《Ecological Indicators》:Integrated effects of land-use change and human–environment interactions on habitat quality in the Chengdu–Chongqing urban agglomeration: Insights from explainable machine learning and structural equation modeling
编辑推荐:
成渝城市群是中国区域发展规划中的关键区域,也在环境保护中扮演重要角色。随着当地经济快速扩张,该区域的生态系统面临日益增长的压力。然而,有限的研究曾详细评估栖息地质量(HQ)及其演化机制。研究人员应用InVEST模型、贡献指数和空间自相关分析,结合XGBoost
成渝城市群是中国区域发展规划中的关键区域,也在环境保护中扮演重要角色。随着当地经济快速扩张,该区域的生态系统面临日益增长的压力。然而,有限的研究曾详细评估栖息地质量(HQ)及其演化机制。研究人员应用InVEST模型、贡献指数和空间自相关分析,结合XGBoost–SHAP和结构方程模型(SEM),系统研究了成渝城市群HQ的时空变化及其影响因素。研究结果表明:(1)2000年至2020年间,该区域HQ值从0.615下降至0.606,呈现小幅整体下降趋势。(2)雅安和乐山是重要的高质量栖息地,而南充、资阳、成都和重庆主城区是代表性的低水平栖息地;在空间上,中央区域的低水平栖息地逐渐碎片化,高质量栖息地向东扩展。(3)主要影响因素的贡献排序为:坡度>温度>耕地破碎度>林地破碎度>植被绿度>夜间灯光>人口密度。研究期间,城市扩张、耕地转换和林地配置变化共同改变了土地利用结构对模拟HQ的贡献。(4)基于SEM的路径分析进一步表明,坡度通过植被绿度和土地利用配置与模拟HQ相关联。该研究提供了关于气候、植被、景观和人类活动如何在土地利用变化中共同影响HQ的广泛分析。研究结果为成渝城市群快速城市化进程中平衡城市增长与生态保护提供了实用证据。
**成渝城市群栖息地质量研究:土地利用变化与人类-环境交互作用的可解释机器学习与结构方程建模解读**
**研究背景与问题**
栖息地质量(HQ)是评估生物多样性和生态系统功能的关键指标。自21世纪以来,全球城市化加速,城市扩张通过重构土地利用格局压缩自然生态空间,导致栖息地退化问题日益突出。成渝城市群作为中国西部增长最快的城市群之一,是典型山地-平原复合型城市群,其生态响应特征不同于传统平原型城市群。然而,现有研究对该区域栖息地质量的详细评估及其演化机制关注不足,尤其是在二级土地利用类型对威胁因子的敏感性差异以及土地利用结构对HQ的响应方面。因此,迫切需要系统研究该区域HQ的时空变化及其综合影响机制,为生态保护和可持续发展提供科学依据。
**研究内容与结论**
研究人员以成渝城市群为研究对象,利用InVEST模型、贡献指数和空间自相关方法分析2000–2020年HQ的时空演变,并构建XGBoost–SHAP–SEM研究框架,量化关键因子对HQ的边际贡献和结构路径关联。研究得出以下主要结论:(1)区域HQ从0.615降至0.606,呈小幅下降趋势;(2)雅安和乐山为高质量栖息地,南充、资阳、成都和重庆主城区为低水平栖息地,空间上低水平栖息地逐渐碎片化,高质量栖息地向东扩展;(3)主要影响因子贡献排序为:坡度>温度>耕地破碎度>林地破碎度>植被绿度>夜间灯光>人口密度;(4)SEM路径分析显示坡度通过植被绿度和土地利用配置间接影响HQ。该研究发表在《Ecological Indicators》,为快速城市化地区的生态治理提供了实证参考。
**关键技术方法**
研究人员采用以下主要技术方法:基于CNLUCC数据集(30m分辨率)获取23个二级土地利用类型,并利用InVEST模型评估HQ,考虑8个威胁因子(水田、旱地、城市用地、农村居民点、其他建设用地、未利用地、高速公路和铁路)的权重、最大影响距离和衰减类型。使用XGBoost–SHAP模型分析因子贡献和交互效应,该模型通过二阶泰勒展开和正则化参数优化预测精度,并采用80/20训练-测试分割、五折交叉验证、空间分块交叉验证和响应变量置换检验评估稳健性。同时,构建结构方程模型(SEM)分析关键因子间的直接和间接路径关联,模型拟合指标CFI>0.90、TLI>0.90、RMSEA<0.08、SRMR<0.08。数据来源包括气象数据、NDVI、NPP、PM
2.5、ASTER GDEM V3高程、夜间灯光、人口密度和GDP,所有数据统一至WGS 1984坐标系。
**研究结果**
**3.1 LULC时空变化**:通过构建土地利用转移矩阵,研究人员发现2000–2020年间耕地和草地减少,主要转化为林地和建设用地。耕地减少3807.72 km
2,建设用地增加4359.29 km
2,2010年后净耕地转移面积扩大至8073.01 km
2,与城市扩张和生态修复相关。
**3.2 HQ时空动态**:包括以下子节:
- **3.2.1 HQ空间分布**:区域HQ从0.615降至0.606,低质量栖息地集中在成渝城市群中部并持续扩张,高质量栖息地分布在边缘,如雅安、南川、黔江和乐山(HQ>0.700),而潼南和资阳最低(HQ<0.500)。
- **3.2.2 HQ空间聚类**:全局Moran's I指数持续高于0.790(P<0.01),显示稳定聚类。高-高聚类分布在四川盆地西部(德阳、成都西部)和东南部(南川、江津、泸州),低-低聚类集中在川中丘陵区(资阳、内江、遂宁等),低-低聚类在成都和重庆主城区扩张,在资阳辐射区收缩并碎片化。
- **3.2.3 HQ等级变化**:采用自然断点法将HQ分为5级,1级(0–0.4)和2级(0.4–0.6)为低等级,3–5级为高等级。2000–2020年净转移面积766.42 km
2从高等级流向低等级,1级面积占比超39.2%且持续增加;2010年后3级转5级面积从755.59 km
2增至1455.09 km
2,表明局部高质量栖息地逐渐扩展。
- **3.2.4 城市级HQ与贡献**:重庆地区HQ变化更明显,成都、重庆主城区、自贡和璧山下降最大,黔江显著上升。雅安和乐山贡献指数(CI)>0.5且持续上升,南充和资阳CI<-0.5,成都和重庆主城区CI从2000年的-0.09和-0.17降至2020年的-0.32和-0.34,表明经济核心区负面影响加剧。
- **3.2.5 HQ对情景设置的敏感性**:通过低压力(LP)和高压力(HP)情景测试,所有威胁因子权重和最大影响距离变化±20%,结果显示平均HQ、Spearman's ρ(1.000)、全局Moran's I(0.779–0.784)和城市排名均未改变,证实模型结果稳健。
**3.3 HQ综合影响因素分析**:包括以下子节:
- **3.3.1 变量选择与回归模型评估**:从自然条件、社会经济、景观格局和地理位置4个方面选取27个指标,剔除方差膨胀因子(VIF)>10的变量后保留18个。XGBoost模型在训练集和测试集的R
2均>0.92,误差最小,优于多元线性回归、弹性网络、随机森林、LightGBM和SVM。排除地理坐标后,XGBoost测试集R
2=0.9274,空间分块交叉验证R
2=0.8679±0.0233,响应变量置换使R
2降至-0.0963,表明模型稳定。
- **3.3.2 单因子对模拟HQ的贡献**:基于平均绝对SHAP值,8个关键因子排序为Slope>Temp>SPLIT_C>SPLIT_F>NDVI>SPLIT>NTL>POP。低Slope、NDVI和SPLIT_C,以及高Temp、SPLIT_F、NTL和POP与较低预测HQ相关。SHAP单因子响应显示,Slope在16.41°以上贡献由负转正,Temp在15.97–16.60°C以上贡献为负,SPLIT_C和SPLIT_F呈相反模式,NDVI与Slope趋势相似,NTL和POP低值利于HQ。
- **3.3.3 主要因子的交互效应**:2000年土地破碎度与温度交互最强,2010年坡度与温度交互最强(低温陡坡区HQ高),2020年NDVI与坡度交互显著(NDVI>0.81时联合正贡献)。结果表明高质量栖息地常见于低温、植被茂密、陡坡区域,而中部平原和丘陵区因高温和人类活动导致HQ降低。
- **3.3.4 结构路径关联分析**:SEM结果显示,NDVI、Slope和SPLIT_C与HQ正相关,Temp、SPLIT_F、POP和NTL与HQ负相关。Slope通过NDVI对HQ有正间接效应(0.20),NTL通过NDVI有负间接效应(-0.16)。Slope与Temp(-0.72)、POP(-0.27)、NTL(-0.34)负相关,POP与NTL正相关(0.57),Temp与POP(0.18)和NTL(0.21)弱正相关,与SHAP交互分析一致。
- **3.3.5 SHAP局部解释**:选取成都、重庆主城区、雅安和南充四个典型样区(A、B、C、D)。Area A(成都平原,坡度6.13°)HQ从0.429降至0.003,因低坡度下POP和NTL增加抑制NDVI;Area B(重庆主城区)HQ从0.757升至0.872,与SPLIT_C增加和SPLIT_F减少相关;Area C(雅安)HQ从0.504降至0.043,因低坡度、高温度和人口增长导致NDVI降低;Area D(南充)HQ从0.439降至0.152,因NTL增加导致NDVI下降。结果表明人类活动与环境条件的关联比与HQ本身的关联更密切。
**讨论总结**
研究人员讨论了HQ对土地利用变化的响应,指出仅使用一级土地利用类型会遗漏细节,因此采用23个二级类型和8个威胁因子,更好地捕捉空间异质性。2000–2020年城市扩张与耕地转林地的冲突导致HQ轻微下降,雅安和乐山是重要高质量栖息地,南充、资阳等地低质量栖息地碎片化,丰都和黔江的HQ改善与重庆退耕还林政策相关。单因子分析显示坡度是主要因素,陡坡利于生物多样性,而平缓低洼地区易受环境影响;温度升高对HQ不利;耕地破碎化与HQ正相关,林地破碎化则放大负面影响。交互分析表明坡度、NDVI和土地破碎化指标间的关联增强,呼应了研究区域的多因子综合作用。研究局限性包括InVEST参数主观性、单一空间尺度以及SEM横截面设计无法完全建立因果关系,未来需结合空间分块验证和独立生物多样性观测数据,并考虑多尺度分析。
**结论翻译**
该研究利用实用的生态评估模型InVEST评估了区域栖息地质量(HQ),并联合可解释机器学习和结构方程模型(SEM)解释了环境与土地利用对模拟HQ的关联。结果表明,随着城市扩张影响加剧,区域整体栖息地略下降。雅安和乐山仍是重要高质量栖息地,而南充、资阳、成都和重庆主城区是典型低质量栖息地。在空间变化上,中部低质量栖息地逐渐碎片化,高质量栖息地向东扩展。基于SHAP的主要因子重要性排序为:坡度>温度>耕地破碎度>林地破碎度>植被绿度>夜间灯光>人口密度。与耕地相比,林地与更高HQ相关,是生物多样性重要栖息地;耕地向林地和草地转化增加了剩余耕地斑块的破碎度,同时改善了一些地区的栖息地支持性土地覆盖;但城市扩张速度远快于林地整合,导致土地破碎度对HQ的相对贡献下降。此外,坡度、NDVI和土地破碎化指标间的交互作用增强,与模拟HQ的关联更紧密,进一步表明区域栖息地条件的空间异质性是拟合模型中多因子联合关联的结果。这些研究成果为研究区域应对土地结构转型、解决栖息地退化和碎片化问题提供了理论参考。成渝城市群地形和生境多样,因此应有针对性地调控人类活动并加强栖息地保护。在平坦低洼地区,控制人口集中和建设用地扩张,同时保护植被,有助于减少对剩余耕地-生态用地镶嵌体的干扰;而在陡峭高坡度地区,保持林地完整性、减少人类干扰至关重要。随着区域向多城市经济协调发展迈进,成渝城市群必须平衡城市扩张与栖息地保护,从而在维护自然生态系统多样性的同时改善人类福祉。