基于多物種棲息地適宜度模型的河道生態(tài)流量確定方法與應用

李友光，劉士峰，王慧亮*，袁榆梁

基于多物種棲息地適宜度模型的河道生態(tài)流量確定方法與應用

李友光1，劉士峰2，王慧亮2*，袁榆梁3

（1.信陽市浉河中小河流治理項目建設管理局，河南 信陽 464000；2.鄭州大學 水利科學與工程學院，鄭州 450001；3.河南省水利勘測設計研究有限公司，鄭州 450003）

【目的】河流棲息模擬法是計算生態(tài)流量的最常用最有效的方法之一，然而，傳統(tǒng)的棲息地模擬多以單一指示物種構建棲息地模型進行棲息地適宜度評價，忽略了水生生態(tài)系統(tǒng)中的種間關系，不能代表河流整體的生境質量水平?！痉椒ā勘菊撐幕谀：壿嫹嫿ǘ辔锓N棲息地適宜度模型進行棲息地模擬，建立河流棲息地質量與徑流條件的定量響應關系，進而確定河流生態(tài)流量?！窘Y果】以浉河信陽市區(qū)段為實例，基于多物種棲息地適宜度模型推求的河段適宜生態(tài)流量為160～260 m3/s，最小生態(tài)流量為60 m3/s，比以鯽魚為單一指示物種的棲息地模型的推求結果區(qū)間更小?！窘Y論】多指示物種的河流棲息地適宜度模型，能夠考慮物種之間的競爭或促進對物種生長的影響，更有利于科學合理地確定河流生態(tài)流量。完善了河流生境評估理論體系，為河流水資源可持續(xù)開發(fā)利用提供保障。

多物種；模糊邏輯；棲息地模型；適宜生態(tài)流量；最小生態(tài)流量

0 引言

【研究意義】生態(tài)流量是維持河流生態(tài)系統(tǒng)健康的主要條件，而河流棲息地模擬法是確定河流生態(tài)流量的重要方法。河流棲息地模型依賴于指示物種生存繁殖所需要的生境條件與野外監(jiān)測或數(shù)值模擬得到的河流生境因子時空分布狀況，計算棲息地適宜度評價指標，模擬棲息地適宜度空間分布，評估河流生境質量水平[1]。由于這類模型具有明確的生態(tài)學基礎，能夠較為準確地描述流量變化與適宜生境分布之間的定量關系，該方法在計算河流生態(tài)流量方面廣泛應用[2]。因此完善河流棲息地模型，有利于科學合理地確定河流生態(tài)流量，為河流水資源可持續(xù)開發(fā)利用提供保障。

【研究進展】棲息地模型最早為美國環(huán)保署在20世紀70年代提出的河道內流量增加法（IFIM）發(fā)展而來，最初應用于美國的魚類及底棲動物，后逐漸應用在水生植物、藻類、水鳥以及河岸帶植被。其中以IFIM法發(fā)展的物理棲息地模擬模型（PHABSIM）應用最廣泛。但是無論是IFIM法還是PHABSIM，都是以單一生境因子為研究對象的單變量模型，沒有考慮到棲息地要素之間的相互作用和相關性，不能合適表現(xiàn)自然水體狀況[3]。多變量棲息地適宜度模型包括回歸模型、人工神經(jīng)網(wǎng)絡、模糊邏輯、決策樹等[4]。Vismara等[5]使用多元線性回歸系統(tǒng)綜合考慮了水深和流速雙變量對意大利北部阿達河上游棕色鮭魚棲息地適宜度的影響，但是只能處理生境因子之間的線性關系。人工神經(jīng)網(wǎng)絡有較強的預測能力，Olden等[6]使用人工神經(jīng)網(wǎng)絡模擬加拿大安大略省南部湖泊中物種豐度，處理了物種對生境因子和生物之間相互作用的復雜反應，認為人工神經(jīng)網(wǎng)絡比傳統(tǒng)方法預測能力更強，但是也依賴于充足的數(shù)據(jù)量。Dakou等[7]使用決策樹對希臘北部河流底棲無脊椎動物進行研究，雖然模擬效果良好，但是數(shù)據(jù)集中的噪聲和不當輸入對模型可靠性影響較大。模糊邏輯法能夠更好地利用不精確數(shù)據(jù)和經(jīng)驗知識確定棲息地適宜度，并且能夠解釋不同變量之間的相互作用，在棲息地適宜度評價中應用廣泛[8-10]?！厩腥朦c】目前，棲息地模型的研究主要集中在多個生境因子的相互作用上，對物種之間的協(xié)同和競爭關系研究較少。生態(tài)群落由不同物種構成，物種之間存在復雜的生態(tài)關系，不同物種有特定適宜生存的生境條件要求，研究表明底棲動物流量需求比魚類大20%左右[11]，單一指示物種代表河流整體生境狀況未必可靠[12]。

【擬解決的關鍵問題】為了解決河流棲息地適宜度評價中單一指示物種代表河流整體棲息地狀況的局限性，本文基于模糊數(shù)學思想，綜合考慮生境要素之間的相關作用和不同物種之間的協(xié)同競爭關系，構建以模糊邏輯法為基礎的多指示物種河流棲息地適宜度模型，進一步豐富河流生物棲息地評估方法。應用于浉河信陽段河流棲息地質量評價中，建立河流棲息地狀況與徑流狀況的定量響應關系，計算河流生態(tài)流量，與單一指示物種模型對比，驗證多指示物種模型的合理性與適用性。

1 河道生態(tài)流量確定方法

確定河流生態(tài)流量的主要思路是基于棲息地模型進行棲息地模擬，建立流量與河流生境質量之間的定量響應關系，繪制可利用棲息地面積與河道流量關系曲線，以此推求適宜生態(tài)流量。因此生態(tài)流量的確定可以分為棲息地適宜度模型的構建和基于生態(tài)-水文響應關系的生態(tài)流量推求2個步驟。

1）棲息地適宜度模型的構建

基于模糊邏輯的多物種棲息地適宜度模型原理如圖1。多物種棲息地模型用于計算區(qū)域單元棲息地適宜度，首先，把單元內各生境因子水平作為模糊邏輯法的輸入要素，計算出單一指示物種對應的棲息地適宜度指數(shù)，再將每種指示物種的棲息地適宜度指數(shù)集作為模糊邏輯法的輸入模糊集，計算河流生態(tài)系統(tǒng)整體的棲息地綜合適宜度指數(shù)。

圖1 基于模糊邏輯的多物種棲息地適宜度模型

在構建模型過程中，無論是指示物種和關鍵生境因子的選擇還是模糊集和模糊規(guī)則的建立，都對評價結果有直接影響，需要遵守系統(tǒng)性、全面性、可行性、典型性、簡明科學性等原則。基于以上原則構建多物種河流棲息地適宜度模型的步驟包括：

①指示物種的選擇。合理選擇指示物種來反映河流生態(tài)系統(tǒng)整體的生物群落變化特征、建立水文要素與水生態(tài)環(huán)境之間的響應關系，是棲息地質量模擬的前提條件。河流棲息地模型中用作指示物種的主要有魚類、大型底棲動物、水生植物、水生初級生產(chǎn)者和水鳥等。科學合理選定2個及以上的典型物種作為模型的指示物種。

②關鍵生境因子的篩選和分布。關鍵生境因子的選擇既要較全面地反映棲息地環(huán)境的真實情況，又要與指示物種的生存和繁殖息息相關，同時還要考慮數(shù)據(jù)的可獲得性和實際上的可行性。常用的生境因子包括水深、流速、底質、水溫、鹽度、溶解氧、水位變幅等要素，其中以水深和流速應用最為廣泛。生境因子的時空分布情況可以通過實際測量數(shù)據(jù)，走訪調查信息以及水文水質模型模擬得到，而模型模擬是最廣泛使用的手段。

③基于模糊邏輯的多物種棲息地適宜度模型構建。多物種棲息地適宜度模型構建的核心方法是模糊邏輯法，其主要內容包括模糊集、模糊化過程、模糊推理以及解模糊過程（圖2）。

圖2 模糊邏輯法計算流程圖

模糊集包括輸入模糊集和輸出模糊集，分別如式（1）和式（2）所示。

其中，單物種多指標棲息地適宜度評價中：是輸入要素集合，即關鍵生境因子的集合，u(=1,2,3,…,)代表各個關鍵生境因子；是影響因素的個數(shù)。是輸出要素集合，即棲息地適宜v(=1,2,3,…,)模糊邏輯的單物種多指標適宜度評價模型的輸出集合是多物種綜合適宜度評價模型的輸入集合。

模糊化即將輸入的物理量轉化為輸入模糊集的過程，輸入的物理量可以部分屬于某個模糊集，屬于模糊集的程度使用隸屬度表示。隸屬度函數(shù)建立水深、流速、適宜度等精確輸入要素與相關模糊集語言變量之間的聯(lián)系，根據(jù)物種生態(tài)習性，為每個模糊集構造合適的隸屬度函數(shù)，不僅要全面涵蓋所有要素，而且需要能夠區(qū)分典型要素特征。

模糊推理是推算棲息地適宜度的核心，通過模糊規(guī)則將輸入的模糊集合對應到特定的輸出模糊集。模糊規(guī)則用來建立評價因素與評價結果之間的聯(lián)系，是體現(xiàn)輸入要素與輸出結果以及多個變量之間相關關系的關鍵。依據(jù)物種的生態(tài)習性與物種之間的生態(tài)關系，制定一組涵蓋所有對象的“if_then”（如果…，那么…）規(guī)則。例如“如果流速適中且水深適中，那么棲息地適宜度較高”，“流速”和“水深”是輸入模糊集對象，“棲息地適宜度”是輸出模糊集對象。每條規(guī)則下對應的輸入都會產(chǎn)生一個該模糊規(guī)則結論的強度代表輸出模糊集中的隸屬度。模糊規(guī)則需要涵蓋模糊集中的所有對象，也可使用模糊矩陣表示輸入條件與輸出結果的對應關系。

對輸出模糊集進行解模糊，把模型中得到對河流棲息地質量的模糊描述轉化為精確的適宜度指數(shù)。常用到的解模糊方法包括最大隸屬度法、加權平均法和重心法等。重心法是解模糊使用較多的方法，重心法的原理是假設輸出隸屬度曲線與橫坐標軸所圍成面積的厚度和密度都均勻相同，取該面積的重心作為最終輸出值。多物種綜合棲息地適宜度指數(shù)可使用二重積分求解（式（3））。

2）生態(tài)流量的推求。

河流生境質量水平用可利用棲息地面積表示，模擬不同河道流量下的生境因子分布和棲息地適宜度分布，計算可利用棲息地面積，繪制可利用面積與河道流量的關系曲線，根據(jù)曲線變化推求適宜生態(tài)流量。選取曲線中緩慢上升或者緩慢下降的流量作為適宜生態(tài)流量并保證棲息地面積不小于最大棲息地面積的90%；選取曲線中快速上升或者快速下降的流量作為最小生態(tài)流量并保證棲息地面積不小于最大棲息地面積的50%[11]。其中，河流可利用棲息地面積等于所有計算單元面積與相應單元綜合適宜度指數(shù)乘積之和（式（4））。

式中：為河流可利用棲息地面積；A為第個網(wǎng)格的單元面積；CSF為第個網(wǎng)格的綜合適宜度指數(shù)。

2 基于多物種棲息地適宜度模型的浉河生態(tài)流量確定

2.1 研究區(qū)概況

浉河位于河南省信陽市，是淮河上游右岸一級支流，流域北面為淮河干流，南部、西部與長江流域漢水接壤，東側與淮河支流小黃河相鄰?；春恿饔蛩镔Y源豐富，已知魚類有100多種、水生植物60余種、兩棲爬行動物40余種、浮游動物200多種、浮游植物250余種、底棲動物70多種。作為淮河流域的一級支流，浉河同樣具有豐富的水生生物資源。根據(jù)最近的生物調查[13-14]，浉河魚類資源豐富，所有魚類中鯉科魚類占比70%以上，與中國淡水魚類特征一致；底棲動物種類豐富，包含寡毛類、水生昆蟲、軟體動物[15]等大型底棲動物。浉河信陽市區(qū)段建有2座橡膠壩，起到調節(jié)水流、優(yōu)化城市環(huán)境的作用。

圖3 研究區(qū)域位置信息

2.2 浉河多物種棲息地適宜度模型參數(shù)的確定

根據(jù)上述建立的基于模糊邏輯的多物種棲息地適宜度模型，模型中的主要參數(shù)包括指示物種、關鍵生境因子、生境因子隸屬度和模糊規(guī)則。

根據(jù)浉河的生態(tài)現(xiàn)狀以及河流生境評價的常用指標，本論文選擇魚類和底棲動物為浉河生境評價的2個指示物種，根據(jù)研究區(qū)域生物特征，魚類選定鯽魚為指示物種，底棲動物以水生昆蟲為代表。

模型中關鍵生境影響因子選用最為經(jīng)典的水深和流速。建立了研究河段的Mike21 FM水動力模型模擬不同流量條件下的水深和流速分布，并使用ArcGIS內置Python模塊耦合水動力模型和模糊邏輯多物種棲息地模型。

模糊集中把水深設置為“淺”、“中”、“深”3個級別；流速設置為“快”、“中”、“慢”3個級別；模型中的棲息地適宜度指數(shù)統(tǒng)一設定3個等級，分別是“高”、“中”、“低”。參考相關文獻與經(jīng)驗知識[16]，根據(jù)物種適宜生存的棲息地條件構建隸屬度函數(shù)[17]。以研究區(qū)域內物種最適宜生存的生境因子范圍與不適宜物種生存的生境因子臨界點作為制定隸屬度函數(shù)的主要標準，能夠有效區(qū)分生境因子特征的同時需要涵蓋研究區(qū)域內可能出現(xiàn)的所有生境因子水平。以水生昆蟲的流速隸屬度函數(shù)構造為例，水生昆蟲最適宜的流速范圍為0～0.4 m/s，流速超過0.4 m/s時水生昆蟲的生存受到影響，達到1.2 m/s之后水生昆蟲的生存環(huán)境將遭到嚴重破壞。以0.05 m/s和0.4 m/s作為2個重要節(jié)點構造了隸屬度函數(shù)，把對于水生昆蟲的流速水平劃分為“快”、“中”、“慢”3個等級（圖4）。由于棲息地適宜度指數(shù)是用來反映生境質量的無量綱數(shù)，因此模型中適宜度指數(shù)使用了相同的隸屬度函數(shù)（圖5）。

圖4 浉河生境因子的隸屬度函數(shù)

圖5 浉河多物種適宜度指數(shù)的隸屬度函數(shù)

根據(jù)魚類和底棲動物生態(tài)學經(jīng)驗和知識確定“if_then”模糊規(guī)則，表1描述的是每個過程對應的模糊推理規(guī)則。根據(jù)模糊集和模糊規(guī)則進行模糊推理，對輸出評價模糊集使用質心法解模糊，計算各個單元內2個指示物種對應的棲息地適宜度指數(shù)和河流生態(tài)系統(tǒng)綜合棲息地適宜度指數(shù)。

2.3 基于多物種棲息地適宜度模型確定浉河生態(tài)流量

本論文采用Mike 21二維水動力模型將研究區(qū)域劃分為5 148個單元網(wǎng)格，對每個單元的水深和流速分布狀況進行模擬，使用ArcGIS內置Python模塊編譯模糊邏輯多物種棲息地適宜度模型，耦合了水動力模型和棲息地適宜度模型，模擬浉河棲息地適宜度空間分布，獲得不同生態(tài)流量下棲息地分布狀況并統(tǒng)計可利用棲息地面積。此次開展了浉河信陽市區(qū)段5～300 m3/s系列流量的流場模擬和棲息地適宜度模擬，模擬中河道內2座橡膠壩保持平壩狀態(tài)。

表1 多物種棲息地模型適宜度指數(shù)模糊推理規(guī)則

2.3.1 流場模擬與棲息地適宜度模擬結果分析

圖6展示了典型流量下的流場模擬結果，研究區(qū)域內所有單元網(wǎng)格流速在0～2.92 m/s之間，水深在0～10.55 m之間。說明上文創(chuàng)建的隸屬度函數(shù)能夠涵蓋所有的生境因子水平。圖7是典型流量下單一指示物種模型和多指示物種模型的棲息地適宜度模擬結果。棲息地適宜度指數(shù)越高，代表棲息地狀況越好，越適宜生物生存繁殖。選定水情比較復雜的部分河段對照流場模擬圖像與棲息地模擬圖像，分別抽取20個典型的網(wǎng)格單元，統(tǒng)計了網(wǎng)格的流速、水深和適宜度指數(shù)（表2）?？梢钥闯鲻a魚適宜棲息地主要分布在水深適中、流速較慢的區(qū)域；水生昆蟲適宜棲息地主要分布在水深較淺、流速緩慢的區(qū)域，這與實際調查生物特性和棲息地分布規(guī)律一致。

圖6 典型流量條件下棲息地水深和流速模擬結果

圖7 典型流量條件下不同指示生物的適宜棲息地分布

表2 樣本網(wǎng)格流速、水深和適宜度指數(shù)統(tǒng)計表

受模糊規(guī)則影響，當網(wǎng)格內生境條件同時適合鯽魚和水生昆蟲生存時，綜合適宜度指數(shù)比使用鯽魚或者水生昆蟲計算的單一適宜度指數(shù)更高；當網(wǎng)格內生境條件不能滿足鯽魚和水生昆蟲的生存需求，綜合適宜度指數(shù)較2個單一適宜度指數(shù)更低；當網(wǎng)格內生境條件能夠滿足一種生物生存需求，卻不適合另一種生物生存時，綜合適宜度指數(shù)介于2個單一適宜度指數(shù)之間，但是沒有明顯規(guī)律（表2）。這一結果驗證了水生態(tài)系統(tǒng)中生物之間存在競爭與協(xié)作關系。因此多物種河流棲息地模型較傳統(tǒng)的以單一物種構建的棲息地模型能夠更加準確的反映河流的生境水平。

2.3.2浉河生態(tài)流量的確定

根據(jù)系列流量條件下的棲息地模擬結果，計算單元可利用棲息地面積并統(tǒng)計研究河段整體的可利用棲息地面積，建立棲息地面積與河道內流量的定量關系曲線（圖8）。圖中分別展示了單獨以鯽魚或者水生昆蟲作為指示物種以及綜合2種指示物種得到的生態(tài)-水文響應過程。在50～80 m3/s的流量范圍內，水生昆蟲的棲息地面積隨流量增加迅速增加；并在80～150 m3/s的流量范圍內保持相對穩(wěn)定水平之后快速下降。鯽魚的棲息地面積在5～180 m3/s流量范圍中隨流量增加呈現(xiàn)增加趨勢，流量超過180 m3/s后緩慢減少。綜合2類指示物種得到的綜合棲息地面積則在10～170 m3/s流量范圍內呈隨流量增加趨勢并且在30～70 m3/s流量范圍內呈快速增加趨勢；河道內流量超過170 m3/s之后，綜合棲息地面積表現(xiàn)出較鯽魚稍快、較水生昆蟲慢的減少趨勢。從整體趨勢來說，綜合棲息地面積變化曲線與鯽魚為指示物種的曲線更類似，這與綜合棲息地適宜度指數(shù)對應的模糊規(guī)則更注重鯽魚對綜合棲息地適宜度指數(shù)影響有關。

圖8 不同指示物種的可利用棲息地面積與流量關系

根據(jù)可利用棲息地面積與流量的關系曲線確定浉河信陽市段適宜的生態(tài)流量與最小生態(tài)流量。可利用的棲息地面積與流量并不是單純的線性關系，不論是水生昆蟲還是魚類，適宜生存的生態(tài)流量都不是越大越好也不是越小越好。選取曲線中緩慢上升或者緩慢下降的流量作為適宜生態(tài)流量并保證棲息地面積不小于最大棲息地面積的90%；選取曲線中快速上升或者快速下降的流量作為最小生態(tài)流量并保證棲息地面積不小于最大棲息地面積的50%。最終以鯽魚為指示物種得到適宜生態(tài)流量范圍為160～280 m3/s，最小生態(tài)流量為70 m3/s；雙物種作為指示物種得到的適宜生態(tài)流量范圍是160～260 m3/s，最小生態(tài)流量是60 m3/s；以水生昆蟲為指示物種，適宜生態(tài)流量范圍是60～160 m3/s，最小生態(tài)流量是60 m3/s。

3 討論

傳統(tǒng)的棲息地適宜度模型是目前應用最廣泛的適宜度評價方法，但無法體現(xiàn)不同物種之間的協(xié)同和競爭關系。利用多物種棲息地適宜度模型，可以兼顧多種生境因子與多個物種的種間關系評價棲息地整體生境適宜度水平，生態(tài)學意義更強，解釋性更好。在未來的研究中，使用多物種棲息地適宜度模型結合水動力模型模擬的河流生境因子分布，進而推求河道生態(tài)流量，對河流生態(tài)保護有指導作用。

基于模糊邏輯構建多物種棲息地適宜度模型，結合水動力模型推求生態(tài)流量，擁有更小的適宜生態(tài)流量區(qū)間。本研究中，根據(jù)多物種模型推求的浉河適宜生態(tài)流量范圍為160～260 m3/s，相較于使用鯽魚作為單一指示物種推求的160～280 m3/s區(qū)間范圍更小。這也是多物種模型考慮了生物群落種間關系的原因。由表2可知，在網(wǎng)格單元生境因子水平均適合鯽魚和水生昆蟲生存時，多物種模型得到的綜合棲息地適宜度指數(shù)比單一物種的更高；當網(wǎng)格生境水平均不適宜2種物種生存時，綜合適宜度指數(shù)比單一物種的更低；而網(wǎng)格生境要素僅適合一種物種生存時，綜合適宜度指數(shù)介于2個單一物種適宜度指數(shù)之間。這進一步驗證了種間關系對整體棲息地適宜度的影響。

同時，本研究中基于二維水動力模型將研究區(qū)域劃分為5 148個計算單元，模擬了每個單元的流速和水深分布狀況，取得較好的結果。但是在實際運用過程中，考慮到數(shù)據(jù)獲取程度的不同以及實際工作中對棲息地適宜度模擬精度需求的不同，也可以使用其他二維或三維水動力模型（例如HEC-RAC和Delft3D模型等）劃分研究區(qū)域計算單元，模擬每個單元流速、水深等要素分布狀況并計算單元內棲息地適宜度。

除此之外，由于模糊邏輯法隨輸入要素增加，計算量急劇增長的特性，本文僅選取了2類指示物種為代表，不能充分模擬河流生態(tài)系統(tǒng)內復雜的物種結構，這也是未來仍需解決的問題。但是文章的結果仍具有一定的代表性，可以為相關研究提供思路和參考。

4 結論

1）以鯽魚和水生昆蟲為指示物種，建立多物種的河流棲息地適宜度模型對浉河信陽市區(qū)段的河流棲息地適宜度進行模擬，構建定量的生態(tài)-水文響應關系，推求河段適宜生態(tài)流量范圍為160～260 m3/s，最小生態(tài)流量為60 m3/s。

2）以綜合了鯽魚和水生昆蟲的多物種棲息地模型模擬的可利用棲息地面積與河道流量關系曲線，在變化趨勢上與單獨把鯽魚作為指示物種的趨勢相似，但是計算的適宜生態(tài)流量范圍較單物種確定的區(qū)間更短。

[1] 馮穎縈, 計勇, 劉星辰, 等. 河流棲息地健康影響因素及評價研究展望[J]. 人民珠江, 2020, 41(10): 94-101.

FENG Yingying, JI Yong, LIU Xingchen, et al. Influencing factors and assessment of river habitat health[J]. Pearl River, 2020, 41(10): 94-101.

[2] 蔡玉鵬, 萬力, 楊宇, 等. 基于棲息地模擬法的中華鱘自然繁殖適合生態(tài)流量分析[J]. 水生態(tài)學雜志, 2010, 31(3): 1-6.

CAI Yupeng, WAN Li, YANG Yu, et al. Analysis on the environmental flow requirements for natural reproduction of Chinese sturgeon based on habitat simulation methods[J]. Journal of Hydroecology, 2010, 31(3): 1-6.

[3] 易雨君, 程曦, 周靜. 棲息地適宜度評價方法研究進展[J]. 生態(tài)環(huán)境學報, 2013, 22(5): 887-893.

YI Yujun, CHENG Xi, ZHOU Jing. Research progress in habitat suitability assessment methods[J]. Ecology and Environmental Sciences, 2013, 22(5): 887-893.

[4] 趙進勇, 董哲仁, 孫東亞. 河流生物棲息地評估研究進展[J]. 科技導報, 2008, 26(17): 82-88.

ZHAO Jinyong, DONG Zheren, SUN Dongya. State of the art in the field of river habitat assessment[J]. Science & Technology Review, 2008, 26(17): 82-88.

[5] VISMARA R, AZZELLINO A, BOSI R, et al. Habitat suitability curves for brown trout (L.) in the River Adda, Northern Italy: Comparing univariate and multivariate approaches[J]. Regulated Rivers: Research & Management, 2001, 17(1): 37-50.

[6] OLDEN J D, JACKSON D A. Fish-habitat relationships in lakes: Gaining predictive and explanatory insight by using artificial neural networks[J]. Transactions of the American Fisheries Society, 2001, 130(5): 878-897.

[7] DAKOU E, D’HEYGERE T, DEDECKER A P, et al. Decision tree models for prediction of macroinvertebrate taxa in the river axios (northern Greece)[J]. Aquatic Ecology, 2007, 41(3): 399-411.

[8] 李若男, 陳求穩(wěn), 吳世勇, 等. 模糊數(shù)學方法模擬水庫運行影響下魚類棲息地的變化[J]. 生態(tài)學報, 2010, 30(1): 128-137.

LI Ruonan, CHEN Qiuwen, WU Shiyong, et al. Application of fuzzy logic to model fish habitat in the downstream of Lijiang River under reservoir operations[J]. Acta Ecologica Sinica, 2010, 30(1): 128-137.

[9] 李洋. 筑壩河流魚類產(chǎn)卵生態(tài)流量研究：以錦屏大河灣為例[D]. 北京: 中國水利水電科學研究院, 2019.

LI Yang. Research on ecological flow of fish spawning in dam-building river—case study on Jinpin Dahe Bay[D]. Beijing: China Institute of Water Resources and Hydropower Research, 2019.

[10] HOUGH I M, WARREN P H, SHUCKSMITH J D. Designing an environmental flow framework for impounded river systems through modelling of invertebrate habitat quality[J]. Ecological Indicators, 2019, 106: 105 445.

[11] 班璇, 郭舟, 熊興基, 等. 長江中游典型河段底棲動物的物理棲息地模型構建與應用[J]. 水利學報, 2020, 51(8): 936-946.

BAN Xuan, GUO Zhou, XIONG Xingji, et al. Applying physical habitat model of zoobenthos in typical reaches of the Yangtze River[J]. Journal of Hydraulic Engineering, 2020, 51(8): 936-946.

[12] 易雨君, 張尚弘. 水生生物棲息地模擬方法及模型綜述[J]. 中國科學（技術科學）, 2019, 49(4): 363-377.

YI Yujun, ZHANG Shanghong. Review of aquatic species habitat simulation method and modelling[J]. Scientia Sinica (Technologica), 2019, 49(4): 363-377.

[13] 顧錢洪, 孟曉林, 周傳江, 等. 信陽浉河區(qū)魚類資源分布及區(qū)系組成特征[J]. 河南水產(chǎn), 2015(5): 31-35, 37.

GU Qianhong, MENG Xiaolin, ZHOU Chuanjiang, et al. Current status and floristic characteristics of fishery resources in Shihe District of Xinyang[J]. Henan Fisheries, 2015(5): 31-35, 37.

[14] 李崢, 段家慧, 趙良杰, 等. 兩河口國家濕地公園河流魚類群落結構和多樣性研究[J]. 水產(chǎn)學雜志, 2020, 33(5): 45-51.

LI Zheng, DUAN Jiahui, ZHAO Liangjie, et al. Community structure and species diversity of fishes in river of Lianghekou national wetland park[J]. Chinese Journal of Fisheries, 2020, 33(5): 45-51.

[15] 池仕運, 韋翠珍, 胡俊, 等. 南灣水庫底棲動物群落結構初步研究[J]. 環(huán)境保護科學, 2018, 44(6): 34-41.

CHI Shiyun, WEI Cuizhen, HU Jun, et al. Preliminary study of macroinvertebrate communities in Nanwan reservoir[J]. Environmental Protection Science, 2018, 44(6): 34-41.

[16] 王瑞玲, 黃錦輝, 葛雷, 等. 基于黃河鯉棲息地水文-生態(tài)響應關系的黃河下游生態(tài)流量研究[J]. 水利學報, 2020, 51(9): 1 175-1 187.

WANG Ruiling, HUANG Jinhui, GE Lei, et al. Study of ecological flow based on the relationship between cyprinusy carpio habitat hydrological and ecological response in the lower Yellow River[J]. Journal of Hydraulic Engineering, 2020, 51(9): 1 175-1 187.

[17] 夏振民. 復雜水動力條件下沿海城市水體生態(tài)健康診斷[D]. 煙臺: 煙臺大學, 2020.

XIA Zhenmin. Diagnosis of urban river ecological health in coastal cities under complex hydrodynamic conditions[D]. Yantai: Yantai University, 2020.

Determining the Ecologically Sustainable River Flow Using the Multiple Species Habitat Suitability Model

LI Youguang1, LIU Shifeng2, WANG Huiliang2*, YUAN Yuliang3

(1. Shihe River Treatment Project Construction Administration of Xinyang, Xinyang 464000, China; 2. School of Water Conservancy Engineering, Zhengzhou University, Zhengzhou 450001, China;3. Henan Water & Power Engineering Consulting CO., Ltd, Zhengzhou 450003, China)

【Objective】The ecological functions of a river are manifold; and how to determine river flow rates which are ecologically sustainable is important but not trivial. In this paper, we proposed a new approach to model river habitat.【Method】The model is based on multiple indicator species and considers their competition as well as the consequence for growth of individual species. The model is constructed based on the fuzzy logic method to establish the quantitative relationship between river habitat quality and runoff conditions. We applied the model to the Xinyang section of the Shihe River.【Result】The sustainable ecological water flow in this section of the river calculated by the model is 160～260 m3/s, and the minimum ecological flow rate is 60 m3/s. The result interval is stricter than that calculated from the single indicator species model using crucian carp as the indicator.【Conclusion】Multiple indicator species model we proposed for determining ecologically sustainable river flow is robust and accurate. It can be used for designing sustainable development and utilization of river water resources.

multi species; fuzzy logic; habitat model; suitable ecological flow; minimum ecological flow

1672 - 3317（2021）05 - 0139 - 08

X143

A

10.13522/j.cnki.ggps.2021545

李友光, 劉士峰, 王慧亮, 等. 基于多物種棲息地適宜度模型的河道生態(tài)流量確定方法與應用[J]. 灌溉排水學報, 2022, 41(5): 139-146.

LI Youguang, LIU Shifeng, WANG Huiliang, et al. Determining the Ecologically Sustainable River Flow Using the Multiple Species Habitat Suitability Model[J]. Journal of Irrigation and Drainage, 2022, 41(5): 139-146.

2021-11-05

國家自然科學基金項目（51809239）

李友光（1964-），男，河南光山人。高級工程師，主要從事水資源優(yōu)化利用方面研究

王慧亮（1982-），男，河南安陽人。教授，博士，主要從事水文學及水資源專業(yè)研究。E-mail: wanghuiliang@zzu.edu.cn

責任編輯：趙宇龍