东三省数学建模比赛C题一等奖精选文档

东三省数学建模比赛C

题一等奖精选文档 TTMS system office room 【TTMS16H-TTMS2A-TTMS8Q8-

2015年东北三省数学建模一等奖论文

福田红树林自然保护区湿地生态系统模型框架的构建及应用实例研

究

摘要

目前福田红树林自然保护区湿地生态系统的健康状况日益脆弱，迫切需要建立一个完整的保护管理数字化支撑平台。问题一，我们建立了集动态监测和健康评估及预警于一身的模型框架，该模型框架的建立基于BP-神经网络的PSR模型，然后将EWE模型里的鱼类捕捞这一环节去掉，改为在自然条件下的水生动物数量变化，利用改进后EWE模型分析生态系统里的各级生物能量流动、物质循环等生态系统内部功能，并确立一个稳态指标。利用各营养级之间的能量流动关系,对生态系统内的物种依存、竞争关系进行动态描述。用层次分析法对影响生态系统的外界因素进行综合识别并建立三层权重指标体系得出相应权重指标，以单项指标的加权平均法来获取综合评价指数进行评价等级的确定，模型会自动反馈，并根据权重大小逐级查找问题来源，并根据问题来源找到合理的解决办法。从而构建整个生态系统压力，状态，响应为一体化的监督管理系统。问题二，基于以上模型框架，我们利用3s技术对该湿地生态系统相关数据进行监测分析评估预警，设计监测方案。问题三，选取水污染作为迫切解决的问题，对目前相关数据代入建立好的模型框架进行分析，确定评价等级，对其未来发展趋势进行预测，给出了合理的建议。

关键词：PSR模型；改进EWE模型；层次分析法；3s技术；

一、问题重述

深圳福田红树林湿地自然保护区是我国唯一处于城市腹地的国家级自然保护区，保护区对调节当地环境具有极其重要的功能；但是在深圳经济高速发展的 30多年时间里，福田红树林湿地生态系统受城市扩张和环境污染影响较为严重，湿地生态系统的生态健康更加脆，为此，保护区的监测管理尤为重要。目前的生态健康评价主要采用基于抽样监测数据和专家经验的静态方法，仅仅围绕主要生物因子开展调查而没有覆盖到噪声、大气等环境因子，而且监测点信息的时间、空间离散度较大（时间间隔较长、测点密度过于稀疏），致使难以完全满足福田红树林自然保护区科学管理的实际需要。因此，构建新型的生态系统动态监测和健康评估及预警科学管理支撑体系尤为重要。

问题：

1、构建湿地动态监测、健康评估及预警系统的模型框架。

2、基于所建立的模型，设计保护区未来的生态环境监测方案，并完善模

型框架。

3、选取一个当下福田红树林最迫切需要解决的生态系统问题，对其生态发展

趋势进行预测分析，并给出具体的保护、管理建议。

二、问题的分析

2.1问题一：

在构建湿地生态系统动态监测、健康评估及预警的模型框架时，首先要考虑到影响该湿地生态系统的外界因素，由于影响该湿地生态系统的外界因素比较多，所

以选择一些对湿地生态系统影响较大的且具有代表性的因素进行分析，如噪声污染，光污染，大气污染，水污染，病虫害爆发，外来物种入侵等因素，这些因素会使湿地生态系统内的各营养级生物大量死亡，从而严重破坏整个湿地保护区的生态平衡。对于外界影响因素的大小的判断，我们利用层次分析法来确定；而在外界因素影响下，该湿地生态系统内的各种生物都会受到相应影响，会使得一些生物数量增加或减少，这样就会导致该湿地生态系统内部结构功能发生相应变化，所以，我们利用改进后的EWE模型，对各营养级生物能量流动进行描述，确定一个生态系统相对稳定的标准，然后根据营养级能量的总体变化建立对应的反馈查找机制，找到问题来源进行解决。这样我们就建立好了模型框架。

2.2问题二：

根据问题一所建立的生态系统模型的数据要求，对相应数据进行监测，量化之后代入模型框架判断出目前的健康等级，利用模型的反馈查找机制，找到问题根源，根据情况采取相应反应对问题进行处理，从而得出完整的动态监测评估预警方案。

2.3问题三：

选取水污染问题，监测水质得出数据，代入模型得出对应健康等级，确定其对生态系统目前的影响程度，推断出未来一段时间生态系统的变化，并提出相应治理措办法。

三、问题假设

1.数据的处理只考虑主要因素的影响。

2.保护区自然状况短时间内没有遭遇重大的自然变故。

3.保护区周围人类活动基本保持不变。

4.监测地点选取均匀且随机。

5.当预警某一生态系统影响因素影响生态系统未来发展趋势时，其他影响因素对生

态系统的影响程度不变。

四、符号说明

五、模型的建立与求解

5.1问题一

5.1.1 PSR模型的引用

我们从外界因素与湿地生态系统之间的相互作用、相互影响的角度出发，对福田红树林湿地评价指标进行分类和组织具有较强的系统性。外界因素对福田红树林湿地生态环境施加一定的压力，导致福田湿地生态系统改变了其原有的性质或自然资源的数量(状态)变化；管理人员通过监测到湿地生态环境、各生物数量等变化作出响应，以恢复福田红树林湿地生态系统环境质量或防止其进一步退化。它具有3

个方面既相联系又相区别的指标[1]，由此，我们想到基于BP-神经网络的PSR模型。

压力-状态-响应模型(Pressure-State -Response,PSR)是目前最广泛应用的湿地评价指标体系之一,最初是由Tony Friend和David Rapport提出的,20世纪70年代,欧洲经济合作与发展组织(Organization for Economic Co2operation and Development,OECD)对PSR模型进行了修改并用于环境报告,80年代末90年代初,OECD 在进行环境指标研究时对模型进行了试用性和有效性的评价[2]。PSR模型的优势在

于,因果关系清晰,充分考虑了外界的压力干扰、流域的状态变化和人类的响应措施3个方面[3],一般意义的PSR模型结构如图1所示:

图1 压力-状态-响应模型图

5.1.2 PSR模型改进

在本文中，福田湿地生态系统受到许多外来因素的影响，有自然因素，人为因素，这些因素正好对应PSR模型的压力部分。而湿地生态系统的各级生物因为受外界影响，竞争关系、生存状态会发生相应变化，从而造成各营养级的能流变化，因此，我们选取各营养级能流变化作为在外界影响下的湿地生态系统的状态反应。最后红树林湿地生态系统的管理者根据相应状态进行合理的应对，作为PSR模型的响应部分。构建的基于BP-神经网络的PSR模型如图2所示：

图2 BP-神经网络的PSR改进模型示意图

5.1.2.1压力因素分析

对于压力因素，我们选择了几个对该湿地生态系统影响较大的因素，分别是噪声污染，光污染，大气污染，水污染，病虫害爆发，外来物种入侵6个较为主要的影响因素。

5.1.2.2状态分析

1.生境的空间结构和生态功能分析