河湖健康评价方法研究进展

刘成前 黄超 曹光秀 陈冬 潘珉 宋迪

（1.昆明市滇池高原湖泊研究院，云南昆明 650000；2.云南省高原湖泊流域污染过程与管理重点实验室，云南昆明650000；3.云南省生态环境科学研究院，云南昆明 650000）

1 引言

水是一种重要的自然资源。随着社会的发展，人类活动产生的污染负荷不断增加，对河流和湖泊等水环境的破坏日趋严重，影响了水生态平衡，危害人类健康。因此，开展河流和湖泊评价标准体系的研究和建设，是解决河湖与人类活动以及发展与保护之间的矛盾，做好保护治理全过程管理的重要方式。

国外河湖健康评价侧重于生态系统的完整性，对社会服务价值的关注度较低。我国评价体系注重河湖健康与社会功能平衡发展，强调人水和谐。我国的河湖在自然地理、经济和社会背景上与国外有很大的不同，几大河流和湖泊周边人口密集，水资源分布不均，生态用水和经济社会用水矛盾突出，迫切需要准确的健康评价来指导和解决。对河湖进行健康评价，利用评价结果优化管理、精确治理河湖，成为一项重要工作。

2 河湖健康评价发展概述

20 世纪40 年代，国外学者首次提出生态系统健康评价的概念。河湖健康概念起源于20 世纪80 年代的欧洲和北美。目前，河湖健康的定义尚未统一。早期一些学者认为，河湖健康应以与自然条件相似且未受干扰的河湖为基准［1］。随着研究的深入，越来越多的学者认为，河湖健康应综合自然属性和社会属性，涵盖流域生态完整性和人类社会服务价值［2］。最新研究表明，河湖健康需要考虑生态系统的全面性和整体性，应既能满足人类社会对流域水资源的需求，又能维持生态系统自我维护与更新的能力［3］。

河湖生态系统健康受到非人为现象（例如气候变化）和人为活动（例如过度捕捞、森林砍伐和栖息地扩张）的影响，后者经常会促进前者的产生［4］。河湖健康评价体系将两种因素关联并量化［5］。河湖健康是指维持河湖复杂生态系统“状态”［6］。健康的河湖可提高当地生态对气候变化的抵御能力，并为人类活动提供重要的支撑［7］。大量研究表明，河湖健康受多个生态指标影响，例如气候、水土流失、水量和水质以及社会经济指数等［8-11］。加拿大已将河湖环境、生态系统、社会系统和人类健康4 个基本要素确定为评价标准，纳入河湖健康评价体系当中［12-13］。Hazbavi 等人使用压力—状态—响应模型评估了1986—2014 年期间伊朗沙赞德流域的健康状况［14］。Manandhar 等人基于对尼泊尔卡利甘达基河健康评价的预测，在河流自然流态上修建水力发电厂后，成功地维持了河流健康水平［15］。在欧洲，研究人员通过分析典型河湖中生物元素和水文形态特征建立了河湖健康的评价标准和体系。

近20 年来，河湖健康状况评价体系不断发展，形成了一系列各具特色的评价方法，例如河流无脊椎动物预测和分类计划（RIVPACS）、澳大利亚河流评价计划（AUSRIVAS）、生物完整性指数（IBI）等［16-21］。目前国际上推出了许多与河湖健康评价相关的标准，包括1972 年美国清洁水法［22］、2000 年欧盟水框架指令［23］等。各评价体系根据特定时空建立，尚未有统一标准的评价方法。就评价原理而言，可大致将这些评价方法分为预测模型法（Predictive Model）［24］和 多 指 标 评 价 法（Multimetrics）［25］。这些研究致力于通过选取合适的分析方法来建立可靠的河湖健康评价指标体系。

3 河湖健康评价方法

3.1 预测模型法

预测模型法主要基于以下思路：将假设河湖在无人为干扰条件下理论上应该存在的物种组成与河湖实际的生物组成进行比较，从而评价河湖的健康状况。具体评价流程为：（1）选取无人为干扰或人为干扰非常小的河湖作为参照河湖；（2）调查参照河湖的物理化学特征及生物组成；（3）建立参照河湖物理化学特征与相应生物组成之间的经验模型；（4）调查被评价河湖的物理化学特征，并将调查结果代入经验模型，得到被评价河湖理论上（河湖健康情况下）应具备的生物组成（E）；（5）调查被评价河湖的实际生物组成（O）；（6）O/E 的值可反映被评价河湖的健康状况，比值越接近1，表明该河湖越接近自然状态，其健康状况也就越好［26］。

模型的构建过程较复杂，但其理念相对简单。比较研究结果显示，预测模型比多指标评价法更加精确。澳大利亚的国土面积大，流域环境之间差异显著，因此，AUSRIVAS 预测模型基于流域尺度进行建立［27］。而在英国，流域预测模型则是基于国家尺度建立［28］。某一流域是否使用单个模型，区域大小并不是唯一的决定因素，如某一流域内气候、水文、海拔等环境有较大差异，则会显著影响模型的拟合度和准确度，最终导致错误的预测结果。在葡萄牙，南北环境差异显著，存在山脉、河谷、平原等复杂的自然环境，研究人员通过分析不同环境类型，以其中底栖大型无脊椎动物为标志物，建立了南北向区域模型［29］。研究发现，南北向流域模型和国家流域模型在参考站点的选取上表现一致，但南北向流域模型较国家流域模型预测结果准确度高17%，能够更好地预测流域环境变化［30］。

预测模型法存在一个较大的缺陷，即主要通过单一物种对河湖健康状况进行比较评价（例如RIVPACS，AUSRIVAS 都以底栖无脊椎动物作为对象），并且假设河湖任何变化都会反映在这一物种的变化上［31］。因此，一旦出现河湖健康状况受到破坏，但并未反映在所选物种变化上的情况，这类方法就无法反映河湖真实状况，具有一定的局限性［32］。

预测模型法的另一种评价方法通过选取水质指标预测水质变化，从而对河湖健康状况进行比较评价。水质评估常用的指标是总溶解固体（TDS）和电导率（EC）。TDS 和EC 都源于溶解在水中的有机物和无机盐［33］，因此，TDS 和EC 参数值改变直接表明水体中污染物的变化。水质的建模和评估使用不同的技术方式，包括人工神经网络（ANN）、随机森林（RF）、多表达式编程（MEP）、自适应神经模糊推理系统（ANFIS）和基因表达式编程（GEP）在内的人工智能（AI）等［34］。

不同的研究人员使用不同的模型来估计水质指标。Palani 等人使用ANN 预测新加坡沿海水域的溶解氧（DO）、盐度、温度和叶绿素a，相关系数范围为0.8～0.9［35］。Masrur 等人使用ANFIS、径向偏置函数和多层感知神经网络模型以及数据去噪技术预测pH、悬浮物和氨氮浓度，研究表明，使用数据去噪技术提高了预测模型的性能［36］。Martí 等人使用ANN，GEP 和回归模型对769 个水质观测点数据进行模拟预测，结果表明，EC，pH 和溶解氧是拟合程度最高的指标，GEP 模型较其他模型效果更好［37］。Granata 等人借助支持向量回归（SVR）和回归树（RT）预测了流域内水体的总悬浮固体（TSS）、生化需氧量（BOD）、化学需氧量（COD）和TDS，SVR 模型在预测精确度方面的性能优于RT［38］。Haghiabi 等人采用支持向量机（SVM）、ANN 和数据处理组方法（GMDH）模型预测各种水质指标，ANN 和SVM 在水质预测方面的性能优越［39］。Shah 等人使用ANFIS 模型预测了印度河上游流域每月的TDS 和EC［40］，研究人员将ANFIS模型与数据预处理和输入优化程序相结合，达到去除异常值、确定拟合程度最高的输入组合的目的，结果表明，ANFIS 模型在TDS 和EC 预测中具有较高的契合度［41］。

人工智能和机器学习等多数建模研究依赖于持续时间的监测数据或大面积监测点数据。水质预测模型法缺点在于前期数据量不足，导致预测能力较低且不同指标预测能力不一［42］。

3.2 多指标评价法

多指标评价法利用评价标准对河湖的生物、化学和形态特征指标进行评分，并将各评分累计总分作为评价河湖健康状况的依据。在多指标评价法中，通常以环境参数和生物指标作为评价的依据。根据底栖大型无脊椎动物的特征、栖息地和水质，选择合适的指标和参数来评价水生态系统的质量，并通过模糊的综合评价方法等综合计算和分析得出评价结果。模糊综合评价方法与河湖生态健康评价相结合，可根据水文特征指标进行综合量化计算和分析，计算过程和结果是客观的。评价指标的选取应考虑多个指标，以避免单一指标引起的评价偏差，评价结果可直接反映河湖的生态健康状况。

3.2.1 IBI 评价法

1981 年美国学者Karr 等首次提出了IBI 评价法，并在以鱼类为研究对象的河湖中成功建立。随后，该评价体系被应用于藻类、浮游生物、无脊椎动物、维管束植物等相关研究中［43］；美国环境保护署（EPA）据此建立了快速生物评估协议（RPB），以使用包括鱼类在内的多个生物相来评估河湖健康［44］。欧盟水框架指令（WFD）基于鱼类群落构建多参数生物评估模型，以有效管理和保护欧洲的河湖［45］。在随后的研究中，生物指标被广泛应用于世界各地河湖生态健康状况的评估当中。研究表明，鱼类群落对几乎所有人为干扰都有显著的响应，包括人类活动导致的水体富营养化、酸化、化学污染、流量调节、栖息地改变和破坏及引进物种，因此，鱼类被认为是评价系统生态健康的最佳指标［46］。在韩国，Ahn 等人利用鱼类群落对四大河湖水生态系统进行健康评估，结果表明，基于IBI 分析，由于河湖上游人为干扰较少，健康状况良好；而下游地区由于营养物质、有机物和无机物的增加，健康状况为较差至极差。据此，韩国制定了生物水质评估指南，对辖区内流域代表点和水质测量网进行了调查评价［47］。

浮游植物生物完整性指数（P-IBI）的研究起步较晚，但随着指标参数的丰富和IBI 评分体系的构建，P-IBI 逐步完善［48］。Kane 等人利用伊利湖浮游生物和营养状况的历史数据开发了P-IBI，并基于这些因素评估了伊利湖水生态健康的历史演变。评价结果表明，20 世纪90 年代中期是早期水生态环境的分界点，湖泊的健康状况较好，但在90 年代中期后开始恶化［49］。Wilson 等人在加拿大北部草原白杨公园建立了P-IBI，比较了不同旱涝年湿地的生态健康状况［50］。Wu 等人使用P-IBI 对德国库尔德斯坦流域进行评价，结果表明，该流域健康状况为“中等”，点源污染、非点源污染排放和生活污水不达标是得分较低的原因［51］。Haider 等人讨论了空间和时间尺度上P-IBI 值的变化，结果表明，P-IBI 值随地点变化而不同，并且季节差异明显，冬季P-IBI 值较高［52］。总体而言，大多数P-IBI 研究主要集中在系统方法的开发上，但基于P-IBI 评价方法的可靠研究仍然有限，对季节和水文时段的P-IBI 研究仍然缺乏［53］。

Bain 扩展了IBI，开发了一套涵盖物种组成、分类多样性和湖泊群落功能等的9 个指标，涵盖鱼类、浮游动物和藻类所有分类群。虽然改进的方法完全依靠生物指标进行测量，但它的优势在于通过结合来自水生态系统主要生物成分的信息对生态系统进行更全面的分析，从而达到更精准的健康评价［54］。改进的指标通过已有的数据进行校核，可以全面地检测物种数量、丰富度的减少，群落大小结构变化，以及营养级之间生物量的改变［55］。

3.2.2 水质指数评价法

流域水质评估是一个复杂的过程，需要综合多个指标，选取大量样本，以确定水质类别［56］。根据水质指标对水质进行评估可以追溯到20 世纪中期，Horton 等人选择DO、pH、大肠菌群、电导率、碱度和氯化物等10 个最常用的水质指标作为评价体系，权重范围为1～4，指标得分采用线性和聚合函数计算［57］。1972 年，Brown 在Horton 指数的基础上加以改进和优化，提出了水质指数评价法（WQI）。WQI 将各指标综合分析，根据主观意见分配各个指标的权重，分配的权重反映了指标在评价中的重要性［58］。WQI 是一种评价机制，是将某一流域内水质的综合情况表示为无量纲数值，以便直观地了解水质状况［59］。

世界各国已经制定了许多水质指标，这些指标可以方便、快速、有效地判断特定流域内的整体水质，例如，美国国家卫生基金会水质指数（NSFWQI）、加拿大环境部长理事会水质指数（CCMEWQI）、不列颠哥伦比亚省水质指数（BCWQI）和俄勒冈州水质指数（OWQI）［60-63］。这些指数以WQI 为基础，结合各地流域特点，对流域水质进行评价［64-65］。

CCMEWQI 的优点是将观测结果与基准进行比较，而不是将观测值归一化到主观评价曲线，在主观评价曲线中，基准可能是水质标准或流域内背景值。该方法可以广泛应用于不同国家和地区［66］。

NSFWQI 是由Brown 等人开发的一种水质指数，该指数在选择指标和分配权重方面非常严格，并进行了详细的测试。评价曲线通过专家对每个所选指标的不同水平引起水质变化值进行归纳得到［67］。

BCWQI 是加拿大环境部于1995 年制定的评价水质的递增指数。该指标类似于CCMEWQI，通过与规定限值进行比较来确定其超标情况，且准确性随点位和样本量的增加而增加。该指标为测量参数的分类提供了可能，其缺点是该指标只有与规定限值差别较大时才能显示水质趋势［68］。

OWQI 是通过对8 个水质变量的测量进行综合来表示俄勒冈州溪流的景观用水水质，该指标在测量其他类型水体时应谨慎应用［69］。OWQI 以NSFWQI为基础，使用德尔菲法选择水质变量。两个指数都使用对数转换将水质变量结果转换为指数值，从而更直观地表现水质差异［70］。

污染综合指数（OIP）是Sargaonkar 对印度河湖水质的pH、浑浊度、DO、化学需氧量、硬度、总溶解固体、总大肠菌群、砷和氟含量进行测定的方法，根据印度标准和/或国际公认的指导标准，如世界卫生组织和欧盟标准，每项水质评分为优秀、良好、轻微污染、污染和严重污染。对各项指标分类后，给每个观测值分配一个污染指标值，根据数学表达式给出的每个指标值的平均值，综合得分即为OIP［71］。

4 问题及展望

目前，国内外各种评价体系通过整合生物和非生物属性，覆盖各种空间区域，对水生环境和河湖健康进行评价。这些评价体系可以根据特定区域流域进行定制，以获得更加精准的评价结果,而如何优化当前的评价体系或选择合适的指标进行更精准的评价是难点。

在环境治理的背景下，公众希望将生态恢复到以前的自然状态。然而，没有人类干扰的自然状态几乎不存在或没有详细的历史数据记录，因此，在诸多河湖环境中，例如水库、港口和城市水道，缺乏自然状态来指导标准的制定。此外，河湖管理不仅要维护和恢复水生态系统健康，还要支持各种人类活动。因此，结合生态恢复和社会期望，探索特定流域，确定健康系统的替代参考条件，制定精确的质量标准，更精准地指导河湖环境治理，是未来河湖健康评价的研究方向。