國立成功大學補助優秀新進教師學術研究計畫
成果報告
計畫名稱：河川流態於生態水資源管理之研究
主 持 人：孫建平助理教授
中文摘要
自然流態的變化特性對於溪流生態具有相當大的影響性，藉由溪流生態、水 質與水文特徵變化關係的探討，可了解不同生物和流態間的連結，顯示生態水質 水文指標的建立對於生態流量的管理十分重要。本研究利用主成份分析、結構方 程模式等統計方法逐步篩選，挑選出具有代表水文氣候、水質狀況與生物多樣性 等多重資訊的水文指標。結構方程模式主要運用於因果關係之分析探討，並具有 多項的模式評鑑指標，使研究者可以進一步檢驗研究模式的整體適切性，達到提 高研究精確度之目的，相當適合於探討水文指標與魚類生態之關聯性。本研究利 用結構方程模式建立出五個水質模式與一個生物多樣性模式，水質模式探討了水 文指標與河川污染指標間之因果關係，指出了水文指標與水質情況的相關性；生 物多樣性模式則是探討了水文指標與夏農指數之因果關係，指出了反應水文特 性、水質狀況之水文指標與生物多樣性之相關性，藉由水質模式與生物多樣性模 式分析的結果，則可挑選出具有代表多重資訊之水文指標。此外，本研究亦採用 了羅吉斯回歸分析，利用了魚類於五個流域之出現情況，將水文指標與魚類族群 分佈情況加以連結，探討特定魚類族群偏好之水文特性。而藉由計算魚類族群在 各個水文指標影響下於五個流域之出現機率，則可以了解多重資訊之水文指標與 特定魚類族群之相關性。本研究所得的指標，除了能獲得魚類族群對於特定水 文、水質環境需求的資訊，並可提供水利單位作為生態流量管理的參考，期許在 水資源管理層面上可以對溪流生態系統的維護達到更大的幫助。 關鍵詞：自然流態，溪流生態，生態水文指標，主成份分析，結構方程模式，生 物多樣性，羅吉斯回歸Abstract
The variability of the natural flow regime has a significant influence on the river ecosystems. By examining the relationships between stream ecosystems, water quality, and hydrologic characteristics, we can understand the preference of different organisms to flow regimes. The development of the multipurpose hydrological indicators is quite important to the management of ecological flow. By using principal component analysis and structural equation modeling, we select the hydrological indicators that could express the significance of hydro-climate, water quality and fish species diversity. Then the logistic regression analysis model is used to examine the relation between fish and hydrologic indicators by using fish’s present conditions. The structural equation modeling provides examination of a set of relationships between one or more independent variables and one or more dependent variables, so the modeler could explicitly capture the unreliability of measurement in the model, which in theory allows the structural relations between latent variables to be accurately estimated. In this study, the structural equation model is used to build five water quality models and one biodiversity model. The water quality model examines the causality of hydrologic indicators and River Pollution Index, which expresses the relationship between the hydrological indicators and water quality condition, and the biodiversity model examines the causality of hydrological indicators and Shannon Index, which expresses the relationship between hydrological indicators and biodiversity. By analyzing water quality and biodiversity models, a suite of hydrological indicators representing multiple characteristics can be obtained. The multipurpose hydrological indicators selected from this research can not only provide the specific hydrologic and water quality information that fish requires, but also can provide the guidance for water resources authorities to achieve the goal of ecological restoration.
Keywords ： Natural Flow Regime, Stream Ecology, Eco-hydrological Indicator, Principal Component Analysis, Structural Equation Modeling, Logistic Regression Analysis, Biodiversity
（一） 前言
流態（Flow regime）為河川流量隨著不同時空變化而產生的水文特徵，自然流態 （Natural flow regime）即為未受人為控制與干擾之自然水文變化情況。自然流態的概念 於 1997 年由 Poff 等人所提出，並且廣泛地在許多文獻中被討論。該概念解釋了五種不 同流態特性因子：（1）流量的季節型態；（2）極端流量發生的時間；（3）洪水、乾旱的 頻率與延時；（4）季節與每年的流態變化；（5）流量情況改變的速率。Richter 等人(1997) 將流量資料分為 32 個水文指標（Indicator of hydrologic alteration，IHA），作為流量管理 的標的，可清楚地描述出自然流態的變化，且探討水工結構物對流量的影響性。水文指 標的研究與發展，可用來評估水文狀態的變化情況，進而將流態納入溪流生態系統管理 之中，而首先就是必須先了解人類對溪流流態所造成的改變，反應出其對於地貌與生態 系統造成極大影響。在逐漸了解流量在生態上所產生的影響之後，對於溪流生態系統的 管理便必須以自然流態為方向逐漸加以發展，才能達到流量管理與生態復育的目標。而 河川的自然流態會隨著不同時間而有所變化，這些變化性對生態系統的功能與棲息地之 生物多樣性是非常重要的。就生態系統管理的方向而言，欲了解河川流態的自然變化 性，必須對量、時間、頻率、延時、變化率等五個要素加以考量。現今大部分的流量管 理僅侷限於最小流量與標的物種的復育，如以自然流態之概念作為生態流量管理的出發 點，對於溪流之生態復育將會有很大的助益（Suen and Eheart，2006）。
（二） 研究目的
自然流態的概念一直以來主要於研究水文在河流生態系統影響，在過去十年間，研 究者已經測試出一些水文指標來表達出不同組成之流態的特徵，可以相當明確的指出流 態在受水工結構物完成前後的影響，確實對生態流量的管理有相當大的助益，而另一影 響物種生存環境的重要因素則是水質，如溶氧、生化需氧量、氨氮與懸浮固體等等，都 會影響物種的棲息地環境，探討水文狀態與水質情況的關聯性，可以明確的找到對水質 情況影響最明顯的水文指標，進而找出具有代表水文氣候、水質情況與生物多樣性之水 文指標，更能將水文指標做更廣泛的應用。結構方程模式（structural equation modeling， SEM）主要可以用於因果關係之分析探討，並且方便研究者應用於理論模式，藉由特定 的估計程序產生各項參數的估計，進而可以檢驗理論模式的整體適切性，因此相當適合 本研究對於各個生態水文指標的討論與應用，研究內採用 32 個水文指標進行與各項水 質參數、魚類多樣性之因果分析，藉由所建構的模式可以清楚的了解水文指標與生態系 統的關聯性。最後藉由羅吉斯回歸分析模式（logistic regression modeling）的建立，從 魚類於各個生物站點出現的情況，可以求得特定魚類族群在各個流域中與水文指標的相 關性，並找出具有代表性意義的魚類物種，不但可以了解各個流域之水文、水質情況， 更能進一步提供水利生態單位作為生態流量管理之參考。（三） 文獻探討
水文指標在溪流生態的發展已有相當多的研究，可以利用與生態相關之水文變數來 描述特定地區之溪流特性、區域性或全球性之水文變化特性，還有描述受各種人為因素干擾之後的流態特徵。早期的研究主要著重於平均流況（Hawkes et al.，1986）、平均日 流量變化（Horwitz，1978）、流量之預測（Bunn et al.，1986）、短期洪水頻率估計（Cushing et al.，1983）、月流量之季節性分佈（Haines et al.，1988）、流量與洪水延時分佈曲線與 年流量時間序列（McMahon et al.，1992），目前有較多的研究已經開始著重於同時檢測 整套的水文指標，並利用多重變數的方式來描述水文情況（Poff and Ward，1989；Poff and Allan，1995；Richter et al.，1996，1997）。
表 1 各 IHA 對溪流生態系統的影響（The Nature Conservancy，2001）
IHA 對生態系統的影響 各月份之流量平均值 1. 影響水中生物的棲地環境。 2. 影響植物土壤含水量之取得。 3. 提供陸域動物可利用的水源。 4. 提供哺乳動物食物或遮蔽（棲地)。 5. 提供陸域動物可靠的水源。 6. 提供掠食者接近巢穴的機會。 7. 影響水溫、溶氧及光合作用。 年最小 1 日流量平均值 年最大 1 日流量平均值 年最小 3 日流量平均值 年最大 3 日流量平均值 年最小 7 日流量平均值 年最大 7 日流量平均值 年最小 30 日流量平均值 年最大 30 日流量平均值 年最小 90 日流量平均值 年最大 90 日流量平均值 年最小 7 日流量平均值對年平均流量比值 1. 影響生物體對環境壓力的容受力、生物間競爭的平衡。 2. 造成動物之脫水狀態。 3. 影響植物生存的環境。 4. 陸生植物浸沒水中的容受程度。 5. 藉由生物及分生物的因子建構水中生態系統。 6. 促進溪流與洪水平原間營養源的交流。 7. 建構溪流渠道型態與物理性棲地狀態。 8. 溪流中壓力源存在的時間，如低溶氧及某種污染物存在於溪 流中的時間。 9. 植物體含水量之壓力源。 10.影響植物族群在湖泊、水塘或洪水平原的分佈。 年最大 1 日流量發生時間 年最小 1 日流量發生時間 1. 造成生活史或是生物行為的演進。 2. 對壓力源之可以預測性。 3. 在生殖期間提供特殊棲地或避免被掠食的棲地或通道。 4. 提供有遷徙特性魚類產卵的訊息。 5. 影響生物的生活史及行為機制。 每年發生高流量之次數 每年發生低流量之次數 高流量平均延時 低流量平均延時 1. 土壤之溼度產生壓力源的頻率與強度。 2. 影響水中生物對洪水平原的利用。 3. 溪流與洪水平原間營養源及有機質的交換。 4. 影響土壤中無機物的利用。 5. 影響河床載的運移、底質結構、底質的分佈。 流量平均增加率 流量平均減少率 每年流量逆轉次數 1. 乾旱對植物所造成的壓力。 2. 在高流量時，洪水平原或小島會成為生物陷阱。 3. 對喜歡在河床邊緣移動的生物造成壓力源。
Richter et al.（1996）提出水文指標（IHA）來評估人類對生態系統所造成的水文改 變度，使用以量、時間、頻率、延時及變化率等水文特性為基礎的 32 個指標，來表現 每年中水文變動的特徵量化描述，此 32 個水文指標也提供了地表水與地下水對於水生 物、溼地與河岸生態系統造成影響的生態資訊，如表 1 所示。Olden and Poff（2003）從 13 篇已發表的文章中，找出 171 個水文指標，用來代表在生物上重要的溪流流量特性， 並利用全美多達 420 個流量站點進行分析。研究目的希望能萃取重要水文資訊，找到真 正具有生態水文特徵之水文指標，提供溪流生態學家在指標選擇上的參考，而該研究亦 發現一個重要結論，IHA 指標可以代表 171 個水文指標大部份之水文資訊，並且均勻分 佈於五個水文指標類別，可以提供研究者在進行生態水文分析時相當良好的參考。 結構方程模式的發展起源相當早，但其核心概念到 1970 年代才被提出，於 1980 年 代末期便有相當快速的發展。基本上結構方程模式的概念與 70 年代高等統計技術的發 展有著相當密切的關係，隨著電腦普及與功能不斷提升，相關前人之研究 Jöreskog（1973） 及 Keesling（1972）等人將因素分析、路徑分析等統計概念整合，結合電腦的分析技術， 提出了結構方程模式的初步概念，可以說是結構方程模式的先驅者。目前坊間已經有數 套專門應用於結構方程模式分析的套裝軟體，例如 LISREL（Jöreskog and Sörbom， 1989）、EQS（Bentler，1985）、AMOS（Arbuckle，1997）、MPLUS（Muthén and Muth én，1998）、RAMONA（Browne et al.，1994）等，這些分析工具多已能搭配視窗軟體 與文書作業系統，使得結構方程模式的分析效能大為提昇，報表呈現與繪圖作業簡化且 美觀，更能夠結合網際網路的編輯規格，快速的將結構方程模式的分析結果整理與傳播。
結構方程模式主要是一種結合因素分析及路徑分析的高階統計方法，主要可作為理 論驗證之工具，過去常使用於社會科學及行為科學領域的研究，在生態及環境科學方面 也有使用的例子（Grace and Pugesek，1997；Malaeb et al.，2000），在國內則有以彰濱 工業區的水質資料（成功大學水工試驗所調查）及生物數據成功架構出「沿岸表層海域 生態系之變動模式」（周偉融等，2004）。由於結構方程模式只要資料完整，理論上可同 時將數種環境影響因素（例如水文氣候、水質、水溫）與生物架構在一個模式內，能對 環境生態有整體的瞭解，是一種極具潛力的分析方法。
（四） 研究方法
4-1 研究區域概述 由於本研究欲探討自然流態下之水文特性，因此挑選水文測站第一條件就是必須尋 找中上游未受控制之天然流量測站，挑選之水文測站皆位於溪流之中上游，水質受到污 染的情況也比下游來得少；第二條件就是必須與水質測站有所對應，才能提高水質之 SEM 模式的正確性，在本研究中則是選取與水質測站相近之水文測站做為研究站點； 第三條件則是水文測站必須具備 20 年以上之流量資料，根據 Richter 等（1997）之研究 中，提出要能代表整體流域之水文特性，則須具備有 20 年以上之流量資料，才能提升 研究的準確度，而本研究所採用之水文資料為日流量資料。經由以上三個條件加以篩選 之後，共有 12 個水文測站符合條件，分別為三峽、內灣、上坪、桶頭、新發大橋、古 魯、馬鞍溪橋、瑞穗大橋、立山、新武呂、延平、知本等水文測站。若以水資源分區將 台灣本島分為四個主要區域，北部地區有 4 個測站，中部地區有 1 個測站、南部地區有 1 個測站、東部地區則有 6 個測站，圖 1 即為本研究 12 個水文測站分佈圖。4-2 水質資料之蒐集 根據行政院環保署對於台灣河川水質測站之說明，民國 65 年至 90 年主要由前臺灣 省政府水污染防治所辦理河川水質之監測工作，91 年起則由行政院環境保護署環境監測 及資訊處執行，共監測 57 個流域及河系，涵蓋主、支流共 95 條河川，301 個測站。 本研究所挑選水質測站之第一條件必須與水文測站有所對應，挑選出與水文測站相 近之水質測站；第二條件則是必須有 20 年以上之水質資料，才能與水文資料進行結構 方程模式之建立；第三條件則是水質測站受污染程度的情況，本研究採用之水質指標為 河川污染指標（RPI），其數值越大表示污染越嚴重，而如果達到中高度污染，表示受人 為干擾因素影響過大，並無法明確找出水文指標與水質之相關性，因此在站點選擇上， 盡可能選取少未受污染或稍受污染之水質測站，因此挑選出來的 12 個水質站點分別為 三峽大橋、內灣吊橋、瑞豐大橋、南雲大橋、月眉橋、崙埤、萬里溪橋、瑞穗大橋、太 平溪橋、初來橋、鹿鳴橋、知本橋等站點，圖 2 為 12 個水質測站之分佈圖。 在水文資料與水質資料於結構方程模式對應的方式上，主要以年為單位加以對應， 水文資料原為日流量資料，經由 IHA 軟體計算後的 32 個水文指標值均為每年水文改變 的情況；水質資料則依每年每個站點之水質資料筆數加以平均，因此可求得每年之水文 參數（溶氧、生化需氧量、氨氮、懸浮固體）與水質指標（RPI）的平均值，接著進一 步將 12 個水文站點與 12 個水質站點之 20 年資料加以對應，以建構結構方程模式。 4-3 魚類資料之蒐集 本研究分析的魚類物種為分佈於淡水河流域、濁水溪流域、高屏溪流域、蘭陽溪流 域、花蓮溪流域等五個流域之淡水魚類，生物站點的選擇主要以與水文測站可以互相對 應為主，經由多方蒐集之後共可取得五個流域、20 個生物採樣站點資料，五個流域分別 淡水河流域、濁水溪流域、高屏溪流域、蘭陽溪流域與花蓮溪流域。魚類資料來源為台 灣河川河口魚類分佈資料庫、淡水河流域底棲生物與魚類調查及水質評估（經濟部水資 源統一規劃委員會，1983）、淡水河流域水生物調查及水質評估之研究（經濟部水資源 統一規劃委員會，1994）、環境調查研究年報（行政院環保署，1993）、台灣河川水質魚 類指標之研究（王漢泉，2002）等等，圖 3 為生物測站之分佈圖。羅吉斯回歸分析主要 利用了 65 種於台灣溪流常見之淡水魚種進行分析，藉由 65 種淡水魚類在五個流域之各 個生物測站之出現情況，來探討水文指標與魚類族群分佈之相關性。 蘭陽溪流域 高屏溪流域 淡水河流域 花蓮溪流域 濁水溪流域 圖 1 本研究之水文測站分 佈圖 圖 2 本研究之水質測站分 佈圖 圖 3 本研究之生物採樣站 點分佈圖
4-4 主成份分析與比例原則篩選之水文指標
Olden and Poff (2003)指出欲代表流域整體特性，須藉由主成份分析從 32 個 IHA 水 文指標中，選出至少十個水文指標來加強分析的情況。而挑選指標的方式即以各主成份 之特徵值（即解釋變異量)大小在特徵值總和所佔之百分比，然後依百分比大小以一定 比例選取各主成份中因素負荷最大之水文指標，此即為比例原則，其數學式如下所示： 每一主成份挑選之水文指標數 = ×10 λ λi i λ 每一主成份解釋變異量；λ總解釋變異量 Kaiser (1958) 提出選取特徵値大於 1 之主成份，可以得到較佳之解釋變異量。本研 究中，總共有五個主成份特徵值大於 1，解釋變異量達到 77%左右，原則上主成份分析 達到 70%便算是不錯的分析結果。圖 4 為各主成份之陡坡圖，可以發現特徵值呈現逐漸 減少的情況，在 PC5 之後其特徵值慢慢趨近於 0，即解釋變異量相當少。經由比例原則 可計算五個主成份各自應挑選之指標數，依因素負荷大小總共可挑出 11 個水文指標， 選出之水文指標的因素負荷值依 Tabachnick and Fidell (2007) 提出之選取指標準則都有 普通到好的程度，從 PC1 選出的指標更達到甚為理想的程度。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 成份編號 0 5 10 15 20 特 徵 值 圖 4 各主成份之陡坡圖 為了探討台灣天候與流量變化的情況可能對水質造成的影響，因此將主成份分析中 所得到的 11 個水文指標，將較同類型的指標歸類，分成七組主要影響因素（7 個 Factor）：
Factor1：年最小 3 日流量平均值(3-day min)、年最小 7 日流量平均值(7-day min)、 年最小 30 日流量平均值(30-day min)
：表示乾旱、枯水期等因素影響的極端流量最小值。
Factor2：年最大 7 日流量平均值(7-day max)、年最大 30 日流量平均值(30-day max) ：表示颱風、梅雨季節等因素影響的極端流量最大值。
Factor3：年最大 90 日流量平均值(90-day max)
：表示較長時的氣流、季風所影響的極端流量最大值。
Factor4：每年發生高流量之次數(Hi pulse #)、每年發生低流量之次數(Lo pulse #) ：表示受暴雨、洪水、乾旱發生次數影響的情況。
Factor5：年最大 1 日流量發生時間(Date max) ：表示年最大流量發生時間影響的因素。 Factor6：低流量平均延時(Lo pulse L)
：表示枯水期、乾旱的時間長度。 Factor7：每年流量逆轉次數(Reversals) ：表示流量的變化情況，反應出降雨特性。。 4-5 結構方程模式 在 SEM 模式當中，包含兩種基本型態之變項，分別是測量變項與潛在變項。測量 變項為研究者測量所得到之資料，是實際被 SEM 用來分析與計算的基本元素。在典型 的 SEM 分析中，測量變項的變異會受到某一個或幾個潛在變項影響，因此又稱為潛在 變項的測量指標或外顯變項（manifest variables）。 在SEM的路徑圖中，測量變項是以長方形來表示，如圖 5 所示之V1與V2。就SEM的 概念來說，當測量變項可能會產生一定的測量誤差時，測量變項會受到特定潛在變項的 影響，而使得測量變項的數值有所變化；當測量變項是一個無誤差的測量時，就可以視 該變項為一個真實有效的測量。潛在變項以橢圓形的符號來表示，如圖 5 所示之F。在 一個SEM模式當中，測量變項一定會存在，但潛在變項不可能單獨存在，也就是說潛在 變項並非真實存在之變項，而是由測量變項中所估計而得到的。 V1 V2 F E1 E2 λ1 λ2 圖 5 測量模式圖 SEM模式中，潛在變項與測量變項之間的關係稱之為測量模式，圖 5 所示即為一組 簡單的測量模式，其中橢圓形的F為潛在變項，方形的V1與V2為測量變項，λ1與λ2表 測量變項受到潛在變項影響的程度，稱之為因素負荷量。E1與E2稱之為測量誤差，即為 測量變項中無法被潛在變項解釋之變異量，測量誤差可視為一潛在變項，其變異量可被 估計出來。一個完整的SEM模式，包括了測量模式（measurement model）與結構模式 （structural model）兩部份，前者係指實際測量變項與潛在特質的相互關係，後者則說 明潛在變項之間的關係。 V1 V2 V3 F1 E1 E2 E3 V4 V5 V6 F2 E4 E5 E6 D
Measurement model 1 Measurement model 2 Structure model
圖 6 SEM 模式圖
立的測量模式，而測量變項V4、V5與V6則受到另一個潛在變項（F2）的影響，形成另一
個獨立的測量模式。兩個潛在變項之間具有因果關係的假設，以單向箭頭來表示。因此， 從F1到F2之間是一個結構模式，對於潛在變項F2，無法被F1解釋的干擾部分為D。圖 6
是利用SEM的路徑圖來說明SEM模式的變項特性與關係。
在 SEM 當中，如果單獨使用測量模式，也就是只有測量模式而沒有結構模式的回 歸關係假設時，即為驗證性因素分析（confirmatory factor analysis），因其檢測的內容是 測量題目的因素結構（factorial structure）與測量誤差。進一步的，單獨看待結構模式， 其實就是一個傳統的路徑分析（path analysis）模式，可以多元回歸的概念來說明變項的 因果或預測關係。 SEM 模式與傳統的回歸分析的不同，除了在於 SEM 可以同時處理多組回歸方程式 的估計，更重要的是變項關係的處理更具有彈性。在回歸分析當中，變項僅區分為自變 項與依變項，同時這些變項都是無誤差的測量變項，但是 SEM 模式中，變項的關係除 了具有測量關係之外，還可以利用潛在變項來進行觀察值的殘差估計，因此，SEM 的 模式中，殘差的概念遠較傳統回歸分析複雜。其次在回歸分析中，依變項被自變項解釋 後的殘差是被假設與自變項之間的關係是相互獨立，但是 SEM 分析中，殘差項是允許 與變項之間帶有關聯，但前提是這些特殊的假設也應具有一定的理論邏輯基礎。 4-6 羅吉斯回歸分析 羅吉斯回歸類似線性回歸模式。回歸分析是描述一個依變數與一個或多個預測變數 之間的關係，然而一般回歸分析時，依變數與自變數通常均為連續變數，但羅吉斯回歸 所探討結果的依變數是離散型，特別是其分類只有二類（例如“成功與失敗＂）時。利 用羅吉斯回歸的目的是在於建立一個最精簡和最能配適的分析結果，而且在實用上合理 的模式，建立模式後可用來預測依變數與一組預測變數之間的關係。 羅吉斯回歸的基本假設與其他多變量分析之假設不同，因為它不需要假設分配類 型，在羅吉斯分配中，自變數對於依變數之影響方式是以指數的方式來變動。此意味著 羅吉斯回歸無需具有符合常態分配的假設，但是如果預測變數為常態分配的話，結果會 比較可靠。在羅吉斯回歸分析中，自變數可以是類別變數（category variable），也可以 是連續變數。 令 p 表示某種事件成功的機率，它受因素ｘ的影響，即 p 與ｘ之關係如下： ) ( ) ( 1 f x x f e e p + = k kX X X x f p p = =β +β +β + +β − ( ) ... 1 ln 0 1 1 2 2 上式稱之為羅吉斯回歸模式，β為回歸係數，k 為因素 x 之項數。
（五） 結果與討論
5-1 水質模式與生物多樣性之 SEM 模式分析 水質模式建立目的在於探討水文指標與水質情況之相關性，本研究採用之水質指標 為河川污染指標(RPI)，根據其四個水質參數分別建立 SEM 模式，分別為溶氧模式、生 化需氧量模式、懸浮固體模式與氨氮模式，最後再建立 RPI 模式，分析各個 SEM 模式之中七個水文氣候因素與水質之間的因果關係。藉由四個水質模式之因果關係，可以清 楚了解到可能影響生物棲息地狀況的要素，而這些要素都是可能會影響生物多樣性的情 況，像是溶氧值可能受流速快慢影響、有機物分解等情況影響，BOD 值則是可能受污 染物影響，懸浮固體值則是可能受大雨沖刷地表而增加，氨氮值亦說明水質受污染的情 況，而 RPI 值可以說明河川受污染的程度，RPI 模式則是可以清楚的看出哪個因素的水 文指標會與整體水質狀況有較大之相關性。利用生物多樣性模式則是探討了水文指標與 魚類多樣性之相關性，將五個水質模式中所挑選之水文指標與生物多樣性指數（夏農指 數）進行生物多樣性之 SEM 模式的建立，可找出與生物多樣性相關性較高之水文指標， 進一步找出具備多重資訊之水文指標。 在本研究所建構之 SEM 模式中，經由主成份分析挑選出之 11 個水文指標表示結構 方程模式中之測量變項，經由分類淂到的七個影響因素則表示模式中之外衍潛在變項， 而水質指標、水質參數與生物多樣性指標均為內衍潛在變項，藉由潛在變項之間的路徑 係數大小，則可以清楚地看出水文氣候特性與水質、生物多樣性之間的因果關係。。 根據溶氧、生化需氧量、懸浮固體與氨氮檢測值與 RPI 的 SEM 模式結果，可以發 現經由初次篩選出的七組 Factor 共 11 個水文指標中，最可能影響水質的水文指標，總 共有三組 Factor，包含了五個水文指標，分別是 Factor 2 為 7-day max、30-day max，表 颱風、梅雨季節影響之極端流量最大值，與溶氧、氨氮與 RPI 等檢測值相關性最高；Factor 3 為 90-day max，表示受較長時之氣流與季風影響的極端流量最大值，與生化需氧量之 檢測值相關性最高；Factor 4 為 Hi pulse # 與 Lo pulse #，表示受暴雨、洪水、乾旱發生 次數影響的情況，與懸浮固體值相關性最高（表 2）。 表 2 水質之 SEM 模式中各 Factor 的路徑係數 溶氧 生化需氧量 懸浮固體 氨氮 RPI Factor 1 -0.10 -0.03 -0.08 -0.06 -0.21 Factor 2 -0.52 -0.47 0.25 0.46 0.57 Factor 3 0.35 -0.52 -0.04 -0.52 -0.26 Factor 4 -0.06 -0.33 0.27 -0.22 -0.06 Factor 5 0.05 0.04 -0.12 0.05 -0.02 Factor 6 -0.15 0.09 0.10 0.12 0.12 Factor 7 -0.03 0.45 -0.20 0.22 0.17 再以包含這五個水文指標的三組 Factor 進行生物多樣性模式之建立，即如圖 7 所 示。經由水質與生物多樣模式總共挑出來三個水文指標，分別為 7-day max、30-day max、 90-day max，挑選出來的水文指標能夠代表水文特性，更能表示溪流中魚類生態的情況。 而從各個 SEM 模式所得到之結果與分析，所選的水文指標主要提供了以下四個部份之 資訊：
1. 水文情況與氣候特性：
7-day max 表示可能由於颱風、豪大雨所造成的極端流量，30-day max 表示可能由 於梅雨季節造成之極端流量，90-day max 則表示可能由於較長時間之氣流與季風所 造成之極端流量。
2. 水質情況： 不同水文指標代表不同水文特性，在颱風、梅雨、季風等等不同氣候因素影下，會 因為地表沖刷、營養鹽沉澱、懸浮固體改變、溶氧增減等等因素而使水質產生變化。 3. 魚類多樣性： 經由生物多樣性模式可以發現五個水文指標與溪流魚類多樣性之間的相關性，可以 了解到可能對水質優劣造成影響的水文指標，亦會明顯牽動著魚類多樣性的變化。 4. 生態流量管理之參考： 由於本研究的水文測站為未受控制之天然流量測站，因此藉由三個指標所提供的水 文、水質與生物多樣性的資訊，我們可以了解在自然流況下，魚類對於水文、水質 環境的偏好情況，並且提供各個水利生態單位對於流量管理時生態考量之參考。 Standardized estimates 卡方值= 8.993 DF = 5 P = .109 FACTOR 2 30-day max d2 .99 7-day max d1 .98 FACTOR 3 90-day max d3 1.00 1.00 生物多樣性 1.00 SI e -.33 .46 z FACTOR 4 Lo pulse # d5 .51 Hi pulse # d4 .64 .04 -1.22 -1.21 圖 7 生物多樣性之 SEM 模式 5-1 羅吉斯回歸與勝算比分析 經由上述之水質、生物多樣性模式的探討後，可以發現水文指標的選擇確實可以提 供許多資訊有助於分析水文特性、水質情況與生物多樣性之間的相關性，但對於物種的 復育似乎依舊無法找出更明確的方法去進行，因此羅吉斯回歸的目的除了藉由勝算比探 討 7-day max、30-day max、90-day max 等三個多重資訊的水文指標與單一物種之相關 性，更進一步計算出魚類物種在這三個多重資訊之水文指標的影響下，於五個流域中的 出現機率，可以了解不同魚類族群在不同水文特性的出現情況，也能找出與三個多重資 訊之水文指標相關性最高的魚類物種，以利於水質評估、水文特性等等的參考。 本研究利用 65 種於在台灣溪流常出現之淡水魚種進行羅吉斯回歸分析，探討經由 水質模式、生物多樣性模式挑選挑出來的三個多重資訊之水文指標與 65 種魚類進行羅 吉斯回歸分析，而勝算比表示單位水文變動量魚類出現機率的增加倍數，也是說勝算比 越大，魚類族群之出現機率也越大，而當勝算比大於 1 時，表示魚類出現機率是增加的； 相對的，當勝算比小於 1 時，出現機率則是減少的。經由羅吉斯回歸分析之後，可以發 現 65 種魚類之中，發現有八種魚類與主成份分析所挑選的 11 個水文指標有顯著相關， 其中有兩種魚類對三個多重資訊之水文指標呈現顯著情況(p-value＜0.05)，即粗首鱲 （Zacco pachycephalus）與鯽魚（Carassius auratus auratus）。
粗首鱲為初級淡水魚，主要分佈於河川的中下游及溝渠中，喜好棲息在水流較緩慢 的潭區或淺灘區域。幼魚時以藻類、有機碎屑、水生昆蟲等為食，為雜食性；成長後主
要以水生昆蟲、小魚及小蝦為食，偏肉食性。表 3 為粗首鱲之羅吉斯回歸分析，可以發 現 7-day max、30-day max、90-day max 之勝算比分別為 0.995、0.988 與 0.980，其值均 小於 1，顯示粗首鱲於該三個多重資訊之水文指標影響下，其出現機率均有下降之趨勢， 而 7-day max、30-day max 兩個水文指標在水質溶氧模式為與水質參數為負相關，在生 化需氧量模式、氨氮模式與 RPI 模式則是呈現正相關，表示粗首鱲喜歡生存於水質較佳 之溪流。 表 3 粗首鱲之羅吉斯回歸分析 指標 回歸係數 常數 顯著性 勝算比 R2 7-day max -0.005 1.807 0.035 0.995 0.317 30-day max -0.012 1.801 0.036 0.988 0.310 90-day max -0.020 1.766 0.037 0.980 0.307 Date max 0.075 -16.145 0.041 1.077 0.469 Lo pulse L -0.172 2.627 0.045 0.842 0.287 鯽魚為初級淡水魚，常生活於河川中、下游之各種水域，對環境適應力非常強，耐 污染及低溶氧，對鹽度之容忍力強，河川中游的深潭，至含氧量極低的污濁水域均可生 長，喜棲息於各種水草繁生的淺水域，亦可生活在優養化之水域。雜食性，主要攝食浮 游生物、水生植物，亦食有機物碎屑及底棲動物等。繁殖力強，成長較緩慢。表 4 為鯽 魚之羅吉斯回歸分析，可以發現 7-day max、30-day max、90-day max 之勝算比分別為 1.007、1.018 與 1.030，其值均大於 1，顯示鯽魚於該三個多重資訊之水文指標影響下， 其出現機率均有增加之趨勢，而 7-day max、30-day max 兩個水文指標在水質溶氧模式 為與水質參數為負相關，在生化需氧量模式、氨氮模式與 RPI 模式則是呈現正相關，表 示鯽魚能生存於水質較差之溪流。 表 4 鯽魚之羅吉斯回歸分析 指標 回歸係數 常數 顯著性 勝算比 R2 3-day min 0.488 -2.205 0.011 1.628 0.494 7-day min 0.472 -2.233 0.011 1.603 0.483 30-day min 0.401 -2.355 0.011 1.493 0.504 7-day max 0.007 -2.321 0.011 1.007 0.502 30-day max 0.018 -2.359 0.011 1.018 0.510 90-day max 0.030 -2.305 0.011 1.030 0.506 Date max -0.090 19.455 0.033 0.914 0.539
（六） 結論與建議
1. 在利用主成份分析萃取重要水文指標的過程當中，選取特徵值大於 1 之主成份，總共 可得到五個主成份，解釋變異量達到 77%，算是相當不錯的分析結果。經由比例原 則挑選之 11 個水文指標，可以區分為七個具有水文氣候特性之因素，除了可以萃取重要水文指標之資訊外，更進一步提高了 SEM 模式之正確性。 2. 結構方程模式利於因果關係之分析探討，模式理論之建構相當完整，且具多種評鑑指 標，更能提高模式之正確度，因此相當適合於探討多組水文指標與魚類多樣性之相關 性。 3. 建構之 SEM 水質模式共有五個，分別為溶氧模式、生化需氧量模式、懸浮固體模式、 氨氮模式與 RPI 模式，分別指出七個因素與水質參數之間的因果關係，以了解水文 氣候特性與水質情況的相關性，而與水質相關性最高之水文指標共有三個因素，包含 了五個水文指標，分別為 7-day max、30-day max、90-day max、Lo pulse #、Hi pulse #，表示了不同水文氣候與水質之間的相關性。 4. 生物多樣性模式利用水質模式所篩選出來的三個因素與生物多樣性指標進行 SEM 之 建立，目的除了探討水文指標與生物多樣性之相關性外，更能進一步找出最具多重資 訊之水文指標，而與生物多樣性指標相關性最高的水文指標為 7-day max、30-day max、90-day max，這三個水文指標主要可提供以下四個層面之資訊：（1）水文氣候 特性；（2）水質情況，可表示魚類棲息地狀況；（3）魚類多樣性情況；（4）作為生態 流量管理之參考。 5. 羅吉斯回歸分析是一種二元因變數之統計分析，本研究利用該方法將水文指標與魚類 族群分佈情況加以連結。單一魚種於五個流域出現之機率，可以判斷水文指標對於魚 類出現情況的影響情形，進而找出作為生態流量管理之標的物種。在本研究中可以發 現在 7-day max、30-day max、90-day max 三個水文指標影響下鯽魚與粗首鱲兩種物 種偏好之水質特性，而 7-day max、30-day max 在水質模式之分析，更能反應出兩種 物種偏好之水文與水質特性，而粗首鱲適合生存於水質較佳之生態環境，則相當適合 作為生態流量管理之標的物種。 6. 本研究水文與水質站點各有 12 個，研究資料均達 20 年，於時空上均有較佳之對應， 但魚類資料由於人力、物力的限制，資料蒐集方面較有困難，並無法取得長時間之魚 類資料，因此僅能就現有資料進行分析，將來若累積更多之魚類調查資料，將更能提 昇研究之品質。 7. 本研究目的在找出具有多重資訊之水文指標，考慮了水質參數與生物多樣性指標。結 構方程模式之優點為利於因果關係之分析探討，本研究水質之 SEM 模式為七因一果 的模式，如能將水深、流速、粒徑大小、水溫等等不同之棲息地變數加入 SEM 模式 中分析，更能進一步探討台灣水文氣候與溪流狀態之相關性；而在將來如果有足夠之 魚類資料，更能利用 SEM 將水質模式與生物多樣性模式加以結合，建立一個完整的 SEM 模式對水文指標、水質、生物多樣性之間的因果關係加以分析，更能對魚類喜 好之水文特性與棲息地環境做更清楚的描述。 8. 使用魚類作為研究物種有許多的優點，如易於辨識、較多前人研究、生活史資訊較豐 富、可代表溪流生態營養階層之變化性等等，相當適合做為溪流生態研究的主要物 種，但如果能適當加入其他物種加以分析，可以從較多層面去了解不同物種之生態流 量的需求，並提昇研究內容之完整性。
（七）參考文獻
Bentler, P. M. 1985. Theory and implementation of EQS: A structural equations program. Los Angeles: BMDP Statistical Software.
Browne, M. W., Mels, G., & Cowan, M.01994. Path analysis: RAMONA. SYSTAT for DOS advanced applications （Version 6, pp. 167-224.）. Evanston, IL: SYSTAT.
Bunn S. E., Edward D. H., Loneragan N. R. 1986. Spatial and temporal variation in the macroinvertebrate fauna of streams of the northern Jarrah Forest, Western Australia: community structure. Freshwater Biology 16: 67–91.
Cushing C. E., McIntire C. D., Cummins K. W., Minshall G. W., Petersen R. C., Sedell J. R., Vannote R. L. 1983. Relationships among chemical, physical and biological indices along a river continua based on multivariate analyses. Archiv f¨ur Hydrobiologie 98: 317–326. Grace, J. B., Pugesek, B. H. 1997. A structural equation model of plant species richness and
its application to a coastal wetland. American Naturalist. 149 (3).436-460.
Haines A. T., Findlayson B. L., McMahon T. A. 1988. A global classification of river regimes. Applied Geography 8: 255–272.
Hawkes C. L., Miller D. L., Layher W. G. 1986. Fish ecoregions of Kansas: stream fish assemblage patterns and associated environmental correlates”. Environmental Biology of Fishes 17: 267–279.
Horwitz R. J. 1978. Temporal variability patterns and the distributional patterns of stream fishes. Ecological Monographs 48: 307–321.
Jöreskog, K.G. 1973. A General Method for Estimating a Linear Structural Equation System. In A.S. Goldberger & O.D. Duncan （eds.）, Structural equation models in the sciences. New York: Seminar Press.
Jöreskog, K. G., & Sörbom, D. 1989. LISREL 7: A guide to the program and applications. Chicago: SPSS.
Kaiser H. 1958. The Varimax Criterion for Analytic Rotation in Factor Analysis, Psychometrika, 23(3),187-200.
Keesling, J. W. 1972. Maximum likelihood approaches to causal analysis. Unpublished doctoral dissertation. University of Chicago.
Malaeb, Z. A., Summers, J. K., Pugesk, B. H. 2000. Using structural equation modeling to investigate relationships among ecological variables. Environmental and Ecological Statistics. 7. 93-111.
McMahon T. A., Finlayson B. L., Haines A. T., Srikanthan R. 1992. “Global
Runoff—Continental Comparisons of Annual Flows and Peak Discharges”. Catena: Cremlingen-Destedt, Germany.
Muthén, L. K., & Muthén, B. O. 1998. Mplus: The comprehensive modeling program for applied researchers. Los Angeles: Muthén & Muthén.
Olden J. D., Poff N. L. 2003. Redundancy and the choice of hydrologic indices for characterizing streamflow regimes. River Research and Applications 19: 101–121.
Poff N. L., Allan J. D. 1995. Functional organization of stream fish assemblages in relation to hydrological variability”. Ecology 76: 606–627.
community structure: a regional analysis of streamflow patterns. Canadian Journal of Fisheries and Aquatic Sciences 46: 1805–1818.
Richter B. D., Baumgartner J. V., Powell J., Braun D. P. 1996. A method for assessing hydrologic alteration within ecosystems, Conservation Biology 10: 1163–1174, 1996。 Richter B. D., Baumgartner J. V., Wigington, R., Braun D. P. 1997. How much water does a
river need? Freshwater Biology 37: 231–249.
Suen, J.P. and Eheart, J.W. 2006 “Reservoir management to balance ecosystem and human needs: incorporating the paradigm of the ecological flow regime.”,Water resources research,42(3) :W03417.
Tabachnick, B. G., and Fidell, L. S. 2007. Using Multivariate Statistics , 5th ed. Boston: Allyn and Bacon.
The Nature Conservancy, 2001. Indicators of Hydrologic Alteration User's Manual, http://conserveonline.org/docs/2000/12/iha_man.pdf. 王漢泉，2002，「台灣河川水質魚類指標之研究」，環境檢驗所環境調查研究年報。 周偉融、方力行，2004，「以多變數分析探討朴子溪長期水質變動之情形」。中華民國環 境工程學會第十六屆學術研討會。 經濟部水資源統一規劃委員會，1983，「淡水河流域底棲生物與魚類調查及水質評估」。 經濟部水資源統一規劃委員會，1994，「淡水河流域水生物調查及水質評估之研究」。
