基于貝葉斯網絡的海洋生態環境狀況評價
——以山東省為例

楊湘艷，余靜，2

（1.中國海洋大學 海洋與大氣學院，山東 青島 266100；2.中國海洋大學海洋發展研究院，山東 青島 266100）

我國是海陸兼備的國家，擁有約300 萬平方千米的藍色國土。與20 世紀80 年代初相比，我國海洋生態環境狀況發生了顯著變化，出現了海洋環境污染嚴重，海洋生態系統健康受損，近海漁業資源衰退，以及自然岸線縮減等系統性問題（厲丞烜等，2014），沿海地區海洋生態環境正遭受著前所未有的人類活動干擾（鄭力燕等，2018）。開展海洋生態環境狀況科學評價方法的研究，識別影響海洋生態環境狀況的主要因素，可以為開展海洋生態環境監測評估和制定海洋生態環境保護政策提供科學依據，進而改善海洋生態環境狀況，促進陸海統籌和海洋可持續發展。

目前針對海洋生態環境狀況評價的研究主要包括以下兩類：（1）對海洋生態環境現狀及其變化趨勢的定性分析（厲丞烜 等，2014）；（2）基于觀測資料，構建指標體系（宋倫等，2007；胡婕，2007；許雪青等，2014）或結合相關模型（韓婕妤，2019）的海洋環境狀況定量評價。現行海洋生態環境狀況評價方法為海洋生態環境狀況評價指標體系構建奠定了堅實基礎，但較少有對評價指標間關系的研究。此外，在海洋生態環境狀況評價過程中，難免存在著諸如指標選取難以全面，數據質量難以保證以及對海洋生態環境狀況認知限制等不確定性，影響了海洋生態環境狀況評價結果的可靠程度。

構建基于貝葉斯網絡的海洋生態環境狀況評價方法，利用模型特點彌補目前海洋生態環境狀況評價過程中存在的不確定性，可以在一定程度上提高評價結果的科學性。同時，利用貝葉斯網絡強大的推理能力，可以進一步識別海洋生態環境狀況指標對環境狀況的影響程度及指標間相互關系，為海洋生態環境保護工作提供科學指導。本文基于貝葉斯網絡模型理論，構建了基于貝葉斯網絡的海洋生態環境狀況評價模型，并以山東省為例，構建山東近海生態環境狀況評價指標體系，開展模型應用研究。

1 海洋生態環境狀況評價模型

1.1 貝葉斯網絡基本理論

貝葉斯網絡（又稱貝葉斯概率網絡、貝葉斯信念網絡）是一種高效的圖形化決策分析工具（蔣望東等，2007），是使用數理統計知識解決復雜系統中不確定問題的有效建模方法（Friedman et al，1997）。其數學基礎是貝葉斯公式：

其中，P（Bi）代表先驗概率，P（Aj）為新證據發生的邊緣概率，P（Aj|Bi）為在先驗概率條件下新證據出現的似然概率，P（Bi|Aj）為后驗概率，即在獲取新證據后修正先驗概率所得到的更符合實際情況的概率估計（劉瑞，2016；李明等，2018）。

貝葉斯網絡包含定性與定量兩個部分，其中定性部分為表示變量間概率依賴關系的有向無環圖；而定量部分則是各個節點的概率分布，表征了不同變量對其父節點的依賴程度（張連文等，2006）。貝葉斯網絡的建模流程通常可歸納為四個步驟：（1）定義網絡節點；（2）確定貝葉斯網絡結構；（3）確定貝葉斯網絡參數；（4）進行貝葉斯網絡推理（范宵，2013）。其中，確定貝葉斯網絡結構（結構學習）與網絡參數（參數學習）的過程統稱為貝葉斯網絡學習。

與其他評價方法相比，貝葉斯網絡不僅有效地結合了定性與定量方法，還融合了先驗知識與客觀證據（劉瑞，2016），可以為開展評價研究提供科學依據。此外，貝葉斯網絡能夠基于概率理論展開統計推斷，直觀簡便，原理清晰，具有深刻的理論和實際意義（齊培培，2009；曹杰，2017）。

1.2 評價模型構建

本文將貝葉斯網絡引入海洋生態環境狀況評價，融合專家知識與客觀數據，建立并確定不同評價指標之間的網絡結構關系與相互依賴程度，進而通過概率推斷對海洋生態環境狀況開展評價。構建基于貝葉斯網絡的海洋生態環境狀況評價模型如下：

其中，B 代表子節點海洋生態環境狀況（i 為海洋環境狀況等級，本文設置每個節點可取3 種狀態，1、2、3 分別對應良好、一般、較差） 或準則層指標，A 代表父節點準則層指標或海洋生態環境狀況指標（j 為指標編號）。Aj表示第j 個指標的觀測值。

利用該模型開展海洋生態環境狀況評價的基本步驟如下：

（1）基于區域生態環境狀況特征與數據收集情況，構建海洋生態環境狀況評價指標體系，并進行數據標準化、指標分等定級等數據預處理；

（2）計算不同指標的主客觀組合權重；

（3）通過專家咨詢，構建海洋生態環境狀況評價初始貝葉斯網絡結構；

（4）設計基于距離法的蒙特卡洛算法，彌補無法或難以獲取的指標數據；

（5）通過結構學習與合理調整，獲得最終網絡結構；

（6）基于最終結構進行參數學習；

（7） 將最終結構與參數學習結果輸入Netica進行推理，并分析結果。

圖1 基于貝葉斯網絡的海洋生態環境狀況評價模型流程圖

2 案例研究

本文選取山東省近岸海域作為評估案例，運用上文構建的基于貝葉斯網絡的海洋生態環境狀況評價模型對其海洋生態環境狀況進行評價和分析。評估實驗平臺為MATLAB 2015b，相應庫函數來自K.P.Murphy 編寫的BNT 工具箱。

2.1 評價指標體系構建

山東省是位于我國東部沿海的一個海洋大省，具有獨特的海洋經濟發展區域優勢（劉笑，2019）。山東半島是我國最大的半島，三面環海，與日本列島、朝鮮半島、遼東半島隔海相望（劉笑，2019；張盼盼等，2017）。全省管轄海域面積約15.96 萬平方千米，海岸線長約3 345 千米（侯英民，2010）；海洋生物、礦產、能源、旅游資源豐富（狄乾斌等，2015）。

本文基于山東省海洋生態環境特點與山東省海洋環境狀況公報數據，選取山東近海生態環境狀況評價指標（表1）。該指標體系的準則層由海洋環境質量、海洋生態健康和海洋生態災害構成，并進一步細分為8 個指標。

表1 山東近海生態環境狀況評價指標體系

本文計算所需數據來源于2013—2019 年的《山東省海洋環境狀況公報》，指標等級劃分依據《近岸海洋生態健康評價指南（HY/T 087-2005）》《區域性生物多樣性評價標準（HJ623-2011）》《綠潮預報和警報發布HY/T 217-2017》 《赤潮監測技術規程HT/T 069-2005》 《山東省海洋環境狀況公報》 《近岸海域環境監測規范HJ 442-2008》和相關參考文獻研究結果（胡婕，2007；許雪青等，2014）等資料確定。

2.2 數據處理與權重計算

由于各指標的單位不統一，故在進行指標權重計算和綜合評價前，需對數據進行標準化處理。根據指標性質的不同采用對應的標準化公式如下。其中，正向指標代表對海洋生態環境狀況有正面作用的指標，負向指標代表對海洋生態環境狀況有負面影響的指標。

正向指標（指標1～6）：

為充分融合客觀數據的邏輯性與專家經驗的實際意義，保證評價的客觀性，本文采用熵值法和AHP 法確定權重，具體計算方法見相關參考文獻（孫倩等，2018；孫慧瑩等，2019），此處不再贅述。在計算出指標層各指標權重后，根據綜合評價指數法公式（胡婕，2007）計算得到準則層指標數據，再進一步計算得到其權重。

本文首先通過電子平臺發放百余份問卷，邀請各領域專家對指標間的重要性比值按照1～5 標度進行打分，同時根據專家意見對指標體系做相應調整，計算得到AHP 法權重結果；再選取2013—2019 年山東省近海生態環境狀況指標數據，對數據進行標準化處理后計算得到熵值法權重結果，最后得到組合權重如表2 所示。

表2 2013—2019 年山東近海生態環境狀況指標權重

此外，由于在無特殊情況下，海洋生態環境狀況的各項指標年變化量不會出現大幅變化，轉換成指標等級變化將更不明顯。為更好地分析各個年份的海洋生態環境狀況變化，本文采用距離法（齊培培，2009）對各個年份的指標數據進行分等定級，具體方法如下：

其中，xj表示第j 個指標的觀測值；yij表示環境狀況級別為i 時，第j 個指標的標準值；Lij=|xj-yij|，指標觀測值與對應級別標準值的絕對值差越大，其屬于該級別的可能性就越小。如對于指標7 而言，設其觀測值為100，則其屬于良好等級的概率為：

即有標準區間的各等級標準值均取最大值，無法確定最大值的按等差數列取值。

基于2013—2019 年山東近海生態環境狀況指標數據，采用上述方法計算得到各年指標等級劃分結果如表3 所示。

2.3 貝葉斯網絡結構學習

目前，構建貝葉斯網絡拓撲結構的方式主要包括專家知識構建和數據學習構建兩種（曹杰，2017），其中，數據學習構建方法依賴于足夠多的樣本數據進行，因而在數據較少或節點間因果關系明顯的情況下，專家知識構建方法更具優勢（李俊生等，2008）。基于本研究的數據條件及指標間較為明顯的因果關系（莫定源，2017），本文首先采取專家知識構建方法構建山東省海洋生態環境狀況評價初始貝葉斯網絡拓撲結構（圖2）。其中浮游植物作為生態系統的基礎，其多樣性對其他物種如浮游動物、底棲生物等的多樣性有不容忽視的影響。再基于實際數據通過統計分析得到各指標層指標的概率分布，采用基于距離法的蒙特卡洛算法，融入指標權重后給出準則層及目標層指標的初始概率分布，并基于上述概率分布構造足量數據樣本，采用爬山搜索算法（hill-climbing）與BIG 評分函數進行結構學習，基于學習結果與專家經驗知識進一步優化得到最終網絡拓撲結構（圖3）。

圖2 山東近海生態環境狀況評價貝葉斯網絡初始結構

圖3 山東近海生態環境狀況評價貝葉斯網絡最終結構

根據結構學習結果，可以看出指標8 綠潮分布面積與指標7 赤潮分布面積之間存在一定的因果關系。這是由于綠潮的發生將引起海域內營養鹽結構的改變，破壞海域內群落結構穩定性，進而引發赤潮等次生生態災害（馮立娜等，2020）。

2.4 貝葉斯網絡參數學習

貝葉斯網絡參數學習是在已知貝葉斯網絡結構的情況下確定貝葉斯網絡參數，亦即各節點概率分布的過程。數據集完備情況下的參數學習方法包括最大似然估計法（MLE）與貝葉斯估計方法（MAP）；數據集缺失情況下的參數學習方法則包括EM 算法與Gibbs 抽樣算法（李明，2018）。相對于最大似然估計，貝葉斯估計方法可以更好地考慮先驗知識的影響（范宵，2013），使后驗概率最大，故本文采用貝葉斯估計方法進行參數學習。以指標9 海洋環境質量為例，參數學習結果如表4 所示。

表4 指標9 海洋環境質量參數學習結果

2.5 推理計算

Netica 是一款基于Java 開發的貝葉斯網絡學習軟件（陳靜等，2016），因其設計簡單、功能強大，被廣泛應用于商業、工程或生態環境等領域的不確定性研究（曹雪亞，2009）。將最終網絡結構與各節點概率分布輸入Netica 軟件平臺，得到推理結構（圖4）。再依據各指標的逐年等級概率分布進行推理，獲得基于貝葉斯網絡模型的逐年海洋生態環境狀況評價結果（表5），逐年變化趨勢（圖5）。

圖4 山東省近海生態環境狀況評價Netica 推理結構

圖5 基于貝葉斯網絡的山東省海洋生態環境狀況2013—2019 年評價結果變化趨勢

表5 2013—2019 年山東近海生態環境狀況貝葉斯網絡模型評價結果

根據最大概率原則，可知基于貝葉斯網絡的山東近海生態環境狀況結果為：2013—2019 年間山東近海生態環境狀況基本保持一般狀態，但概率大小有所起伏，整體呈現上升-下降-上升-下降-上升的趨勢。此外，2015 年以前海洋生態環境狀況屬于較差狀況的概率高于其屬于良好狀況的概率；2015 年以后海洋生態環境狀況屬于良好狀況的概率有所上升，超過其屬于較差狀況的概率，可見山東省近海生態環境狀況于2015 年后有一定程度的改善。查閱山東省海洋環境質量公報可知，2013—2019 年期間山東省近海海水質量與沉積物質量始終保持穩中向好的變化趨勢；綠潮災害爆發面積在2014 年與2015 年有明顯增長，2015 年后顯著下降并保持相對穩定；自2015 年起赤潮災害鮮有發生或僅在小范圍內發生；近海海域內浮游生物多樣性水平起伏較為明顯，2015 年浮游植物多樣性指數與底棲生物多樣性指數均為最低值。相關指標變化趨勢均表明，山東省近海生態環境狀況于2015 年后有所改善。

2.6 模型檢驗

綜合評價指數法在評價領域得到廣泛應用，其指標歸一化方法在表征變量的時間變化趨勢上有簡便直觀的優勢。故本文采用綜合評價指數法進行逐年海洋生態環境狀況綜合評價，將評價結果逐年變化趨勢與模型呈現結果進行比較，以驗證模型評價的可行性。根據綜合評價指數法公式（胡婕，2007）：

其中，棕i為指標權重，Ci為各評價指標歸一化值，n 為指標個數；計算得到各年環境狀況綜合評價值如表6 所示：

表6 2013—2019 年山東省近岸海洋生態環境狀況綜合指數評價結果

根據對比結果，可知兩種評價方法雖在變化幅度上有所不同，但整體變化趨勢一致，均呈現上升-下降-上升-下降-上升的趨勢，說明本文構建的基于貝葉斯網絡的海洋生態環境狀況評價模型合理且可行。

圖6 貝葉斯模型評價結果與綜合指數評價結果變化趨勢對比

2.7 結果與討論

根據模型評價結果可知，2013—2019 年間山東省近海生態環境狀況總體保持一般狀態，于2015 年出現惡化情況，并于2015 年后在整體上有一定程度的改善，2017 年后略有變差，整體呈現上升-下降-上升-下降-上升的趨勢。為識別影響山東近海生態環境狀態的主要因素，需要對評價指標的變化趨勢及其對環境狀況的影響機理進行深入挖掘。

貝葉斯網絡敏感性分析是指通過改變輸入節點參數的值來量化其對目標節點的影響程度（莫定源，2017）。為了進一步分析各個指標對海洋生態環境狀況評價結果的影響程度，通過比較由Netica軟件計算得到的各指標的方差（Variance of Beliefs）值大小對各個指標進行敏感性分析（陳靜 等，2016），方差值越大，則代表該指標對結果影響越大（表7）。

由表7 可知，在本研究案例中，準則層指標中對海洋生態環境狀況評價結果影響最大的指標依次為海洋環境質量、海洋生態災害與海洋生態健康；在指標層指標中，對海洋生態環境狀況影響最大的前三個指標依次為區域沉積物綜合質量、一二類水質面積占比與綠潮分布面積。

表7 各指標敏感性分析結果

海洋環境質量作為海洋生態環境基底，對海洋生態災害的發生頻率及海洋生態系統健康都有不容忽視的影響。海水富營養化被視為導致綠潮和赤潮等海洋生態災害的重要原因（郭偉，2017），自2007 年起，每年5—8 月綠潮災害都會影響我國南黃海海域，這與城市污水排放等人類活動引起的海水富營養化密不可分。此外，受圍填海工程等因素的影響，山東省北部萊州灣生態監控區多年處于環境質量不健康狀態（李先超，2011）；近海浮游動植物多樣性有所降低，海洋生態系統始終處于亞健康狀態。而海洋生態災害的發生也會反作用于海洋環境質量，如大型海洋綠藻大量增殖的現象——綠潮，雖然其在發生過程中并不會對環境及人體健康造成危害，但其消亡過程會對水質產生一定影響（梁宗英等，2008）。

研究表明陸源排放污染物是導致近海生態環境質量惡化的主要原因（陳江麟等，2000），山東省通過調整產業結構、關停高污企業和提高治污技術水平等，有效提高了城市污水處理達標率（秦燦，2014），進而有效改善了海洋環境質量。近年來，山東省逐步加大海洋環境保護力度，先后頒布了《山東省海洋功能區劃（2011—2020 年）》 《山東省渤海海洋生態紅線區劃定方案（2013—2020 年）》《山東省黃海海洋生態紅線劃定方案（2016—2020年）》等規劃方案對海洋開發利用活動進行管制，并設立了諸如紅線區面積占比、自然岸線保有率、水質達標率等相應海洋環境保護控制指標，海洋環境質量得到有效改善，赤潮發生頻率與綠潮分布面積顯著下降，海洋環境保護效果初見成效。

3 結論

本文基于貝葉斯網絡模型理論，初步構建了基于貝葉斯網絡的海洋生態環境狀況評價模型，并以山東省為例，開展模型應用研究。主要研究結論如下：

（1）基于貝葉斯網絡開展海洋生態環境狀況評價是行之有效的。通過貝葉斯網絡的結構構建與學習，可以直觀地表達各個因素間的因果關系，并通過條件概率表表征因素間的依賴程度，從定性與定量角度開展海洋生態環境狀況評價，為海洋生態環境狀況評價研究提供了新的研究思路。

（2）本研究在權重計算與模型結構構建過程中充分融合了專家經驗知識與客觀數據。通過咨詢海洋生態、環境等領域的專家，調整評價指標體系使其更加合理；基于AHP 法確定的主觀權重有效地中和了客觀權重的局限性。此外，通過基于距離法的蒙特卡洛算法計算準則層與目標層指標數據，克服了數據量不充分的缺陷。

（3）基于案例基本信息，對各個指標進行了貝葉斯網絡敏感性分析，初步分析得到了對海洋生態環境狀況評價結果影響程度較大的指標，分析結果對于環境保護政策制定具有一定的借鑒意義。在擴大數據時間序列與空間分布精度的情況下，將得到更為準確的分析結果。

（4）根據模型評價結果，可以看出山東省近年來在海洋環境保護方面的工作，尤其是海洋環境質量改善、海洋生態災害控制兩方面初見成效，但在提升海洋生態健康方面效果有所欠缺或尚未顯現。

基于公報數據的模型評價在反映海水流動性方面有較大的局限性，下一步，我們將完善數據來源，構建基于動態貝葉斯網絡的海洋生態環境狀況空間評價模型，從時空演變角度體現海水流動性及其對結果的影響，提高評價結果的準確性。