基于PSR模型的深圳红树林生态系统健康状态评估

PAGEPAGE\*MERGEFORMAT19基于PSR模型的深圳红树林生态系统健康状态评估摘要本文针对福田红树林自然保护区湿地生态系统，建立了对其的评估及预测模型，为生态系统动态监测提供大数据管理支撑平台。我们采用PSR模型对福田红树林自然保护区湿地生态系统进行描述，并选取了压力、状态以及响应三个准则下辖的17个描述湿地生态系统的重要指标。根据不同要素的重要程度对其权重进行赋值，采用层次 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 法(AHP)，把目标分解成目标层、准则层、要素层、指标层，逐层确定判断矩阵，计算各层指标权重。对数据进行归一化无量纲处理，最终确定一个综合指标并以此为根据对湿地生态系统的健康状况进行评估。根据计算，我们得到圳福田红树林生态系统当下综合评价指标为0.428（不考虑河湾底部淤泥堆积），即福田红树林自然保护区湿地生态系统处于亚健康状态。针对预测，我们将淤泥导致的海床高度抬升视作为影响生态系统关键因素，因此将这一因素加入到模型中，同时根据资料数据，运用灰色预测，对海床抬升的高度进行预测从而对整个生态系统进行预测，得出生态系统的状态，并以此为依据提出进行合理的调整的方案。预测结果，该生态系统在未来一定时间内的综合指标为0.376（考虑河湾底部淤泥在一段时间内的堆积），即处于不健康状态。若对淤泥增加的问题不加以人为干涉，福田红树林自然保护区湿地生态系统环境的恶化速度将会极大的加快，甚至短时内就会消亡。该红树林湿地生态系统，是典型的自然-经济-社会复合系统，因此本文综合考虑其自然、社会及功能因素，能够描述在自然和人共同作用下的生态系统的发展趋势。同时本模型也能够对湿地实现动态监测，只需要对指标层所有指标进行动态监测，就能够得到其随之的响应状态。这也是本模型的亮点。关键词PSR模型层次分析法灰色预测动态响应一、问题重述自然生态系统提供了人类赖以生存和发展的物质基础与生态服务，维持健康的生态系统是实现人类社会经济可持续发展的根本保证，所以构建湿地动态监测、生态健康评估及预警系统刻不容缓。就拿深圳福田红树林自然保护区为例构建系统，该监测评估系统给予PSR模型构建，包括人为压力、自然压力；环境状态、生物多样性；管理水平、法律法规、社会关注度及公民认知度一应俱全，保证了系统判定的准确性、客观性。由于动态监测数据的庞大，如何运用有效的方法准确处理数据，和制定判定的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 成了课题的重点。问题一：当福田红树林自然保护区采用你们 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 的模型框架来构建湿地动态监测和健康评估预警系统，你们如何根据近年已有的数据来判定保护区未来的生态环境优良的不同状况？你们对自己模型框架有无进一步的优化与改善，使其更高效、精确。问题二：请查阅相关资料、收集数据，来判断当下福田红树林最迫切需要解决的生态系统问题是自然保护中的哪一部分，用你们构建的模型框架来预测生态发展趋势并进行分析，给予分析的结果给出怎样缓解或解决该问题的方法。二、问题的分析由于生态系统的多样性，如何描述一个生态系统是否健康，没有标准的答案。尤其是湿地生态系统。对于该红树林湿地生态系统，是典型的自然-经济-社会复合系统，只有该湿地实现生态合理性、经济有效性和社会可接受性，才能够实现可持续发展。因此在考虑对该生态模型进去描述时，我们必须要在考虑其自然功能的同时，还要考虑其经济的、社会的功能。一个健康的湿地生态系统，不仅自然属性的功能完备，同时应该能适应融合人类社会的发展，并且在人类社会反作用下，能够为人类社会的发展提供有利条件，使得人与自然和谐生存和发展。考虑到自然-社会的综合性，红树林湿地生态系统健康评价指标体系的构建，可以引入PSR（压力-状态-响应）模型。该模型，可以综合考虑社会、经济、生态等多方面的因素，同时不同的指标能够在时间跨度上进行预测，故该模型同样可以对生态系统的未来发展方向提供一定的预测和参考。压力指标反映产生生态问题的潜在原因，如水污染等，状态指标反映生态系统当前的状况，如生物多样性、无机环境的污染与否等，响应指标是为生态系统对人类需求所作出的功能应答和人类为保护生态系统而做出的努力。但每一个指标所包含的内容太多，而且有树形关系，因此我们采用层次分析法进行分析归纳。以评价红树林健康状况为目标，以压力、状态、响应为准则，压力准则又可细分为人为和自然两大要素，人为压力体现出人类活动对生态系统的影响，应该占主要地位。状态准则又可分为环境状态以及生物多样性状态，环境状态表示水质以及土壤等无机环境的状态，生物多样性表示生态结构以及主要生物的数量等。响应准则可分为社会关注准则、管理准则以及法律法规准则，社会关注包括公民关注以及公民对于保护生态系统的认知等。细分评价指标之后，对各指标进行分析整理，并且进行归一化处理，最终可得到评价指标的最后表达。通过其在不同区间得出生态系统健康状态的不同等级。若对于未来生态系统的状况进行预测，只需要对未来压力、状态、响应三个准侧进行预测即可。若要了解某一个具体因素对于该生态系统的影响，可以在保持其他因素近似不变的前提下改变该因素，最后通过综合评价指标对系统进行评价，可以大致预测系统未来的发展方向，因此可以针对性的放大响应指标，也就是向管理人员和社会提出针对性的建议。三、模型假设1、该生态系统在一定时期内处于稳定状态；2、该生态系统在评价时间段内相对独立；3、该生态系统在向另一个稳定状态过度时，该过程的任一转态视为稳定状态；4、该生态系统所处河湾底泥保持不变。四、符号说明1、~由要素所构成的二维矩阵的第i个因素2、~由要素所构成的二维矩阵的第j个因素3、~和对上一层目标Z的影响之比4、~评价指标的实测值5、~参照湿地评价指标的理论值6、~第i个单项指标的归一化值7、~第i个指标的权重8、~湿地参照评价指数五、模型的建立与求解5.1问题一求解对于红树林保护区的生态状况进行描述，我们采用PSR（压力-状态-响应）模型，并且使用AHP分析。考虑到是对生态系统的健康状况进行描述，而其健康状况很大程度上决定于其所受到的各方面的压力，因此本文先对其受到的压力进行分析，根据其所受的主要压力影响建立描述指标。5.1.1模型建立首先，本文将压力准则划分为自然压力和人为压力：考虑到红树林保护区的地理位置，对其能产生压力影响的主要人类活动包括以下几个方面：入海污染物、交通流量与噪音影响、人为带入入侵生物以及进出湿地保护区的人流量。入海污染物有多重形式，但通过查阅资料发现，主要污染是水质污染、土壤沉积重金属污染，因此本模型中只考虑这两种污染。该保护区地处滨海大道旁，交通噪音污染对于其中各种动物会产生一定的影响，同时尾气会对动植物有一定伤害，故综合考虑这两种压力指标。人为带入生物的入侵对于原生物群落有十分严重的伤害，而深圳是一个开放型城市，因此生物入侵的几率大大增加，通过查阅数据可以发现，近年来，深圳外来生物数量有所增加。所以，生物入侵是要考虑在内的重要因素。而进出保护区的人流量可以从侧面在一定程度上反映出该系统对于人类活动的影响而收到的压力。通过分析深圳市的气候和地理环境，发现自然压力主要来自于极端天气如台风，因此本模型只考虑台风灾害对于该生态系统的压力。再者，本文将状态准则划分为环境状态和生物多样性。环境状态指该生态系统现在的自身水质状况、土壤状况等无机环境。生物多样性表示该生态系统现在的自身所拥有的动植物的种类以及数量。对于该生态系统所受到的各方面严厉，众多环境状态监测指标中，本文选择水质状态以及土壤重金属沉积状况。在生物多样性指标的选取中，本文以该生态系统所拥有的食物链和能量流动网为参考，得出以下代表性的生物多样性指标。主要包括，红树林中植被物种以及数量、大型底栖生物物种及数量、鸟类物种多样性及数量、昆虫物种多样性及总体数量。而濒危鸟类对于生态系统的稳定性影响最大，因此需要单独考虑。最后，本文的响应准则分为该生态系统管理水平、社会关注及公民认知度和法律法规三个要素。管理水平的具体评价指标是用于湿地保护的财政支出，管理职能分工和人员配置。法律法规是相关环节法律法规的完善程度。而社会关注度和公民认知包括普通公民参与生态系统保护的具体行动和知识学习普及，以及社会各界发起的公益活动等。如下图：图5-1深圳红树林生态系统健康评价树图将以上的每一层的要素构成相应n阶次的二维矩阵，每次取两个因素，分别记为，，以表示和对上一层目标Z的影响之比，得到两两比较判断矩阵。使式（2）成立的矩阵为正负反矩阵。判断矩阵是指某一指标层面上各元素之间相互的重要性判断所构成的方阵。判断矩阵元素量化的标准如下表：表5-2矩阵元素量化的标准表标度含义1表示两个因素相比，具有一样的重要性3表示两个因素相比，一个因素比另一个稍微重要5表示两个因素相比，一个因素比另一个明显重要7表示两个因素相比，一个因素比另一个强烈重要9表示两个因素相比，一个因素比另一个极端重要2368上述两相邻判断的中值倒数若因素i与因素j判断为因素则因素i与因素j判断为。由以上可以得出模型的清晰且客观的得到每一层次中各要素相对于上一层目标所占有的的权重。得到权重后，再统一规划到相对于目标层——对红树林生态系统的健康状况描述的归一化权重。由于深圳福田红树林湿地生态系统健康评价指标体系内各指标单位不同，因此需对各指标进行无量纲化处理，以评价指标的实测值与参照湿地标准进行对比，标准化公式如下：对于数值越大的湿地越健康的指标：对于数值越小湿地越健康的指标：为评价指标的实测值，为参照湿地评价指标的理论值。评价方法采用通用的质量指数法：通过实测、估算、和调查获得的各项指标的数值，与标准值或参照值比较，换算为质量指数。然后加权、叠加法计算出整个系统的总数值，根据总指数值得分级数值范围，确定湿地生态系统的等级。式中，CEI为整个系统的健康状况值；n为评价指标个数：为第i个单项指标的归一化值；为第i个指标的权重。评价标准直接影响到评价结果的合理性。综合来看，湿地生态系统健康评价标准具有相对性特征，处于不同区域、不同规模、不同类型的湿地，评价标准亦不相同。评价标准的确定是湿地生态系统健康评价的重点和难点。结合深圳河河口湿地的实际情况，评价分为“病态，不健康、亚健康、健康、很健康”，5个级别，河口湿地生态系统健康评价标准见表。表5-3河口湿地生态系统健康评价标准表评价指标健康级别健康程度特征描述0.8~1.0Ⅰ很健康湿地生态系统处于自然原始状态，具有稳定的结构和功能，是鸟类等生物理想的栖息地，能很好的为人们提供物质资料，具有良好的美学价值和社会功能，在合理规划的前提下，适宜开发和利用。相关法律全面彻底贯彻，财政支出大且落到实处，管理机构职能清晰且人员配置合理。0.6~0.8Ⅱ健康湿地生态系统受到一定程度的破坏，淹水时间缩短、面积减小、水位下降、水城出现富营养化、生物栖息地环境退化、生物多样性降低、湿地功能开始衰退、价值下降。但消除外界威胁后，尚能够自然恢复，可以有条件的适度开发利用。相关法律较全面且彻底贯彻，财政支出大且落到实处，管理机构职能清晰且人员配置较合理。0.4~0.6Ⅲ亚健康湿地生态系统受到进一步破坏，但机构尚算完整，面积持续减少，水位持续下降，土壤旱化及水域富营养化逐步加重，优势湿地植物种群分布面积开始缩减，特有生物数量减少。生物和栖息地年龄逐渐减少，部分湿地功能丧失。对外界干扰的恢复力逐渐减退，课通过人工促进恢复力提高来稳定其生态系统。部分法律得到贯彻，财政基本落到实处，管理机构职能有些混乱，且人员配置一般。0.2~0.4Ⅳ不健康湿地生态系统受到严重破坏，结构失调，功能严重衰退，土地旱化突出，水环境污染严重，富营养化明显，优势湿地植物种群分布面积开始缩减，特有生物消失，鸟类等生物难以栖息和生存，数量明显减少。湿地系统本身难以自我维持，无法通过自然方式恢复，必须加强保护，同时通过工程 措施 《全国民用建筑工程设计技术措施》规划•建筑•景观全国民用建筑工程设计技术措施》规划•建筑•景观软件质量保证措施下载工地伤害及预防措施下载关于贯彻落实的具体措施 ，促使其逐渐恢复。相关法律不完善，管理机构职能混乱，出现在矛盾，人员配置不合理。0~0.2Ⅴ病态湿地生态系统完全破坏，水域消失，亦可视为非湿地生态系统，或环境严重恶化，生态力几乎丧失，不能再恢复至原有的面积和功能。只能采取人工措施，在新的基础上重建新的系统。相关法律完全搁置，管理机构职能混乱，矛盾很多，人员配置非常不合理。结合深圳福田红树林湿地具体实际、《声环境质量标准》及前人研究，制定评价指标标准，具体情况见下表表5-4评价指标标准表指标层ⅠIIIIIIVV入海污染物污染基本没有，污染量显著减少，减少率为5%-10%，减少率>10%的参照值为1有一定污染，减小，污染量轻微减少，减少率为0-5%有轻度污染，存在一定的影响，污染量基本持平，增长率<5%有中度污染，存在一定影响，污染量基本持平，增长率<5%严重污染，造成逐增大，增长率0-15%，>15%参照值化为0进出湿地人流量<500500-10001000-15001500-2000>2000交通噪音（dB（A））0类声环境，昼<50,夜<401类声环境，昼<55,夜<452类声环境，昼<60,夜<503类声环境，昼<65,夜<554类声环境，昼<70,夜<60生物入侵（控制率）90%-100%80%-90%70%-80%60%-70%50%-60%，<50%的参考值为0台风灾害（次/年）<0.10.1-0.50.5-11_2>2水质综合污染指数0-11-22-33-42沉淀物重金属污染程度<40:RI<15040≤<80:150≤RIRI＜30080≤＜160:300≤RIRI＜600160≤＜320:RI≥600≥320:RI≥600参考值为0生物多样性生物物种丰富，多样性高与参照物值比0.8-1生物种类比较多，多样性较高，与参照物值比0.6-0.8生物多样性维持在一般水平，与参照值比0.4-0.6生物种类分管，多样性低，与参照值比0.2-0.4生物种类单一，多样性极差，与参照值比0-0.2濒危鸟类种类濒危鸟类数量少于7濒危鸟类数量少于14濒危鸟类数量少于21濒危鸟类数量少于28濒危鸟类数量少于35水鸟的最高数水鸟的最高数大于3400水鸟的最高数大于3000水鸟的最高数大于2500水鸟的最高数大于2000水鸟的最高数小于1500用于湿地保护的财政支出财政支出大，落到实处，取得显著效果财政支出较大，取得一定效果财政支出财政基本落实，基本够支出，效果一般资金较缺，支出不够合理，效果较差资金欠缺，支出不合理，效果较差管理职能分工及人员配置情况管理机构职能清晰，人员配置合理管理机构职能较清晰，人员配置较合理管理机构有些混乱，人员配置一般管理机构职能混乱，出现矛盾，人员配置较不合理管理机构职能混乱矛盾很多，人员配置非常不合理相关环境法律法规制度完善程度相关法律法规相当完善，且全面贯彻，积极落实相关法律比较完善，且比较认真地贯彻实施有些相关法律，部分法规得到落实，贯彻法律不完善，且简单对付，不认真对待法律非常缺乏，且完全搁置社会关注度及公民认知度媒体宣传力度很大，公众对红树林生态系统十分关注媒体宣传力度大，公众对红树林生态系统比较关注媒体宣传力一般，公众对红树林生态系统一般关注媒体宣传力很小，公众对红树林生态系统很少关注媒体不宣传，公众对红树林生态系统完全不了解，也不关注5.1.2模型求解根据以上的层次分析确立的指标构建AHP比较矩阵。准则层比较矩阵如下：表5-5准则层比较矩阵AB1B2B3WB11230.5390B21/2120.2973B31/31/210.1638CI=0.0046,RI=0.58,CR=0.0079<0.1，通过一致性检验。要素层比较矩阵如下：表5-6要素层（压力部分）比较矩阵B1C1C2WC1170.8750C21/710.1250CI=0,RI=0,CR=0<0.1，通过一致性检验。表5-7要素层（状态部分）比较矩阵B2C3C4WC3120.6667C41/210.3333CI=0,RI=0,CR=0<0.1，通过一致性检验。5-8要素层（响应部分）比较矩阵B3C5C6C7WC51240.5714C61/2120.2857C71/41/210.1428CI=0,RI=0.58,CR=0<0.1，通过一致性检验。各指标层比较矩阵如下：表5-9指标层（人为压力部分）比较矩阵C1D1D2D3D4WD115620.5029D21/5121/50.1015D31/61/211/40.0705D41/25410.3250CI=0.0357,RI=0.9,CR=0.0039<0.1，通过一致性检验。表5-10指标层（环境状态部分）比较矩阵C3D6D7WD6120.6667D71/210.3333CI=0,RI=0,CR=0<0.1，通过一致性检验表5-11指标层（生物多样性部分）比较矩阵C4D8D9D10D11D12WD81231/41/60.1199D91/2121/51/60.0796D101/31/211/31/40.0695D1145311/20.2836D12664210.4474CI=0.0836,RI=1.12,CR=0.0746<0.1，通过一致性检验表5-12指标层（管理水平部分）比较矩阵C5D13D14WD13130.75D141/310.25CI=0,RI=0,CR=0<0.1，通过一致性检验表5-13指标层（社会关注度及公民认知度部分）比较矩阵C7D16D17WD1611/20.3333D17210.6667CI=0,RI=0,CR=0<0.1，通过一致性检验用表格的形式将上述结论体现如下：表5-14红树林生态系统健康评价表目标层A准则层B（相对上一层权重）要素层C（相对上一层权重）指标层D（相对上一层权重）归一化权重红树林生态系统健康评价压力B1（0.5390）人为压力C1（0.8750）如海污染物D1(0.5029)0.2372进出湿地人流量D2（0.1015）0.0479交通噪音与流量D3（0.0705）0.0332生物入侵D4（0.3250）0.1533自然压力C2（0.1250）台风灾害D5（1）0.0674状态B2（0.2973）环境状态C3（0.6667）水质状态D6（0.6667）0.1321沉积物金属污染程度D7（0.3333）0.0660生物多样性C4（0.3333）大型底栖多样性变化D8（0.1199）0.0119植物多样性D9（0.0796）0.0079昆虫多样性D10（0.0695）0.0069鸟类多样性D11（0.2836）0.0281濒危鸟类多样性D12（0.4474）0.0443响应B3（0.1638）管理水平C5（0.5714）用于湿地保护的财政支出D13（0.75）0.0702管理职能分工及人员配置情况D14（0.25）0.0234法律法规C6（0.2857）相关环境法律法规的完善程度D150.0468社会关注度及公民认知度C7（0.1428）普通公民参与生态系统D16（0.3333）0.0078社会各界发起的公益D17(0.6667)0.0156由以上评价标准对于各个指标取值如下：（列表）表5-15要素层（压力部分）指标取值要素层指标层无量纲钢化值归一化权重指标现在指数湿地参照评价指数人为压力C1入海污染物D10.25400.23710.1230.539进出湿地人流量D20.58000.0479交通噪音与流量D30.14000.0332生物入侵D40.50200.1533自然压力C2台风灾害D50.86100.0674由以上评价标准对于各个指标取值如下：（列表）表5-16要素层（状态部分）指标取值要素层指标层无量纲化值归一化权重指标现在指数湿地参照评价指数环境状态C3水质状态D60.03510.13210.0250.297沉积物金属污染程度D70.14510.0660生物多样性C4大型底栖动物多样性D80.68400.0119植物多样性D90.71600.0079昆虫多样性D100.66400.0069鸟类多样性D110.80040.0281濒危鸟类多样性D120.63500.0443表5-17要素层（响应部分）指标取值要素层指标层无量纲钢化值归一化权重指标现在指数湿地参照评价指数管理水平C5用于湿地财政支出D130.83000.07020.0190.164管理分工人员配置D140.69000.0234法律法规C6相关环保法律D150.74000.0468社会关注C7普通公民参与保护D160.30000.0078社会各界公益活动D170.45000.0156由公式CEI得到：压力的归一化值为：0.123；状态的归一化值为：0.025；响应的归一化值为：0.019；故最后评价指标为0.428。由以上PSR模型建立的一套评估框架能够客观的描述深圳红树林保护区现在的生态状况。而为了能够更加精准的描述，我们提出如下生态环境监测方案：定期监测本文提出的模型中的指标层的所有指标，并进行相应的归一化，最终通过模型最终的无量纲评价指标对该生态系统健康状况进行描述。结果表明，深圳红树林湿地生态系统处于亚健康状态。5.2问题二求解据大量资料显示，本文着重研究河床变迁因素对生态系统健康的影响。并根据灰色预测模型对该因素的未来发展趋势进行预测。在此基础上对该系统进行评价。针对问题二的模型，可以继续使用以上PSR模型，并通过增加特定的因素——淤泥堆积因素，再次进行求解。5.2.1模型求解表5-18C1D1D2D3D4ADWD115621/30.2440D21/5121/51/80.0560D31/61/211/41/90.0405D41/25411/30.1742AD389310.4853CI=0.0388,RI=1.12,CR=0.0346<0.1，通过一致性检验。通过查阅资料，对近年来淤泥堆积按照下表进行评价，表5-19淤泥堆积情况分类表ⅠIIIIIIVV0.8~1.00.6~0.80.4~0.60.2~0.40~0.2淤泥无堆积，河湾底床无抬升淤泥有堆积，河湾底床有抬升淤泥堆积，河湾底床抬升严重，轻微堵塞淤泥堆积严重，河湾底床抬升严重，堵塞严重淤泥堆积，河湾底床抬升，堵塞非常严重可以得到近年来的指标值分别为：2000至2005为0.42；2005至2010为0.27；2010年至今0.19。通过灰色预测模型，得到未来的评价指标值如下：表5-20未来的评价指标值表实际值0.420.270.19二次拟合值0.42000.26970.19040.1345故压力准则层重新计算归一化权重以及评价值如下表。表5-21准则层（压力）重新计算归一化权重以及评价值表要素层指标层无量钢化值归一化权重指标现在指数湿地参照评价指数人为压力C1入海污染物D10.25400.11510.0950.539进出湿地人流量D20.58000.0264交通噪音与流量D30.14000.0191生物入侵D40.50200.0821淤泥堆积AD0.13450.2289自然压力C2台风灾害D50.86100.0674同上带入状态准则指标指数为：0.025，响应准则指数为0.019重新计算得到最后生态系统健康指标为：0.376。可以看出，如果深圳湾的淤泥堆积按照现有的趋势继续发展，那么未来若干年内对深圳福田红树林保护区的破坏是巨大的。因此我们建议，在未来要着重关注淤泥堆积与深圳湾底床淤泥堆积情况。并且通过加强管理、立法禁止填海造地，同时定期进行底床淤泥的清理疏通。六、模型评价与推广本次模型针对深圳福田红树林生态系统的评价，使用了PSR模型以及层次分析法，以该生态系统的健康状况评价为指标，压力、状态、响应为准则，总和考虑了不同的因素，最后得到总和评价指标；对于未来健康状况的趋势预测，通过对相应指标的灰色模型预测未来所有指标的变化，最后再通过PSR模型进行综合分析。本模型在评价该生态系统的健康状态时，综合考虑了社会、自然以及功能指标，评价指标更加全面，注重与该生态系统在人类参与的情况下的响应状态，体现了人与自然和谐相处的原则。通过本模型，可以清楚的认识到人类活动与生态系统的交互作用，当该生态系统受到的压力超过其所能承受范围，就会逐渐恶化只是消亡，然而人类能积极做出有利的响应，就能够遏制恶性趋势。不仅如此，本模型还有动态预测的功能，通过对指标层个指标因素的动态预测，比如采用灰色模型预测的方法预测未来水质污染情况、重金属污染情况、生物多样性的变化以及人类活动的变化等等，即可知道生态系统随之的状态响应。据此，可以为生态系统的保护工作提供参考评估。这也是本模型的亮点所在。本文发现，深圳福田红树林生态系统当下综合评价指标为0.428（不考虑河湾底部淤泥堆积），即处于亚健康状态。而动态预测该生态系统的综合指标为0.376（考虑河湾底部淤泥在一段时间内的堆积），即处于不健康状态。可以明显的看到淤泥堆积的增加，生态系统健康状况被破坏之严重。然而，本模型由于数据的匮乏，无法十分精准客观的描述考虑中的各个指标因素的动态变化情况，因此不能做准确定量描述。我们希望下一步能够以更加准确和全面的数据支撑生态系统的健康状况评估。同样，本模型没有考虑到生态系统稳态被破坏的情况，在下一步中，希望能够进一步考虑非稳态因素对生态系统的影响。如果本模型经过推广，可以为生态系统的保护工作提供有价值的参考和评估状态。七、参考文献[1]郑舒娜.基于PSR模型的深圳福田红树林湿地生态系统健康评价研究.http://www.sztj.gov.cn/nj2014/indexce.htm[2]王文卿、王瑁.中国红树林.北京科学出版社.2007[3]郑耀辉、王树功、陈桂珠.滨海红树林湿地生态健康的诊断方法和评价指标.生态学杂志，2010（1）：111—116[4]杨波.我国湿地评价综述.生态学杂志2004，23（4）：146-149[5]深圳统计年鉴2014[6]陈奕、许有鹏.基于“压力——状态——响应”模型和分形理论的湿地生态健康评价.环境污染与防治.2010.32(6):37-59八、附件A=input('A=');[x,y]=eig(A);Jmax=max(max(y));[N,M]=size(A);RI=[000.580.901.121.241.321.411.451.491.51];CI=(Jmax-N)/(N-1)CR=CI/RI(1,N)ifCR<0.1disp('通过一致性检验')B=zeros(N,M);fori=1:MB(:,i)=A(:,i)/sum(A(:,i));endfori=1:NW(1,i)=sum(B(i,:));endW;s=sum(W);C=W./selsedisp('未通过一致性检验')endx=input('x=');sizexd2=size(x,2);%求数组长度k=0;fory1=xk=k+1;ifk>1x1(k)=x1(k-1)+x(k);%累加生成z1(k-1)=-0.5*(x1(k)+x1(k-1));%z1维数减1，用于计算Byn1(k-1)=x(k);elsex1(k)=x(k);endend%x1,z1,k,yn1sizez1=size(z1,2);%size(yn1);z2=z1';z3=ones(1,sizez1)';YN=yn1';%转置%YNB=[z2z3];au0=inv(B'*B)*B'*YN;au=au0';%B,au0,auafor=au(1);ufor=au(2);ua=au(2)./au(1);%afor,ufor,ua%输出预测的au和u/a的值constant1=x(1)-ua;afor1=-afor;x1t1='x1(t+1)';estr='exp';tstr='t';leftbra='(';rightbra=')';%constant1,afor1,x1t1,estr,tstr,leftbra,rightbrastrcat(x1t1,'=',num2str(constant1),estr,leftbra,num2str(afor1),tstr,rightbra,'+',leftbra,num2str(ua),rightbra)%输出时间响应方程%******************************************************%二次拟合k2=0;fory2=x1k2=k2+1;ifk2>kelseze1(k2)=exp(-(k2-1)*afor);endend%ze1sizeze1=size(ze1,2);z4=ones(1,sizeze1)';G=[ze1'z4];X1=x1';au20=inv(G'*G)*G'*X1;au2=au20';%z4,X1,G,au20Aval=au2(1);Bval=au2(2);%Aval,Bval%输出预测的A,B的值strcat(x1t1,'=',num2str(Aval),estr,leftbra,num2str(afor1),tstr,rightbra,'+',leftbra,num2str(Bval),rightbra)%输出时间响应方程nfinal=sizexd2-1+1;%决定预测的步骤数5这个步骤可以通过函数传入%nfinal=sizexd2-1+1;%预测的步骤数1fork3=1:nfinalx3fcast(k3)=constant1*exp(afor1*k3)+ua;end%x3fcast%一次拟合累加值fork31=nfinal:-1:0ifk31>1x31fcast(k31+1)=x3fcast(k31)-x3fcast(k31-1);elseifk31>0x31fcast(k31+1)=x3fcast(k31)-x(1);elsex31fcast(k31+1)=x(1);endendendx31fcast%一次拟合预测值fork4=1:nfinalx4fcast(k4)=Aval*exp(afor1*k4)+Bval;end%x4fcastfork41=nfinal:-1:0ifk41>1x41fcast(k41+1)=x4fcast(k41)-x4fcast(k41-1);elseifk41>0x41fcast(k41+1)=x4fcast(k41)-x(1);elsex41fcast(k41+1)=x(1);endendendx41fcast,x%二次拟合预测值%***精度检验pC************k5=0;fory5=xk5=k5+1;ifk5>sizexd2elseerr1(k5)=x(k5)-x41fcast(k5);endend%err1%绝对误差xavg=mean(x);%xavg%x平均值err1avg=mean(err1);%err1avg%err1平均值k5=0;s1total=0;fory5=xk5=k5+1;ifk5>sizexd2elses1total=s1total+(x(k5)-xavg)^2;endends1suqare=s1total./sizexd2;s1sqrt=sqrt(s1suqare);%s1suqare,s1sqrt%s1suqare残差数列x的方差s1sqrt为x方差的平方根S1k5=0;s2total=0;fory5=xk5=k5+1;ifk5>sizexd2elses2total=s2total+(err1(k5)-err1avg)^2;endends2suqare=s2total./sizexd2;%s2suqare残差数列err1的方差S2Cval=sqrt(s2suqare./s1suqare);Cval%nnn=0.6745*s1sqrt%CvalC检验值k5=0;pnum=0;fory5=xk5=k5+1;ifabs(err1(k5)-err1avg)<0.6745*s1sqrtpnum=pnum+1;%ppp=abs(err1(k5)-err1avg)elseendendpval=pnum./sizexd2;pval%p检验值%arr1=x41fcast(1:6)%预测结果为区间范围预测步长和数据长度可调整程序参数进行改进部分MATLAB运算结果>>aA=[123;1/212;1/31/21]CI=0.0046CR=0.0079通过一致性检验C=0.53900.29730.1638>>aA=[1562;1/5121/5;1/61/211/4;1/2541]x41fcast=0.42000.26970.19040.1345x=0.42000.27000.1900Cval=0.0029pval=1CI=0.0351CR=0.0390通过一致性检验C=0.50290.10150.07050.3250aA=[1231/41/6;1/2121/51/6;1/31/211/31/4;45311/2;66421]CI=0.0836CR=0.0746通过一致性检验C=0.11990.07960.06950.28360.4474>aA=[15621/3;1/5121/51/8;1/61/211/41/9;1/25411/3;38931]CI=0.0388CR=0.0346通过一致性检验C=0.24400.05600.04050.17420.4853