付 偉,李 龍,羅明燦,陳建成,王福利

1 西南林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,昆明 650233

2 北京林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,北京 100083

全球經(jīng)濟(jì)的迅速發(fā)展帶來(lái)了自然生態(tài)環(huán)境的破壞,CO2在大氣中的濃度不斷增高,給人類的生存環(huán)境帶來(lái)了切身的危害,低碳減排成為全球共識(shí)。我國(guó)CO2排放量不斷增長(zhǎng),已成為世界第一大碳排放國(guó),低碳減排將成為我國(guó)未來(lái)發(fā)展的重要戰(zhàn)略方向。在第七十五屆聯(lián)合國(guó)大會(huì)上習(xí)近平總書記第一次明確提出了“雙碳”目標(biāo),中央財(cái)經(jīng)委員會(huì)第九次會(huì)議提出“要把碳達(dá)峰、碳中和納入生態(tài)文明建設(shè)整體布局”[1]。中國(guó)共產(chǎn)黨第二十次全國(guó)代表大會(huì)上進(jìn)一步提出要推動(dòng)綠色發(fā)展,加快實(shí)施重要生態(tài)系統(tǒng)保護(hù)和修復(fù)重大工程。“雙碳”目標(biāo)的提出昭示著我國(guó)低碳減排的決心,要在減少“碳源”和增加“碳匯”兩方面持續(xù)推進(jìn)溫室氣體減排[2],與碳減排政策一致,大力推動(dòng)森林碳匯的發(fā)展將是緩解全球氣候變化的重要方式[3—4]。森林吸收大氣中的CO2并儲(chǔ)存就是森林的碳匯功能[5—6]。森林是陸地生態(tài)系統(tǒng)中最大的碳庫(kù),在“雙碳”目標(biāo)的實(shí)現(xiàn)過(guò)程中存在著巨大的生態(tài)效益[7]。森林的碳匯功能對(duì)全球的碳循環(huán)有著深刻的影響[8—9]。2020年聯(lián)合國(guó)糧農(nóng)組織公布的全球森林資源評(píng)估報(bào)告顯示,全球森林碳儲(chǔ)量約占全球植被碳儲(chǔ)量的77%,森林碳儲(chǔ)能力的提高在“雙碳”目標(biāo)的實(shí)現(xiàn)中具有重要作用[10]。森林碳匯的發(fā)展將成為應(yīng)對(duì)氣候變化及“雙碳”目標(biāo)實(shí)現(xiàn)的重要途徑之一[11—12]。

國(guó)際上最早于1960年左右開始進(jìn)行森林碳匯的研究[13]。馬學(xué)威等[14]將森林碳匯的研究分為萌芽期和快速發(fā)展期兩個(gè)階段,2006年之前為萌芽期,2007年至今為快速發(fā)展期[15]。早期的研究代表Paul[16]使用森林生長(zhǎng)模型將森林集約經(jīng)營(yíng)對(duì)碳儲(chǔ)量的影響進(jìn)行了探析,學(xué)者們?cè)谥蟮难芯恐?將自然科學(xué)和經(jīng)濟(jì)學(xué)的融合納入了動(dòng)態(tài)分析框架和模型,森林碳匯的研究不斷走向完善[17—18]。國(guó)內(nèi)對(duì)森林碳匯空間溢出效應(yīng)的研究存在著不同的觀點(diǎn),在森林碳匯的空間溢出效應(yīng)是否顯著及存在正向還是負(fù)向的空間溢出效應(yīng)之間產(chǎn)生分歧[19]。薛龍飛等[20]通過(guò)研究我國(guó)31個(gè)省市的森林碳匯情況,證明了我國(guó)森林碳匯之間有著顯著的負(fù)向空間溢出效應(yīng),但大量國(guó)內(nèi)學(xué)者還是在省域?qū)用嫔蠈?duì)森林碳匯進(jìn)行研究[21—22]。森林資源稟賦類似的地區(qū)在森林碳匯量上存在較大差異[23],學(xué)者們從經(jīng)濟(jì)發(fā)展水平[24]、森林管理水平[25—27]以及森林災(zāi)害[28]等方面對(duì)其影響因素進(jìn)行研究,這些因素對(duì)森林碳匯量都有著重要的影響。在碳匯的空間溢出效應(yīng)研究中,孫建衛(wèi)等[29]、孫麗文等[30]和徐敬俊等[31]分別對(duì)林業(yè)碳匯的經(jīng)濟(jì)和區(qū)域效應(yīng)、省域碳鎖定的空間外溢效應(yīng)以及漁業(yè)碳匯的空間外溢效應(yīng)方面進(jìn)行了研究。

綜上所述,國(guó)內(nèi)外對(duì)森林碳匯的研究較為廣泛,為學(xué)者對(duì)森林碳匯的研究提供了豐富的材料,但大量學(xué)者的研究視角仍關(guān)注于單一省份,對(duì)空間分布狀況的研究較少且局限于一般性分析,對(duì)國(guó)家層面森林碳匯的空間溢出效應(yīng)和影響因素未能進(jìn)一步探究。由于森林資源的分布不是獨(dú)立的,地理環(huán)境的相似性、政策引導(dǎo)的溢出性和生產(chǎn)創(chuàng)新的互補(bǔ)性等會(huì)產(chǎn)生較強(qiáng)的區(qū)域關(guān)聯(lián)效應(yīng),地區(qū)間的協(xié)調(diào)發(fā)展問(wèn)題值得深入探究。本文通過(guò)森林蓄積量擴(kuò)展法測(cè)算我國(guó)31個(gè)省(市、自治區(qū))在1993—2018年六次森林資源清查期間的森林碳匯量,對(duì)省域空間森林碳匯總量相關(guān)性特征進(jìn)行對(duì)比,利用空間計(jì)量模型進(jìn)行森林碳匯的外溢效應(yīng)和影響因素分析。為我國(guó)各地區(qū)差異化森林碳匯政策的制定與實(shí)施提供支撐,利用我國(guó)林業(yè)政策的總體空間規(guī)劃來(lái)綜合統(tǒng)籌各區(qū)域森林政策,促進(jìn)林業(yè)綠色高質(zhì)量發(fā)展。

1 數(shù)據(jù)介紹與研究設(shè)計(jì)

1.1 數(shù)據(jù)介紹

1.1.1數(shù)據(jù)來(lái)源

選擇1993、1998、2003、2008、2013和2018年我國(guó)六次森林資源清查的統(tǒng)計(jì)資料,數(shù)據(jù)源自于《全國(guó)森林資源清查報(bào)告》和《中國(guó)林業(yè)統(tǒng)計(jì)年鑒》,對(duì)相關(guān)數(shù)據(jù)取對(duì)數(shù)來(lái)消除異方差的影響。

1.1.2變量選取

本文在相關(guān)文獻(xiàn)的基礎(chǔ)上,進(jìn)行了以下變量的選取:(1)林業(yè)產(chǎn)業(yè)發(fā)展水平,森林碳匯量與林業(yè)產(chǎn)業(yè)發(fā)展水平之間有著正相關(guān)的關(guān)系,選取林業(yè)產(chǎn)業(yè)總產(chǎn)值與森林面積的比值,即森林單位面積產(chǎn)值代表林業(yè)產(chǎn)業(yè)發(fā)展水平,記為F-level。(2)勞動(dòng)力要素投入,在勞動(dòng)力素質(zhì)保持恒定的基礎(chǔ)上,勞動(dòng)者人數(shù)在很大程度上影響林業(yè)產(chǎn)量,從而對(duì)森林碳匯量有著重要影響。文中以林業(yè)系統(tǒng)年末從業(yè)人員人數(shù)代表勞動(dòng)力要素投入水平,記為F-labor。(3)林業(yè)管理水平,造林行為是土地利用變化的方式,可以大幅提高植被碳匯[32]。由于造林行為對(duì)森林碳匯的影響存在10年作用的生長(zhǎng)期[33]。以被解釋變量早10年的造林面積代表林業(yè)管理水平,記為F-area。(4)森林采伐面積,因?yàn)椴煞チ繉?duì)森林碳匯有著重要的關(guān)系,選取原木的采伐量作為影響森林碳匯的重要指標(biāo),記為F-logs。(5)森林災(zāi)害程度,不同地區(qū)的森林生態(tài)情況不同,森林火災(zāi)、病害、蟲害對(duì)森林碳匯產(chǎn)生一定的影響,以森林火災(zāi)、病蟲害面積與森林面積的比值代表森林災(zāi)害程度,記為F-disaster。(6)森林蓄積水平,森林蓄積量對(duì)森林碳匯有著主導(dǎo)影響,以單位面積森林蓄積量代表各地區(qū)森林蓄積水平,記為F-stock。

1.2 研究設(shè)計(jì)

根據(jù)空間計(jì)量經(jīng)濟(jì)學(xué)的觀點(diǎn),不同區(qū)域的事物和現(xiàn)象之間在空間上相互影響,存在一定的空間相關(guān)性。地理空間中各經(jīng)濟(jì)事物之間存在著不同相關(guān)程度和交互效應(yīng),是事物本身所固有的空間經(jīng)濟(jì)屬性,空間計(jì)量經(jīng)濟(jì)學(xué)用空間外溢效應(yīng)來(lái)定義和分析這種相關(guān)性。

本文在對(duì)我國(guó)31個(gè)省(市、自治區(qū))的森林碳匯量進(jìn)行測(cè)算的基礎(chǔ)上,運(yùn)用空間自相關(guān)中的全局和局部Moran′sI指數(shù)來(lái)考慮森林碳匯的時(shí)空格局,以空間計(jì)量模型分析森林碳匯空間關(guān)聯(lián)性。對(duì)三種空間計(jì)量模型進(jìn)行比較,選擇最優(yōu)模型對(duì)森林碳匯的空間外溢效應(yīng)以及影響因素進(jìn)行研究。

2 研究方法

2.1 森林碳匯量測(cè)算

本文以森林蓄積量擴(kuò)展法核算森林碳匯量,公式中CS、CV、CB和CF依次為不同森林結(jié)構(gòu)的碳匯量,分別為森林土壤碳匯量、林下植被碳匯量、森林生物量碳匯量和森林總體碳匯量[23]。Sij、Cij、Vij分別代表第i類地區(qū)第j類森林類型的森林面積、森林碳密度和森林單位面積蓄積量,具體公式如下:

CF=CS+CB+CV

(1)

CF=∑(Sij×Cij)+α∑(Sij×Cij)+β∑(Sij×Cij)

(2)

Cij=Vij×σ×ρ×γ

(3)

式中,α、β、σ、ρ和γ分別為林下植物碳轉(zhuǎn)換系數(shù)、森林碳轉(zhuǎn)換系數(shù)、微生物含量擴(kuò)大系數(shù)、容積系數(shù)和含碳量。各項(xiàng)折算系數(shù)均根據(jù)聯(lián)合國(guó)政府間氣候變化專門委員會(huì)的默認(rèn)參數(shù)值取值。其中,α取值0.195,β取值1.244。σ取值1.90,ρ取值0.50 t/m3,γ為取值0.50[34]。

2.2 空間關(guān)聯(lián)性分析

探索性空間數(shù)據(jù)分析(Exploratory Spatial Data Analysis,ESDA)主要使用地理可視化技術(shù)來(lái)揭示空間數(shù)據(jù)的特征。文獻(xiàn)中經(jīng)常使用它來(lái)確定空間數(shù)據(jù)分布模式、聚集熱點(diǎn)和空間異質(zhì)性[35]。ESDA的優(yōu)勢(shì)在于能夠提取其他方法無(wú)法識(shí)別的復(fù)雜空間現(xiàn)象,并為發(fā)現(xiàn)新的研究問(wèn)題奠定基礎(chǔ)[36]。它反映了特定空間中觀測(cè)數(shù)據(jù)的相互依賴性?？臻g自相關(guān)方法分為全局空間自相關(guān)(Global Moran′sI)和局部空間自相關(guān)(Local Moran′sI)。全局Moran′sI指數(shù)可以發(fā)現(xiàn)空間的集聚或異常值并發(fā)現(xiàn)空間分布的差異和關(guān)聯(lián)性。取值為(-1,+1),全局Moran′sI指數(shù)>0時(shí),數(shù)值越大則空間正關(guān)聯(lián)性越明顯;全局Moran′sI指數(shù)=0時(shí),則空間分布關(guān)聯(lián)性較弱;全局Moran′sI指數(shù)<0時(shí),數(shù)值越小則空間差異性越顯著。全局空間自相關(guān)分析僅用一個(gè)值來(lái)反映研究區(qū)域間的空間差異的平均程度,卻不能詳細(xì)地說(shuō)明區(qū)域間各個(gè)對(duì)象間具體的空間關(guān)聯(lián)模式,沒(méi)有考慮到空間異質(zhì)性,因此無(wú)法反映地理單元內(nèi)的局部空間相關(guān)性。所以,有必要使用局部自相關(guān)來(lái)確定具體集聚情況[37],通過(guò)進(jìn)行局部自相關(guān)分析來(lái)描述鄰近空間的屬性值的相關(guān)程度。相應(yīng)公式如下:

(4)

(5)

2.3 空間計(jì)量模型

在進(jìn)行空間計(jì)量模型的研究中,先忽略各空間單元之間的相關(guān)作用,進(jìn)行普通最小二乘回歸(Ordinary Least Squares regression,OLS),預(yù)設(shè)回歸模型如下:

yit=βixit+μit

(6)

式中,t、i、yit和xit分別為時(shí)間、觀測(cè)樣本、n×1維的被解釋變量以及n×k維的解釋變量,βi為k×1維的xit的影響系數(shù),μit為n×1維的相互獨(dú)立的隨機(jī)誤差項(xiàng)向量,且μit—(0,σ2)分布。

在最小二乘模型的基礎(chǔ)上,檢驗(yàn)相鄰空間單元要素之間的相關(guān)性。若顯著相關(guān),則利用拉格朗日乘子檢驗(yàn)(Lagrange Multiplier,LM)對(duì)三種空間計(jì)量模型做抉擇:空間滯后模型(Spatial Lagged Model,SLM)、空間誤差模型(Spatial Error Model,SEM)以及空間杜賓模型(Spatial Durbin Model,SDM)。

所有的空間計(jì)量模型給出以下的形式:

(7)

(8)

空間滯后模型(SLM)、空間誤差模型(SEM)和空間杜賓模型(SDM)分別由以上公式的調(diào)整而來(lái)。

空間滯后模型(SLM)(λ=γ=0):

(9)

空間誤差模型(SEM)(ρ=γ=0):

yit=φ+xitβ+μi+ηi+φit

(10)

(11)

空間杜賓模型(SDM)(λ=0):

(12)

3 結(jié)果分析

3.1 我國(guó)各省(市、自治區(qū))森林碳匯量分析

我國(guó)森林碳匯總量豐富,年均碳匯量為1509780.85萬(wàn)t(表1)。根據(jù)1993—2018年各省市的碳匯量分布及變化情況,整體上看,我國(guó)森林碳匯分為三個(gè)梯隊(duì):第一梯隊(duì)為西南省份和東北林區(qū),由于地理因素,這些地區(qū)擁有大量的森林面積,為我國(guó)森林碳匯總量的主力軍。第二梯隊(duì)為南方林區(qū),在我國(guó)森林碳匯中居于中等水平。第三梯隊(duì)為東部沿海地區(qū),碳匯量相較于前兩個(gè)梯隊(duì)較少。2018年,我國(guó)森林碳匯總量為1976234.52萬(wàn)t。西藏碳匯量為264438.45萬(wàn)t,居我國(guó)首位,占我國(guó)碳匯總量的13.38%。云南、四川、黑龍江三省的碳匯總量緊隨其后,之間的碳匯量差距不大,四省的森林碳匯總量占我國(guó)碳匯總量的46.68%。天津、上海和寧夏由于其森林面積和地理因素的影響,碳匯量較低。2018年,上海碳匯量最低,但是從碳匯量的變化情況來(lái)看,上海碳匯增速較快,我國(guó)多個(gè)省份的碳匯增長(zhǎng)幅度都較大,整體處于上升趨勢(shì)。

表1 我國(guó)各省(市、自治區(qū))森林碳匯量匯總/104tTable 1 Summary of forest carbon sequestration in all provinces (cities and autonomous regions) of China

3.2 我國(guó)各省(市、自治區(qū))森林碳匯量空間關(guān)聯(lián)性分析

3.2.1我國(guó)森林碳匯的全局空間關(guān)聯(lián)性分析

本文利用Geoda 18.0和Stata 15.1對(duì)被解釋變量-森林碳匯量進(jìn)行全局Moran檢驗(yàn),選取Rook鄰接矩陣將海南處理為與廣東、廣西鄰接,作為空間權(quán)重矩陣[39]。結(jié)果如表2,1993—2018年,Moran′sI指數(shù)均為正值且通過(guò)1%的顯著性水平檢驗(yàn)。顯示出我國(guó)森林碳匯具有顯著的全局空間關(guān)聯(lián)性。

表2 我國(guó)森林碳匯量全局Moran′s I指數(shù)檢驗(yàn)Table 2 Global Moran′ I index test of forest carbon sequestration in China

圖1 全局Moran′s I指數(shù)趨勢(shì)圖Fig.1 Global Moran′s I index trend chart

如圖,Moran′sI指數(shù)的變化呈現(xiàn)出不同趨勢(shì)。1993—2003年期間,森林碳匯Moran′sI指數(shù)為倒“V”形的先增加后降低的趨勢(shì),在2003年之后,又以較為穩(wěn)定的趨勢(shì)上升。Moran′sI指數(shù)的變動(dòng)說(shuō)明我國(guó)各省(市、自治區(qū))之間的森林碳匯在空間上的集聚程度并不恒定。1988年之前,由于我國(guó)各地區(qū)加大對(duì)森林的基礎(chǔ)保護(hù)并投入大量的資金支持,對(duì)各地區(qū)Moran′sI指數(shù)的提升起到了促進(jìn)作用。1998—2003年之間,為了保護(hù)生態(tài)環(huán)境,維護(hù)生態(tài)安全,一系列林業(yè)重點(diǎn)工程在各地區(qū)實(shí)施。其中包括:天然林保護(hù)工程、“三北”防護(hù)林以及京津風(fēng)沙源治理工程等,但是由于各地區(qū)保護(hù)工程實(shí)施的規(guī)模和進(jìn)程存在差異,導(dǎo)致了各地區(qū)之間空間集聚效應(yīng)的降低。2003年之后,各地區(qū)林權(quán)改革和退耕還林工程的實(shí)施,有效的保護(hù)了森林資源,帶動(dòng)了各地區(qū)的森林碳匯發(fā)展,Moran′sI指數(shù)開始穩(wěn)步提升。

3.2.2我國(guó)森林碳匯的局部空間關(guān)聯(lián)性分析

對(duì)森林碳匯的全局關(guān)聯(lián)性分析并沒(méi)有說(shuō)明森林碳匯量在各地區(qū)之間的局部空間自相關(guān)情況。因此,應(yīng)用局部Moran′sI指數(shù)散點(diǎn)圖來(lái)進(jìn)行局部的關(guān)聯(lián)性分析。局部Moran′sI指數(shù)散點(diǎn)圖四個(gè)象限表示四種空間集聚模式,其中,第一象限(H-H)表示高森林碳匯量省(市、自治區(qū))被高森林碳匯量的其他省(市、自治區(qū))所包圍;第二象限(L-H),表示低森林碳匯量省(市、自治區(qū))被高森林碳匯量的其他省(市、自治區(qū))所包圍;第三象限(L-L),表示低森林碳匯量省(市、自治區(qū))被低森林碳匯量的其他省(市、自治區(qū))所包圍;第四象限(H-L)表示高森林碳匯量省(市、自治區(qū))被低森林碳匯量的其他省(市、自治區(qū))所包圍。第一、三象限表示森林碳匯之間存在著空間正相關(guān)作用,第二四象限表示森林碳匯存在著空間負(fù)相關(guān)作用。

圖2為我國(guó)森林碳匯局部Moran′sI指數(shù)散點(diǎn)圖。圖中各地區(qū)基本落入第一、二、三象限,對(duì)比1993和2018年的變化情況。1993年高高相關(guān)省份為:西藏和云南。低高相關(guān)省份為青海。2018年高高相關(guān)省份為西藏和云南。低高相關(guān)省份為青海和貴州。高高相關(guān)的地區(qū)主要集中在我國(guó)西南地區(qū),優(yōu)良的森林資源稟賦,森林管理和林業(yè)重點(diǎn)保護(hù)工程的實(shí)施,推動(dòng)西南地區(qū)林業(yè)碳匯集聚發(fā)展。

圖2 我國(guó)森林碳匯Moran′s I指數(shù)散點(diǎn)圖Fig.2 Moran′s I index scatter diagram of forest carbon sink in China

3.3 我國(guó)各省(市、自治區(qū))森林碳匯空間外溢效應(yīng)與影響因素分析

3.3.1空間計(jì)量模型的選擇

全局和局部空間相關(guān)性分析表明我國(guó)森林碳匯的空間外溢效應(yīng)顯著,為此,加入空間因素的影響分析外溢效應(yīng)。

第一步:LM檢驗(yàn)。首先利用Stata 15.1軟件對(duì)所選取變量的面板數(shù)據(jù)進(jìn)行OLS檢驗(yàn),并根據(jù)LM檢驗(yàn)以及穩(wěn)健性LM檢驗(yàn)結(jié)果選取空間計(jì)量模型。如表3,林業(yè)產(chǎn)業(yè)發(fā)展水平、森林受災(zāi)程度對(duì)森林碳匯量存在著顯著的負(fù)向作用,勞動(dòng)力要素投入、林業(yè)管理水平、森林采伐面積和森林蓄積量水平對(duì)森林碳匯量存在顯著的正向作用。

表3 OLS回歸檢驗(yàn)結(jié)果Table 3 OLS regression test results

如表4,LM檢驗(yàn)和穩(wěn)健性檢驗(yàn)都通過(guò)了1%的顯著性檢驗(yàn),4個(gè)檢驗(yàn)均拒絕了原假設(shè),說(shuō)明本文所選變量兼具空間滯后和空間誤差自相關(guān)效應(yīng)。在三種空間計(jì)量模型中,SDM模型兼具兩種效應(yīng),初步判斷選擇SDM模型來(lái)進(jìn)行空間外溢效應(yīng)的分析。

表4 LM和Robust LM檢驗(yàn)結(jié)果Table 4 LM and Robust LM inspection results

第二步:三種空間計(jì)量模型的比較。通過(guò)豪斯曼檢驗(yàn)對(duì)固定效應(yīng)和隨機(jī)效應(yīng)進(jìn)行選擇,檢驗(yàn)結(jié)果中,SDM的豪斯曼檢驗(yàn)值為14.73,Prob>chi2 =0.0225,通過(guò)了5%的顯著性檢驗(yàn)。故選用固定效應(yīng)的空間杜賓模型來(lái)進(jìn)行外溢效應(yīng)的分析。在空間杜賓模型中引用了解釋變量的空間滯后項(xiàng),并使用極大似然估計(jì)法可以有效地消除內(nèi)生性問(wèn)題。由表5,在三種空間計(jì)量模式的比較中,SDM模型的σ2=0.009,優(yōu)于SEM和SAR模型,擬合優(yōu)度R2=0.753也優(yōu)于SEM模型。綜合考慮,SDM模型是最理想的,最終選擇固定效應(yīng)的SDM模型進(jìn)行分析。

表5 模型回歸結(jié)果Table 5 Model regression results

第三步:似然比檢驗(yàn)(Likelihood Ratio,LR)。對(duì)SDM模型進(jìn)行LR檢驗(yàn),檢驗(yàn)空間杜賓模型是否會(huì)退化成SLM和SEM模型。如表5,LR檢驗(yàn)分別為15.50和25.77,均通過(guò)了1%的顯著性檢驗(yàn)。

綜上,本文最終以固定效應(yīng)的空間杜賓模型分析森林碳匯的空間外溢效應(yīng)與影響因素。

3.3.2空間外溢效應(yīng)分析

SDM模型的主要參數(shù)ρ的系數(shù)為0.238,存在著明顯的正向效應(yīng)并經(jīng)過(guò)了10%的顯著性試驗(yàn),數(shù)據(jù)表明各省(市、自治區(qū))的森林碳匯量之間具有空間溢出效應(yīng),并且相鄰區(qū)域的森林碳匯水平每變化1%,本區(qū)域的森林碳會(huì)正向變化0.238%。對(duì)鄰近地區(qū)森林碳匯的溢出效應(yīng),充分體現(xiàn)了地域上的空間關(guān)聯(lián)性。林業(yè)產(chǎn)業(yè)發(fā)展水平、勞動(dòng)力要素投入水平、林業(yè)管理水平、森林采伐面積、森林災(zāi)害程度和森林蓄積水平的空間效應(yīng)分別為:-0.0410、-0.0274、0.0576、-0.0380、0.0528、0.522。其中林業(yè)產(chǎn)業(yè)發(fā)展水平、勞動(dòng)力要素投入和森林采伐面積對(duì)臨近省份為負(fù)向影響。林業(yè)管理水平、森林災(zāi)害程度和森林蓄積水平對(duì)臨近省份為正向影響。

3.3.3空間外溢效應(yīng)影響因素分析

空間杜賓模型很好地解釋了各地區(qū)之間的空間經(jīng)濟(jì)相關(guān)性,然而參數(shù)估計(jì)結(jié)果并不能將直接作用效果和空間外溢效應(yīng)直觀表現(xiàn)出來(lái),本文將所選變量對(duì)森林碳匯的影響效應(yīng)分解為直接、間接和總效應(yīng)來(lái)更加清晰地展示影響效果。具體結(jié)果如表6所示。

表6 空間效應(yīng)分解Table 6 Spatial effect decomposition

一是各變量的直接效應(yīng)。林業(yè)產(chǎn)業(yè)發(fā)展水平、勞動(dòng)力要素投入、林業(yè)管理水平、森林采伐面積、森林災(zāi)害程度和森林蓄積水平的直接效應(yīng)分別為-0.0905、0.0339、0.0207、0.00996、-0.0435和0.855。其中,除了勞動(dòng)力要素投入和森林采伐面積沒(méi)有通過(guò)10%的顯著性檢驗(yàn),其余變量均通過(guò)1%的顯著性檢驗(yàn)。本地區(qū)的林業(yè)管理水平和森林蓄積水平的提高會(huì)對(duì)本地森林碳匯量的提高有著推動(dòng)作用。林業(yè)管理水平的提升會(huì)提高森林生態(tài)環(huán)境保護(hù),使森林的生長(zhǎng)更加有序,發(fā)展更加充分,森林結(jié)構(gòu)更加立體,促進(jìn)森林碳匯量的增加。森林蓄積水平反應(yīng)了地區(qū)的優(yōu)勢(shì)碳匯樹種的數(shù)量,單位蓄積水平的提高會(huì)提升森林碳匯總量。林業(yè)產(chǎn)業(yè)發(fā)展水平和森林災(zāi)害程度為負(fù)向效應(yīng),表明當(dāng)今林業(yè)產(chǎn)業(yè)的發(fā)展模式在一定程度和森林碳匯量之間存在著不匹配的因素,可能的解釋是林業(yè)產(chǎn)業(yè)政策的側(cè)重點(diǎn)和產(chǎn)業(yè)類型的偏好與森林碳匯不能很好的融合發(fā)展。而森林災(zāi)害與病蟲害則直接導(dǎo)致樹木生物結(jié)構(gòu)的惡化,遏制林木的正常生長(zhǎng)。

二是各變量的間接效應(yīng),林業(yè)產(chǎn)業(yè)發(fā)展水平、勞動(dòng)力要素投入、林業(yè)管理水平、森林采伐面積、森林災(zāi)害程度和森林蓄積水平的間接效應(yīng)分別為-0.0784、-0.0259、0.0802、-0.0443、0.0520和0.903。其中,只有林業(yè)管理水平和森林蓄積水平通過(guò)了1%的顯著性檢驗(yàn),剩余變量均未通過(guò)10%的顯著性檢驗(yàn),即本地區(qū)的林業(yè)產(chǎn)業(yè)發(fā)展水平、勞動(dòng)力要素投入、森林采伐面積和森林災(zāi)害程度對(duì)相鄰地區(qū)森林碳匯量的間接影響并不明顯。林業(yè)管理水平的間接效應(yīng)系數(shù)為正,表明一個(gè)地區(qū)的林業(yè)管理水平的提升會(huì)產(chǎn)生示范效應(yīng),使得空間相鄰地區(qū)也會(huì)在林業(yè)管理水平上向該地區(qū)學(xué)習(xí),造成相鄰省份的林業(yè)管理水平也有一定程度的提升,從而提高森林碳匯水平。森林蓄積水平的間接效應(yīng)系數(shù)為正,由于相鄰省份的樹種在地理位置上的相似性,樹種蓄積能力類似,森林碳匯水平有著帶動(dòng)作用。

三是各變量的總效應(yīng),林業(yè)產(chǎn)業(yè)發(fā)展水平、勞動(dòng)力要素投入、林業(yè)管理水平、森林采伐面積、森林災(zāi)害程度和森林蓄積水平的總效應(yīng)分別為:-0.169、0.00802、0.101、-0.0344、0.00846、1.758。其中,林業(yè)產(chǎn)業(yè)發(fā)展水平、林業(yè)管理水平和森林蓄積水平均通過(guò)了1%的顯著性檢驗(yàn),剩余變量沒(méi)有通過(guò)10%的顯著性檢驗(yàn)。說(shuō)明勞動(dòng)力要素投入、森林采伐面積和森林災(zāi)害程度對(duì)森林碳匯量的空間溢出影響并不顯著。林業(yè)產(chǎn)業(yè)發(fā)展水平的總效應(yīng)、直接效應(yīng)和間接效應(yīng)系數(shù)均為負(fù),但間接效應(yīng)未通過(guò)10%的顯著性檢驗(yàn)。說(shuō)明林業(yè)產(chǎn)業(yè)發(fā)展水平對(duì)本地區(qū)的森林碳匯量有負(fù)向影響,但是對(duì)相鄰省份的影響并不明顯。林業(yè)管理水平的總效應(yīng)、直接效應(yīng)和間接效應(yīng)系數(shù)均為正,且均通過(guò)了1%的顯著性檢驗(yàn)。林業(yè)管理水平在直觀上對(duì)森林結(jié)構(gòu)的豐富度,森林樹種的撫育度以及森林的生態(tài)保護(hù)水平等方面存在正向影響。表明林業(yè)管理水平不僅對(duì)本地區(qū)的森林碳匯量有推動(dòng)作用,而且對(duì)相鄰地區(qū)產(chǎn)生示范和拉動(dòng)效應(yīng),帶動(dòng)相鄰地區(qū)森林碳匯水平提升。森林蓄積水平的總效應(yīng)、直接效應(yīng)和間接效應(yīng)系數(shù)同樣均為正。森林蓄積水平反映了當(dāng)?shù)貥浞N的綜合碳匯能力,且臨近地區(qū)之間由于地理空間的相似性,樹種碳匯能力差異不大,因此,森林蓄積水平對(duì)本地區(qū)和相鄰地區(qū)的森林碳匯水平都存在著促進(jìn)作用。

4 結(jié)論與啟示

4.1 主要結(jié)論

根據(jù)我國(guó)森林碳匯量的核算及空間外溢效應(yīng)和影響因素分析結(jié)果,本文從森林碳匯量的整體和變化情況、空間外溢效應(yīng)以及各因素的影響三個(gè)方面得到以下結(jié)論:

一是我國(guó)整體上具有豐富的森林碳匯量。年均碳匯量為1509780.85萬(wàn)t。六次森林資源清查期間,森林碳匯量整體呈上升趨勢(shì)。由于森林資源稟賦的差異,各地區(qū)的森林碳匯量存在較大差異。西藏、云南、四川、黑龍江四個(gè)省份的森林碳匯總量較大,占我國(guó)碳匯總量的40%以上。天津、上海和寧夏的森林碳匯量處于較低的位置,但是在增長(zhǎng)幅度上面,上海市森林碳匯量增速最快。

二是我國(guó)各省(市、自治區(qū))森林碳匯量空間關(guān)聯(lián)性分析。我國(guó)森林碳匯具有顯著的全局空間關(guān)聯(lián)性。1993—2003年期間,森林碳匯Moran′sI指數(shù)為倒“V”形的先增加后降低的趨勢(shì),在2003年之后,又以較為穩(wěn)定的趨勢(shì)上升。Moran′sI指數(shù)的變動(dòng)說(shuō)明我國(guó)各省(市,自治區(qū))的森林碳匯在空間上的集聚程度并不恒定。局部Moran′sI指數(shù)反映出高高相關(guān)省份為:西藏和云南。低高相關(guān)省份為青海和貴州,各個(gè)時(shí)期變動(dòng)不大,表明我國(guó)森林碳匯已形成高高相關(guān)格局,且高高相關(guān)的地區(qū)主要集中在我國(guó)西南地區(qū),由于豐富的森林資源,森林管理和林業(yè)重點(diǎn)保護(hù)工程的實(shí)施,推進(jìn)了西南地區(qū)林業(yè)碳匯集聚發(fā)展。

三是我國(guó)森林碳匯的空間外溢效應(yīng)及影響因素分析。各省(市、自治區(qū))的森林碳匯量之間存在顯著的空間外溢效應(yīng)。且相鄰區(qū)域的森林碳匯水平每變化1%,本區(qū)域的森林碳匯量正向變化0.238%。其中林業(yè)產(chǎn)業(yè)發(fā)展水平、勞動(dòng)力要素投入和森林采伐面積對(duì)臨近省份為負(fù)向影響。林業(yè)管理水平、森林災(zāi)害程度和森林蓄積水平對(duì)臨近省份為正向影響。對(duì)空間外溢效應(yīng)進(jìn)行分解:直接效應(yīng)中,林業(yè)管理水平和森林蓄積水平對(duì)本地森林碳匯量有正向影響,林業(yè)產(chǎn)業(yè)發(fā)展水平和森林災(zāi)害程度為負(fù)向效應(yīng)。間接效應(yīng)中,本地區(qū)的林業(yè)產(chǎn)業(yè)發(fā)展水平、勞動(dòng)力要素投入、森林采伐面積和森林災(zāi)害程度對(duì)相鄰地區(qū)森林碳匯量的間接影響并不明顯。林業(yè)管理水平和森林蓄積水平對(duì)相鄰地區(qū)森林碳匯量有正向影響?？傂?yīng)中,林業(yè)管理水平和森林蓄積水平對(duì)本地和相鄰地區(qū)森林碳匯量有正向影響,林業(yè)產(chǎn)業(yè)發(fā)展水平對(duì)本地區(qū)的森林碳匯量有負(fù)向影響,但是對(duì)相鄰省份的影響并不明顯。

4.2 政策啟示

根據(jù)上述研究結(jié)論,我國(guó)在制定和實(shí)施差異化林業(yè)碳匯政策時(shí)有以下啟示:

一是我國(guó)森林碳匯量在空間上存在著顯著的空間相關(guān)性與空間外溢效應(yīng),對(duì)差異化林業(yè)碳匯政策的制定與實(shí)施應(yīng)考慮區(qū)位因素,結(jié)合相鄰地區(qū)的森林資源稟賦和林業(yè)產(chǎn)業(yè)發(fā)展水平進(jìn)行林業(yè)發(fā)展的空間規(guī)劃,并綜合協(xié)調(diào)各地區(qū)林業(yè)政策,在“山水林田湖草沙”的命運(yùn)共同體理念引領(lǐng)下,合理實(shí)現(xiàn)森林碳匯林業(yè)綠色發(fā)展。

二是利用好森林碳匯的空間外溢效應(yīng),林業(yè)產(chǎn)業(yè)發(fā)展水平和森林采伐面積對(duì)森林碳匯量的總效應(yīng)影響為負(fù),說(shuō)明林業(yè)產(chǎn)業(yè)綠色發(fā)展進(jìn)程中應(yīng)進(jìn)行結(jié)構(gòu)上的調(diào)整,要調(diào)整林業(yè)第一產(chǎn)業(yè)占比,優(yōu)化林業(yè)第二、第三產(chǎn)業(yè)融合發(fā)展,促進(jìn)森林碳匯水平的提升。森林采伐量應(yīng)合理制定采伐配額,優(yōu)化采伐側(cè)重于人工林。發(fā)揮西南地區(qū)與東北林區(qū)的輻射作用,帶動(dòng)相鄰地區(qū)森林資源的合理利用與規(guī)劃,充分吸收碳匯林項(xiàng)目實(shí)施經(jīng)驗(yàn)。

三是根據(jù)各因素對(duì)我國(guó)森林碳匯影響程度的不同進(jìn)行相應(yīng)變革,林業(yè)產(chǎn)業(yè)的發(fā)展模式和森林碳匯之間存在著不匹配的因素,未能很好的與森林碳匯融合發(fā)展,要加快林產(chǎn)品加工業(yè)發(fā)展規(guī)模的擴(kuò)大和發(fā)展方式的轉(zhuǎn)變。在林業(yè)管理水平和森林蓄積水平方面,森林環(huán)境穩(wěn)定、樹種結(jié)構(gòu)多樣化、優(yōu)勢(shì)碳匯樹種擴(kuò)大化是林業(yè)綠色發(fā)展的基礎(chǔ),要保持生態(tài)、社會(huì)、環(huán)境三方的協(xié)調(diào),差異化實(shí)施林業(yè)政策制度,確保森林使用權(quán)在流轉(zhuǎn)、抵押和擔(dān)保上的合規(guī)性,提供森林碳匯項(xiàng)目實(shí)施的政策保證。嚴(yán)格實(shí)施采伐限額制度,提高森林管護(hù)能力,科學(xué)建立應(yīng)對(duì)森林火災(zāi)、病蟲害的方案。