基于GA-BP優(yōu)化模型的中小河流健康評價研究

胡 威,李衛(wèi)明,王 麗,粟一帆,孫徐陽,李金京,陳求穩(wěn)

1 三峽大學水利與環(huán)境學院, 宜昌 443002 2 南京水利科學研究院, 南京 210029

河流生態(tài)系統(tǒng)作為水生態(tài)系統(tǒng)和陸地生態(tài)系統(tǒng)的樞紐,在氣候調(diào)節(jié)、供水、生物多樣性維持等方面發(fā)揮著重要作用[1]。近年來,隨著河流水環(huán)境、水生態(tài)問題不斷凸顯,如何準確評價河流生態(tài)系統(tǒng)的健康狀況已經(jīng)成為國內(nèi)外河流健康管理的熱點問題[2- 4]。河流健康評價不僅可以對河流生態(tài)系統(tǒng)的整體狀況進行綜合評估,而且能夠評估河流管理行為的有效性,對河流保護和修復(fù)具有重要意義。

河流健康評價中評價方法和指標體系的確定至關(guān)重要。國外對河流健康評價的研究起步較早,澳大利亞1992年提出了澳大利亞國家河流健康計劃,美國環(huán)保署在1999年推出了新的快速生物評估協(xié)議[5],Karr等提出了生物完整性指數(shù)評價法[6],澳大利亞學者Sudaryanti提出了溪流狀態(tài)指數(shù)評價法[7]。近年來,國內(nèi)對河流生態(tài)健康評價也逐漸重視起來,健康黃河[8]、健康長江[9]、健康珠江[10]、健康太湖[11]等理念逐漸被提出。我國學者對河流健康評價建立了多種評價方法和體系,例如張晶[12]等人從影響河流生態(tài)系統(tǒng)的生物、生境要素出發(fā),構(gòu)建了包括水文、水質(zhì)、河流地貌特征等5個方面,共36項指標的河流健康評價指標體系；熊春暉[13]等人利用底棲動物完整性指數(shù)對上海市河流進行健康評價；但相關(guān)研究大多集中于大江大河,對中小河流生態(tài)健康研究相對較少。

目前,對中小河流沒有明確的定義,依據(jù)2013年水利部公布的《第一次全國水利普查公報》,流域面積在100—10000 km2為中小河流。近年來,“鄉(xiāng)村振興”、“農(nóng)村飲用水安全”等政策的提出,中小河流的生態(tài)系統(tǒng)健康狀況備受關(guān)注。彭蘇麗等[14]基于粗糙集理論提出植被覆蓋率是中小河流健康評價中的重要指標；王蘭蘭等[15]認為洪水泛濫是中小河流的常見問題,并提出中小河流的水沙變化是其健康狀況的重要影響因素之一；陳宇婷等[16]提出基于人水和諧度分區(qū)圖的中小河流健康評價方法。中小河流是長江、黃河等大型河流的源,是農(nóng)村飲用水安全的命脈,如何診斷中小河流健康狀況,是未來流域水資源管理的重要問題。但當前研究仍存在不足之處,一是現(xiàn)有的河流健康評價方法和指標體系有待完善,二是河流健康評價中指標權(quán)重賦值具有較大主觀性。

本文基于中小河流的特征,以長江一級支流橋邊河流域為研究對象,考慮到河流的環(huán)境功能、生態(tài)功能、開發(fā)利用功能、河流社會服務(wù)功能[17],遵循科學、實用的評價原則,構(gòu)建了橋邊河流域河流健康評價體系,利用GA-BP神經(jīng)網(wǎng)絡(luò)計算評價指標權(quán)重,對橋邊河流域健康狀態(tài)進行評價,旨在為中小河流尺度下的河流健康診斷提供參考依據(jù)。

1 材料與方法

1.1 研究區(qū)域

橋邊河流域是長江的一級支流,發(fā)源于點軍與長陽交界的土城紅巖灣,流經(jīng)車溪村、土城鄉(xiāng)、橋邊鎮(zhèn)和點軍街辦。流域面積295 km2,主河道長約40 km,最高海拔568 m,最低海拔55 m,平均比降11.4‰。河流上游地區(qū)是飲用水源地保護區(qū),中下游地區(qū)地勢平緩,人口耕地較為密集。近年來,由于流域內(nèi)人口增長過快、工業(yè)發(fā)展加速等問題,河流斷流、水質(zhì)惡化等現(xiàn)象不斷發(fā)生,橋邊河流域的健康狀況面臨威脅。為探索橋邊河流域健康狀況,本研究布點遵循人口密集處前后布設(shè)點位的原則,采樣點位能夠代表附近河段的水體自然特征[18],共選取了8個樣點對橋邊河流域健康狀況進行評價,基本覆蓋全流域內(nèi)的生境特點,樣點編號依次為車溪源頭—土城鄉(xiāng)(B1—B2),土城鄉(xiāng)—橋邊鎮(zhèn)(B3—B5),橋邊鎮(zhèn)—點軍街辦(B6—B8)。于2019年4月對橋邊河水系8個樣點進行了水生態(tài)、水環(huán)境調(diào)查(圖1)。

圖1 橋邊河采樣點分布Fig.1 Distribution of sampling points in Qiaobian RiverB1：車溪源頭,Che xi yuan tou；B2：土城鄉(xiāng)上,Tu cheng xiang shang；B3：土城鄉(xiāng)下,Tu cheng xiang xia；B4：三澗溪,San jian xi；B5：橋邊鎮(zhèn)上,Qiao bian zhen shang；B6：橋邊鎮(zhèn)下,Qiao bian zhen xia；B7：長嶺上,Chang ling shang；B8：長嶺下,Chang ling xia

1.2 河流健康評價指標體系構(gòu)建

1.2.1指標體系構(gòu)建及指標篩選

本文查閱分析了國內(nèi)外河流健康評價相關(guān)的期刊論文,并根據(jù)董哲仁[19]等對健康河流的表述,將橋邊河健康評價指標體系分為3個層次：目標層、準則層、指標層。其中目標層是橋邊河健康評價,準則層分為5大類：(1)河流水生生物,水生生物作為河流生態(tài)系統(tǒng)中重要的組成部分,能綜合反映水體中的生物學狀況和河流健康水平,常用魚類、底棲動物、浮游植物等生物類型來表征；(2)河流水環(huán)境,水環(huán)境因子能直觀反應(yīng)河流的健康水平,常分為化學環(huán)境因子(總氮、總磷、氨氮等)和物理環(huán)境因子(水深、流速、濁度等)；(3)河流水文,水文條件是河流生態(tài)系統(tǒng)中理化和生物的基礎(chǔ),常用流量過程變異程度、河流水量狀態(tài)、生態(tài)基流保證度等指標來反映河流流量、水量的變化過程；(4)河流形態(tài),指構(gòu)成河流的物理結(jié)構(gòu)條件,包括河岸、河床、植被、土壤等各種形態(tài)因子,河流形態(tài)不穩(wěn)定的情況下,水流形態(tài)會發(fā)生變化,常用河道穩(wěn)定性、河流連通阻隔狀態(tài)等指標來表征；(5)河流社會服務(wù)功能,由于人類的干擾,河流社會服務(wù)功能是直接作用在河流的基本特征和空間構(gòu)成上,河流社會服務(wù)功能包含內(nèi)容較多,常用水資源開發(fā)利用率、防洪達標率等來反映河流健康狀況。

按照上述準則層進行分類,確定河流健康評價體系的指標層,通過頻次分析法初次篩選指標層,將篩選后的結(jié)果進行相關(guān)性分析,消除各指標層之間存在信息重復(fù)對河流健康評價結(jié)果的影響。選擇10%作為篩選頻次[20],將超過該頻次的指標作為篩選結(jié)果,利用Pearson相關(guān)性分析(K-S正態(tài)檢驗符合正態(tài)分布)計算各指標間的相關(guān)性系數(shù),剔除相關(guān)性系數(shù)|R|>0.75的指標[21]。采用Excel 2010進行頻次分析,SPSS 22進行Pearson相關(guān)性分析。

1.2.2指標權(quán)重確定

(1) GA-BP模型

為了提高指標權(quán)重的科學性、合理性、可靠性,避免傳統(tǒng)的專家評分法、最小二乘法等存在的主觀影響問題[22],本文采用Matlab2018a中的遺傳算法(GA,Genetic Algorithm)優(yōu)化反向傳播(BP,Back Propagation)神經(jīng)網(wǎng)絡(luò)方法建立GA-BP模型來確定其指標權(quán)重[23],模型的具體流程見圖2。GA-BP模型需首先確定BP神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu),根據(jù)橋邊河流域河流評價體系構(gòu)建了6個BP神經(jīng)網(wǎng)絡(luò)(表1)。然后將初始BP神經(jīng)網(wǎng)絡(luò)權(quán)值閥值長度進行結(jié)構(gòu)編碼,依據(jù)神經(jīng)網(wǎng)絡(luò)的輸入層、輸出層、隱含層的節(jié)點個數(shù)確定編碼長度[24]。最后通過GA-BP模型高效率的算法及其強大的尋優(yōu)能力便可得到BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)值閥值。

圖2 GA-BP模型流程圖Fig.2 Flow chart of GA-BP model

表1 BP神經(jīng)網(wǎng)絡(luò)參數(shù)表

建立GA-BP模型是為了確定指標的權(quán)重,而模型得到的結(jié)果是各神經(jīng)元之間的關(guān)系,為得到各指標間的決策權(quán)重,需對各神經(jīng)元之間的權(quán)重系數(shù)進行分析處理[25]。確定模型各參數(shù)后,將訓練數(shù)據(jù)輸入到各神經(jīng)網(wǎng)絡(luò)模型中加以訓練,得到各神經(jīng)網(wǎng)絡(luò)的訓練結(jié)果,即神經(jīng)網(wǎng)絡(luò)各神經(jīng)元權(quán)重系數(shù),再通過公式(1)—(5)計算得到相關(guān)顯著性系數(shù)、相關(guān)指數(shù)和絕對影響系數(shù),其中絕對影響系數(shù)為各指標層權(quán)重值。具體處理方法如下：

1)相關(guān)顯著性系數(shù)

(1)

x=wjk

(2)

2)相關(guān)指數(shù)

Cij=|(1-e-y)/(1+e-y)|

(3)

y=aij

(4)

3)絕對影響系數(shù)

(5)

式中,aij為相關(guān)顯著性系數(shù),i為神經(jīng)網(wǎng)絡(luò)輸入單元,i=1,…m；j為神經(jīng)網(wǎng)絡(luò)輸出單元,j=1,…n；k為神經(jīng)網(wǎng)絡(luò)隱含層單元,k=1,…p；Wki為隱含層神經(jīng)元與輸入層神經(jīng)元間的權(quán)重系數(shù)；Wjk為輸出層神經(jīng)元與隱含層神經(jīng)元間的權(quán)重系數(shù)；Cij為相關(guān)指數(shù)；Rij為絕對影響系數(shù)。

(2) GA-BP模型參數(shù)設(shè)置

GA-BP模型參數(shù)在選取上沒有統(tǒng)一的標準,本文結(jié)合實際情況,在多次對比試驗結(jié)果的情況下,取參數(shù)的最優(yōu)值。BP神經(jīng)網(wǎng)絡(luò)基本計算參數(shù)取值分別為：網(wǎng)絡(luò)學習速率為0.05,最大訓練次數(shù)為1000次,訓練精度為10-4。GA算法的基本參數(shù)分別為：種群規(guī)模為30,進化代數(shù)為100,選擇概率為0.08,交叉概率為0.8,變異概率為0.006。

1.2.3指標評價標準與方法

本文選擇賦分法進行河流的健康評價[20]。利用Excel軟件統(tǒng)計各指標的最大值、最小值與平均值,計算各指標的5%、25%、50%、75%、95%分位數(shù),并將河流健康等級劃分為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ個等級,對應(yīng)的河流健康程度分為很健康、健康、亞健康、不健康、病態(tài),評價指標為很健康對應(yīng)的指標賦值為100分,健康、亞健康、不健康、病態(tài)分別賦值80、60、40、20分。

通過構(gòu)建橋邊河流域的健康評價體系,確定各指標權(quán)重分配后,再利用加權(quán)平均方法計算河流的健康指數(shù),具體方法如下式:

(6)

式中,Q為河流健康指數(shù),Hi為第i項各指標的權(quán)重,Ii為第i項各指標的評分值。

2 結(jié)果與分析

2.1 評價指標的篩選

通過頻次分析法對指標體系進行初步篩選,共獲得指標層23個指標。其中河流水生生物指標有3個,包括底棲動物Shannon-Wiener多樣性指數(shù)、浮游植物Shannon-Wiener多樣性指數(shù)等；河流水環(huán)境指標有11個,包括總氮、總磷、流速等；河流水文指標有3個,包括生態(tài)需水量、河流徑污比等；河流形態(tài)指標有3個,包括岸坡植被完整性、河道穩(wěn)定性等；河流社會服務(wù)功能指標有3個,包括水資源開發(fā)利用率、防洪達標率等。采用Pearson相關(guān)性分析對這23個指標進行再次篩選,分析結(jié)果見表2。

相關(guān)性分析結(jié)果表明,河流水生生物指標中,C1、C2、C3間的相關(guān)系數(shù)均未超過0.75,故保留此3個指標。河流水環(huán)境指標中,C10與C4、C5、C14,C11與C6、C7間的相關(guān)系數(shù)均超過0.75,具有較高的相關(guān)性,故剔除C10與C11。由于橋邊河沿程pH變異度不高,因此剔除C7。C8與環(huán)境因子C13、C14相關(guān)性較高,剔除C8。河流水文指標中各指標間的相關(guān)性系數(shù)均未超過0.75,故保留此3個指標。河流形態(tài)指標中,C20與C18、C19間的相關(guān)性系數(shù)大于0.75,故剔除C20。河流社會服務(wù)功能指標中,C23與C21、C22之間的相關(guān)性系數(shù)超過0.75,故剔除C23。通過評價指標篩選,并咨詢相關(guān)專業(yè)的專家學者,得到橋邊河流域評價指標體系(表3)。

2.2 GA-BP模型優(yōu)化結(jié)果

GA-BP模型輸入訓練數(shù)據(jù)進行參數(shù)訓練,進化到43代得到最佳適應(yīng)度值為0.036(圖3)。將實測數(shù)據(jù)代入GA-BP神經(jīng)網(wǎng)絡(luò)中進行檢測,得到GA-BP模型的誤差曲線(圖4)。GA-BP模型僅用了25步達到了預(yù)期設(shè)置的精度值,可見GA-BP模型在優(yōu)化權(quán)值和閾值后能迅速收斂到目標值,模型擬合程度很好。GA-BP模型的平均相對誤差和均方誤差分別為0.0095%和1×10-4,說明GA-BP模型擬合精度高,擬合誤差穩(wěn)定,適用性較好。

表2 相關(guān)性分析結(jié)果

2.3 橋邊河流域評價指標權(quán)重賦值

運用GA-BP模型算出各神經(jīng)元之間的權(quán)重值后,根據(jù)公式(1)—(5)可得到橋邊河流域各評價指標權(quán)重結(jié)果(表4)。結(jié)果顯示,河流水環(huán)境指標權(quán)重>河流水文指標>河流水生生物指標>河流形態(tài)指標>河流社會服務(wù)功能指標。

表3 橋邊河河流健康評價指標體系

表4 指標權(quán)重計算結(jié)果

圖3 個體適應(yīng)度值進化曲線Fig.3 Evolutionary curve of individual fitness value

圖4 GA-BP神經(jīng)網(wǎng)絡(luò)誤差曲線Fig.4 Error curve of GA-BP neural network

2.4 橋邊河流域指標體系評分標準

根據(jù)統(tǒng)計的各指標的最大值、最小值與平均值,并計算各指標的5%、25%、50%、75%、95%分位數(shù),得到橋邊河流域指標評分標準(表5)。

表5 河流健康評價指標賦值標準

橋邊河流域評價指標體系共17個指標,每項最高得分100分,最低得分20分,總得分最高、最低分別為100、20分。將評分分成5等分,構(gòu)建橋邊河流域河流健康評價得分表,具體見下表6。

表6 橋邊河河流健康評價評分表

2.5 橋邊河流域健康狀況評價結(jié)果

2.5.1數(shù)據(jù)來源

GA-BP模型的構(gòu)建需要訓練數(shù)據(jù)和測試數(shù)據(jù)對其訓練和測試,本文采用《湖北省環(huán)境健康公報》(2017—2018)、《宜昌市統(tǒng)計年鑒》(2017—2018)、宜昌市水資源信息管理系統(tǒng)多年統(tǒng)計水環(huán)境數(shù)據(jù)(網(wǎng)址)對GA-BP模型進行訓練,用沿河8個監(jiān)測斷面實測數(shù)據(jù)(表7)作為模型的測試數(shù)據(jù)。

2.5.2評價結(jié)果

利用公式(6)計算橋邊河流域健康指數(shù),評價結(jié)果見下圖5。橋邊河流域健康等級為Ⅰ級的有3個點,占總采樣點數(shù)的37.5%；健康等級為Ⅱ有3個,占總采樣點的37.5%；健康等級為Ⅲ有2個,占總采樣點的25%；不存在健康等級為Ⅳ、Ⅴ的采樣點。總體來看,橋邊河流域上游健康狀況明顯優(yōu)于下游,從上游到下游健康指數(shù)逐漸減小,除了B7、B8其他各點均到達68分以上。水生生物指標中,B8點得分較低。河流水環(huán)境指標中,B7、B8監(jiān)測斷面得分較低。河流水文指標中,B8點得分較低。河流形態(tài)指標中,各監(jiān)測斷面得分差別不大,整個河道的蜿蜒性指數(shù)都在3%以內(nèi),河道較為穩(wěn)定,各點水系連通性較好,無大型水壩等攔水建筑物。河流社會服務(wù)功能指標中,各點得分差別不大,流域內(nèi)防洪和水資源開發(fā)功能處于良好狀態(tài)。

表7 橋邊河水生態(tài)環(huán)境調(diào)查數(shù)據(jù)

圖5 橋邊河河流健康綜合評價結(jié)果Fig.5 Comprehensive health evaluation results of Qiaobian River

3 討論

3.1 GA-BP模型在河流健康評價中的應(yīng)用

河流健康評價中指標權(quán)重的確定尤為重要,不同指標權(quán)重的計算方法會導致不同的評價結(jié)果[30]。目前,河流健康評價方法眾多,如熵值法[31]、主成分分析法[32]、超標倍數(shù)法[33]等,但這些方法在權(quán)重確定上具有很大的模糊性,受人為因素的影響較大。科學合理的確定權(quán)重是河流健康評價的關(guān)鍵,而河流健康評價是一個復(fù)雜的非線性系統(tǒng),必須建立權(quán)重的學習機制[24]。GA-BP模型通過對已知樣本的學習和訓練,消除了以往評價方法中的人為影響因素,保證了評價指標權(quán)重的合理性。同時,GA-BP模型是一種基于隨機算法的強大預(yù)測區(qū)域[34],與單獨使用BP神經(jīng)網(wǎng)絡(luò)相比,可解決其算法收斂緩慢,對初始權(quán)值和閾值比較敏感等問題,從而使模型輸出結(jié)果更精確[35]。GA-BP模型結(jié)果顯示,評價指標權(quán)重大小為河流水環(huán)境指標>河流水文指標>河流水生生物指標>河流形態(tài)指標>河流社會服務(wù)功能指標,水環(huán)境指標影響最為突出且權(quán)重最大,與粟一帆[36]等研究結(jié)果一致。與大江大河相比存在差異性,例如顧曉昀[18]等研究北京北運河健康評價指標權(quán)重大小為水生生物指標>水質(zhì)指標>水文指標。大尺度河流物種多樣性豐富,受自然條件影響較小,而小尺度河流中河道窄、水量少、物種多樣性低,受自然條件影響較大,大多水生生物種類難以存活[36],所以水生生物指標對小尺度河流的健康程度影響相對較小。綜上,本文基于GA-BP模型對評價指標權(quán)重進行賦值,研究結(jié)果適用于中小河流健康評價中,對其具有一定的指導意義。

3.2 河流健康狀況主要影響因素

根據(jù)GA-BP模型算出的指標權(quán)重賦值結(jié)果,評價指標中河流水環(huán)境指標權(quán)重最大。調(diào)查發(fā)現(xiàn),影響流域水環(huán)境主要原因是周邊的種植業(yè)、畜牧業(yè)以及居民生活污水。國際公認的化肥使用上限為0.225t/hm2,根據(jù)當?shù)剞r(nóng)業(yè)部門統(tǒng)計資料顯示,流域附近的化肥使用量為0.235t/hm2,過量的化肥流入河內(nèi),導致河流中氮、磷含量增大,對河流水環(huán)境造成嚴重影響[37]。河流水環(huán)境評價指標作為河流健康評價體系的重要組成部分,可以直接揭示河流水質(zhì)總體狀況[38],而且與其他指標關(guān)聯(lián)性很大,溶解氧的高低與大型無脊椎動物數(shù)量密切相關(guān)[39],總氮、總磷以及化學需氧量變化對浮游植物的群落結(jié)構(gòu)產(chǎn)生很大的影響[40]。此外,水環(huán)境指標對河流健康狀況起著決定性作用,中小河流因具有流量小、自凈能力弱等特點,工廠、生活污水等直排現(xiàn)象仍然存在,應(yīng)通過截污納管限制污水直排、設(shè)置合理的河道控制紅線等措施予以解決。

3.3 基于城鎮(zhèn)尺度的河流健康狀況分析

由于橋邊河流經(jīng)鄉(xiāng)鎮(zhèn)地帶,上中游地區(qū)人為干擾較小,因此得分較高,下游有較多建筑和排污口,居民活動較為集中,導致得分低。從城鎮(zhèn)尺度來看,B1、B2、B3屬于土城段,各指標得分綜合均在80分以上,可能是與土城段靠近車溪風景保護區(qū),流域未開發(fā),附近居民少相關(guān)。橋邊鎮(zhèn)段河流健康指數(shù)較土城段略低,其中 B4點附近有一座小型攔水壩,氮、磷等污染物在壩后大量沉積[41],庫區(qū)內(nèi)流速小,污染物的輸移緩慢,導致河流健康狀況日益低下。B5、B6點健康等級為Ⅱ,但該區(qū)域水環(huán)境指標得分較低,分析發(fā)現(xiàn)橋邊鎮(zhèn)附近有大片農(nóng)田和一定規(guī)模的畜牧業(yè),在流域附近發(fā)現(xiàn)少量廢棄農(nóng)藥瓶,在施肥過程中,大量含氮、磷的豬糞沼澤液體流入河道內(nèi),導致水體污染嚴重,河流生態(tài)系統(tǒng)遭到破壞[42]。B7、B8點位屬于點軍街辦段,各點的評分都不高,其中B8點評分最低,調(diào)查發(fā)現(xiàn),B8點處于橋邊河流域入江口位置,附近有大量居民,流域內(nèi)還存在多處排污口,工業(yè)廢水、生活污水的排放對河流的健康狀況有很大的影響,且該河段處于平原區(qū),河道內(nèi)流速緩慢,易于污染物堆積[43]。

4 結(jié)論

1)本文全面評估中小河流健康狀況,構(gòu)建了河流水生生物、河流水環(huán)境、河流水文、河流形態(tài)、河流社會服務(wù)功能5個要素17個指標的橋邊河流域健康評價體系。

2)本文通過構(gòu)建GA-BP模型確定了河流健康評價指標權(quán)重,權(quán)重的大小排序為河流水環(huán)境指標>河流水文指標>河流水生生物指標>河流形態(tài)指標>河流社會服務(wù)功能指標。研究表明,河流水環(huán)境指標對橋邊河流域健康狀況影響最大。

3)在橋邊河流域8個采樣點中,有3個點健康等級評價為Ⅰ級,3個點評價為Ⅱ級,2個點評價為Ⅲ級,沒有健康等級為Ⅳ、Ⅴ的采樣點。總體來看,橋邊河流域基本上處于健康狀態(tài),流域上游健康狀況明顯優(yōu)于下游,從上游到下游越靠近入河口位置,河流的健康狀況越低。

參考文獻(References):

[1] 朱衛(wèi)紅, 曹光蘭, 李瑩, 徐萬玲, 史敏, 秦雷. 圖們江流域河流生態(tài)系統(tǒng)健康評價. 生態(tài)學報, 2014, 34(14): 3969- 3977.

[2] Luo Z L, Zuo Q T, Shao Q X. A new framework for assessing river ecosystem health with consideration of human service demand. Science of the Total Environment, 2018, 640- 641: 442- 453.

[3] Wang S, Zhang Q, Yang T, Zhang L Q, Li X P, Chen J. River health assessment: proposing a comprehensive model based on physical habitat, chemical condition and biotic structure. Ecological Indicators, 2019, 103: 446- 460.

[4] Li C W, Kang L. A new ecological flow assessment method based on spatial-temporal variability and transferability. Applied Mechanics and Materials, 2014, 522- 524: 791- 794.

[5] 徐后濤. 上海市中小河道生態(tài)健康評價體系構(gòu)建及治理效果研究[D]. 上海: 上海海洋大學, 2016.

[6] Karr J R. Assessment of biotic integrity using fish communities. Fisheries, 1981, 6(6): 21- 27.

[7] Sudaryanti S, Trihadiningrum Y, Hart B T, Davies P E, Humphrey C, Norris R, Simpson J, Thurtell L. Assessment of the biological health of the Brantas River, East Java, Indonesia using the Australian River Assessment System (AUSRIVAS) methodology. Aquatic Ecology, 2001, 35(2): 135- 146.

[8] Ge M, Liu G J, Liu H Q, Yuan Z J, Liu Y. The distributions, contamination status, and health risk assessments of mercury and arsenic in the soils from the Yellow River Delta of China. Environmental Science and Pollution Research, 2019, 26(34): 35094 - 35106.

[9] Ma D Y, Luo W G, Yang G L, Lu J, Fan Y Z. A study on a river health assessment method based on ecological flow. Ecological Modelling, 2019, 401: 144- 154.

[10] Xie H W, Hao H S, Xu N, Liang X X, Gao D X, Xu Y R, Gao Y, Tao H C, Wong M H. Pharmaceuticals and personal care products in water, sediments, aquatic organisms, and fish feeds in the Pearl River Delta: occurrence, distribution, potential sources, and health risk assessment. Science of the total environment, 2019, 659: 230- 239.

[11] Xu Z A, Li T, Bi J, Wang C. Spatiotemporal heterogeneity of antibiotic pollution and ecological risk assessment in Taihu Lake Basin, China. Science of the Total Environment, 2018, 643: 12- 20.

[12] 張晶, 董哲仁, 孫東亞, 王俊娜. 基于主導生態(tài)功能分區(qū)的河流健康評價全指標體系. 水利學報, 2010, 41(8): 883- 892.

[13] 熊春暉, 張瑞雷, 徐玉萍, 張瑋, 陳萍萍, 王麗卿. 應(yīng)用底棲動物完整性指數(shù)評價上海市河流健康. 湖泊科學, 2015, 27(6): 1067- 1078.

[14] 彭蘇麗, 夏繼紅, 蔡旺煒, 汪穎俊, 竇傳彬. 基于粗糙集的中小河流健康關(guān)鍵因子識別及分析. 水電能源科學, 2019, 37(4): 48- 51.

[15] 王蘭蘭. 中小河流健康評價體系及其在馬金溪河流上的應(yīng)用研究[D]. 杭州: 浙江大學, 2017.

[16] 陳宇婷, 王衛(wèi)標, 俞佳, 傅雷. 基于人水和諧目標的中小河流評價指標研究. 水利發(fā)展研究, 2019, 19(9): 25- 26,65- 65.

[17] 耿雷華, 劉恒, 鐘華平, 劉翠善. 健康河流的評價指標和評價標準. 水利學報, 2006, 37(3): 253- 258.

[18] 顧曉昀, 徐宗學, 劉麟菲, 殷旭旺, 王汨. 北京北運河河流生態(tài)系統(tǒng)健康評價. 環(huán)境科學, 2018, 39(6): 2576- 2587.

[19] 董哲仁, 孫東亞, 趙進勇, 張晶. 河流生態(tài)系統(tǒng)結(jié)構(gòu)功能整體性概念模型. 水科學進展, 2010, 21(4): 550- 559.

[20] 粟一帆, 李衛(wèi)明, 艾志強, 劉德富, 朱澄浩, 李金京, 孫徐陽. 漢江中下游生態(tài)系統(tǒng)健康評價指標體系構(gòu)建及其應(yīng)用. 生態(tài)學報, 2019, 39(11): 3895- 3907.

[21] Barbour M T, Gerritsen J, Griffith G E, Frydenborg R, McCarron E, White J S, Bastian M L. A framework for biological criteria for Florida streams using benthic macroinvertebrates. Journal of the North American Benthological Society, 1996, 15(2): 185- 211.

[22] 蘇輝東, 賈仰文, 牛存穩(wěn), 童偉軍. 河流健康評價指標與權(quán)重分配的統(tǒng)計分析. 水資源保護, 2019, 35(6): 138- 144.

[23] 徐偉, 董增川, 付曉花, 談娟娟, 劉倩, 杜芙蓉. 基于BP人工神經(jīng)網(wǎng)絡(luò)的河流生態(tài)健康預(yù)警. 河海大學學報: 自然科學版, 2015, 43(1): 54- 59.

[24] 孫會君. 區(qū)域工業(yè)經(jīng)濟可持續(xù)發(fā)展評價方法與技術(shù)研究[D]. 青島: 山東科技大學, 2000.

[25] 孫會君, 王新華. 應(yīng)用人工神經(jīng)網(wǎng)絡(luò)確定評價指標的權(quán)重. 山東科技大學學報: 自然科學版, 2001, 20(3): 84- 86.

[26] 李添意, 肖秀嬋, 楊小黎, 張成, 羅懷清, 邱誠. 都江堰內(nèi)江干渠蒲陽河健康狀況評價. 成都工業(yè)學院學報, 2018, 21(2): 58- 61.

[27] 曹泠然, 李品良, 李深奇, 李紅霞, 覃光華. 模糊綜合評判與灰色聚類分析在河流健康評價的應(yīng)用. 環(huán)境工程, 2018, 36(8): 189- 192.

[28] 李景保, 于丹丹, 楊波, 代穩(wěn), 李歡. 長江荊南三口水系調(diào)蓄能力演變及其與水系結(jié)構(gòu)的關(guān)聯(lián)性. 水資源保護, 2019, 35(5): 19- 26.

[29] 索妮. 縣域水利現(xiàn)代化指標體系研究——以江都區(qū)為例[D]. 揚州: 揚州大學, 2013.

[30] 舒持愷, 楊侃, 王啟明, 朱大偉, 劉煒. 河流健康評價中賦權(quán)方法的研究. 水電能源科學, 2017, 35(2): 61- 65.

[31] Shi Y T, Liu J, Wang P, Zhang X N, Wang J Q, Guo L. Application of entropy method in river health evaluation based on aquatic ecological function regionalization. IOP Conference Series: Earth and Environmental Science, 2017, 63(1): 012046.

[32] 薛建民, 李娟芳, 舒持愷, 楊侃, 朱大偉, 梁永靜, 趙敏. 基于一致性分析的主客觀組合賦權(quán)法在河流健康評價中的應(yīng)用. 水電能源科學, 2017, 35(12): 22- 25, 70- 70.

[33] 高明美, 孫濤, 張坤. 基于超標倍數(shù)賦權(quán)法的濟南市大氣質(zhì)量模糊動態(tài)評價. 干旱區(qū)資源與環(huán)境, 2014, 28(9): 150- 154.

[34] Wang S X, Zhang N, Wu L, Wang Y M. Wind speed forecasting based on the hybrid ensemble empirical mode decomposition and GA-BP neural network method. Renewable Energy, 2016, 94: 629- 636.

[35] 張維硯, 沈蓓雷, 童琰, 胡雪芹, 徐春燕, 由文輝, 薄芳芳. 基于GA-BP模型的景觀小水體富營養(yǎng)化評價方法. 中國環(huán)境科學, 2011, 31(4): 674- 679.

[36] 粟一帆, 李衛(wèi)明, 朱澄浩, 李金京, 孫徐陽, 胡威, 劉德富. 鄉(xiāng)鎮(zhèn)尺度下河流生態(tài)系統(tǒng)健康評價: 以宜昌市良斗河為例. 環(huán)境工程, 2019, 37(10): 91- 96.

[37] Logan B, Taffs K H. Relationship between diatoms and water quality (TN, TP) in sub-tropical East Australian estuaries. Journal of Paleolimnology, 2013, 50(1): 123- 137.

[38] 馮彥, 何大明, 楊麗萍. 河流健康評價的主評指標篩選. 地理研究, 2012, 31(3): 389- 398.

[39] Beyene A, Addis T, Kifle D, Legesse W, Kloos H, Triest L. Comparative study of diatoms and macroinvertebrates as indicators of severe water pollution: Case study of the Kebena and Akaki rivers in Addis Ababa, Ethiopia. Ecological Indicators, 2009, 9(2): 381- 392.

[40] 王振方, 張瑋, 楊麗, 徐玉萍, 趙風斌, 王麗卿. 異龍湖不同湖區(qū)浮游植物群落特征及其與環(huán)境因子的關(guān)系. 環(huán)境科學, 2019, 40(5): 2249- 2257.

[41] Montanhini Neto R, Nocko H R, Ostrensky A. Carrying capacity and potential environmental impact of fish farming in the cascade reservoirs of the Paranapanema River, Brazil. Aquaculture Research, 2017, 48(7): 3433- 3449.

[42] 王愿珠, 程鵬飛, 劉德富, 劉天中. 生物膜貼壁培養(yǎng)小球藻凈化豬糞沼液廢水的效果. 環(huán)境科學, 2017, 38(8): 3354- 3361.

[43] 李柏山. 水資源開發(fā)利用對漢江流域水生態(tài)環(huán)境影響及生態(tài)系統(tǒng)健康評價研究[D]. 武漢: 武漢大學, 2013.