劉 卓，林 琿，田 雅，王玉琳

（a. 江西師范大學(xué)地理與環(huán)境學(xué)院；b. 鄱陽(yáng)湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室，南昌 330022）

工業(yè)社會(huì)以來(lái)，非法采伐林木行為（簡(jiǎn)稱“非法采伐”）加劇了森林的毀損與滅失狀況，成為制約世界各國(guó)森林經(jīng)營(yíng)與可持續(xù)發(fā)展的現(xiàn)實(shí)困境（Brack et al.,2007）。不同國(guó)家對(duì)森林所有權(quán)的規(guī)定存在差異，但國(guó)際上大多將非法采伐定義為未經(jīng)政府許可，違反相關(guān)森林法律與國(guó)家林業(yè)管理制度，并具有一定經(jīng)濟(jì)目的的砍伐林木犯罪行為（Alemagi et al., 2010;Tacconi et al., 2016）。在中國(guó)非法采伐不是刑法規(guī)定的一項(xiàng)具體罪名，而是指違反林木采伐許可證制度與林業(yè)管理制度的采伐犯罪行為（張明楷，2021），主要包括濫伐林木與盜伐林木。當(dāng)前不同區(qū)域非法采伐成因與發(fā)展態(tài)勢(shì)各不相同，犯罪論認(rèn)為非法采伐本質(zhì)上是通過(guò)違反法律從而滿足經(jīng)濟(jì)動(dòng)機(jī)的理性選擇行為（Solinge,2014）；地理學(xué)則強(qiáng)調(diào)非法采伐是區(qū)域在自然資源、制度、市場(chǎng)、教育、經(jīng)濟(jì)等多重因素綜合作用下的產(chǎn)物（Vasco et al.,2017）。發(fā)展中國(guó)家面臨的非法采伐形勢(shì)比發(fā)達(dá)國(guó)家更為嚴(yán)峻，據(jù)報(bào)道，洪都拉斯非法生產(chǎn)的木材約占其國(guó)內(nèi)木材產(chǎn)量的75%以上（Win et al.,2018）。在緬甸因非法采伐留下的樹(shù)樁數(shù)量約為合法砍伐的10倍；加納官方報(bào)告其非法采伐強(qiáng)度是最大可持續(xù)發(fā)展強(qiáng)度的600%（Wells et al.,2007;Arcilla et al.,2015）。拉美、東南亞或西非地區(qū)的非法采伐原木充斥于國(guó)際木材貿(mào)易市場(chǎng)，在其采伐與貿(mào)易過(guò)程中，同時(shí)也滋生著貧窮、腐敗、暴力等行為（Lee et al.,2015）。因此非法采伐不僅是對(duì)國(guó)家森林制度的破壞與生物多樣性的損失，也造成或加劇政府的腐敗與社會(huì)階層的分化與沖突（Miller,2011）。

中國(guó)人均森林蓄積匱乏，對(duì)林產(chǎn)品的需求卻長(zhǎng)期保持旺盛，是世界上最大的木材進(jìn)口國(guó)與消費(fèi)國(guó)之一。盡管如此，中國(guó)在治理國(guó)際非法采伐與貿(mào)易行為方面一直秉持大國(guó)擔(dān)當(dāng)（程寶棟，2008；陳積敏，2020），嚴(yán)厲打擊境內(nèi)非法采伐與貿(mào)易行為；同時(shí)，中國(guó)政府與企業(yè)對(duì)境外進(jìn)口木材的合法性執(zhí)行嚴(yán)格的準(zhǔn)入制度（李桂梅，2009；Wellesley,2014）。盡管目前沒(méi)有全國(guó)尺度的官方非法采伐統(tǒng)計(jì)報(bào)告，但本研究中從判決書(shū)提取的因非法采伐所損失的活立木蓄積量共計(jì)280萬(wàn)m3，年均非法采伐活立木蓄積量約占年合法采伐限額的1.5‰（國(guó)家林業(yè)與草原局，2016）。

國(guó)內(nèi)外對(duì)非法采伐的關(guān)注由來(lái)已久，但目前在研究上處于起步與探索階段（姜超等，2021）。非法采伐是遠(yuǎn)離城市社區(qū)的環(huán)境犯罪類型（Vasco et al.,2017），然而20世紀(jì)西方犯罪學(xué)與刑事司法領(lǐng)域中關(guān)于鄉(xiāng)村社區(qū)的環(huán)境犯罪研究較為缺乏，犯罪學(xué)家忽視環(huán)境犯罪的危害，并將其定義為無(wú)害且不重要的一般違法活動(dòng)（Bachman et al.,1992;Weisheit,et al.,1996）。20世紀(jì)90年代，當(dāng)社會(huì)科學(xué)、自然科學(xué)與人文科學(xué)學(xué)者對(duì)綠色問(wèn)題開(kāi)始逐步關(guān)注，犯罪學(xué)中的環(huán)境問(wèn)題研究正式進(jìn)入議程，自此西方綠色犯罪學(xué)研究開(kāi)始興起并取得了較大進(jìn)展（South,1998,2014）。其中，基于犯罪學(xué)與社會(huì)學(xué)視角的非法采伐的界定與驅(qū)動(dòng)力等定性研究是主要內(nèi)容之一（Miller,2011;Sikor et al.,2011;Guan et al.,2018;Istiyono et al.,2020;Noor et al.,2020）。近年來(lái)，許多社會(huì)與地理學(xué)者通過(guò)社會(huì)調(diào)查與大數(shù)據(jù)等方式對(duì)非法采伐進(jìn)行定量研究，發(fā)現(xiàn)森林犯罪具有各異的空間分布模式與區(qū)域特征（Casson et al.,2002;Bouriaud et al., 2005; Alemagi et al., 2010; Zenelaj et al.,2013；陳積敏等，2016）。同時(shí)，運(yùn)用現(xiàn)代科技手段諸如地理信息技術(shù)（樂(lè)通潮等，2008；Wang et al., 2012; Tzoulis et al., 2015; Chapron, 2015；劉發(fā)照，2017；Istiyono et al., 2020）、生物學(xué)技術(shù)（Alacs et al., 2010;Arcilla et al., 2015）等多學(xué)科領(lǐng)域的方法加強(qiáng)對(duì)森林資源的清查與監(jiān)測(cè)，從而提出更具科學(xué)性與針對(duì)性的非法采伐犯罪預(yù)防與保護(hù)對(duì)策。當(dāng)前中國(guó)非法采伐研究模式滯后于西方，現(xiàn)有實(shí)證研究較少，主要停留在理論與政策層面。如對(duì)西方非法采伐研究的引介、國(guó)內(nèi)林業(yè)可持續(xù)經(jīng)營(yíng)發(fā)展的探討、全球化視野下國(guó)際非法木材貿(mào)易的治理與打擊、應(yīng)對(duì)非法采伐與貿(mào)易的法律規(guī)制研究等（陸文明，1993；李劍泉等，2007；繆東玲，2011；陳積敏等，2016）。

因此，本研究以中國(guó)當(dāng)前的非法采伐作為主要研究對(duì)象，從已有裁判文書(shū)中提取各地市發(fā)案數(shù)量以及被伐活立木蓄積量，使用空間自相關(guān)分析并構(gòu)建回歸模型，挖掘中國(guó)非法采伐林木行為的空間分布特征及其背后的驅(qū)動(dòng)機(jī)理。以期豐富中國(guó)環(huán)境犯罪的實(shí)證研究，并為中國(guó)精細(xì)化防控與治理相關(guān)森林違法犯罪行為提供科學(xué)參考與建議。

1 研究基礎(chǔ)

1.1 研究數(shù)據(jù)及說(shuō)明

1.1.1 犯罪數(shù)據(jù) 犯罪數(shù)據(jù)來(lái)源于中國(guó)裁判文書(shū)網(wǎng)①https://wenshu.court.gov.cn/2014—2020年發(fā)布的相關(guān)犯罪刑事一審判決書(shū)，經(jīng)清洗、去重，分別得到濫伐林木與盜伐林木文書(shū)39 490 與10 601 份，經(jīng)統(tǒng)計(jì)獲得2014—2020 年中國(guó)4個(gè)直轄市與27個(gè)省共323個(gè)地級(jí)行政區(qū)（不包括臺(tái)灣省、香港特別行政區(qū)、澳門特別行政區(qū)）的發(fā)案數(shù)量與被伐活立木蓄積量。

1.1.2 影響因子數(shù)據(jù) 所采用的常住人口城市化率來(lái)源于各地市第七次全國(guó)人口普查公報(bào)（2020）；農(nóng)村人均可支配收入、公路里程、林業(yè)產(chǎn)值以及農(nóng)林水支出來(lái)源于各省2020年統(tǒng)計(jì)年鑒；部分地市未載于統(tǒng)計(jì)年鑒的項(xiàng)目，則從該地市2020年國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)或2020 年財(cái)政預(yù)決算公告獲取。因省市級(jí)的統(tǒng)計(jì)年鑒不包含地市級(jí)森林覆蓋率與活立木蓄積量等數(shù)據(jù)，故森林相關(guān)數(shù)據(jù)從各地市2020 年統(tǒng)計(jì)年鑒獲取，對(duì)于數(shù)據(jù)未載明的個(gè)別地市，從該地市十三五規(guī)劃報(bào)告（2016—2020 年）獲取。

1.1.3 非法采伐犯罪社會(huì)學(xué)特征說(shuō)明 非法采伐犯罪主體具有較強(qiáng)的社會(huì)學(xué)特征。如王智等（2019）對(duì)濫伐林木判決書(shū)進(jìn)行10%隨機(jī)抽樣分析，發(fā)現(xiàn)男性、初中及以下學(xué)歷、農(nóng)民等社會(huì)特征占比分別為總 樣 本 的97.02%、 93.71%、 84.53%； 晉 海 等（2015）對(duì)399起濫伐林木進(jìn)行實(shí)證統(tǒng)計(jì)分析，發(fā)現(xiàn)農(nóng)民犯罪與村委工作人員犯罪分別占樣本數(shù)的85.81%與7.72%，存在少量的基層單位犯罪情形，約占樣本數(shù)的1.33%。綜上，非法采伐的犯罪主體為男性農(nóng)民，且主要發(fā)生在鄉(xiāng)村地域，因而回歸模型影響因子的選取以農(nóng)業(yè)農(nóng)村相關(guān)統(tǒng)計(jì)指標(biāo)為主。

1.2 研究方法

1.2.1 空間自相關(guān)分析 本研究發(fā)案數(shù)量與被伐立木蓄積量均為地市尺度下的區(qū)域統(tǒng)計(jì)值，使用空間自相關(guān)方法能有效測(cè)量犯罪的空間聚集度（陸娟等，2012），通過(guò)全局自相關(guān)分析探測(cè)區(qū)域內(nèi)發(fā)案數(shù)量與被伐立木蓄積量在空間上是否具有自相關(guān)性。其計(jì)算公式為（靳誠(chéng)等，2009）：

式中：n為被統(tǒng)計(jì)的區(qū)域數(shù)量；xi表示第i個(gè)區(qū)域的非法采伐統(tǒng)計(jì)量；xj表示第j個(gè)區(qū)域的非法采伐統(tǒng)計(jì)量；-x為所有區(qū)域非法采伐統(tǒng)計(jì)量的平均值；wij為空間權(quán)重矩陣。I表示全局自相關(guān)指標(biāo)（Moran'sI），取值為－1～1。若Moran'sI＞0，則表示該區(qū)域內(nèi)非法采伐在空間上具有顯著的聚集態(tài)勢(shì)；若Moran'sI＜0，則表示該區(qū)域內(nèi)非法采伐的空間分布呈離散的態(tài)勢(shì)；若Moran'sI=0，則表示該區(qū)域內(nèi)非法采伐在空間上隨機(jī)分布。

標(biāo)準(zhǔn)化統(tǒng)計(jì)量Z(I)用于檢驗(yàn)空間自相關(guān)的顯著水平，計(jì)算公式為：

式中：var(I)是Moran'sI指數(shù)的理論方差；E(I)為其理論期望。

局部空間自相關(guān)常用空間局部關(guān)聯(lián)指標(biāo)（Local Indicators of Spatial Association, LISA） 分析，LISA 通過(guò)將全局Moran'sI指數(shù)分解到每個(gè)空間單元進(jìn)而形成LISA 聚集圖，從而對(duì)非法采伐集聚態(tài)勢(shì)在空間上的具體位置進(jìn)行可視化。計(jì)算公式為：

式中：I'表示空間局部關(guān)聯(lián)指標(biāo)；n、xi、-x、wij的物理意義同式（1）。

1.2.2 地理加權(quán)回歸模型 Brunsdon等（1996）首先提出地理加權(quán)回歸模型（Geographically Weighted Regression,GWR）。在大空間尺度的研究中，各變量的空間異質(zhì)性強(qiáng)，GWR 模型能夠解決傳統(tǒng)OLS模型無(wú)法反映回歸系數(shù)局部變化的問(wèn)題；通過(guò)將地理位置信息加入到模型的回歸參數(shù)，使得參數(shù)可以隨著空間位置的變化而變化，從而更好地探索研究對(duì)象的空間異質(zhì)性及空間規(guī)律。模型公式為：

式中：yi是第i個(gè)空間單元的因變量；xik是第k個(gè)自變量的值；（ui，vi）是第i個(gè)樣本空間單元的地理中心坐標(biāo)；β0（ui，vi）為常數(shù)估計(jì)值；βk（ui，vi）是連續(xù)函數(shù)βk（u，v）在i樣本點(diǎn)上的第k個(gè)回歸參數(shù)；εi是第i個(gè)樣點(diǎn)的隨機(jī)誤差。

2 非法采伐的空間分布特征

2.1 非法采伐的總體空間分布格局

發(fā)案數(shù)量代表區(qū)域非法采伐在空間上的發(fā)生頻次，是犯罪地理時(shí)空分布研究的核心，也是認(rèn)識(shí)犯罪現(xiàn)象、探尋犯罪誘因的基礎(chǔ)（姜超等，2021）。被伐活立木蓄積量指某地域在研究時(shí)段內(nèi)因非法采伐造成的森林損失量。運(yùn)用SPSS 軟件對(duì)被伐活立木蓄積量與發(fā)案數(shù)量進(jìn)行雙變量相關(guān)性分析，結(jié)果顯示，當(dāng)p值＜0.01 時(shí)，兩者的皮爾遜相關(guān)系數(shù)為0.903，呈強(qiáng)正相關(guān)關(guān)系。在空間上，90%的地市被伐活立木蓄積量與發(fā)案數(shù)量呈顯著正相關(guān)，但也有10%左右的地市兩者呈負(fù)相關(guān)關(guān)系；通過(guò)兩者的相互參照與補(bǔ)充，可更全面地探析中國(guó)非法采伐的空間發(fā)生態(tài)勢(shì)。因此，采用ArcGIS10.7自然斷裂點(diǎn)分級(jí)方法對(duì)2014—2020年中國(guó)非法采伐的發(fā)案數(shù)量進(jìn)行空間可視化（圖1-a），并將發(fā)案數(shù)量自然斷裂點(diǎn)分級(jí)的中斷值乘以研究數(shù)據(jù)集中每案平均被伐活立木蓄積量54.4 m3，最終得到被伐活立木蓄積量手動(dòng)分類的中斷值（圖1-b），以更直觀地凸顯兩者在空間分布上的對(duì)照關(guān)系。

整體上，中國(guó)非法采伐多發(fā)于胡煥庸線東南側(cè)（見(jiàn)圖1），主要集中于西南、東南以及東北地區(qū)的山區(qū)地市，如云貴高原東南邊緣區(qū)域、巫山—雪峰山沿線、武夷山脈—南嶺沿線、大別山區(qū)域、長(zhǎng)白山沿線等。受到地形、交通、經(jīng)濟(jì)、人口等因素的作用，在相同的地理分區(qū)下，非法采伐具有顯著的區(qū)域差異。如，對(duì)比武夷山脈—南嶺等山區(qū)，東南地區(qū)的長(zhǎng)江中下游沿線的洞庭湖平原、鄱陽(yáng)湖平原、江漢平原等區(qū)域呈顯著低發(fā)的態(tài)勢(shì)；西南地區(qū)的藏南、川西、滇西地區(qū)如林芝市、阿壩州、甘孜州等地的活立木蓄積量?jī)?chǔ)量均位于全國(guó)前列，但其發(fā)案數(shù)量顯著低于西南地區(qū)的廣西、貴州等地；作為東北地區(qū)的兩大主要林產(chǎn)品生產(chǎn)基地，長(zhǎng)白山沿線地市活立木蓄積儲(chǔ)量相對(duì)較低但發(fā)案數(shù)量高，而大小興安嶺地區(qū)活立木蓄積儲(chǔ)量相對(duì)較高但發(fā)案數(shù)量低。

2.1.1 發(fā)案數(shù)量的空間分布格局 2014—2020年，全國(guó)各地市非法采伐平均發(fā)案數(shù)量約為154件，超過(guò)80%地市的發(fā)案數(shù)量＜200件，約60%地市的發(fā)案量＜100 件。發(fā)案數(shù)量高值區(qū)主要集中于西南的云貴高原邊緣地區(qū)，發(fā)案數(shù)量均＞800 件（見(jiàn)圖1-a）。其中，廣西壯族自治區(qū)西北部的柳州市、河池市、百色市及貴州省的黔東南州，發(fā)案數(shù)量均＞1 100件，最高值1 780件分布在黔東南州；其他地區(qū)如廣西壯族自治區(qū)南寧市、云南省普洱市與吉林省延邊州的發(fā)案數(shù)量也達(dá)到980件左右；延邊州是北方地區(qū)唯一的高值地市。次高值地市中，除河南省南部信陽(yáng)、南陽(yáng)、駐馬店3 市（大別山沿線地市），其余均零散分布于長(zhǎng)江以南地區(qū)，包含2個(gè)相對(duì)集中的區(qū)域，即云南邊境3州（西雙版納州、紅河州和文山州）與渝鄂黔湘交界區(qū)域（重慶市、恩施州、遵義市和懷化市）；東南地區(qū)僅有江西省贛州市、福建省南平市以及海南省直轄縣區(qū)為次高值區(qū)域。南方地區(qū)中，平原與沿海經(jīng)濟(jì)較發(fā)達(dá)的地市非法采伐發(fā)案數(shù)量較低，包括珠三角、長(zhǎng)三角、長(zhǎng)江中下游平原的大部分地市。華北地區(qū)與西北地區(qū)的發(fā)案數(shù)量也較低，主要為次低值區(qū)或低值區(qū)。

2.1.2 被伐活立木蓄積量的空間分布格局 2014—2020年，全國(guó)各地市非法采伐活立木蓄積量均值為8 423 m3，約80%的地市＜10 000 m3，約40%的地市＜2 000 m3。大部分地區(qū)被伐活立木蓄積量的空間分布態(tài)勢(shì)與發(fā)案數(shù)量一致，但也有部分地區(qū)存在較大差異（見(jiàn)圖1-b）。被伐活立木蓄積量高值區(qū)均位于長(zhǎng)江以南地區(qū)，以雪峰山脈為界，可分為西南地區(qū)的云貴高原邊緣地市與東南地區(qū)的武夷山脈—南嶺沿線地市兩大塊。西南地區(qū)云貴高原邊緣區(qū)域的被伐活立木蓄積量的空間分布態(tài)勢(shì)基本與發(fā)案數(shù)量一致，平均每案被伐活立木蓄積量基本與全國(guó)平均水平一致，高值地市均＞60 000 m3，其中最高值為黔東南州，達(dá)到103 000 m3。南嶺沿線的肇慶、韶關(guān)、清遠(yuǎn)、贛州、漳州等地市被伐活立木蓄積量均＞45 000 m3，但與西南地區(qū)不同，東南地區(qū)的發(fā)案量普遍較低（見(jiàn)圖1-a），因此其平均每案被伐活立木蓄積量較高。南方的次高值地區(qū)如福建南平與龍巖、江西宜春、廣西桂林、湖南懷化等地市，在空間上與上述高值地市交替分布；吉林省吉林市、延邊州是東北地區(qū)僅有的次高值地區(qū)。被伐活立木蓄積量低值、次低值區(qū)的分布大體與發(fā)案數(shù)量低值、次低值區(qū)的分布一致。

圖1 中國(guó)非法采伐的空間分布（a.發(fā)案數(shù)量；b.被伐活立木蓄積量）Fig.1 Spatial distribution of illegal logging in China(a.number of cases;b.loss of trees due to illegal logging)

2.2 非法采伐的空間集聚效應(yīng)和空間集聚模式

運(yùn)用空間自相關(guān)分析探究中國(guó)非法采伐的空間集聚效應(yīng)，得到中國(guó)非法采伐發(fā)案數(shù)量與被伐活立木蓄積量的全局Moran'sI指數(shù)。兩者的全局Moran'sI指數(shù)大體接近，分別為0.338與0.325，且p值均＜0.001，z檢驗(yàn)值效果顯著，這表明發(fā)案數(shù)量與被伐活立木蓄積量均具有較強(qiáng)的空間集聚效應(yīng)。在此基礎(chǔ)上，采用局部空間自相關(guān)分析繪制二者的空間集聚LISA 圖（圖2）。在發(fā)案數(shù)量上（圖2-a），長(zhǎng)江以南的西南地區(qū)是主要的高-高集聚區(qū)域，低－高集聚區(qū)在其周圍零星分布；華北地區(qū)、江蘇省與西北地區(qū)大部分地市呈低-低集聚態(tài)勢(shì)，且其周圍部分地市呈高-低聚集態(tài)勢(shì)。被伐活立木蓄積量的空間集聚特征與發(fā)案數(shù)量大體一致（圖2-b），主要差別在東南地區(qū)的武夷山脈—南嶺沿線大部分地市均納入高-高集聚的區(qū)域；華北地區(qū)、西北地區(qū)與華東的部分地區(qū)被伐活立木蓄積量在空間分布上更加均衡，數(shù)量較低，因此圖2-a的部分高-低集聚區(qū)域未出現(xiàn)在圖2-b中。

在相同地理分區(qū)，呈高-低集聚或低-高集聚等異質(zhì)性特征的地市較少且呈零星分布，大部分相鄰地市的非法采伐空間集聚特征較為穩(wěn)定。而由于不同地理分區(qū)的森林稟賦、社會(huì)文化、經(jīng)濟(jì)水平、人口數(shù)量、政策體制等因素存在差異，不同區(qū)域間呈各異的空間集聚特征。在西南地區(qū)，氣候溫潤(rùn)多雨，地勢(shì)以山地為主，農(nóng)業(yè)發(fā)展以林業(yè)與畜牧業(yè)為主，森林資源稟賦較強(qiáng)。該地區(qū)交通條件較差，整體經(jīng)濟(jì)發(fā)展水平落后，農(nóng)民可支配收入較低。西南地區(qū)具有悠久的“靠林吃林”傳統(tǒng)，林產(chǎn)品生產(chǎn)與加工是許多農(nóng)民的主要收入來(lái)源，同時(shí)也是修葺房屋與自用薪材的重要原料。該地區(qū)的林場(chǎng)多為個(gè)人或集體承包經(jīng)營(yíng)，個(gè)人采伐案件發(fā)生頻次高，每案被伐活立木蓄積量低，林業(yè)管理與執(zhí)法難度相較國(guó)有林場(chǎng)更大。該地區(qū)大部分地市發(fā)案數(shù)量與被伐活立木蓄積量居高不下，總體呈高-高集聚態(tài)勢(shì)，這是該地區(qū)經(jīng)濟(jì)發(fā)展水平與林業(yè)發(fā)展體制多重作用下形成的結(jié)果。在東南地區(qū)，被伐活立木蓄積量在武夷山脈南嶺沿線地區(qū)形成高-高集聚的態(tài)勢(shì)，而該地區(qū)的發(fā)案數(shù)量并不顯著，但每案平均被伐蓄積量高。與西南地區(qū)相比，東南地區(qū)的森林資源稟賦相當(dāng)，經(jīng)濟(jì)發(fā)展水平相對(duì)較好，交通條件優(yōu)越，距離林產(chǎn)品主要消費(fèi)市場(chǎng)如長(zhǎng)三角、珠三角距離較近；以家庭生計(jì)為目的的個(gè)人砍伐行為較少，砍伐林木用途以大規(guī)模的林產(chǎn)品加工銷售為主，因此東南地區(qū)非法采伐每案被伐活立木蓄積量較大，形成高－高集聚的空間態(tài)勢(shì)（見(jiàn)圖2-b）。華北和西北地區(qū)的非法采伐呈低-低集聚的態(tài)勢(shì)（見(jiàn)圖2），部分地區(qū)的發(fā)案數(shù)量零星集聚，但被伐活立木蓄積量較低。這類地區(qū)的森林資源稟賦相對(duì)較差，林業(yè)生產(chǎn)與加工能力較低，難以發(fā)生多地市的非法采伐集聚現(xiàn)象。

圖2 中國(guó)非法采伐的空間集聚LISA圖（a.發(fā)案數(shù)量；b.被伐活立木蓄積量）Fig.2 LISA map of spatial agglomeration of illegal logging in China(a.number of cases;b.loss of trees due to illegal logging)

在東北地區(qū)與長(zhǎng)江流域沿線地區(qū)，非法采伐發(fā)案數(shù)量與被伐活立木蓄積量在空間上均沒(méi)有明顯的集聚態(tài)勢(shì)（見(jiàn)圖2）。東北地區(qū)多為國(guó)企經(jīng)營(yíng)林場(chǎng)，森林巡視與保護(hù)機(jī)制較為健全，同時(shí)城市化水平較高，地形起伏較大，山地平原交替分布，河網(wǎng)密集。在管理體制與自然社會(huì)環(huán)境的共同影響下，此區(qū)域相鄰地市的非法采伐強(qiáng)度不一，難以形成集聚現(xiàn)象。而長(zhǎng)江流域沿線地區(qū)跨越中國(guó)三級(jí)階梯，受到地形、河流、人口、資源等影響，相鄰地市間自然社會(huì)環(huán)境與經(jīng)濟(jì)發(fā)展水平差異較大，因此也難以形成穩(wěn)定的非法采伐集聚態(tài)勢(shì)。

3 非法采伐空間分布的驅(qū)動(dòng)因子分析

3.1 變量選取與OLS模型構(gòu)建

以各地市被伐活立木蓄積量為因變量，因大部分統(tǒng)計(jì)年鑒的農(nóng)業(yè)農(nóng)村、森林、林業(yè)數(shù)據(jù)較少，考慮到數(shù)據(jù)的真實(shí)準(zhǔn)確、可獲取性與相關(guān)性，從自然、經(jīng)濟(jì)與社會(huì)3 個(gè)維度共計(jì)7 個(gè)指標(biāo)構(gòu)建自變量體系（表1）。運(yùn)用SPSS 進(jìn)行共線性檢驗(yàn)，結(jié)果表明，各自變量間不存在共線性（VIF＜7.5）。在進(jìn)行GWR 回歸分析前，基于上述指標(biāo)構(gòu)建OLS 回歸模型，具體指標(biāo)與參數(shù)見(jiàn)表1。除了社會(huì)因子外，其他影響因子均通過(guò)顯著性檢驗(yàn)。進(jìn)一步對(duì)OLS結(jié)果中的殘差進(jìn)行空間自相關(guān)分析，結(jié)果表明，全局Moran'sI指數(shù)為0.22，Z統(tǒng)計(jì)量為10.69，即殘差存在一定的空間自相關(guān)，因此適宜采用GWR 模型做回歸分析。

表1 OLS回歸模型具體指標(biāo)與分析結(jié)果Table 1 Specific indicators and analysis results of OLS regression model

3.2 GWR模型構(gòu)建

在OLS 模型的基礎(chǔ)上，使用ArcGIS10.7 地理加權(quán)回歸工具建立GWR 回歸分析模型，帶寬選擇自適應(yīng)核函數(shù)的AICc方法。對(duì)比2個(gè)模型（表2），GWR 模型的回歸結(jié)果明顯優(yōu)于OLS 模型，模型的擬合優(yōu)度R2值與調(diào)整后的R2值分別高出0.198 與0.167，同時(shí)AICc值減少94.4（相差3以上，說(shuō)明模型構(gòu)建有較大差異）。進(jìn)一步使用空間自相關(guān)對(duì)殘差進(jìn)行檢驗(yàn)，結(jié)果表明，全局Moran'sI指數(shù)為0.01，z統(tǒng)計(jì)量為1.1，即殘差不具有空間自相關(guān)性，呈隨機(jī)分布態(tài)勢(shì)，說(shuō)明該模型的精度較好。每一個(gè)空間單元在GWR 回歸模型中都會(huì)生成一個(gè)特定的回歸系數(shù)，通過(guò)計(jì)算獲得最大值、最小值、平均值、上四分位值、下四分位值、中位值（見(jiàn)表2）。結(jié)果表明，自然與社會(huì)因子在空間上對(duì)非法采伐的影響比較穩(wěn)定，回歸系數(shù)波動(dòng)較小；相反，經(jīng)濟(jì)因子在空間上波動(dòng)較大。森林覆蓋率與林業(yè)產(chǎn)值對(duì)非法采伐空間的影響呈完全正相關(guān)的關(guān)系，其他自變量與非法采伐的關(guān)系以負(fù)向相關(guān)為主。為進(jìn)一步探究GWR 模型各自變量回歸系數(shù)在空間上的分布模式，利用ArcGIS10.7 對(duì)回歸系數(shù)進(jìn)行地圖可視化。

表2 GWR模型參數(shù)檢驗(yàn)結(jié)果與回歸系數(shù)統(tǒng)計(jì)Table 2 GWR model parameter test results and regression coefficient statistics

3.3 GWR結(jié)果分析

3.3.1 自然因子的驅(qū)動(dòng)作用分析 自然環(huán)境狀況與森林稟賦是非法采伐發(fā)生的重要基礎(chǔ)，但森林資源充沛程度與否似乎只作為非法采伐產(chǎn)生的必要條件，而非充分條件。森林覆蓋率與人均活立木蓄積同樣作為森林資源的衡量標(biāo)準(zhǔn)，對(duì)非法采伐的作用卻是截然相反（圖3）。森林覆蓋率與非法采伐呈正向相關(guān)（圖3-a），說(shuō)明森林覆蓋率是非法采伐產(chǎn)生的重要條件之一。而在中國(guó)森林覆蓋率較低的地區(qū)，如西部、華北與華東地區(qū)，其作用力明顯較森林覆蓋率較高的地區(qū)顯著。而人均活立木蓄積量與非法采伐呈負(fù)向相關(guān)（圖3-b），這說(shuō)明森林稟賦并不能完全解釋非法采伐，同時(shí)要考慮區(qū)域的人口、經(jīng)濟(jì)等因素。如東部地區(qū)大部分地市活立木蓄積量較高，但該區(qū)域人口密集且經(jīng)濟(jì)發(fā)達(dá)，反而能夠抑制非法采伐的發(fā)生；相反，西南、西北與東北地區(qū)人口較少且經(jīng)濟(jì)欠發(fā)達(dá)，雖然同樣呈負(fù)向相關(guān)，但其影響程度顯著低于東部地區(qū)。

圖3 GWR模型中自然因子回歸系數(shù)的空間分布（a.森林覆蓋率；b.人均活立木蓄積量）Fig.3 Spatial distribution of regression coefficients of natural factors in GWR model(a.forest coverage;b.per capita forest stock)

3.3.2 社會(huì)因子的驅(qū)動(dòng)作用分析 除新疆部分地市外，常住人口城市化率與非法采伐基本呈負(fù)向相關(guān)（圖4-a），即城市化水平越高的區(qū)域，非法采伐的發(fā)生率越低。區(qū)域城市化水平的提高，增加非農(nóng)就業(yè)機(jī)會(huì)與提高人們的生活水平，這從客觀上減少非法采伐潛在的犯罪主體，因而對(duì)非法采伐具有較強(qiáng)的抑制作用。公路密度與人均農(nóng)林水支出對(duì)非法采伐的影響在空間上較復(fù)雜，大部分區(qū)域呈負(fù)向相關(guān)，但也有一部分區(qū)域呈正向相關(guān)，因此應(yīng)結(jié)合區(qū)域?qū)嶋H辯證分析。在非法采伐較少的西北與華北地區(qū)，公路密度與非法采伐呈正向相關(guān)，但南方與東北地區(qū)等非法采伐較嚴(yán)重的區(qū)域卻呈負(fù)向相關(guān)，這說(shuō)明公路密度對(duì)非法采伐的影響在空間上具有較強(qiáng)的異質(zhì)性（圖4-b）。大部分地區(qū)人均農(nóng)林水支出與非法采伐呈負(fù)向相關(guān)，西南地區(qū)尤其顯著（圖4-c），作為非法采伐形勢(shì)最為嚴(yán)峻的地區(qū)，西南地區(qū)加大農(nóng)林水支出的投入對(duì)減少非法采伐具有一定可行性。人均農(nóng)林水支出是指當(dāng)?shù)卣磕暝谵r(nóng)林水事物建設(shè)與保障方面的財(cái)政支出，可提高農(nóng)民生產(chǎn)作業(yè)的效率與抗風(fēng)險(xiǎn)能力，同時(shí)也能對(duì)農(nóng)業(yè)資源進(jìn)行有效監(jiān)測(cè)與精細(xì)化管理，因而從客觀上能夠減少潛在犯罪者的犯罪動(dòng)機(jī)。但在華北與東北的部分地區(qū)，農(nóng)林水支出對(duì)非法采伐呈正向影響，這可能是因?yàn)檫@類地區(qū)的農(nóng)村以耕種為主，林業(yè)支出較少，因此人均農(nóng)林水支出的增加并不能對(duì)非法采伐產(chǎn)生抑制作用。

圖4 GWR模型中社會(huì)因子回歸系數(shù)的空間分布（a.常住人口城市化率；b.公路密度；c.人均農(nóng)林水支出）Fig.4 Spatial distribution of regression coefficients of social factors in GWR model(a.urbanization rate of permanent residents;b.road density;c.per capita expenditure on agriculture,forestry and water)

3.3.3 經(jīng)濟(jì)因子的驅(qū)動(dòng)作用分析 由圖5-a 可得，農(nóng)民人均可支配收入對(duì)非法采伐的影響在空間上穩(wěn)定性較差，以胡煥庸線為界，東南側(cè)兩者呈負(fù)向相關(guān)，農(nóng)民可支配收入能夠?qū)Ψ欠ú煞ギa(chǎn)生一定的抑制作用，即經(jīng)濟(jì)水平的提高能夠降低非法采伐的發(fā)生；但在西北側(cè)農(nóng)民可支配收入與非法采伐呈正相關(guān)關(guān)系，這類地區(qū)農(nóng)民普遍可支配收入較低，呈正向相關(guān)主要是因?yàn)樵谶@類地區(qū)，可支配收入相對(duì)較高的地方本身農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)相對(duì)較好，資源稟賦相對(duì)較強(qiáng)，故這類地區(qū)的非法采伐相較收入水平較差的地區(qū)更易發(fā)生。林業(yè)產(chǎn)值對(duì)非法采伐的影響均呈正向相關(guān)，回歸系數(shù)由東北向西南遞增。林業(yè)產(chǎn)值高地區(qū)的林業(yè)資源稟賦較好，將原木加工成林產(chǎn)品的能力也較強(qiáng)，因而在一定程度上能刺激非法采伐的發(fā)生。

圖5 GWR模型中經(jīng)濟(jì)因子回歸系數(shù)的空間分布（a.農(nóng)民人均可支配收入；b.林業(yè)產(chǎn)值）Fig.5 Spatial distribution of regression coefficients of economic factors in GWR model(a.per capita disposable income of farmers;b.forestry output value)

4 結(jié)論與建議

4.1 結(jié)論

1）非法采伐整體上多發(fā)于胡煥庸線東南側(cè)，主要集中在森林資源稟賦較強(qiáng)、經(jīng)濟(jì)發(fā)展水平相對(duì)落后、城市化水平較低、農(nóng)業(yè)人口較多、林場(chǎng)國(guó)有化較低的區(qū)域，如西南、東南以及東北地區(qū)的云貴高原東南邊緣、巫山雪峰山沿線、武夷山脈—南嶺沿線、大別山沿線、長(zhǎng)白山沿線等；華北、西北地區(qū)以及沿海經(jīng)濟(jì)發(fā)達(dá)區(qū)域多呈低發(fā)或不發(fā)態(tài)勢(shì)。

2）受自然、社會(huì)、經(jīng)濟(jì)條件的影響，不同地理區(qū)域的非法采伐特征各異。東南地區(qū)中武夷山脈—南嶺沿線地市的被伐活立木蓄積量較高，但發(fā)案數(shù)量較低，即平均每案被伐活立木蓄積量高；西南地區(qū)的地市發(fā)案數(shù)量高，但平均每案被伐活立木蓄積量較低；長(zhǎng)白山沿線與大別山沿線地市發(fā)案數(shù)量較高，但伐活立木蓄積量?jī)?chǔ)量較低；川西、滇西、藏南地區(qū)與大小興安嶺地區(qū)被伐活立木蓄積量?jī)?chǔ)量較高但發(fā)案數(shù)量較低。

3）非法采伐具有較強(qiáng)的空間集聚效應(yīng)，相同地理分區(qū)內(nèi)相鄰地市非法采伐在空間上具有較強(qiáng)的穩(wěn)定性，空間集聚態(tài)勢(shì)顯著。但不同區(qū)域間又呈各異的空間集聚特征，其中長(zhǎng)江以南地區(qū)大體呈高-高與低-高集聚態(tài)勢(shì)，西北、華北地區(qū)為低-低集聚，東北地區(qū)與長(zhǎng)江沿線地市不顯著。

4）不同影響因子對(duì)非法采伐的驅(qū)動(dòng)力各異。自然因子與社會(huì)因子在空間上對(duì)非法采伐的影響比較穩(wěn)定，回歸系數(shù)波動(dòng)較小，而經(jīng)濟(jì)因子在空間上的波動(dòng)較大。其中，森林覆蓋率與林業(yè)產(chǎn)值對(duì)非法采伐的回歸系數(shù)為正，部分地區(qū)公路密度與農(nóng)民人均可支配收入對(duì)非法采伐產(chǎn)生正向影響，其他影響因子則以負(fù)向相關(guān)關(guān)系為主。自然因子中，森林覆蓋率、人均活立木蓄積量以相反的作用力對(duì)非法采伐的空間分異產(chǎn)生影響，說(shuō)明森林資源稟賦是非法采伐發(fā)生的必要不充分條件。

本研究通過(guò)構(gòu)建回歸模型分析中國(guó)非法采伐空間分異特征及其驅(qū)動(dòng)因子，是對(duì)環(huán)境犯罪領(lǐng)域中犯罪地理研究的積極探索，豐富了環(huán)境犯罪研究。但也存在不足之處，如基于非法采伐的社會(huì)學(xué)特征，回歸模型影響因子的選取應(yīng)以農(nóng)業(yè)農(nóng)村相關(guān)統(tǒng)計(jì)指標(biāo)為主，但統(tǒng)計(jì)年鑒或統(tǒng)計(jì)公報(bào)中相關(guān)統(tǒng)計(jì)字段較少，因此在影響因子的覆蓋度上存在一定的局限性。同時(shí)，非法采伐所涉及的濫伐林木罪與盜伐林木罪均是具有“雙重違法性”犯罪行為，即行為人須違反森林法，且達(dá)到刑法數(shù)量較大的要求才構(gòu)成本罪，因此在現(xiàn)實(shí)中存在部分未達(dá)到刑事處罰標(biāo)準(zhǔn)故而采取行政處罰的非法采伐行為。受不同數(shù)據(jù)公開(kāi)程度影響，本研究只包含非法采伐的刑事判決數(shù)據(jù)，缺乏林業(yè)部門的行政處罰數(shù)據(jù)。此外，本研究側(cè)重宏觀層面，對(duì)中微觀層面以及深層次的非法采伐機(jī)理探討尚不深入，這些需在今后的研究中加強(qiáng)。

4.2 建議

結(jié)合本文結(jié)論，為精細(xì)化治理與打擊非法采伐及相關(guān)犯罪，提出以下建議：

1）非法采伐在不同地理分區(qū)有著截然不同的空間發(fā)生態(tài)勢(shì)與特征，因此各地森林管理部門可根據(jù)區(qū)域?qū)嶋H情況，合理制定非法采伐應(yīng)對(duì)策略，如廣西、貴州等地應(yīng)加強(qiáng)對(duì)有林地承包經(jīng)營(yíng)權(quán)屬的劃分與管理，重點(diǎn)治理個(gè)人采伐案件，采取以教育為主、打擊為輔的治理策略；而東南地區(qū)不僅要從供應(yīng)端嚴(yán)厲打擊非法采伐，更要著眼于非法木材的加工與貿(mào)易，從需求端來(lái)遏制非法采伐的發(fā)生。

2）非法采伐具有較強(qiáng)的社會(huì)學(xué)特征，常見(jiàn)的犯罪主體為從事直接農(nóng)業(yè)生產(chǎn)的農(nóng)民，這類人群文化水平較低且環(huán)境保護(hù)意識(shí)薄弱。因此要從源頭上治理非法采伐，應(yīng)當(dāng)著眼于增強(qiáng)農(nóng)民的法律與環(huán)境保護(hù)意識(shí)。

3）非法采伐一般具有較強(qiáng)的經(jīng)濟(jì)目的，本研究發(fā)現(xiàn)城市化率、農(nóng)民人均可支配收入、人均農(nóng)林水支出的提高能夠有效抑制非法采伐的發(fā)生。這說(shuō)明經(jīng)濟(jì)水平的提高能夠提供更多的非農(nóng)就業(yè)崗位，提高社會(huì)平均收入，從而在客觀上減少潛在的犯罪主體以及潛在犯罪者的犯罪動(dòng)機(jī)。因此，有關(guān)部門應(yīng)當(dāng)實(shí)施惠農(nóng)利農(nóng)的政策，貫徹鄉(xiāng)村振興戰(zhàn)略，以提高農(nóng)民的生產(chǎn)生活水平為宗旨，保障廣大農(nóng)民的抗風(fēng)險(xiǎn)能力，從而抑制包括非法采伐在內(nèi)的諸多環(huán)境犯罪行為的發(fā)生。