Topographic gradients shape territorial-space evolution and their nonlinear drivers in a karst mountain region of Southwest China
Xiangying Kong · Baoqing Hu · Yurou Liang 等 5 人
分析桂西北喀斯特山区1980-2020年国土空间演变的地形梯度效应与非线性驱动机制。
土地利用转移矩阵、地形分布指数与可解释机器学习（随机森林+SHAP）。
城镇空间增约397.66%，农业转生态集中于中高海拔陡坡，NDVI、人口密度和距河距离为主导驱动且存
可将地形梯度阈值与可解释机器学习结合，用于喀斯特山区国土空间优化与生态修复分区。
该论文聚焦喀斯特山区国土空间演化的地形梯度与非线性驱动机制，属土地利用与景观生态研究，与三农、农业信息化、智慧农业等主题无直接关联，不建议进入每日精选。
喀斯特山区地形破碎、生态敏感性强，其国土空间演变具有强烈的地形依赖性。然而，现有研究多将地形视为一般性控制变量，对不同地形梯度下国土空间转换过程及非线性驱动机制的认识仍不充分。本研究以桂西北喀斯特山区为案例，整合1980—2020年土地利用、自然环境、社会经济和区位数据，采用转移矩阵、地形分布指数（TDI）和可解释机器学习模型，识别国土空间演变的地形梯度效应与驱动机制。结果表明：以植被为主的生态空间（VES）始终占研究区面积的80%以上；但研究期内城镇空间（US）持续扩张，1980—2020年面积增加约397.66%，而生态空间（ES）和农业空间（AS）总体下降。AS向ES的转换主要集中于中高海拔和较陡区域，而AS向US的转换则聚集在低海拔和缓坡区域。水域生态空间（AES）、US和AS倾向于分布在低海拔和缓坡区域，而VES则在高海拔和陡坡区域占主导。随机森林（RF）模型表现最佳，测试集R²为0.791，优于普通最小二乘法（OLS）和极端梯度提升（XGBoost）。基于RF模型的SHAP（Shapley加性解释）分析进一步表明，归一化植被指数（NDVI）、人口密度（POP）和距河流距离（DRIV）是主要解释因子。自然环境、社会经济和区位可达性因子的主导作用随海拔和坡度梯度发生转变，并表现出明显的阈值效应。上述发现揭示了地形梯度与国土空间格局、转换路径及驱动机制之间的关联，可为喀斯特山区国土空间优化提供科学依据。