---

作 者 ：宋松柏,蔡焕杰

期 刊 ：生态学报 2004年 24卷 11期 页码：2509~2515

关键词：旱区；生态环境质量；指标体系；评价方法；人工神经网络；

Keywords:arid area, ecological environment, indicators system, assessment method, artificial neural network,

摘 要 ：生态环境质量是社会经济可持续发展的基础。因此 ,建立旱区生态环境质量的定量评价是区域可持续发展的主要依据。现有的评价方法大多是通过根据评价区评价指标量化值与评价等级标准来建立评价模型 ,评价区不同 ,评价模型也不相同 ,计算工作量较大。根据给定的生态环境质量评价等级标准 ,采用随机技术模拟生成足够数量的评价指标序列 ,应用人工神经网络模型 (artificial neural network,ANN) ,以评价指标生成序列与其所属的评价等级值进行网络训练。网络训练后 ,以评价区的评价指标为网络的输入 ,通过计算 ,可获得相应的生态环境质量评价等级值。并以甘肃省石羊河流域生态环境脆弱的民勤县为研究对象 ,应用 1975～ 2 0 0 0年资料进行了实例研究。结果表明 ,民勤县 1975～ 2 0 0 0年生态环境质量效应评价值分别为 2 .95 0 1,4 .0 0 90 ,4 .1342 ,4 .16 37,4 .9736 ,5 .0 12 8,说明该地区的生态环境质量是持续下降的 ,与以往采用的模糊综合评价等级值 3,4 ,4 ,4 ,5 ,5一致。文中 ANN模型建立后 ,对于不同评价区 ,只要给定相应的评价指标值，通过ANN模型计算，可直接得出生态环境质量评价等级值。因此，模型具有实用、可操作性强的特点，大大减少了评价区的计算工作量，可以用于生态环境质量效应评价。

Abstract:The quantitative assessment of local environmental conditions constitutes one of the most important issues for researchers in the area of sustainable development in arid areas. During the past two decades, a number of methods have been used to assess environmental quality. The methods include: comprehensive assessment methods, fuzzy assessment methods, gray system clustering, principle component analysis, factor analysis and projection pursuit algorithms. These models usually establish functions based on as...

---