677138504
0833-79622404
导航

水文-生态响应关系构建方法综述

发布日期:2021-11-16 18:50

本文摘要:原标题:水文-生态响应关系构建方法综述摘 要:水文-生态响应关系是生态流量研究的关键,能反映人类运动影响与河流生态情况变化之间的定量关系,研究水文-生态响应关系旨在为河流治理制定生态流量方案提供精准的生态依据。

博亚体育app下载

原标题:水文-生态响应关系构建方法综述摘 要:水文-生态响应关系是生态流量研究的关键,能反映人类运动影响与河流生态情况变化之间的定量关系,研究水文-生态响应关系旨在为河流治理制定生态流量方案提供精准的生态依据。通过系统归纳构建水文-生态响应关系的常用方法,主要包罗专家履历法、线性回归模型、广义线性和非线性模型、机械学习模型、贝叶斯网络模型等,并从简约性和准确性两个原则,分析了差别方法在操作难易水平、数据量及尺度需求、产出效果等适用性方面的差异,识别了常用方法实用案例结论及响应关系趋势,最后从方法选择、纪律应用判断及治理者需求等方面临构建水文-生态响应关系的未来生长趋势举行了探讨。研究结果能够为河流生态流量制定提供技术支撑。

关键词:河流生态流量; 水文-生态响应关系; 构建方法; 方法适用性;作者简介:葛金金(1988—),女,工程师,博士,研究偏向为生态流量评估、水资源治理。E-mail:gejinjin66@163.com;基金:国家重点研发计划(2017YFC0404506,2017YFC0403503);国家科技重大专项“流域控制单元水质目的治理技术集成”(2017ZX07301003);国家自然科学基金项目(51309253);中国水利水电科学研究院基本业务费项目(WE0145B782017,WE0145B342016);引用:葛金金,张汶海,彭文启,等 . 水文-生态响应关系构建方法综述[J]. 水利水电技术,2020,51(11) : 23-29.GE Jinjin,ZHANG Wenhai,PENG Wenqi,et al. A review of the construction method of flow-ecology relationships[J]. Water Resources and Hydropower Engineering,2020,51(11) : 23-29.0 引 言随着社会经济的快速生长,人类对河流水资源的开发使用逐渐增强,拦河闸坝、水库、引水渠等水利工程设施的修建,极大地改变了天然河流的水文情势,造成河流生态系统功效退化,生物多样性下降。陪同着水利工程对河流生态系统的胁迫日益增强,当凌驾了其自身弹性调治的“阈值”时,河流水资源和水情况恶化就会发生不行逆的改变,从而制约人类生存和社会可连续生长。为掩护河流生态康健以及水生物资源,海内外学者针对河流生态流量举行了深入研究,试图识别水文与生态变量之间的变化机理,掌握人类运动引起的河流情况变化纪律。

河流治理部门可凭据河流的水文-生态响应机理,科学确定生态流量,合理约束破坏行为,维持人类生长与自然河流的生态平衡。因此,构建水文-生态响应关系是生态流量确定的焦点内容,其构建关系直接决议着生态流量确定的精准性,方法选择会影响河流治理者接纳措施的预期效果。现在,确定生态流量的方法有200多种,主要可以归为四大类:水文学法、水力学法、生物栖息地法以及整体分析法,各种方法均构建了差别深入水平的水文-生态响应关系。

水文学法基于长序列自然水文情势变更形成奇特的水生态漫衍特性,以历史年平均流量的特定比例作为估算生态流量约束条件,其优点在于水文因素明确且便于实施,缺点在于较少思量生态因素,如对物种数量、品貌、多样性等特征的形貌。水力学法和生物栖息地法通过中间前言河流栖息地(数量、质量)与流量之间建设定量关系估算生态流量。其中,河流栖息地是通过水力学单一指标表征(水力学法)或多个水力学指标加权(栖息地法),这类方法偏重于满足河流单一物种的生态需求,而缺少对生态情况直接反映。

整体分析法通过建设水文历程、泥沙输移历程、河床形态变化与河流生态群落的关系,综合估算生态流量需求,在四类方法中建设的水文-生态响应关系最为全面。近年来,随着河流生态流量的精致化治理增强,生态流量确定方法应用对构建水文-生态关系提出了新要求。构建水文-生态响应关系时,需要深入解释生物对水文情势的响应历程机理,为河流治理者提供水生物掩护的更可信的理论支撑。另外,需要通过建设水文因素与生物因素响应的直接关系,支撑已有生态流量方法,为简化水资源治理流程提供基础依据,节约水资源治理成本。

因此,有须要回首现有的水文-生态响应关系构建方法,梳理各方法的构建原则,识别差别方法的适用性,分析常用方法实用案例,归纳出响应关系趋势结论,在应用层面探讨水文-生态响应关系构建方法的未来生长趋势。1 构建原则筛选构建响应关系包罗两个重要原则:模型是否具有简约性和模型是否准确度满足要求。具有简约性的模型,便于从事水资源治理的一线事情人员熟练应用,辅助水资源治理者预测生态流量实施后的生态响应,做出更高效的水资源治理决议。基于简约模型构建的响应关系在制定历程中涵盖主要的情况驱动因素(流量、流速、水位等),忽略次要因素,相较于庞大性方法难以反映所有细微变化。

可是,过于简约的模型在准确度上往往难以保证,因此,需要重复验证,评估简约模型的准确度。常用判断简约模型准确度的参数包罗:赤池系数AIC、偏差系数DIC、贝叶斯系数BIC。

筛选构建响应关系的方法应具备两个要素:响应变量和预测变量。响应变量筛选原则为:(1)与生态流量核算方法相关;(2)能够节约经济成本;(3)不会受到丈量误差的重大影响;(4)能在短时间内做出响应;(5)被利益相关者认同。

预测变量筛选原则为:(1)与可调控的水文要素直接相关,如下泄水量、水流流速;(2)与水文要素有间接关联,如水温、水质。2 常用构建方法构建水文-生态响应关系的目的在于明确水文变更引起的生态改变,为生态流量制定提供支撑。由于差别的河流具有差别的地貌和河流特征,水文-生态响应关系随地域的生态和水文格式差别有所差异。

响应变量和预测变量之间假设关系的性质、相互作用方式和预测变量的数量都市影响方法的选择。常用的方法包罗简朴的线性模型、广义线性和非线性模型、机械学习方法、分层贝叶斯网络模型。

2.1 专家履历法在缺乏数据的情况下,专家履历能够成为构建水文-生态响应关系的重要信息泉源。由于生态流量是一个交织学科,具有水文学、水力学、生态学知识配景的专家意见有助于构建水文-生态响应关系。专家履历法的操作流程如图1所示,分成三个阶段:计划阶段、讨论阶段、归纳总结阶段。计划阶段事情内容为:汇总现有的信息,包罗文献信息、数据信息和事情基础信息,咨询相关专家确定集会议题。

讨论阶段事情内容为:召开集会,对现有的基础信息举行分析,确定指示物种,指导构建响应关系。归纳总结阶段事情内容为项目组汇总专家意见,构建基于专家专业配景知识的响应关系。

常用的整体法,如南非的BBM法、澳大利亚的ELOHA框架均在一定水平上借鉴了专家履历构建水文-生态响应关系。孟钰等联合专家履历探求了淮河长吻鮠的水文水力需求,并据此指导了生态流量的制定。专家履历法具有数据需求少,构建流程简朴的优点,可是由于响应关系过于依赖专家履历,大部门研究案例中忽略了水文与生态要素的不确定性,导致响应关系过于主观,夸大了专业履历。

图1 专家履历法操作流程2.2 线性回归模型线性回归模型作为最简朴的构建响应关系的方法之一,分为一般线性回归模型和功效线性回归模型。二者的区别在于生态数据类型差别,一般线性回归模型的生态数据为某一单一物种数据,功效线性回归模型的生态数据为生态功效类群数据。线性回归模型盘算公式为式中,a、b、c为常数。

线性回归模型旨在构建数学函数,用以形貌在时间序列中的水文指标变更。数据类型包罗离散型和一连型的数据。

构建的数学函数旨在形貌预测变量空间或时间上的一连变化,如温度或河流流量。需要指出,生态因素有时不止受到一个预测变量的影响,应当全面评估预测变量的总体变化。因此线性回归模型还可基于预测变量的总体变化数据构建,可是线性回归模型难以量化水文情势的变化。DRIVER等研究发现澳大利亚新南威尔士的布里木沼泽中的洪水连续时间与朱鹭(澳洲白鹮)鸟巢数量之间存在正相关关系。

STEWART平分析美国区域鱼类数据发现,鱼类种群密度和产卵期的流量提高出现正相关关系。简朴的线性回归模型构建的响应关系具有操作简朴、原理明确、盘算效率高的优点,可是具有思量元素单一、不确定性较高的缺点。2.3 广义线性和非线性模型广义线性和非线性模型是现在最常用于构建响应关系的方法,广义线性和非线性模型是为了克服线性回归模型的缺点而泛起的,是线性回归模型的推广,数据类型包罗离散型和一连型,同时添加了随机误差项,降低了响应关系的不确定性,经典的广义线性模型(GLM)盘算公式为广义线性和非线性模型兼顾了非线性关系、非高斯残差等特征,涵盖非一连和很是规的响应数据(例如,逻辑回归),制止了伪重复的随机效应。ARTHINGTON等使用了广义最小二乘回归,耦合相关误差和不平均方差,评估了水生植物、鱼群组合、物种品貌和水文情势的响应关系。

相较于一般线性模型,广义线性和非线性模型虽然提高了准确度,可是对于数据较为庞大的数据集易发生不相关变量伪相关的现象。2.4 机械学习模型机械学习近几年在生态信息领域快速生长,可以识别庞大的、非线性数据的相关性,并能准确预测数据生长趋势。机械学习是在无数的假设函数中找出最佳的假设函数g(x),且这个函数与理想函数f(x)最为靠近,流程如图2所示。

生态学中已经应用了许多机械学习技术,成为了传统建模的强大替代品,如人工神经网络(ANNs)、元胞自念头、分类与回归树、模糊逻辑、遗传算法和编程、最大熵、支持向量机和小波分析等。由于机械学习方法可以模拟庞大的非线性关系,不需要传统的、参数化的限制型假设统计方法,使用规模越来越广。图2 机械学习流程KENNARD等使用人工神经网络模型模拟了澳大利亚情况和水文双因素影响下的河流鱼类群落变更。人工神经网络除在模拟多个响应变量中具有灵活性以外,还具有自学习和自适应能力,不需要对独立变量的漫衍特性举行假设,并能在任何先验规范的情况下,协调各个预测变量之间的相互作用。

机械学习方法是举行水文-生态响应关系构建以及生态预测模拟的强大工具,极大的改善了模拟生态系统的能力。可是机械学习算法仍然存在局限性:(1)神经网络算法是基于黑箱模型盘算,难以剖析内部映射的原理;(2)神经网络在用梯度下降算法训练时容易陷入局部最优陷阱;(3)缺少参数调治手段,有时需要使用遗传算法等方法对参数举行优化;(4)数据需求大,倒霉于数据较少区域应用。2.5 贝叶斯网络模型在生态流量研究中,分层模型的应用越来越广泛,分层模型通过克隆数据使用概率框架分析数据。贝叶斯方法是常见的分层模型,它基于的盘算公式为贝叶斯方法为处置惩罚水文、生态数据提供了一个重要的推理框架。

之前的响应关系模型中每个参数都是基于概率漫衍确定的,可靠度要优先于收集新数据之前的参数值。这些数据是在似然函数中表现的,并联合之前发生的后验概率漫衍,反映的是更新后的可靠度。

贝叶斯方法的概率漫衍分为先验概率和后验概率两个部门,研究人员通过将差别采样单元的模型参数输入,将现有的知识纳入分析以革新效果,可是由于先验概率存在较强的主观性,在数据量较少的情况下影响后验效果的准确度。WEBB等联合澳大利亚汤姆森河的胡瓜鱼(西氏后鳍鲑)的采样数据,集中分析5条河流的采样数据,发现胡瓜鱼的品貌与夏季流量存在相关关系。

贝叶斯方法能够联合专家履历和采样数据信息,既解决了生态数据缺乏的问题,又解决了水文-生态响应关系缺乏生态依据的情况。贝叶斯方法包罗以下特征:(1)贝叶斯网络可以处置惩罚不完整和带有噪声的数据集;(2)用图形的方法形貌数据间的相互关系,可明白性强,有助于推导数据间的因果关系;(3)有助于将先验知识和概率相联合,易与优化计谋相联合。分层模型具有实用灵活,能够处置惩罚庞大、不完整和杂乱的数据的优点。

分层模型具有能够合并处置惩罚多个采样单元(河流)的统计数据的优点。3 方法适用性差别方法的适应性评估如表1所列。专家履历法具有极大的灵活性,操作简朴,数据需求少,生态数据主要为文献调研数据和较少采样数据,受限于专家水平,会造成盘算效果过于主观,通常只作为其他构建响应关系方法的辅助手段,只在极端情况下,才会单独使用。表1 常用构建响应关系方法适应性评估 一般线性回归模型和功效线性模型数据需求较少,生态数据以采样数据为主,操作较简朴,可通过大部门市面上的SPSS、origin、Minitab等商业软件实现。

适用于生态响应只对某一个片面的水文情势稳定的情况。在实际操作历程中,由于水生生物生存会受到多要素胁迫,因此一般线性回归模型和功效线性模型在大部门案例中构建的效果存在偶发性,只适用于特定河流,难以得出普适结论。广义线性和非线性模型,操作简朴,数据需求适中,生态数据以采样数据为主,可通过商业软件,也可通过编程实现。

相比于一般和功效线性模型,广义线性和非线性模型需要更多的履历数据表征参数,联合多次的采样数据,需通过随机效应来解释抽样距离的差异,制止伪重复对预计发生重要影响,适用于生态、水文数据较为富足的河流。机械学习方法对数据量的要求最高,操作难度最高,生态数据以采样数据为主,可以通过编程实现。

机械学习方法不涉及专业知识,仅对数据举行纯分析,可以构建水文、生态端点之间关系的平滑函数,缺乏对响应变量和预测变量之间的关系缺乏假设(如线性),不能举行外推,可是在数据量足够的情况下,机械学习的精度比其他方法更高。机械学习方法适用于具有长序列水文、生态数据的河流。贝叶斯网络模型是分层模型的一种,操作难度适中,数据需求适中,生态数据包罗专家履历、文献调研和部门采样数据,可通过Netica软件或编程实现。

贝叶斯网络模型能够仿真模拟物理和生物历程,例如在原始生产中生态系统的呼吸历程可以作为贝叶斯网络预计模型的一部门,而不是简朴的考试履历数据集之间的关系。而贝叶斯网络的灵活性是建设在基础知识配景下,或者至少需要假设驱动生态反映历程的因果联系。

贝叶斯方法能够吸收差别类型的数据,如从专家或文献中获得的数据,将先验概率漫衍与履历数据相联合。贝叶斯网络具有可以直接组合差别类型数据的能力,尤其是能够凭据专家意见对关系举行建模。使用先前的信息淘汰了模型构建历程中的不确定性,可通过少少的数据获得准确的效果,不需要其他替代方法。贝叶斯网络模型适用于大中型生态掩护要求较高的河流。

在生态流量评估中,开发水文-生态响应关系所选取的方法,主要取决于所收集到的数据。大部门都是基于河流原有的历史数据构建,只有少少案例能够有时间或者资源收集新数据。因此,可通过收集相似河流的数据,构建响应关系,或者联合专家履历补足数据缺失问题。

4 方法使用案例河流的水文-生态响应关系对地方生态流量政策制定具有重要的使用价值。水生生物中水生植物、鱼类、水鸟、底栖动物和藻类都市对水文历程发生响应,水文情势从基础上塑造了水生生物群落的一系列生态历程。

部门水生物种类群的水文-生态响应关系如表2所列。表2 常见的水文-生态响应关系[27] SHENTON W,HART B T,CHAN T U.A Bayesian network approach to support environmental flow restoration decisions in the Yarra River,Australia [J].Stochastic Environmental Research & Risk Assessment,2014,28(1):57- 65.[29] MCMANAMAY R A,ORTH D J,DOLLOFF C A.Application of the ELOHA Framework to regulated rivers in the upper tennessee river basin:a case study [J].Environmental Management,2013,51(6):1210- 1235.[30] MCCLAIN M E,SUBALUSKY A L,ANDERSON E P,et al.Comparing flow regime,channel hydraulics,and biological communities to infer flow-ecology relationships in the Mara River of Kenya and Tanzania [J].International Association of Scientific Hydrology Bulletin,2014,59(3- 4):801- 819.[31] 孟钰,张翔,夏军,等.水文变异下淮河长吻鮠生境变化与适宜流量组合推荐 [J].水利学报,2016,47(5):627- 634.[32] 王俊娜,董哲仁,廖文根,等.基于水文-生态响应关系的情况水流评估方法:以三峡水库及其坝下河段为例 [J].中国科学:技术科学,2013,43(6):135- 146.[33] SCHNEIDER S C,PETRIN Z.Effects of flow regime on benthic algae and macroinvertebrates - a comparison between regulated and unregulated rivers [J].Science of the Total Environment,2017,579:1059- 1072.[34] ANNIKA W,WALTERS.How low can you go?Impacts of a low-flow disturbance on aquatic insect communities [J].Ecological Applications,2011,21(1):163- 174.[35] BRADIS K J,BINO G.Identifying spatial and temporal patterns in the hydrological character of the Condamine-Balonne river,Australia,using multivariate statistics [M].Australia:University of New South Wales,2019:46- 61.水生植物与90 d低流量的巨细出现负相关关系,在低流量情景下,河岸带的植被会向河流伸张,挤占河流。鱼类种群尤其是洄游性鱼类对流量要素的响应关系主要为正相关关系,洄游鱼类产卵期需要一定的流量刺激才气产卵。底栖动物种群与流量要素出现相关的不确定性,主要取决于底栖动物种群结构中静水物种和动水物种的本底状况。

高流量事件会影响底栖藻类的品貌,河流流量冲刷会造成底栖藻类数量下降。水鸟的栖息地会受到90 d均值流量的影响,适度地增加90 d均值流量会增加水鸟的数量。案例讲明,五种类型的方法均可用于构建水文-生态响应关系。

5 展 望方法学的生长为水文-生态响应关系的研究提供了更多的可能,并取得了一定的结果。陪同着人们对生态情况问题的日益关注,水文-生态响应关系是河流生态系统恢复的关键环节,将会成为确定生态流量、构建幸福河流的关键突破口。大量的文献记载了水文-生态响应的研究,详细的构建方法筛选需要基于数据基础、技术成熟度和生态本底状况,构建出的响应关系应能够预测生态状况,指导实际的生态流量评估。未来的水文-生态响应关系构建方法生长应具备以下特点:(1)操作轻便的构建方法应用度将更为广泛。

博亚体育app下载

响应关系构建的目的是指导河流生态流量治理,在实际应用中,治理者是应用主体,操作轻便能够节约人力物力财力成本,提高治理效率。(2)大数据分析将成为响应关系构建方法生长的趋势。当今是一个众多学科蓬勃生长的大数据时代,遥感、情况基因学等生长将使生态数据越发富厚和多样,为机械学习等大数据分析方法提供了更多便利。

(3)专家知识和采样数据联合的方法将成为生长重点。生态采样数据会受到采样操作和样本判定误差的影响,相关专家知识能够剔除样本数据中误差较大的问题,使响应关系越发切合客观纪律。水利水电技术水利部《水利水电技术》杂志是中国水利水电行业的综合性技术期刊(月刊),为全国中文焦点期刊,面向海内外公然刊行。

本刊以先容我国水资源的开发、使用、治理、设置、节约和掩护,以及水利水电工程的勘察、设计、施工、运行治理和科学研究等方面的技术履历为主,同时也报道外洋的先进技术。期刊主要栏目有:水文水资源、水工修建、工程施工、工程基础、水力学、机电技术、泥沙研究、水情况与水生态、运行治理、试验研究、工程地质、金属结构、水利经济、水利计划、防汛抗旱、建设治理、新能源、都会水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。


本文关键词:水文,生态,响应,关系,构建,方法,综述,原,标题,博亚体育app下载

本文来源:博亚体育-www.jiushuochina.com