基于遥感多源数据解析的城市公园生态环境质量改善效应量化研究

这篇研究通过融合遥感、地理空间分析和可解释机器学习模型，创新性地量化了福州51个城市公园对生态环境质量（EEQ）的改善效应（包括PEII、PEID、PEIA、PEIE四项指标），揭示了公园面积（PA）与生态效率的非线性阈值关系（2.15 hm2为最优值），为平衡生态效益与土地利用效率提供了数据驱动的规划策略。

　　

Highlight
城市公园作为基于自然的解决方案（Nature-based Solutions），其生态环境质量（EEQ）改善效应呈现显著异质性。研究首次通过PEII（公园EEQ改善强度，范围-0.0773~0.3095）、PEID（改善距离）、PEIA（改善面积）和PEIE（改善效率）四维指标体系，揭示公园面积（PA）与生态效率的"过犹不及"现象——当PA超过2.15 hm2时，生态效率反而下降，这为"小而美"的公园设计提供了关键阈值依据。

关键发现
XGBoost-SHAP模型解码了公园内外因子的非线性博弈：内部因子如公园周长、聚集指数（AI）与PEII呈正相关，但边缘密度（ED）却表现出"双刃剑"特性；外部建筑密度则通过热辐射叠加效应削弱公园的EEQ改善能力。有趣的是，机器学习捕捉到PA与PEIE的"钟形曲线"关系，暗示盲目扩大公园面积可能引发生态收益递减。

生态规划启示
研究提出"黄金2.15公顷"法则——在土地资源受限的高密度城区，多个中型公园的网状布局比单一大型公园更能实现生态效率最大化。该发现挑战了传统"越大越好"的绿地规划范式，为快速城市化区域的生态韧性提升提供了量化工具箱。