《Journal for Nature Conservation》：Estimating spatial and seasonal variations in the economic value of recreational ecosystem services using mobile phone data and the travel cost method: Evidence from Aso-Kuju national Park
编辑推荐：
国家公园往往面临游客压力管理与环境保护的双重挑战。尽管游憩生态系统服务的重要性日益受到认可，但鲜有研究利用多地点、多季节的高分辨率访客数据对其经济价值进行量化。本研究整合手机定位数据与旅行费用法（travel cost method, TCM），估算了日本阿苏
国家公园往往面临游客压力管理与环境保护的双重挑战。尽管游憩生态系统服务的重要性日益受到认可，但鲜有研究利用多地点、多季节的高分辨率访客数据对其经济价值进行量化。本研究整合手机定位数据与旅行费用法（travel cost method, TCM），估算了日本阿苏九重国立公园三个游客中心的游憩生态系统服务经济价值。研究人员利用2023年5月、8月和10月（代表访客高峰月份）三个游客中心周边200米半径范围内的手机定位数据，估计了访客数量及其来源区域。将按来源地划分的访客数量与人口及估算旅行成本相结合，计算访问率并建模游憩需求，进而推导出消费者剩余（consumer surplus, CS）作为游憩生态系统服务经济价值的衡量指标。结果显示，不同游客中心和月份的游憩需求与经济价值存在明显的空间和季节差异，反映了访问模式及对旅行成本的需求响应估计值的差异。在旅行成本系数具有统计显著性的模型中，每次行程的CS介于259.29至632.51美元之间，而各游客中心的月度总CS介于406万至1570万美元之间。因此，本研究的发现证明了手机数据作为一种可扩展的数据源，在评估跨地点和跨季节的游憩生态系统服务经济价值方面的潜力。该方法可为国家公园的游客管理和资源分配提供定量证据支持。
研究背景与科学问题
国家公园在当代环境治理中扮演着双重角色：既是保护生物多样性和维持生态系统完整性的关键空间，也为人类提供游憩、旅游和自然体验机会，从而增进福祉。游憩效益是文化生态系统服务（cultural ecosystem services, CESs）的重要组成部分，即人们从生态系统中获得的非物质利益，其中游憩与生态旅游近年来受到越来越多的关注。然而，尽管游憩生态系统服务（recreational ecosystem services, RESs）的重要性日益被认可，其经济价值的量化仍面临方法论挑战。不同于常可通过生物物理或市场术语衡量的供给与调节服务，游憩服务依赖于个体偏好和行为，更具无形性且难以评估。因此，非市场估值方法被普遍应用于确定RESs的经济价值，其中旅行费用法（travel cost method, TCM）是保护区RESs经济价值评估中最广泛使用的方法之一。
传统的TCM应用大多依赖问卷调查，样本量有限、缺乏季节性覆盖，且可能受自我报告偏差影响。大数据的兴起使得更详细、更全面的评估成为可能。近年来，社交媒体数据和手机数据已被整合到TCM建模中。然而，与个体调查数据相比，此类数据集通常提供的入口学和社会经济信息有限，且可能无法完全捕捉复杂的旅行行为，如多目的地出行。在日本，国家公园系统历史悠久，涵盖从高山生态系统到沿海和火山地区的多样化景观，每年接待数亿人次访问，在提供RESs方面发挥着至关重要的作用。然而，现有实证评估往往依赖访客调查和传统旅行费用数据，限制了评估游憩需求和经济价值的空间与季节分辨率。因此，关于同一公园内不同站点及不同季节间游憩使用及其经济价值如何变化的信息相对匮乏。这种精细尺度的变化对于公园管理至关重要，因为公园层面的汇总估计可能掩盖特定地点或时间的游客使用和游憩价值集中情况。识别这些空间和季节模式可以为资源分配、游客容量规划以及防止或缓解过度拥挤提供有用证据。为此，本研究利用手机定位数据和分区TCM（zonal TCM, ZTCM），评估阿苏九重国立公园三个游客中心游憩使用相关的RESs经济价值。
关键技术方法概述
本研究采用了以下几个关键技术方法：首先，利用商业供应商X-Locations提供的匿名化手机全球定位系统（GPS）数据，获取2023年5月、8月和10月三个游客中心周边200米缓冲区内的访客信息，包括每日访客总数及按市町村划分的来源地比例，并对年龄偏差进行了事后分层校正。其次，采用分区旅行费用法（ZTCM），将访客按其居住地划分为不同来源区，计算各区访问率（每单位人口的访客数）。第三，旅行成本的估算综合考虑了交通费用和时间机会成本：根据旅行距离假设主要交通方式（500公里以内为私家车，超过500公里为公共交通），分别计算燃油费或公共交通票价，并以三分之一平均小时工资率估算时间机会成本。第四，采用对数线性函数形式建立访问率与旅行成本之间的需求函数，并通过最小二乘法回归估计参数，进而推导出消费者剩余（CS）作为单次旅行的福利度量，再乘以月度访客总数得到游憩生态系统服务的月度经济价值。
研究结果
4.1 游憩模式与访客来源地多样性
结果显示，不同游客中心和月份的访客总数（N）、来源地数量（S）和归一化香农指数（H′）存在差异。游客中心A的来源地多样性最高（5月150个来源地至10月92个），访客总数也最多，H′值保持在0.867-0.926的高水平，表明访客在各来源地间分布均匀。游客中心B的来源地最少（8月47个至5月61个），访客数也最少，但其H′值持续较高（8月0.905至10月0.967），显示即使贡献的市町村较少，分布依然均匀。游客中心C的来源地和访客总数居中，来源地范围从8月的116个到5月的181个，访客总数介于18,057至27,306人之间，其H′值（0.856-0.888）略低于中心A和B，反映出来源地分布相对不均。
4.2 消费者剩余与游憩生态系统服务经济价值
在对数线性需求回归模型中，所有旅行成本系数均为负值，符合经济学理论。但游客中心B的8月和中心C的8月模型系数在5%水平上不显著，因此未为其推导福利估计。对于统计显著的模型，每次旅行的CS范围为259.29至632.51美元。结果显示清晰的空间和季节变异：游客中心A的CS从5月的259.29美元变化到8月的365.14美元，RESs经济价值分别为936万和857万美元/月。游客中心B的人均CS较高（10月达632.51美元），但因访客数量较少，RESs经济价值（477万美元/月）低于中心A。游客中心C在5月产生了最高的RESs经济价值（1,570万美元），这得益于较高的CS（583.67美元）和较大的访客规模。
讨论与结论总结
讨论部分总结： 研究发现三个游客中心的RESs经济价值存在显著的空间和季节变化，但由于8月中心B和C的旅行成本系数不显著，无法进行完整的旺季跨站点比较。5月和10月（尤其是5月）吸引了最多访客，这与日本的黄金周假期有关。游客中心C因其位于九重地区毗邻湿地和多条步道入口的地理位置和功能多样性，录得了最高的RESs经济价值。研究还强调了人均价值和总量价值的区别：例如中心B的人均CS虽高，但因访客少导致总价值较低，表明管理者需同时考虑这两个指标。估计的每次旅行CS值（259-632美元）相对较高，这归因于对数线性ZTCM下较平缓的旅行成本梯度，反映了公园广阔的地理集水区和游憩机会特性。研究还提出了四项政策启示：管理季节性客流集中、超越单纯访客数量进行干预优先级排序、整合手机数据进行适应性管理、以及利用游憩估值支持投资与保护优先事项。在方法论意义上，研究展示了以游客中心周边手机数据作为公园游憩代理变量的实用且经济有效的方法，但也指出了多重目的地问题、外国游客排除、非游憩使用者混杂以及标准化行驶速度假设等局限性。
研究结论翻译： 本研究证明，手机定位数据可作为使用TCM在游客中心尺度估算RESs经济价值的实用且经济的替代方案。通过分析阿苏九重国立公园三个游客中心的游客流量，研究人员识别出游客需求和消费者剩余的独特空间与季节模式，其中10月显示出最高的游憩价值。这些结果表明，当缺乏全面的边界范围数据时，游客中心层面的数据能够有效捕捉局部游憩动态，并为公园管理者提供有价值的信息。然而，将游客中心用作空间代理并不能捕获所有游憩使用者，特别是那些从事分散活动或未经所选游客中心区域进入公园的访客。因此，所得估计应被解释为代表这些局部站点的游憩使用，而非整个国家公园游憩活动的全空间分布或经济价值。除了方法论贡献外，本研究还为可持续旅游和公园规划提供了管理见解。量化游憩服务的货币价值有助于优先分配资源、论证维护投资的合理性，并传达保护区的社会经济重要性。尽管如此，分析未能考虑多目的地旅行，将全部旅行成本归因于单一公园访问可能导致CS估计偏高，这在一定程度上解释了本研究报告的相对较高的每次旅行CS估计值（259-632美元）。手机数据中潜在的抽样和识别不确定性也可能给估值结果带来额外的不确定性。未来研究应将手机数据与实地访客调查或拦截问卷相结合，以验证推断的旅行来源地、识别实际交通方式、区分主要目的地与多目的地旅行，并收集旅行目的和其他个体层面社会经济信息，从而提高估算精度和普适性。
