基于CatBoost-SHAP与LCZ分类框架解析城市形态对碳代谢的非线性驱动机制——以长春为例

《Scientific Reports》：Quantifying nonlinear thresholds of grey-green space morphology on urban carbon metabolism across local climate zones: a machine learning study in Changchun city

　　

摘要

城市灰 - 绿空间通过影响大气 CO? 浓度（XCO?）和净初级生产力（NPP）在调节碳代谢方面发挥着关键作用。然而，不同局地气候区（LCZs）中碳代谢的异质性驱动因素仍未得到充分理解。本研究以中国长春为研究对象，整合了 LCZ 分类、多维形态指标和可解释机器学习。基于典型的城市发展模式和高形态对比，LCZ 1–3 被归并为一个紧凑建成区组（以下简称 LCZ 1 组），而 LCZ 6（低层开放区）则保留为独立组；这两组被选为代表区域。开发了 CatBoost-SHAP 模型以揭示城市形态与碳代谢之间的非线性关系。结果显示，灰空间特征（B_CORE、BD、BH）主导了 LCZ 1 中的碳代谢，贡献率超过 55%，而绿地和气候因素（VFC、ACH、MAT）在 LCZ 6 中发挥了更大的作用。识别出了依赖于情境的非线性转折点特征：在 LCZ 1 组中，响应变化发生在 B_CORE ≈ 2.0 和 BH 范围为 10–40 米处；在 LCZ 6 中，VFC 在 0.65 左右和 B1 在?0.25 左右显示出明显的转折点。相同的指标在不同 LCZs 中显示出不同的关联，突显了因地制宜规划的重要性。本研究提供了一个基于 LCZ 的可解释机器学习整合框架，以表征局部非线性响应并支持低碳城市规划。