《Resources, Environment and Sustainability》：Ecosystem Health Responses to Tourism Activities in the Qinghai-Tibet Plateau: Nonlinear Relationships and Mechanism
编辑推荐：
本研究针对生态脆弱区旅游发展可能超出生态系统自调节能力的问题，以青藏高原为案例，首次系统揭示了生态系统健康（EH）对旅游活动强度（TAI）的非线性响应关系。通过构建TAI指数并运用机器学习模型，研究发现EH对旅游活动的响应存在明显阈值效应：千米网格尺度阈值为0.134，轨迹点尺度阈值为0.337。研究创新性地识别出四种典型响应模式，为高海拔地区划定生态安全操作空间提供了定量依据，对协调生态保护与旅游发展具有重要实践价值。
在全球生态脆弱区，旅游业已成为推动经济增长和改善民生的重要动力。然而，大规模、高密度的旅游活动不可避免地给生态系统带来压力。特别是在有"地球第三极"之称的青藏高原，这里既是亚洲水塔，又是全球生物多样性热点区域，其生态系统健康（Ecosystem Health, EH）对维护全球生态安全具有至关重要的作用。2024年，西藏自治区接待游客量达6400万人次，约为当地人口的17倍，且增长趋势持续加剧。这种快速增长是否已超出生态系统的自我调节能力？生态系统对旅游干扰的响应是线性累积还是非线性突变？这些问题成为当前生态保护与可持续发展领域亟待解决的关键科学问题。
传统研究多聚焦于旅游活动对生态环境的单维度影响，如植被退化、土壤退化、水资源压力等，且往往局限于小空间尺度，忽视了系统性的生态响应。更为重要的是，现有研究多基于线性假设，缺乏对非线性波动和阈值效应的深入探讨。旅游活动作为一种具有高度空间流动性和时空异质性的人类干扰形式，更可能触发生态系统内的非线性响应。识别生态阈值并量化其临界点，成为制定适应性旅游治理政策的关键前提。
针对这一研究空白，中国科学院地理科学与资源研究所的科研团队在《Resources, Environment and Sustainability》上发表了题为"Ecosystem Health Responses to Tourism Activities in the Qinghai-Tibet Plateau: Nonlinear Relationships and Mechanism"的研究论文。该研究通过构建综合评估框架，系统揭示了青藏高原生态系统健康对旅游活动强度的非线性响应关系与机制。
研究团队创新性地整合了多源数据，包括从两大户外旅游平台获取的123,374条旅游轨迹记录（2008-2023年）、94,788个旅游相关POI点（2023年）以及573个A级景区数据。在方法学上，研究采用了VORS模型评估生态系统健康，从生态系统的活力（Vitality）、组织（Organization）、韧性（Resilience）和服务（Services）四个维度构建综合生态系统健康指数（IEHI）。旅游活动强度（TAI）通过核密度估计和熵权法在千米网格尺度和轨迹点尺度分别量化。为捕捉复杂的非线性关系，研究采用梯度提升回归树（GBRT）模型，并结合SHAP方法进行特征重要性解释。同时，利用广义可加模型（GAM）拟合不同生态地理分区和旅游热点区的响应曲线，识别差异化的响应模式。
生态系统健康的时空变化特征
2005至2023年间，青藏高原生态系统健康总体呈现改善趋势，平均值从0.501上升至0.519。空间上表现出明显的东-西梯度格局，高EH值主要集中于高原东南部，而较低值出现在羌塘高原、可可西里和柴达木盆地等西北地区。不同生态地理分区（EGZs）的EH变化呈现阶段性特征：2005-2015年期间所有分区均呈改善态势，而2015-2023年多数分区出现停滞或逆转，表明前期广泛的生态改善效应在后期已减弱或部分逆转。
旅游活动强度的空间分布规律
旅游活动分布深受自然地理因素影响，呈现多重空间分异模式。旅游轨迹点和POI热点主要集中于低海拔、易到达区域，如青藏高原东缘的黄河上游谷地（海北、海南、甘南）和横断山脉南段河谷区（林芝、迪庆）。旅游活动表现出强烈的廊道引导集聚特征，沿主要交通干线形成带状聚集。
生态系统健康对旅游活动的尺度特异性响应
研究发现EH对TAI的响应存在明显的尺度依赖性非线性特征。在千米网格尺度，GBRT模型识别出临界生态阈值为0.134，当TAI低于此阈值时，生态系统保持相对稳定甚至略有改善；一旦超过该阈值，EH呈现加速下降趋势。在轨迹点尺度，临界阈值提高至0.337，表明在更局部的尺度上，生态系统对旅游干扰表现出更高的耐受性。SHAP分析显示，TAI对EH变化的贡献在千米网格尺度排名第七，而在轨迹点尺度贡献度提升，表明旅游活动的影响在局部高暴露单元更为显著。
不同区域类型的响应模式分异
通过GAM模型拟合不同生态地理分区的响应曲线，研究识别出四种典型响应类型：高强度下降型（如HIID3、HIID2等）、正响应型（如HIIC1、HID1）、波动响应型（如VA6、HIB1）和U型响应型（如HIC1、HIC2等）。这些差异化的响应模式反映了不同区域生态系统结构功能与旅游干扰暴露的交互作用。
不同类型旅游热点的生态响应差异
研究进一步将旅游热点分为自然景观依赖型、文化遗产依赖型、交通依赖型和村落依赖型四类。案例分析表明，不同旅游组织模式对应差异化的生态响应：自然景观依赖型热点生态风险较高（如茶卡盐湖ΔEH = -0.056）；交通依赖型热点呈现线性干扰特征（如折多山ΔEH = -0.006）；文化遗产依赖型受旅游和城市化双重压力（如拉萨ΔEH = -0.008）；而村落依赖型热点则表现出较强的生态韧性（如甲居藏寨ΔEH = 0.009）。
研究结论与讨论部分强调，青藏高原生态系统健康对旅游活动的响应并非简单的线性关系，而是受区域生态异质性、旅游空间功能类型和多尺度干扰结构共同塑造的非线性过程。阈值效应的识别为生态脆弱区旅游可持续发展提供了重要科学依据：在宏观尺度，应以网格尺度阈值作为风险识别工具，严格生态保护红线管控；在微观尺度，需重点监管旅游热点和交通枢纽等高风险单元，实施差异化管理策略。
这项研究的创新之处在于首次系统揭示了青藏高原EH-TAI关系的非线性特征和阈值效应，建立了跨尺度的分析框架，为协调生态保护与旅游发展提供了定量化依据。研究成果对全球生态脆弱区，特别是高海拔地区的生态系统管理和旅游可持续发展具有重要参考价值。未来研究可进一步整合多源数据，开展阈值情景模拟，为旅游政策优化提供更精准的决策支持。
