下载:
-
湿地公园是一个复杂的综合体，其生态系统与社会系统的高度复杂性与特殊性[1]决定了湿地公园应是一个多种要素相互协调的结果。高质量的湿地公园是环境要素与服务功能协调发展的统一，两者的相互促进是湿地公园未来健康发展的保障。21世纪初菲律宾[2]和南非学者[3]相继提出“湿地公园”的概念，但相关研究还集中在湿地公园单一的生物状况层面。随着湿地公园的快速发展以及对其认识的不断深入，国内学者开始关注湿地公园生态系统健康[4]、湿地恢复[5]、景观健康[6]、建设成效评价[7]等方面内容，且大多从经济、社会、环境3个维度进行评价。这些研究为湿地公园健康发展提供了积极的科学评价方法，研究内容也多关注各要素与湿地健康之间的关系，但湿地公园生态、经济、社会等系统并非各自独立发展，以各系统为主体构建的评价指标体系，忽略了系统间的关联性。湿地公园质量建设不仅需要考虑湿地生态系统健康、湿地景观的丰富性，还必须重视湿地的社会服务效能，即生态环境与服务功能的相辅相成才能体现湿地公园的建设目标。协调发展度能够清晰地表明各系统或系统内部各要素之间相互影响与协调一致的程度[8]，不仅体现各系统间相互关联的强弱，也能反映出系统间协调程度的优劣[9]。由此，协调发展度可为湿地公园评价提供新的途径或方法。沙家浜国家湿地公园是苏州湿地保护体系中的重要组成部分，也是苏州市重要的湿地宣教基地[10]，其湿地生态环境保护与社会服务成效凸显，是国家湿地公园建设的典范。本研究以沙家浜国家湿地公园为对象，运用协调发展度研究湿地公园生态环境与社会服务的协调发展程度，提出湿地公园质量评价方法，并分析影响湿地公园质量水平的相关指标，以期为湿地公园研究以及质量管理提供参考与借鉴。
-
湿地公园是保护湿地资源可持续发展与利用的重要方式，包含生态环境与社会服务的复杂系统[11]，其质量内涵目前尚未形成统一认识。2005年中国提出要建设湿地公园，之后的15 a，学界对湿地公园及其建设有了明确定位。国家林业局湿地保护管理中心的《湿地公园总体规划导则》强调湿地公园以保护湿地生态系统、合理利用湿地资源、开展湿地宣传教育和科学研究为目的，即湿地公园应具有生态服务和社会经济服务能力的属性。这些属性的表征有特征和特性的指标：其中生态服务功能以自然环境要素表达，如水体、植被、动物等，这是支撑湿地公园发挥社会服务功能的基础；社会服务功能则以科普宣教、科研监测、公共服务等体现。环境要素与社会服务要素共同构成了湿地公园的质量，两者的协调发展程度体现出湿地公园的质量水平，而科学合理的湿地资源开发利用能够为环境保护提供动力与支持。
-
沙家浜国家湿地公园位于苏州常熟市南部(31°33′~31°34′N，120°47′~120°48′E)，总面积为414.03 hm2。2013年10月被正式批准为国家湿地公园。公园河湖相连，水网稠密，以芦苇Phragmites communis湿地为特色，湿地类型丰富，湿地总面积307.91 hm2，湿地率约74.37%。公园内物种资源丰富，现有植物327种，其中湿地植物100余种，鸟类种数达到124种。
目前，园内建设有相对完善的湿地科普教育体系，除专业生态讲解员外，开设诸多个性化宣教课程，具有较好的科普宣教基地的示范作用。2015年后，沙家浜国家湿地公园还开展了水质监测、鸟类监测工作，为湿地科普宣教提供强有力支持的同时，也为湿地质量评估提供相关数据。
-
①指标选取依据及筛选。结合前人评价指标[12-13]、湿地公园的固有特点及相应法律法规，构建沙家浜国家湿地公园质量评价指标体系(表1)。该指标体系从环境质量和服务质量两方面出发，包含6个要素14个指标。②指标权重的确定。为使评估结果更加合理、客观，将层次分析法与变异系数法相结合，确定湿地公园综合权重。层次分析法计算步骤：依据方法原理，提取主要因素与指标，得到递阶层次结构。构造判断矩阵，通过专家打分对因素层和因子层间各元素间的相对重要性进行赋值，得出相应的判断矩阵A＝∣bji∣，其中：bji为因素i相对因素j的重要性赋值。算出判断矩阵A的最大特征根λmax和特征向量w。对判断矩阵的一致性进行检验。变异系数计算公式为：vi＝σi/xi (i＝1，2，3，
$\cdots $ ，n)。其中：vi为i项指标的变异系数；σi为第i项指标的标准差；xi为第i项指标的平均值。各指标权重计算公式为：w'i＝vi/(v1+v2+v3+$\cdots $ +vi)(i＝1，2，3，$\cdots $ ，n)。w'i为变异系数法所计算的权重值。综合权重计算公式为：wi＝w′iwi″/(w′1w1″+w′2w2″+w′3w3″+$\cdots $ +w′iwi″) (i＝1，2，3，$\cdots $ ，n)。其中：wi表示湿地公园各指标的综合权重；wi′为层次分析法(AHP)所计算的指标权重值；wi ″为变异系数法所计算的指标权重值。表 1 沙家浜国家湿地公园质量评价指标体系
Table 1. Quality evaluation index system of Shajiabang National Wetland Park
目标层 亚层 准则层 指标层 数据获取途径 沙家浜国家湿地
公园质量评价(A)环境质量(B1) 水体 水体质量(C1) 实地调研 湿地类型(C2) 实地调研、报告[10] 湿地率(C3) 卫星遥感 植被 绿化覆盖率(C4) 卫星遥感 植物种类(C5) 实地调查、报告[10] 外来物种入侵(C6) 实地调研 动物 鸟类多样性(C7) 实地调研、报告[10] 鸟类种类(C8) 实地调研、文件[10] 鸟类栖息地类型(C9) 报告[10] 服务质量(B2) 科普宣教 湿地宣教活动频率(C10) 报告[10] 生态讲解员人数(C11) 报告[10] 宣教设施建设质量(C12) 专家打分 科研监测 科研监测建设质量(C13) 专家打分 公共服务 服务设施建设质量(C14) 专家打分 -
质量状况指数是反映湿地公园系统内部各要素质量状况的定量指标。为达到各指标间的可比性与可测性，需对各评价指标的原始数据进行标准化处理。①数据标准化处理。湿地公园评价指标具正负项之分，主要通过如下公式进行标准化处理。正指标：Xi＝F/R，逆指标：Xi＝1−F/R。其中：Xi，F和R分别表示指标计算值、实际值和参考值。②质量状况指数。湿地公园环境质量指数f(x)与服务质量指数g(y)可由f(x)＝w1x1+w2x2+w3x3+
$\cdots $ +wixi (i＝1，2，3，$\cdots $ ，n)，g(y)＝v1y1+v2y2+v3y3+$\cdots $ +vjyj (j＝1，2，3，$\cdots $ ，n)表示。其中：wi和vj (1≤i≤$p$ ，1≤$j$ ≤$m$ )分别为环境和服务各指标权重，xi、yj定量表征环境质量、服务质量。 -
为明确环境与服务间相互耦合的协调发展程度，引入协调度模型，公式为：
${C_{fg}} = \sqrt {1 - \displaystyle\frac{{f\left( x \right)g\left( y \right)}}{{{{\left[ {\displaystyle\frac{{f\left( x \right) + g\left( y \right)}}{2}} \right]}^2}}}} $ ，C＝(1−Cfg)k，其中：C为系统间的协调度，Cfg为两大系统间的离差系数，k为调节系数，一般情况下，2≤k≤5。协调发展度模型公式如下：D＝CT1/2，T＝αf(x)+βg(y)，其中：D为协调发展度，T为综合协调指数，α和β为待定权重，参照前人研究经验，α＝0.5，β＝0.5。 -
本研究使用的基础数据包括4类。①文献收集类。主要包括水体质量、植物种类、鸟类种类、生态讲解员人数等数据，来源于《常熟市统计年鉴》《苏州湿地保护情况年报》等资料。②实地调查类。主要包括鸟类栖息地类型、湿地类型、外来物种入侵情况等数据。③遥感类数据。包括湿地率、绿化覆盖率等，主要通过ENVI 5.1对沙家浜2009年及2018年的遥感影像分析处理获得(图1)。④专家打分类数据。服务质量中宣教设施建设质量、科研监测建设质量、服务设施建设质量等定性指标，主要以苏州市湿地公园年度检查、管理标准，通过专家打分获取数据。
图 1 沙家浜国家湿地公园2009和2018年用地情况示意图
Figure 1. Land use change map of Shajiabang National Wetland Park in 2009 and 2018
-
选取水体、植被、动物、科普宣教、科研监测、公共服务6个要素14个指标构建沙家浜国家湿地公园质量评价指标体系(表1)。
-
包括水体、植被、动物等3个方面9个指标。在水体方面，富营养状态是水质监测中较为敏感的指标，营养状态指数可以直观判断C1，除此之外利用C2和C3来反映湿地公园整体的湿地资源状况以及判断其是否符合2018年《湿地公园总体规划导则》的相关标准。在植被方面，以C4和C5来判断当前湿地公园的绿化种植以及植物多样性情况。入侵物种是威胁湿地公园生态系统安全的重要因素，故选用C6来表征现状。在动物方面选用C7、C8和C9等3个指标表征。鸟类处于生态系统食物链的中上层，其栖息地的保护是湿地公园建设的重要内容，鸟类种类及鸟类多样性的观测也是国际公认的评估湿地生态状况的重要指标之一。
-
选取科普宣教、科研监测和社会服务3个方面5个指标进行服务质量的评价。在科普宣教方面，选取C10、C11和C12，发挥湿地公园作为科普宣教、科研监测基地的示范作用是湿地公园服务建设的重要目标。3个指标不仅能衡量湿地公园当前的科普宣教建设质量，同时也反映其是否符合当前出台的各类政府文件的指标要求。在科研监测与公共服务方面，主要选取C13和C14来表征。
-
运用AHP求出14个指标的权重，得到变异系数法权重和综合权重，结果见表2。
表 2 沙家浜国家湿地公园质量评价指标权重
Table 2. Shajiabang National Wetland Park quality evaluation index weight
目标层 一级
指标二级
指标三级
指标2009年
实际值2018年
实际值参考值 变异
系数变异系
数法权
重(w′)层次分
析法权
重(w″)w′×w″ 综合
权重沙家浜
国家湿地
公园质量
评价环境
质量水体 水质 74.0 53.00 [30，70][5] 0.165 0.028 0.150 0.004 17 0.087 湿地类型 3.0 4.00 5[14-15] 0.143 0.024 0.096 0.002 30 0.048 湿地率/% 57.2 74.37 600%[14] 0.131 0.022 0.165 0.003 62 0.075 植被 绿化覆盖率/% 45.0 67.00 655%[5] 0.196 0.033 0.063 0.002 07 0.043 植物种类 93.0 327.00 ≥500[5] 0.557 0.093 0.047 0.004 36 0.091 外来物种入侵/% 6.0 1.00 ≤55[16] 0.714 0.120 0.040 0.004 84 0.101 动物 鸟类多样性 2.4 3.60 5[10] 0.200 0.034 0.075 0.002 52 0.052 鸟类种类/种 63.0 124.00 ≥200[5] 0.326 0.055 0.131 0.007 14 0.148 鸟类栖息地类型 3.0 4.00 6[15] 0.143 0.024 0.083 0.001 98 0.041 服务
质量科普宣教 湿地宣教活动频率 0 50.00 20[17] 1.000 0.168 0.023 0.003 89 0.081 生态讲解员人数/位 0 6.00 5[17] 1.000 0.168 0.017 0.002 80 0.058 宣教设施建设质量 25.0 85.00 100[5] 0.478 0.080 0.043 0.003 49 0.072 科研监测 科研监测建设质量 20.0 80.00 100[5] 0.600 0.101 0.031 0.003 07 0.064 公共服务 服务设施建设质量 30.0 85.00 100[5] 0.308 0.052 0.036 0.001 85 0.039 -
对评价指标的原始数据进行标准化处理，得到湿地公园各环境质量与服务质量指数，同时计算指标增长率。由表3可知，2009−2018年间，沙家浜国家湿地公园环境因素二级指标，植被变化率最大，动物次之，水体最末，变化率分别为577.78%、71.64%、68.82%；就三级指标而言，水体质量、外来物种入侵情况、植物种类、鸟类种类等指标的增长率均超过90%，属于影响湿地公园环境质量的重要因素，其中水体质量变化率增幅最大，为520.00%。
表 3 沙家浜国家湿地公园环境质量与服务质量状况指数
Table 3. Environmental quality and service quality status index of Shajiabang National Wetland Park
一级指标 二级指标 三级指标 2009年 2018年 增长率/% 增长值 环境质量 水体 水体质量 −0.005 0.021 520.00 湿地类型 0.029 0.038 31.03 湿地率 0.072 0.093 29.17 合计 0.096 0.152 58.33 植被 绿化覆盖率 0.030 0.044 46.67 植物种类 0.017 0.059 247.06 外来物种入侵情况 −0.020 0.080 500.00 合计 0.027 0.183 577.78 动物 鸟类多样性 0.025 0.038 52.00 鸟类种类 0.047 0.092 95.74 鸟类栖息地类型 0.021 0.027 28.57 合计 0.093 0.157 68.82 环境质量总计 0.215 0.494 129.77 服务质量 科普宣教 湿地宣教活动频率 0.000 0.202 − 0.202 生态讲解员人数 0.000 0.070 − 0.070 宣教设施建设质量 0.022 0.062 181.82 0.040 科研监测 科研监测建设质量 0.013 0.051 292.31 0.038 公共服务 服务设施建设质量 0.017 0.033 94.12 0.016 服务质量总计 0.052 0.417 701.92 说明：“−”表示没有该数值 服务质量中就二级指标而言，科普宣教变化率最大，科研监测次之，公共服务最末，变化率分别为1 418.18%、292.31%、94.12%；就三级指标而言，由于湿地宣教活动频率、生态讲解员人数的2009年数值为0.000，无法计算增长率，故以增长值来表征各指标之间的增长关系。由表3可以看出，湿地宣教活动频率、生态讲解员人数为影响湿地公园服务质量的重要指标，其中湿地宣教活动频率为关键因素，其增长值最大，达到了0.202。
-
总体来说，沙家浜国家湿地公园环境质量指数[f(x)]从2009年的0.215提升至2018年的0.494，增长率约为130%，其原因在于湿地公园9 a间依托原有的自然本底，通过合理规划内部水网、提升水体质量、引入乡土植物、增加栖息地等措施实现环境质量的稳步提升。服务质量指数[g(x)]从2009年的0.053提升至2018年的0.417，增长686.80%，明显高于环境质量指数增长率，表明9 a间，沙家浜国家湿地公园在保障生态环境质量的前提下，不断提高自身的作为科普宣教基地的示范作用。湿地公园协调度(C)从2009年的0.154提升至2018年的0.972，增幅为531.17%；湿地公园综合发展水平(T)则由2009年的0.133增长至2018年的0.456，提升242.86%；湿地公园协调发展度指数(D)从2009年的0.143提升至2018年的0.665，增长为365.03%。
-
借鉴国内外对协调发展等级划分的已有研究成果[8-9]，将湿地公园协调发展度评价标准和湿地公园质量等级划分为5级，并提出综合评价框架(表4)。
表 4 协调发展度评价标准和湿地公园质量等级划分
Table 4. Coordinated development evaluation criteria and wetland park quality classification
湿地公园协调发展度 质量等级 协调发展类型 综合评价 0.80~1.00 五级 良好协调发展类 湿地公园环境质量与服务质量和谐发展，湿地资源保护与社会服务发展间协调性良好，未来可实现更高水平的协调发展 0.60~0.80
0.40~0.60四级
三级中度协调发展类
勉强协调发展类湿地公园环境质量发展与服务质量发展略不协调，需在湿地资源保护的前提下，不断提升环境与服务之间的协调性 0.20~0.40
0~0.20二级
一级中度失调衰退类
严重失调衰退类湿地公园环境质量发展与服务质量严重不协调，湿地公园建设应在提升环境与服务质量的同时，以环境保护为主、社会服务为辅，实现两者的协调发展 -
沙家浜国家湿地公园2009年协调发展度为0.143，2018年协调发展度0.665，其质量状况等级从“一级”提升至“四级”。说明经过9 a的湿地公园建设，湿地公园质量有明显提升，环境要素与服务功能的协调发展呈现出良好的趋势，公园协调发展等级从“严重失调衰退类”转变为“中度协调发展类”，但并未处于优良状态，仍需不断向协调可持续的良好方向发展。整体上，沙家浜国家湿地公园协调度高而协调发展度低，表明湿地公园质量受环境与服务的综合发展水平制约，今后需着重提升湿地公园环境与服务自身的发展水平，以提高湿地公园整体质量等级。
湿地公园的环境质量中，水体质量指标对湿地公园质量水平影响最为显著，其次为外来物种入侵情况、植物种类及鸟类种类。因此，湿地公园在建设过程中应当注重通过相关措施促进水体质量改善，同时通过定期清理外来物种，引入湿地植物，增加鸟类栖息地等举措不断提升湿地公园的环境质量。
湿地公园的服务功能中，湿地宣教活动频率、生态讲解员人数的增长对湿地公园服务质量提升作用尤为明显。湿地公园是科普宣教的重要载体，应在保护湿地环境的基础上，将本地文化与湿地特色相结合，通过增设宣教设施、科普宣教活动课程来增强人们的环境保护意识，逐步提高湿地公园服务质量。
湿地公园服务质量指数较环境质量增长速率较快，其对湿地公园质量的影响也相对较大。由此认为，提升湿地公园的服务功能能够有效地促进湿地公园的质量水平。
-
湿地公园整体质量情况受环境与服务的协调度与综合发展水平影响，但当2个系统的发展程度均较高或较低时，其协调度可能相同，故影响湿地公园质量等级的主要因素为湿地公园的综合发展水平，即湿地公园各影响因素实际值的高低较大程度上影响了湿地公园的质量等级，提示湿地公园在注重环境与服务协调发展的同时也应当不断提升自身的生态环境与社会服务建设。
就服务质量指标，本研究在数据获取方面主要依据专家打分评估法，存在较大的主观性，定性指标定量化过程中仍会存在一定差异，一定程度上影响了质量评估的准确性；同时，指标选取方面也存在不足，由于相关数据缺乏完整性，一些指标，如水体微生物多样性等未包含在内，故指标还需进一步探讨；最后，鉴于研究区建设历程以及建设现状，导致选取时间序列相对较短，年份相对较少。后期研究过程中还应增加不同年份、不同湿地公园之间的对比分析，以丰富相关湿地公园质量评价研究内容。
Quality evaluation of Shajiabang National Wetland Park from the perspective of coordinated development
-
摘要:
目的 科学评估湿地公园环境建设与社会服务两大系统间的协调发展关系以及湿地公园总体质量状况， 方法 在厘清湿地公园质量内涵的基础上，以沙家浜国家湿地公园为研究对象，运用层次分析法，从环境要素与社会服务角度建立湿地公园质量评价指标体系，引入协调发展度理论，建立基于协调发展度的湿地公园质量评价模型，并划分湿地公园质量等级。 结果 2009−2018年间沙家浜国家湿地公园质量等级明显提升，从一级提升至四级。环境与服务协调发展程度整体呈上升趋势，协调发展度指数从0.143上升至0.665。环境要素中水质、外来物种入侵情况、植物种类、鸟类种类等指标是影响湿地公园质量的重要要素，服务要素中科普宣教课程数量、生态讲解员人数等指标对于提升湿地公园质量水平具有积极作用。 结论 湿地公园服务质量指数较环境质量指数增长速率快，对湿地公园质量的影响也较大，注重提升社会服务功能将更有效地提高湿地公园的整体质量水平。图1表4参17 Abstract:Objective The aim is to conduct a scientific assessment of the coordinated development between environmental construction and social service in wetland parks and the overall quality of wetland parks. Method Based on the clarification of the quality connotation of wetland parks, this paper, taking Shajiabang National Wetland Park as the research object and applies analytic hierarchy analysis. The quality evaluation indes system of wetland parks is established from the perspective of environmental factors and social services, and the construction of a quality evaluation model as well as a grade classification of wetland parks with the theory of coordinated development degree was introduced. Result There has been a significant promotion of the quality grade of Shajiabang National Wetland Park from 2009 to 2018 with arise from Level 1 to Level 4. The coordinated development between environmental construction and social services has been constantly facilitated with the coordinated development index rising from 0.143 to 0.665. Environmental factors such as water quality, invasion of alien species, plant species and bird species affect the quality of wetland parks to a great extent while service factors such as the number of popular science education courses and that of the ecological lecturers are positively correlated to the quality improvementof the wetland parks. Conclusion With a higher growth rate than the environmental quality index, the service quality index of wetland parks exerts larger impact on the quality of wetland parks. Therefore, it is advisable that efforts should be focused on the improvement of social service functions so as to effectively promote the overall quality of wetland parks. [Ch, 1 fig. 4 tab. 17 ref.] -
树种结构指森林中树种的组成、数量及彼此之间的关系[1]，是反映森林结构与功能关系的重要内容之一。树种组成是树种结构中最为重要的内容，是构成树种结构的基础。树种组成多样性反映了林分中树种构成的复杂程度和对光热水等自然资源的均衡利用程度，以及固碳释氧、生物种质资源保存等功能的有效性，具有重要生态学意义。树种组成信息丰富，为尽可能全面表达，往往需要使用详尽的语言或借助表格形式进行呈现[2-5]，根据各树种蓄积量所占比例表示树种组成式，满足了人们对树种组成概要描述的需求，但不适用于森林多样性、精准经营、定量分析、对比评价和数字化管理等工作。汤孟平等[6]引入了Shannon物种多样性指数，提出了树种组成指数，并将树种组成式进行数量化。树种组成指数值与树种组成式的系数构成一一对应关系，间接体现了主要树种间的蓄积比例，但未涵盖稀疏树种、树种株数及其分布等信息。可见，树种组成指数值用于定量化表征树种组成多样性是不够全面的。
目前，对于树种组成多样性的定量表述，往往借助于α多样性指数，但依旧存在局限性。王寿兵[7]和赵中华等[8]研究发现：多样性指数本身存在不足与缺陷，一般的多样性指数无法全面客观地反映林分树种组成的重要林学属性。如何科学定量化表达林分树种组成，构建数量化指标的问题值得深入研究[9]。鉴于此，本研究对树种组成多样性的数量化方法进行了探究，构建了树种组成多样性指数，以期为树种组成的表征提供新的度量角度与多样性评价方法，为森林质量评价、森林结构优化调控和森林质量精准提升提供理论和技术依据。
1. 林分树种组成多样性指数的构建
1.1 理论基础
林分树种组成多样性指数构建既要遵循生物多样性表征的基本规律和要求，又要充分体现林分树种组成的具体特征和经营管理要求。满足树种丰富度越大，树种分布越均匀，指数值就越高这一基本思想。
树种组成多样性指数的构建首先应满足生物多样性意义，指数值应分别与树种丰富度、分布均匀度呈相应的正向等比关系。其次，应以科学合理的方式结合丰富度、均匀度等多方面信息。最后构建的指数值体现相应的树种组成特征，反映树种总数、树种密度以及树种蓄积(生物量)比例和分布等多方面的内在相关信息。
构建指数选用指标时应兼顾科学性和可操作性2条重要原则[10]。科学性主要从指标的构建方法考虑，涉及构建的指标参数应当准确客观，具有指征性、代表性和可比性。参数之间应相互补充、相对独立，尽可能全面而不重复地反映树种组成特征。可操作性体现在计算指标的原始数据要容易收集，指标计算方法不宜太复杂，要容易被理解接受并易于推广使用等。
1.2 树种结构多样性指数模型
基于树种组成多样性指数构建的基本理论和要求，对体现树种丰富度的信息与各树种均匀度的信息进行分解使其相对独立，并通过和式进行综合。用树种数体现树种丰富度的信息，用现实林分各个树种的实际株数、蓄积比例与理想林分中完全均匀分布时的树种株数、蓄积所占比例值(1/s，s为树种数)进行较差，并赋予树种株数均匀度、蓄积均匀度相同的权重关系，用平方消除正负值偏差，以体现各树种均匀度的信息，并使之与丰富度信息之间不产生交互和干扰作用。构建的林分树种组成多样性指数(ISCD)计算模型为：
$$ {I_{{\text{SCD}}}} = s - \frac{1}{2}\sum\limits_{i = 1}^s {\left[ {{{\left( {\frac{{{v_i}}}{v} - \frac{1}{s}} \right)}^2} + {{\left( {\frac{{{n_i}}}{n} - \frac{1}{s}} \right)}^2}} \right]} 。 $$ (1) 式(1)中：ISCD为树种组成多样性指数；s为树种数；v为森林总蓄积量；vi为森林中树种i的蓄积量；n为森林总株数；ni为森林中树种i的株数。
1.3 林分树种组成多样性指数内涵
ISCD与树种数、树种株数和树种蓄积比例分布均匀性呈正相关。作为正向指标，ISCD直接体现林分树种组成多样性的特征，并具有以下意义：①ISCD表达了林分中树种数这一重要特征。绝对纯林时，树种数s为1，ISCD为1。非绝对纯林时，树种数s≥2，ISCD为(s−1，s]，林分的丰富度或树种数可由ISCD向上取整得到，即可以根据数值所处范围直接确定树种数。当林分中树种数相等时，树种混交程度越高，各树种的株树、蓄积分布越均匀，其比例越接近于1/s，则ISCD越大；当林分中所有树种在株数和蓄积2个方面都呈均匀分布时，ISCD达到最大值s。②ISCD表达了林分中各树种的株数、蓄积比例及分布均匀性，体现出混交程度。林分树种均匀度、混交度由ISCD值的小数部分体现。当林分中树种间均匀度、混交度越小，ISCD值的小数部分就越小；反之就越大。小数部分与数值1的差值体现在一定树种数下，实际林分与分布最均匀、混交度最高时的理想林分之间的差异程度。由于同时考虑了不同树种的株数占比和蓄积占比，ISCD更能全面反映树种的分布及混交情况。
2. 林分树种组成多样性指数的变化规律
2.1 2个树种时ISCD的变化规律
从图1可以看出：当2个树种的株数、蓄积比例分布越不均匀，即某个树种的株数、蓄积占比越接近100%，另一个树种的株数、蓄积占比越接近0时，ISCD就越小，其值就越接近于s−1；当2个树种的株数、蓄积分布越平均，即占比各自越接近50%时，树种结构多样性指数就越趋近最大值2。
图 1 树种数为2个时的树种组成多样性指数(ISCD)变化趋势Figure 1 Trend of diversity index of tree species composition (ISCD) for two species2.2 3个树种时ISCD的变化规律
当树种数大于2个时，将各树种的株数和蓄积比例按照其分布均匀程度，进行相应的等级(状态)划分，并以此作为x轴、y轴和z轴数据。设当树种数为3个时，对树种a、b、c存在的株数(或蓄积)分布等级按“3等份”进行划分，并根据Simpson均匀度指数进行分级，株数(或蓄积)分布等级见表1。其中，均匀度等级越大，表明株数(或蓄积)分布的均匀程度越高，Ⅶ为最理想的完全均匀状态。根据表1，对树种的均匀性分布类型组合进行汇总，得到表2。对现实林分中不同均匀度等级之间还存在的连续过渡类型，拟合ISCD变化趋势曲面图(图2)表明：森林中各树种的株数与蓄积的分布均匀度等级越高，ISCD越大，越接近最大值3。与树种数为2个时的规律一致，株数和蓄积分布不均都会导致最终的指数值远小于最大值，ISCD越接近于s−1。
表 1 树种数为3个时的株数(或蓄积)分布均匀度等级Table 1 Distribution uniformity grade of plants number (or volume) of 3 tree species分布均匀
度等级树种a
占比树种b
占比树种c
占比Simpson均匀
度指数Ⅰ 1/9 1/9 7/9 0.622 Ⅱ 1/9 2/9 6/9 0.773 Ⅲ 1/9 3/9 5/9 0.853 Ⅳ 1/9 4/9 4/9 0.879 Ⅴ 2/9 2/9 5/9 0.906 Ⅵ 2/9 3/9 4/9 0.966 Ⅶ 3/9 3/9 3/9 1.000 表 2 树种均匀性分布类型Table 2 Summary of tree species uniformity distribution types树种株数分布
均匀度等级树种蓄积分布均匀度等级 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Ⅵ Ⅶ Ⅰ (Ⅰ，Ⅰ) (Ⅰ，Ⅱ) (Ⅰ，Ⅲ) (Ⅰ，Ⅳ) (Ⅰ，Ⅴ) (Ⅰ，Ⅵ) (Ⅰ，Ⅶ) Ⅱ (Ⅱ，Ⅰ) (Ⅱ，Ⅱ) (Ⅱ，Ⅲ) (Ⅱ，Ⅳ) (Ⅱ，Ⅴ) (Ⅱ，Ⅵ) (Ⅱ，Ⅶ) Ⅲ (Ⅲ，Ⅰ) (Ⅲ，Ⅱ) (Ⅲ，Ⅲ) (Ⅲ，Ⅳ) (Ⅲ，Ⅴ) (Ⅲ，Ⅵ) (Ⅲ，Ⅶ) Ⅳ (Ⅳ，Ⅰ) (Ⅳ，Ⅱ) (Ⅳ，Ⅲ) (Ⅳ，Ⅳ) (Ⅳ，Ⅴ) (Ⅳ，Ⅵ) (Ⅳ，Ⅶ) Ⅴ (Ⅴ，Ⅰ) (Ⅴ，Ⅱ) (Ⅴ，Ⅲ) (Ⅴ，Ⅳ) (Ⅴ，Ⅴ) (Ⅴ，Ⅵ) (Ⅴ，Ⅶ) Ⅵ (Ⅵ，Ⅰ) (Ⅵ，Ⅱ) (Ⅵ，Ⅲ) (Ⅵ，Ⅳ) (Ⅵ，Ⅴ) (Ⅵ，Ⅵ) (Ⅵ，Ⅶ) Ⅶ (Ⅶ，Ⅰ) (Ⅶ，Ⅱ) (Ⅶ，Ⅲ) (Ⅶ，Ⅳ) (Ⅶ，Ⅴ) (Ⅶ，Ⅵ) (Ⅶ，Ⅶ) 说明：组合(Ⅰ，Ⅰ)中，表示树种株数的均匀度等级为Ⅰ，树种蓄积的均匀度等级为Ⅰ，林分株数(或蓄积)的分布均匀度等级见表1。
其他组合依次类推
图 2 树种数为3个时的树种组成多样性指数(ISCD)变化趋势Figure 2 Trend of diversity index of tree species composition (ISCD) for three species2.3 10个树种以内时ISCD的变化规律
对树种数10个以内的ISCD的变化规律，可以采用“十分法”的分级方法进行均匀度等级划分，即将各树种的株数或蓄积比例的范围划分为10个等份，每变化10%作为一级进行组合。对树种数处于[1，10]的森林，计算其各自不同分布情况下的ISCD值(表3)。
表 3 不同树种组合类型的树种组成多样性指数(ISCD)值Table 3 Diversity index of tree species composition (ISCD) value of different tree specie composition types树种数/个 树种组成
形式数/个树种组成
类型数/个ISCD 均值 中位数 最小值 最大值 极差 标准差 1 1 1 1.000 1.000 1.000 1.000 0.000 − 2 5 15 1.880 1.900 1.680 2.000 0.320 0.093 3 8 36 2.883 2.893 2.673 2.993 0.320 0.075 4 8 36 3.895 3.905 3.730 3.970 0.240 0.058 5 7 28 4.926 4.935 4.800 5.000 0.200 0.048 6 5 15 5.935 5.938 5.867 5.987 0.120 0.031 7 3 6 6.956 6.958 6.923 6.983 0.060 0.022 8 2 3 7.975 7.975 7.965 7.985 0.020 0.010 9 1 1 8.991 8.991 8.991 8.991 0.000 − 10 1 1 10.000 10.000 10.000 10.000 0.000 − 总计 41 142 说明：−表示标准差缺失，仅有1个数值无法进行标准差计算 当森林具有a、b 2个树种时，“十分法”下2个树种株数(或蓄积)的比例可以分为9∶1、8∶2、7∶3、6∶4、5∶5这5种中任意一种，即树种组成形式[6]数为5。此外，每种类型还需考虑蓄积(或株数)比例，则又各自有5种可能性，故理论上所有可能的树种混交组合形式应为25种。但由于ISCD赋予树种株数均匀度、蓄积均匀度相同的权重关系，且在考量株数、蓄积均匀度时都是基于树种占比与1/s较差取平方的计算方式，故a树种株数占比为x、蓄积占比为y的森林与株数占比为y、蓄积占比为x的森林拥有相同的ISCD指数值，可认为两者属于同一均匀度分布水平，可进行合并。故25个类型又最终归并为15个，即树种组成类型数为15。
由图3可见：142个树种混交组合中，ISCD随树种数增加呈线性增长趋势，且不同树种数之间ISCD互不重叠。
图 3 树种组成多样性指数(ISCD)与树种数的关系Figure 3 Relationship between diversity index of tree species composition (ISCD) and the number of tree species综上所述，ISCD随树种数增加呈明显增大趋势。当树种数不变时，ISCD能随树种株数及蓄积(生物量)比例和分布的均匀度、混交度变化而有相应的同向变化。同理，对树种数10个以上的ISCD值，经推论也有相同的规律和特性。
3. 林分树种组成多样性指数的实际应用及比较分析
以浙江省2009年森林资源连续清查数据中322个针阔混交林样地为材料，计算分析ISCD模型的实际应用情况，并比较ISCD与其他多样性指数在反映林分树种组成中树种丰富度、均匀度及多样性等方面的实用表现。
3.1 林分树种组成多样性指数对丰富度的度量
选取Margalef指数[11]、Menhinick指数[11]与ISCD对样地林分丰富度进行计算和对比分析。从图4可见：ISCD随树种数的增多呈上升趋势，具有明显的“分段”现象，表明ISCD对树种数的分异性能强；Margalef指数与Menhinick指数值聚集在较小范围内，随树种数增多呈上升趋势，但变化幅度不大。
根据不同树种数时各指数的分布形态(图5)，对其进行指数函数、线性函数、对数函数、多项式函数以及幂函数等多种函数拟合，并选择最优拟合模型。结果显示：ISCD、Margalef指数以及Menhinick指数与树种数均呈正相关。ISCD的线性拟合决定系数(R2)达0.999，斜率接近于1，与树种丰富度相关性十分紧密，可信度高。Margalef指数的线性拟合R2为0.869，斜率为0.185 1，与树种丰富度相关性较为紧密，可信度较高。Menhinick指数与树种数的拟合模型R2均未超过0.4，线性斜率为0.006 1，与树种丰富度相关性不明显。表明ISCD比Margalef指数和Menhinick指数对树种丰富度变化的反映更敏感，更具有一致性。
图 5 各丰富度指数与树种数的关系Figure 5 Relationship between each diversity indices and the number of tree species3.2 林分树种组成多样性指数对均匀度的度量
基于ISCD指数的构造特性，其值中的小数部分(ISCD-U)仅反映树种分布的均匀度，故可单独提取用于比较分析，以消除树种丰富度的影响。ISCD-U指标计算公式为：
$$ {I_{{\text{SCD-U}}}} = {{I}_{{{\text{SCD}}}}}-s + {\text{1}} = {\text{1}} - \frac{1}{2}\sum\limits_{i = 1}^s {\left[ {{{\left( {\frac{{{v_i}}}{v} - \frac{1}{s}} \right)}^2} + {{\left( {\frac{{{n_i}}}{n} - \frac{1}{s}} \right)}^2}} \right]} 。 $$ (2) 选取α多样性指数中的Shannon均匀度指数[12]、Simpson均匀度指数[12]、Alatalo均匀度指数[13]等与ISCD-U进行均匀度计算和对比分析。各均匀度指数统计结果见表4，依ISCD-U进行升序排列结果见图6。
表 4 针阔混交林样地均匀度指数值Table 4 Uniformity index values of coniferous and broad-leaved mixed forest变量名 ISCD-U Simpson均匀
度指数Shannon均匀
度指数Alatalo均匀
度指数均值 0.808 0.801 0.722 0.730 中位数 0.824 0.829 0.737 0.742 方差 0.007 0.013 0.012 0.010 标准差 0.086 0.112 0.111 0.102 标准误 0.005 0.006 0.006 0.006 最小值 0.361 0.052 0.091 0.339 最大值 0.968 0.992 0.994 0.992 极差 0.607 0.940 0.903 0.652 由表4和图6可知：ISCD-U与Simpson均匀度指数、Shannon均匀度指数以及Alatalo均匀度指数具有较强一致性，且ISCD-U与Simpson均匀度指数分布较为接近，两者均值分别为0.808、0.801，中位数分别为0.824、0.829，最大值和最小值有所差异，且ISCD-U的变动幅度小于Simpson均匀度指数。此外，ISCD-U、Simpson均匀度指数的均值、中位数明显大于Shannon均匀度指数、Alatalo均匀度指数。从分布范围来看，ISCD-U的分布最为集中，对树种均匀程度的评价最为严密。
对ISCD-U、Shannon均匀度指数、Simpson均匀度指数及Alatalo均匀度指数进行Pearson相关分析(表5)表明：ISCD-U与Simpson均匀度指数相关系数为0.840，与Shannon均匀度指数相关系数为0.825，与Alatalo均匀度指数相关系数为0.555。4个指数两两之间相关性均达到极显著水平(P＜0.01)。Simpson均匀度指数与Shannon均匀度指数相关性最高，其次是ISCD-U与Simpson均匀度指数、ISCD-U与Shannon均匀度指数。相关性最低的为ISCD-U与Alatalo均匀度指数。ISCD-U与Shannon均匀度指数、Simpson均匀度指数在反映林分树种组成均匀度方面具有比较一致的灵敏性和分异性。
表 5 均匀度指数之间的相关系数Table 5 Correlation coefficient between uniformity indexes均匀度指标 ISCD-U Simpson
均匀度指数Shannon
均匀度指数Alatalo
均匀度指数ISCD-U 1 Simpson
均匀度指数0.840** 1 Shannon
均匀度指数0.825** 0.934** 1 Alatalo
均匀度指数0.555** 0.668** 0.622** 1 说明：**表示在0.01水平上相关极显著(双尾) 3.3 林分树种组成多样性指数对多样性的度量
选取具有代表性的Simpson多样性指数[12]、修正Simpson多样性指数[14]、Shannon多样性指数[12]、Shannon多样性幂指数[14]、Hill多样性指数[15]、Mclntosh指数[16]等与ISCD进行多样性的对比分析。
由表6和图7可知：多样性指数按指数范围从大到小依次为ISCD、Shannon多样性幂指数、Hill多样性指数、Shannon多样性指数、修正Simpson多样性指数、Simpson多样性指数、Mclntosh多样性指数，7个指数的均值、中位数、最大值、最小值等都有明显差异。分布形态上，ISCD呈分段聚集，与其他6个指数的分布形态明显不同。Shannon多样性幂指数与Hill多样性指数分布较为接近，Shannon多样性指数与修正Simpson多样性指数分布较为接近，Simpson多样性指数与Mclntosh多样性指数分布较为接近。
表 6 针阔混交林样地的多样性指数值Table 6 Diversity index values of coniferous and broad-leaved mixed forest变量名 ISCD Simpson多样
性指数修正Simpson
多样性指数Shannon多样
性指数Mclntosh多样
性指数Shannon多样性
幂指数Hill多样
性指数均值 7.774 0.688 1.228 1.456 0.499 4.576 3.635 中位数 7.776 0.712 1.243 1.468 0.509 4.341 3.467 方差 7.497 0.014 0.128 0.134 0.012 2.662 1.704 标准差 2.738 0.117 0.357 0.366 0.110 1.631 1.305 标准误 0.153 0.007 0.020 0.020 0.006 0.091 0.073 最小值 1.724 0.035 0.035 0.100 0.019 1.106 1.036 最大值 16.860 0.870 2.044 2.291 0.727 9.889 7.719 极差 15.136 0.836 2.009 2.191 0.708 8.783 6.684 由表7可知：7个指数间相关性都达到极显著水平(P＜0.01)。ISCD与其他多样性指数具有极显著的相关性(P＜0.01)，与Shannon多样性幂指数的相关系数最大，为0.840，其次是Shannon多样性指数、修正Simpson指数、Hill多样性指数、Simpson多样性指数以及Mclntosh多样性指数。α多样性指数中，各指数之间普遍具有显著相关性(P＜0.01)，对多样性的评价具有一致性。
表 7 多样性指数之间的相关系数Table 7 Correlation coefficient between diversity indexes多样性指标 ISCD Simpson多样
性指数修正Simpson
多样性指数Shannon多样
性指数Mclntosh多样
性指数Shannon多样性
幂指数Hill多样
性指数ISCD 1 Simpson多样性指数 0.684** 1 修正Simpson多样性指数 0.724** 0.967** 1 Shannon多样性指数 0.839** 0.943** 0.965** 1 Mclntosh多样性指数 0.635** 0.967** 0.965** 0.929** 1 Shannon多样性幂指数 0.840** 0.878** 0.952** 0.974** 0.891** 1 Hill多样性指数 0.719** 0.891** 0.975** 0.934** 0.914** 0.967** 1 说明：**表示在0.01水平上相关极显著(双尾) 由图7可知：同一树种数时，ISCD、Simpson多样性指数、修正Simpson多样性指数、Shannon多样性指数、Shannon多样性幂指数、Mclntosh多样性指数以及Hill多样性指数均对样地林分多样性水平具有较为一致的评价；由于对稀有种的不同看法，一旦树种数增加，就会产生2种截然不同的变化：ISCD重视树种数的重要性，强调树种的“存在价值”，认为树种数多，多样性便高，指数就呈不断上升趋势，稀有树种与富集树种的差异更多反映在小数部分。而其余指数则倾向于对树种多度分布均匀的样地赋予更大的指数值。稀有树种的出现并不一定直接提高林分多样性。
在多样性指数中，普遍存在1个指数值对应多种树种数的现象，即存在指标难以区分低丰富度高均匀度群落与高丰富度低均匀度群落的问题，指数的大小并不能有效反映具体的多样性信息，只在相对比较中具有意义。ISCD在反映树种组成多样性上弥补了现有多样性指数的缺陷，更有利于实现对林分树种组成的定量化表征。
4. 讨论
4.1 ISCD与物种多样性指数
在对树种组成的定量化描述上，不论是Margalef指数、Menhinick指数，还是Shannon指数、Simpson指数，亦或是Hill指数，都各有其优势与不足。Margalef指数和Menhinick指数等试图权衡丰富度与总丰度的关系，却缺少考虑物种内个体的同质性(均匀性)；在测度树种的丰富度时，以树种数和林分总株数的关系为基础，虽然肯定了稀疏树种与富集树种对群落林分中树种多度的贡献，但对于描述林分树种组成而言仍显不足，其数值具有较大不确定性，即只能判断相对抽象的树种丰富性程度，却无法给出具体丰富度信息等(如林分树种数)。
基于丰度的多样性指数(如Shannon指数和Simpson指数)在物种丰富度的基础上增加了个体数量的信息，考虑了异质性，却依旧无法代表一个群落的真正“多样性”。对于均匀性的度量方案似乎是无穷无尽的，有许多方法可以根据“均匀性”的不同定义来估计，这使得对均匀性的概念并不十分清晰[17]。目前常用的Simpson均匀度指数与Shannon均匀度指数将均匀度定义为群落的实测多样性与理论最大多样性的比率。
Shannon指数和Simpson指数及变体往往被认为可以将物种丰富度和均匀度巧妙地整合成全方位的衡量标准而广泛使用。然而，这些复合指数对多样性的度量依旧有限：①Shannon指数植根于信息理论，是一种熵，量化的是随机挑选得到的某个个体物种身份的不确定性强弱(不确定性强，多样性高)。Simpson指数也是广义的熵[18]，量化的是从数据集中随机挑选的2个个体不代表同一物种的概率。指数作为熵，反映的是物种集合体与多样性有关的不同特性，衡量的是不确定性，并不是真正的多样性[19]。虽然熵的变化在数学上与物种丰富度相关，但在很大程度上它们与丰富度的关系已被证明是不一致的[20-21]。此外，熵及其变化因其可能掩盖多样性各组成部分之间的差异而显得不足，致使有学者认为复合指数在很大程度上是没有意义[22]。②物种丰富度和均匀度之间可能存在反向关系，在复合指数中会相互抵消，并不能得到与直观感觉一致的结果[23]。③复合指数对多样性和均匀性的权重高于丰富性，且对稀有物种与丰富物种赋予不同的权重，这掩盖了物种丰富度的重要性。
HILL[24]提出希尔数(hill numbers)，即有效物种数，用以量化多样性。有效物种数借助参数实现对丰富物种与稀有物种的权重控制，并能服从生物学家多样性概念中隐含的复制原则或加倍性质，被认为是物种多样性丰度的最佳选择[25]。然而同样有学者提出，有效物种数的使用存在一定局限性[17]。
ISCD以树种数量直接作为多样性丰富度，指数值接近实际树种数显得更加简洁、直观、有效，可根据指数值快速反推单个样地树种数。这是其他α多样性指数无法实现的。
ISCD对均匀度的评价方法以林分中树种的个数及各树种的属性比例作为变量，从树种的株数分布和蓄积分布2个方面衡量森林中树种分配的均匀性。通过各树种株数以及蓄积比例的不同，对两者的作用有了明确区分。此外，ISCD-U指标以现有林分与同一树种数下的理想林分(树种完全均匀分布)之间存在的差距进行均匀性评价，是一种新视角下的均匀性度量方式。
从指数构造角度而言，ISCD也具有科学性。物种丰富度和均匀度之间存在一定关系[26]。许多学者倾向于认为物种丰富度与均匀度应该是相对独立的[20, 27]，但实际发现均匀度总是不可避免地受到丰富度的制约，两者依旧存在相关关系。ISCD将指数丰富度信息与均匀度信息进行了明确分离，使其各自独立而不再相互作用。
4.2 ISCD实际应用
从指数表现来看，ISCD对林分树种丰富度反映灵敏，有着很好的区分性，弥补了现有指数对林分树种数反映表征模糊、指数范围重叠、区分不灵敏等不足。在反映树种组成多样性综合效应时，比其他指数有更好的区分性，同时与其他指数存在显著相关性，表明ISCD具有与其他多样性指数相同的理论基础，其本质相同但形式与侧重点不同。
对于α多样性指数而言，当用直径、树高或其他结构分类变量来代替物种时，它就可以反映林分结构多样性，体现对应林分组成结构属性特征[9]，例如Simpson大小多样性指数、Shannon大小多样性指数、Simpson大小分化度指数、Shannon大小分化度指数等林木大小多样性指数[28]以及树高多样性指数等。同理，ISCD在后续应用时，亦可衍生类似指数，例如以胸高断面积、生物量、生产力替代蓄积使用，ISCD指数同样具有一定的可拓展性。但对于描述复杂树种结构而言，依旧存在不足。如何体现树种结构的空间分布，如何对不同树种属性进行合理的权重设置，仍是ISCD未来需要攻克的难点。
5. 结论
ISCD在数量化表达林分树种组成多样性时，有效地将树种丰富度与树种株数、蓄积均匀性既分离又融合在一起，是一个较全面反映树种组成多样性信息的综合指标。它对林分树种组成的丰富度反映比其他多样性指数更加灵敏，分异性更强，对林分树种组成的均匀度有着与其他多样性指数一致的灵敏度和区分度，其数值大小还体现出现有林分与理想林分的差距，这也为评价林分树种组成均匀程度提供了一种新思路。相互独立的丰富度、均匀性信息使得指数值本身具有意义，解决了对低丰富度高均匀度、高丰富度低均匀度等不同林分树种组成类型难以有效区分这一难题，有利于准确描述树种组成多样性。
-
图 1 沙家浜国家湿地公园2009和2018年用地情况示意图
Figure 1 Land use change map of Shajiabang National Wetland Park in 2009 and 2018
表 1 沙家浜国家湿地公园质量评价指标体系
Table 1. Quality evaluation index system of Shajiabang National Wetland Park
目标层 亚层 准则层 指标层 数据获取途径 沙家浜国家湿地
公园质量评价(A)环境质量(B1) 水体 水体质量(C1) 实地调研 湿地类型(C2) 实地调研、报告[10] 湿地率(C3) 卫星遥感 植被 绿化覆盖率(C4) 卫星遥感 植物种类(C5) 实地调查、报告[10] 外来物种入侵(C6) 实地调研 动物 鸟类多样性(C7) 实地调研、报告[10] 鸟类种类(C8) 实地调研、文件[10] 鸟类栖息地类型(C9) 报告[10] 服务质量(B2) 科普宣教 湿地宣教活动频率(C10) 报告[10] 生态讲解员人数(C11) 报告[10] 宣教设施建设质量(C12) 专家打分 科研监测 科研监测建设质量(C13) 专家打分 公共服务 服务设施建设质量(C14) 专家打分 
下载: 导出CSV
表 2 沙家浜国家湿地公园质量评价指标权重
Table 2. Shajiabang National Wetland Park quality evaluation index weight
目标层 一级
指标二级
指标三级
指标2009年
实际值2018年
实际值参考值 变异
系数变异系
数法权
重(w′)层次分
析法权
重(w″)w′×w″ 综合
权重沙家浜
国家湿地
公园质量
评价环境
质量水体 水质 74.0 53.00 [30，70][5] 0.165 0.028 0.150 0.004 17 0.087 湿地类型 3.0 4.00 5[14-15] 0.143 0.024 0.096 0.002 30 0.048 湿地率/% 57.2 74.37 600%[14] 0.131 0.022 0.165 0.003 62 0.075 植被 绿化覆盖率/% 45.0 67.00 655%[5] 0.196 0.033 0.063 0.002 07 0.043 植物种类 93.0 327.00 ≥500[5] 0.557 0.093 0.047 0.004 36 0.091 外来物种入侵/% 6.0 1.00 ≤55[16] 0.714 0.120 0.040 0.004 84 0.101 动物 鸟类多样性 2.4 3.60 5[10] 0.200 0.034 0.075 0.002 52 0.052 鸟类种类/种 63.0 124.00 ≥200[5] 0.326 0.055 0.131 0.007 14 0.148 鸟类栖息地类型 3.0 4.00 6[15] 0.143 0.024 0.083 0.001 98 0.041 服务
质量科普宣教 湿地宣教活动频率 0 50.00 20[17] 1.000 0.168 0.023 0.003 89 0.081 生态讲解员人数/位 0 6.00 5[17] 1.000 0.168 0.017 0.002 80 0.058 宣教设施建设质量 25.0 85.00 100[5] 0.478 0.080 0.043 0.003 49 0.072 科研监测 科研监测建设质量 20.0 80.00 100[5] 0.600 0.101 0.031 0.003 07 0.064 公共服务 服务设施建设质量 30.0 85.00 100[5] 0.308 0.052 0.036 0.001 85 0.039
下载: 导出CSV
表 3 沙家浜国家湿地公园环境质量与服务质量状况指数
Table 3. Environmental quality and service quality status index of Shajiabang National Wetland Park
一级指标 二级指标 三级指标 2009年 2018年 增长率/% 增长值 环境质量 水体 水体质量 −0.005 0.021 520.00 湿地类型 0.029 0.038 31.03 湿地率 0.072 0.093 29.17 合计 0.096 0.152 58.33 植被 绿化覆盖率 0.030 0.044 46.67 植物种类 0.017 0.059 247.06 外来物种入侵情况 −0.020 0.080 500.00 合计 0.027 0.183 577.78 动物 鸟类多样性 0.025 0.038 52.00 鸟类种类 0.047 0.092 95.74 鸟类栖息地类型 0.021 0.027 28.57 合计 0.093 0.157 68.82 环境质量总计 0.215 0.494 129.77 服务质量 科普宣教 湿地宣教活动频率 0.000 0.202 − 0.202 生态讲解员人数 0.000 0.070 − 0.070 宣教设施建设质量 0.022 0.062 181.82 0.040 科研监测 科研监测建设质量 0.013 0.051 292.31 0.038 公共服务 服务设施建设质量 0.017 0.033 94.12 0.016 服务质量总计 0.052 0.417 701.92 说明：“−”表示没有该数值
下载: 导出CSV
表 4 协调发展度评价标准和湿地公园质量等级划分
Table 4. Coordinated development evaluation criteria and wetland park quality classification
湿地公园协调发展度 质量等级 协调发展类型 综合评价 0.80~1.00 五级 良好协调发展类 湿地公园环境质量与服务质量和谐发展，湿地资源保护与社会服务发展间协调性良好，未来可实现更高水平的协调发展 0.60~0.80
0.40~0.60四级
三级中度协调发展类
勉强协调发展类湿地公园环境质量发展与服务质量发展略不协调，需在湿地资源保护的前提下，不断提升环境与服务之间的协调性 0.20~0.40
0~0.20二级
一级中度失调衰退类
严重失调衰退类湿地公园环境质量发展与服务质量严重不协调，湿地公园建设应在提升环境与服务质量的同时，以环境保护为主、社会服务为辅，实现两者的协调发展
下载: 导出CSV
-
[1] 吴后建,但新球,王隆富,等. 2001−2008年我国湿地公园研究的文献学分析[J]. 湿地科学与管理, 2009, 5(4): 40 − 43. WU Houjian, DAN Xinqiu, WANG Longfu, et al. Philology analysis on wetland park research in China from 2001−2008 [J]. Wetland Sci Manage, 2009, 5(4): 40 − 43. [2] 王立龙,陆林. 湿地公园研究体系构建[J]. 生态学报, 2011, 31(17): 5081 − 5095. WANG Lilong, LU Lin. The studying system construction of wetland parks [J]. Acta Ecol Sin, 2011, 31(17): 5081 − 5095. [3] SCHLEYER M H, CELLIERS L. Modelling reef zonation in the Greater St Lucia Wetland Park, South Africa [J]. Estuarine Coastal Shelf Sci, 2005, 63(3): 373 − 384. [4] 冯倩,刘聚涛,韩柳,等. 鄱阳湖国家湿地公园湿地生态系统健康评价研究[J]. 水生态学杂志, 2016, 37(4): 48 − 54. FENG Qian, LIU Jutao, HAN Liu, et al. Ecosystem health assessment of Poyang Lake National Wetland Park [J]. J Hydroecol, 2016, 37(4): 48 − 54. [5] 朱颖,林静雅,赵越,等. 太湖国家湿地公园生态恢复成效评估研究[J]. 浙江农业学报, 2017, 29(12): 2109 − 2119. ZHU Ying, LIN Jingya, ZHAO Yue, et al. Study on effectiveness evaluation of ecological restoration of Taihu National Wetland Park [J]. Acta Agric Zhejiang, 2017, 29(12): 2109 − 2119. [6] 杨朝辉,苏群,陈志辉,等. 苏州太湖三山岛国家湿地公园景观健康评价[J]. 湿地科学, 2017, 15(5): 657 − 664. YANG Zhaohui, SU Qun, CHEN Zhihui, et al. Landscape health assessment for Sanshan Island of Taihu Lake National Wetland Park in Suzhou [J]. Wetland Sci, 2017, 15(5): 657 − 664. [7] 吴后建,黄琰,但新球,等. 国家湿地公园建设成效评价指标体系及其应用:以湖南千龙湖国家湿地公园为例[J]. 湿地科学, 2014, 12(5): 638 − 645. WU Houjian, HUANG Yan, DAN Xinqiu, et al. System of evaluation indicators of construction effect of National Wetland Park and its application, a case of Qianlong Lake National Wetland Park in Hunan Province [J]. Wetland Sci, 2014, 12(5): 638 − 645. [8] 樊贤璐,徐国宾. 基于生态-社会服务功能协调发展度的湖泊健康评价方法[J]. 湖泊科学, 2018, 30(5): 1225 − 1234. FAN Xianlu, XU Guobin. Lake health assessment method based on the coordinated development degree of ecology and social service function [J]. J Lake Sci, 2018, 30(5): 1225 − 1234. [9] 程慧,徐琼,郭尧琦. 我国旅游资源开发与生态环境耦合协调发展的时空演变[J]. 经济地理, 2019, 39(7): 233 − 240. CHENG Hui, XU Qiong, GUO Yaoqi. Temporal and spatial evolution of the coupling coordinated development between tourism resources development and ecological environment in China [J]. Econ Geogr, 2019, 39(7): 233 − 240. [10] 苏州市林业局. 2018苏州市湿地保护情况年报[R/OL]. (2018-02-02)[2019-07-26]. http://www.sohu.com/a/293039100_120055179. [11] 汪辉,欧阳秋. 中国湿地公园研究进展及实践现状[J]. 中国园林, 2013, 29(12): 112 − 116. WANG Hui, OUYANG Qiu. Research and practice survey of Chinese wetland park [J]. Chin Landsc Archit, 2013, 29(12): 112 − 116. [12] 吴春莹,陈伟,刘迪,等. 北京市重要湿地生态系统健康评价[J]. 湿地科学, 2017, 15(4): 516 − 521. WU Chunying, CHEN Wei, LIU Di, et al. Health evaluation of important wetland ecosystems in Beijing City [J]. Wetland Sci, 2017, 15(4): 516 − 521. [13] 陈歆,靳甜甜,苏辉东,等. 拉萨河河流健康评价指标体系构建及应用[J]. 生态学报, 2019, 39(3): 799 − 809. CHEN Xin, JIN Tiantian, SU Huidong, et al. Construction and application of health assessment index system for Lhasa river [J]. Acta Ecol Sin, 2019, 39(3): 799 − 809. [14] 国家林业局湿地保护管理中心. 湿地公园总体规划导则[R/OL]. (2018-01-09)[2019-07-26]. http://www.shidi.org/sf_9068D475098E4CD3A66BB4AF366332BD_151_sdb.html. [15] 中华人民共和国国家质量监督检验检疫总局. 湿地分类: GB/T 24708-2009[S]. 北京: 中国标准出版社, 2009. [16] 国家林业局. 国家湿地公园评估评分标准[R/OL]. (2018-01-09)[2019-07-26]. http://www.shidi.org/sf_1047184933514E208EF29E876E0EDAA2_151_sdb.html. [17] 马广仁. 国家湿地公园宣教指南[M]. 北京: 中国环境出版社, 2017: 41−129. 期刊类型引用(4)
1. 张凌峰，刘兆刚，董灵波. 帽儿山天然硬阔叶林发育阶段划分及林分结构特征. 北京林业大学学报. 2025(02): 10-22 . 
百度学术2. 杨丽娜，黄敏，邢韶华. 不同优势度的脱皮榆群落特征差异及生态位分析. 中国野生植物资源. 2024(07): 56-65 . 百度学术3. 陈黎，秦浩龙，刘成功，房震，潘健，尹琛琛，万志兵. 祁门浙江楠天然林树种组成与空间结构特征分析. 鲁东大学学报(自然科学版). 2023(02): 183-192 . 百度学术4. 陈静，王丹丹，周芳玲，彭泽，杨向晖. 枇杷花序支轴紧密度量化指标初步研究及新型判别技术开发. 果树学报. 2023(07): 1471-1485 . 百度学术其他类型引用(4)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20190448
点击查看大图
计量
- 文章访问数: 2592
- HTML全文浏览量: 867
- PDF下载量: 78
- 被引次数: 8
