淮河流域河流水環境可恢復性評價

肖 洋，張 翔，周秋紅，朱才榮

(武漢大學水資源與水電工程科學國家重點實驗室，湖北武漢 430072)

淮河流域河流水環境可恢復性評價

肖 洋，張 翔，周秋紅，朱才榮

(武漢大學水資源與水電工程科學國家重點實驗室，湖北武漢 430072)

針對水環境可持續利用中存在的水環境特征識別問題，開展水環境可恢復性研究。基于水環境可恢復性的定義及水環境可恢復性評價指標體系，選取其中12個指標，采用淮河流域2000—2009年10年數據資料，利用主成分分析法(PCA)得到影響淮河流域水環境可恢復性的主要成分和各年的綜合主成分值隨時間變化情況;將水環境系統可恢復性分為弱、一般、強3個等級，利用自組織映射(SOM)神經網絡法對歸一化的正向樣本數據進行分析，得到各年水環境系統可恢復性的強弱等級情況。結果表明，由PCA法得到的結果與SOM神經網絡法的結果相一致，淮河流域從2000—2009年水環境可恢復性整體上呈現逐年增強的趨勢，同時表明PCA和SOM神經網絡法對水環境可恢復性評價是可行的。

水環境;可恢復性;主成分分析法;自組織映射神經網絡法;淮河流域

水環境的可恢復性及水域納污能力的可持續性是當前水資源環境管理的研究前沿，對最嚴格的水資源管理中水功能區限制納污紅線的確立和水資源可持續利用的實現具有重要的參考意義。

可恢復性的概念首先被Holling［1］從力學領域引入生態學領域，用來描繪系統承受壓力或外界干擾后，恢復到原有狀態的能力。隨后很多學者開始將可恢復性的概念引入到社會問題的研究中，Timmerman［2］是最先討論氣候變化情況下社會系統可恢復性的專家之一，他把系統的可恢復性和脆弱性聯系起來，把可恢復性定義為系統或系統一部分從遭受災害事件的打擊中恢復的能力［3］;Adger［4］探索了社會系統與生態系統可恢復性之間的關系，在Timmerman研究成果的基礎上將社會系統的可恢復性定義為人類社會系統抵抗外界對其基礎設施的打擊或擾動的能力及從中恢復的能力;Klein等［5］以海岸帶大城市為例，強調了可恢復性在社會系統災害中的重要性。經過長期的研究，可恢復性的概念已被運用到水資源系統的可恢復性研究中。Ellen等［6］對河流水環境修復的相關理論與方法進行了研究;Giller等［7-8］對目前河流管理中存在的問題進行了分析，并提出了成功修復河流水環境的5個標準;Lake等［9］認為河流水環境的完全修復需要考慮生態系統的健康發展，提出運用生態系統的準則指導河流水環境的修復工作;Lichter等［10］進一步分析了生態系統功能退化與河流水環境系統部分修復之間的關系。因此，水環境惡化現已成為世界關注的焦點問題。生態系統的修復可以通過生態技術或生態工程對退化或消失的濕地進行修復或重建，再現被干擾前的結構和功能，以及相關的物理、化學和生物學特性，使其發揮應有的作用［11］。類似于生態系統，惡化了的水環境也是可以恢復的:①通過水的自然大循環進行凈化、恢復;②基于水的可再生性，污染物的物理、化學、生物化學反應產物不斷被溶解、稀釋，使得水體不斷得到凈化［12］。根據對國內外水環境可恢復性機理研究的總結，周秋紅等［13］提出了水環境可恢復性的定義，即水環境受到人類活動和自然過程的干擾時，能夠通過自我調節和人工干預恢復到一個較為自然狀態的能力，維系水環境系統動態穩定狀態;并且構建了水環境可恢復性評價指標體系。綜上所述，雖然國內外對水環境可恢復性機理做出了大量研究并給出了水環境可恢復性的科學定義，但是對水環境可恢復性研究仍缺乏科學的評價方法。

本文以淮河流域為例，利用主成分分析(principal component analysis，PCA)法和自組織映射(self-organized mapping，SOM)神經網絡法開展水環境可恢復性評價工作，對水環境可恢復性評價研究進行初步探索，最終為水環境治理工作提供參考信息。

1 水環境可恢復性評價的指標體系與方法

1.1 評價指標體系

水環境可恢復性機理主要體現在水量的可再生性、水質的可恢復性與可控性、水生態系統的自適應能力和水環境治理與管理政策等方面，水環境系統的水文情勢與水動力條件越多變，水生態系統組成越復雜，其可恢復性就愈高;相反若系統組成結構單一，功能簡單，那么水環境系統的可恢復性就弱。然而水環境可恢復性很難用一兩個指標來評價，因此水環境恢復性評價指標體系的建立對于水環境可恢復性評價工作是十分有用的。

水環境可恢復性評價指標體系的建立主要基于水資源量、納污能力、自凈能力以及環境治理水平4個方面，其中水資源量主要包括人均地表水資源量(m3)、人均過境水資源量(m3)、地表水年徑流模數(m3/(s·km2))等指標;納污能力主要涵蓋了地表水主要污染物質量濃度(mg/L)、底泥主要污染物質量濃度(mg/L)、GDP的主要污染物排放強度(kg/萬元)等指標;自凈能力涉及水溫(℃)、河流流速脈動強度、河流縱向連續性等指標;環境治理水平主要與濕地面積占土地面積百分率(%)、工業廢水處理率(%)、城市生活污水處理率(%)等指標有關，詳細內容請參見文獻［13］。

1.2 評價方法

水環境的可持續發展是水資源可持續利用、社會進步、經濟發展與環境支持4個方面保持高度和諧的過程，為了全面反映水環境可恢復性各個方面的影響因素，水環境可恢復性評價需要采用多指標綜合評價的方法。根據確定權重方法的不同，國內外關于系統評價的方法主要有主觀賦權法和客觀賦權法。為客觀反映水環境可恢復性評價指標體系中各指標對水環境可恢復性的影響，且由于客觀賦權法中的PCA能客觀地給出指標權重值，確定影響綜合評價的主要指標，并得到綜合評價值;SOM神經網絡法在分類指導下根據相似程度對每一年的指標數據進行分類，確定水環境可恢復性的階段變化情況，并驗證PCA評價結果的合理性，因此，本文采用PCA與SOM神經網絡法相結合的客觀賦權法對水環境可恢復性進行評價。

1.2.1 主成分分析(PCA)法

PCA法是一種能夠有效降低變量維數，并已得到廣泛應用的分析方法，其主要原理［14］是:假設觀測了p個指標，分別為x1，x2，…，xp，取這些指標的線性組合即y=a1x1+a2x2+a3x3+…+apxp做主成分的表達式，由數學知識可知，每一個主成分所提取的信息量可用其方差來度量:方差越大，表示該主成分包含的信息越多。由于各組合的系數不同，可以得到很多不同的綜合指標，其中反映原始指標變量變動最大的那個綜合指標被稱為第1主成分，記為y1;其次為第2主成分，記為y2;其余依次類推;第k個綜合指標即為第k個主成分，記為yk。則主成分表達式為

且有:var(y1)＞var(y2)＞…＞var(yk)

式中:(ai1，ai2，…，aip)T分別為指標變量相關陣的p個特征根對應的特征向量。

由此可見，PCA的原理就是在保證數據信息丟失最小的情況下，由少數幾個具有代表意義的新變量代替原始變量，它們反映了研究對象的特征［15］。

由式(1)設有n個樣本和p項指標，可得數據矩陣X如下:

式中:xij為第i(i=1，2，…，n)個樣本的第j(j=1，2，…，p)個指標值。

PCA的具體計算步驟參見文獻［16］，在此不再贅述。

1.2.2 自組織映射(SOM)神經網絡法

SOM神經網絡法是一類無導師學習的競爭型神經網絡模型，這類模型不需要提供教師信息，就可以對未知樣本進行學習或者模擬，并且對自身的網絡結構進行適當調整。

SOM神經網絡法的基本思想是網絡競爭層的各個神經元通過競爭來獲得對輸入樣本的響應機會。在競爭層中，最后僅有一個神經元競爭獲勝，以獲勝神經元為中心固定半徑的領域稱為優勝鄰域，該神經元就代表著當前輸入樣本的聚類模式;然后調整權值。在SOM神經網絡學習方法中，不僅獲勝的神經元要調整權值，而且也要對優勝領域內的所有神經元的權值按照其距離獲勝神經元的遠近做出不同程度的調整。具體的算法步驟參見文獻［17］。

2 實例研究

2.1 淮河流域概況

淮河流域是我國7大流域中水污染問題比較嚴重的地區之一，盡管國家在“九五”、“十五”、“十一五”期間采取了相應的綜合治理措施，水污染惡化的趨勢得到有效控制，但是水污染形勢仍十分嚴峻。2009年淮河流域水資源公報顯示，截至2009年末，淮河流域各省廢污水年排放量為73.40億t，主要污染物COD和NH3-N的入河排放量分別為55.08萬t和6.99萬 t，與2008年相比較，分別增加了2.46萬t和0.36萬t。對照淮河流域水功能區限制排污總量目標，2009年淮河流域COD和NH3-N入河排放量分別超標0.44倍和1.63倍。全年49個水質監測斷面中Ⅲ～劣Ⅴ類各類水質所占的比例分別為:Ⅲ類20.4%、Ⅳ類26.5%、Ⅴ類14.3%、劣Ⅴ類30.6%。流域內部分水功能區水質超標，影響了供水水質的安全，已經成為流域內社會經濟可持續發展的制約因素。因此，開展淮河流域水環境可恢復性評價將會對淮河納污能力可持續利用和最嚴格水資源管理具有重要指導意義。

2.2 數據資料

為了充分反映淮河流域水環境系統的可恢復性水平以及變化趨勢，主要選取淮河流域2000—2009年10年數據資料，考慮到資料的有限性，采用水環境可恢復性評價指標體系中的12個指標:年降雨量x1、產水系數x2、水資源開發利用率x3、萬元GDP主要廢水排放量x4、劣Ⅴ類水質所占比例x5、功能區水質達標率x6、農業化肥施用強度x7、人均GDPx8、城鎮化水平x9、工業廢水達標率x10、水土流失治理率x11、環保投資占GDP比例x12;其中x1、x2、x3考慮了水量的可再生情況，x4描述了人類生活與工業生產對水體環境的污染狀況，x5、x6用來表征河流與水系的健康狀況，x7用于衡量非點源污染對水環境造成的負面影響程度，x8、x9用于表征人類活動對水環境的破壞程度，x10、x11反映一個區域對水污染的處理能力，x12反映一個地區對環境治理投入的大小;并且x1、x2、x6、x8、x10、x11、x12為有利于水環境恢復的正向指標。

為使評價取得合理的結果，首先將樣本數據中的逆指標取倒數使得整個樣本數據正向化，使得指標數據越大，水環境可恢復性越強;并按以下方法將正向化數據進行標準化、歸一化處理，然后對淮河流域水環境可恢復性驅動因素進行分析。

對于正向化指標，按式(3)進行標準化處理:

式中:Z為某項指標的評價標準值;xi為某單項指標的原始值為這一組指標的平均值;S為該組指標的均方差。

對于負向化指標，按式(4)進行歸一化處理:

式中:v(xi)為指標的標準化值;xmax、xmin分別為該指標的最大值與最小值。

2.3 評價結果

2.3.1 PCA評價結果

根據PCA的原理及計算步驟，利用SPSS軟件的因子分析工具對標準化數據資料進行分析，得到流域水環境可恢復性評價的3個主成分:第1主成分F1，水環境恢復能力貢獻率為51.06%，主要反映了x4、x5、x8、x10等指標信息;第 2 主成分F2水環境恢復能力貢獻率為25.96%，主要反映了x1、x2、x3等指標信息;第3主成分F3水環境恢復能力貢獻率為10.59%，主要反映了x6的變化情況。

利用因子分析得到的主成分負荷矩陣，除以主成分相對應的特征值開平方就可以得到3個主成分各指標所對應的系數C1、C2、C3(表1)，將上述系數與標準化的數據指標相乘求和即為各主成分表達式。

表1 評價指標體系主成分系數

以每個主成分所對應的特征值所占總特征值之和的比例作為權重計算，得到主成分分析綜合表達式:

由因子分析工具得到λ1=6.128，λ2=3.115，λ3=1.261，λ1+ λ2+ λ3=10.504，則得主成分綜合表達式為

根據主成分綜合表達式即可計算綜合主成分值，并按綜合主成分值進行排序，即可對淮河流域各年進行綜合評價比較，結果見表2。

由表2得到圖1和圖2。從圖1和圖2中可以看出淮河流域水環境主要影響因子的變化情況。

第1主成分F1包含了51.06%的貢獻率，是可以控制其他因素變化的主控因素。由圖1可以看出，F1在2000—2005年的得分較低，2006—2009年得分較高。從構成F1的兩個主要指標——劣Ⅴ類水質所占比例與萬元GDP主要廢水排放量來看，2000—2005年水質因素對水環境可恢復性的影響尤為顯著，淮河流域水污染的嚴重性已經對水環境的可恢復性造成嚴重的影響;2006—2009年，隨著主要入河污染物排放量的削減，污染源工業排放基本達標，淮河流域水質污染得到有效控制。

表2 淮河流域2000—2009年水環境可恢復性主成分和綜合主成分分值及排名

圖1 淮河流域水環境可恢復性主成分因子得分

圖2 淮河流域水環境可恢復性變化趨勢

第2主成分F2包含了25.96%的貢獻率，其影響因子主要是年降水量、產水系數與水資源開發利用率。圖1中第2主成分的變化趨勢基本與2000—2009年淮河流域水資源量的變化情況一致。

第3主成分F3僅包含了10.59%的貢獻率，其變化情況基本反映了淮河流域水功能區的達標情況:2000—2005年淮河流域水功能區水質達標率有所上升;但自2006—2009年水功能區水質達標率有下降的趨勢，因此淮河流域在今后的水環境治理過程中需加強對水功能區水質的管理。

圖2中曲線表示2000—2009年綜合主成分值的變化情況:淮河流域的水環境恢復能力總體呈上升趨勢，其中2001年相對于總體發展趨勢得分偏高，主要原因在于2001年萬元GDP廢水排放總量、耕地平均農業化肥使用強度都比較低，而且水功能達標率較高。盡管2001年和2002年水環境可恢復性水平有所波動，但不影響總體的變化趨勢。

2.3.2 SOM神經網絡法評價結果

根據淮河流域水環境系統可恢復性影響因子對水環境系統可恢復性的影響程度，將水環境系統可恢復性分為3個等級(表3)，即可恢復性V={Ⅰ，Ⅱ，Ⅲ}。

表3 淮河流域水環境可恢復性評價等級

采用matlab7.0神經網絡工具箱中提供的SOM網絡進行輸入樣本的分類，用newsom函數進行設計，將歸一化到［0，1］區間的正向化樣本數據作為SOM網絡的輸入向量，確定網絡的輸入模式為

式中:k為樣本數，k=1，2，…，10;n為指標數，n=12。

首先利用newsom函數建立一個SOM網絡，代碼如下:

式中:P為輸入向量;min max(P)為輸入向量的最大值與最小值;D為創建網絡競爭層的網絡結構，網絡結構可以根據所需要的分類結果調整。

利用train訓練函數和sim仿真函數對SOM網絡進行訓練并仿真。SOM網絡的訓練步數對于網絡的性能有很大的影響，本文首先將網絡的訓練步數設置為 100、200、300、500、1000，分別觀察網絡的分類性能。程序運行后發現，當運行步數達到500時，分類的結果趨于穩定，故選定訓練步數為500步。然后，對網絡結構即競爭層網絡維數進行調整，觀察不同的網絡維數對神經元的分類數的影響，結果見表4。

表4 淮河流域水環境可恢復性SOM網絡聚類結果

由表4可知，當競爭層網絡維數較小時，隨著網絡維數的增加，分類數也相應增加。當網絡維數增加到［8，1］以后，網絡維數不再增加，而是出現了平穩性;與此同時，SOM網絡的權值改變也不明顯，對輸入樣本的靈敏度降低，故SOM網絡對淮河流域2000—2009年水環境可恢復性的最大聚類數為8。根據表3的評價等級數，本文選取聚類數為3，故競爭層網絡維數選為［3，1］。

選擇網絡維數為［3，1］，分類數為3，最大的訓練步數為500，對淮河流域2000—2009年水環境可恢復性進行自組織聚類評價，輸出結果為

由此可見，2000—2004年的水環境可恢復性屬于Ⅰ類，2005、2006年屬于Ⅱ類，2007—2009年屬于Ⅲ類。

本文運用PCA法對淮河流域水環境可恢復性驅動因素進行了分析，求得淮河流域水環境可恢復性主成分綜合得分值，進而得到綜合主成分得分值隨時間的變化情況，即圖2。從圖2可見，淮河流域水環境可恢復性大概分為3個階段，2000—2004年，淮河流域水環境可恢復性較弱，2005—2006年淮河流域水環境可恢復性一般，2007—2009年淮河流域水環境可恢復性較強，這正好與SOM神經網絡法分類的結果一致。

3 結論與討論

本文運用PCA法和SOM神經網絡法，對淮河流域水環境可恢復性變化趨勢和分類評價進行研究，在研究的過程中得出如下結論:

a.利用PCA法對淮河流域的水環境恢復性進行評價，發現淮河流域2009年水環境可恢復性最高，2000年最低;揭示了淮河流域的水質狀況逐漸好轉、水資源量呈現逐年增加、水環境恢復性逐年增強的趨勢，并與實際相符;但從2006年開始水功能區的水質達標率有所下降，在今后的治理工作中需要予以重視。

b.利用SOM神經網絡法對淮河流域水環境可恢復性進行評價，將2000—2009年的水環境恢復性分為3個階段:2000—2004年水環境可恢復性處于較低水平，2005年與2006年水環境可恢復性一般，2007—2009年水環境可恢復性較強，水環境可恢復性整體上逐年增強，與PCA分析得到的結論一致。

c.通過PCA和SOM神經網絡法的綜合論證，說明淮河的治理工作具有成效，并與實際相符;也說明PCA和SOM神經網絡法對水環境可恢復性評價是可行的。

水環境可恢復性是水環境狀態的特征之一，準確評價水環境可恢復性是水環境可持續利用的基礎。影響河流水環境可恢復性的因素眾多，包括水文、水動力因素，以及水污染治理與管理措施等。在今后的研究中將進一步采用更全面的評價指標和數據資料，并在水環境可恢復性評價的基礎上，建立水環境可持續利用的管理模型。

［1］HOLLING C S.Resilience and stability of ecological systems［J］.Annual Review of Ecology and Systematics，1973，4(1):1-23.

［2］TIMMERMAN P.Vulnerability，the resilience and collapse of society:a review of models and possible climatic applications［M］. Toronto，Canada:Institute for Environmental Studies，University of Toronto，1981.

［3］劉婧，史培軍，葛怡，等.災害恢復力研究進展綜述［J］.地球科學進展，2006，21(2):211-218.(LIU Jing，SHI Peijun，GE Yi.The review of disaster resilience research［J］.Advances in Earth Science，2006，21(2):211-218.(in Chinese))

［4］ADGER W N.Social and ecological resilience:are they related?［J］.Progress in Human Geography，2000，24(3):347-364.

［5］KLEIN R J T，SMITH M J，GOOSEN H，et al.Resilience and vulnerability:coastal dynamics or Dutch Dikes［J］.The Geographical Journal，1998，164(3):259-268.

［6］ELLEN W，PAUL L A，BRIAN B，et al.River restoration［J］.Water Resources Research，2005，41(10):1-12.

［7］GILLER P S.Riverrestoration:seeking ecological standards［J］.Journal of Applied Ecology，2005，42(2):201-207.

［8］PALMER M A，BERNHARDT E S，ALLEN J D，et al.Standards for ecologically successful river restoration［J］.Journal of Applied Ecology，2005，42(2):208-217.

［9］LAKE P S，BOND N，REICH P.Linking ecological theory with stream restoration［J］.Freshwater Biology，2007，52(4):597-615.

［10］LICHTER J，CARON H，PASAKARNIS T S，et al.The ecological collapse and partial recovery of a freshwater tidal ecosystem［J］.Northeastern Naturalist，2006，13(2):153-178.

［11］王亮.濕地生態系統恢復研究綜述［J］.環境科學與管理，2008，33(8):152-156.(WANG Liang.A review on wetland ecosystem restoration［J］.Environmental Science and Management，2008，33(8):152-156.(in Chinese))

［12］張杰.我國水環境恢復與水環境學科［J］.北京工業大學學報，2002，28(2):178-183.(ZHANG Jie.Water environmental recovery and subject in China［J］.Journal of Beijing Polytechnic University，2002，28(2):178-183.(in Chinese))

［13］周秋紅，張翔，穆宏強，等.水環境可恢復性定義及其評價指標初步研究［J］.水電能源科學，2011，29(9):35-37.(ZHOU Qiuhong，ZHANG Xiang，MU Hongqiang.A preliminary study on the definition of water environmental resilience and its assessment index［J］.Water Resources and Power，2011，29(9):35-37.(in Chinese))

［14］何曉群.現代統計分析方法與應用［M］.北京:中國人民大學出版社，2003.

［15］鄭敏，李隴堂，王燕華.主成分分析法用于可持續發展綜合評價中的探討:以河南省為例［J］.商丘師范學院學報，2009，25(6):110-114.(ZHENG Min，LI Longtang，WANG Yanhua.Study and discussion of the principal component analysis in sustainable development［J］.Journal of Shangqiu Teachers College，2009，25(6):110-114.(in Chinese))

［16］雷欽禮.經濟管理多元統計分析［M］.北京:中國統計出版社，2002.

［17］陳祥光，裴旭東.人工神經網絡技術及應用［M］.北京:中國電力出版社，2003.

Evaluation of river water environmental resilience in Huaihe River Basin

XIAO Yang，ZHANG Xiang，ZHOU Qiuhong，ZHU Cairong
(State Key Laboratory of Water Resources and Hydropower Engineering Science，Wuhan University，Wuhan 430072，China)

In order to identify the characteristics of the water environment in the process of sustainable utilization of water resources，a study of water environmental resilience was carried out.Based on the definition and evaluation index system of water environmental resilience，12 indices of the evaluation index system were selected，ten-year data of the Huaihe River Basin from 2000 to 2009 were collected，and principal component analysis(PCA)was used to obtain the main components influencing the water environmental resilience of the Huaihe River Basin and the yearly comprehensive principal component value varying with time.The water environmental resilience was classified into three levels:the weak，medium，and strong levels.Then，the self-organized mapping(SOM)neural network method was used to analyze the standard sample data，which were normalized in a descending or ascending order，and obtain the strength level of the water environmental resilience in each year.The results of the PCA agreed with those of the SOM neural network method.The evaluation results show that the water environmental resilience of the Huaihe River Basin increased yearly from 2000 to 2009，and the PCA and the SOM neural network method are reliable in evaluating the water environmental resilience.

water environment;resilience;principal component analysis;SOM neural network method;Huaihe River Basin

TV11

A

1004-6933(2014)03-0050-06

10.3969/j.issn.1004-6933.2014.03.010

國家自然科學基金(71073115，51279143)

肖洋(1989—)，男，碩士研究生，研究方向為生態水文學。E-mail:380835474@qq.com

張翔，教授。E-mail:zhangxiang@whu.edu.cn

(收稿日期:2013-10-12 編輯:徐 娟)