基于XGBoost-SHAP方法的建设项目碳排放空间异质性分析

来源：环境科学杂志2025年第1期北京时间：

作者：王元庆,李佳玥,刘备,王芳

单位：长安大学运输工程学院, 生态安全屏障区交通网设施管控及循环修复技术交通运输行业重点实验室, 西安 710064,长安大学运输工程学院, 生态安全屏障区交通网设施管控及循环修复技术交通运输行业重点实验室, 西安 710064,园测信息科技股份有限公司, 苏州 215006,长安大学运输工程学院, 生态安全屏障区交通网设施管控及循环修复技术交通运输行业重点实验室, 西安 710064

摘要：为使公路建设碳减排更有效，聚焦高速公路建设过程中的碳排放空间异质性，基于广东省A高速公路项目40个分段样本筛选出的构造物类型、桥隧比、设计坡度、路线长度、填方量、挖方量和水泥消耗量这7个碳排放影响关键指标，训练与验证了XGBoost碳排放预测模型，构建了解释这40个路段碳排放空间异质性的SHAP算法，研究了路段特征对碳排放的影响、总特征贡献和特征交互效应. 结果表明，水泥消耗量的增加对碳排放的非线性增长贡献最大，路线长度、挖方量和桥隧比对碳排放的贡献度也较为显著；冷热点分析发现坡度高于2.5%且地形复杂的路段碳排放趋高，存在聚集效应；XGBoost-SHAP模型较地理加权回归模型GWR能更清晰解释碳排放的空间分布特征及其影响因素，在捕捉关键碳源和理解碳排放空间分布特征方面表现更佳. 基于以上发现，提出了公路建养碳减排的针对性综合策略，以推动公路建设的可持续发展.

关键词：碳排放,空间异质性,XGBoost算法,SHAP算法,可解释性,