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

1、重庆交通大学2015年第八届数学建模竞赛参 赛 论 文论 文 选 题 ： c 题 学生姓名 学号 所在学院 李媛 631224060231 机电学院 周桂獒 631224060224 机电学院 晁盖 631224060114 机电学院 联 系 电 话 ：e-mail地 址 ： 773998914 2015高教社杯全国大学生数学建模竞赛承 诺 书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规则的

2、, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。我们参赛选择的题号是（从a/b/c/d中选择一项填写）： c 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 重庆交通大学 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人

3、 (打印并签名)： 日期：2015年5月28日赛区评阅编号（由赛区组委会评阅前进行编号）：2015高教社杯全国大学生数学建模竞赛编 号 专 用 页赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录（可供赛区评阅时使用）：评阅人评分备注全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：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摘 要福田红树林自然保护区所在的湿地生态系统生态健康相当脆弱，因此构建新型的生态系统动态监测和健康评估及预警科学管理支撑体系具有极其重要的意义。本文首先为福田红树林自然保护区湿地生态系统设计了一体化生态系统模型框

4、架，然后基于上述框架构建湿地动态监测和健康评估预警系统，最后选取外来海桑入侵这一生态系统问题建立了相应的数学模型，对其生态发展趋势进行预测分析，并给出了相应的保护措施和建议。针对问题一，我们在上述基础上建立了dpsir模型，通过构建福田红树林湿地生态系统健康评价指标体系，确定指标层次和指标因子；然后采用层次分析法对各个指标的数据进行提取和标准化，计算出各指标间的权重；并参考了前人研究的湿地生态健康评价标准，最后建立综合评价模型完成了对湿地生态系统的健康评价。评价结果表明：环境质量情况总体良好，生态结构和功能仅发生较小波动，但很容易受到人类活动干扰而使生态系统退化，所以福田红树林湿地生态系统管理

5、和保护工作亟需加强；又对于湿地系统的动态监测，我们将宏观监测与微观监测相结合，细致罗列了包括噪音、大气因子在内的湿地本身（湿地位置、面积、形状）、湿地环境（大气环境、土壤环境、水环境）、湿地生物（植物和动物）、区域社会经济要素等各种监测内容，并选用景观多样性指数（h)、优势度指数（d)、均匀度指数（e）、景观要素斑块空间变化等表征模型来对监测数据进行处理分析，以得出不同时间的监测结果（监测过程中尽量缩小时间间隔以及空间离散度）。 针对问题二，本文将外来物种海桑是否会构成生物入侵作为福田红树林生态系统迫切待解决问题，通过建立生态场模型，得出海桑对周围生态因子有所影响；然后通过建立bp神经网络模型

6、，运用选点软件imageanacorner选点，以海桑在2005年-2012年的月凋落物均值数据为依托，对2013-2014年海桑数量的发展作出预测，结果表明，在一定约束条件下，海桑数量会在一定范围内波动，海桑的引入会增加生态多样性，不会构成生物入侵。我们在综合考虑预警结果的前提下给出一些合理性的保护与管理建议。关键字：模型框架 dpsir模型 层次分析法 综合评价模型 动态监测 健康评估 bp神经网络模型一、问题重述 与国内外其他大规模湿地生态系统相比，福田红树林自然保护区因其面积小，湿地生态系统的生态健康更加脆弱，迫切需要构建湿地动态监测、生态健康评估及预警系统来支撑其保护、管理工作。但目

7、前的生态健康评价主要采用基于抽样监测数据和专家经验的静态方法，仅仅围绕主要生物因子开展调查而没有覆盖到噪声、大气等环境因子，而且监测点信息的时间、空间离散度较大（时间间隔较长、测点密度过于稀疏），致使难以完全满足福田红树林自然保护区科学管理的实际需要。因此，保护区准备用三至五年的时间完成保护管理数字化支撑平台建设，其中构建新型的生态系统动态监测和健康评估及预警科学管理支撑体系是重要工作内容。鉴于上述情况，请你们查询相关资料，为福田红树林湿地构建一体化生态系统模型框架，为生态系统动态监测提供大数据管理支撑平台，为生态系统健康评估及预警提供动态模拟分析支撑平台。例如，模型框架可由若干生态场景模型组

8、成，生态场景模型以量化方式描述红树林湿地中各种生物、生境的空间结构和生态功能；模型框架应能通过刻画生态场景模型之间的关系实现对湿地生态系统能量流动、物质循环等物种依存竞争关系的动态描述；依托具体的生态场景模型可建设具体的保护、管理业务场景信息系统；全体保护、管理业务场景信息系统基于一体化生态系统模型框架，可以形成完整的生态系统动态监测和健康评估及预警科学管理支撑体系。然后，请你们基于自己构建的模型框架完成下述工作：1、如果福田红树林自然保护区采用你们设计的模型框架来构建湿地动态监测和健康评估预警系统，你们如何根据模型框架的数据构成要求设计保护区未来的生态环境监测方案？你们对自己模型框架的后续完

9、善工作有何建议？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。二、问题分析福田红树林自然保护区因其面积小，湿地生态系统的生态健康更加脆弱，迫切需要构建湿地动态监测、生态健康评估及预警系统来支撑其保护、管理工作。首先我们可以根据系统中能量流动、物质循环以及生态环境和种间关系等为福田红树林湿地构建一体化生态系统模型框架，为生态系统动态监测提供大数据管理支撑平台，为生态系统健康评估及预警提供动态模拟分析支撑平台。针对问题1，此问中包括三部分内容：一是根据已设

10、计出的生态系统模型框架来构建湿地健康评估预警系统；二是根据生态系统模型来设计湿地未来的动态监测方案；三是对上述模型框架提出后续完善的建议。对于第一小问，采用层次分析法来分析确定dpsir模型框架中各指标项的权重，构建出判断矩阵，利用matlab软件计算出特征值和特征向量然后判断其一致性，然后再用模糊综合评价模型和德尔菲法结合进行综合评价，根据评价的结果判断其生态系统健康情况；对于第二小问，我们可以将宏观监测与微观监测相结合，针对湿地本身、湿地环境、湿地生物、区域社会经济要素等各种监测内容，选用景观多样性指数（h)、优势度指数（d)、均匀度指数（e）、景观要素斑块空间变化等表征模型来对监测数据进

11、行处理分析。 对于第三小问，结合以上得出的结论针对精确度，给出一些相关的建议。 针对问题2，此问中包括两部分内容：一是选择福田红树林中一个相对迫切需要解决的生态系统问题并对此进行预测分析；二是根据预测分析的结果提出相关的建议。对于第一小问，本文准备将外来物种海桑是否会构成生物入侵作为福田红树林生态系统迫切待解决问题，然后通过建立bp神经网络模型，对海桑数量的发展作出预测；对于第二小问，我们在综合考虑预警结果的前提下给出一些合理性的保护与管理建议。三、模型假设1、 假定历年测量数据在合理误差范围，具有可信度；2、 该地区生物生产力与非生物生产力符合该地区正常水平；3、 忽略信息的有限性和不完全性

12、对模型的影响；4、 本方案质量评估指数准确客观；5、 深度、广度和影响因素指标能被文中要素全面反映；6、 在未来相对较短时间内，没有大的自然或人为灾害； 7、 假设生态系统中功能组全部是相对稳定的，即表示该生态系统的总输入和总输出是相等； 8、 生态系统地综合评价指数只受本文所涉及的指标的影响；9、 短期内无外来物种入侵，大规模爆发。四、符号说明符号名称含义di表示福田红树林湿地生态系统地综合评价指数dii类因子的质量分指数k评价系数wi表示指标i 的权重值pnii类因子集第n个因子的质量等级评分m因子集中因子的个数n同一个因子集中因子的个数inii类因子集第n个因子的加权质量分指数a表示z-

13、x之间的成对比较判断矩阵aij表示xi与xj 对z 的影响大小之比w表示矩阵a 的特征向量ci表示一致性指标cr表示一致性检验比例c e i表示综合评价值bi表示不同指标层次上的判断结果五、模型的建立和求解5.1、系统模型框架的建立生态系统模型框架由个体及种群模型、群落与生态系统模型、景观生态系统模型三个生态场景模型构成，其中个体及种群模型包括动植物生理生态模型、个体或种群生长模型、种群竞争模型、土壤植物大气系统物质能量交换模型，群落与生态系统模型包括生态系统生产力模型、生物化学循环模型、食物链（网）模型、物种迁移与演替模型、物种分布格局模型，景观生态系统模型包括区域经济模型、社会发展模型、资

14、源变化模型等。具体模型如下表：表1：福田红树林生态系统模型框架生态场景模型主要生态学模型个体及种群模型动植物生理生态模型个体或种群生长模型种群竞争模型土壤-植物-大气系统物质能量交换模型群落与生态系统模型生态系统生产力模型生物化学循环模型食物链模型物种迁移与演替模型物种分布格局模型景观生态系统模型区域经济模型社会发展模型资源变化模型5.2、问题一的求解本文首先根据湿地生态系统的能量流动、物质循环等物种依存竞争关系，建立了dpsir（驱动力-压力-状态-影响-响应）模型。然后在此模型的基础上，利用层次分析法来分析确定dpsir模型框架中各指标项的权重，再结合模糊综合评价模型建立了健康状态评估模型

15、，实现对福田红树林生态保护区的生态健康评估，从而达到对未来的动态监测和预警。最后根据评估和监测的结果对模型框架提出了相关建议。5.2.1、dpsir模型的简介dpsir模型是欧洲环境组织（eea）结合dsr（驱动力状态响应）模型和psr（压力状态响应）模型的优点而建立起来的主要用于解决和描述环境问题及其与社会发展关系的管理模型，逐渐成为判定环境问题因果和环境状态关系的有效工具，现在已大量被环境组织应用于水、土壤、海洋等资源的管理保护以及环境管理科学的决策与实施。dpsir模型从系统分析的角度分析社会与环境系统的相互作用，其指标体系分解为驱动力（drive）、压力（pressure）、状态（st

16、ate）、影响（impact）、响应（response），基本上覆盖了经济、资源、环境、社会四大要素。其中，“驱动力”是造成资源环境变化的潜在因素，主要指区域经济活动和产业发展的内在潜力和发展趋势；“压力”表示由于人类生产活动对资源、环境、生态建设等相关系统的阻碍力，主要表现为能源的消耗强度以及居民的消费方式；“状态”主要是指在现有的驱动力与压力下，社会、资源与环境所表现的特征，主要表现为区域的生态环境污染情况；“影响”表示在目前系统状态下人类生产活动对于资源环境、生态系统以及社会经济发展质量等方面产生的变更能力；“响应”表示人类对于目前的经济增长、社会发展、资源消耗、环境污染等发面的调整力，

17、以增强“驱动力”，降低“压力”，优化“状态”，加强“影响”。它们之间的结构关系如图1所示 ： d p s i rd p s r环境影响目标指标响应对其他政策问题的影响消减措施的费用经济反响环境排放包括土地在内的自然资源的使用社会经济物理状态水质地貌空气质量土壤质量生态系统海水淡水森林等生物状态物种的情况1.生产及产业结构2.技术的采用3.消费等相关部门农业工业能源等等环境政策部门政策宏观经济政策措施设定目标区分优先顺序r图1：dpsir模型的结构关系图5.2.2、健康评估体系的建立5.2.2.1、指标体系的建立红树林湿地生态系统包含多个生态系统，如湿地生态系统、红树林生态系统等，具有复杂性。基

18、于dpsir模型对其进行综合评价的指标体系是建立在与福田红树林生态系统中各基本组成要素相关的指标之上的。由于体系中各指标不确定因素大，且其权值错综复杂，因此要分析评价复杂的生态系统的结构机理，一般多采用层次分析法、主成分分析法、模糊综合评价法等进行评价。本文首先根据指标的筛选原则，结合现有生态系统方面的评价指标、专家们的建议和不同区域的实际情况，确定生态系统健康评估指标体系的基本构成。然后运用系统分析思路将生态系统分解成四个相互联系的、不同次序的层次：即目标层、要素层、亚要素层和指标层。各层次的内容说明如下表所示：表2：红树林生态系统的指标体系层次体系层次层次说明目标层指标体系的最高层，这里是

19、指福田红树林湿地生态系统评价研究的 总体目标，实现福田红树林自然、社会与经济的可持续发展要素层指保证目标实现的主要系统层次，分为驱动力子系统、压力子系统、 状态子系统、影响子系统和响应子系统。驱动力子系统是指推动环境压力增加或减少的社会经济或文化因子，包括人口的增长、人均gdp的增加以及第三产业的发展；压力子系统是指导致福田红树林湿地生态系统产生逆向演变的作用力，导致福田红树林生态系统健康脆弱，包括自然因素和人为干扰两个方面；状态子系统指福田红树林湿地生态环境及社会经济当前所处的状态及其变化趋势，用以反映人类干扰所导致的福田红树林生态系统健康状况的变化；影响系统是指状态子系统所显示的变化趋势对

20、环境、社会以及经济所产生的影响（包括有利影响和不利影响）；响应子系统是指人类为减少环境污染和资源破坏所做出的努力，是对系统的主要驱动动力、主要压力和可能产生的状态及影响所作出相应的限制或补救措施亚要素层即组成要素层的各个因素，亚因素层应结合福田红树林的实际情况并考虑操作的可行性，对指标进行归类和化简指标层是指标体系最基本的层面，根据亚要素层组成要素的特征和意义进行筛选，由可直接度量或间接度量的指标构成，需对指标的原始数据进行标准化处理，使其量化并具有可行性5.2.2.2、指标因子的选取以分层原则为前提，再结合实际情况，确定出以下指标子系统及其指标因子。具体见下图2。图2：系统指标因子结构图5.

21、2.2.3、层次分析法计算权重（1）层次结构模型的简介层次分析法（analytic hierarchy process，简称ahp）是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。（2） 层次结构模型的建立在用层次分析法计算指标权重时，其计算思路如下：该方法的信息基础是有关专家对每一层次各个因素的相互重要性给出的判断，这

22、些判断用数值的形式表示并写成矩阵的形式，即判断矩阵。据此来定义判断矩阵 (1)判断矩阵形式表示为a表示某层第i个指标对于上层某一目标重要性的权重，以每指标的相对重要性为矩阵元素，每次取两个因子wi与wj,以表示wi和wj对z的影响大小之比，全部比较结果用矩阵a表示，显而易见，若wi与wj对z的影响之比为叫aij，wi与wj对z的影响之比为aij=1/aij，判断矩阵a中的元aij是根据专家或者决策者的知识和经验估计出来的，根据萨蒂等建议采用1一9标度方法对每个元素打分，构造出成对的比较矩阵后即可计算出矩阵的最大特征向量max、特征向量标准化值w、权重，然后进行一致性检验。在层次结构模型建立的过

23、程中，首先对指标因子进行筛选，按照相应指标层建立层次结构，则可得出5个ahp的最高层（目标层）：驱动力指标层、压力指标层、状态指标层、影响指标层和响应指标层。中间层（准则层）、最底层（方案层）依次向下划分。在层次结构建立后，需要构造出所有层次中的判断矩阵。为防止不同的人持有不同观点，以致给出的权重也大不相同，本题将德尔菲法与层次分析法相结合，搜索专家意见相对集中的资料结果作为确定权重的依据。数据结果只要求专家确定两两指标间的相对重要性，相对重要的自然程度用自然数1,2,3，.,9及倒数1/2,1/3，.，1/9表示，具体下见表3：表3：指标间相对重要性的自然程度表示标度两目标相比1同样重要3稍

24、微重要5明显重要7重要得多9极端重要2,4,6,8介于以上两种情况之间以上各数的倒数两目标反过来比较根据判断矩阵的形式，可知我们需要列出所有指标层的判断矩阵，并对其进行计算，各指标层对亚要素层所占比重构成的判断矩阵如下：其中：a1为i21、i12、i33的判断矩阵形式； a2为i22、i23、i13、i14的判断矩阵形式； a3为i15的判断矩阵形式； a为di的判断矩阵形式。同时由判断矩阵结构可知，亚要素层中社会发展与生物因子两项指标只含有一个子指标，故这两个子指标占其对应亚要素层指标的权重为1，因此可直接如下表示： (2)然后本文采用几何平均法来计算判断矩阵权重值。先把a的元素按行相乘得一

25、新向量，再将新向量的每个分量开n次方，最后将所得向量归一化，即为权重向量。计算公式如下：最后进行层次单排序及一致性检验，一致性指标ci的计算公式如下： (3)一致性比例cr的计算公式如下： (4)（3） 参数计算结果及分析根据上述方法，结合福田红树林湿地现状构造出的影响因素层判断矩阵因素层判断矩阵如表4,按照同样的计算过程得到的各评价指标权重如表5。指标体系中各次权重向量为d=(0.1073, 0.2127, 0.4165, 0.1206, 0.1429)；d1=(0.0134, 0.0134, 0.0805)； d2=(0.0277, 0.0674, 0.0133, 0.0798, 0.02

26、66)； d3=(0,0465, 0,1130, 0,0189, 0,0456, 0,1130, 0,0189, 0,0149, 0,0446)； d4 = (0.0579, 0.0489, 0.0139) , d5 = (0.0570, 0.0339, 0.0433, 0.0087)其中，d是因素层权重向量，d1为驱动力层权重指标向量，其中第三产业的开发强度的值最大，说明他是作用于红树林生态系统的根本原因；d2是压力层指标的权重向量，显然游客增长和外来物种入侵是红树林生态系统面临的最大压力；d3是状态层指标的权重向量；d4是影响层指标的权重向量，表明湿地发生变化后产生的影响当中，湿地退化率相

27、对重要，湿地面积减少会使湿地生态系统不断萎缩; d5是响应层指标权重向量，结果显示污水治理率和保护区建设投资相对比较重要。表4：因素层判断矩阵axdxpxsxixr一致性检测权重xd11/21/4110.06130.1073xp211/2220.2127xs421440.4165xi11/21/4110.1206xr11/21/4110.1429表5：各评价指标权重目标层准则层指标层归一化结果红树林生态系统健康评价驱动力w1w2w30.01340.01340.0850压力w4w5w6w7w80.02770.06740.01130.07980.0266状态w9w10w11w12w13w14w15

28、w160.04650.11300.01890.04650.11300.01890.01490.0446影响w17w18w190.05790.04890.0139响应w20w21w22w230.05700.03390.04330.0087判断矩阵的最大特征值：随机一致性指标： n 1 2 3 4 5 6 7 8 9 10 11 0 00.580.901.121.241.321.411.451.491.51由上表所示，当n=10时，ri=1.49。一致性比率：cr=0.0116。因为所以该结果满足一致性要求。5.2.2.4、综合指数法求综合评价指数本文采用综合指数法对福田红树林湿地生态系统进行评价

29、。根据生态环境质量涉及多要素多因子的特点，再采纳和综合专家意见，对各指标因子对环境质量贡献的大小进行综合分析、全面评价、并定量化。量化过程如下： (5) (6) (7) （1）由上述公式将建立的模型与指标因子量化，具体见下表6所示：表6：要素层亚要素层指标层驱动力子系统d1社会发展i11第三产业的开发人类需求i21人口密度人均gdp压力子系统d2自然压力i12红树林病虫害外来入侵物种人类压力i22土地利用率景区游客增长量深圳湾河床的演变状态子系统d3群落结构i13自然指标结构的完整性与稳定性物种组成生境的完整性与稳定性i23湿地破碎化程度多样性生境的稳定性经济生产活动对群落的干扰生境的理化性质

30、i33潮滩土壤水文水质生物因子i43每平方米底栖动物洞穴的数量影响子系统d4生态健康i14湿地面积退化率湖区污染引起的生物疾病及死亡种类数湿地物种种类数响应子系统d5社会响应i15污水治理率环境污染治理投资额保护区建设与管理规划、法律与政策可得出具体公式（此处以d1举例）： (8) (9) (10)(2）确定相关系数查找相关资料附件得出红树林生态系统质量等级评分标准，即确定上式中的pni值，如下表7所示：表7：福田红树林生态系统质量等级评分标准及含义等级等级评分状态意义i>0.8优生态系统具有稳定的结构和功能，系统恢复再生力强ii0.60.8良生态系统功能比较完善，受到干扰后一般可恢复i

31、ii0.40.6中受到一定程度破坏，尚可维持其基本能功能，受到干扰易恶化iv0.20.4差生态系统结构和功能退化，生物多样性降低，环境问题突出v<0.2劣生态系统结构和功能几乎崩溃，生态环境遭到严重破坏 为了使综合指数落在0和1之间，本文中评价系数k取1。（3）对所有指标层进行拟合，可得出福田红树林生态健康状况得分为0.67,环境质量情况总体良好。又由于di(0,1)其值越小，表明生态系统越差。而由计算公式可知di是由各个子指标系统决定，因此需要使各个子系统评价得分正向化，即得分越高，表明其状态越好。就各个子系统而言，在评价过程中，压力子系统得分越高，表明生态系统所受的压力越大，对生态系

32、统的干扰作用就越大；状态子系统得分越高，表明生态系统健康状态越好，响应子系统得分越高，表明人类通过改变响应手段来减缓生态系统退化进程的成效就越明显，有利于改善生态系统的状况。故而在最后合成di综合时，需对压力子系统的得分正向化，即：,环境质量情况总体良好，生态结构和功能仅发生较小波动，但很容易受到人类活动干扰而使生态系统退化。5.2.3、生态系统动态监测深圳福田红树林自然保护区是我国面积最小的红树林保护区，也是我国唯一处于城市腹地的国家级自然保护区。深圳经济高速发展的30多年时间里，福田红树林湿地生态系统受城市扩张和环境污染影响较为严重，湿地生态系统的生态健康脆弱，迫切需要生态系统来支撑其保护

33、、管理工作。但目前的生态健康评价主要采用基于抽样检测数据和专家经验的静态方案。因此本文提出卫星遥感检测，以及其他相关方法对湿地各种要素、噪声和大气环境因子进行动态监测。5.2.3.1、监测内容监测内容包括湿地本身（湿地位置、面积、形状）、湿地环境（大气环境、土壤环境、水环境）、湿地生物（植物和动物）、区域社会经济要素等。（1）湿地位置、面积、形状可以通过卫星遥感或者实地调查和测量获得，目前应用卫星遥感得到的湿地本身性状如下图3（来自谷歌卫星地图）所示：图3：福田红树林生态区卫星图宏观性状（2）环境监测包括大气环境监测、水环境监测、土壤环境监测。其中大气环境监测指标主要有：气温、降水量、空气湿度

34、、蒸发量、风速风向等；水环境监测指标主要是：地表水位、地下水位、径流量、流速、ph、透明度、矿化度、总氮、总磷、氨氮、硝态氮、化学需氧量等；土壤环境监测主要指标为：土壤类型与分布、质地、容重、ph、含盐量、含水量、全氮、全磷、有机质含量等。（3）生物监测包括植物监测和动物监测。监测指标主要有：植被类型、分布与面积，群落种类组成和生活型、多度、盖度、高度、叶面积指数、建群种和优势种、湿地景观类型面积变化、湿地景观格局变化、湿地景观破碎化程度、湿地生物量和初级生产力，湿地水禽、鱼类、兽类、爬行类、两栖类动物种类和种群数量，湿地浮游植物、浮游动物、底栖生物的种类与生物量，昆虫的种类与数量等。（4）区

35、域社会经济要素监测内容有放牧面积和载畜量、区域化肥施用量、水产养殖面积、水产品产量、旅游人数、旅游时间、湿地科研文化等。5.2.3.2、具体方法本文在卫星遥感技术的支持下，应用景观生态学的理论和方法，对近几年间 福田红树林景观格局动态变化进行了多样性、优势度、稳定性评价。此外，在生态环境质量评价的实例研究中，对典型区景观多样性、优势度、均匀度的做了评价。选用表征模型如下：(1)景观多样性指数（h)景观多样性指数是景观镶嵌体斑块丰富程度和均匀程度的综合反映，可以反映湿地景观要素的多少和各类湿地景观所占比例的变化。当景观由单一要素构成时，景观是均质的，其多样性指数为0;由两个以上要素构成的景观，当

36、各景观类型 所占比例相等时，其景观多样性为最高；各景观类型所占比例差异增大，则景观多样性下降。景观多样性指数的表达式为： (11)式中：pk是斑块类型在景观中出现的概率，通常以该类型占有的面积数占景观面积的比例来估算，n是斑块类型的总数(2) 景观优势度指数 景观优势度指数是测试景观多样性对最大多样性的偏离程度，或描述一种或几种景观镶嵌体支配景观格局的程度。景观优势度指数越大，则表明偏离程度越大，即组成景观的各类型比例差异大，或者说某一种或少数景观类型占优势优势度小则表明偏离程度小，即组成景观的各种景观类型所占比例大致相当。景观优势度的表达式为： (12)式中：hmax是多样性指数最大值，。(

37、3) 景观均匀度指数均匀度指数反映景观中各斑块在面积上分布的不均匀程度，通常以多样性指数和 其最大值的比值来表示。其表达式为： (13)显然，当e趋于1时，景观斑块分布的程度亦趋于最大。(4) 景观要素斑块空间变化分析 土地利用的空间变化可以用土地资源分布质心变化情况来反映，同理，可以用湿地分首都师范大学硕士学位论文基于技术的北京湿地动态监测与评价方法 研究布质心变化来研究湿地的空间变化，其方法分别求出不同时期湿地分布图中各类型湿地斑块的质心坐标，然后乘以各湿地的斑块的面积，最后把乘积累加后 除以同期全区域湿地的总面积。第t湿地斑块分布质心坐标计算方法为 (14) (15)式中：xt,yt分别

38、表示第t年某一湿地分布质心的经纬度坐标：cti表示第t 年第i个湿地斑块的面积：xt.yt分别表示第i个湿地斑块质心的经纬度坐标。通过不同时期湿地的分布质心，可以得到福田红树林各景观要素的空间变化规律。5.3、问题二的求解本文选取外来物种海桑的入侵作为福田红树林生态系统迫切待解决问题，通过建立生态场模型，得出海桑对周围生态因子有所影响；然后通过建立bp神经网络模型，对2013-2014年海桑数量的发展作出预测。我们在综合考虑预警结果的前提下给出一些合理性的保护与管理建议。5.3.1、生态系统面临的问题目前福田红树林生态系统面临的主要问题如下表7所示：表7：福田红树林生态系统面临的主要问题面积减

39、少，而且面临着进一步减少的威胁 城市发展带来的危害水污染大气污染噪声污染光污染病虫害外来物种入侵5.3.2、生态系统问题的选取1993年10月，国家“八五”攻关项目红树林课题组将海桑和无瓣海桑从海南引种到深圳湾并取得成功。随着海桑和无瓣海桑对深圳湾生境的适应，至2006年夏季以后，在保护区观鸟屋两侧均发现大片幼苗的扩散和暴发，导致天然林和海桑林下的生物多样性有所降低。目前，海桑和无瓣海桑已经成为西乡、宝安等区域的优势种，对本地红树种的生长造成了一定的威胁。另外，红树林保护区内还受到五爪金龙、蟛蜞菊、银合欢等外来种的入侵。5.3.3、生态系统问题的模型建立针对这一问题，我们首先运用生态场理论探究

40、了海桑对周围生态因子的影响，并结合附件2：2012.4-2013.4福田红树林保护区生物多样性监测报告（缩略版）中关于8年海桑在2005年-2012年月凋落物均值数据，运用bp神经网络模型对海桑发展趋势进行预测分析4。在进行bp网络预测模型设计时,主要考虑网络的层数和每层中神经元的个数。(1)网络层数bp网络是通过输入层到输出层的计算来完成的。多于一层的隐含层虽然能在速度上提高网络的训练,但是在实际应用中需要较多的训练时间,而训练速度可以用增加隐含层节点个数来实现,因此在应用bp神经网络进行预测时,选取只有一个隐含层的7层bp神经网络。(2)网络各层中神经元的个数输入、输出节点是与样本紧密相关

41、的,与其应用的领域有关。如果隐含层神经元数目过少,网络很难识别样本,难以完成训练,并且网络的容错性也会降低;如果数目过多,则会增加网络的迭代次数,从而延长网络的训练时间,同时也会降低网络的泛化能力,导致预测能力下降。在具体设计时,首先根据经验公式初步确定隐含层神经元个数,然后通过对不同神经元数的网络进行训练对比,再最终确定神经元数。通用的隐含层神经元数的确定经验公式有: (16)其中：i为隐含层神经元的个数,n为输入层神经元的个数,m为输出层神经元的个数,a为常数且1<a<10。bp神经网络求解问题的过程分为如下6个模块：（1）原始数据的输入；（2）数据归一化；（3）网络训练；（4

42、）对原始数据进行仿真；（5）将原始数据仿真的结果与已知样本进行对比；（6）对新数据进行仿真。 5.3.4、模型的求解与结果分析图4为8年海桑2005-2012年月凋落物均值变化趋势图，运用选点软件imageanacorner对图4进行选点，imageanacorner软件运行界面如下图5，得到数据结果如下表8：图4：8年海桑在2005年-2012年月凋落物均值变化趋势图5： imageanacorner软件运行界面表8：20052012年8年海桑凋落物均值统计月份2005年2006年2007年2008年2009年2010年2011年2012年1325.54 264.94 96.97 133.3

43、3 0.00 81.39 0.00 72.73 2138.53 109.09 155.84 325.54 0.00 244.16 0.00 150.65 3166.23 88.31 84.85 129.87 0.00 71.00 86.58 114.29 438.10 76.19 84.85 81.39 98.70 74.46 65.80 76.19 548.48 109.09 138.53 22.51 57.14 36.36 62.34 88.31 651.95 90.04 135.06 6.93 91.77 48.48 154.11 147.19 7129.87 225.11 244.16

44、 31.17 65.80 159.31 96.97 31.17 8218.18 322.08 140.26 25.97 161.04 183.55 178.35 98.70 9192.21 159.31 218.18 15.58 39.83 79.65 117.75 128.14 10178.35 124.68 185.28 38.10 79.65 162.77 90.04 121.21 11360.17 192.21 95.24 34.63 109.09 0.00 109.09 84.85 12183.55 164.50 0.00 32.90 67.53 0.00 79.65 114.29

45、合计2031.17 1925.54 1579.22 877.92 770.56 1141.13 1040.69 1227.71 运用matlab软件，分别得到20052012年8年海桑的预测值如下表9和图6，并预测2013年和2014年海桑数量（即年度总凋落物量）分别为1598.19和1473.76。表9：8年海桑20052012年实际值和预测值年份2005年2006年2007年2008年2009年2010年2011年2012年2013年2014年实际值2031.17 1925.54 1579.22 877.92 770.56 1141.13 1040.69 1227.71 预测值2031.1

46、9 1925.60 1579.31 878.03 770.92 1091.16 1091.08 1227.47 1598.13 1473.76 图6：8年海桑20052012年实际值和预测值对比由表9和图6可知，实际值和预测值非常接近，误差极小，因此能够放心预测。并且海桑数量并不是持续增长，而是涨落有序，由此可以看出，海桑并不会给福田红树林湿地生态系统造成巨大的影响，但是也不应该持续引进，并且要严格监测其数量变化。5.3.3、针对海桑入侵的保护管理建议作为优良速生的引进树种，无瓣海桑在华南沿海防护林体系建设中发挥了积极的作用。目前红树林人工林中约90为无瓣海桑林，由于它可以在短期内郁闭成林，与

47、其他人工林种类相比能尽快发挥红树林的各种生态效应。我们在综合考虑预警结果的前提下给出如下保护与管理建议：（1）鉴于无瓣海桑具有较强的种间竞争能力(且仍处于竞争增强阶段)和一定的(局部)天然扩散更新能力。建议今后在利用无瓣海桑构建红树林人工林的同时需加强其长期定点的生态监测；（2）深入评价其引种效果，进一步开展区域性栽培试验、生产力测定及抗逆性评价等；开发利用无瓣海桑树种的其他特性，如木材(纸浆)、果胶提取等，以发挥其多重经济效益；（3）研究如何改良林分结构以增强其生态效应，尤其是防风消浪方面作用；（4）由于纯林存在许多弊病，包括易受病虫害侵袭、景观单调、不稳定等，建议逐步对现有无瓣海桑纯林进行

48、改造，修枝后在林下种植适宜的乡土树种以形成更稳定的混交结构。六、模型检验和评价问题一中主要运用dpsir模型，通过构建生态健康评价指标体系，进而确定指标层次和指标因子，接着采用层次分析法计算出各指标间的权重，最后通过综合评价模型得出：福田红树林湿地生态系统的结构层次简单且稳定性相对较差，易受其他因素影响，其稳定性在下降，这与事实相符。问题二中通过建立生态场模型得出海桑的引进对周围生态因子有所影响，海桑的引进使福田红树林原生态系统得生物多样性增强，增加了食物链能量等级，有利于生态系统稳定性的提高。接着基于2005年-2012年的月凋落物均值数据，通过bp神经网络模型预测出2013-2014年海桑

49、的数量，通过对比可得，海桑数量与以往8年相比基本稳定，说明海桑的引入未对原生态系统构成生物入侵，这也与事实中湿地生态系统常通过引进海桑提高系统稳定性相符，说明我们的模型建立与求解是正确的和符合实际的。七、模型的评价与推广7.1、模型的优点7.1.1、dpsir模型的优点作为psr模型的延伸，dpsir模型的“驱动力-压力-状态-影响-响应”部分以分析性因果关系的方式来体现所有的信息，很好地区分原因和影响以及人类为了控制影响所采取的响应措施,作为分析研究自然生态系统一一社会相互作用的基础，允许使用人在不同的实际情况下自定义主要的指标。该模型把红树林湿地生态系统与人类的发展看做是一个人与自然相互作

50、的综合系统，把影响生态系统的各个指标划分到相应的各个环节，层次清晰且考虑全面。7.1.2、层次分析法的优点本题选用层次分析法计算权重优点在于其与dpsir模型可以较好的结合，可以在dpsir模型的基础之上进行定性和定量分析，该方法具有系统、灵活、简洁的优点。7.1.3、其他方面优点（1）首先对数据及元素间的相关性进行分析处理，简化了计算（2）所建立的模型与实际紧密联系，由一些利用简单的模型就能达到很好的效果，有很好的通用性和推广性。（3）对数据进行了无量纲化处理，使得避免了运用数据时单位不统一的麻烦。（4）运用matlab软件进行计算，可信度高。（5）论文中图形与数据相结合更具有说服力。7.2、模型的缺点（1）dpsir模型模型线性的因果关系过度简化了实际情况,仅代表了传统的响应式环境保护观念。而且所选指标易受数据可获得性的限制，对综合评价结果产生不确定性影响。（2）对于层次分析法，当指标过多时数据统计量大，且权重难以确定，特征值和特征向量的精确求法比较复杂。（3）在处理数据和求解过程中不可避免的出现各种误差，在一定也影响到模型求解的精确度。7.3、模型的推广本模型为福田红树林自然保护区所在的湿地生态系统构建了新型的生态系统动态监测和健康评估