崔雪妍+董佳宇

[摘 要]近年來，全球氣候變暖引起了國際社會的廣泛關注，在CDM機制下發(fā)展以碳匯為目的的森林經(jīng)營，對經(jīng)濟發(fā)展及環(huán)境保護都有重要意義。在這樣的國內(nèi)外背景下，我國應依靠森林的碳匯功能，大力發(fā)展碳匯林業(yè)，為林業(yè)發(fā)展帶來新契機。文章以全國30個省市為樣本，計算2008年、2011年、2014年三年數(shù)據(jù)的平均值，以此建立內(nèi)蘊線性模型，用OLS分析影響我國森林碳匯量的因素。

[關鍵詞]森林碳匯；蓄積量轉換法；回歸分析

[DOI]10.13939/j.cnki.zgsc.2016.33.121

1 引 言

森林碳匯指的是森林生態(tài)系統(tǒng)吸收大氣中的CO2并將其固定在植被或土壤中，從而減少大氣中CO2濃度的過程、活動或機制。有研究表明，森林是地球上最大的陸地生態(tài)系統(tǒng)，是碳循環(huán)的重要組成部分。森林具有碳源和碳匯的雙重作用，特別是森林碳匯功能不僅在緩解氣候變暖趨勢方面具有重要作用。對森林碳匯的計量研究起步于20世紀60年代中后期，但目前對碳匯計量的方法還不統(tǒng)一，具體的計量項目也未達成共識。森林碳匯的實物計量方法主要有生物量法、蓄積量法、生物量清單法等方法。根據(jù)森林碳匯已有研究文獻和全國森林資源清查數(shù)據(jù)，采用蓄積量轉換法，利用內(nèi)蘊線性模型，研究森林碳匯變化的影響因素。

2 森林碳匯影響因素分析的計量模型

在實踐中，被解釋變量與解釋變量可能是線性關系，也可能是非線性關系。研究人員可以通過變量替換或者參數(shù)替換將某些表面看來是非線性函數(shù)關系的轉換為線性形式，稱這種模型為內(nèi)蘊線性模型。內(nèi)蘊線性模型有多種形式，本文采用的雙對數(shù)模型。

本文以2008年、2011年、2014年我國各省、自治區(qū)、直轄市森林資源情況為研究對象，對這三年我國各省市森林碳匯的影響因素進行分析。建立內(nèi)蘊線性模型，運用stata軟件對模型進行回歸分析，并對指標進行統(tǒng)計檢驗等確保模型準確性，最后利用OLS進行參數(shù)估計，分析得到影響我國省市森林碳匯情況顯著的因素。

2.1 指標變量

森林固碳的過程是一個復雜的生物學與生態(tài)作用的過程，森林資源通過吸收大氣中的二氧化碳來達到固碳的目的。因此，其固碳量的多少在宏觀上體現(xiàn)為森林資源的多少，而具體的則取決于多種因素，既包括森林的樹種、植被生長情況（樹齡、活立木蓄積、土地肥沃程度等），也包括林地的木材產(chǎn)量、病蟲害情況等消耗項諸多影響因素。

另外，出于統(tǒng)計數(shù)據(jù)的“可獲得性”的考慮，將一些統(tǒng)計數(shù)據(jù)使用間接統(tǒng)計量來進行數(shù)據(jù)處理，綜合已有的學者對于森林碳匯的影響因素的研究的成果，根據(jù)公式：森林碳匯量=活立木蓄積轉換系數(shù)（即1.158525）來計算森林碳匯量。本文中使用“活立木蓄積”這一統(tǒng)計量來轉義“森林碳匯量”，選取對其進行回歸分析預測的指標為“森林覆蓋率”“森林蓄積量”“造林面積”“木材產(chǎn)量”，作為本文對我國森林碳匯量的回歸分析的分析指標變量。

2.2 數(shù)據(jù)收集

森林碳匯核算的主要數(shù)據(jù)來源于《全國森林資源統(tǒng)計》《中國森林資源清查》《中國林業(yè)統(tǒng)計年鑒》，具體來自：全國第七次森林資源清查結果、全國第八次森林資源清查結果、《中國林業(yè)統(tǒng)計年鑒（2014）》。由于上海市木材產(chǎn)量指標三年數(shù)據(jù)均為0，不包括在內(nèi)。則選取全國30個省、自治區(qū)、直轄市為樣本，利用2008年、2011年、2014年三年數(shù)據(jù)的平均值分析森林碳匯影響因素。

2.3 虛擬變量

《中華人民共和國國民經(jīng)濟和社會發(fā)展第十一個五年規(guī)劃綱要》將我國區(qū)域發(fā)展格局劃分為西部大開發(fā)區(qū)（簡稱西部地區(qū)，下同）、東北地區(qū)、中部地區(qū)和東部地區(qū)。森林覆蓋率東北地區(qū)最高，達40.22%，西部地區(qū)最低，僅為17.05%。由此可見我國各省份所處區(qū)域對其森林資源情況有很大影響。不同地理位置有著不同的自然條件，影響森林的生長，因此根據(jù)《規(guī)劃綱要》對我國省、自治區(qū)、直轄市進行分類，并由此引入虛擬變量。

D1=1西部地區(qū)：重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、內(nèi)蒙古、廣西（12個省或自治區(qū)），D1=0其他地區(qū)；D2=1 東北地區(qū)：黑龍江、吉林、遼寧（3個?。?，D2=0其他地區(qū)；D3=1東部地區(qū)：北京、天津、河北、江蘇、浙江、福建、山東、廣東、海南（9個省或直轄市），D3=0其他地區(qū)；若D1=D2=D3=0 則為中部地區(qū)：山西、安徽、江西、河南、湖北、湖南（6個省或自治區(qū)）。

2.4 模型確定

設定模型首先要知道所選取的自變量和因變量之間的關系，根據(jù)樣本數(shù)據(jù)，在stata中對每個自變量與因變量之間的相關關系描繪散點圖，大致得到因變量和自變量之間的關系。根據(jù)散點圖可知，活立木總蓄積量對數(shù)（lny）與森林蓄積量對數(shù)（lnx2）之間呈現(xiàn)明顯的線性關系，與其他自變量對數(shù)大體呈線性變化趨勢。因此，取對數(shù)后的活立木總蓄積量和取對數(shù)后的森林覆蓋率、取對數(shù)后的森林蓄積量、取對數(shù)后的造林面積、取對數(shù)后的木材產(chǎn)量之間的關系可以選取線性模型來分析。并據(jù)此，建立內(nèi)蘊線性模型如下：

2.5 模型OLS結果及檢驗

對模型進行回歸，得到如下結果：

根據(jù)線性回歸結果，調(diào)整R2=0.9985，可見擬合優(yōu)度很高，選擇的解釋變量對被解釋變量的聯(lián)合解釋能力很強。

2.5.1 多重共性性檢驗

常數(shù)項、D1、D2、D3的p值都大于0.05，說明解釋變量之間可能存在多重共性。利用Stata軟件，計算解釋變量的條件數(shù)，以此判斷解釋變量之間是否存在多重共線性。條件數(shù)=53.52>30，說明各個自變量之間存在嚴重的多重共線性，因此采用逐步回歸法消除多重共線問題。通過逐步回歸，最終保留變量lnx2、lnx3。修正多重共線性影響的回歸方程為：

lny=0.333+0.95lnx2+0.026lnx3

（0.028） （0.000） （0.048）（括號內(nèi)為p值）

2.5.2 異方差性檢驗

根據(jù)懷特檢驗結果可知，prob>chi2=0.1895，表示在原假設為真的情況下，觀測到的數(shù)值出現(xiàn)的概率為0.1895，是否拒絕原假設取決于是否認為以0.1895概率出現(xiàn)的事件為小概率事件，只要選取的顯著性水平小于0.1895就不能拒絕原假設，而5%、1%、10%都小于0.1895，則接受原假設。說明不存在異方差性。

2.5.3 模型結果分析

由上述計算結果可見，在全國森林碳匯各影響因素中，森林蓄積量和造林面積是主要影響因素，森林蓄積量是指有林地中活立木材積之和，活立木蓄積量指包括散生木在內(nèi)所有活立木的總蓄積量。因此，森林蓄積量的變化對活立木蓄積量有著顯著的影響。此外，造林面積對活立木總蓄積量也有顯著影響，所以，大力植樹造林能夠有效促進森林碳匯容量“外延”的增加，為我國森林碳匯量的增加提供支持。

參考文獻：

[1]許松浚，李亮宇，趙艷，等.中國森林碳匯研究進展[J].廣東農(nóng)業(yè)科學，2014（4）.

[2]黃彥.低碳經(jīng)濟時代下的森林碳匯問題研究[J].西北林學院學報，2012，27（3）.