Зачем мы это исследуем?
Представьте: вы планируете поездку в живописный национальный парк. Вы выбираете место с богатой природой, чистым воздухом и безопасными условиями. Но как понять, где туризм не навредит экосистеме?
В этом проекте я анализирую датасет с информацией о более чем 5000 природных локаций по всему миру. Мне было интересно понять: Какие типы растительности наиболее уязвимы к климатическим рискам? Связано ли биоразнообразие с туристической привлекательностью? Какие экологические факторы влияют друг на друга?
Ответы на эти вопросы помогут не только выбрать идеальное место для отпуска, но и понять, как сохранить природу для будущих поколений.
Цветовая гамма
Для всех графиков выбран единый визуальный стиль, который делает анализ данных не только понятным, но и эстетически целостным. Основой стала тёплая палитра, состоящая из пяти ключевых цветов. Такое сочетание создаёт ощущение природной гармонии и визуально отсылает к теме экотуризма и жизни на природе.
Анализ данных
Основным источником данных послужил датасет «Ecotourism Climate Risk Dataset», который содержит подробную информацию об экотуристических локациях: от типов растительности и индекса биоразнообразия до показателей качества воздуха, климатических рисков (наводнения, температурные экстремумы) и туристической ёмкости. Это позволило провести глубокий анализ не только экологического состояния территорий, но и факторов, влияющих на их привлекательность для экотуризма.
График 1: Средний климатический риск по типам растительности
Водно-болотные экосистемы особенно чувствительны к изменению климата — они зависят от уровня воды и подвержены засухам и наводнениям. Это означает, что при планировании экотуристических маршрутов в таких зонах необходимо учитывать повышенные риски и разрабатывать меры адаптации.
График 2: Распределение индекса биоразнообразия
Равномерное распределение показывает, что в датасете представлены локации с разным уровнем биоразнообразия, что позволяет корректно сравнивать разные типы территорий. Отсутствие перекоса в данные означает, что наши выводы будут показательными.
Распределение индекса биоразнообразия близко к нормальному (колоколообразному)
Среднее значение составляет около 50 баллов
Большинство локаций имеют индекс в диапазоне 40–60
Крайне высокие и низкие значения встречаются редко
График 3: Связь биоразнообразия и туристической ёмкости
Люди тяготеют к местам с богатой природой — это подтверждает ценность сохранения экосистем для развития экотуризма. Однако важно учитывать, что высокая туристическая нагрузка может создать дополнительное давление на уязвимые экосистемы. Необходим баланс между доступностью и охраной природы.
Коэффициент корреляции Пирсона составляет +0,43 — умеренная положительная связь
Чем выше биоразнообразие, тем больше туристическая ёмкость локации
Точки с высоким риском наводнений (тёмные точки на графике) чаще встречаются при среднем уровне биоразнообразия
График 4: Корреляционная матрица экологических факторов
Понимание корреляций помогает выявить ключевые факторы, влияющие на устойчивость экосистем. Например, борьба с температурными экстремумами может одновременно улучшить качество воздуха — это эффект «двойной выгоды» для экологической политики.
Сильная положительная корреляция (0,87) между Air_Quality_Index и Temperature_Extremes — чем выше температура, тем хуже качество воздуха
Умеренная положительная корреляция (0,43) между Biodiversity_Index и Tourist_Capacity_Limit (подтверждает график 3)
Слабая отрицательная корреляция между Climate_Risk_Score и Biodiversity_Index — в зонах с высоким климатическим риском биоразнообразие чуть ниже
Accessibility_Score слабо связан с экологическими показателями — доступность не обязательно означает высокую экологическую нагрузку
График 5: Качество воздуха по типам почв
Тип почвы может быть важным индикатором при выборе локаций для экотуризма. Глинистые и суглинистые почвы лучше удерживают влагу и пыль, что способствует более чистому воздуху. Песчаные почвы, напротив, более подвержены эрозии и пылевым бурям, что может ухудшать качество воздуха и снижать комфорт для туристов.
Песчаные почвы (Sandy) имеют наибольшую вариативность качества воздуха — от очень низкого до высокого
Глинистые (Clay) и суглинистые (Loam) почвы демонстрируют наилучшие показатели качества воздуха
На илистых почвах (Silt) наблюдается средний уровень качества воздуха с меньшим разбросом
Облако слов
Все эти элементы были проанализированы во взаимосвязи, что позволило получить комплексную картину факторов, определяющих привлекательность и устойчивость экотуристических локаций.
Облако слов наглядно демонстрирует, что проведённое исследование охватывает три взаимосвязанных аспекта:
Экологическое состояние (биоразнообразие, качество воздуха, типы растительности и почв)
Климатические риски (наводнения, температурные экстремумы)
Туристический потенциал (туристическая ёмкость, экологический туризм, охраняемые территории)
Вывод
Проведённое исследование экотуристических локаций на основе датасета «Ecotourism Climate Risk Dataset» позволило выявить ключевые взаимосвязи между экологическими характеристиками территорий, климатическими рисками и их туристическим потенциалом. Ниже представлены основные выводы, структурированные по направлениям анализа.
Исследование подтвердило, что экологическое состояние территории и её туристическая привлекательность тесно взаимосвязаны. Биоразнообразие, качество воздуха, тип почв и растительности, а также климатические риски формируют комплексный портрет локации, определяющий её потенциал для экотуризма. Наиболее перспективными с точки зрения устойчивого развития и комфорта для туристов являются территории с высоким биоразнообразием, луговой растительностью, глинистыми или суглинистыми почвами и низким уровнем климатических рисков.
Полученные инсайты могут служить основой для принятия решений в сфере экологической политики, территориального планирования и развития туристической инфраструктуры, ориентированной на бережное отношение к природе.
Для работы над визуализацией данных в этом проекте использовался deepseek в качестве помощника для исправления ошибок в коде и решения некоторых стилистических задач. обложка проекта была создана с помощью нейросети nanobanana
