官术网_书友最值得收藏!

第二章 高速鐵路路域生態原貌及退化評價方法

2.1 高速鐵路路域生態本底評價指標體系

高速鐵路路域生態原貌指標評價是高速鐵路環評的基礎,其生態環境系統具有非線性、動態性、不確定性、非平衡性、突變性等典型的復雜系統特點,本章擬在“3S”集成技術調查和實地樣地深入調查基礎上,應用復合生態系統原理、生態學、環境科學、系統科學等理論和方法對原始數據進行分類整理分析,探討運用主成分、聚類分析、加權復合評價法等非線性統計分析方法,對區域生態環境的生態原貌(本底)和退化程度進行多目標、多屬性、多層次復雜系統綜合評價分析。

2.1.1 路域區域生態系統的定義

當高速鐵路建成以后,隨著綠化和生態恢復為主的環保工程的實施,出現了一個新的生態系統,其范圍是道路用地地界之內,寬約15~20m,長數百或數千公里的地帶,具有邊界模糊性、局部突變性和廣域過渡性。生態系統的組成包括喬木、灌木以及草本等綠色植物,鳥類、魚類以及爬行類等動物,微生物及無機環境。

按照環境影響評價分類法一級標準,可將路域區域生態系統分為:工程設計外側軌道中心線兩側用地界外各300~500m以內區域;施工便道中心線兩側用地界外各100m以內區域;取土場、棄土(砟)場及臨時用地界外100m以內的區域;過水橋涵一側300m以內(溝)段,通航河流一側1km河段。

按照微環境分類法,可將路域區域生態系統分為:

(1)核心區域:鐵路用地界以內的帶狀區域,包括鐵路路基邊坡防護帶、路基外圍的小灌木、喬木綠化帶、橋梁部水域范圍的影響區等。這一系統的成分、結構、演替等比周圍自然生態群落要單純,比農田等人工生態環境又要復雜,其代表性的特點是外來種屬的引進,喬、灌、草、動物等生物多樣性的變化。

(2)線路輻射區:包括生態輻射區、噪聲輻射區、振動輻射區以及部分電磁輻射區的交并集合,這些不僅有共同的部分,同時也包含了不同影響的延伸區。生態輻射區的面積相對較大,包括路域范圍的生態建設以及為保護線路而進行的生態防護工程。鐵路工程沿線輻射區往往形成廊道效應和新的生態演替階段。

2.1.2 高速鐵路路域生態本底評價指標體系制定原則

生態評價所面對的是一個復雜的多屬性、多目標和多層次的綜合系統,其指標體系的建立屬于多屬性評判問題,因而必須建立多目標的評價體系。根據高速鐵路沿線的社會、經濟及生態狀況,提出高速鐵路路域生態本底評價指標體系建立應遵循的原則。

(1)指標的完整性

生態環境系統是一個社會-經濟-生態大系統,反映其生態類型的特性也應該從這三方面入手,使評價指標體系能在生產、生活、社會進步與環境保護方面反映大系統的完整性。

(2)時空變化的差異性

由于生態評價是針對不同類型所進行的,特別是要揭示不同類型之間的差異,并因此提出不同的生態恢復方案。因此,生態評價的指標也要反映時空變化的差異性,同時各指標還要有相對的獨立性和穩定性。據此,本書對諸多因子進行選擇時,對變化不明顯、獨立性和穩定性較差的因子進行剔除。

(3)指標的合理性

評價指標的選擇要達到可測度、可操作、可比較、可推廣的要求,在較長時間和較大范圍內適用。

2.1.3 高速鐵路路域生態本底評價指標的篩選

2.1.3.1 原始指標和變量的收集

以高速鐵路路域生態本底評價指標體系建立的目的為基礎,對國內外同類研究的成果進行調研,參考相關指標體系,根據指標選擇的原則,有選擇性的收集了39個原始指標和變量,建立匯總統計表,見表2-1。

表2-1 原始指標匯總

續上表

2.1.3.2 原始指標和變量的篩選

根據生態評價的理論,對原始指標進行初步篩選,篩選的具體原則和依據包括以下幾方面。

(1)指標功能明確:涉及生態本底評價的某一方面內容。

(2)指標定義準確:指標內涵準確,不會因為人為原因發生誤解。

(3)數據可得性較好:數據能夠獲得,并且可操作性強。

(4)指標具有可比性:指標被廣泛認可或者應用,獲得的數據具有一定的可對比性。

(5)指標不重復性:指標含義相近者取其中之一。

根據以上5條原則,對指標是否符合要求進行匯總,其結果見表2-2。

表2-2 原始指標篩選

續上表

根據篩選結果,請專家、政府相關部門人員、社會團體對篩選后的指標進一步的討論和篩選,使之更符合指標選取的原則,最終確定本套指標體系的指標數為10個:坡度、土層厚度、石礫含量、有機質、全氮、全磷、全鉀、pH值、生長勢、制約因子。最終的10個指標基本符合功能明確、適合研究對象的特點、數據可得性較好、涵義廣泛、條款精簡的原則。

2.1.4 高速鐵路路域生態本底的分類及評價

為了對生態原貌類型進行科學合理的評價,擬采用定性與定量相結合、定量為主的分析方法對生態類型進行歸并。對表2-2中的10個生態指標進行評價等級劃分,并給出相應的評價分值,詳細結果見表2-3。

表2-3 生態本底評價等級

續上表

2.1.4.1 原始數據的量化

根據表2-3中的標準,對原始數據進行量化。其中,石礫含量、制約因子、坡度和pH值等指標,第一等級賦值5分,第二等級賦值4分,第三等級賦值3分,第四等級賦值2分,第五等級賦值1分;全氮、土層厚度、全磷、有機質、全鉀等指標則仍沿用原來的數值,生長勢則根據實地調查結果打分。

為了使10個指標更具代表性,可以用主成分回歸分析的方法找出這樣一類少數因子,即綜合因子,能代表原來的諸多因子,并且能反映原因子之間的內在聯系和起到主導作用,從而找出客觀事物的所有特征。

2.1.4.2 原始數據的標準化

原始數據要用離差標準化方法進行標準化,這樣可以消除量綱與量級的不統一。離差標準化計算公式為

2.1.4.3 主成分分析

主成分分析法是一種數學變換的方法,把給定的一組相關變量通過線性變換轉成另一組不相關的變量,這些新的變量按照方差依次遞減的順序排列。第一主成分是具有最大方差的變量,第二主成分是具有次大方差且與第一主成分不相關的變量,后面同理,但是需要注意的是要保持數學變換中的總方差不變。

1.主要目的

主成分分析的主要目的是希望用較少的變量去解釋原有資料中的大部分變異,將相關性很高的變量轉化成彼此相互獨立或不相關的變量。通常是選出比原始變量個數少、能解釋大部分資料中變異的幾個新變量,即所謂主成分,并用以解釋資料的綜合性指標。由此可見,主成分分析實際上是一種降維的方法。

2.分析步驟

(1)對數據進行無量綱化處理。

(2)求相關系數矩陣。

(3)進行正交變換,把非對角線上的數變換成零。

(4)求出本征根xi,并排序(從大到小)。

(5)求各個本征根對應的本征向量。

(6)計算每個本征根的解釋度即貢獻率VI

VI=xi/(x1+x2+……)

(7)根據本征根及其本征向量解釋主成分物理意義。

2.1.4.4 聚類分析法

系統聚類分析是一門多元統計分類法,根據多種地學要素對地理實體進行劃分類別的方法。對不同的要素劃分類別往往反映不同目標的等級序列,如土地分等定級、水土流失強度分級等。

1.系統聚類的相關步驟一般為:

(1)利用一批指標或數據找出可以度量這些指標或數據之間相似程度大小的統計量。

(2)將統計量作為劃分相關類型的依據,把相似程度較大的變量或者樣品聚合為一類,再將另外相似程度較小的變量或者樣品聚合為另一類。

(3)根據各類數據之間的親疏關系,逐步形成完整的分類系統圖,又稱譜系圖,其相似程度可以由距離或者相似系數來確定。進行類別合并的標準是令類間差異最大,類內差異最小。

2.聚類分析特點為:只需要一批地理方面的數據,而無需事先知道分類對象的相關分類結構;然后選擇好分類統計量,并且按照一定的步驟進行運算;最后就可以自然而且客觀的獲得一張完整度很高的分類系統圖。

3.聚類分析的基本原理:根據樣本其本身的屬性,運用數學的方法,按照某種相似性、差異性指標,定量分析樣本之間的親疏程度,并且以此為標準對樣本進行聚類。

4.常用的聚類分析方法有動態聚類法、系統聚類法和模糊聚類法等。

(1)聚類要素的數據處理

①總和的標準化

②標準差標準化

③極大值標準化

④極差的標準化

(2)距離的計算

作為事物之間差異性的測度——距離,當差異性越大時,其越小,因此距離可以作為系統聚類分析的基礎依據,主要有以下四種。

①絕對值距離

②歐氏距離

③明科夫斯基距離

距離選擇的不同,其聚類的結果是有差異的。進行地理分區以及分類研究時,往往采用幾種距離進行計算、對比,選擇一種較為合適的距離進行聚類。

(3)系統聚類法計算類間距離的統一公式

①最短距離聚類法具有空間壓縮性,而最遠距離聚類法具有空間擴張性。

②最短距離聚類法和最遠距離聚類法關于類間的距離計算可以用統一的式子表示:

當γ=-1/2時,為最短距離聚類法計算類間距離的公式;當γ=1/2時,為最遠距離聚類法計算類間距離的公式。

③系統聚類的方法還有:

2.1.4.5 選用主成分分析法和聚類分析法的依據

在生態原貌的研究中,為了全面、系統地分析生態原貌,必須考慮眾多影響因素,包括氣候氣象、地形地貌、水文地質、土壤和植被等,這些影響因素又可以細分為30多種因素。這些涉及的因素一般稱為指標,在多元統計分析中也稱為變量。因為每個變量都在不同程度上反映了所研究問題的某些信息,并且指標之間彼此有一定的相關性,比如氣候氣象和水文地質,因而所得的統計數據反映的信息在一定程度上有重疊。在用統計方法研究生態原貌的問題時,變量太多會增加計算量和分析問題的復雜性,而主成分分析在進行定量分析的過程中,能把多個變量轉化為少數幾個有代表性的、綜合的變量,并且得到較多的信息量,是解決這類問題的理想工具。

在研究高速鐵路路域生態原貌時,事前并不知道要把它分為幾類,而聚類分析是一種探索性的分析,在分類過程中,不必事先給定一個分類標準,聚類分析能夠從樣本數據出發,自動進行分類分析;在聚類分析之前研究者也不知道研究對象要被分為幾類,也不知道每個類的特點。

主站蜘蛛池模板: 平和县| 池州市| 鄂伦春自治旗| 兴国县| 莱西市| 井陉县| 凤台县| 青州市| 江华| 阿克陶县| 玉田县| 朝阳区| 如皋市| 黔西| 武安市| 金堂县| 商城县| 河东区| 当雄县| 宝山区| 宜州市| 通辽市| 南木林县| 鄂托克旗| 怀集县| 东丽区| 佳木斯市| 道孚县| 彰武县| 荥经县| 抚远县| 得荣县| 芦山县| 雷山县| 延长县| 丹江口市| 虎林市| 玉溪市| 巴中市| 衡山县| 威海市|