《Sustainability》:Interpretable-Machine-Learning-Driven Socio-Ecological Resilience Pathways in a Resource-Exhausted City: Evidence from Jiaozuo, China
编辑推荐:
资源枯竭型城市在转型过程中面临经济、社会与生态相互交织的压力,但其社会-生态韧性(SER)的动态演变及路径特异性响应仍未被充分理解。本研究以中国国家级资源枯竭型煤炭城市焦作为案例,构建了一个可解释机器学习框架,整合了韧性评估、XGBoost-SHAP解释、空间
资源枯竭型城市在转型过程中面临经济、社会与生态相互交织的压力,但其社会-生态韧性(SER)的动态演变及路径特异性响应仍未被充分理解。本研究以中国国家级资源枯竭型煤炭城市焦作为案例,构建了一个可解释机器学习框架,整合了韧性评估、XGBoost-SHAP解释、空间统计验证、情景模拟和敏感性分析。研究人员构建了2012–2022年的多维韧性指数,并预测了2030年和2035年的替代发展路径。结果显示韧性演变具有阶段性,模型解释的驱动因素从2012–2017年的经济和政策相关因素转变为2017–2022年更注重生态和多维度的结构。SHAP依赖性和交互分析进一步识别了关键社会、经济和生态指标之间的非线性响应模式和条件交互作用。情景模拟表明,绿色转型产生了最强的模型预测增益,并在不同的子系统权重方案下保持最高排名路径。这些发现表明,资源枯竭型城市的韧性提升依赖于协调的生态修复、产业升级、经济活力和社会适应能力。所提出的框架为诊断韧性演变和比较资源枯竭型城市系统的转型路径提供了一种可迁移的方法。
资源枯竭型城市在资源枯竭与生态退化双重压力下面临经济、社会与生态系统的协同转型困境,现有研究对这类城市社会-生态韧性(SER)的动态演化、非线性响应机制及路径依赖效应认识不足。针对上述问题,研究人员以中国国家级资源枯竭型煤炭城市焦作为案例,构建了一个整合韧性评估、XGBoost-SHAP(极端梯度提升-沙普利加法解释)模型、空间自相关分析、情景模拟与敏感性分析的可解释机器学习框架,系统评估了焦作市2012–2022年SER的时空演变,识别了关键驱动指标的非线性响应模式与交互结构,并模拟了2030和2035年不同发展路径下的韧性响应。研究结果表明,焦作市SER呈现阶段性演化特征,驱动结构从2012–2017年的经济-政策主导转向2017–2022年的生态-多维协调;绿色转型路径在所有情景中表现最优。该工作为资源枯竭城市韧性诊断与转型路径比较提供了可迁移的分析框架。论文发表在《Sustainability》。
研究采用的关键技术方法包括:(1)基于主成分分析(PCA)与逻辑斯蒂边际效益校正的多维韧性指数构建,用于量化社会、经济、生态子系统的脆弱性与适应能力;(2)XGBoost集成学习模型用于建立韧性变化与驱动指标间的非线性映射关系,并通过10 km空间分块交叉验证控制空间自相关带来的过拟合;(3)SHAP解释框架用于量化特征贡献、识别非线性阈值效应与条件交互作用;(4)基于趋势外推与政策导向参数调整的情景模拟(基准、水土保持、生态修复、综合发展、绿色转型)及子系统权重敏感性分析(等权、PCA、CRITIC法)。数据来源为焦作市2012、2017、2022年多源网格数据(分辨率100 m × 100 m),包含统计年鉴、POI、遥感、矢量及空间环境数据库,共401,214个网格单元。
研究结果:
(1)**韧性空间格局**:利用多维指数与空间自相关分析发现,2012–2022年焦作市社会韧性呈核心-边缘结构,经济韧性从东西梯度转向核心-边缘格局,生态韧性持续上升并趋于均衡,综合韧性呈波动上升趋势。全局莫兰指数(Moran’s I)持续为正(0.53–0.47),局部LISA分析显示高-高(HH)集聚先升后降(40.96%→46.55%→38.81%),低-低(LL)集聚仍占主导(57.15%)。表明韧性改善伴随持久性低值集聚。
(2)**阶段性驱动机制**:通过XGBoost-SHAP分阶段(2012–2017与2017–2022)分析发现,早期驱动因素以生态支出率、GDP、道路密度、学校密度等经济-政策变量为主,且存在显著非线性阈值效应;后期PM10、人口活动强度、产业GDP比、林地覆盖率等生态与结构变量重要性上升,工业依赖成为约束。SHAP依赖图揭示了各指标的“倒U型”或分段阈值响应模式。
(3)**交互效应分析**:SHAP交互分析显示,早期生态支出与SO
2、GDP与财政自给率、道路密度与生态支出间存在条件依赖效应;后期PM10与生态支出、人口活动与生态支出、产业GDP比与PM10间呈现协同或拮抗的交互结构,表明子系统间的协调性决定了韧性改善的上限。
(4)**情景模拟**:基于趋势外推与政策参数调整,对2030和2035年进行五种情景模拟。结果表明绿色转型情景在两个年份均产生最大韧性增益(处理效应:2030年0.001883,2035年0.003317),且在不同子系统权重方案(等权、PCA、CRITIC)下均排名第一,说明该路径通过生态修复与产业升级、经济活力、公共服务提升的协同联动,实现了跨子系统的均衡增强。水土保持次之(2035年0.001870),综合发展效应逐步显现(0.001770),生态修复效应较弱。
**讨论总结**:焦作市SER的演化呈现阶段性、异步耦合特征:生态修复可直接修复环境基底,经济转型需更长周期,社会适应能力决定韧性收益的空间分配。XGBoost-SHAP揭示的非线性与交互模式表明,子系统改善只有在财政能力、产业调整、公共服务与生态治理互补时才能转化为全域韧性提升。绿色转型路径的核心优势在于协调了生态修复与产业、就业、财政、公共服务等社会经济结构调整,适应了资源枯竭城市长期转型的内在逻辑。在此基础上,研究人员建议短期内优先针对低-低集聚区实施生态修复与水土保持,中长期将生态措施嵌入绿色转型战略,推动产业升级、空间优化、就业转型与公共服务均等化。
**研究结论部分翻译**:
本研究以中国焦作为案例,构建了一个用于评估、解释和模拟资源枯竭型城市社会-生态韧性(SER)的集成框架。结果显示,2012至2022年间焦作市SER有所改善,但这种改善具有阶段依赖性和空间不均匀性。转型过程受到社会适应、经济重构与生态修复之间异步交互作用的塑造,而非单一子系统的主导。XGBoost-SHAP结果揭示了关键指标间的非线性、阈值状及交互式响应模式。2012–2017年间经济与政策相关变量更为突出,而2017–2022年间生态变量影响力增强。这些发现表明,可解释机器学习能够识别韧性相关因素如何随转型阶段变化并在社会、经济、生态子系统中交互作用。针对2030和2035年的情景模拟显示,路径绩效取决于时序与干预构成的组合。绿色转型产生了最大的模型处理效应,2030年达0.001883,2035年达0.003317。水土保持两个年份均排名第二,处理效应分别为0.001266和0.001870。综合发展效益延迟但递增,从2030年的0.000170升至2035年的0.001770,而生态修复产生正面但较小的增益。替代子系统权重分析也识别出绿色转型在所有测试权重方案下均为最高排名路径。这些结果表明,最稳健的韧性增强路径是一项协调的绿色转型战略,将生态修复与产业升级、经济活力和社会适应能力相结合。总体上,本研究提供了一个可迁移的分析工作流,将历史SER评估、可解释机器学习诊断、空间统计验证、情景模拟与敏感性测试相衔接。仍存在若干局限:基于SHAP的解释识别的是模型关联而非因果效应;情景结果受选定的政策变量、参数假设和聚合规则影响;此外,采矿引起的地表扰动(如采空区稳定性、地表沉降、破碎岩体及采后变形)因缺乏时间一致的网格数据未被纳入。未来研究应纳入多尺度不确定性分析、详细的社会经济情景、矿山地质监测数据及跨城市比较,以进一步检验该框架的可迁移性与边界条件。