引言
生态系统服务的科学评估是实现联合国可持续发展目标和优化自然资源管理的基础（Millennium Ecosystem Assessment, 2005; Schmidt et al., 2016; Garrett et al., 2023）。在这些服务中，量化文化生态系统服务（CES）——即人们从生态系统中获得的非物质利益，如休闲、审美享受和精神启发——一直是一个挑战，因为其无形性（Daniel et al., 2012; Satz et al., 2013; Schmidt et al., 2016; Nie et al., 2025）。传统的 CES 评估主要依赖社会学方法，如问卷调查和访谈（Milcu et al., 2013; Márquez et al., 2023）。虽然这些方法可以提供丰富的感知信息，但样本量有限、成本高且更新周期慢，使其不太适合大规模和动态评估（Cao et al., 2025; Nie et al., 2025）。因此，开发稳健且具有可扩展性的 CES 评估方法已成为区域可持续性研究中的重要优先事项（Satz et al., 2013; Soe Zin et al., 2019; Teff-Seker et al., 2022; Luo et al., 2025）。
近年来，社交媒体和志愿地理信息的普及为大规模 CES 评估创造了前所未有的机会，使研究人员能够利用大数据识别空间热点和公众偏好（Richards and Friess, 2015; Hale et al., 2019; Fox et al., 2021; Andrew et al., 2023; Yang et al., 2025）。在这个不断扩展的领域中，CES 研究沿着两个互补的分析方向发展。首先，许多研究通过地理标记照片、签到记录或访问频率指标（如照片密度或照片 - 用户天数）来量化使用强度，以考察人们在何时何地以及如何高强度地与特定社会 - 生态空间互动（Arslan and ?rücü, 2021; Schirpke et al., 2021; Cao et al., 2022; Zhang et al., 2022）。这些行为指标提供了人与生态系统互动模式的结构化表征，并支持了大部分 CES 的空间量化（Havinga et al., 2020）。其次，越来越多的研究利用情感分析和基于内容的方法，根据用户生成的文本或视觉内容来表征对 CES 的体验反应（Figueroa-Alfaro and Tang, 2017; Oteros-Rozas et al., 2018; Guo et al., 2023; Kele? ?zgen? et al., 2024; Zhao et al., 2026）。基于文本的研究采用了自然语言处理、主题建模和基于深度学习模型（包括大语言模型）来分类 CES 主题并分析游客情感（Ghermandi and Sinclair, 2019; Lee et al., 2020; Pan et al., 2024; Ren et al., 2025）。同时，基于图像的研究应用了计算机视觉技术，从社交媒体照片中提取视觉语义并识别 CES 模式（Lee et al., 2019; Kele? ?zgen? et al., 2024; Yee and Carrasco, 2024）。这些研究共同通过改善对人类参与和感知体验的经验表征，大大推进了数据驱动的 CES 研究。
尽管取得了这些进展，CES 评估中体验维度的表征仍需要进一步发展。大多数现有研究仍然依赖单一模态，要么关注文本情感，要么关注视觉分析，而不是将文本和视觉表达整合为一个统一的体验指标（Luo et al., 2025; Zhao et al., 2026）。虽然一些近期研究纳入了文本和图像数据，但这些模态通常被视为平行的信息源，而不是结构融合为体验质量的连贯度量（例如，Cao et al., 2022; Havinga et al., 2024）。因此，多模态体验信息的系统整合在当前 CES 评估实践中仍然相对有限。
除了多模态表征外，另一个问题涉及如何将体验信息更广泛地纳入 CES 量化中。在实践中，CES 评估通常将行为参与和体验评价作为相关但分析上独立的维度进行检查。然而，CES 本质上是关系性和体验性的：生态系统不仅被人们使用，还被人们感知、解释和情感体验（Kosanic and Petzold, 2020; Huynh et al., 2022）。高水平的使用并不一定意味着积极的体验，积极的体验反应也并不总是对应于广泛的使用。然而，这两个维度并不总是被系统地整合到单一的评估框架中（Comalada et al., 2025）。因此，目前的方法可能尚未完全捕捉到 CES 作为人类使用和 lived experience（实际生活体验）的联合表达。
为了在这些发展基础上解决剩余的整合挑战，本研究提出了一个统一的、基于指数的评估框架，在连贯的定量结构中将使用强度和体验质量相结合。在该框架中，使用强度通过捕捉访问的空间分布和频率的 GPS 轨迹数据来操作化，代表人与生态系统互动的行为维度。并行地，体验质量被操作化为多模态用户生成内容中表达积极情感的预测概率，从而捕捉可观察的体验反应。通过结合这两个维度，该框架提供了 CES 的结构化表征。为了展示其适用性，该框架在近郊景观中得到了实证应用。具体而言，本研究旨在：
- (1)
推导使用强度和体验质量的空间显性指标；
- (2)
将这些指标整合为一个综合 CES 评估指数；
- (3)
分析近郊景观中 CES 的时空模式；以及
- (4)
使用可解释的机器学习模型识别与观察到的空间异质性相关的关键因素。
通过这种方法论上的进步，本研究贡献了一个可复制且可扩展的 CES 评估框架，支持更有据可依的景观规划和更平衡的社会 - 生态决策。
