Coupling and long-term change characteristics analysis of forest carbon sequestration and forestry economic development in China
-
摘要:目的 分析森林碳汇与林业经济发展变化的趋势，为相关管理决策、生态治理和资源环境管理等提供参考，推动我国绿色低碳经济的发展。方法 利用1989—2018年间6次森林资源清查数据，在相关研究的基础上，采用森林碳汇与林业经济发展综合评价模型、森林碳汇与林业经济发展耦合度模型和森林碳汇与林业经济发展耦合协调度模型，进行1992—2018年森林碳汇与林业经济发展变化的耦合度分析。采用逐步回归和ARIMA模型分析森林碳汇影响因素和滞后性，并采用自回归和ADF检验等预测我国2019—2030年森林碳汇与林业经济发展耦合度，研究也对中国森林碳汇与林业经济发展耦合及长期变化特征等问题进行了讨论。结果 （1）生态建设与保护投资、林业重点生态工程实际完成投资额、GDP和林产品进口额对森林碳储量有显著影响，林业产业总产值、林业重点生态工程实际完成投资额、林产品出口额对森林碳汇量有显著影响，其中林业重点生态工程实际完成投资额对二者的影响都最大。（2）林业重点生态工程实际完成投资额等因素对森林碳储量的影响作用滞后性为2年，对森林碳汇量的影响滞后性为1年。在森林碳汇投资时，应提前做好部署，并做好森林资源经营管理和时间优化。（3）1992—2018年，我国森林碳储量、森林碳汇量与林业经济长期发展的耦合度协调度是逐步上升的，中间虽有所波动，但森林碳储量与林业经济长期发展的耦合度协调度年均增长9.24%，耦合协调程度由1992年的“严重失调”，上升到2018年的“优质协调”；1993—2018年，森林碳汇量与林业经济长期发展的耦合度协调度年均增长9.63%，稍快于森林碳储量与林业经济长期发展的耦合协调度的增长速度。协调等级也由1993年的2级上升到2018年的10级。（4）预测表明：2019—2030年，森林碳储量、森林碳汇量与林业经济长期发展的耦合协调度都是增加的，二者的耦合协调度D值均接近于1，协调等级也长期为10，耦合协调程度也长期保持在“优质协调”水平上。结论 森林具有社会、经济和生态多重效益，森林碳汇仅仅是一种效益产出，开展森林碳汇与林业经济发展变化的长期耦合分析是多重效益分析的一个关键。研究分析认为我国森林碳汇的溢出效应、协同进化效应明显，1992—2018年森林碳汇与林业经济发展变化的耦合协调度是逐步上升的。预测分析也表明，2019—2030年，森林碳汇量与林业经济长期发展的耦合协调度将长期保持在“优质协调”水平上。因此，提高森林经营管理水平，并维持目前的森林资源增加态势，是我国实现“双碳”目标的关键。Abstract:Objective This paper aims to analyze the trend of forest carbon sequestration and the development and change of forestry economy, and to provide reference for relevant management decisions, ecological governance and resource and environment management, as well as to promote the development of green and low-carbon economy in China.Method Based on the data of 6 forest resource inventory from 1989 to 2018 in China, the comprehensive evaluation model of forest carbon sink and forest economic development, the coupling degree model and the coupling coordination degree model of forest carbon sink and forest economic development were adopted. The coupling degree of forest carbon sink and forest economic development from 1992 to 2018 was analyzed. Stepwise regression and ARIMA model were used to analyze the influencing factors and lagging characteristics of forest carbon sink. Autoregressive and ADF tests were used to predict the coupling degree of forest carbon sink and forest economic development in China from 2019 to 2030. The coupling of forest carbon sequestration and forestry economic development and the characteristics of long-term change in China were also discussed based on above methods.Result (1) Investment in ecological construction and protection, forestry key ecological projects actually completed investment, gross domestic product GDP and imports of forest products had significant effects on forest carbon storage; the total output value of forestry industry, the forestry key ecological projects actually completed investment, and the export value of forest products had a significant impact on forest carbon sequestration, while the forestry key ecological projects actually completed investment had the greatest impact on the two. (2) It was found that the forestry key ecological projects actually completed investment had a lag of 2 years on forest carbon storage and a lag of 1 year on forest carbon sink. When investing in forest carbon sequestration, the investment should be made in advance, and the management and timing of forest resources should be optimized. (3) From 1992 to 2018, the coupling degree of forest carbon storage, forest carbon sink and long-term development of forestry economy increased gradually. Although there were fluctuations in the middle time, the coupling degree of forest carbon storage and long-term development of forestry economy increased by 9.24% annually. The degree of coupling coordination increased from “serious imbalance” in 1992 to “excellent coordination” in 2018. From 1993 to 2018, the coupling degree of forest carbon sink and long-term development of forestry economy increased by 9.63% annually, slightly faster than the coupling degree of forest carbon storage and long-term development of forestry economy. The level of coordination had also risen from level 2 in 1993 to level 10 in 2018. (4) From 2019 to 2030, the coupling coordination degree between forest carbon storage and long-term development of forestry economy, and the coupling coordination degree between forest carbon sink and forestry economic development will both increase. The coupling coordination degree D value of forest carbon storage and forest carbon sink will be close to 1, and the coordination degree will be 10 for a long time. The degree of coupling coordination was also maintained at the level of “excellent coordination” for a long time.Conclusion Forest has multiple social, economic and ecological benefits, and forest carbon sink is only a kind of benefit output. The long-term coupling analysis of forest carbon sink and forest economic development is the key to multiple benefit analysis. The results show that spillover effect and coevolution effect of forest carbon sink are obvious in China, and the coupling coordination degree between forest carbon sink and forest economic development is gradually increasing from 1992 to 2018. From 2019 to 2030, the coupling coordination degree between forest carbon sequestration and the long-term development of forestry economy will remain at the “high quality coordination” level. Therefore, to improve the level of forest management and maintain the current increase of forest resources is the key to achieve the goal of “double carbon” in China.
-
森林是主要的陆地生态系统，也是最大的陆地生态系统碳库。森林在应对气候变化中具有独特的作用，是经济可行、成本较低的降低温室气体浓度的重要资源[1]。相关监测结果表明：我国森林碳汇供给能力稳步提升[2]，对温室气体减排作用的贡献越来越大，但随着我国重点林业生态工程的持续开展，森林固碳不仅成为抵减工业温室气体排放的重要途径，也成为我国发展绿色低碳经济的最佳选择[3]。因此，开展中国森林碳汇与林业经济发展的耦合及长期变化特征分析，把握森林碳汇与林业经济发展的变化趋势，可为相关管理决策、生态治理和资源环境管理等提供参考，推动我国绿色低碳经济的发展。
1. 问题的提出
森林碳汇与经济发展的耦合关系反映的是碳汇与经济发展之间相互依赖、相互影响的关系和程度。伴随着我国经济发展由注重速度向注重质量的转变，绿色低碳经济发展越来越成为关注的焦点[3]。这其中，增加森林固碳能力，加强森林碳汇管理，提高经济系统、社会系统和自然系统之间的耦合协调性也成为研究的重点[4]。森林具有生态、经济、社会等多重效益，不仅具有生物多样性保护、涵养水源、固碳释氧等生态效益，也具有提供林副产品、森林旅游、就业机会等经济和社会效益。目前，对于森林单一效益的研究较多，对于多重效益的研究较少，尤其对于森林碳汇多重效益的计量和耦合研究较少[5]。对于森林碳汇经济效益评价的方法归纳起来主要有市场价值法、造林成本法、碳税法、人工固定CO2成本法、均值法、支付意愿法和成本效益法等[6-7]。森林生态效益和森林碳汇的大小不仅与森林结构、降雨量、平均气温等气候因素和生物多样性有关，也与森林火灾、病虫鼠害等风险因素和经营管理水平等有关。森林社会效益主要指森林提供就业机会、文化价值和维持原住民生计等[8]，社会效益也与生物多样性、森林健康水平等有关。在这些多重效益中，林业碳中和与碳主要受生物多样性的影响较大[9]，它不仅影响森林的结构，还影响森林碳汇的稳定性、大小等。因此，森林碳汇与经济、社会效益的耦合关系才是碳汇效益评估中不能忽视的科学问题。
国外对于森林碳汇与经济、社会效益的耦合关系和多重效益的计量研究也主要从其单一效益扩展开始的。如Sierra等[10]在研究森林碳汇中，除考虑森林生物量、地下生物量、枯落物、枯死木、土壤有机质碳库的碳汇外，还关注森林经营后木质林产品收获引起的经济收益和碳库的变化。Fernández-Manjarrés等[11]在考虑关于森林经营活动下的固碳增汇计量的同时，还考虑了出于对减少毁林和林地退化造成的减排量的森林碳汇的泄漏问题和非持久性的问题。Roces-Díaz等[12]建议在投资项目寿命期内对碳汇项目的经济效益进行计量，并建议采用B-S期权模型对碳汇投资的期权价值进行定量评估。政府间气候变化专门委员会（IPCC）也建议对森林碳汇的多重效益进行动态核算[13]。Ratcliffe等[14]认为：森林具有多重效益，碳汇不是唯一目标，在进行森林碳汇效益计量时，应考虑其他多重效益，尤其要考虑碳汇效益的耦合优化研究等。近年来，国内学者也关注到森林碳汇的多重效益计量和耦合优化的研究问题，如：牛玲[15]从宏观经济角度对森林碳汇的其他效益进行了研究；华志芹[16]在研究碳汇多效益计量时，从制度安排上探讨了林业碳汇市场与经济绩效的关系，并提出了优化林业碳汇产权制度安排的建议等。胡原等[17]则从耦合效益的角度探讨了碳汇造林项目促进当地经济发展的情况。因此，开展森林碳汇与林业经济发展变化的耦合研究，开发一些新的森林多重效应下固碳增汇效益及多重效益评估方法和模型，不仅是一个科学问题，也符合生态文明建设的需要，更是实施国家“双碳”目标的战略要求，对提高碳汇科学管理水平和促进碳汇市场管理的发展，加强生态系统服务管理和生态文明建设、绿色发展等具有重要价值和意义[18]。
2. 研究方法及数据来源
2.1 研究方法
对于中国森林碳汇与林业经济发展的耦合及长期变化特征研究，主要采用森林碳汇与林业经济发展综合评价模型、耦合度模型和耦合协调度模型3种方法进行研究[19]。参考相关资料，森林碳汇的主要指标为森林单位面积蓄积量（m3/hm2）、森林碳储量（108 t）、森林碳汇量（108 t/a）；林业经济发展的主要指标有GDP（亿元）、林业产业总产值（亿元）、林业生态建设与保护投资完成额（亿元）、林业重点生态工程实际完成投资额（亿元）、林产品进口额（亿元）、林产品出口额（亿元）、林业产品生产者价格指数（上年 = 100）和林业产值年增长速度，共11项指标[20]。具体研究方法为：
（1）森林碳汇与林业经济发展综合评价模型：
N=∑nj=1λjN′ijt (1) E=n∑j=1λjE′ijt (2) 式中：N和E分别为森林碳汇与林业经济发展系统综合评价值，
N′ijt 为第t期i地区第j个森林碳汇指标值，E′ijt 为第t期i地区第j个林业经济发展指标值；λj 为评价指标的权重，研究中一般选择较为客观的主成分分析法确定指标的权重，并求其权重的均值得到综合权重，以缩小差异性[21]。（2）森林碳汇与林业经济发展耦合度模型
耦合度反映森林碳汇与林业经济之间相互依赖、相互影响的程度。森林碳汇与林业经济发展的耦合度模型为：
C=[NE(N+E2)2]k (3) 式中：C为森林碳汇—林业经济发展耦合度，
C∈[0,1] ，C越大，系统间关联程度越高，C越小，系统间关联程度越低，系统处于无序状态。K为调节系数，研究中只涉及森林碳汇和林业经济发展2个子系统，因此，K值取2[22]。（3）森林碳汇与林业经济发展耦合协调度模型
森林碳汇和林业经济发展耦合度能较好反映二者间的关联程度。但是，耦合度尚不能对系统自身协同发展的“整功效”进行度量。因此，为了有效地度量二者的综合发展水平，特引入耦合协调度以反映二者的整合功效[23]，具体模型为：
{D=√C√TT=aN+bE (4) 式中：D为耦合协调度，C为耦合度，T为森林碳汇—林业经济发展综合评价指数，a、b取值均为0.5，即认为森林碳汇、林业经济发展具有相同的重要程度。
另外，根据有关参考文献[24]，森林碳汇—林业经济发展耦合协调度的10个等级划分标准如表1所示。
表 1 森林碳汇与林业经济发展耦合协调度分类Table 1. Classification of coupling coordination degree between forest carbon sink and forestry economic development耦合协调等级
Coupling coordination level耦合协调度区间
Coupling coordination degree interval耦合协调程度
Degree of coupling coordination1 0.000 0 < D ≤ 0.100 0 极度失调
Extreme imbalance2 0.100 1 < D ≤ 0.200 0 严重失调
Serious imbalance3 0.200 1 < D ≤ 0.300 0 中度失调
Moderate imbalance4 0.300 1 < D ≤ 0.400 0 轻度失调
Mild imbalance5 0.400 1 < D ≤ 0.500 0 濒临失调
On the verge of imbalance6 0.500 1 < D ≤ 0.600 0 勉强协调
Barely coordination7 0.600 1 < D ≤ 0.700 0 初级协调
Primary coordination8 0.700 1 < D ≤ 0.800 0 中级协调
Intermediate coordination9 0.800 1 < D ≤ 0.900 0 良好协调
Good coordination10 0.900 1 < D ≤ 1.000 0 优质协调
High quality coordination注：D为耦合协调度。资料来源为参考文献[24]。Notes: D is coupling coordination degree. Data source is cited from reference [24]. 对于森林碳汇的测算方法主要采用蓄积量扩展法的计算公式测算，具体公式为：
TCF=SiCi+αSiCi+βSiCi (5) Ci=Viδργ (6) 式中：
TCF 为森林碳储量，具体包括林木固碳量、林下植被固碳量和林地固碳量；Si 为第i 类森林的面积；Ci 为第i 类森林的碳密度；Vi 为第i 类森林单位面积蓄积量；α 为林下植被碳转换系数；β 为林地碳转换系数；δ 为生物量扩大系数；ρ 为生物量蓄积转换成生物干质量系数，即容积密度；γ 为生物干质量转换成固碳量的系数，即含碳率[25]。在实际核算中，各种换算系数一般按照IPCC要求的默认参数取值。δ 一般取值为1.90；ρ 一般取0.45 ~ 0.50 t/m3，本研究取0.50 t/m3；γ 一般取0.5；α 取0.195；β 取值为1.244[26]。2.2 数据来源
本研究采用的数据主要来源于《中国森林资源清查》《中国林业统计年鉴》《中国统计年鉴（2021）》[27-29]，以及已公开发表的相关文献资料和数据[25-26]。具体数据包括森林面积、蓄积量，不同林分的面积、生长量、蓄积量等，主要数据如表2所示。
表 2 1992―2018年中国森林碳汇与林业经济发展耦合及长期变化特征分析主要数据Table 2. Coupling and long-term change characteristics of forest carbon sink and forestry economic development in China from 1992 to 2018年份
Year森林碳储量
Forest carbon storage/108 t森林碳汇量/
（108 t·a−1）Forest carbon sink/ (108 t·year−1)林业产业
总产值/亿元
Total output value of forestry industry/108 CNY生态建设与
保护投资完
成额/亿元
Amount of investment
completed in ecological
construction and protection/108 CNY林业重点生态工程实际完成投资额/亿元
Investment in
key forestry ecological
projects actually
been completed/108 CNYGDP/亿元 GDP/108
CNY林产品
出口额/亿元
Export value of forest products/108 CNY林产品
进口额/亿元
Import value of forest products/108 CNY林业产品生产者价格指数（上年 = 100）
Producer price index for forestry products (last year = 100)1992 140.286 0.186 62 198.43 13.24 4.46 27 194.5 107.30 1993 140.710 0.173 90 994.56 15.88 11.89 35 673.2 38.861 96 37.938 27 111.10 1994 141.504 0.177 02 1 337.55 18.95 14.46 48 637.5 49.554 61 47.610 68 111.80 1995 142.298 0.180 14 1 577.24 20.85 16.26 61 339.9 60.585 00 54.200 50 105.10 1996 143.092 0.183 26 1 707.76 27.87 21.15 71 813.6 56.837 62 57.535 08 104.40 1997 143.886 0.186 38 1 918.24 38.47 25.51 79 715.0 61.216 67 66.413 40 98.90 1998 144.680 0.189 50 2 727.85 60.61 23.36 85 195.5 55.958 13 69.153 87 101.10 1999 147.298 0.366 40 3 187.73 91.55 81.58 90 564.4 61.247 30 95.884 74 101.40 2000 149.916 0.543 30 3 555.47 150.66 113.19 100 280.1 72.951 25 114.494 62 90.00 2001 152.534 0.720 20 4 090.48 191.62 166.44 110 863.1 78.550 79 109.825 86 94.15 2002 155.152 0.897 10 4 634.24 296.14 255.80 121 717.4 95.796 66 128.972 94 98.31 2003 157.770 1.074 00 5 860.33 388.47 333.92 137 422.0 122.359 84 166.419 87 107.01 2004 159.938 1.036 80 6 892.21 398.45 351.02 161 840.2 163.008 54 199.399 12 104.62 2005 162.106 0.999 60 8 458.74 439.78 361.63 187 318.9 205.741 72 221.021 07 104.79 2006 164.274 0.962 40 10 652.22 470.77 353.34 219 438.5 263.770 42 257.986 89 112.78 2007 166.442 0.925 20 12 533.42 615.11 348.04 270 092.3 319.309 93 323.601 69 104.37 2008 168.610 0.888 00 14 406.41 827.72 420.24 319 244.6 334.883 10 384.394 66 108.47 2009 172.132 0.999 20 17 493.43 1 109.52 508.73 348 517.7 363.163 17 339.024 86 94.88 2010 175.654 1.110 40 22 779.02 1 170.96 472.00 412 119.3 463.166 86 475.065 54 122.78 2011 179.176 1.221 60 30 596.73 1 302.49 532.51 487 940.2 550.337 14 652.991 00 114.92 2012 182.698 1.332 80 39 450.91 1 604.12 528.38 538 580.0 586.907 87 619.480 82 101.23 2013 186.220 1.444 00 47 315.44 1 870.57 536.15 592 963.2 644.546 14 640.883 32 99.09 2014 191.854 1.617 20 54 032.94 1 947.97 665.95 643 563.1 714.120 07 676.052 23 99.44 2015 197.488 1.790 40 59 362.71 2 110.00 705.65 688 858.2 742.625 43 636.037 10 97.88 2016 203.122 1.963 60 64 886.04 2 016.29 675.41 746 395.1 726.766 70 624.257 44 96.11 2017 208.756 2.136 80 71 267.07 2 016.29 718.01 832 035.9 734.059 06 749.839 84 104.86 2018 214.390 2.310 00 76 272.76 2 125.75 717.20 919 281.1 784.913 52 818.729 84 98.90 注：资料来源为参考文献[25]。 Note: data source is cited from reference [25]. 另外，在碳汇测算中，由于所得到的森林碳储量、森林碳汇量的数据主要为每个森林资源清查期末，即每个清查期最后一年的数据，为了便于与林业经济发展的统计数据相比较[30]，研究采用插值法将1992年后不同清查期的森林碳储量、碳汇数据转换成年度数据。第4 ~ 9次森林资源清查期为1989—1993年、1994—1998年、1999—2003年、2004—2008年、2009—2013年和2013—2018年。插值法的计算公式为：
y=y1+(y2−y1)(x−x1)(x2−x1) (7) 式中：
y1 、y2 、x1 、x2 为已知统计数据；x 为x1 、x2 之间的任何数；y 为与x 所对应的插值数据。至于“森林单位面积蓄积量”“林业产值年增长速度”2项指标，主要依靠“森林面积”“林业产值”等指标计算获得，因此，在数据收集中没有直接列出。3. 森林碳汇与林业经济发展的耦合度分析
首先，对变量进行命名，具体为：year，时期（年）；frcs，森林碳储量（108 t）；fcs，森林碳汇量（108 t/a）；topf，林业产业总产值（亿元）；ince，生态建设与保护投资完成额（亿元）；fkein，林业重点生态工程实际完成投资额（亿元）；gdp，GDP（亿元）；efp，林产品出口额（亿元）；ifp，林产品进口额（亿元）；ppi，林业产品生产者价格指数（上年 = 100）。这些变量分别从碳储量、碳汇量、林业经济发展、林产品贸易和生产价格等方面反映森林碳汇与林业经济发展的耦合变化情况。
其次，采用SPSSAU软件进行森林碳汇影响因素和耦合协调度分析。
3.1 森林碳储量、森林碳汇的影响因素分析
对森林碳储量、森林碳汇的影响因素和滞后性，分别采用逐步回归和ARIMA模型进行分析。
3.1.1 森林碳储量影响因素及滞后性
以森林碳储量为因变量，其他林业经济发展指标为自变量进行逐步回归分析，具体回归结果如表3所示。
表 3 森林碳储量（frcs）与林业经济发展变化指标逐步回归分析结果Table 3. Results of stepwise regression analysis between forest carbon stocks (frcs) and indicators of forestry economic development and change项目
Item非标准化系数
Unstandardized coefficient标准化系数
Standardized coefficientt P VIF B 标准误
Standard errorBeta 常数
Constant138.292 0.428 323.297 0.000** ince −0.008 0.002 −0.300 −5.134 0.000** 42.873 fkein 0.042 0.003 0.469 15.703 0.000** 11.197 gdp 0 0 1.026 19.045 0.000** 36.490 ifp −0.015 0.004 −0.183 −3.752 0.001** 29.758 注：ince为生态建设与保护投资完成额，fkein为林业重点生态工程实际完成投资额，gdp为GDP，ifp为林产品进口额，**代表显著性水平为0.01。下同。Notes: ince is the amount of investment completed in ecological construction and protection. fkein is the investment in key forestry ecological projects actually been completed. gdp is GDP. ifp is the import value of forest products. ** represents the significance level of 0.01. The same below. 由表3可以看出：将topf、ince、fkein、gdp、efp、ifp、ppi作为自变量，将frcs作为因变量进行逐步回归分析，经过模型自动识别，最终余下ince、fkein、gdp、ifp共4项指标在模型中。模型的R2为0.998，F = 3137.812，P = 0.000 < 0.05，杜宾-瓦特森值（D-W） = 1.603，接近2，表明ince、fkein、gdp、ifp可以解释frcs的99.8%变化原因，且模型通过F检验，说明模型有效。另外，对模型的多重共线性进行检验发现，模型中方差膨胀因子（VIF）大于10，表明模型存在多重共线性问题。最后，消除多重共性问题，得到最终逐步回归模型为：frcs = 138.292 − 0.008·ince + 0.042·fkein + 0.000 084·gdp − 0.015·ifp。
因此，ince的回归系数值为−0.008（t = −5.134，P = 0.000 < 0.01），ifp的回归系数值为−0.015（t = −3.752，P = 0.001 < 0.01），表明ince、ifp会对frcs产生显著的负向影响关系；fkein的回归系数值为0.042（t = 15.703，P = 0.000 < 0.01），gdp的回归系数值为0.000 084（t = 19.045，P = 0.000 < 0.01），表明fkein、gdp会对frcs产生显著的正向影响关系。
另外，针对各因素的滞后性影响问题，采用ARIMA模型和ADF检验分别进行分析，具体结果如表4所示。
表 4 frcs的ARIMA(0,2,0)模型参数Table 4. Parameters of ARIMA(0,2,0) model of frcs项目
Item符号
Symbol系数
Coefficient标准误
Standard errorz p 95% CI 常数
Constantc 0.091 0.082 1.109 0.267 −0.070 ~ 0.252 注：AIC值为67.767，BIC值为71.194。Notes: AIC value is 67.767, BIC value is 71.194. 针对frcs，结合赤池信息准则值（AIC）越低越好的信息准则，SPSSAU自动对多个潜在备选模型进行建模和对比选择，最终找出最优模型为：ARMA（0,2,0），说明自回归阶数p为0，差分阶数d为2，移动平均阶数q为0；模型公式为：y（t）=0.091，说明各因素对森林碳储量的影响滞后期为2。据此，对frcs进行ADF检验，二阶差分后数据ADF检验结果显示P = 0.000 < 0.01，有高于99%的把握拒绝原假设，此时序列平稳，也进一步说明frcs的滞后期为2。
3.1.2 森林碳汇影响因素及滞后性
同样，以森林碳汇为因变量，其他林业经济发展指标为自变量进行逐步回归分析，具体回归结果如表5所示。
表 5 森林碳汇量（fcs）与林业经济发展变化指标逐步回归分析结果Table 5. Stepwise regression analysis results of forest carbon sink (fcs) and forestry economic development and change indicators项目
Item非标准化系数
Unstandardized coefficient标准化系数
Standardized coefficientt P VIF B 标准误
Standard errorBeta 常数
Constant0.249 000 0.034 7.402 0.000** topf 0.000 026 0 0.871 7.996 0.000** 14.901 fkein 0.003 000 0 1.092 11.991 0.000** 10.403 efp −0.002 000 0 −0.951 −6.119 0.000** 30.337 注：topf为林业产业总产值，efp为林产品出口额。Notes：topf is the total output value of forestry industry, efp is the export value of forest products. 在逐步回归分析中，回归模型的R2 = 0.982，调整后的R2 = 0.980，模型F = 410.945，P = 0.000，D-W值为 1.609。回归中，将topf、ince、fkein、gdp、efp、ppi作为自变量，将fcs作为因变量进行逐步回归分析。经过模型自动识别，最终余下topf、fkein、efp共3项在模型中，表明topf、fkein、efp可以解释fcs的98.2%变化原因。而且模型通过F检验，D-W值接近2，说明模型有效。另外，对模型的多重共线性进行检验发现，模型中VIF值大于10，表明模型存在着共线性问题。最后，剔除掉相关关系紧密的自变量后，重新进行回归分析，得到最终模型为：fcs = 0.249 + 0.000 026·topf + 0.003·fkein − 0.002·efp。因此，topf的回归系数值为0.000 026（t = 7.996，P = 0.000 < 0.01），表明topf会对fcs产生显著的正向影响关系；fkein的回归系数值为0.003（t = 11.991，P = 0.000 < 0.01），表明fkein会对fcs产生显著的正向影响关系；efp的回归系数值为−0.002（t = −6.119，P = 0.000 < 0.01）。
同样，采用ARIMA模型对fcs各因素影响的滞后性进行分析，具体结果见表6。
表 6 fcs的ARIMA(1,1,0)模型参数Table 6. Parameters of ARIMA(1,1,0) model of fcs项目
Item符号
Symbol系数
Coefficient标准误
Standard errorz p 95% CI 常数
Constantc 0.071 0.044 1.618 0.106 −0.015 ~ 0.157 AR参数
AR parameterα1 0.800 0.092 8.681 0 0.619 ~ 0.981 在分析中，AIC值 = −107.335，贝叶斯信息准则值（BIC） = −102.194。针对fcs，结合AIC值越低越好的信息准则，通过SPSSAU自动对多个潜在备选模型进行建模和对比选择，最终找出最优模型为：ARMA（1,1,0），其模型公式为：y（t） = 0.071 + 0.800·y（t − 1）。因此，自回归阶数p为1，差分阶数d为1，移动平均阶数q为0，也说明各因素对森林碳汇的影响滞后期为1。
另外，针对fcs，进行一阶差分后数据ADF检验（单位根检验），结果显示P = 0.020 < 0.05，有高于95%的把握拒绝原假设，此时序列平稳。也进一步说明fcs的滞后期为1。
3.2 森林碳汇与林业经济发展变化的耦合度分析
耦合协调度更好的反映了森林碳汇和林业经济发展变化的整合功效。在耦合协调度模型和所收集数据的基础上，计算森林碳汇和林业经济发展变化的耦合协调度。
3.2.1 frcs与林业经济发展变化的耦合协调度
采用SPSSAU软件计算的frcs与林业经济发展变化的耦合协调度如表7所示。
表 7 frcs与林业经济发展变化的耦合协调度计算结果Table 7. Calculation results of coupling coordination degree between frcs and forestry economic development and change年份
Year耦合度
Coupling degree (C)协调指数
Coordination index (T)耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling
coordination1992 1.000 0.010 0.100 2 严重失调 Serious imbalance 1993 0.975 0.017 0.127 2 严重失调 Serious imbalance 1994 0.943 0.024 0.150 2 严重失调 Serious imbalance 1995 0.905 0.031 0.167 2 严重失调 Serious imbalance 1996 0.904 0.039 0.188 2 严重失调 Serious imbalance 1997 0.917 0.046 0.206 3 中度失调 Moderate imbalance 1998 0.935 0.052 0.221 3 中度失调 Moderate imbalance 1999 0.945 0.086 0.285 3 中度失调 Moderate imbalance 2000 0.954 0.115 0.331 4 轻度失调 Mild imbalance 2001 0.931 0.150 0.373 4 轻度失调 Mild imbalance 2002 0.908 0.204 0.431 5 濒临失调 On the verge of imbalance 2003 0.894 0.255 0.477 5 濒临失调 On the verge of imbalance 2004 0.907 0.276 0.500 6 勉强协调 Barely coordination 2005 0.924 0.298 0.525 6 勉强协调 Barely coordination 2006 0.946 0.315 0.546 6 勉强协调 Barely coordination 2007 0.975 0.351 0.585 6 勉强协调 Barely coordination 2008 0.977 0.421 0.641 7 初级协调 Primary coordination 2009 0.970 0.504 0.699 7 初级协调 Primary coordination 2010 0.988 0.527 0.722 8 中级协调 Intermediate coordination 2011 0.990 0.596 0.768 8 中级协调 Intermediate coordination 2012 0.992 0.655 0.806 9 良好协调 Good coordination 2013 0.990 0.715 0.842 9 良好协调 Good coordination 2014 0.990 0.801 0.891 9 良好协调 Good coordination 2015 0.991 0.865 0.926 10 优质协调 High quality coordination 2016 0.998 0.878 0.936 10 优质协调 High quality coordination 2017 0.999 0.935 0.966 10 优质协调 High quality coordination 2018 1.000 0.990 0.995 10 优质协调 High quality coordination 在frcs与林业经济发展变化的耦合协调度计算中，针对不同年份耦合协调度进行区间化处理，区间化处理后数据全部介于0 ~ 1之间，然后进行耦合协调度计算。
由表7的计算结果可以看出：frcs与林业经济发展变化的耦合协调度由1992年的“严重失调”，上升到2018年的“优质协调”，虽然中间有所波动，但整体上处于上升趋势。耦合协调度D值和协调等级也由1992年的0.1和协调等级2，分别上升到2018年的0.995和协调等级10。因此，从计算结果可以看出：从1992—2018年，我国的森林碳储量与林业经济发展是耦合协调的，耦合协调度也是不断上升的，年均增长约9.24%，协调等级也由2上升到10。
3.2.2 fcs与林业经济发展变化的耦合协调度
同样，计算1992—2018年的森林碳汇与林业经济发展变化的耦合协调度如表8所示。
表 8 fcs与林业经济发展变化的耦合协调度计算结果Table 8. Calculation results of coupling coordination degree between fcs and forestry economic development and change年份
Year耦合度
Coupling degree (C)协调指数
Coordination index
(T )耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling
coordination1993 1.000 0.010 0.100 2 严重失调 Serious imbalance 1994 0.960 0.016 0.123 2 严重失调 Serious imbalance 1995 0.910 0.021 0.139 2 严重失调 Serious imbalance 1996 0.953 0.023 0.146 2 严重失调 Serious imbalance 1997 0.945 0.027 0.158 2 严重失调 Serious imbalance 1998 0.969 0.027 0.162 2 严重失调 Serious imbalance 1999 0.893 0.071 0.251 3 中度失调 Moderate imbalance 2000 0.836 0.107 0.299 3 中度失调 Moderate imbalance 2001 0.778 0.149 0.341 4 轻度失调 Mild imbalanc 2002 0.746 0.208 0.394 4 轻度失调 Mild imbalanc 2003 0.757 0.268 0.450 5 濒临失调 On the verge of imbalance 2004 0.812 0.287 0.482 5 濒临失调 On the verge of imbalance 2005 0.859 0.305 0.512 6 勉强协调 Barely coordination 2006 0.906 0.324 0.542 6 勉强协调 Barely coordination 2007 0.929 0.342 0.564 6 勉强协调 Barely coordination 2008 0.924 0.374 0.588 6 勉强协调 Barely coordination 2009 0.924 0.437 0.636 7 初级协调 Primary coordination 2010 0.958 0.487 0.683 7 初级协调 Primary coordination 2011 0.970 0.575 0.747 8 中级协调 Intermediate coordination 2012 0.987 0.627 0.787 8 中级协调 Intermediate coordination 2013 0.992 0.687 0.826 9 良好协调 Good coordination 2014 0.990 0.797 0.888 9 良好协调 Good coordination 2015 0.994 0.857 0.923 10 优质协调 High quality coordination 2016 0.999 0.879 0.937 10 优质协调 High quality coordination 2017 0.999 0.937 0.968 10 优质协调 High quality coordination 2018 1.000 0.990 0.995 10 优质协调 High quality coordination 计算中，由于森林碳汇是森林碳储量的变化量，因此起始年份为1993年，终止年份为2018年。根据耦合协调度的计算公式，耦合度C值越大，说明系统间的相互作用越大；耦合协调度D值越大，说明系统间协调程度越高。耦合协调度D值一般介于0 ~ 1之间。
同样，由表8的计算结果可以看出：fcs与林业经济发展变化的耦合协调度由1993年的“严重失调”，上升到2018年的“优质协调”，虽然中间经历了“中度失调”“轻度失调”“勉强协调”“初级协调”等过程，但整体趋势是上升的。耦合协调度D值和协调等级也由1993年的0.1、协调等级2，分别上升到2018年的0.995、协调等级10级。因此，从计算结果可以看出：从1993—2018年，我国的森林碳汇与林业经济发展是耦合协调的，耦合协调度也是稳步上升的，年均增长9.63%。
4. 森林碳汇与林业经济发展变化的耦合协调度预测
碳达峰碳中和已成为我国未来的发展战略，因此，森林碳汇与林业经济发展变化的耦合协调度直接关系到我国“双碳”目标的实现。
本研究采用指数平滑法预测森林碳储量（frcs）与林业经济发展变化的耦合协调度。指数平滑法适用于数据中短期预测，分为一次平滑法、二次平滑法和三次平滑法（Holt-Winters）。预测中，当序列个数小于20时，一般采用最初多期数据的平均值作为初始值；序列个数大于20时，一般采用第1期数据作为初始值；另外，平滑系数α值一般介于0 ~ 1之间，如果数据波动大，则α值在0.6 ~ 0.8之间，反之数据波动较小时，α值一般选取0.1 ~ 0.5的较小值。本研究更多的考虑森林碳汇与林业经济发展变化的耦合协调度的趋势性，采用二次平滑法进行预测。具体到本研究，针对数据序列大于20个和初始值S0，特设置第1期数据作为初始值，寻找的最佳的模型参数分别是：初始值为0.100，α值为0.800，平滑类型为二次平滑，此时RMSE值为0.017。并以此参数进行模型构建从而得到数据预测值。指数平滑预测的frcs与林业经济发展变化的耦合协调度如表9所示。
表 9 frcs与林业经济发展变化的耦合协调度预测值Table 9. Predicted values of coupling coordination degree between frcs and forestry economic development and change年份
Year原始值
Original value预测值
Predicted value绝对误差
Absolute error1992 0.100 0.100 0.000 1993 0.127 0.100 0.027 1994 0.150 0.143 0.007 1995 0.167 0.171 0.004 1996 0.188 0.186 0.002 1997 0.206 0.208 0.002 1998 0.221 0.225 0.004 1999 0.285 0.237 0.048 2000 0.331 0.330 0.001 2001 0.373 0.378 0.005 2002 0.431 0.417 0.014 2003 0.477 0.483 0.006 2004 0.500 0.526 0.026 2005 0.525 0.533 0.008 2006 0.546 0.552 0.006 2007 0.585 0.569 0.016 2008 0.641 0.617 0.024 2009 0.699 0.688 0.011 2010 0.722 0.754 0.032 2011 0.768 0.758 0.010 2012 0.806 0.809 0.003 2013 0.842 0.846 0.004 2014 0.891 0.879 0.012 2015 0.926 0.935 0.009 2016 0.936 0.965 0.029 2017 0.966 0.957 0.009 2018 0.995 0.991 0.004 2019 1.023 2020 1.051 2021 1.079 2022 1.107 2023 1.135 2024 1.163 2025 1.191 2026 1.219 2027 1.247 2028 1.275 2029 1.303 2030 1.331 由表9的预测结果可以看出：从2018—2030年，frcs与林业经济发展变化的耦合协调度是缓慢增加的，年增长速度为2.49%。由于2019—2030年的耦合协调度大于1，不符合耦合协调度的取值范围，因此，经过归一化处理后，预测的2019—2030年frcs与林业经济发展变化的耦合协调度、协调等级和耦合协调程度如表10所示。
表 10 2019—2030年归一化处理后的frcs与林业经济发展变化的耦合协调度、协调等级和耦合协调程度Table 10. Coupling coordination degree, coordination level and coupling coordination degree of normalized frcs and forestry economic development and change from 2019 to 2030年份
Year耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling coordination2019 0.991 8 10 优质协调
High quality coordination2020 0.992 5 10 优质协调
High quality coordination2021 0.993 3 10 优质协调
High quality coordination2022 0.994 0 10 优质协调
High quality coordination2023 0.994 8 10 优质协调
High quality coordination2024 0.995 5 10 优质协调
High quality coordination2025 0.996 3 10 优质协调
High quality coordination2026 0.997 0 10 优质协调
High quality coordination2027 0.997 8 10 优质协调
High quality coordination2028 0.998 5 10 优质协调
High quality coordination2029 0.999 3 10 优质协调
High quality coordination2030 1.000 0 10 优质协调
High quality coordination从表10的预测结果可以看出：按照目前森林碳储量和林业经济的发展趋势，2019—2030年，frcs与林业经济发展变化的耦合协调度D值一直处于缓慢增加阶段，二者的协调等级也为10级，耦合协调程度也属于“优质协调”阶段。因此，维持目前良好的林业经济发展势头，提高森林资源经营管理水平和生产力，有助于促进frcs与林业经济的耦合协调发展。
同样，采用指数平滑法对2018—2030年森林碳汇与林业经济发展变化的耦合协调度进行预测，再经过归一化处理后的预测结果如表11所示。从表11的预测结果也可以看出：2019—2030年，fcs与林业经济发展变化的耦合协调度D值一直处于缓慢增加阶段，二者的协调等级也为10级，耦合协调程度也属于“优质协调”阶段。fcs与林业经济发展变化的耦合协调度的变化趋势与frcs与林业经济的耦合协调度的发展变化趋势相同，进一步说明了森林碳储量、森林碳汇量是密切相关的，且提高森林资源经营管理水平和生产力，有利于提高二者的耦合协调度。frcs、fcs与林业经济发展变化的耦合协调度预测如图1所示。
表 11 2019—2030年归一化处理后的fcs与林业经济发展变化的耦合协调度、协调等级和耦合协调程度Table 11. Coupling coordination degree, coordination level and coupling coordination degree of normalized fcs and forestry economic development and change from 2019 to 2030年份
Year耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling coordination2019 0.997 3 10 优质协调
High quality coordination2020 0.997 5 10 优质协调
High quality coordination2021 0.997 8 10 优质协调
High quality coordination2022 0.998 0 10 优质协调
High quality coordination2023 0.998 3 10 优质协调
High quality coordination2024 0.998 5 10 优质协调
High quality coordination2025 0.998 8 10 优质协调
High quality coordination2026 0.999 0 10 优质协调
High quality coordination2027 0.999 3 10 优质协调
High quality coordination2028 0.999 5 10 优质协调
High quality coordination2029 0.999 8 10 优质协调
High quality coordination2030 1.000 0 10 优质协调
High quality coordination![]()
图 1 frcs、fcs与林业经济发展变化的耦合协调度预测图Figure 1. Prediction chart of coupling coordination degree of frcs, fcs and forestry economic development and change5. 结论与讨论
耦合度协调度反映的是系统间相互依赖、相互影响的程度。耦合度协调度也反映了系统的整体功效，是对系统发展水平的综合评价。森林固碳是减少工业温室气体排放的重要途径，也是我国发展绿色低碳经济的最佳选择。森林碳汇的大小与森林资源的面积、蓄积等密切相关，也与林业经济发展、社会发展等因素密切相关。本研究开展森林碳汇与经济发展变化的耦合研究，主要目的是寻求森林碳汇与林业经济发展的长期共生关系，提高二者生产的增值性和未来发展的共生模式，进而提高我国森林资源的配置效率、优化林业产业体系和推动林业经济发展。研究得出的主要结论为：
（1）生态建设与保护投资、林业重点生态工程实际完成投资额、GDP和林产品进口额对森林资源碳储量有显著影响，其中林业重点生态工程实际完成投资额和GDP为正向影响，生态建设与保护投资和林产品进口额为负向影响，林业重点生态工程实际完成投资额的影响作用最大。林业产业总产值、林业重点生态工程实际完成投资额、林产品出口额对森林碳汇量有显著影响，其中林业产业总产值、林业重点生态工程实际完成投资额为正向影响，林产品出口额为负向影响，且林业重点生态工程实际完成投资额的影响最大。因此，无论从碳储量还是碳汇量来看，研究发现林业重点生态工程实际完成投资额对二者都有显著的影响，且都是重要的影响因素，也充分说明了林业重点生态工程建设对我国“双碳”目标的实现有重要的作用。
（2）森林资源碳储量、森林碳汇量的作用存在一定滞后性。研究表明：无论是其他因素对森林资源碳储量、森林碳汇量的作用，还是森林资源碳储量、森林碳汇量对其他因素的影响，均存在一定的滞后性。其中森林资源碳储量的滞后期为2年，森林碳汇量的滞后期为1年。二者也均通过了AIC、BIC和ADF的检验，说明存在滞后性作用。因此，在森林碳汇投资时，应提前做好部署，并做好森林资源经营管理和时间优化。
（3）1992—2018年，我国森林资源碳储量、森林碳汇量与林业经济发展的耦合度协调度是逐步上升的。其中，森林资源碳储量与林业经济发展的耦合度协调度年均增长9.24%，虽然中间有所波动，但耦合协调度由1992年的“严重失调”，上升到2018年的“优质协调”，协调等级也由1992年的2级，上升到2018年的10级；1993—2018年，森林碳汇量与林业经济发展的耦合度协调度年均增长9.63%，增长速度稍快于森林资源碳储量与林业经济发展的耦合协调度年均增长速度。耦合协调程度也由1993年的“严重失调”，上升到2018年的“优质协调”，协调等级也由1993年的2级，上升到2018年的10级。
（4）从长期变化趋势来看，预测表明：无论是森林资源碳储量与林业经济发展的耦合协调度，还是森林碳汇量与林业经济发展的耦合度协调度，均是增加的，并长期维持在“优质协调”的水平和10级上。2019—2030年，二者的耦合协调度D值均接近于1，协调等级也长期为10，耦合协调程度也长期保持在“优质协调”水平上。因此，如何提高经营管理水平，并维持目前的森林资源增加态势，是我国实现“双碳”目标的关键，也是我国森林确保落实“双碳”战略目标承诺的基础条件。为此，应不断优化林业产业结构，提高森林生产力，确保森林资源的不断增加。
另外，耦合协调度反映的是事物的协调发展水平，也反映的是系统间的相互影响和作用[31]。森林碳汇与林业经济发展之间存在很强的相关性。相关研究表明，二者之间的相关系数高达0.99以上[32]，但森林碳汇与经济增长的长期互动关系及其影响机制尚不明确[33]。因此，有必要对下列问题展开讨论：
（1）森林碳汇对林业经济有滞后性作用。森林碳汇主要通过森林植被吸收大气中的CO2，并把碳固定在有关器官中；而林业经济主要是通过对森林资源的土地、劳动力和资金等投入，以产出木材、林副产品和生态、社会效益等过程。从劳动力、资金等投入，到木材、林副产品和碳汇等产出，不是立即能产生作用的，会有一定的滞后期。只有科学评估森林碳汇对林业经济作用的滞后作用，或林业经济对碳汇的滞后影响，才能有利于优化森林碳汇生产的过程的投入，也才能优化林业经济生产的组织形式等。本研究表明：我国森林碳储量对林业经济有2年的滞后作用，林业经济对森林碳汇有1年的滞后影响。因此，在森林碳汇生产投资中，应提前布局，整合优化整个生产过程，推动森林碳汇和林业经济的优化发展。
（2）森林碳汇对林业经济有重要的溢出效应。通过逐步回归研究发现，森林碳汇对林业产值、GDP等有重要的正向影响作用，说明森林碳汇对林业经济存在重要的溢出效应。实际上，相关研究表明：森林碳汇对经济增长，尤其是GDP增长的贡献作用高达2.035 8，说明在现阶段，森林碳汇平均每提高1个百分点，将拉动经济增长2.035 8个百分点[34]，也反映出森林碳汇对经济增长的溢出效应是比较大的，有利于拉动经济增长。因此，推动和提高我国森林碳汇的发展，对推动我国经济发展是有一定作用的，在国家“双碳”目标的实施过程中，应加快我国森林碳汇的发展，进一步发挥林业经济的溢出效应。
（3）经济增长有利于森林碳汇的科技创新和进步。经济增长会促进技术进步，使产业结构、需求结构和地区结构等更加合理和优化，并促进森林资源存量的增加，进而促进森林碳汇增加。另外，快速的经济发展使林产品需求结构由资源型消费转变为生态型消费，使人们对森林资源和林产品的认知也发生了变化，并影响人们的消费传统；同时，消费结构的变化促使林业产业逐步变得高级化和合理化，也进一步促进了林业科技创新和技术进步，减少森林资源消耗，增加森林面积和森林蓄积量，进而促进了森林碳汇的发展[35]，促进了“双碳”目标的实现。
（4）耦合协调度的不断提高有利于促进林业产业的协同进化。林业产业的生产经营对象是森林资源，在生产中独立的经济组织是企业，不同企业间共同的生产经营对象—森林资源，不仅增加了企业的效益，又推动了产业的发展。因此，森林资源或森林碳汇与林业企业很容易形成共生体[31]，也十分符合产业共生理论的特质。因此，耦合协调度的不断提高，有利于促进林业产业的协同进化，也有利于直接或间接促进森林资源配置效率的提高和产业的发展[36]。
-
![]()
图 1 frcs、fcs与林业经济发展变化的耦合协调度预测图
Figure 1. Prediction chart of coupling coordination degree of frcs, fcs and forestry economic development and change
表 1 森林碳汇与林业经济发展耦合协调度分类
Table 1 Classification of coupling coordination degree between forest carbon sink and forestry economic development
耦合协调等级
Coupling coordination level耦合协调度区间
Coupling coordination degree interval耦合协调程度
Degree of coupling coordination1 0.000 0 < D ≤ 0.100 0 极度失调
Extreme imbalance2 0.100 1 < D ≤ 0.200 0 严重失调
Serious imbalance3 0.200 1 < D ≤ 0.300 0 中度失调
Moderate imbalance4 0.300 1 < D ≤ 0.400 0 轻度失调
Mild imbalance5 0.400 1 < D ≤ 0.500 0 濒临失调
On the verge of imbalance6 0.500 1 < D ≤ 0.600 0 勉强协调
Barely coordination7 0.600 1 < D ≤ 0.700 0 初级协调
Primary coordination8 0.700 1 < D ≤ 0.800 0 中级协调
Intermediate coordination9 0.800 1 < D ≤ 0.900 0 良好协调
Good coordination10 0.900 1 < D ≤ 1.000 0 优质协调
High quality coordination注：D为耦合协调度。资料来源为参考文献[24]。Notes: D is coupling coordination degree. Data source is cited from reference [24]. 
下载: 导出CSV
表 2 1992―2018年中国森林碳汇与林业经济发展耦合及长期变化特征分析主要数据
Table 2 Coupling and long-term change characteristics of forest carbon sink and forestry economic development in China from 1992 to 2018
年份
Year森林碳储量
Forest carbon storage/108 t森林碳汇量/
（108 t·a−1）Forest carbon sink/ (108 t·year−1)林业产业
总产值/亿元
Total output value of forestry industry/108 CNY生态建设与
保护投资完
成额/亿元
Amount of investment
completed in ecological
construction and protection/108 CNY林业重点生态工程实际完成投资额/亿元
Investment in
key forestry ecological
projects actually
been completed/108 CNYGDP/亿元 GDP/108
CNY林产品
出口额/亿元
Export value of forest products/108 CNY林产品
进口额/亿元
Import value of forest products/108 CNY林业产品生产者价格指数（上年 = 100）
Producer price index for forestry products (last year = 100)1992 140.286 0.186 62 198.43 13.24 4.46 27 194.5 107.30 1993 140.710 0.173 90 994.56 15.88 11.89 35 673.2 38.861 96 37.938 27 111.10 1994 141.504 0.177 02 1 337.55 18.95 14.46 48 637.5 49.554 61 47.610 68 111.80 1995 142.298 0.180 14 1 577.24 20.85 16.26 61 339.9 60.585 00 54.200 50 105.10 1996 143.092 0.183 26 1 707.76 27.87 21.15 71 813.6 56.837 62 57.535 08 104.40 1997 143.886 0.186 38 1 918.24 38.47 25.51 79 715.0 61.216 67 66.413 40 98.90 1998 144.680 0.189 50 2 727.85 60.61 23.36 85 195.5 55.958 13 69.153 87 101.10 1999 147.298 0.366 40 3 187.73 91.55 81.58 90 564.4 61.247 30 95.884 74 101.40 2000 149.916 0.543 30 3 555.47 150.66 113.19 100 280.1 72.951 25 114.494 62 90.00 2001 152.534 0.720 20 4 090.48 191.62 166.44 110 863.1 78.550 79 109.825 86 94.15 2002 155.152 0.897 10 4 634.24 296.14 255.80 121 717.4 95.796 66 128.972 94 98.31 2003 157.770 1.074 00 5 860.33 388.47 333.92 137 422.0 122.359 84 166.419 87 107.01 2004 159.938 1.036 80 6 892.21 398.45 351.02 161 840.2 163.008 54 199.399 12 104.62 2005 162.106 0.999 60 8 458.74 439.78 361.63 187 318.9 205.741 72 221.021 07 104.79 2006 164.274 0.962 40 10 652.22 470.77 353.34 219 438.5 263.770 42 257.986 89 112.78 2007 166.442 0.925 20 12 533.42 615.11 348.04 270 092.3 319.309 93 323.601 69 104.37 2008 168.610 0.888 00 14 406.41 827.72 420.24 319 244.6 334.883 10 384.394 66 108.47 2009 172.132 0.999 20 17 493.43 1 109.52 508.73 348 517.7 363.163 17 339.024 86 94.88 2010 175.654 1.110 40 22 779.02 1 170.96 472.00 412 119.3 463.166 86 475.065 54 122.78 2011 179.176 1.221 60 30 596.73 1 302.49 532.51 487 940.2 550.337 14 652.991 00 114.92 2012 182.698 1.332 80 39 450.91 1 604.12 528.38 538 580.0 586.907 87 619.480 82 101.23 2013 186.220 1.444 00 47 315.44 1 870.57 536.15 592 963.2 644.546 14 640.883 32 99.09 2014 191.854 1.617 20 54 032.94 1 947.97 665.95 643 563.1 714.120 07 676.052 23 99.44 2015 197.488 1.790 40 59 362.71 2 110.00 705.65 688 858.2 742.625 43 636.037 10 97.88 2016 203.122 1.963 60 64 886.04 2 016.29 675.41 746 395.1 726.766 70 624.257 44 96.11 2017 208.756 2.136 80 71 267.07 2 016.29 718.01 832 035.9 734.059 06 749.839 84 104.86 2018 214.390 2.310 00 76 272.76 2 125.75 717.20 919 281.1 784.913 52 818.729 84 98.90 注：资料来源为参考文献[25]。 Note: data source is cited from reference [25].
下载: 导出CSV
表 3 森林碳储量（frcs）与林业经济发展变化指标逐步回归分析结果
Table 3 Results of stepwise regression analysis between forest carbon stocks (frcs) and indicators of forestry economic development and change
项目
Item非标准化系数
Unstandardized coefficient标准化系数
Standardized coefficientt P VIF B 标准误
Standard errorBeta 常数
Constant138.292 0.428 323.297 0.000** ince −0.008 0.002 −0.300 −5.134 0.000** 42.873 fkein 0.042 0.003 0.469 15.703 0.000** 11.197 gdp 0 0 1.026 19.045 0.000** 36.490 ifp −0.015 0.004 −0.183 −3.752 0.001** 29.758 注：ince为生态建设与保护投资完成额，fkein为林业重点生态工程实际完成投资额，gdp为GDP，ifp为林产品进口额，**代表显著性水平为0.01。下同。Notes: ince is the amount of investment completed in ecological construction and protection. fkein is the investment in key forestry ecological projects actually been completed. gdp is GDP. ifp is the import value of forest products. ** represents the significance level of 0.01. The same below.
下载: 导出CSV
表 4 frcs的ARIMA(0,2,0)模型参数
Table 4 Parameters of ARIMA(0,2,0) model of frcs
项目
Item符号
Symbol系数
Coefficient标准误
Standard errorz p 95% CI 常数
Constantc 0.091 0.082 1.109 0.267 −0.070 ~ 0.252 注：AIC值为67.767，BIC值为71.194。Notes: AIC value is 67.767, BIC value is 71.194.
下载: 导出CSV
表 5 森林碳汇量（fcs）与林业经济发展变化指标逐步回归分析结果
Table 5 Stepwise regression analysis results of forest carbon sink (fcs) and forestry economic development and change indicators
项目
Item非标准化系数
Unstandardized coefficient标准化系数
Standardized coefficientt P VIF B 标准误
Standard errorBeta 常数
Constant0.249 000 0.034 7.402 0.000** topf 0.000 026 0 0.871 7.996 0.000** 14.901 fkein 0.003 000 0 1.092 11.991 0.000** 10.403 efp −0.002 000 0 −0.951 −6.119 0.000** 30.337 注：topf为林业产业总产值，efp为林产品出口额。Notes：topf is the total output value of forestry industry, efp is the export value of forest products.
下载: 导出CSV
表 6 fcs的ARIMA(1,1,0)模型参数
Table 6 Parameters of ARIMA(1,1,0) model of fcs
项目
Item符号
Symbol系数
Coefficient标准误
Standard errorz p 95% CI 常数
Constantc 0.071 0.044 1.618 0.106 −0.015 ~ 0.157 AR参数
AR parameterα1 0.800 0.092 8.681 0 0.619 ~ 0.981
下载: 导出CSV
表 7 frcs与林业经济发展变化的耦合协调度计算结果
Table 7 Calculation results of coupling coordination degree between frcs and forestry economic development and change
年份
Year耦合度
Coupling degree (C)协调指数
Coordination index (T)耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling
coordination1992 1.000 0.010 0.100 2 严重失调 Serious imbalance 1993 0.975 0.017 0.127 2 严重失调 Serious imbalance 1994 0.943 0.024 0.150 2 严重失调 Serious imbalance 1995 0.905 0.031 0.167 2 严重失调 Serious imbalance 1996 0.904 0.039 0.188 2 严重失调 Serious imbalance 1997 0.917 0.046 0.206 3 中度失调 Moderate imbalance 1998 0.935 0.052 0.221 3 中度失调 Moderate imbalance 1999 0.945 0.086 0.285 3 中度失调 Moderate imbalance 2000 0.954 0.115 0.331 4 轻度失调 Mild imbalance 2001 0.931 0.150 0.373 4 轻度失调 Mild imbalance 2002 0.908 0.204 0.431 5 濒临失调 On the verge of imbalance 2003 0.894 0.255 0.477 5 濒临失调 On the verge of imbalance 2004 0.907 0.276 0.500 6 勉强协调 Barely coordination 2005 0.924 0.298 0.525 6 勉强协调 Barely coordination 2006 0.946 0.315 0.546 6 勉强协调 Barely coordination 2007 0.975 0.351 0.585 6 勉强协调 Barely coordination 2008 0.977 0.421 0.641 7 初级协调 Primary coordination 2009 0.970 0.504 0.699 7 初级协调 Primary coordination 2010 0.988 0.527 0.722 8 中级协调 Intermediate coordination 2011 0.990 0.596 0.768 8 中级协调 Intermediate coordination 2012 0.992 0.655 0.806 9 良好协调 Good coordination 2013 0.990 0.715 0.842 9 良好协调 Good coordination 2014 0.990 0.801 0.891 9 良好协调 Good coordination 2015 0.991 0.865 0.926 10 优质协调 High quality coordination 2016 0.998 0.878 0.936 10 优质协调 High quality coordination 2017 0.999 0.935 0.966 10 优质协调 High quality coordination 2018 1.000 0.990 0.995 10 优质协调 High quality coordination
下载: 导出CSV
表 8 fcs与林业经济发展变化的耦合协调度计算结果
Table 8 Calculation results of coupling coordination degree between fcs and forestry economic development and change
年份
Year耦合度
Coupling degree (C)协调指数
Coordination index
(T )耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling
coordination1993 1.000 0.010 0.100 2 严重失调 Serious imbalance 1994 0.960 0.016 0.123 2 严重失调 Serious imbalance 1995 0.910 0.021 0.139 2 严重失调 Serious imbalance 1996 0.953 0.023 0.146 2 严重失调 Serious imbalance 1997 0.945 0.027 0.158 2 严重失调 Serious imbalance 1998 0.969 0.027 0.162 2 严重失调 Serious imbalance 1999 0.893 0.071 0.251 3 中度失调 Moderate imbalance 2000 0.836 0.107 0.299 3 中度失调 Moderate imbalance 2001 0.778 0.149 0.341 4 轻度失调 Mild imbalanc 2002 0.746 0.208 0.394 4 轻度失调 Mild imbalanc 2003 0.757 0.268 0.450 5 濒临失调 On the verge of imbalance 2004 0.812 0.287 0.482 5 濒临失调 On the verge of imbalance 2005 0.859 0.305 0.512 6 勉强协调 Barely coordination 2006 0.906 0.324 0.542 6 勉强协调 Barely coordination 2007 0.929 0.342 0.564 6 勉强协调 Barely coordination 2008 0.924 0.374 0.588 6 勉强协调 Barely coordination 2009 0.924 0.437 0.636 7 初级协调 Primary coordination 2010 0.958 0.487 0.683 7 初级协调 Primary coordination 2011 0.970 0.575 0.747 8 中级协调 Intermediate coordination 2012 0.987 0.627 0.787 8 中级协调 Intermediate coordination 2013 0.992 0.687 0.826 9 良好协调 Good coordination 2014 0.990 0.797 0.888 9 良好协调 Good coordination 2015 0.994 0.857 0.923 10 优质协调 High quality coordination 2016 0.999 0.879 0.937 10 优质协调 High quality coordination 2017 0.999 0.937 0.968 10 优质协调 High quality coordination 2018 1.000 0.990 0.995 10 优质协调 High quality coordination
下载: 导出CSV
表 9 frcs与林业经济发展变化的耦合协调度预测值
Table 9 Predicted values of coupling coordination degree between frcs and forestry economic development and change
年份
Year原始值
Original value预测值
Predicted value绝对误差
Absolute error1992 0.100 0.100 0.000 1993 0.127 0.100 0.027 1994 0.150 0.143 0.007 1995 0.167 0.171 0.004 1996 0.188 0.186 0.002 1997 0.206 0.208 0.002 1998 0.221 0.225 0.004 1999 0.285 0.237 0.048 2000 0.331 0.330 0.001 2001 0.373 0.378 0.005 2002 0.431 0.417 0.014 2003 0.477 0.483 0.006 2004 0.500 0.526 0.026 2005 0.525 0.533 0.008 2006 0.546 0.552 0.006 2007 0.585 0.569 0.016 2008 0.641 0.617 0.024 2009 0.699 0.688 0.011 2010 0.722 0.754 0.032 2011 0.768 0.758 0.010 2012 0.806 0.809 0.003 2013 0.842 0.846 0.004 2014 0.891 0.879 0.012 2015 0.926 0.935 0.009 2016 0.936 0.965 0.029 2017 0.966 0.957 0.009 2018 0.995 0.991 0.004 2019 1.023 2020 1.051 2021 1.079 2022 1.107 2023 1.135 2024 1.163 2025 1.191 2026 1.219 2027 1.247 2028 1.275 2029 1.303 2030 1.331
下载: 导出CSV
表 10 2019—2030年归一化处理后的frcs与林业经济发展变化的耦合协调度、协调等级和耦合协调程度
Table 10 Coupling coordination degree, coordination level and coupling coordination degree of normalized frcs and forestry economic development and change from 2019 to 2030
年份
Year耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling coordination2019 0.991 8 10 优质协调
High quality coordination2020 0.992 5 10 优质协调
High quality coordination2021 0.993 3 10 优质协调
High quality coordination2022 0.994 0 10 优质协调
High quality coordination2023 0.994 8 10 优质协调
High quality coordination2024 0.995 5 10 优质协调
High quality coordination2025 0.996 3 10 优质协调
High quality coordination2026 0.997 0 10 优质协调
High quality coordination2027 0.997 8 10 优质协调
High quality coordination2028 0.998 5 10 优质协调
High quality coordination2029 0.999 3 10 优质协调
High quality coordination2030 1.000 0 10 优质协调
High quality coordination
下载: 导出CSV
表 11 2019—2030年归一化处理后的fcs与林业经济发展变化的耦合协调度、协调等级和耦合协调程度
Table 11 Coupling coordination degree, coordination level and coupling coordination degree of normalized fcs and forestry economic development and change from 2019 to 2030
年份
Year耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling coordination2019 0.997 3 10 优质协调
High quality coordination2020 0.997 5 10 优质协调
High quality coordination2021 0.997 8 10 优质协调
High quality coordination2022 0.998 0 10 优质协调
High quality coordination2023 0.998 3 10 优质协调
High quality coordination2024 0.998 5 10 优质协调
High quality coordination2025 0.998 8 10 优质协调
High quality coordination2026 0.999 0 10 优质协调
High quality coordination2027 0.999 3 10 优质协调
High quality coordination2028 0.999 5 10 优质协调
High quality coordination2029 0.999 8 10 优质协调
High quality coordination2030 1.000 0 10 优质协调
High quality coordination
下载: 导出CSV
-
[1] 张煜星, 王雪军, 蒲莹, 等. 1949—2018年中国森林资源碳储量变化研究[J]. 北京林业大学学报, 2021, 43(5): 1−14. doi: 10.12171/j.1000-1522.20200237 Zhang Y X, Wang X J, Pu Y, et al. Changes in forest resource carbon storage in China between 1949 and 2018[J]. Journal of Beijing Forestry University, 2021, 43(5): 1−14. doi: 10.12171/j.1000-1522.20200237
[2] 国家林业局. 全国森林资源统计: 第八次全国森林资源清查[M]. 北京: 中国林业出版社, 2014. State Forestry Administration. National forest resources statistics: the eighth national forest resources inventory[M]. Beijing: China Forestry Publishing House, 2014.
[3] 王婧, 杜广杰. 中国城市绿色发展效率的空间分异及驱动因素[J]. 经济与管理研究, 2020, 41(12): 11−27. Wang J, Du G J. Spatial disparity and driving factors of green development efficiency in Chinese cities[J]. Research on Economics and Management, 2020, 41(12): 11−27.
[4] 张乐勤, 荣慧芳. 安徽省经济发展与生态环境耦合协调评价与趋势预测[J]. 中国环境管理, 2017, 9(5): 77−83. Zhang L Q, Rong H F. Dynamic coupling coordination evaluation and trend prediction of economic and ecological environment system in Anhui Province[J]. Chinese Journal of Environmental Management, 2017, 9(5): 77−83.
[5] 黄利, 于焕生, 何丹, 等. 国内碳汇研究进展与前沿动态追踪: 基于CNKI期刊文献的可视化分析[J]. 林业经济, 2020, 42(4): 46−55. Huang L, Yu H S, He D, et al. Research progress and dynamic tracking of carbon sink in China: visual analysis based on CNKI journal literature[J]. Forest Economics, 2020, 42(4): 46−55.
[6] 郗希, 李超. 新型森林碳汇二氧化碳排放权交易机制的设计[J]. 经济研究参考, 2018, 67(19): 27−37. Xi X, Li C. Design of a new forest carbon sink carbon dioxide emission trading mechanism[J]. Economic Research Reference, 2018, 67(19): 27−37.
[7] Rakatama A, Pandit R, Ma C, et al. The costs and benefits of REDD+: a review of the literature[J]. Forest Policy & Economics, 2017, 75(1): 103−111.
[8] PEFC. Benefits of forests[EB/OL] [2022−06−02]. https://www.pefc.org/what-we-do/why-forests-are-important/the-benefits-of-forests.
[9] Patricia G D, Paloma R B, Jorge G R, et al. A multifactorial approach to value supporting ecosystem services in Spanish forests and its implications in a warming world [J]. Sustainability, 2019, 11(2), 358.
[10] Sierra C A, Susan E C, Martin H, et al. The climate benefit of carbon sequestration[J]. Biogeo Sciences, 2021, 18(3): 1029−1048. doi: 10.5194/bg-18-1029-2021
[11] Fernández J F, Ruiz B P, Zavala M A, et al. Forest adaptation to climate change along steep ecological gradients: the case of the Mediterranean-temperate transition in South-Western Europe [J]. Sustainability, 2018, 10(9): 1−18.
[12] Roces-Díaz J V, Vayreda J, Banqué-Casanovas M, et al. Assessing the distribution of forest ecosystem services in a highly populated Mediterranean region[J]. Ecological Indicators, 2018, 93: 986−997. doi: 10.1016/j.ecolind.2018.05.076
[13] 蔡博峰, 朱松丽, 于胜民, 等. 《IPCC2006年国家温室气体清单指南2019修订版》解读[J]. 环境工程, 2019, 37(8): 1−11. Cai B F, Zhu S L, Yu S M, et al. Interpretation of IPCC 2006 guidelines for national greenhouse gas inventories 2019 revision[J]. Environmental Engineering, 2019, 37(8): 1−11.
[14] Ratcliffe S, Wirth C, Jucker T, et al. Biodiversity and ecosystem functioning relations in European forests depend on environmental context[J]. Ecology Letters, 2017, 20: 1414−1426. doi: 10.1111/ele.12849
[15] 牛玲. 碳汇生态产品价值的市场化实现路径[J]. 宏观经济管理, 2020(12): 37−42, 62. Niu L. Market-based realization path of the value of ecological products in carbon sinks[J]. Macroeconomic Management, 2020(12): 37−42, 62.
[16] 华志芹. 森林碳汇产权价值补偿视角下碳汇影子价格研究: 以湖南省为例[J]. 求索, 2015(2): 37−42. Hua Z Q. Study on shadow price of forest carbon sink from the perspective of property value compensation: a case study of Hunan Province[J]. Probe, 2015(2): 37−42.
[17] 胡原, 曾维忠. 碳汇造林项目促进了当地经济发展吗?基于四川县域面板数据的PSM-DID实证研究[J]. 中国人口·资源与环境, 2020, 30(2): 89−98. Hu Y, Zeng W Z. Did carbon sequestration afforestation project promote local economic development? An empirical study of PSM-DID based on panel data of counties in Sichuan Province [J]. China Population, Resources and Environment, 2020, 30(2): 89−98.
[18] 潘竟虎, 文岩. 中国西北干旱区植被碳汇估算及其时空格局[J]. 生态学报, 2015, 35(23): 7718−7728. Pan J H, Wen Y. Estimation of vegetation carbon sink and its spatio-temporal pattern in arid area of northwest China[J]. Acta Ecologica Sinica, 2015, 35(23): 7718−7728.
[19] 易平, 方世明. 地质公园社会经济与生态环境效益耦合协调度研究: 以嵩山世界地质公园为例[J]. 资源科学, 2014, 36(1): 206−216. Yi P, Fang S M. Study on coupling coordination degree of socio-economic and eco-environmental benefits of geoparks: a case study of Songshan Geoparks[J]. Resources Science, 2014, 36(1): 206−216.
[20] 杨果, 陈瑶. 中国农业源碳汇估算及其与农业经济发展的耦合分析[J]. 中国人口·资源与环境, 2016, 26(12): 171−176. Yang G, Chen Y. Estimation of agricultural source carbon sink and its coupling analysis with agricultural economic development in China[J]. China Population, Resources and Environment, 2016, 26(12): 171−176.
[21] 王少剑, 方创琳, 王洋. 京津冀地区城市化与生态环境交互耦合关系定量测度[J]. 生态学报, 2015, 35(7): 2244−2254. Wang S J, Fang C L, Wang Y. Quantitative measurement of the interactive coupling relationship between urbanization and ecological environment in Beijing-Tianjin-Hebei region[J]. Acta Ecologica Sinica, 2015, 35(7): 2244−2254.
[22] 余菲菲, 胡文海, 荣慧芳. 中小城市旅游经济与交通耦合协调发展研究: 以池州市为例[J]. 地理科学, 2015, 35(9): 1116−1122. Yu F F, Hu W H, Rong H F. Study on the coupling and coordinated development of tourism economy and traffic in small and medium-sized cities: a case study of Chizhou City[J]. Scientia Geographica Sinica, 2015, 35(9): 1116−1122.
[23] 吴玉鸣, 张燕. 中国区域经济增长与环境的耦合协调发展研究[J]. 资源科学, 2008(1): 25−30. doi: 10.3321/j.issn:1007-7588.2008.01.004 Wu Y M, Zhang Y. Coupling and coordinated development of regional economic growth and environment in China[J]. Resources Science, 2008(1): 25−30. doi: 10.3321/j.issn:1007-7588.2008.01.004
[24] 高楠, 马耀峰, 李天顺, 等. 基于耦合模型的旅游产业与城市化协调发展研究: 以西安市为例[J]. 旅游学刊, 2013, 28(1): 62−68. doi: 10.3969/j.issn.1002-5006.2013.01.007 Gao N, Ma Y F, Li T S, et al. Research on coordinated development of tourism industry and urbanization based on coupling model: a case study of Xi’an City[J]. Tourism Tribune, 2013, 28(1): 62−68. doi: 10.3969/j.issn.1002-5006.2013.01.007
[25] 张颖, 李晓格, 温亚利. 碳达峰碳中和背景下中国森林碳汇潜力分析研究[J]. 北京林业大学学报, 2022, 44(1): 38−47. doi: 10.12171/j.1000-1522.20210143 Zhang Y, Li X G, Wen Y L. Forest carbon sequestration potential in China under the background of carbon emission peak and carbon neutralization[J]. Journal of Beijing Forestry University, 2022, 44(1): 38−47. doi: 10.12171/j.1000-1522.20210143
[26] 张颖, 易爱军. 承德市森林碳汇价值核算及其相关问题研究[J]. 创新科技, 2022, 22(5): 83−92. Zhang Y, Yi A J. Forest carbon sink value accounting and related issues study in Chengde City[J]. Innovation of Science and Technology, 2022, 22(5): 83−92.
[27] 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2021: 86−90. National Bureau of Statistics. China statistical yearbook[M]. Beijing: China Statistics Press, 2021: 86−90.
[28] 国家林业和草原局. 中国林业和草原统计年鉴[M]. 北京: 中国林业出版社, 2020: 44−46. National Forestry and Grassland Administration. China forestry and grassland statistical yearbook[M]. Beijing: China Forestry Publishing House, 2020: 44−46.
[29] Hoerl A, Kennard R. Ridge regression: biased estimation for nonorthogonal problems[J]. Technometrics, 2000, 12(1): 13.
[30] Mcdonald G C. Ridge regression[J]. Wiley Interdisciplinary Reviews Computational Statistics, 2010, 1(1): 93−100.
[31] 曲向荣. 产业生态学[M]. 北京: 清华大学出版社, 2012: 71−75. Qu X R. Industrial ecology[M]. Beijing: Tsinghua University Press, 2012: 71−75.
[32] 储蓉, 周芳. 森林碳汇与经济增长的库兹涅茨倒“U”型研究[J]. 中南林业科技大学学报, 2012, 32(10): 94−99. doi: 10.14067/j.cnki.1673-923x.2012.10.009 Chu R, Zhou F. Kuznets inverted u-shaped study on forest carbon sink and economic growth[J]. Journal of Central South University of Forestry and Technology, 2012, 32(10): 94−99. doi: 10.14067/j.cnki.1673-923x.2012.10.009
[33] 姚仁福, 胡珠珠, 贯君. 森林碳汇与经济增长的互动关系[J]. 林业经济问题, 2022, 42(1): 73−79. Yao R F, Hu Z Z, Guan J. Interaction between forest carbon sequestration and economic growth[J]. Issues of Forestry Economics, 2022, 42(1): 73−79.
[34] 储蓉, 付春风. 森林碳汇对经济增长影响的溢出效应研究[J]. 广东农业科学, 2013, 40(14): 209−212. doi: 10.3969/j.issn.1004-874X.2013.14.063 Chu R, Fu C F. Spillover effects of forest carbon sink on economic growth[J]. Guangdong Agricultural Sciences, 2013, 40(14): 209−212. doi: 10.3969/j.issn.1004-874X.2013.14.063
[35] 李鹏, 张俊飚. 森林碳汇与经济增长的长期均衡及短期动态关系研究: 基于中国1998—2010年省级面板数据[J]. 自然资源学报, 2013, 28(11): 1835−1845. doi: 10.11849/zrzyxb.2013.11.001 Li P, Zhang J B. Long-term equilibrium and short-term dynamic relationship between forest carbon sequestration and economic growth: based on provincial panel data of China from 1998 to 2010[J]. Journal of Natural Resources, 2013, 28(11): 1835−1845. doi: 10.11849/zrzyxb.2013.11.001
[36] 曾承文. 分析经济学视角下环境问题及其解决路径与制度构建[J]. 经济管理文摘, 2020(16): 179−180. Zeng C W. Analysis of environmental problems and their solutions and institutional construction from the perspective of economics[J]. Economy and Management Digest, 2020(16): 179−180.
-
期刊类型引用(3)
1. 岳庆敏，何怀江，张春雨，赵秀海，郝珉辉. 阔叶红松林林木与林分生长对采伐干扰的响应. 生态学报. 2024(05): 2019-2028 . 
百度学术
2. 王浩东，陈梦，袁丛军，何爽，丁访军，杨瑞. 马尾松纯林阔叶化改造对土壤碳氮固持的短期效应. 中南林业科技大学学报. 2024(10): 126-137 . 百度学术
3. 李大勇. 采伐强度对木兰围场国有林场针阔混交林碳储量的影响. 中国林副特产. 2024(06): 15-16 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 951
- HTML全文浏览量: 178
- PDF下载量: 125
- 被引次数: 3
