《Environmental Pollution》：Quantitative mechanisms and spatial configuration modes of health-promoting subtropical forests based on BVOC emissions and machine learning
编辑推荐：
•整合机器学习-SHAP框架量化了BVOC介导健康效应的驱动机制。•基于关键萜类和芳香族排放物构建了健康效益（HB）指数。•通过广义可加模型（GAMs）揭示了微气候和空间林分结构指数的非线性响应阈值。•建立了四种森林配置模式，作为基于证据的健康促进设计模板。引言森林疗养是一种
- •
整合机器学习-SHAP框架量化了BVOC介导健康效应的驱动机制。
- •
基于关键萜类和芳香族排放物构建了健康效益（HB）指数。
- •
通过广义可加模型（GAMs）揭示了微气候和空间林分结构指数的非线性响应阈值。
- •
建立了四种森林配置模式，作为基于证据的健康促进设计模板。
引言
森林疗养是一种利用森林环境中各种自然元素促进身心健康、预防疾病和辅助康复的综合自然疗法（Zhang等，2020）。森林疗养起源于欧洲的森林健康实践，日本于20世纪80年代通过"森林浴"（shinrin-yoku）概念推动其现代化发展。自此，研究强调了森林作为减压、预防保健和健康促进的潜在场所。作为一种预防医学和康复的创新模式，森林疗养近年来在全球范围内获得了广泛认可（Zhang和Ye 2022；Wan等，2024）。它被探索作为缓解现代社会中慢性非传染性疾病（NCDs）和亚健康状态的补充干预手段（Zhou等，2026）。森林疗养的健康效应部分被认为源于植物释放的BVOCs（Eisenman等，2019）。然而，关于这一前提的证据尚不一致。一项将萜类从森林空气中过滤掉的随机双盲交叉试验仅报告了最小的生理效应，且大多数健康指标没有显著差异（Levy等，2025），而观察性研究和小规模干预研究仍持续报告积极的关联性。因此，我们将BVOC-健康联系视为推动分析的假设，而非已确立的机制，并相应地设定因变量。BVOCs化学组成复杂，主要由萜类化合物、芳香族化合物和脂肪酸衍生物组成（Baldwin 2010；Wu 2021）。其中，萜类化合物作为森林相关效益的潜在指标受到了特别关注（Wu等，2024）。它们表现出强效的生理活性，如缓解压力和增强自然杀伤（NK）细胞活性（Donelli等，2023；de Alvarenga等，2023）。然而，并非所有BVOCs都对人类健康有益。某些芳香族化合物，如苯系物（BTEX），具有潜在的神经毒性，过量暴露可能导致头痛和记忆力减退等不良效应（Lun等，2020）。尽管森林环境中BTEX的浓度通常远低于工业限值，但慢性暴露的累积效应值得关注。因此，森林疗养的潜在效益可能依赖于有益和有害成分之间的相互作用。BVOC组成的复杂性和其效应的双重性构成了建立健康促进型森林的重大挑战。目前，关键驱动因素与健康效应之间的内在关系以及系统配置策略仍不清楚。
因此，需要建立一个定量框架来共同表征潜在有益和潜在有害BVOC成分的贡献。然而，现有研究主要依赖单一化合物监测或定性描述，缺乏能够捕捉复杂BVOC混合物净健康效益潜力的系统性、可量化指标。更关键的是，大规模区域监测数据仍然稀缺：现有研究主要局限于有限地理范围内的BVOC排放（Wu 2006；Wu等，2010；Lin等，2018；Guo 2024）。由于缺乏区域代表性和大样本监测，导致系统性数据库的缺乏，从而制约了区域医疗保健森林配置的精确性和有效性。
森林林分结构是调节森林BVOC健康效益潜力的关键变量，但其机制作用仍未得到充分表征。森林空间结构是林分结构的重要维度，反映了树木的空间分布模式和相互关系，直接影响生态系统功能（Hui等，2019）。森林空间结构涵盖空间分布模式、竞争关系和种间隔离，通常由三个主要维度来表征：混交、竞争和分布格局（Tang 2010）。适当的森林林分结构不仅通过叶面积指数（LAI）和生物量密度直接影响BVOC排放，还通过改变内部微环境进行间接调节，这对最大化森林林分的健康效益潜力至关重要。尽管存在这种双重影响途径，现有研究主要关注环境因素对BVOC排放的影响（Huang 2020；Chen等，2020；Ji等，2023），而关于森林林分结构因素与健康效益潜力关系的研究仍不清楚。此外，当前研究尚未量化特定因素的独立边际效应，使得难以量化单个变量对BVOC相关健康效益潜力的相对贡献。目前缺乏以目标为导向的结构调控模型。大多数现有研究仅限于现状评估（Zhu等，2021；Zhu等，2024），尚未建立面向增强不同健康效应的森林林分结构模式。因此，健康促进型森林的开发亟需更清晰地了解单个因素影响医疗保健物质释放的定量关系。
为应对这些挑战，本研究提出以下假设：（1）森林BVOCs的健康效益潜力与林分环境因素和结构因素相关；（2）这些因素对健康效益潜力存在阈值效应，超过该阈值后边际收益递减或反转；（3）基于已识别响应范围的林分结构配置可作为生成健康促进型森林设计可检验假设的概念模板。为检验这些假设，我们开发了一个整合萜类和芳香族成分的健康效益（HB）指数，作为BVOC相关健康效益潜力的代理指标。通过监测5种代表性森林类型的多源数据，应用机器学习模型结合SHAP（SHapley Additive exPlanations）可解释性分析来识别和排序HB指数的主要驱动因素，并使用基于因果森林的条件关联分析来检验结构驱动因素在条件化其他预测变量后是否保留非冗余信号。随后使用广义可加模型（GAM）来刻画关键变量的非线性经验响应阈值。利用这些经验导出的阈值，开发了四种森林配置模式作为健康促进型森林规划的阈值信息概念模板。这一整合框架为亚热带健康导向森林规划提供了从驱动因素识别和非线性响应刻画到阈值信息结构场景的探索性分析路径。
章节片段
研究区域
本研究选取浙江省三个具有代表性的森林疗养基地作为研究单元（图1）：位于南部的白云森林公园（丽水莲都）、位于中部的乌屑景区（绍兴诸暨）和位于西部的钱江源国家森林公园（衢州开化）。研究区域具有代表性的亚热带季风气候特征，气候温和湿润，季节变化明显。该区域年平均气温
健康效益（HB）指数的分布和季节变化
在等权重条件下，HB指数的范围为-6.07至3.32，平均值为0.16（SD = 1.47），中位数为0.35（图3a）。总体而言，69.2%的观测记录了正向HB值，而其余30.8%为负向。HB指数的季节变化明显，春季的平均值最低（-0.43 ± 1.75），夏季逐步上升（0.23 ± 2.10），秋季（0.41 ± 0.80）和冬季（0.43 ± 0.55）达到最高水平。季节内变异性也下降
HB的组成平衡与动态变化
在深入探讨具体的结构和环境阈值之前，理解基线时间变异性至关重要。在所研究的亚热带森林中，正向HB值的占主导地位（69.2%的观测），这表明萜类化合物的排放量总体上超过了芳香族化合物的浓度，与已知亚热带树种的高萜类化合物生产力相符（Wang等，2026）。从季节上看，秋季和冬季表现出最稳定和持续的高水平
结论
基于亚热带地区多种森林类型的数据，本研究提出了一套综合定量分析框架，整合了机器学习、SHAP可解释性分析、条件关联分析和GAM。机器学习模型结合SHAP分析识别了健康效益（HB）指数的主要驱动因素，其中结构因素成为主要的决定因素。拟合SHAP响应面的GAM模型识别了模型导出的
CRediT作者贡献声明
包玉鑫（Yuxin Bao）：撰写—初稿，验证，方法论。周果默（Guomo Zhou）：撰写—初稿，验证，方法论。徐林（Lin Xu）：撰写—初稿，方法论，形式分析，概念化
未引用参考文献
HUI和VON GADOW, 2003; TANG等，2004。
稿件准备过程中生成式AI和AI辅助技术的使用声明
在准备本研究期间，作者使用了Gemini和Grammarly来检查学术语言和英语语法的准确性。使用这些工具后，作者根据需要审查和编辑了内容，并对已发表文章的内容承担全部责任。
利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系可能对本研究中报告的工作产生影响。
致谢
本研究得到了国家自然科学基金（项目编号：32471862）；中国国家重点研发计划（项目编号：2023YFE0105100）；以及中央引导地方科学技术发展专项资金计划（项目编号：2025ZY01088）的资助。我们也感谢编辑和匿名审稿人对我们研究的同行评审工作所作出的贡献。
包玉鑫｜周果默｜徐林
