森林生态风险评价研究进展

毛沂新

(辽宁省林业科学研究院，辽宁 沈阳 110032)

生态风险是生态系统及其组成成分所承受的风险，一般为区域内具有不确定性的灾害或事故对生态系统可能产生的不利作用，其主要具有不确定性、空间异质性和危害性等特征[1-3]。森林生态风险评价是描述与评价环境胁迫因子、地质气象灾害以及人类社会的生产活动对森林生态系统的结构与功能产生不利影响的可能性与损害程度的评估，是林业资源管理的一个重要环节[4-5]。我国森林总体上每年都受到火灾、病虫害、气象灾害以及过量采伐等各种形式的困扰。这些不利因素很大程度上迟滞了我国林业行业持续迈向可持续化发展道路的步伐。如何迅速发现、准确评估和有效管控森林生态风险，提高目标生态系统抵御风险的能力，是森林生态系统健康研究和森林可持续管理的首要任务之一[5]。通过构建森林生态风险评价指标体系，来评价区域内森林生态发展状态，森林生态风险预警模型，对于森林资源有限的条件下实现森林资源的可持续发展具有重大的现实意义[6-7]。

1 森林生态风险评价国内外发展概况

国外风险评价的萌芽阶段为20世纪30～60年代。80年代初，风险评价体系已经基本形成，并不断发展和完善。美国在对综合燃料的风险评价中提出了一系列针对组织、种群、生态系统水平的生态风险评价方法[6]。该阶段评估方式逐步由定性分析向定量评价转变，同时使得评价过程进一步完善和系统化[7]。90年代后期，区域生态风险评价进入逐步发展阶段，从小尺度发展到大尺度[8]，从单因子发展到多因子[9-10]，定性与定量相结合[11]，强调生态风险评价的区域性[7]。

我国的生态风险评价起步较晚，始于20世纪末，主要借鉴和引入国外的治理经验和研究成果。21世纪初期发生的一系列重大环境污染事故说明，生态风险已成为我国社会经济可持续发展的一大障碍，生态风险评价也因此越来越受到各行业重视。目前我国生态风险评价的发展历程主要为由环境风险到生态风险再到区域生态风险评价。风险源的认知与识别由单一、孤立的风险源向多风险源综合作用结果转变，风险受体由单一受体向多受体横向扩展，评价范围由局部点状格局上升到区域大尺度景观水平[5，12]。近年来，我国生态风险评价在区域和景观尺度上已经成功地进行了大量生态风险评价研究，评价对象涵盖流域、景观、森林生态系统等。

2 森林生态风险评价主要内容

2.1 风险因子与受体识别

不同区域内各种生态风险因素具有空间异质性和复杂性，部分主要受单一因子主导；而森林生态系统具有生命周期、演替、抵御风险(如恢复力稳定性与抵抗力稳定性)等特征，这主要取决于森林自身的结构与内部生物学特征，大部分森林生态系统更多受到多种因素的共同作用。因此对森林生态系统本身的考量也应该是对其风险评价的重要环节。对森林生态风险评价，既要对各种森林类型或非林地空间做出不同程度的描述，也应对森林内部生物学特征(如树种、树龄、生物多样性、疏密度、林中空地及综合地表功能)进行表述[13]，纳入到森林生态风险评价指标体系当中，并分析其内部存在的潜在风险，即把外部生态风险因素对森林生态系统损害评估与森林自身内部的潜在风险评估相结合。

2.2 赋权评分

在不同森林生态风险评价指标体系基础上，通过赋权模型解决生态区域的评分问题，为生态区域的评级以及预警作准备。赋权模型主要包括关联-差异的组合赋权模型、G1-熵权法的组合赋权模型、级差最大化的组合赋权模型、非线性投影寻踪的组合赋权模型等。

2.2.1 关联-差异的组合赋权模型

通过指标独立度揭示指标间相关程度对指标赋权影响，指标间相关程度越高，指标独立性就越弱，指标的赋权就越小，建立基于关联-差异的不同森林生态区域评价的赋权模型。该模型弥补了现有研究忽视指标间相关性对指标权重的影响，无法真实反映指标权重的不足。

2.2.2 G1-熵权法的组合赋权模型

通过G1求解评价指标的主观权重，熵权法确定评价指标的客观权重，选择各评价指标的理想值，能反映专家的知识经验与客观数据的统一。该模型根据评价对象与理想向量距离越小、森林生态发展越好的思路，构建多目标规划模型来确定主、客观权重的系数。

2.2.3 级差最大化的组合赋权模型

通过不同的指标权重计算协方差矩阵，根据组合权重到所有的单一赋权方法得到的权重距离最大的原则，建立组合权重优化模型，获得统一的组合权重，使评价结果突出了各评价对象之间的差异，解决不同的赋权方法相互矛盾的问题。其特点是根据组合权重到所有的单一赋权方法得到的权重距离最大的原则，建立组合权重优化模型，通过不同的权重获得统一的组合权重，解决不同的赋权方法相互矛盾的问题，同时避免在不同的赋权方法下评价排序不一致的问题，评价对象区分效果好。

2.2.4 非线性投影寻踪的组合赋权模型

投影寻踪模型可以将高维空间的非线性、非正态、多维数的森林生态评价指标投影为低维空间的综合评价指标，因而通过投影寻踪模型可以确定森林生态评价指标的非线性权重。

2.3 评估预警

2.3.1 基于K-S检验的最优分布评级预警模型

通过K-S检验对不同森林生态区域的总得分进行分布检验，通过对所有连续性分布逐一进行拟合优度检验，找到拟合不同森林生态区域总得分的最优分布，通过最优分布的不同分位点划定样本等级，构建森林生态的风险预警模型。通过K-S检验对不同类型验证评级得分序列适合的分布，克服了现有研究仅考虑正态分布或对数正态分布导致的分布设定偏误的弊端，反映了不同森林生态区域的总得分的最优分布。

2.3.2 基于最优分割的评级预警模型

通过最优分割法对不同森林生态区域总得分进行分类，测算划分不同森林生态区域总得分的临界值，建立不同森林生态区域总得分的预警区间。其特点是：通过对不同森林生态区域评级得分样本进行有序聚类，测算不同森林生态区域评级得分的分级临界值和评级区间，最终建立不同森林生态区域生态风险的预警模型。

2.4 风险预测

2.4.1 评价指标的纵向预测模型

通过灰色-马尔科夫模型建立小样本森林生态评价指标的预测模型，通过差分自回归移动平均模型建立大样本森林生态评价指标的预测模型，建立带有季节效应的单一森林生态评价指标的预测模型，通过单位根检验、协整模型以及误差修正模型建立多个森林生态评价变量的预测模型。依据不同风险变量的特点建立森林生态评价指标的预测模型，得到森林生态风险评价指标的未来值，反映了森林生态风险变量的长期规律性与短期波动性。

2.4.2 评价指标的横向预测模型

通过多元回归模型建立多个森林生态连续变量的横断面预测模型，通过逻辑回归建立带有分类森林生态变量的横断面预测模型，通过状态空间模型建立森林生态多变量的变系数预测模型。其能够依据不同生态系统的需求建立森林生态多变量的预测模型，反映了生态系统未来的变化。

2.4.3 评价指标的横向-纵向预测模型

通过面板数据模型建立森林生态评价指标的横向-纵向预测模型，可反映森林生态评价指标的时间变化和空间变化。该方法对既有时间变化又有空间变化的森林生态评价指标，使用面板数据模型拟合其规律性变化，同时得到时间与空间交叉下的森林生态变量未来值。

2.4.4 基于生存分析的生态种群死亡模型

通过生存分析建立森林生态种群的死亡概率模型，反映森林生态种群的生存状况，获取影响森林生态种群生存的关键风险因素，预测森林生态种群未来的发展走向。对森林生态种群建立生存模型，揭示了关键的森林生态风险变量对森林生态种群的生存是否有影响以及影响程度，定量反映了森林生态种群的生存概率。

2.5 生态风险管理决策

生态风险管理的最重要原则就是因地制宜，这就要认真透彻地研究风险源和受体对象。经过综合分析评价及论证，明确区域内所具有的生态风险的差异及其分布规律，有针对性地制定科学合理的生态风险管理方案，将其风险降到最低限度，使生态得到有效保护和恢复。力求通过一个阶段的探索与实践，建立科学合理的森林生态风险评价方法体系，评价区域内不同森林类型的发展状态，构建不同森林类型的区域生态风险预警模型。根据风险表征结果进行风险分级管控与防范预警，进而采取有效措施谋求受损的目标森林生态系统得到有针对性的自然恢复或人为重建等恢复性治理。

3 展 望

应用生态风险评价方法对辽宁省森林资源现状进行评估，根据所得出风险表征结果进行风险管理是实现东北林区森林资源可持续发展的有效途径。生态风险评价是当前热点之一，主要聚焦于与人类生产生活息息相关的环境方面，而对于林业资源生态风险评价的相关研究较少。因此，构建不同森林类型的区域生态风险评价指标体系，评价不同森林类型的区域生态发展状态，构建不同森林类型的区域生态风险预警模型，对于森林资源有限的条件下实现我省森林资源的可持续发展具有重大的现实意义。