湖滨带生态健康驱动因子

2022-09-21 15:08:36 来源:写作指导

 

湖滨带属于水陆生态交错带,天然的湖滨带由陆向辐射带、水位变幅带和水向辐射带组成[1],是湖泊生态系统的重要组成部分,对维持湖泊生态系统健康和改善水环境功能具有积极作用。由于防洪需要,我国许多湖泊在湖滨带中修建了防洪大堤,破坏了湖滨带原有生态系统结构的连续性和完整性,阻断了水陆生态系统的物质循环、能量流动和信息传递,严重影响了湖滨带生态系统功能的发挥,导致了湖滨带生态系统退化,影响了湖滨带生态系统健康。大堤型湖滨带的生态系统健康退化现象已引起广泛关注[2],科学识别大堤型湖滨带生态系统健康状态的驱动因子是开展湖滨带生态修复的必要前提,然而该方面的研究还远远不足。太湖是我国的大型浅水湖泊,73%以上的岸带都修建了防洪大堤,其余部分临近山体,太湖的湖滨带属于典型的大堤型湖滨带。本文以太湖为例,运用驱动因子的识别方法,分析影响其湖滨带生态系统健康的主要驱动因子,旨在为我国类似湖泊湖滨带的驱动因子分析提供一定借鉴。   1驱动因子识别方法的选择   驱动因子是指影响事物发展或状态的关键性的内在动力或外在力量。就生态系统而言,影响其状态的因子可以分为自然因子及人为因子两大类,前者主要包括温度、风力、波浪、大气沉降等,后者主要包括人口、经济、社会活动,以及与其相关的环境污染、土地利用变更等[3]。然而并非所有影响因子都是驱动因子,对于简单系统中的驱动因子是可以直接判断的,但是对于生态等复杂系统则需要借助统计分析的方法,研究特征变量之间的相关关系,识别出哪些是起到关键作用的驱动因子。与社会经济学、医学领域相比,环境学、生态学领域对于驱动因子的研究相对薄弱,对于环境、生态驱动因子的概念及其识别方法尚不成熟。有些研究没有深入理解“驱动因子”的含义,而直接用“影响因子”作为“驱动因子”加以诠释。有些研究没有正确理解统计学方法的原理,而采用简单相关系数法来识别“驱动因子”。另外应用“主成分分析”方法来直接研究驱动因子也欠妥,首先“主成分分析”是对表征事物现状的多个指标(注意不是有驱动倾向的影响因子)进行降维筛选的过程,例如从10个水质指标中筛选4—5个能尽量反映水质现状的指标,而不是筛选能引起水质发生变化的驱动性影响因子;其次,“主成分分析”所筛选的几个主成分之间是没有相关性的,而在生态、环境、社会等领域驱动因子间的相关性是很难避免的,因此就可能错误的舍弃真正的驱动因子。所以,运用正确的统计方法确定真正的驱动因子是十分重要的。   驱动因子的确定通常经过以下2个步骤:(1)影响因子的定性筛选:是指在众多因子中筛选出有可能影响评价目标的因素,筛选原则是尽量全面并且有依据的考虑可能的影响因素。(2)驱动因子的确定及驱动力大小排序:社会经济领域的大量研究显示最被认可的2种方法是“多元线性逐步回归法”和“偏相关系数法”[4]。前者是在因变量与自变量(影响因子)之间建立多元回归方程,通过逐步回归法确定驱动因子,即每引入一个变量同时检验方程中各个自变量的显著性,合格保留、不显著剔除,反复进行直到再没有显著的变量可以引入为止[5]。各驱动因子的影响力大小可以通过比较各自标准偏回归系数来确定。后者“偏相关系数法”是通过固定因变量与其中一个自变量以外的其他变量对它们的影响以后,这两个变量之间的相关关系,它反映了事物间的本质联系。描述这种关系的强度指标为偏相关系数,绝对值越大,偏相关程度越大。研究证明对于在二元回归中两者相对大小始终一致,而在自变量个数超过2个的回归模型中两者得出驱动因子的驱动力相对大小却不一定完全一致[6]。在两者结果不一致的时候还需追踪数据样本的波动性、与实际情况的相符性进行选择判断。鉴于以上情况,本研究在定性筛选影响因子后,分别采用了“多元线性逐步回归法”和“偏相关系数法”确定太湖湖滨带的生态系统健康状况驱动因子及驱动力大小顺序。   2驱动因子的确定   2.1影响因子的定性筛选   影响因子的定性筛选范围是依据评价目标本身的特点而定的,既要有代表性又要兼顾获取的可能,筛选过少的影响因子可能造成真正的驱动因子缺失,但筛选过多的影响因子无疑会增加不必要的工作量。与其它大尺度的研究区域(例如喀斯特地形区、沙漠化地区等)相比,太湖湖滨带的范围是周长405km,宽度仅为50—100m不等的环形区域,且有环湖大堤的阻隔,外界环境对湖滨带的影响主要是通过入湖河流产生的。在这种情况下,社会经济发展、人口、相关性不强的政策行为等就可以忽略不计,因此本文着重考虑与太湖湖滨带密切相关的自然以及人为影响因子。另外,由于太湖湖滨带缺少历史实测数据,对驱动因子的研究很难采用常见的纵向时间统计法,考虑到同一湖泊湖滨带生态系统健康状况在空间分布上的差异也能反映出某个影响因子作用力的差异,因此采用“空间换时间”的方法,通过研究同一时间环太湖湖滨带不同点位的生态系统健康状态及其影响因子间的统计关系来确定其驱动因子。根据多年的研究经验和实践分析,选取了太湖主体营养状态、入湖河流污染负荷通量、岸带类型、风浪强度4个主要影响因子。   (1)太湖主体营养状态   太湖主体的营养状态是对太湖水质的综合性评价指标,它的好坏直接影响到湖滨带的生态系统健康状况,对湖滨带的水质、底质、生物都有直接的影响。例如,太湖北部湖区污染严重,水质较差,呈富营养状态,其湖滨带区植物种类单一,分布面积少,底栖动物多数为耐污种;而东太湖湖区水质状况相对较好,呈轻度富营养状态,湖滨带植物种类较多,且覆盖度大,底栖动物中耐污种相对少些。因此,太湖主体湖区的营养状态对于湖滨带生态系统健康状况有较大的影响。   (2)入湖河流污染负荷通量   入湖河流污染负荷是湖泊污染物的重要来源,大部分点源与面源污染物是通过入湖河流进入湖泊的,污染物在水力坡度、密度梯度和风力等作用下发生迁移,与湖水尤其是处于湖滨带的近岸湖水混合,造成水质下降。由于一些太湖入湖河流有随季节反向流动的特点,因此采用河流的污染负荷通量来表达。有研究发现入湖河流在近河口处300m内污染物浓度明显上升,300m以外由于有较高的稀释扩散而受影响明显减弱[7]。而太湖湖滨带的范围为大堤向水域50—100m范围内,正是受入湖河流影响最大的范围。所以,入湖河流的污染负荷通量也是影响湖滨带生态系统健康状况的重要因素。另外,入湖河流的污染负荷通量与所在流域的经济发展模式、土地利用方式、人口、环境措施等密切相关,可以用来反映湖滨带所受的流域环境的综合压力。#p#分页标题#e#   (3)岸带类型   根据太湖湖滨带地形地貌、水文条件,具体而言是根据太湖湖滨带水位线与邻近堤岸或者山体的相对位置关系及露滩面积不同,将其分为6种类型:长期露滩-大堤型、间歇露滩-大堤型、无滩地-大堤型、有滩地-山坡型、无滩地-山坡型与河口型。岸带类型的差异,会直接影响湖滨带的水生植物分布、滩地面积大小、生物栖息地、生物多样性、岸堤侵蚀性、景观适宜性等,因此也是影响湖滨带健康状态的重要因素之一。例如,长期露滩-大堤型与有滩地-山坡型由于高水位到堤脚或山脚尚有一定的距离,有足够的滩地空间满足一定规模的水生植物生长需求,湖滨带相对完整,受大堤或山体的影响较小,所以水生植物生长情况较好、生物多样性高、岸堤侵蚀较轻;但是无滩地-大堤型和无滩地-山坡型的堤岸,在低水位时就超过堤脚或山脚,风浪较大,不适宜挺水植物和湿生植物生长,只有少量的沉水植物生长,或者无植物生长,岸带整体状况较差。   (4)风浪强度   风浪所引起湖水的紊动,对湖水理化性质的分布、湖中泥沙的输移、浮游生物的迁移以及湖水中污染物质的扩散和净化等过程均有一定的影响。风浪驱动是太湖最主要的水动力驱动因素,无论是太湖的泥沙沉积、内源污染释放,还是水生植物分布,都明显受到风浪扰动强度的影响[8]。由于风浪引起的浪淘蚀、湖流等在岸边比湖心区的作用力要大[9],因此风浪引起湖水的运动会对湖滨带水质、底质可能产生更为明显的影响,导致湖滨带水体透明度下降,影响沉水植物的生长;风浪对堤岸的淘蚀作用也会影响底栖生物、挺水植物的分布,所以风浪也被选择为重要影响因子。   2.2数据来源与处理   于2010年夏季对太湖湖滨带33个点位进行了生态调查(图1),并运用生态系统健康综合指数法进行了湖滨带的生态系统健康评价,该评价体系的构建、数据搜集及处理等详细内容已在已有的研究成果中做了具体阐述[10],其评价结果见表1中的第2列数值,分值越高代表生态系统越健康。在同一时期对各点位对应的以上4个主要影响因子情况进行了现场调查或数据搜集,其数据处理结果如表1所示。其中,太湖主体营养状态(X1)用湖泊综合营养状态指数(TLI(∑))表示,测定及计算方法参照中国环境监测总站推荐的“湖泊(水库)富营养化评价方法及分级技术规定”,与湖滨带采样点位相对应,选择33个太湖主体营养状态观测点位,位置为从湖滨带采样点向湖心内扩展约1km处。入湖河流污染负荷通量(X2)的数据来源为中国环境科学院余辉等人做的全太湖入湖河流污染负荷通量调查[11],采用近点位处的入湖河流的总氮、总磷、总有机物的年总污染负荷通量标准化值表示,计算方法是先将总氮、总磷、总有机物值进行标准化处理,再用熵值法确定这3种污染负荷通量的权重系数wi,采用公式∑wiPi得出各监测点位的总污染负荷通量,式中Pi具体化为PTN、PTP、PTC[12]。岸带类型(X3)的影响采用现场观察大堤对湖滨带生态破坏程度并进行打分,评分标准为:0—10分,分值越高破坏程度越大,例如无滩地-大堤型由于大堤完全侵占了原来的湖滨滩地,使挺水植物无法自然生长,因此赋予10分,而长期露滩-大堤型虽然建立堤坝,但是基本保留原始湖滨带状态,根据滩地面积大小可赋予0—4分。风浪强度(X4)采用莆田公式模拟计算的波浪高度(m)来表示。   2.3多元线性逐步回归法确定驱动因子   多元线性逐步回归确定驱动因子的方法已广泛应用于环境预测、环境监测、环境评价等多个环境领域[13]。该方法是建立m个自变量的多元线性回归分析的数学模型,通过逐步回归分析来剔除无驱动力的变量,而保留统计上有显著驱动效应的自变量,并形成驱动力模型:Y=β0+β1X1+β2X2+…+βmXm+ε式中,Y为因变量,X为自变量,β为待定系数,ε为随机误差项,表示除X以外其他随机因素对Y影响的总和。本研究中因变量Y为湖滨带生态系统健康综合指数,自变量个数m为4,自变量为X1为太湖主体营养状态;X2为入湖河流污染负荷通量;X3为岸带类型;X4为风浪强度。利用SPSS软件对表1中数据进行回归分析,结果见表2。可知多元线性逐步回归分析中,剔除了影响因子X4(风浪强度),其余3个影响因子与Y(湖滨带生态系统健康综合指数)形成的多元线性回归方程均通过了t检验(P≤0.05),回归方程模型如下:Y=159.36-1.72X1-9.998X2-1.145X3(R=0.968,R2=0.936)回归方程模型拟合度检验表明,多重相关系数(R=0.968)和多重判定系数(R2=0.936)都很接近1,说明该回归方程有很好的拟合度,并且有93.6%的湖滨带生态系统健康状态可以用该模型解释。由此筛选出太湖湖滨带生态系统健康的3个驱动因子为:太湖主体营养状态(X1)、入湖河流污染负荷通量(X2)、岸带类型(X3)。3个驱动因子的回归系数均为负值,表明太湖主体的营养状态综合指数越高、入湖河流污染负荷通量越重、大堤负面影响越显著,湖滨带生态系统健康状态也就越差。驱动力大小的比较不能直接采用回归系数,而要采用标准化数据的回归系数。因为在多元线性回归方程中,各自变量的单位不同,得到的回归系数也就有不同的量纲,所以回归系数的大小只能表明自变量与因变量在数量上的关系,而不能表示各自变量在回归方程的重要性。要比较各个自变量的重要性,必须消除单位的影响。为此,在做线性回归时需要对变量值作标准化变换,即变量减去其均值并除以其标准差的估计,由此得到的回归系数被称为标准化系数[6]。如表2所示3个驱动因子的标准化回归系数分别为:-0.629、-0.158、-0.261。标准化系数的绝对值越大说明驱动因子的驱动力越大,所以湖滨带生态系统健康驱动因子的驱动力强弱顺序为:太湖主体营养状态X1>岸带类型X3>入湖河流污染负荷通量X2。   2.4偏相关系数分析   简单的高度相关并不意味着因果性[14],而偏相关系数的计算过程会同时考虑多个变量之间可能产生的影响,另一方面又采用一定的方法控制其他变量,得到在交互影响下两个特定变量的净相关关系。具有显著性统计意义的偏相关系数能反映事物间的本质联系,并已成功应用于筛选驱动因子的研究中[15]。运用SPSS软件对表1数据进行偏相关性及相关性分析,结果表明4个影响因子虽然与湖滨带生态系统健康状况(Y)都有显著的相关性(P≤0.01),但是只有3个因子与因变量Y具有显著的偏相关性关系(P≤0.05),也就是该方法确定的驱动因子为太湖主体营养状态X1、入湖河流污染负荷通量X2、岸带类型X3(表3)。偏相关系数绝对值越接近1,表明相关性越大,所以这3个驱动因子的驱动力大小排序为太湖主体营养状态X1>岸带类型X3>入湖河流污染负荷通量X2。这一结果与2.3中的“多元线性逐步回归法”得出的结果完全一致,说明这两种方法对该样本数据的处理结果没有本质差异。观察表3中各影响因子的相关系数与偏相关系数还可以发现,虽然在相关性分析中风浪强度X4与湖滨带生态系统健康综合指数Y呈显著负相关,但是在偏相关性分析中其系数却为正值,且没有达到P≤0.05的显著性水平。说明在综合考虑其他影响因素存在的情况下,风浪强度对湖滨带生态系统健康状况可能会起到正面效应,也就是风浪强的区域不一定就是生态系统健康差的区域,虽然这一推断在统计上没有显著意义。#p#分页标题#e#   3分析与讨论   3.1驱动因子   通过以上两种统计分析方法,确定了相同的驱动因子,并且驱动力大小顺序也一致,均为:太湖主体营养状态X1>岸带类型X3>入湖河流污染负荷通量X2。由标准化回归系数的绝对值大小可知,太湖主体营养状态对湖滨带健康状态的影响是其它2个驱动因子的2.4—4.0倍;这比由偏相关系数绝对值大小推断的1.7—1.9倍略大一些;这两种方法得出的另外2个驱动因子的系数绝对值分别都很接近。该结果说明对于太湖湖滨带的生态系统健康状况影响最大的驱动因子是太湖主体营养状态,且对湖滨带生态系统健康状态起到决定性的作用,这与常规判断以及前期研究结果是一致的[16]。因此任何引起太湖水质状态下降的因素也会反馈在湖滨带生态系统健康上,湖滨带与湖泊主体是唇齿相依的关系,一切有利于太湖水质改善的措施也同样会有益于湖滨带的生态系统健康恢复。驱动作用居第2位的是岸带类型,结合岸带类型的评分标准,我们会发现有无大堤、大堤与水位线之间的滩地面积的大小是影响湖滨带生态系统健康的重要因素,也即大堤的建设是促使太湖湖滨带生态退化的重要驱动力。根据历史调查数据[17],环湖大堤建成以后,原有湖滨带滩地面积锐减,大堤内芦苇滩地的宽度仅剩数十米甚至消失,滩地挺水植物量在修建大堤前后形成明显的拐点,1995年是1990年的20%不到。驱动力排第3位的是入湖河流污染负荷通量,流域污染源或者营养盐多以径流携带的方式汇入入湖河流,湖滨带首当其冲的最先受到污染。赖格英[18]利用SWAT模型研究了入湖河流污染负荷与太湖流域的工业、农业发展、地形、土壤、气候、土地利用的关系,表明生活污水、工业废水是引起河流污染负荷升高的2大重要因素,贡献率分别占30%和16%。由此而推,人为产生的生活污水、工业废水也是引起湖滨带生态恶化的重要原因。图2给出了这3个驱动因子沿太湖湖滨带分布的趋势与湖滨带生态系统健康综合指数的关系,图中湖滨带的环形圈内色彩的变化表示不同的健康状态,每个点位所对应的3个饼状图面积由大到小分别为太湖主体营养状态、岸带类型、入湖河流污染负荷通量,饼状图面积大小代表驱动力的大小;饼状图的颜色变化代表驱动因子值的高低变化。结合2.2的数据解释可知,湖滨带生态系统健康综合指数越大越健康,而3个驱动因子的数值越大产生的负面效果越大,图2可以直观的反映出这种对应关系,即在太湖北部的梅梁湾、竺山湾的湖滨带生态系统健康较差的区域,3个驱动因子的数值也相对越大;在东太湖等少数相对较健康的区域,3个驱动因子的数值相对较小。   3.2未入选的影响因子   在逐步回归分析和偏相关系数分析结果中,还有一个未选入的影响因子,即风浪强度。在强制型回归方程分析中,发现该影响因子没有通过显著性检验,它的回归系数与偏相关系数分析的结果一样也为正值,即在有其他3个影响因子作用的情况下风浪大的区域所对应的湖滨带生态系统健康状况却是较好的。这一结果与很多孤立的研究风浪对湖体、湖滨带状态影响的结论正相反[19],孤立研究风浪作用所得到的结论正如本文中简单相关性分析得出的风浪对湖滨带生态系统健康有显著的负效应一样。这一研究结果应该引起人们深入关注,即在自然环境中不能单纯考虑某一影响因子的作用,这样可能得到完全相反的结论。另外,该结果可以更好的解释一些在现场情况下研究风浪效应的结果,实际上许多湖泊研究专家已经发现风浪的不定性作用[20],例中国科学院地理与湖泊研究所太湖研究站人员发现尽管梅梁湾中部测点底泥量丰富、水深相对较小,但是强风浪(平均波高大于10cm),并不能使水中氮、磷营养盐含量显著上升,这表明太湖底泥营养盐在风浪强度较大时,并不呈现释放状态,相反的可能会因为再悬浮沉积物吸附作用,底层表现为水体营养盐的汇,从而使水体溶解性总氮、总磷指标还具有下降的趋势[8]。范成新也指出营养盐的垂向分布受水深、底泥性状、植物分布及风浪等多种因素影响,因此风浪对浅水湖泊营养盐的分布的作用较为复杂[8]。   3.3驱动因子的识别方法   本文所采用的“多元逐步回归法”和“偏相关系数法”是现今最受认可的2种探寻驱动因子的方法。但是由于统计方法的差异,这2种方法各有优劣势。“多元逐步回归法”不仅能通过t检验筛选出驱动因子,消除统计上显著的多重共线性问题,而且还可以建立回归模型,具有预测的功能;但是对于驱动力大小的判定,由于采用标准化系数的方法,不仅与自变量的回归系数有关,而且与这个自变量的波动程度有关,因此可能会有偏差,将样本数据中波动程度较大(自变量的标准差较大)的自变量赋予过高的驱动作用力[6]。而“偏相关系数法”对于驱动力大小的判定则不会受自变量样本波动性的影响,但是其弱点是不能形成预测模型。因此,除了只有2个自变量的情况下(此时2种方法结果一致),建议同时使用这两种方法作比较研究,并认真核实差异原因,以期做出合理的解释。值得注意的还有,无论哪种驱动因子识别方法,得出的结论都有自己的时效性、地域性,其结果只适用于某一特定时段、特定区域,只能用作短期、类似地域外推,不能盲目的推断未来十几年、甚至几十年的情况,也不能无限制的应用到任何地域。   4结论与建议   4.1结论   (1)以太湖为例,研究了“多元线性逐步回归法”及“偏相关系数分析法”对大堤型湖滨带生态系统健康状态的驱动因子识别,2种方法识别的驱动因子相同,即太湖主体营养状态、入湖河流污染负荷通量和岸带类型。(2)3个驱动因子的驱动力大小排序为:太湖主体营养状态>岸带类型>入湖河流污染负荷通量;且3者均是负驱动效应,也即太湖主体的营养状态综合指数越高、入湖河流污染负荷通量越重、岸带类型状况越差,湖滨带生态系统健康状态也就越差。(3)从统计方法的原理及结果上解释了“风浪强度”没有入选为驱动因子的原因,这与许多湖泊研究专家发现风浪的不定性作用相符合。 #p#分页标题#e#

  4.2建议   (1)加强对于环境学、生态学领域驱动因子的探讨,逐步完善驱动因子的概念、识别方法及模型研究的系统方法。(2)风浪强度这个自然因素不是引起湖滨带生态系统健康差异的驱动因子,驱动因子是与人为活动密切相关的3个影响因素,因此,通过调整人类活动可以达到改善太湖湖滨带生态系统健康状态的目的。(3)根据本文的研究结果,太湖湖滨带的生态修复的根本措施是减少入湖河流污染负荷通量,改善太湖主体水质。但是,减少大堤对湖滨带的负面影响,例如将大堤向陆域后撤50m,增加滩地面积,为挺水植物和其它生物提供栖息空间,也能够直接改善太湖湖滨带的生态系统健康状况。