这里是科研人的「方法急救站」！🚑

• • 欢迎加入我们的学术社群，每日更新热点论文复现指南！

我们通过小程序科研零时差追踪到: Landscape and Urban Planning近期发表题为“Non-linear responses of ecosystem service trade-offs to landscape heterogeneity: implications for spatially targeted landscape management in an urbanizing agricultural basin”的文章。第一单位为南京农业大学。
doi: https://doi.org/10.1016/j.landurbplan.2026.105642
作者邮箱：taoyu@njau.edu.cn, owx@njau.edu.cn
标签：#生态系统服务 #景观格局 #空间管理 #随机森林 #SHAP归因 #偏依赖图

本文内容速览：

1. 1. 提出科学问题
2. 2. 文章的主要结论
3. 3. 分析过程和方法
4. 4. 研究的局限性

1. 提出科学问题

1.1 研究领域现状

多重生态系统服务的协同供给是可持续生态系统管理的核心目标。景观格局通过调控物质流动直接影响服务的供给及其相互关系。然而，农业生产扩张和城镇化加剧了粮食生产与水相关生态系统服务之间的竞争关系。现有研究多采用线性回归模型探讨景观格局对服务相互作用的影响，但这无法准确表征复杂生态系统中普遍存在的非线性异方差特征，且缺乏对关键临界区间的识别能力，难以指导空间精准的景观管理。

1.2 本文要解决的关键科学问题

针对农业流域面临严重的农业与水环境保护冲突，本研究致力于解决以下问题：

• • 问题 1: 生态系统服务权衡与景观格局之间的关系形式是什么（线性还是非线性）？如何有效建模？
• • 问题 2: 景观指标中是否存在特定的数值边界区间，即微小的景观改变即可引起生态响应的突变？
• • 问题 3: 是否可以通过识别景观格局微小改变就能大幅降低权衡的区域，来确定区域景观管理单元的优先序列？

1.3 研究的理论/现实意义

理论层面，本研究验证了非线性机器学习模型在刻画景观变量关系中的优越性，并突破了复杂机器学习模型内部机制不透明的问题。实践层面，通过识别特定景观指标的临界范围，研究定位了仅需小幅调整即可实现大幅生态缓解收益的子流域。这种空间靶向分析为缓解粮食生产与水资源保护之间的冲突提供了成本效益优化的局部调整策略。

2. 文章的主要结论

研究揭示了景观组成和类别级别的配置是影响粮食生产与水生态系统服务权衡的核心驱动力。

• • 结论 1: 景观格局对服务权衡的影响表现出显著的非线性阈值特征。耕地和建设用地的斑块密度（反映景观破碎化程度）主要影响粮食生产与水净化及土壤保持的权衡；而耕地比例（反映景观组成特征）主要影响粮食生产与产水量的权衡。
• • 结论 2: 明确了触发权衡强度骤变的关键区间。在子流域尺度上，影响不同二元权衡的核心景观指标区间包括：耕地比例[0.07, 0.39]和[0.72, 0.8]，耕地斑块密度[0.08, 0.26]（个/100公顷），以及建设用地斑块密度[0.83, 1.01]（个/100公顷）。
• • 结论 3: 空间上成功划定了96个通过实施微型景观调整项目（如土地综合整治）即可大幅削减服务权衡强度的优先管理子流域。

3. 分析过程和方法

[更加详细的复现指南可加入学术社区获取!]

研究分析步骤分为递进的五个阶段。

第一阶段，量化目标生态系统服务并计算其空间权衡关系。研究选取农业流域核心的粮食生产服务为基准，利用InVEST模型和修正通用水土流失方程评估水净化、产水量和土壤保持这三项关键的水资源调节服务。评估完成后，为了空间化表征服务间的冲突强度，引入了均方根误差方法。该方法通过测算目标单元在二维服务坐标系中偏离1:1理想等值线的欧氏距离，来量化权衡的剧烈程度。距离越远，代表两种生态服务之间的竞争越剧烈。这为后续的空间归因提供了连续的量化因变量。

第二阶段，构建多维度的景观异质性指标体系。为全面捕捉影响生态过程的空间特征，研究从景观组成成分、类别级别的空间配置以及宏观景观维度的总体配置等三个层面，结合地形和气候环境因子，计算了包含14项空间和环境变量的指标集合。所有指标均统一至30米空间分辨率进行核算，保障了空间特征提取的粒度精细化。

第三阶段，识别核心驱动力并比较线性与非线性模型效能。研究利用五类非线性算法（包括随机森林、极端梯度提升等）和基准的多元线性回归模型对权衡强度因变量进行拟合。评估结果证明，基于集成决策树架构的随机森林模型在捕获非线性复杂特征上具有最高的决定系数。随后，为了解决树模型机制不可解释的局限，研究引入了基于博弈论的SHAP加和解释框架。通过提取每一个景观特征变量的绝对平均值，研究量化了各指标对权衡强度的全局贡献度，从而剥离出影响各组权衡最重要的主导景观变量组合。

第四阶段，可视化响应关系并界定突变临界边界。对于提取出的主导变量，研究进一步通过生成偏依赖图，消解其他背景特征的干扰，单独测定单一景观指标变化对生态系统服务权衡强度的边际影响效应。在这些偏依赖响应曲线上，通过定位斜率绝对值显著偏高的剧烈波动区段，确定了导致权衡强度急剧攀升或骤降的核心阈值敏感区间。这种展示方式能够直接读出敏感数值边界，实现了从定性规律到定量空间管控指标的转化。

第五阶段，转化模型发现，指导空间靶向优先管理规划。研究通过逼近理想解排序法构建了权衡恶化风险的综合评价体系。将前述识别出容易触发权衡加剧的敏感指标区间中点作为正向参考系，计算各个空间子流域距离该高风险状态的相对欧氏距离贴近度，以绘制全流域风险程度空间图谱。

最终，通过对指标区间的空间映射，研究圈定了特定靶向子流域。在这些区域内，主导景观特征的当前状态恰好处于稳定阶段边界的极小偏差（5%）范围内。该假设逻辑表明，处于临界状态边缘的地理单元，仅需最低限度的人为土地规划干预改变，使得指标跨过临界线，就能诱发巨大的正向生态响应。这为落实区域尺度的微型景观优化项目明确了优先空间布局序列。

如果你觉得这篇文章对你有帮助，欢迎点赞👍、收藏⭐️和分享🔗给更多的科研小伙伴们！

如果你有任何问题，欢迎加入我们的学术社群与大家讨论交流💬