楊偉球等

摘要：針對太湖流域新埂村蔬菜生產(chǎn)區(qū)的特點(diǎn)，構(gòu)建了氮輸出貝葉斯網(wǎng)絡(luò)模型，并利用模型對蔬菜生產(chǎn)區(qū)氮輸出進(jìn)行了一系列的案例研究，分析比較了不同的氮削減措施對氮輸出的影響。結(jié)果表明，貝葉斯網(wǎng)絡(luò)模型為分析太湖流域蔬菜生產(chǎn)系統(tǒng)氮輸出的因果關(guān)系和比較不同氮削減措施的效果提供了一種很好的思路和方法，是一種有效的工具。

關(guān)鍵詞：貝葉斯網(wǎng)絡(luò)模型；蔬菜生產(chǎn)；氮輸出；太湖流域

中圖分類號：TP399 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2014）06-1422-04

Construction and Application of Bayesian Network Model of Nitrogen Output for Vegetable Production in the Taihu Lake Basin

YANG Wei-qiu1，QIN Wei2，SHU Jian-hua1，DAVID Nash3，ANDRES Buldu3，WU Yu-ming4

（1.Suzhou Polytechnic Institute of Agriculture， Suzhou 215008，Jiangsu，China；2.Suzhou Agricultural Committee，Suzhou 215128，Jiangsu，China；3.Earth Systems China，Shanghai 200120，China；4.Yu River Vegetable Production and Marketing Cooperatives，Suzhou 215155，Jiangsu，China）

Abstract： Based on the characteristics of producing Xingeng village vegetable production in the Taihu lake basin， Bayesian network model of nitrogen output was constructed. The Bayesian network model was used to analyze the effects of different nitrogen reduction measures on vegetable production. The results showed that the Bayesian network model provided a good idea and method for understanding the causal relationship between nitrogen output and vegetable production， and comparing effects of different nitrogen reduction measures in the Taihu lake basin.

Key words： Bayesian network model； vegetable production； nitrogen output； Taihu lake basin

近年來，太湖流域工業(yè)污染源得到有效地控制，使得太湖地區(qū)農(nóng)業(yè)及生活污染源成為了關(guān)注的焦點(diǎn)，尤其是氮和磷污染。集約化蔬菜生產(chǎn)是農(nóng)業(yè)產(chǎn)業(yè)化的一種，其環(huán)保目標(biāo)是減少對太湖的面源污染，尤其是氮污染。雖然確定性模型，如SWAT、LEACHMN、EPIC和DRAINMOD等已用來模擬農(nóng)業(yè)系統(tǒng)中氮的輸出[1-4]，使氮的輸出最小化，但在太湖流域蔬菜生產(chǎn)中由于普遍缺乏相關(guān)的參數(shù)信息，幾乎沒有參考數(shù)據(jù)來建立氮輸出的確定性模型。貝葉斯網(wǎng)絡(luò)模型具有強(qiáng)大的不確定性推理和數(shù)據(jù)分析功能，是一種定性與定量分析相結(jié)合的推理方法。貝葉斯網(wǎng)絡(luò)模型作為傳統(tǒng)模型的一種替代選擇，已經(jīng)在自然資源科學(xué)中廣泛使用，尤其是研究數(shù)據(jù)匱乏情況下的復(fù)雜關(guān)系以及那些與資源管理相關(guān)的多因子問題[5-9]。本研究針對太湖流域新埂村蔬菜生產(chǎn)區(qū)的特點(diǎn)，構(gòu)建了氮輸出貝葉斯網(wǎng)絡(luò)模型，并利用模型對蔬菜生產(chǎn)區(qū)氮輸出進(jìn)行了一系列的案例分析，比較了不同的氮削減措施對氮輸出的影響。

1 研究區(qū)概況

研究區(qū)設(shè)在蘇州市相城區(qū)望亭鎮(zhèn)新埂村，新埂村位于蘇州市西北角，西鄰太湖，北接望虞河，位于太湖流域一級保護(hù)區(qū)內(nèi)。新埂村是一個(gè)農(nóng)業(yè)大村，耕地面積330 hm2，自2005年以來，新埂村已有以特色蔬菜、瓜果為主導(dǎo)的高效設(shè)施農(nóng)業(yè)生產(chǎn)基地113 hm2，食用菌生產(chǎn)基地13 hm2，葡萄生產(chǎn)基地4 hm2。研究區(qū)為新埂村內(nèi)的一處蔬菜生產(chǎn)基地，占地面積為6.7 hm2，現(xiàn)有鋼管單棟大棚4 hm2，連棟大棚0.7 hm2，防蟲網(wǎng)1 hm2，露地1 hm2，全年種植包括根莖類、葉菜類、茄果類、蔥蒜類等蔬菜。研究區(qū)距離太湖5.3 km，距離望虞河300 m，研究區(qū)的主要特征如表1所示。

2 貝葉斯網(wǎng)絡(luò)模型的構(gòu)建

2.1 貝葉斯網(wǎng)絡(luò)模型的概述

貝葉斯網(wǎng)絡(luò)模型是一種基于概率知識的圖解模型，可以有效地表示變量之間的相互不確定性關(guān)系[5]。貝葉斯網(wǎng)絡(luò)模型通過圖示來表示因果關(guān)系，用條件概率來表示因果關(guān)系的強(qiáng)弱（因果關(guān)系）。貝葉斯網(wǎng)絡(luò)模型包括以下組成部分：①節(jié)點(diǎn)：表示變量，其定義的屬性稱之為“狀態(tài)”，包括父節(jié)點(diǎn)（自變量）和子節(jié)點(diǎn)（因變量）。②有向/因果關(guān)系（?。罕硎咀兞块g的相互關(guān)系及父節(jié)點(diǎn)和子節(jié)點(diǎn)的聯(lián)系。③條件概率表：任意一個(gè)節(jié)點(diǎn)均有一個(gè)相應(yīng)的條件概率表，表示每個(gè)節(jié)點(diǎn)間相聯(lián)系的因果關(guān)系。④先驗(yàn)概率：即條件概率表中所定義的概率分布，與貝葉斯網(wǎng)絡(luò)模型應(yīng)用的環(huán)境（即地區(qū)）和系統(tǒng)（即農(nóng)場的類型）的一般特征相關(guān)。⑤后驗(yàn)概率：特定節(jié)點(diǎn)的狀態(tài)值被添加到網(wǎng)絡(luò)模型中，使用傳統(tǒng)的概率論基本定律將其他節(jié)點(diǎn)的先驗(yàn)概率分布“條件化”，這些新的概率則被稱為后驗(yàn)概率分布。靈活的數(shù)據(jù)采集是貝葉斯網(wǎng)絡(luò)模型的主要優(yōu)點(diǎn)。條件概率表可以由直接數(shù)據(jù)分析（如降雨概率）、專家的意見、已知確定性關(guān)系以及如果數(shù)據(jù)充足，并可采用機(jī)器學(xué)習(xí)技術(shù)來進(jìn)行填充。

2.2 貝葉斯網(wǎng)絡(luò)模型的構(gòu)建

構(gòu)建貝葉斯網(wǎng)絡(luò)模型， 主要分為兩個(gè)步驟。首先，要建立貝葉斯網(wǎng)絡(luò)因果關(guān)系圖，即分析確定系統(tǒng)中的主要變量，并建立變量之間的因果關(guān)系；其次，在貝葉斯網(wǎng)絡(luò)因果關(guān)系圖的基礎(chǔ)上，量化確定變量之間的定量關(guān)系，即確定出條件概率表。

2.2.1 建立因果關(guān)系圖 為了限制年內(nèi)變化，采用年作為時(shí)間步長使網(wǎng)絡(luò)模型概念化。新埂村蔬菜生產(chǎn)區(qū)周圍的排水渠約1 m，因此，以“塊”為基本尺度來建立網(wǎng)絡(luò)模型，一個(gè)“塊”即是一個(gè)水文隔離的生產(chǎn)區(qū)。在新埂村蔬菜生產(chǎn)區(qū)，所定義的一個(gè)“塊”的大小在0.024～0.288 hm2的范圍內(nèi)。根據(jù)收集分析所獲得的有限經(jīng)驗(yàn)數(shù)據(jù)和確定性關(guān)系，利用NETICA軟件（版本4.08，Norsys軟件公司，加拿大溫哥華）建立因果關(guān)系圖。因果關(guān)系圖組成元素如表2所示，包含氮源因子、遷移因子、遷移過程中氮削減策略因子和輸出因子。

2.2.2 貝葉斯網(wǎng)絡(luò)模型的量化 量化模型時(shí)，首先是定義節(jié)點(diǎn)及其狀態(tài)值。對于大多數(shù)節(jié)點(diǎn)而言，在分析中考慮到特定估算具有不確定性，因此將狀態(tài)表示為范圍而不是離散的數(shù)字。父節(jié)點(diǎn)和子節(jié)點(diǎn)之間的關(guān)系以及它們的狀態(tài)記錄在條件概率表中，用來支撐貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)（即給定每個(gè)父節(jié)點(diǎn)一組條件，子節(jié)點(diǎn)每個(gè)條件發(fā)生的概率是多少）。

盡量采用定量數(shù)據(jù)（如降雨量記錄）和確定性方程（一般從質(zhì)量守恒中推導(dǎo)出來）。其他重要的確定性方程與濕地效率、氣體排放和氮濃度有關(guān)，它們不是以“質(zhì)量守恒定律”為基礎(chǔ)的。為了把非線性確定方程運(yùn)用到最終網(wǎng)絡(luò)中，常增加子節(jié)點(diǎn)狀態(tài)的數(shù)量，以及賦予狀態(tài)的數(shù)值范圍并不相同。

在NETICA軟件中，各節(jié)點(diǎn)都有狀態(tài)描述信息，各個(gè)狀態(tài)的概率可以用數(shù)字和水平柱形圖來表示。在連續(xù)分布中，該節(jié)點(diǎn)的均值估計(jì)通過概率和范圍中位數(shù)的積和式來計(jì)算，并以帶有標(biāo)準(zhǔn)偏差的柱形圖中表示出來。

3 貝葉斯網(wǎng)絡(luò)模型的分析與應(yīng)用

太湖流域蔬菜生產(chǎn)系統(tǒng)氮輸出的影響因素是復(fù)雜且相互關(guān)聯(lián)的，并很可能充滿變數(shù)。因此，建議將貝葉斯網(wǎng)絡(luò)模型主要用于對總趨勢的分析，而不是對節(jié)點(diǎn)值的絕對預(yù)測，尤其是預(yù)測的邊界。量化后建立的新埂村蔬菜生產(chǎn)區(qū)氮輸出貝葉斯網(wǎng)絡(luò)模型如圖1所示。

3.1 敏感性分析

方差減小是用來比較輸出節(jié)點(diǎn)對氮源節(jié)點(diǎn)、遷移節(jié)點(diǎn)、遷移后氮削減措施節(jié)點(diǎn)敏感性的主要方法。一級輸出節(jié)點(diǎn)（氮濃度和總氮輸出）對遷移、氮源和遷移后氮削減措施等因子的敏感性表征了這些因子對氮輸出的相對重要性。對氮濃度和總氮輸出敏感性分析的結(jié)果為：①氮濃度對總氮輸出最為敏感，反之亦然，反映兩者之間的計(jì)算關(guān)系；②營養(yǎng)物質(zhì)遷移因子（如徑流量）在決定氮輸出量（負(fù)荷和濃度）方面可能比源因子（如施肥率）更加重要，因此建議將灌溉管理作為總體削減措施的一部分予以考慮；③氮濃度對總氮增加的敏感性比對氣體排放敏感性低，這突出了反硝化作用在這些系統(tǒng)具有潛在的重要性，值得進(jìn)一步的研究。

3.2 情景方案分析

利用開發(fā)出來的貝葉斯網(wǎng)絡(luò)模型對新埂村蔬菜生產(chǎn)區(qū)氮輸出進(jìn)行一系列的案例研究，以對網(wǎng)絡(luò)模型的屬性、不同氮削減措施的效果進(jìn)行充分研究。利用貝葉斯網(wǎng)絡(luò)模型分析得出的11種方案如表3所示。

從表3可以得出以下結(jié)果：①遷移后氮削減措施的效果：貝葉斯網(wǎng)絡(luò)模型分析結(jié)果表明，與當(dāng)前實(shí)踐相比（生態(tài)溝、濕地、排放水的再利用），在遷移后削減措施缺失的情況下，可能會得到類似的氮濃度和輸出效率，但總氮輸出會顯著增加?？偟膩碚f，貝葉斯網(wǎng)絡(luò)模型分析結(jié)果表明生態(tài)渠可能是最有效的遷移后氮削減措施。②源頭管理的效果：根據(jù)貝葉斯網(wǎng)絡(luò)模型的方案，進(jìn)行源頭管理，如減少肥料的使用對氮濃度輸出影響較小。然而值得注意的是，以年作為時(shí)間步長，貝葉斯網(wǎng)絡(luò)模型不考慮營養(yǎng)物輸入后的累積效應(yīng)。③累積管理變化：貝葉斯網(wǎng)絡(luò)模型分析結(jié)果表明，與當(dāng)前的情況相比，高于常規(guī)的施肥率對總氮輸出的影響很小，但是會降低氮的濃度和輸出效率。這又可能被認(rèn)為是反常的，但它與敏感性分析和反映影響氮輸出的因子間相互關(guān)系的重要性和復(fù)雜性是一致的。

4 小結(jié)與討論

太湖流域蔬菜生產(chǎn)系統(tǒng)中氮輸出是當(dāng)?shù)匾粋€(gè)重要農(nóng)業(yè)環(huán)保問題。由于缺乏定量的因和果的關(guān)系以及與這些系統(tǒng)相關(guān)的數(shù)據(jù)，貝葉斯網(wǎng)絡(luò)模型的構(gòu)建主要是基于一個(gè)相對簡單的概念模型和一些概念化的數(shù)學(xué)公式，而不是基于試驗(yàn)或經(jīng)驗(yàn)數(shù)據(jù)。貝葉斯網(wǎng)絡(luò)模型的輸出結(jié)果很有意義，除了氣體排放外，模型輸出結(jié)果與目標(biāo)區(qū)可獲得的有限文獻(xiàn)資料是一致的。

研究表明，遷移后氮削減措施在降低氮輸出方面特別有效。考慮到目標(biāo)區(qū)許多地方有蓄水，可利用的土地有限，因此生態(tài)溝渠和再利用系統(tǒng)是減少氮輸出有效的方法，并能與濕地或其他農(nóng)業(yè)活動(dòng)（如養(yǎng)魚）整合在一起。然而，貝葉斯網(wǎng)絡(luò)模型充分證明，這些農(nóng)業(yè)系統(tǒng)需要考慮到因子之間的相互作用。在此系統(tǒng)中，水和土壤的pH，氮濃度和氮形態(tài)等因子非常重要，貝葉斯網(wǎng)絡(luò)模型中的關(guān)系可以說明它們的影響。

在小區(qū)尺度上，限制氮輸入常被認(rèn)為是減少排水中氮濃度最簡單、最容易的方式。然而，徑流和其他因子之間的關(guān)系，尤其與氣體的排放、蔬菜作物對高氮需求之間的關(guān)系表明，雖然這樣簡單的解決方案有助于減少氮輸出，但這可能不是最好的選擇，它忽略了系統(tǒng)中所發(fā)生的復(fù)雜的相互作用。要達(dá)到環(huán)保目標(biāo)，提高灌溉措施（包括完善灌溉制定、使用較少的輸入水和優(yōu)化降水利用）并結(jié)合硝化抑制劑的使用[10]比單純的限制氮的供應(yīng)可能會更有效。

參考文獻(xiàn)：

[1] DOUGLAS-MANKIN K，SRINIVASAN R，ARNOLD J. Soil and water assessment tool （SWAT） model： Current developments and applications[J]. Transactions of the ASABE，2010，53（5）：1423-1431.

[2] SOGBEDJI J M，VAN E H M， HUTSON J L. N fate and transport under variable cropping history and fertilizer rate on loamy sand and clay loam soils： I. Calibration of the LEACHMN model[J]. Plant and Soil，2001，229（1）：57-70.

[3] WILLIAMS J， ARNOLD J， KINIRY J， et al. History of model development at Temple， Texas[J]. Hydrological Sciences Journal，2008，53（5）：948-960.

[4] SALAZAR O， WESSTROM I， YOUSEF M A， et al. Evaluation of the DRAINMOD-N II model for predicting nitrogen losses in a loamy sand under cultivation in south-east Sweden[J]. Agricultural Water Management，2009，96（2）：267-281.

[5] 羅建男，盧文喜，陳社明，等.基于貝葉斯網(wǎng)絡(luò)的水環(huán)境管理研究[J].節(jié)水灌溉，2011（3）：68-72.

[6] 朱 嵩，毛根海，程偉平，等.基于貝葉斯推理的水環(huán)境系統(tǒng)參數(shù)識別[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，28（3）：237-240.

[7] 劉越暢，陳世文，馮進(jìn)達(dá)，等.基于貝葉斯網(wǎng)絡(luò)的蔬菜質(zhì)量安全溯源與預(yù)警[J].廣東農(nóng)業(yè)科學(xué)，2012，39（20）：188-190.

[8] 董立巖.貝葉斯網(wǎng)絡(luò)應(yīng)用基礎(chǔ)研究[D].長春：吉林大學(xué)，2007.

[9] PEARL J. Probabilistic Reasoning in Intelligent Systems： Networks of Plausable Inference[M]. San Mateo： Morgan Kaufmann Publishers，1988.

[10] 李兆君，宋阿琳，范分良，等.新型硝化抑制劑對外源銨態(tài)氮在土壤中遷移轉(zhuǎn)化及淋溶損失的影響[J].西南農(nóng)業(yè)學(xué)報(bào)，2011， 24（3）：995-998.

[2] SOGBEDJI J M，VAN E H M， HUTSON J L. N fate and transport under variable cropping history and fertilizer rate on loamy sand and clay loam soils： I. Calibration of the LEACHMN model[J]. Plant and Soil，2001，229（1）：57-70.

[3] WILLIAMS J， ARNOLD J， KINIRY J， et al. History of model development at Temple， Texas[J]. Hydrological Sciences Journal，2008，53（5）：948-960.

[4] SALAZAR O， WESSTROM I， YOUSEF M A， et al. Evaluation of the DRAINMOD-N II model for predicting nitrogen losses in a loamy sand under cultivation in south-east Sweden[J]. Agricultural Water Management，2009，96（2）：267-281.

[5] 羅建男，盧文喜，陳社明，等.基于貝葉斯網(wǎng)絡(luò)的水環(huán)境管理研究[J].節(jié)水灌溉，2011（3）：68-72.

[6] 朱 嵩，毛根海，程偉平，等.基于貝葉斯推理的水環(huán)境系統(tǒng)參數(shù)識別[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，28（3）：237-240.

[7] 劉越暢，陳世文，馮進(jìn)達(dá)，等.基于貝葉斯網(wǎng)絡(luò)的蔬菜質(zhì)量安全溯源與預(yù)警[J].廣東農(nóng)業(yè)科學(xué)，2012，39（20）：188-190.

[8] 董立巖.貝葉斯網(wǎng)絡(luò)應(yīng)用基礎(chǔ)研究[D].長春：吉林大學(xué)，2007.

[9] PEARL J. Probabilistic Reasoning in Intelligent Systems： Networks of Plausable Inference[M]. San Mateo： Morgan Kaufmann Publishers，1988.

[10] 李兆君，宋阿琳，范分良，等.新型硝化抑制劑對外源銨態(tài)氮在土壤中遷移轉(zhuǎn)化及淋溶損失的影響[J].西南農(nóng)業(yè)學(xué)報(bào)，2011， 24（3）：995-998.

[2] SOGBEDJI J M，VAN E H M， HUTSON J L. N fate and transport under variable cropping history and fertilizer rate on loamy sand and clay loam soils： I. Calibration of the LEACHMN model[J]. Plant and Soil，2001，229（1）：57-70.

[3] WILLIAMS J， ARNOLD J， KINIRY J， et al. History of model development at Temple， Texas[J]. Hydrological Sciences Journal，2008，53（5）：948-960.

[4] SALAZAR O， WESSTROM I， YOUSEF M A， et al. Evaluation of the DRAINMOD-N II model for predicting nitrogen losses in a loamy sand under cultivation in south-east Sweden[J]. Agricultural Water Management，2009，96（2）：267-281.

[5] 羅建男，盧文喜，陳社明，等.基于貝葉斯網(wǎng)絡(luò)的水環(huán)境管理研究[J].節(jié)水灌溉，2011（3）：68-72.

[6] 朱 嵩，毛根海，程偉平，等.基于貝葉斯推理的水環(huán)境系統(tǒng)參數(shù)識別[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，28（3）：237-240.

[7] 劉越暢，陳世文，馮進(jìn)達(dá)，等.基于貝葉斯網(wǎng)絡(luò)的蔬菜質(zhì)量安全溯源與預(yù)警[J].廣東農(nóng)業(yè)科學(xué)，2012，39（20）：188-190.

[8] 董立巖.貝葉斯網(wǎng)絡(luò)應(yīng)用基礎(chǔ)研究[D].長春：吉林大學(xué)，2007.

[9] PEARL J. Probabilistic Reasoning in Intelligent Systems： Networks of Plausable Inference[M]. San Mateo： Morgan Kaufmann Publishers，1988.

[10] 李兆君，宋阿琳，范分良，等.新型硝化抑制劑對外源銨態(tài)氮在土壤中遷移轉(zhuǎn)化及淋溶損失的影響[J].西南農(nóng)業(yè)學(xué)報(bào)，2011， 24（3）：995-998.