Multiscale dynamics and nonlinear associations of ecological quality in the Hangzhou Bay urban agglomeration, China

方法

Google Earth Engine与Landsat构建RSEI，结合XGBo

发现

生态质量先降后升净增0.0423，改善区比例随尺度由75.34%升至84.25%，驱动因子重要性具尺

机会点

可将多尺度嵌套框架与非线性归因迁移至农田生态质量评估，探究耕地利用强度与夜间灯光的尺度效应。

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因子重要性的表观结果。本研究利用Google Earth Engine和Landsat影像构建了2000—2024年杭州湾城市群遥感生态指数（RSEI）序列。在1、3、5和10 km网格及县级单元上比较了生态变化，并采用XGBoost–SHAP模型对六个基准年的汇总观测数据进行拟合。RSEI均值呈先下降后持续恢复的趋势，净增加0.0423。高值集中在西南部森林地区，低值主要出现在北部平原、高度城市化的湾区及城市扩张廊道。改善面积比例从1 km尺度的75.34%增至县级尺度的84.25%。2015—2020年期间，县级聚合提高了稳定比例而降低了改善比例，表明粗尺度单元可掩盖相反的局部变化。土地利用强度在所有尺度上均具有最大的相对平均绝对SHAP贡献（44.59%—55.43%），而夜间灯光强度的贡献随聚合程度上升，在县级尺度达到20.33%。这些结果表明，生态变化检测和模型关联解释具有尺度依赖性，支持构建嵌套多尺度评估框架。