基于模糊综合评价确定干旱区植被生态系统最优地下水埋深

《Journal of Hydrology: Regional Studies》：Determining the optimal groundwater depth for vegetation ecosystems in arid regions based on fuzzy comprehensive evaluation

　　

研究区域：河套灌区是中国北方的一个干旱灌区，其中地下水埋深（groundwater depth, GD）调控着盐碱荒地上的自然植被。将地下水维持在生态适宜深度对于平衡植被保护和区域水资源管理至关重要。研究重点：研究人员开发了一个整合了植被结构和生物多样性指标的多级模糊评价系统（multi-level fuzzy evaluation system）。采用云模型（cloud model, CM）来量化跨地下水埋深梯度的生态系统质量（ecosystem quality），同时考虑模糊性和随机性。采用多项式回归（polynomial regression）来表征地下水埋深与生态系统质量之间的关系。新的水文洞见：生态系统质量对地下水埋深呈现非线性响应。大约2–3?m的埋深产生了最高的生态系统质量隶属度值和相对较低的不确定性，在2.5?m附近达到峰值。较浅和较深的地下水条件都与植被多样性和生态系统质量降低有关。因此，2–3?m范围为河套灌区协调生态保护和地下水调控提供了区域特定参考。

干旱区生态退化是全球关注的重要问题，其中不可持续的水资源利用导致的地下水位下降被认为是关键驱动因素之一。从生态水文学视角看，维持适宜的地下水埋深（groundwater depth, GD）对于保障干旱区植被群落稳定性和生态系统服务功能至关重要。然而，现有研究多采用单一植被指标（如物种丰富度、盖度、归一化植被指数（NDVI）等）或确定性统计模型来评估地下水与植被的关系，难以全面反映植被生态系统的整体状况。此外，生态数据中固有的模糊性与随机性常被忽略，在小样本条件下易导致评估偏差。为此，研究人员在《Journal of Hydrology: Regional Studies》发表论文，旨在构建一个整合多维度植被属性、并兼顾不确定性的综合评估框架，以确定干旱区植被生态系统的最优地下水埋深范围，为区域生态保护与水资源管理提供科学依据。

研究人员在河套灌区义长灌域选取了24个代表性样地（2021年8月调查），覆盖不同地下水埋深梯度。关键技术方法包括：（1）构建包含物种重要性测度（species importance measure, SIM）和生物多样性测度（biodiversity measure, BM）的多级模糊评价系统（multi-level fuzzy evaluation system），其中SIM含物种丰富度（species richness, SR）、重要度（importance degree, ID）和总盖度（total coverage, TC），BM含香农-维纳指数（Shannon-Wiener index, SWI）、辛普森指数（Simpson index, SI）和皮尔逊均匀度指数（Pielou evenness index, EI）；（2）采用云模型（cloud model, CM）结合熵权法（entropy weight method）量化指标隶属度与不确定性，生成综合云模型（comprehensive cloud model, CCM）；（3）利用三次多项式回归与留一交叉验证（leave-one-out cross-validation, LOOCV）刻画生态系统质量与地下水埋深的响应关系；（4）以冗余分析（redundancy analysis, RDA）作为线性对比方法。

**3.1 地下水埋深变化类型分类**
基于遥感影像和长期监测井数据，研究人员将24个样地按年平均地下水埋深划分为10个区间（T1–T10，从约1?m至10?m）。各类型年内变化受灌溉活动影响，呈现周期性波动；T1变异系数最大（122.55%），T8最小（4.66%），表明地下水稳定性随深度先增后减。

**3.2 植被生态系统最优地下水埋深评估**
**3.2.1 指标权重确定**
熵权法显示，SIM层权重（0.572）高于BM层（0.428），其中SR权重最高（0.185），EI权重最高（0.237），表明物种丰富度与分布均匀性对生态系统区分贡献显著。

**3.2.2 隶属度云模型分析**
逆向云发生器计算各指标隶属度云模型。SR期望值（Ex）在T3达到峰值（0.960），TC和ID也呈单峰趋势；BM指标中，SWI和EI在T3达最大Ex（0.990和0.957），SI则随深度递减。熵（En）和超熵（He）显示EI不确定性最大，SI最小，且极端深度下不确定性升高。

**3.2.3 基于云模型的生态系统质量评估**
综合云模型（CCM）参数显示，生态系统质量期望值呈单峰分布：T3（Ex=0.984）最优，T1（Ex=0.603）和T10（Ex=0.200）最低。不确定性（熵和超熵）在T1和T10最高，T8最低。前向云发生器生成的1000个云滴频次分析表明，T3样地100%云滴属“优秀”等级，T1属“良好”，T10属“很差”。

**3.2.4 干旱区地下水埋深与生态系统质量的响应关系**
三次多项式回归拟合得到方程 y = 0.007x³ - 0.1222x² + 0.4798x + 0.4169（R2=0.9895, p<0.001）。LOOCV验证得出R2=0.89，RMSE=0.096，显著优于二次多项式（R2=0.26），证实非线性单峰响应模式稳健。最优埋深约2.5?m，2–3?m范围内生态系统质量最高且不确定性最低。

**3.2.5 CCM–FCE与线性RDA的定量比较**
RDA显示地下水埋深可解释约70%的生态系统质量方差，但呈单调递减趋势，未能识别出2–3?m的最优区间。CCM–FCE框架有效捕捉了非线性响应与不确定性，体现了在小样本条件下识别生态阈值的优势。

**讨论**部分指出：地下水埋深变化通过调控土壤水分、盐分和养分影响植被类型与群落结构。中等埋深（T2–T4）促进物种共存与结构复杂性，而浅埋深导致缺氧胁迫，深埋深引发水分胁迫。云模型与多级模糊评价系统的结合能同时表达生态数据的中心趋势与不确定性，优于传统确定性方法。土壤指标（如土壤含水量、盐度、质地）虽与地下水埋深相关，但为避免信息冗余，未纳入生态系统质量指数，仅用于机制解释。方法学局限性包括：评估以植被为中心，未涵盖所有生态系统过程；最优埋深为区域尺度参考，可能受气候与土地利用影响；样本量有限，需长期监测与过程模型验证。

**结论**：（1）研究人员所构建的CCM–FCE框架可有效评估河套灌区不同地下水埋深梯度下的植被生态系统质量。生态系统质量对地下水埋深呈非线性响应，在约2.5?m处最高且评价不确定性较低。物种丰富度、植被盖度、香农-维纳指数和均匀度也在中等埋深处达到峰值。浅埋深和深埋深均与生物多样性和生态系统质量降低相关。这些发现共同确定了约2–3?m为区域特定生态参考范围，并表明地下水调控应维持适宜区间而非单一水位目标。（2）该参考范围应在研究边界内理解。评估以植被为中心，基于一个生长季内24个样地调查，未全面表征土壤生物地球化学过程、水文连通性或气候与灌溉的时间变化。因此需要长期监测、更高分辨率采样和过程建模来检验其时间稳定性和可转移性。通过整合多植被属性与生态不确定性，该框架可支持河套灌区的生态地下水管理，并在利用本地观测重新校准后，为其他依赖地下水的旱地生态系统提供参考。