《Frontiers in Ecology and Evolution》：Multiscale dynamics and nonlinear associations of ecological quality in the Hangzhou Bay urban agglomeration, China
编辑推荐：
快速城市化地区的生态质量变化具有空间异质性，但基于单一分析尺度的评估可能掩盖局部变化并改变表观因子重要性。研究人员利用Google Earth Engine（GEE）和Landsat影像构建了杭州湾城市群（HBUA）2000—2024年遥感生态指数（RSEI）
快速城市化地区的生态质量变化具有空间异质性，但基于单一分析尺度的评估可能掩盖局部变化并改变表观因子重要性。研究人员利用Google Earth Engine（GEE）和Landsat影像构建了杭州湾城市群（HBUA）2000—2024年遥感生态指数（RSEI）序列。研究人员以六个基准年份的合并观测数据拟合XGBoost–SHAP模型，比较了1、3、5、10 km网格和县域单元上的生态变化。平均RSEI呈现先下降后持续恢复的趋势，净增加0.0423。高值集中于西南部森林地区，低值主要分布于北部平原、高密度城市化湾区及城市扩张走廊。改善面积比例从1 km尺度下的75.34%增至县域尺度下的84.25%。2015—2020年间，县域尺度聚合提高了稳定比例并降低了改善比例，表明粗粒度单元可能掩盖相反的局部变化。土地利用强度（LUI）在所有尺度上的平均绝对SHAP相对贡献最大（44.59%–55.43%），而夜间灯光强度（NLI）的贡献随聚合程度上升，在县域尺度达到20.33%。这些结果表明，生态变化检测及模型关联解释均具有尺度依赖性，支持建立嵌套式多尺度评估框架。
**研究背景与问题**
快速城市化正在深刻改变区域土地利用格局、地表能量平衡与生态过程，导致生境破碎化、热环境加剧、水文调节能力下降以及生态系统服务供需失衡。在城市化密集的城市群地区，上述压力尤为复杂，生态质量呈现显著的空间异质性、阶段性波动与尺度依赖性。遥感生态指数（Remote Sensing Ecological Index, RSEI）通过整合绿度、湿度、干度和热度四个分量并采用主成分分析（Principal Component Analysis, PCA）赋权，可较为全面地表征地表生态状况。然而，现有研究多聚焦于时空格局描述，对长期序列的跨年度可比性、变化检测在不同空间尺度间的一致性，以及因子贡献和交互作用的尺度敏感性关注不足。空间尺度既是识别生态质量格局的核心要素，也影响驱动因子解释。单一行政单元或固定网格可能平滑局部退化斑块，而解释变量的相对重要性也会因可修改面积单元问题（Modifiable Areal Unit Problem, MAUP）而改变。杭州湾城市群（Hangzhou Bay Urban Agglomeration, HBUA）地处中国东部沿海，城市化水平高、产业活动密集、陆海相互作用强烈，同时包含河网平原、河口海湾、丘陵山地和沿海湿地等多样地理单元，为开展长期RSEI监测、多尺度生态质量评估及非线性关联分析提供了理想区域。该项研究旨在回答空间分析单元的选择如何改变生态质量评估结论这一核心问题。
**研究内容与结论**
研究人员基于GEE平台和Landsat影像构建了2000—2024年30 m分辨率年度RSEI序列，以1、3、5、10 km网格和县域单元五种空间支持度进行聚合，利用XGBoost–SHAP模型分析六个基准年份（2000、2005、2010、2015、2020和2024年）合并观测数据中RSEI与地形、气候、城市化压力和区位等解释变量的关联。研究发现：HBUA生态质量呈现先下降后恢复的非单调长期轨迹，区域平均RSEI从2000年的0.5959降至2005年的0.5280，随后逐步恢复至2024年的0.6382，较2000年净增加0.0423（7.10%）；空间上呈西南高、东北及杭州湾沿岸高密度城市化区低的持续格局；生态变化检测具有显著尺度依赖性，2015—2020年县域聚合使稳定比例较1 km尺度增加33.63个百分点，改善比例降低22.63个百分点；土地利用强度（Land Use Intensity, LUI）在所有尺度上均为主导解释因子，夜间灯光强度（Nighttime Light Intensity, NLI）的贡献随尺度增大而上升至县域尺度的20.33%；主导交互作用由网格尺度的DEM–LUI转变为县域尺度的LUI–NLI。该研究系统揭示了生态评估和模型解释随空间支持变化的规律，为构建“区域筛查—跨边界格局评估—热点诊断—场地验证”的嵌套式多尺度监测框架提供了依据。
**关键技术方法**
研究主要采用了以下技术方法：（1）RSEI模型：基于GEE平台，选取每年6—9月有效Landsat观测像元，经去云、去雪和剔除水体后，采用年中值合成计算归一化植被指数（NDVI）、湿度分量（WET）、归一化差异裸土指数（NDBSI）和地表温度（LST），并以固定参考PCA和公共边界实现跨年度可比，PC1解释方差为83.0135%；（2）Hodrick–Prescott（HP）滤波：将区域平均RSEI序列分解为长期趋势和短期波动分量，平滑参数λ设为6.25；（3）Theil–Sen中值斜率与Mann–Kendall检验：计算像元尺度RSEI年变化率并分级显著性，趋势分为显著减少、轻微减少、稳定、轻微增加和显著增加五类；（4）多尺度空间聚合：在ArcGIS中生成1、3、5、10 km规则网格并与HBUA陆地边界相交，县域单元作为行政尺度对照；（5）XGBoost–SHAP解释性机器学习：以RSEI为响应变量，选取DEM、坡度（ASP）、降水（PRE）、潜在蒸散（PET）、LUI、NLI和道路距离（DRD）为解释变量，各尺度VIF值均低于5，模型按64%训练、16%验证、20%测试随机划分，采用SHAP值量化因子贡献、依赖图与交互值刻画非线性和交互效应。
**研究结果**
（1）RSEI生态质量评估
研究期内HBUA区域平均RSEI呈先降后升的非单调轨迹，2005年为最低值0.5280，2023年达到最高值0.6471。HP滤波进一步揭示长期趋势为“先降后升”，总体增幅8.85%，短期波动分量范围为?0.0269至0.0166。四个RSEI分量中，NDVI和WET后期总体上升，NDBSI从2005年峰值0.512降至2024年的0.385，而LST持续处于较高水平，表明热压力并未随绿度和湿度恢复而同步缓解。
（2）RSEI时空变化
五种空间尺度下，RSEI均呈现西南高、东北低的持续格局。2000—2024年全时期改善面积占主导，1 km至县域尺度轻微及显著增加合计比例为75.34%至84.25%，显著减少比例从2.11%降至0%。随着分析单元增大，轻微增加比例上升、显著减少比例下降，表明聚合操作不仅移除随机噪声，更会系统性地改变变化类别。阶段变化方面，2000—2005年以退化为主（退化面积58.36%–70.32%），2005—2015年转为恢复为主，而2015—2020年尺度差异最显著：1 km尺度下退化、稳定和改善分别为33.52%、27.22%和39.26%，县域尺度对应比例为22.52%、60.85%和16.64%，聚合使得相反的变化方向在均值中相互抵消而被判为稳定。
（3）多尺度关联分析
XGBoost模型各尺度测试集R2介于0.830至0.931，县域模型最优（R2=0.931，RMSE=0.051）。LUI在所有尺度上相对贡献均排名第一，平均51.46%；PRE、NLI、DEM和DRD为次要因子。NLI贡献从1 km的6.80%升至县域尺度的20.33%，DRD在县域尺度则降至5.71%。SHAP依赖图显示LUI与RSEI呈稳健负相关，各因子高梯度区间和阈值随尺度变化（如LUI阈值在网格尺度为7.54–7.71，县域约8.25；PRE阈值约1208–1305 mm；DRD阈值约5.59–19.31 km）。SHAP交互分析表明DEM–LUI在1–10 km网格尺度中排名第一，县域尺度主导交互对变为LUI–NLI。
**讨论与结论**
讨论部分强调以下几点：生态质量恢复应理解为整体长期趋势而非逐点同步改善；多维指标优于单一绿度指标，高RSEI不等同于高生态完整性；空间聚合的系统性效应表明不存在脱离研究目标的普适“最佳尺度”，1–3 km网格适合热点筛查，5–10 km适合景观尺度评估，县域单元对应政策治理层级；因子贡献的非线性与交互特征表明阈值应用须明确空间尺度；未来研究应结合独立暴露和服务数据，整合人口分布、热暴露、绿空间可达性和生境连通性等指标以完善治理评估。研究局限包括RSEI未涵盖生物多样性和空气质量、空间分组及时间外推验证不足、未开展因果推断等。
研究结论：第一，HBUA生态质量呈非单调轨迹，2024年平均RSEI为0.6382，较2000年提高0.0423，后期改善与NDVI和WET上升及NDBSI下降同步，但仍存在高LST热压力。第二，生态变化检测显著依赖尺度：从1 km升至县域尺度时，轻微增加比例由57.35%升至63.44%，显著减少比例由2.11%降至0%，行政单元均值可能将相互抵消的改善与退化斑块判为稳定。第三，解释因子预测重要性随空间支持变化：LUI在所有尺度贡献最大，PRE、DEM、NLI和DRD为次要因子，NLI在县域尺度贡献达20.33%，DRD份额则相应降低，表明城市化区域对比在县域尺度上更突出，而道路距离关联在局部和中间尺度上更突出。第四，非线性关联和交互作用具有尺度特异性：拟合响应形态和阈值随聚合变化，DEM–LUI是网格模型的主导交互，县域尺度则变为LUI–NLI。研究支持在快速城市化地区建立嵌套式多尺度生态监测与评估框架。
