第４３卷第１期东北师大学报（自然科学版）Ｖｏｌ．４３Ｎｏ．１２０１１年３月Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｅａｓｔ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ）Ｍａｒｃｈ ２０１１
［文章编号］１０００－１８３２（２０１１）０１－０１３９－０５
付 博１，２，姜琦刚１，任春颖３，谢振红１，２
（１．吉林大学地球探测科学与技术学院，吉林长春１３００２６；
２．吉林建筑工程学院测绘与勘查工程学院，吉林长春１３０１１８；
３．中国科学院东北地理与农业生态研究所，吉林长春１３００１２）
［摘 要］ 应用ＢＰ神经网络模型对扎龙湿地的生态脆弱性进行了评价．采用７－２－４－１结构，以 计算得到的各湿地类型样本栅格单元生态脆弱指数ＥＶＩ值作为训练集，通过最大１ ０００次的误
差反向传播训练，获得的最大误差是１．１％，最小误差０，成功实现了扎龙湿地７维评价指标变量
到１维变量即扎龙湿地生态脆弱性指数的映射，得到了研究区全部栅格单元的生态脆弱性指数
值．运用ＧＩＳ技术，制得扎龙湿地生态脆弱性分级图，分析得出扎龙湿地中度脆弱和重度脆弱的
地区占整体的１８％，潜在脆弱地区和微度脆弱地区占整体的６３％，从量化角度表明扎龙自然保
护区整体生态环境不容乐观，为扎龙湿地生态环境保护和治理提供了具有科学意义的借鉴．
［关键词］ ＢＰ神经网络；地理信息系统；湿地；生态脆弱性
［中图分类号］ Ｘ ８２０．２ ［学科代码］ ６１０·３０４０ ［文献标志码］ Ａ
湿地是一个水陆相互作用形成的特殊生态系统，是陆地生态系统与水域生态系统相互连接的纽带，是自然界最具有生产力的生态系统和人类最重要的生态环境之一．湿地生态系统对一个地区、一个国家乃至全球经济发展和人类生态的环境都有重要意义［１］．近年来，世界各国的湿地以惊人的速度在退化，如美国已损失了８ ７００万ｈｍ２的湿地，占全部湿地面积的５４％．在我国，长期以来，由于湿地对自然环境和社会经济的功能和价值并未得到社会公众、政府和湿地开发部门的重视，我国湿地面积迅速减少，生产和生态功能迅速降低，湿地退化严重［２］．
湿地退化表明了湿地生态系统脆弱性的存在［３］．目前进行湿地系统生态脆弱性评价时，多是建立一个树形的多级指标体系，由上至下逐步细分，通过将各指标的计算结果进行叠加分析从而得出结论．本文在区域的社会、经济、环境问题中通过研究生态系统的结构、功能和适应力来判断它们的脆弱情况，选择评价指标，以计算得到的典型研究区栅格单元生态脆弱性指数值为样本数据，运用人工神经网络方法建立湿地生态脆弱指数计算的神经网络模型，计算研究区全部栅格单元的脆弱性指数，并利用ＧＩＳ方法对计算结果进行表达，从而进行扎龙自然保护区的湿地生态脆弱性评价，总结扎龙湿地退化的原因，为扎龙湿地资源保护与管理提供依据．
１ 研究区地理特征
扎龙自然保护区处于黑龙江省西部乌裕尔河下游湖沼苇草地带的闭流区，地理坐标为北纬４６°５２′～４７°５２′，东经１２３°４７′～１２４°３７′．保护区南北长６５ｋｍ，东西宽３７ｋｍ，总面积２１万ｈｍ２．该区属于寒温带大陆性季风气候，夏热多雨，冬寒漫长，多年平均气温２℃～４．２℃，平均降水量４１６ｍｍ，年水面蒸发量９００～１ ０００ｍｍ．湿地区域地貌为河湖相冲击地貌类型，地势低洼平坦，海拔１４０～１４６ｍ，地面平均比降１／６ ０００．湿地内分布着众多泡沼，由于排水不畅，土壤盐渍化现象比较普遍．扎龙自然保护区位于齐齐哈尔市及富裕、林甸、杜蒙、泰来县交界地域，涉及１４个乡镇的５６个村屯
［收稿日期］ ２０１０－０９－２７
［基金项目］ 中国科学院知识创新工程重要方向项目（ＫＺＣＸ２－ＹＷ－３４１）；国家自然科学基金资助项目（３０３７０２６７）．
［作者简介］ 付博（１９８１—），女，博士研究生，讲师，主要从事遥感与地理信息应用研究．
东北师大学报（自然科学版）第４３卷及１０余个国有农、牧、渔、苇企事业单位，人口约２９ 三亚南山文化旅游区门票
０００人．这些乡镇企事业单位大多分布于保护区边缘地带，核心区内有１０个自然屯，人口约３
８００人．保护区内没有乡镇工业企业，区域经济发展缓慢，人均收入低，属经济欠发达地区．
扎龙湿地是世界上保存下来面积最大又相对完整的芦苇沼泽湿地，保护区内８０％的面积分布着芦
苇沼泽，
原本具有原始的自然景观和丰富的野生动植物资源，然而近些年来，大型工程的修建和其他人为活动的入侵正在急剧地改变着原始的湿地景观，保护区水质污染严重，湿地生境碎裂，野生动植物资
源迅速减少，作为一个动态的极其脆弱的生态系统，扎龙湿地正在遭受着严重的破坏［４］．
２ 研究方法厦门旅游攻略自由行三天及费用
２．１ 数据处理方法
本文在研究中首先以研究区１９８６年和２００４年两个年份的Ｌａｎｄｓａｔ
７ＥＴＭ遥感影像数据为基础，对影像的ＴＭ１，ＴＭ２，ＴＭ３，ＴＭ４，ＴＭ５，ＴＭ７波段经过辐射校正、
几何纠正和各种增强处理后，分别获得扎龙湿地１９８６和２００４年的ＴＭ４３２波段的合成影像图．
结合研究区的中比例尺地形图数据和其他由扎龙自然保护区管理局提供的部分数据对上述合成影像图进行图像增强、图像配准以及影像解译后得
到了如图１、图２所示的扎龙湿地１９８６年、２００４年的湿地分布图
．
图１ １９８６年扎龙湿地分布图
图２ ２００４年扎龙湿地分布图
２．２ ＢＰ神经网络方法
ＢＰ神经网络又称为误差反向传播神经网络，是一种多层的前向型神经网络．在ＢＰ网络中，
信号是前向传播的，而误差是反向传播的，网络模型由处理单元、网络拓扑结构和学习规则组成［５］．常用的ＢＰ
神经网络模型由输入层、输出层和隐含层组成，相邻层之间的神经元由权重系数相互连接，同一层内的神经元之间是平行的、无连接关系．
ＢＰ算法可以用数学模型表达为：
Ｈ＝ｆ（ｗ Ｘ＋θＨ），Ｏ＝ｆ（ｖ Ｈ＋θＯ）．（１
）式中：Ｘ，Ｈ和Ｏ分别为输入层、隐含层和输出层矢量（即节点向量）；ｗ和ｖ分别是输入层与隐含层、
隐含层与输出层之间的连接权重矢量；θＨ和θＯ依次为隐含层和输出层神经元的激活阈值；
函数ｆ（ｘ）为节点作用函数，通常选取Ｓｉｇ
ｍｏｉｄ函数：ｆ（
ｘ）＝１／（１＋ｅ－ｘ）．（２
）
在ＢＰ神经网络的学习过程中，取误差Ｅ作为网络的误差目标函数：０４１
第１期付博，等：基于神经网络方法的湿地生态脆弱性评价Ｅ＝
厦门旅游
１２
∑（Ｏ－Ｏ０）２．（３）ＢＰ模型通过计算网络的误差目标函数，
用梯度下降法依次调整和修正隐含层与输出层、输入层之间的连接权重，直到整个样本集的误差总和满足网络要求为止［６］．为了提高神经网络的运算速度，本文通过进行训练集的归一化来改进ＢＰ神经网络，
使之更适应于扎龙湿地生态脆弱性的评价研究．３ 基于ＢＰ神经网络的生态脆弱性评价
３．１ 训练集栅格单元的生态脆弱性指数计算
根据扎龙湿地分类分布图，本文从扎龙湿地现有的湿地类型芦苇沼泽、水田、滩地、水库坑塘、河渠，湖泊中分别选取典型栅格单元进行生态脆弱性评价，以评价结果作为样本数据集进行ＢＰ神经网络的训练．在针对样本栅格单元的脆弱性评价中，为便于数据的获取和结果的表达，选择１００ｍ×１００ｍ栅格单元为评价指标的数据载体，提取各评价指标数据．同时，为满足生态环境管理和决策的要求，选择
ＯＥＣＤ（联合国经济合作开发署）建立的压力－状态－响应（ｐｒｅｓｓ－ｓｔａｔｅ－ｒｅｓｐ
ｏｎｓｅ，ＰＳＲ）框架模型（见图３）作为评价模型［７］．
梵蒂冈博物馆
该模型同时面对人类活动和自然环境，比以往同类问题中使用较多的树形评价模型更能清晰地表述人类活动和经济运作及其对环境的影响之间的逻辑关系．按照这一模型，一级评价指标有
３类：
压力指标、状态指标和响应指标．压力指标由人口密度和人类干扰指数综合计算；状态指数由初级生产力、湿地组织指数（面积加权平均斑块形状指数、斑块密度、平均斑块面积）、湿地平均弹性度和湿地
蓄水量指标综合计算得到；响应指标由湿地面积变化比例反映［８］．
河北天气预报15天训练集的样本栅格单元生态脆弱性评价结果定义为生态脆弱指数ＥＶＩ（ｅｃｏ－ｅｎｖｉｒｏｎｍｅｎｔａｌ ｖｕｌｎｅｒａｂｉｌｉｔｙ
ｉｎｄｅｘ），定义ＥＶＩ值＝
∑ｎ
ｉ＝１Ｗｉ×Ｘｉ．（４
）式中，Ｘｉ为各一级指标值，Ｗｉ为其对应权重［９］
．图３ 压力－状态－响应（ＰＳＲ）
框架模型３．２ ＢＰ神经网络模型应用
将由以上指标计算得到各类型湿地栅格单元的生态脆弱性指数作为训练样本集进行ＢＰ神经网络建模，网络模型采用４层结构，由输入层、双隐含层和输出层组成．经反复的初训练后，根据训练集和测
试集的均方误差到了最佳隐含层数目和神经元的个数，从而获得了网络的优化结构［１０］．
最终，选择ＢＰ神经网络评价模型为７－２－４－
１结构，即输入层、双隐含层和输出层的神经元个数分别为７，２，４和１．输入层有７个结点，
它们分别对应人口密度、人类干扰指数、初级生产力、湿地组织指数、湿地平均弹性度、湿地蓄水量和湿地面积变化比例７个评价指标；隐含层有２个，第１隐含层有２个神经元，第２隐含层有４个神经元；输出层１个节点对应每个栅格单元的生态脆弱性．利用Ｍａｔｌａｂ７构建ＢＰ神经网络模型，其编程流程如图４所示，其中选用ｎｅｗｆｆ函数创建一个前馈ＢＰ神经网络，
传递函数分别选用对数Ｓ型传递函数（ｌｏｇｓｉｇ）和线性传递函数（ｐ
ｕｒｅｌｉｎ），训练函数选用Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ回传的ｔｒａｉｎｌｍ函数；而误差最小值设定为０．０００ １，最大循环次数定为５
０００次，学习率为０．６．该模型将研究区各栅格单元的７个评价指标作为输入层输入到网络中，通过训练后的网络模型，得到研究区栅格单元的运行结果．
本文利用上述模型完成研究区栅格单元的生态脆弱性评价，通过最大１
０００次的误差反向传播训练，最终的输出结果与期望得到的结果相差不大，在输出的误差中，最大误差是１．１％，
最小误差０．得到１
４１
东北师大学报（自然科学版）第４３卷
的误差在允许范围之内，成功实现了扎龙湿地７维变量到１维变量—
——扎龙湿地生态脆弱性指数的映射，得到了研究区全部栅格单元的生态脆弱性指数值
．
图４ ＢＰ神经网络评价模型流程图
表１ ＥＶＩ分值与湿地生态脆弱性评价等级
综合评价等级
潜在脆弱微度脆弱轻度脆弱中度脆弱重度脆弱ＥＶＩ值０～０．２ ０．２～０．４ ０．４～０．６ ０．６～０．８ ０．８～
１
图５ 扎龙湿地生态脆弱性指数分级图
４ 结果分析
兰州市利用上述ＢＰ神经网络模型最终得到的扎龙湿地生
态脆弱指数计算结果即ＥＶＩ．
根据表１所示的分级方案，按ＥＶＩ值从低到高排序，
将扎龙湿地生态系统脆弱性等级分为５级，借助ＧＩＳ软件进行评价结果的可视化表达，
输出扎龙湿地生态脆弱性评价分级图（如图５所示）．
５ 结论
本文通过采用１００ｍ×１００ｍ栅格单元作为指标因子
的数据载体和基本评价分析单元，利用ＢＰ神经网络结合
ＧＩＳ和ＲＳ技术分析评价了扎龙湿地脆弱性的现状，
通过以上分析可以看出：
（１）利用ＢＰ神经网络模型进行扎龙湿地生态脆弱性
分析，网络模型采用７－２－４－１结构，通过最大１
０００次的误差反向传播训练，使网络的实际输出值与期望输出值的误
差均方值最小，成功实现了扎龙湿地人口密度、人类干扰
指数、初级生产力、湿地组织指数、湿地平均弹性度、湿地
蓄水量和湿地面积变化比例７维变量到１维变量—
——扎龙湿地生态脆弱性指数的映射．经计算证明，该数学模型具有较高的评价精度，最终的输出结果与期望得到的结果相差不大，在模型精度和复杂度之间取得了很
２４１
第１期付博，等：基于神经网络方法的湿地生态脆弱性评价好的折中，评价结果科学可靠．
（２）通过ＢＰ神经网络建模计算得到了研究区全部栅格单元的生态脆弱性指数，在ＧＩＳ软件中制得
了扎龙湿地生态脆弱性分级图，
发现健康状况较好的潜在脆弱和轻度脆弱区几乎全部分布于芦苇沼泽内部，
而健康状况较差的中度脆弱区和重度脆弱区主要以水田为主．从地理位置来说，保护区中心地区整体脆弱状况未及边缘地区明显，健康状况相对较好．从整体情况来说，扎龙湿地中度脆弱和重度脆弱的地区占整体的１８％，潜在脆弱地区和微度脆弱地区占整体的６３％，
从定量化的角度表明了整个扎龙自然保护区整体生态环境不容乐观，为保护区湿地生态环境保护和治理提供了具有科学意义的借鉴．
［参 考 文 献］
［１］ 许振乾，刘红玉，吕宪国．三江平原湿地生态脆弱性研究［Ｊ］．应用生态学报，２００１，１２（２）：２４１－
２４４．［２］ ＲＯＢＥＲＴ Ｊ ＮＩＣＨＯＬＬＳ，ＦＲＡＮＫ Ｍ Ｊ ＨＯＯＺＥＮＭＡＮＳ，ＭＡＲＣＥＬ ＭＡＲＣＨＡＮＤ．Ｉｎｃｒｅａｓｉｎｇ
ｆｌｏｏｄ ｒｉｓｋ ａｎｄ ｗｅｔｌａｎｄ ｌｏｓｓｅｓ ｄｕｅｔｏ ｇ
ｌｏｂａｌ ｓｅａ ｌｅｖｅｌ ｒｉｓｅ［Ｊ］．Ｇｌｏｂａｌ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｃｈａｎｇｅ，１９９９（９）：６７～８７．［３］ 张晓龙，李培英．湿地退化标准的探讨［Ｊ］．湿地科学，２００４，３（２）：３６－
４０．［４］ 郭跃东，何岩，邓伟，等．扎龙河滨湿地水系统脆弱性特征及影响因素分析［Ｊ］．湿地科学，２００４，２（１）：４７－
５３．［５］ ＷＵ ＫＡＩ－ＹＡ，ＪＩＮ ＪＵ－ＬＩＡＮＧ，ＷＡＮＧ ＬＩＮＧ－ＪＩＥ．Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｒｅｇｉｏｎａｌ ｅｃｏｌｏｇｉｃａｌ ｓｅｃｕｒｉｔｙ ｕｓｉｎｇ
ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ［Ｊ］．Ｒｅｓｏｕｒｃｅｓ ａｎｄＥｎｖｉｒｏｎｍｅｎｔ ｉｎ ｔｈｅ Ｙａｎｇ
ｔｚｅ Ｂａｓｉｎ，２００８，１７（２）：３１７－３２２．［６］ 薛亮，冯超，吴中虹，等．ＢＰ神经网络在洞庭湖湿地生态系统健康评价中的应用［Ｊ］．林业调查规划，２００９，３４（５）：４７－
５０．［７］ ＲＡＩＮＥＲ ＷＡＬＺ．Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｉｎｄｉｃａｔｏｒ ｓｙｓｔｅｍｓ：ｅｘｐｅｒｉｅｎｃｅｓ ｆｒｏｍ Ｇｅｒｍａｎｙ［Ｊ］．Ｅｎｖｉｏｒｎｍｅｎｔａｌ Ｍａｎａｇ
ｅｍｅｎｔ，２０００，２５（６）：６１３－
６２３．［８］ 蒋卫国．辽河三角洲湿地生态系统健康评价［Ｊ］．生态学报，２００５，２５（３）：４０８－
４１４．［９］ 黄方，刘湘南，张养贞．吉林省西部生态脆弱态势评价研究［Ｊ］．地理科学，２００３，２３（１）：９５－
１００．［１０］ ＥＲＦＵ ＤＡＩ，ＳＨＡＯＨＯＮＧ ＷＵ，ＷＥＮＺＨＯＮＧ ＳＨＩ，ｅｔ ａｌ．Ｍｏｄｅｌｉｎｇ
ｃｈａｎｇｅ－ｐａｔｔｅｒｎ－ｖａｌｕｅ ｄｙｎａｍｉｃｓ ｏｎ ｌａｎｄ ｕｓｅ：ａｎ ｉｎｔｅｇｒａｔｅｄＧＩＳ ａｎｄ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ａｐｐｒｏａｃｈ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｍａｎａｇ
ｅｍｅｎｔ，２００５，３６（４）：５７６－５９１．Ｅｃｏｌｏｇｉｃａｌ ｖｕｌｎｅｒａｂ
ｉｌｉｔｙ
ａｓｓｅｓｓｍｅｎｔ ｏｆ ｗｅｔｌａｎｄ ｂａｓｅｄ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋＦＵ Ｂｏ１，２，ＪＩＡＮＧ Ｑｉ－ｇａｎｇ１，ＲＥＮ Ｃｈｕｎ－ｙｉｎｇ３，ＸＩＥ Ｚｈｅｎ－ｈｏｎｇ１，
２（１．Ｃｏｌｌｅｇｅ ｏｆ Ｇｅｏｅｘｐｌｏｒａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｊｉｌｉｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇ
ｃｈｕｎ １３００２６，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄ Ｐｒｏｓｐｅｃｔｉｎｇ
Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉｌｉｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ａｒｃｈｉｔｅｃｔｕｒｅ ａｎｄ Ｃｉｖｉｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈａｎｇｃｈｕｎ １３０１１８，Ｃｈｉｎａ；３．Ｎｏｒｔｈｅａｓｔ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｇｅｏｇｒａｐｈｙ ａｎｄ Ａｇｒｏｅｃｏｌｏｇｙ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ
ｏｆ Ｓｃｉｅｎｃｅｓ，Ｃｈａｎｇｃｈｕｎ １３００１２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｅ ｓｔｕｄｙ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｖｕｌｎｅｒａｂｉｌｉｔｙ
ａｓｓｅｓｓｍｅｎｔ ｉｎ Ｚｈａｌｏｎｇ Ｗｅｔ Ｅｃｏｓｙｓｔｅｍ，ａ ＢＰ ｎｅｕｒａｌｎｅｔｗｏｒｋ ｍｏｄｅｌ ｗｉｔｈ ７－４－２－１ｓｔｒｕｃｔｕｒｅ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ．Ｉｔ ｔｏｏｋ ｔｈｅ ｅｃｏ－ｅｎｖｉｒｏｎｍｅｎｔａｌ ｖｕｌｎｅｒａｂｉｌｉｔｙ
ｉｎｄｅｘ ｖａｌｕｅｓ ｏｆ ｓａｍｐｌｅ ｕｎｉｔ ｃｅｌｌｓ ａｓ ｔｒａｉｎｉｎｇ ｓｅｔ，ｒｅａｌｉｚｅｄ ｔｈｅ ｍａｐｐｉｎｇ
ｏｆ ｔｈｅ ７ｄｉｍｅｎｓｉｏｎａｌ ｅｖａｌｕａｔｉｎｇｉｎｄｉｃａｔｏｒ ｖａｒｉａｂｌｅ ｏｆ Ｚｈａｌｏｎｇ ｗｅｔ ｅｃｏｓｙｓｔｅｍ ｔｏ １ｄｉｍｅｎｓｉｏｎａｌ ｖａｒｉａｂｌｅ ｎａｍｅｌｙ
ＥＶＩ ｔｈｒｏｕｇｈ １ ０００ｅｒｒｏｒｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ ｔｒａｉｎｉｎｇｓ ａｎｄ ｒｅｃｅｉｖｅｄ ｔｈｅ ＥＶＩ ｖａｌｕｅｓ ｏｆ ａｌｌ ｕｎｉｔ ｃｅｌｌｓ．Ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍａｐ
ｏｆｆｒａｎｇｉｂｉｌｉｔｙ ｉｎｄｅｘｅｓ ｗｅｒｅ ｐｌｏｔｔｅｄ ｓｕｃｃｅｓｓｆｕｌｌｙ ｕｓｉｎｇ ＧＩＳ ｔｅｃｈｎｉｑｕｅ ａｃｃｏｒｄｉｎｇ
ｔｏ ｔｈｅｓｅ ｖａｌｕｅｓ．Ｉｔ ｅｄｕｃｅｄｔｈａｔ ｉｎ ｔｈｅ Ｚｈａｌｏｎｇ ｗｅｔ ｅｃｏｓｙｓｔｅｍ，ｔｈｅ ｒｅｇｉｏｎｓ ｏｆ ｍｏｄｅｒａｔｅ ｏｒ ｓｅｖｅｒｅ ｖｕｌｎｅｒａｂｉｌｉｔｙ
ａｃｃｏｕｎｔｅｄ ｆｏｒ １８％ａｎｄ ｔｈｅ ｒｅｇｉｏｎｓ ｏｆ ｐｏｔｅｎｔｉａｌ ｏｒ ｓｌｉｇｈｔ ｖｕｌｎｅｒａｂｉｌｉｔｙ
ａｃｃｏｕｎｔｅｄ ｆｏｒ ６３％．Ｔｈｅ ｈｏｌｉｓｔｉｃ ｅｃｏｌｏｇｉｃａｌｅｎｖｉｒｏｎｍｅｎｔ ｏｆ Ｚｈａｌｏｎｇ
ｗｅｔｌａｎｄ ｗａｓ ｎｏｔ ｏｐｔｉｍｉｓｔｉｃ．Ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｆｉｇｕｒｅ ａｌｓｏ ｐｒｏｖｉｄｅｄ ａ ｒｅｆｅｒｅｎｃｅｏｆ ｓｃｉｅｎｔｉｆｉｃ ｓｉｇｎｉｆｉｃａｎｃｅ ｔｏ ｔｈｅ ｅｃｏｌｏｇｉｃａｌ ｅｎｖｉｒｏｎｍｅｎｔ ｐｒｏｔｅｃｔｉｏｎ ａｎｄ ｍａｎａｇｅｍｅｎｔ ｏｆ Ｚｈａｌｏｎｇ ｗｅｔｅｃｏｓｙｓｔｅｍ ｆｒｏｍ ｔｈｅ ｑｕａｎｔｉｔａｔｉｖｅ ｐ
ｏｉｎｔ ｏｆ ｖｉｅｗ．Ｋｅｙ
ｗｏｒｄｓ：ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｇｅｏｇｒａ
ｐｈｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍ；ｗｅｔｌａｎｄ；ｅｃｏｌｏｇｉｃａｌ ｖｕｌｎｅｒａｂｉｌｉｔｙ（责任编辑：方 林）３４１
