高级检索+

森林火灾防控能力量化评估研究以浙江省青田县为例

程爱林, 黄天来, 张峰玲, 陈哲, 李勇, 项小军, 叶婷婷, 童红卫

程爱林, 黄天来, 张峰玲, 陈哲, 李勇, 项小军, 叶婷婷, 童红卫. 森林火灾防控能力量化评估研究——以浙江省青田县为例[J]. 浙江林业科技, 2025, 45(1): 119-129. DOI: 10.3969/j.issn.1001-3776.2025.01.016
引用本文: 程爱林, 黄天来, 张峰玲, 陈哲, 李勇, 项小军, 叶婷婷, 童红卫. 森林火灾防控能力量化评估研究——以浙江省青田县为例[J]. 浙江林业科技, 2025, 45(1): 119-129. DOI: 10.3969/j.issn.1001-3776.2025.01.016
shu
CHENG Ailin, HUANG Tianlai, ZHANG Fengling, CHEN Zhe, LI Yong, XIANG Xiaojun, YE Tingting, TONG Hongwei. Quantitative Evaluation of Forest Fire Prevention and Control Capacity: A Case Study of Qingtian County, Zhejiang Province[J]. Journal of Zhejiang Forestry Science and Technology, 2025, 45(1): 119-129. DOI: 10.3969/j.issn.1001-3776.2025.01.016
Citation: CHENG Ailin, HUANG Tianlai, ZHANG Fengling, CHEN Zhe, LI Yong, XIANG Xiaojun, YE Tingting, TONG Hongwei. Quantitative Evaluation of Forest Fire Prevention and Control Capacity: A Case Study of Qingtian County, Zhejiang Province[J]. Journal of Zhejiang Forestry Science and Technology, 2025, 45(1): 119-129. DOI: 10.3969/j.issn.1001-3776.2025.01.016
shu

森林火灾防控能力量化评估研究——以浙江省青田县为例

  • 1.

    浙江省森林资源监测中心，浙江　杭州　310020

  • 2.

    青田县林业局，浙江　青田　323900

  • 3.

    龙泉市林业局，浙江　龙泉　323700

详细信息
    作者简介:

    程爱林，高级工程师 ，从事林业规划设计与森林防火工作；E-mail: Chengailin2024@163.com

    通讯作者:

    童红卫，高级工程师，从事森林生态研究； E-mail: lqly5367@163.com。

  • 中图分类号: S762.2

Quantitative Evaluation of Forest Fire Prevention and Control Capacity: A Case Study of Qingtian County, Zhejiang Province

  • 1.

    Zhejiang Provincial Forest Resources Monitoring Center, Hangzhou, Zhejiang 310020, China

  • 2.

    Qingtian County Forestry Bureau, Qingtian, Zhejiang 323900, China

  • 3.

    Qingtian Forestry Bureau, Qingtian Zhejiang 323900, China

摘要

    摘要
  • 摘要:

    以浙江省青田县为例，构建结果体系、智慧体系、基础设施体系、航空体系、早期处置体系和宣教体系6个二级指标和森林火灾受害率、森林火灾发生率等36个三级指标，采用层次分析法（AHP）和专家打分法确定各级指标权重，构建森林火灾防控能力评估模型。结果显示，结果体系、智慧体系、基础设施体系、航空体系、早期处置体系和宣教体系6个二级指标权重分别为0.351 4、0.232 4、0.161 9、0.053 1、0.147 8、0.053 4，其中结果体系指标权重最高（0.351 4），智慧体系指标权重次之（0.232 4），表明防火体系整体效能和现代技术应用的重要性；森林火灾控制率在结果体系指标中权重最高，凸显其在区域防火能力评价中的核心地位；智慧体系中，智能化处置平台和数字化指挥管理平台权重并列最高，显示信息技术在防火工作中的关键作用。从2020年至2024年，青田县森林防火综合体系、智慧体系、基础设施体系、航空体系、早期处置体系和宣教体系分别提高了5.35%、50.55%、50.26%、82.61%、50.70%、72.49%，森林火灾防控能力整体提高了30.45%。本研究构建的评估体系为青田县森林火灾防控能力提供了量化评估，并为类似地区制定防火策略提供了理论依据，同时为各地构建科学的森林火灾防控能力评估体系提供借鉴。

    Abstract:

    Taking Qingtian County, Zhejiang Province as an example, this study constructed an evaluation model for forest fire prevention and control capability, comprising six secondary indicators (outcome system, intelligent system, infrastructure system, aviation system, early response system, and education system) and 36 tertiary indicators (including forest fire casualty rate and forest fire incidence rate). The Analytic Hierarchy Process (AHP) and expert scoring method were employed to determine the weights of indicators at all levels. Results revealed the weights of the six secondary indicators as follows: outcome system (0.351 4), intelligent system (0.232 4), infrastructure system (0.161 9), aviation system (0.053 1), early response system (0.147 8), and education system (0.053 4). The outcome system exhibited the highest weight (0.351 4), followed by the intelligent system (0.232 4), highlighting the significance of overall system efficacy and modern technological applications in fire prevention. Among the outcome system indicators, forest fire control rate held the highest weight, underscoring its pivotal role in regional fire prevention capability evaluation. In the intelligent system, the smart disposal platform and digital command management platform shared the highest weights, emphasizing the critical role of information technology in fire prevention. From 2020 to 2024, the comprehensive forest fire prevention system, intelligent system, infrastructure system, aviation system, early disposal system, and education system in Qingtian County have improved by 5.35%, 50.55%, 50.26%, 82.61%, 50.70%, and 72.49% respectively, and the overall enhancement of forest fire prevention capability by 30.45%. The evaluation framework established in this study provides a quantitative assessment tool for Qingtian County’s forest fire prevention capacity, offers theoretical support for formulating fire prevention strategies in similar regions, and serves as a reference for constructing scientific forest fire prevention capability evaluation systems nationwide.

    • HTML全文

  • 在全球气候变化和人类活动的双重影响下，森林火灾的频发已成为影响生态平衡、生物多样性和人类社会经济发展的重大问题[1]。森林火灾不仅直接破坏森林资源和生态环境，还会对大气环境造成严重污染[2]。因此，加强森林火灾的预防和控制，提高森林火灾应对和管理的能力，是保障森林资源安全、维护生态平衡的重要保障。定时开展森林火灾防控能力评估是促进基层加强森林火灾预防和控制的重要举措，对提升基层森林防火能力建设十分重要。

    当前，我国学者针对森林防灭火行业相关的评估主要集中在火灾风险评估和以历史火灾数据评估森林火灾防控能力等方面[3-4]，对基于森林防火软硬件设施、队伍、体制等评估森林火灾的防控能力评估方面的研究鲜有报道。2010年，邹全程等[5]对吉林省历史森林火灾数据进行了分析，结合每小时林火蔓延面积，对森林火灾的防控能力进行评测，得出较为有意义的结论。2012年，白海峰[6]基于森林防火规划的标准及行业专家观点，对福建省三明市的森林防火能力进行了评估，从而有效挖掘该地区在森林防火方面的缺陷。2023年，张笠[7]利用江西省南昌市的森林火灾风险普查数据，构建了评价该市的森林火灾减灾能力评估体系。2020年，官捷文[8]根据G市历年森林火灾发生特点，使用层次分析法构建了该市森林火灾防控能力评估体系。诸多研究为森林火灾防控能力的评估提供了一定的基础，但过分依赖历史数据的评估方法未能充分考虑到防火技术与应急设施进步的影响，不足以准确反映当前的防控能力；其次，现有评价模型往往侧重于预防与扑灭能力等技术层面，而未能充分涵盖诸如宣传教育、早期处置等因素的作用，而这些因素同样对森林火灾防控能力有着不可忽视的影响。总之，目前森林火灾防控能力评估体系尚不完善，在科学性、全面性等方面仍有提升空间。基于此，本研究以浙江省青田县为例，运用专家打分法和层次分析法，对该地区的森林火灾防控能力进行评估，旨在掌握该县森林火灾的防控能力，挖掘存在的缺陷，为制定更有效的防控策略提供理论与实践依据。

    1.   研究区域概况

    青田县坐落于浙江省东南部，介于温州西部与丽水东南部之间，地理坐标在119°47′～120°26′E、27°56′～28°29′N之间，全县总面积达2 493 km2[9]。地形主要为浙南中低山丘陵区，地貌复杂多样，从西向东逐渐倾斜，由北部的括苍山脉、南部的雁荡山脉以及西侧的洞宫山脉构成[10]。全县拥有217座千米以上的山峰，其中八面湖为最高峰，海拔1 389 m。

    青田县森林资源丰富，属于中亚热带常绿阔叶林北部亚地带，地带性植被为亚热带常绿阔叶林。由于山区垂直气候的显著差异，森林植被具有复杂多样的地域特点，低海拔区域有华南植物分布，而中高海拔区域则有温带植物分布。天然植被类型主要包括常绿阔叶林、常绿落叶阔叶混交林及针阔混交林、针叶林和灌丛等。主要树种有马尾松Pinus massoniana、枫香树Liquidambar formosana、苦槠Quercus acutissima、甜槠Castanopsis eyrei、青冈Lithocarpus glaber、南方红豆杉Taxus chinensis var. mairei 等，同时还有大量的人工植被，如马尾松、杉木Cunninghamia lanceolata、湿地松Pinus elliottii等[11]。

    青田县森林防火形势严峻，森林防火工作面临着因地形险峻、林密草茂、范围广泛且通达性较差等因素带来的挑战，是浙江省森林火灾最为严重的地区之一[12]。起火原因主要有农事用火、祭祀用火、野外吸烟、电线短路等。截至2024年4月，青田县已经形成了组织完善、装备先进的森林防火力量，拥有44支森林消防队，包括专业队伍和半专业队伍，共计有1 327名队员。其中，4支县级综合救援专业队，共有70名队员；10支县级专业队，共有336名队员；另外30支半专业队，共有921名队员。在装备层面，青田县装备有15辆大型防火车和27辆小型防火车，强化了对森林火灾的应急响应能力。此外，县内配备有短波、超短波、微波通信设备139套和卫星通信系统312套，还有37台大型机动灭火装备、435台便携式手持灭火设备以及2 289件低值易耗灭火工具，大幅度增强了森林火灾的快速反应和灭火效率。

    2.   研究方法

    2.1   层次分析法

    层次分析法（Analytic Hierarchy Process, AHP）是一种定性和定量相结合的、系统的、层次化的分析方法[13]。它通过将复杂的决策问题分解为不同的组成因素，并按照这些因素之间的关系将其组织成层次结构。在此基础上，通过对各因素之间相对重要性的两两比较（相对性重要性标度见表1），运用数学方法计算各因素的权重，进而合成最终的决策结果[14]。本研究使用层次分析法（AHP）评估森林火灾防控能力，首先将防控能力分解为若干层次和因素，例如结果体系指标、智慧体系指标、基础设施体系指标、航空体系指标、早期处置体系指标和宣教体系指标等，形成一个多层次的评价体系。接着，通过专家打分或调研的方式，对每一层次中各因素之间的相对重要性进行两两比较，并采用成对比较矩阵来表达这些比较结果。随后，计算各因素的权重，并对这些权重进行合成，得出关于森林火灾防控能力的整体评价。

    表  1  相对性重要性标度定义
    Table  1.  Definition of relative importance scale
    赋值定义
    aij=1i元素与j元素同样重要
    aij=3i元素比j元素稍微重要
    aij=5i元素比j元素明显重要
    aij=7i元素比j元素强烈重要
    aij=9i元素比j元素绝对重要
    aij=1～9之间的偶数i元素比j元素重要程度在相应奇数之间
    aij=1～9之间的倒数aji=1/aij
    下载: 导出CSV 
    | 显示表格

    在进行层次分析法计算时，一致性检验是一个重要步骤，用于评估成对比较矩阵的一致性，确保评价结果的可靠性[15]。一致性指标（Consistency Index, CI）和随机一致性比率（Consistency Ratio, CR）是进行一致性检验的两个关键指标[16]。一致性指标计算公式如式（1），随机一致性指标RI标准值见表2。

    表  2  平均随机一致性指标RI标准值
    Table  2.  Standard values of average random index （RI） for consistency
    维数RI
    10
    20
    30.58
    40.9
    51.12
    61.24
    71.32
    81.41
    下载: 导出CSV 
    | 显示表格
    $$ CR = \frac{{{\lambda _{{\text{max}}}} - n}}{{(n - 1)RI}} $$ (1)

    2.2   森林火灾防控能力评价指标体系的构建

    参考当前森林火灾防控能力评估的相关研究和实际工作需求[5-8, 17-19]，结合青田县森林火灾历史数据、《全国森林防火规划（2016—2025年）》、《青田县林业志》等资料，本研究遵循层次分析法构建原则，从结果体系指标、智慧体系指标、基础设施体系指标、航空体系指标、早期处置体系指标、宣教体系指标六大方面初步建立了青田县森林火灾防控能力评价指标体系。通过组织实地调查、咨询森林防火领域的专家学者和前线防火人员，对初步建立的指标体系进行了筛选和优化，调整不合理的指标，并根据专家和森林消防队的建议对指标体系进行补充和完善，加入了他们认为重要的其他指标，最终形成青田县森林火灾防控能力评价体系，结果如表3所示。

    表  3  青田县森林火灾防控能力评估指标体系
    Table  3.  Evaluation index system for forest fire prevention and control capability in Qingtian county
    一级指标二级指标三级指标评估观测点
    森林火灾防控能力（A）结果体系指标（B1）森林火灾受害率（C1）该指标能综合评估森林火灾防控策略的成效，对防火工作的整体成功至关重要
    森林火灾发生率（C2）
    森林火灾控制率（C3）
    森林火灾查处率（C4）
    森林火灾24小时扑灭率（C5）
    乡镇森林防火工作规范化率（C6）
    智慧体系指标（B2）智能化处置平台（C7）智慧技术的应用极大提升了防火预警、监控与决策的效率和精准度，对现代化防火体系影响深远
    数字化指挥管理平台（C8）
    云台监测预警防控平台（C9）
    高位烟火智能识别监控点数（C10）
    高位烟火智能识别监控密度（C11）
    重点森林防火单位森林火灾预警监测覆盖（C12）
    重点区域火情嘹望监控覆盖率（C13）
    重点区域通讯和信息覆盖率（C14）
    基础设施体系指标（B3）防火道路长度（C15）考虑到基础设施是防火工作的物质基础，其完善程度直接决定了防火资源的有效性和快速反应能力
    生物防火林带长度（C16）
    林火阻隔网密度（C17）
    水桶水箱水池蓄水设施数量（C18）
    防火水设施密度（C19）
    森林防火消防管网长度（C20）
    瞭望台个数（C21）
    森林防火卡点岗站个数（C22）
    航空体系（B4）手控无人机架数（C23）考虑到航空力量在迅速定位火源、监控火势和执行空中扑火中的关键作用
    机巢无人机套数（C24）
    航空护林直升机非常态化备勤点个数（C25）
    航空护林直升机取水点个数（C26）
    早期处置体系（B5）森林防火队伍配备率（C27）考虑到早期发现和处置火情对控制火灾扩散、减少损失的决定性作用
    火情早期处理队伍规范化建设达标率（C28）
    森林防火巡护队伍规范化建设达标率（C29）
    森林管护覆盖率（C30）
    护林员网格化人均管护林地面积（C31）
    宣教体系（B6）固定宣传标碑个数（C32）考虑到宣教活动通过提高公众的防火意识和能力，能有效减少火灾发生的可能
    智能语音警示器个数（C33）
    县乡级单位防火宣传活动次数（C34）
    专业队伍森林防火演练培训次数（C35）
    森林防火知识普及率和知晓率（C36）
    下载: 导出CSV 
    | 显示表格

    2.3   森林火灾防控能力综合计算模型

    基于森林火灾防控能力评估指标体系，可以构建一个森林火灾防控能力的综合计算模型。此模型通过对每个二级指标及其下属的三级指标进行评分，并结合各自的权重，以反映其在防控体系中的重要性和影响力，计算公式如式（2）。

    $$ A = \sum\limits_i {{B_i}{w_i}} = \sum\limits_j {{C_j}{w_j}} $$ (2)

    式中，B为二级指标得分，i为相应指标的序号，wi为相应二级指标的权重；C为三级指标得分，j为三级指标的序号，wj为相应三级指标的权重；A为某地区森林火灾防控能力。 将同一二级指标（Bi）下所有三级指标的加权得分求和，得到该二级指标的总得分。 将每个二级指标的总得分乘以其对应的权重（wi），再将所有二级指标的加权得分相加，最终得到地区森林火灾防控能力的总得分（A）。

    3.   结果与分析

    3.1   二级指标权重结果

    二级指标判断矩阵来源于行业专家调查问卷，由其可计算二级指标权重wi，结果见表4。表4展示了通过层次分析法构建的森林火灾防控能力量化评估矩阵，包含结果体系（B1）、智慧体系（B2）、基础设施体系（B3）、航空体系（B4）、早期处置体系（B5）和宣教体系（B6）六个指标，以及它们的相对重要性和权重。结果体系指标因其对森林火灾防控整体成效的决定性影响而获得最高权重，表明其在防控能力评估中的主导作用。其他指标体系根据它们对防火工作的具体贡献和重要性被赋予相应的权重，共同构成了一个全面评估森林火灾防控能力的框架。

    表  4  二级指标判断矩阵与权重
    Table  4.  Secondary indicator judgment matrix and weights
    AB1B2B3B4B5B6wi
    B11236250.351 4
    B21/2124240.232 4
    B31/31/213230.161 9
    B41/61/41/311/310.053 1
    B51/21/21/23140.147 8
    B61/51/41/311/410.053 4
    下载: 导出CSV 
    | 显示表格

    对该矩阵进行处理，可得到结果体系、智慧体系、基础设施体系、航空体系、早期处置体系和宣教体系6个二级指标的权重结果分别为0.351 4、0.232 4、0.161 9 、0.053 1、0.147 8、0.053 4 。一致性比率$ CR=0.026\ 9 < 0.100\ 0 $，二级指标判断矩阵符合一致性要求。

    在权重分配中，结果体系指标获得最高权重（约35.14%），这是因为它包含了评估森林火灾防控成效的关键参数，如火灾的发生率、控制率等，直接反映了防火体系的整体效能[3]。智慧体系指标权重紧随其后（约23.24%），其较高权重强调了技术在提高预警准确性、监控效率及决策质量中的作用，体现了现代防火体系依赖于技术的趋势[20]。基础设施体系指标的权重（约16.19%）稍低，表明虽然物理基础设施对于支持快速反应和资源调配非常关键，但在整体防火能力中的影响力略小于管理效能和技术应用。早期处置体系和宣教体系的权重较低，这不是说它们不重要，而是因为这些领域的效果可能更难以直接量化，或者它们在整个防控策略中起到的是辅助但必不可少的角色。早期处置体系（权重约14.78%）虽然对控制火灾蔓延至关重要，但其依赖于其他体系的支持。最后，航空体系指标的权重最低（约5.31%），这可能是因为航空资源在森林火灾防控中虽然极具价值，特别是在大范围监控和快速扑救中，但与其他基础设施和技术手段相比，它们的使用成本高且应用场景更为特定，因此在整体防火能力中的比重较小。这样的权重分配体现了各个指标在防火体系中的作用差异和相对重要性。

    3.2   三级指标权重结果

    3.2.1   结果体系指标权重结果

    由结果体系指标判断矩阵计算相应的三级指标权重（wj） ，结果见表5。在结果体系指标中，森林火灾控制率（C3）获得最高权重，突显了在火灾防控策略中控制火灾扩散的优先性。发生率（C2）的次高权重反映出预防策略的重要性，即在火灾发生前采取行动的必要性。而24 h扑灭率（C5）的重要性也不容小觑，它强调了快速反应能力在减少损害方面的作用。受害率（C1）虽然相对重要性较低，但仍然关注于减少火灾造成的损害。相对而言，查处率和乡镇森林防火工作的规范化在这一体系中的权重最低，可能是因为它们虽然对提高防火体系的效率有间接影响，但在直接的火灾响应和防控中不如其他指标紧迫。这种权重分配揭示了一个明确的趋势：在防火工作中，那些能够直接减少火灾发生和扩散的措施被给予了更高的优先级。这反映了一个有效的防火策略应聚焦于早期干预和迅速响应，同时也不应忽视普及防火知识和法规的必要性，这有助于构建一个更为全面和均衡的森林火灾防控体系。该矩阵一致性比率$ CR=0.026\ 1 < 0.100\ 0 $，结果体系指标判断矩阵符合一致性要求。

    表  5  结果体系指标判断矩阵与权重
    Table  5.  The result system index judgment matrix and weights.
    CC1C2C3C4C5C6wj
    C111/31/431/230.113 6
    C2311/24240.246 4
    C34215250.350 5
    C41/31/41/511/410.052 9
    C521/21/24140.183 8
    C61/31/41/511/410.052 9
    下载: 导出CSV 
    | 显示表格
    3.2.2   智慧体系指标权重结果

    由智慧体系指标判断矩阵计算相应的三级指标权重（wj） ，结果见表6。智慧森林防火体系中，权重最高的指标为智能化处置平台（C7）和数字化指挥管理平台（C8），其权重均为0.201 4，凸显了这两个平台在智慧防火体系中的核心地位。智能化处置平台通过集成数据分析、决策支持等先进功能，对火灾态势进行精准分析，为高效灭火方案的制定与执行提供科学依据，高权重源于其在火灾发生时对快速、准确决策与处置的决定性作用，这对于减少火势蔓延、降低资源损失和保障人员安全至关重要[18]。数字化指挥管理平台则借助地理信息系统、实时数据传输等技术，实现远程监控、实时指挥与科学决策，确保防火信息的快速传递、跨部门协作的高效进行以及应急资源的合理调配，高权重反映了其在提升防火体系整体协调性和应急响应速度上的关键作用。尽管重点区域通讯和信息覆盖率（C14）的权重最低，仅为0.048 8，但并不意味着其在防火体系中的作用可忽视。实际上，良好的通讯与信息覆盖是确保火场内外信息畅通、应急指令准确传达的基础，对于火灾应急处置具有不可或缺的价值[21]。其权重较低可能是因为相较于核心平台的直接作用于火灾预防、监测、预警和处置，通讯与信息覆盖更多地被视为支撑性基础设施，其价值在一定程度上已被纳入到其他高权重指标的实现过程中。该矩阵一致性比率$ CR=0.025\ 3 < 0.100\ 0 $，二级指标判断矩阵符合一致性要求。

    表  6  智慧体系指标判断矩阵与权重
    Table  6.  The intelligent system index judgment matrix and weights
    CC7C8C9C10C11C12C13C14wj
    C7112222330.201 4
    C8112222330.201 4
    C91/21/21223440.178 5
    C101/21/21/2112330.119 9
    C111/21/21/2112330.119 9
    C121/21/21/31/21/21220.081 1
    C131/31/31/41/31/31/2110.048 8
    C141/31/31/41/31/31/2110.048 8
    下载: 导出CSV 
    | 显示表格
    3.2.3   基础设施体系指标权重结果

    表7展示了森林防火基础设施体系的8个关键指标及其相互间的重要性判断与权重值。该体系旨在通过完善基础设施建设，提升森林火灾的预防、监测、应急响应与扑救能力。

    表  7  基础设施体系指标判断矩阵与权重
    Table  7.  The infrastructure system index judgment matrix and weights
    CC15C16C17C18C19C20C21C22wj
    C15111223440.207 0
    C16111223440.207 0
    C17111223440.207 0
    C181/21/21/2111220.099 0
    C191/21/21/2111220.099 0
    C201/31/31/3111110.072 9
    C211/41/41/41/21/21110.054 0
    C221/41/41/41/21/21110.054 0
    下载: 导出CSV 
    | 显示表格

    防火道路长度（C15）、生物防火林带长度（C16）、林火阻隔网密度（C17）均以权重0.207 0并列首位，突出显示了这三项在防火基础设施体系中的核心地位。防火道路作为应急救援通道，生物防火林带和林火阻隔网则通过物理隔离方式阻止火势蔓延，三者共同构成了森林防火的第一道防线，对预防火灾扩散、保障人员安全及提高灭火效率具有决定性作用。水桶水箱水池蓄水设施数量（C18）和防火水设施密度（C19）权重均为0.099 0，强调了充足且布局合理的水源设施对于森林火灾扑救的关键意义。充足的蓄水设施可以确保火情发生时有足够的水源供应，防火水设施如消防栓、喷淋系统等则能迅速将水源转化为灭火力量，缩短灭火响应时间。森林防火消防管网长度（C20）的权重为0.072 9，体现了消防管网在输送灭火水源、扩大灭火覆盖范围、提高灭火效率等方面的作用，尤其是在林区内部，完善的消防管网系统能有效弥补地面水源设施的不足。瞭望台个数（C21）和提升森林防火卡点岗站个数（C22）的权重同为0.054 0，表明瞭望台与防火卡点岗站在火情监测、早期预警及火源管控等方面的重要性。瞭望台通过人工或自动化手段进行远距离火情观测，防火卡点岗站则负责日常巡护、火源检查及初期火情处置，两者共同构成火情监测预警网络，有助于实现火情的早发现、早报告、早处置。该矩阵一致性比率$ CR=0.005\ 5 < 0.100\ 0 $，二级指标判断矩阵符合一致性要求。

    3.2.4   航空体系权重结果

    表8揭示了森林防火航空体系的4个关键指标——手控无人机架数（C23）、机巢无人机套数（C24）、航空护林直升机非常态化备勤点个数（C25）和航空护林直升机取水点个数（C26）在体系中的同等重要性，各指标均以权重0.250 0并列首位。这一权重分配凸显了航空力量在森林防火工作中不可或缺的角色，以及无人机与直升机各组成部分的均衡发展。无人机（C23、C24）凭借其机动灵活、视野广阔、不受地形限制等优势，在火情侦察、火线追踪、火场评估等方面发挥重要作用，为指挥中心提供实时准确的情报，助力科学决策。而直升机（C25、C26）则作为灭火主力和救援工具，特别是在偏远或交通不便地区，其快速响应能力和空中灭火效率至关重要。备勤点（C25）的合理布局可以大幅缩短直升机到达火场的时间，而取水点（C26）的数量和位置直接影响直升机空中灭火作业的效率，充足的、位置适宜的取水点确保直升机能在短时间内完成多次取水与洒水作业，有效抑制火势发展。该矩阵一致性比率$ CR=0 < 0.100\ 0 $，二级指标判断矩阵符合一致性要求。

    表  8  航空体系指标判断矩阵与权重
    Table  8.  The aviation system index judgment matrix and weights
    CC23C24C25C26wj
    C2311110.250 0
    C2411110.250 0
    C2511110.250 0
    C2611110.250 0
    下载: 导出CSV 
    | 显示表格
    3.2.5   早期处置体系权重结果

    表9展示了早期处置体系中五个关键指标及其相互间的重要性判断与权重值，这些指标侧重于地面队伍建设与管护情况。森林防火队伍配备率（C27）以权重0.348 8居首位，反映出森林防火队伍的完备程度对整个航空体系运作的决定性影响。高配备率意味着有足够的专业人员随时待命，能迅速响应火情并配合航空力量进行地面灭火、火场勘查及后续处理等工作。火情早期处理队伍规范化建设达标率（C28）、森林防火巡护队伍规范化建设达标率（C29）的权重均为0.184 4，共同强调了队伍建设的规范化对于提升火情早期发现与处置能力的重要性。这两项指标关注队伍的专业技能、装备配置、管理制度等方面的标准化建设，确保地面队伍在配合航空力量时能够高效、有序地执行任务。森林管护覆盖率（C30）的权重同样为0.184 4，体现了全面、严密的森林管护网络对预防火灾、及时发现火情及配合航空力量实施灭火行动的积极作用。高覆盖率意味着森林资源得到了有效的日常监管，有利于火情的早期发现与快速上报。护林员网格化人均管护林地面积（C31）的权重为0.098 1，虽然在五项指标中其权重最低，但仍然提示了护林员工作负荷的合理性对于森林防火效果的重要性。适当的人均管护面积有助于护林员更细致、有效地进行巡护工作，及时发现并报告火情，与航空力量形成有效联动。该矩阵一致性比率$ CR=0.002\ 2 < 0.100\ 0 $，二级指标判断矩阵符合一致性要求。

    表  9  早期处置体系指标判断矩阵与权重
    Table  9.  The early disposal system index judgment matrix and weights
    CC27C28C29C30C31wj
    C27122230.348 8
    C281/211120.184 4
    C291/211120.184 4
    C301/211120.184 4
    C311/31/21/21/210.098 1
    下载: 导出CSV 
    | 显示表格
    3.2.6   宣教体系权重结果

    表10展现了宣教体系中五个宣传教育与培训类指标——固定宣传标碑个数（C32）、智能语音警示器个数（C33）、县乡级单位防火宣传活动次数（C34）、专业队伍森林防火演练培训次数（C35）以及森林防火知识普及率和知晓率（C36）的重要性及其相互关系，其权重分配凸显了这些软性要素在构建立体、全方位、多层次森林防火宣传教育体系中的关键角色。固定宣传标碑个数（C32）以权重0.348 8居首位，强调了此类设施在长期、持续传播防火知识与法规中的核心作用，大量分布的宣传标碑有助于在林区及周边显著位置提醒公众注意防火，增强防火意识，筑起预防火灾的第一道防线。智能语音警示器个数（C33）的权重为0.184 4，表明此类高科技工具在提升宣传效果、精准信息推送方面的价值，其可根据环境变化自动播放防火警示信息，进一步提升公众防火警惕性。县乡级单位防火宣传活动次数（C34）与专业队伍森林防火演练培训次数（C35）的权重均为0.184 4，共同反映了定期开展防火宣传活动与专业培训对于提升防火效果的重要性。前者通过多样化主题活动，广泛动员社会力量参与防火工作，增强全社会防火责任感；后者则通过实战演练与专业培训，确保专业队伍具备应对火情的高超技能与团队协作能力。森林防火知识普及率和知晓率（C36）的权重为0.098 1，尽管在五项指标中最低，但仍强调了公众对森林防火知识的了解程度对整体防火效果的影响。较高的普及率和知晓率意味着社会大众具备基本防火常识与自救互救能力，能够在火灾发生时采取正确行动，减轻火灾危害。该矩阵一致性比率$ CR=0.012\ 4 < 0.100\ 0 $，二级指标判断矩阵符合一致性要求。

    表  10  宣教体系指标判断矩阵与权重
    Table  10.  The education and publicity system index judgment matrix and weights.
    CC32C33C34C35C36wj
    C32122230.100 0
    C331/211120.217 4
    C341/211120.273 8
    C351/211120.217 4
    C361/31/21/21/210.191 3
    下载: 导出CSV 
    | 显示表格

    3.3   森林火灾防控能力评价指标综合权重结果

    表11为森林火灾防控能力评估提供了一个分层的权重体系，从二级指标到三级指标，每个二级指标下的三级指标根据其对防火工作的具体贡献赋予了相应权重，进而计算得出综合权重。在这个分层的权重体系中，森林火灾控制率的高权重显示了其在火灾管理中的重要性。有效控制火灾对于降低损失至关重要，这解释了其在结果体系指标中占主导的地位，即森林火灾防控能力最主要考虑的应当是该地区的历史森林火灾控制率，这和邹全程等的研究结论一致[3]。森林火灾发生率也有较高的权重，因为防止火灾的发生是森林防火工作的首要目标。智慧体系指标中，智能化处置平台和数字化指挥管理平台等具有较高权重，体现了在现代防火策略中，信息和通讯技术的集成使用对于提升效率和效果的重要性。相较之下，森林火灾查处率和乡镇森林防火工作规范化率的权重较低，这可能是因为这些措施虽然对提高整体防火体系的稳健性和长期效益有益，但在立即的火灾响应和控制方面不如其他措施直接。

    表  11  森林火灾防控能力评价指标综合权重
    Table  11.  The comprehensive weight of evaluation indicators for forest fire prevention and control capabilities
    二级指标二级指标权重三级指标三级指标权重综合权重
    结果体系指标（B1）0.351 4森林火灾受害率（C1）0.113 60.039 9
    森林火灾发生率（C2）0.246 40.086 6
    森林火灾控制率（C3）0.350 50.123 1
    森林火灾查处率（C4）0.052 90.018 6
    森林火灾24小时扑灭率（C5）0.183 80.064 6
    乡镇森林防火工作规范化率（C6）0.052 90.018 6
    智慧体系指标（B2）0.232 4智能化处置平台（C7）0.201 40.046 8
    数字化指挥管理平台（C8）0.201 40.046 8
    云台监测预警防控平台（C9）0.178 50.041 5
    高位烟火智能识别监控点数（C10）0.119 90.027 9
    高位烟火智能识别监控密度（C11）0.119 90.027 9
    重点森林防火单位森林火灾预警监测覆盖（C12）0.081 10.018 9
    重点区域火情瞭望监控覆盖率（C13）0.048 80.011 3
    重点区域通讯和信息覆盖率（C14）0.048 80.011 3
    基础设施体系指标（B3）0.161 9防火道路长度（C15）0.20700.0335
    生物防火林带长度（C16）0.20700.0335
    林火阻隔网密度（C17）0.20700.0335
    水桶水箱水池等蓄水设施数量（C18）0.09900.0160
    防火水设施密度（C19）0.09900.0160
    森林防火消防管网长度（C20）0.07290.0118
    瞭望台个数（C21）0.05400.0087
    提升森林防火卡点岗站个数（C22）0.05400.0087
    航空体系（B4）0.053 1手控无人机架数（C23）0.25000.0133
    机巢无人机套数（C24）0.25000.0133
    航空护林直升机非常态化备勤点个数（C25）0.25000.0133
    航空护林直升机取水点个数（C26）0.25000.0133
    早期处置体系（B5）0.147 8森林防火队伍配备率（C27）0.34880.0515
    火情早期处理队伍规范化建设达标率（C28）0.18440.0273
    森林防火巡护队伍规范化建设达标率（C29）0.18440.0273
    森林管护覆盖率（C30）0.18440.0273
    护林员网格化人均管护林地面积（C31）0.09810.0145
    宣教体系（B6）0.053 4固定宣传标碑个数（C32）0.10000.0053
    智能语音警示器个数（C33）0.21740.0116
    县乡级单位防火宣传活动次数（C34）0.27380.0146
    专业队伍森林防火演练培训次数（C35）0.21740.0116
    森林防火知识普及率和知晓率（C36）0.19130.0102
    下载: 导出CSV 
    | 显示表格

    权重分配不仅反映了各项指标在防火中的实际作用，也反映了防火战略的焦点。例如，技术在预防和管理火灾方面变得日益重要，这在智慧体系指标的权重中得到了体现。而基础设施和早期处置体系虽然重要，但它们在快速变化的火场动态中可能需要更多的支持和灵活性。因此，这样的权重分配促使决策者思考如何平衡立即行动与长期策略，确保资源分配最大化效益，同时也为未来可能的技术和战略调整留出空间。

    3.4   评估体系应用

    依据本研究构建的评价体系，以浙江省青田县为例，对2020年和2024年青田县相关指标数据进行定量评价，评估结果见表12和图1。从表12和图1中可以看出，从2020年到2024年青田县森林防火能力得到了显著提高，2024年青田县防火能力评分为83.67分，相较于2020年的64.21分提高了30.45 %。青田县森林火灾防控能力的提升得益于多方面的努力和进步，智慧体系指标得分从9.85分增长到14.83分，增长了50.55%。这主要归功于数字化指挥管理平台、智能化处置平台等技术的广泛应用，使得火灾信息的获取和处理更加高效。同时，基础设施体系指标得分从9.37分增长到14.09分，增长了50.26%。防火道路长度的增加、生物防火林带的建设、林火阻隔网的增加等举措，有效地提高了防火的隔离和扑灭能力。航空体系得分从1.75分增长到3.19分，增长了82.61%。手控无人机架数的增加和航空护林直升机非常态化备勤点个数的提升，使得空中监测和灭火更加高效和精确。此外，早期处置体系得分从9.62分增长到14.49分，增长了50.70%；宣教体系得分从2.60分增长到4.48分，增长了72.49%。这些数据的提升不仅反映了技术和设施水平的提高，更体现了青田县对环境保护的重视和行动，展现了青田林业部门在森林火灾防控方面取得的显著成就。

    表  12  青田县不同时期森林火灾防控能力对比
    Table  12.  Comparison of forest fire prevention and control capabilities in different periods in Qingtian County.
    一级指标二级指标二级指标权重2020年得分/分2024年得分/分变化率/%
    森林火灾防控能力（A1）结果体系指标（B1）0.351 431.0332.695.35
    智慧体系指标（B2）0.232 49.8514.8350.55
    基础设施体系指标（B3）0.161 99.3714.0950.26
    航空体系（B4）0.053 11.753.1982.61
    早期处置体系（B5）0.147 89.6214.4950.70
    宣教体系（B6）0.053 42.604.4872.49
    下载: 导出CSV 
    | 显示表格
    图  1  青田县不同时期森林火灾防控能力对比图
    Figure  1.  Comparison of forest fire prevention and control capabilities in Qingtian county at different times
    下载: 全尺寸图片 幻灯片

    4.   结论与讨论

    加强森林火灾防控能力评估，对于科学制定防控策略、提升防火效能、保障森林资源安全至关重要。本研究运用层次分析法（AHP）构建了涵盖结果体系指标、智慧体系指标、基础设施体系等六个二级指标的森林火灾防控能力评估体系。由二级指标权重结果显示，结果体系指标的权重最高（0.351 4），智慧体系指标的权重次之（0.232 4），体现了对防火体系整体效能和现代技术应用的高度重视。基础设施体系（0.161 9）和早期处置体系（0.147 8）的权重相对较低，但同样不容忽视，它们分别反映了物理基础设施对防火工作的重要性以及早期发现与处置火情对控制火灾蔓延的关键作用。航空体系（0.053 1）和宣教体系（0.053 4）虽然权重低，但这并不意味着它们的实际价值低，航空体系凭借其快速响应与远程覆盖能力，在难以触及地区展现出独特的价值，宣教体系则因较低的成本建设和深远的社会影响力，同样关键且不可或缺。

    36个三级指标权重结果进一步揭示了各二级指标下具体防控措施的相对重要性。在结果体系指标中，森林火灾控制率（C3）的权重最高，凸显了控制火势扩散在防火策略中的核心地位；智慧体系指标中，智能化处置平台（C7）和数字化指挥管理平台（C8）的权重并列最高，表明现代信息技术在提升防火效率和决策质量上的关键作用；基础设施体系中，防火道路长度（C15）、生物防火林带长度（C16）和林火阻隔网密度（C17）的权重相同且最高，强调了物理隔离设施在防火工作中的基础性作用；航空体系中，手控无人机架数（C23）、机巢无人机套数（C24）、航空护林直升机非常态化备勤点个数（C25）和航空护林直升机取水点个数（C26）的权重均等，反映出航空力量在火情监测、早期预警及火源管控等方面的均衡重要性。

    尽管本研究在构建森林火灾防控能力的量化评估模型方面进行了细致而全面的努力，但依然面临若干局限性和挑战，这些挑战包括了地域适应性与情境多样性的考量，以及森林火灾防控能力随时间变化的动态性。具体而言，本研究所选取的评估指标可能未能充分反映特定地理环境或森林类型的独特防火需求，以及由不同经济条件和社会文化背景所带来的复杂影响，这可能限制了模型的普遍适用性和情境响应性。同时，森林火灾防控能力受季节性、气候变化和森林健康状况等多种因素影响，当前的静态评估模型难以准确捕捉这种动态变化。未来研究方向应着重于开发更多情境化和地域特异性的评估指标，以增强模型的适应性和准确性；探索结合定性和定量数据分析的混合方法，如利用机器学习算法与专家判断相结合，以获得更客观、稳定的权重分配；研究如何根据实时监测数据和环境变化动态调整权重，反映森林火灾防控能力的实时状态；利用卫星遥感、物联网传感器和人工智能技术收集和分析实时数据，提升评估模型的动态响应能力和预测精度；在不同地理区域和管理条件下进行模型验证和优化，增强其普遍适用性；并实施长期监测计划，收集多年数据，评估模型的长期有效性和适应性。

  • 图  1   青田县不同时期森林火灾防控能力对比图

    Figure  1.   Comparison of forest fire prevention and control capabilities in Qingtian county at different times

    下载: 全尺寸图片 幻灯片

    表  1   相对性重要性标度定义

    Table  1   Definition of relative importance scale

    赋值定义
    aij=1i元素与j元素同样重要
    aij=3i元素比j元素稍微重要
    aij=5i元素比j元素明显重要
    aij=7i元素比j元素强烈重要
    aij=9i元素比j元素绝对重要
    aij=1～9之间的偶数i元素比j元素重要程度在相应奇数之间
    aij=1～9之间的倒数aji=1/aij
    下载: 导出CSV

    表  2   平均随机一致性指标RI标准值

    Table  2   Standard values of average random index （RI） for consistency

    维数RI
    10
    20
    30.58
    40.9
    51.12
    61.24
    71.32
    81.41
    下载: 导出CSV

    表  3   青田县森林火灾防控能力评估指标体系

    Table  3   Evaluation index system for forest fire prevention and control capability in Qingtian county

    一级指标二级指标三级指标评估观测点
    森林火灾防控能力（A）结果体系指标（B1）森林火灾受害率（C1）该指标能综合评估森林火灾防控策略的成效，对防火工作的整体成功至关重要
    森林火灾发生率（C2）
    森林火灾控制率（C3）
    森林火灾查处率（C4）
    森林火灾24小时扑灭率（C5）
    乡镇森林防火工作规范化率（C6）
    智慧体系指标（B2）智能化处置平台（C7）智慧技术的应用极大提升了防火预警、监控与决策的效率和精准度，对现代化防火体系影响深远
    数字化指挥管理平台（C8）
    云台监测预警防控平台（C9）
    高位烟火智能识别监控点数（C10）
    高位烟火智能识别监控密度（C11）
    重点森林防火单位森林火灾预警监测覆盖（C12）
    重点区域火情嘹望监控覆盖率（C13）
    重点区域通讯和信息覆盖率（C14）
    基础设施体系指标（B3）防火道路长度（C15）考虑到基础设施是防火工作的物质基础，其完善程度直接决定了防火资源的有效性和快速反应能力
    生物防火林带长度（C16）
    林火阻隔网密度（C17）
    水桶水箱水池蓄水设施数量（C18）
    防火水设施密度（C19）
    森林防火消防管网长度（C20）
    瞭望台个数（C21）
    森林防火卡点岗站个数（C22）
    航空体系（B4）手控无人机架数（C23）考虑到航空力量在迅速定位火源、监控火势和执行空中扑火中的关键作用
    机巢无人机套数（C24）
    航空护林直升机非常态化备勤点个数（C25）
    航空护林直升机取水点个数（C26）
    早期处置体系（B5）森林防火队伍配备率（C27）考虑到早期发现和处置火情对控制火灾扩散、减少损失的决定性作用
    火情早期处理队伍规范化建设达标率（C28）
    森林防火巡护队伍规范化建设达标率（C29）
    森林管护覆盖率（C30）
    护林员网格化人均管护林地面积（C31）
    宣教体系（B6）固定宣传标碑个数（C32）考虑到宣教活动通过提高公众的防火意识和能力，能有效减少火灾发生的可能
    智能语音警示器个数（C33）
    县乡级单位防火宣传活动次数（C34）
    专业队伍森林防火演练培训次数（C35）
    森林防火知识普及率和知晓率（C36）
    下载: 导出CSV

    表  4   二级指标判断矩阵与权重

    Table  4   Secondary indicator judgment matrix and weights

    AB1B2B3B4B5B6wi
    B11236250.351 4
    B21/2124240.232 4
    B31/31/213230.161 9
    B41/61/41/311/310.053 1
    B51/21/21/23140.147 8
    B61/51/41/311/410.053 4
    下载: 导出CSV

    表  5   结果体系指标判断矩阵与权重

    Table  5   The result system index judgment matrix and weights.

    CC1C2C3C4C5C6wj
    C111/31/431/230.113 6
    C2311/24240.246 4
    C34215250.350 5
    C41/31/41/511/410.052 9
    C521/21/24140.183 8
    C61/31/41/511/410.052 9
    下载: 导出CSV

    表  6   智慧体系指标判断矩阵与权重

    Table  6   The intelligent system index judgment matrix and weights

    CC7C8C9C10C11C12C13C14wj
    C7112222330.201 4
    C8112222330.201 4
    C91/21/21223440.178 5
    C101/21/21/2112330.119 9
    C111/21/21/2112330.119 9
    C121/21/21/31/21/21220.081 1
    C131/31/31/41/31/31/2110.048 8
    C141/31/31/41/31/31/2110.048 8
    下载: 导出CSV

    表  7   基础设施体系指标判断矩阵与权重

    Table  7   The infrastructure system index judgment matrix and weights

    CC15C16C17C18C19C20C21C22wj
    C15111223440.207 0
    C16111223440.207 0
    C17111223440.207 0
    C181/21/21/2111220.099 0
    C191/21/21/2111220.099 0
    C201/31/31/3111110.072 9
    C211/41/41/41/21/21110.054 0
    C221/41/41/41/21/21110.054 0
    下载: 导出CSV

    表  8   航空体系指标判断矩阵与权重

    Table  8   The aviation system index judgment matrix and weights

    CC23C24C25C26wj
    C2311110.250 0
    C2411110.250 0
    C2511110.250 0
    C2611110.250 0
    下载: 导出CSV

    表  9   早期处置体系指标判断矩阵与权重

    Table  9   The early disposal system index judgment matrix and weights

    CC27C28C29C30C31wj
    C27122230.348 8
    C281/211120.184 4
    C291/211120.184 4
    C301/211120.184 4
    C311/31/21/21/210.098 1
    下载: 导出CSV

    表  10   宣教体系指标判断矩阵与权重

    Table  10   The education and publicity system index judgment matrix and weights.

    CC32C33C34C35C36wj
    C32122230.100 0
    C331/211120.217 4
    C341/211120.273 8
    C351/211120.217 4
    C361/31/21/21/210.191 3
    下载: 导出CSV

    表  11   森林火灾防控能力评价指标综合权重

    Table  11   The comprehensive weight of evaluation indicators for forest fire prevention and control capabilities

    二级指标二级指标权重三级指标三级指标权重综合权重
    结果体系指标（B1）0.351 4森林火灾受害率（C1）0.113 60.039 9
    森林火灾发生率（C2）0.246 40.086 6
    森林火灾控制率（C3）0.350 50.123 1
    森林火灾查处率（C4）0.052 90.018 6
    森林火灾24小时扑灭率（C5）0.183 80.064 6
    乡镇森林防火工作规范化率（C6）0.052 90.018 6
    智慧体系指标（B2）0.232 4智能化处置平台（C7）0.201 40.046 8
    数字化指挥管理平台（C8）0.201 40.046 8
    云台监测预警防控平台（C9）0.178 50.041 5
    高位烟火智能识别监控点数（C10）0.119 90.027 9
    高位烟火智能识别监控密度（C11）0.119 90.027 9
    重点森林防火单位森林火灾预警监测覆盖（C12）0.081 10.018 9
    重点区域火情瞭望监控覆盖率（C13）0.048 80.011 3
    重点区域通讯和信息覆盖率（C14）0.048 80.011 3
    基础设施体系指标（B3）0.161 9防火道路长度（C15）0.20700.0335
    生物防火林带长度（C16）0.20700.0335
    林火阻隔网密度（C17）0.20700.0335
    水桶水箱水池等蓄水设施数量（C18）0.09900.0160
    防火水设施密度（C19）0.09900.0160
    森林防火消防管网长度（C20）0.07290.0118
    瞭望台个数（C21）0.05400.0087
    提升森林防火卡点岗站个数（C22）0.05400.0087
    航空体系（B4）0.053 1手控无人机架数（C23）0.25000.0133
    机巢无人机套数（C24）0.25000.0133
    航空护林直升机非常态化备勤点个数（C25）0.25000.0133
    航空护林直升机取水点个数（C26）0.25000.0133
    早期处置体系（B5）0.147 8森林防火队伍配备率（C27）0.34880.0515
    火情早期处理队伍规范化建设达标率（C28）0.18440.0273
    森林防火巡护队伍规范化建设达标率（C29）0.18440.0273
    森林管护覆盖率（C30）0.18440.0273
    护林员网格化人均管护林地面积（C31）0.09810.0145
    宣教体系（B6）0.053 4固定宣传标碑个数（C32）0.10000.0053
    智能语音警示器个数（C33）0.21740.0116
    县乡级单位防火宣传活动次数（C34）0.27380.0146
    专业队伍森林防火演练培训次数（C35）0.21740.0116
    森林防火知识普及率和知晓率（C36）0.19130.0102
    下载: 导出CSV

    表  12   青田县不同时期森林火灾防控能力对比

    Table  12   Comparison of forest fire prevention and control capabilities in different periods in Qingtian County.

    一级指标二级指标二级指标权重2020年得分/分2024年得分/分变化率/%
    森林火灾防控能力（A1）结果体系指标（B1）0.351 431.0332.695.35
    智慧体系指标（B2）0.232 49.8514.8350.55
    基础设施体系指标（B3）0.161 99.3714.0950.26
    航空体系（B4）0.053 11.753.1982.61
    早期处置体系（B5）0.147 89.6214.4950.70
    宣教体系（B6）0.053 42.604.4872.49
    下载: 导出CSV
    • 参考文献(21)
  • [1] 闫鹏,赵彦飞,马玉春. 中国森林防灭火的风险挑战与思考展望[J]. 亚热带资源与环境学报,2024,19(1):117 − 126.
    [2] 王明玉,司莉青,陈锋,等. 森林火灾污染物质释放与影响研究进展[J]. 生态学报,2024(12):1 − 12.
    [3] 李伟克,舒立福,王明玉,等. 黑龙江大兴安岭林区雷击火与人为火发生规律及变化趋势[J]. 林业科学,2024,60(4):136 − 146.
    [4] 司莉青,王明玉,陈锋,等. 雷电分布特征与雷击森林火预警[J]. 林业科学,2023,59(10):1 − 8.
    [5] 邹全程,邸雪颖,杨光. 吉林省森林火灾扑救能力评价[J]. 东北林业大学学报,2010,38(6):63 − 65,90. doi: 10.3969/j.issn.1000-5382.2010.06.021
    [6] 白海峰. 福建三明地区森林火灾综合防控能力研究[D]. 北京:北京林业大学,2012.
    [7] 张笠. 南昌市森林火灾控制能力评估研究[D]. 南昌:江西农业大学,2023.
    [8] 官捷文. 基于AHP分析的G市森林火灾防控能力评价研究[D]. 广州:广东财经大学,2020.
    [9] 刘日出,潘温文,牟亚萍,等. 青田县国家级传统村落植物多样性调查与植物景观评价[J]. 温带林业研究,2024,7(3):66 − 70.
    [10] 黄天来. 青田县古树名木资源空间分布研究[J]. 浙江林业科技,2023,43(6):99 − 105. doi: 10.3969/j.issn.1001-3776.2023.06.013
    [11] 唐崇袍,黄天来,王建勇. 基于灰色理论的青田县林地征占用预测分析与保护管理建议[J]. 绿色科技,2023,25(17):131 − 136. doi: 10.3969/j.issn.1674-9944.2023.17.025
    [12] 冷慧卿. 我国森林火灾风险评估与保险费率厘定研究[D]. 北京:清华大学,2011.
    [13] 郭金玉,张忠彬,孙庆云. 层次分析法的研究与应用[J]. 中国安全科学学报,2008,18(5):148 − 153. doi: 10.3969/j.issn.1003-3033.2008.05.025
    [14] 常建娥,蒋太立. 层次分析法确定权重的研究[J]. 武汉理工大学学报(信息与管理工程版),2007,29(1):153 − 156. doi: 10.3963/j.issn.1007-144X.2007.01.041
    [15] 任东风,魏鑫,王佳龙,等. 最优尺度变换——层次分析法视角下城市内涝风险评估[J]. 水文,2024,44(4):62 − 68,110.
    [16] 向冰,张俊林,周军,等. 平衡计分卡联合层次分析法研究农业科研单位预算绩效评价[J]. 西南农业学报,2024,37(8):1888 − 1896.

    向冰, 张俊林, 周军, 等. 平衡计分卡联合层次分析法研究农业科研单位预算绩效评价[J]. 西南农业学报, 2024, 37（8）: 1888 − 1896.
    [17] 关品高,彭杏资,陈玉永,等. 云南省中缅边境森林火灾现状与防控能力提升研究[J]. 林业资源管理,2021,21(5):153 − 159.
    [18] 李兆阳. 应急管理视角下河北省森林火灾防控能力研究[D]. 石家庄:河北科技大学,2019.
    [19] 李少虹. 浙江省森林火灾时空分布及其对策[D]. 杭州:浙江农林大学,2019.
    [20] 孙德鹏. 智慧林业防火物联网智能分析平台关键技术研究[D]. 北京:北京工业大学,2020.
    [21] 刘熠. 森林火灾应急指挥数据通讯系统研究与应用[D]. 长沙:中南林业科技大学,2015.
    • 相关文章
    • 施引文献
    • 资源附件(0)
图(1)  /  表(12)
计量
  • 文章访问数:  14
  • HTML全文浏览量:  0
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-06-26
  • 修回日期:  2024-11-09
  • 刊出日期:  2025-01-28

目录

摘要
HTML全文

  • 1.   研究区域概况

  • 2.   研究方法

  • 2.1   层次分析法

  • 2.2   森林火灾防控能力评价指标体系的构建

  • 2.3   森林火灾防控能力综合计算模型

  • 3.   结果与分析

  • 3.1   二级指标权重结果

  • 3.2   三级指标权重结果

  • 3.2.1   结果体系指标权重结果
  • 3.2.2   智慧体系指标权重结果
  • 3.2.3   基础设施体系指标权重结果
  • 3.2.4   航空体系权重结果
  • 3.2.5   早期处置体系权重结果
  • 3.2.6   宣教体系权重结果

  • 3.3   森林火灾防控能力评价指标综合权重结果

  • 3.4   评估体系应用

  • 4.   结论与讨论

参考文献(21)
相关文章
施引文献
资源附件(0)

/

返回文章
返回
版权所有 © 《浙江林业科技》编辑部
地址：杭州市留下浙江省林科院内编辑部邮编：310023电话：0571-87798221

本系统由 北京仁和汇智信息技术有限公司 开发  百度统计