《Ecological Indicators》:Fine-scale estimation of urban tree carbon storage by integrating biological attributes and environmental characteristics
编辑推荐:
随着城市生态系统服务与碳中和目标重要性日益提升,准确估算城市树木碳储量已成为低碳城市转型与提升碳汇能力的关键。然而,现有研究主要依赖树木结构参数或遥感特征,对个体尺度下生物属性、环境背景与空间邻域关系的联合作用关注有限。针对这一空白,研究人员提出一种融合生物、
随着城市生态系统服务与碳中和目标重要性日益提升,准确估算城市树木碳储量已成为低碳城市转型与提升碳汇能力的关键。然而,现有研究主要依赖树木结构参数或遥感特征,对个体尺度下生物属性、环境背景与空间邻域关系的联合作用关注有限。针对这一空白,研究人员提出一种融合生物、环境与空间拓扑特征的细粒度城市树木碳储量估算方法。生物变量包括树种、树高、胸径(DBH)与冠层结构,局部生境特征纳入植被活性、背景生产力、土地利用状况与地形背景。空间邻近性与生物-环境交互拓扑进一步通过图注意力网络(GAT)建模,实现跨通道特征聚合与碳储量回归。基于深圳湾公园约14万棵树木的结果表明,Bio+Env+Spatial模型在15 m半径与2跳传播下取得最优性能(RMSE=0.3443,MAE=0.1927,R2=0.8360),较仅用生物属性的基线R2提升超0.21。SHAP结果显示生物结构性状主导预测,而局部生境与空间特征通过修正邻域竞争、生境异质性与空间背景相关的估算偏差提供互补优化。
研究背景方面,在全球气候变化与中国“双碳”战略背景下,城市作为能耗与温室气体排放核心空间,其树木通过光合作用固碳并调节微气候、降低建筑能耗,是城市碳循环关键环节。现有个体树木碳储量估算沿两条路径展开:一是基于树木结构与生物属性(树高、冠幅、DBH、冠体积等)结合回归或机器学习;二是引入邻域密度、竞争指数等空间关系。但前者常假设树木独立同分布,忽略邻域竞争与遮荫,后者多停留于线性统计或经验指数,缺乏统一框架刻画生物-环境-空间的非线性图结构关联。图神经网络(GNN)虽在生态过程建模中展现潜力,但应用于城市个体树木碳储量估算仍有限,且在高度异质城市中如何构建生态语义图、融合多源特征并兼顾可解释性尚待深入。为此,研究人员以深圳湾公园为研究区,构建个体尺度城市树木语义关联图,提出结构感知图神经网络(SA-GNN)框架实现精细估算与机制解释。
关键技术方法上,研究人员整合无人机激光雷达(LiDAR)点云、高光谱影像、归一化差分植被指数(NDVI)、数字高程模型(DEM)、净初级生产力(NPP)及土地利用矢量数据,覆盖深圳湾公园约14万棵树木。以欧氏距离阈值(最优15 m)建图,节点特征融合生物属性(树高、冠径、冠面积、冠长、冠表面积、冠体积、DBH、树种one-hot)与环境特征(NDVI、NPP、土地利用、DEM),边表示空间邻接。采用多通道图注意力网络(GAT),分生物、环境、空间三通道独立注意力聚合,拼接后接多层感知机(MLP)回归碳储量;碳储量标签由物种特异性异速生长方程结合碳分数系数生成。训练集∶验证集∶测试集=7∶1∶2,对比GCN、GIN、HGAT、GraphSAGE,以RMSE、MAE、R2评估,并用SHAP做特征贡献解析。
研究结果部分,首先考察邻域半径影响(5、10、15、20 m),发现15 m时最优(RMSE=0.3443,MAE=0.1927,R2=0.8360),过大半径引入远端噪声致性能下降。其次在15 m下比较GNN架构与跳数(1–3跳),GAT于2跳最佳(R2=0.8360),1跳偏低、3跳因过平滑衰退;HGAT与GraphSAGE次之,GCN、GIN表现弱,表明注意力与采样聚合更适配城市树木图。再次消融特征组合,生物属性单用R2=0.6262,环境或空间单用极低(0.0655、0.0384),Bio+Env+Spatial达0.8360,较生物单用提升0.2098,Bio+Spatial增益0.1379,证明空间特征主要通过与生物属性交互修正邻域竞争偏差。最后SHAP分析显示生物结构特征占分组SHAP贡献99.85%,水杉(Metasequoia glyptostroboides)、芒果、冠体积、DBH等居前;空间(0.11%)与生境(0.04%)边际归因小但经图聚合参与修正,NPP去除使R2降至0.7744,证实其作粗尺度背景生产力约束而非米级直接驱动。
讨论与结论部分,研究人员指出该方法突破传统独立样本假设与浅层统计,在15 m、2跳下实现R2超0.83的精细估算;生物属性主导变异,生境与空间作补充校正;局限在于单时相、单区域验证、未纳土壤与管理变量、NPP尺度粗及随机划分下测试节点可能含训练邻域(非标签泄漏)。结论明确:融合生物属性、局部生境与空间拓扑的多通道GAT框架可有效克服个体独立假设,深圳湾公园案例下Bio+Env+Spatial于15 m半径、2跳传播取得RMSE=0.3443、MAE=0.1927、R2=0.8360,较生物基线R2提升逾0.21;SHAP表明物种、DBH、冠体积等生物结构主导,邻域与生境修正竞争遮荫与背景约束;该方法为城市碳资产清查、蓝绿空间优化与低碳治理提供兼具精度与可解释性的技术路径。论文发表于《Ecological Indicators》。