← 論文一覧に戻る

解釈可能なXGBoost-SHAPモデルによるブルーグリーン空間パターンと炭素隔離の非線形関係の解明

Unraveling the nonlinear relationships between blue-green spatial patterns and carbon sequestration through an interpretable XGBoost-SHAP model (原題)

Xianjin Zhang, Bo Nan, Qingxin Zhang, Na Yao, Hongjie Wang

Environmental Monitoring and Assessment📚 査読済 / ジャーナル2026-11-02#気候科学Origin: CN対象セクター: real_estate
DOI: 10.1007/s10661-026-16091-6
原典: https://doi.org/10.1007/s10661-026-16091-6

🤖 gxceed AI 要約

日本語

都市のブルーグリーン空間（緑地・水域）の空間パターンと炭素隔離量の関係を、解釈可能なXGBoost-SHAPモデルで分析した研究。非線形な関係を可視化し、どの空間配置が炭素隔離に寄与するかを機械学習の説明性手法で示す。都市計画・緑地設計における炭素吸収の定量評価に資する。

English

This study applies an interpretable XGBoost-SHAP model to analyze nonlinear relationships between urban blue-green spatial patterns and carbon sequestration. It identifies which spatial configurations drive carbon uptake using explainable machine learning. Findings support quantitative carbon assessment in urban planning and green-space design.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本では都市緑地・公園の炭素吸収を自治体の気候計画やグリーンインフラ政策に組み込む動きがあり、空間配置と炭素隔離の非線形関係を説明可能MLで示す手法は、自治体の脱炭素計画策定に参考になる。ただし企業開示やSSBJとの直接の接続は薄い。

In the global GX context

Globally, nature-based solutions and urban carbon sinks are increasingly recognized in climate disclosure and city net-zero planning. Explainable ML linking spatial design to sequestration offers a replicable method for quantifying urban nature contributions, though it sits outside core TCFD/ISSB disclosure frameworks.

👥 読者別の含意

🔬研究者:Provides a template for applying explainable ML (XGBoost-SHAP) to nonlinear environment-carbon relationships.

🏢実務担当者:Useful for real-estate and urban developers seeking evidence-based green-space design for carbon and ESG reporting.

🏛政策担当者:Informs municipal green-infrastructure and urban carbon-sink planning with data-driven spatial guidance.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。