基于贝叶斯网络的矿业城市生态环境质量影响因子研究——以大冶市为例*

孙乃博,曾向阳,陈 勇

(武汉科技大学 资源与环境工程学院,湖北 武汉 430081)

0 引言

生态环境质量是指在一定时空范围内生态系统对人类生存及社会发展的适宜程度[1],能够反映生态环境的优劣状况。如今中国正处于城镇化高速发展阶段,城乡建设用地不断扩张,不仅给城市的生态承载能力带来了巨大压力,同时也给城市生态空间管理带来了巨大挑战[2]。大冶市属于典型的矿业城市,生态环境压力尤为突出。识别生态环境质量影响因子,能够及时发现生态环境问题,对于生态环境管理与规划具有重要意义。

目前,生态环境质量影响因子的研究主要分为指标构建和因子识别两个方面。在指标构建方面:MARULL等[3]利用GIS将自然环境、生物环境和功能适宜性与生态影响因子相结合,为生态环境质量评估奠定了基础;梅卓华等[4]通过建立结构-功能-协调度3个方面的指标体系,反映了南京市城市生态环境质量;田艳芳等[5]提出了包含自然、社会、经济3个方面的指标体系,结合城市特征对上海市生态环境质量进行了评价。但这些研究多是通过构建多种类型指标来增加对评价结果的解释,缺少对具体影响因子的量化分析。在因子识别方面,使用相关系数、权重等虽能在一定程度上体现指标的重要程度,但仍有一定的局限性。部分学者运用相关性分析[6]、主成分分析[7]进行影响因子识别研究,但生态环境质量的变化与其影响因子之间关系复杂,很难用纯粹的线性关系描述,并且这些方法较难处理因子中存在的离散变量,不利于对影响因子进行深入探析;也有学者运用地理探测器模型[8]、偏最小二乘回归[9]、地理加权回归模型[10]等分析方法开展了相关研究,此类方法相较于简单线性分析能够有效提高自变量对因变量的解释效应,但不能完全体现生态环境质量变化过程与影响因子之间的关系,且影响因子之间的相关性存在较大不确定性。

贝叶斯网络是一种基于模型的内涵方法,具有强大的建模功能和较为完善的推理机制,对于解决上述复杂系统中不确定性问题非常有效,并且能够具体量化影响因子之间的联系,目前已成功应用于统计决策、医疗诊断、风险评估等领域[11]。在对不确定性问题的推理中,贝叶斯网络模型没有查询方向的限制,可以进行由因到果的敏感性分析和由果到因的诊断性分析,能有效纳入复杂系统中各类影响因子,尤其是对离散变量的处理效果较好,表达清晰,已有部分学者将其应用于复杂生态系统领域。郑涛等[12]运用贝叶斯网络从邻域因子、自然因子、政策规划因子3个方面构建指标体系并对生态用地流失问题进行了驱动因素分析,应用效果良好;危小建等[13]通过构建空间贝叶斯模型识别了城市扩张过程与生态保护的冲突。

本文尝试运用贝叶斯网络探究大冶市生态环境质量与各影响因子之间的联系强度,利用贝叶斯网络模型解决生态环境质量影响因子分析过程中存在的不确定性问题,从生态胁迫、生态助力、自然条件3个方面对大冶市进行贝叶斯生态环境质量影响因子研究。通过针对原因导向的敏感性分析和针对结果导向的诊断性分析,综合给出具有规划意义的措施和建议,有助于了解大冶市生态环境质量状况和空间格局,以期为生态环境优化提供参考。

1 研究区域和数据来源

1.1 研究区域

大冶市地跨东经114°31′～115°20′,北纬29°40′～30°15′,位于湖北省东南部(见图1),处于湖北“冶金走廊”腹地,是武汉城市圈的重要组成部分。地势北低南高、东西平缓,海拔高度为120～200 m,属亚热带湿润季风气候,适宜多种农作物生长。大冶市金、铜、铁矿石资源丰富,是全国六大铜矿生产基地和十大铁矿生产基地之一。矿石中的Ca、Mg、K等可溶性离子溶解于地表水时,易产生次生盐碱化问题,同时一些重金属和放射性物质也会对土壤层和大气层造成危害。

图1 研究区地理位置

1.2 数据处理与指标构建

数据来源见表1,卫星影像数据时间均为2020年,且多为30 m分辨率。用1 km×1 km的栅格划分研究区,不足50 m2的栅格因数据缺失等原因舍去,共生成1 738个栅格样本。卫星影像数据均通过ArcGIS 10.2进行渔网裁剪、相交等处理,其中夜间灯光值和植被覆盖率需通过ENVI 5.2软件进行辐射定标、大气校正、裁剪等预处理,大冶主要矿区和生态源地经与谷歌卫星地图对比后得到。

表1 数据来源及离散分级说明

2 贝叶斯生态环境质量网络构建

2.1 生态环境质量获取

在研究大冶市生态环境质量影响因子之前,首先要了解其生态环境质量状况。由于该市生态环境质量并非可以直接获取的数据,而贝叶斯网络构建时需要的各种数据为可观察变量,因此采用主成分分析方法(PCA)将指标体系进行综合评价得到大冶市生态环境质量结果,为贝叶斯网络构建作准备。

PCA是统计学中常用的一种分析方法,能将数学变换过程中形成的反映主成分和指标包含的信息量权数用来计算综合评价值,这样在指标权数选择上降低了主观因素的影响,保证了客观性,有助于提高结果的效度,也有利于贝叶斯网络结果的呈现。

将原始数据归一化后,采用SPSS软件进行主成分分析计算,主要步骤为:①原始数据的标准化;②求标准化后指标相关矩阵;③求相关矩阵特征根和特征向量,确定主成分;④求方差;⑤对主成分进行综合评价。详细计算公式及过程见参考文献[14-15],用GIS对结果进行可视化呈现(见图2)。将生态环境质量进行归一化,并将归一化后的结果大致划分为3个等级:①[0,0.3),较差;②[0.3,0.7),一般;③[0.7,1],较好。

图2 大冶市各栅格样本生态环境质量

应用SPSS时首先要对各指标进行检验,得到 KMO(Kaiser-Meyer-Olkin)检验系数为0.639,这表明原有变量可以作因子分析;显著性检验小于0.001,表示通过此方法分析大冶市生态环境质量状况较为可靠。

2.2 贝叶斯网络模型

贝叶斯网络是一种表达各指标之间概率因果关系的有向无环图方法,其中概率关系由节点和连接节点的链接表示[16],根据式(1)来推理预测相关变量对结果的影响。

P(A|B)=P(AB)/P(B) ,

(1)

式中,P(A|B)是事件A在事件B已发生条件下的发生概率,P(AB)是事件A与事件B共同发生的联合概率,P(B)是事件B的先验概率。

在贝叶斯网络结构中,节点代表随机变量,如果两个随机变量之间存在相关性,则用有向边进行链接,被指向的随机变量称为子节点,反之则称为父节点。若某变量没有父节点,则用先验概率进行条件概率的表达。假设S代表贝叶斯网络结构,则S由节点变量集X(X={X1,X2,X3,…,Xn}) 和有向边Y(Y=ZiZj|Zi,Zj∈Z)组成,可表示为

S= (X,Y)。

(2)

目前,构建贝叶斯网络模型的常用软件有Netica、JavaBayes、Bayes Net Toolbox(BNT)等。Netica软件相较于其他软件具有易操作且具备强大的诊断性分析和敏感性分析的优点,通过对数据文件(case文件/excel表格)进行参数自主学习,能够将概率参数以图示形式直观显示[17]。因此本文采用Netica软件来构建和训练贝叶斯生态环境质量模型。

2.3 贝叶斯网络节点变量选取与分级

贝叶斯网络节点变量的选取要能有效体现研究内容之间的逻辑关系,一般包括输入层节点变量、中间层节点变量、输出层节点变量3类,即分析问题的起始因素、输入与输出之间的映射关系、研究目标等3层关系。

生态环境影响因素主要分为生态环境质量背景、人类对生态环境的影响以及对生态环境适宜度需求[18]。指标的选择不仅要以自然条件为基础,还要考虑人类活动对生态环境的影响[19],而影响又分为人类活动对生态环境的破坏和个人、组织或部门对改善环境作出的努力两个部分,因此本文将生态环境质量的影响因子分为自然条件、生态胁迫、生态助力3类作为中间层节点变量。其中:自然条件代表地区的地形地貌、气候环境等特征;生态助力表现为提高土地利用集约程度、植树造林等措施;生态胁迫包括城市扩张等状况。输入层节点选取说明参考表1。

由于数据均为连续变量,为方便后续分析,需通过ArcGIS 10.2中自然间断点分级方法并结合实际意义,将连续变量转换为离散变量。自然间断点分级法是基于数据中固有的自然分组,科学识别分类间隔,能够使各个分类之间差异最大化的一种断点分级方法[20]。由于部分数据存在极值情况,会影响自然间断点的分级,因此数据选取5%～95%置信度区间将连续变量分级成3类(见表2),分级中的H(high)代表数值水平高或远,M(medium)代表数值水平适中,L(low)代表数值水平低或近。大冶市生态环境质量状况Netica训练模型见图3。

表2 离散变量分级

图3 大冶市生态环境质量状况Netica训练模型

2.4 网络敏感性与诊断性分析

对贝叶斯网络进行针对原因导向的敏感性分析和针对结果导向的诊断性分析,能够有效衡量模型中各因子之间的影响关系[21]。网络敏感性分析是指通过改变输入节点的参数值观察其输出变量的概率参数的变化情况来衡量二者之间的影响程度,一般通过比较各指标缩减方差值大小或熵减百分比大小,方差缩减值和熵减比越大,则代表该指标对结果的影响越大。诊断性分析是基于敏感性分析结果,通过贝叶斯模型反向推理,观察影响因子概率的变化情况,概率变化越大,表示二者关系越紧密。

3 结果分析

3.1 生态环境质量状况分析

大冶市生态环境质量的空间分布特征见图2。由图2可知:罗家桥街道、东岳路街道、还地桥镇等地区生态环境质量普遍较差,这些地区建筑较密集,经济活动强,人口较多,地形以平原为主;生态环境质量较高的栅格普遍分布在金牛镇、刘仁八镇等地区,这些地区经济活动相对较弱,地形以山丘为主,人口较少。整体上生态环境质量由西向东逐渐降低,南北较高而中心较低,充分说明人类经济活动对于生态环境质量的影响较大。从面积占比来看,生态环境质量较差的区域面积约占总面积的57.2%,质量一般的区域面积约占总面积的31.8%,质量较好的区域面积约占总面积的11.0%,说明大冶市生态环境质量还有较大的改善空间。

3.2 敏感性分析

将分析变量设置为目标变量中的“生态环境质量”,通过Netica软件对其他因子进行敏感性分析,结果见表3。表3中的互信息是因子间相互依赖性的量度,熵减百分比和方差均表征因子间的影响程度。由表3可知:在中间层节点中,生态胁迫对于生态环境质量的作用最为显著, 熵减百分比高达24.6%;其次是生态助力2.31%,自然条件仅为0.473%。从输入变量角度看:生态胁迫因子中矿区距离对生态环境质量影响最大,熵减百分比达11.8%;夜间灯光值和路网密度均较小,仅为0.909%和0.538%;生态助力因子中土地利用类型水平指数的熵减百分比为0.854%,影响较显著;植被覆盖率熵减百分比为0.317%;生态源距离的熵减百分比仅为0.004 57%,是所有变量中熵减百分比最小的,代表其对于生态环境质量的影响程度最小;自然条件对于生态环境质量影响相对较小,仅土壤可蚀性的熵减百分比达0.24%,而河网密度和坡度熵减百分比仅为0.014 9%和0.008 04%,表明地形地貌等条件对于大冶市生态环境质量的影响甚微。

表3 目标变量敏感性分析

3.3 诊断性分析

选取生态胁迫、矿区距离、生态助力、夜间灯光值等9个对生态环境质量影响较大的因子进行网络诊断性分析。利用贝叶斯网络模型的反向推理,将“生态环境质量”概率值设定为“H”状态,即假设大冶市生态环境质量始终维持在高水平,观察各因子概率的变化情况,结果见表4。

表4 诊断性分析结果

由表4可知,生态胁迫因子“低”状态的概率提高了44.30%,矿区距离因子“高”状态的概率提高了17.10%,夜间灯光值和路网密度因子“低”状态的概率分别提升了6.60%和6.00%,表明控制好生态胁迫因素可以明显提高生态环境质量水平,且距矿区越近,生态环境质量越差,因此减少周围矿区数量、修复停用的矿坑与尾矿库,对于生态环境质量的提升十分有效。生态助力因子“高”状态的概率提高了2.80%,土地利用水平指数和植被覆盖率“高”状态的概率分别提升了1.80%和2.20%,表明土地利用集约化水平越高、植被越茂盛的地区生态环境质量越好。自然条件因子“高”状态的概率提高了2.20%,自然条件对于生态环境质量影响并不大,其中土壤可蚀性“低”状态的概率提高了1.20%,是自然条件因子中对生态环境质量影响较为显著的因素,表明土壤对侵蚀的敏感程度越低,生态环境质量越优。

4 讨论

贝叶斯网络中每个节点的分级主要由经验确定,经研究发现,相比于相等间隔分级、分位数、标准差等分级方法,通过Arcgis中的自然间断点方法效果最接近于专家经验,能够保证结果的准确性。贝叶斯网络相较于以往的多因子探测分析方法[22],在结果表达上能够更加直观地量化影响因子强度,并通过概率统计将其表达。生态胁迫对生态环境质量造成的影响程度远高于生态助力的贡献程度,这表明城镇化和经济的快速发展是导致生态环境质量较差的主要原因,这与其他研究者的结论相同[7,9]。由影响因子分析结果可知,矿区距离对大冶市生态环境质量起到了主要驱动作用,明显高于其他因子,这也与相关学者的结论一致[23],表明长期以来矿区地下开采活动破坏了大量的植被和耕地,直接的生态破坏主要为景观改变、动物种类减少、地形地貌改变,地表塌陷以及由此引起的水土流失等问题,间接产生的污染主要为环境污染、生态系统破坏、占用和破坏土地。其中环境污染表现为:爆破废气、运输车辆产生的废气和扬尘、采矿逸散的粉尘、采矿废水等。目前大冶市存在100余座已闭库尾矿库和矿坑,部分尾矿库对生态环境的破坏较大,如铜绿山铜矿等。因此,要使大冶市生态环境质量得到改善,最重要的是要加强预防措施或者减轻矿区开采对环境的影响,加强矿区工程措施、矿山地质环境保护与治理措施以及复垦工程技术措施等主要生态保护措施。相较而言,政策规划(退耕还林、植树造林、生态保护红线)等体现生态助力的指标更具有长期的指导意义,需要进行长期的观测与评价。

相关研究[12]表明,政策规划保护力对于生态保护也很重要。从本研究结果也可以看出,生态助力对于大冶市生态环境质量的影响不容忽视,土地利用水平对生态环境质量影响较大。无论是《自然资源部关于2020年土地利用计划管理的通知》提及的“除了纳入重点保障的项目用地外,其余项目用地计划指标均与处置存量土地挂钩”,还是从大冶市经济主体向高质量发展的转型趋势,都体现了土地节约集约利用的重要性。因此,优化土地要素市场化配置,提高土地集约利用效率、植树造林、退耕还林等,已经成为生态环境保护的主旋律。

本文结合收集到的数据,从大冶市实际出发,加入矿区、土地利用等因子构建贝叶斯网络,但还有其他因素如重工业污染、政策规划等因素也对生态环境质量起到了一定作用,后续研究还需对指标进行完善和丰富。贝叶斯网络对于分析生态环境质量影响因素效果较好,但仍具有一定的局限性:

a.贝叶斯网络结构构建具有一定的不确定性,一般来说,构建贝叶斯网络时或多或少会选择一些影响较弱的因素,如果模型中考虑到所有因素,网络将会变得十分复杂,错误率极高,而这取决于构建者水平和可获得的数据量。

b.贝叶斯网络参数具有一定的不确定性,贝叶斯网络要求数据离散化,而连续变量离散化时可能会损失统计的准确性,从而忽略区间内的变化[24],离散节点不同其结果也不同,在选择断点时不仅要选择科学的分级方式,更应考虑间隔的数量、断点的生态意义,保证每个区间都具有合理的观测量[25]。

5 结论

a.大冶市生态环境质量由西向东逐渐降低,南北较高而中心较低,经济越发达地区生态环境质量越差,说明生态环境质量受人为活动的影响较大。

b.生态胁迫是导致大冶市生态环境质量差的最主要因素,生态助力次之,自然条件的影响最小。生态胁迫中最关键的因子是矿区距离,这与大冶市典型矿业城市的特点契合,其次是夜间灯光值。矿区生态修复是未来国土空间规划或全域土地整治的重中之重,也是大冶市目前面临的主要问题。

c.贝叶斯网络模型对于解释生态环境质量因果关系的表现较好,相较于传统的生态环境质量评价模型,能够更直观地量化各变量的大小,同时还能结合土地利用变化情况等指标,分析结果较为可靠。