鄔紫荊,曾 輝

北京大學深圳研究生院城市規(guī)劃與設計學院, 深圳 518055

森林生態(tài)系統(tǒng)是我國重要的陸地生態(tài)系統(tǒng)[1],能夠提供水源涵養(yǎng)、土壤保持、固碳釋氧、營養(yǎng)累積、空氣凈化、森林防護、林果產(chǎn)品、生物多樣性保護、森林游憩等多種生態(tài)系統(tǒng)服務[2]。2000年以來,國內(nèi)學者在中國森林生態(tài)系統(tǒng)服務及其價值評估方面已取得了一定的研究成果[3]。2008年,《森林生態(tài)系統(tǒng)服務功能評估規(guī)范》(LY/T 1721—2008)(以下簡稱《規(guī)范》)[4]的頒布進一步完善了中國森林生態(tài)系統(tǒng)服務價值的評估體系,為研究結果的橫向比較和縱向整合提供了可能。

隨著我國正式將森林資源納入綠色GDP核算體系,森林資源核算尤其是森林生態(tài)服務價值核算對相關的價值評估工作提出了更高的要求；而與此同時,日益擴大的評估需求使得成本、時間、空間等限制因素對實證研究的約束作用越發(fā)顯著。在此背景下,國內(nèi)學者開始從實證研究逐漸轉向價值轉移研究。價值轉移(也稱效益轉移)是在已有實證研究(研究地)的價值評估結果基礎上,定量評估待研究地(政策地)生態(tài)系統(tǒng)服務價值的一種方法[5],在國外研究中的應用已較為成熟。其中,meta分析運用計量經(jīng)濟學的方法,通過構建價值轉移函數(shù),有效控制了研究地和政策地在自然地理環(huán)境、社會經(jīng)濟環(huán)境、評估流程等方面的差異[6],節(jié)約了評估成本和評估時間[7],同時也保證了評估結果的一致性[8]。

目前,國內(nèi)已有部分學者利用meta分析的方法進行生態(tài)系統(tǒng)服務價值轉移研究,如土地利用類型生態(tài)系統(tǒng)[9]、森林生態(tài)系統(tǒng)[10]、濕地生態(tài)系統(tǒng)[6,11- 14]等,并取得了較好的模擬結果。盡管如此,這些研究在模型構建方面仍存在明顯的問題。一般而言,一篇價值評估的文獻中往往包含若干個價值觀察值,這些觀察值之間并不獨立[15]。而現(xiàn)有研究中的meta回歸模型大多基于傳統(tǒng)的最小二乘法建立,并未考慮同一研究中不同觀察值之間的相關性,從而容易導致有偏估計[16]。針對這一問題,國外研究提出了若干解決方法,包括以觀察值個數(shù)的倒數(shù)為權重的加權最小二乘法[16-18]、面板數(shù)據(jù)回歸模型[19-20]、多層線性回歸模型[19]等。其中,面板數(shù)據(jù)回歸模型和多層線性回歸模型因考慮了數(shù)據(jù)的層次結構和不同研究間的隨機性差異,在價值轉移研究中得到了更為廣泛的應用[20]。

針對以上問題,本文旨在利用meta分析方法,基于改良的模型形式研究中國森林生態(tài)系統(tǒng)服務的價值轉移規(guī)律,并在此基礎上計算中國森林生態(tài)系統(tǒng)2010—2100年的價值變化情況。首先建立中國森林生態(tài)系統(tǒng)的meta分析數(shù)據(jù)庫,通過比較幾類常見模型的回歸結果,選擇面板數(shù)據(jù)回歸模型構建meta回歸方程,并進行影響因素分析和模型誤差評估；在此基礎上,根據(jù)IPCC SRES中的四類情景,計算了中國森林2010—2100年的價值變化情況。相比已有的meta分析價值轉移研究,本文通過使用面板數(shù)據(jù)回歸模型規(guī)避了傳統(tǒng)模型的缺陷,同時對模型自變量進行了修改和補充,從而有效降低了價值轉移誤差。研究結果豐富了中國生態(tài)系統(tǒng)的meta分析價值轉移體系,對于未來的價值轉移研究和價值評估實踐工作具有重要的指導意義。

1 研究方法和數(shù)據(jù)源

1.1 數(shù)據(jù)庫建立

本文的研究區(qū)域為中國(中國港澳臺地區(qū)相關數(shù)據(jù)欠缺,未統(tǒng)計),文獻來源為中國知網(wǎng)(CNKI)。以“森林”和“價值評估”為主題詞檢索1990年至今發(fā)表的所有關于中國森林生態(tài)系統(tǒng)服務價值評估的文獻。文獻篩選過程中,具有以下任一情況的將被排除：

(1)評估對象為某一行政區(qū)域內(nèi)的森林：本文選取原始實證研究時注重森林生態(tài)系統(tǒng)的獨立性、完整性和連續(xù)性,例如自然保護區(qū)、森林公園、林場等；當研究對象為某一行政區(qū)域內(nèi)的森林時,可能存在人為分割邊界之嫌；

(2)評估對象為人工林：本文在選取模型自變量時,主要考慮森林生態(tài)系統(tǒng)所處地理區(qū)位、周邊環(huán)境條件等影響森林生長和分布的自然或人為因素,而人工林主要根據(jù)人為要求或目的進行經(jīng)營建設,可能影響樣本點的代表性；

(3)評估對象非生態(tài)系統(tǒng)服務價值：本文的研究對象為森林生態(tài)系統(tǒng)服務價值,部分文獻重點關注生態(tài)系統(tǒng)提供的經(jīng)濟效益或社會效益,故在此不予考慮；

(4)使用能值分析法進行價值評估：目前大部分價值評估研究工作是基于物質(zhì)量分析進行的,故對使用能值分析法的文獻予以剔除；

(5)使用價值轉移法進行價值評估：由于本文采用價值轉移法進行價值評估,故對使用價值轉移法的文獻予以剔除。

森林生態(tài)系統(tǒng)具有林果產(chǎn)品供給、水源涵養(yǎng)、固碳釋氧、空氣凈化、土壤保持、營養(yǎng)累積、森林防護、生物多樣性保護、森林游憩、科研教育等多種服務類型。在查閱的文獻中,只有極少數(shù)研究評估了森林生態(tài)系統(tǒng)的森林防護價值和科研教育價值,因此本文未將其納入評估范圍。本文參照《規(guī)范》和已有文獻的價值評估流程,建立了meta分析的森林生態(tài)系統(tǒng)服務價值評估體系(圖1)。

圖1 meta分析的森林生態(tài)系統(tǒng)服務價值評估體系Fig.1 The evaluation system of forest ecosystem services of meta-analysis

依據(jù)圖1所示的森林生態(tài)系統(tǒng)服務價值評估體系,從文獻中統(tǒng)一提取題目、作者、研究時間、研究區(qū)域、森林面積、評估方法、生態(tài)系統(tǒng)服務類型、生態(tài)系統(tǒng)服務價值等研究信息,將其錄入Excel表格中。最終,共96篇文獻、552個價值觀察值被納入meta分析數(shù)據(jù)庫。其中67篇為期刊論文,23篇為碩士論文、6篇為博士論文,大多數(shù)文獻的發(fā)表時間集中于2005年后。從研究樣本點的植被區(qū)劃分布可以看出,被評估的森林生態(tài)系統(tǒng)主要分布于亞熱帶常綠闊葉林區(qū)和暖溫帶落葉闊葉林區(qū),高寒植被區(qū)和寒溫帶針葉林區(qū)的研究數(shù)量相對較少(圖2)。

圖2 研究樣本點Fig.2 Sample points of this research

由于文獻中的價值評估通常是基于不同年份進行的,為了使數(shù)據(jù)具有可比性,通過消費者物價指數(shù)(Consumer Price Index,CPI)將不同評估基年的價值調(diào)整到2015年的物價水平；用統(tǒng)一基年后的價值(元/a)除以研究區(qū)的森林面積(hm2),得到不同研究區(qū)森林生態(tài)系統(tǒng)的單位面積價值(元 hm-2a-1),將其作為meta回歸模型的因變量。

分別按照生態(tài)系統(tǒng)服務類型、植被區(qū)劃、評估方法統(tǒng)計相應的價值觀察數(shù)和生態(tài)系統(tǒng)服務價值均值(圖3)。從價值觀察數(shù)來看,固碳釋氧和土壤保持的價值觀察數(shù)量最多,林果產(chǎn)品和營養(yǎng)累積的價值觀察數(shù)量相對較少；大多數(shù)研究采用市場價值法和影子工程法進行價值評估,支付意愿法和旅行費用法的使用頻數(shù)較低。從生態(tài)系統(tǒng)服務價值來看,生物多樣性保護和水源涵養(yǎng)提供的價值最高,營養(yǎng)累積提供的價值最低；亞熱帶常綠闊葉林區(qū)的森林生態(tài)系統(tǒng)服務價值最高,其他地區(qū)未見顯著差異；在不同評估方法中,利用支付意愿法評估的平均價值最高,而利用費用支出法和碳稅法評估時平均價值相對較低。

值得注意的是：(1)不同生態(tài)系統(tǒng)服務類型、植被區(qū)劃、評估方法之間的價值差異并未考慮其他因素的影響,具體的影響因素及影響程度需通過meta回歸模型進行檢驗；(2)不同評估方法之間的價值差異很大程度上源于其評估的生態(tài)系統(tǒng)服務類型,例如機會成本法和支付意愿法主要用于生物多樣性保護的價值評估,從而造成這兩類評估方法的平均價值遠高于其他類型。

1.2 自變量選取

根據(jù)國內(nèi)外已有的生態(tài)系統(tǒng)服務價值轉移研究,并結合圖3中的結果,本文將評估價值的影響因素分為四類：生態(tài)系統(tǒng)服務類型；研究區(qū)特征,包括植被區(qū)劃、森林面積；周邊環(huán)境,包括森林豐度、鐵路長度；社會經(jīng)濟條件,包括人口數(shù)量、人均GDP。盡管大多數(shù)研究將評估方法視為一個重要的解釋變量,但本文與Brander等人[5]的觀點一致：一方面,在評估某一種生態(tài)系統(tǒng)服務的價值時通常使用不止一種方法,違背了回歸分析中對虛擬變量取值的互斥要求；另一方面,某一種生態(tài)系統(tǒng)服務的價值評估方法一般是確定的,尤其是在《規(guī)范》頒布之后,例如利用影子工程法評估涵養(yǎng)水源的價值、利用機會成本法評估生物多樣性保護的價值等,因此評估方法變量與生態(tài)系統(tǒng)服務類型變量之間可能存在多重共線性,影響回歸結果。綜合以上兩點原因,本文不將評估方法納入回歸模型?，F(xiàn)對本文選取的自變量說明如下：

圖3 不同生態(tài)系統(tǒng)服務類型、植被區(qū)劃、評估方法的平均價值及觀察數(shù)量(括號內(nèi)的數(shù)字)Fig.3 Average values and number of observations (in the parentheses) for each ecosystem service type, vegetation zone and evaluation method

(1)生態(tài)系統(tǒng)服務類型：依據(jù)圖1可分為林果產(chǎn)品、水源涵養(yǎng)、固碳釋氧、空氣凈化、森林游憩、生物多樣性保護、土壤保持、營養(yǎng)累積八類。生態(tài)系統(tǒng)服務類型不同,價值評估結果也存在明顯差異。

(2)植被區(qū)劃：依據(jù)中華人民共和國植被圖(1∶100 萬)可分為寒溫帶針葉林區(qū)、溫帶針闊葉混交林區(qū)、暖溫帶落葉闊葉林區(qū)、亞熱帶常綠闊葉林區(qū)、熱帶(季)雨林區(qū)、溫帶草原區(qū)、溫帶荒漠區(qū)、高寒植被區(qū)八類。植被區(qū)劃決定了森林生長的自然環(huán)境條件,影響生態(tài)系統(tǒng)服務的供給。

(3)森林面積：依據(jù)文獻中提供的信息確定。隨著森林面積的增加,生態(tài)系統(tǒng)服務價值可能存在邊際效益遞增或遞減的現(xiàn)象。

(4)森林豐度：以研究區(qū)中心為圓心、50 km為半徑的區(qū)域內(nèi)其他森林的面積。當周邊森林提供的生態(tài)系統(tǒng)服務類型與研究區(qū)相同,即二者可互為替代,此時隨著其他森林面積的增加,研究區(qū)的生態(tài)系統(tǒng)服務價值可能會降低；反之,若二者可互為補充,則研究區(qū)的生態(tài)系統(tǒng)服務價值與其他森林面積之間可能存在正向關系。

(5)鐵路長度：以研究區(qū)中心為圓心、50 km為半徑的區(qū)域內(nèi)的鐵路長度。鐵路的建設造成了景觀的破碎化,例如阻礙種群遷徙、造成種群的地理隔離等,同時增加了外部干擾的可能性。因此,生態(tài)系統(tǒng)服務價值與鐵路長度之間可能存在負向關系。

(6)人口數(shù)量：以研究區(qū)中心為圓心、50 km為半徑的區(qū)域內(nèi)的人口數(shù)量。一方面,人口的增加意味著市場和需求的擴大,從而促進森林生態(tài)系統(tǒng)的開發(fā)與利用；另一方面,人口集聚和資源的不合理利用使得環(huán)境破壞的風險增加,造成生態(tài)系統(tǒng)的衰退。因此,生態(tài)系統(tǒng)服務價值與人口數(shù)量之間并沒有確定的先驗關系。

(7)人均GDP：研究區(qū)所在地級市2015年的人均GDP。人均GDP反映了當?shù)氐慕?jīng)濟狀況和人民生活水平。與人口數(shù)量的影響類似,一方面經(jīng)濟的發(fā)展可以推動森林生態(tài)系統(tǒng)的利用和保護,另一方面也可能導致資源過度開采和生態(tài)環(huán)境退化。因此生態(tài)系統(tǒng)服務價值與人均GDP之間也沒有確定的先驗關系。數(shù)據(jù)來源于各省、自治區(qū)、直轄市的統(tǒng)計年鑒。

(森林豐度、鐵路長度、人口數(shù)量的數(shù)據(jù)來源于北京大學城市與環(huán)境學院地理數(shù)據(jù)平臺(http://geodata.pku.edu.cn)。)

本文對所有連續(xù)變量都進行了自然對數(shù)變換。已有研究表明,生態(tài)系統(tǒng)服務價值觀察值和研究面積等自變量通常呈右偏分布[5],對數(shù)變換能夠有效減小原始數(shù)據(jù)的波動程度和異方差性,降低高異常值的影響[6]。在雙對數(shù)模型中,連續(xù)變量的系數(shù)可視為彈性系數(shù)。對各類變量進行必要地處理后,分別計算其均值、標準差并統(tǒng)計觀察數(shù)量(表1)。

表1 meta分析的變量信息

1.3 模型構建

目前使用最為廣泛的一類meta回歸模型為基于最小二乘法的多元線性回歸：

lnyij=α+βeXt+βcXc+βeXe+βsXs+uij

式中,yij為森林生態(tài)系統(tǒng)服務價值(元hm-2a-1)；α為常數(shù)項；X為自變量矩陣,其中Xt代表生態(tài)系統(tǒng)服務類型,Xc代表研究區(qū)特征(即植被區(qū)劃和森林面積),Xe代表周邊環(huán)境(即森林豐度和鐵路長度),Xs代表社會經(jīng)濟條件(即人口數(shù)量和人均GDP)；β為相應的系數(shù)矩陣；uij為隨機誤差項。

最小二乘法的潛在假設是不同觀察值之間不相關。而在本文建立的Meta分析數(shù)據(jù)庫中,一篇文獻提供的價值觀察數(shù)量最多為8,最少為1,有96%的文獻提供了多個價值觀察值。由于來自同一篇文獻的觀察值并不獨立,不同研究之間也可能存在相關性[21],在模型構建過程中有必要對此加以考慮。部分研究使用以觀察值個數(shù)的倒數(shù)為權重的加權最小二乘法,在一定程度上減小了樣本相關性的影響[16- 18]。

加權最小二乘法對模型的異方差性進行了校正,但并沒有考慮數(shù)據(jù)集的層次結構和不同研究間的隨機性差異。面板數(shù)據(jù)回歸模型明確考慮了不同研究對象之間異質(zhì)性,削弱了變量的共線性影響,提高了模型的有效性,其具體形式如下：

lnyij=α+βeXt+βcXc+βeXe+βsXs+wij

式中,wij為誤差項,可分解為εi和uij兩個部分,前者代表第i個研究的誤差成分,后者代表隨機觀測誤差。由于不同研究提供的價值觀察數(shù)量不完全相同,因此這是一個非平衡面板。面板數(shù)據(jù)回歸模型包括混合最小二乘法模型、固定效應模型和隨機效應模型,本文采用Breusch-Pagan拉格朗日乘數(shù)檢驗(LM檢驗)判斷個體隨機效應是否存在,并采用豪斯曼檢驗判斷固定效應模型與隨機效應模型的優(yōu)劣。

1.4 模型誤差評估

轉移誤差用于檢驗模型預測值與價值觀察值之間的一致性[6,10],相當于平均絕對百分比誤差(Mean Absolute Percentage Error, MAPE),其定義為：

式中,TE為轉移誤差(Transfer Error),valueest為模型預測值,valueobs為價值觀察值。通常而言,轉移誤差越小,說明價值轉移模型的有效性越高[6]。

本文采取留一法交叉驗證(Leave-One-Out Cross Validation),即依次選擇每一個觀察值作為測試集、其余觀察值作為訓練集,分別計算測試集中相應觀察值的轉移誤差。相對于普通的k折交叉驗證(k-fold cross validation,k>1),留一法的計算雖然最為繁瑣,但樣本利用率最高,不僅能夠更為準確地評估模型整體誤差,而且便于分析誤差隨觀察值的變化特征。

2 Meta分析結果

2.1 Meta回歸模型結果

為了選擇適合本數(shù)據(jù)集的模型,本文分別計算了三種模型的回歸結果。對于面板數(shù)據(jù)回歸模型,LM檢驗的結果表明,不同研究之間存在隨機效應(P=0.0839),因此混合模型不適用；豪斯曼檢驗的結果表明,可以接受隨機效應與解釋變量無關的原假設(P=0.5859),在這種情況下優(yōu)先選擇隨機效應模型。模型構建過程中,均剔除了標準化殘差大于1.5的觀察值。回歸結果如表2所示。對比不同回歸方法的結果可知,面板數(shù)據(jù)回歸模型的總體擬合效果最優(yōu),因此本文采用面板數(shù)據(jù)回歸方法中的隨機效應模型構建meta回歸方程。

表2 meta回歸模型結果

生態(tài)系統(tǒng)服務類型、植被區(qū)劃、森林面積、森林豐度、鐵路長度、人口數(shù)量和人均GDP總共可以解釋約48%的價值變化。在回歸結果中,虛擬變量(生態(tài)系統(tǒng)服務類型、植被區(qū)劃)的回歸系數(shù)反映了特定變量相對于對照組的偏離方向及偏離程度；連續(xù)變量(森林面積、森林豐度等)的回歸系數(shù)則代表彈性系數(shù),即因變量與自變量的變化率之比?；貧w結果的具體分析如下：

(1)生態(tài)系統(tǒng)服務類型：生物多樣性保護、林果產(chǎn)品、水源涵養(yǎng)、土壤保持、固碳釋氧、森林游憩、空氣凈化的回歸系數(shù)都顯著大于0(P<0.01),說明在其他條件保持不變的情況下,以上七種生態(tài)系統(tǒng)服務類型的價值均與對照組(營養(yǎng)累積)有顯著差異,因此營養(yǎng)累積的價值最低。對比回歸系數(shù)可以看出,生物多樣性保護、水源涵養(yǎng)的生態(tài)系統(tǒng)服務價值明顯高于其他類型,森林游憩的生態(tài)系統(tǒng)服務價值較低。

(2)植被區(qū)劃：除寒溫帶針葉林區(qū)外,其余六個植被分區(qū)的回歸系數(shù)都顯著小于0,說明在其他條件保持不變的情況下,這些植被分區(qū)的森林生態(tài)系統(tǒng)服務價值均與對照組(亞熱帶常綠闊葉林區(qū))有顯著差異,因此亞熱帶常綠闊葉林區(qū)的單位面積價值最高。寒溫帶針葉林區(qū)的回歸系數(shù)為正但不顯著,可能原因在于其研究樣本數(shù)過小(僅有6個價值觀察值)。對比各回歸系數(shù)可知,溫帶荒漠區(qū)和高寒植被區(qū)的單位面積價值明顯低于其他類型。

(3)森林面積：森林面積的回歸系數(shù)顯著小于0(P<0.01),說明森林生態(tài)系統(tǒng)服務價值隨面積增加存在邊際效應遞減的現(xiàn)象。在其他條件不變的情況下,森林面積增加,總價值也增加,但單位面積價值減小。森林面積每增加10%,單位面積價值減少1.7%。

(4)森林豐度：森林豐度的回歸系數(shù)顯著小于0(P<0.05),說明在其他條件不變的情況下,周邊其他森林面積的增加會造成研究區(qū)單位面積價值的降低,這可能與生態(tài)系統(tǒng)服務供給的替代效應有關。50 km范圍內(nèi)其他森林的面積每增加10%,研究區(qū)的單位面積價值減少0.6%。

(5)鐵路長度：鐵路長度的回歸系數(shù)顯著小于0(P<0.1),說明在其他條件不變的情況下,鐵路修建對研究區(qū)單位面積的生態(tài)系統(tǒng)服務價值存在顯著的負面效應。50 km范圍內(nèi)的鐵路長度每增加10%,單位面積價值將減少0.6%。

(6)人口數(shù)量：人口數(shù)量的回歸系數(shù)為負,但與0沒有顯著差異。人口數(shù)量的持續(xù)增加可能造成生態(tài)系統(tǒng)功能的退化,使得森林單位面積的價值降低。

(7)人均GDP：人均GDP的回歸系數(shù)顯著小于0(P<0.05),說明在其他條件不變的情況下,研究區(qū)所在地級市的人均GDP越高,森林單位面積價值越低,經(jīng)濟的發(fā)展可能造成生態(tài)系統(tǒng)功能的衰退。人均GDP每增加10%,單位面積價值減少2.7%。

2.2 模型誤差評估

首先計算樣本內(nèi)誤差。根據(jù)公式計算得到,樣本內(nèi)誤差的范圍為0—38.6%,平均誤差為9.92%。其中,11%的觀察值的轉移誤差大于20%,59%的觀察值的轉移誤差小于10%。

然后利用留一法交叉驗證對樣本外誤差進行評估,得到誤差范圍為0.015%—59.08%,平均誤差為11.57%,均大于樣本內(nèi)誤差。這種情況與預期相符[22]。其中,55%的觀察值的轉移誤差小于10%,僅有2%的觀察值的轉移誤差大于40%。國外研究表明,價值轉移的平均誤差在20%—40%之間是可以接受的[23- 24]。對于本文而言,樣本外轉移誤差的平均值為11.57%,說明通過面板數(shù)據(jù)回歸方法構建的meta分析價值轉移方程的整體模擬精度較高[10]。

將價值觀察值按升序排列,得到模型預測值和轉移誤差的變化情況如圖4所示。上圖反映了模型預測值相對價值觀察值的變化情況,可以看出當價值觀察值較小時,模型預測值偏高,且偏離程度較大；而價值觀察值較大時,模型預測值偏低,偏離程度和數(shù)據(jù)波動幅度逐漸降低。從下圖可以看出,隨著價值觀察值的增大,轉移誤差呈現(xiàn)下降趨勢。

圖4 價值觀察值、預測值和轉移誤差(價值觀察值按升序排列)Fig.4 Observed value, predicted value and transfer error (ranked in ascending order of observed value)

將樣本外轉移誤差分別對生態(tài)系統(tǒng)服務類型和植被區(qū)劃進行回歸(常數(shù)項為0)(表3、表4)。對于不同的生態(tài)系統(tǒng)服務類型,水源涵養(yǎng)的轉移誤差最小,森林游憩、營養(yǎng)累積的轉移誤差較大；在各植被區(qū)劃中,亞熱帶常綠闊葉林區(qū)的轉移誤差最小,寒溫帶針葉林區(qū)和溫帶荒漠區(qū)的轉移誤差最大。對照meta回歸模型的結果可知,生態(tài)系統(tǒng)服務價值高的類型轉移誤差較小,而生態(tài)系統(tǒng)服務價值低的類型轉移誤差較大,這也進一步證實了轉移誤差與價值觀察值之間的關系。

表3 轉移誤差對生態(tài)系統(tǒng)服務類型的回歸結果

表4 轉移誤差對植被區(qū)劃的回歸結果

3 中國森林2010—2100年價值變化評估

本文采用黎夏等[25]構建的2010—2100年全球1 km土地覆被變化數(shù)據(jù)集。此套數(shù)據(jù)集基于IMAGE模型和細胞自動機模型建立,并根據(jù)IPCC SRES中的四類情景——A1B、A2、B1、B2[25]對2010—2100年間不同土地利用類型的演化過程進行模擬,其中基線情景為2010年。A1B屬于A1情景中各類能源均衡發(fā)展的子情景。

本文從中提取了中國森林數(shù)據(jù)集,利用meta回歸模型計算不同情景下生態(tài)系統(tǒng)服務價值的變化情況,結果如表5所示。2010年,全國森林面積為1.66億公頃,生態(tài)系統(tǒng)服務總價值為26.26萬億元。對于四類情景,森林面積和生態(tài)系統(tǒng)服務總價值隨時間的變化呈現(xiàn)相同的趨勢。在情景A1B和B1下,森林面積和生態(tài)系統(tǒng)服務總價值持續(xù)增加,至2100年,總價值分別達到41.06萬億元和41.58萬億元。在情景A2下,森林面積和生態(tài)系統(tǒng)服務總價值則持續(xù)下降,2010—2050年總價值平均每年減少67.85億元,而2050—2100年平均每年減少75.51億元。而在情景B2下,森林面積和生態(tài)系統(tǒng)服務總價值先上升后下降,2100年的森林總價值僅為22.97萬億元?？偟膩碚f,對于中國森林生態(tài)系統(tǒng)而言,B1情景為最優(yōu)發(fā)展路徑,而B2情景下生態(tài)系統(tǒng)服務總價值的損失最大。

表5 不同情景下中國森林面積和生態(tài)系統(tǒng)服務價值變化情況(2010—2100年)

4 結論與討論

4.1 討論

根據(jù)meta回歸模型的結果,各生態(tài)系統(tǒng)服務類型的價值大小為涵養(yǎng)水源>生物多樣性保護>固碳釋氧>土壤保持>空氣凈化>林果產(chǎn)品>森林游憩>營養(yǎng)累積,與王兵等[2]對中國森林生態(tài)系統(tǒng)的價值評估結果一致(沒有考慮林果產(chǎn)品和森林游憩)。對于各植被區(qū)劃,森林單位面積價值大小為亞熱帶常綠闊葉林區(qū)>暖溫帶落葉闊葉林區(qū)>熱帶季雨林、雨林區(qū)>溫帶針闊葉混交林區(qū)>溫帶草原區(qū)>高寒植被區(qū)>溫帶荒漠區(qū)(未考慮寒溫帶針葉林區(qū))。對照余新曉等[26]的研究結果,本文中除熱帶季雨林、雨林區(qū)的價值偏小,其他區(qū)域的森林單位面積價值大致符合“南高北低、東高西低”的特征。造成這一差異的原因可能在于前者僅計算了水源涵養(yǎng)、固碳釋氧、營養(yǎng)累積、空氣凈化和土壤保持五類服務的價值,而本文同時還考慮了生物多樣性保護、林果產(chǎn)品和森林游憩提供的生態(tài)系統(tǒng)服務價值。因此綜合而言,本文選取的樣本點具有較好的代表性,meta回歸結果與中國森林生態(tài)系統(tǒng)的整體情況大體相符。

森林生態(tài)系統(tǒng)服務供給的替代效應會影響森林的價值,附近其他森林的面積越大,研究區(qū)森林的單位面積價值越小。此結論與漆信賢等[10]的研究結果相反,可能原因在于其采用虛擬變量表示周邊區(qū)域其他森林的存在性(若存在為1,否則為0),而沒有考慮森林面積的變化對價值評估的影響。此外,對于不同的生態(tài)系統(tǒng),同類集聚所產(chǎn)生的效應方向及大小也存在差異。例如Brander等[5]的研究結果表明紅樹林的互補效應使得同類生態(tài)系統(tǒng)的集聚有利于提高單位面積價值,彈性系數(shù)為0.248；Brander等[27]和張玲等[6]則發(fā)現(xiàn)淡水濕地和湖沼濕地的集聚均呈現(xiàn)替代效應,彈性系數(shù)分別為-0.3和-0.2。

道路修建加速了森林景觀的破碎化,對生態(tài)系統(tǒng)服務價值存在顯著的負面影響,這與Brander等[5]的結論一致。近年來,隨著森林旅游行業(yè)的蓬勃發(fā)展,各類交通基礎設施的修建一方面為當?shù)卣土謽I(yè)管理部門帶來了巨大的經(jīng)濟效益,另一方面也造成了生態(tài)環(huán)境的退化和生態(tài)系統(tǒng)服務價值的損失。對于生物多樣性保護而言,這種影響尤為顯著,主要表現(xiàn)為棲息地破碎化阻礙物種的散布和遷移[28]、森林斑塊面積縮小制約物種分布[29-30]、動植物資源的過度開發(fā)利用等[31]。因此,在道路修建過程中應盡可能地降低景觀破碎化的影響,平衡生態(tài)保護與發(fā)展需求,維持生態(tài)系統(tǒng)的完整性。

通過將價值觀察值按升序排列,注意到隨著觀察值的增大,模型預測值由高估逐漸過渡為低估,轉移誤差趨向減小。這一結果與Chaikumbung等[16](濕地生態(tài)系統(tǒng))、Salem等[18](紅樹林生態(tài)系統(tǒng))和Brander等[22](濕地生態(tài)系統(tǒng))的研究結果一致。目前對于這一現(xiàn)象尚沒有合理的解釋,但可作為價值轉移過程中的參考。例如,根據(jù)轉移誤差對生態(tài)系統(tǒng)服務類型和植被區(qū)劃的回歸結果可知,當利用meta回歸模型評估亞熱帶常綠闊葉林區(qū)的森林價值或水源涵養(yǎng)的價值時,轉移誤差較小,估算結果較為準確；而當評估溫帶荒漠區(qū)的森林價值或營養(yǎng)累積、森林游憩的價值時,轉移誤差較大,對待估算結果應多加謹慎。

4.2 結論

本文通過文獻檢索與篩選、評估體系建立、研究信息提取、基年校準等步驟,建立了中國森林生態(tài)系統(tǒng)的meta分析價值轉移數(shù)據(jù)庫；在此基礎上,通過比較不同回歸方法的結果,選擇面板數(shù)據(jù)回歸方法建立了meta分析價值轉移模型,對森林價值的影響因素和模型有效性進行評估,并對中國森林生態(tài)系統(tǒng)的價值變化進行實證分析。主要結論如下：

(1)面板數(shù)據(jù)回歸模型能夠有效揭示中國森林生態(tài)系統(tǒng)服務的價值轉移規(guī)律。根據(jù)meta回歸結果,本文選取的自變量可以解釋約48%的價值變化,其中生態(tài)系統(tǒng)服務類型、植被區(qū)劃、森林面積、森林豐度、人均GDP和鐵路長度均對森林生態(tài)系統(tǒng)服務價值存在顯著影響。

(2)利用留一法交叉驗證得到價值轉移誤差的范圍為0.015%—59.08%,平均誤差為11.57%,模型的整體有效性較高。但對于不同的價值觀察值,轉移誤差存在較大差異。若森林生態(tài)系統(tǒng)服務價值較低,則模型預測值偏大,且轉移誤差較大；反之,則模型預測值偏小,轉移誤差也較小。

(3)中國森林生態(tài)系統(tǒng)2010—2100年的價值轉移研究表明,森林面積和總價值的變化趨勢一致,但不同情景下的具體情況有所差異。其中情景B1下總價值的增長最為顯著,而情景B2下的價值損失量最大。

meta分析是對已有的研究結果進行定量綜合和變異來源分析[32]的一種方法,因此基于meta分析的價值轉移方法的有效性很大程度上取決于已有實證研究的數(shù)量和質(zhì)量[6,33]。中國的森林生態(tài)系統(tǒng)服務價值評估相對于國外研究而言起步較晚[10],2005年后相關文獻的發(fā)表數(shù)量迅速增加,但寒溫帶針葉林區(qū)和高寒植被區(qū)的研究數(shù)量仍相對較少。此外,在《規(guī)范》頒布前,中國森林生態(tài)系統(tǒng)服務價值評估的指標體系、評估公式等尚未統(tǒng)一,導致評估結果不具有可比性[2],或在篩選過程中因信息不足而被剔除[33]。為了促進meta分析在中國生態(tài)系統(tǒng)服務價值評估中的應用,未來除了進一步提高實證研究的數(shù)量和質(zhì)量,還應推動meta分析數(shù)據(jù)共享平臺的建立,為生態(tài)系統(tǒng)價值轉移研究和價值評估提供數(shù)據(jù)支撐。