Los ecosistemas globales enfrentan desafíos planteados por el calentamiento y las emisiones excesivas de carbono. Las áreas urbanas contribuyen significativamente a las emisiones de carbono, lo que resalta la urgente necesidad de mejorar su capacidad para secuestrar carbono. Si bien estudios anteriores han examinado principalmente los beneficios de secuestro de carbono de espacios verdes o azules individuales, el impacto combinado de los espacios urbanos azul-verde (UBGS) en el secuestro de carbono sigue siendo poco explorado. Mientras tanto, el auge del aprendizaje automático ofrece nuevas posibilidades para evaluar esta relación no lineal. Realizamos un estudio en el área urbana de Yangzhou, recopilando datos de teledetección de Landsat y datos de productividad primaria neta (NPP) en intervalos de cinco años desde 2001 hasta 2021. Aplicamos el modelo LightGBM-SHAP para analizar sistemáticamente la correlación entre los UBGS y el NPP, extrayendo métricas clave del paisaje. Los resultados indicaron que las métricas del paisaje tenían impactos variables en el NPP. A nivel de parches y tipos, el Porcentaje de Paisaje estaba significativamente correlacionado positivamente con el NPP en el espacio verde, mientras que el índice de contigüidad y el índice de dimensión fractal favorecían el secuestro de carbono bajo ciertas condiciones. La contribución del espacio azul fue menor, con algunos indicadores que mostraron correlaciones negativas. A nivel del paisaje, el índice de contagio y el índice de agregación de los UBGS tuvieron efectos positivos en el NPP, mientras que el índice de división y el índice de forma del paisaje estaban correlacionados negativamente con el NPP. Los resultados mejoran la comprensión de la relación entre los UBGS y el secuestro de carbono, y proporcionan una referencia para la planificación urbana.