王文川， 梅寶瀾， 李磊， 徐雷

(華北水利水電大學 水資源學院，河南 鄭州 450046)

氣候變化以及人類活動的加劇引發(fā)了水土流失、植被破壞、極端洪水等一系列問題，進而導致流域生態(tài)系統(tǒng)遭受了不同程度的破壞。因此，生態(tài)系統(tǒng)的健康狀況引起了人們的廣泛關注[1]。生態(tài)系統(tǒng)健康的概念產(chǎn)生于20世紀70年代，RAPPORT D J[2]在全球生態(tài)系統(tǒng)普遍退化的背景下講述了生態(tài)系統(tǒng)健康的內(nèi)涵。流域生態(tài)系統(tǒng)健康，一方面是指從生態(tài)系統(tǒng)自身出發(fā)，其本身能夠保持結(jié)構(gòu)完整性、穩(wěn)定性以及自我修復性；另一方面是指人類活動與自然生態(tài)之間的相互影響，能夠促進人類經(jīng)濟社會和諧發(fā)展，充分發(fā)揮流域生態(tài)系統(tǒng)的服務功能。在流域生態(tài)系統(tǒng)健康備受重視的今天，對流域生態(tài)系統(tǒng)健康狀況進行評價，及時掌握流域生態(tài)健康狀況以及為人類社會發(fā)揮服務功能的情況，可為今后流域內(nèi)的水資源管理與保護、生物多樣性、流域可持續(xù)發(fā)展等提供有益的借鑒。

針對流域生態(tài)健康評價，國內(nèi)外學者對此進行了大量的研究。國外起步較早，如美國、英國、澳大利亞等國家建立了不同的評價標準體系[3-8]，許多學者也從不同角度進行了研究[9-12]。國內(nèi)這方面的研究起步較晚，主要是對流域生態(tài)健康體系[13-15]以及評價方法的研究。其中，針對評價方法的研究主要包括層次分析法[16]、綜合指數(shù)法[17]、模糊物元模型法[18]、灰色關聯(lián)分析法[19]等。這些方法偏于受主觀因素的影響，且在流域影響因素較多、評價指標較多的情況下，這些方法對處理高維非線性樣本數(shù)據(jù)的適應能力不強[20]。隨著數(shù)據(jù)信息的不斷增加，刻畫流域生態(tài)系統(tǒng)健康的要求更加細致，需要更多的指標來衡量一個流域的生態(tài)系統(tǒng)健康情況，由此凸顯傳統(tǒng)評價方法的不足。因此，探討合適的評價方法就顯得十分必要。隨機森林算法是一種機器學習算法，該方法不同于指標賦權法，它不會造成主觀上的偏差；它能夠根據(jù)數(shù)據(jù)信息進行驅(qū)動，利用計算機強大的數(shù)據(jù)處理能力解決高維非線性數(shù)據(jù)樣本的問題；不需要做特征選擇，對數(shù)據(jù)的泛化能力強，即便是有一部分特征數(shù)據(jù)缺失，隨機森林算法仍能夠維持一定的準確度，并在計算過程中得出特征的重要性排序。

清水河是寧夏境內(nèi)直入黃河的第一大支流，對其進行流域生態(tài)系統(tǒng)評價可以判斷其健康狀況，并依據(jù)評價結(jié)果對其進行修復。習近平總書記于2019年9月18日提出，推進黃河流域生態(tài)保護和高質(zhì)量發(fā)展，已上升為國家重大發(fā)展戰(zhàn)略。保護好母親河是中華民族永續(xù)發(fā)展的大計，要從根本上解決黃河流域面臨的生態(tài)保護與社會經(jīng)濟發(fā)展之間的結(jié)構(gòu)性矛盾[21-22]。因此，本文以清水河流域生態(tài)系統(tǒng)健康評價為例，提出基于隨機森林算法的流域生態(tài)系統(tǒng)健康評價方法，更加準確地揭示清水河流域的生態(tài)健康狀況，以期為清水河流域生態(tài)保護和高質(zhì)量發(fā)展提供參考依據(jù)，并為保護和恢復清水河流域生態(tài)系統(tǒng)健康提供理論支撐。

1 研究區(qū)域與研究方法

1.1 研究區(qū)域

清水河是寧夏境內(nèi)入黃河的最大支流，發(fā)源于六盤山北端東麓沽源縣開城鄉(xiāng)黑刺溝，自南向北流經(jīng)寧夏的固原、同心縣城，在中寧縣泉眼山注入黃河，其流域形狀如圖1所示。地理位置在東經(jīng)105°00′～107°07′，北緯35°36′～37°37′，河道平均比降為1.49‰。清水河流域總面積為14 481 km2，其中寧夏境內(nèi)面積為13 511 km2，甘肅境內(nèi)面積為970 km2[23]。

圖1 清水河流域圖

1.2 研究數(shù)據(jù)

本文研究范圍為清水河流域原州區(qū)段，選取7個控制斷面，分別為原州城區(qū)、三營鎮(zhèn)、頭營鎮(zhèn)、彭堡鎮(zhèn)、開城鎮(zhèn)、中河鄉(xiāng)以及寨科鄉(xiāng)。從生境結(jié)構(gòu)、水生生物、生態(tài)壓力3個方面進行評價，其中：生境結(jié)構(gòu)的評價指標為水質(zhì)狀況指數(shù)、枯水期徑流量占同期年均徑流量比例、河道連通性3項；水生生物的評價指標為大型底棲動物多樣性綜合指數(shù)、魚類物種多樣性綜合指數(shù)、特有性物種保持率3項；生態(tài)壓力的評價指標為水資源開發(fā)利用強度、水生生境干擾指數(shù)2項。將流域評價體系分為目標層、準則層、指標層3個層次，目標層即為流域生態(tài)系統(tǒng)的健康狀況，準測層即為生境結(jié)構(gòu)、水生生物、生態(tài)壓力3個方面，指標層即為上述8項指標。本文數(shù)據(jù)來源于文獻[24]，其值見表1。

根據(jù)生態(tài)環(huán)境部發(fā)布的《地表水環(huán)境質(zhì)量評價方法》《河流生態(tài)調(diào)查技術方法》，文中將此次研究的8項指標的評價結(jié)果根據(jù)不同的標準劃分為優(yōu)秀、良好、一般、較差、差5個級別，具體見表2。

表1 清水河流域(原州區(qū)段)7個控制斷面的評價體系與數(shù)據(jù)

表2 清水河流域(原州區(qū)段)8項指標的評價等級

1.3 隨機森林算法

隨機森林算法是由加州大學伯克利分校的Leo Breiman提出的，屬于集成機器學習方法[25]。隨機建立多決策樹組成森林，決策樹之間無關聯(lián)，每棵決策樹采用Bootstrap法進行有放回采樣，根據(jù)所有決策樹回歸目標的平均值作為最終回歸結(jié)果。隨機森林算法可以視為由大量弱回歸器(決策樹)集合而成的強回歸器。具體步驟如下，算法流程圖如圖2所示。

步驟1 構(gòu)建自助樣本集：基于bootstrap法從原始樣本中有放回地抽取樣本，得到m個自助樣本集。

步驟2 構(gòu)建決策樹和袋外數(shù)據(jù)集：利用步驟1得出的m個自助樣本集，分別構(gòu)建m棵決策樹，并將未選中的樣本組成m個袋外數(shù)據(jù)用于檢測。

步驟3 隨機選取屬性：每棵決策樹都有分叉節(jié)點，從n個屬性中隨機選取l個屬性(l

步驟4 遞歸分解：自頂向下地從每個分叉點進行劃分的候選屬性中，按照節(jié)點不純度最小的原則對每棵決策樹進行分解，直到滿足條件為止。

步驟5 得到結(jié)果：對每棵決策樹的結(jié)果求平均，得到整個隨機森林的最終結(jié)果。

在隨機森林算法中，決策樹數(shù)量與分叉數(shù)量這兩個參數(shù)對回歸精度影響較大。決策樹數(shù)量設置過小，容易造成隨機森林算法訓練的不夠充分，進而造成模型“欠擬合”；數(shù)值設置過大，則容易造成訓練過度，進而造成模型“過擬合”。分叉數(shù)量若設置過小，容易造成模型訓練過度，進而造成模型“過擬合”；若設置過大，容易造成模型訓練不足，進而造成模型“欠擬合”。無論是“欠擬合”還是“過擬合”均會影響模型的最終精度。

圖2 隨機森林算法流程圖

2 清水河流域生態(tài)系統(tǒng)健康評價

2.1 模型構(gòu)建

根據(jù)上文給出的清水河流域生態(tài)系統(tǒng)健康評價指標體系與數(shù)據(jù)，可構(gòu)建基于隨機森林算法的流域生態(tài)系統(tǒng)健康評價模型。具體步驟如下，流程如圖3所示。

步驟1樣本數(shù)據(jù)集建立。根據(jù)表2的評價等級閾值，在每個區(qū)間內(nèi)生成200組樣本，隨機內(nèi)插到1 200組樣本中，再將5個評價等級與7個控制斷面數(shù)據(jù)列為12組數(shù)據(jù),共得到1 212組數(shù)據(jù)，將此作為樣本數(shù)據(jù)集。

步驟2樣本設置。從1 212組數(shù)據(jù)集中，隨機選取600組樣本數(shù)據(jù)作為訓練樣本，其余612組樣本數(shù)據(jù)為測試樣本，其中評價等級與控制斷面數(shù)據(jù)需要放在測試樣本中。

步驟3隨機森林模型構(gòu)建。利用MATLAB R2016a軟件，安裝隨機森林工具箱，將樣本中的8項評價指標值作為輸入向量，評價等級作為輸出向量，建立“8輸入、1輸出”的基于隨機森林算法的流域生態(tài)系統(tǒng)健康評價模型。

步驟4模型參數(shù)設置。構(gòu)建決策樹，隨機選取屬性，設置分叉數(shù)量，進行遞歸分解。決策樹數(shù)量ntree與分叉數(shù)量mtry對模型結(jié)果影響較大，建立ntree從10到100每10棵遞增，mtry從1到10每1個遞增的循環(huán)計算模型，選取均方差作為誤差判斷標準，根據(jù)均方差最小值來選取最優(yōu)方案，輸出結(jié)果。通過指標分析，對其評價等級進行估計，將結(jié)果當作模型先驗輸入。

步驟5閾值設定。根據(jù)步驟4，選擇最優(yōu)的決策樹與分叉數(shù)，并將測試樣本中5個評價等級的結(jié)果設置為閾值。

步驟6模型結(jié)果輸出。根據(jù)新的閾值設定，將7個待測樣本的輸出結(jié)果與閾值對比，得出最終評價結(jié)果。

步驟7主要影響因子判斷。將1～8分別設為水質(zhì)狀況指數(shù)、枯水期徑流量占同期年均徑流量的比例、河道連通性、大型底棲動物多樣性綜合指數(shù)、魚類物種多樣性綜合指數(shù)、特有性物種保持率、水資源開發(fā)利用強度、水生生境干擾指數(shù)。由于計算過程中指標的浮動對模擬結(jié)果的準確性、均方誤差以及重要性測度誤差均有影響，則對此進行排序，可識別出主要影響因子。

圖3 基于隨機森林算法的流域生態(tài)系統(tǒng)健康評價模型

2.2 模型計算結(jié)果

模型計算結(jié)果如圖4—7所示。從圖4中可以看出，在10至100棵決策樹計算過程中，總是在分叉數(shù)量為5時誤差值達到最小，可認為針對該評價體系與評價指標在分叉數(shù)量達到5時，計算結(jié)果最優(yōu)。從圖5中可以看出，在決策樹數(shù)量達到50棵時，誤差值達到最小，則認為當決策樹為50棵時，計算結(jié)果最優(yōu)。

圖4 決策樹數(shù)量為10到100棵時，分叉數(shù)量對誤差的影響結(jié)果

圖5 決策樹數(shù)量對誤差的影響結(jié)果

圖6 清水河流域(原州區(qū)段)生態(tài)系統(tǒng)評價結(jié)果

通過計算可以得出：據(jù)評價標準所對應的結(jié)果值，判斷[0,1.172)為優(yōu)秀，[1.172,2.185)為良好，[2.185,3.124)為一般，[3.124,3.844)為較差，[3.844,4.752]為差。據(jù)此標準，由圖6可以判斷：原州城區(qū)和彭堡鎮(zhèn)的生態(tài)系統(tǒng)健康評價結(jié)果為差，但彭堡鎮(zhèn)的非常接近較差；三營鎮(zhèn)、頭營鎮(zhèn)的生態(tài)系統(tǒng)健康評價結(jié)果為較差，但頭營鎮(zhèn)的相對較好；開城鎮(zhèn)、中河鄉(xiāng)以及寨科鄉(xiāng)的為一般，其中開城鎮(zhèn)與寨科鄉(xiāng)的非常接近良好。

圖7(a)—圖7(c)分別表示8項因子對模擬準確度、均方誤差、重要性測度的影響。綜合來看：8項指標中，對評價結(jié)果影響程度較大的指標為水資源開發(fā)利用程度和枯水期徑流量占同期年均徑流量的比例，其次為大型地棲動物多樣性綜合指數(shù)和河道連通性，再次為水生生境干擾指數(shù)和水質(zhì)狀況指數(shù)，影響最小的為魚類物種多樣性綜合指數(shù)和特有性物種保持率。

3 結(jié)果分析與討論

為驗證評價結(jié)果的合理性，用支持向量機模型對清水河流域生態(tài)系統(tǒng)進行健康評價，其模型計算過程可參考文獻[26]。得出的評價標準為：[0,0.970)為優(yōu)秀，[0.970,1.908)為良好，[1.908,2.948)為一般，[2.948,4.058)為較差，[4.058,5.066)為差。原州城區(qū)的生態(tài)系統(tǒng)健康評價結(jié)果為差，三營鎮(zhèn)、頭營鎮(zhèn)和彭堡鎮(zhèn)的評價結(jié)果為較差，開城鎮(zhèn)、中河鄉(xiāng)以及寨科鄉(xiāng)的為一般。與隨機森林算法結(jié)果的比較見表3。

由表3可以看出：兩種模型的評價結(jié)果中只有彭堡鎮(zhèn)的不同，隨機森林算法的結(jié)果為差，支持向量機模型的結(jié)果為較差。但從隨機森林算法計算的評價數(shù)值上來看，彭堡鎮(zhèn)的計算結(jié)果非常接近較差的標準。因此，這兩種方法的評價結(jié)果基本一致，說明提出的基于隨機森林算法的清水河流域生態(tài)系統(tǒng)健康評價方法是合理的、可靠的。

通過比較兩種機器學習方法對清水河流域生態(tài)系統(tǒng)的健康評價情況可知：隨機森林算法具有參數(shù)選取易、模型精度高、泛化能力強和計算簡便等優(yōu)點；支持向量機模型具有小樣本學習能力強、計算步驟簡便、可操作性強的優(yōu)點。隨機森林算法相較于支持向量機模型，其計算速度快且不需要對數(shù)據(jù)進行歸一化處理，在訓練過程中，能夠檢測不同特征之間的影響。因此，筆者認為隨機森林算法更加適用于處理這類問題。

4 結(jié)語

本文基于隨機森林算法構(gòu)建了清水河流域(原州區(qū)段)生態(tài)系統(tǒng)健康評價模型，得到如下結(jié)論。

1)當隨機森林決策樹數(shù)量為50棵、分叉數(shù)量為5時，評價結(jié)果誤差最小。

2)原州城區(qū)與彭堡鎮(zhèn)的生態(tài)系統(tǒng)健康評價結(jié)果為差，三營鎮(zhèn)與頭營鎮(zhèn)的評價結(jié)果為較差，開城鎮(zhèn)、中河鄉(xiāng)以及寨科鄉(xiāng)的評價結(jié)果為一般。

3)水資源開發(fā)利用程度與枯水期徑流量占同期年均徑流量比例兩項指標對評價結(jié)果影響最為顯著，為此次評價的重要影響因子。

4)將隨機森林算法的評價結(jié)果與支持向量機模型的評價結(jié)果進行對比，二者基本一致。驗證了隨機森林算法用于流域生態(tài)系統(tǒng)健康評價的合理性和有效性。

5)隨著流域生態(tài)系統(tǒng)健康評價指標體系越來越完善，需要計算與分析的數(shù)據(jù)也會越來越多，隨機森林算法通過數(shù)據(jù)之間的潛在信息與關聯(lián)性，能夠高效、快捷地判斷當前流域生態(tài)系統(tǒng)的健康狀態(tài)。文中提出的方法可為今后流域生態(tài)系統(tǒng)健康評價提供一種新的途徑，也可為黃河流域生態(tài)保護與高質(zhì)量發(fā)展提供參考。