第四章 马山旅游可持续发展综合评价

4.1 评价指标体系构建

4.1.1 评价维度与指标选取

本研究依据旅游可持续发展”三重底线”理论框架，从生态环境可持续性、社会文化可持续性和旅游经济可持续性三个维度构建评价指标体系。指标选取遵循以下原则：（1）科学性与可操作性兼顾，优先选择可空间化表达的指标；（2）数据可获取性，所有指标均来源于本研究第三章已完成的遥感监测与空间分析成果；（3）指标间相对独立，避免信息冗余。

基于上述原则，最终确定目标层—准则层—指标层的三级评价体系如表4.1所示。

表4.1 马山旅游可持续发展评价指标体系

目标层	准则层	指标层	数据来源	指标属性
马山旅游可持续发展综合评价（CSDI）	$B_1$ 生态环境可持续性	$C_1$ 植被覆盖度（NDVI 均值）	GEE Landsat 遥感提取	正向
		$C_2$ 林地面积占比	LUCC 决策树分类	正向
		$C_3$ 建设用地面积占比	LUCC 决策树分类	负向
	$B_2$ 社会文化可持续性	$C_4$ 公共交通覆盖率（500m）	OSM 路网 Buffer 分析	正向
		$C_5$ 住宿设施空间密度	高德 POI 核密度分析	正向
		$C_6$ 餐饮设施空间密度	高德 POI 核密度分析	正向
	$B_3$ 旅游经济可持续性	$C_7$ 旅游景点资源密度	高德 POI 核密度分析	正向
		$C_8$ 住宿业态多样性指数	POI 分类统计	正向

上述指标体系的空间化可行性说明如下：$C_1$ 至 $C_3$ 为遥感直接提取的栅格数据，空间分辨率为 30m；$C_4$ 通过公交站点 500m 等距缓冲区转换为二值栅格；$C_5$ 至 $C_7$ 通过对 POI 进行核密度估计（KDE）输出为连续栅格面；$C_8$ 通过网格统计各单元内住宿类型数量生成离散栅格。上述处理确保全部 8 项指标可在统一的 30m 栅格尺度上进行空间叠加运算。

4.1.2 基于 AHP 的指标权重确定

本研究采用层次分析法（Analytic Hierarchy Process, AHP）确定各层级指标的相对重要性权重。AHP 由 Saaty 于 1980 年提出，其核心思想是将复杂的多准则决策问题分解为层次结构，通过构建判断矩阵进行两两比较，计算各要素的相对权重，并通过一致性检验确保判断的逻辑自洽性。

本研究的权重赋值参考庞红丽等（2025）对旅游用地生态敏感性评价的 AHP 赋值经验^[15]，结合马山半岛作为太湖流域生态敏感区的区位特征及第三章空间分析揭示的生态压力格局，采用 Saaty 1—9 整数标度法进行两两比较判断。

（1）准则层判断矩阵构建

马山半岛三面环太湖，生态系统脆弱且不可逆损害已在核心开发区显现（第三章 NDVI 分析），因此生态环境维度的重要性高于其他两个维度。社会文化维度涵盖设施配套与交通可达性，直接影响游客体验与社区福祉，重要性居中。旅游经济维度虽是发展动力，但属派生性指标，排序最末。据此构建准则层判断矩阵如表4.2所示。

表4.2 准则层判断矩阵

准则层	$B_1$ 生态环境	$B_2$ 社会文化	$B_3$ 旅游经济
$B_1$ 生态环境可持续性	1	2	3
$B_2$ 社会文化可持续性	1/2	1	2
$B_3$ 旅游经济可持续性	1/3	1/2	1

采用几何平均法（方根法）计算权重向量。对于 $n$ 阶判断矩阵 $A=(a_{ij})$，第 $i$ 个要素的权重计算公式为：

$$W_i=\frac{{\left(\prod _{j=1}^n{a}_{ij}\right)}^{1/n}}{\sum _{k=1}^n{\left(\prod _{j=1}^n{a}_{kj}\right)}^{1/n}}$$

式中：$a_{ij}$ 为要素 $i$ 相对于要素 $j$ 的重要性标度值；$n$ 为该层次要素个数。

计算过程如下：

$B_1$ 行积的 $n$ 次方根：$(1\times 2\times 3{)}^{1/3}=6^{1/3}=1.817$

$B_2$ 行积的 $n$ 次方根：$(1/2\times 1\times 2{)}^{1/3}=1^{1/3}=1.000$

$B_3$ 行积的 $n$ 次方根：$(1/3\times 1/2\times 1{)}^{1/3}=(1/6{)}^{1/3}=0.550$

归一化：$W_1=1.817/3.367=0.540$；$W_2=1.000/3.367=0.297$；$W_3=0.550/3.367=0.163$

一致性检验。计算判断矩阵的最大特征根 ${\lambda }_{max}$，进而求取一致性指标 $CI$ 和一致性比率 $CR$：

$$CI=\frac{{\lambda }_{max}-n}{n-1}$$$$CR=\frac{CI}{RI}$$

式中：${\lambda }_{max}$ 为判断矩阵最大特征根；$n$ 为矩阵阶数；$RI$ 为平均随机一致性指标（$n=3$ 时 $RI=0.580$）。当 $CR<0.10$ 时，认为判断矩阵具有满意的一致性。

经计算，准则层判断矩阵 ${\lambda }_{max}=3.009$，$CI=(3.009-3)/(3-1)=0.005$，$CR=0.005/0.580=0.008<0.10$，通过一致性检验。

（2）指标层判断矩阵构建

在准则层权重确定的基础上，进一步对各准则层内部的指标要素进行两两比较，分别构建指标层判断矩阵。

$B_1$ 生态环境维度：NDVI 是反映植被覆盖状况最直接且对生态质量变化最敏感的综合性指标，其重要性高于林地占比和建设用地占比；后两者从正反两个方面表征土地利用结构，重要性相当。判断矩阵及权重如表4.3所示。

表4.3 $B_1$ 生态环境维度指标层判断矩阵及权重

$B_1$ 生态环境	$C_1$ NDVI 均值	$C_2$ 林地占比	$C_3$ 建设用地占比	权重 $W_i$
$C_1$ 植被覆盖度	1	2	2	0.500
$C_2$ 林地面积占比	1/2	1	1	0.250
$C_3$ 建设用地占比	1/2	1	1	0.250

一致性检验：${\lambda }_{max}=3.000$，$CI=0.000$，$CR=0.000<0.10$，完全一致。

$B_2$ 社会文化维度：公共交通覆盖率直接关系到非自驾游客的空间可达性与社区公共服务均等化水平，住宿设施密度是游客停留意愿和社区经济参与度的核心支撑，两者同等重要；餐饮设施密度作为配套服务的补充性指标，重要性略低。判断矩阵及权重如表4.4所示。

表4.4 $B_2$ 社会文化维度指标层判断矩阵及权重

$B_2$ 社会文化	$C_4$ 公交覆盖率	$C_5$ 住宿密度	$C_6$ 餐饮密度	权重 $W_i$
$C_4$ 公交覆盖率	1	1	2	0.400
$C_5$ 住宿设施密度	1	1	2	0.400
$C_6$ 餐饮设施密度	1/2	1/2	1	0.200

一致性检验：${\lambda }_{max}=3.000$，$CI=0.000$，$CR=0.000<0.10$，完全一致。

$B_3$ 旅游经济维度：景点资源密度是区域旅游吸引力和经济活力的基础性指标，决定了游客到访的根本动因；住宿业态多样性反映产业结构的丰富程度，属辅助性指标。判断矩阵及权重如表4.5所示。

表4.5 $B_3$ 旅游经济维度指标层判断矩阵及权重

$B_3$ 旅游经济	$C_7$ 景点密度	$C_8$ 住宿多样性	权重 $W_i$
$C_7$ 景点资源密度	1	2	0.667
$C_8$ 住宿业态多样性	1/2	1	0.333

一致性检验：2 阶判断矩阵天然满足一致性条件，无需检验。

4.1.3 综合权重计算

将准则层权重与各指标层局部权重相乘，得到各指标相对于总目标的综合权重。计算公式为：

$$W_{\mathrm{综}\mathrm{合},k}=W_{B_i}\times W_{C_k|B_i}$$

式中：$W_{\mathrm{综}\mathrm{合},k}$ 为第 $k$ 个指标的综合权重；$W_{B_i}$ 为该指标所属准则层 $B_i$ 的权重；$W_{C_k|B_i}$ 为该指标在准则层 $B_i$ 内部的局部权重。

各指标综合权重计算结果如表4.6所示。

表4.6 各指标综合权重汇总表

准则层	准则层权重	指标层	局部权重	综合权重
$B_1$ 生态环境	0.540	$C_1$ 植被覆盖度（NDVI）	0.500	0.270
		$C_2$ 林地面积占比	0.250	0.135
		$C_3$ 建设用地面积占比	0.250	0.135
$B_2$ 社会文化	0.297	$C_4$ 公交覆盖率（500m）	0.400	0.119
		$C_5$ 住宿设施空间密度	0.400	0.119
		$C_6$ 餐饮设施空间密度	0.200	0.059
$B_3$ 旅游经济	0.163	$C_7$ 旅游景点资源密度	0.667	0.109
		$C_8$ 住宿业态多样性	0.333	0.054
合计				1.000

由表4.6可知，生态环境维度三项指标的综合权重之和为 0.540，占据总权重的一半以上，体现了本研究对马山半岛生态脆弱性的重视；社会文化维度权重之和为 0.297，旅游经济维度权重之和为 0.163。在单项指标中，$C_1$ 植被覆盖度（0.270）权重最高，$C_2$ 林地占比与 $C_3$ 建设用地占比（各 0.135）次之，反映了遥感监测指标在生态评价中的核心地位。

4.1.4 指标数据栅格化与标准化处理

（1）指标栅格化处理

为实现栅格级空间综合评价，需将全部 8 项指标统一转换为 30m 空间分辨率的栅格数据。各指标的栅格化方法如下：

$C_1$ 植被覆盖度：直接采用 GEE 平台输出的 2025 年生长季 Landsat NDVI 中值合成栅格（30m）。

$C_2$ 林地面积占比：基于 LUCC 分类结果生成林地二值栅格（林地=1，其他=0），采用 $3\times 3$ 像元移动窗口计算邻域均值，得到每个像元周围的林地比例连续栅格。

$C_3$ 建设用地面积占比：方法同 $C_2$，对建设用地生成二值栅格后进行 $3\times 3$ 邻域均值统计。

$C_4$ 公共交通覆盖率：以研究区全部公交站点为中心生成 500m 等距缓冲区，缓冲区内赋值 1，缓冲区外赋值 0，栅格化为 30m 二值栅格。

$C_5$ 住宿设施密度：对 434 处住宿 POI 执行核密度估计（KDE，搜索半径 1000m），输出为 30m 连续密度栅格。

$C_6$ 餐饮设施密度：对 172 处餐饮 POI 执行核密度估计（搜索半径 1000m），输出 30m 连续密度栅格。

$C_7$ 景点资源密度：对 129 处旅游景点 POI 执行核密度估计（搜索半径 1000m），输出 30m 连续密度栅格。

$C_8$ 住宿业态多样性：将研究区划分为 $30m\times 30m$ 网格单元，统计每个网格 500m 缓冲范围内覆盖的住宿类型数（民宿客栈、旅馆、星级酒店三类），输出为离散栅格（取值 0—3）。

（2）极差标准化（Min-Max 归一化）

由于各指标的量纲和数量级不同，无法直接进行加权叠加，需先进行无量纲化处理。本研究采用极差标准化方法将所有指标值映射至 $[0,1]$ 区间。

对于正向指标（数值越大越有利于可持续发展，$C_1$、$C_2$、$C_4$—$C_8$）：

$$X_{ij}^{\prime }=\frac{X_{ij}-min(X_j)}{max(X_j)-min(X_j)}$$

对于负向指标（数值越大越不利于可持续发展，$C_3$）：

$$X_{ij}^{\prime }=\frac{max(X_j)-X_{ij}}{max(X_j)-min(X_j)}$$

式中：$X_{ij}$ 为第 $i$ 个栅格单元第 $j$ 项指标的原始值；$X_{ij}^{\prime }$ 为标准化后的值；$max(X_j)$ 和 $min(X_j)$ 分别为该指标在全研究区的最大值和最小值。

4.2 综合评价结果与空间可视化

4.2.1 CSDI 模型构建

在完成全部指标的栅格化与标准化处理后，采用加权线性组合法（Weighted Linear Combination, WLC）构建综合可持续发展指数（Comprehensive Sustainable Development Index, CSDI）空间评价模型：

$$CSD{I}_i=\sum _{k=1}^m{w}_k\times X_{ik}^{\prime }$$

式中：$CSD{I}_i$ 为第 $i$ 个栅格单元的综合可持续发展指数值；$m$ 为参评指标总数（$m=8$）；$w_k$ 为由 AHP 确定的第 $k$ 项指标的综合权重（表4.6）；$X_{ik}^{\prime }$ 为第 $i$ 个栅格单元第 $k$ 项指标的标准化得分。CSDI 取值范围为 $[0,1]$，值越高表示该空间单元的旅游可持续发展水平越高。

展开为具体的栅格运算表达式：

$$CSDI=0.270\times C_1^{\prime }+0.135\times C_2^{\prime }+0.135\times C_3^{\prime }+0.119\times C_4^{\prime }+0.119\times C_5^{\prime }+0.059\times C_6^{\prime }+0.109\times C_7^{\prime }+0.054\times C_8^{\prime }$$

式中：$C_1^{\prime }$ 至 $C_8^{\prime }$ 分别为各指标标准化后的栅格图层。该运算在 QGIS 栅格计算器中完成。

4.2.2 CSDI 结果分级与空间分异特征

对计算得到的 CSDI 栅格结果，采用自然断点法（Jenks Natural Breaks）进行分级，将研究区划分为 5 个可持续发展等级（表4.7）。自然断点法通过最大化类间方差、最小化类内方差来确定最优分界点，能够较好地反映数据的自然聚类特征。

表4.7 CSDI 可持续发展等级划分

等级	可持续发展水平	空间含义
Ⅰ	很低	生态退化严重或设施极度匮乏区域
Ⅱ	较低	单维度得分尚可但综合协调性差的区域
Ⅲ	中等	生态与开发基本平衡的过渡区域
Ⅳ	较高	生态良好且配套相对完善的区域
Ⅴ	很高	三维度协同发展的理想区域

CSDI 空间评价结果表明，马山整体处于中等可持续水平，空间分异剧烈：

1. 综合高值区（Ⅳ—Ⅴ级）集中于核心景区外围 1—2 km 缓冲过渡带（群丰、古竹社区），该区域兼具较好的植被覆盖基底与相对完善的服务配套，三维度得分协调性最佳。
2. 综合低值区（Ⅰ—Ⅱ级）呈现两种空间类型：一是核心景区内部因地表高度硬化导致生态维度得分极低；二是南部太湖岸线及东部山林区因设施与交通维度得分接近零值而成为大面积”发展冷区”。
3. 中等过渡区（Ⅲ级）分布于核心与外围之间的中间地带，是未来空间优化的重点方向。

4.2.3 多维度评价空间分异特征

从各维度分项得分的空间分布来看：

1. 生态环境可持续性：高值区分布在山林区（冠嶂山、马迹山）及南部自然湿地；低值区高度吻合于灵山、拈花湾及马山街道等高硬化旅游开发核心区，呈现出显著的”局部侵占退化”特征。
2. 社会文化可持续性：评价得分空间倒挂显著。灵山与拈花湾外围 2000m 缓冲区集中了全岛 84% 以上的宿餐设施，可达性极高；而南部与内部山林因缺乏配套与公交，得分处于极低水平。
3. 旅游经济可持续性：景点资源密度的高度集聚使得经济维度得分几乎完全由”灵山—拈花湾”双核主导，外围区域经济活力不足。

上述三维度的空间错位——生态高值区与社会经济低值区高度重合——正是马山整体 CSDI 处于中等水平的结构性原因，也揭示了未来优化需要在空间再平衡上寻找突破口。

4.3 发展阶段判定与主要问题识别

4.3.1 基于巴特勒模型的发展阶段判定

结合 TALC 理论与 CSDI 空间评价数据，马山旅游处于巩固期并伴有停滞风险：起步期（1990年代）以零星景区为主；快速发展期（1997—2015）由灵山大佛驱动，伴随建设用地扩张与植被退化，居民利益分配矛盾显现^[3]；巩固转型期（2015至今）拈花湾开园形成”双核集聚”，CSDI 综合高值区仅集中于核心外围狭窄过渡带，但开发强度趋近饱和，若不进行空间解构与产品创新将面临停滞。

4.3.2 制约马山旅游可持续发展的主要瓶颈

结合 CSDI 空间评价中识别出的低值区域分布特征及其维度构成，制约马山可持续发展的瓶颈主要表现在三个方面：

1. 空间极化造成的承载力失衡。CSDI 评价显示，84% 以上的商业配套和游客流高度集中于灵山—拈花湾 2000m 缓冲区内，导致核心区承载力逼近饱和（社会文化维度高分但生态维度低分），而南部优越的沿湖生态岸线则面临”设施真空”（生态维度高分但社会文化与经济维度近零），资源与空间价值未能有效激活。
2. 交通模式单一与绿色旅游的冲突。社会文化维度中 $C_4$ 公交覆盖率的栅格分布表明，常规步行 500m 公交覆盖率仅 33.2%，线路偏向”双核”主轴，南部环湖与次级景区可达性极低，非自驾游客引流困难。这种重自驾、轻公交的模式加剧了半岛生态压力与交通负荷。
3. 生态红线硬化与局部冲突的固化。生态维度 $C_1$（NDVI）与 $C_3$（建设用地占比）的叠加分析表明，尽管全岛林地在生态修复下大幅提升，但两大景区内永久性的大型硬化斑块（场馆、超大停车场）仍截断了生态廊道，造成微生态功能衰退。如何在控制硬化边界的前提下，通过微更新平抑核心区生态赤字是当前的核心挑战。

---