《Land》：Scenario-Based Assessment of Agritourism Development Using Hierarchical Principal Component Analysis: A Case Study of Iran
编辑推荐：
农业旅游（agritourism）的发展作为改善农村经济和促进可持续自然资源管理的工具日益重要。本研究提出一个基于情景的农业旅游发展评估框架，采用层次主成分分析（HPCA）在伊朗展开。使用了国家空间和统计数据集、地理信息、地形图以及气候数据。与五个主要准则（包
农业旅游（agritourism）的发展作为改善农村经济和促进可持续自然资源管理的工具日益重要。本研究提出一个基于情景的农业旅游发展评估框架，采用层次主成分分析（HPCA）在伊朗展开。使用了国家空间和统计数据集、地理信息、地形图以及气候数据。与五个主要准则（包括可达性、风险与安全、环境条件、旅游吸引物和旅游设施）相关的子准则经过准备和归一化处理。第一级主成分分析独立应用于每个准则，以降低数据维数并生成加权潜力图。然后，利用第二级主成分分析生成最终的农业旅游发展潜力图。为评估模型稳健性，进行了基于权重的敏感性分析。此外，定义了风险导向、发展导向和环境导向的管理情景，以考察不同优先顺序对农业旅游潜力格局的影响。结果表明：第一主成分解释了可达性约44%的方差、环境条件约48%、旅游吸引物约69%、旅游设施约90%、风险与安全约38%；而前三个主成分对大多数准则解释了超过80%的变异。在第二级，第一主成分约解释了总方差的64%，表明其在塑造农业旅游潜力空间格局中的主导作用。可达性、风险与安全、旅游吸引物、旅游设施和环境条件中极高潜力等级的比例分别为25%、19.7%、15.8%、6.6%和1.8%，而最终图中全国仅有约10%的区域属于该类。敏感性分析显示，可达性和环境条件对模型稳定性影响最大，而旅游吸引物表现最为稳定。情景分析表明，在发展导向情景下，极高潜力等级增至13.9%，而在环境导向和风险导向情景下分别降至10%和9.1%。
农业旅游（agritourism）是近年来全球旅游业增长最快的细分领域之一，被广泛视为促进农村经济多样化、增强乡村韧性和实现可持续发展目标的有效途径。然而，农业旅游的发展受制于自然资源的空间异质性、基础设施不均、环境风险等多维因素，若缺乏科学的空间评估框架，可能导致资源配置低效、环境压力加剧和投资不确定性增加。现有研究多依赖主观赋权的多准则决策分析（MCDA），且常输出单一潜力图，难以反映不同管理优先级下的动态空间格局。针对这一方法论空白，本研究旨在构建一个结合数据驱动降维、情景分析与敏感性评估的集成框架，以客观评估农业旅游发展潜力。研究人员以伊朗全国农业用地为研究区域，提出了基于层次主成分分析（HPCA）的适应性评估体系，并对比了风险导向、发展导向与环境导向三种管理情景下的空间潜力分布。该研究发表于《Land》期刊，为空间规划、旅游政策制定及可持续自然资源管理提供了灵活、鲁棒的决策支持工具。
研究人员在开展研究时主要采用了以下关键技术与方法：（1）基于主成分分析（PCA）的层级降维，即在第一级分别对五个准则（可达性、风险与安全、环境条件、旅游吸引物、旅游设施）下的子准则独立进行PCA，生成加权准则潜力图；在第二级对准则级潜力图再次应用PCA，获得最终综合潜力图。（2）基于权重变化的敏感性分析，通过给各准则权重施加±10%的变动，计算最终潜力图的空间平均变化百分比，以识别敏感准则。（3）基于专家评分与RANCOM多准则决策方法的情景分析，设定风险导向、发展导向和环境导向三种情景，并利用Kendall协调系数（W）检验专家一致性（W=0.79）。空间数据来源包括国家机构（如道路网络、自然危害图层）、全球开放数据集（如ERA5-Land气温、WorldClim v2.1降水、Sentinel-5P/TROPOMI空气质量、GRACE地下水异常）、OpenStreetMap（OSM）和Google Earth等。所有数据预处理在QGIS 3.4中完成，最终重采样至1 km空间分辨率，分析范围仅限农业用地。
4. 结果
4.1. 主成分分析参数与方差解释
基于PCA的计算结果显示，环境条件（尤其气候子准则）对第一主成分（PC1）的贡献最高（0.691），反映农业旅游对气候舒适度和环境容量的依赖。可达性准则中，火车站点（0.371）和机场（0.295）的贡献最大，突出了跨区域交通网络的重要性。旅游吸引物准则中，自然景点（0.366）、宗教景点（0.322）和历史景点（0.296）共同构成PC1的主要驱动力。旅游设施准则中，住宿（0.359）、辅助服务（0.345）和餐饮（0.296）贡献均衡。风险与安全准则中，干扰性土地利用（0.894）为PC1的主导抑制因素，表明土地用途冲突管理的重要性远超自然灾害。第二级PCA中，旅游设施（0.407）和旅游吸引物（0.378）对最终潜力贡献最大，而风险（0.112）主要起限制作用。方差解释方面：第一级中，旅游设施PC1解释约90%的方差，旅游吸引物约69%，环境条件约48%，可达性约44%，风险与安全仅约38%，显示出各准则数据结构的差异；第二级PC1解释总方差的64%，第二、第三分量也贡献显著，表明潜力格局的多维交互特征。
4.2. 单准则潜力图空间格局
可达性潜力图中，中部、北部和西部高等级区域集中，交通网络密集且连接多级市场；东部和东南部低等级区域显著，表现为聚落稀疏和交通薄弱。环境条件潜力图中，北部和西北部因温和气候、充足降水和丰富植被而呈现极高潜力；中部、东部和南部干旱半干旱区潜力低下。旅游吸引物潜力图中，北部、中部和部分西部区域因自然、文化和历史吸引物多样而潜力高；东部和南部区域因吸引物匮乏而潜力低。旅游设施潜力图中，北部和主要城市周边高等级区域拥有完善的住宿与支持服务；东部、东南部和部分西部区域设施薄弱。风险与安全潜力图中，中部和北部因人口密度和资源压力而风险高、潜力低；东部和东南部因稀疏人口而相对安全潜力高。综合潜力图显示，全国仅约10%区域为极高潜力，主要分布在北部枢纽和城市周边；低和中等潜力类占约55%，反映出空间发展的不均衡性。
4.3. 敏感性分析
敏感性分析结果显示，可达性和环境条件的平均绝对百分比变化分别为0.489和0.458，且决定系数（R2）高达0.955和0.958，表明这两个准则对模型输出的影响最大，尤其在东部和东南部干旱区。旅游吸引物平均变化最低（0.115），但R2最高（0.985），起稳定且可预测的锚定作用。旅游服务和风险与安全居中，充当补偿和调节因子。北部区域整体敏感性最低，源于稳定的自然与基础设施条件。
4.4. 情景分析
在环境导向情景下，生态丰富区的北部和西北部高潜力集中，极高潜力比例仅10%，反映资源保护优先。发展导向情景下，高和极高潜力合计39.7%，低潜力比例下降，表明基础设施和可达性提升能有效扩大高潜力区。风险导向情景下，极低和低潜力合计37.8%，极高潜力仅9.1%，体现谨慎风险管理策略的保守性。三种情景的空间模式差异说明，农业旅游发展需因地制宜制定政策，兼顾环境保育、经济增长和风险防范。
5. 讨论
讨论部分指出，农业旅游潜力格局由环境、基础设施、服务与风险因素共同塑造，不同于一般生态旅游，本研究专门聚焦农业用地，并将与农业生产直接相关的指标（如气温、降水、土壤质量、坡度等）纳入框架。敏感性分析结果与既往多准则决策研究一致，强调了可达性和环境条件的权重敏感性。基于PCA与GIS结合的方法可有效减少主观偏差，但线性假设可能忽略非线性关系（如极端距离对可达性与环境质量的权衡）。受限于高分辨率数据的可获取性，本研究未纳入社会经济指标（如农户收入、旅游市场交互），且开源数据（OSM、Google Maps）在偏远地区的覆盖完整性存疑。未来可通过实地调查、官方统计、机器学习等方法提升预测性能。情景分析结果证实，不同管理优先顺序会生成截然不同的发展路径，为区域规划、预算分配和公私合作提供了科学依据。
6. 结论
农业旅游发展已成为支持可持续农村发展和改善地方社区经济环境福祉的重要途径。理解和评估此类旅游的空间潜力——尤其在气候和环境条件多样化的国家如伊朗——能够支持空间规划、自然资源管理和环境风险减缓工作。本研究的主要目标是开发一个基于关键准则（包括可达性、环境与气候条件、旅游吸引物、旅游设施与服务、风险与安全）的空间决策支持框架，用于评估农业旅游适宜性。该框架将多准则空间分析与主成分分析（PCA）及情景评估（环境导向、发展导向、风险规避）相结合，以探索空间优先序和准则敏感性。研究结果表明，伊朗的农业旅游发展潜力在空间上具有异质性，并受自然条件、基础设施可获得性、旅游服务以及环境与人为风险的交互影响。在环境导向情景下，北部和西北部森林覆盖、水资源相对充足、生物多样性较高的区域通常表现出更高的适宜性水平，而干旱半干旱的南部和东南部区域则更常与较低适宜性等级关联。发展导向情景凸显了可达性和旅游设施在塑造经济有利区域中的重要性，而风险规避情景则强调了安全与风险缓减在确定更适宜发展区域中的作用。敏感性分析进一步表明，可达性和环境条件对模型输出具有相对较强的影响，而旅游吸引物则表现出较为稳定的空间行为。这些结果应被解读为探索性的空间适宜性格局，而非对农业旅游成功或未来旅游表现的确定性预测。由于数据限制、空间不确定性以及农业旅游系统的内在复杂性，该框架主要旨在作为决策支持和空间优先级划分工具，帮助规划者和政策制定者识别可能适合进一步调查、投资规划和可持续旅游管理的区域。从实践角度出发，该框架可通过帮助识别需要基础设施改善、环境保护、服务提升或风险减缓的区域，支持区域规划战略。此外，该框架灵活的多准则结构为其他具有不同环境和社会经济条件的区域提供了适应机会。未来研究可通过整合更高分辨率数据集、社会经济指标、实地验证以及先进机器学习或非线性分析方法，进一步提升该框架的操作适用性。总体而言，本研究提供了一个集成的、基于情景的分析框架，用于探索农业旅游适宜性格局，并支持农业和乡村旅游背景下更均衡、适应性和可持续性导向的空间规划方法。
