《Land》:Built-Environment Quality Buffer Urban–Rural Connectivity Risk? A SHAP-Based Multi-Method Assessment in Guangzhou, China
编辑推荐:
复合环境风险沿城乡梯度不均匀累积,然而,建成环境质量(Built Environment Quality,BEQ)与城乡功能连通性(Urban–Rural Functional Connectivity,URFC)之间的条件性和非线性相互作用在精细分辨率下仍缺
复合环境风险沿城乡梯度不均匀累积,然而,建成环境质量(Built Environment Quality,BEQ)与城乡功能连通性(Urban–Rural Functional Connectivity,URFC)之间的条件性和非线性相互作用在精细分辨率下仍缺乏量化。本研究旨在确定BEQ是否以及在何种条件下调节URFC与人口加权复合风险指数(Composite Risk Index,CRI)之间的关系,并将结果转化为空间针对性的绿色基础设施优先事项。研究人员使用中国广州744,714个100米分辨率的网格单元。该框架整合了来自卫星和街景图像的熵权重BEQ、基于实际路网计算的引力模型URFC,以及热和空气危害的两阶段人口加权CRI。研究人员应用了带有增量F检验的嵌套普通最小二乘法、空间滞后和空间误差模型、基于B样条基函数的广义加性模型(Generalised Additive Model,GAM)、带有SHAP交互值的梯度提升树(Gradient-Boosted Trees),以及Baron–Kenny中介分析。主要BEQ×URFC估计在参数和机器学习规范中均为负值。然而,交互作用很小:在10,000个单元格子样本上的空间滞后模型返回β = ?5.4×10?4,但在全网格上的可扩展广义矩方法(Generalised Method of Moments,GMM)空间回归——其中空间自回归系数达到ρ ≈ 0.99——显示系数为负但不具有统计显著性,且五次种子重新估计证实基于子样本的显著性依赖于抽取。因此,研究人员将缓冲解释为方向上有支持但很小,并且在完全建模空间自相关后不具有稳健显著性。GAM主效应中的缓冲响应是非线性的,BEQ在整个观测到的连通性范围内进行缓冲,而不是在内部阈值处改变符号;URFC主要作为调节变量而非中介变量发挥作用。按人口分层的估计表明缓冲具有暴露条件性:在人口暴露高的地方最强,在稀疏人口单元中减弱或逆转,这与CRI的风险=危害×暴露结构一致。对距离衰减参数值、100次熵扰动和空间尺度的敏感性检验证实了缓冲方向。该框架为在功能连通、人口密集但环境退化的过渡区优先考虑绿色基础设施提供了证据基础。
**论文解读文章**
**研究背景与问题**
全球快速城市化重塑了环境风险的空间分布,城市热岛和细颗粒物暴露是损害人类健康的主要途径。传统风险评估常将城市与乡村视为离散类别,但证据表明环境风险沿城乡梯度连续累积,受物理形态和功能联系共同驱动。建成环境质量(Built Environment Quality,BEQ)包含植被、天空开阔度和土地覆盖的多源信号,决定局部热与空气质量缓冲能力;城乡功能连通性(Urban–Rural Functional Connectivity,URFC)通过引力模型捕捉人口中心与城市服务沿实际路网的连通性,反映人为活动空间传播。目前存在三个知识缺口:BEQ多基于单一证据(如卫星归一化植被指数NDVI)而非多源客观加权;URFC常以欧氏距离或简单人口加权指数近似,忽略路网拓扑和多尺度特征;BEQ与URFC对复合环境风险的联合效应尚未在精细分辨率下量化。广州市(中国亚热带巨型城市)在单一行政区内压缩了从密集服务核心到森林主导山地的完整城乡梯度,且其多中心、路网主导的形态偏离了单中心模板,是理想研究案例。本研究旨在开发综合多方法框架,量化BEQ与URFC对人口加权复合风险指数(Composite Risk Index,CRI)的条件性和非线性交互作用。论文发表在《Land》期刊。
**关键技术方法**
研究人员使用中国广州744,714个100米网格单元,整合了三种指标构建方法:(1)基于卫星(NDVI、高分辨率植被图)和街景图像(绿视指数GVI、天空视域因子SVF)的熵权重BEQ;(2)基于实际路网和兴趣点引力模型的URFC;(3)两阶段人口加权CRI(热风险与空气质量风险子指数融合后乘以人口暴露)。推理三角化采用嵌套普通最小二乘法(OLS)与增量F检验、空间滞后模型(SLM)与空间误差模型(SEM)、基于B样条基函数的广义加性模型(GAM)、梯度提升树(XGBoost)与SHAP交互值,以及Baron–Kenny中介分析。样本来自广州全域。通过距离衰减参数扰动(β∈{1.0,1.5,2.0,2.5,3.0})、100次熵权重蒙特卡洛扰动、多尺度聚合(100m至1km)及人口暴露混淆检查验证稳健性。
**研究结果**
**3.1 描述性统计与熵衍生权重**
744,714个网格单元的BEQ左偏(均值0.725,中位数0.803),由高植被覆盖的森林细胞主导;URFC高度集中在零附近(中位数<10
?6),极端值(偏度20.7)出现在路网功能中心邻近细胞;CRI右偏(均值0.0032, P90=0.0062)。熵权重显示:城市建成区BEQ中GVI和SVF合计占97.9%,NDVI仅2.1%;城乡过渡区高分辨率植被图VEG_HR占69.3%;森林农田区BEQ退化为NDVI。CRI第二阶段熵权重为w_HRI=0.471, w_AQRI=0.529。
**3.2 嵌套交互模型与增量F检验**
五步嵌套OLS中,基线M0(R
2=0.218)加入BEQ×URFC(M1)后改进显著(ΔR
2=0.0012, F=1184, p<10
?16)。全模型M4(含三个交互项)达到R
2=0.235,BEQ×URFC系数为负(β=?0.0006, p<10
?16),表明高BEQ削弱URFC的风险放大效应。边际效应分析显示BEQ符号变化点位于标准化URFC=?1.95,低于观测范围,故BEQ在整个连通性范围内均发挥缓冲作用。
**3.3 空间回归与BEQ×URFC稳健性**
M4残差的Moran’s I=0.724(p=0.001),表明强空间自相关。在10,000细胞子样本上(种子42),SLM(伪R
2=0.633,AIC最低)给出BEQ×URFC系数β=?5.4×10
?4(95% CI [?8.2, ?2.5]×10
?4, p=1.97×10
?4),SEM下β=?2.3×10
?4(p=0.164)。五次种子重估表明子样本显著性依赖于抽取(3次负显著,1次不显著,1次正显著)。在全网格可扩展GMM空间回归(真实邻接权重)中,空间自回归系数ρ≈0.99,GM_Lag给出β=?6.0×10
?6(p=0.21),GM_Error给出β=?3.6×10
?6(p=0.62)。因此缓冲方向得到支持,但完全建模空间自相关后效应量极小且不显著。
**3.4 GAM检测的非线性效应**
B样条GAM(50,000细胞子样本)优于线性模型:样本内R
2从0.201升至0.319,AIC下降7944单位,五折交叉验证R
2从0.207升至0.324(相对提升56%)。f1(BEQ)和f2(URFC)平滑函数显示显著曲率:BEQ高值处陡降,URFC高值处饱和。非线性存在于主效应而非交互项符号变化。
**3.5 XGBoost与SHAP交互排序**
XGBoost样本内R
2=0.597,但五折交叉验证R
2=0.30(低于GAM的0.324),表明过拟合。SHAP特征重要性排序:URFC第一(均值|SHAP|=0.00245),BEQ第二(0.00141),UI第三(0.00126)。三对交互项中,BEQ×URFC均绝对SHAP值为7.61×10
?4,比UI×URFC(5.63×10
?4)高35%,比UI×BEQ(5.50×10
?4)高38%,证实BEQ×URFC是最强交互。
**3.6 中介与调节对比**
Baron–Kenny三步分析显示:URFC对CRI的总效应c=0.0033,a路径(URFC→BEQ)=0.0546,b路径(BEQ→CRI,控制URFC)=?0.0013,部分直接效应c′=0.0034。间接效应a·b的Sobel z=?47.82(p<10
?16),但中介比例|a·b|/|c|=?2.2%(负号源于抑制模式),表明URFC主要通过调节而非中介改变BEQ-CRI关系。
**3.7 稳健性检验**
距离衰减参数β从1.0增至3.0,BEQ×URFC系数保持负号且均显著(p<0.05),R
2从0.370降至0.153。100次熵权重扰动中,100%迭代中交互项显著(p<10
?16),系数范围?6×10
?4至?4×10
?4(均值?5×10
?4)。多尺度聚合(100m至1km)中交互系数负号一致,幅度从?7×10
?4增至?19×10
?4,均p<10
?13。
**3.8 人口暴露混淆与暴露条件性缓冲**
CRI与人口相关r=0.998,BEQ与人口反相关r=?0.40。加入对数人口作为协变量后,BEQ×URFC系数仍为负(β=?0.058 vs 基线M1的?0.036, p<10
?16)。人口三分位分层中,低、中人口层系数为正(+0.036, +0.023),仅高人口层为负(?0.035, p<10
?16)。去除人口乘数构建危害强度CRI后,交互转为弱正(+0.019)。缓冲集中出现在高暴露细胞,符合风险=危害×暴露结构。
**讨论总结**
BEQ×URFC负交互(缓冲效应)在参数和机器学习规范中方向一致,但暴露条件性强,且完全建模空间自相关后统计不显著,提示OLS和小样空间模型可能夸大效应。GAM揭示主效应非线性,BEQ高值处边际效益递减。SHAP排序证实BEQ×URFC为最强交互。中介分析显示URFC主要作为调节变量而非中介变量,对绿色基础设施投资有直接政策启示:连通、密集但环境退化区应优先改造。空间针对性政策框架划分四类治理区(连通压力15.6%、高潜力6.0%、孤立风险0.5%、背景区77.8%),明确各区域干预策略。研究局限包括横截面设计、CRI聚合可能掩盖因子特异性、URFC忽略数字/社会联系、BEQ分区依赖NDVI、以及无法建立严格因果。
**研究结论翻译**
(1)主要BEQ×URFC估计在参数和机器学习规范中均为负值,支持高建成环境质量削弱城乡功能连通性风险放大效应的缓冲解释;人口分层分析表明该缓冲具有暴露条件性,集中于人口密集细胞,在暴露可忽略细胞中减弱。(2)交互作用小且统计显著性依赖于空间规范:10,000细胞子样本空间滞后模型给出β=?5.4×10
?4,但全网格可扩展GMM空间回归(真实邻接权重,ρ=0.99)中系数为负但不显著(GM_Lag p=0.21, GM_Error p=0.62),五次种子重估证实子样本显著性依赖抽取;因此报告缓冲方向得到支持,但完全空间校正后不具有稳健显著性,OLS量级视为上界。(3)缓冲响应非线性,交叉验证R
2从线性基线到GAM提升56%,由BEQ和URFC主效应曲率驱动;BEQ在整个观测连通性范围内缓冲而非在内部阈值处变号,梯度提升树在公平交叉验证基础上未优于GAM(CV R
2=0.30),但其SHAP排序仍将BEQ×URFC列为最强交互(比另两对高35–38%)。(4)URFC主要作为BEQ-CRI路径的调节变量而非中介变量,间接效应统计显著(Sobel z)但实质性可忽略(占总数应的?2.2%)。(5)缓冲方向在五个距离衰减参数值、100次熵扰动和四个空间尺度下保持稳健,显式人口混淆检验证实其内在于高暴露数据而非任意管道选择。理论上,研究证明功能连通的环境效益取决于局部建成环境质量而非普遍正面;方法上,展示了三角化参数推断、半参数平滑和树基可解释性检测条件依赖的价值,并发出方法论警示:OLS和小子样本空间模型可能制造伪显著交互,需使用全网格可扩展估计量正确建模空间自相关;实践上,框架识别连通但环境退化区为绿色基础设施最高优先级,为巨型城市城乡转型可持续规划提供可迁移模板。