基于参与式多准则决策分析的林火抑制管理区优先排序研究：整合利益相关者知识与空间优化策略

本研究通过参与式多准则决策分析（MCDA）整合地理信息系统（GIS）与生态系统管理决策支持系统（EMDS），提出了一种空间决策支持框架，旨在优化野火高风险区域（葡萄牙Vale do Sousa）的燃料管理策略。研究结合AHP层次分析法、一致性比率（CR）、Spearman秩相关系数（S）和欧氏距离（ED）等多维度评估方法，实现了多利益相关方偏好与空间数据的融合，为景观尺度 wildfire 防控资源的精准配置提供了科学依据。

　　

1 引言

全球每年报告约200万起野火，尽管多数燃烧面积较小，但极端野火事件（EWE）的发生频率显著增加。葡萄牙作为南欧地区火情最严重的国家，其点火率和燃烧面积密度均居首位，西班牙和葡萄牙合计占欧洲所有火灾报告的50%。面对这一严峻形势，亟需整合预防、扑救和恢复于一体的创新性野火应对策略。

扑救作为应对火情体系的关键环节，其初期行动的速度与强度直接决定野火是否会演变为极端事件。然而，过度聚焦扑救会分散对预防措施的关注，导致防控效果不佳。研究表明，增加扑救资源并不能显著减少大面积野火的燃烧范围，而通过燃料管理进行预防可加速火势控制并提升防控机会识别效率。因此，在制定预防策略时，需优先考虑区域可及性、消防资源可用性及燃料条件等准则。

2 材料与方法

2.1 研究区概况

研究区Vale do Sousa位于葡萄牙西北部，距波尔图约50公里，总面积28,941公顷，涵盖Entre-Douro-e-Sousa和Paiva两个联合协作管理区（ZIFs）。该地区以林业为主要土地利用类型，优势树种为蓝桉（Eucalyptus globulus Labill）和海岸松（Pinus pinaster Ait），其余包括夏栎（Quercus robur L）、栗树（Castanea sativa Mill）和栓皮栎（Quercus suber L）。2016年和2017年该地区分别发生极端野火事件，烧毁面积占总面积的10.1%和25.7%，凸显了燃料管理的紧迫性。

2.2 参与式流程

通过滚雪球抽样法识别并邀请19名来自不同机构的利益相关方参与研究，包括地方政府、消防队、环保机构、林业企业及森林所有者协会等。通过在线问卷和焦点小组（FG）讨论，最终确定了4项准则和17项子准则。利用Google Forms平台开展调查，并结合视频辅助说明，确保参与者充分理解调查内容。

2.3 多准则决策分析表征

在FG讨论中，参与者通过 pairwise comparison（成对比较）法，基于1-9标度评估各准则及子准则的相对重要性，并使用一致性比率（CR）检验判断的逻辑一致性。CR值≤0.1被视为可接受范围，高CR值可能源于对比较过程的理解偏差，但为保持参与包容性，未严格排除高CR值的参与者。

2.4 参与者贡献分析

为平衡个体意见与群体共识，研究采用三种互补性指标评估参与者表现：

• •
  一致性比率（CR）：反映个体判断的内在一致性；
• •
  Spearman秩相关系数（S）：衡量个体排序与群体排序的单调相关性；
• •
  欧氏距离（ED）：计算个体评分与群体评分间的绝对差异。
  通过归一化处理这些指标的倒数，生成每位参与者的权重，确保一致性高、共识强的意见对最终决策具有更高贡献度。

2.5 层次决策模型与优先图

利用Criterium Decision Plus（CDP）软件构建层次模型，整合准则、子准则、管理单元（MU）及参与者权重。通过EMDS系统在ArcGIS Pro中实现空间MCDA计算，生成各准则及综合优先性地图。优先性分为5个等级（极低至极高），采用等间隔分类法进行可视化。

2.6 一致性与敏感性分析

通过比较个体与群体优先图的分类一致性，评估模型输出的代表性。采用局部扰动法（权重±10%调整）检验模型稳定性，计算平均绝对偏差（MAD）和分类变更单元数量。

3 结果

3.1 准则与子准则定义

最终确定的4项准则包括：

• •
  燃料（Fuels）：涵盖冠层盖度、冠基高度、地上生物量、再萌生树种比例及灌木生物量；
• •
  极端火灾潜力（Potential for extreme fires）：整合大火灾潜力区、短期火险等级、火蔓延速率及野火抗性指标；
• •
  扑救驱动因子（Suppression drivers）：涉及道路可达性、坡度、水源点距离及防火带邻近度；
• •
  脆弱性（Vulnerability）：包括城市化区域、保护廊道、坡向及人口密度。

3.2 子准则尺度参数

通过FG讨论确定各子准则的效用函数参数，例如：

• •
  坡向按方位角分为北、南、西、东四类；
• •
  防火带接触面积以重叠百分比表示；
• •
  再萌生树种比例以相对于实生树种的面积百分比衡量。

3.3 准则与子准则权重

基于AHP的成对比较结果，计算群体加权权重。燃料准则权重最高（0.402），其次为极端火灾潜力（0.286）、扑救驱动因子（0.187）和脆弱性（0.125）。

3.4 参与者贡献权重

参与者CR值介于0.05-0.18之间，部分略超0.1阈值。通过CR、S和ED的综合加权，确保高一致性、高共识度参与者的意见更具影响力。

3.5 层次模型

CDP软件中构建的决策模型集成参与者权重与空间数据，生成标准化优先性评分。模型结构包含目标层、准则层、子准则层及管理单元层。

3.6 优先性地图

综合优先图显示，仅1.2%的管理单元被列为“极高”优先区，7.9%为“高”优先区，这些区域主要分布在研究区西北部，形成沿杜罗河向北延伸的优先带。各准则地图表明，该区域在燃料积累、扑救条件及极端火险方面均呈现高优先级。

3.7 一致性与敏感性结果

个体与群体分类一致性平均达60%（4.79/8）。权重扰动敏感性分析显示，MAD最大值仅为0.00425（<0.5%标度范围），仅3.2%的MU在最敏感场景下发生分类变更，表明模型具有较强稳定性。

4 讨论

本研究通过结构化参与流程和多重绩效评估，提升了决策过程的透明性与可信度。与葡萄牙现有防火规划（如ICNF火险图或PMDFCI市政计划）相比，本框架更具灵活性和本地化适配能力。优先图的输出为资源有限区域的精准干预提供了科学依据，但其本质为规范性而非预测性工具，需通过实地验证和迭代更新保持适用性。

5 结论

本研究开发的参与式MCDA-GIS-EMDS集成框架，为野火防控管理区的空间优先排序提供了可靠方法。通过整合多利益相关方知识、量化评估参与者贡献、融合空间与决策模型，实现了防控资源的高效配置。未来研究可探索该框架在动态环境下的适用性，以及跨区域推广的潜力。