杉木人工林碳汇木材多功能经营的最优轮伐期

臧颢; 黄锦程; 刘洪生; 欧阳勋志; 姜俊; 宁金魁

doi:10.12171/j.1000-1522.20220399

杉木人工林碳汇木材多功能经营的最优轮伐期

1.
江西农业大学林学院，江西南昌 330045
2.
江西省崇义县林业局，江西赣州 341300
3.
北京林业大学林学院，北京 100083

基金项目: 国家自然科学基金项目（31901306、31960313、31700563）

详细信息

作者简介:
臧颢，讲师。主要研究方向：森林可持续经营。Email：b12345abba@163.com　地址：330054 江西省南昌市昌北区志敏大道1101号江西农业大学林学院

责任作者:
宁金魁，讲师。主要研究方向：森林资源监测与评价。Email：ning.jinkui@gmail.com　地址：同上

中图分类号: S750
计量
- 文章访问数: 676
- HTML全文浏览量: 243
- PDF下载量: 121
出版历程
- 收稿日期: 2022-09-29
- 修回日期: 2022-10-10
- 录用日期: 2022-10-15
- 网络出版日期: 2022-10-18
- 发布日期: 2022-10-24

Optimal rotation period of carbon sequestration wood multifunctional management in Chinese fir plantation

1.
College of Forestry, Jiangxi Agricultural University, Nanchang 330045, Jiangxi, China
2.
Forestry Bureau of Chongyi County, Ganzhou 341300, Jiangxi, China
3.
School of Forestry, Beijing Forestry University, Beijing 100083, China

摘要

摘要:
目的探讨不同条件下杉木人工林碳汇木材多功能经营的最优轮伐期及收益的变化，为杉木人工林多功能经营和决策提供科学依据。
方法以江西省崇义县杉木人工林为研究对象，基于31块固定样地的多期调查数据，以Faustmann-Hartman模型为基础，设计了3种模拟情景，情景1只考虑木材收益，情景2和3分别在情景1的基础上依次纳入地上生物量碳汇收益和死亡有机质碳汇收益，不同情景分析了不同碳价格、利率和立地质量对杉木人工林的最优轮伐期和林地期望值的影响。
结果基准条件下（地位指数15 m、利率5%和碳价格77 元/t），林地期望值随着林分年龄的增加表现为先增加后减小，情景1和情景2的最优轮伐期均为21年，情景3为20年，最优轮伐期下情景2和3的林地期望值对比情景1分别增加了23%和35%。随着碳价格的增加，最优轮伐期和林地期望值分别呈现缩短和增加的趋势；同一碳价格下，3种情景的最优轮伐期最多相差达4年，且随着碳价格的增加，最优轮伐期的差异也在逐渐增大。随着利率的增加，最优轮伐期和林地期望值均呈现减小趋势；当利率增至7%时，林地期望值大幅降至10%以下，情景1甚至出现了负数。随着地位指数的增加，3种情景下林地期望值均显著增加，最优轮伐期则逐渐缩短。
结论当前杉木经营的环境下，碳汇收益的增加对最优轮伐期的影响不明显，但能显著增加林地期望值，因此有利于增强经营者从事人工林多功能经营的积极性。碳价格、利率和立地质量可显著影响最优轮伐期和林地期望值。
- 杉木人工林 /
- 最优轮伐期 /
- 多功能经营 /
- Faustmann-Hartman模型 /
- 碳库
Abstract:
Objective The paper aims to analyze the change of optimal rotation and benefits under different conditions in consideration of carbon sequestration and timber for Chinese fir plantation, and provide a scientific basis for multi-functional management and decision.
Method This study focused on Chinese fir plantation in Chongyi County and conducted in remeasurement data of 31 permanent plots, Jiangxi Province of eastern China. Based on Faustmann-Hartman model, three different scenarios were designed in this study. Scenario 1 only considered timber benefits. Scenario 2 added additional aboveground biomass pool, and Scenario 3 further considered the impact of dead organic matter pool. For each scenario, the effects of different carbon prices, rates and site index on the optimal rotation and land expected value were analyzed.
Result Under the baseline condition (carbon price: 77 CNY/t; rate: 5%; site index: 15 m), the land expected value showed a trend of first increasing and then decreasing with the increasing age. The optimal rotation for scenario 1 and 2 was 21 years, and for scenario was 20 years. Compared with scenario 1, a 23% increase of the land expected value was found for scenario 2 and a 35% increase for scenario 3. With the carbon price increasing, the optimal rotation decreased and the land expected value increased. For the same carbon price, the difference of optimal rotation among three scenarios was up to 4 years, and the difference increased with carbon price increased. With the rate increasing, the optimal rotation and land expected value showed a decreasing trend. When rate was 7%, the land expected value turned to be down to less than 10% for all three scenarios and negative land expected value was found for scenario 1. With the site index increased, the optimal rotation decreased and the land expected value increased.
Conclusion Under the present Chinese fir management environment, benefits of carbon sequestration do not have a significant effect on optimal rotation. However, an impact on land expected value exists. It is beneficial to enhance the enthusiasm of multi-functional management for Chinese fir plantation. Carbon price, rate and site quality can significantly affect the optimal rotation and land expected value.
- Chinese fir plantation /
- optimal rotation period /
- multifunctional management /
- Faustmann-Hartman model /
- carbon pool

HTML全文

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：

$N=\displaystyle {\sum} _{j=1}^{n}{\lambda }_{j}{{N}'_{ijt}}$

(1)

$E=\displaystyle \sum _{j=1}^{n}{\lambda }_{j}{{E}'_{ijt}}$

(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； ${\lambda }_{j}$ 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：

$C={\left[\frac{NE}{{\left(\dfrac{N + E}{2}\right)}^{2}}\right]}^{k}$

(3)

式中：C为森林碳汇—林业经济发展耦合度， $C \in \left[\mathrm{0,1}\right]$ ，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：

$\begin{array}{*{20}{c}} {\left\{ {\begin{array}{*{20}{c}} {D = \sqrt C \sqrt T }\\ {T = a N + b E} \end{array}} \right.} \end{array}$

(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 coordination
1	0.000 0 < D ≤ 0.100 0	极度失调 Extreme imbalance
2	0.100 1 < D ≤ 0.200 0	严重失调 Serious imbalance
3	0.200 1 < D ≤ 0.300 0	中度失调 Moderate imbalance
4	0.300 1 < D ≤ 0.400 0	轻度失调 Mild imbalance
5	0.400 1 < D ≤ 0.500 0	濒临失调 On the verge of imbalance
6	0.500 1 < D ≤ 0.600 0	勉强协调 Barely coordination
7	0.600 1 < D ≤ 0.700 0	初级协调 Primary coordination
8	0.700 1 < D ≤ 0.800 0	中级协调 Intermediate coordination
9	0.800 1 < D ≤ 0.900 0	良好协调 Good coordination
10	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

| 显示表格

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：

${\mathrm{T}\mathrm{C}}_{\mathrm{F}}={S}_{i}{ C}_{i} + \alpha {S}_{i}{ C}_{i} + \beta {S}_{i}{ C}_{i}$

(5)

${C}_{i}={V}_{i} \delta \rho \gamma$

(6)

式中： ${\mathrm{T}\mathrm{C}}_{\mathrm{F}}$ 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； ${S}_{i}$ 为第 $i$ 类森林的面积； ${C}_{i}$ 为第 $i$ 类森林的碳密度； ${V}_{i}$ 为第 $i$ 类森林单位面积蓄积量； $\alpha$ 为林下植被碳转换系数； $\; \beta$ 为林地碳转换系数； $\delta$ 为生物量扩大系数； $\rho$ 为生物量蓄积转换成生物干质量系数，即容积密度； $\gamma$ 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。 $\delta$ 一般取值为1.90； $\; \rho$ 一般取0.45 ~ 0.50 t/m³，本研究取0.50 t/m³； $\gamma$ 一般取0.5； $\alpha$ 取0.195； $\; \beta$ 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 CNY	GDP/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

| 显示表格

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：

$y={y}_{1} + ({y}_{2}-{y}_{1})\frac{(x-{x}_{1})}{({x}_{2}-{x}_{1})}$

(7)

式中： ${y}_{1}$ 、 ${y}_{2}$ 、 ${x}_{1}$ 、 ${x}_{2}$ 为已知统计数据； $x$ 为 ${x}_{1}$ 、 ${x}_{2}$ 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 coefficient	t	P	VIF
项目 Item	B	标准误 Standard error	Beta	t	P	VIF
常数 Constant	138.292	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

| 显示表格

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 error	z	p	95% CI
常数 Constant	c	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

| 显示表格

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 coefficient	t	P	VIF
项目 Item	B	标准误 Standard error	Beta	t	P	VIF
常数 Constant	0.249 000	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

| 显示表格

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 error	z	p	95% CI
常数 Constant	c	0.071	0.044	1.618	0.106	−0.015 ~ 0.157
AR参数 AR parameter	α1	0.800	0.092	8.681	0	0.619 ~ 0.981

下载: 导出CSV

| 显示表格

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 coordination
1992	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

| 显示表格

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 coordination
1993	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

| 显示表格

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 error
1992	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

| 显示表格

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 coordination
2019	0.991 8	10	优质协调 High quality coordination
2020	0.992 5	10	优质协调 High quality coordination
2021	0.993 3	10	优质协调 High quality coordination
2022	0.994 0	10	优质协调 High quality coordination
2023	0.994 8	10	优质协调 High quality coordination
2024	0.995 5	10	优质协调 High quality coordination
2025	0.996 3	10	优质协调 High quality coordination
2026	0.997 0	10	优质协调 High quality coordination
2027	0.997 8	10	优质协调 High quality coordination
2028	0.998 5	10	优质协调 High quality coordination
2029	0.999 3	10	优质协调 High quality coordination
2030	1.000 0	10	优质协调 High quality coordination

下载: 导出CSV

| 显示表格

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 coordination
2019	0.997 3	10	优质协调 High quality coordination
2020	0.997 5	10	优质协调 High quality coordination
2021	0.997 8	10	优质协调 High quality coordination
2022	0.998 0	10	优质协调 High quality coordination
2023	0.998 3	10	优质协调 High quality coordination
2024	0.998 5	10	优质协调 High quality coordination
2025	0.998 8	10	优质协调 High quality coordination
2026	0.999 0	10	优质协调 High quality coordination
2027	0.999 3	10	优质协调 High quality coordination
2028	0.999 5	10	优质协调 High quality coordination
2029	0.999 8	10	优质协调 High quality coordination
2030	1.000 0	10	优质协调 High quality coordination

下载: 导出CSV

| 显示表格

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

下载: 全尺寸图片幻灯片

5. 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 碳价格对杉木人工林林地期望值和最优轮伐期的影响

Figure 1. Effects of carbon price on the land expected values and optimal rotation period of Chinese fir plantation

下载: 全尺寸图片幻灯片

表 1 样地概况

Table 1 General situation of sample plots

样地 Sample plot	年龄/a Age/year	林分平均胸径 Stand mean DBH/cm	林分平均高 Stand mean height/m	密度/（株·hm⁻²） Density/(tree·ha⁻¹)	地位指数 Site index/m	面积 Area/m²	布设年份 Layout year	复测次数 Remeasurement time
P1	12	13.5	10.9	1 155	16.4	667	2014	3
P2	10	10.7	10.6	1 545	16.6	667	2014	3
P3	10	9.4	10.5	1 515	17.0	667	2014	3
P4	8	8.5	10.2	2 115	11.6	667	2011	3
P5	8	7.9	9.3	2 325	11.9	667	2011	3
P6	14	15.4	14.9	1 305	15.8	667	2011	3
P7	8	10.2	8.8	1 980	12.6	667	2011	3
P8	21	15.5	11.2	1 380	10.1	667	2011	3
P9	8	10.1	9.8	2 055	15.8	667	2011	3
P10	31	28.5	16.4	990	14.2	667	2016	3
P11	31	31.1	16.2	1 065	14.3	667	2016	3
P12	29	27.7	17.2	1 035	15.5	667	2016	3
P13	6	5.7	8.8	2 490	20.1	667	2014	3
P14	10	11.7	10.7	1 620	17.3	667	2015	2
P15	10	10.2	7.9	1 980	13.7	667	2015	2
P16	10	12.4	10.1	1 590	18.4	667	2015	2
P17	10	10.9	9.2	1 800	18.0	667	2015	2
P18	10	10.3	8.9	1 770	19.9	667	2015	2
P19	9	7.7	9.7	1 935	18.9	667	2016	3
P20	10	8.2	10.2	1 800	18.6	667	2016	3
P21	13	10.7	10.5	1 275	16.7	667	2016	3
P22	10	9.4	10.0	1 785	19.4	667	2016	3
P23	10	9.4	10.0	1 665	18.5	667	2016	3
P24	32	21.0	20.8	1 005	17.2	667	2020	1
P25	36	18.1	12.8	945	14.4	667	2020	1
P26	44	15.3	11.1	870	8.8	667	2020	1
P27	13	11.5	10.5	1 320	15.4	600	2015	2
P28	11	11.4	10.7	1 440	15.2	600	2015	2
P29	15	13.3	8.5	1 155	20.0	600	2015	2
P30	15	14.4	10.4	1 200	17.6	600	2015	2
P31	15	13.0	10.1	1 125	19.0	600	2015	2
注：地位指数采用基于Richards方程的差分方程法计算，基准年龄为20年。Notes: site index is calculated using the algebraic difference model based on Richards equation, and the base age is 20 years.

下载: 导出CSV

表 2 单位面积经营成本

Table 2 Operating cost per unit area

造林整地/（元·hm⁻²） Afforestation and land preparation/(CNY·ha⁻¹)	抚育/（元·hm⁻²） Silviculture/(CNY·ha⁻¹)			管护/（元·hm⁻²） Management/(CNY·ha⁻¹)	采运成本/（元·m⁻³） Mining and transportation cost/(CNY·m⁻³)
造林整地/（元·hm⁻²） Afforestation and land preparation/(CNY·ha⁻¹)	第1年 First year	第2年 Second year	第3年 Third year	管护/（元·hm⁻²） Management/(CNY·ha⁻¹)	采运成本/（元·m⁻³） Mining and transportation cost/(CNY·m⁻³)
11 940	3 900	4 200	3 000	300	374

下载: 导出CSV

表 3 各情景下杉木人工林的林地期望值

Table 3 Land expected values of Chinese fir plantation under different scenarios

年龄/a Age/year	出材量/（m³·hm⁻²） Timber yield/(m³·ha⁻¹)	林分地上部分固碳量/（t·hm⁻²） Stand aboveground carbon sequestration/(t·ha⁻¹)	林地期望值/（万元·hm⁻²） Land expected value/(10⁴ CNY·ha⁻¹)
年龄/a Age/year	出材量/（m³·hm⁻²） Timber yield/(m³·ha⁻¹)		情景1 Scenario 1	情景2 Scenario 2	情景3 Scenario 3
12	63.6	32.7	−0.32	0.03	0.31
13	73.1	34.8	0.12	0.47	0.74
14	82.8	36.7	0.48	0.82	1.08
15	92.6	38.4	0.76	1.10	1.34
16	102.4	39.9	0.98	1.31	1.54
17	112.1	41.3	1.14	1.47	1.68
18	121.7	42.4	1.25	1.58	1.78
19	131.1	43.4	1.33	1.65	1.83
20	140.3	44.3	1.36	1.68	1.86
21	149.3	45.1	1.37	1.69	1.85
22	157.9	45.8	1.36	1.67	1.82
23	166.4	46.3	1.32	1.63	1.77
24	174.5	46.8	1.27	1.57	1.70
25	182.3	47.3	1.20	1.49	1.63

下载: 导出CSV

表 4 利率对杉木人工林林地期望值和最优轮伐期的影响

Table 4 Effects of interest rate on land expected values and optimal rotation period of Chinese fir plantation

利率 Rate/%	情景1 Scenario 1		情景2 Scenario 2		情景3 Scenario 3
利率 Rate/%	最优轮伐期/a Optimal rotation period/year	林地期望值/（万元·hm⁻²） Land expected value/(10⁴ CNY·ha⁻¹)	最优轮伐期/a Optimal rotation period/year	林地期望值/（万元·hm⁻²） Land expected value/(10⁴ CNY·ha⁻¹)	最优轮伐期/a Optimal rotation period/year	林地期望值/（万元·hm⁻²） Land expected value/(10⁴ CNY·ha⁻¹)
3	24	5.66	23	6.12	23	6.38
4	22	2.92	22	3.29	21	3.49
5	21	1.38	21	1.69	20	1.86
6	20	0.42	20	0.69	19	0.83
7	19	−0.22	19	0.02	18	0.14

下载: 导出CSV

表 5 地位指数对杉木人工林林地期望值和最优轮伐期的影响

Table 5 Effects of site index on the land expected values and optimal rotation of Chinese fir plantation

地位指数 Site index/m	情景1 Scenario 1		情景2 Scenario 2		情景3 Scenario 3
地位指数 Site index/m	最优轮伐期/a Optimal rotation period/year	林地期望值/（万元·hm⁻²） Land expected value/(10⁴ CNY·ha⁻¹)	最优轮伐期/a Optimal rotation period/year	林地期望值/（万元·hm⁻²） Land expected value/(10⁴ CNY·ha⁻¹)	最优轮伐期/a Optimal rotation period/year	林地期望值/（万元·hm⁻²） Land expected value/(10⁴ CNY·ha⁻¹)
11	23	−0.74	23	–0.54	23	–0.39
13	22	0.25	22	0.51	21	0.67
15	21	1.37	21	1.69	20	1.86
17	20	2.62	20	2.99	20	3.17
19	20	3.97	19	4.40	19	4.60

下载: 导出CSV

参考文献(32)

[1]	Pan Y, Birdsey R A, Fang J, et al. A large and persistent carbon sink in the world’s forests[J]. Science, 2011, 333: 988−993. doi: 10.1126/science.1201609
[2]	Harris N L, Gibbs D A, Baccini A, et al. Global maps of twenty-first century forest carbon fluxes[J]. Nature Climate Change, 2021, 11(3): 234−240. doi: 10.1038/s41558-020-00976-6
[3]	国家林业和草原局. 中国森林资源报告(2014—2018)[M]. 北京: 中国林业出版社, 2019. State Forestry Administration. Chinese forest resources report (2014−2018)[M]. Beijing: China Forestry Publishing House, 2019.
[4]	董灵波, 蔺雪莹, 张一帆, 等. 兼顾碳汇和木材生产的长白落叶松人工林最优轮伐期[J]. 林业科学, 2022, 58(5): 18−30. doi: 10.11707/j.1001-7488.20220503 Dong L B, Lin X Y, Zhang Y F, et al. Optimal rotation of Larix olgensis plantation in considering carbon sequestration and timber production[J]. Scientia Silvae Sinicae, 2022, 58(5): 18−30. doi: 10.11707/j.1001-7488.20220503
[5]	简盖元, 冯亮明, 刘伟平. 基于碳汇价值的森林最优轮伐期分析[J]. 林业经济问题, 2011, 31(1): 70−75. doi: 10.3969/j.issn.1005-9709.2011.01.016 Jian G Y, Feng L M, Liu W P. Analysis of forest optimal rotation which base on the value of carbon sequestration[J]. Issues of Forestry Economics, 2011, 31(1): 70−75. doi: 10.3969/j.issn.1005-9709.2011.01.016
[6]	林卓, 吴承祯, 洪伟, 等. 杉木人工林碳汇木材复合经济收益分析及最优轮伐期确定: 基于时间序列预测模型[J]. 林业科学, 2016, 52(10): 134−145. doi: 10.11707/j.1001-7488.20161017 Lin Z, Wu C Z, Hong W, et al. Economic benefits analysis of carbon sequestration and timber and determination of optimal rotation period for a Cunninghamia lanceolata plantation based on time series model[J]. Scientia Silvae Sinicae, 2016, 52(10): 134−145. doi: 10.11707/j.1001-7488.20161017
[7]	余智涵, 宁卓, 杨红强. 随机价格下杉木人工林的碳汇收益及最优轮伐期确定[J]. 自然资源学报, 2022, 37(3): 753−768. Yu Z H, Ning Z, Yang H Q. Carbon sequestration benefit and optimal rotation period determination of Cunninghamia lanceolata plantation under stochastic price[J]. Journal of Natural Resources, 2022, 37(3): 753−768.
[8]	Gong Z, O’Hara K L, Li W. Optimal forest rotation periods: integrating timber production and carbon sequestration benefits in Pinus tabulaeformis plantations on the Loess Plateau, P. R. China[J]. Journal of Sustainable Forestry, 2019, 38(6): 591−613. doi: 10.1080/10549811.2019.1598442
[9]	Guthrie G, Kumareswaran D. Carbon subsidies, taxes and optimal forest management[J]. Environmental and Resource Economics, 2009, 43(2): 275−293. doi: 10.1007/s10640-008-9238-4
[10]	薛蓓蓓, 田国双. 基于碳汇木材复合经营目标的综合效益及影响因素分析[J]. 南京林业大学学报(自然科学版), 2021, 45(2): 205−212. Xue B B, Tian G S. Analysis of comprehensive benefits and influencing factors based on the combined economic value of carbon sequestration and timber benefits[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2021, 45(2): 205−212.
[11]	Méndez M A, Rico M J. Heuristic forest planning model for optimizing timber production and carbon sequestration in teak plantations[J]. iForest-Biogeosciences and Forestry, 2017, 10(1): 430−439.
[12]	van Kooten G C, Binkley C S, Delcourt G. Effect of carbon taxes and subsidies on optimal forest rotation age and supply of carbon services[J]. American Journal of Agricultural Economics, 1995, 77(2): 365−374. doi: 10.2307/1243546
[13]	Asante P, Armstrong G W, Adamowicz W L. Carbon sequestration and the optimal forest harvest decision: a dynamic programming approach considering biomass and dead organic matter[J]. Journal of Forest Economics, 2011, 17(1): 3−17. doi: 10.1016/j.jfe.2010.07.001
[14]	Diaz-Balteiro L, Rodriguez L C E. Optimal rotations on Eucalyptus plantations including carbon sequestration: a comparison of results in Brazil and Spain[J]. Forest Ecology and Management, 2006, 229(1): 247−258.
[15]	Thomson T A. Optimal forest rotation when stumpage prices follow a diffusion process[J]. Land Economics, 1992, 68(3): 329−342. doi: 10.2307/3146380
[16]	沈月琴, 王枫, 张耀启, 等. 中国南方杉木森林碳汇供给的经济分析[J]. 林业科学, 2013, 49(9): 140−147. Shen Y Q, Wang F, Zhang Y Q, et al. Economic analysis of Chinese fir forest carbon sequestration supply in south China[J]. Scientia Silvae Sinicae, 2013, 49(9): 140−147.
[17]	Asante P, Armstrong G W. Optimal forest harvest age considering carbon sequestration in multiple carbon pools: a comparative statics analysis[J]. Journal of Forest Economics, 2012, 18(2): 145−156. doi: 10.1016/j.jfe.2011.12.002
[18]	Faustmann M. Calculation of the value which forest land and immature stands possess for forestry[J]. Journal of Forest Economics, 1849, 1: 7−44.
[19]	Hartman R. The harvesting decision when a standing forest has value[J]. Economic Inquiry, 1976, 14(1): 52−58. doi: 10.1111/j.1465-7295.1976.tb00377.x
[20]	刘琪璟. 中国立木材积表[M]. 北京: 中国林业出版社, 2017. Liu Q J. Tree volume tables of China[M]. Beijing: China Forestry Publishing House, 2017.
[21]	国家林业局. 立木生物量模型及碳计量参数−杉木: LY/T 2264—2014 [S]. 北京: 中国标准出版社, 2014. State Forestry Administration. Tree biomass models and related parameters to carbon accounting for Cunninghamia lanceolata: LY/T 2264−2014 [S]. Beijing: Standards Press of China, 2014.
[22]	黄宰胜, 陈钦. 基于造林成本法的林业碳汇成本收益影响因素分析[J]. 资源科学, 2016, 38(3): 485−492. Huang Z S, Chen Q. Influencing factors analysis of forestry carbon sequestration cost-benefit based on afforestation cost methods[J]. Resources Science, 2016, 38(3): 485−492.
[23]	徐传洪. 不同林龄序列杉木人工林凋落物特征研究[D]. 长沙: 中南林业科技大学, 2020. Xu C H. Study on litter characteristics of Chinese fir plantation in different stand ages[D]. Changsha: Central South University of Forestry and Technology, 2020.
[24]	周涛, 史培军, 贾根锁, 等. 中国森林生态系统碳周转时间的空间格局[J]. 中国科学:地球科学, 2010, 40(5): 632−644. Zhou T, Shi P J, Jia G S, et al. Spatial patterns of ecosystem carbon residence time in Chinese forests[J]. Science China: Earth Sciences, 2010, 40(5): 632−644.
[25]	蔡兆炜. 福建杉木人工林生物量模型研究[D]. 北京: 北京林业大学, 2014. Cai Z W. A Study on biomass models of Cunninghamia lanceolata plantation in Fujian[D]. Beijing: Beijing Forestry University, 2014.
[26]	周伟, 高岚. 森林碳汇收益的实证分析: 以广东省杉木林为例[J]. 科技管理研究, 2015, 35(2): 219−223. doi: 10.3969/j.issn.1000-7695.2015.02.043 Zhou W, Gao L. Optimal forest harvest age considering carbon sequestration in multiple carbon pools[J]. Science and Technology Management Research, 2015, 35(2): 219−223. doi: 10.3969/j.issn.1000-7695.2015.02.043
[27]	黄宰胜, 陈钦. 不同情境下桉树碳汇林最佳轮伐期分析[J]. 长江流域资源与环境, 2016, 25(增刊1): 25−31. Huang Z S, Chen Q. Analysis of the optimal rotation of eucalypt carbon sequestration forests under various scenarios[J]. Resources and Environment in the Yangtze Basin, 2016, 25(Suppl.1): 25−31.
[28]	朱臻, 沈月琴, 张耀启, 等. 碳汇经营目标下的林地期望价值变化及碳供给: 基于杉木裸地造林假设研究[J]. 林业科学, 2012, 48(11): 112−116. doi: 10.11707/j.1001-7488.20121118 Zhu Z, Shen Y Q, Zhang Y Q, et al. Change of forestland expected value and carbon supply in the objective of carbon sequestration: based on the Chinese fir plantation in bared land[J]. Scientia Silvae Sinicae, 2012, 48(11): 112−116. doi: 10.11707/j.1001-7488.20121118
[29]	刘俊昌. 林业经济学[M]. 2版. 北京: 中国农业出版社, 2018. Liu J C. Forest economics[M]. 2nd ed. Beijing: China Agriculture Press, 2018.
[30]	王周绪, 姜全飞. 中国林业行业基准贴现率研究[J]. 林业经济, 2006(6): 39−44. doi: 10.13843/j.cnki.lyjj.2006.06.018 Wang Z X, Jiang Q F. China forestry basic rate of discount[J]. Forestry Economics, 2006(6): 39−44. doi: 10.13843/j.cnki.lyjj.2006.06.018
[31]	Zhou W, Gao L. The impact of carbon trade on the management of short-rotation forest plantations[J]. Forest Policy and Economics, 2016, 62: 30−35. doi: 10.1016/j.forpol.2015.10.008
[32]	刘林, 张旭, 余素君, 等. 湿地松材脂兼用林最优轮伐期的经济分析: 以江西省景德镇市枫树山林场为例.[J]. 林业科学, 2022, 58(4): 62−73. Liu L, Zhang X, Yu S J, et al. Economic analysis on optimal rotation period of slash pine plantations used for timber and resin: a case study in a state-owned Fengshushan Forestry Farm of Jingdezhen, Jiangxi Province[J]. Scientia Silvae Sinicae, 2022, 58(4): 62−73.

施引文献(3)

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)

资源附件(0)

图(1) / 表(5)

计量

文章访问数: 676
HTML全文浏览量: 243
PDF下载量: 121
被引次数: 3

1. 问题的提出
2. 研究方法及数据来源
2.1 研究方法
2.2 数据来源
3. 森林碳汇与林业经济发展的耦合度分析
3.1 森林碳储量、森林碳汇的影响因素分析
3.1.1 森林碳储量影响因素及滞后性
3.1.2 森林碳汇影响因素及滞后性
3.2 森林碳汇与林业经济发展变化的耦合度分析
3.2.1 frcs与林业经济发展变化的耦合协调度
3.2.2 fcs与林业经济发展变化的耦合协调度
4. 森林碳汇与林业经济发展变化的耦合协调度预测
5. 结论与讨论

1. 问题的提出
2. 研究方法及数据来源
2.1 研究方法
2.2 数据来源
3. 森林碳汇与林业经济发展的耦合度分析
3.1 森林碳储量、森林碳汇的影响因素分析
3.1.1 森林碳储量影响因素及滞后性
3.1.2 森林碳汇影响因素及滞后性
3.2 森林碳汇与林业经济发展变化的耦合度分析
3.2.1 frcs与林业经济发展变化的耦合协调度
3.2.2 fcs与林业经济发展变化的耦合协调度
4. 森林碳汇与林业经济发展变化的耦合协调度预测
5. 结论与讨论

参考文献(32)

施引文献(3)

资源附件(0)

杉木人工林碳汇木材多功能经营的最优轮伐期

作者简介: 臧颢，讲师。主要研究方向：森林可持续经营。Email：b12345abba@163.com 地址：330054 江西省南昌市昌北区志敏大道1101号江西农业大学林学院

责任作者: 宁金魁，讲师。主要研究方向：森林资源监测与评价。Email：ning.jinkui@gmail.com 地址：同上

计量

出版历程