張偉科

(沈陽理工大學 理學院，沈陽 110159)

?

福田紅樹林自然保護區(qū)一體化動態(tài)監(jiān)測模型

張偉科

(沈陽理工大學 理學院，沈陽 110159)

深圳福田紅樹林自然保護區(qū)，由于其容積小，生態(tài)健康更加脆弱，迫切需要更加完善的監(jiān)測系統、健康評估和預警系統。構建的一體化模型包含EWE模型、健康評價模型和動態(tài)預警模型三部分。其中EWE模型能快速反映生態(tài)系統特征，營養(yǎng)狀況和關系；健康評價模型采用壓力-狀態(tài)-響應(PSR)模型，運用AHP層次分析法確定各層指標的權重系數，建立了濕地生態(tài)系統健康評價體系；預警模型采用多元線性回歸分析法和灰色預測法對未來三年濕地生態(tài)系統的健康情況進行預測。根據數據計算出濕地生態(tài)系統評價值為0.519，屬于亞健康狀態(tài)。通過四種因素未來三年的預測值，可大致看出是什么因素導致生態(tài)系統的健康情況惡化，進而有針對性地對此項因素進行治理。

EWE模型；PSR模型；AHP層次分析法；灰色預測

深圳福田紅樹林自然保護區(qū)是我國最小的紅樹林保護區(qū)，面積僅有3.68平方公里，也是在城市的中心中國唯一的國家級自然保護區(qū)。

在深圳經濟發(fā)展的30年時間里，城市擴張和環(huán)境污染使福田紅樹林濕地生態(tài)系統破壞較為嚴重，紅樹林濕地面積縮小，灘淤積導致海床上升，摩天大樓阻止候鳥的通道，水體污染導致魚蝦死亡，外來物種海桑已經對環(huán)境構成了侵犯，導致頻繁爆發(fā)蟲害使紅樹植物不能自然繁殖，生態(tài)問題日益突出，整個生態(tài)系統和空間結構生態(tài)過程，自我調節(jié)和更新能力，恢復能力等方面，都表現出不穩(wěn)定和不可持續(xù)的跡象[1-2]。

1　動態(tài)監(jiān)測模型整體構建思路

濕地生態(tài)系統動態(tài)監(jiān)測模型是一個隨著時間的推移動態(tài)采集數據，對采集后的數據處理分析，通過健康評估來給出生態(tài)系統的健康程度[3-5]。動態(tài)監(jiān)測模型由三個子模型構成，模型之間的關系如圖1所示。

圖1　模型之間的關系

1.1生態(tài)系統EWE模型

生態(tài)系統(EWE)模型是基于動力學原理來直接建設生態(tài)系統的結構，其描述了能量轉移的內部動態(tài)模式。最早是由Polovina提出，后來在Ulanowiez和奧德姆等人的研究成果基礎上開發(fā)一個軟件系統，EWE模型是分析物質流和系統組之間的生態(tài)系統功能的穩(wěn)定性和成熟性，主要在不列顛哥倫比亞省漁業(yè)中心和國際水生生物資源管理中心等科研機構推廣。EWE模型是在特定的時間內一種生態(tài)系統的快照(Snapshot)，并能快速反映生態(tài)系統特征，營養(yǎng)狀況和關系。

1.1.1模型原理

EWE生態(tài)系統模型由許多相互關聯的官能團組成，官能團包括浮游生物，有機碎片，一些漁類，漁類的年齡組，植物或植物的年齡組等等，每個官能團能夠覆蓋能量轉移的生態(tài)系統的全過程。在建模過程中生態(tài)系統功能組假設是相對穩(wěn)定的，就是生態(tài)系統的總產出和總投入相等。公式如下：

Q=P+R+U

式中：Q代表消耗量；P代表生產量；R代表呼吸量；U代表未消化的食物量。根據熱力學理論，EWE模型定義了各功能組的能量輸出和輸入保持不變。用數學公式來定義的生態(tài)系統如下：

Pi=Yi+M2i+Ei+BAi+Pi(1-EEi)

式中：Pi代表功能組i的總生產率；Yi代表功能組i的總捕撈率；M2i代表功能組i的總被捕食死亡率；Ei代表功能組i的凈遷移率(包括遷出率，遷入率)；BAi代表功能組i的生物量累積率；EEi代表功能組i的生態(tài)營養(yǎng)轉化效率；MOi=Pi(1-EEi)代表功能組i的其它死亡率。

通過以上線性方程組來定量各種官能團的生態(tài)系統流和各官能團之間的相關能量生物參數。生物量進一步定量描述在食物網中流動，以及各種營養(yǎng)層次之間的相互作用的機理。

1.1.2功能組劃分

根據有關生態(tài)學的理論對模型功能設置進行劃分，生態(tài)特征(食物成分、攝食方式、個體尺寸、年齡構成等)類似進行合并以簡化食物網[6]。

為了得到需要的數據，將福田紅樹林濕地生態(tài)系統劃分為以下15個相關功能組，即：浮游動物、甲殼類動物、鳥類和碎片、軟體動物、灘涂魚類、多毛類、遷徙動物、浮游植物、桐花樹、秋茄(6歲)、秋茄(20歲)、紅樹林、無瓣海桑、海桑。

1.1.3評價結果

福田紅樹林模型與其他類似的生態(tài)系統模型進行比較發(fā)現，福田紅樹林總生物量/總流量比巴西北部河口紅樹林系統低很多，比其他濕地生態(tài)系統低得多，這表明在福田紅樹林濕地生態(tài)系統，較少的其他生物資源，食物鏈聯系松散，在相對簡單的食物鏈結構失衡的情況下，該系統的自我修復能力差。

1.2健康評價模型

壓力(Pressure)—狀態(tài)(State)—反應(Response)模型(PSR)是國際通用的資源和環(huán)境評估模型，廣泛應用于資源環(huán)境評估的各個領域，該模型有一個非常明確的因果關系，更科學地澄清人口、資源、環(huán)境三者之間關系，即人類對環(huán)境的活動施加了一定的壓力；考慮到經濟的高速發(fā)展造成的空氣污染、光污染、水體污染等等問題，間接造成損害和破壞紅樹林生物多樣性，其中最大的原因是人為因素，因此PSR模型的評價體系，非常適合深圳福田紅樹林濕地生態(tài)系統的早期預警系統[7]。

根據層次分析法的基本原理，綜合紅樹林健康評價的實際情況和專家的意見，構建判斷矩陣，計算出對應的特征根以及特征向量[8]。將各個指標特征根對應的特征向量值求出，作為該指標所對應的權重。通過計算出的最大特征根的值來判斷矩陣的一致性。依此類推求出上一層各個元素的權重值，通過各個層次的權重乘積來求出單個指標對于總目標層的權重值。

根據層次分析法，按照紅樹林的實際情況和專家意見建立判斷矩陣，計算出相應的特征根和特征向量。對應于所確定的特征根和特征向量，將特征根對應的特征向量求出。通過計算最大特征根的值來判斷矩陣的一致性。依此類推求出上一層各個元素的權重值，通過各個層次的權重乘積來求出單個指標對于總目標層的權重值。

生態(tài)系統的健康評價值的計算公式：

(1)

式中：I是系統健康評價值；Wi是第i個指標的權重；Ii是第i個指標無量綱化后的值；n是指標項數。

將數據帶入式(1)，能夠得出系統健康評價值，可以大致看出濕地生態(tài)系統的健康情況。

要更清楚地了解生態(tài)系統的健康情況，需要對照下面的濕地生態(tài)系統健康評價標準(見表1)，此標準將健康情況分為“病態(tài)、不健康、亞健康、健康、很健康”五個級別。能合理地與系統健康評價值相協調，準確顯示濕地生態(tài)系統的健康情況。

表1　濕地生態(tài)系統健康評價標準

1.3動態(tài)預警模型

動態(tài)預警模型主要是評估福田紅樹林生態(tài)系統的健康狀況，采取積極有效的措施，防止環(huán)境退化，為生物多樣性提供更好的生態(tài)服務。

可以通過對紅樹林生態(tài)系統長期連續(xù)的觀測數據開展對森林生態(tài)系統服務功能的實物量與價值量評估[9]。

采用AHP層次分析法確定每個指標對生態(tài)系統健康估計值的權重系數，故將復雜的生態(tài)系統問題分解成四個相互聯系、不同次序的層次，即目標層、準則層、因素層和指標層(見表2)。

表2　評價體系的層次結構

目標層：指標體系的最高層次，即生態(tài)系統的健康評價值。

準則層：分為壓力子系統、狀態(tài)子系統、響應子系統。是根據影響生態(tài)系統健康的方式劃分。壓力子系統是指影響濕地生態(tài)系統的作用力，分為人為和自然兩種壓力，直接造成濕地生態(tài)系統的興盛或衰敗。狀態(tài)子系統是指表現濕地生態(tài)系統的當前狀態(tài)的指標，濕地生態(tài)系統當前的狀態(tài)可以由這些指標推測出來。響應子系統是指根據當前濕地生態(tài)系統的狀態(tài)，人類所作出的響應，濕地生態(tài)系統未來的趨勢由此系統限制。

因素層：即組成準則層的各個因素。

指標層：指標體系最基本的層次，根據因素層和指標選取原則進行篩選。

根據指標篩選的原則和對實際的考慮，構建了福田紅樹林濕地生態(tài)系統評價指標體系。

2　計算實例

要建立預警系統，就必須先知道未來濕地生態(tài)系統的健康情況或者發(fā)展趨勢。在預警過程中，整體預測生態(tài)系統的健康評價值顯然是沒必要也是不可能的，故只選用生態(tài)系統的狀態(tài)子系統的評價值來代表濕地生態(tài)系統的健康情況。而生態(tài)系統的狀態(tài)可由保護區(qū)水質、保護區(qū)大氣質量、植被覆蓋率、大型底棲動物密度等四個因素來大致決定。

2.1健康評價的指標數據

2.1.1指標無量綱化

評價體系的指標多而雜，指標之間有著很大區(qū)別，比如具有不同的類型，不同的數量級。即存在著不可公度性，因此在使用數據之前需要做一定的預處理工作，以便可以帶入評價公式。評級體系的指標大致可以分為以下兩類：

1)極大型指標：指標數據越大，說明濕地生態(tài)系統越健康。其中有狀態(tài)子系統的活力、組織、服務功能的全部指標和響應子系統的全部指標。

2)極小型指標：指標數據越小，說明濕地生態(tài)系統越健康。其中有壓力子系統的全部指標和狀態(tài)子系統的恢復力的全部指標。

在對指標數據處理之前，需找到一個參照標準值，因有的指標沒有給出公認的參照值，所以以1989年深圳福田紅樹林生態(tài)環(huán)境受到較小干擾時的指標的數據作為參照指標數據。下面分別給出兩種類型指標的無量綱化方法。

對于1)類指標的無量綱處理方法：

X無量綱化=X實際/X參照值

(2)

對于2)類指標的無量綱處理方法：

X無量綱化=X參照值/X實際

(3)

2.1.2權重的確定

本評價體系選用AHP層次分析法確定每個指標的權重系數。利用Matlab軟件使用層次分析法程序計算出個各層權重。通過一致性檢測后，輸出結果即是該組的權重系數。如沒通過一致性檢測，則須重構建該組的判斷矩陣。計算程序界面見圖2。

圖2　AHP計算程序界面

按照表2評價體系的層次結構模型，根據相關數據資料的分析，得出12組判斷矩陣和權重系數如下：

(1)壓力子系統、狀態(tài)子系統、響應子系統的判斷矩陣

(2)自然壓力、人為壓力的判斷矩陣

(3)紅樹林病蟲害次數、年極端溫度、未來入侵物種數的判斷矩陣

(4)周邊生活，工業(yè)污水排放量、大氣重度污染年天數率、噪音超過80dB的年天數率、人類土地利用強度、基圍魚塘面積的年均增長率的判斷矩陣

(5)活力、恢復力、組織、服務功能的判斷矩陣

(6)植被覆蓋率、葉綠素濃度的判斷矩陣

(7)水體污染綜合指數、土地污染綜合指數的判斷矩陣

(8)底棲動物均勻度、昆蟲的多樣性指數、浮游植物多樣性指數、浮游動物多樣性指數、紅樹林植物多樣性指數、棲息鳥類多樣性指數的判斷矩陣

(9)瀕危鳥類的多樣性指數、候鳥多樣性指數的判斷矩陣

(10)系統功能響應、社會響應的判斷矩陣

(11)濕地面積增多率的判斷矩陣

[1]

1;

(12)污水治理率、環(huán)境污染治理投資額占總財政支出的比率的判斷矩陣

最終計算結果見表3。

進一步通過對權重系數施行無量綱化后得到2014年福田紅樹林健康評價的指標數據如表4所示。

表3　評價體系各指標的權重系數

2.2多元線性回歸模型

要預測未來生態(tài)系統的狀態(tài)評價值，須找到狀態(tài)評價值和保護區(qū)水質、保護區(qū)大氣質量、植被覆蓋率、大型底棲動物密度的關系?？梢岳胹pss軟件的多元線性回歸分析功能完成。具體步驟如下：

(1)計算歷年生態(tài)系統的狀態(tài)評價值。

(2)將狀態(tài)評價值與歷年四種因素的數據輸入到spss軟件中。

(3)選擇分析-回歸-線性，將狀態(tài)評價值選為因變量，其余五項選為自變量。

(4)在輸出頁，找到系數表格，系數一欄就是線性回歸系數。

最終獲得多元線性回歸方程，即

I狀態(tài)=?1G1+?2G2+?3G3+?4G4+β

(4)

式中：I狀態(tài)是生態(tài)系統的狀態(tài)評價值；Gi是保護區(qū)水質、保護區(qū)大氣質量、植被覆蓋率、大型底棲動物密度的無量綱化數據；?i是保護區(qū)水質、保護區(qū)大氣質量、植被覆蓋率、大型底棲動物密度的線性回歸系數；β是線性回歸方程的常數項。

表4　2014年福田紅樹林健康評價的指標數據

2.2.1相關數據

從深圳福田歷年年鑒中收集到所需要的數據。具體數據見表5和表6。

表5　福田紅樹林保護區(qū)歷年健康狀態(tài)評價值

2.2.2建立多元線性回歸方程

根據相關數據，使用SPSS的多元線性回歸分析功能，得出濕地生態(tài)系統狀態(tài)健康值和保護區(qū)水質、大氣質量、植被覆蓋率、大型底棲動物密度的線性回歸方程。即

I狀態(tài)=0.212G1+0.058G2+5.248G3+0.012G4-0.813

(5)

表6　福田紅樹林保護區(qū)歷年數據

2.2.3檢驗多元線性回歸方程

再將數據帶入方程檢驗線性回歸系數是否合適，得到表7。

表7　健康狀態(tài)評價值的真實值與預測值

通過表7的數據對比發(fā)現，預測值和真實值十分接近，說明線性回歸方程對評價值和四種因素的關系擬合很好，線性回歸系數可用。

2.3灰色預測

找到生態(tài)系統的狀態(tài)評價值和保護區(qū)水質、保護區(qū)大氣質量、植被覆蓋率、大型底棲動物密度的關系后，需要通過預測這五個因素的值，來預測未來生態(tài)系統的狀態(tài)評價值。

鑒于此刻能使用的數據較少，須預測的數據與時間有關，所以使用灰色預測方法對五個因素的數據進行預測。具體步驟如下：

1)做級比檢驗

以過去十年的某個因素的數據建立數據時間序列，即：

X(0)=(X(0)(1),X(0)(2),…,X(0)(10))

(6)

求級比λ(k):

(7)

根據級比公式(7)得出九個級比λ(k)。

若λ(k)∈(e-2/(n+1)，e2/(n+1))即λ(k)∈(0.8338,1.1994)，k=2,3,…,10；n=10。則數列可以作為模型GM(1,1)的數據進行灰色預測。

2)GM(1,1)建模

對原始數X(0)據作一次累加生成數列：

(8)

均值數列為

(9)

建立灰微分方程為

X(0)(k)+aZ(1)(k)=b

(10)

對灰微分方程白化：

(11)

(12)

由矩陣方程得

(13)

由最小二乘法得

u=(，

(14)

求解得

(15)

(16)

3)檢驗預測值

(1)殘差檢驗

計算殘差：

(17)

如果ε(k)<0.2，則可認為達到一般要求；如果ε(k)<0.1，則認為達到較高要求。

(2)級比偏差值檢驗

用發(fā)展系數求出相應的級比偏差：

(18)

如果θ(k)<0.2，則可認為達到一般要求；如果θ(k)<0.1，則認為達到較高要求。

2.3.1預測四種因素的值

利用灰色預測算法和收集到數據，使用Matlab軟件預測未來三年保護區(qū)水質、大氣質量、植被覆蓋率、大型底棲動物密度四種因素的值見表8。計算程序界面如圖3所示。

圖3　灰度預測計算程序界面

表8　未來三年四種因素的預測值

四種因素的灰度預測模型的計算殘差分別為：保護區(qū)水質=0.1691，大氣質量=0.0172，植被覆蓋率=0.0293，大型底棲動物密度=0.2963。

2.3.2狀態(tài)評價值的預測

將預測到的數據帶入到回歸線性方程中得到未來三年的濕地生態(tài)系統的狀態(tài)評價值。具體數據見表9。

表9　狀態(tài)評價值的預測值

2.3.3狀態(tài)評價值的分析

從保護區(qū)水質的預測值可以看出，保護區(qū)水體污染會越來越嚴重，如果不人工干預治理，保護區(qū)水質極有可能跌到Ⅲ類水的水平。狀態(tài)評價值也是一直在下降，因為保護區(qū)水質、大氣質量、植被覆蓋率、大型底棲動物密度四項因素的值都在下降，即福田紅樹林濕地生態(tài)系統的健康情況在全面下降。對于現在這種情況，應該對濕地生態(tài)系統的健康情況發(fā)出預警，提示管理人員對治理方案做出調整或加強管理力度。

2.4生態(tài)健康評估和早期預警

預測出未來三年生態(tài)系統的四種因素的數據后，帶入多元線性回歸方程得到未來三年生態(tài)系統的狀況評價值，通過同前十年的狀況評價值比較和觀察未來三年生態(tài)系統的狀況評價值的趨勢，若比前十年的狀況評價值相差甚遠，或者未來三年間狀況評價值一直降低，則對生態(tài)系統的健康情況發(fā)出預警。通過四種因素未來三年的預測值，可大致看出是什么因素導致生態(tài)系統的健康情況惡化。進而有針對性的對此項因素進行治理。

針對不同因素，給出如下建議：

針對水質：

①加強污水治理強度，增加紅樹林生態(tài)水與深圳灣海水的交換；②對福田紅樹林內的水污染源分別進行截流，修建生態(tài)工藝的污水處理系統，采用污水集中處理；③處理后的水填充到基圍魚塘，調節(jié)魚塘的水位和水質；④降低河道護岸標高，加強河口水體交換能力，利用潮汐能與上下游水位的落差，沖刷干流內淤積的泥沙。

針對植被，進行植被修復?？梢酝ㄟ^以下幾種方式來實現：植物萃取、植物揮發(fā)、根系過濾、植物鈍化、植物降解。

針對大氣，要提高濕地系統的氮沉降量，其值的降低對福田紅樹林的退化有很大的影響，與人類活動，降水強度及頻次，風向都有關，要保持對其的動態(tài)監(jiān)測，并控制對其影響較大的因素。

3　結束語

采用評價模型和預警模型聯立的方法構建生態(tài)系統一體化模型。其中評價模型采用PSR模型，多方面、全方位考慮影響生態(tài)系統健康水平的因素，建立了全面、完整、科學的生態(tài)系統健康評價指標體系。

預警模型綜合了多元線性回歸分析算法和灰色預測算法，分析出生態(tài)系統狀況評價值與四種因素的線性關系并建立其線性回歸方程，然后預測四種因素在未來三年的趨勢，準確預測出未來三年生態(tài)系統狀況評價值。

[1]叢沛桐,于景華.東靈山遼東棟林植物生態(tài)場研究[J].植物研究,2001,21(1):147-151.

[2]王德利.植物生態(tài)場導論[M].長春:吉林科技出版社,1994.

[3]王根軒,趙松嶺.半干早生態(tài)條件下植物個體的綜合生態(tài)效應的空間距離分布規(guī)律[J].生態(tài)學報,1993,13(1):58-65.

[4]王德利,祝廷成.不同種群密度羊草生態(tài)場梯度及其變化特征[J].應用生態(tài)學報,1995,6(1):29-33.

[5]王根軒.生態(tài)場論[M].鄭州:河南科學技術出版社,1993:78-79.

[6]羅忠奎,黃建輝,孫建新.紅樹林的生態(tài)學功能及其資源保護[J].亞熱帶資源與環(huán)境學報,2007(2):37-47.

[7]梁素娟,史秀華,張信文.福田紅樹林保護區(qū)土地類型的動態(tài)分析[J].林業(yè)資源管理,2009(4):74-78.

[8]何奮琳.深圳福田紅樹林生態(tài)系統生態(tài)恢復對策研究[J].環(huán)境科學與技術，2004(4):81-83.

[9]張麗珍,徐淑慶.廣西北部灣紅樹林濕地生態(tài)功能的探討[J].安徽農學通報(上半月刊)，2010(23):134-136.

(責任編輯：馬金發(fā))

Integrated Dynamic Monitoring Model of Futian Mangrove Nature Reserve

ZHANG Weike

(Shenyang Ligong University,Shenyang 110159,China)

Due to small volume of Mangrove Nature Reserve and fragile ecological health,a dynamic monitoring wetland ecosystem health assessment and early warning systems is established urgently.Integrated model contains EWE Model,EWE Model can quickly reflect ecosystem characteristics,nutritional status and relationships.Health Evaluation Model uses pressure-state-response(PSR)model to establish a Wetland Ecosystem Health Assessment System and determine the weight of each layer index weight coefficient by using AHP Model.Dynamic Warning Model uses multiple linear regression analysis and gray prediction method to predict the next three years of the health of wetland ecosystems.According to the data the value of the wetland ecosystem evaluation is calculated,that is 0.519.It belongs to the sub-health state.By four factors and predicted value of the next three years,it can be seen roughly what factors led to the deterioration of the health of the ecosystem,targeting govern this factor.

EWE model;PSR model;AHP model;gray prediction method

2015-09-29

張偉科(1965—)，男，講師，研究方向：智能計算。

O157.5

A