基于可解释机器学习与多目标优化算法的山区绿色基础设施格局优化——以北京市浅山区为例

【目的】气候变化的加剧显著提升了浅山地区的洪涝风险。明晰绿色基础设施（GI）空间格局特征对山地雨洪的作用机制，并优化其空间格局可加强浅山区的洪涝防治能力，减轻极端降雨的消极影响。【方法】1）通过SWAT软件与XGBoost机器学习模型，构建基于GI空间格局特征的高精度山地雨洪产流预测模型；2）使用基于SHAP的机器学习解释工具对模型进行解释，定量揭示各类GI空间格局特征对山地雨洪产流的影响机制；3）基于影响机制，使用NSGA-Ⅱ多目标优化算法对浅山区典型区域内的关键GI进行格局优化，以检验GI格局优化的雨洪消减效果。【结果】训练得出的山地雨洪产流预测模型拥有优秀的预测模拟性能。对该模型进行解释发现，郁闭落叶阔叶林的斑块密度（PD）以及草地的斑块面积（PLAND）是与山地雨洪产流正相关的关键格局特征；对此两者进行优化的最优格局可在百年一遇的历史极端降雨情景下减少13.5%的洪涝风险。【结论】研究通过应用可解释机器学习技术，成功揭示了不同GI空间格局特征对山地雨洪产流的影响，并对关键格局特征的作用机制进行探讨，并提出林地斑块联通、草地斑块缩小以促进最优GI格局的策略，减小强降雨下山地区域的洪涝风险。研究可为类似地区的山地绿色空间规划提供有效技术支持和实践指导。