河湖健康评估中的高估风险：基于双重不确定性（指标–权重）视角

《Water》：Overestimation Risk in River-Lake Health Assessment: Dual Uncertainty (Indicator-Weight) Perspective

　　

河湖健康评估是生态治理的重要技术支撑，但由双重不确定性——指标值预测不确定性与权重方法不确定性——所诱发的高估风险，会降低评估结果与治理决策的可靠性。针对这一研究空白，本研究构建了一个融合双重不确定性量化与高估风险耦合的通用风险分析框架。首先，通过Meta分析与定量筛选，建立了涵盖水文、水质、水生生物及社会服务功能四个维度的评估指标体系，共包含12项关键指标。在不确定性量化方面：研究人员基于1264个历史监测样本，运用物理信息神经网络（PINN）模型刻画指标值预测不确定性；并采用层次分析法（AHP）、熵权法（EWM）、CRITIC法与主成分分析法（PCA）四种互补赋权方法，结合基于纳什均衡的博弈论框架解决权重冲突，再通过正态分布假设（均值为协调权重，标准差为均值的1/10）量化权重不确定性。随后，采用一阶二阶矩法（FOSM）建立“双重不确定性–高估风险”耦合模型，量化高估风险的发生概率与偏差幅度。该框架在中国最大淡水湖——鄱阳湖的应用结果表明，总磷（TP）、总氮（TN）与鱼类生物损失指数（FBLI）为高风险指标；在1–50%的风险等级下，三者的最大可接受阈值分别为5.10–7.40、7.04–9.38和6.05–9.02。综合高估风险得分介于74.16–81.17之间，可为生态治理提供可操作阈值。该框架系统解决了现有研究对双重不确定性考虑不足的问题，为提升全球河湖健康评估的可靠性、支撑精准生态保护决策提供了科学且可操作的工具。

研究背景与问题：河湖生态系统是维系全球水循环与生态平衡的核心载体，其健康评估通过指标体系刻画系统结构完整性与功能稳定性，直接影响生态保护资源配置与管理成效。然而，现有研究在指标取值上多采用多年均值或单期实测值，易生成乐观预测；在赋权方法上，常用方法倾向于放大直接反映健康状态的指标，从而强化乐观倾向。指标预测偏差与权重争议叠加将导致高估风险——评估健康水平显著高于真实生态状态，进而误导治理决策、削弱保护措施针对性。因此，构建考虑双重不确定性的风险分析框架具有重要的理论与实践意义。该论文发表于国际期刊《Water》。

研究目标与创新：为弥补现有研究在指标值不确定性、权重不确定性及其风险耦合机制方面的不足，研究人员提出了一个通用分析框架，核心创新包括三方面：以物理信息神经网络（PINN，一种融合物理守恒方程的神经网络模型）重建历史指标并量化预测不确定性；以博弈论纳什均衡（Nash equilibrium，多方策略协调稳定的状态）整合层次分析法（AHP，基于专家成对比较的主观赋权方法）、熵权法（EWM，依据数据离散程度确定权重的客观方法）、指标相关性的指标权重确定法（CRITIC，综合变异与相关性的客观赋权方法）和主成分分析法（PCA，基于降维与方差贡献率的客观赋权方法）四种互补赋权结果，并以正态分布刻画权重不确定性；采用一阶二阶矩法（FOSM，基于前两阶统计矩近似可靠度的方法）建立“双重不确定性–高估风险”耦合模型。

主要技术方法：研究人员首先基于Web of Science中1970–2024年的160项研究开展Meta分析，经频数统计、Pearson相关分析和相关性验证筛选出涵盖水文水资源、水质、水生生物与社会服务功能的12项关键指标；再以鄱阳湖流域1264个有效历史监测样本量化指标值不确定性，其中600个连续时间序列样本用于PINN校准；随后用AHP、EWM、CRITIC和PCA进行多方法赋权，经纳什均衡博弈论协调得到权重，并假设权重服从正态分布（μ为协调权重，σ=μ/10）；最终采用FOSM计算单指标与综合高估风险。

4.1 健康评估指标的不确定性分析：对12项指标原始数据进行归一化处理，将成本型指标（如高锰酸盐指数COD_Mn、氨氮NH₃-N、总磷TP、总氮TN）反向转换为效益型分值，将效益型指标（如最低生态水位满足度LMEL-S、主要入湖河流生态基流满足度EBI-S、水功能区达标指数WFZCI）线性缩放，统一至0–100分。基于600个连续时间序列样本校准PINN，获得各指标标准化得分的数学期望与标准差。

4.2 评估指标权重的不确定性分析：四种方法给出的初始权重存在明显冲突，反映了专家经验判断与数据驱动统计特征之间的固有权衡。研究人员以纳什均衡为准则，通过博弈论优化获得协调权重；并假设各权重服从正态分布，均值取协调权重，标准差取均值的1/10。依据3σ规则，随机权重以99.7%概率落在[μ?3σ, μ+3σ]内，且始终满足0<权重<1的可行域约束。

4.3 鄱阳湖健康评估的高估风险：在1–50%风险等级区间内，研究人员由标准正态分布表得到可靠度指标β，并将其转化为12项指标的最大可接受阈值。结果表明，总磷TP、总氮TN和鱼类生物损失指数FBLI（综合反映鱼类生物完整性的指标）是高风险指标，其最大可接受阈值区间分别为5.10–7.40、7.04–9.38和6.05–9.02。鄱阳湖综合高估风险得分介于74.16–81.17之间，整体存在较高的高估风险。

讨论总结：讨论指出，TP和TN易受季节性水文波动、农业面源污染输入和外部扰动影响，指标值时空变异性强；FBLI与水文情势、水质及栖息地完整性密切耦合，响应机制复杂且对权重不确定性高度敏感，因此三者的双重不确定性叠加最显著，高估风险最高。与多数大型湖泊研究结果一致，营养盐指标是关键驱动因素，但本框架进一步量化了双重不确定性诱发的风险，更贴近生态系统动态特征。FOSM计算高效，但基于线性近似，在存在强非线性响应的生态系统中可能带来轻微偏差。研究的核心贡献在于：构建了标准化的双重不确定性量化体系；建立了双重不确定性与高估风险的耦合关系，推动评估从“确定性结论”走向“概率化风险刻画”；在鄱阳湖案例中转化为可操作阈值与分区结果，支撑富营养化控制和生物多样性保护决策。研究也指出，正态分布假设、单案例验证以及未纳入外部扰动动态演化是主要局限；未来可在多样生态系统中验证、引入贝叶斯推断与集合学习改进不确定性刻画、并建立评估–治理的闭环管理机制。

研究结论：本研究针对河湖健康评估中由指标值预测不确定性与权重方法不确定性引发的高估风险，构建并验证了融合双重不确定性量化、权重协调与高估风险耦合的通用风险分析框架。基于鄱阳湖流域1264个历史监测样本，PINN用于预测指标值，其历史预测偏差服从正态分布；AHP、EWM、CRITIC和PCA四种方法的权重冲突通过纳什均衡博弈论协调解决，权重不确定性以正态分布刻画（μ为协调权重，σ为μ的1/10），3σ规则保证了权重的可行域约束。FOSM建立了“双重不确定性–高估风险”耦合模型，量化了单指标与综合高估风险的发生概率和偏差幅度。结果表明，TP、TN和FBLI为鄱阳湖的高风险指标，在1–50%风险等级下的最大可接受阈值分别为5.10–7.40、7.04–9.38和6.05–9.02，综合高估风险得分介于74.16–81.17之间。该框架的模块化设计使其可迁移至其他河湖生态系统，为提升评估可靠性和支撑精准生态保护决策提供了科学工具。