《Ecological Indicators》:Beyond disturbance: habitat quality, regeneration and diversity shape vegetation rewilding potential in urban parks
编辑推荐:
在快速城市化和环境变化的背景下,野化(rewilding)已成为恢复城市生态自主性的关键策略。尽管城市公园受到高强度管理,但仍具有支持生物多样性和恢复力的潜在恢复能力。本研究调查了青岛21个城市公园的干扰梯度,以绘制城市荒野地图并评估植被野化潜力(Vegeta
在快速城市化和环境变化的背景下,野化(rewilding)已成为恢复城市生态自主性的关键策略。尽管城市公园受到高强度管理,但仍具有支持生物多样性和恢复力的潜在恢复能力。本研究调查了青岛21个城市公园的干扰梯度,以绘制城市荒野地图并评估植被野化潜力(Vegetation Rewilding Potential, VRP)。利用主成分分析(Principal Component Analysis, PCA)、XGBoost建模和SHAP解释,研究人员量化了高使用率、碎片化条件下的VRP及其驱动因素。结果表明,总体VRP较低,仅14.6%的样地具有高潜力。空间分布格局揭示,VRP由生境质量、干扰类型和干扰强度共同塑造。关键的是,研究人员揭示VRP与人流量解耦;过度管理但低使用的空间由于集约化维护往往表现出比高频率公园更低的VRP。VRP的主要驱动因素是更新幼苗转化能力(14.4%)、凋落物厚度(8.9%)和物种丰富度(6.6%),每个因素均表现出非线性阈值效应。通过将微尺度荒野测绘与可解释机器学习相结合,本研究克服了传统评估的限制,提供了一种精细的诊断工具。最终,该框架将野化范式从偏远荒野转向日常城市景观,为将管理绿地转变为自维持的生态自主性建立了科学基准。
论文解读文章
研究背景与意义
在快速城市化与全球环境变化的双重压力下,传统荒野以空前速度衰退。野化(rewilding)作为恢复退化生态系统并增强生态自主性的生态恢复方法,已成为全球保育与城市规划领域的关键研究优先事项。然而,现有野化评估框架多针对低干扰环境(如保护区或废弃地),因其默认假设人类干预最小化,无法直接应用于以频繁干扰、集约管理和高度空间碎片化为特征的城市公园。这凸显了两个关键空白:缺乏针对高使用环境的干扰梯度框架,以及缺乏专门的城市公园野化评估模型。城市公园作为城市绿地系统的核心组成部分,虽被视为高度驯化的生态系统,但仍保留自生植被和土壤种子库,具备潜在恢复能力。识别荒野属性并量化野化潜力,对于强化城市生态韧性至关重要。现有研究多聚焦公众感知和景观偏好,而对管理压力下植被自我恢复的定量评估及其驱动机制几乎缺失。为解决这一缺口,本研究提出中观-微观尺度的荒野识别与定位方法,并建立植被野化潜力(Vegetation Rewilding Potential, VRP)的分级评估框架,旨在回答两个核心问题:(1)城市公园中VRP的层级结构及主导类型如何,能否在精细空间粒度下判别?(2)哪些关键因子驱动VRP,它们通过干扰强度、自然度及群落过程等机制如何运作?该研究成果发表于《Ecological Indicators》期刊。
研究技术方法
本研究以中国山东省青岛市城市建成区(780.36 km
2)为研究区,选取21个代表性公园(涵盖综合公园、社区公园、滨海公园、山体公园等),基于2023年7–10月百度地图慧眼API获取的人流量数据,采用自然断点分类法将人流干扰划分为七个等级,并确保各公园完全属于单一干扰等级以保持梯度纯度。主要方法包括:(1)通过复合荒野质量指数(Wilderness Quality Index, WQI),整合海拔、地形粗糙度、地表径流、道路邻近度、视觉自然度、生物物理自然度、植被覆盖度和景点密度八个微尺度因子,结合熵权法和层次分析法(AHP)确定权重,识别荒野潜力区;(2)在潜力区设置158个20 m×20 m样地,记录树木、灌木、草本及更新幼苗数据;(3)基于自然度、群落活力与干扰程度三个维度22个指标,采用主成分分析(PCA)降维计算VRP得分,并用层次聚类划分等级;(4)利用XGBoost回归模型与SHAP解释框架量化驱动因素贡献与非线性和交互作用。
研究结果
**(1)公园荒野潜力区的物种组成**:通过对158个样地的调查,共记录467种植物,隶属102科298属,其中本地种357种(占76.44%)。植物群落类型以针阔混交林为主(占59.2%)。更新幼苗调查中,共记录44,691株幼苗(高度0.5–170 cm),114种乔木树种中仅96种出现更新幼苗,18种(如雪松、水杉等)无更新;更新频率最高的十种为刺槐、朴树、盐肤木等,表明这些物种在野化环境中具备强自然更新能力。
**(2)VRP等级与空间分布**:通过PCA与层次聚类,将158个样地划分为四个递减的VRP等级。高潜力样地占14.6%,指标和主成分聚类强烈,主要分布于极低干扰区,地形多样、物种丰富、结构稳定、更新强;中高潜力占29.7%,处于中等干扰区,具有良好微生境和肥沃土壤但灌木层稀疏;中低潜力占43.7%,在持续中高干扰下指标中低,更新弱;低潜力占12%,位于中低干扰区但立地条件差、土壤贫瘠、结构简单。整体VRP值从-1.33到1.87,平均较低,仅5个公园平均值为正,太平山公园(山体公园)最高,国学公园(社区公园)最低。
**(3)VRP的影响因素**:XGBoost与SHAP分析显示,贡献度超过5%的因素按重要性排序为:更新幼苗转化能力(Regeneration Seedling Conversion Capacity, RSCC, 14.4%)、凋落物厚度(Litter Thickness, LT, 8.9%)、物种丰富度(Species Richness, 6.6%)、本土性(Nativeness, 6.0%)、径级结构(Diameter Class Structure, DCS, 5.9%)和Pielou均匀度指数(Pielou, 5.1%)。这些因子均表现出非线性阈值效应:LT和RSCC在超过特定阈值(LT>3.1,RSCC>5.3)后由负转正;Pielou在低于3.86时负效应,超过后转为稳定正贡献;Richness、Nativeness和DCS达到临界值后单调递增。交互分析显示,本土性–RSCC和凋落物厚度–物种丰富度等配对具有强协同效应,高–高组合产生强正贡献,低–低组合为负。
讨论与结论总结
讨论部分指出,本研究建立的VRP框架通过集成PCA-XGBoost-SHAP,实现了从静态状态向动态过程(如自生更新和幼苗转化)的转变,突破了传统指数仅关注生态系统静态的限制。关键发现包括:VRP与人流量解耦,低使用但过度管理的空间因系统性“整洁”维护(如过度修剪和清理凋落物)反而表现出低于高频公园的VRP,挑战了传统线性假设;更新幼苗转化能力(RSCC)作为过程性指标,其解释力远高于结构指标(如物种丰富度),表明城市公园野化的瓶颈是种群补充过程而非现有物种库;凋落物厚度(LT)在2–3 cm时形成最优微生境窗口,低于此阈值养分流失,高于5 cm则物理阻碍萌发。研究强调,城市公园即使在集约管理下仍保留可观的潜在野化能力,但需要主动初始干预克服负面生态遗产,例如保留2–3 cm凋落物层和增加本地种,以启动自主演替轨迹。
研究结论部分翻译如下:为解决高度碎片化和管理化环境中的生态恢复评估挑战,本研究建立了一个创新性诊断框架,融合了微尺度荒野测绘与可解释机器学习。在青岛城市公园的实证应用得出了三个关键生态见解,挑战了传统保育假设:1)即使在集约市政管理下,城市绿地仍保留着有韧性、可自我恢复的核心。尽管高潜力区目前仅局限于14.6%的调查样地,但这种潜在能力代表着城市生物多样性一项宝贵且未开发的生态资产;2)VRP并非人流量的简单反函数。过度管理但低使用的空间由于系统性的“整洁”维护(例如过度修剪和凋落物清理),往往表现出比高频率公园更低的VRP,这一发现挑战了传统线性假设;3)向生态自主性的过渡受非线性功能阈值而非静态结构多样性的支配。具体而言,幼苗到幼树的转化效率(RSCC)和一个关键的微生境底层窗口(2–3 cm凋落物)作为决定性瓶颈,其影响远超初始物种丰富度。除了这些实证发现外,本研究的主要贡献在于概念和方法论层面:通过将野化视角从偏远原始保护区转向日常高密度市政景观,为规划者提供了一个可复制、过程导向的决策工具,弥合了预测性机器学习与实地适应性管理之间的差距,为将城市公园从高成本人工景观转变为自维持、半自主生态系统奠定了严谨的科学基础。