基于贝叶斯网络的生态环境脆弱性评估方法研究

王心　徐方石

摘要：为提高生态环境脆弱性评估结果的准确性，提出基于贝叶斯网络的生态环境脆弱性评估方法。选择秦岭地区作为研究对象，采集该地区的生态环境数据，通过模糊估计提取生态环境扰动特征，并对生态环境脆弱性数据采样结果进行归一化处理，以提高评估结果的真实性。根据数据处理结果给出秦岭地区生态环境脆弱性评估体系，并通过贝叶斯网络节点模拟生态环境结构状态，描述状态转移过程，明确外界扰动攻击和环境可靠度间关系，实现对生态环境脆弱性的评估。经实验证明所提方法具备准确评估生态环境脆弱性的能力，置信度水平高。

关键词：贝叶斯网络；生态环境；脆弱性评估；敏感性；生态结构

中图分类号：X826 文献标志码：B

前言

随着社会经济的不断发展和进步，在人为活动的影响下，生态环境受到了不同程度的破坏，导致生态环境结构逐渐脆弱，对外界干扰或攻击的抵抗力降低，无法形成生态屏障，这与可持续发展的理念是背道而驰的。研究生态环境脆弱性评估方法，能更好地了解当前生态环境结构状态，在此基础上，才能进一步对生态系统进行协调，保证生态系统的稳定。

周玲美等人综合考虑自然条件受到的人为干扰，基于遥感技术建立熵函数，在综合指数条件设定下完成对生态环境的脆弱性评估；杨雯娜等人研究出一种分区集成评估法，通过对生态环境中不同自然因素的划分，建立分区评价标准和体系，通过乘法模型对自然因素所在空间进行评价量化，实现生态脆弱性评估。但上述两种方法对特定区域有用，并不适合不同区域内的生态评估，存在一定的局限性。除了上述方法外，基于遥感和空间分析的生态环境脆弱性评估方法也是一种常用的评估方法，利用遥感技术获取大范围的生态环境数据，结合GIS技术进行空间分析，以识别和评估生态系统脆弱性。但是遥感图像的分辨率可能无法满足精确测量需求，可能导致评估结果的局限性。

针对上述问题，提出一种基于贝叶斯网络的生态环境脆弱性评估方法。

1 生态环境大数据采样及其处理

为保证真实有效地评估出生态环境的脆弱性，在前期需要采集大量的生态环境数据，获得生态环境大数据：

其中，p0表示外界干扰力，ρ表示数据特征分量，Ⅳ表示数据量，pK，ni表示生态扰动特征向量。

利用模糊均值对脆弱性数据进行聚类处理时，会受到模糊扰动的影响，因此统计敏感数据数量K：

其中，γ表示环境的模糊估计，K表示生态环境数据在高维特征分布状态下的特征量。

在处理生态环境数据的过程中，通过分层决策模型识别数据主成分特征量，完成对环境敏感数据间的特征相似度分析：

其中，di表示脆弱性环境数据中包含的先验分布特征向量因子，dj表示贝叶斯网络中对敏感数据融合后的特征向量定位，M表示环境敏感系数。通过上述分析，可以实现对生态环境数据采样和特征提取处理。

由于生态环境脆弱性评估指标，在不同的体系中存在多种类型，因此无法实现数据间的直接对比，为保证在对生态环境的脆弱性分析和评估的过程中，能得到最真实的评估结果，接下来对生态环境脆弱性数据采样结果进行归一化处理：

其中，p指的是原始数据，Pmin和pmax分别描述数据的最大值和最小值。

2 生态环境脆弱性评估实现

基于生态环境大数据采样及其处理结果，结合秦岭地区的实际情况，选择不同的指标建立评估体系，具体情况见表1。

针对表1给出的生态环境脆弱性评估体系，通过创建贝叶斯网络对生态环境脆弱性进行评估。在创建贝叶斯网络之初，首先给出一个父节点，父节点与直接子节点之间存在一定的关联关系，但在整个网络中与其他节点间均保持相对独立的状态，在独立的状态下，分散并简化脆弱性评估的联合概率，构建成生态环境的脆弱性状态图，将父节点的状态条件逐步向子节点转移，在状态转移的过程中，脆弱点之间存在相互作用关系。

生态环境脆弱性状态图包含串联结构、并联结构和多条件组合结构。当生态环境的脆弱结构处于串联结构状态时，生态环境脆弱结构的转移具有一定的方向性，父节点描述的是脆弱性条件被利用后，子节点将会发生的攻击行为。

分别用Ci和λi表示第i个对生态系统产生的攻击行为他们所对应的代价和成功速率，此时对于串联结构而言，其整体的可靠度可通过式（5）表示：

当生态环境的脆弱结构处于并联状态时，当状态集合S1n，S2n，…，Snm中的任意状态发生转移时，证明生态环境的结构状态在被攻击，不同状态之间存在“或”关系，在贝叶斯网络中，状态关系之间的条件逻辑需要完成对应的推理，在已知状态下实现状态攻击变量的消元，此时并联结构对应的整体可靠度函数为式（6）：

当生态环境所处状态之间存在“或”关系，脆弱状态中包含多种条件之间的组合，此时生态结构的整体可靠度函数表示为式（7）：

结合脆弱性状态图，若生态状态发生转移，对应的生态结构也同样会发生概率性转移，此时通过对贝叶斯网络中事件概率的分析，可以有效地计算出整个网络内生态环境的可靠度函数：

通过上述分析可知，生态环境脆弱性评估可以通过生态结构的整体可靠度函数来实现。具体为首先确定指标体系，该指标体系包括与生态环境脆弱性相关的指标。然后，根据指标体系中的各项指标数据，计算出生态结构的整体可靠度函数，整体可靠度函数的数值越低，代表生态系统越脆弱，由此实现生态环境脆弱性评估。

3 实验验证分析

为能快速有效地评估出研究方法的有效性，选择秦岭地区的某一处作为生态环境脆弱性评估实验对象。

3.1 研究区域概况

研究地点选择秦岭，该地区俗称南北分界线，其中存在不同形态的生态体系，不仅有水资源丰富的地区，也存在土壤相对贫瘠的地区，因此更具代表性。研究区域地势相对较高，经渭河横断，分成不同阶层的地势，且存在部分黄土台塬，经过十几个区县，属于典型的大陆性季风气候，生态资源丰富，植物生长茂盛，矿产资源也相对丰富。实验中所用的气象数据来自国家气象局发布的公开数据，空气质量数据、水质数据、土壤污染数据以及生物多样性数据来自当地监测站发布的公开数据，共获取1 200个数据样本，其中200个作为数据样本，其余的1 000个作为训练集合。初始信息采样中设定的脆弱性数据采样频率为20 kHz，数据中对应的特征分布宽度为16 dB。

3.2 结果分析

决定系数衡量了评估方法评估结果与实际值之间的拟合程度，值越接近1表示拟合效果越好，即评估结果越精准，通过多次实验测试文献[1]方法、文献[2]方法和所提方法的生态环境脆弱性评估效果，结果见表2。

从表2中，可以清晰地看到所提方法的决定系数平均值为0. 93，而文献[1]方法和文献[2]方法的决定系数平均值分别为0. 89和0.85，说明所提方法在拟合实际生态环境脆弱性数据方面表现更好，其评估结果与实际结果之间的偏差更小，这可能意味着所提方法在生态环境脆弱性评估方面更为准确。

在此基础上，通过计算评估结果的置信度水平，对三种方法得出的生态环境脆弱性评估结果对应的准确度进行量化评估，结果见图1。

根据图1可知，所提方法的置信度水平相对较高，证明研究方法针对生态环境脆弱性评估结果更加准确，能很好地完成生态环境状态和结构的分析。这是因为所提方法通过模糊估计提取了生态环境扰动特征，并对生态环境脆弱性数据采样结果进行归一化处理，使得评估结果准确性更高。

4 结束语

为了提高生态环境脆弱性评估效果，提出一种基于贝叶斯网络的生态环境脆弱性评估方法。以秦岭地区为研究区域，获取该地区的生态环境数据，完成数据采样后，为保证评估结果符合整个生态系统的状态，对大数据进行归一化处理。然后针对秦岭地区的实际情况，选择评估指标建立评估体系。构建贝叶斯网络，利用节点描述生态环境结构，利用函数计算生态环境攻击代价和可靠度之间的关系，由此完成对脆弱性的评估。由实验结果可知，所提方法的置信度水平相对较高，说明该方法具备准确评估生态脆弱性的能力，具有较高的实际应用价值。通过该方法能够提供准确的生态环境脆弱性评估结果，为环境管理和决策提供科学依据。

基金项目：西安医学院2022年度科研能力提升计划项目（2022NLTS108）