基于元分析和集成学习的岛屿旅游与休闲海洋利用适宜性评估方法

海岛旅游与娱乐海用适宜性评估框架创新研究，提出元分析集成学习新方法，构建6主26次指标体系，实证显示准确率超94%，揭示近岸适宜区与生态红线限制区空间规律，为海洋空间规划提供数据驱动解决方案。

　　

程 Zhu|李旭春|岳西和|王志杰|张建利|宋德瑞

国家海洋环境监测中心，大连，116023，中国

摘要

岛屿旅游业已成为海洋经济的重要驱动力，然而无序的发展对脆弱的沿海和海洋生态系统构成了威胁。为了支持可持续的空间规划，本研究提出了一个新颖的适宜性评估（SE）框架，用于岛屿旅游和娱乐性海洋用途（TRSU），该框架结合了元分析（MA）和集成学习（EL）。通过元分析系统地构建了一个评估指标体系，确定了6个主要指标和26个次要指标，涵盖海洋用途、旅游和岛屿三个维度。限制性分区方法确保了政策的合规性，而在非限制区域则采用基于堆叠的集成模型进行细粒度适宜性分类。该方法使用中国的三个岛屿进行了实证验证，结果显示模型性能优异，平均准确率、精确度、召回率和F1分数均超过0.94。空间分析表明，适宜区域主要位于海水质量良好、基础设施完善且海岸线类型适宜的近岸地区，而不适宜区域则受到生态红线或恶劣环境条件的限制。所提出的方法为TRSU评估的传统方法提供了有价值的数据驱动补充，有助于制定明智的海洋空间规划和实现可持续的岛屿发展。

引言

岛屿被定义为被海水环绕且在高潮时仍高于海平面的自然形成的陆地。近年来，岛屿旅游业在全球范围内迅速增长。例如，在马尔代夫，岛屿旅游业对国内生产总值（GDP）的贡献超过30%；而在夏威夷，它已成为第二大产业[1]。在中国，五指山岛、鼓浪屿和舟山群岛等地已成为具有特色的岛屿旅游目的地[2]。岛屿旅游业已成为海洋经济的主要驱动力，并对社会经济发展产生了重要影响。在这一领域中，岛屿旅游的海洋娱乐利用是指开发沿海和海洋资源，以支持观光、休闲和海洋娱乐等活动。然而，无序和随意的开发很容易对岛屿及其周边水域的生态系统造成不可逆转的损害[3]。因此，确保岛屿地区海洋空间资源的可持续利用已成为一个紧迫的挑战。适宜性评估（SE）是一个评估特定开发活动适当程度的过程，并将其适宜性分为不同等级[4]。因此，对岛屿旅游的海洋娱乐利用进行适宜性评估对于合理规划海洋资源以及促进当地经济和环境的可持续发展至关重要。

SE最初广泛应用于土地利用研究，现有研究主要集中在栖息地[5]、[6]、城市发展[7]、[8]、农业生产[9]、[10]和居住环境[11]、[12]等方面。随着人类活动不断向海洋扩展，关于海洋用途（SU）的SE研究也应运而生。SU的SE通常包括多类型评估和单类型评估。多类型评估通常采用综合指标，考虑多种形式的SU[13]、[14]、[15]。虽然一些研究已经纳入了海洋娱乐用途的分区[16]，但它们通常缺乏能够捕捉这一领域独特特征的指标。在单类型评估方面，研究集中在工业[17]、[18]、港口[19]、[20]、渔业[21]、[22]、填海[23]、[24]和海洋娱乐用途[25]、[26]等方面，从而推动了这些海洋应用的规划和管理。

与其他类型的SU相比，旅游和娱乐性SU（TRSU）对生态、资源和位置条件有更严格的要求[27]。其SE本质上是复杂且多方面的。早期的方法主要依赖于定性分析[28]，这些方法只能提供总体适宜性的大致了解，但缺乏精细的空间分辨率。对于定量评估，大多数现有研究采用了多标准决策分析框架[29]、[30]，该框架涉及将多个选项分解为一组可测量的标准以方便评估。这一过程通常包括三个阶段：选择评估指标、确定指标权重和进行总体评估[31]。在指标选择方面，常用专家判断[32]、[33]、[34]和德尔菲方法[35]、[36]、[37]、[38]、[39]。例如，Wijaya等人[39]使用水透明度和珊瑚覆盖率等指标评估了印度尼西亚Saebus岛的潜水旅游适宜性。Yuvaraj等人[40]利用德尔菲方法确定了海岸类型和交通节点的接近性等指标，并评估了印度金奈的海滩旅游适宜性。在确定指标权重时，常采用专家判断[41]、[42]、层次分析法（AHP）[43]、[44]、[45]、熵[31]和主成分分析（PCA）[47]等方法。例如，Aklar等人[48]使用手动分配的权重来评估Weh岛海洋保护区的沿海旅游适宜性。Hermawan等人[49]应用AHP评估了印度尼西亚Poso县的海洋娱乐适宜性。Li等人[47]利用PCA和地理信息系统（GIS）分析了中国辽宁省的海洋娱乐适宜性空间分布。对于总体评估，采用了基于阈值的方法[50]、[51]和分类方法[52]、[53]。例如，Johan等人[54]定义了阈值，将Enggano岛的生态旅游适宜性分为适宜、一般适宜和不适宜三类。Huang等人[52]采用自然断裂分类法评估了毛里求斯的旅游发展适宜性。

尽管这些方法对岛屿海洋娱乐适宜性的评估做出了重要贡献，但当前的评估系统在实际应用中仍存在客观性不足的问题。问题包括选定的指标覆盖不全面、指标权重存在主观偏差以及综合评估中的不合理分类。这些问题可能导致后续实施和管理中的矛盾。近年来，元分析（MA）在医学诊断[55]、气候研究[56]和选址[57]、[58]等领域得到了越来越多的应用。通过统计技术综合现有研究的结果，MA有助于减轻主观偏差。此外，人工智能（AI）方法也被应用于风力发电开发[59]、栖息地评估[60]、[61]和生态农业[62]、[63]的SE中。值得注意的是，Huang等人[30]应用了四种机器学习方法来绘制张家界的生态旅游适宜性地图，而Li等人[64]使用长短期记忆网络进行了冰雪旅游的智能适宜性评估。尽管这些方法显示出有效性，但一个关键的未解决挑战仍然存在：如何系统地整合岛屿、旅游和SU的特点，以确保科学的指标选择和客观的SE。

为了解决这些问题，本研究提出了一个适用于岛屿TRSU的SE框架，将MA与集成学习（EL）相结合。首先，通过大型语言模型（LLM）从相关文献中提取关于岛屿、旅游和海洋SE的相关信息。其次，采用限制性分区和EL方法来实现全面的SE。最后，通过三个案例研究（长山岛、舟山岛和南澳岛）进行实证验证。本研究旨在证明所提出的框架为传统方法（如AHP或德尔菲）提供了有价值的数据驱动补充，在空间复杂的区域提供了更深入的分析。

研究区域

研究区域

本研究选择了中国南北沿岸的三个典型岛屿作为研究地点。它们的地理位置如图1所示。

第一个研究地点是长山岛（包括大长山岛和小长山岛），位于中国北部的黄海，隶属于辽宁省大连市长海县管辖。该地区具有受大陆和海洋因素共同影响的双重气候，年平均气温为9.9°C。

方法

本研究提出了一种基于MA和EL的岛屿TRSU SE方法。具体技术路线如图2所示。首先，使用MA从现有相关文献中整理出岛屿TRSU的SE指标体系，然后根据每个指标构建标准化数据集。在评估阶段，根据限制性指标将研究区域划分为限制区域和非限制区域，并使用EL方法对非限制区域的适宜性进行分类。

相关性分析

使用皮尔逊相关系数计算评估指标之间的数据相关性，相应的热图如图5所示。大多数指标表现出中等或弱相关性（相关系数介于-0.6和0.6之间），表明这些指标可以从相对独立的维度影响岛屿TRSU的适宜性，反映了指标体系的多样性。同时，某些指标对之间存在强相关性。

性能指标的假设检验

为了确定堆叠模型的性能提升是否具有统计学意义且不是由随机方差造成的，对其性能指标进行了假设检验。由于测试数据集不满足正态性假设，因此采用了单侧Wilcoxon符号秩检验来评估堆叠模型是否比基础模型取得了显著更高的性能分数。

结论

本研究通过提出一种结合MA和堆叠EL的智能评估框架，解决了TRSU的SE问题。与传统的专家驱动方法不同，所提出的方法并不旨在完全消除专家判断，而是通过数据驱动的学习来规范和系统化专家知识，从而减少由于主观权重和手动决策导致的不一致性。通过对三个案例的实证应用

CRediT作者贡献声明

程 Zhu：撰写——审阅与编辑，撰写——初稿，方法论，资金获取，正式分析，数据管理，概念化。宋德瑞：撰写——审阅与编辑，监督，项目管理，方法论，资金获取，概念化。张建利：可视化，验证，调查。王志杰：验证，软件，调查，数据管理。岳西和：监督，资源获取，资金获取。李旭春：撰写——初稿，

利益冲突声明

作者声明他们没有已知的利益冲突或个人关系可能影响本文报告的工作。

数据可用性

数据可以从Zenodo网站获取（https://doi.org/10.5281/zenodo.18441689），代码可根据请求提供。

利益冲突声明

? 作者声明他们没有已知的利益冲突或个人关系可能影响本文报告的工作。

致谢

作者感谢编辑和审稿人的支持。本研究得到了中国国家重点研发计划（2021YFF0704000）、科学技术部（中华人民共和国）、自然资源部的海洋空间资源管理技术重点实验室（KF-2022-101, KF-2023-101）以及国家环境保护沿海生态系统重点实验室（20240111）的支持。