《Land》：Mapping Ecological Sensitivity for Restoration-Oriented Planning in Mediterranean Mountain Landscapes
编辑推荐：
有效的环境监测和可持续景观管理需要能够识别生态敏感区域并支持有针对性的保护与恢复规划的空间明确方法。尽管地理信息系统（Geographic Information Systems，GIS）和多准则决策方法已广泛用于生态敏感性评估，但在数据稀缺的地中海山地环境中
有效的环境监测和可持续景观管理需要能够识别生态敏感区域并支持有针对性的保护与恢复规划的空间明确方法。尽管地理信息系统（Geographic Information Systems，GIS）和多准则决策方法已广泛用于生态敏感性评估，但在数据稀缺的地中海山地环境中，同时考虑生物物理条件与人为压力的综合框架仍然有限。本研究开发了一个GIS–AHP框架，通过整合气候、地形、水文、生物物理、土地利用、人口和基础设施相关的十一项准则，评估叙利亚西部萨菲塔（Safita）地区的生态敏感性。各项准则被标准化，采用层次分析法（Analytic Hierarchy Process，AHP）确定权重，并通过加权线性组合进行整合，以生成空间明确的生态敏感性指数（Ecological Sensitivity Index，ESI）。中等和高敏感等级在研究区中占主导，分别占55.3%和35.5%，而极高敏感等级仅占0.29%。植被、土壤、降雨和土地利用/土地覆被（Land Use/Land Cover，LULC）是主导准则，合计占AHP总权重的70.08%。敏感性分析表明，在所有±10%权重扰动情景下，准则排序的稳定性为100%，而在空间输出测试中，93.9%–97.1%的有效栅格单元保持其基准ESI等级。空间分析显示，萨菲塔中心以及北部和东北部区域包含大面积的高敏感区域，因此值得特别关注环境监测和恢复导向规划。在此背景下，植被的高贡献反映了茂密植被区域的生态价值和扰动敏感性，而非环境退化本身。因此，所得到的ESI应被解释为由内在环境敏感性和人为压力相互作用所产生的相对生态敏感性的综合度量，而非环境退化的直接度量。该框架为在数据稀缺的地中海山地景观中优先安排监测、保护和恢复行动提供了一种透明且可复制的决策支持方法。
论文解读：面向恢复规划的地中海山地生态敏感性制图
生态敏感性（Ecological Sensitivity）指生态系统对内部生态过程与外部干扰共同引起的环境变化的响应程度。人类活动在超过生态系统适应能力时会加剧环境退化，因此识别生态系统对多重压力尤为敏感的区域是环境监测、保护规划和可持续土地管理的重要基础。在地中海山地景观中，气候、地形、水文、土壤、植被、土地利用、基础设施和人口压力在短距离内相互作用，使生态敏感性表现出强烈空间异质性。尽管GIS和多准则决策方法已广泛用于生态敏感性评估，但现有框架多聚焦于单一退化过程，难以同时表征生物物理条件与人为压力的综合效应。尤其在数据稀缺的东地中海山区，如叙利亚，缺乏能整合自然与人为因子的空间显式评估。基于此，研究人员以叙利亚西部萨菲塔（Safita）地区为研究区，开发了GIS–AHP集成框架，旨在绘制生态敏感性指数（Ecological Sensitivity Index，ESI），为恢复导向规划提供决策支持。
本研究整合了多源数据，包括ALOS PALSAR数字高程模型（Digital Elevation Model，DEM）衍生的地形和水文变量、Sentinel-2影像计算的归一化植被指数（Normalized Difference Vegetation Index，NDVI）、Esri Sentinel-2土地利用/土地覆被（Land Use/Land Cover，LULC）产品并辅以实地调查局部细化、气象站降雨插值、土壤数据、道路网和行政单元人口密度等。通过层次分析法（Analytic Hierarchy Process，AHP）确定11个准则的权重，并采用加权线性组合（Weighted Linear Combination，WLC）生成空间连续的ESI，最后用Jenks自然断点法分为五级。核心结论是：中等和高敏感等级占主导，合计90.8%；植被、土壤、降雨和LULC为贡献最大的四个准则；权重扰动下准则排序100%稳定，空间分类稳定性为93.9%–97.1%；高敏感区域集中在萨菲塔中心及北部、东北部。该框架为数据稀缺的地中海山地景观提供了透明、可复制的监测、保护与恢复优先区识别工具。
研究采用的主要关键技术方法包括：（1）基于专家共识的AHP权重确定：由八名专家（四名环境科学学者和四名自然资源管理工程师）采用Saaty 1–9标度对准则进行两两比较，并通过一致性比率（Consistency Ratio，CR）检验判断矩阵一致性；（2）空间数据标准化与加权线性组合：将11个准则统一到WGS 84/UTM Zone 37N投影和12.5 m栅格，按各准则对生态敏感性的贡献率重分类为1–5分，再以AHP权重加权叠加生成ESI；（3）敏感性分析：对全部准则权重进行±10%扰动，并针对四个主导准则生成替代空间情景，统计栅格类别变化率。数据来源包括萨菲塔及周边7个气象站（1992–2023年）、Tartous农业研究中心土壤数据、Tartous交通局道路数据、统计局人口数据，以及ALOS PALSAR DEM和Sentinel-2影像。
3.1 单个ESI因子的空间格局（Spatial Patterns of Individual ESI Criteria）：通过准则等级面积统计发现，降雨在极高和高敏感等级占比最大（55.05%和25.64%），主要分布在北部和东北部高海拔区；高程和坡度以低敏感为主；坡向的极高敏感类占45.97%，集中于南向坡；距河流距离的极高和高敏感类合计占68.98%，沿河网集中。生物物理准则中，植被以中等和高敏感为主（41.87%和31.85%），土壤以低敏感为主（52.92%），但高敏感类沿河网及北部、东北部集中。人为准则中，LULC的高敏感类占54.79%，人口密度以
