本文转载自城市地理之光。
标题：A Bayesian network-GIS probabilistic model for addressing human disturbance risk to ecological conservation redline areas
期刊：Journal of Environmental Management
作者：Jing Liu，Xiaojuan Xu，Changxin Zou，Naifeng Lin，Kun Zhang，et al
DOI：https://doi.org/10.1016/j.jenvman.2023.118400
本文字数：5863字 阅读时间：约15分钟
1. 导读
人口增长及其带来的生态空间占用对区域生态安全和社会稳定构成巨大风险。在中国，禁止城镇化和工业建设的"生态保护红线" (ECR)被作为解决空间错配和管理矛盾的国策提出。然而，不友好的人为干扰活动(例如,种植、采矿和基础设施建设)仍然存在于ECR内，对生态稳定和安全构成了极大的威胁。本文提出一种贝叶斯网络( BN )-GIS概率模型，用于在区域空间尺度上定量地应对人类活动对华东区域的干扰风险。贝叶斯模型整合了多种人类活动、ECR的生态受体及其暴露关系，用于计算人为干扰风险。然后引入案例学习方法地理信息系统( GIS )，基于变量的空间属性训练BN模型，评估风险的空间分布和相关性。将该方法应用于江苏省2018年划定的ECR人为干扰风险评估中。研究提出的空间概率方法不仅可以提高模型的预测精度，还可以帮助决策者确定政策设计和保护干预的优先顺序，为后期ECR调整以及区域尺度的人为干扰风险监督管理奠定了基础。
2. 引言
为有效应对人类活动与生态保护之间的矛盾，中国提出了“生态保护红线”(ECR)的国策，以解决空间错位和管理矛盾。ECR被定义为生态基线区，它能够提供保障和维持生物多样性和人类栖息地安全的生态商品和服务，是具有自然属性和特殊重要生态功能的最小空间。ECR可以被认为是环境质量安全最大化的"底线"和"生命线"保护并提供最严格的管理。目前，虽然在东海陆架范围内已经直接禁止城市化和工业建设，但不友好的人为干扰活动仍然存在，迫切需要在区域尺度上对东海陆架进行人为干扰风险评估。
对人为干扰的生态风险进行评估能够确定生态系统损害预防和修复的重点区域，从而确保可持续的生态管理。以往研究中，生态风险评价从单一风险链扩展到多风险链，从单一化学污染物扩展到包含多种人类活动的多来源。而一些区域风险分析方法，如栖息地质量模型、生态/人类健康风险指数、基于地理信息系统的有序权重平均分析、景观风险指数等，被提出用于应对人类干扰影响。然而，由于人类活动的驱动因素是复杂且不可控的，这些传统的风险指数方法无法解决这些活动的复杂相互作用及其对环境的压力，并且具有较高的不确定性。
利用概率分布来定量估计变量的范围和可能性的概率技术更符合实际情况，适用于解决风险评估中的不确定性问题。贝叶斯网络（BN）能够整合定性和定量知识，具有较高的不确定性，逐渐成为生态风险评估的实用工具。而在实际的BN应用中，更精细的空间分析需要BN与GIS的集成。由于贝叶斯网络本质上是一种系统表示，因此贝叶斯网络与GIS 之间存在着天然的联系。结合GIS和BN可用于模拟地理空间层之间的空间变量和条件依赖关系，从而实现对生态风险管理情景的空间表征。目前，BN - GIS已用于自然资源管理和自然灾害评估。因此，BN-GIS也具有解决人为干扰引起的生态风险的潜力，可以考虑它们与其他不确定性因素的相互作用。
然而，目前缺乏区域尺度上的ECRs风险评价。为了填补这一知识空白，本文提出了BN-GIS概率模型，从空间角度定量评估生态补偿区域的人为干扰风险。创新点：(1)首次引入BN来概率性地估计生态脆弱区的人为干扰风险，从而定量评估人类活动与自然系统之间的相互作用。(2)通过集成GIS工具，输入的案例可以在贝叶斯网络中从空间尺度进行学习，增强了风险节点分类和参数化的准确性。研究目的是开发一个方法框架，用于对ECRs中的敏感生态受体进行人类干扰风险评估。研究重点是江苏省ECR上的人为干扰活动。本文概率模型为ECR的调整和优化以及对当地管理者和利益相关者至关重要的人为干扰风险的预防和监督提供了空间信息。
3. 研究区域
江苏省位于116 ° 18′- 121 ° 57′E，30 ° 45′- 35 ° 20′N之间，总面积10.72 × 104km2，是我国长江三角洲地区重要的经济区域。江苏省以平原为主，属东亚季风气候，河流、湖泊、潮汐丰富。2020年总人口为8477.3万人，GDP总量为102800亿元，是我国综合发展水平最高的。快速城市化和过度开发造成了严重的生态问题，包括水土流失、水污染、湿地退化、景观破碎化等。
为解决过度开发与生态空间的矛盾，2013年首次提出《江苏省生态保护红线区域保护规划》，2018年江苏省生态保护红线正式批复发布《江苏省生态保护红线区域保护规划》。陆域ECR和海洋ECR构成了整个江苏省的ECR。陆生ECR的生态功能主要包括水土保持、生物多样性保护以及其他重要的河口、潮滩、岛屿维护等。本文对江苏省陆地生态系统的人为干扰风险进行了初步评估。
4. 研究数据
江苏省生态涵养林的空间信息从江苏省国家生态涵养林规划中获取。土地利用数据来源于2020年全国生态调查与评估，分辨率为30 m，地理坐标系为1984年世界大地测量系统。基于国家生态系统分类系统，将土地覆盖类型划分为森林、灌丛、草地、湿地、农田、中心城区、荒漠、冰川/永久积雪8类。从地理空间数据云由中国资源卫星数据与应用中心提供。人口和GDP数据来源于13个地级市统计年鉴,来源于相关地方政府中获取了30 m × 30 m的数字高程模型。采矿与运输(包括铁路、公路、国道和省道)数据从国家测绘部门提供的天地图数据库中获取。空间数据的配准、裁剪、叠加和分类在Arc GIS软件中实现。BN构建和概率推理在Netica软件。
5. 研究方法
（1）模型框架
为了定量预测人类扰动的风险,在区域尺度上构建了生态承载力BN-GIS概率模型(图2)。综合角度来看，估算一个ECR的生态风险对于解决由多种人类活动引起的相关问题是至关重要的。据我们所知，这是对区域尺度上的人类扰动风险空间和概率量化的首次尝试。该模型是GIS和BN的集成，设计如下：①在GIS图层中，对变量属性信息进行空间链接和分类。②构建BN来定量预测由人为干扰危险性、ECR脆弱性及其暴露关系推断的人为干扰风险的概率分布。③为了填充BN中变量之间的CPT，引入案例学习方法，利用变量的空间属性结合GIS来训练BN模型。④采用k折交叉验证法对模型的性能进行验证。⑤基于BN的计算结果，利用GIS工具生成研究区的人为干扰风险图，实现区域尺度上的风险对比和空间表征。
（2）评价单元划分
以10km×10km为基本评价单元，对研究区进行叠加。每个评估单元包含所有变量的空间数据。此外，GIS不仅能够包含构造CPTs所需的所有属性信息，而且能够反映采集的地学数据与研究区之间的良好叠加关系。
（3）BN结构与逻辑
本研究中BN由15个风险变量组成，分为四个部分，即人为干扰危害、ECR脆弱性、暴露关系和人为干扰风险。通过整合ECR中的所有风险要素,可以用一个BN来评估人类干扰风险。具体如下：①引入人为干扰危险性来估算人类活动的危害潜势,并将其划分为建筑、农业、交通、采矿四种类型。② ECR脆弱性被提出为对生态受体(即生态实体)干扰的生态敏感性;包括森林、草地、湿地和农田。③将人类活动与生态廊道生态受体之间的暴露关系定义为根据生态廊道的高程、坡度和到最近道路的距离估算的风险节点暴露。④利用Netica软件根据贝叶斯网络中的CPT推断人类干扰风险。
（4）可变参数化
所有变量被离散化为四种状态(Zero/Low/Medium/High)，基于自然断点分类对建筑、农业、铁路、公路、国道/省道、采矿、高程、坡度、距最近公路距离、森林、草地、湿地、农田等10个输入变量(即父节点)的状态进行划分。变量参数化见表1。
1.人为干扰危害：人为干扰危害定义为不友好的人类活动所造成的危害程度，代表了人类干扰的内在属性，具有一定的可能对ECRs造成暴露威胁。该节点由建筑、农业、采矿、交通4个典型人类活动的父节点进行推断。其中，在每个评估单元的10km × 10km缓冲区范围内，将建筑、农业和采矿的风险节点基于其占地面积进行离散化。
2.ECR暴露性：区域地形特征和交通运输条件主要影响人类活动范围，对生态系统具有潜在的扰动作用。海拔越低、地势越平坦、交通条件越便利的地区，越容易受到人为干扰。本研究为定量说明人类活动与ECR之间的相互作用，在每个网格中分配了高程、坡度和ECR到道路的最近距离三个评估因子进行暴露推断。
3.ECR脆弱性：生态受体被定义为对人为干扰的潜在暴露敏感的生态实体。本研究在ECRs中选取具有一定生态功能的森林、草地、湿地和农田4种生态类型作为风险受体。
4.人为干扰风险：利用危险性、暴露性和脆弱性确定了人为干扰风险的概率分布。
（5）案例学习
所有风险变量都在每个评估单元(10 km×10km)中进行表征，其中空间数据代表了变量关系中的一个案例(证据)。研究区域内的所有案例构成了案例学习的全部证据。模型训练的实质是根据每条证据填充CPT。
（6）模型验证
使用k折交叉验证法验证每个BN变量的过拟合和性能。BN可以由一个组构建，然后剩余的组可以被认为是评估训练模型的测试集。通过重复k次，可以稳健地评估BN的性能。基于混淆矩阵的错误率(Error)来衡量BN模型的性能。Error的值越低，说明模型的性能越好。计算如下：
（7）风险计算
基于概率推断理论，在Netica软件中输入所有变量的参数和CPTs，可以自动计算出每个评估单元中人为干扰风险的后验概率分布。然后采用等间隔分类法对各网格单元BN的人为扰动风险赋值为0~0.25 (Zero)、0.25~0.5 (Low)、0.5~0.75(Medium)、0.75~1(High)的自然间断点。最后利用Arc GIS工具生成人为干扰风险图，实现风险对比和空间表征。
6. 结果
图3.江苏省ECR基础训练成果
表2.模型性能的错误率结果
图4.针对不同风险节点(危险性、暴露性、脆弱性和人为干扰风险)的灵敏度分析结果
图5.江苏省东部沿海地区人为干扰风险区划图(a)和危险性-暴露性-脆弱性区划图(b)
7. 讨论
由于保护和管理方面的冲突,在调整和优化ECR的过程中,应将具有大量人类推论的地区,特别是具有高价值生态功能的农业空间转移出去。BN-GIS概率模型可以为ECR的调整和优化提供参考,并为ECRS内部的人为扰动风险监控和管理提供依据。
①将GIS整合到GIS主要优势是地理空间变量。人类活动和ECRS及其相互作用可以用概率推断,从而能够清楚地表明空间视觉化人类扰动的危险传播过程。案例中,基于地理空间数据,使用ARCGIS工具提取了明确的空间属性。此外,风险节点与特定地理空间特征相对应的危险、暴露、脆弱性和人为干扰风险其中概率分布的空间表示对了解实际的人类扰动风险过程特别有意义和帮助。
②与专家提供的信息相比,本文模型是利用案例学习建立起来的,这可以实现模型的校准和验证。每个评估单位的所有空间数据都作为样本进行了培训,混淆矩阵用于测试训练结果的误差率.这有效地提高了风险预测的精度。从区域角度看,由于案例学习是利用当地空间数据进行的培训,我们的模型适合于风险分类和当地情况评价。因此,人类扰动风险的空间鉴别具有更大的针对性,提高了模型的适应性和灵活性。此外,除了空间数据外,专家推导(如参数离散化)和其他模拟结果也可以被纳入该模型。在调整或优化ECRS时,这些数据也可以很容易地更新和重新计算。
③BN可以为假设数据和风险推理过程提供优先概率后可能性使用贝叶斯推理的端点。这是与其他评价指标方法相比的关键差异。不确定性可以通过模型输出中的概率分布形式得到明确的处理,这是研究的主要优势。概率计算法在一定程度上避免了对人为扰动风险的高估或低估。
④BN可以将各种人类扰动的危害、ECR的脆弱性及其在同一空间和时间尺度上的关联关系结合起来,将地理信息系统的工具结合起来。
局限性：BN-GIS概率模型仍有一些改进。①变量参数化主要依赖于它们的空间属性信息。应进一步区分和优化ECR中人类活动和风险受体的选择。②分析只实现了当前ECR的人类扰动风险评估,这可以看作是第一步。当ECR的空间数据被调整或更新时,可以模拟和预测更多的场景。③管理选择也可以作为未来的决策节点纳入模型。
8. 结论
本研究提出了一个BN - GIS概率模型，以在区域尺度上空间和定量地解决人类活动对生态系统的干扰风险。结合GIS，首先引入BNs来表征空间变量(即人为干扰危险性、ECR脆弱性及其暴露关系)，然后实现了具有不确定性的人为干扰风险的概率推断，以适应实际情况。在江苏省ECR案例研究中，利用Arc GIS工具在每个评估单元(总计554个)中选择和分类空间变量，然后基于554个案例构建和训练BNs以填充条件表。结果表明，连云港市饮用水源地和森林公园的人为干扰风险最高，而大部分生态功能区的人为干扰风险为低或中等。敏感性分析表明,ECR的脆弱性对人类扰动风险的贡献最大,其次是危害和暴露。此外,在ECR中应更加重视耕地。虽然我们的评价主要集中在当前的雕塑,它可以被认为是人为干扰风险管理的ECR的基础。下一步是将更多的未来场景纳入模型,同时使用ECR优化选项。总体而言,这项研究为地方政府以后的ECR调整、保护和监督以及人为活动造成的风险监督和管理提供了实质性支持。
注：以上内容仅代表个人阅读与理解，详情请见原文。
原文请见: Liu, J., Xu, X., Zou, C., Lin, N., Zhang, K., Shan, N., Zhang, H., & Liu, R. (2023). A Bayesian network-GIS probabilistic model for addressing human disturbance risk to ecological conservation redline areas. Journal of Environmental Management, 344, 118400. https://doi.org/10.1016/j.jenvman.2023.118400
转自：“生态遥感前沿”微信公众号
如有侵权，请联系本站删除！
