Ecological restoration effect evaluation of artificial reefs with choquet integral algorithom
-
摘要:
生态修复效果评价属于人工鱼礁建设项目的后评价问题，是研究的热点和难点之一。基于压力—状态—响应（pressure-state-response，PSR）模型，本文从示范区与对照区海洋生态环境基本状况和生态系统结构着手构建人工鱼礁生态修复效果评价指标体系。为降低指标之间相关性引起的信息冗余及权重赋值对评价结果的影响，本文引入Choquet模糊积分构建综合评价模型，并以秦皇岛人工鱼礁区2012年5月份航次数据为例开展实例评价。结果显示，该人工鱼礁具有一定的生态修复效果。
-
关键词:
- 人工鱼礁 /
- 生态修复 /
- PSR模型 /
- Choquet模糊积分 /
- 综合评价
Abstract:Comprehensive evaluation of ecological restoration effects belongs to the post-evaluation of an artificial reefs construction project, and is one of the hotspots and difficulties in artificial reefs researches. Based on the pressure-state-response (PSR) conceptual model, this paper constructs an evaluation index system of artificial reefs ecological restoration effect from the basic situation of marine ecological environment and ecosystem structure in the demonstration area and the control area. In order to reduce the information redundancy caused by the correlation between the indicators and the influence of the weight assignment on the evaluation result, this paper introduces Choquet fuzzy integral to construct a comprehensive evaluation model, and uses the data of the artificial reef area of Qinhuangdao in May 2012 as an example to carry out the evaluation. The result shows that the artificial reef has a certain ecological restoration effect.
-
人工鱼礁是投放于水生生境中用于生物基底构筑或庇护所营造的人造构筑物[1],有利于改善水生生态环境、恢复和养护海洋渔业资源[2]。多年来，国内外在人工鱼礁生态环境修复效果评价方面开展了大量研究，取得了一系列成果[3-4]。早期，学者们主要从礁体材料[5]、水动力[6]或集鱼效果[7]等单方面开展研究，采用的模型包括DARCs[8]、IBM[9]、EwE[10]等，由于研究视角比较单一，结论相应地具有局限性。近年来，部分学者通过多种环境参数或生物指标的现场调查，利用多元统计理论，综合评价人工鱼礁对于水生生境的影响[11-13]，在方法论层面得到了较大的提升。
事实上，人工鱼礁与周边的水环境、底质环境及生物组分之间存在复杂的相互作用，需要从复杂系统的视角，采用基于多因素的综合评价，才能科学、合理地反映实际的修复效果。按照综合评价理论，一种综合评价方法由标准化函数、基函数和权数三部分组成，其中任何一个组成部分的变化都会导出一种新的评价方法，从而对评价结果产生影响[14]。如何针对所研究的问题，选择符合实际的标准化函数、基函数和权数是综合评价问题研究的重点和难点。
Choquet模糊积分是一种基于模糊测度处理属性间关联问题的综合评价方法，具有模糊算子大小与属性重要性和决策者的主观性相分离、无须确定属性权重等优势，从而使评价结果更加客观和准确，因而得到广泛的应用[15]。本文从丰富评价方法的角度，将Choquet模糊积分引入人工鱼礁生态修复效果评价工作，并将其应用于秦皇岛人工鱼礁区的研究，以期为其他区域人工鱼礁生态修复效果综合评价提供参考。
1 材料与方法
1.1 研究区域与数据来源
秦皇岛人工鱼礁示范区建设始于2010年，截至2012年5月，累计投放人工鱼礁15000空方，构建鱼礁示范区133 ha[16]。2012年5月和9月，研究人员对人工鱼礁投放区及周边海域进行了两个航次的现场调查，共设置8个调查站位，其中鱼礁示范区内4个（记为S1、S2、S3、S4），礁区外对照区4个（记为T1、T2、T3、T4）。由于9月航次存在数据缺失，本文以5月数据进行人工鱼礁生态修复效果评价。基于研究区域的海洋生态系统特征，进行了两个航次数据的比较分析，未发现5月数据的异常情况。
1.2 评价指标体系构建
概念模型常被用来描述自然现象或社会现象的主要特征和变化规律[17]。综合评价时,选择合适的概念模型是构建评价指标体系的前提。压力—状态—响应（pressure-state-response，PSR）模型，能够反映生态系统在自然和人类活动压力下生态系统状态变化以及系统做出响应三者之间的逻辑关系，在生态环境评价中得到广泛应用[18]。应用PSR模型，需要确定系统的时空尺度，进而选择相应的具体指标。本文研究的人类活动对人工鱼礁的影响，更多体现在陆源污染物的输入或其他人类活动的间接干扰，因此选择大尺度范围的经济发展总量、人口密度等指标可能会放大外部压力的影响，从而导致不尽合理的评价结果[19]。为此，从生态系统组分出发，本研究选择主要监测指标构建评价指标体系。
基于上述观点，结合《人工鱼礁建设技术规范》(SC/T 9416－2014)的相关规定，采用水环境和沉积物环境这两类因素代表压力状况，构成压力指标。考虑数据的可获取性，水环境因素包括COD、PO4-P、NO3-N、NO2-N、NH3-N 5项指标；沉积物环境因素包括有机碳和硫化物。状态指标不仅需要反映人工鱼礁生态修复的效果，还需要反映投放人工鱼礁的目的，选择生物因素作为状态指标，包括底栖动物密度、游泳动物密度、底栖动物生物量、游泳动物生物量、叶绿素a共5项指标。状态变化导致鱼礁区及周边海洋生态系统的调整，因此选择浮游植物多样性指数(
$ H' $ )、浮游动物多样性($ H' $ )、游泳动物种数、鱼卵、仔稚鱼种数5项指标表征海洋生态系统的响应特征。本文构建的人工鱼礁生态修复效果综合评价指标体系见表1。1.3 基于Choquet模糊积分的评价步骤
法国数学家Chquet[20] 于1954年提出了容度理论并定义了Choquet积分。此后，Sugeno[21]、Marichal[22] 等学者对该问题进行了深入研究，用约束条件较弱的单调性和连续性取代经典概率中可加性的刚性约束处理指标间交互影响问题[23]，继而提出基于模糊测度的Choquet积分[24]。结合本问题的研究，基于Choquet模糊积分进行综合评价的原理和步骤如下[25]。
步骤1： 基于PSR模型，构建压力、状态和响应三个准则层，因素层C={C1, C2,···Cm}，m为评价指标体系中因素层个数；单项指标层D={D1, D2,···
$ {D}_{n} $ }，n为评价指标体系个数，如此构成综合评价指标体系。步骤 2： 邀请多位相关专业的专家进行问卷调查，根据重视度打分尺度表（表2）对各因素层（Cm）与各单项指标（
$ {D}_{n} $ ）进行打分。采集打分结果，计算因素层Cm与指标层$ {D}_{n} $ 的模糊密度g（$ {C}_{m} $ ）和g（$ {D}_{n} $ ）。表 1 基于PSR的人工鱼礁区生态修复效果评价指标体系Tab. 1 Evaluation index system of ecological restoration effect in the artificial reef area based on PSR目标层 准则层 因素层 模糊密度 指标层 正负性 模糊密度 人工
鱼礁
区生
态修
复效
果ACOD/mg·L−1 D1 - 0.68 PO4-P/mg·L−1 D2 - 0.54 水环境 C1 0.66 NO3-N/mg·L−1 D3 - 0.54 压力 B1 NO2-N/mg·L−1 D4 - 0.54 NH3-N/mg·L−1 D5 - 0.60 沉积物环境 C2 0.40 有机碳/(%) D6 - 0.56 硫化物/mg·kg−1 D7 - 0.52 底栖动物密度/个·m−2 D8 + 0.40 游泳动物密度/ind·ha−1·h−1 D9 + 0.54 状态B2 生物状况 C3 0.56 底栖动物生物量/g·m−2 D10 + 0.68 游泳动物生物量/kg·ha−1·h−1 D11 + 0.66 叶绿素a/mg·m−3 D12 + 0.70 响应 B3 生物多样性 C4 0.70 浮游植物多样性指数( $H'$) D13 + 0.58 浮游动物多样性指数( $H'$) D14 + 0.58 游泳动物种数(种) D15 + 0.66 鱼卵、仔稚鱼种数(种) D16 + 0.76 表 2 评价指标重视度的打分尺度表Tab. 2 Scoring scale for the importance of evaluation indicators重要
程度极不
重要非常
不重要很不
重要稍不
重要普
通稍微
重要很
重要非常
重要极
重要分值 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 步骤 3： 根据评价指标体系收集环境和生物生态调查数据，并将这些指标分为正向和负向两类。使用标准化方法处理原始数据，并转换为指标属性相对隶属度值
$ {{r}}_{{D}_{i}} $ ，得到m个指标属性相对隶属度值矩阵$ {R}_{{C}_{m}} $ 。正向指标的标准化处理方法：
$$ {r}_{{D}_{i}} = ( {D}_{i}-\wedge {D}_{i'} )/ ( {\vee D}_{i'}-\wedge {D}_{i'} ) $$ (1) $$ {r}_{{D}_{i}} = {D}_{i} /( {\vee D}_{i'}+\wedge {D}_{i'} ) $$ (2) 负向指标的标准化处理方法：
$$ {r}_{{D}_{i}} = ( {\vee D}_{i'}-{D}_{i'} )/ ( {\vee D}_{i'}-\wedge {D}_{i'} ) $$ (3) $$ {r}_{{D}_{i}} = {1-D}_{i} /( {\vee D}_{i'}+\wedge {D}_{i'} ) $$ (4) 式中：
$ {r}_{{D}_{i}} $ 是因素Cm中单项指标$ {D}_{i} $ 的相对隶属度；$ \wedge {D}_{i'} $ 为因素Cm中包含的所有指标中的最小特征值；$ \vee {D}_{i'} $ 为因素Cm中包含的所有指标中的最大特征值。当一组单项指标属性特征值中最大最小值差距较大时采用式（1）、（3），反之采用式（2）、（4）。步骤 4： 由式（5）分别计算因素Cm和准则
$ {D}_{n} $ 的λ值。$$ \prod\nolimits_{i=1}^{n}\left(1+\lambda {g}_{i}\right)=\lambda +1 $$ (5) 式中：λ>−1时，该值可以通过公式（5）唯一确定。
步骤 5： 由式（6）计算因素Cm和准则
$ {D}_{n} $ 的$ \mathrm{\lambda } $ 模糊测度。设D={D1, D2,···
$ {D}_{n} $ }为有限集，令$ {g}_{i} $ =g（$ {D}_{n} $ ）为评价指标$ {D}_{n} $ 的模糊密度，如果C={D1, D2,···$ {D}_{n} $ }，则：$$ \begin{split} &{g}_{\lambda }\left(C\right)={\sum\limits _{i=1}^{n}{g}_{i}}+\mathrm{\lambda }\sum _{{i}_{1}=1}^{n-1}\sum _{{i}_{2}={i}_{1}+1}^{n}{g}_{{i}_{1}}{g}_{{i}_{2}}+ \cdots +\\ & \qquad {\mathrm{\lambda }}^{n-1}{\mathrm{g}}_{1}{\mathrm{g}}_{2} \cdots {g}_{n}=\frac{1}{\mathrm{\lambda }}\left[\prod _{i=1}^{n}\left(1+\mathrm{\lambda }{g}_{i}\right)-1\right] \end{split} $$ (6) 步骤 6： 计算不同监测站位（包括示范区和对照区）基于因素
$ {C}_{m} $ 的评价值$ {e}_{i}\left({C}_{m}\right) $ 。由因素Cm（m=1, 2, ···, m）对应的指标属性相对隶属度值矩阵
$ {R}_{{C}_{m}} $ 。$$ \int f\left(X\right)dg=\sum\nolimits _{i=1}^{m}\left(f\left({D}_{\left(n\right)}\right)-f\left({D}_{\left(n-1\right)}\right)\right)g\left({C}_{\left(m\right)}\right) $$ (7) 计算不同监测点位在因素
$ {C}_{m} $ 下的评价值。$$ {e}_{i}\left({C}_{m}\right)=\sum\nolimits _{1}^{n}\left({r}_{j}\left({C}_{m}\right)-{r}_{\left(j-1\right)}\left({C}_{m}\right)\right)g\left({C}_{m\left(j\right)}\right) $$ (8) 式中：
$ j $ 是按照${r}_{j\left(1\right)}\left({C}_{m}\right)\leqslant {r}_{j\left(2\right)}\left({C}_{m}\right)\leqslant \cdots {r}_{j\left(j=n\right)} \left({C}_{m}\right)$ 进行排序后的下标。步骤 7： 计算基于所有因素的综合评价值
$ {E}_{i} $ 。由步骤 6得到的评价值
$ {e}_{i}\left({C}_{m}\right) $ 计算各监测点位的综合评价值，计算步骤与步骤 6相似。步骤 8： 依据评价值大小进行排序（最大最优）。
2 结果与讨论
2.1 计算过程
本研究构建的综合评价体系包括7项压力指标、5项状态指标和4项响应指标，如表1所示。邀请人工鱼礁建设规划、海洋环境和海洋生态方面的7名专家组成专家组进行指标重要性问卷调查。基于问卷调查数据计算得到的模糊密度见表1。
示范区和对照区调查数据按式(1)－式(4)经标准处理后见表3。在此基础上计算隶属度，构建隶属度矩阵
$ {R}_{C1}、{R}_{C2}、{R}_{C3}、{R}_{C4} $ （限于篇幅，本文只列出$ {R}_{C1} $ ）。表 3 秦皇岛人工鱼（藻）礁区生态修复效果评价数据归一化处理Tab. 3 Normalization of evaluation data of ecological restoration effect in artificial fish (algae) reef area in Qinhuangdao因素 具体指标 S1 S2 S3 S4 T1 T2 T3 T4 水
环
境D1 0.783 0.633 0.683 0.767 0.45 0.217 0.504 0.717 D2 0.667 0.667 0.667 0.667 0.333 0.5 0.5 0.5 D3 0.6 0.55 0.75 0.8 0.2 0.3 0.5 0.55 D4 0.833 0.5 0.667 0.833 0.167 0.5 0.333 0.5 D5 0.353 0.471 0.941 0.941 0.059 0.176 0.882 0.941 沉积物 D6 0.782 0.82 0.278 0.444 0.729 0.654 0.181 0.684 环境 D7 0.476 0.789 0.456 1 0 0.593 0.424 0.176 生
物
状
况D8 0.468 1 0.643 0.005 0 0.315 0.298 0.009 D9 1 0.379 0.333 0.406 0.146 0 0.152 0.015 D10 0.24 1 0.134 0.135 0.067 0.057 0.034 0 D11 0.974 1 0.522 0.64 0.393 0 0.357 0.014 D12 0.796 0.438 0.257 0.348 0.32 0.204 0.22 0.23 D13 0.61 0.485 0.522 0.481 0.509 0.39 0.434 0.407 生物 D14 0.535 0.483 0.466 0.462 0.545 0.483 0.455 0.524 多样性 D15 0.476 0.524 0.476 0.571 0.571 0.429 0.476 0.524 D16 0.625 0.625 0.625 0.625 0.375 0.375 0.375 0.375 $$ \begin{split} &{R_{C1}} = \\ &\left[ {\begin{array}{*{20}{c}} {0.783} & {0.633} & {0.683} & {0.767} & {0.450} & {0.217} & {0.504} & {0.717}\\ {0.667} & {0.667} & {0.667} & {0.667} & {0.333} & {0.500} & {0.500} & {0.333}\\ {0.600} & {0.550} & {0.750} & {0.800} & {0.200} & {0.300} & {0.500} & {0.550}\\ {0.833} & {0.500} & {0.667} & {0.833} & {0.167} & {0.500} & {0.333} & {0.500}\\ {0.353} & {0.471} & {0.941} & {0.941} & {0.059} & {0.176} & {0.882} & {0.941} \end{array}} \right] \end{split} $$ 根据式(5)计算各层的λ值，计算结果见表4。
表 4 准则层与各因素层的λ值Tab. 4 The λ value of the criterion level and each factor level层面 Λ 值 层面 λ值 准则层B −0.9672 因素层C3 −0.9902 因素层C1 −0.9863 因素层C4 −0.9837 因素层C2 −0.2747 按步骤 5计算准则集和各指标集的λ模糊测度（表5），按步骤 6计算示范区和对照区监测点位基于不同评价因素的评价值
$ {e}_{i}\left({C}_{m}\right) $ 。为了节省篇幅，下文以对照区1(T1)基于水环境因素（$ {C}_{1} $ ）为例说明计算过程。表 5 准则集和各指标集的λ模糊测度值Tab. 5 The λ fuzzy measure values of criteria set and index set层面 指标集 模糊测度 指标集 模糊测度 准则层B $ \left\{\varnothing \right\} $ 0.0000 $ \left\{\mathrm{2,3}\right\} $ 0.7433 $ \left\{1\right\} $ 0.6600 $ \left\{\mathrm{2,4}\right\} $ 0.8292 $ \left\{2\right\} $ 0.4000 $ \left\{\mathrm{3,4}\right\} $ 0.8809 $ \left\{3\right\} $ 0.5600 $ \left\{\mathrm{1,2},3\right\} $ 0.9288 $ \left\{4\right\} $ 0.7000 $ \left\{\mathrm{1,2},4\right\} $ 0.9599 $ \left\{\mathrm{1,2}\right\} $ 0.8047 $ \left\{\mathrm{1,3},4\right\} $ 0.9786 $ \left\{\mathrm{1,3}\right\} $ 0.8625 $ \left\{\mathrm{2,3},4\right\} $ 0.9401 $ \left\{\mathrm{1,4}\right\} $ 0.9132 $ \left\{\mathrm{1,2},\mathrm{3,4}\right\} $ 1.0000 因素层C1 $ \left\{\varnothing \right\} $ 0.0000 $ \left\{\mathrm{1,2},3\right\} $ 0.9409 $ \left\{1\right\} $ 0.6800 $ \left\{\mathrm{1,2},4\right\} $ 0.9409 $ \left\{2\right\} $ 0.5400 $ \left\{\mathrm{1,2},5\right\} $ 0.9502 $ \left\{3\right\} $ 0.5400 $ \left\{\mathrm{1,3},4\right\} $ 0.9409 $ \left\{4\right\} $ 0.5400 $ \left\{\mathrm{1,3},5\right\} $ 0.9502 $ \left\{5\right\} $ 0.6000 $ \left\{\mathrm{1,4},5\right\} $ 0.9502 $ \left\{\mathrm{1,2}\right\} $ 0.8578 $ \left\{\mathrm{2,3},4\right\} $ 0.9104 $ \left\{\mathrm{1,3}\right\} $ 0.8578 $ \left\{\mathrm{2,3},5\right\} $ 0.9235 $ \left\{\mathrm{1,4}\right\} $ 0.8578 $ \left\{\mathrm{2,4},5\right\} $ 0.9235 $ \left\{\mathrm{1,5}\right\} $ 0.8776 $ \left\{\mathrm{3,4},5\right\} $ 0.9235 $ \left\{\mathrm{2,3}\right\} $ 0.7924 $ \left\{\mathrm{1,2},\mathrm{3,4}\right\} $ 0.9798 $ \left\{\mathrm{2,4}\right\} $ 0.7924 $ \left\{\mathrm{1,2},\mathrm{3,5}\right\} $ 0.9841 $ \left\{\mathrm{2,5}\right\} $ 0.8204 $ \left\{\mathrm{1,2},\mathrm{4,5}\right\} $ 0.9841 $ \left\{\mathrm{3,4}\right\} $ 0.7924 $ \left\{\mathrm{1,3},\mathrm{4,5}\right\} $ 0.9841 $ \left\{\mathrm{3,5}\right\} $ 0.8204 $ \left\{\mathrm{2,3},\mathrm{4,5}\right\} $ 0.9716 $ \left\{\mathrm{4,5}\right\} $ 0.8204 $ \left\{\mathrm{1,2},\mathrm{3,4},5\right\} $ 1.0000 因素层C2 $ \left\{\varnothing \right\} $ 0.0000 $ \left\{2\right\} $ 0.5200 $ \left\{1\right\} $ 0.5600 $ \left\{\mathrm{1,2}\right\} $ 1.0000 因素层C3 $ \left\{\varnothing \right\} $ 0.0000 $ \left\{\mathrm{1,2},3\right\} $ 0.9172 $ \left\{1\right\} $ 0.4000 $ \left\{\mathrm{1,2},4\right\} $ 0.9116 $ \left\{2\right\} $ 0.5400 $ \left\{\mathrm{1,2},5\right\} $ 0.9228 $ \left\{3\right\} $ 0.6800 $ \left\{\mathrm{1,3},4\right\} $ 0.9409 $ \left\{4\right\} $ 0.6600 $ \left\{\mathrm{1,3},5\right\} $ 0.9488 $ \left\{5\right\} $ 0.7000 $ \left\{\mathrm{1,4},5\right\} $ 0.9451 $ \left\{\mathrm{1,2}\right\} $ 0.7261 $ \left\{\mathrm{2,3},4\right\} $ 0.9567 $ \left\{\mathrm{1,3}\right\} $ 0.8107 $ \left\{\mathrm{2,3},5\right\} $ 0.9628 $ \left\{\mathrm{1,4}\right\} $ 0.7986 $ \left\{\mathrm{2,4},5\right\} $ 0.9599 $ \left\{\mathrm{1,5}\right\} $ 0.8227 $ \left\{\mathrm{3,4},5\right\} $ 0.9748 $ \left\{\mathrm{2,3}\right\} $ 0.8564 $ \left\{\mathrm{1,2},\mathrm{3,4}\right\} $ 0.9778 $ \left\{\mathrm{2,4}\right\} $ 0.8471 $ \left\{\mathrm{1,2},\mathrm{3,5}\right\} $ 0.9815 因素层C3 $ \left\{\mathrm{2,5}\right\} $ 0.8657 $ \left\{\mathrm{1,2},\mathrm{4,5}\right\} $ 0.9797 $ \left\{\mathrm{3,4}\right\} $ 0.8956 $ \left\{\mathrm{1,3},\mathrm{4,5}\right\} $ 0.9887 $ \left\{\mathrm{3,5}\right\} $ 0.9087 $ \left\{\mathrm{2,3},\mathrm{4,5}\right\} $ 0.9936 $ \left\{\mathrm{4,5}\right\} $ 0.9025 $ \left\{\mathrm{1,2},\mathrm{3,4},5\right\} $ 1.0000 因素层C4 $ \left\{\varnothing \right\} $ 0.0000 $ \left\{\mathrm{2,3}\right\} $ 0.8634 $ \left\{1\right\} $ 0.5800 $ \left\{\mathrm{2,4}\right\} $ 0.9064 $ \left\{2\right\} $ 0.5800 $ \left\{\mathrm{3,4}\right\} $ 0.9266 $ \left\{3\right\} $ 0.6600 $ \left\{\mathrm{1,2},3\right\} $ 0.9508 $ \left\{4\right\} $ 0.7600 $ \left\{\mathrm{1,2},4\right\} $ 0.9693 $ \left\{\mathrm{1,2}\right\} $ 0.8291 $ \left\{\mathrm{1,3},4\right\} $ 0.9779 $ \left\{\mathrm{1,3}\right\} $ 0.8634 $ \left\{\mathrm{2,3},4\right\} $ 0.9779 $ \left\{\mathrm{1,4}\right\} $ 0.9064 $ \left\{\mathrm{1,2},\mathrm{3,4}\right\} $ 1.0000 由RC1可知，对于对照区1（T1）而言，r5
$ \left({C}_{1}\right) $ ≤r4$ \left({C}_{1}\right) $ ≤r3$ \left({C}_{1}\right) $ ≤r2$ \left({C}_{1}\right) $ ≤r1$ \left({C}_{1}\right) $ ，$ {e}_{T_1}\left({C}_{1}\right)= $ 0.3895。基于上述计算，依据步骤 7，由评价值$ {e}_{i}\left({C}_{m}\right) $ 计算各监测点位的综合评价值及其排序（表6）。表 6 人工鱼礁示范区与对照区生态修复效果评价值Tab. 6 Evaluation value of ecological restoration effect in the artificial reef demonstration area and the control area监测
点位基于Cm因素的评价值与排名 C1 排名 C2 排名 C3 排名 C4 排名 综合 排名 S1 0.7846 4 0.6474 3 0.9430 2 0.6126 1 0.8520 1 S2 0.6360 6 0.8064 1 0.9524 1 0.5979 3 0.8417 2 S3 0.8518 2 0.3706 7 0.5231 4 0.5958 4 0.7552 4 S4 0.8878 1 0.7331 2 0.5422 3 0.6050 2 0.8077 3 T1 0.3895 8 0.4082 6 0.3476 5 0.5506 5 0.5030 8 T2 0.4502 7 0.6272 4 0.2194 7 0.4543 8 0.5135 7 T3 0.7277 5 0.3074 8 0.3151 6 0.4631 7 0.6247 6 T4 0.8258 3 0.4605 5 0.1650 8 0.5064 6 0.7014 5 2.2 结果与讨论
秦皇岛人工鱼（藻）礁示范区（S1、S2、S3、S4）和对照区（T1、T2、T3、T4）基于5月份航次调查数据的生态修复效果综合评价结果见表6。从结果可以看出，示范区所有监测点位的综合评价值均高于对照区，总体上显示投放人工鱼礁对于区域海洋生态修复有正向作用。相关评价结果可以进一步分析如下：
（1）鱼礁建设示范区水环境（C1）评价值为0.6360～0.8878，平均值0.7901；对照区相应的评价值为0.3895～0.8258，平均值0.5983。虽然示范区与对照区不同监测站位评价值大小存在一定的交叉，但就平均值而言，示范区高于对照区32%。
（2）鱼礁建设示范区沉积物环境（C2）评价值为0.3706～0.8064，平均值0.6394；对照区相应的评价值为0.3074～0.6272，平均值0.4508。如同水环境，示范区与对照区不同监测站位评价值大小存在交叉，但示范区评价值平均值高于对照区41%。
（3）鱼礁建设示范区生物状况（C3）评价值为0.5231～0.9430，平均值0.7402；对照区相应评价值为0.1650～0.3476，平均值0.2618。对比不同监测站位或整个区域，示范区均高于对照区。
（4）鱼礁建设示范区生物多样性（C4）评价值为0.5958～0.6126，平均值0.6028；而对照区相应的评价值为0.4543～0.5506，平均值0.4936。无论是不同监测站位还是整个区域，示范区均高于对照区。
从以上分析可以看出，投放人工鱼礁对水环境和沉积物环境均有一定的改善作用，比较而言，对生物状况和生物多样性的修复效果更加明显，增殖、养护了渔业资源，丰富了示范区的生物多样性。
对比其他方法[16]的评价结果，总体上，本文结果与其呈现较好的一致性，均认为人工鱼礁具有一定的生态修复效果，一定程度上验证了本文方法的有效性。当然，上述评价结果会受到人工鱼礁投放区及周边海域生态环境本底值差异的影响。但由于对照区按照《人工鱼礁建设技术规范》（SC/T 9416－2014）要求设置，可以认为本底值差异带来的影响较小。另外，生态修复是一个长期过程，人工鱼礁区建设时间的长短不同也将影响修复效果。理想的情况是，同时考虑本底值的差异继而进行基于长期监测值的时间序列评价。
3 结 论
（1）如何科学评价人工鱼礁的生态修复效果是需要重点关注的问题之一，属于人工鱼礁建设项目的后评价范畴。本文基于压力—状态—响应模型，从海洋生态环境基本状况和生态系统结构入手，选择主要的监测指标构建人工鱼礁生态修复效果的综合评价指标体系，内在逻辑清晰。
（2）引入Choquet模糊积分方法进行人工鱼礁生态修复效果的评价，克服了评价指标之间存在相关性引起的信息冗余及权重赋值主观性对评价结果带来的影响，使评价结果更加客观、合理，丰富了评价工作的方法论。
（3）利用秦皇岛人工鱼礁示范区2012年5月航次调查数据开展实例评价，结果显示，与对照区相比，人工鱼礁无论从单因素还是综合评价层面均起到了生态修复的正向作用。
-
表 1 基于PSR的人工鱼礁区生态修复效果评价指标体系
Tab. 1 Evaluation index system of ecological restoration effect in the artificial reef area based on PSR
目标层 准则层 因素层 模糊密度 指标层 正负性 模糊密度 人工
鱼礁
区生
态修
复效
果ACOD/mg·L−1 D1 - 0.68 PO4-P/mg·L−1 D2 - 0.54 水环境 C1 0.66 NO3-N/mg·L−1 D3 - 0.54 压力 B1 NO2-N/mg·L−1 D4 - 0.54 NH3-N/mg·L−1 D5 - 0.60 沉积物环境 C2 0.40 有机碳/(%) D6 - 0.56 硫化物/mg·kg−1 D7 - 0.52 底栖动物密度/个·m−2 D8 + 0.40 游泳动物密度/ind·ha−1·h−1 D9 + 0.54 状态B2 生物状况 C3 0.56 底栖动物生物量/g·m−2 D10 + 0.68 游泳动物生物量/kg·ha−1·h−1 D11 + 0.66 叶绿素a/mg·m−3 D12 + 0.70 响应 B3 生物多样性 C4 0.70 浮游植物多样性指数( $H'$) D13 + 0.58 浮游动物多样性指数( $H'$) D14 + 0.58 游泳动物种数(种) D15 + 0.66 鱼卵、仔稚鱼种数(种) D16 + 0.76 
下载: 导出CSV
表 2 评价指标重视度的打分尺度表
Tab. 2 Scoring scale for the importance of evaluation indicators
重要
程度极不
重要非常
不重要很不
重要稍不
重要普
通稍微
重要很
重要非常
重要极
重要分值 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
下载: 导出CSV
表 3 秦皇岛人工鱼（藻）礁区生态修复效果评价数据归一化处理
Tab. 3 Normalization of evaluation data of ecological restoration effect in artificial fish (algae) reef area in Qinhuangdao
因素 具体指标 S1 S2 S3 S4 T1 T2 T3 T4 水
环
境D1 0.783 0.633 0.683 0.767 0.45 0.217 0.504 0.717 D2 0.667 0.667 0.667 0.667 0.333 0.5 0.5 0.5 D3 0.6 0.55 0.75 0.8 0.2 0.3 0.5 0.55 D4 0.833 0.5 0.667 0.833 0.167 0.5 0.333 0.5 D5 0.353 0.471 0.941 0.941 0.059 0.176 0.882 0.941 沉积物 D6 0.782 0.82 0.278 0.444 0.729 0.654 0.181 0.684 环境 D7 0.476 0.789 0.456 1 0 0.593 0.424 0.176 生
物
状
况D8 0.468 1 0.643 0.005 0 0.315 0.298 0.009 D9 1 0.379 0.333 0.406 0.146 0 0.152 0.015 D10 0.24 1 0.134 0.135 0.067 0.057 0.034 0 D11 0.974 1 0.522 0.64 0.393 0 0.357 0.014 D12 0.796 0.438 0.257 0.348 0.32 0.204 0.22 0.23 D13 0.61 0.485 0.522 0.481 0.509 0.39 0.434 0.407 生物 D14 0.535 0.483 0.466 0.462 0.545 0.483 0.455 0.524 多样性 D15 0.476 0.524 0.476 0.571 0.571 0.429 0.476 0.524 D16 0.625 0.625 0.625 0.625 0.375 0.375 0.375 0.375
下载: 导出CSV
表 4 准则层与各因素层的λ值
Tab. 4 The λ value of the criterion level and each factor level
层面 Λ 值 层面 λ值 准则层B −0.9672 因素层C3 −0.9902 因素层C1 −0.9863 因素层C4 −0.9837 因素层C2 −0.2747
下载: 导出CSV
表 5 准则集和各指标集的λ模糊测度值
Tab. 5 The λ fuzzy measure values of criteria set and index set
层面 指标集 模糊测度 指标集 模糊测度 准则层B $ \left\{\varnothing \right\} $ 0.0000 $ \left\{\mathrm{2,3}\right\} $ 0.7433 $ \left\{1\right\} $ 0.6600 $ \left\{\mathrm{2,4}\right\} $ 0.8292 $ \left\{2\right\} $ 0.4000 $ \left\{\mathrm{3,4}\right\} $ 0.8809 $ \left\{3\right\} $ 0.5600 $ \left\{\mathrm{1,2},3\right\} $ 0.9288 $ \left\{4\right\} $ 0.7000 $ \left\{\mathrm{1,2},4\right\} $ 0.9599 $ \left\{\mathrm{1,2}\right\} $ 0.8047 $ \left\{\mathrm{1,3},4\right\} $ 0.9786 $ \left\{\mathrm{1,3}\right\} $ 0.8625 $ \left\{\mathrm{2,3},4\right\} $ 0.9401 $ \left\{\mathrm{1,4}\right\} $ 0.9132 $ \left\{\mathrm{1,2},\mathrm{3,4}\right\} $ 1.0000 因素层C1 $ \left\{\varnothing \right\} $ 0.0000 $ \left\{\mathrm{1,2},3\right\} $ 0.9409 $ \left\{1\right\} $ 0.6800 $ \left\{\mathrm{1,2},4\right\} $ 0.9409 $ \left\{2\right\} $ 0.5400 $ \left\{\mathrm{1,2},5\right\} $ 0.9502 $ \left\{3\right\} $ 0.5400 $ \left\{\mathrm{1,3},4\right\} $ 0.9409 $ \left\{4\right\} $ 0.5400 $ \left\{\mathrm{1,3},5\right\} $ 0.9502 $ \left\{5\right\} $ 0.6000 $ \left\{\mathrm{1,4},5\right\} $ 0.9502 $ \left\{\mathrm{1,2}\right\} $ 0.8578 $ \left\{\mathrm{2,3},4\right\} $ 0.9104 $ \left\{\mathrm{1,3}\right\} $ 0.8578 $ \left\{\mathrm{2,3},5\right\} $ 0.9235 $ \left\{\mathrm{1,4}\right\} $ 0.8578 $ \left\{\mathrm{2,4},5\right\} $ 0.9235 $ \left\{\mathrm{1,5}\right\} $ 0.8776 $ \left\{\mathrm{3,4},5\right\} $ 0.9235 $ \left\{\mathrm{2,3}\right\} $ 0.7924 $ \left\{\mathrm{1,2},\mathrm{3,4}\right\} $ 0.9798 $ \left\{\mathrm{2,4}\right\} $ 0.7924 $ \left\{\mathrm{1,2},\mathrm{3,5}\right\} $ 0.9841 $ \left\{\mathrm{2,5}\right\} $ 0.8204 $ \left\{\mathrm{1,2},\mathrm{4,5}\right\} $ 0.9841 $ \left\{\mathrm{3,4}\right\} $ 0.7924 $ \left\{\mathrm{1,3},\mathrm{4,5}\right\} $ 0.9841 $ \left\{\mathrm{3,5}\right\} $ 0.8204 $ \left\{\mathrm{2,3},\mathrm{4,5}\right\} $ 0.9716 $ \left\{\mathrm{4,5}\right\} $ 0.8204 $ \left\{\mathrm{1,2},\mathrm{3,4},5\right\} $ 1.0000 因素层C2 $ \left\{\varnothing \right\} $ 0.0000 $ \left\{2\right\} $ 0.5200 $ \left\{1\right\} $ 0.5600 $ \left\{\mathrm{1,2}\right\} $ 1.0000 因素层C3 $ \left\{\varnothing \right\} $ 0.0000 $ \left\{\mathrm{1,2},3\right\} $ 0.9172 $ \left\{1\right\} $ 0.4000 $ \left\{\mathrm{1,2},4\right\} $ 0.9116 $ \left\{2\right\} $ 0.5400 $ \left\{\mathrm{1,2},5\right\} $ 0.9228 $ \left\{3\right\} $ 0.6800 $ \left\{\mathrm{1,3},4\right\} $ 0.9409 $ \left\{4\right\} $ 0.6600 $ \left\{\mathrm{1,3},5\right\} $ 0.9488 $ \left\{5\right\} $ 0.7000 $ \left\{\mathrm{1,4},5\right\} $ 0.9451 $ \left\{\mathrm{1,2}\right\} $ 0.7261 $ \left\{\mathrm{2,3},4\right\} $ 0.9567 $ \left\{\mathrm{1,3}\right\} $ 0.8107 $ \left\{\mathrm{2,3},5\right\} $ 0.9628 $ \left\{\mathrm{1,4}\right\} $ 0.7986 $ \left\{\mathrm{2,4},5\right\} $ 0.9599 $ \left\{\mathrm{1,5}\right\} $ 0.8227 $ \left\{\mathrm{3,4},5\right\} $ 0.9748 $ \left\{\mathrm{2,3}\right\} $ 0.8564 $ \left\{\mathrm{1,2},\mathrm{3,4}\right\} $ 0.9778 $ \left\{\mathrm{2,4}\right\} $ 0.8471 $ \left\{\mathrm{1,2},\mathrm{3,5}\right\} $ 0.9815 因素层C3 $ \left\{\mathrm{2,5}\right\} $ 0.8657 $ \left\{\mathrm{1,2},\mathrm{4,5}\right\} $ 0.9797 $ \left\{\mathrm{3,4}\right\} $ 0.8956 $ \left\{\mathrm{1,3},\mathrm{4,5}\right\} $ 0.9887 $ \left\{\mathrm{3,5}\right\} $ 0.9087 $ \left\{\mathrm{2,3},\mathrm{4,5}\right\} $ 0.9936 $ \left\{\mathrm{4,5}\right\} $ 0.9025 $ \left\{\mathrm{1,2},\mathrm{3,4},5\right\} $ 1.0000 因素层C4 $ \left\{\varnothing \right\} $ 0.0000 $ \left\{\mathrm{2,3}\right\} $ 0.8634 $ \left\{1\right\} $ 0.5800 $ \left\{\mathrm{2,4}\right\} $ 0.9064 $ \left\{2\right\} $ 0.5800 $ \left\{\mathrm{3,4}\right\} $ 0.9266 $ \left\{3\right\} $ 0.6600 $ \left\{\mathrm{1,2},3\right\} $ 0.9508 $ \left\{4\right\} $ 0.7600 $ \left\{\mathrm{1,2},4\right\} $ 0.9693 $ \left\{\mathrm{1,2}\right\} $ 0.8291 $ \left\{\mathrm{1,3},4\right\} $ 0.9779 $ \left\{\mathrm{1,3}\right\} $ 0.8634 $ \left\{\mathrm{2,3},4\right\} $ 0.9779 $ \left\{\mathrm{1,4}\right\} $ 0.9064 $ \left\{\mathrm{1,2},\mathrm{3,4}\right\} $ 1.0000
下载: 导出CSV
表 6 人工鱼礁示范区与对照区生态修复效果评价值
Tab. 6 Evaluation value of ecological restoration effect in the artificial reef demonstration area and the control area
监测
点位基于Cm因素的评价值与排名 C1 排名 C2 排名 C3 排名 C4 排名 综合 排名 S1 0.7846 4 0.6474 3 0.9430 2 0.6126 1 0.8520 1 S2 0.6360 6 0.8064 1 0.9524 1 0.5979 3 0.8417 2 S3 0.8518 2 0.3706 7 0.5231 4 0.5958 4 0.7552 4 S4 0.8878 1 0.7331 2 0.5422 3 0.6050 2 0.8077 3 T1 0.3895 8 0.4082 6 0.3476 5 0.5506 5 0.5030 8 T2 0.4502 7 0.6272 4 0.2194 7 0.4543 8 0.5135 7 T3 0.7277 5 0.3074 8 0.3151 6 0.4631 7 0.6247 6 T4 0.8258 3 0.4605 5 0.1650 8 0.5064 6 0.7014 5
下载: 导出CSV
-
[1] GROSSMAN G D, JONES G P, SEAMAN W J JR. Do artificial reefs increase regional fish production? A review of existing data[J]. Fisheries, 1997, 22(4): 17-23. doi: 10.1577/1548-8446(1997)022<0017:DARIRF>2.0.CO;2
[2] BOESCH D F. Scientific requirements for ecosystem-based management in the restoration of Chesapeake Bay and Coastal Louisiana[J]. Ecological Engineering, 2006, 26(1): 6-26. doi: 10.1016/j.ecoleng.2005.09.004
[3] 李 东, 侯西勇, 唐 诚, 等. 人工鱼礁研究现状及未来展望[J]. 海洋科学, 2019, 43(4): 81-87. doi: 10.11759/hykx20180720003 [4] 陈丕茂, 舒黎明, 袁华荣, 等. 国内外海洋牧场发展历程与定义分类概述[J]. 水产学报, 2019, 43(9): 1851-1869. [5] SHIEH CS, DUEDALL I W. Chemical behavior of stabilized oil ash artificial reef at sea[J]. Bulletin of Marine Science, 1994, 55(2/3): 1295-1302.
[6] 郭 禹, 章守宇, 林 军. 基于上升流效应的单位鱼礁建设模式研究[J]. 南方水产科学, 2020, 16(5): 71-79. doi: 10.12131/20200008 [7] SANTOS M N, MONTEIRO C C. Comparison of the catch and fishing yield from an artificial reef system and neighbouring areas off Faro (Algarve, south Portugal)[J]. Fisheries Research, 1998, 39(1): 55-65. doi: 10.1016/S0165-7836(98)00169-6
[8] LAN C H, HSUI C Y. The deployment of artificial reef ecosystem: Modelling, simulation and application[J]. Simulation Modelling Practice and Theory, 2006, 14(5): 663-675. doi: 10.1016/j.simpat.2005.10.011
[9] CAMPBELL M D, ROSE K, BOSWELL K, etal. Individual-based modeling of an artificial reef fish community: Effects of habitat quantity and degree of refuge[J]. Ecological Modelling, 2011, 222(23): 3895-3909.
[10] 刘鸿雁, 杨超杰, 张沛东, 等. 基于Ecopath模型的崂山湾人工鱼礁区生态系统结构和功能研究[J]. 生态学报, 2019, 39(11): 3926-3936. [11] LIU B Q. Comprehensive evaluation on ecological effects of artificial reef based on grey clustering analysis[J]. Advanced Materials Research, 2013, 726–731: 1109–1114.
[12] LIMA J S, ATALAH J, SANCHEZ-JEREZ P, et al. Evaluating the performance and management of artificial reefs using artificial reef multimetric index (ARMI)[J]. Ocean & Coastal Management, 2020, 198: 105350.
[13] 唐衍力, 于 晴. 基于熵权模糊物元法的人工鱼礁生态效果综合评价[J]. 中国海洋大学学报, 2016, 46(1): 18-26. [14] 李 栋, 王洪礼, 李胜朋. 综合评价法的统一化研究[J]. 天津大学学报:社会科学版, 2006, 8(5): 373-375. [15] 张维英, 陈 静, 张光发, 等. 基于Choquet模糊积分算子的多指标属性船型方案优选模型[J]. 大连理工大学学报, 2015, 55(4): 380-386. doi: 10.7511/dllgxb201504007 [16] 许玉甫, 李怡群, 张海鹏, 等. 人工鱼(藻)礁区生态修复效果评估指标体系与实例应用[J]. 河北渔业, 2017 (1): 42-50. doi: 10.3969/j.issn.1004-6755.2017.01.015 [17] 王 曦. 中国环境治理概念模型: 一个新范式工具[J]. 环境保护, 2020, 48(Z2): 11-18. [18] WOLFSLEHNER B, VACIK H. Evaluating sustainable forest management strategies with the Analytic Network Process in a Pressure-State-Response framework[J]. Journal of Environmental Management, 2007, 88(1): 1-10.
[19] 何彦龙, 袁一鸣, 王 腾, 等. 基于GIS的长江口海域生态系统脆弱性综合评价[J]. 生态学报, 2019, 39(11): 3918-3925. [20] CHOQUET G. Theory of capacities[J]. Annales de I’Institut Fourier, 1955, 5: 131-295.
[21] SUGENO M. Theory of fuzzy integrals and its applications[D]. Tokyo: Tokyo Institute of Technology, 1974.
[22] MARICHAL J L. An axiomatic approach of the discrete Choquet integral as a tool to aggregate interacting criteria[J]. IEEE Transactions on Fuzzy Systems, 2000, 8(6): 800-807. doi: 10.1109/91.890347
[23] GRABISCH M, LABREUCHE C. A decade of application of the Choquet and Sugeno integrals in multi-criteria decision aid[J]. 4OR, 2008, 6(1): 1-44. doi: 10.1007/s10288-007-0064-2
[24] MUROFUSHI T, SUGENO M. An interpretation of fuzzy measures and the Choquet integral as an integral with respect to a fuzzy measure[J]. Fuzzy Sets and Systems, 1989, 29(2): 201-227. doi: 10.1016/0165-0114(89)90194-2
[25] SUGENO M. Fuzzy measures and fuzzy integrals-a survey[M]//GUPTA M M, SARIDIS G N, GAINES B R. fuzzy Automata and Decision Processes. Amsterdam: North-Holland, 1997: 89–102.
-
期刊类型引用(2)
1. 朱丽，李文莎，毛森. 基于Choquet模糊积分的中国粮食安全评价研究. 现代食品. 2024(24): 225-228 . 
百度学术
2. 施鸿智，黄汉山. 基于多特征融合的国土空间生态修复质量评价研究. 环境科学与管理. 2023(03): 179-184 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 971
- HTML全文浏览量: 622
- PDF下载量: 27
- 被引次数: 6
