Py学习  »  机器学习算法

​【Urban For. Urban Greening】为城市环境确定适合气候的植物:将机器学习与传统植物选择工具相结合

景观及规划前沿 • 8 月前 • 295 次点击  


【Urban Forestry & Urban Greening】

为城市环境确定适合气候的植物:将机器学习与传统植物选择工具相结合

01

摘要

    气候变化加剧了城市热岛效应,增加了极端天气条件,对公共卫生和城市植被构成风险。为了应对这些挑战,选择适合气候的城市植物物种至关重要。由于忽视了人为因素,传统的基于气候生态位的方法在城市环境中往往无法满足要求。我们的研究通过引入一种创新的城市植物选择方法来解决这一研究差距,该方法通过机器学习整合了脆弱性指标、专家共识和植物引入记录。

    我们确定了对中国北京城市植物生存至关重要的 8 个气候变量,并确定了 1,070 种城市植物物种的 8 个气候变量在两个时期的安全边际:基线 (1981-2010) 和未来 (2041-2070)。根据现有评价数据、专家共识和植物引进记录,将 247 种植物的适应性分为 3 个适应性等级:骨干性(适应性强,在北京普遍存在)、一般性(适应性中等,需要特别照顾)和适应不良(适应性差)。随后,我们通过构建最佳机器学习模型来预测城市植物的适应性水平,通过模型比较和超参数调整提高其准确性,研究了两个时间段八个气候变量的安全边际与植物适应性水平之间的动态关系。

    我们的研究结果表明,北京近一半 (49.0%) 的植物物种可能面临对未来气候条件的适应能力下降。然而,大多数 (75.9%) 在基线气候条件下表现良好,并有望适应未来的气候条件。结果再次证实,该物种可以很好地生长出生态位限制,这表明传统的基于气候生态位的方法在城市环境中可能受到限制。我们的方法通过结合城市植物适应性分类方案和通过机器学习方法从专家共识和植物介绍记录中获得的基本事实,克服了传统基于生态位的方法的二元分类的局限性和对人为因素的忽视。本研究提供了一种为城市环境选择适应气候的植物物种的方法,并支持在气候变化中进行循证城市林业管理。

 02

研究结果

1安全边际

    安全边际描述了内在物种对气候变化的敏感性,并表明了对不断变化的气候条件的潜在耐受性。就基线安全边际而言,许多物种容易受到气候变量 bio17(最干燥季度的降水)的影响,有 879 个物种 (57%) 超过了其安全边际。同样,608 个物种 (39%) 超过了 bio12(年降水量)的安全边际,521 个物种 (34%) 超过了 bio6(最冷月份的最低温度)的安全边际。对于北京的气候变化,降水相关变量的变化很小,而 bio1、bio5 和 bio6 等与温度相关的指数都上升了 2.1°C 以上。就未来的安全边际而言,许多物种容易受到气候变量 bio5(最热月份的最高温度)的影响,有 879 个物种 (57%) 超过了其安全边际。同样,608 个物种 (39%) 超过了 bio17(最干旱季度的降水量)的安全边际,521 个物种 (34%) 超过了 bio12(年降水量)的安全边际。

表1 北京市 1070 种城市植物物种的气候变化、8 个气候变量的安全边际(基线和未来气候来自 SSP3-RCP7.0 和 5 个 GCM

2.气候适应性水平的预测

    表2总结了基线和未来气候的气候适应性水平预测结果。适应不良植物的比例几乎保持不变,而主干植物和普通植物的比例表现出显着变化。

表2 2010 年至 2018 年粤港澳大湾区 11 个城市城市蔓延指标热力图

    近一半的植物适应性水平预计将在未来条件下下降(图 5),占总数的 49.0%(其中数量最多的是 467 种从骨干植物变为普通植物,25 种从骨干植物变为不适应植物,以及 33 种从普通植物变为不适应植物);适应性水平保持不变的植物占总数的 44.6%(196 种骨干植物,128 种普通植物和 153 种不适应植物);适应性水平有所提高的植物占总数的 6.4%(21 种普通植物变为骨干植物,21 种不适应植物变为普通植物,以及 26 种不适应植物变为骨干植物)。

图1 北京植物动态气候适应性水平的变化:基线(1981-2010)和未来(2041-2070)

3.气候适应性植物

    本研究确定了在基线和未来情景中被评为骨干或普通植物的物种,共计 812 种(见图 5),占北京植物总数的 75.9%。树木中排名前三的科分别是蔷薇科(27 种)、松科(16 种)和柳科(12 种),占树木总数的 39.0%;灌木中排名前三的科分别是蔷薇科(36 种)、木犀科(18 种)和豆科(16 种),占灌木总数的 40.7%;藤本植物中排名前三的科分别是葡萄科(11 种)、葫芦科(6 种)和豆科(6 种),占藤本植物总数的 50.0%;草本植物中排名前三的科分别是菊科(84 种)、禾本科(64 种)和唇形科(28 种),占草本植物总数的 38.9%。    

    植物起源与气候适应性在基线和未来气候条件下均无显著关联。相反,植物生活形式的卡方检验结果显示与气候适应性高度相关。这表明不同的生活形式对基线和预测的气候条件具有不同程度的适应性。

03

研究结论

    植物选择以应对气候变化对于城市植被的生存和城市居民在气候变化世界中的福祉至关重要。北京的研究案例表明,传统方法在城市环境中存在局限性。为此,我们引入了一种新的城市植物选择方法,该方法结合了脆弱性指标、专家共识以及利用机器学习的历史植物引入记录。这种方法旨在通过结合专家共识和植物引入记录得出的真实信息,来考虑人为因素,这在基于气候生态位的方法中并不容易实现。它增强了评估城市森林适应水平到基线和预测气候条件时的可信度,有助于识别适合城市地区的气候适应性植物物种,协助景观建筑师和城市规划师完善绿色空间设计策略,并促进在气候变化背景下城市林业管理的基于证据的决策。

论文信息

标题:Identifying climate-ready plant for urban environment: Integrating machine learning with traditional plant selection tools

作者:Maini Chen, Anrong Dang, Xiangyu Li, Jingxiong Huang, Yang Weng

时间:29 October 2024

DOI:https://doi.org/10.1016/j.ufug.2024.128559

本文只是笔者对论文的浅薄理解,不代表原论文观点。如果您感兴趣,请点击文末【阅读原文】阅读文献


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/175656
 
295 次点击