海洋生态系统压力对状态影响的整体网分析及应用

祁琪，张亦飞，2，刘弢，严成杰，方欣，2

（1.国家海洋局第二海洋研究所　工程海洋学实验室，浙江　杭州　310012；2.杭州国海海洋工程勘测设计研究院，浙江　杭州　310012）

海洋生态系统压力对状态影响的整体网分析及应用

祁琪1，张亦飞1，2，刘弢1，严成杰1，方欣1，2

（1.国家海洋局第二海洋研究所工程海洋学实验室，浙江杭州310012；2.杭州国海海洋工程勘测设计研究院，浙江杭州310012）

自然变化及人类活动压力对海洋环境的影响方式和程度是基于生态系统海洋管理研究的重要内容，利用属性数据、基于DPSIR等概念模型进行分析评价难以反映问题的本质。为此，在海洋生态系统压力对状态影响特征分析的基础上，引入整体网方法，利用关系数据进行压力对状态影响的定性和定量分析，用度数中心性、中间中心性、接近中心性表征压力和状态因素在压力-状态网络中的地位和重要性，用影响力指数表征压力因素的重要性和状态因素受影响的程度。利用美国南佛罗里达海域MARES研究项目（the MARine and Estuarine goal Setting project）提供的数据进行实证分析，结果显示该海域12类主要压力因素中，径流注入对区域海洋生态系统状态影响最大，休闲垂钓的影响最小。11个主要状态因素中，保护物种、鱼类和贝类受到的压力影响力最大，是两种最易受到侵害的生态系统状态，上述结论可以为该海域的生态修复工作提供一定的指示。

基于生态系统的海洋管理；压力-状态关系；整体网分析；UCINET软件

approach；UCINET software

基于生态系统的海洋管理（Marine Ecosystem-Based Management，MEBM）将生态系统整体作为管理对象，综合考虑海洋的生态、经济和社会价值以及海洋资源利用过程中环境、生态和人类活动等因素的相互作用，打破单一的部门管理模式，充分考虑众多利益相关者的诉求，有利于协调日益增长的经济社会发展需求与有限的海洋生态系统服务之间的矛盾（Sandifer et al，2005；刘慧等，2014），是传统资源管理范畴的拓展（Curtin et al，2010）。由于海洋生态系统的复杂性和不确定性，实施基于生态系统的海洋管理，首先需要识别影响生态系统的驱动力和压力因素，对生态系统的现状进行客观、科学的评价。

无论是海洋生态系统现状评价，抑或进行环境和生态修复措施研究，大量的分析和研究都明示或隐含地采用基于因果链的概念模型（Martins et al，2012；Sekovski et al，2012；Fredrik et al，2007；祁帆等，2007），如“压力-状态-响应”模型（Pressure-State-Response，PSR）、驱动力-状态-响应模型（Driving force-State-Response，DSR）、“驱动力-压力-状态-影响-响应”模型（Driving force-Pressure-State-Impact-Response，DPSIR）。利用这些概念模型，如DPSIR，进行问题分析和诊断，首先需要将驱动力、压力、状态、影响和响应指标结构化，尔后利用综合评价模型进行现状评价和生态环境修复措施效果分析。但目前利用指标属性数据的处理方法，将生态系统影响因素和状态因素视为简单的线性关系，没有考虑概念模型本身隐含的反馈模式，导致模型结构信息的损失，对正确的生态环境问题决策带来困难（Niemeijer et al，2008）。

社会网络（Social Network，SN）是指个体之间依据社会关系所构成的相对稳定的体系（祁帆等，2007），是西方社会学研究的一个重要分支。由于其在本体论、认识论和方法论方面的独特优势，该方法已广泛应用于社会、经济和生态等诸多领域（陈锐等，2014；张红霞等，2014；杨丽花等，2012；阮丹青等，1990；Jiao et al，2014；潘裕娟等，2012）。Smythe等（2014）以美国纽约罗德岛基于生态系统管理的海洋规划编制为例，利用社会网络分析方法（Social Network Analysis，SNA）研究了部门之间相互合作和相互影响的问题，得出了一些有益的结论。Liu等（2015）利用SNA研究了香港维多利亚港等海域底质中重金属的同现性问题，认为社会网络是环境污染问题研究的有效工具。Weiss等（2012）通过关键利益相关者调查资料，建立了儒艮和海龟管理的社会网络，分析了利益相关者知识共享及其对保护政策的影响。从文献检索看，总体上，应用社会网络分析在基于生态系统的海洋管理方面的研究仍然较少，国内未见相关文献报道。

按照基于生态系统海洋管理的原则以及DPSIR等概念模型的特征，本文引入SNA中的整体网分析方法（Whole network approach）进行区域海洋生态系统压力对状态影响问题的研究，目的是探索整体网方法在该领域的适用性，以便为同类理论研究和实践提供参考。除了本部分内容，本文第2部分主要介绍整体网的基本概念及压力对状态影响分析的主要指标；第3部分，根据相关文献提供的数据，对美国南佛罗里达州海域进行实证分析；最后，提出了研究的主要结论和进一步研究的方向。

1　原理和方法

1954年巴恩斯通过对挪威一个渔村阶级体系的分析，首次把社会网络的隐喻转化为社会网络的系统研究（张文宏等，1999）。SNA研究问题范围广泛，内容多样，根据网络类型分成三层次，即个体网（Ego-network）、局域网（Partial network）和整体网（Whole network）。整体网是由一个群体内部所有成员及其相互关系构成的网络，认为个体组成的集合表现出一定的结构，不同的网络结构对成员的行为产生不同的影响。通过整体网分析可以揭示网络的结构特征，解释成员联系的紧密性和成员行为之间的联系（刘军，2014）。

生态系统的诸多特征及过程可以用其组成部分之间的相互作用网络加以表达，采用复杂网络分析所能获得的认识远超过分析其各个组成部分，因此，针对复杂系统，网络思维方法十分重要（Proulx et al，2005）上述观点是应用整体网进行海洋生态系统研究的逻辑基础。按照海洋生态系统的特点，可以认为区域海洋生态系统压力（Pressures，P）和状态（States，S）关系构成了一类整体网，而且压力与状态要素两个群体之间的关系问题属于整体网中的2-模网络（P-S网）。可以应用2-模网络研究网络及成员之间的“微观与宏观”、“个体与集体”、“结构与能动”关系等等内容，研究方法包括矩阵法、图表法、计量法、中心性分析和块模型法等。

定量研究方面，海洋生态系统压力对状态影响问题研究，即是2-模网络中压力和状态因素的“权力”和影响力，可以用度数中心性（Degree）、中间中心性 （Betweenness）、接近中心性（Closeness） 等指标表征。节点的度数中心度（Degree centrality）是该节点直接相连的其他节点的数目，度数中心性高，则该节点处于网络的中心位置，拥有较大的“权力”，可以在较大程度上影响其他因素，其计算方法比较简单，可以参见相关文献（刘军，2014）。

直观地，当一个节点与网络中的其他节点的“距离”（接近度）都很短时，该节点在资源、信息及影响力方面比较强，因此，接近中心度（Closeness centrality）用该节点与网络中其他所有点的捷径距离之和表示。在P-S网中，一个压力因素的接近中心度定义为该压力因素影响到的状态因素至其他压力因素和状态距离的函数，计算公式为：

式（1）中，g是压力因素数量，h是状态因素数量，压力因素k与状态因素i邻接，d（k，j）为压力因素节点k和状态因素节点j的捷径距离。

另一方面，状态因素的接近中心度是影响该状态因素的所有压力因素与其他压力因素的最短距离的函数，计算公式与公式（1）相似，只是压力因素和状态因素的标识作调换即可（刘军，2014），在此不再列述。

中间中心度（Betweenness centrality）测量的是行动者对资源的控制程度。如果节点的中间中心度为0，说明该节点不能控制其他行动者，处于网络的边缘；反之，当中间中心度为1时，则该节点位于较多的网络路径上，处于网络的核心位置，拥有很大的权力，可以100%控制其他行动者。中间中心度计算公式为：

式（3）中，bjk(i)=gjk(i)/gik，gik表示节点j与k之间存在的捷径数目，gjk(i)表示节点j与节点k之间经过节点i的捷径数目，bjk(i)表示节点i控制节点j和k交往的能力。

除了定量研究外，2-模网络也可以转化成二部图（Bipartite graphs）和多维量表MDS（Multidimensional scaling of geodesic distances）进行直观图示。二部图中，有向线段表示压力指标对状态指标的影响，线段越多表示影响越大，节点图标大小表示该节点的度数大小，节点图标越大，表示其在P-S网中地位越重要。而多维量表MDS则根据“关系远近”制作图件，距离越近，代表节点关系越紧密。

影响力指数（Influence index）是整体网有关权力和影响力研究的另一个重要指标。相对于前述2-模网的计算，该指标的计算是基于1-模网络的，计算指标分为只考虑直接影响的常规影响力指数和同时考虑直接关系和间接关系的影响力指数，计算方法可参见相关文献。

目前，可以利用多种软件进行社会网络分析，如NetMiner、Pajek、Gephi等，这些软件各有优势，功能与操作有相似之处但也不尽相同。Ucinet （University of California at Irvine Network）能够适应处理多重关系复杂问题的中大型数据问题分析，综合性、运算功能和兼容性均较强，本文即利用该软件进行计算。

2　案例研究与讨论

2.1研究区域及基础数据

佛罗里达州东濒大西洋，西临墨西哥湾，北与亚拉巴马州和佐治亚州接壤，海岸线总长13500km。研究区域是从南佛罗里达大陆架到佛罗里达群岛，东到比斯坎湾，北至圣露西河。区域的东北边界至佛罗利达大陆架附近的佛罗里达群岛，这些岛屿位于声卡岛和比斯坎湾的交汇处。南部边界由佛罗里达群岛延伸至杰斐逊堡和海龟国家公园，最南端为佛罗里达凯斯国家海洋保护区，东面毗邻墨西哥湾（图1）。

2009年至2012年，100余名南佛罗里达的科学家、海洋管理工作者和利益相关者完成了名为MARES的研究计划 （MARine and Estuarine goalSetting project） （Cook et al，2014）。该计划期望在南佛罗里达海洋生态系统特征界定和基本调节过程认知方面达成共识，并聚焦于基于海洋生态系统管理的生态修复工作。MARES计划实施过程中，研究小组提出了区域海洋生态系统问题研究的EBM-DPSER整体概念模型（Kelble et al，2013）。该模型继承了DPSIR的诸多优势，也注意到模型中压力因素无法与生态系统服务建立直接联系的问题，因此，将模型调整为DPSER（Driver-Pressure-State-Ecosystem Service-Response）。模型关注对生态系统影响的最终压力因素，从而使生态修复措施更加具有针对性。

图1　研究区域图

基于EBM-DPSER模型，研究小组识别了研究区域生态系统的压力、状态和生态系统服务3个模块的相关主要因素34个，其中压力因素12个、状态因素11个，生态系统服务因素11个（表1）。各因素的定义见文献（Cook et al，2014）。

表1　研究区域压力、状态和生态系统服务主要因素

通过分析，该区域海洋生态系统中，12项压力因素与11项状态因素之间共计形成132对直接影响关系。为了识别压力对状态、状态与状态、状态与生态系统服务的影响强度，研究小组对25位经验丰富的人员进行问卷调查，调查中对每个直接影响关系设置2个问题，即：

1.X对Y的直接影响程度；

2.Y被X直接影响的比重。

每个问题的分值区间为0-5分，取两个问题分数平均值为此影响关系的最终得分。通过打分量化汇总以确定系统因素之间的直接影响强度：0分表示无影响，5分为中等强度影响，10为强影响，并得到压力对状态、状态与状态、状态对生态系统服务3个影响矩阵。鉴于研究目的，本文只列出Cook等（2014）研究中通过问卷调查得到的压力对状态的影响矩阵数据（表2）。

表2　研究区域海洋生态系统压力对状态的影响矩阵

2.2整体网分析结果与讨论

2.2.1压力-状态关系的图形分析

利用图形表述2-模数据，即将压力因素和状态因素看成节点，因素之间的相互作用关系看成线，由UCINET6.2软件生成的压力-状态关系二部图如图2所示。

图2中，圆形节点为压力因素，方形节点为状态因素。该图显示，受到影响最多的是保护物种（S1），有7个压力因素对其产生影响，包括气候变化（温度） （P2）、疾病（P7）商业捕捞（P11）等，是受到压力作用因素种类最多的状态因素。而受到压力因素最少的是牡蛎礁（S11），3个压力因素对其产生影响，包括（河口）径流注入（P1）、气候变化（天气） （P3）和海洋构筑物建设（P5）。从压力角度看，产生影响最多的是（河口）径流注入（P1），使包括海洋鸟类（S8）和海草床（S9）、牡蛎礁（S11）等9个状态因素受到影响。对外界影响最少的是休闲垂钓（P12），只对鱼类和贝类（S2）产生影响。

图2　压力与状态因素关系二部图

在二部图的基础上，利用UCINET6.2软件可以得到压力、状态关系的多维量表（MultiDimension Scaling，MDS） （图3）。

图3　压力-状态因素关系多维量表

由于MDS是依据“距离”长短绘图的，在二维空间中，距离越近的点关系越紧密。如前文所述，保护物种（S1）同时受到气候变化（温度）（P2）、疾病（P7）商业捕捞（P11）等7类压力因素的共同影响，但是各种压力因素的影响程度是不同的，其中与海洋垃圾（P9）“距离”最近，因此定性的可以认为对保护物种（S1）影响最大；相反，娱乐性划船活动（P6）与之“距离”最远，影响最小。对于其他10个状态因素，也可以进行同样的分析。

3.2.2压力-状态关系的定量分析

由于海洋生态系统P-E网中影响关系复杂，很多情况下，利用二部图、多维量表等图形仍然很难判定这些影响关系，因此，有必要借助于定量指标进行分析。

（1）中心性分析

表3　压力因素和状态因素节点中心性计算结果

利用UCINET软件得到的南佛罗里达海域压力因素和状态因素中心性计算结果见表3。表中，12个压力因素中（河口）径流注入（P1）的度数中心度最高，为0.909，其接近中心度和中间中心度也最高，分别为0.943和0.218，显然，（河口）径流注入（P1）处于P-E网的核心位置，对该海域生态系统状态影响最大。海平面上升（P4）、娱乐性划船活动（P2）和疾病（P6）的度数中心度相同，均为0.455，接近中心度和中间中心度值相差不大，说明3个压力因素在网络中的地位相似。另外，休闲垂钓（P12）的度数中心度、接近中心度和中间中心度值最小，分别为0.091、0.524和0，处于网络的边缘位置，对区域海洋生态系统的影响最小。从状态因素方面看，11个状态因素度数中心度和接近中心度最高的是保护物种（S1）和鱼类和贝类（S2），值分别为0.583和0.762，对它们产生影响的压力因素最多；两者比较，鱼类和贝类（S2）的中间中心度较高（0.170），因此，鱼类和贝类（S2）比较保护物种（S1）处于网络更加核心的位置。度数中心度最低的是牡蛎礁（S11），为0.250，对其产生影响的压力因子最少，同时接近中心度和中间中心度最低，说明其处于网络的边缘地位。休闲垂钓（P12）仅对鱼类贝类（S2）产生影响，因此，中间中心度为0，也处于网络的边缘位置。

另外，还可以利用UCINET软件绘制2-模网节点度数中心度图（图4），图中节点的大小表示中心性的大小，该图使计算结果更加直观、明显。

图4　压力、状态节点中心性二部图

（2）影响力分析

P-E网中，各类因素的影响力可以通过各因素之间的相互影响体现出来。利用UCINET软件的影响力分析模块计算出海洋生态系统压力因素在网络影响力的大小，也可以计算状态因素受到影响的大小（表4）。

表4　海洋生态系统压力与状态因素的影响力指标

从表4看出，压力因素方面，影响力值最高的为（河口）径流注入（P1），其值达到63.45，表示它在区域海洋生态生态系统所有压力因素中对状态的影响最大；而休闲垂钓（P12）的影响力指数只有8.43，为对区域海洋生态系统影响最小的压力因素。状态因素方面，保护物种（S1）受到影响的值为46.52，是所有11个状态因素中受到影响最大的指标。上述影响力指数的分析结果与采用中心性指标的分析结果一致。

另外，Cook等（2014）从压力对状态的直接影响矩阵以及矩阵相乘方法计算压力对状态的影响，无法考虑压力在网络节点之间的传递以及二阶以上的间接影响，因此得出的结论存在值得商榷的地方，这也是引入SNA方法的缘由之一。而本文基于SNA的分析，理论基础扎实，考虑的影响过程更加全面，结论应该更加可靠。

Elliott（2011）研究认为，依据性质及来源，海洋生态系统的压力可以分为两类：即内生性可管理的压力（endogenic managed pressures）及外生性不可管理的压力（exogenic unmanaged pressures）。根据以上定性和定量分析结果，基于区域海洋生态系统管理的目标，可以对压力因素采取不同的管理措施。12个压力因素中，气候变化（温度）（P2）、气候变化（天气） （P3）和海平面加速上升（P4）对区域海洋生态系统而言，来源于研究系统外，无法对它们的原因加以控制，只能对它们的影响结果进行管理，属于外生性不可管理压力。相反，海洋构筑物建设（P5）、娱乐性划船活动（P6）来源于研究系统内，属于内生性可管理压力，可以同时对它们的原因和结果进行控制和管理。而对于径流注入（P1），当研究的范围既包括流域、河口和海域时，为内生性可管理压力；如果研究区域不包括流域，无法对压力的原因进行控制，只能采取措施消减其引起的不良影响。

4　主要结论

（1）自然变化及人类活动压力与海洋生态环境的相互作用是基于生态系统海洋管理问题的重要特征，与利用属性数据、基于DPSIR等概念模型进行分析评价的传统方法相比，基于关系数据的社会网络分析，充分考虑网络节点之间的直接和间接影响，能更好地揭示生态系统压力对状态的本质，理论基础更加扎实，方法上更加科学、合理。

（2）南佛罗里达区域海洋生态系统压力对状态影响的整体网分析结果显示，12类已经识别的主要压力因素中，径流注入由于携带大量的、来自多种途径的陆源污染物，对生态系统状态影响最大；休闲垂钓，由于其仅对鱼类和贝类生物产生影响，对整个生态系统的影响最小。11个状态因素中，保护物种、鱼类和贝类受到的压力影响力最大，是最易受到侵害的生态系统状态。根据上述分析结论，可以有针对性地制定研究区域海洋资源开发和海洋环境保护政策。

（3）社会网络分析中，整体网分析研究的内容十分丰富，除了中心性分析、影响力分析外，还包括块模型分析、凝聚子群分析、网络数据统计推断等，因此，后续工作应选择典型的区域海洋管理问题开展整体网应用的深化研究。

Cook G S,Fletcher P J,Kelble C R,2014.Towards marine ecosystem based management in South Florida：Investigating the connections among ecosystem pressures,states,and services in a complex coastal. Ecological Indicators,44:26-39.

Curtin R,Prellezo R,2010.Understanding marine ecosystem based management:A literature review.Marine Policy,34:821-830.

Elliott M,2011.Marine science and management means tackling exogenic unmanaged pressures and endogenic managed pressures-A numbered guide.Marine Pollution Bulletin,62(4):651-655.

Fredrik W,Oleg P S,Alexander S,et al,2007.Management options and effects on a marine ecosystem:assessing the future of the Baltic. Ambio,36(2-3):230-236.

Jiao J,Wang J,Jin F,et al,2014.Impacts on accessibility of China's present and future HSR network.Journal of Transport Geography,40: 123-132.

Kelble C R,Loomis D K,Lovelace S et al,2013.The EBM-DPSER conceptual model:integrating ecosystem services into the DPSIR framework.PloS one,8(8):1-12.

Liu L,Wang Z,Ju F,et al,2015.Co-occurrence correlations of heavy metals in sediments revealed using network analysis.Chemosphere, 119:1305-1313.

Martins J H,Camanho A S,Gaspar M B,2012.A review of the application of driving forces-Pressure-State-Impact-Response framework to sheries management.Ocean&Coastal Management,69:273-281.

Niemeijer D,De Groot R S,2008.Framing environmental indicators:moving from causal chains to causal networks.Environment Development and Sustainability,10(1):89-106.

Proulx S R,Promislow D E,Phillips P C,2005.Network thinking in ecologyandevolution.TRENDSinEcology&Evoluation,20(6):345-353. Sandifer P A,Rosenberg A A,2005,Practical Recommendations for Improving the Use of Science in Marine Fisheries Management.US Commission on Ocean Policy,197-210.

Sekovski I,Newton A,Dennison W C,2012.Megacities in the coastal zone:Using a driver-pressure-state-impact-response framework to address complex environmental problems.Estuarine,Coastal and Shelf Science,96:48-59.

Smythe T C,Thompson R,Garcia Quijano C,2014.The inner workings of collaboration in marine ecosystem-based management:A social network analysis approach.Marine Policy,50(A):117-125.

Weiss K,Hamann M,Kinney M,et al,2012.Knowledge exchange and policy influence in a marine resource governance network.Global environmental change.22(1):178-188.

陈锐，王宁宁，赵宇，等，2014.基于改进重力模型的省际流动人口的复杂网络分析.中国人口·资源与环境，24（10）：104-113.

刘慧，苏纪兰，2014.基于生态系统的海洋管理理论与实践.地球科学进展，29（2）：275-284.

刘军，2014.整体网分析讲义-UCINET软件实用指南（第二版）.上海：格致出版社，97-107.

潘裕娟，曹小曙，2012.广州批发市场的供应物流空间格局及其形成机制.地理学报，67（2）：179-188.

祁帆，李晴新，朱琳，2007.海洋生态系统健康评价研究进展.海洋通报，26（3）：97-104.

阮丹青，周路，布劳，等，1990.天津城市居民社会网初析-兼与美国社会网比较.中国社会科学，2：157-176.

杨丽花，佟连军，2012.基于社会网络分析法的生态工业园典型案例研究.生态学报，32（13）：4236-4245.

张红霞，周霞，2014.基于社会网络分析的湖北省G市征地拆迁领域黑恶势力生长实证研究.中国土地科学，28（4）：61-70.

张文宏，阮丹青，潘允康，1999.天津农村居民的社会网.社会学研究，2：108-118.

（本文编辑：袁泽轶）

Whole network approach and its application in the effect of marine ecosystem pressures on the states

QI Qi1，ZHANG Yi-Fei1，2，LIU Tao1，YAN Cheng-Jie1，FANG Xin1，2
（1.Second Institute of Oceanography，State Oceanic Administration，Hangzhou 310012，China；2.Hangzhou Coastal and Offshore Survey，Designand Research Institute，Hangzhou 310012，China）

The impact emanating from natural changes and human activities on the marine environment is one of the most important research contents in the marine ecosystem-based management.Conventional approaches which combine conceptual model，such as DPSIR（Driver-Pressure-State-Impact-Response），and attribute data of indicators to analyze and evaluate the marine ecosystem can not reflect the characteristics of the problems studied.Hence，expecting to get more realistic results，in this paper，the whole network approach is introduced to investigate relationships qualitatively and quantitatively among ecosystem pressures and states.In the analysis，degree centrality，betweenness centrality and closeness centrality are used to indicate the importance of pressures and states in the network，and influence index to indicate the influence and affected state.By using the data from the MARine and Estuarine goal Setting project（MARES）in the South Florida coastal ecosystem，an empirical analysis is conducted，and the results demonstrate that freshwater delivery and recreation fishing are respectively the most and least important in 12 ecosystem pressures.On the other hand，the protected species and fish and shellfish are the most influenced in 11 ecosystem states，which is helpful to the fundamental regulating processes of the South Florida coastal marine ecosystem.

marine ecosystem-based management；relationships between ecosystem pressure and state；whole network

张亦飞，研究员，主要从事海岸工程规划及综合评价研究。电子邮箱：zhang1213@163.com。

P735

A

1001-6932（2016）03-0317-07

10.11840/j.issn.1001-6392.2016.03.010

2015-04-10；

2015-07-02

海洋公益性行业科研专项（2011009）。

祁琪（1990-），硕士研究生，主要从事海洋空间规划研究。电子邮箱：hiweboy@163.com。