然而，模型结果在运用过程中也存在限制。例如，模型的构建依托输入数据的类别、时间点，以及数据质量，因此需要根据实证调研和相关文献构建数据集，并以较新和较高分辨率的形式发展成指标变量。其次，当尝试将结果用于较小尺度的分析时，应警惕跨尺度带来的不确定性。因此，建模研究不能取代现场调研。在规划实践中，应把建模结果当作空间定位的参考。

本研究主要有两点不足。首先，很多人文因素难以直接量化。作者曾尝试纳入社会经济发展水平和少数民族分布等，但是仍受制于数据不足和无法精确空间化的掣肘。研究区域内的有效微博签到数据较少。其次，遵循SDM模型的数据要求，未区分不同游憩服务热点的质性差异。在SDM模型框架下，如何分析多类别社会事件的发生并将结果聚合，将是未来研究的重点。

结 论

本研究运用基于集成模型的机器学习方法，基于SDM模型提出全域旅游视角下区域游憩服务空间潜力预测的新研究路径。结果表明，集成模型的预测表现较好，在数据测试集中也有较高准确率。研究发现，运用不同算法可能导致预测结果的不同。而集成模型提供了一种避免“将鸡蛋放在一个篮子里”的预测方法，具有实践指导价值。

鄂西地区的研究结果表明，区域尺度的综合游憩服务潜力预测结果与用地类型、景观构成、气候要素、交通便利等因素相关，但其评价体系的构建应充分考虑已受官方认证或市场认可的文化游憩服务热点，将通过热点“学习”到的环境特征推广到全域，能更好地指导“连点成片”，并通过可达性分析聚焦关键空间位置，助力区域发展。