论文信息
论文解读
AI 辅助整理- 方法
- 多源数据+随机森林递归特征消除与SHAP可解释机器学习。
- 发现
- 内中环高活力农地占比差异大，最优模型R²为0.74，筛出8个核心特征。
- 机会点
- 可延伸至不同城市规模与功能区下农地活力驱动机制对比及动态监测。
论文摘要
提出农地活力概念，用多源数据构建RF-RFE-SHAP可解释机器学习框架，评估北京、西安、广州、上海四市城郊农地活力。内中环高活力农地占比分别为74.47%、47.60%、29.35%，最优模型平均R²为0.74，筛出8个核心特征。
论文原文与出版信息
Frontiers in Sustainable Food Systems(2026,10)