传统村落产业系统风险多情景模拟——以黄山市歙县148个传统村落为例

储金龙，滕 璐，李久林，杨宣宣

（1.安徽建筑大学 建筑与规划学院，合肥 230601；2.安徽省城镇化建设协同创新中心，合肥 230601）

传统村落是指形成较早，拥有丰富的传统资源，且具有一定的历史、文化、科学、艺术、社会和经济价值，应予以保护的村落（胡燕 等，2014）。近年来，旅游开发、城镇化进程的叠加影响，使得外部市场活动频繁介入到传统村落场域，打破了村落长期以来自然演替、渐进生长的内生型产业秩序，加快了传统村落经济结构的调整（孙九霞 等，2022）。与此同时，社会、经济、生态、文化等系统受到不同程度的扰动与冲击，系统内多元要素的变化与相互作用，使得村落脆弱性和敏感性加剧（李久林 等，2019）。相反，在一些相对贫困的村落，外部市场活动的欠缺成为传统村落社会经济滞后、传统文化式微，甚至导致失去发展振兴基础的重要诱因。产业兴旺是乡村振兴的核心驱动力，乡土文化是乡村发展的产业资源与潜在力量（陈兴贵等，2020）。如何应对外部市场环境的扰动和内部结构矛盾，传承优秀文化基因，建构针对性与实效性并存的传统村落产业系统风险适应机制，成为学术界近期重点关注的研究课题。

有关“传统村落风险”的研究成果近年来较为丰富，除了探讨如建筑群火灾蔓延（张健 等，2022）、暴雨洪灾等传统灾害类型的风险扰动外（冯一博 等，2020；李玉婷，2021），大多基于现代化的发展背景，探讨日益不稳定的内外部扰动对传统村落可持续发展带来的挑战（Gwimbi, 2009；陈佳 等，2020）。例如，关注资本下乡后的农地流转风险（吕添贵 等，2019），关注空间治理多重风险下政策措施的正当性构建路径（翁时秀 等，2019），关注传统村落旅游化保护风险并提出多元主体协同共治的解决方案（宋河有，2017）等。随着风险的系统属性在学术界逐渐达成共识，学者们在传统村落的风险研究中引入了“社会-生态系统”“复杂网络”“复杂适应系统”等理论方法，强调关注技术理性与社会、制度等人文层面的融合，积极探索传统村落适应主体系统演进的基本规律与驱动机制（Chaffin et al., 2014；吴吉林 等，2018；Zhou et al.,2021；窦银娣 等，2022）。丰富的研究成果为开展传统村落产业系统风险研究提供了重要的理论范式和实证经验，但还存在以下不足：首先，虽然学者们对于传统村落的风险构成已经形成了系统性的认知，但较少从产业发展出发整合系统各要素，研究内容针对性稍有欠缺；其次，面向未来域的仿真模拟研究较少，致使结论难以应对高度不确定的风险状况与制度环境；最后，传统村落发展具有明显的多样性和复杂性，甚至在区域范围内也呈现出禀赋各异的资源特征，因此一般性的发展路径不足以解决传统村落的实际问题。鉴于此，本文立足于传统村落产业系统风险构成，关注社会、经济、生态、文化等要素相互关联的风险适应机制，引入贝叶斯网络（Bayesian belief network）多情景模拟方法，构建面向未来传统村落可持续发展的理论模型，为传统村落的产业转型和风险长效治理提供新的思路与理论借鉴。

1 研究区域与数据来源

1.1 研究区概况

歙县隶属安徽省黄山市，秦朝置县，宋设徽州府，府县同城1 400 a，是古徽州的政治、经济、文化中心。在地理区位上，歙县地处皖南山区，黄山山脉高耸于西北，天目—白际山脉屏障于东南，新安江自西向东贯穿全县，自然生态禀赋优良；在文化资源上，截至2020年底，歙县共有148个村庄入选“中国传统村落名录”，居全国县级传统村落数量之首（图1）。随着乡村旅游发展的日渐兴盛，歙县大多数的传统村落被作为一种重要的人文旅游资源开发利用，如棠樾村、许村、阳产村、卖花渔村等。但由于文化资源的不均衡性、生态本底的差异性和产业基础的不稳定性，歙县传统村落在适应产业系统风险扰动的水平各异。因此，在国家全面实施乡村振兴战略的新时期，亟需统筹区域内传统村落产业系统要素，寻求差异化、特色化的发展路径，强化传统村落抵御与转化产业系统风险的整体适应能力。

图1 研究区域概况（a.安徽省黄山市在全国的区位；b.歙县在古徽州的区位；c.歙县传统村落分布）Fig.1 Overview of the study area (a.the location of Huangshan in Anhui Province; b.the location of She Xian in ancient Huizhou;c.distribution of traditional villages in She Xian)

1.2 数据来源

研究数据包括定性数据与定量数据，主要有歙县行政区划数据、传统村落社会经济数据、文物保护单位数据、遥感及DEM 高程数据等（表1）。项目组于2021 年8 月赴歙县展开为期10 d 的实地调研，搜集歙县148个传统村落的相关文献资料与数据，并对其景观风貌特征、产业发展现状、历史保护情况、设施配套程度等进行记录；在调研过程中，采用半结构式访谈办法，对48名村干部、5名旅游企业管理人员、若干当地村民进行采访记录，获取传统村落的第一手数据。

表1 传统村落产业系统风险模拟研究数据与来源Table 1 Data and sources for simulation studies of industrial system risks in traditional villages

2 研究方法

2.1 贝叶斯网络模型构建的理论框架

2.1.1 传统村落产业系统风险构成 在关于乡村产业系统风险的概念界定上，当前研究大多借鉴“生产—生活—生态”的系统方法论，认为产业的发展和运作依托于社会、自然、民生等多元要素的整合利用（杨亚东 等，2020；田健 等，2021）。传统村落作为特殊的乡村地域单元，承载着特定范围内乡土社会的历史信息和文化遗产，在适应产业发展变迁中的不确定性、不稳定性和不可持续性更高，系统的复杂性也更为突出。因此，通过借鉴乡村社会生态系统（岳俞余 等，2018；黄甜 等，2022）和历史文化要素运行理论方法（任映红 等，2014），将传统村落产业系统风险分解为产业本底风险、社会治理风险、传统文化风险和生态环境风险（图2）。

图2 传统村落产业系统风险构成Fig.2 Risk composition of traditional village industry system

2.1.2 总体研究思路 研究遵循“风险扰动—适应过程—适应结果—适应优化”的研究思路（图3）。其中“风险扰动”是指影响传统村落产业发展的系统因素，如经济水平滞后、治理主体缺位、传统文化衰弱、生态环境负荷增加等。“适应过程”是传统村落多层次主体为应对风险扰动而做出的集体反馈过程，由缓冲、应对和学习自组织能力3部分内容组成（王向彬 等，2022）。其中，不同的“适应过程”会产生不同的“适应结果”，当前阶段的“适应结果”也将会成为下一阶段产业系统风险适应的先决条件。为研究这一风险适应的动态过程，本文引入贝叶斯网络多情景模拟方法，选取传统村落产业系统风险适应的驱动因子，预测分析不同情景下各因子间的影响关系与程度，并通过识别关键驱动因子提出适应优化的决策建议。

图3 传统村落产业系统风险模拟研究思路Fig.3 Research ideas on risk simulation of traditional village industry system

2.2 指标选取与数据处理

传统村落的产业系统风险适应评价需要分指标量化“风险扰动—适应过程—适应结果”中各阶段的系统状态。当前学界对于传统村落系统风险的适应研究，多从社会生态系统韧性（孙应魁 等，2020）、活态性（邹君 等，2020a）、生产空间适应性（王成 等，2020；王倩 等，2020）、旅游地可持续发展（Amir et al., 2015；邵秀英 等，2021；窦银娣 等，2022；孙九霞 等，2022）和农户生计脆弱性（Wood et al., 2014; Chaffin et al., 2016；吴吉林等，2018；Mainali et al., 2019；李龙 等，2021；樊怡 等，2022）等视角出发，结合交通便捷度、公共设施完善度、传统资源丰富度、传统信仰延续性、社区居民参与度、环境质量宜居性等多维度评价指标，测度传统村落的系统风险以及适应能力。综合而言，国外研究侧重于从社会学、旅游学的角度对传统村落系统风险展开研究，关注“人”的探索，以及文化遗产地的建设管理实践；国内研究相对丰富，在多个研究领域均有所建树，对传统村落风险适应的建构思维更为多元、系统，相关适应评价也更具综合优势，因此本文主要参考国内相关指标体系进行指标的遴选和分类。

传统村落产业系统风险从构成上来看，是经济、社会、文化和生态维度的风险扰动共同作用的结果，主体的适应过程与结果取决于传统村落各子系统的正负向反馈。因此产业系统风险适应的评价指标聚焦于传统村落产业发展的同时，也应涵盖村落经济、社会、文化和生态的各层面，确保评价结果能够识别现状特征，并以此为基准做出面向未来情景的发展预测。在参考传统村落风险适应已有研究的基础之上，综合产业系统风险构成和村落主体反馈表征，选取具有显著影响效应的驱动因子，按照“社会治理—文化资源—生态环境—产业本底”进行分类，依次搭建传统村落产业系统“风险扰动—适应过程—适应结果”3个阶段的目标评价体系，共计11 类评估单元和20 项具体评价指标（表2）。其中，评价指标类型分为正向和负向两类，正向指标值越大分别代表产业系统风险越大、适应能力越强、适应结果良好，反之则产业系统风险越小、适应能力越弱、适应结果不良。为使指标数据具有可比性，研究采用标准化处理方法消除量纲影响，处理后的指标值处于 [0～1] 之间，计算公式为：

表2 传统村落产业系统风险适应驱动因子Table 2 Risk adaptation drivers of traditional village industrial system

式中：xij表示评价指标的原始值；为标准值，maxxij、minxij分别表示第j类指标的所有i个数据中的最大值和最小值。

采用层次分析法和熵权法相结合的赋值方法确定指标权重。层次分析法是利用经验和评价内容对指标进行重要性的判断，主观赋权的随意性较强，评价结果容易产生较大波动；熵值法是通过计算指标的离散程度判断各自权重，客观反映数据中各指标对评价结果的影响程度，有效避免权重计算中主观因素带来的误差，但有脱离指标本身意义和价值的可能。因此，将两者叠加使用，能够兼顾评价指标的价值需求和信息量。在对评价指标进行具体赋值时，首先赋予目标层同等权重为1，平均分配“适应能力”的评估层权重为1/3，“适应结果”评估层权重为1/4；其次对除“适应结果”外的指标层进行层级分析法和熵值法叠加赋权，最终得到传统村落产业系统风险适应评估的各项指标综合权重。

运用综合评价方法计算传统村落产业系统风险目标层以及评估层的R指数。其中R指数等于指标数据的标准值与各评价指标的权重值乘积之和，计算公式为：

式中：ωj表示j项指标对该目标层的权重值；pij表示i项准则层j项指标的标准值；m为单项风险所对应的指标个数。在对数据进行预处理后，借助Arc-GIS 软件自然断裂法，对各类指标离散化为三级状态的标准值1、2、3，分别对应状态等级水平低、中、高。

2.3 模型构建与基准情景

贝叶斯网络又称贝叶斯信念网络或贝叶斯网，是由一组变量及其条件依赖关系形成的有向无环图，可以在不确定性的条件下提供一种稳健的概率推理办法，并通过结构学习、参数学习和推理分析获取解决问题的依据（Kabir et al., 2019; Landuyt et al., 2013）。在贝叶斯网络的众多功能中，本文主要关注两个方面：1）用于解构和描述传统村落产业系统风险适应的建模功能；2）用于揭示传统村落产业系统风险适应机制和探究风险适应关键驱动因子的分析功能。研究使用Netica平台建构贝叶斯网络模型，在确定各节点后，根据变量间的因果关系形成拓扑联系，并按照“风险扰动—适应过程—适应结果”的逻辑进行合并。将离散化处理后的样本点数据代入Netica，采用EN 算法进行网络参数学习，最终得到经过训练后的贝叶斯网络，图示结果显示了传统村落产业系统风险适应中各变量的初始概率表（图4）。根据现状风险扰动的状态概率分布情况，当前歙县38.3%的传统村落处于系统高风险，44.5%的传统村落处于系统中风险。其中，产业本底风险和生态环境风险对歙县传统村落的扰动最为突出，这两类风险在指标体系中分别对应“主要产业类型”和“人均耕地面积”，说明歙县传统村落现状产业发展水平较低，大多数村落产业结构单一且层次较低；歙县地处皖南山区，耕地面积严重不足，土地资源的稀缺性致使休闲农业发展基础较差，乡村特色产业的培育空间不足。

图4 传统村落产业系统风险适应贝叶斯网络模型Fig.4 Bayesian network model of risk adaptation in traditional village industrial system

将初始概率表作为传统村落产业系统风险模拟的基准情景，进一步探究歙县传统村落产业系统风险适应的空间分异情况，对现状评价结果进行空间核密度分析（图5）。研究发现“风险扰动”“适应能力”和“适应结果”之间存在较强的空间关联性，同时歙县范围内表现出一定的优势空间集聚，即以许村村、棠樾村、郑村为核心的许村镇组团，深渡老街、阳产村、漳岭山村、凤池村为核心的深渡镇组团，以及叶村、三阳村、岭脚村为核心的三阳镇组团。其中集聚特征最显著的深渡镇组团是歙县以“新安江山水画廊”为核心吸引物的旅游开发区域，说明旅游产业的发展推动了传统村落生产要素的在地重构，提供了村民个人发展与成长的机会，呈现出良好的风险适应结果。但旅游空间的溢出效应有限，村落文化资源和开发潜力不一，依据“风险扰动”的空间分布可知，歙县南部传统村落大多面临高等级的产业系统风险。

图5 歙县传统村落现状风险适应过程的空间分析（a.风险扰动；b.适应能力；c.适应结果）Fig.5 Adaptive process analysis of industrial system risk of Traditional Villages in She Xian County(a.risk perturbations; b.adaptive capacity; c.adaptation outcomes)

2.4 敏感度分析与诊断性分析

对查询节点的证据敏感度分析是贝叶斯网络的主要功能，在输入变量改变的情况下，观察目标变量条件概率的变化幅度，以此评价输入变量对目标变量的影响力（关小东 等，2016）。其中影响大小用方差缩减值（Variance Reduction）表示，值越大代表影响越大，计算公式如下：

式中：V(ES)是变量ES 的方差；V(ES/I)是已知变量I情况下变量ES 的方差；s表示输出变量的状态；p表示条件概率，E是期望值。将基准风险情景作为已知变量，计算获得各准则层与指标层方差，即为敏感度分析结果。诊断性分析也是量化贝叶斯网络模型因子依赖程度的方法（Pollino et al.,2007）。但是与敏感度分析相反，诊断性分析是通过给予目标变量一个特定的状态，以此观察影响因子的概率变化，概率变化程度即变化率越大，则表示两者联系程度越紧密。敏感度与诊断性分析结果均借助Netica平台测算得出。

2.5 产业系统风险的情景划分

为实现传统村落产业系统风险多情景模拟，以“风险扰动”为目标变量，分别调试高、中、低3类等级状态的最高发生概率，通过诊断性分析不同风险情景下传统村落的产业发展特征（图6）。设定“风险扰动”低等级概率100%为低风险情景，产业本底风险较基准情景降低最明显，其次为生态环境风险和社会治理风险，说明在该情景下传统村落产业发展充满活力、自然生态保育良好、外出人口陆续回流。设定“风险扰动”中等级概率100%为中风险情景，社会治理风险和传统文化风险的变化最大，说明在该情景下传统村落的经济发展进步缓慢，但自组织基础良好，传统文化得以传承延续。设定“风险扰动”高等级概率100%为高风险情景，传统村落产业系统风险上升，其中对传统文化的冲击最为显著，其次为社会治理风险和产业本底风险，说明在该情景下传统村落陷入一系列发展困境，面临严峻的文化存续危机。

图6 不同风险情景下各维度风险的诊断性分析结果Fig.6 Diagnostic analysis results of risk in different dimensions under different risk scenarios

3 传统村落产业系统风险适应模拟

3.1 贝叶斯网络模型的校验

根据误差矩阵评估传统村落产业系统风险的贝叶斯网络模型精度（表3），计算出预测的歙县传统村落产业系统适应结果等级与实际计算的误差矩阵，总体精度为95.27%。表明该模型预测结果具有良好的辨识度，通过多情景模拟预测得到的风险适应结果也具有较强的可靠性，可以得到较为准确的分析结论。

表3 传统村落适应结果精度检验Table 3 Accuracy test of adaptation results of traditional villages

3.2 不同风险情景下的传统村落适应模拟

3.2.1 不同情景下的适应过程模拟 通过诊断性分析，得到高、中、低3种风险情景下，歙县传统村落适应能力及其影响因子的各自概率变化情况（图7）。整体而言，应对能力对传统村落适应产业系统风险的影响最为突出。在低风险情景下，传统村落适应能力较基准情景有较大的提升，这一结果与应对能力的提升联系最强，与学习自组织能力和缓冲能力的关系也较为紧密，说明主体的反馈机制是风险适应的重要基础与保障。在中风险情景下，适应能力基本保持稳定，其中缓冲能力的变化较大，其次是应对能力、学习自组织能力，说明资源禀赋和开发环境是制约中风险情景村落产业发展的核心要素。在高风险情景下，传统村落适应能力变化较大，其中应对能力的下降最明显，其次为学习自组织能力，说明在该情景下传统村落的产业发展已经陷入低水平困境，非农化转型推进缓慢，亟需借助外部产业要素的注入来缓解村落发展动力的缺失。

图7 不同风险情景下的适应能力诊断性分析结果Fig.7 Results of diagnostic analysis of adaptability under different risk scenarios

3.2.2 不同情景下的适应结果模拟 进一步解析不同风险情景下适应结果的概率变化情况（图8）。综合来说，文化和生态维度的因子在3种风险情景中均呈现较大的变化，说明生态文化是传统村落特色价值延续的关键所在。在低风险情景下，传统村落产业系统适应结果较基准情景有较大提升，其中文化和生态系统的改善作用最明显，说明传统村落的文化、生态资源得到有效地开发利用，推动村落由生产导向的单一业态向市场导向的多元融合发展新业态转型，基本实现产业系统各要素的协调配置。在中风险情景下，传统村落风险适应能力及其影响因子与基准情景出入不大，影响作用较为平均，说明传统村落产业发展并未突破瓶颈，具体表现为配套设施建设不足、资源挖掘利用不充分、社会经济发展缓慢等。在高风险情景下，产业系统的多重风险扰动致使村落主体适应不良，对传统文化和生态环境都造成了巨大冲击，说明在产业系统高风险扰动下，传统村落陷入路径封闭的低水平发展循环，生态文化面临“自然性衰退”和“开发性破坏”的叠加风险。

图8 不同风险情景下的适应结果诊断性分析结果Fig.8 Adaptation results under different risk scenarios diagnostic analysis results

3.2.3 特定目标下的适应过程模拟 为探究特定适应结果下的驱动因子，量化其作用程度，研究以适应结果为输入变量，对适应能力进行敏感度分析（表4）。当传统村落适应结果呈现“经济发展可持续”“村落共同体构建”高水平状态时，应对能力的贡献最为突出，说明社会经济的发展激发了村落实践主体的参与热度，并通过传统文化的精神凝聚与经济利益的关系联结，对传统村落共同体进行价值重构。此外，在“文化活态传承”和“生态保育良好”高水平状态下，缓冲能力的影响最大，缓冲能力对应村落文化资源储量、基础设施水平、生态环境本底等驱动因子，说明产业的发展必然会介入原生态文化和环境并对其产生破坏，积极主动的应对措施和自组织保护可以起到适当的缓解，但经济发展与生态、文化保护之间存在客观矛盾。因此，传统村落的产业发展应当把握“适度”原则，贯彻保护优先的理念，找寻保护与发展之间的平衡。

表4 以不同适应结果为目标变量的敏感性分析结果Table 4 Results of sensitivity analysis with different adaptation outcomes as target variables

4 传统村落适应路径优化的决策建议

贝叶斯网络能够基于多情景风险多情景模拟，收集、组织和应用传统村落风险适应特征数据，提前规划未来潜在风险和应急计划的管理（Harris et al., 2022）。基于上述产业系统风险的适应模拟，得到了歙县传统村落的风险适应机制的初步认知。经走访发现，模型对于不同风险情景的预测结果，基本符合歙县传统村落的现实发展情况，具有较高的参考价值。但风险适应的影响因素涵盖自然、社会、经济等多方面，具体的风险应对措施需要依据传统村落当前面临的风险状态和适应能力，展开针对性地优化调整。因此，通过敏感性分析，评估输入变量“风险扰动”对目标变量“适应能力”的影响程度，得到不同风险情景下歙县传统村落适应能力的影响因子排序。依据在社会学和管理学中广泛使用的帕累托原理，将适应能力中的前20%，即方差缩减值最大的前3个指标作为传统村落风险适应的关键驱动因子（Liu et al., 2021），在资源投资有限的前提下可以被优先考虑以提升决策有效性（表5）。

表5 不同风险情景下歙县传统村落适应能力关键驱动因子Table 5 Leading factors of adaptability of traditional Villages in Shexian under different risk scenarios

4.1 低风险传统村落决策建议

在模型预测的低风险情景下，传统村落表现为生态文化资源得到有效开发保护，产业发展水平较高，各子系统协调性较好，其中应对能力对适应能力提升的影响最大，其次为学习自组织能力，缓冲能力影响不足，说明村落基础设施配套完善，需发挥主体风险适应的内外联动机制，以更好地落实产业发展目标。现状低风险村落主要集中于许村镇、深渡镇、三阳镇中心区域，综合分析结果，提出以下决策建议：1）采取整体开发策略，建立政策协同、产业互补、交通互联、设施共享的联动机制，合力打造区域旅游品牌；2）消除坡度等不利环境要素的负面影响，通过合理开发特色景观，促进个性化的传统村落产业发展；3）梳理各类自然文化资源，挖掘核心特色价值，并借助现代互联网技术优势，建立传统村落地方文化资料库。

4.2 中风险传统村落决策建议

在模型预测的中风险情景下，传统村落经济发展缓慢但社会组织基础良好，适应能力中的学习自组织能力是影响村落风险适应的关键，其次为缓冲能力和应对能力，表明未来发展需着重激活村落内生动力，持续完善公共服务和基础设施建设。现状中风险村落主要集中于许村镇、深渡镇、三阳镇周边区域，综合分析结果，提出以下决策建议：1）为突破产业发展瓶颈，定位区域内发展比较优势，促进传统村落产业内部要素重构、结构优化与功能互补，依托传统产业进行迭代升级，增加村落内在稳定性和适应性，激活传统村落可持续的内生动力；2）兼顾村民的生产生活需求和游客的物质精神需求，优化完善传统村落基础设施配置，不断强化公共服务能力，实现主客共享，以及高质量生活和高质量旅游的良性互动。

4.3 高风险传统村落决策建议

在模型预测的高风险情景下，传统村落面临产业经济低迷、文化传承无力、生态环境破坏、社会基础薄弱等多重风险扰动，应对能力影响最大，其次是学习自组织和缓冲能力，说明风险应对机制和再生产逻辑失去了必要的社会基础，未来发展需加强外部力量的有效干预。现状高风险传统村落主要集中于歙县南部区域，综合分析结果，提出以下决策建议：1）将保护与修复作为当前首要任务，注入政府、市场、社会等外源性力量，藉由外部要素引领实现传统村落村民保护意识和自我修复能力的提升，尽快跨越发展困境；2）寻求传统村落发展的多元路径，如加强与中低风险村落的联合，因地制宜发展特色农业、民俗工艺、文化创意等，培育新的经济增长点，实现经济发展和传统文化传承的相辅相成。

5 结论与讨论

本文以黄山市歙县148个国家级传统村落为例，建构产业系统风险评估的贝叶斯网络模型，通过多情景风险适应模拟，量化各驱动因子间的影响关系和程度，提出针对性路径优化建议。主要结论如下：

1）根据贝叶斯网络模型显示，当前歙县多数传统村落处于产业系统的中高风险，低风险村落存在一定的空间集聚，其中集聚特征最显著的深渡镇组团是歙县以“新安江山水画廊”为核心吸引物的旅游开发区域。

2）模型预测的低风险情景下，传统村落应对风险的主体反馈机制良好，适应能力提升，生态、文化资源得到有效的开发保护，各子系统协调性较好；模型预测的中风险情景下，传统村落自组织基础良好，适应能力基本稳定，但创新动能不足，受到资源禀赋和开发环境的制约，经济发展相对缓慢；模型预测的高风险情景下，传统村落陷入路径封闭的低水平循环，系统风险适应不良，面临严峻的文化存续危机。

3）根据敏感性分析得到不同风险情景下歙县传统村落的关键驱动因子，针对性提出适应优化的决策建议。现状低风险村落需发挥主体风险适应的内外联动机制，整体开发，打造区域品牌；现状中风险村落需着重激活村落内生发展动力，持续完善公共服务与基础设施建设；现状高风险村落需加强外部力量的有效干预，将保护修复作为首要任务，寻求传统村落发展的多元路径。

将贝叶斯网络应用到传统村落产业系统风险的适应模拟，可加深现有研究对传统村落风险适应主体多元化、过程复杂化以及不确定性影响因素动态化的认识，也为传统村落的未来发展决策和应急管理工作提供了科学支撑。但本研究还存在以下不足：1）在模型构建和技术方法上，受限于数据收集不完善和理论模型主观性较大等，研究结论未能详尽预测传统村落的风险适应特征。一方面，风险适应的驱动因子并不十分全面，如缺少了“旅游收入情况”“村落绿化率”“村落区域优势度”“社区参与积极性”等重要指标；另一方面，在研究过程中为简化理论模型，仅基于传统村落风险适应框架进行建构，对分指标之间的作用关系分析不足。因此，未来需进一步深化贝叶斯网络结构，合理确定各网络节点，建立起因子间更多元的交互关系。2）在决策建议的提出上，虽然贝叶斯网络在备选方案的制定上具有一定的现实意义，但同一风险状态下的传统村落可能存在不同的潜在干预选项，因此基于优化的决策支持系统需要更准确的主体行为空间探索，再加上传统村落产业系统内部存在复杂的权衡，适当决策的选择通常涉及多个相互冲突的目标，这些目标面临着应当同时优化的问题，也意味着实际情况存在多个帕累托最优解，不能保证在提升一个特定目标状态的同时不会导致其他目标状态的恶化。因此，未来需要进一步明确传统村落产业系统风险适应的复杂性，可以在情景设置时扩展关键性情景子集、在研究方法上结合多目标优化算法分析、在决策建议时增加实践项目的信息反馈，以及建立不同类型传统村落产业系统风险适应的案例库等，提升贝叶斯网络模型预测分析的准确性。