📌文章信息SCI期刊：GIScience&RemoteSensing英文题目：Vegetationdynamicsalonganurban-ruralgradientintheYangtzeRiverDelta:patterns,mechanisms,andscenarioprojectionsusingamixed-cellcellularautomata(MCCA)framework中文题目：基于混合元胞自动机（MCCA）框架的长三角城乡梯度植被动态：格局、机制与情景预测
🌍研究背景随着全球气候变化与快速城市化，植被作为陆地生态系统的核心组成部分，其动态变化对人类生存环境和可持续发展具有重要影响。尤其是在城市与乡村交错地带，人类活动与自然环境的相互作用尤为复杂。
🌿研究意义理解城乡梯度上植被的动态变化机制，有助于制定精准的生态管理政策，推动区域生态与经济的协同发展。本研究不仅深化了对城市化生态效应的认识，还为植被模拟方法提供了新思路。
🎯研究目的本研究旨在：
揭示2000–2022年长三角地区植被NDVI沿城乡梯度的时空演变规律；
探究其变化的驱动机制；
构建适用于连续植被NDVI模拟的混合元胞自动机模型，并预测未来多情景下植被变化趋势。
📊研究内容
基于六级城乡梯度（自然区—农业区—乡村区—郊区—城市扩张区—城市核心区）分析NDVI变化；
结合Theil-Sen趋势分析与Mann-Kendall检验识别变化趋势；
使用岭回归与RF-SHAP模型解析驱动机制；
迁移并改进MCCA模型，模拟未来NDVI变化。
🗺研究区概况长三角地区包括上海、江苏、浙江、安徽三省一市，面积约35.8万平方公里。该区域经济活跃、城市化程度高，人类活动与自然环境交织，形成典型的城乡梯度。
📂数据概况使用多源数据，包括：
NDVI数据（250m，2000–2022）；
地形、气候、土地利用、社会经济数据；
未来情景数据（SSP2–4.5与SSP5–8.5）。
⚙研究方法
城乡梯度划分：结合土地利用与夜间灯光数据，构建六级梯度体系；
趋势分析：Theil-Sen+Mann-Kendall；
驱动机制分析：岭回归（时间变化）+RF-SHAP（空间分异）；
NDVI模拟：改进的MCCA模型，耦合历史趋势与自然背景。
📈研究结果
2000–2022年长三角NDVI总体上升，但呈“U型”空间格局：城市核心区与自然区绿化显著，城市扩张区与郊区退化严重；
驱动因子沿梯度系统转变：自然区以气温为主，城市化区域以人口和夜间灯光为主；
MCCA模型在数值精度与趋势一致性上优于主流机器学习方法；
未来情景模拟显示，SSP2–4.5路径下生态恢复更稳健。
💬主要讨论
城市核心区“再绿化”与生态意识提升和城市规划密切相关；
乡村区植被退化与建设用地扩张、宅基地制度刚性有关；
MCCA模型适用于中短期预测，但对突发人为干预响应不足。
✨创新点
提出六级城乡梯度分类体系，细化植被动态空间异质性分析；
将MCCA模型从离散土地利用模拟迁移至连续NDVI模拟；
耦合历史趋势与自然背景，提升模型解释与预测能力。
🚧不足与展望
数据分辨率有限，未来可融合多源遥感数据；
模型对突发政策或气候事件响应不足；
模型参数与驱动机制在不同区域的适用性需进一步验证。
总结本研究系统揭示了长三角植被沿城乡梯度的“U型”演变规律，构建了适用于连续植被模拟的MCCA框架，为区域生态精准治理提供了科学依据。未来应优先选择SSP2–4.5路径，并实施分区差异化生态策略。