11 0.77 0.10 -
风速 0.66 0.33 0.06 0.68 0.34 0.44 0.49 -
临水距离 0.21 0.25 0.03 0.23 0.26 0.21 0.24 0.14 -
NDVI 0.02 0.35 0.03 0.03 0.15 0.00 0.10 0.12 0.24 -
PM2.5 0.11 0.01 0.08 0.09 0.02 0.27 0.28 0.29 0.22 0.05 -
野生蔬菜 0.29 0.19 0.03 0.27 0.42 0.22 0.47 0.21 0.12 0.02 0.07 -
菜食花 0.11 0.31 0.02 0.07 0.11 0.29 0.29 0.55 0.04 0.07 0.35 0.06 -
野生菌 0.18 0.30 0.07 0.18 0.51 0.03 0.59 0.51 0.14 0.00 0.20 0.66 0.44 -
中草药 0.15 0.40 0.00 0.16 0.53 0.03 0.61 0.57 0.16 0.11 0.18 0.62 0.61 0.88 -
国家地理标志
登记保护农产品		 0.11 0.16 0.01 0.10 0.01 0.19 0.19 0.24 0.01 0.00 0.30 0.06 0.31 0.29 0.22 -

2.2 基于MaxEnt的乡村康养旅居地生态适宜性模型

最大熵（MaxEnt）模型以最大熵理论为基础，是一种基于生态位原理的物种分布概率预测模型[25]，通过寻找熵最大的分布对物种潜在适宜分布区域进行评价，它在物种生境适宜性评价[25]、地质灾害易发性[26]等领域被广泛使用。近年来，地理学研究中也开始运用该模型对人类空间信息活动开展研究，如传统村落空间分布[27]、生态系统文化服务研究[28]、人类出行活动强度[20]等，取得了良好的分类精度和预测效果。本文运用MaxEnt模型，以滇西北地区地形、气候、水系、植被、空气质量及常见野生食源等生态环境变量条件作为约束，计算乡村康养旅居地生态适宜的概率分布。MaxEnt模型的输出结果即为在滇西北生态环境条件下最可能的乡村康养旅居适宜地分布。
现有研究显示，MaxEnt模型的预测精度主要受特征组合（Feature Combination，FC）和正则化乘数即调控倍频（Regularization Multiplier，RM）2个参数的影响，通过Kuenm数据包对参数进行调整，选择具有显著性且遗漏率≤5%、delta AICc值最小的模型作为最优模型[26]。将乡村康养旅居地分布点的数据和9个环境变量导入最大熵模型中，利用最优模型确定的FC和RM参数，随机选取75%的乡村康养旅居地分布点数据作为训练集（Training Data），剩余25%的分布点作为测试集（Testing Data），迭代10次以充分保证结果的可靠性。
选择刀切法（Jackknife test）评估各环境变量的权重，并通过受试者工作特征曲线（Receiver Operating Characteristic Curve，ROC）和对应AUC值（Area Under ROC Curve）对模型结果进行评价，评定标准为：AUC的值为[0.5，0.6），失败；[0.6，0.7），较差；[0.7，0.8），一般；[0.8，0.9），良好；[0.9，1.0），优秀[20]。MaxEnt模拟滇西北乡村康养旅居地生态适宜性的输出结果导入ArcGIS中进行重分类分析，得到乡村康养旅居地生态适宜区的模拟结果。

2.3 基于地理探测器的生态适宜性影响因素检测

地理探测器是一种用于探测空间分异性并揭示其背后影响因子的统计方法，由于该方法对自变量共线性免疫，能够避免自变量与因变量互为因果，近年来被广泛应用于多个领域[29]。本文以乡村康养旅居地生态适宜性模拟结果作为因变量 Y，用 q值来测度乡村康养旅居地生态适宜的空间分异，以及各环境变量 X在多大程度上解释了乡村康养旅居地生态适宜性 Y的空间分异。

3 结果与分析

3.1 生态适宜性模型优化及精度评估结果

模型优化结果显示，FC与RM交叉验证了1160个模型参数组合。根据各模型训练遗漏率≤5%，选择校准后最优模型与当前模型的赤池信息量准则的差值（delta AICc值）较小的组合作为最优参数组合。即FC选择PTH、RM为1.7作为最优模型，此时遗漏率为4.82%，且delta AICc值为0。
根据参数优化后MaxEnt模型迭代运算结果，训练集与验证集的AUC值分别为0.9278和0.92，AUC均值达到0.92，模型预测精度较高，模拟效果达到“优秀”标准。综合遗漏率和AUC值评价，模型预测结果有较高的精确度和可信度。

3.2 滇西北乡村康养旅居地生态适宜区分布格局

根据模型预测的生态适宜区范围，叠加滇西北行政区划矢量数据，得出滇西北乡村康养旅居地生态适宜区空间分布（图2）。
图2 滇西北乡村康养旅居地生态适宜性最大熵模拟结果

注：巍山彝族回族自治县简称为“巍山县”、丽江市古城区简称为“古城区”、玉龙纳西族自治县简称为“玉龙县”、南涧彝族自治县简称为“南涧县”、漾濞彝族自治县简称为“漾濞县”、兰坪白族普米族自治县简称为“兰坪县”、贡山独龙族怒族自治县简称为“贡山县”、宁蒗彝族自治县简称为“宁蒗县”。

Fig.2 Maximum entropy simulation result of ecological suitability of rural healthcare sojourn destinations in northwestern Yunnan

基于已有研究[28,30]，本文综合采用最大测试敏感性和特异性逻辑阈值（Maximum Training Sensitivity Plus Specificity Logistic Threshold，MTSPS）、TPT（Balance Training Omission，Predicted Area and Threshold，TPT）平衡阈值作为断点，将滇西北乡村康养旅居地分为低适宜区[0，MTSPS）、中适宜区[MTSPS，TPT）、高适宜区[TPT，1），并计算出3个等级的面积及其占同等级区总面积的比例（表3）。
表3 滇西北乡村康养旅居地生态适宜性分区统计

Tab.3 Statistics on the ecological suitability of rural healthcare sojourn destinations in northwestern Yunnan

行政区 高适宜区 中适宜区 低适宜区
面积
（km2）		 占比
（%）		 面积
（km2）		 占比
（%）		 面积
（km2）		 占比
（%）
大理州 2018.18 61.65 5879.43 62.19 20271.87 27.53
丽江市 706.72 21.59 1914.22 20.25 17900.58 24.31
怒江州 252.34 7.71 845.93 8.94 13426.38 18.23
迪庆州 296.23 9.05 814.92 8.62 22035.08 29.93
总计 3273.47 100.00 9454.5 100.00 73633.91 100.00
图2和表3结果显示：滇西北乡村康养旅居地的生态适宜性总体呈现“东南高、西北低”的分布趋势，并形成以大理州、丽江市为中心向四周辐射的核心适宜区，三江并流的低缓河谷多为潜在中适宜区，呈“川”字形空间分布。研究区大部分地区发展乡村康养旅居产业适宜性较低，约占滇西北区域总面积的85.26%；高适宜发展乡村康养旅居产业的地区具有最小的占比，仅占3.79%，且大多集聚在大理州和丽江市区域内。
进一步以滇西北24个县域生态适宜性的分区面积占比绘制各适宜区面积百分比堆积柱状图（图3），得出各县级行政区内的适宜区占比的大小排序。其中，祥云县、大理市、宾川县、弥渡县、巍山县、鹤庆县、古城区、剑川县、玉龙县、南涧县、永平县、洱源县、漾濞县、云龙县的适宜区面积占比高于滇西北适宜区总体占比。各县域根据行政区划内各级适宜区的分布和面积占比，应优先开发高潜力适宜区，慎重开发低潜力适宜区，为县域发展乡村康养旅居业态提供决策支撑。
图3 滇西北县域生态环境适宜区面积占比堆积图

Fig.3 Stacked map of the area share of ecologically suitable areas in counties of northwestern Yunnan

3.3 影响因素分析

3.3.1 基于最大熵模型的乡村康养旅居地生态适宜性影响因素分析

根据参数优化后最大熵模型的迭代运算结果，分析滇西北乡村康养旅居地环境变量的百分贡献率与置换重要性（表4）。结果显示：在9个环境变量中，坡度对乡村康养旅居地分布点的影响效果最为显著，百分贡献率为37.8%，置换重要性为49.0%；其次是NDVI、高程、临水距离，三者的百分贡献率均超过10%；风速、PM2.5、野生蔬菜、菜食花和野生菌的资源种类影响效果较小，百分贡献率和置换重要性均相对较小。
表4 影响乡村康养旅居地分布环境变量的百分贡献率和置换重要性

Tab.4 Percentage contribution of environmental variables affecting the distribution of rural healthcare sojourn destinations

环境变量 百分贡献率（%） 置换重要性（%）
高程 15.2 4.9
坡度 37.8 49.0
风速 3.6 22.4
临水距离 11.6 1.2
NDVI 27.0 18.4
PM2.5 1.0 0.5
野生蔬菜 1.2 0.2
菜食花 2.1 2.3
野生菌 0.5 1.1
进一步结合刀切法（Jackknife test）分析（图4），发现乡村康养旅居地分布是由地形、气候、水系、植被、空气质量、常见野生食源等多种因素综合影响的结果，其中坡度、NDVI、高程和临水距离对滇西北乡村康养旅居地的分布起主导作用。
图4 刀切法评价环境变量对乡村康养旅居地分布的影响

Fig.4 Effect of environmental variables on the distribution of rural healthcare sojourn destinations based on Jackknife

3.3.2 基于地理探测器的乡村康养旅居地生态适宜性影响因素分析

针对MaxEnt模型对滇西北乡村康养旅居地生态适宜性的模拟结果，本文使用地理探测器（R语言GD包[31]）展开探讨。基于q值的因子探测表明，影响滇西北乡村康养旅居地生态适宜性的各环境变量重要程度依次为：NDVI>坡度>临水距离>野生菌>风速>菜食花>高程>PM2.5>野生蔬菜。除野生蔬菜外，其余8个环境变量对滇西北乡村康养旅居地生态适宜性均具有显著影响（P<0.001）。其中，NDVI、坡度、临水距离的q值分别为0.6688、0.3632、0.3256，影响最为显著，解释力都大于30%；野生菌、风速、菜食花、高程、PM2.5的q值分别为0.1067、0.0995、0.0981、0.0960、0.0907，解释力均大于9%，影响力次之。表明这8个变量是影响滇西北乡村康养旅居地生态适宜性空间分布格局的主要变量。除高程外，其余环境变量结果排序虽有所差异，但整体与MaxEnt模型模拟结果大致相同。
交互探测发现环境变量之间存在非线性增强、双因子增强、单因子非线性减弱3种类型，不存在独立作用或非线性减弱关系。根据图5交互探测热力图结果显示：坡度（x2）、NDVI（x5）与其他环境变量交互探测下的q值均超过0.35，当这2个变量共同作用时，对滇西北乡村康养旅居地生态适宜性的解释力达到最大（x2∩x5=0.8029）；高程（x1）、风速（x3）、临水距离（x4）、PM2.5（x6）、野生蔬菜（x7）与剩余变量交互作用下的q值均超过0.15。同时，临水距离（x4）与野生蔬菜（x7）、菜食花（x8）存在单因子非线性减弱作用。这说明研究区内乡村康养旅居地的生态适宜性并非仅受单一因子影响，而是多因子共同作用的结果。
图5 交互探测热力图

注：x1~x9分别表示高程、坡度、风速、临水距离、NDVI、PM2.5、野生蔬菜、菜食花、野生菌。

Fig.5 Heat map of interactive detection

3.4 驱动机制分析

为进一步探明乡村康养旅居地生态适宜性与环境变量的关系，本文将9个主导环境变量进行单因子建模，并绘制单因子环境变量与分布概率之间的响应曲线（图6），对环境变量的影响进行分析。当MaxEnt模型应用于物种分布预测时，一般认为存在概率P>0.5范围内对应的环境变量数值区间更适宜物种分布[25]。参考物种分布研究，由图6可以直观分析出乡村康养旅居地生态适宜性随各环境因子数值的改变而变化的趋势。具体如下：
图6 乡村康养旅居地分布概率与环境因子的关系

Fig.6 Relationship between distribution probability of rural healthcare sojourn destinations and environmental factors

①乡村康养旅居地与地形因子密切相关。高程和坡度是影响乡村聚落分布、人类生存活动适宜性评价较关键的2个因素[32]，适当的海拔和坡度有助于身体健康。滇西北地形复杂、海拔落差大，其西北部高海拔地区人类居住适宜性较低，南部地势较平坦区域适宜性高。海拔500~2000 m是适合人类长期生活居住的区域，在此范围内，植物精气的释放量较高，空气负氧离子的浓度较高，且生物群落组成较为丰富，有利于刺激人体机能的运转，提升其肺活量，加快血液循环，使人体整体回归健康状态。其中海拔1500~2000 m的山地或高原区域为全年气候舒适区，也是最佳的康养适宜区，我国长寿区域大多分布在这一区间[33]。由高程曲线可知，滇西北海拔高程在1540 m时响应曲线达到峰值0.61，典型村落分布点大多出现在海拔1500~2000 m内，全年均可适宜开展康养旅居活动。
在所有环境变量中，坡度具有最高的百分贡献率和置换重要性，对乡村康养旅居地的影响最大。坡度响应曲线表明，乡村康养旅居地与坡度之间具有明显的单峰左偏分布关系。整体上看，随着坡度值从0°增大其适宜性增加，在坡度值达到约1.07°时最适宜，随后坡度值增加其适宜性迅速降低，这也符合人类对5°以下的平原及缓斜坡区域居住的偏好。在地形起伏度小、地势较平坦的区域，康养旅游资源分布密集，有利于建设康养旅游资源相关配套设施，开展康养旅游活动，降低康养旅游风险，形成康养旅游产品规模[10]。
②临水距离会对乡村康养旅居地的选择产生影响，最终影响康养旅居地分布格局。由临水距离曲线可知，临水距离是影响乡村康养旅居地生态适宜性的重要变量之一。自古以来人们倾向于选择依山傍水的地区作为居住地，已有研究表明滨水景观会明显增强居住环境的健康促进能力[34]，因此临水距离对乡村康养旅居地的分布概率影响较大。实验表明，临水距离的增加会导致康养旅居地分布概率的降低。为了促进其健康发展，应充分利用滨水景观资源，加强康养疗愈和休闲游憩功能，构建和谐的生态环境，实现人水共生的理想状态。
③归一化植被指数能够直接反映区域的植被覆盖及其生长活力，与乡村康养旅居地生态适宜区分布之间存在紧密联系。高NDVI值通常代表着较高的植被覆盖率和较好的生态环境，这对于提供更清新的空气、更舒适的微气候、更丰富的自然景观等方面具有积极意义。虽然NDVI可以评估一个地区植被覆盖率和生态环境质量，但并不意味着植被覆盖越高就越适宜康养旅居。本文分析发现，滇西北乡村康养旅居地大多分布在NDVI值0.19~0.54区间内。由此可见，康养旅居地不仅仅只取决于植被质量，基础设施、交通可达性、医疗资源、经济发展情况、社会文化等方面也是评价乡村是否适宜康养旅居的重要因素。此外，不同民族和代际的人群对于康养旅居的环境偏好和需求亦有所不同。
④气候、空气质量、常见野生食源等因素对乡村康养旅居地的分布潜力也有一定的影响。尽管这些因素的占比相对较低，但它们在康养旅居地的选择中仍扮演着重要角色。其中，风速是影响乡村康养旅居地布局的重要气候因子，适宜的风速可有效调节气温、净化空气，促进居住者身心健康，但风速过大时可能会降低居住体验。研究区内PM2.5数值分布区间比较集中，对滇西北乡村康养旅居地的分布概率影响较小。气候、空气质量会对滇西北乡村康养旅居地的分布概率产生一定影响，但是贡献率较低，不会在很大程度上限制乡村康养旅居地的选择。
此外，研究区以独特的山地垂直自然带和三江并流的自然奇观，成为中国生物多样性极为丰富的地区。野生食源虽然贡献率较低，但也是乡村康养旅居地不可或缺的资源，在提升康养体验方面的作用日益凸显。由于滇西北地区民族文化多样，饮食习惯差异较大，野生蔬菜与乡村康养旅居地分布关系不显著。但是，随着菜食花、野生菌数量的递增，响应曲线展现出上升的态势，这一现象也深刻反映出乡村康养旅居地的分布概率与野生食源丰富度之间的正相关关系。

4 结论与启示

4.1 主要结论

本文以滇西北地区为案例，综合运用多源数据构建乡村康养旅居地的生态适宜性评价指标体系，基于最大熵模型和地理探测器对乡村康养旅居地的生态适宜性进行模拟分析，得到了研究区较高精度的生态适宜性分类结果。主要结论如下：
①参数优化后的最大熵模型预测结果显示，训练集与验证集的AUC值都超过0.92，达到了优秀标准，体现了最大熵模型出色的预测性能，从而避免了定性评价方法中主观赋权的偏差，增加了滇西北乡村康养旅居地生态适宜性评价结果的客观科学性。
②滇西北乡村康养旅居地生态适宜区总体呈现“东南高、西北低”的空间格局，并形成大理州、丽江市为中心的“双核—辐射”区、三江并流腹地“山—水—村”川字形康养旅居结构。各县域可根据行政区内各级适宜区的分布位置和面积占比，确定发展优先级：优先开发高潜力适宜区，慎重开发低潜力适宜区。
③在乡村康养旅居地的生态适宜性影响因素分析方面，经过对环境因子进行综合评估后发现，地理探测器和最大熵模型在实验结果上表现大致相同，并且各自具有独特的优势。其中，高程、坡度、NDVI、临水距离是影响乡村康养旅居地的主要因素，其他环境变量的影响权重有所差异，虽然总体来说对乡村康养旅居地生态适宜性的影响程度较低，但仍不可或缺。

4.2 理论启示

乡村康养旅居属于社会新兴现象，目前国家尚未形成完善的行业规范标准，学术界对此研究还处于探索阶段，没有统一的评价体系，针对性的统计数据也相对缺乏。本文提出了一种结合最大熵模型与地理探测器的乡村康养旅居地生态适宜性评价方法，在多源数据融合背景下，对滇西北乡村康养旅居地的生态适宜性进行定量评估。其中，地理探测器作为空间数据探索性分析的有力工具，能够通过空间异质性来探测环境变量与乡村康养旅居地生态适宜性之间空间分布格局的异质性，识别环境变量的解释力，分析不同变量间的交互作用力；而最大熵模型作为带有约束条件的最优化问题，以其高精度预测能力在多个领域得到广泛应用。地理探测器依赖于分类数据输入，但何种分类方法都无法避免出现误差，而最大熵模型则使用完整的原始数据作为输入，避免了分类数据可能带来的主观性。因此，本文在充分利用这两种方法优势的基础上，提供了更加可靠、深入的乡村康养旅居地生态适宜性评价结果，在理论方面拓展了微观尺度康养旅居地生态适宜性的研究视角与方法。

4.3 实践启示

乡村康养旅居地的分布受地形、空气质量、临水距离、风速和野生食源等多重环境因子综合影响，构成了一个复杂而精细的生态体系。在规划与建设中，应科学系统地考量这些因素，确保选址的科学性与合理性，以凸显其独特的生态优势与康养特色。滇西北乡村康养旅居产业的发展离不开高原特色农业作为物质基础，通过合理利用当地丰富的野生食源，不仅能够为康养旅居者提供绿色健康的食品，还能根据时令节气将乡村劳作和生活日常融入康养体验设计，提供如烧火做饭、吃花食野、采茶晒场、采摘野生菌等系列体验性项目，打造沉浸式的康养体验场景，从而进一步丰富康养体验的内涵，提升乡村康养旅居地的整体吸引力。未来应充分利用区域自然禀赋，发展“避暑、避寒、避霾、避世”[35]的乡村康养旅居模式，打造“吃出健康，闻出健康，活出健康”的乡村康养旅居地形象，助力探索引领乡村绿色发展方式和健康生活方式的新路径。本文通过定量化手段对康养旅居地的发展潜力进行评估及优劣势分析，有助于乡村地区精准定位自身发展策略，优化康养旅居空间布局，构建可持续发展模式，具有深远的实践意义。但囿于数据来源，本文仅对康养旅居地的自然生态环境系统指标开展研究，未来拟将乡村康养旅居地的文化、社会支持系统等相关变量纳入评估范畴，进一步完善乡村康养旅居地的评价指标体系。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
龚胜生, 王无为, 杨林生, 等. 地理学参与健康中国建设的重点领域与行动建议[J]. 地理学报, 2022, 77(8):1851-1872.

DOI

[2]
马凌, 孙九霞, 朱竑. 流动、旅游与后现代——一个研究视角与一种精神转向[J]. 人文地理, 2017, 32(3):146-151.

[3]
郭远智, 刘彦随. 中国乡村发展进程与乡村振兴路径[J]. 地理学报, 2021, 76(6):1408-1421.

DOI

[4]
周榕, 石磊, 庄汝龙. 中国旅居养老空间发展模式研究[J]. 地理学报, 2023, 78(6):1553-1572.

DOI

[5]
程豪, 杨钊. 从大众旅游到乡村旅居:乡村区域旅游发展的新趋势——基于元方法的驱动力分析与旅居地假设[J]. 地理科学, 2021, 41(1):83-91.

DOI

[6]
刘楠, 魏云洁, 郑姚闽, 等. 北京市森林康养旅游空间适宜性评价[J]. 地理科学进展, 2023, 42(8):1573-1586.

DOI

[7]
宋娜, 周旭瑶, 唐亦博, 等. 基于DEMATEL-ISM-MICMAC法的康养旅游资源评价指标体系研究[J]. 生态经济, 2020, 36(5):128-134.

[8]
王兆峰, 史伟杰, 苏昌贵. 中国康养旅游地空间分布格局及其影响因素[J]. 经济地理, 2020, 40(11):196-207.

DOI

[9]
杨秀成, 宋立中, 钟姚越, 等. 福建省康养旅游资源空间分布特征及其影响因素研究[J]. 福建师范大学学报(自然科学版), 2019, 35(5):106-116.

[10]
邵海琴, 王兆峰. 湖南雪峰山地区康养旅游资源空间分布特征及影响因素[J]. 湖南师范大学自然科学学报, 2022, 45(4):44-54.

[11]
陈勤昌, 王兆峰. 康复性景观理论下中国康养旅游发展潜力评估及其障碍因素[J]. 地理与地理信息科学, 2024, 40(1):134-141.

[12]
陈建波, 明庆忠. 基于改进层次分析法的健康旅游资源评价研究[J]. 地理与地理信息科学, 2018, 34(4):69-73.

[13]
何琪敏, 史中超, 谈国新. 文化生态保护区旅游发展水平评价及其发展模式[J]. 经济地理, 2024, 44(3):209-217.

DOI

[14]
中国政府网. 中共中央国务院关于新时代推进西部大开发形成新格局的指导意见[EB/OL]. http://www.mofcom.gov.cn/article/zcfb/zcwg/202007/20200702980318.shtml, 2020-05-17.

[15]
中国网. 习近平:把旅游等服务业打造成区域支柱产业[EB/OL]. http://travel.china.com.cn/txt/2024-04/25/content_117149724.shtml, 2024-04-25.

[16]
云南日报. 云南打造康养旅游新业态[EB/OL]. https://www.yn.gov.cn/yngk/lyyn/lydt/202308/t20230826_284715.html, 2023-08-26.

[17]
孔雪松, 府梦雪, 江平. 中国特色乡村空间格局与旅游空间协同优化分区[J]. 地理学报, 2023, 78(10):2554-2573.

DOI

[18]
邹秋雨, 孙建伟, 杨丹丽, 等. 中国典型村落空间分布特征及影响因素——基于4种村落的考察[J]. 地理科学, 2023, 43(4):638-648.

DOI

[19]
黄钦, 杨波, 徐新创, 等. 基于多源空间数据和随机森林模型的长沙市茶颜悦色门店选址与预测研究[J]. 地球信息科学学报, 2022, 24(4):723-737.

DOI

[20]
秦淑洁, 钱天陆, 吴朝宁, 等. 基于地理探测器和最大熵模型的人类出行活动强度空间格局模拟:以云南省域为例[J]. 地理科学, 2023, 43(8):1360-1370.

DOI

[21]
曲向荣. 环境生态学[M]. 北京: 清华大学出版社, 2012.

[22]
李后强, 廖祖君. 生态康养看攀西以“六度理论”为衡量指标打造同心圆圈层发展体系[J]. 当代县域经济, 2016(3):24-29.

[23]
朱晓华, 张燕, 朱媛媛. 健康中国战略:从理论构想到实践推动[J]. 经济地理, 2023, 43(12):1-12.

DOI

[24]
Fusté-Forné F. Seasonality in food tourism:Wild foods in peripheral areas[J]. Tourism Geographies, 2019,24:578-598.

[25]
王晓帆, 段雨萱, 金露露, 等. 基于优化的最大熵模型预测中国高山栎组植物的历史、现状与未来分布变化[J]. 生态学报, 2023, 43(16):6590-6604.

[26]
张伟, 周松林, 尹仑. 基于优化MaxEnt模型的高山峡谷区地质灾害易发性评价——以云南省德钦县为例[J]. 灾害学, 2023, 38(2):185-190.

[27]
唐嘉琪, 赵耀龙, 刘颖. 基于Max Ent模型的西南地区传统村落空间格局模拟[J]. 热带地貌, 2022, 43(2):6-14.

[28]
钟敬秋, 高梦凡, 赵玉青, 等. 中国国际重要滨海湿地生态系统文化服务空间分异归因研究[J]. 地理学报, 2024, 79(1):76-96.

DOI

[29]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

DOI

[30]
陈程浩, 龙主多杰, 陆徐伟, 等. 基于优化MaxEnt模型的中国紫堇属植物生境适宜性研究[J]. 生态学报, 2023, 43(24):10345-10362.

[31]
Song Y Z, Wang J F, Ge Y, et al. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis:cases with different types of spatial data[J]. GIScience & Remote Sensing, 2020, 57(5):593-610.

[32]
杨忍. 基于自然主控因子和道路可达性的广东省乡村聚落空间分布特征及影响因素[J]. 地理学报, 2017, 72(10):1859-1871.

DOI

[33]
方如康, 戴嘉卿. 中国医学地理学[M]. 上海: 华东师范大学出版社,1993.

[34]
Yin J, Ramanpong J, Chang J, et al. Effects of blue space exposure in urban and natural environments on psychological and physiological responses:A within-subject experiment[J]. Urban Forestry & Urban Greening, 2023,87:128066.

[35]
李钰. 云南康养旅游产业链与创新链融合发展[J]. 旅游学刊, 2023, 38(1):11-14.

Options
Outlines

/

〈 〉