基于XGBoost-SHAP的辽宁省生态系统服务多尺度驱动机制与空间异质性解析

《Diversity》：XGBoost-SHAP Explains the Multi-Scale Drivers and Spatial Heterogeneity of Ecosystem Services in Liaoning Province

　　

当前，全球生态系统服务退化与生物多样性下降问题日益严峻，老工业基地生态保护与经济发展之间的矛盾不断加剧。本研究以具有显著生态梯度的辽宁省为研究区，通过构建栅格、县域、市域三级嵌套框架，结合空间自相关、地理加权回归（GWR）、自组织映射（SOM）与XGBoost-SHAP模型，评估了五种核心生态系统服务的空间分异、权衡与协同关系及多尺度驱动关联。结果表明：①生态系统服务呈现“东山水、西旱丘、中部粮仓平原”的空间格局，且空间聚集强度随尺度增大而降低；②食物供给与调节支持服务保持权衡关系，服务簇由局地细粒度分异向市域功能聚集转变；③驱动关联表现出显著的尺度依赖性分异，各因子呈现非线性阈值与交互效应。本研究建立了老工业基地生态系统服务的多尺度分析框架，为区域生态修复与协调发展提供了基础。

论文解读

一、研究背景与问题提出

生态系统服务（Ecosystem Services，ES）是人类社会赖以生存和发展的自然基础，然而其持续退化已成为制约全球可持续发展的关键瓶颈。千年生态系统评估（Millennium Ecosystem Assessment，MA，2005）明确指出，全球超过60%的生态系统服务资源已处于不可持续利用或退化状态，且这一趋势预计将在未来半个世纪内加速。生物多样性与政府间科学政策平台（IPBES，2019）全球评估报告进一步证实，生物多样性丧失和生态系统功能退化的规模前所未有，超过一百万种物种面临灭绝风险，生态系统提供调节和供给服务的能力持续下降，直接威胁人类福祉与社会经济可持续发展。

尽管生态系统服务研究在理论、方法与应用层面已取得长足进展，但仍存在三个关键缺口：其一，多尺度效应认知不足——尺度虽已成为景观生态学的公认范式，但尺度效应的作用机制、生态系统服务格局如何随空间尺度变化、尺度选择如何影响研究结论等问题尚待深入探究；其二，特定区域——尤其是具有独特工业历史的地区——的社会生态机制分析仍显不足，长期工业化如何与自然梯度相互作用并塑造生态系统服务演变轨迹尚不清楚；其三，可解释机器学习方法如XGBoost和SHAP虽日益应用于生态系统服务驱动分析，但这些方法本质上是统计解释工具，不能直接证明因果关系，其结果必须结合区域地理背景、生态过程和社会经济机制进行综合解读。

辽宁省作为东北传统工业基地的核心区域，其生态系统服务演变不仅受自然地理梯度影响，更深受数十年工业化、土地利用变化、资源开发以及近年经济结构调整、污染治理和生态修复的深刻塑造，是研究自然过程与社会经济转型双重压力下生态系统服务变化的典型区域。

二、研究内容与主要结论

本研究以辽宁省为研究区，构建了15 km栅格、县域、市域三级嵌套的多尺度评估体系，系统分析了五种核心生态系统服务——食物供给（Food Supply，FS）、碳储存（Carbon Storage，CS）、土壤保持（Soil Conservation，SC）、生境质量（Habitat Quality，HQ）和水源涵养（Water Yield，WY）——的空间格局、权衡与协同关系、服务簇特征及多维度驱动关联。主要研究结论如下：

第一，辽宁省生态系统服务呈现显著的空间异质性和尺度依赖特征。碳储存、土壤保持和生境质量的高值区集中于辽东、辽西山地森林生态系统，低值区主要分布于中部辽河平原的城市和集约农业区；食物供给与调节服务呈明显空间互补格局；水源涵养受降水与地形耦合控制，高值区集中在降水丰富的辽东山区。随着空间尺度从栅格向县域、市域增大，局部变异逐渐被平滑，空间异质性有所降低，但“东山水、西旱丘、中部粮仓平原”的整体空间结构保持稳定。

第二，生态系统服务间的权衡与协同关系兼具结构稳定性与空间分异性。食物供给与碳储存、土壤保持、生境质量、水源涵养在所有尺度上均呈显著负相关，形成稳定的权衡关系，且权衡强度在栅格尺度最高，随尺度增大逐渐减弱；而调节与支持服务之间总体呈协同关系，尤其在辽东山地森林生态系统中表现出多服务同步提升的强协同格局。

第三，生态系统服务簇呈现显著的空间分异和尺度依赖的聚集特征。在栅格尺度可辨识出五种典型服务簇：山地多功能协同簇、平原食物供给主导簇、辽河口湿地复合功能簇、城市生态退化簇和辽西过渡功能簇；随着尺度增大，服务簇类型趋于简化，由局地细粒度功能分异向更宏观的区域功能格局转变。

第四，生态系统服务的驱动机制表现出显著的尺度依赖性和非线性响应特征。景观格局因子c_a（地上生物量碳相关因子）在三个尺度上均居贡献首位，为核心主导因子；c_b（地下生物量碳相关因子）和降水因子构成第二层级驱动因子；局地土壤、地形因子随尺度增大解释力持续衰减。各驱动因子均呈现显著的非线性阈值效应，如c_a和c_b呈“S形”响应，降水存在临界阈值，参考作物蒸散量（ETO）呈“U形”曲线等。

三、关键研究方法

本研究综合运用了以下主要技术方法：空间自相关分析（采用全局莫兰指数Moran's I和Getis–Ord Gi热点分析方法，识别生态系统服务的热点与冷点区域及其跨尺度格局）；皮尔逊相关分析与地理加权回归（Geographically Weighted Regression，GWR）模型（定量刻画生态系统服务间权衡与协同关系的全局趋势与局地空间分异）；自组织映射（Self-Organizing Map，SOM）无监督神经网络聚类方法（识别生态系统服务簇的类型与空间分布）；以及四种机器学习模型（LightGBM、随机森林Random Forest、支持向量回归SVR、极端梯度提升XGBoost）的对比验证（以平均绝对误差MAE、均方根误差RMSE和决定系数R2为评价指标），最终选用XGBoost模型结合SHAP（SHapley Additive exPlanations）可解释方法进行多尺度驱动因子的贡献量化与非线性效应分析。数据来源包括遥感影像、土地利用数据、气象数据、土壤数据和社会经济统计年鉴等多源数据。

四、研究结果

（1）跨尺度生态系统服务空间特征

五种核心生态系统服务在辽宁省呈现显著空间异质性，碳储存、土壤保持和生境质量的空间分布高度协调，高值区集中于辽东、辽西山地森林生态系统，低值区主要分布于中部辽河平原的城市和集约农业区；食物供给与调节服务呈空间互补格局；水源涵养高值区集中在降水丰富的辽东山区。随着尺度增大，局部变异逐渐平滑，但整体空间结构保持稳定。

（2）空间自相关分析

全局莫兰指数结果表明，栅格尺度上所有生态系统服务的莫兰指数均较高，呈显著正空间相关；随着尺度增大至县域和市域，聚集强度急剧下降，部分服务在市域尺度接近随机分布。热点与冷点格局也呈现明显跨尺度分异：栅格尺度可精细刻画局地生态格局，碳储存、土壤保持和生境质量热点集中于辽东、辽西山地林区，冷点对应中部城市—农业过渡带；县域尺度受行政边界整合效应影响，热点呈连片分布；市域尺度生态类型高度复合，热点格局进一步弱化。

（3）生态系统服务权衡与协同

全局相关分析显示，食物供给与碳储存、土壤保持、生境质量、水源涵养在所有尺度上均呈稳定权衡关系，权衡强度在栅格尺度最高；调节与支持服务总体呈协同关系，栅格尺度上协同性最强。GWR局地分析表明，食物供给与碳储存的权衡强度呈“中部强、东西弱”格局，沈阳、鞍山、盘锦等城市—农业复合区权衡最为突出；碳储存与水源涵养的协同呈“辽东强、辽西弱”格局。

（4）生态系统服务簇识别

基于SOM模型的聚类结果显示，栅格尺度可辨识出五种典型服务簇：山地多功能协同簇（集中于辽东、辽西林区）、平原食物供给主导簇（集中于中部辽河平原）、辽河口湿地复合功能簇、城市生态退化簇（分布于沈阳、大连、鞍山等建成区）和辽西过渡功能簇。县域尺度服务簇缩减为四类，市域尺度进一步简化为生态协同型城市、农业主导型城市和城市退化型城市三类。

（5）机器学习模型性能对比

四种机器学习模型在训练集上均表现出良好拟合性能（R2介于0.84–0.90），其中LightGBM拟合精度最高，XGBoost训练精度相对较低。县域尺度独立验证中，SVR和LightGBM预测性能最佳（R2均接近0.98），随机森林次之，XGBoost验证精度最低（R2=0.713）。市域尺度跨尺度验证中，四种模型泛化能力均显著下降，随机森林、SVR和LightGBM均出现极端过拟合（R2=1.0），XGBoost因内置正则化机制未出现极端过拟合，但预测误差最高。

（6）多尺度驱动因子贡献分析

基于XGBoost-SHAP的多尺度归因结果表明，景观格局因子c_a在三个尺度上均居平均绝对SHAP值首位（分别为0.108、0.093和0.106），为核心主导因子；c_b和降水因子构成第二层级驱动因子（平均绝对SHAP值介于0.04–0.05）；土壤持水能力、坡度、参考作物蒸散量等局地因子平均绝对SHAP值均低于0.01，解释力较弱。核心因子均呈典型梯度效应：高值对应正向SHAP值，显著提升生态系统服务供给；低值对应负向SHAP值，表现为明显抑制作用。

（7）多尺度非线性效应与交互机制

SHAP依赖图分析揭示了各驱动因子的非线性响应特征和阈值效应：c_a和c_b呈“S形”响应，低于0.5时效应平缓，超过阈值后正向效应快速增加；降水存在0.5的临界点，低降水约束生态系统服务，超过阈值后正向效应线性增加；ETO和p呈“U形”曲线，中间区间呈负向影响；土壤碳（c_s）呈倒“U形”曲线，在0.25处达到贡献峰值后边际效益递减。县域尺度上，驱动因子响应曲线趋于平滑，降水因子重要性显著提升；市域尺度上，SHAP响应曲线整体更为离散，土地利用相关指标显著性增强。

五、讨论与结论

本研究的价值主要体现在方法论整合与区域机制探索两个方面。通过栅格、县域、市域三级嵌套的多尺度对比，系统揭示了生态系统服务空间分布、权衡协同关系和服务组合随尺度的变化规律；引入XGBoost-SHAP框架识别了生态系统服务变化的相关因子及其非线性关联特征。同时，研究充分认识到机器学习模型的解释局限性——SHAP结果不能替代因果推断，各变量的重要性仅反映其对模型预测结果的贡献，未来研究应结合因果推断模型、自然实验和长期生态监测数据进一步验证关键因子的实际作用机制。

研究结论可归纳为以下五点：（1）辽宁省生态系统服务呈现显著空间异质性和尺度依赖特征，随空间尺度增大，局地生态异质性逐渐平滑，空间聚集强度减弱；（2）食物供给与调节支持服务呈稳定权衡关系，碳储存、土壤保持、生境质量和水源涵养总体呈协同关系，且相互作用强度与空间分布存在显著区域差异；（3）生态系统服务簇呈现显著空间分异和尺度依赖的聚集特征，精细尺度分析更适用于生态修复与精准管理，行政尺度更有利于区域协调与协同治理；（4）生态系统服务驱动机制呈显著尺度依赖性和非线性响应特征，景观配置因子c_a在各尺度上贡献最强，降水等环境因子呈尺度依赖效应，局地土壤和地形因子随尺度增大解释力下降；（5）应按照空间尺度实施差异化管控策略——局地尺度强化植被恢复与生态工程，县域尺度注重土地利用优化与资源配置，市域尺度推进生态空间规划与区域协同治理。