《Journal of Marine Science and Engineering》：Optimisation of Nautical Anchorages: A Six-Method Hybrid Approach
编辑推荐：
摘要：海洋空间管理的日益复杂性以及航海旅游的快速增长，要求使用正式且透明的决策模型。确定航海锚地的最优位置是一个多准则决策问题（MCDP），其中航行安全、空间约束和环境保护常常相互冲突。本研究提出了一个结合地理信息系统（GIS）和多准则决策（MCDM）方法的集
摘要：海洋空间管理的日益复杂性以及航海旅游的快速增长，要求使用正式且透明的决策模型。确定航海锚地的最优位置是一个多准则决策问题（MCDP），其中航行安全、空间约束和环境保护常常相互冲突。本研究提出了一个结合地理信息系统（GIS）和多准则决策（MCDM）方法的集成框架，用于系统评估和排序航海锚地。作为案例研究，研究人员分析了克罗地亚斯普利特-达尔马提亚县的86个潜在位置，基于18个标准，涵盖水文、气象和空间因素，以及与航行安全相关的风险因素。该方法论应用了六种MCDM方法，在R编程语言中实现：逼近理想解排序法（TOPSIS）、多准则优化与妥协解（VIKOR）、基于比率分析的多目标优化（MOORA）、复杂比例评估（COPRAS）、基于妥协解的方案测量与排序（MARCOS）以及基于平均解距离的评估（EDAS）。为了减少方法论偏差，最终计算了共识排名（Consensus rank），以综合所有应用方法的结果。通过使用排名重叠的对角矩阵和相应的热图可视化，分析了方法间排名的一致性，从而检验了所得排名的稳定性。结果表明，单个MCDM方法之间具有高度一致性，最终共识排名具有很强的稳定性。所提出的模型根据位置满足既定标准的程度，从最佳到最差进行排序，同时确保严格的航行安全并符合环境约束。这些发现证实，集成的GIS–MCDM方法是一种可靠、可重复且科学依据充分的工具，可用于支持航海基础设施开发中的空间规划和特许权分配。
**论文解读：航海锚地优化——一种六方法混合方法**
**研究背景与问题提出**
随着海洋空间管理复杂性的增加和航海旅游业的快速增长，传统的碎片化规划方法已无法满足现代需求。在航海锚地选址过程中，涉及航行安全、空间约束、环境保护等多重相互冲突的目标，这本质上是一个多准则决策问题（MCDP）。然而，现有研究大多依赖单一多准则决策（MCDM）算法，或仅比较少数几种方法而未将其结果整合为统一框架，导致最终排名依赖于所选算法的数学特性，缺乏稳健性。此外，缺乏对不同MCDM方法间排名一致性的系统评估，使得决策的可靠性和客观性不足。为此，本研究旨在开发一种集成地理信息系统（GIS）和六种MCDM方法的混合框架，对克罗地亚斯普利特-达尔马提亚县（SDC）海域的86个潜在锚地位置进行系统评估与排序，为海洋空间规划和特许权分配提供科学依据。该论文发表在《Journal of Marine Science and Engineering》。
**主要关键技术方法**
研究人员采用以下关键技术方法：1）基于GIS的空间分析，利用哈弗辛公式（Haversine formula）计算各锚地位置间的空间距离，作为第18个空间分布标准；2）六种MCDM方法，包括逼近理想解排序法（TOPSIS）、多准则优化与妥协解（VIKOR）、基于比率分析的多目标优化（MOORA）、复杂比例评估（COPRAS）、基于妥协解的方案测量与排序（MARCOS）以及基于平均解距离的评估（EDAS），均在R编程环境中实现；3）共识排名（Consensus Rank）模型，通过取六种方法排名的算术平均值，消除方法特定偏差；4）斯皮尔曼秩相关分析（Spearman’s rank correlation）和秩重叠矩阵（rank-overlap matrix）用于验证方法间的一致性及排名稳定性。样本数据来源于“斯普利特-达尔马提亚县锚地研究——第一阶段和第二阶段”报告，涵盖56个锚地位置的86个场地（每个位置可能包含多个场地）。
**研究结果**
**3.1 交互式空间可视化**
通过交互式叶地图（Leaflet maps）展示所有锚地位置的空间分布，以圆圈大小和颜色表示不同标准（如面积、交通强度等）的归一化值，直观识别具有特定功能特征的位置。
**3.2 六种MCDM方法的排名结果**
分别应用TOPSIS、VIKOR、MOORA、COPRAS、MARCOS和EDAS方法，对86个场地进行排名。各方法的前十名位置以不同颜色标示，最终共识排名以金色星号标注。结果表明，不同方法在最优位置选择上存在一定差异，但共识排名提供了综合可靠的排序。
**3.3 方法间相关性分析**
斯皮尔曼秩相关矩阵显示，TOPSIS、VIKOR、MOORA和COPRAS之间相关系数超过0.99，表明高度一致性；MARCOS与其他方法呈负相关，反映其独特的评价逻辑；EDAS呈中等正相关。最终共识排名与大多数方法的相关性在0.93–0.96之间，验证了其代表性和稳定性。
**3.4 秩重叠分析**
秩重叠矩阵量化了各方法间相同或相近排名位置的数量，进一步确认了方法间的一致性，特别是VIKOR与MOORA共享75个相同排名，MOORA与TOPSIS共享54个，VIKOR与TOPSIS共享45个。MARCOS几乎无重叠，表明其评价逻辑的独特性。
**3.5 排名稳定性与敏感性分析**
通过箱线图（boxplots）和抖动图（jitter plots）展示前十名位置在不同方法下的排名分布。如DRVENIK MALI—Uvala Vela Rina等位置排名高度集中，而OKRUG GORNJI—Uvala Sveta Fumija等位置排名变异较大，表明中期排名位置对方法选择更敏感。排除MARCOS后重新分析，共识排名保持稳定，证实了框架的稳健性。
**3.6 分层圆形图与层次排名**
分层圆形图（layered circular diagram）展示各方法对共识排名的贡献，MARCOS方法始终偏离其他算法，作为保守成分识别对极端值敏感的位置。层次排名图（hierarchical representation）提供全局视图，显示尽管MARCOS偏离，整体共识排名仍保持稳定。
**讨论与结论**
讨论部分指出，与先前仅依赖单一MCDM方法的研究相比，本研究的混合框架实现了多层面验证，显著提升了方法论先进性。TOPSIS、VIKOR、MOORA和COPRAS之间的极高相关性表明标准设置平衡，排名差异主要源于位置真实性能差异，而非方法论偏差。MARCOS的负相关并非缺陷，而是揭示了其对极端值的敏感性，有助于风险识别。EDAS的中间行为源于其基于平均解的评估逻辑。排名变异主要出现在中期位置，进一步证实共识排名降低偏差的有效性。敏感性测试排除MARCOS后共识排名稳定，表明框架的稳健性。
结论部分翻译如下：
所提出模型的主要创新在于从碎片化、直觉性的规划方法转向基于客观决策的、集成算法框架。通过将六种MCDM算法与来自GIS和水文气象分析的18个量化参数相结合，该模型实现了稳健的共识并有效消除了主观性。敏感性分析和斯皮尔曼秩相关验证了结果的稳定性。在R环境中的实现确保了可重复性、透明性和可扩展性，超越了现有方法。关键优势在于客观性、稳健性、透明性以及安全与环境标准的整合，而主要局限性在于依赖静态和历史数据。未来研究应聚焦于开发自适应模型，融入实时自动识别系统（AIS）和气象数据，以及人工智能（AI）和机器学习（ML）技术，以支持更准确、环境可持续的锚地规划。在此框架下，锚地被视为嵌入亚得里亚海安全且可持续蓝色经济中的关键基础设施。
