基于贝叶斯网络的南京市生态保护红线区人类活动干扰风险评价

刘 静,邹长新,林乃峰,许小娟,徐德琳,王 燕,张 琨

(生态环境部南京环境科学研究所,江苏 南京 210042)

人类活动作为生态环境演变的重要驱动力之一,是导致各类环境污染问题和生态失衡的重要人为风险因子[1]。其中土地利用变化、重大工程建设等是对生态系统干扰较大的人类活动[2]。目前针对人类活动强度的研究较为成熟,多采用人类活动线性叠加[3-4]的方法,如人类足迹指数[5-6]、人类活动强度指数[7-8]、人为干扰度[9-10]、景观发展强度[11-12]等。但上述方法只能识别人类活动干扰的现状,不能预测人类活动干扰发生的可能性及潜在危害程度。区域风险评价旨在从区域层面预测自然灾害或人类活动等风险因子对不同类型生态系统造成不利影响的可能性和潜在后果,存在一定的不确定性[13]。近年来,部分学者尝试采用Invest模型法[14-15]、生态干扰风险指数法[16]、景观生态风险指数法[17]开展区域人类活动干扰风险评价研究。但人类活动形式复杂,不同类型风险源对生态系统中各类生态受体的胁迫效应与暴露程度不同,多因素耦合使得系统风险不确定性显著提高。采用人类活动因子线性叠加的方式开展评价,无法反映人类活动风险源对不同类型生态系统的风险传递机制,在一定程度上削弱了人类活动干扰风险评价的科学性与准确性。贝叶斯网络(Bayesian network,BN)[18]作为概率论与图形论相结合的概率推理工具,由有向无环图(directed acyclic graph,DAG)和条件概率表(conditional probability tables,CPTs)2个部分组成。图形化的推理网络可定性表达风险传递结构及风险要素间的相关关系[19],条件概率表可以定量化表征风险信息的不确定性[20],实现风险传递的概率化推理与预测。目前,贝叶斯网络在环境管理领域应用广泛[21],涉及水资源管理[22]、生物多样性评估[23]、环境影响评价[24]、生态系统服务功能评估[25]等各个方面。贝叶斯网络的有向无环图与传统风险评价体系类似,以图形化的方式表征风险要素之间的传递关系,还能以条件概率表的形式实现概率推理的定量化。因此,贝叶斯网络非常适合复杂多变的生态系统建模[26-27],在人类活动干扰风险评价研究中具有较高的适用性。

生态保护红线作为生态空间范围内具有特殊重要生态功能、必须强制性保护的区域,是保障国家和地方生态安全的底线和生命线。2017年2月,中共中央办公厅、国务院办公厅印发《关于划定并严守生态保护红线的若干意见》[28],对生态保护红线的划定与管理做出了全面部署。为严守生态保护红线,我国陆续颁布了《生态保护红线监管技术规范 生态状况监测(试行)》《生态保护红线监管技术规范 保护成效评估(试行)》等系列标准,加强对生态保护红线的日常监督和监管[29-30]。然而,土地开发与生态保护之间的矛盾依旧突出,各类开发活动加剧了自然生态系统的人工化程度,建设用地的持续扩张对生态保护红线造成严重威胁。此外,生态保护红线区内仍保有不同程度的人类活动图斑,包括耕地、城镇村及工矿用地、人工商品林、重大基础设施用地等。因此,开展生态保护红线区内外人类活动干扰风险评价,是目前生态保护红线综合管理的重大需求,可为生态保护红线区开展生态保护与修复提供本底基础支撑和科学依据。

南京市作为江苏省省会,是我国东部沿海经济带与长江经济带战略交汇的重要枢纽。2020年,南京市城镇化率达到86.8%,城镇化进程高速推进。随着城市化快速发展,南京市城市规模持续扩大[31-32],建设用地不断扩张,人口不断聚集,高度密集的人类活动对生态保护红线内的生态环境造成严重威胁,亟需进行科学定量的人类活动干扰风险评价,为生态保护红线区内的生态风险防控与管理工作提供理论支撑。

因此,该研究基于贝叶斯网络,以南京市人类活动为风险源,以生态保护红线内的生态环境为风险受体,构建了区域人类活动(危险性)—风险因子(联合暴露)—生态保护红线(脆弱性)—人类活动干扰风险的风险传递网络,定量分析城镇、农田、交通、采矿等风险因子对生态保护红线内的森林、灌丛、湿地、农田等生态受体的胁迫水平及空间异质性,实现区域风险不确定性的概率化表征,为后续生态保护红线区的人类活动监管与风险管理提供参考与借鉴。

1 研究区域与数据来源

1.1 区域概况

南京市(31°14′～32°37′ N,118°21′～119°14′ E)为我国东部区域的中心城市,濒江近海,是我国重要的交通枢纽。南京市地貌以低山缓岗为主,丘陵和岗地占土地总面积的55.5%以上。水域面积占比高达11%,河流水系隶属长江水系,沿江岸线总长达200 km。南京属北亚热带湿润气候区,年平均气温15.4 ℃,年平均降水量1 106.5 mm,生态系统类型多样,动植物资源丰富。南京市下辖11个区,国土面积为6 587.02 km2。2020年全市常住人口931.97万人,常住人口城市化率达86.80%,经济总量达14 817.95亿元[33]。

基于2018年发布的《江苏省国家级生态保护红线规划》,南京市生态保护红线面积为527.50 km2,占南京市国土面积的8.07%,南京市生态保护红线的类型主要包括自然保护区、饮用水水源保护区、重要湖泊湿地、森林公园、地质公园、湿地公园、水产种质资源保护区等,主导生态系统服务功能为水源涵养和水土保持(图1)。

图1 南京市生态保护红线及土地利用类型分布

1.2 数据来源及预处理

南京市土地覆盖数据来源于2020年全国生态状况调查评估数据,该数据为30 m空间分辨率,地理坐标系为WGS_1984。基于全国生态系统分类系统,土地覆盖类型分为森林、灌丛、草地、湿地、农田、城镇、荒漠、冰川/永久积雪8种类别(图1)。南京市矿产资源开发利用数据来自《南京市矿产资源总体规划(2016—2020年)》,高速公路、铁路、国省道数据来源于测绘部门。

空间数据的配准、切割、叠加、分类统计等步骤在ArcGIS软件中进行,人类活动干扰风险的贝叶斯网络构建与概率推理采用Hugin 8.8软件。

2 区域人类活动干扰风险评价模型构建

2.1 概念模型

基于风险传递机制构建区域人类活动干扰风险概念模型,提出区域人类活动(危险性)—风险因子(联合暴露)—生态保护红线(脆弱性)—人类活动干扰风险的风险传递网络(图2)。其中,风险源设定为城镇村内的建设活动、农业开发、交通开发和矿产开发4种类型[14],其风险因子分别为人类活动最为集中的建设用地以及人类活动较为集中的铁路、公路、国省道、采矿区和农田。风险受体设定为生态保护红线,按照生态功能实体分为森林及灌丛、湿地、草地、农田生态受体。

图2 区域人类活动干扰风险评价概念模型

2.2 贝叶斯网络结构

研究构造的贝叶斯网络如图3所示。首先,从风险要素入手,将人类活动危险性、生态保护红线脆弱性、风险因子联合暴露胁迫性、人类活动干扰风险等变量定义为贝叶斯网络中的节点。其次,将图2所示的风险传递过程概化为风险要素之间的因果关系,构建贝叶斯网络拓扑结构。而后,计算人类活动危险性、风险因子胁迫性、生态保护红线脆弱性、风险因子联合暴露等指标,并以条件概率表的形式在贝叶斯网络中进行表征。最后,基于贝叶斯网络的概率推理功能,自动计算人类活动干扰风险的概率分布,实现区域人类活动干扰风险的定量化计算与表征。

图中数据表征模型的初始状态。

2.3 节点参数化

在区域人类活动干扰风险评价的过程中,通过节点离散化可以实现不同区域间人类活动风险源、风险因子联合暴露、生态保护红线内风险受体的量化与比较,为后续决策分析提供数据支持。如图3所示,不同风险节点的离散状态不同。

(1)人类活动危险性,指人类活动集中的风险源对生态保护红线区发生胁迫的可能性。选取人类活动干扰最集中的4种生境,将其危险性离散为胁迫和不胁迫2种状态。其中,输入节点(父节点)建设用地胁迫性和农田胁迫性的先验概率用面积占比计算得出,交通开发胁迫性的父节点公路胁迫性、铁路胁迫性、国省道胁迫性的先验概率用线密度占比(道路密度占比)计算得出,矿产开发胁迫性的先验概率则基于点密度占比计算得出。人类活动危险性由上述4类风险节点概率推理得出,离散为零危险性、低危险性、中危险性、高危险性4种状态。

(2)风险因子联合暴露。风险源与风险受体间暴露关系的量化是生态风险评价的关键步骤。只有风险受体存在的情形下,风险源与风险受体之间才会存在联合暴露。因而,风险因子联合暴露由人类活动危险性和生态保护红线占比推理得出,离散为零暴露、低暴露、中暴露、高暴露4种状态。

(3)生态保护红线脆弱性。生态受体通常指暴露于风险胁迫因子的生态实体[34]。将生态保护红线内的生态实体细分为森林及灌丛、湿地、草地、农田,其脆弱性以生态受体暴露范围的大小来衡量。输出节点(子节点)生态保护受体脆弱性则由上述生态实体脆弱性及其抗干扰能力权重决定,离散为零脆弱性、低脆弱性、中脆弱性、高脆弱性。

(4)人类活动干扰风险。作为风险评价的目标节点,人类活动干扰风险由人类活动危险性、风险因子联合暴露、生态保护红线脆弱性的所有风险节点共同推理得出。该风险节点被离散为零风险、低风险、中风险、高风险4种状态。

2.4 条件概率表

在贝叶斯网络中,条件概率表是指在父节点每一种可能发生的组合情景下,子节点不同状态下的条件概率分布情况[35]。在人类活动干扰风险评价的贝叶斯网络中,人类活动危险性、风险因子联合暴露、生态保护红线脆弱性与人类活动干扰风险之间的定量关系均用条件概率表表征。基于数据可获取性,条件概率表的计算方式主要包括隶属度计算和专家判断2种方式。

2.4.1隶属度计算

在人类活动干扰风险评价中,部分风险要素的量化存在模糊性,因而考虑采用模糊处理的方式来计算部分节点的条件概率表。基于模糊集理论[36],隶属度函数表征某一元素属于某一模糊集的可能性[37-38]。基于已有研究分析,交通开发胁迫性的父节点铁路胁迫性、国省道胁迫性和公路胁迫性的权重分别设置为0.4、0.6和0.5;人类活动危险性的父节点建设用地胁迫性、农田胁迫性、交通开发胁迫性和矿产开发胁迫性的权重分别设置为1、0.15、0.5和0.5[14];此外,不同生态受体的抗干扰能力不同,结合区域生态保护红线的景观特征,生态保护红线脆弱性的父节点湿地脆弱性、森林及灌丛脆弱性、草地脆弱性、农田脆弱性的权重分别设置为1、2、3、4[39-40]。而后,设定隶属度函数,通过隶属度计算获取不同风险节点的概率分布。采用降半梯形分布隶属度函数进行隶属度计算,基于MATLAB软件编程实现。降梯形分布函数如下:

(1)

式(1)中,α、β分别为评价指标对应的最小值、最大值。

2.4.2专家判断

专家判断是贝叶斯网络中先验概率分布的重要依据,在信息缺乏的复杂生态系统中,经验知识的引入可以弥补数据的欠缺,并可以与定量化的数值模拟结果在贝叶斯网络中进行汇总、推理与概率计算。风险节点生态保护红线脆弱性、人类活动干扰风险的条件概率表采用专家判断与线性插值相结合的方式构建。首先,将最不可能发生状态的条件概率设置为0,最可能发生状态的条件概率设置为100%。而后,选择需要进行专家判断的情景,基于国内外已有研究成果和相关领域专家打分完成该情景下的条件概率表。最后,计算插值系数,完成条件概率表的内插与构建。

2.5 风险计算与表征

为实现不同区域间人类活动干扰风险的比较、评价与管理,基于等间隔离散法,将风险节点人类活动危险性、生态保护红线脆弱性及人类活动干扰风险的4种状态(0～100)等间隔离散:0～25为零危险性、零脆弱性或零风险;>25～50为低危险性、低脆弱性或低风险;>50～75为中危险性、中脆弱性或中风险;>75～100为高危险性、高脆弱性或高风险,得到不同区域人类活动干扰风险分布的排序结果。

而后,利用ArcGIS 10.6软件,基于自然断点法生成区域人类活动危险性、生态保护红线脆弱性及人类活动干扰风险的分布图,实现风险分布的空间化表达。

2.6 敏感性分析

敏感性分析是用来量化贝叶斯网络中目标节点对输入节点敏感程度的方法,用以诊断和筛选对目标节点影响最大的输入节点,可为风险防控与管理提供决策支持。利用Hugin 8.8软件中的Value of Information功能进行敏感性分析。基于随机变量的离散化程度,采用交叉熵法对目标节点人类活动干扰风险及其风险要素(人类活动危险性、风险因子联合暴露、生态保护红线脆弱性)开展敏感性分析,比较分析风险传递过程中不同风险要素对目标节点的交叉熵及父节点对不同风险要素的交叉熵大小。其值越大,则该风险要素的贡献水平越高,影响程度越大。

3 结果与分析

3.1 南京市生态保护红线人类活动干扰风险分布

2020年南京市生态系统类型以耕地和居住地为主,其次为河流、湖库,占地类总面积的85%左右,是南京市景观基质的主要构成类型(图1)。生态保护红线内的生态系统类型则以河流、湖库和阔叶林为主,其次为耕地和针叶林,两者占南京市整体生态保护红线面积的90%以上。基于自然断点法生成南京市生态保护红线人类活动干扰风险分布图,结果见图4。按行政区统计,南京市生态保护红线高风险区位于建邺区,包括夹江饮用水水源保护区、南京长江江豚省级自然保护区和长江大胜关长吻鮠铜鱼国家级水产种质资源保护区;中风险区位于溧水区、浦口区、高淳区、鼓楼区、雨花台区和玄武区;低风险区位于栖霞区、六合区和江宁区。秦淮区无生态保护红线,故不存在人类活动干扰风险。

图4 南京市生态保护红线人类活动干扰风险分布图

南京市人类活动危险性、风险因子联合暴露和生态保护红线脆弱性分布结果见图4。基于自然断点法,针对人类活动危险性,南京市存在3个高危险区,分别为秦淮区、雨花台区和鼓楼区;有3个中危险区,分别为栖霞区、浦口区和江宁区;有5个低危险区,分别为六合区、玄武区、建邺区、溧水区和高淳区。针对风险因子联合暴露,南京市存在1个高暴露区,即建邺区;有7个中暴露区,包括玄武区、鼓楼区、浦口区、溧水区、雨花台区、高淳区和栖霞区;有2个低暴露区,为江宁区和六合区。生态保护红线脆弱性评价显示,高脆弱区分布在高淳区(包括固城湖饮用水水源地保护区、固城湖国家城市湿地公园、固城湖中华螯蟹国家级水产种质资源保护区、石臼湖湿地和江苏游子山国家森林公园)和六合区〔包括八卦洲(左汊)上坝饮用水水源保护区、止马岭自然保护区、江苏六合国家地质公园、六合方山省级森林公园、金牛湖省级森林公园和南京市平山省级森林公园〕;中脆弱区分布在栖霞区、鼓楼区、浦口区、溧水区、雨花台区、江宁区和建邺区;低脆弱区则分布在玄武区。

3.2 贝叶斯网络风险评价结果

基于南京市不同区域的空间差异性,以人类活动干扰风险最高的建邺区生态保护红线为例,其贝叶斯网络计算结果如图5所示。

图5 建邺区生态保护红线人类活动干扰风险评价的贝叶斯网络

人类活动危险性:相较于其他人类活动,建邺区内建设用地的胁迫概率最高,为42.50%。基于建邺区内建设用地、农田(胁迫概率13.94%)、交通开发(胁迫概率4.55%)和矿产开发(胁迫概率0)这4类人类活动的共同影响,建邺区内人类活动危险性的概率分布为高危险性1.79%、中危险性38.07%、低危险性12.91%、零危险性47.23%。

风险因子联合暴露:建邺区内生态保护红线面积为22.32 km2,占比达26.92%,在各类人类活动共同影响情景下,联合暴露水平的概率分布为高暴露4.58%、中暴露7.54%、低暴露2.09%、零暴露85.80%。

生态保护红线脆弱性:建邺区生态保护红线内湿地类型最多,面积达16.22 km2,占比达72.66%。基于贝叶斯定理,建邺区内生态保护红线脆弱性节点在红线内森林及灌丛(存在概率0.13%)、湿地(存在概率72.66%)、草地(存在概率0)和农田(存在概率3.84%)脆弱性4类生态受体节点的共同影响下,概率分布为高脆弱性26.26%、中脆弱性1.64%、低脆弱性72.11%。

人类活动干扰风险:将上述所有风险节点的概率分布在图5所示的贝叶斯网络中汇总,基于贝叶斯定理和自上而下的因果推理,建邺区生态保护红线内人类活动干扰风险的概率分布为高风险3.13%、中风险3.73%、低风险7.30%、零风险85.80%。

3.3 敏感性分析

不同风险因子在各区域的人类活动干扰风险分布存在异质性,主导风险要素也相应存在差异。以人类活动干扰高风险区建邺区的风险评价结果为例,开展敏感性分析,比较不同风险传递要素(人类活动危险性、风险因子联合暴露、生态保护红线脆弱性)对目标节点人类活动干扰风险及不同父节点对风险传递要素概率分布的贡献、敏感程度。

如表1所示,目标节点人类活动干扰风险的计算结果表明,3个风险节点交叉熵值降序依次为风险因子联合暴露、生态保护红线占比和人类活动危险性。从风险传递的角度,建邺区人类活动干扰风险的主要敏感因子为风险因子联合暴露,人类活动危险性和生态保护红线脆弱性的影响相对较小。针对风险传递过程,人类活动危险性的主导因子为建设用地胁迫性,风险因子联合暴露的主导因子为生态保护红线占比,生态保护红线脆弱性的主导因子为湿地脆弱性。

表1 建邺区生态保护红线区人类活动干扰风险的敏感性分析

上述分析结果可为建邺区生态环境管理实践提供参考。在环境监管实践中,需要充分贯彻江苏省《关于在国土空间规划中统筹划定落实三条控制线的实施意见》(苏办厅字〔2020〕42号),落实生态保护红线和城镇开发边界,禁止生态保护红线内出现城市化、工业化用地新增或扩建,防止开发建设性人类活动侵占生态保护红线,确保生态保护红线面积不减少、质量不降低、性质不改变。针对湿地兼具生态重要性和生态脆弱性的特点,建议对辖区内饮用水水源保护区、水产种质资源保护区等重要湿地的管理和保护进行提档升级。在具体工作中,可参考《江苏省水资源管理条例》、江苏省地方标准DB32/T 4030—2021《集中式饮用水水源地管理与保护规范》等相关文件要求,编制湿地保护综合规划,严格管控取土、挖砂、兴建各类工程等生产性活动,防止水土流失和水资源污染,强化关键区域巡查频率及范围。此外,建议进一步推进生态监管能力建设,开展生态本底调查,构建并完善生态监测网络,提升累积性与突发性生态风险预警能力,增强公众参与力度,为优化建邺区生态环境管理成效提供技术支持。

4 讨论

可变性和不确定性是环境风险最突出的特性[41-42],在区域人类活动干扰风险评价中,不仅要明确风险源与风险受体之间的风险传递机制,还应衡量风险发生的可能性及其后果。鉴于定量化的概率风险评价的复杂性,大多数人类活动评价仍以人类足迹指数[5-6]、人为干扰度[9-10]等线性叠加的方法开展,由此可能造成风险预防不足或风险评价过度。笔者从概率的角度出发,借助贝叶斯网络的拓扑结构和概率推理,构建人类活动(危险性)—风险因子(联合暴露)—生态保护红线(脆弱性)—人类活动干扰风险的区域风险评价方法。相较于Invest模型的生境退化风险评估法[14-15],该方法的优势在于基于贝叶斯网络的拓扑结构,可以网络化表达区域人类活动干扰风险传递系统,直观反映各风险要素之间的因果关系及风险传递过程。相较于生态干扰风险指数法的非概率方法[16],该方法的优势在于贝叶斯网络可以对风险传递过程进行因果推理与概率分析,在概率化表征人类活动干扰风险传递的不确定性的同时,定量化评估与比较不同区域之间人类活动危险性、风险因子联合暴露水平、生态保护红线脆弱性及人类活动干扰风险(图5),增强了风险评价的准确性与科学性。

风险分布结果表明,人类活动干扰风险是人类活动危险性、风险因子联合暴露与生态保护脆弱性3类风险要素共同推理的结果。如图4所示,南京市生态保护红线人类活动干扰风险分布结果与风险因子联合暴露分布结果更为一致,而不同区域人类活动危险性、生态保护脆弱性则因区域不同而呈现较大的差异。以建邺区生态保护红线为例,作为人类活动干扰高风险区,风险因子联合暴露水平为高暴露,而人类活动危险性与生态保护脆弱性则分别处于中脆弱性和低危险性水平。基于敏感性分析结果(表1),风险因子联合暴露对建邺区生态保护红线人类活动干扰风险的贡献最高,这也进一步佐证了图4的评价结果。

贝叶斯网络提供了一种基于概率推理的人类活动干扰风险评价的方法框架,但由于人类活动风险源与生态保护红线受体的暴露机理研究相对薄弱,基于专家判断的条件概率表存在一定的主观性。此外,对于不同的生态红线类型与人类活动类型、影响距离、接触面、传输介质等,其影响的性质、范围、程度、可恢复性差别明显。该研究选取的风险源危险性与风险受体脆弱性的评价指标相对单一,可能会造成计算过程中信息的缺失。未来将继续开展生态保护红线实地核查与统计研究,进一步筛选与细化人类活动风险源危险性和生态受体脆弱性的评估准则,完善区域人类活动干扰风险评价的方法和手段,为区域风险管控与决策分析提供科学依据与理论支撑。

5 结论

基于贝叶斯网络,构建了区域人类活动(危险性)—风险因子(联合暴露)—生态保护红线(脆弱性)—人类活动干扰风险的风险传递网络,开展了南京市生态保护红线人类活动干扰风险评价,获得了如下主要结论:

(1)南京市建邺区生态保护红线人类活动干扰风险最值得关注,建议重点监管建邺区内夹江饮用水水源保护区、南京长江江豚省级自然保护区和长江大胜关长吻鮠铜鱼国家级水产种质资源保护区等红线斑块。基于敏感性分析,从监管生态保护红线内人类活动、促进重要湿地管理与保护、改善生态环境监测能力等方面为建邺区生态环境管理成效提升提供建议。

(2)南京市秦淮区、雨花台区和鼓楼区的人类活动危险性最值得关注,高淳区和六合区生态保护红线的脆弱性最值得关注。南京市建成区人类活动危险性较高,而郊区生态保护红线的脆弱性较高。

(3)基于贝叶斯网络的区域人类活动干扰生态风险评价方法,可以将风险传递要素(人类活动危险性、风险因子联合暴露、生态保护红线脆弱性)及其计算结果在贝叶斯网络中表征和汇总,实现生态风险传递的因果推理与概率计算,定量化表征生态风险的不确定性。