基于信息網絡模型的生態風險評價

陳紹晴, 房德琳, 陳 彬

北京師范大學環境學院, 環境模擬與污染控制國家重點實驗室, 北京 100875

基于信息網絡模型的生態風險評價

陳紹晴, 房德琳, 陳 彬*

北京師范大學環境學院, 環境模擬與污染控制國家重點實驗室, 北京 100875

人類開發活動造成劇烈的生態系統自然條件變化，生態風險評價可以對受到人為干擾下生態系統(包括物種和群落等)的潛在影響進行模擬和量化。通過對信息流量的概念和網絡控制分析，綜合考慮生態系統組分間的直接和間接作用，提出一種能實現全局風險模擬的生態網絡模型，即信息網絡模型。在該模型基礎上，建立了面向整體生態系統的生態風險評價框架，同時實現兼容多脅迫因子統一模擬和多風險受體間的風險追蹤。以瀾滄江漫灣水庫為例，在估算重金屬Hg、Pb和Cd初始環境風險后，利用信息網絡模型追蹤分析生態系統中不同生態功能組分之間的風險傳遞路徑，評估各生態組分和整體系統的危險程度。結果表明，在累積效應作用下，對于生態系統和部分群落，整合網絡風險值與初始環境風險值之間有著顯著差別；在發生環境脅迫時，雖然處于食物網底層的生物類群可能最先受險，但在控制信息作用下食物網上層類群也會受險，甚至其最終受到的潛在威脅比前者更大。信息網絡模型可識別出復雜的風險流動路徑和群落間的風險累積，從而為生態系統風險評價和管理提供更為系統綜合的理論依據。

生態風險評價; 生態網絡分析; 信息理論; 水庫生態系統

生態風險評價(Ecological risk assessment, ERA)通常被定義為通過估算在特定干擾發生后或者預計干擾即將發生時生態系統的可能損害或潛在的各種影響的定量評價[1- 3]。生態風險脅迫因子的來源涉及化學、物理和生物等多方面，受壓力影響下的生態系統或其組分的有害影響的量化分析評價，即生態風險評價，對于科學的制定環境管理決策具有重要的意義，指導生態系統的有效管理，以減少風險對生態系統或某組分的危害影響[4]。

Findlay和Zheng采用交叉驗證多元回歸以及交叉驗證全息神經網絡，對濕地生態系統暴露在脅迫中的風險進行量化評估[5]。Hui等結合自然因素及人為影響的七種指標，采用神經網絡模型，對青藏鐵路沿線的生態環境進行整合風險評價[6]。Pollino等通過已有數據以及提取的信息，對貝葉斯網絡模型進行調參，并對魚類生物群落的生態風險進行研究[7]；Lee和Lee以及Zhou等采用貝葉斯網絡模型，分別對對核燃料廢物處置，以及水壩工程進行了概率風險評價[8- 9]。此類的ERA模型有助于指導局部風險分析和決策支持，但其大多數局限于單脅迫因子影響下的特定生物種類以及生物量的測算，并篩選生理或物化指標來表征潛在影響，并確定這些影響的概率分布。在方法層面上，對于多脅迫因子相互作用下的影響模擬不具備相互兼容性。同時，這些模型大多只關注從風險源到風險因子到風險受體這一因果關系(或者稱為風險樹)，而未真正考慮生態系統內部的相互作用，尤其是不同生態單元(如種群、群落等)的直接和間接關系。而生態單元在暴露于干擾下的互動影響，以及生態系統內部的影響路徑和過程，對于系統安全程度的判斷有著關鍵的影響[10- 13]。因此，考慮生態系統組分互作過程下的風險存在積累和放大的效應，有必要構建基于系統的風險過程模擬方法和框架。

本文在傳統生態網絡分析基礎上構建了信息網絡的概念，進而提出一種基于信息網絡的全局生態風險評價框架與方法，并舉例說明其應用價值。有別于傳統的單因素和特定受體的風險模擬方法，信息生態網絡模型同時考慮直接和間接影響，并兼容多種風險源和多種風險受體的共同評估與預測。本文以新的研究視角和模擬方法實現基于系統層面的生態風險評價，對如何采用系統生態學方法對生態系統進行有效評估和管理提供了范式。

1 研究方法

1.1 風險評價框架

傳統信息倫認為，信息可用于描述復雜事件發生的過程及其概率，是世界在物質和能量的基礎上的一種可量化的聯系和作用。這一理論被Shannon和Ulanowicz等生態學家用于描述生態系統物種和流量的多樣性[14- 15]。在多來源的風險下，物質流或能量流主導的網絡存在固有的不相容性，使得干擾后系統的響應特性難以量化。對此，信息網絡風險采用信息論的基本概念來實現網絡流量的概念轉換，即將原本以物質/能量為基礎的網絡，轉換為以信息為基礎的網絡。在定義了信息生態風險的概念后，我們可以建立了基于信息網絡模型的生態風險評價的框架。

框架主要目的包括：(1)評估由人為干擾所引起多種環境脅迫因子對生態系統的直接或間接潛在影響；(2)利用系統生態的方法和指標為干擾下的生態系統管理提供一個更系統綜合的工具；(3)驗證生態網絡理論和信息論聯合應用于生態系統風險評價中的有效性和預測性。

1.2 風險評價步驟

這一框架利用信息網絡模型來實現生態風險評價的過程，由5個主要步驟組成：(1) 環境變化分析。在某一干擾事件產生后，一系列脅迫因子對自然環境(如棲息地)帶來的變化通過相應的指標進行量化；(2) 初始風險估算。對于某個特定脅迫因子，某些敏感組分會先受影響，然后這一影響會通過控制關系傳遞到其他非直接受險的組分。結合脅迫因子的發生概率和不同組分對不同脅迫因子的敏感性，得出特定組分對應因子的環境風險值；(3) 網絡控制分析。通過實地考察和文獻調研等方式，追蹤量化食物網中各組分(物種、群落)間的能量物質流，分析受干擾生態系統的食物網結構。在Patten和Auble[16]，Fath[17]以及Schramski等[18]的相關研究基礎上，依照物質能量流，通過網絡控制分析量化組分間信息控制分布；(4) 直接風險模擬。由環境變化而引起的生態風險，將通過控制關系轉移并擴散到系統的其他組分中，從而影響整個受干擾的生態系統[11,19]。聯合各脅迫因子的環境初始風險結果和生態系統內部的控制作用，模擬生態風險在生態系統各組分間的傳遞過程，量化受擾動后生態系統直接傳遞下的風險值；(5) 整合風險模擬?；谥苯语L險網絡，同時考慮組分間直接和間接作用，得到該生態系統受干擾后的整合風險網絡。

表1總結了基于信息網絡模型的生態風險評價步驟的基本目的、計算指標和對應公式。

表1 基于信息網絡模型的生態風險評價步驟Table 1 Routine of ecological risk assessment based on information network model

1.3 研究案例

瀾滄江發源于我國青海省玉樹藏族自治州雜多縣境唐古拉山東北部，出境稱湄公河，流經中國、老撾、緬甸、泰國、柬埔寨及越南6國。漫灣水電站建于1993年，位于云南省瀾滄江中游河段，壩址在云縣與景東縣交界處漫灣鎮附近，是瀾滄江梯級水電開發工程的第一個大型水電站[20]。水壩建設會導致河流系統的水文水力、河流流量和棲息地等產生系列的復雜變化，從而強烈干擾了水生生物群落的正常生存狀況[21- 24]。據監測，瀾滄江漫灣庫區水質的變化較明顯，尤其是是重金屬濃度呈現一定增長趨勢[25]，對當地豐富的生物資源構成潛在威脅。本研究的基礎數據來源為建壩前后5a(1992—1996年)漫灣庫區環境變化的實地觀測，其中包括建壩前后生態環境變化等方面的基礎調研，由此分析在受到重金屬濃度增大后在群落中引起的風險累積。為簡化模擬過程，所建立的簡單食物網由四個生態功能組分組成，包括肉食性魚類、浮游植物及浮游動物(風險評價的主要生命組分)，以及食物碎屑(連接這些組分的重要節點)。

2 結果與討論

根據初始環境風險影響程度、發生概率和敏感度，測得漫灣庫區生態系統建壩前后重金屬污染情景下各敏感受體的初始風險值(表2)，根據重金屬濃度變化程度，選取Hg、Pb及Cd作為研究對象。在大壩蓄水前下游Hg平均濃度為0.4 μg/L(作為背景值)，5a內該值最大增至2.5 μg/L(作為壓力值)，漫灣水庫蓄水前水體Pb和Cd的平均濃度分別為5.9、0.35 μg/L(作為背景值)，10a后其濃度分別增大至29、2 μg/L?？紤]干擾發生的概率，以及肉食性魚類、浮游植物和浮游動物對重金屬的敏感度，計算得出潛在影響強度。在5a期間內3a中觀測到重金屬Hg濃度指標數值較之背景值有所上升，因此發生概率達到60%。重金屬Pb枯水期濃度較高，選取枯水期時長(5個月)占全年比例作為發生概率，即重金屬Pb風險發生概率為42%。重金屬Cd的發生概率選取檢出率，Cd的檢出率為82%。肉食性魚類、浮游植物和浮游動物一旦暴露在外來干擾后，會立即會受到風險影響，但各組分對風險的敏感度不同本文針對漫灣庫區的物種構成和污染物可能的富集情況進行選取計算。由此，對應各組分(即風險受體)，外部環境輸入的初始風險值得到了估算。

表2 漫灣庫區生態系統重金屬Hg、Pb及Cd污染對各敏感受體的初始風險值Table 2 Input risk values of four components in Manwan downstream ecosystem

Vi在相關文獻[26- 27]基礎上，按照類群特性進行估算，P通過建壩后的年份發生的概率計算所得

另一方面，通過庫區實地觀測以及案例相關文獻，可量化4個生態功能群落的所有輸入流、輸出流及系統內部流動，構建庫區生態系統基于能流的簡單生態網絡模型。為了簡化計算過程，此模型僅考慮這4個類群之間的能量流動，不包括類群內部的能流。這一模型由網絡拓撲圖及數字矩陣(F)(圖1)兩種可互換的形式表示。

圖1 庫區風險受體間能量流圖及其對應矩陣(F)/(kJ m-2 a-1)Fig.1 The energy flow digraph and its flow matrix (F)

圖2 庫區風險受體間直接風險傳遞圖及其對應矩陣(R)Fig.2 The direct risk flow digraph and matrix (R)虛線代表風險流動，與能量流的實線相區別; 由不同組分引起的風險(不同源的風險)在示意圖中的箭頭和矩陣中分別采用不同顏色表示

圖3 庫區風險受體間整合風險傳遞圖(直接和間接風險疊加)及其對應矩陣Fig.3 The integral risk flow digraph and matrix 為了與直接風險流動區分，在整合風險網絡的示意圖中，用曲線說明累積的風險流動

不同生物群落的初始風險、直接風險和整合風險的風險值，前兩者在整合風險中所占的比例，以及各自風險傳遞路徑等結果匯總在表3。結果表明，系統一些組分(即肉食性魚類和浮游植物)的初始風險與直接和間接網絡風險有著顯著的區別，如肉食性魚類的初始風險只占整合值的20.7%，而直接風險占整合值的90.1%。這種區別使得風險評估的排序完全不同：在初始生態風險評估中，浮游植物(H3)一開始暴露重金屬的環境脅迫得到最大的風險，而肉食性魚類(H1)和浮游動物(H4)則受到相對較小的風險，但是通過信息網絡模擬，并考慮累積效應后，發現肉食魚類的整合風險在各受體中達到最大值，而浮游動物仍維持在較低的水平。同時，在綜合考慮網絡效應下，風險傳遞途經也更多樣更復雜，如庫區生態系統最后整合風險路徑達到17，遠大于初始的3個風險流。由初始模式到直接網絡模式再到整合網絡模式，風險流動風險水平和路徑數量顯著增加，意味著風險在網絡相互控制關系下得到了擴散和放大，因此加重了一開始所估算的即時影響。也就是說，風險傳遞的過程將受到網絡組分間錯綜復雜生態關系的重大影響，風險受體間相互的累積效應是不能被忽略的，它在多因子生態風險評價中尤其值得重視。

不同重金屬對于各生物群落所引起的初始風險、間接風險和整合風險如表3所示。從3種重金屬的整合風險值的比較中可以看出，重金屬Hg對于生物群落所導致的風險水平最最高，其中針對肉食性魚類Hg的整合風險達到0.5049，為所有重金屬施加到各個受體中整合風險的最高值。這說明由于水壩建設導致重金屬Hg濃度上升所帶來的風險應加以足夠的重視，尤其是對于肉食性魚類，通過食物鏈的風險積累、間接風險的傳播，由整合風險所體現出的結果明顯高于初始風險，重金屬Hg對于這一類種群的威脅最為嚴重。此外重金屬Pb和Cd對肉食性魚類所導致的整合風險，分別高達0.1531及0.1067，雖低于Hg對肉食性魚類帶來的風險，但是明顯高于同種重金屬對于其他生物種群的風險(如碎屑、浮游植物、浮游動物)。這一結果印證了肉食性魚類雖然初始風險低于浮游植物，但是通過整合風險網絡的傳播，肉食性魚類受到重金屬的影響最大。

表3 各生物群落的初始風險、間接風險和整合風險比較Table 3 A comparison of input risk, direct risk and integral risk condition among communities

圖4 整合風險網絡中各生物群落的風險來源追蹤Fig.4 The proportions of different risk sources composing the received risk of each components in the integral risk network

此外，利用信息網絡模型，還能夠定量追蹤任一生態功能組分所受風險的來源(圖4)。結果表明，幾乎所有組分(除了未受到其他三者控制的H3)受到風險的影響強度都不僅僅來源于外界環境，而是經由網絡效應受其他組分的影響。比如在此案例，肉食性魚類的生態風險中有近79.3%來自于其他組分，包括食物碎屑(43.1%)、浮游動物(23.8%)和浮游植物(12.4%)，只有20.7%源自外界直接影響。有學者研究表明，能夠揭示受擾動系統內部間接效應的技術更適用于大組織尺度的系統(如群落和生態系統)的生態風險評價[28]。在這一點上，基于信息的生態網絡模型較之傳統的風險評價評價系統和明確，能夠揭示在考慮多受體相互作用后受干擾生態系統的整體風險情景，有效補充了傳統ERA模型所忽略的網絡累積效應。

3 結論

本文所建立的基于信息的生態風險網絡模型在傳統的研究基礎上，拓寬了風險的終點至整個群落，并同時兼容整體和物種的風險值估算，并能夠揭示在考慮多受體相互作用后受干擾生態系統的風險路徑流動，通過對網絡流量的轉換和控制分布分析，提出一種能實現全局風險模擬的新型生態網絡模型，即信息網絡模型。在該模型基礎上，建立了面向生態系統的生態風險評價框架，實現同時兼容多脅迫因子統一模擬和多風險受體間的風險追蹤，實現了基于系統層面的生態風險評價。

從對水庫生態系統的研究案例可知：(1)在網絡放大效應下，系統整合風險值與初始環境風險值之間有著顯著差別；(2)在發生環境脅迫時，雖然處于食物網底層的生物類群可能最先受險，但在控制信息作用下食物網上層類群同樣會因此而受險，甚至其最終受到的潛在威脅比前者更大；(3)在信息網絡中可識別出復雜的風險內部流動路徑。通過使用基于信息網絡模型的生態風險評價框架，可對生態系統自組織響應干擾的過程和結果進行清晰的追蹤和揭示，有利于當下復雜人類干擾環境下的全局生態系統管理的實現。

[1] Kaplan S, Garrick B J. On the quantitative definition of risk. Risk Analysis, 1981, 1(1): 11- 27.

[2] USEPA (US Environmental Protection Agency). Framework for Ecological Risk Assessment. Risk Assessment Forum, USEPA, EPA/600/R- 92-001, Washington, DC, 1992.

[3] Suter G W II. Ecological Risk Assessment. Boca Raton: CRC Press, 2007: 643- 643.

[4] 陽文銳, 王如松, 黃錦樓, 李鋒, 陳展. 生態風險評價及研究進展. 應用生態學報, 2007, 18(8): 1869- 1876.

[5] Findlay C S, Zheng L. Estimating ecosystem risks using cross-validated multiple regression and cross-validated holographic neural networks. Ecological Modelling, 1999, 119(1): 57- 72.

[6] 陳輝, 李雙成, 鄭度. 基于人工神經網絡的青藏公路鐵路沿線生態系統險研究. 北京大學學報: 自然科學版, 2005, (4): 586- 593.

[7] Pollino C A, Owen W, Ann N, Kevin K, Barry T H. Parameterisation and evaluation of a Bayesian network for use in an ecological risk assessment. Environmental Modelling and Software, 2007, 22(8): 1140- 1152.

[8] Lee C J, Lee K J. Application of Bayesian network to the probabilistic risk assessment of nuclear waste disposal. Reliability Engineering and System Safety, 2006, 91(5): 515- 532.

[9] 周建方, 唐椿炎, 許智勇. 貝葉斯網絡在大壩風險分析中的應用. 水力發電學報, 2010, 29(1): 192- 196.

[10] DeAngelis D L, Bartell S M, Brenkert A L. Effects of nutrient recycling and food-chain length on resilience. American Naturalist, 1989, 134(5): 778- 805.

[11] Bartell S M, Lefebvre G, Kaminski G, Carreau M, Campbell K R. An ecosystem model for assessing ecological risks in Québec rivers, lakes, and reservoirs. Ecollogical Modelling, 1999, 124(1): 43- 67.

[12] Bascompte J. Structure and dynamics of ecological networks. Science, 2010, 329(5993): 765- 766.

[13] Thébault E, Fontaine C. Stability of ecological communities and the architecture of Mutualistic and Trophic networks. Science, 2010, 329(5993): 853- 856.

[14] Shannon C E. A mathematical theory of communication. Bell System Technical Journal, 1948, 27(3): 379- 423.

[15] Ulanowicz R E. An hypothesis on the development of natural communities. Journal of Theoretical Biology, 1980, 85(2): 223- 245.

[16] Patten B C, Auble G T. System theory of the ecological niche. American Naturalist, 1981, 117: 893- 922.

[17] Fath B D. Distributed control in ecological networks. Ecollogical Modelling, 2004, 179(2): 235- 246.

[18] Schramski J R, Gattie D K, Patten B C, Borrett S R, Fath B D, Thomas C R, Whipple S J. Indirect effects and distributed control in ecosystems: distributed control in the environ networks of a seven-compartment model of nitrogen flow in the Neuse River estuary, USA-Steady-state analysis. Ecollogical Modelling, 2006, 194(1/3): 189- 201.

[19] Patten B C, Witkamp M. Systems analysis of 134Cesium kinetics in terrestrial microcosms. Ecology, 1967, 48(5): 813- 824.

[20] 云南大學生命科學與化學學院, 云南省漫灣發電廠云南瀾滄江漫灣水電站庫區生態環境與生物資源. 昆明: 云南科技出版社, 2000.

[21] Tiffan K F, Garland R D, Rondorf D W. Quantifying flow-dependent changes in subyearling fall Chinook salmon rearing habitat using two-dimensional spatially explicit modeling. North American Journal of Fisheries Management, 2002, 22(3): 713- 726.

[22] Wu J, Huang J, Han X, Xie Z, Gao X. Three-Gorges dam-experiment in habitat fragmentation. Science, 2003, 300(5623): 1239- 1240.

[23] He D, Feng Y, Gan S, Magee D, You W. Transboundary hydrological effects of hydropower dam construction on the Lancang River. Chinese Science Bulletin, 2006, 51(22): 16- 24.

[24] Tomsica C A, Granataa T C, Murphyb R P, Livchakc C J. Using a coupled eco-hydrodynamic model to predict habitat for target species following dam removal. Ecological Engineering, 2007, 30(2): 215- 230.

[25] Zhang Y Z, Liu J L, Wang L Q. Changes in water quality in the downstream of Lancangjiang River after the construction of Manwan Hydropower Station. Resources and Environment in the Yangtze Basin, 2005, 14(4): 501- 506.

[26] Baird D J, van den Brink P J. Using biological traits to predict species sensitivity to toxic substances. Ecotoxicology and Environmental Safety, 2007, 67(2): 296- 301.

[27] Knoben R A E, Beek M A, Durand A M. Application of species sensitivity distributions as ecological risk assessment tool for water management. Journal of Hazardous Materials, 1998, 61(1/3): 203- 207.

[28] Dale V H, Biddinger G R, Newman M C, Oris J T, Suter G W, Thompson T, Armitage T M, Meyer J L, Allen-King R M, Burton G A, Chapman P M, Conquest L L, Fernandez I J, Landis W G, Master L L, Mitsch W J, Mueller T C, Rabeni C F, Rodewald A D, Sanders J G, van Heerden I L. Enhancing the ecological risk assessment process. Integrated Environmental Assessment and Management, 2008, 4(3): 306- 313.

Ecological risk assessment based on information network model

CHEN Shaoqing, FANG Delin, CHEN Bin*

SchoolofEnvironment,BeijingNormalUniversity,StateKeyJointLaboratoryofEnvironmentalSimulationandPollutionControl,Beijing100875,China

The natural properties of ecosystems have been widely altered by human activities, which in turn cause the endangerment of a range of species that will eventually affects humanity. Ecological risk assessment (ERA) is capable of modelling and quantifying the potential impact on ecosystems and their components (such as species and communities) initiated by human disturbance. In this study, a conceptual conversion of flow currency in network was accomplished, i.e. from the material/energy flow to the information flow. Based on the introduction of control allocation analysis and the estimation of the components′ sensitivities to the stressor, we developed a new type of network analysis for holistic ecological risk assessment, so-called information-based network model. The reservoir ecosystem intercepted by Manwan Dam was used as a case study, The initial environmental risks were calculated based on the changes of three heavy metals (Hg, Pb and Cd), and the propagation of resultant risk between all functional components of the ecosystem was tracked. By incorporating both direct and indirect ecosystem interactions, the risk conditions of the whole ecosystem and its components were quantified and illustrated in the information networks. The results showed that: (1) on both ecosystem level and component level, there were significant differences between integral risk and initial risk after disturbance due to network amplification effect; (2) Hg seemed to cause the most highest integral risk to the ecosystem among the three heavy metals (3) almost all components had multiple sources of risk rather than solely received from the original input source (except the absolute controller, who only gives off risks but never receive one from other components); (4) the number of risk flow pathways notably increased from the input situation to network direct situation and to integral situation, implicating that the dynamics of the ecosystem are better manifested through a network perspective.

Ecological risk assessment; Ecological network analysis; Information theory; Reservoir ecosystem

國家自然科學基金(41271543, 91325302); 高等學校博士學科點專項科研基金(20130003110027)

2013- 06- 09;

日期:2014- 07- 22

10.5846/stxb201306091540

*通訊作者Corresponding author.E-mail: chenb@ bnu.edu.cn

陳紹晴, 房德琳, 陳彬.基于信息網絡模型的生態風險評價.生態學報,2015,35(7):2227- 2233.

Chen S Q, Fang D L, Chen B.Ecological risk assessment based on information network model.Acta Ecologica Sinica,2015,35(7):2227- 2233.