论文部分内容阅读
生物完整性指数(index of biological integrity,IBI)是一种被广泛用于评估生态系统健康状况的指标。研究生物完整性指数和环境因子之间的响应关系,有助于了解环境因子对生态系统健康的作用和影响,为环境管理者的决策提供科学依据。 本文以大型底栖动物为指示生物类群,根据2009年~2010年太子河流域干流及支流共计280个样点的野外调查获得的生物和环境数据,首先综合考虑生境条件和水质条件筛选参考点和受损点,计算大型底栖动物生物完整性指数(B-IBI)并利用其对流域进行健康状况评价;而后通过自组织映射网络(self-organizing map,SOM)将样点按照环境因子的空间差异进行分类,探讨了环境因子与B-IBI之间的关系;然后利用多元线性回归(multiple linear regression, MLR)和BP神经网络(back-propagation neural network,BPNN)建立了环境因子对B-IBI的预测模型,定量化确定了环境因子对B-IBI变异的贡献;最后将预测模型应用于环境管理目标的设定,为类似预测模型的应用方向提供了建议。主要研究内容和结论如下: (1)利用B-IBI开展太子河流域水生态健康状况评价,结果显示,所有样点中健康、亚健康、一般、较差和差的样点数量占比分别为5%、18.6%、43.2%、21.1%和12.1%。太子河中上游地区样点总体较健康,中下游地区样点总体较差。从上游到下游,河流的健康状况逐渐下降。绝大多数样点在平水期和丰水期的健康状况一致,说明季节变化对其健康状况的影响不大。 (2)根据所有样点的21个环境因子数据,利用SOM方法将所有样点划分为有较大差异的8类,按照从下游到上游的方向分布于4个区域。SOM的样点划分结果与环境因子存在空间差异的实际结果吻合,而不同类别样点的B-IBI值也存在差别。上游区域中B-IBI的较高值主要是受林地等原始自然环境保存较好,受人类干扰少,栖境底质利于底栖动物生存的影响;而下游区域中B-IBI的较低值,主要受到了较高浓度的营养盐物质、受人类干扰较大的土地利用面积较大的影响。 (3)利用MLR和BPNN分别建立环境因子对B-IBI的预测模型,结果表明,两个模型都有较好的稳定性,MLR的稳定性(CCI=0.67)略优于 BPNN(CCI=0.58);MLR的学习能力(R2=0.65)差于 BPNN(R2=0.82),预测能力与 BPNN相近(R2=0.61和0.65)。这与MLR仅能识别数据间的线性关系,而BPNN能够识别非线性的复杂关系有关。若要进一步提升模型对于太子河流域B-IBI的预测能力,应当增加至少一个与表征土地利用综合作用的指标作为模型自变量。 (4)MLR模型认为能够解释B-IBI变异的环境因子有4个,分别为底质指数、NH3-N、TDS和距入海口距离,其中距入海口距离和NH3-N是贡献较大的因子。除了距入海口距离和 NH3-N,BPNN中贡献度较大的环境因子还有建筑面积占比、林地面积占比、耕地面积占比、CODMn、流速、坡降、水深、海拔、SS。上述环境因子对B-IBI的影响既有正向又有负向,体现了B-IBI受环境因子影响的复杂程度。 (5)将MLR和BPNN模型应用于环境管理目标设定,结果发现MLR对环境因子取值的限制比 BPNN更为严格,目前的环境因子取值情况并不能满足水生态健康化的要求,应当采取针对性措施控制。