福田红树林自然保护区湿地生态系统模型框架的构建及应用实例研究 2文档格式.docx
《福田红树林自然保护区湿地生态系统模型框架的构建及应用实例研究 2文档格式.docx》由会员分享，可在线阅读，更多相关《福田红树林自然保护区湿地生态系统模型框架的构建及应用实例研究 2文档格式.docx（20页珍藏版）》请在冰豆网上搜索。
你们对自己模型框架的后续完善工作有何建议？
问题2：
请查阅相关资料、收集数据，选取一个你们认为当下福田红树林最迫切需要解决的生态系统问题，基于你们构建的模型框架从健康预警的角度出发对其生态发展趋势进行预测分析，并给出具体的保护、管理建议。
1.3问题分析
为福田红树林湿地构建的一体化生态系统模型框架需要满足三个条件，分别是
a.可以对湿地生态系统健康进行评价。
其中评价指标不仅需要包含生物因子，还要包含环境因子，甚至要包含人为因子。
b.可以对湿地生态系统健康进行预测，并发出预警。
c.可以动态监测生态系统。
根据需求，可以得出，一体化模型框架需要包含评价模型和预警模型两个模型。
评价模型选用PSR模型。
因湿地生态系统健康需要从多方面多角度进行评价，既要有生物和环境因素，还要有人为因素。
而PSR模型从“压力-状态-响应”三方面出发，指标包含生物、环境。
人为的因素。
十分适合湿地生态系统的健康评价[1]。
预警模型利用多元线性回归方程建立生态系统健康与保护区水质，保护区大气质量，植被覆盖率，大型底栖动物密度四种指标的线性关系。
并通过灰色预测算法预测出未来三年内这些指标的变化情况，将其值带入回归方程得出未来三年生态系统的健康预测值，以此来对生态系统的健康做出预警。
问题一：
构建出一体化模型后，需要对一体化模型所需数据进行采集，根据数据采集计划安排保护区未来的生态环境监测方案。
并对一体化模型框架进行完善。
问题二：
收集一体化模型所需数据，选择一个环境要素，利用一体化模型的预测模型，可以预测未来三年内的生态系统健康情况，并对结果进行分析。
2.模型的假设
（1）模型建立期间所用指标的数据俱看作已采集到。
（2）预警模型预测期间，福田红树林湿地自然保护区不发生任何大的诸如地震、海啸等自然灾害。
（3）模型建立期间，不考虑能量流动所造成的偏差。
3.符号及说明
符号
符号说明
Wi
Ii
IP
IS
IR
I
∂j+
Gj
第i个指标的权重系数
第i个指标无量纲化后的值
压力子系统的评价值
状态子系统的评价值
响应子系统的评价值
总生态系统的评价值
第j个因素的回归系数
第j个因素的无量纲化后的值
4.评价模型的建立——PSR模型
4.1评价体系的构建
（1）指标体系构建的原则
一个生态系统的健康情况跟各式各样的指标有关，指标的选取直接关系着构建的生态系统健康评价体系的准确性和科学性。
在借鉴其他指标体系的基础上[2]，本文构建了选取福田红树林湿地自然保护区生态系统健康评价指标时所要遵循的几个原则，如下：
a.完备性原则。
生态系统十分复杂，选取指标时，应注意到选取的指标合到一起应能代表整个生态系统的特征。
b.可操作性原则。
指标选取时，应考虑到指标是否可以量化。
因为评价结果需要通过公式计算，指标只有量化之后，才能带入公式计算.
c.不重复性原则。
所选取的指标不能重复描述同一个生态系统的特征。
选取的指标须能够相互独立，代表不同的一个或几个生态系统特征。
（2）指标体系层次结构设计
因欲利用AHP层次分析法确定每个指标对生态系统健康估计值的权重系数，故将复杂的生态系统问题分解成四个相互联系、不同次序的层次。
即目标层、准则层、因素层和指标层[2]。
目标层：
指标体系的最高层次，即生态系统的健康评价值。
准则层：
分为压力子系统、状态子系统、响应子系统。
是根据影响生态系统健康的方式划分。
压力子系统是指影响湿地生态系统的作用力，分为人为和自然两种压力，直接造成湿地生态系统的兴盛或衰败。
状态子系统是指表现湿地生态系统的当前状态的指标，湿地生态系统当前的状态可以由这些指标推测出来。
响应子系统是指根据当前湿地生态系统的状态，人类所作出的响应，湿地生态系统未来的趋势由此系统限制。
因素层：
即组成准则层的各个因素。
指标层：
指标体系最基本的层次，根据因素层和指标选取原则进行筛选。
（3）指标的筛选
根据指标筛选的原则和对实际的考虑，构建了福田红树林湿地生态系统评价指标体系[1][3][4]。
表格4.1.1评价体系的层次结构
准则层因素层指标层
压力子系统自然压力红树林病虫害次数
年极端温度
外来入侵物种数
人为压力周边生活，工业污水排放量
大气综合污染指数
噪音超过80分贝的年天数率
人类土地利用强度
基围鱼塘面积的年均增长率
状态子系统活力植被覆盖率
叶绿素浓度
恢复力水体综合污染指数
土地综合污染指数
组织底栖动物均匀度
昆虫的多样性指数
浮游植物多样性指数
浮游动物多样性指数
红树林植物多样性指数
栖息鸟类多样性指数
服务功能濒危鸟类的多样性指数
候鸟多样性指数
响应子系统系统功能响应湿地面积增多率
社会响应污水治理率
环境污染治理投资额占总财政支出的比率
4.2指标无量纲化
评价体系的指标多而杂，指标之间有着很大区别，比如具有不同的类型，不同的数量级。
即存在着不可公度性，因此在使用数据之前需要做一定的预处理工作，以便可以带入评价公式。
评级体系的指标大致可以分为一下两类：
a.极大型指标：
指标数据越大，说明湿地生态系统越健康。
其中有状态子系统的活力，组织，服务功能的全部指标和响应子系统的全部指标。
b.极小型指标：
指标数据越小，说明湿地生态系统越健康。
其中有压力子系统的全部指标和状态子系统的恢复力的全部指标。
在对指标数据处理之前，须找到一个参照标准值，因有的指标没有给出公认的参照值，所以以1989年深圳福田红树林生态环境受到较小干扰时的指标的数据作为参照指标数据。
下面分别给出两种类型指标的无量纲化方法：
对于a类指标的无量纲处理方法[3]：
X无量纲化=X实际/X参照值
对于b类指标的无量纲处理方法：
X无量纲化=（X实际/X参照值）^（-1）
4.3权重的确定
本评价体系选用AHP层次分析法确定每个指标的权重系数。
主要步骤如下：
（1）建立层次结构模型
在评价体系构建时，已建立了层次结构模型。
见表格4.1.1。
（2）构建判断矩阵
根据专家建议和相关文章分析[2]，总结出12组判断矩阵，见附录。
（3）确定权重系数
利用matlab软件使用层次分析法程序（程序代码见附录）计算出个各层权重。
通过一致性检测后，输出结果即是该组的权重系数。
如没通过一致性检测，则须重建构建该组的判断矩阵。
最终计算结果如下：
表格4.3.1评价体系各指标的权重系数
准则层因素层指标层指标权重系数
压力子系统（0.22）自然压力（0.4）红树林病虫害次数（0.3854）0.03391
年极端温度天数（0.2779）0.02446
外来入侵物种数（0.3367）0.02930
人为压力（0.6）周边生活，工业污水排放量（0.1687）0.02227
大气综合污染指数（0.1608）0.02123
噪音超过80分贝的年天数率（0.0862）0.01138
人类土地利用强度（0.2617）0.03454
基围鱼塘面积的年均增长率（0.3226）0.04258
状态子系统（0.67）活力（0.286）植被覆盖率（0.6）0.11497
叶绿素浓度（0.4）0.07665
恢复力（0.523）水体综合污染指数（0.5）0.17521
土地综合污染指数（0.5）0.17521
组织（0.095）底栖动物均匀度（0.5）0.03183
昆虫的多样性指数（0.1）0.00637
浮游植物多样性指数（0.1）0.00637
浮游动物多样性指数（0.1）0.00637
红树林植物多样性指数（0.15）0.00955
栖息鸟类多样性指数（0.05）0.00318
服务功能（0.095）濒危鸟类的多样性指数（0.3）0.01909
候鸟多样性指数（0.7）0.04456
响应子系统（0.11）系统功能响应（0.5）湿地面积增多率
（1）0.05500
社会响应（0.5）污水治理率（0.7）0.03850
环境污染治理投资额占总财政支出的比率（0.3）0.01650
4.4综合评价
生态系统的健康评价值的计算公式：
（2）
其中I是系统健康评价值，Wi是第i个指标的权重，Ii是第i个指标无量纲化后的值，n是指标项数[2]。
将数据带入到公式
（2）中，能够得出系统健康评价值，可以大致看出湿地生态系统的健康情况。
4.5评价标准
要更清楚的了解生态系统的健康情况，需要对照下面的湿地生态系统健康评价标准，此标准把将健康情况分为“病态、不健康、亚健康、健康、很健康”五个级别。
能合理的与系统健康评价值相协调。
准确显示湿地生态系统的健康情况[3]。
表格4.5.1湿地生态系统健康评价标准
评分1.0～0.80.8～0.60.6～0.40.4～0.20.2～0
健康程度很健康健康亚健康不健康病态
4.6健康评价
根据从相关文章得到的数据计算（具体数据见附录），福田红树林湿地生态系统的健康评价值为0.509。
属于亚健康状态。
跟参照生态系统相比，生态系统健康恶化严重，需要人工干预来提高生态系统的健康水平和稳定性。
5.预警模型的建立——多元线性回归与灰色预测模型
本节要对湿地生态系统的健康情况进行预警。
既然要预警，就必须先知道未来湿地生态系统的健康情况或者发展趋势。
在预警过程中，整体预测生态系统的健康评价值显然是没必要也是不可能的，故只选用生态系统的状态子系统的评价值来代表湿地生态系统的健康情况。
而生态系统的状态可由保护区水质，保护区大气质量，植被覆盖率，大行底栖动物密度四个因素来大致决定。
5.1多元线性回归模型
要预测未来生态系统的状态评价值，就须找到状态评价值和保护区水质，保护区大气质量，植被覆盖率，大型底栖动物密度的关系。
这一点可以利用spss软件的多元线性回归分析功能完成。
具体步骤如下：
（1）计算历年生态系统的状态评价值。
（2）将状态评价值与历年四种因素的数据输入到spss软件中。
（3）选择分析-回归-线性，将状态评价值选为因变量，其余五项选为自变量。
（4）在输出页，找到系数表格，系数一栏就是线性回归系数。
最终获得多元线性回归方程，即
I状态=∂1G1+∂2G2+∂3G3+∂4G4+β
其中I状态是生态系统的状态评价值，Gi是保护区水质，保护区大气质量，植被覆盖率，大型底栖动物密度的无量纲化数据；
∂i是保护区水质，保护区大气质量，植被覆盖率，大型底栖动物密度的线性回归系数；
β是线性回归方程的常数项。
5.2灰色预测
找到生态系统的状态评价值和保护区水质，保护区大气质量，植被覆盖率，大型底栖动物密度的关系后，就需要通过预测这五个因素的值，来预测未来生态系统的状态评价值了。
鉴于此刻能使用的数据较少，须预测的数据与时间有关，所以使用灰色预测方法进行对五个因素的数据预测。
具体步骤如下[4]：
（1）做级比检验
以过去十年的某个因素的数据建立数据时间序列，即：
求级比
:
（3）
根据级比公式（3）得出九个级比
。
若
∈（e-2/（n+1），e2/（n+1））即
，e=2,3……10。
则数列可以作为模型GM（1,1）的数据进行灰色预测。
（2）GM（1，1）建模
对原始数据
作一次累加生成数列：
（4）
均值数列为：
（5）
是建立灰微分方程为：
（6）
对灰微分方程的白化后：
（7）
令
（8）
由矩阵方程得：
（9）
由最小二乘法得：
（10）
求解得:
（11）
且：
（12）
（3）检验预测值
a.残差检验
计算残差：
（13）
如果
，则可认为达到一般要求；
，则认为达到较高的要求。
b.级比偏差值检验
用发展系数求出相应的级比偏差：
（14）
因为灰色预测的步骤太过复杂，且需要计算的数据过多，所以利用matlab程序计算（源代码见附录）。
5.3预警
预测出未来三年生态系统的四种因素的数据后，带入多元线性回归方程得到未来三年生态系统的状况评价值，通过同前十年的状况评价值比较和观察未来三年生态系统的状况评价值的趋势，若过比前十年的状况评价值相差甚远，或者未来三年间状况评价值一直降低，则对生态系统的健康情况发出预警。
通过四种因素未来三年的预测值，可大致看出是什么因素导致生态系统的健康情况恶化。
进而有针对性的对此项因素进行治理。
6.问题的求解
6.1问题一
6.1.1保护区未来的生态环境监测方案
因已构建好生态系统的评价模型，要对保护区生态环境进行监测，应从评价模型出发，通过对评价模型相关指标的监测，来实现对保护区的生态环境监测。
对福田红树林自然保护区里的水体，沉积物，和生物体重金属含量等多项指标的试验监测，当水体涨潮，退潮各采水样一次，每次采水样6个；
水体，沉淀物理化性质按《海洋监测规范》（GB17378-2007）规定方法进行监测分析，沉积物重金属含量按《海洋监测规范》规定方法进行前处理；
生物体中重金属含量按食品国际规定方法进行前处理，然后进行上机测试；
另外，对所建立的PSR模型指标层的23项指标也进行采集与监测。
其中，根据国家林业局制定的行业内部使用的《全国湿地资源调查与监测技术规程》相关要求，应用生态学常规调查方法和生态监测常规技术方法，调查和监测福田红树林保护区的植被动态，鸟类动态及病虫害发生动态的变化情况，记录每天生态巡护观测到的生态现象，将调查，观测与监测的结果进行对照，比较，并对照相应时期的湿地生态环境变化情况，进行分析，归纳，抽象并提炼出关键的生态问题，例如：
周边生活，工业污水排放量，一个季度调查一次，计算平均值为一年；
噪音超过80分贝的年天数可与大气监测站共用监测站；
土地综合污染指数，一个月监测一次，求平均值；
植被覆盖利用遥感技术一个季度统计一次，求平均；
底栖动物均匀度两个月统计一次求平均；
对候鸟的多样性指数，濒危鸟类的多样性指数，栖息鸟类多样性指数等均可两个月采集一次数据，进行平均。
6.1.2模型的后续完善
针对建立的一体化模型，有以下三个问题需要后续改善：
（1）指标的选取。
本题所构建的生态评价体系的指标过多，对指标选取的不重复性原则做的不够好，需要后续工作中，通过模型准确性分析和实践来完善和更正指标的选取。
（2）权重的确定。
本题所用权重，是根据专家建议和相关文章分析，得出12个判断矩阵，然后再利用AHP层次分析法程序计算出各层权重。
虽然这种方法能过把定性分析与定量分析有机地结合起来，使复杂的系统分解。
但是权重确定的主观性太强，不易令人信服。
在后续工作中，在大数据的支持下，逐步改善权重。
（3）四种因素的预测。
因深圳红树林生态系统关于四种因素的数据不多，而且四种因素对时间有连续性，所以比较适合使用灰色预测算法。
但是在后期，随着数据采集的大量化，可以应用能更准确预测的算法来预测，例如BP神经网络预测算法等。
6.2问题二
此问需要通过收集数据，选取一个生态系统问题，利用建立的一体化模型对湿地生态系统发展趋势进行预测，并发出预警。
然后给出具体的保护和管理建议。
因福田红树林湿地生态系统的水质污染越来越严重，所以选取湿地生态系统的水质问题，进行预测、预警。
6.2.1收集相关数据
从深圳福田历年年鉴、附件2：
2012.4-2013.4福田红树林保护区生物多样性监测报告和相关文献[5]中收集到所需要的数据。
具体数据见表格6.2.1和表格6.2.2.
表格6.2.1福田红树林保护区历年健康状态评价值
20092010201120122013
健康状态评价值
0.66840.60450.54960.57620.5019
表格6.2.2福田红树林保护区历年数据
保护区水质
大气质量
植被覆盖率
大型底栖动物密度
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2.45
1.12
0.85
0.66
0.97
1.21
0.81
0.52
0.65
——
1.88
1.8
1.61
1.35
1.28
1.10
0.19325
0.22025
0.19975
0.20425
0.22075
0.21280
0.21340
2.891
1.845
1.124
1.005
0.694
2.153
0.911
1.198
1.097
6.2.2预测未来系统状态健康评价值
预测生态系统未来状态健康评价值需要以下步骤：
（1）建立多元线性回归方程
通过以上数据，使用spss的多元线性回归分析功能，得出了湿地生态系统状态健康值和保护区水质、大气质量、植被覆盖率、大型底栖动物密度的线性回归方程。
即：
I状态=0.230I1+0.042I2+5.434I3+0.014I4-0.845
（2）检验多元线性回归方程
再将数据带入方程检验线性回归系数是否合适，得到表6.2.3。
表格6.2.3健康状态评价值的真实值与预测值
200920102011201220132014
线性回归计算值
0.66840.60450.54960.57620.50190.5206
0.667970.604060.548960.57580.501490.52572
通过表6.2.3的数据对比发现，预测值和真实值十分靠近，说明线性回归方程对评价值和四种因素的关系拟合的很好，线性回归系数可用。
（3）预测四种因素的值
利用灰色预测算法和收集到数据，使用matlab软件预测了未来三年保护区水质、大气质量、植被覆盖率、大型底栖动物密度四种因素的值。
得到表6.2.4。
表格6.2.4未来三年四种因素的值
2015
2016
2017
0.61
0.58
0.55
0.975
0.862
0.763
0.2141
0.2147
0.2153
1.057
1.019
0.982
（4）计算未来湿地生态系统的状态评价值
将预测到的数据带入到回归线性方程中得到未来三年的湿地生态系统的状态评价值。
具体数据见表6.2.5.
表格6.2.5状态评价值的预测值
（5）分析预测值
对于保护区水质的预测值可以看出，保护区水体污染会越来越严重，如果不人工干预治理，保护区水质极有可能跌到Ⅲ类水的水平。
状态评价值也是一直在下降，因为保护区水质、大气质量、植被覆盖率、大型底栖动物密度四项因素的值都在下降，即福田红树林湿地生态系统的健康情况在全面下降。
对于现在这种情况，应该对湿地生态系统的健康情况发出预警，提示管理人员对治理方案做出调整或加强管理力度。
（6）保护、管理建议
针对不同因素，给出如下建议：
针对水质，①加强污水治理强度，增加红树林生态水与深圳湾海水的交换。
②对福田红树林内的水污染源分别进行截流，修建生态工艺的污水处理系统，采用污水集中处理。
③处理后的水填充到基围鱼塘，调节鱼塘的水位和水质。
降低河道护岸标高，加强河口水体交换能力，利用潮汐能与上下游水位的落差，冲刷干流内淤积的泥沙。
针对植被，进行植被修复。
可以通过以下几种方式来实现：
①植物萃取②植物挥发③根系过滤
植物钝化
植物降解。
针对大气，要提高湿地系统的氮沉降量，其值的降低对福田红树林的退化有很大的影响因素，与人类活动，降水强度及频次，风向都有关，我们要保持对其的动态监测，并控制对其影响较大的因素。
7.模型的评价与改进
本文采用
升级会员 