劉子剛,王 琦,彭愛珺,楊 飛

(1.中國人民大學(xué) 環(huán)境學(xué)院,北京 100872;2.中國科學(xué)院 地理科學(xué)與資源研究所,資源與環(huán)境信息系統(tǒng)國家重點實驗室,北京 100101)

建立濕地自然保護區(qū)是濕地保護的最主要的手段之一[1]。截至2015年底,我國已建立濕地自然保護區(qū)600多個,濕地保護面積2 391萬hm2,濕地保護率為44.60%[2]?？茖W(xué)地評估自然保護區(qū)的保護效果對于濕地有效保護和管理具有重要意義。

國內(nèi)外研究主要從生物多樣性[3-8]、景觀格局變化[9-19]、生態(tài)系統(tǒng)價值和健康[20-23]等方面,通過對保護區(qū)建立前后變化或者保護區(qū)內(nèi)外差異的對比評估自然保護區(qū)的保護效果。但是,由于保護區(qū)建立前后,區(qū)內(nèi)外自然稟賦存在差異會導(dǎo)致評估結(jié)果產(chǎn)生選擇性偏差[24-25]。

雙重差分(difference in difference, DID)模型[26]和傾向得分匹配(propensity score matching,PSM)模型目前在已廣泛應(yīng)用于政策和項目評估,涵蓋經(jīng)濟學(xué)[27-31]和社會學(xué)領(lǐng)域[32-36],資源環(huán)境[37-42]領(lǐng)域也有涉及。雙重差分模型原理借鑒自然實驗方法,選取不受政策影響的對照組,將兩組的同一指標(biāo)的變化量進行比較,差值就是該項目或政策的真實效果[43]。傾向得分匹配法的原理是找到與實驗組(treatment group)所有相關(guān)的預(yù)處理特征類似的對照組(control group),對照組產(chǎn)生的不同結(jié)果就可以歸因于該項目[44]。該方法的主要特點在于通過匹配變量的選取控制可觀測變量對估計結(jié)果的影響[45]。

本文運用遙感數(shù)據(jù)對黑龍江省三江和撓力河國家級濕地自然保護區(qū)建立前后濕地變化特征進行描述性統(tǒng)計,運用線性回歸模型、多項Logit模型、雙重差分模型、傾向得分雙重差分模型評估自然保護區(qū)的保護效果,并對結(jié)果進行對比分析,試圖找到科學(xué)的方法得出更加真實的結(jié)果,為濕地自然保護區(qū)的建立和有效管理提供科學(xué)依據(jù)。

1 研究區(qū)概況

本文選擇三江國家級自然保護區(qū)和撓力河國家級自然保護區(qū)為研究區(qū)。這兩個保護區(qū)位于黑龍江省東北部三江平原腹地,是三江平原典型濕地的代表。研究區(qū)地理位置見圖1。

圖1 研究區(qū)地理位置Fig.1 Location of the study area

1.1 基本情況

三江自然保護區(qū)面積為198 100.00hm2,地理位置為46°40′N～46°52′N,132°05′E～132°26′E,平均氣溫2.2℃,平均海拔50.00m,年降水量540.00 mm;撓力河自然保護區(qū)面積160 595.40 hm2,地理位置為46°30′N～47°22′N,132°22′E～134°10′E,平均氣溫2.31℃,平均海拔50.00m,年降水量546.00 mm。兩個自然保護區(qū)地理位置接近,均為內(nèi)陸濕地與水域生態(tài)系統(tǒng),氣候均為溫帶大陸性季風(fēng)氣候。但兩個保護區(qū)建立時間不同,三江自然保護區(qū)建立于1994年,撓力河自然保護區(qū)建立2002年(國家級)。因此,本文將撓力河自然保護區(qū)作為對照區(qū),分析三江自然保護區(qū)的保護效果。

1.2 濕地變化情況

圖2 三江和撓力河自然保護區(qū)1980—2000年濕地率變化Fig.2 The changes of wetland rate in Sanjiang and Naolihe Nature Reserve from 1980 to 2000

圖2顯示了1980—2000年三江和撓力河保護區(qū)濕地率變化情況?？梢钥闯?整個三江平原濕地率較低,且一直呈現(xiàn)下降趨勢。1980—1990年,三江與撓力河自然保護區(qū)均未成立,濕地率均大幅下降。其中,三江自然保護區(qū)下降幅度較大,由96.53%下降到86.10%;撓力河自然保護區(qū)由87.28%下降到84.69%。1990—2000年,三江自然保護區(qū)(建立于1994年)濕地率略有上升,由86.10%上升到86.49%,增加了0.39%;撓力河自然保護區(qū)此時尚未建立,濕地率下降幅度較大,由84.69%下降到80.68%。這說明,從1980—1990年濕地變化情況來看,三江自然保護區(qū)的建立是有效果的。但是,由于存在選擇性偏差,為了得到更為真實的保護效果,需要進行進一步的分析。

2 變量選取與數(shù)據(jù)來源

選擇濕地面積作為因變量,海拔、坡度、距河流的距離、徑流量、距居民點的距離、人口數(shù)量和GDP等作為自變量?？紤]到保護區(qū)周邊為國有農(nóng)場,農(nóng)業(yè)機械化比較發(fā)達,本文選取農(nóng)業(yè)機械總動力反映農(nóng)業(yè)生產(chǎn)對保護區(qū)的影響,變量具體情況如表2。

自然地理數(shù)據(jù)來源于中國科學(xué)院地理科學(xué)與資源研究所，以GIS和RS技術(shù)為支撐,基于三江平原1990年、2000年土地利用現(xiàn)狀圖及LandsatTM/ETM+遙感影像圖,提取了兩個自然保護區(qū)的濕地面積和濕地率數(shù)據(jù)。社會經(jīng)濟數(shù)據(jù)來源為黑龍江統(tǒng)計年鑒和黑龍江墾區(qū)統(tǒng)計年鑒。

利用ArcGIS軟件的漁網(wǎng)分析功能將兩個保護區(qū)劃分為100m×100m的像元,將兩個保護區(qū)的像元分別編號,三江自然保護區(qū)劃分為192 947個像元,撓力河自然保護區(qū)204 771個像元,提取每個像元的屬性信息,包括海拔、坡度、距最近河流距離、距最近居民點距離、徑流量、濕地面積等。其中,徑流量由降水量和蒸散量的差值得到。GDP、人口數(shù)據(jù)等結(jié)合土地利用數(shù)據(jù)和夜間燈光數(shù)據(jù)通過ArcGIS軟件中計算得到。

3 模型構(gòu)建

為了科學(xué)地評估保護效果,選取多項Logit模型、線性回歸模型、雙重差分模型和傾向得分匹配模型分別對保護區(qū)的保護效果進行分析。

3.1 線性回歸模型

將自然保護區(qū)建立與否作為自變量,濕地面積作為因變量進行線性回歸,并控制盡可能多的變量以減少遺漏的變量誤差,建立模型如式(1)。

WAi=α0+α1Policyi+α2Dst_Riveri+α3Net_flowi+α4Demi+α5Slope5i+α6Dst_peoplei+α7Ag_mαi+α8GDPi+α9Popi+εi

(1)

式中:Policyi是虛擬變量,像元i位于三江自然保護區(qū)為1,位于撓力河自然保護區(qū)為0;Dst_Riveri是像元i距河流的距離;Dst_peoplei是像元i距居民點距離;Net_flowi是像元i的徑流量;Demi是像元i的海拔;Slopei是像元i的坡度;Popi是像元i的人口數(shù)量;GDPi是像元i的GDP;Ag_mαi是像元i的農(nóng)業(yè)機械總動力;α1～α9是系數(shù)。

3.2 多項Logit模型

多項Logit模型可以通過對比不同時間段各種因素對濕地變化的影響。選擇三江自然保護區(qū)建立前的時間段1980—1990年,以及建立后的時間段2000—2010年,將濕地面積變化劃分為多值變量,濕地面積不變,定義為0,概率為P0;面積增加為1,概率為P1;面積減少為2,概率為P2。自變量均取不同研究時間段的均值。模型如式(2)和式(3)。

(2)

(3)

式中:Popi是像元i的人口數(shù)量,GDPi是像元i的GDP,Ag_mαi是像元i的農(nóng)業(yè)機械總動力。β1，β2，β3是系數(shù),反映了各自變量對因變量的影響方向和大小。

3.3 雙重差分模型

雙重差分模型借鑒了自然實驗的方法,建立實驗組與對照組,將建立保護區(qū)的真實影響分離出來。為反映三江自然保護區(qū)建立前后的變化,選取其建立前的1990年與建立后的2000年的數(shù)據(jù),構(gòu)建雙重差分模型如式(4)。為了更好地估計保護區(qū)建立的政策效果,控制了影響濕地面積變化的其他因素。

WAit=α0+α1policyi+α2yeart+

α3policyi·yeart+α4Xit+εit

(4)

式中:WAit是像元i的濕地面積;policyi是保護區(qū)虛擬變量,當(dāng)像元i位于三江自然保護區(qū)內(nèi),取值為1,反之為0;yeart是時間二值虛擬變量,保護區(qū)建立后,t=2,yeart=1;保護區(qū)建立前,t=1,yeart=0;policyi·yeart是時間與保護區(qū)虛擬變量的乘積;Xit是一組隨時間變化的可觀測的影響變量Yit的控制變量。

選取撓力河自然保護區(qū)作為對照組,兩個保護區(qū)對比的保護效果為:

ΔWA1-ΔWA2=α3+Δε1-Δε2

(5)

式中：ΔWAi=WAi2-WAi1。由式(5)可見,建立保護區(qū)變量和時間的交互項系數(shù)α3即為真正用來度量實驗組政策效應(yīng)的量。

3.4 雙重差分傾向得分匹配模型

雙重差分傾向得分匹配模型是對雙重差分模型進一步修正,消除選擇性偏差,使保護區(qū)建立成為隨機事件,能夠得出更為真實的建立保護區(qū)的政策效果。具體步驟為:

1)以保護區(qū)為因變量,建立Logit回歸模型。模型的一般公式為

(6)

其中,Y為因變量,即是否建立自然保護區(qū)的二維虛擬變量,保護區(qū)內(nèi)為1,反之為0;Xi為一組協(xié)變量,即研究對象的一些基本特征變量,為徑流量、坡度、濕地距居民點的距離、濕地率。利用公式(6)進行Logit回歸得出各協(xié)變量回歸估計的系數(shù)。

2)計算各個研究對象的傾向得分。將第一步中回歸估計出系數(shù)帶入到原方程中,并將各個研究對象協(xié)變量的取值帶入。

3)依據(jù)計算所得的傾向得分,進行匹配,得到實驗組和對照組。

4)匹配后剔除多余數(shù)據(jù)直接進行雙重差分模型計算。

4 結(jié)果分析

4.1 傾向得分估計結(jié)果

以建立保護區(qū)為因變量,三江保護區(qū)為實驗組,賦值為1;撓力河為對照組,賦值為0。選取坡度、距居民點距離、徑流量、濕地率等變量進行傾向得分匹配。使用保護區(qū)建立前的1990年數(shù)據(jù),利用stata14.0軟件進行統(tǒng)計。Logit回歸結(jié)果(表1)顯示,選取的協(xié)變量回歸系數(shù)均顯著,說明協(xié)變量均對保護區(qū)的建立有顯著的影響,保護區(qū)建立與上述因素存在相關(guān)性,建立保護區(qū)不是隨機事件。

為考察匹配效果,采用核密度函數(shù)圖(圖3)進行匹配平衡檢驗。由圖3可見,匹配前,實驗組和對照組的傾向得分值的概率分布存在明顯若異,說明出現(xiàn)樣本選擇偏誤問題,如果選取兩組樣本進行分析,得到的計量估計結(jié)果存在偏誤,這也說明如果直接采用雙重差分模型進行保護效果評估其結(jié)果存在混雜偏誤。然而,進行匹配之后,實驗組和對照組的差異大幅度降低,兩組樣本傾向得分值的概率分布更加接近,說明得出較為合適的匹配樣本,匹配效果較好。

表1 Logit回歸估計結(jié)果Tab.1 Results of Logit regression model

4.2 不同模型結(jié)果比較

多項Logit模型、線性回歸模型、DID模型和PSM+DID模型結(jié)果比較如表2。

多項Logit模型通過比較兩個時間段保護區(qū)像元GDP、人口、農(nóng)業(yè)機械總動力變化引起面積變化的可能性,來比較保護區(qū)保護效果。對于面積增加的像元,隨著GDP的增加,濕地面積增加的可能性變小。建區(qū)前,濕地面積增加的概率減少12.4%,建區(qū)后則減少87%。對于面積減少的像元,建區(qū)前,GDP增加會使面積減少的概率減少97.9%,建區(qū)后則增加2.4%。人口與農(nóng)業(yè)機械總動力的變化對濕地面積變化的影響均會隨著保護區(qū)的建立而變小,說明保護區(qū)建立會使得人為因素對濕地面積的改變的影響變小。

線性回歸模型結(jié)果表明,建立保護區(qū)對2000年的濕地面積產(chǎn)生了負(fù)向影響,即建立保護區(qū)會比不建保護區(qū)濕地率減少1.85%,且在1%的水平下顯著,說明保護區(qū)建立并沒有起到保護效果。

雙重差分模型結(jié)果可知建立保護區(qū)導(dǎo)致濕地面積增加,且在1%的水平下顯著,建立保護區(qū)比不建保護區(qū)濕地率增加4.67%。

PSM+DID模型結(jié)果表明建立保護區(qū)導(dǎo)致濕地面積增加,且在1%的水平下顯著,建立保護區(qū)比不建保護區(qū)濕地率增加6.18%。

圖3 核密度函數(shù)圖Fig.3 Kernel density function

變量多項Logit模型② 線性回歸模型DID模型PSM+DID模型 1980—2000年(建區(qū)前)OR 2000—2010年(建區(qū)后)OR 2000年 1990—2000年 1990—2000年 1/02/01/02/0時間*保護區(qū) 466.80***(19.30)617.80***(22.90) 保護區(qū)變量 -184.90***(31.89)-191.80***(17.700)-699.10***(21.34) GDP (-)0.12***(-24.66)(-)0.98***(-2.70)(-)0.87***(-4.490)(+)1.24(35.62)0.04***(0.00)-0.01***(0.00)-0.02***(0.00) 人口 (-)0.31***(-32.51)(-)0.82***(-24.49)(-)0.45***(-26.28)(-)0.80(-36.31)-0.02***(0.00)0.00***(0.00)0.01***(0.00) 農(nóng)機總動力 (+)1.36***(12.01)(-)0.97***(-3.93)(-)0.91***(-3.11)(-)1.00(-0.73)-0.04***(0.00)-0.02***(0.000678)-0.03***(0.00)

續(xù)表2

變量多項Logit模型② 線性回歸模型DID模型PSM+DID模型 1980—2000年(建區(qū)前)OR 2000—2010年(建區(qū)后)OR 2000年 1990—2000年 1990—2000年 1/02/01/02/0距居民點距離 ---0.07***(0.00)--距河流距離 0.03***(0.00)-- 徑流量---4.62***(0.06)-- 海拔---25.71***(0.65)-- 坡度--490.6***(8.65)-- 常數(shù)(-)0.00***(-87.50)(-)0.16***(-274.09)(-)0.03***(-122.91)(+)2.51(171.98)11,771***(47.37)8,993***(20.98)9,407***(24.32) 觀測值個數(shù)165,935191,789127,171189,820397,718795,436583,588 R20.040.000.01

注:① 系數(shù)下面括號內(nèi)數(shù)字表示標(biāo)準(zhǔn)差,*表示10%水平下顯著,**表示5%水平下顯著,***表示1%水平下顯著。② 在多項Logit模型中,括號內(nèi)為系數(shù)的正負(fù),反映自變量對因變量影響的方向;OR(Odds Ratio)為幾率比,反映影響的大小。1/0表示面積增加和面積不變的比率P1/P,2/0表示面積減少和面積不變的比率P2/P。

5 結(jié)論與討論

從濕地變化情況來看,1980—1990年,三江與撓力河自然保護區(qū)濕地率均大幅下降;1990—2000年,三江自然保護區(qū)濕地率略有上升,增加了0.39%;而撓力河保護區(qū)濕地率仍在下降。說明三江自然保護區(qū)的建立以后,濕地退化的趨勢有所減緩。但是,從濕地變化情況并不能得出保護區(qū)建立的真實效果。

為了得到更為真實的保護效果,本文采用線性回歸模型、多項Logit模型、雙重差分模型、傾向得分匹配雙重差分模型對三江自然保護區(qū)的保護效果進行了分析。不同模型的結(jié)果具有顯著差異。多項Logit模型從時間跨度對比得出建立保護區(qū)會使人為干擾因素對濕地面積變化產(chǎn)生的影響縮小,保護效果為正,但該模型無法滿足保護區(qū)建立前后其自身稟賦相同的條件;線性回歸模型的結(jié)果表明建立保護區(qū)會比不建保護區(qū)濕地率減少1.85%,但該模型的分析并未涉及時間前后對比,未考慮政策的滯后性;雙重差分模型結(jié)果表明建立保護區(qū)比不建保護區(qū)濕地率增加4.67%;雙重差分傾向得分匹配模型結(jié)果表明建立保護區(qū)比不建保護區(qū)濕地率增加6.18%。

建立自然保護區(qū)是一個非隨機過程,尋找對照組對于分析建立保護區(qū)的政策效果十分重要,一般來講無法做到使實驗組和對照組完全一致。運用雙重差分模型和傾向得分匹配模型,目的是創(chuàng)造一種自然實驗,在實驗區(qū)和對照區(qū)選擇具有可比性的樣本進行分析,使保護區(qū)建立成為一種隨機過程。通過本研究發(fā)現(xiàn)雙重差分模型和傾向得分匹配模型應(yīng)用于濕地保護效果評估是適用的,能夠有效降低選擇性偏差,從而得到更加真實的保護效果。