陳新軍,劉揚晶,楚春暉

(1.廣西華森設計咨詢有限公司，南寧 530000；2.國家林業(yè)和草原局中南調查規(guī)劃設計院，長沙 410014)

全球變暖作為一個國際上政治、外交和經濟領域的熱點，越來越受國際社會的關注[1-3]。森林作為陸地生態(tài)系統(tǒng)的主要組成部分，在減緩全球CO2濃度上升、調節(jié)全球碳平衡等方面發(fā)揮非常重要的作用。因此，研究森林碳匯成為當前研究全球生態(tài)系統(tǒng)的重中之重[4-5]。目前，國內外學者主要研究森林碳匯及森林碳儲量的統(tǒng)計和估算，對森林碳匯的動態(tài)監(jiān)測和研究較為缺乏[6-8]。鑒于此，本文通過對海南省近30年森林碳匯的測量和統(tǒng)計，分析其動態(tài)變化的特征，豐富對海南省的碳匯功能及經濟效益理論和實踐研究體系，為海南省森林碳匯的發(fā)展提供科學性依據。

1 區(qū)域概況

海南省位于中國大陸最南端， 3°30′—20°07′N和108°15′—120°05′E之間，全省陸地總面積3.5萬km2，林地面積有214.49萬 hm2，其中森林面積有187.77萬hm2，森林覆蓋率達55.38%，全省活立木蓄積量約9 774.49萬m3，其中林分蓄積最多，達8903.83萬m3，占總蓄積的91.09%。海南省屬熱帶季風氣候，全年暖熱，年均氣溫22～27 ℃，有“天然大溫室”的美稱。

截至目前，海南省有4個地級市，5個縣級市，4個縣，6個自治縣和1個經濟開發(fā)區(qū)；總人口達925.76萬人，城鎮(zhèn)人口比重達到58.04%；2017年全省地區(qū)生產總值4462.54億元，同比增長8.5%；按常住人口計算，全省人均地區(qū)生產總值48 430元。

2 材料與方法

2.1 數據來源

研究數據主要來源于海南省第三次至第八次森林資源連續(xù)清查結果，以及各年度《中國林業(yè)統(tǒng)計年鑒》(1988—2013年)、《海南省統(tǒng)計年鑒》(1989—2014年)和相關參考文獻。鑒于森林資源清查數據在采集過程中存在一定的局限性，本文主要從經濟角度，以分析影響森林碳匯的因子和森林碳匯評價為目的，選取了造林總面積、森林火災受害面積、森林病蟲鼠害發(fā)生面積、木材總產量和林業(yè)從業(yè)年末人數等5個變量為主要研究因子?；诤Ｄ鲜×紊仲Y源清查數據，采用森林蓄積量擴展法計算出海南省森林碳匯(表1)，可以看出，1984—2013年期間，海南省森林碳匯呈現先降后升的動態(tài)變化。

表1 1984—2013年海南省森林面積、蓄積、碳匯年度森林覆蓋率/%森林面積/萬hm2森林蓄積量/萬m3森林碳匯/萬t年均增長率/%1984—198825.51545 814.296 736.000 1989—199331.2760.575 695.566 598.449-0.40 1994—199839.56134.936 613.037 661.3613.03 1999—200348.87166.667 195.168 335.7731.70 2004—200851.98176.267 274.238 427.3770.22 2009—201355.38187.778 903.8310 315.3104.13

2.2 數據處理

運用Eviews6.0計量分析軟件，構建海南省森林碳匯影響因子VAR模型，利用上述5個影響因子分析對森林碳匯的影響。鑒于森林資源清查的周期是5年，碳匯數據存在斷層，時間序列不連續(xù)。本文假設5年之中森林資源勻速變化，即：1989—1993年森林資源以每年0.40%遞減，1994—1998年森林資源以每年3.03%遞增，1999—2003年森林資源以每年1.70%遞增，2004—2008年森林資源以每年0.22%遞增，2009—2013年森林資源以每年4.13%遞增。

2.3 研究方法

向量自回歸模型(Vector Autoregression，VAR)是一種計量經濟模型，用來分析隨機變量對系統(tǒng)的動態(tài)影響，影響的大小及持續(xù)時間。它是通過把系統(tǒng)中每一個內生變量作為系統(tǒng)中所有內生變量的滯后值來構造的函數模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的向量自回歸模型[9-10]。VAR模型的數學表達式是：

yτ=A1yτ-1+…+Aρyτ-ρ+Bxτ+ετ

τ=1,2,…T

式中：yτ是k維內生變量，xτ是d維外生變量，p是滯后階數，T指樣本個數，A1…Aρ和B是待估計的系數矩陣，ετ是擾動向量。將上式表示為矩陣形式：

建立VAR模型需要解決兩個問題：一是確定變量間是否具有相關性，通常采用格蘭杰因果性檢驗來確定；二是確定模型中的滯后階數p，p太小，殘差存在自相關，可能導致參數估計的非一致性。適當加大p值，可消除這種自相關。但p值又不能太大，否則會使得待估參數多，自由度降低嚴重，這將直接影響模型參數估計的有效性。通常采用施瓦茨(SC)準則和赤池信息準則(AIC)來確定p值。計算公式如下：

式中：T是樣本長度，l是對數似然估計函數值，n=k(d+pk)是被估計的參數，p是最大滯后階數，k是內生變量個數，d是外生變量個數。

本文通過構建森林碳匯VAR模型，來研究分析造林總面積、火災受害森林面積、森林病蟲鼠害發(fā)生面積、木材總產量和林業(yè)從業(yè)年末人數等因子對森林碳匯的動態(tài)影響程度。

3 結果與分析

3.1 平穩(wěn)性檢驗與滯后階數的確定

首先對平穩(wěn)性進行檢驗，發(fā)現原變量序列不平穩(wěn)，需要進一步差分。根據SC準則，VAR模型的最大滯后期是4。通過反復對森林碳匯、造林總面積、火災受害森林面積、森林病蟲鼠害面積、木材總產量和林業(yè)從業(yè)年末人數的二階差分序列進行檢驗，結果如表2。

數據平穩(wěn)性檢驗實則是ADF單位根檢驗，單位根檢驗的原假設為“該序列含有單位根”，若檢驗結果不能拒絕原假設，表示該序列是不平穩(wěn)的隨機過程；反之，說明該序列是平穩(wěn)的。將上述各序列的ADF統(tǒng)計量值與1%，5%，10%三種顯著水平下不同ADF臨界值進行相比，6個變量都拒絕了1%顯著水平下的一階差分時間序列。

表2 各變量平穩(wěn)性檢驗結果檢驗因子序列ADF統(tǒng)計量P值森林碳匯-4.781 2320.001 0造林總面積-6.917 0910火災受害森林面積-6.613 8950森林病蟲鼠害面積-4.699 5790.001 5木材總產量-12.340 6100林業(yè)從業(yè)年末人數-5.563 1660.001 6

建立VAR模型時，并非將各期的變量都作為解釋變量，而是分析變量的滯后值之間的關系。例如，當滯后期是3時，VAR模型只將各變量前3期滯后值作為解釋變量。模型中包含的滯后期數越多，涵蓋的信息就越全面。但是含有n個解釋變量的VAR模型中，每增加一個滯后期數就意味著增加n2個待估參數，樣本自由度急劇下降。因此，本文根據SC、AIC最小準則來確定最優(yōu)的滯后階數，通過反復檢驗，確定滯后階數為2。

3.2 協(xié)整檢驗與模型估計

協(xié)整是指兩個或多個變量之間存在長期的穩(wěn)定關系，協(xié)整檢驗即Eviews軟件中的Johansen檢驗。為了檢驗海南省森林碳匯、造林總面積、森林火災受害面積、森林病蟲害面積、木材總產量和林業(yè)從業(yè)年末人數之間是否存在長期均衡關系，采用Johansen進行檢驗，結果見表3。

表3 Johansen協(xié)整檢驗結果原假設檢驗特征值統(tǒng)計量5%臨界值 概率0?0.981 688229.248 20095.753 6600最多1個?0.916 711141.243 80069.818 8900最多2個?0.837 96686.564 10047.856 1300最多3個?0.677 43546.525 16029.797 0700.000 3 最多4個?0.522 12721.633 21015.494 7100.005 2最多5個?0.217 2315.388 1793.841 4660.020 3 ?表明拒絕5%水平下的假設

檢驗結果顯示，在5%顯著水平下，森林碳匯與造林總面積、火災受害森林面積、森林病蟲害發(fā)生面積、木材總產量和林業(yè)從業(yè)年末人數之間存在6個協(xié)整方程。

構建森林碳匯VAR模型，模型估計結果如表4，可以看出各方程的系數R2數值分別為：0.802041，0.782492，0.865016，0.826872，0.777076，0.818251；說明各方程對各變量的擬合方程度較高，并且SC值與AIC都較小，表明模型的滯后階數2較為合理。

3.3 特征根檢驗

為了進一步檢驗森林碳匯向量自回歸模型(VAR)的準確性，對AR特征根進行檢驗。若模型的根模倒數都小于1，說明都位于單位圓內，則模型趨于穩(wěn)定。模型的特征根檢驗結果如圖1所示。

表4 森林碳匯VAR模型估計結果名稱R2調整后R2殘差平方和方程F統(tǒng)計量森林碳匯0.802 041-0.628 570.002 0510.015 0940.324 562造林總面積0.782 4920.492 4823.673 8020.638 9062.698 151火災受害森林面積0.865 0160.685 03711.583 8101.134 5004.806 209森林病蟲害發(fā)生面積0.826 8720.596 03515.404 0401.308 2663.582 056木材總產量0.777 0760.479 8441.967 4000.467 5472.614 376林業(yè)從業(yè)年末人數0.818 2510.575 9180.151 4240.129 7113.376 562名稱最大似然估計AICSC因變量均值因變量標準差森林碳匯70.870 78-5.260 98-4.616 2730.002 0230.011 828造林總面積-11.528 682.229 882.874 5870.018 5090.896 381火災受害森林面積-24.160 883.378 2624.022 969-0.030 1522.021 505森林病蟲害發(fā)生面積-27.296 113.663 2834.307 99-0.086 6882.058 373木材總產量-4.659 0221.605 3662.250 073-0.018 3530.648 274林業(yè)從業(yè)年末人數23.549 240-0.959 021-0.314 314-0.012 4090.199 182殘差的協(xié)方差行列式值(自由度調整)1×10-8; 殘差的協(xié)方差行列式值4.7×10-11;最大似然值 74.287 620; AIC0.337 489; SC4.205 731

圖1 特征根的分布圖

表5 AR特征多項式根特征根的倒數特征根倒數的模0.358 466-0.749 802 i0.831 0840.358 466+0.749 802 i0.831 084-0.591 342-0.525 736 i0.791 255-0.591 342-0.525 736 i0.791 255-0.253 989-0.718 130 i0.761 722-0.253 989+0.718 130 i0.761 722-0.758 9190.758 919-0.688 232-0.300 436 i0.750 949-0.688 232+0.300 436 i0.750 949-0.158 672-0.489 939 i0.514 9920.158 672+0.489 939 i0.514 9920.483 1300.483 130

由表5和圖1可得，AR特征根模倒數均小于1 ，落于單位圓內，說明海南省森林碳匯VAR模型是趨于穩(wěn)定的。

3.4 脈沖響應函數

脈沖響應函數是用來分析內生變量之間的相互影響，即當一個誤差帶來的系統(tǒng)沖擊發(fā)生時，對VAR模型整個系統(tǒng)會產生的動態(tài)影響[11-12]，這種影響是持續(xù)并能逐漸傳播到其他變量的，而這個過程也需要一定的時間。一般研究認為，在測定誤差項的沖擊變化時，10期能夠比較明顯的反映出其他因子對沖擊項的應激反應，因此本文設定以10期為限的時間序列來分析誤差項對其他變量的影響程度。而脈沖響應檢驗能直接反映各變量對其他變量現期值和未來值的影響程度。

在此運用脈沖響應函數來分析造林總面積、森林火災受害面積、森林病蟲鼠害發(fā)生面積、木材總產量、林業(yè)從業(yè)年末人數對森林碳匯的動態(tài)影響，各因子對森林碳匯的脈沖影響見圖2。

圖2(a)可以看出，造林總面積對森林碳匯的沖擊影響有正有負，并且正向沖擊與負向沖擊相似。導致這種現象的原因可能是一方面造林使得林分面積增加，固然碳匯量也會增加；但同時造林意味林分密度增加，不利于森林的生長，導致森林碳匯量下降。

圖2(b)可以看出，森林火災受害面積對森林

圖2 各因子對森林碳匯的脈沖影響

碳匯的沖擊影響在前三期特別明顯，表現為負向沖擊，這與我們理解的“森林植被的減少會使森林碳匯減少”是一致的。

圖2(c)可以看出，森林病蟲鼠害發(fā)生面積對森林碳匯的沖擊影響只在正負0.003之間波動，沖擊作用不明顯，這可能與森林病蟲鼠害防治提高有一定的關系，從而對森林碳匯的影響很小。

圖2(d)可以看出，木材總產量對森林碳匯的沖擊影響在第一期就表現出明顯的負向反應，從動態(tài)效果來看，負向沖擊遠多于正向沖擊，這證實了“增加木材總產量會降低森林碳匯量”。

圖2(e)可以看出，林業(yè)從業(yè)年末人數對森林碳匯的影響在1期和2期沒有反應，但第三期到第四期有了稍微明顯的正向沖擊作用。

3.5 方差分解

從脈沖響應函數軌跡可以看出，5個影響因子對海南省森林碳匯的沖擊影響有正有負。但總體來看，圖中的脈沖軌跡都相對平坦，說明這些影響因素對海南省森林碳匯的影響不明顯。為進一步評價不同結構沖擊對內生變量的貢獻程度，在此對森林碳匯進行方差分解，定量算出各變量間的影響關系(表6)。

從表6可以看出，森林碳匯的變化受自身的影響從第一期的100%逐步遞減到第十期的75.67%，而其他變量對森林碳匯的影響呈現遞增趨勢。造林總面積的解釋能力由第二期的0.04%上升到第十期的2.34%；森林火災受害面積、森林病蟲鼠害發(fā)生面積、木材總產量和林業(yè)年末從業(yè)人數分別增長至14.16%，5.63%，1.95%和0.24%。從動態(tài)分析來看，森林碳匯的變化主要由自身決定，占75.67%，造林總面積占2.34%，森林火災受害面積占14.16%，森林病蟲鼠害發(fā)生面積占5.63%，木材總產量占1.95%，林業(yè)從業(yè)年末人數占0.24%。

表6 方差分解表模擬期標準差森林碳匯造林總面積10.015 094100020.016 739 81.459 980.037 36630.016 927 80.083 440.305 49140.017 106 78.507 781.200 34650.017 249 77.417 401.323 41760.017 303 76.974 241.757 13670.017 373 76.384 451.807 40680.017 410 76.058 072.067 94890.017439 75.887382.280 650100.017473 75.667342.341 529

續(xù)表6 方差分解表火災受害森林面積森林病蟲害發(fā)生面積木材總產量林業(yè)從業(yè)年末人數000014.621 832.655 8561.224 1740.000 786 14.324 583.830 1181.248 5900.207 788 14.550 894.269 7511.245 0050.226 232 14.446 865.061 1271.518 1310.233 069 14.363 225.034 8631.638 8960.231 652 14.262 965.455 9281.856 8160.232 442 14.208 995.491 5541.931 7690.241 668 14.169 115.481 0881.939 2020.242 748 14.163 555.631 0351.953 0260.243 521

4 結論與討論

通過構建海南省森林碳匯與造林總面積、森林火災面積、森林病蟲鼠害發(fā)生面積、木材總產量和林業(yè)從業(yè)年末人數的VAR模型，對模型進行平穩(wěn)性檢驗、方差分解來分析這些變量對森林碳匯的動態(tài)影響。結果表明，森林碳匯的變化排除受自身影響最大，并呈現出逐漸遞減的趨勢，而其他因子對海南省森林碳匯的影響呈遞增趨勢，其權重大小依次是：森林火災受害面積、森林病蟲鼠害發(fā)生面積、造林總面積、木材總產量和林業(yè)從業(yè)年末人數。因此，本文針對提高森林碳匯提出以下建議：一是做好森林防火工作，加強防火隊伍建設，完善防火制度，健全森林防火體系；二是做好森林病蟲害防治工作，對森林病蟲害進行實時監(jiān)控，準確預報和有效控制，防止傷害擴大，最大限度保護森林資源；三是在增加林地面積的同時嚴格控制林地征占用的情況，堅持“占補平衡”原則，對于毀林開墾、違法占林地的行為進行嚴肅處理與打擊。