河流健康评价技术综述
(1. 河北科技大学环境科学与工程学院, 石家庄 050018
2. 河北科技大学建筑工程学院, 石家庄 050018)
摘要: 河流健康评价是现代水资源、环境与生态管理领域的关键工具, 旨在为河流管理和保护提供科学依据。本文探讨了在过去50年中河流健康评价的方法、发展历程及其在国内外的应用与研究进展。研究表明, 河流健康评价从静态到动态、从单一到综合评估的转变, 主要体现在多学科交叉评价、数学模型应用和生物多样性指标的重要性增强上。国内外的评价方法包括基于水质、生物多样性、生态完整性等维度的多指标评估体系, 它们在处理多指标、非线性关系和不确定性方面具有优势。但也存在模型复杂性和不确定性处理能力不足等挑战。未来发展的方向包括完善评价指标体系、提高数据获取和分析的精准性、增强模型的可解释性与可操作性, 并整合人工智能与大 数据技术, 以开发更加智能、高效的河流健康评价模型, 为全面推动河流生态保护与管理提供科学支持。
关键词: 河流健康评价, 生态系统, 环境指标, 数学模型, 多学科交叉
DOI: 10.48014/pceep.20240910001
引用格式: 罗晓, 刘芝俊, 高湘. 河流健康评价技术综述[J]. 中国生态环境保护进展, 2024, 2(4): 33-47.
文章类型: 综 述
收稿日期: 2024-09-10
接收日期: 2024-10-06
出版日期: 2024-12-28
河流健康评价是水资源、环境与生态管理领域的重要方法，旨在为河流保护和治理提供科学依据[1]。在河流生态保护领域，河流健康评价可类比为人类的体检，基于对健康内涵认知的持续提升，从实现其自然、生态环境和社会服务功能出发，提出相应的指标体系和评价方法，它的主要功能包括判断河流生态系统的发展趋势(优化或衰退)、确认河流的自净能力、识别影响河流健康的关键环境和生态因子、预测河流的生态风险、指导河流生态修复，以及评估生态建设的投资效益等，为河流保护和治理提供科学依据。过去50年间，河流健康评价方法经历了从静态指标到动态评价、从经验评价到数学模型评价、从单一学科评价到多学科交叉评价转变的三个重要的技术升级[2]。目前，学者们通过数据筛选和选择适当的指标，对河流生态系统进行数字化分析，着眼于关键物种而非指示种群。基于生物完整性指数(IBI)的评估工具已广泛应用于水生系统健康度评估，多学科、多角度的河流健康评价体系逐步建立[3]。然而，现有的评价模型在处理复杂生态系统时存在局限性，如未考虑地质地貌和社会因素对评价结果的影响，以及模型在处理不确定性和动态变化方面较弱。为了解决这些问题，需要进一步完善评价指标体系，提升数据获取的准确性和可靠性，增强模型的可解释性和可操作性，并利用人工智能和大数据技术开发更加智能、高效和精准的河流健康评价模型[4]。总之，河流健康评价的发展是一个不断探索和完善的过程，通过综合考虑河流生态系统的复杂性、动态性和不确定性，可开发出更加科学、合理且具有可操作性的评价模型，为我国河流健康评价提供重要的理论和实践支撑[5]。
1 国内外研究进展
河流健康评价是水文学、环境科学和生态学等多学科交叉领域的重要研究方向之一。其目的在于通过综合评估河流系统，为有效的河流管理和保护提供科学依据。当前，已经形成相对成熟的河流健康评价方法(图1)。
国内，1998年，中国环境保护部(现生态环境部)发布了《地表水环境质量标准》(GB 3838—1998)，随后进行多次修订更新为《地表水环境质量标准》(GB 3838—2002)。这些标准明确了河流水质评估的各种指标和标准值，为河流健康评价提供了重要依据。中国自2000年代初开始引入生物指标法进行水质评估，推出了《水环境质量生物监测技术规范》(HJ/T 91—2002)等文件，建立了适合国情的生物指标评估体系，用于评估水体生态系统的健康状况。2015年，中国实施了《水污染防治行动计划》，其中包括建立生态补偿机制和推动生态补偿基金设立，通过经济手段激励企业和个人减少水污染。近年来，中国在水质监测技术方面取得显著进展，特别是在传感器技术的应用和发展方面。各地广泛应用在线水质监测系统，实现了对水质的实时、连续监测，增强了对污染事件的响应能力。2020年水利部河湖管理司颁布《河湖健康评价指南》，丰富了河流健康评价体系。
随着人们对于河流生态的日益重视，虽然目前河流环境管理仍仅沿用地表水环境质量标准(GB3838—2002)规定的24个项目进行考核，但很多地区已经开展了大量河流健康评价工作，其评价指标从理化指标转向理化指标和生物指标，如广东省、浙江省、江苏省、四川省建立了包括生物多样性、水质、物理化学指标、生态完整性等指标的地区性河流健康评价标准。国内学者开展了基于熵值法、集对分析法等多种模型的河流健康评价研究和应用[6,7]，这种综合指标法能够反映不同尺度信息，未来将成为河流健康评价主要手段。
图1 国内外主要河流健康评价方法
Fig.1 Major river health assessment methods at domestic and abroad
国外，20世纪初至中期，生态学家G.E. Hutchinson开始探索利用底栖生物群落结构和浮游生物群落健康作为评估河流水质的生物指标，这些研究初步建立了底栖动物多样性指数和浮游生物健康评估方法。1989年，美国提出多种生物的监测及评价方法—RBPs(Rapid Bioassessment Protocols)，并在1999年进行修订。1992年，澳大利亚提出AUSRIVAS(Australian River Assessment System)、ISC(Index of Stream Condition)构建了多指标的评价体系，1994年，南非针对调查河流形态和栖息地指数的方法提出ISG(Index of Stream Geomorphology)，1998年，英国提出RHS(River Habit Survey)来调查河流形态、地貌特征以及横断面形态。2000年，欧盟实施了水框架指令(WFD)，要求成员国通过综合评估方法制定水体管理计划，推动了欧洲水质评价和水资源管理的统一和标准化。随着进入21世纪，各国在生物监测技术上取得了显著进展，包括应用DNA分析技术和开发自动化生物监测系统，大大提升了对水生态系统健康的精确评估能力。这些国家在河流生态质量评价方面进行了大量卓有成效的工作。研究进展主要体现在河流健康相关基础研究[8,9]、河流健康评估方法研究[10]、河流健康监测技术研究[11,12]三个方面(表1)
近年来，国际研究团队和政府机构开始关注生态系统服务，如水源涵养和生物多样性维持，将其纳入河流健康评价的维度和方法中。利用大数据技术和数学模型，环境科学家和工程师综合评估多源数据(如水质数据、生物监测数据和地理信息)，提高了对复杂河流系统的全面评估能力，例如通过GIS技术实现空间分析和趋势预测。各国政府和国际组织如OECD和联合国环境署强调跨界河流管理和国际合作，推动跨国河流健康评价的统一标准和政策框架，促进全球水资源的可持续管理。
表1 河流健康评价研究进展
Table1 Research progress of river health assessment
|
名称 |
内容 |
技术特点 |
研究成果 |
|
河流健康相关基础研究 |
主要关注河流生态系统的结构和功能，以及它们与环境变化的关系。 |
采用了生物多样性、水质理化等监测技术和遥感技术，用于获取河流生态系统的实时数据。 |
温度和营养物质等环境因素对河流生态系统有重大影响，生物多样性则可以作为评估河流健康的重要指标。新兴污染物对河流生态系统产生了严重影响。 |
|
河流健康评估方法研究 |
开发和应用定量的评估指标体系。 |
应用了新兴技术，开发和应用定量的评估指标体系，提高评估的准确性和效率。 |
利用人工智能和机器学习开发和应用定量的评估指标体系。开发用于评估不同国家和地区的河流健康状况的评估框架。 |
|
河流健康监测技术的研究 |
研究和发展新的监测设备和技术，探索将物联网和大数据技术应用于河流健康的监测和管理。 |
将数字技术用于大规模的流域监测和数据分析。传统的采样和分析技术也被应用于监测过程中，如化学分析、生物学分析和同位素分析等。 |
一些传感器技术和无人机、无人船等监测设备被广泛应用于大规模的流域监测。此外，物联网和大数据技术也被探索如何应用于河流健康的监测和管理。 |
2 河流健康评价方法
在河流健康评价方法研究方面，已进行了广泛的研究，包括对河流健康概念的辨析、健康内涵的挖掘和评价方法的探讨等[13]。近50年来，河流健康评价方法在多个方面取得了显著的进展。
2.1 从单一指标评价到综合评价
河流健康评价从采用单一的指标进行评价(水质、流量、底泥污染等)到多指标综合评价。通过构建多指标评价体系(水文特性H、水质特性Q、地貌特征G、生物特征B、社会经济特性S)及评价方法对河流健康状况进行评价能全面地评价河流[14-20]，但是不同指标的权重分配需要结合数学方法进行优化。
2.2 动态评价与数学模型
河流健康评价方法从关注静态指标，如水质和流量逐渐向动态评价转变，关注河流生态系统在不同时间尺度和空间尺度上的变化。研究表明时间尺度对生态系统的影响大于空间尺度[21]，这是由于季节性的温度变化会影响生物群落，还会导致河流的溶解氧和酸碱度，而且河流携带的污染负荷不是连续的[22]，同时河流区域性、时间变化[23-25]对河流健康评价也会产生影响。需要注意的是，现阶段还不能有效的解决动态指标的非平稳性。
河流健康评价方法从经验判断和主观评价逐渐向数学模型评价转变。这些模型可以模拟河流生态系统的动态变化，提供更为准确和客观的评价结果。杨静[26]基于建立数学模型(模糊综合评价法)，通过构建评价指标体系和权重模型，对河流健康进行评价。王涛等[27]发现基于综合权重法和熵权法的模糊综合评判法能较全面地反映水质的实际情况，评价结果几乎一致，且相对较好，这说明将数学模型应用到河流健康评价中能够提高评价的准确性。
2.3 多学科交叉评价
过去，河流健康评价方法主要局限于环境科学领域。现在，随着其他学科领域的交叉应用，河流健康评价方法逐渐向多学科交叉评价转变，例如从生态学、地理学、水文学等[28-34]角度对河流健康进行评价。这些学科领域的交叉应用，促进了评价方法的综合性和系统性。
近年来国内外学者提出了多种方法，包括生物学评价法[35]、综合评价法[36]、栖息地质量评价法[37,38]等。这些方法各有特点，可以根据实际情况选择应用。生物学评价法、综合指标法和栖息地质量评价法都是评估生物栖息地或生物健康状况的方法，但它们各有不同的优缺点(表2)。
总之，国内河流健康评价研究的指标体系、实证研究和实践应用等方面都取得了显著进展。通过不断优化和完善现有的评价方法和标准，相信我国将能够更好地保护河流生态环境和维护生态安全。
表2 目前应用最广泛的三种河流健康评价方法
Table 2 The three most widely used river health assessment methods
|
方法 |
评价指标 |
主要内容 |
优点 |
缺点 |
|
生物学评价法 |
以生物指标为依据 |
主要研究生物个体或群体的健康状况、行为特征、生理状态等，以评估栖息地的质量 |
可以直接获取第一手数据，具有客观、灵敏、综合等优点 |
数据获取和分析难度大、评价结果受到许多外部因素的影响 |
|
综合评价法 |
涵盖了水质、水文、形态、生态等多个方面 |
主要研究影响生物栖息地的各种因素，包括生物多样性、生态系统功能、水质、土壤营养物质等 |
综合评价法具有全面、系统、可比等优点 |
过于依赖现有数据，指标选取和权重确定主观性较大、部分指标难以定量等缺点 |
|
栖息地质量评价法 |
物理、化学和生物特性 |
主要研究生物栖息地的物理特征和环境条件，如植被类型、水体质量、地形地貌等 |
直接评估生物栖息地的环境条件，并且对工作人员的要求较低，针对性强、评价结果直观 |
无法全面反映栖息地的生态功能和生物多样性。数据获取难度大、栖息地特性与生物多样性关系不明确 |
3 河流健康评价指标
在构建河流健康评价中，如何确定和筛选适用于不同河流、不同区域的评价指标是关键问题。此外，如何将河流健康评价与水资源管理、水生态保护等实际问题相结合，提高评价的实用性和可操作性，也是当前研究的重要方向。
3.1 河流健康评价指标分类
3.1.1 河流的自然属性指标
河流的自然属性包括长度、流域面积、河流形态、河流水文特征等。研究表明，地质地貌对河流功能性有显著影响[39]。同时，土壤和水评估工具水文建模可用于分析评估土地利用和土地覆被变化的影响[40]。有学者发现考虑到径流因素后，河流健康状况还应与空间优势水平有关，EHI表现出显著的全局空间相关性和局部空间正相关[41]。因此河流自然因素直接关系到河流生态系统的结构和功能，是选择评价指标的基础。
3.1.2 河流生态系统的服务功能指标
河流生态系统为人类提供供水、灌溉、发电、渔业、旅游等服务功能。健康的河流生态系统可以通过河岸带、动植物和微生物发挥的各种功能将受污染的水体恢复到原来的状态[42]。赵同谦等[43]根据水生态系统提供服务特点，在评价中，将我国陆地水生态系统分为河流、水库、湖泊、沼泽4个类型，结合基础数据的可获得性，建立了5个直接使用价值指标和7个间接使用价值指标构成的评价指标体系。现阶段有学者利用DPSIR去评价水资源承载力[44-46]，进一步丰富了生态系统的服务功能指标体系。这表明服务功能是选择评价指标的重要依据。
3.1.3 河流的物理、化学、生物指标
为了使评价指标更具多样性和代表性，通常需要选择一系列指标来综合评价河流健康状况。物理指标主要包括河流形态、河床质等;环境指标主要包括气候、土地利用、污染源等;化学指标主要包括水质、营养盐、重金属等;生物指标主要包括生物种类、数量、分布等。通过污染物测定和DNA/RNA测序获得河流生态系统的详细物理化学和生物学特征[47](特别是新出现的污染物，如环境内分泌干扰物(EDCS)[48-49]、药品与个人护理用品(PPCPs)[50]、纳米材料[51]、全氟类有机化合物(PFCs)[52]、微塑料[53]等)。
需要注意的是，对于生物指标的选择尤为重要，现阶段进行群落和物种分析时，很多学者采用shannon-wiener、simpson等指数，但是这种指数是一种无量纲系数，从评价结果来看，不能成倍数增长，所以在选择指标，应该选择可量纲化的指标进行评价。
3.2 河流健康评价指标的特点
3.2.1 指标的多样性
在河流健康评价中，应根据流域特征、水质、生物多样性、水文特性、人为因素和社会经济特性选择指标。流域特征可关注土壤侵蚀率、河流蜿蜒度、悬移质输沙量变化率等，水质可关注水质类别、水功能区可关注水质达标率、纳污性能、富营养化指数等，生物多样性考虑物种丰度与完整性指数，水文特性则考虑流量和流态。社会经济特性可以选择景观舒适度、水资源开发利用率、灌溉水利用系数等。另外要针对性地选择指标，在对下游进行评价时，应将水质指标的权重调高，在对中游进行评价时，应将生态指标的权重调高，在对上游进行评价时，应将水资源的可持续利用指标提高，进而“因地适宜”的选择指标。针对不同河流特性，现阶段研究从物理、化学、生物、社会的角度采用指标，包含了温度、水文、水质指数(WQI)、重金属[54-56]、IBI以及细菌生物完整性指数[57]、社会经济等。
3.2.2 指标的可筛选性
如何筛选指标是一个亟待解决的问题，目前常用的PCA、Sensitivity Analysis、Contribution Analysis、Independent Analysis、Discriminant Analysis等方法能够有效地筛选数据[58]、但仍存在指标权重不确定性的问题。因此，要进行指标权重的敏感性分析以验证评价结果的正确性[59-61]。此外考虑到采样点分布不均的局限性，可以通过模拟流域地表径流和污染物负荷将生物物理产出转化为生态系统健康评价的相关指标[62]。
总而言之，选择合适的指标是进行河流健康评价的关键，通过主观方法(如专家打分)找出指标，客观方法(如PCA)筛选出相关度高的指标，找出不同类型下的特种指示物种。
4 河流健康评价体系
河流健康评价模型是用来模拟和评估河流生态系统健康状况的工具。在河流健康评价模型的发展历程中，一些经典的模型如模糊评价模型、PSR模型、IBI模型等被广泛使用。这些模型在处理多指标、非线性关系和不确定性方面具有一定的优势。
4.1 模糊综合评价(FCA)
模糊评价法是一种基于模糊数学的评价方法，通常用于对一些难以准确量化的对象进行评价。模糊评价法可以应用于不同类型的河流进行健康评价，包括山区河流、平原河流和城市河流等。
王国胜[63]根据建立的指标体系和河流健康评价的AHP—模糊综合评价模型对研究区域的河流健康进行了系统的评价，使评价理论和方法得到了应用性检验。Zhang W[64]采用模糊综合评价法对河流健康进行评价，通过构建评价指标体系和评价模型，对河流的健康状况进行全面、客观、科学的评估。吕迎雪[65]结合模糊数学理论，通过层次分析法确定各指标权重，建立河流生态效益综合评价模型。Xiaojun Deng[66]采用改进的基于熵的模糊物质-元素模型对太湖平原的健康状况进行了评估。目前评估流域河流及其生态系统服务健康状况的框架主要基于模糊数学方法[67]。这种框架不能充分考虑河道的水文特征对生物区系及其生境的影响。如果基于压力源去构建评价框架，就不能从流域视角进行充分评价[68]。因此识别生态系统服务的区域分异特征及其驱动力、建立流域模型、定量识别生态系统服务驱动就成为目前研究的方向之一[69]。
因此，模糊评价法更适用于地质地貌复杂、信息不完整或存在不确定性的河流。例如，对于地质条件复杂、地貌变化多样的河流，模糊评价法可以帮助对地质地貌进行评价和分类。
4.2 PSR模型
为了构建评估指标体系，制定的压力-状态-响应(PSR)框架，通过测量某种状态下的环境压力来评估环境条件，社会对状态的反应。该模型基于因果关系的概念:人类活动对环境施加压力并改变环境状态，从而导致对人类行为的反应。从目标层、项目层、指数层区分了三类指标:生态环境压力指标、生态环境状况指标、社会响应指标。
学者基于PSR模型分别对太尔河[70]、天津近岸区域[71]、河南汝安县[72]、石乌里河[73]进行健康评价，系统地分析人类与环境系统之间的相互作用，进一步丰富流域尺度指标，准确识别河流健康问题，为河流域生态恢复提供理论和技术依据。同时PSR模型还可以帮助我们了解不同尺度之间的关系，如Shenbei Zhou[74]发现河岸带生态系统的压力和响应具有较好的协同效应，即在承受压力的同时，响应也能使河岸生态系统具有良好的支撑作用。在不同的季节，选择合适的模型也是非常重要的。例如，PSR和M-HSC是两种常用的方法，它们在雨季都能表现出相似的健康程度。然而，由于M-HSC的便捷性，它更值得推荐。在旱季，PSR更能准确地反映QBR的真实情况。在评估人为干扰对河流健康的影响时，PSR更适合城市河流，而M-HSC更适合评估农村河流的水利工程效果。因此，在选择模型时，需要考虑季节和特定情况，以确保选择最合适的模型来评估河流的健康状况[75]。
PSR法更适用于水质受到多种污染物影响的河流，特别是需要综合考虑不同污染物对水质的影响时，PSR法可以提供较为全面的评价结果。因此，对于受到多种污染物影响的河流，PSR法可以帮助评估水质状况。
4.3 IBI评价
基于鱼类、底栖无脊椎动物和硅藻的生物完整性指数(IBI)已成为评估水生系统健康状况的最广泛使用的管理工具，同时P-IBI也是评价梯级水库地区河流生态健康的潜在工具[76]。除此以外，还有研究通过研究群落结构动态构建生物完整性浮游指数(P-IBI)指标体系[77]。基于浮游植物的IBI(Phyto-IBI)和基于浮游动物的IBI(Z-IBI)已被用于评估相对稳定的湖泊和海湾生态系统的健康状况。刘思思[78]等以水生态调查数据为基础，构建适用于辽河流域的B-IBI评价体系。蒋孝燕[79]等通过进行鱼类调查，构建曹娥江鱼类生物完整性指数(F-IBI)体系。马卓荦[80]等调查了东江下游地区河流的底栖动物，首次构建了该地区受损河流底栖动物完整性(B-IBI)评价体系。大型底栖动物完整性指数(B-IBI)在国际水生态健康评价中应用广泛，但需要结合各流域生态环境特征分别构建。
IBI评价法更适用于对河流的生态状况进行评价。现在有些研究是利用eDNA与IBI相结合进行评价，可是针对eDNA技术，应该考虑到水动力学或者外源污染导致基因片段的异地性。
4.4 其他数学模型
现阶段的河流健康评价模型已经从单一指标，单一学科方法转变为多指标，多学科的模型方法。
例如基于大数据和人工智能的机器学习模型能够从大量数据中提取有价值的信息，并自动优化和调整模型参数。杨柳等[81]建立了熵视角下的可拓物元评价模型，结合各指标的时间序列变化对灞河生态健康进行动态评价。高明[82]在传统SPA理论基础上引入灰色白化三角权函数，探索构建了改进SPA模型。周振民等[83]基于构建模型对渭河流域林家村-魏家堡段河流健康进行了评价模型。可以利用水质指数(WQI)用于评估和描述给定水体(如河流、湖泊、海洋等)的整体水质，在最近的研究中，已经开发了ANN模型来预测各种水质参数，例如DO和BOD，以强调和提高水质预测/建模的适用性和可靠性[84]。马克迪等[85]基于改进的POME模糊综合评价模型对江苏省河流生态健康评价。陆威妤等[86]基于物元可拓模型对河流健康评价体系构建。张杰等[87]按照建立RIVPACS模型的方法和步骤，开展预测模型试点研究对漓江进行研究，说明已建立的模型可靠性好。Meirong Su[88]利用集合对分析来保证和促进生态系统健康标准的客观性。李晓峰等[89]将传统的TOPSIS模型进行改进算法，表明该改进算法具有较强的可行性和有效性。此外Zhengxian Zhang等[90]建立了一种新的多维相似性云模型(MSCM)，可以用于利用模糊监测数据评估河流健康状况。
4.5 河流健康评价存在的问题
氧化还原潜能指数模型(Redox Potential Index Models)[91,92]、生物指标模型(Biological Indices Models)[93]在处理复杂生态系统时过于简化或理想化，无法真实反映实际情况。生态动力学模型(Ecodynamic Models)[94,95]、水质模型(Water Quality Models)[96,97]、流域水文模型(Watershed Hydrological Models)[98,99]在评估河流环境健康时对于复杂系统拟合较好，但是需要大量的数据支持和复杂的模型参数校准。因此，在实际应用中需要权衡模型的复杂性和可操作性，以确保评价结果的可靠性和适用性。线性模型(Linear Models)[100]在处理不确定性和动态变化方面较弱，难以适应河流生态系统的动态变化。
为了解决这些问题和挑战，需要进一步完善评价指标体系，制定统一的标准和方法，提高数据获取的准确性和可靠性，同时加强模型的可解释性和可操作性。此外，可以借助人工智能和大数据技术，开发更加智能、高效的河流健康评价模型，为河流保护和管理提供更加科学、有效的支持[101]。
5 结论与展望
5.1 评价指标选取权重标准化
在制定生物评估指标时，应平衡优势物种和稀有物种的功能[102]。对于山地湿地类型的河流，可以利用遥感数据定量评估湿地生态系统的健康状况[103]。另外以底栖动物进行河流健康评价往往更适用于山区河流。在指标方面，需要考虑不同的地区地貌，对指标进行针对性地调整[104]，有些跨越性较强的河流，在进行评价时，应采取多点位、多指标、多季节的方式。另外，可以使用eDNA[105]的方法对河流的物种情况进行摸底，这样可以更好地评价河流健康状况。应注重将主观定权和客观定权结合起来(Delphi法[106]、基于功能驱动的G2法[107,108]、熵权法[109]、二项系数法、均方法等)，并根据不同情况调整两者的占比系数。
要从物理、化学、生物等多角度构建模型，如气候变化导致水生生态系统的结构和功能发生重大变化，最终影响河流健康[110]，而且大多数动植物的生物多样性随着纬度的降低而增加[111]。此外还应该考虑到社会经济方面，此外河流生态的健康还需要依赖人与自然的和谐相处[113]，在人类活动的影响下，河流的健康状况也会受到很大的影响。因此，在评价河流健康时，要考虑多种因素对河流的影响。
5.2 规范化数据采集和处理方法
在河流健康评价的模型方法上，应该将数学方法充分利用，由于河流健康评价牵扯的数据比较多，指标的正确性尤为重要[114]，标准数据始终存在不确定性，因为它们与水文和水资源系统相关[115]。可以多采用数学分析方法、集合对分析法(SPA)、香农熵法(EWQI)、水质指数(WQI)和多元统计方法如层次聚类分析(HCA)和主成分分析(PCA)，对指标进行判别筛选，当前我们的指标很多依赖于赋分，在这种指标上，需要改进算法，例如利用最小偏差原理对层次分析法和IE加权方法进行优化，得到河流健康指标的综合权重(CW)[116]。
5.3 完善土地状况指标和人类活动指标
生物指标难以反映河岸带状况，现有河流健康评价体系仍缺乏较大规模的土地状况评价指标。现阶段有很多学者从水文学[117,118]和流体力学[119,120]的角度对河流进行健康评价，在之后的研究中，可以将土壤健康指标和流体指标纳入指标体系内[121]。应持续监测区域生态健康状况，自然干预与人工干预相结合，加快生态修复进程。
5.4 加快预测模型和现实数据的比对
由于现场水质评价成本高，评价限制于特定时间和地点，机器学习的模型预测被广泛应用于环境监测中，学者利用模型可以对碳排放[122]、空气质量[123]、土壤金属污染[124,125]、水质[126]、污染物浓度等进行预测。然而预测模型需要解决数据的非平稳性给模型带来的影响。有学者发现耦合的WA-LSTM-TL模型，用于改善河流水质预测，以解决非平稳性和数据局限性问题[127]。后续需要加紧对预测模型的更新和减少模型与现实数据之间的误差。
5.5 实施科学化河流管理
科学化河流管理的实施需要系统化的措施，可以通过“数据收集—方案制定—加大宣传—实施管理”的方法保护河流健康。首先，通过数据收集与监测建立全面的数据库，定期跟踪水文、水质和生物多样性，获取精准的基础数据。其次，对河流健康状态进行评估与分析，识别自然与人类活动的影响因素。基于评估结果，制定清晰的管理目标，如水质改善、生态保护和资源效率提升。此外，应鼓励公众参与与教育，提升社区居民的环保意识，让他们积极参与河流管理工作。最后，通过实施适应性管理，定期评估和调整管理策略，以应对环境变化及新挑战。
综上所述，河流健康评价技术体系正逐步成熟，未来的发展方向在于提高评价的精准性和全面性，并通过科技手段的创新与国际合作，进一步完善评价体系。
利益冲突: 作者声明无利益冲突。
[①] *通讯作者 Corresponding author:高湘，gaoxiang_117@126.com
收稿日期:2024-09-10; 录用日期:2024-10-06; 发表日期:2024-12-28
基金项目:河北省社会科学基金项目(HB23GL008)、河北省科技重点研发计划项目(21373904D)。
参考文献(References)
[1] Chrea S, Tudesque L, Chea R. Comparative assessment of water quality classification techniques in the largest north-western river of Cambodia(Sangker River-Tonle Sap Basin)[J]. Ecological Indicators, 2023, 154: 110759.
https://doi.org/10.1016/j.ecolind.2023.110759
[2] 王紫麟. 基于河流生态修复理论的城市河流景观设计研究[D]. 北京: 北京林业大学, 2020.
https://doi.org/10.26949/d.cnki.gblyu.2019.000518
[3] 娄雅宁. 河流生态修复的伦理研究[D]. 南京: 南京林业 大学, 2019.
https://doi.org/10.27242/d.cnki.gnjlu.2019.000084
[4] 郭文献, 王艳芳, 徐建新. 河流生境研究综述[J]. 华北水利水电大学学报(自然科学版), 2015, 36(03): 21-23.
https://doi.org/10.3969/j.issn.1002-5634.2015.03.005
[5] 罗坤. 城市化背景下河流健康评价研究[D]. 重庆: 重庆大学, 2017.
[6] Wu F F, Wang X. Eutrophication evaluation based on set pair analysis of Baiyangdian Lake, North China[J]. Procedia Environmental Sciences, 2012, 13: 1030-1036.
https://doi.org/10.1016/j.proenv.2012.01.096
[7] Wan X, Yang T, Zhang Q, et al. A novel comprehensive model of set pair analysis with extenics for river health evaluation and prediction of semi-arid basin-A case study of Wei River Basin, China[J]. Science of The Total Environment, 2021, 775: 145845.
https://doi.org/10.1016/j.scitotenv.2021.145845
[8] Yuyang Wang, Jianrui Ge, Yongming Zhang, et al. Health assessment of the current situation of rivers and discussion on ecological restoration strategies: A case study of the Gansu province section of the Bailong river[J]. Ecological Indicators, 2024, 163, 112038.
https://doi.org/10.1016/j.ecolind.2024.112038
[9] Oli C C, Offor C C, Ezeudu E C, et al. Exposure hazards of As in semi-urban rivers of Anambra, South-East Nigeria: Concentrations, source apportionments, health risks, and irrigation quality assessments[J]. HydroResearch, 2024, 7: 181-190.
https://doi.org/10.1016/j.hydres.2024.03.003
[10] Ma D, Luo W, Yang G, et al. A study on a river health assessment method based on ecological flow[J]. Ecological modelling, 2019, 401: 144-154.
https://doi.org/10.1016/j.ecolmodel.2018.11.023
[11] Hu H, Liu L, Wei X Y, et al. Revolutionizing aquatic eco-environmental monitoring: Utilizing the RPA-Cas- FQ detection platform for zooplankton[J]. Science of The Total Environment, 2024: 172414.
https://doi.org/10.1016/j.scitotenv.2024.172414
[12] Nakhle P, Stamos I, Proietti P, et al. Environmental monitoring in European regions using the sustainable development goals(SDG)framework[J]. Environmental and Sustainability Indicators, 2024, 21: 100332.
https://doi.org/10.1016/j.indic.2023.100332
[13] Fentaw G, Mezgebu A, Wondie A, et al. Ecological health assessment of Ethiopian wetlands: Review and synthesis[J]. Environmental and Sustainability Indicators, 2022, 15: 100194.
https://doi.org/10.1016/j.indic.2022.100194
[14] 董哲仁. 国外河流健康评估技术[J]. 水利水电技术, 2005(11): 15-19.
https://doi.org/10.3969/j.issn.1000-0860.2005.11.005
[15] 蔡守华, 胡欣. 河流健康的概念及指标体系和评价方法[J]. 水利水电科技进展, 2008(01): 23-27.
doi:10.3880/j.issn.1006-7647.2008.01.007
[16] 熊文, 黄思平, 杨轩. 河流生态系统健康评价关键指标研究[J]. 人民长江, 2010, 41(12): 7-12.
doi:10.3969/j.issn.1001-4179.2010.12.002
[17] 李荣, 孙本诚. 河流健康评价研究———以太湖县长河为例[J]. 水利技术监督, 2023(09): 147-149+162.
https://doi.org/10.3969/j.issn.1008-1305.2023.09.038
[18] 王娟, 牛晓宇, 孙亚玲. 甘肃省黑河中游段河流生态系统健康评价[J]. 陕西水利, 2023(09): 80-83.
https://doi.org/10.16747/j.cnki.cn61-1109/tv.2023.09.050
[19] 宫远乔, 刘莹, 李铁男等. 基于改进AHP-模糊综合评价的河湖健康评价研究———以哈尔滨市阿什河为例[J]. 环境科学与管理, 2023, 48(08): 183-188.
https://doi.org/10.3969/j.issn.1673-1212.2023.08.037
[20] 周上博, 袁兴中, 刘红等. 基于不同指示生物的河流健康评价研究进展[J]. 生态学杂志, 2013, 32(08): 2211-2219.
https://doi.org/10.13292/j.1000-4890.2013.0424
[21] Bian R, Huang S, Cao X, et al. Spatial and temporal distribution of the microbial community structure in the receiving rivers of the middle and lower reaches of the Yangtze River under the influence of different wastewater types[J]. Journal of Hazardous Materials, 2024, 462: 132835.
https://doi.org/10.1016/j.jhazmat.2023.132835
[22] Hernandez-Ramirez A G, Martinez-Tavera E, Rodriguez- Espinosa P F, et al. Detection, provenance and associated environmental risks of water quality pollutants during anomaly events in River Atoyac, Central Mexico: A real-time monitoring approach[J]. Science of the Total Environment, 2019, 669: 1019-1032.
https://doi.org/10.1016/j.scitotenv.2019.03.138
[23] Naddeo V, Zarra T, Pervez M N, et al. A comparative analysis of ecological status assessment in river water quality under the European Water Framework Directive [J]. Case Studies in Chemical and Environmental Engineering, 2023, 8: 100477.
https://doi.org/10.1016/j.cscee.2023.100477
[24] Lau D C P, Brua R B, Goedkoop W, et al. Fatty-acid based assessment of benthic food-web responses to multiple stressors in a large river system[J]. Environmental Pollution, 2023, 337: 122598.
https://doi.org/10.1016/j.envpol.2023.122598
[25] Colls M, Arroita M, Larrañaga A, et al. The nutrient uptake bioassay(NUB): A method to estimate the nutrient uptake capacity of biofilms for the functional assessment of river ecosystems[J]. Ecological Indicators, 2023, 154: 110776.
https://doi.org/10.1016/j.ecolind.2023.110776
[26] 杨静. 改进的模糊综合评价法在水质评价中的应用[D]. 重庆: 重庆大学, 2014.
[27] 王涛, 魏亚妮, 钱会. 权重对水质模糊综合评价的影响[J]. 南水北调与水利科技, 2010, 8(02): 87-90.
https://doi.org/10.3969/j.issn.1672-1683.2010.02.024
[28] Julio A. Camargo, Álvaro Alonso. Ecological and toxicologicaleffects of inorganic nitrogen pollution in aquaticecosystems: A global assessment[J]. EnvironmentInternational, 2006, 32(6): 831-849.
https://doi.org/10.1016/j.envint.2006.05.002.
[29] Kim H G, Kwak I S. Evaluating the necessity of geographicallocality for patterning biological integrity andits responses to multiple stressors in river systems[J]. Ecological Indicators, 2022, 142: 109285.
https://doi.org/10.1016/j.ecolind.2022.109285
[30] Cai Z, Zhang Z, Zhao F, et al. Assessment of eco-environmentalquality changes and spatial heterogeneity inthe Yellow River Delta based on the remote sensing ecologicalindex and geo-detector model[J]. EcologicalInformatics, 2023, 77: 102203.
https://doi.org/10.1016/j.ecoinf.2023.102203
[31] Liang J, Liu Z, Tian Y, et al. Research on health risk assessmentof heavy metals in soil based on multi-factorsource apportionment: A case study in GuangdongProvince, China[J]. Science of The Total Environment, 2023, 858: 159991.
https://doi.org/10.1016/j.scitotenv.2022.159991
[32] Cui H, Liu M, Chen C. Ecological restoration strategiesfor the topography of Loess Plateau based on adaptiveecological sensitivity evaluation: A case study inLanzhou, China[J]. Sustainability, 2022, 14(5): 2858.
https://doi.org/10.3390/su14052858
[33] Tian P, Wu H, Yang T, et al. Evaluation of urban waterecological civilization: A case study of three urban agglomerationsin the Yangtze River Economic Belt, China[J]. Ecological Indicators, 2021, 123: 107351.
https://doi.org/10.1016/j.ecolind.2021.107351
[34] Liu M, Hao Z, Radu T, et al. Evaluation method forrestoration effect of different sections of small and medium-sized rivers: A case study of the Qingyi River, China[J]. Environmental Research, 2023, 236: 116797.
https://doi.org/10.1016/j.envres.2023.116797
[35] Wei D, Kisuno A, Kameya T, et al. A new method forevaluating biological safety of environmental water withalgae, daphnia and fish toxicity ranks[J]. Science of thetotal environment, 2006, 371(1-3): 383-390.
https://doi.org/10.1016/j.scitotenv.2006.08.038
[36] Jeffrey Kouton, Sohonan Thomas Tuo, Emmanuel WodebaGuilsou. Thresholds to sustainability: Globalization'simpact on the institutional quality-ecological footprintnexus in Africa[J]. Science of The Total Environment, 2024, 954, 176205.
https://doi.org/10.1016/j.scitotenv.2024.176205.
[37] Wang S, Chen H, Su W, et al. Research on habitat qualityassessment and decision-making based on Semi-supervisedEnsemble Learning method—Daxia River Basin, China[J]. Ecological Indicators, 2023, 156: 111153.
https://doi.org/10.1016/j.ecolind.2023.111153
[38] Liu B, Cao S. Comment: Averaging statistics of multimetricindex leading to an inaccurate evaluation on methodsof defining biological condition of streams/rivers inecological assessment[J]. The Science of the Total Environment, 2018, 649: 1640-1642.
https://doi.org/10.1016/j.scitotenv.2018.04.376
[39] 张为玲, 盖永伟, 龙玉桥, 等. 河流功能研究尺度与影响因素探析[J]. 水利发展研究, 2017, 17(10): 27-31+41.
https://doi.org/10.13928/j.cnki.wrdr.2017.10.008
[40] Gurjar S K, Shrivastava S, Suryavanshi S, et al. Assessmentof the natural flow regime and its variability in atributary of Ganga River: Impact of land use and landcover change[J]. Environmental Development, 2022, 44: 100756.
https://doi.org/10.1016/j.envdev.2022.100756
[41] Zhou Y, Yue D, Li S, et al. Ecosystem health assessmentin debris flow-prone areas: A case study of BailongRiver Basin in China[J]. Journal of Cleaner Production, 2022, 357: 131887.
https://doi.org/10.1016/j.jclepro.2022.131887
[42] Robert Costanza. Valuing natural capital and ecosystemservices toward the goals of efficiency, fairness, and sustainability[J]. Ecosystem Services, 2020, 43, 101096.
https://doi.org/10.1016/j.ecoser.2020.101096.
[43] 赵同谦, 欧阳志云, 王效科, 等. 中国陆地地表水生态系统服务功能及其生态经济价值评价[J]. 自然资源学报, 2003,(04): 443-452.
doi:10.11849/zrzyxb.2003.04.008
[44] 任楠波, 刘宏权, 潘增辉等. 基于DPSIR-博弈论组合赋权TOPSIS模型的河北省水资源保障度演进评价[J]. 南水北调与水利科技(中英文), 2023, 21(05): 873-885.
https://doi.org/10.13476/j.cnki.nsbdqk.2023.0085
[45] 王乾州. 基于DPSIR模型的三河口水库水生态安全状况评价研究[D]. 西安: 西安理工大学, 2023.
https://doi.org/10.27398/d.cnki.gxalu.2023.000662
[46] 范德政, 梅雪梅, 任正龑等. 基于DPSIR 模型的宁夏地区水土资源承载力评价[J]. 水电能源科学, 2023, 41(06): 35-39.
https://doi.org/10.20040/j.cnki.1000-7709.2023.20221240
[47] Bai Y, Lin H, Wang C, et al. Digitalizing river aquatic ecosystems[J]. Journal of Environmental Sciences, 2024, 137: 677-680.
[48] 李凌云, 高礼, 郑兰香, 等. 宁夏入黄排水沟中典型内分泌干扰物的污染特征与风险评价[J]. 环境科学, 2023, 44(05): 2539-2550.
https://doi.org/10.13227/j.hjkx.202206110
[49] Urmi M A, Akbor M A, Sarker S, et al. A pioneeringstudy on endocrine disruptors(phthalates esters)in urbanrivers of Bangladesh: An appraisal of possible riskassessment to ecology and human health[J]. Journal ofHazardous Materials Advances, 2023, 12: 100369.
https://doi.org/10.1016/j.hazadv.2023.100369
[50] 张照荷, 陈典, 赵微, 等. 水环境中药物与个人护理品(PPCPs)的环境水平及降解行为研究进展[J]. 岩矿测试, 2023, 42(04): 649-666.
https://doi.org/10.15898/j.ykcs.202210260207
[51] 谭江琳, 余薇薇, 黎玥淇, 等. 绿色化纳米零价铁合成及其对水中新污染物的应用研究进展[J/OL]. 环境工程, 1-12[2023-12-25]
[52] Tan X, Shi Y, Ma C, et al. Fluoro-functionalized plantbiomass adsorbent: Preparation and application in extractionof trace perfluorinated compounds from environmentalwater samples[J]. Journal of EnvironmentalSciences, 2024, 137(03): 703-715.
https://doi.org/10.1016/j.jes.2023.03.023
[53] 王华, 李思琼, 曾一川等. 长江流域微塑料生态风险综合评估[J/OL]. 水资源保护, 1-12[2023-12-25]
[54] Hoang H G, Chiang C F, Lin C, et al. Human health risk simulation and assessment of heavy metal contaminationin a river affected by industrial activities[J]. Environmental Pollution, 2021, 285: 117414.
https://doi.org/10.1016/j.envpol.2021.117414
[55] Cui L, Wang X, Li J, et al. Ecological and health risk assessmentsand water quality criteria of heavy metals inthe Haihe River[J]. Environmental Pollution, 2021, 290: 117971.
https://doi.org/10.1016/j.envpol.2021.117971
[56] Rajan S, Nan diman dalam J R. Environmental healthrisk assessment and source apportion of heavy metalsusing chemometrics and pollution indices in the upperYamuna river basin, India[J]. Chemosphere, 2024, 346: 140570.
https://doi.org/10.1016/j.chemosphere.2023.140570
[57] Li Y, Gao L, Niu L, et al. Developing a statisticalweightedindex of biotic integrity for large-river ecologicalevaluations[J]. Journal of Environmental Management, 2021, 277: 111382.
https://doi.org/10.1016/j.jenvman.2020.111382
[58] Shan C, Dong Z, Lu D, et al. Study on river health assessmentbased on a fuzzy matter-element extensionmodel[J]. Ecological Indicators, 2021, 127: 107742.
https://doi.org/10.1016/j.ecolind.2021.107742
[59] 张宇航, 渠晓东, 彭文启等. 北京市河流生态系统健康评价[J]. 环境科学, 2023, 44(10): 5478-5489.
https://doi.org/10.13227/j.hjkx.202210340
[60] Md Abdullah Al Mamun, M. Farhad Howladar, MdAzad Sohail, Assessment of surface water quality usingFuzzy Analytic Hierarchy Process(FAHP): A casestudy of Piyain River's sand and gravel quarry miningarea in Jaflong, Sylhet, Groundwater for Sustainable Development, Volume 9, 2019, 100208, ISSN 2352-801X.
https://doi.org/10.1016/j.gsd.2019.03.002.
[61] Akoto O, Adopler A, Tepkor H E, et al. A comprehensiveevaluation of surface water quality and potential health riskassessments of Sisa river, Kumasi[J]. Groundwater forSustainable Development, 2021, 15: 100654.
https://doi.org/10.1016/j.gsd.2021.100654
[62] Zhao X, Huang G. Urban watershed ecosystem healthassessment and ecological management zoning based onlandscape pattern and SWMM simulation: A case studyof Yangmei River Basin[J]. Environmental Impact AssessmentReview, 2022, 95: 106794.
https://doi.org/10.1016/j.eiar.2022.106794
[63] 王国胜. 河流健康评价指标体系与AHP—模糊综合评价模型研究[D]. 广州: 广东工业大学, 2007.
[64] Zhang W, Lai T, Li Y. Risk assessment of water supplynetwork operation based on ANP-fuzzy comprehensiveevaluation method[J]. Journal of Pipeline Systems Engineeringand Practice, 2022, 13(1): 04021068.
https://doi.org/10.1061/(ASCE)PS.1949-1204.0000602
[65] 吕迎雪, 胡德, 李鑫, 等. 基于模糊数学理论的河道生态效益综合评价[J]. China Harbour Engineering, 2023, 43(11).
https://doi.org/10.7640/zggwjs202311004
[66] Deng X, Xu Y, Han L, et al. Assessment of river healthbased on an improved entropy-based fuzzy matter-elementmodel in the Taihu Plain, China[J]. Ecological Indicators, 2015, 57: 85-95.
https://doi.org/10.1016/j.ecolind.2015.04.020
[67] Meynell P J, Metzger M, Stuart N. Identifying ecosystemservices for a framework of ecological importancefor rivers in South East Asia[J]. Water, 2021, 13(11): 1602.
https://doi.org/10.3390/w13111602
[68] Yates A G, Culp J M, Armanini D G, et al. Enhancingbioassessment approaches: development of a river servicesassessment framework[J]. Freshwater Science, 2019, 38(1): 12-22.
https://doi.org/10.1086/701674
[69] Wang H, Huang L, Zhang H, et al. Development of adecision framework for river health and water yield ecosystemservice in watershed[J]. Journal of Hydrology, 2023, 623: 129773.
https://doi.org/10.1016/j.jhydrol.2023.129773
[70] Zhang Y, Zang P, Guo H, et al. Wetlands ecological securityassessment in lower reaches of Taoerhe riverconnected with Nenjiang river using modified PSRmodel[J]. HydroResearch, 2023, 6: 156-165.
https://doi.org/10.1016/j.hydres.2022.12.003
[71] Tu J, Wan M, Chen Y, et al. Biodiversity assessment inthe near-shore waters of Tianjin city, China based onthe Pressure-State-Response(PSR)method[J]. MarinePollution Bulletin, 2022, 184: 114123.
https://doi.org/10.1016/j.marpolbul.2022.114123
[72] Zhang X, Qiao W, Lu Y, et al. Construction and applicationof urban water system connectivity evaluation index systembased on PSR-AHP-Fuzzy evaluation method coupling[J]. Ecological Indicators, 2023, 153: 110421.
https://doi.org/10.1016/j.ecolind.2023.110421
[73] Zhao Y W, Zhou L Q, Dong B Q, et al. Health assessmentfor urban rivers based on the pressure, state andresponse framework—A case study of the Shiwuli River[J]. Ecological indicators, 2019, 99: 324-331.
https://doi.org/10.1016/j.ecolind.2018.12.023
[74] Zhou S, Ye J, Li J, et al. Identifying intrinsic drivers tochanges in riparian ecosystem services by using PSRframework: A case study of the Grand Canal in Jiangsu, China [J]. Environmental Development, 2022, 43: 100728.
https://doi.org/10.1016/j.envdev.2022.100728
[75] Su Y, Li W, Liu L, et al. Health assessment of small-tomediumsized rivers: Comparison between comprehensiveindicator method and biological monitoring method[J]. Ecological Indicators, 2021, 126: 107686.
https://doi.org/10.1016/j.ecolind.2021.107686
[76] Zhang Y, Ban X, Li E, et al. Evaluating ecological healthin the middle-lower reaches of the Hanjiang River withcascade reservoirs using the Planktonic index of bioticintegrity(P-IBI)[J]. Ecological Indicators, 2020, 114: 106282.
https://doi.org/10.1016/j.ecolind.2020.106282
[77] Lin L, Wang F, Chen H, et al. Ecological health assessmentsof rivers with multiple dams based on the biologicalintegrity of phytoplankton: A case study ofNorth Creek of Jiulong River[J]. Ecological Indicators, 2021, 121: 106998.
https://doi.org/10.1016/j.ecolind.2020.106998
[78] 刘思思, 尚光霞, 高欣, 等. 基于大型底栖动物生物完整性的流域水生态健康评价[J]. 环境工程技术学报, 2023, 13(2): 559-566.
https://doi.org/10.12153/j.issn.1674-991X.20210326
[79] 蒋孝燕, 陈超, 冯志政, 等. 基于鱼类生物完整性指数的曹娥江流域水生态系统健康评价[J]. 生态与农村环境学报, 2023, 39(6): 767-773.
https://doi.org/10.19741/j.issn.1673-4831.2022.0446
[80] 马卓荦, 胡和平, 王赛. 基于B-IBI的东江下游河流生态健康评价[J]. 长江科学院院报, 2023, 40(9): 32.
https://doi.org/10.11988/ckyyb.20220331
[81] 杨柳, 张永进, 汪妮, 等. 基于熵权可拓物元模型的河流健康评价[J]. 西安理工大学学报, 2015, 31(02): 189-194.
https://doi.org/10.19322/j.cnki.issn.1006-4710.2015.02.013
[82] 高明. 基于改进SPA 模型在河流健康评价中的应用[J]. 水科学与工程技术, 2016(03): 33-36.
https://doi.org/10.19733/j.cnki.1672-9900.2016.03.014
[83] 周振民, 樊敏. 基于PSR-改进模糊集对分析模型的河流健康评价[J]. 中国农村水利水电, 2018(12): 77-81+86.
https://doi.org/10.3969/j.issn.1007-2284.2018.12.015
[84] Azha S F, Sidek L M, Ahmad Z, et al. Enhancing riverhealth monitoring: Developing a reliable predictivemodel and mitigation plan[J]. Ecological Indicators, 2023, 156: 111190.
https://doi.org/10.1016/j.ecolind.2023.111190
[85] 马克迪, 董增川, 金大伟等. 基于改进的POME模糊综合评价模型的江苏省河流生态健康评价[J]. 水电能源科学, 2021, 39(01): 67-70+74.
[86] 陆威妤, 刘博, 苏晓鹭, 等. 基于ESG理念的河流健康评价体系构建[J]. 人民长江, 2023, 54(06): 34-40.
https://doi.org/10.16232/j.cnki.1001-4179.2023.06.005
[87] 张杰, 蔡德所, 曹艳霞, 等. 评价漓江健康的RIVPACS预测模型研究[J]. 湖泊科学, 2011, 23(01): 73-79.
https://doi.org/10.18307/2011.0112
[88] Su M. Emergy-based urban ecosystem health evaluationof the Yangtze River Delta urban cluster in China[J]. Procedia Environmental Sciences, 2010, 2: 689-695.
https://doi.org/10.1016/j.proenv.2010.10.078
[89] 李晓峰, 刘宗鑫, 彭清娥. TOPSIS模型的改进算法及其在河流健康评价中的应用[J]. 四川大学学报(工程科学版), 2011, 43(02): 14-21.
https://doi.org/10.15961/j.jsuese.2011.02.037
[90] Zhang Z, Li Y, Wang X, et al. Assessment of riverhealth based on a novel multidimensional similaritycloud model in the Lhasa River, Qinghai-Tibet Plateau[J]. Journal of Hydrology, 2021, 603: 127100.
https://doi.org/10.1016/j.jhydrol.2021.127100
[91] Shaheen S M, Chen H Y, Song H, et al. Release andmobilization of Ni, Co, and Cr under dynamic redoxchanges in a geogenic contaminated soil: Assessing thepotential risk in serpentine paddy environments[J]. Science of The Total Environment, 2022, 850: 158087.
https://doi.org/10.1016/j.scitotenv.2022.158087
[92] Duan Y, Schaefer M V, Wang Y, et al. Experimentalconstraints on redox-induced arsenic release and retentionfrom aquifer sediments in the central Yangtze RiverBasin[J]. Science of the total environment, 2019, 649: 629-639.
https://doi.org/10.1016/j.scitotenv.2018.08.205
[93] Liu B, Stevenson R J. Improving assessment accuracy for lake biological condition by classifying lakes withdiatom typology, varying metrics and modeling multimetricindices[J]. Science of the total environment, 2017, 609: 263-271.
https://doi.org/10.1016/j.scitotenv.2017.07.152
[94] Jia H, Zhang Y, Guo Y. The development of a multispeciesalgal ecodynamic model for urban surface watersystems and its application[J]. Ecological modelling, 2010, 221(15): 1831-1838.
https://doi.org/10.1016/j.ecolmodel.2010.04.009
[95] Charles F, Nozais C, Pruski A M, et al. Ecodynamics ofPAHs at a peri-urban site of the French MediterraneanSea[J]. Environmental pollution, 2012, 171: 256-264.
https://doi.org/10.1016/j.envpol.2012.07.034
[96] Aalipour M, Wu N, Fohrer N, et al. Evaluating the influenceof landscape spatial upscaling on the performanceof river water quality models[J]. Ecological Indicators, 2024, 158: 111607.
https://doi.org/10.1016/j.ecolind.2024.111607
[97] Uddin M G, Rahman A, Taghikhah F R, et al. Data-drivenevolution of water quality models: An in-depth investigationof innovative outlier detection approaches-A case studyof Irish Water Quality Index(IEWQI)model[J]. Water Research, 2024, 255: 121499.
https://doi.org/10.1016/j.watres.2024.121499
[98] Xia W, Akhtar T, Lu W, et al. Enhanced watershedmodel evaluation incorporating hydrologic signaturesand consistency within efficient surrogate multi-objectiveoptimization[J]. Environmental Modelling & Software, 2024: 105983.
https://doi.org/10.1016/j.envsoft.2024.105983
[99] De Paiva M H R, Gomes P C S, Dias L C P, et al. Validationof the MGB-IPH hydrological model for flowssimulation in paired watershed in minas gerais, Brazil[J]. Ecological Modelling, 2024, 491: 110699.
https://doi.org/10.1016/j.ecolmodel.2024.110699
[100] Helin R, Indahl U, Tomic O, et al. Non-linear shrinkingof linear model errors[J]. Analytica Chimica Acta, 2023, 1258: 341147.
https://doi.org/10.1016/j.aca.2023.341147
[101] 熊伟, 董增川, 卢嘉琪, 等. 基于组合赋权模糊物元可拓模型的渭河流域甘肃段河流健康评价[J]. 水利水电科技进展, 2023, 43(04): 9-14+30.
https://doi.org/10.3880/j.issn.1006-7647.2023.04.002
[102] He K, Tang H, He Y, et al. Applicability of macrobenthosindexes in health assessment upstream of alarge river: A case study in the Babian River of theRed River Basin, China[J]. Ecological Informatics, 2023, 74: 101958.
https://doi.org/10.1016/j.ecoinf.2022.101958
[103] Zhang J, Wang M, Ren K, et al. The relationship betweenmountain wetland health and water quality: Acase study of the upper Hanjiang River Basin, China[J]. Journal of Environmental Management, 2023, 346: 118998.
https://doi.org/10.1016/j.jenvman.2023.118998
[104] Singh R, Kayastha S P, Pandey V P. Climate changeand river health of the Marshyangdi Watershed, Nepal: An assessment using integrated approach[J]. Environmentalresearch, 2022, 215: 114104.
https://doi.org/10.1016/j.envres.2022.114104
[105] Zeng L, Wen J, Huang B, et al. Environmental DNAmetabarcoding reveals the effect of environmental selectionon phytoplankton community structure along asubtropical river[J]. Environmental Research, 2024, 243: 117708.
https://doi.org/10.1016/j.envres.2023.117708
[106] 张祖鹏, 张泽贤, 刘思远, 等. 太湖流域河流健康评价指标体系研究及应用[J]. 人民长江, 2023, 54(11): 8-15.
https://doi.org/10.16232/j.cnki.1001-4179.2023.11.002
[107] 程紫璇, 桑国庆, 彭涛, 等. 山东省河流岸线分类及大汶河岸线资源健康评价[J]. 济南大学学报(自然科学版), 2023, 37(06): 678-686.
https://doi.org/10.13349/j.cnki.jdxbn.20230518.001
[108] 刘千禧, 金琪华, 乔海娟, 等. 基于熵值修正G2法的改进多指标河流健康评价[J]. 人民长江, 2023, 54(09): 68-75.
https://doi.org/10.16232/j.cnki.1001-4179.2023.09.009
[109] 鲍艳磊, 田冰, 张瑜, 等. 雄安新区河流健康评价[J]. 生态学报, 2021, 41(15): 5988-5997.
[110] Singh R, Kayastha S P, Pandey V P. Climate changeand river health of the Marshyangdi Watershed, Nepal: An assessment using integrated approach[J]. Environmentalresearch, 2022, 215: 114104.
https://doi.org/10.1016/j.envres.2022.114104
[111] Ren Y, Zhang F, Li J, et al. Ecosystem health assessmentbased on AHP-DPSR model and impacts of climatechange and human disturbances: A case study ofLiaohe River Basin in Jilin Province, China[J]. Ecolog- ical indicators, 2022, 142: 109171.
https://doi.org/10.1016/j.ecolind.2022.109171
[112] Mohapatra S C, Kanuri V V, Vaddem K K, et al. Spatio-temporal variability in macroinvertebrate communitystructure and ecological health status of a tropicaldynamic river-estuarine system, India: An integratedapproach of multivariate analysis[J]. EnvironmentalResearch, 2023, 238: 117236.
https://doi.org/10.1016/j.envres.2023.117236
[113] 吴阿娜. 河流健康评价: 理论、方法与实践[D]. 上海: 华东师范大学, 2008.
[114] 吴阿娜, 杨凯, 车越, 等. 河流健康状况的表征及其评价[J]. 水科学进展, 2005(04): 602-608.
https://doi.org/10.3321/j.issn:1001-6791.2005.04.023
[115] Yang Z, Wang Y. The cloud model based stochasticmulti-criteria decision making technology for riverhealth assessment under multiple uncertainties[J]. Journal of hydrology, 2020, 581: 124437.
https://doi.org/10.1016/j.jhydrol.2019.124437
[116] Zhang Z, Li Y, Wang X, et al. Assessment of riverhealth based on a novel multidimensional similaritycloud model in the Lhasa River, Qinghai-Tibet Plateau[J]. Journal of Hydrology, 2021, 603: 127100.
https://doi.org/10.1016/j.jhydrol.2021.127100
[117] Peng J, Zhang S, Han Y, et al. Soil heavy metal pollutionof industrial legacies in China and health risk assessment[J]. Science of the Total Environment, 2022, 816: 151632.
https://doi.org/10.1016/j.scitotenv.2021.151632
[118] Pullanikkatil D, Palamuleni L, Ruhiiga T. Assessmentof land use change in Likangala River catchment, Malawi: A remote sensing and DPSIR approach[J]. AppliedGeography, 2016, 71: 9-23.
https://doi.org/10.1016/j.apgeog.2016.04.005
[119] 杜甫, 闫晓惠, 陈小强. 基于Delft 3D的大辽河水动力水质数值模拟[J/OL]. 水电能源科学, 2024(01): 32-35+161.
https://doi.org/10.20040/j.cnki.1000-7709.2024.20230238
[120] 刘洁, 陈昊辉, 张丰帆, 等. 基于改进遗传算法的河流水质模型多参数识别[J]. 东北农业大学学报, 2020, 51(01): 73-82.
https://doi.org/10.19720/j.cnki.issn.1005-9369.2020.01.009
[121] Su Y, Li W, Liu L, et al. Health assessment of smallto-medium sized rivers: Comparison between comprehensiveindicator method and biological monitoringmethod[J]. Ecological Indicators, 2021, 126: 107686.
https://doi.org/10.1016/j.ecolind.2021.107686
[122] Luo H, Wang C, Li C, et al. Multi-scale carbon emissioncharacterization and prediction based on land useand interpretable machine learning model: A casestudy of the Yangtze River Delta Region, China[J]. Applied Energy, 2024, 360: 122819.
https://doi.org/10.1016/j.apenergy.2024.122819
[123] Ahmed A A M, Jui S J J, Sharma E, et al. An advanceddeep learning predictive model for air quality indexforecasting with remote satellite-derived hydro-climatologicalvariables[J]. Science of The Total Environment, 2024, 906: 167234.
https://doi.org/10.1016/j.scitotenv.2023.167234
[124] Yu Q, Zheng Y, Zhang P, et al. Genetic programmingbasedpredictive model for the Cr removal effect of in-situelectrokinetic remediation in contaminated soil[J]. Journalof Hazardous Materials, 2023, 460: 132430.
https://doi.org/10.1016/j.jhazmat.2023.132430
[125] Paul K I, Polglase P J, Richards G P. Predicted changein soil carbon following afforestation or reforestation, and analysis of controlling factors by linking a C accountingmodel(CAMFor)to models of forest growth(3PG), litter decomposition(GENDEC)and soil Cturnover(RothC)[J]. Forest Ecology and Management, 2003, 177(1-3): 485-501.
https://doi.org/10.1016/S0378-1127(02)00454-1
[126] Xue J, Yuan C, Ji X, et al. Predictive modeling of nitrogenand phosphorus concentrations in rivers using amachine learning framework: A case study in an urban-rural transitional area in Wenzhou China[J]. Scienceof the Total Environment, 2024, 910: 168521.
https://doi.org/10.1016/j.scitotenv.2023.168521
[127] Chen S, Huang J, Wang P, et al. A coupled model toimprove river water quality prediction towards addressingnon-stationarity and data limitation[J]. WaterResearch, 2024, 248: 120895.
https://doi.org/10.1016/j.watres.2023.120895
A Review of River Health Assessment Techniques
(1. College of Environmental Science and Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, China
2. College of Architecture and Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, China)
Abstract: River health assessment is a key tool in the field of modern water resources, environment and ecological management, which aims to provide scientific basis for river management and protection. This article discusses the methods, development history, and application and research progress at home and abroad in the past 50 years. Studies have shown that the transformation of river health assessment from static to dynamic and dynamic and from single to comprehensive assessment, is mainly reflected in the importance of multi-disciplinary cross-evaluation, mathematical model application and biological diversity indicators. The evaluation methods at home and abroad include a multi-indicator evaluation system based on water quality, biological diversity, and ecological integrity, which have advantages in processing multi-indicator, non-linear relationship and uncertainty. However, there are also challenges such as the complexity and uncertain processing capacity of models. The direction of future development includes improving e evaluation index system, enhancing the accuracy of data acquisition and analysis, strengthening the explanatory and operability of models, and integrtaing e artificial intelligence and big data technology to develop more intelligent and efficient river health evaluation model, providing scientific support for the comprehensive promotion of river ecological protection and management.
Keywords: River health assessment, ecosystem, environmental indicators, mathematical models, interdisciplinary integration
DOI: 10.48014/pceep.20240910001
Citation: LUO Xiao, LIU Zhijun, GAO Xiang. A review of river health assessment techniques[J]. Progress in Chinese Eco-Environmental Protection, 2024, 2(4): 33-47.