CN113764030A - 一种基于Ecopath模型的生态系统评估方法 - Google Patents
一种基于Ecopath模型的生态系统评估方法 Download PDFInfo
- Publication number
- CN113764030A CN113764030A CN202110979771.XA CN202110979771A CN113764030A CN 113764030 A CN113764030 A CN 113764030A CN 202110979771 A CN202110979771 A CN 202110979771A CN 113764030 A CN113764030 A CN 113764030A
- Authority
- CN
- China
- Prior art keywords
- ecopath
- model
- biomass
- assessment method
- functional groups
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明涉及生态系统研究技术领域,公开了一种基于Ecopath模型的生态系统评估方法,包括如下步骤:A)在研究地区设置多个采集点,对各个采集点的物种进行样品采集,根据所述物种的种类和数量的变化,进行区域划分;B)将所有所述物种进行功能组划分,并将各所述功能组的输入参数输入至Ecopath模型,获取不同区域的食物网结构;C)根据所述食物网结构,对各营养级间能量传输量进行分析,获取各所述营养级之间的传输效率。该方法能掌握不同区域生态系统结构与功能的基本信息,也能为其管理与修复提供针对性的理论支持。
Description
技术领域
本发明涉及生态系统研究技术领域,特别是涉及一种基于Ecopath模型的生态系统评估方法。
背景技术
河流生态系统是指河流内生物群落和河流环境相互作用的统一体,是一种重要的水体生态系统。河流生态系统由生物和非生物环境两大部分组成。非生物环境主要包括河床地貌、底质、流量、深度、参加物质循环的无机物质(如氮磷等)以及联系生物和非生物体的有机物(如碳水化合物、腐殖质等),这一系列非生物环境为河流生态系统中的各种生物提供了赖以生存的物质条件。生物部分主要可以归纳为生产者、消费者和分解者。随着经济的快速发展,人类对河流资源的开发也进入了高峰期,使得河流生态系统承受了巨大的压力。
近年来,随着珠江三角洲区域经济的快速发展,污水排放、水利工程建设、人为捕捞等人类活动对珠江生态系统的影响也越来越严重。城市化进程加快使珠江沿岸带土地利用类型发生变化,建筑用地大量增加、耕地锐减,这也使得当地河流水文情势发生了变化。作为河流生态系统的驱动力,河流水文直接关系到河流生物栖息地环境,它的改变对生态系统的结构与功能具有重要影响。
传统的河流河道较长,在不同江段,人为活动的干扰的类型和程度均有不同,对生态系统的影响和冲击效果有明显差异,导致生态系统的结构与功能也不尽相同,现有的河流状况研究以水质评估为主,忽略了作为生态系统重要组成部分的生物的作用,后来则多以生物多样性指数或单一指示种生物来对河流生态进行研究,难以全面的反映河流生态系统的总体特征。
发明内容
本发明要解决的技术问题是:提供一种通过划分区域对物种进行研究的基于Ecopath模型的生态系统评估方法,对不同区域生态系统结构能量流动过程进行分析,更有针对性评估生态系统的发育状况及属性。
为了解决上述技术问题,本发明提供了一种基于Ecopath模型的生态系统评估方法,包括如下步骤:
A)在研究地区设置多个采集点,对各个采集点的物种进行样品采集,根据所述物种的种类和数量的变化,进行区域划分;
B)将所有所述物种进行功能组划分,并将各所述功能组的输入参数输入至Ecopath模型,获取不同区域的食物网结构;
C)根据所述食物网结构,对各营养级间能量传输量进行分析,获取各所述营养级之间的传输效率。
作为优选方案,在步骤C)中,还包括:
根据各所述功能组直接或间接的捕食或者竞争关系,获取不同区域的混合营养影响数值。
作为优选方案,在步骤C)中,还包括:
获取各所述功能组的关键度指数,分析不同区域的关键功能组。
作为优选方案,在步骤C)中,还包括:
获取不同区域的总系统通量、总初级生产量/总呼吸量、总初级生产量/生物量以及系统循环指数,判断不同区域生态系统的成熟度。
作为优选方案,在步骤A)中,当所述研究地区为河流时,沿着所述河流的走向布置所述采集点,根据鱼类种类和数量的变化,进行区域划分。
作为优选方案,在步骤B)中,所述功能组包括至少一个碎屑组。
作为优选方案,在步骤B)中,所述输入参数为生物量、生产量与生物量比值、消耗量与生物量比值、生态营养效率以及未同化实物比例。
作为优选方案,所述生态营养效率的数值范围为0.01-0.99,生产量与消耗量比值的数值范围为0.05-0.3。
作为优选方案,在步骤C)中,还包括:
根据每个所述输入参数的来源方式来对每个数据进行赋值,获得不同区域的Pedigree指数。
作为优选方案,在步骤C)中,还包括:
将所述生物量、所述生产量与生物量比值和所述消耗量与生物量比值的变化情况生成图形,观察不同区域的所述生物量、所述生产量与生物量比值和所述消耗量与生物量比值是否呈现指数函数关系。
本发明所提供的一种基于Ecopath模型的生态系统评估方法与现有技术相比,其有益效果在于:
本发明通过在不同采集点对物种的样品进行采集,以指示物种的种类和数量的变化划分界限,进行不同区域划分。将所有所述物种进行功能组划分,并将采样或者计算的输入参数输入至Ecopath模型,从而得出不同区域的食物网结构,能够涵盖生态系统能量流动全过程。再通过分析各营养级间能量的传输效率,判断不同区域生态系统的成熟度,不仅能掌握不同区域生态系统结构与功能的基本信息,也能为其管理与修复提供针对性的理论支持。
附图说明
图1是本发明优选实施例的基于Ecopath模型的生态系统评估方法的流程框图。
图2是本发明优选实施例的珠江河流区域划分示意图。
图3是本发明优选实施例的珠江河流农业区(Z1)各功能组关键度指数示意图。
图4是本发明优选实施例的珠江河流工业区(Z2)各功能组关键度指数示意图。
图5是本发明优选实施例的珠江河流城市区(Z3)各功能组关键度指数示意图。
图6是本发明优选实施例的珠江河流河口区(Z4)各功能组关键度指数示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
以下结合具体实施例对本申请作进一步详细描述,这些实施例不能理解为限制本申请所要求保护的范围。
如图1所示,本发明提供了一种基于Ecopath模型的生态系统评估方法,包括如下步骤:
A)在研究地区设置多个采集点,对各个采集点的物种进行样品采集,根据所述物种的种类和数量的变化,进行区域划分;
B)将所有所述物种进行功能组划分,并将各所述功能组的输入参数输入至Ecopath模型,获取不同区域的食物网结构;
C)根据所述食物网结构,对各营养级间能量传输量进行分析,获取各所述营养级之间的传输效率。
基于上述技术的生态系统评估方法,通过在不同采集点对物种的样品进行采集,以指示物种的种类和数量的变化划分界限,进行不同区域划分。将所有所述物种进行功能组划分,并将采样或者计算的输入参数输入至Ecopath模型,从而得出不同区域的食物网结构,能够涵盖生态系统能量流动全过程。再通过分析各营养级间能量的传输效率,判断不同区域生态系统的成熟度,不仅能掌握不同区域生态系统结构与功能的基本信息,也能为其管理与修复提供针对性的理论支持。
本实施例用珠江河流生态系统作为例子进行举例说明,可以理解的是,本发明的生态系统评估方法也可以应用至其他生态系统中。
珠江河口段穿过人口密集的广州市城区,人类活动对珠江生态系统产生极大影响。沿着河流走向,从珠江口上游到下游河段14个位点采集的鱼类样品可以看出,鱼的种类与数量具有一定变化,中上游区域碎屑食性鱼类较多,下游肉食性鱼类显著增加,且在中下游区域逐渐出现七丝鲚、花鲈等咸水性鱼类。河流鱼类的种类和数量与所处生态系统息息相关,在一定程度上反映了沿岸带环境,且在不同生境中,同种鱼类的摄食习惯也会有所差异,以鱼类为指示生物将珠江口划分为4个区域对其生态系统进行研究,根据各区域沿岸带环境将其分为农业区(Z1)、工业区(Z2)、城市区(Z3)和河口区(Z4),如图2所示,农业区(Z1)周边多为耕地,绿化面积较大;工业区(Z2)主要为石井河汇入珠江段及其下游至后航道前段,周边工厂较多,污染严重,鱼类也以耐污种为主;城市区(Z3)从大学城延伸至东江汇入珠江段,该河段直接穿过广州城区,周边居民极多;河口区(Z4)为珠江入海口处,咸淡水交错,水域生境多样性较高,鱼类种类和数量都极多。
鱼类在珠江河网生态系统中的生物类群演变,因此将鱼类物种进行了“物种”层面的划分,按照此划分方法,Z1区域的功能组个数为39个(鱼类功能组27个,大型无脊椎动物功能组7个,生产者功能组3个以及浮游动物功能组和碎屑功能组各1个)、Z2区域的功能组个数为20个(鱼类功能组10个,大型无脊椎动物功能组5个,生产者功能组3个以及浮游动物功能组和碎屑功能组各1个)、Z3区域的功能组个数为36个(鱼类功能组24个,大型无脊椎动物功能组7个,生产者功能组3个以及浮游动物功能组和碎屑功能组各1个)、Z4区域的功能组个数为47个(鱼类功能组36个,大型无脊椎动物功能组6个,生产者功能组3个以及浮游动物功能组和碎屑功能组各1个)。其中,初级生产者主要包括浮游植物、水生植物以及附生藻,无脊椎动物包括大型底栖动物中的主要包括虾类、蟹类、昆虫纲、多毛纲、寡毛纲、双壳纲以及腹足纲。
珠江河口Z1-Z4区域的输入参数具体数值在此不再详述。功能组的排列顺序为鱼类、底栖生物、生产者、碎屑,其内部又按照营养级高低顺序进行排列。表中列出了每个功能组的生物量(B)、生产量与生物量比值(P/B)、消耗量与生物量比值(Q/B)、生态营养效率(EE)以及未同化实物比例(UC)。其中各功能组的生态营养效率为0.01-0.99。
在原始输入参数输入后,一般需要对运行的结果进行检验,若出现的不符合生态学规律的结果,则应该对相关参数进行调整,反复进行运行,将不合理因素最小化,使得模型在达到稳态的同时能够客观反映生态系统的实际情况。在所有输入参数中,生态营养效率(EE)是一个较难获得的参数,它反映了该功能组在系统中被捕食和输出的部分,故其范围在0-1之间,此外,生产量/摄食量(P/Q),又称为粗食物转化率(GE),一般在0.05-0.3之间,即摄食量大约是生产量的3-10倍。
在模型构建完成后,运算软件本身会通过Pedigree指数来评价该模型的质量,它是基于数据的来源方式来对每个数据进行赋值,最后得到模型整体的Pedigree指数。珠江Z1-Z4四个区域的Pedigree指数分别为0.59、0.59、0.58、0.57,表明数据可信度高,模型整体质量较高。采用模型预平衡诊断(Pre-balance),来观测模型平衡的质量平衡,Pre-balance程序利用基本的生态学理论降低了输入参数的不确定性,通过简单的图形方法在视觉上比较B、P/B、Q/B的变化情况。一般而言,随着营养级的增加生物量会逐渐减小。如果观察到3个参数的增加与营养水平间呈指数函数关系,则认为每个功能组参数在生物学上是合理的。由实验结果可以得出,珠江河口四个区域的B、P/B、Q/B与营养级之间均具有较好的指数相关性,表明该模型具有较好的质量平衡关系。
通过Ecopath模型运算后可以得出珠江Z1-Z4区域的食物网结构,四个区域的营养级范围分别为1-3.36、1-3.26、1-3.47、1-3.95。处于第一营养级的均为浮游植物、水生植物和附生藻,处于第二营养级的主要是底栖生物、碎屑食性鱼类、滤食性鱼类、草食性鱼类和杂食性鱼类,而处于第三营养级的均为肉食性鱼类。其中,四个区域的肉食性鱼类的种类分别为8种、1种、6种、14种,营养级最高的鱼类分别为海南红鲌、胡子鲶、海南红鲌和尖头塘鳢。在上游农业区(Z1)与中游城市区(Z3)营养级最高的功能组均为海南红鲌,主要以鱼虾为食,在这两个区域其食物来源相对丰富,且没有大型肉食性鱼类对其捕食,故其营养级最高。胡子鲶是一种典型的耐污种,也是工业区(Z2)唯一的肉食性鱼类,由于缺乏其他肉食性鱼类的相互捕食,所以该区域的最高营养级低于其他区域。河口区域(Z4)捕食关系最为复杂,即使肉食性鱼类间也会相互作为饵料,故其最高营养级接近4。
四个区域的能量流动途径基本一致,均为以浮游植物、水生植物、附生藻和碎屑为起点的食物链组成:浮游植物→浮游动物、滤食性鱼类→肉食性鱼类;水生植物→草鱼→肉食性鱼类;附生藻→虾蟹类→杂食性鱼类→肉食性鱼类;碎屑→浮游动物→底栖生物→杂食性鱼类→肉食性鱼类。工业区(Z2)食物网结构最简单,食物链数量最少;农业区(Z1)和城市区(Z3)食物网结构相对复杂;河口区(Z4)食物网复杂程度最高,食物链数量最多。四个区域在生产者功能组、底栖生物和浮游生物功能组数量上相差不大,而鱼的种类多少是决定食物链数量的主要原因。工业区(Z2)主要由于相对严重的污染导致鱼的种类下降,破坏了生态系统的结构;农业区(Z1)和城市区(Z3)污染状况相对较好,一些对生境要求比较高的顶级肉食性鱼类依然栖息于此;河口区(Z4)处于咸淡水交汇处,生境更为丰富,包容性更强,不论是淡水鱼还是咸水鱼都能以此区域为栖息地。
在食物网结构基础上,对各营养级间能量传输量进行分析,将珠江Z1-Z4区域各营养级之间的能量流动进行分解,由于能量流动主要发生在前五个营养级中,本实施例着重分析前五个营养级之间的传输效率变化情况。上游农业区(Z1)初级生产者食物链、碎屑食物链和整个食物网系统(综合了初级生产者和碎屑)的营养级间传输效率值较低,分别为5.09%、5.73%和5.49%,而工业区(Z2)这些值持续降低分别为3.48%、3.59%和3.56%,在城市区(Z3)会有所回升,分别为5.53%、5.94%和5.80%,在Z4区域则达到最大值,分别为9.54%、9.88%和9.78%。将各区域营养级间的营养级间传输效率值比较可知,第二营养级的营养级间传输效率值在上游和下游区域均较高,分别为9.01%和11.3%,而在珠江中游则相对较低,分别只有5.21%和4.69%。而第三营养级到第五营养级均呈现出从农业区(Z1)到工业区(Z2)下降,而后到河口区(Z4)逐渐升高的趋势,且均在河口区域达到最大值。一般而言,河流生态系统的能量流动以碎屑食物链为主,这一点在珠江河口段表现得尤为明显。4个区域中从碎屑中流入的能量分别占60%、71%、65%和69%,表明珠江的碎屑食物链是主要的能量传递渠道。纵观整个珠江口区域,碎屑食性鱼类无论是种类还是生物量相较其他食性鱼类都较高,猜测其原因主要与珠江口的污染情况有关,碎屑食性鱼类一般适应性较强(如赤眼鳟、泥鳅),有些甚至为耐污种(如下口鲶)。总体而言,除下游河口区域外,其他区域的平均营养级间传输效率值与正常值相比较均偏低,且与其他淡水生态系统相比也偏低。
比较工业区(Z2)和河口区(Z4)的能量转换效率,可以得出工业区的能量转换效率低于河口区,主要是因为工业区第二营养级对初级生产者和碎屑的转化率较低。工业区域的大量初级生产者未被利用,其主要原因是工业区浮游植物生物量巨大,大量未利用浮游植物流入碎屑,而碎屑利用率较低,阻碍了能量的向上传递,使食物网结构趋于简单化。
混合营养影响可以用来评价某一功能组生物量的变化对其他功能组影响的大小。各功能组之间存在直接或间接的捕食或者竞争关系,这些生物相互制约相互影响使得生态系统达到相对稳定,而模型输出的营养影响矩阵对功能组间直接或间接的作用关系进行量化。在珠江口生态系统中,渔业捕捞对大部分鱼类存在抑制作用,对一些底栖生物和浮游生物存在促进作用。由于种间竞争的关系,各功能组对自身都具有一定的抑制作用。碎屑、浮游生物和附生藻对大多数功能组都具有促进作用,主要是因为它们是大多数生物的主要食物来源。而水生植物对大多数功能组具有抑制作用,主要是由于极少部分吃水生植物的杂食性生物与其他生物之间具有竞争关系。
在Z1区域,寡毛纲对系统中其他37个功能组存在抑制作用,其值达到-1.28,腹足纲则对32个功能组存在抑制作用,其值为-0.57。对其他功能组抑制作用最强烈的是浮游动物,其值为-1.70,且其对其他功能组综合反馈效应(抑制作用与促进作用的绝对值之和)也最强,其值为2.51。Z2区域的虾类和多毛纲均对16个其他功能组产生了抑制作用,数量最多,其值分别为-0.43和-0.57。在Z2区域对其他功能组抑制作用最强烈的也是浮游动物,达到-2.21,且其具有最强的综合反馈效应,达到3.09。Z3区域腹足纲对34个功能组具有抑制作用,其值为-0.72。对其他功能组抑制作用最强的是舌鰕虎鱼,达到-3.92,且其对其他功能组的综合反馈效应也最高为5.36。在Z4区域,腹足纲对40个功能组具有抑制作用,其值为-0.72。在此区域浮游动物对其他功能组的抑制作用最强达到-2.58。舌鳎的综合反馈效应最强达到4.33。
关键功能组是指该功能组在生态系统中处于支点位置,它对整个生态系统的能量流动具有重要影响,对于维持食物网能量流动稳态具有重要意义。珠江不同区域的关键功能组指数如图3至图6所示,其中横轴代表功能组的营养级,纵轴代表关键度指数,其值越高表明该功能组关键度越高,圆圈大小与该组生物量成正比。由图中可以看出,农业区(Z1)关键度指数最高的功能组分别为海南红鲌、黄颡鱼、龟鳖目、鳊、鳡;工业区(Z2),工业区(Z2)关键度指数最高的功能组分别为鲤、鲫、寡毛纲、胡子鲶、攀鲈,城市区(Z3)关键度指数最高的功能组分别为舌鰕虎鱼、短盖巨脂鲤、革胡子鲶、七丝鲚、鳊,河口区(Z4)关键度指数最高的功能组分别为舌鳎、弓斑东方鲀、矛尾鰕虎鱼、孔鰕虎鱼、花鲈。
农业区(Z1)、城市区(Z3)和河口区(Z4)的关键种均为顶级肉食性鱼类,而在工业区(Z2)的关键功能组则为杂食性鱼类的鲤鱼。农业区肉食性鱼类的关键度略高于杂食性鱼类,而到了城市区与河口区肉食性鱼类的关键度则明显高于杂食性鱼类,尤其是在下游河口区域,关键度最高的6个功能组全部都是肉食性鱼类。从营养级的水平来看,关键功能组主要是那些处于高营养级的捕食者,在珠江中下游区域,几乎呈现出随着营养级升高,关键度逐渐升高的趋势。处于第一营养级的浮游植物和水生植物等在各个区域的关键度都极低。一般而言,营养级较低的生物其关键度会相对较低,故珠江口4个区域关键度最高的5个功能组均为鱼类。而在工业区(Z2)的寡毛纲关键度指数达到第3高,甚至高于该区域唯一肉食性鱼类胡子鲶,主要是由于该区域水质较差,寡毛纲主要为水丝蚓,其以碎屑为食,是碎屑食物链能量传递的关键功能组。
通过计算,也可以得到一些关于生态系统的生态学参数,通常以此来描述生态系统的规模、成熟度和稳定性等状态。该生态学参数包括总消费量、总输出量、总呼吸量、总流入碎屑量、总系统通量、总生产量、渔获物营养级、净初级生产量、总初级生产量/总呼吸量、总初级生产量/生物量、总生物量/总吞吐量、总生物量(包括碎屑)、总捕捞量、连接指数、系统杂食指数和香浓多样性指数,不同区域的详细的数值在此不再详述。通过结果可以得知4个区域的总系统通量分别为2660t/km2/year、2594t/km2/year、4972t/km2/year、6039t/km2/year。系统总生产量分别为845t/km2/year、525t/km2/year、1469t/km2/year、1652t/km2/year。渔获物营养级分别为2.18、2.20、2.14、2.30。总捕捞量分别为8.97t/km2/year、5.09t/km2/year、10.83t/km2/year、17.21t/km2/year。总系统通量显示在河口区域系统规模最大,在其他区域系统规模相对较小。总初级生产量/总呼吸量的值可以反映系统的稳定程度,其值越接近于1,表明系统越稳定。Z2区域总初级生产量/总呼吸量值最大,在Z4区域总初级生产量/总呼吸量值最小,说明Z2区域相对最不稳定,Z4区域相对最稳定。系统杂食指数反映系统的复杂程度,其值越接近于1表明系统越复杂,可以看出Z2区域食物网结构相对最简单,Z4区域系统更加复杂。从系统连接指数可以看出,Z2区域为0.2054要显著高于其他区域的0.14左右,反映在Z2区域食物网连接比较紧密。系统循环指数表示循环能流在系统总能流中所占的比例,它是系统成熟度的反映。Z3和Z4区域的系统成熟度较高,Z1和Z2区域相对较低。从香浓多样性指数可以看出物种多样性Z4区域最高为3.47,其次为Z3区域和Z1区域,分别为3.21和3.15,Z2区域物种多样性最低仅为2.56。
河口区域的生态系统规模最大,其次分别为中游的城市区上游的农业区和工业区,这和每个区域的生物量大小趋势一样。一方面下游河道更宽,生物的栖息地更大,容纳的生物量更多;另一方面,工业区所受人为污染非常严重,生物量较其他区域明显偏少。系统连接指数显示,在工业区连接指数最高达到0.21,而其他区域均为1.46左右,主要是由于工业区鱼类种类较少,尤其是肉食性鱼类,使得食物网结构相对简单,可能存在能量转移的路径较少。虽然工业区食物网连接紧密度较高,但对于外界的抵抗能力较弱,任一物种的变化都会使能流传递发生障碍,对生态系统结构与功能造成较大影响。
通过对总初级生产量/总呼吸量、总初级生产量/生物量、系统杂食指数以及系统循环指数等系统参数的综合评价,认为在珠江各区域中,河口区域(Z4)系统成熟度最高,而工业区(Z2)系统成熟度最低。主要原因可归结于:(1)工业区对当地河段生态破坏严重,使得大量鱼类消失;(2)河口区域生境更为复杂,鱼类对于咸水淡水的混合具有更强的适应性,抵抗外来干扰的能力较强。河口区的系统杂食性指数达到0.20,为4个区域中最高,表明河口区域的捕食关系更加复杂,且由于较长的食物链长度和较高的流入碎屑量,表明系统成熟度更高。
综上,本发明实施例通过构建了珠江河口段上游到下游4个不同区域的Ecopath模型,从整体的角度呈现了珠江河口段4个不同区域间生态系统的结构与功能,评估珠江生态系统的发育状况及属性,为珠江生物资源的保护与可持续发展提供科学依据,为珠江的管理提供合理建议,主要能够提供以下结论:(1)珠江河口段4个区域的生态系统食物网结构相似,均包含以浮游植物、水生植物、附生藻、碎屑为起点的4条食物链,且4个区域的能量流动均以碎屑食物链为主。其中工业区最高营养级最低,由于该区域仅有一种肉食性鱼类,食物链相对较短,中游城市区和上游农业区食物网结构相对复杂,下游河口区域最高营养级最高,这可能是由于河口区域受到来自海洋的直接影响,咸水肉食性鱼类具有更高捕食强度,使食物链长度增加。(2)珠江口段4个区域的能量传输效率整体能量传递效率较低。其中工业区主要是由于鱼类生物量较少,对低营养级的功能组利用率较低。农业区与城市区传输效率虽然差别不大,但农业区主要由于水生植物的传递效率较高,而城市区则是高营养级的能量传递效率较高,主要是由于肉食性鱼类生物量较高。下游河口区其生态系统结构相对完善,成熟度较高。(3)珠江河口段4个区域的总系统通量分别为2660t/km2/year、2594t/km2/year、4972t/km2/year、6039t/km2/year,表明珠江口从上游到下游系统规模逐渐增大,这主要是由于下游河道较宽,能够容纳的生物量较高。总初级生产量/总呼吸量值反映了系统的稳定程度,其值越接近1表明系统越稳定。从上游到下游4个区域的总初级生产量/总呼吸量值分别为1.95、0.90、2.03、1.28,工业区的总初级生产量/总呼吸量值为0.90小于1,表明该区域受到工业污染,生态系统处于退化中,而农业区与城市区相较于河口区具有更高的总初级生产量/总呼吸量值,表明这两个生态系统依然处于发展中,河口区生态系统则成熟度较高,系统更加稳定。
上方所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (10)
1.一种基于Ecopath模型的生态系统评估方法,其特征在于,包括如下步骤:
A)在研究地区设置多个采集点,对各个采集点的物种进行样品采集,根据所述物种的种类和数量的变化,进行区域划分;
B)将所有所述物种进行功能组划分,并将各所述功能组的输入参数输入至Ecopath模型,获取不同区域的食物网结构;
C)根据所述食物网结构,对各营养级间能量传输量进行分析,获取各所述营养级之间的传输效率。
2.如权利要求1所述的基于Ecopath模型的生态系统评估方法,其特征在于,在步骤C)中,还包括:
根据各所述功能组直接或间接的捕食或者竞争关系,获取不同区域的混合营养影响数值。
3.如权利要求1所述的基于Ecopath模型的生态系统评估方法,其特征在于,在步骤C)中,还包括:
获取各所述功能组的关键度指数,分析不同区域的关键功能组。
4.如权利要求1所述的基于Ecopath模型的生态系统评估方法,其特征在于,在步骤C)中,还包括:
获取不同区域的总系统通量、总初级生产量/总呼吸量、总初级生产量/生物量以及系统循环指数,判断不同区域生态系统的成熟度。
5.如权利要求1至4中任一项所述的基于Ecopath模型的生态系统评估方法,其特征在于,在步骤A)中,当所述研究地区为河流时,沿着所述河流的走向布置所述采集点,根据鱼类种类和数量的变化,进行区域划分。
6.如权利要求5所述的基于Ecopath模型的生态系统评估方法,其特征在于,在步骤B)中,所述功能组包括至少一个碎屑组。
7.如权利要求5所述的基于Ecopath模型的生态系统评估方法,其特征在于,在步骤B)中,所述输入参数为生物量、生产量与生物量比值、消耗量与生物量比值、生态营养效率以及未同化实物比例。
8.如权利要求7所述的基于Ecopath模型的生态系统评估方法,其特征在于,所述生态营养效率的数值范围为0.01-0.99,生产量与消耗量比值的数值范围为0.05-0.3。
9.如权利要求8所述的基于Ecopath模型的生态系统评估方法,其特征在于,在步骤C)中,还包括:
根据每个所述输入参数的来源方式来对每个数据进行赋值,获得不同区域的Pedigree指数。
10.如权利要求8所述的基于Ecopath模型的生态系统评估方法,其特征在于,在步骤C)中,还包括:
将所述生物量、所述生产量与生物量比值和所述消耗量与生物量比值的变化情况生成图形,观察不同区域的所述生物量、所述生产量与生物量比值和所述消耗量与生物量比值是否呈现指数函数关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979771.XA CN113764030A (zh) | 2021-08-25 | 2021-08-25 | 一种基于Ecopath模型的生态系统评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979771.XA CN113764030A (zh) | 2021-08-25 | 2021-08-25 | 一种基于Ecopath模型的生态系统评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113764030A true CN113764030A (zh) | 2021-12-07 |
Family
ID=78791146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110979771.XA Pending CN113764030A (zh) | 2021-08-25 | 2021-08-25 | 一种基于Ecopath模型的生态系统评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113764030A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114409088A (zh) * | 2022-01-25 | 2022-04-29 | 海南大学 | 一种基于生态系统模型和生物操纵技术的富营养化水体修复设计 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108793410A (zh) * | 2018-05-04 | 2018-11-13 | 暨南大学 | 一种基于生态系统模型和生物操纵技术的富营养化水体修复方法 |
CN110738385A (zh) * | 2019-07-31 | 2020-01-31 | 暨南大学 | 一种基于Ecospace模型的岛屿生态系统现状评估与发展预测方法 |
-
2021
- 2021-08-25 CN CN202110979771.XA patent/CN113764030A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108793410A (zh) * | 2018-05-04 | 2018-11-13 | 暨南大学 | 一种基于生态系统模型和生物操纵技术的富营养化水体修复方法 |
CN110738385A (zh) * | 2019-07-31 | 2020-01-31 | 暨南大学 | 一种基于Ecospace模型的岛屿生态系统现状评估与发展预测方法 |
Non-Patent Citations (1)
Title |
---|
SAI WANG ET AL.: "Impacts of environmental factors on the food web structure, energy flows, and system attributes along a subtropical urban river in southern China", 《SCIENCE OF THE TOTAL ENVIRONMENT》, vol. 794, pages 1 - 12 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114409088A (zh) * | 2022-01-25 | 2022-04-29 | 海南大学 | 一种基于生态系统模型和生物操纵技术的富营养化水体修复设计 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hecky | African lakes and their trophic efficiencies: a temporal perspective | |
Aydin et al. | A comparison of the Bering Sea, Gulf of Alaska, and Aleutian Islands large marine ecosystems through food web modeling | |
Barausse et al. | Trophic network model of the Northern Adriatic Sea: analysis of an exploited and eutrophic ecosystem | |
Watermeyer et al. | Changes in the trophic structure of the southern Benguela before and after the onset of industrial fishing | |
Wolfe et al. | Priority species to support the functional integrity of coral reefs | |
Outeiro et al. | Ecosystem maturity as a proxy of mussel aquaculture carrying capacity in Ria de Arousa (NW Spain): A food web modeling perspective | |
Salini et al. | Dietary studies on the predatory fishes of the Norman River Estuary, with particular reference to penaeid prawns | |
Livingston | Inadequacy of species-level designations for ecological studies of coastal migratory fishes | |
Hussain et al. | Relative diversity and threats to commercially important fishes of the Ravi, Pakistan | |
Colvin et al. | A food web modeling analysis of a midwestern, USA eutrophic lake dominated by non-native common carp and zebra mussels | |
Butterworth et al. | The ephemeral resource patch concept | |
CN113764030A (zh) | 一种基于Ecopath模型的生态系统评估方法 | |
Marshall | Biology of the African clupeid Limnothrissa miodon with reference to its small size in artificial lakes | |
CN115081814A (zh) | 一种基于关键功能组筛选的河流健康评价标准优化方法 | |
CN111422988B (zh) | 一种结合食物网模型以及生物操控技术的不同功能区生态系统修复方法 | |
Liu et al. | The underestimated importance of fertilizer in aquacultural phosphorus budget: case of Chinese mitten crab | |
Jung et al. | Impacts of macrozoobenthic invasions on a temperate coastal food web | |
CN110738385B (zh) | 一种基于Ecospace模型的岛屿生态系统现状评估与发展预测方法 | |
Musa et al. | The impact of water quality on the availability of phytoplankton and growth of Litopenaeus vannamei | |
Keramidas et al. | Modelling and assessing the ecosystem of the Aegean Sea, a major hub of the eastern Mediterranean at the intersection of Europe and Asia | |
CN116663930A (zh) | 一种热带海洋牧场生态管理方法、系统、设备及介质 | |
Le Quesne | Nekton utilisation of intertidal estuarine marshes in the Knysna Estuary | |
Júnior et al. | Trade‐offs between ontogenetic changes and food consumption in Brazilian silverside Atherinella brasiliensis from two tropical estuaries | |
Rasmussen | Exploring the origin of coastal sedentism in the South-Central Andes | |
Shi et al. | Analysis of Energy Flow in the Sea Area of Zhongjieshan Islands and Assessment of Ecological Capacity of Sepiella Maindroni Based on Ecopath Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |