本发明属于城市生态环境效益评估领域，具体涉及一种城市蓝绿空间生态效益预测方法。
背景技术：
1、随着城市进入存量发展阶段，蓝绿空间是高密度城市中发挥生态效益的主体，也是当下城市高品质发展重要的关注对象。城市蓝绿空间的形态特征与生态效益具有紧密关联且互相影响，而以往的城市建设中空间形态与生态效益存在分离的现象。现有关于生态效益预测的研究大多聚焦于森林或城市绿地，缺乏对城市规划方案实施后的生态效益预测方法。此外，以往的生态效益预测聚焦于单一绿地，忽视了蓝绿空间作为整体的协同效应，不仅无法准确反映形态与生态的相关关系，而且受人为因素、利益因素和认知局限性影响，预测的精确度不高。
技术实现思路
1、为解决上述问题，本发明公开了一种城市蓝绿空间生态效益预测方法，采用随机森林的机器学习算法，实现城市蓝绿空间规划方案生态效益预测，从而为城市发展的生态环境效益评估提供参考。
2、为达到上述目的，本发明的技术方案如下：
3、一种城市蓝绿空间生态效益预测方法，具体包括以下步骤：
4、s1、建立城市蓝绿空间形态特征指标集与生态效益指标集；
5、s2、计算城市蓝绿空间形态特征指标、生态效益指标和总生态效益，计算形态特征指标之间的相关性与重要性，筛选关键的形态特征指标；
6、s3、基于关键形态特征指标数据与总生态效益数据，采用随机森林算法训练获得形态和生态的响应关系；
7、s4、计算获取城市蓝绿空间规划方案关键形态指标数据；
8、s5、基于形态和生态的响应关系，通过城市蓝绿空间规划方案形态指标数据预测得出城市蓝绿空间规划方案的生态效益。
9、优选地，s1所述的城市蓝绿空间形态特征指标集包括二维形态特征指标和三维形态特征指标；
10、所述的二维形态特征指标包括：城市绿色空间平均周长面积比para-mn绿、城市绿色空间平均分形维数frac-mn绿、城市绿色空间景观形状指数lsi绿、城市绿色空间聚集度ai绿、城市绿色空间蔓延度cohesion绿、城市绿色空间连接度connect绿、城市绿色空间分离度division绿、城市绿色空间分裂度split绿、城市绿色空间斑块数量np绿、城市绿色空间斑块密度pd绿、城市蓝色空间平均周长面积比para-mn蓝、城市蓝色空间平均分形维数frac-mn蓝、城市蓝色空间景观形状指数lsi蓝、城市蓝色空间聚集度ai蓝、城市蓝色空间蔓延度cohesion蓝、城市蓝色空间连接度connect蓝、城市蓝色空间分离度division蓝、城市蓝色空间分裂度split蓝、城市蓝色空间斑块数量np蓝和城市蓝色空间斑块密度pd蓝；
11、所述的三维形态特征指标包括：城市绿色空间总三维面积vca绿、城市绿色空间最大斑块三维面积占比vlpi绿、城市绿色空间核心斑块三维面积比vcpland绿、城市蓝色空间总三维面积vca蓝、城市蓝色空间最大斑块三维面积占比vlpi蓝、城市蓝色空间核心斑块三维面积比vcpland蓝。
12、所述的城市蓝绿空间生态效益指标集包括城市表面温度lst、净初级生产力npp、碳储量ctotal、地表径流量q、内涝点密度fn和生境质量hq；
13、优选地，s2所述的计算城市蓝绿空间形态特征指标、生态效益指标和总生态效益具体过程包括：
14、步骤1、获取目标区域的基础数据，所述的基础数据包括遥感数据、数字高程模型(digital elevation model，简称dem)数据、城市地表覆盖数据、城市土壤类型数据和气象监测站点数据。
15、步骤2、采用fragstats软件平台类型层景观格局指数计算形态特征指标；
16、步骤3、基于遥感数据，使用经典传输方程(radiative transfer equation，简称rte)计算城市表面温度lst；基于casa模型(carnegie-ames-stanford approach)计算净初级生产力npp；基于invest平台(integrated valuation of ecosystem services andtrade-offs，又称生态系统服务和权衡的综合评估模型)的carbon storage andsequestration模块计算碳储量ctotal；基于scs-cn模型(soil conservation service-curve number，又称径流曲线模型)计算地表径流量q；基于遥感影像分析法进行内涝区域识别，计算内涝点密度fn；基于invest平台habitat quality模块对计算生境质量hq。
17、步骤4、用平均权重法计算总生态效益。所述的计算总生态效益，具体内容包括：生态效益主要由降温效益、碳汇效益、雨洪韧性效益和生物多样性保护效益组成，城市表面温度lst指征降温效益、净初级生产力npp和碳储量ctotal指征碳汇效益、地表径流量q、内涝点密度fn指征雨洪韧性效益、生境质量hq指征生物多样性保护效益。
18、使用平均权重法计算总生态效益。首先对正向指标和负向指标进行归一化、标准化处理。
19、正向指标包括净初级生产力npp、碳储量ctotal和生境质量hq，正向指标的计算公式如下：
20、
21、其中，xi'为第i个生态效益指标归一标准化后的数值，xi为第i个生态效益指标的原始数值，ximin为第i个生态效益指标的最小值，而ximax则是第i个生态效益指标的最大值；
22、负向指标包括城市表面温度lst、地表径流量q和内涝点密度fn，负向指标的计算公式如下：
23、
24、基于正向和负向指标的归一化、标准化的结果，将4类生态效益指标的权重视为相同数值平均赋权。其中碳汇效益、雨洪韧性效益将所涉两项指标平均赋权后，再次平均赋权计算总生态效益(eco)。
25、总生态效益(eco)的计算公式如下：
26、eco＝0.25lst'+0.25(0.5npp'+0.5ctotal')+0.25(0.5q'+0.5fn')+0.25hq'
27、优选地，所述计算内涝点密度具体内容包括：
28、步骤1、基于遥感影像分析法进行内涝区域识别，计算公式如下：
29、
30、其中，i代表晴天时研究区域的土地利用情况，j表连续雨天后研究区域的土地利用情况，n则是用地类型的数量，sij为降雨前后，用地类型的转换情况；根据sij计算结果，将降雨前非水体的用地在降雨后转换为水体的区域作为内涝区域；
31、步骤2、将内涝区域转化为矢量点，并计算内涝点密度，计算公式如下：
32、
33、其中，fn为内涝点密度，n为区域内内涝点的个数，s为区域面积。
34、优选地，s2所述筛选关键的形态特征指标的具体过程包括：
35、步骤1，采用spss软件(statistical product and service solutions，又称社会科学统计软件包)计算形态指标间相关性；
36、步骤2，用袋外数据测算法计算形态特征指标的重要性；
37、步骤3，将重要性较小的指标及相关性高同时重要性小的指标筛去，得到关键形态特征指标；
38、优选地，s3所述采用随机森林算法训练获得形态和生态的响应关系具体过程包括：
39、步骤1、基于关键形态特征指标数据与总生态效益数据，构建训练集和测试集；
40、步骤2、设置响应关系中的随机森林运算参数，所述的运算参数包括决策树数量、决策树最大深度、最小子叶树和随机生成种子数；
41、步骤3、使用训练集训练响应关系，并使用测试集对响应关系进行精度验证，得到优化后的形态和生态的响应关系。
42、本发明的有益效果为：
43、1、本发明突破性地实现了蓝绿空间生态效益的精准预测，仅需依据规划方案的形态特征，即可迅速评估其生态效益，填补了过往预测领域的空白。
44、2、相比传统预测方法的耗时耗力，本发明通过引入随机森林算法，大大提升了效率，且增强了预测结果的准确性，为生态规划与管理提供了强有力的技术支持。
1.一种城市蓝绿空间生态效益预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种城市蓝绿空间生态效益预测方法，其特征在于，步骤s1所述的城市蓝绿空间形态特征指标集包括二维形态特征指标和三维形态特征指标；
3.根据权利要求1所述的一种城市蓝绿空间生态效益预测方法，其特征在于，步骤s2所述的计算城市蓝绿空间形态特征指标、生态效益指标和总生态效益具体过程包括：
4.根据权利要求3所述的一种城市蓝绿空间生态效益预测方法，其特征在于，使用平均权重法计算总生态效益，具体如下；
5.根据权利要求3所述的一种城市蓝绿空间生态效益预测方法，其特征在于，所述计算内涝点密度具体内容包括：
6.根据权利要求1所述的一种城市蓝绿空间生态效益预测方法，其特征在于，步骤s2所述筛选关键形态特征指标的具体过程包括：
7.根据权利要求1所述的一种城市蓝绿空间生态效益预测方法，其特征在于，步骤s3所述采用随机森林算法训练获得形态和生态的响应关系具体过程包括：
