智能养殖系统实施的可行性分析

第四章　不同养殖模式下桑沟湾生态系统服务价值变化趋势预测

第一节 模型的构建

一、 建模的目的

生态系统是由多因子、多单元广泛连接而成的复杂系统。 作为一个有机统一的整体，其中任何因子或单元的变化都会引起其他因子或单元的联动，并在全局自适应地寻找到新的平衡点。正如Jorgensen在1992年所指出的，生态系统是不可拆分的，它最基本的特征是它的整体性和动态性。在进行生态服务的货币化评价时，应当体现和反映生态环境的这种系统特征。同时，在环境问题日益突显的今天，人们对生态系统的认识还刚刚起步，其内部大量的底层关系和动态机理目前仍鲜为人知。如何展开对这样一个未知复杂系统的研究，即生态建模，是进行生态服务价值动态评价的技术关键。在科学上，模型为系统或过程简化的描述方式，以便了解复杂的问题，并加以预测。而系统动态模拟是评估中一种相当好用的工具，它是20世纪50年代末期由美国麻省理工学院史隆管理学院福雷斯特教授开发创立的。它是以反馈控制理论和系统论为基础，以计算机模拟技术为手段，研究具有资讯回馈、组织结构之间与政策、决策与行动之间存在时间延迟现象等因素间的互动关系所形成的复杂动态行为，可通过定量化的系统模拟与分析，进行系统结构与行为的设计，一般常用的系统动态模拟软件有DYNAMO、VENSIM、ITHINK、STELLA等。

人类活动对生态系统结构和功能的利用和改变，最终影响着生态系统服务价值的变化，但人类活动的启动与生态系统服务价值的变化之间存在一个时间差，即生态系统服务的升高或降低滞后与引起其升高或降低的人类活动之间的时间差。加强人类活动对生态系统服务影响的模拟与预测研究，可以为有效控制人类活动的规模和强度提供依据。本研究建立了简单的系统动力学模型，对不同养殖模式下桑沟湾养殖系统服务价值变化趋势进行模拟和预测，初步探讨人类不同利用方式对系统服务和价值的影响。

二、 系统边界的确定

建模的目的不同，系统就有不同的边界。只有系统边界确定后才能确定系统的内生和外生变量。内生变量是由系统内部反馈结构决定的变量，外生变量是由影响环境因素确定的变量。系统动力学认为系统的行为是基于系统内部的种种因素而产生的，并假定系统的外部因素不给系统的行为以本质的影响，也不受系统内部因素的控制。

将桑沟湾视为1个箱，在陆地径流输入、水交换、底泥释放以及浮游生物生物量等条件不变的情况下，只改变养殖生物的种类和养殖模式，那么模型中的变量就反映了桑沟湾生态系统对不同养殖模式的响应过程。模型的状态变量包括了不同养殖模式下系统生产力、C、N、O营养元素的变化，以及系统服务和价值的变化等。

三、 预测模型的构建

（一） STELLA用于生态建模的适用性

整个模型拟采用视窗化软件STELLA9.0.2构建。STELLA是一种基于系统动力学的管理决策建模仿真软件，也是第一个允许图形模式输入的仿真软件，分高层、图层、函数层3个层次结构，STELLA图层的4个基本语言符号为：栈（Stock），表示系统所处的状态；流（Flow），表示系统的活动；数据转换器（Converter），表示各种数据序列、代数关系，或常数；链接器（Connector），表示栈、流、数据转换器之间的关系或传递信息。它的最大特点是可在计算机上模拟事物的动态相互行为，Costanza等（2008，2002）已多次将它应用于生态—经济系统的动态分析中。采用养殖系统的物理、化学、生物、沉积物、养殖等参数，借助STELLA的语言符号，根据系统所处的状态（栈）、系统活动（流）以及各种常数（如养殖密度、死亡率等）之间的相互关系，构建不同养殖模式下桑沟湾养殖系统服务价值的预测模型。通过对不同情景的模拟分析，可以模拟和预测系统服务的动态行为和未来发展趋势。

（二） 模型的结构

模型由生长限制、功能服务（包括物质生产、净化水质、气候调节、空气质量调节）和功能核算（经济产出和系统价值） 3大部分构成。模型将以图形的形式输出，图4-1给出了模型各个模块之间的关系；图4-2 ～ 图4-4给出了模型的整个结构以及变量间的相互链接。

图4-2　模型结构一

图4-3　模型结构二

图4-3 （续） 模型结构二

以桑沟湾不同养殖模式下的养殖系统为研究对象，模拟了系统的行为模式，并通过一定的数据定量分析了不同养殖模式与系统服务和价值间的相互作用机制及相互影响。以2007年作为评估基准年，其他预测年份的资料都采用2007年数据，然后采用折现的方法将其折算到2007年；所有参数都≥0，状态变量的初始值以2007年的估算结果为基准，模型时间步长为1年，共运行50年。模型中参数的来源和取值见表4-1，各变量之间的关系式见附录。

图4-4　模型结构三

表4-1　模型中主要参数符号、意义及取值

续　表

续　表

续　表

注（出处）：1.Nunes等，2003；2.Neori等，2000；3.Duarte 等，2003；4.Petrell，1993；5.Tseng，1962；6.Kirihara，2003；7.Britz 等，1996；8.张继红等，2005；9.陈炜等，2004；10.周毅等，2000；11.李丹彤等，2005；12毛玉泽，2006；13.毕远薄等，2000；14.袁秀堂等，2006；15.谢忠明，2003；16.燕敬平等，2000；17.孙丕喜等，2007；18.吴荣军等，2006；19.Chen et al，2007；20.实验数据；21.Costanza et al，1997；22.袁秀堂等，2008；23.周毅等，2003；24.生产数据（包括养殖公司生产资料、渔业统计年鉴、采访、调研所得数据等）。

1.生长限制部分

养殖生物的生长受水温、光照、营养盐、溶氧、盐度等的影响。由于桑沟湾的盐度常年为31 ～ 33，盐度稳定（吴荣军等，2009），所以本模型只考虑水温、光照、营养盐、溶氧为模型的强制函数，其中主要以氮作为营养盐限制因子，并假设其他营养盐在桑沟湾是充足的，未对养殖生物的生长构成限制。

2.功能服务部分

这部分主要包括养殖生态系统的四大核心服务。

1） 物质生产

物质生产由养殖密度和存活率来决定，且温度、光照等环境因子也影响养殖生物的产出，存活率受到养殖密度的影响，随着养殖密度的增加而降低，物质生产的存量也影响着人类生活的质量。

2） 水质净化

通过养殖生物的收获，可将其组织内的N、P移除，同时一些养殖生物在其养殖过程中也释放很多N、P到环境中。从第三章的研究结果可看出，相对于N来说，养殖生物对P的移除效益较小，所以在建模时，水质净化模块只模拟了N的效应。

3） 气候调节

养殖藻类（如海带等）通过光合作用将溶解的无机碳转化为有机碳，从而固定CO2，而养殖贝类则通过摄食浮游藻类和颗粒有机碳，从而转化并固定碳，同时通过直接吸收海水中碳酸氢根（HCO32）形成碳酸钙贝壳（CaCO3）。固定的这部分碳将会随着养殖生物的收获而从系统中移出。有些养殖生物在其养殖过程中也释放CO2到环境中。

4） 空气质量调节

养殖藻类通过光合作用释放氧气，而养殖贝类则在呼吸过程中释放氧气。

3.功能核算部分

1） 经济产出

其在这里被定义为所有的经济效益。经济效益随着成本的增加而减少，收入受市场价格波动影响较大。

2） 价值估算

这部分主要是把不同养殖模式对生态系统的贡献进行了货币化。

（三） 模型的敏感度分析

敏感度分析用于定性或定量地评价模型参数误差对模型结果产生的影响，是模型参数化过程和模型校正过程中的有用工具，具有重要的生态学意义。敏感度分析主要有两种：结构敏感度分析和参数敏感度分析。结构敏感度分析主要是研究模型中因果关系的变化对模型行为的影响，目的有两个：一是试图透过观察到的模型行为，发现系统运行的基本机制；二是评议有争议的因果关系的影响。对于本模型，因果关系明确，不存在争议现象。参数敏感度分析主要研究模型行为对参数值在合理范围内变化的敏感度，检查模型行为模式是否因为某些参数的微小变化而改变。本研究采用参数敏感度分析。

令F为生态模型中某一生物变量，a为模型中与F有关的某个生物参数，则F对a的敏感度Ŝ可由公式（1）估算：

其中，DF为当参数a变化Da时F相对应的变化值；一般的，当a变化1%时，如果Ŝ小于0.5，则认为该生物量的计算值相对于参数a不敏感，即模型的数值解可信；相反，当Ŝ大于0.5，则认为该生物量的计算值相对于参数a敏感，那么模型计算值的可信度就较低，在这种情况下，对模型结果的分析和解释必须十分谨慎；敏感度分析可作为筛选关键因子的最佳工具。在本研究中，将以下列参数作敏感度分析，并对产量、经济效益和系统服务总价值的模拟结果作为分析，见表4-2。

表4-2　主要参数灵敏性分析

续　表

经过分析可知，所有常数参数的灵敏度都在合理范围之内（小于0.5），模型行为模式并没有因为参数的微小变动而出现异常变动，因此模型是可信的，可以应用该模型进行预测模拟。通过敏感度分析，筛选出控制其服务价值变化的关键指标为：市场价格和养殖密度。

第二节　不同养殖模式下桑沟湾生态系统服务价值变化趋势预测和分析

一、 不同养殖模式对系统总服务价值的影响

图4-5模拟了不同养殖模式对系统总服务价值变化的影响。养殖50年后，不同养殖模式下系统核心服务提供的总价值的大小顺序为：模式7.模式6.模式4.模式5.模式2.模式1.模式3。

二、 不同养殖模式对水质净化的影响

不同养殖模式下系统N存量的大小直接决定了系统的水质净化功能，移除的N越多，系统的水质净化功能越强，因此通过模拟不同养殖模式下系统N存量的变化（图4-6）来分析系统的水质净化功能。模拟结果表明桑沟湾7种养殖模式下系统累计移除的N量随着养殖时间的增加而增加，养殖50年后，不同养殖模式下系统累计移除的N量顺序为：模式7 .模式6.模式2.模式4.模式1.模式5.模式3；可见，通过扇贝的收获，大量的N被移除，因此在营养盐缺乏的海区，应适当少养扇贝。

图4-5　不同养殖模式下系统总服务价值的变化

图4-6　不同养殖模式下系统N存量的变化

三、 不同养殖模式对气候调节的影响

不同养殖模式下系统C存量的大小直接决定了系统的气候调节功能，因此通过模拟不同养殖模式下系统C存量的变化（图4-7）来分析系统的气候调节功能。养殖50年后，不同养殖模式下系统累计移除的C量顺序为：模式7 .模式6.模式5.模式4.模式1.模式3.模式2；可见，牡蛎的养殖在系统气候调节功能方面发挥着很大的作用。

图4-7　不同养殖模式下系统C存量的变化

四、 不同养殖模式对空气质量调节的影响

通过模拟不同养殖模式下系统O存量的变化（图4-8）来分析系统的空气质量调节功能。因系统的空气质量调节功能主要是由养殖的海带所提供的，因此模式1、模式4、模式5、模式6、模式7所提供的此项服务几乎一致。

图4-8　不同养殖模式下系统O存量的变化

因没有考虑复杂的水动力模式及更多的营养阶层，所以本研究所建立的模式有所限制，虽然无法完整模拟出桑沟湾不同养殖模式下系统服务的变化，但透过系统动力学及生态变量间的动力机制，仍可了解不同养殖模式对系统服务的影响。模拟结果显示，养殖50年后，桑沟湾不同养殖模式下系统核心服务提供的总服务价值的大小顺序为：模式7 .模式6.模式4.模式5.模式2.模式1.模式3；系统累计移除的N量顺序为：模式7 .模式6.模式2.模式4.模式1.模式5.模式3；移除的C量顺序为：模式7 .模式6.模式5.模式4.模式1.模式3.模式2。在营养盐丰富的海区，可适量养殖扇贝，借由扇贝的大量收获来改善养殖水域的水质，而牡蛎的养殖在系统气候调节功能方面也发挥着很大的作用。敏感度分析表明，在陆地径流输入、水交换、底泥释放以及浮游生物生物量等条件不变的情况下，市场价格和养殖密度是影响养殖系统持续产出和功能价值的关键因子。

就不同养殖模式下系统对N、C的移除效应而言，模型的模拟结果与已有的文献报道结果相符（周毅等，2002），也与本研究2007年的估算结果相吻合。在模型的构建和运行中，只假设了陆地径流输入、水交换、底泥释放以及浮游生物生物量等条件不变的情况下，所以模型状态变量的变化也只是反映了系统对改变养殖生物的种类和养殖模式的响应。但因模型有修正的弹性，在未来可加入其他影响变数，如沉积环境、水动力及摄食等，提高模型精确度，来修正模拟结果，也可利用模型中相关的生态动力机制，计入其他数值模型中，使其更完整。

生态系统是和社会、经济等系统紧密交织、相互作用、互为因果的复杂大系统，连接的高阶性和时空的动态性是其基本特征。此外，作为新兴的研究领域，生态系统内部的动态机理仍鲜为人知，展现在人们面前的往往是系统的不确定性和非直观性。着手展开对此类未知复杂系统的研究，在方法论上应当遵循从整体到局部、由表及里的认识论原则。即首先应从系统的整体特征和发展趋势方面来入手，在准确地了解和把握系统的整体性和动态性之后，进而以其为指导深入系统内部，探究因子间的联系和作用，描绘系统的结构和过程，最终实现系统结构与功能的统一。

目前就桑沟湾不同养殖模式对系统影响模型构建所需的重要基础参数的研究仍显不足，特别是养殖生物的排泄以及养殖设施和养殖生物与养殖环境水动力学之间的相互影响，在本研究中，假设了陆地径流输入、水交换、底泥释放以及浮游生物生物量等条件都不变，因此养殖活动、环境变数对生态环境的行为的影响未有充分的了解，也无法预测未来环境变数造成的影响，这对评估结果精度有一定的影响，而这也是值得进一步研究的课题。桑沟湾养殖生态的相关研究已持续多年，希望能整合研究资源，建立生态参数、生物量及摄食量、水动力学等，以利于构建稳定且可信赖的生态模型，并由其预测各生物或物质空间与时间上的变化，以便提供桑沟湾养殖生态系统最合适的管理策略，来达到生态环境永续利用的目的。