《Ecological Indicators》:Nonlinear thresholds of landscape indicators regulating net ecosystem productivity in a subtropical region: An interpretable XGBoost–SHAP approach
编辑推荐:
全球城市化深刻改变区域碳循环,亟需通过景观格局优化以实现碳中和目标。然而,传统线性模型难以捕捉净生态系统生产力(NEP)对景观异质性的非线性响应及阈值效应,缺乏支撑空间规划的精确定量依据。本研究以湖南省为案例,将极限梯度提升(XGBoost)模型与沙普利加性解
全球城市化深刻改变区域碳循环,亟需通过景观格局优化以实现碳中和目标。然而,传统线性模型难以捕捉净生态系统生产力(NEP)对景观异质性的非线性响应及阈值效应,缺乏支撑空间规划的精确定量依据。本研究以湖南省为案例,将极限梯度提升(XGBoost)模型与沙普利加性解释(SHAP)框架相结合,系统解析了2005—2020年间NEP的主导驱动机制、生态阈值及交互路径。结果表明:(1)景观构成决定碳汇基线,但其主导地位正逐渐让位于空间配置。草地百分比(Grassland_PLAND)始终是NEP空间变异的首要驱动因子,其历史边际重要性超过林地,而建设用地扩张构成主要负向约束;近期景观破碎化与宏观连通性的调控作用显著增强。(2)NEP呈现显著的非线性响应及时间阈值漂移。草地的正向效应阈值从2005年的9.13%降至2020年的3.26%,凸显了残余自然斑块的补偿性关键作用;相反,超越超低斑块密度阈值(林地0.30、耕地0.33)会触发碳汇急剧衰退。对于建设用地,6.0%—7.5%范围内存在局部正向响应,但超过7.5%的临界阈值则加剧其抑制作用。(3)NEP调控机制从单一构成主导(尤其草地与建设用地比例)转向构成与空间配置(尤其景观破碎化与连通性)的协同交互。(4)碳管理应从面积导向转向阈值导向的空间精细化。建立定量安全边界,具体而言将建设用地控制在7.5%以下、林地破碎化控制在0.30以下,对于预防碳汇功能的突然退化至关重要。这些阈值可为亚热带丘陵地区紧约束土地条件下平衡城市扩张与生态安全提供稳健的决策支持。
## 一、研究背景与问题提出
在全球气候变化与快速城市化的双重压力下,协调城市扩张与生态系统碳 sink 维持已成为实现碳中和目标的核心挑战。净生态系统生产力(NEP)是表征陆地碳 sink 能力的关键指标,直接决定区域功能为净碳汇或碳源。在亚热带丘陵地区,地形约束限制了可开发用地,并增强了城市扩张对高生产力自然植被的依赖,从而加剧了建设用地扩张与碳 sink 保护之间的冲突。由此引出一个关键科学问题:在土地资源紧约束条件下,如何通过优化景观空间配置而非单纯增加土地数量来提升生态系统碳 sequestration 能力?
景观格局通过构成(composition)与配置(configuration)重塑碳 sequestration 路径。传统研究主要强调比例变化,一致将森林识别为区域碳预算的正向调节因子,不透水表面为负向驱动因子。然而,近期模拟揭示土地利用镶嵌体中存在显著的NEP异质性,凸显了配置在碳 sink 效率中的关键作用。景观指数作为量化复杂结构的桥梁,涵盖三个维度:构成指数(如PLAND、SHDI)定义NEP基线贡献;配置指数(如CONNECT、LPI)捕捉空间组织,其中连通性增强碳固定;异质性指数(如ED、FRAC)反映边缘复杂性,通过微气候调节间接影响碳循环。尽管传统线性方法提供了初步规划依据,但越来越多的证据表明生态响应本质上是"非线性的"且"阈值依赖的"。机器学习方法的兴起为刻画高维非线性生态关系提供了有力工具,XGBoost模型在城市碳 sink 研究中表现出色,能有效捕捉景观格局与碳动态之间的复杂非线性交互;结合SHAP解释后,该框架克服了"黑箱"模型的可解释性局限,实现了变量交互作用和非线性边际效应的精细化定量 quantification。当前非线性景观—生态系统响应研究仍存在两方面不足:一是多数研究聚焦于单一生态系统服务,缺乏以NEP为区域碳循环综合指标的系统性分析;二是现有框架通常依赖孤立或有限变量,未能充分捕捉景观构成、配置与异质性之间的协同效应及其对阈值行为的联合调控。
湖南省位于中国中南部,是典型的亚热带丘陵过渡带,具有复杂地形、高度异质性的土地利用格局及快速城市化特征,其显著的人为干扰敏感性为检验景观格局调控区域NEP的机制提供了理想实验场。鉴于该区域空间异质性与动态复杂性,传统线性方法力有不逮,研究人员引入可解释的XGBoost–SHAP机器学习框架,旨在:(1)识别快速城市化下调控NEP的主导景观构成与配置因子;(2)刻画NEP对关键景观驱动因子的非线性响应模式,划定关键生态阈值与最优调控区间;(3)解析自然景观组分与人为干扰之间交互机制的时空演变特征。
## 二、主要技术方法
本研究构建了"数据采集—NEP估算—机器学习建模—SHAP解释"的完整技术链条。数据来源上,采用中国科学院资源环境科学数据中心2005—2020年土地利用数据、NASA LPDAAC的MOD17A3HGF v061产品(NPP,500 m分辨率)、国家生态科学数据中心土壤有机碳密度点数据,以及国家青藏高原科学数据中心气象数据(温度、降水,1 km分辨率),所有连续栅格数据经双线性插值统一重采样至1 km分辨率。
分析方法层面,首先通过多尺度网格框架(500 m—5 km)确定最优分析单元为1 km×1 km,该尺度在信息精度(面积变化指数)、结构稳定性(景观指数变异系数)与计算效率间取得平衡,且符合区域碳建模标准。其次,构建涵盖构成(PLAND、SHDI)、配置(AI、COHESION、DIVISION)和异质性(PD、ED、AWMSI)三维度的景观指数体系。NEP估算采用基于净初级生产力(NPP)与土壤异养呼吸(Rh)的差值法,其中Rh通过Yu等建立的地统计土壤呼吸模型(GSMSR)结合Chuai等针对中国区域的评估模型计算。核心建模采用XGBoost算法构建景观指数与NEP的非线性回归模型,以OLS为基准对比,并通过随机搜索与5折交叉验证优化超参数;模型解释依赖SHAP框架,从全局重要性(Mean |SHAP|排序)、非线性响应与生态阈值识别(依赖图结合LOWESS平滑及导数计算),以及交互效应(SHAP交互值)三个互补视角展开机制解析。
## 三、研究结果
**景观格局与NEP的时空演变**
2005—2020年间,湖南省景观格局呈现系统性转型。构成层面,景观多样性指数(SHDI)总体稳定但2020年四分位距扩大,反映区域分异加剧;自然生态系统(森林、耕地、草地)持续缩减,建设用地(PLAND)扩张,确认不透水表面对自然基质的 steady 替代。配置与异质性层面,边缘密度(ED)和景观分割度(DIVISION)稳步上升,COHESION于2015年出现短暂下降,整体反映 patch 隔离加剧。类型水平上,耕地与草地形状复杂度(AWMSI)降低但耕地斑块密度(PD)上升,指示农业土地整合驱动的破碎化与规则化;建设用地向强空间集聚转变,边界复杂度与碎片化同步升高;森林维持高集聚与相对稳定斑块密度。
NEP总量与强度呈现"快速增长—适度下降"的非线性趋势。省级中值NEP从2005年至2015年峰值增长70.6%,2020年虽回落但仍远高于2005年基线。空间上,高NEP持续集中于湘西、湘南的森林主导区(怀化、永州),低NEP与碳源区主要分布在长株潭城市群及湘北洞庭湖平原。2015—2020年间湘东、湘北NEP显著下降,与建设用地高集聚(AI)和高边缘密度(ED)空间高度吻合。
**景观驱动机制的全局重要性与非线性响应特征**
基于XGBoost–SHAP框架的量化揭示驱动机制的时间转变。全局重要性上,草地_PLAND(X15)始终居首位,维持区域碳 sink 的稳定主导正效应;建设用地_PLAND(X16)呈U型轨迹,2005年第二位,2010—2015年降至第五、六位,2020年反弹至第二位,反映其碳 sink 影响的阶段依赖性。2010—2015年间,斑块密度(PD)指标重要性上升,林地_PD(X20)和耕地_PD(X4)2010年升至第三、四位,2015年林地_PD、耕地_PD、草地_PD(X5)分列第二至四位,表明生境破碎化逐渐取代面积构成成为NEP的主导约束。2020年结构指标进一步凸显,COHESION(X17)升至第三位,ED(X1)升至第五位,景观连通性与边缘效应的调控作用增强。
偏依赖图(PDP)揭示强非线性响应及阈值动态:草地_PLAND的正向响应阈值从2005年9.13%持续降至2020年3.26%,反映快速城市化下自然残余斑块的稀缺性溢价;林地_PD与耕地_PD存在超低作用阈值(2020年分别为0.30和0.33),超越即触发碳 sink 急剧衰退;建设用地_PLAND于2020年在6.0%—7.5%区间呈现局部正向波动,但超过7.5%临界阈值后SHAP值骤降至深度负值区,负向抑制效应急剧放大。此外,草地_AI(X12)呈"U型"特征,森林_AI(X13)于2010年在96.97%处由正转负,COHESION(X17)于2020年以99.42%为阈值持续发挥正向效应,ED(X1)呈倒U型并于25.45%达峰后急剧下降。
**景观因子的交互效应与耦合响应特征**
SHAP交互矩阵显示任意单一因子的边际效应均受其他变量强烈调制,且交互强度呈现清晰时相转变。2005年草地_PLAND与建设用地_PLAND交互峰值达9.80,与草地_PD耦合为8.16,建设用地内部PLAND、AWMSI与PD间也存在强耦合。2010年耕地破碎化成为交互枢纽,耕地_PD与草地_PLAND(10.18)、建设用地_PLAND(9.30)耦合增强,耕地_AI与森林_AI交互达9.77。2015—2020年景观破碎化与连通性主导交互结构:2015年耕地_PD与草地_PLAND达最大交互值11.75;2020年建设用地_AWMSI成为关键中介,与草地_PLAND交互增强至10.02,建设用地_PD与森林_AI耦合升至8.18。长期比较表明,草地_PLAND始终为最受调控变量,与耕地破碎化及建设用地比例持续交互;林地_PD与COHESION维持9.0以上稳定耦合,形成持久结构约束;城市变量从面积调控(PLAND)转向形状与集聚驱动交互(AWMSI),与周边生态基质关联增强。
## 四、讨论与结论
研究人员围绕"驱动机制阶段转变"、"非线性路径与阈值演化"及"多景观交互深层机制"三个维度展开讨论。
在驱动机制转变方面,研究确认了NEP主导调控机制从景观构成向空间配置和连通性的渐进过渡,这一发现区别于传统森林主导碳 sequestration 的经典认知,揭示了草地_PLAND因分布于农林交错带和城乡边缘区、在受扰景观中具有更强生态功能稳定性而成为关键正向驱动因子的特殊机制。建设用地_PLAND的持续负效应超越了简单线性累积,显著受空间结构与破碎化特征调节。2015年后森林land_PD、耕地_PD和COHESION重要性超越多数构成因子,表明空间物理破碎化正取代 mere 面积规模成为限制碳 sink 效能的关键瓶颈。
非线性路径与阈值演化方面,研究量化了具有时间漂移特征的关键边界。草地_PLAND正向阈值的持续下降反映了残余自然斑块的高补偿价值;PD指标的超低阈值(林地0.30、耕地0.33)量化了亚热带丘陵区对生态土地物理 severance 的超敏性;建设用地7.5%临界阈值则揭示了人工绿地系统碳补偿能力的严格规模上限,该阈值与Arnold Jr和Gibbons经典的10%流域不透水表面阈值及近期发现相近。基于上述阈值,研究提出了差异化空间调控策略:城市空间管理以7.5%为新建扩张临界约束;生态空间优化维持森林_PD低于0.30并通过生态廊道建设提升COHESION;农业空间管理通过区域土地整合将耕地_PD控制在0.33以下。
多景观交互机制方面,研究发现驱动机制从自然要素内部协同向"自然基质—人为扰动"空间耦合模式转变。分散的建设用地扩张对周边基质产生物理 severance 效应,其负向影响超过集中连片开发模式。同时,研究也识别了特定发育强度下破碎化景观的生态缓冲效应——高破碎化背景下的耕地或绿地在高比例建设用地矩阵中反而维持相对较高NEP水平,这些微 patch 作为"生态孔隙"通过增加生态边界长度促进地表能量与物质交换,部分缓解城市热岛效应对植被光合作用的抑制。
研究结论部分明确指出:(1)驱动机制从构成主导转向结构主导,2015年后patch密度、边缘密度和连通性成为主导约束;(2)景观影响存在明确非线性阈值,草地正向阈值从9.13%降至3.26%,建设用地临界拐点接近7.5%,破碎化指标呈现低阈值约束;(3)多因子通过交互作用共同塑造区域碳预算格局,后期城市用地与自然基质交互成为主导路径;(4)城市扩张的碳 sink 影响取决于空间形态而非单一规模,分散扩张加剧碳损失,紧凑形态与生态镶嵌结构可部分缓解负效应。区域碳 sink 管理必须从传统总量控制转向结构优化,优先减少破碎化、增强生态连通性并优化城市形态。这些发现为快速城市化地区的空间规划与碳中和路径提供了广泛的科学支撑。
本研究发表于《Ecological Indicators》。