通过利益相关者的感知识别欧洲森林韧性的预测因子

《Journal of Environmental Management》：Identifying predictors of resilience in European forests through stakeholders' perceptions

【字体：大中小】 时间：2026年10月24日 来源：Journal of Environmental Management 9.2

编辑推荐：

　　 •利益相关者的感知揭示了跨越森林各维度的韧性预测因子。•二部网络揭示了预测因子与系统变量之间的模块化联系。•森林管理和生物多样性成为关键的跨维度预测因子。•生态韧性比社会经济韧性获得了更高的利益相关者共识。•基于感知的网络可以支持面向韧性的森林治理。引言森林可以被理解为一种社

•
利益相关者的感知揭示了跨越森林各维度的韧性预测因子。
•
二部网络揭示了预测因子与系统变量之间的模块化联系。
•
森林管理和生物多样性成为关键的跨维度预测因子。
•
生态韧性比社会经济韧性获得了更高的利益相关者共识。
•
基于感知的网络可以支持面向韧性的森林治理。

引言

森林可以被理解为一种社会-生态系统，由生态过程与人类活动之间的相互作用所塑造（Berkes等，1998），这些相互作用通过提供重要的生态系统服务来促进人类福祉（Brockerhoff等，2017）。全球评估指出，由于木材、休闲和生物多样性等服务需求不断上升（Müller等，2019；Derks等，2020），森林生态系统面临的压力日益增加，与此同时，气候相关的扰动也在加剧（FAO，2020）。这些压力不仅威胁着森林生态系统服务的正常供给（Seidl等，2016；Greiner等，2020；Patacca等，2022），也影响着森林价值链的社会经济功能（Hoeben等，2023）。因此，政策制定者、科学家和森林管理者对培育更具韧性的森林日益关注。然而，由于韧性概念及其度量指标的复杂性，森林韧性的提升仍然面临挑战，这涉及到社会-生态系统的双重维度性质（即生态和社会经济）（Folke，2006；Nikinmaa等，2023；Lloret等，2024），以及韧性评估和实施的操作化困难。

作为社会-生态系统的森林，其韧性可理解为在应对意外冲击或渐进变化（如气候变化引发的变化）时，森林进行重组、适应并持续提供生态系统服务的能力（Biggs等，2012）。在此意义上，"韧性"一词被广泛用于描述系统如何在动态平衡中维持自身以避免状态转变，或评估使系统在遭受扰动后恢复其本质特性的机制（如适应或创新）（Folke等，2004；Hoeben等，2023）。采用Carpenter等（2001）提出的"什么对什么的韧性"方法——即考察系统绩效（"什么"）随时间对特定扰动或压力源（"对什么"）的响应变化——可以支持基于韧性的森林管理和政策制定，通过识别需要维持的系统主要特征以及变革的驱动因素。这一方法还可以进一步扩展，帮助识别影响韧性的关键因素（如通过促进扰动后的恢复），以及可以被操控的因素（即韧性预测因子，以下简称），从而在面临扰动或压力源时维持定义系统的一组相关森林属性（即系统变量，以下简称）（Lloret等，2024）。近期研究通过文献综合和网络方法实现了这一框架的操作化，以识别与森林韧性相关的韧性预测因子和系统变量（Hurtado等，2025）。这些研究强调了与森林组成和结构、生物多样性保护、采伐强度、土地利用规划和林业创新相关的预测因子的重要性（Buma和Wessman，2013；Sánchez-Pinillos等，2016；Asada等，2023；Hoeben等，2023）。然而，对于利益相关者如何在不同的森林社会-生态情境中感知这些韧性预测因子与系统变量之间的相关性和关系，关注尚不足够。

基于利益相关者感知的研究主要聚焦于广泛实施管理策略以增强森林对扰动的韧性（如Greiner等，2020；Abrams等，2021；Nikinmaa等，2024），往往采用一般性视角。然而，为了更有效地应用韧性方法，了解利益相关者如何将特定的韧性预测因子与特定的系统变量联系起来至关重要，因为识别这些感知关系的结构可以帮助优先排序和优化管理行动、预见新兴的权衡关系、减少潜在的社会冲突，并支持面向韧性的决策和治理（King等，2015；Nikinmaa等，2023；Cantarello等，2024；Ludvig等，2024）。利益相关者参与在此背景下尤为相关，因为不同的利益相关者群体可以贡献各自关于森林管理和韧性的独特视角、经验和专业知识（Reed，2008；Villamor等，2014），促进科学知识在森林决策和管理中的传播和操作应用（Bennett，2016；Marta-Costa等，2016）。

本文通过文献综述和专家知识，评估了利益相关者对韧性预测因子和系统变量的感知，涵盖生态（森林生态系统服务，FES）和社会经济（森林价值链，FBVC）维度，涉及欧洲不同的森林社会-生态情境。通过使用感知调查和二部网络分析，我们旨在理解利益相关者如何感知可管理的韧性预测因子与关键生态和社会经济森林变量（即系统变量）之间的关系。利益相关者群体画像和区域系统被视为互补的语境维度，使我们能够探索更广泛的感知模式在不同情境中如何变化。具体而言，我们检验了以下假设：（1）存在被感知为能够影响一组系统变量韧性的韧性预测因子群体，即韧性预测因子与系统变量之间的关系具有模块化结构；（2）这种感知关系（即模块化结构）在生态和社会经济维度之间存在差异，因为FBVC往往更直接地受市场动态和利益相关者利益的影响，而FES通常与底层的生物物理关系相关（如生物多样性与生态功能之间的关系），尽管生态系统服务也可能受社会经济因素的影响。我们进一步旨在识别被感知为跨越维度最广泛相关的预测因子，并使用排名分析评估其感知可操作性。

各章节摘要

研究系统

我们在欧洲四个森林社会-生态区域系统的九项案例研究中，与不同的利益相关者群体合作：北欧（芬兰）；不列颠群岛（都柏林山区伙伴关系周边地区——爱尔兰，新森林——英国）；中欧（捷克共和国，莱茵河上游河谷——德国，博热地区——法国）；南欧（伊斯特拉——克罗地亚，加泰罗尼亚和加利西亚——西班牙）（附录S1，图S1）。案例研究的选择遵循了最大化

韧性预测因子与系统变量之间关系的感知

为评估基于利益相关者感知的RPs与SVs之间的关系，我们采用网络分析方法构建了两部网络，其中SVs和RPs代表两种不同类型的节点，链接的确定依据是表示两者之间存在关系的利益相关者回答数量。我们仅纳入超过90%的利益相关者回答中识别出的RPs与SVs之间的链接，遵循高共识标准（Diamond等，2014）。这

韧性预测因子与系统变量之间的模块化关系

利益相关者建立的RPs与SVs之间的关系在生态和社会经济维度中均揭示了模块化结构（图1）。然而，模块的数量和组成在不同利益相关者群体画像之间有所变化（附录S3，图S1和图S2），范围为三到六个模块。森林管理者始终表现出最高的模块化值（附录S3，表S1）和最少的模块数量（图S1A和图S2A），表明其具有更为

跨越生态和社会经济维度的模块化感知模式

利益相关者在生态和社会经济维度中均识别出了韧性预测因子（RPs）与系统变量（SVs）之间的模块化关系，表明一组预测因子被感知为能够影响多种系统变量以增强欧洲森林的韧性。在生态维度中，与生物多样性相关的SVs始终与致力于促进功能性生态系统的森林保护和管理实践相关联，

结论

本研究显示，利益相关者感知到韧性预测因子与系统变量之间跨越森林社会-生态系统生态和社会经济维度的模块化关系。森林管理实践、生物多样性保护和森林结构属性始终被认为是提升韧性的重要目标。这与以往关于这些驱动因素在森林功能中重要性的研究相一致，无论是否考虑利益相关者感知。相比之下，

CRediT作者贡献声明

Luciana Jaime：撰写——初稿，形式化分析，数据整理，概念构思。Pilar Hurtado：撰写——审阅与编辑，方法论。Josep María Espelta：撰写——审阅与编辑，概念构思。Lukas Baumbach：撰写——审阅与编辑，资源，调查。Anton Brenko：资源，调查。Elena Cantarello：撰写——审阅与编辑，资源，调查。Tomá? Hlásny：撰写——审阅与编辑，资源，调查。Martin Jankovsky：撰写——

资助

本研究得到欧盟H2020-RUR-2020-2项目RESONATE（资助编号101000574）的支持，以及西班牙科学、创新与教育部PID2020-115264RB-I00和加泰罗尼亚AGAUR 2021 SGR 00849和SGR 00889资助的支持。LJ感谢西班牙科学、创新与教育部提供的Juan de la Cierva Formación资助（JDC2022–050162-I）。

利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系，这些关系可能影响本文所述工作的独立性。

引言