機械学習による生態系品質へのグリーンインフラの影響:中国の山西省の事例研究

科学分野:

• 環境科学
• 都市生態学
• 地理空間分析

背景:

• 急速な都市化が生態的安全と持続可能な開発を脅かしている.
• 緑のインフラ (GI) はこれらの影響を軽減するために不可欠です.
• ロース高原は生態学的に脆弱な地域であり,集中的な研究が必要である.

研究 の 目的:

• ロース高原のグリーンインフラ (GI) の変化を分析する.
• 生態系品質に対する GI のカバー・フィーチャー・フォームの影響を調査する.
• 修復プロジェクトを含む人間の活動が GI と生態系の健康に与える影響を理解する.

主な方法:

• 説明可能な機械学習 (XGBoostモデル) を利用した.
• 2000年から2022年の間における地理標識の変化とその生態系品質との関係
• 生態指標に対するGIの範囲,特徴,形態の影響を検討した.

主要な成果:

• 大規模な生態学的回復により,生態系の質は一般的に改善された.
• コアGIエリアは拡大したが,形質的なタイプが減少したため,景観の断片化は増加した.
• 小規模なGI要素 (例えば,橋,小島) は,生態系の質に不釣り合いな影響を及ぼした.

結論:

• 生態系の健康は,GIの量,特定の特徴,空間的配置に依存しています.
• カバレッジ・フィーチャー・フォーム・フレームワークを統合することは,GIの最適化に不可欠です.
• 将来の都市計画と復旧の取り組みは,回復力を高めるための微妙な地理的特有の戦略を優先すべきである.