[Ecological Indicators]揭示滨海城市生态系统服务供需关系的驱动机制：一种地理空间机器学习方法

点击蓝字关注我们哦~！

文章期刊：[Ecological Indicators][SCI-1Q][新锐-1Q]

题目：揭示滨海城市生态系统服务供需关系的驱动机制：一种地理空间机器学习方法
英文题目：Revealing the driving mechanisms of ecosystem services supply and demand relationships in a coastal city: A geospatial machine learning approach
投稿周期：
Received 26 January 2026; Received in revised form 5 April 2026; Accepted 23 April 2026;
文章链接：
https://doi.org/10.1016/j.ecolind.2026.114913

ABSTRACT&

HIGHLIGHTS

1.Highlights

1. 构建G-XGBoost与SHAP组合框架，有效解析生态服务供需的非线性关系与空间异质性。

2. 明确城镇扩张存在30%建成区占比阈值，突破阈值会显著加剧生态供需失衡。

3. 厘清多因子交互规律，证实港口、耕地、气候等会放大或弱化城镇化的负面作用。

4. 结合空间分异特征提出分区管控策略，为滨海城市精细化生态治理提供依据。

2.Abstract

在人类活动与气候变化的双重影响下，全球滨海地区生态系统服务的供需矛盾日益突出，滨海城市的可持续发展遭遇严峻挑战。目前，滨海城市生态系统服务供需关系的复杂驱动机制与空间分异特征尚未被充分揭示，难以支撑精细化的生态管理工作。为此，本研究以青岛市为案例，选取粮食生产、产水、海水养殖、固碳、土壤保持、休闲游憩六大类生态系统服务，完成 2002—2022 年的服务供需量化；运用地理空间极端梯度提升模型（G-XGBoost）结合 SHAP 可解释性框架，分析驱动因子与生态服务供需关系之间的非线性特征及局部空间关联。

研究结果表明：

第一，综合生态系统服务供需比存在显著空间分异，整体呈现南部亏缺、北部盈余的格局；

第二，建成区占比是影响生态服务供需关系的核心主导因子；

第三，城镇扩张对生态服务供需关系存在明显的非线性阈值效应，当建成区占比超过 30% 时，生态服务供需失衡问题会急剧加剧。

基于以上研究成果，本文以主导因子识别为核心，提出差异化分区管控策略，可为滨海地区生态系统管理提供科学参考。

研究背景和研究目标

01 选题背景

滨海地带是全球人、地、海交互作用最为强烈的区域，滨海生态系统提供的水质净化、气候调节、栖息地维持等多项生态系统服务，维系着全球多数人口的生产生活。但在高强度城镇扩张与气候变化的双重压力下，滨海生态系统完整性遭到破坏，生态系统服务供给能力持续下降；同时人口与经济要素不断集聚，人类对生态服务的需求快速增长，供需格局被深度重塑。在中国滨海城市中，生态服务供需空间错配问题尤为突出，不仅威胁区域生态安全，也制约了城市可持续发展。现有研究虽已关注滨海地区生态服务供需错配现象，但尚未厘清其背后复杂的驱动机制；传统分析方法多基于线性假设，无法有效识别驱动因子的非线性作用、阈值效应与空间非平稳性，常规机器学习模型又普遍忽略地理空间异质性，难以适配滨海城市复杂的陆海交互环境。在此基础上，本文选取典型滨海城市青岛开展研究，尝试运用融合空间特征的机器学习方法，弥补现有研究与技术方法的短板。

02 研究目标

本研究以青岛市 2002—2022 年长时间序列数据为基础，首先完成粮食生产、产水、海水养殖、固碳、土壤保持、休闲游憩六大生态系统服务的供给、需求及供需关系量化，系统分析二十年间各类生态服务供需水平的时空演变规律；其次采用 G-XGBoost 模型结合 SHAP 可解释性框架，识别影响生态服务供需关系的关键驱动因子，量化各因子的贡献度、作用方向与非线性特征，挖掘城镇扩张等核心因子的临界阈值；再者探究不同驱动因子之间的交互作用，以及驱动机制在空间上的分异规律，明确不同区域的主导影响因素；最终结合量化分析结果，针对不同空间单元提出差异化、可落地的生态分区管理策略，为同类滨海城市开展生态规划、实现生态服务供需平衡与可持续发展提供理论依据与实践参考。

研究方法和关键结论

01 研究方法

本研究首先收集整理青岛市 2002、2007、2012、2017、2022 五期土地利用、地形、气象、植被、人口、经济、港口与旅游设施等多源数据，统一坐标系与 1km×1km 空间分辨率，完成数据预处理工作；

随后划分供给服务、调节服务、文化服务三大类别，选取六大核心生态系统服务，借助 InVEST 模型测算产水、固碳、土壤保持的供需量，结合数理公式分别计算粮食生产、海水养殖、休闲游憩服务的供需水平，并构建单项供需比与综合生态服务供需比（CESSDR）指标，以此表征区域生态服务供需状态；

接着从自然环境、人类活动两大维度筛选降水、气温、NDVI、建成区占比、耕地占比等 10 项驱动因子，引入融合空间权重的 G-XGBoost 地理空间机器学习模型，兼顾全局演变趋势与局部空间特征，弥补传统模型无法兼顾非线性与空间异质性的缺陷；

同时搭配 SHAP 可解释性分析框架，量化各驱动因子的贡献占比、作用规律与空间分布特征，识别因子间交互关系及关键阈值；

最后通过普通最小二乘回归（OLS）、地理加权回归（GWR）、传统 XGBoost 三类模型开展精度对比，验 G-XGBoost 模型的适用性与可靠性，综合所有分析结果总结驱动机制并制定生态管理方案。

02 关键结论

从时空演变来看，2002—2022 年青岛市六大生态系统服务的供给与需求整体同步增长，其中休闲游憩、海水养殖两类服务需求涨幅远高于供给，供需压力持续加大；全市综合生态服务供需关系呈现稳定的南部亏缺、北部盈余空间格局，城市主城区、南部滨海及港口周边是供需失衡的核心区域，北部山地与西部近郊农业区生态服务持续盈余，且二十年间极端供需亏缺区域面积逐步缩减，整体失衡状况略有缓解。从驱动机制来看，建成区占比是影响生态服务供需关系的第一主导因子，贡献率长期维持在 20.8%~24.9%，城镇扩张对生态服务供需存在显著的非线性阈值效应，当建成区占比突破 30% 这一临界值后，供需矛盾会快速激化；同时因子间存在明显交互作用，若建成区占比超 30% 且耕地占比低于 40%，城镇化的负面效应会进一步加剧，此外潜在蒸散量高于 1000mm 的区域、港口 20km 辐射范围内，城镇扩张带来的负面影响也会被放大。空间分异方面，气温、建成区占比、耕地占比是青岛市全域三大主导驱动因子，合计控制 96.56% 的区域，同一因子在不同区位的作用方向存在明显差异，建成区在全域均表现为负向影响，耕地、气温则因地而异。基于上述结论，滨海城市需摒弃一刀切的管理模式，围绕建成区、耕地、滨海湿地、植被、文旅资源五大维度实施分区管控，严守用地阈值、优化土地利用结构、推进陆海协同治理，以此缓解生态服务供需矛盾，保障滨海城市生态系统稳定与可持续发展。

美图共享

END

点分享

点收藏

点在看

点点赞

城市生态日记

URBAN ECOSYSTEM RECORDS