劉 卓，林 琿，田 雅，王玉琳

（a. 江西師范大學(xué)地理與環(huán)境學(xué)院；b. 鄱陽湖濕地與流域研究教育部重點實驗室，南昌 330022）

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

中國人均森林蓄積匱乏，對林產(chǎn)品的需求卻長期保持旺盛，是世界上最大的木材進口國與消費國之一。盡管如此，中國在治理國際非法采伐與貿(mào)易行為方面一直秉持大國擔當（程寶棟，2008；陳積敏，2020），嚴厲打擊境內(nèi)非法采伐與貿(mào)易行為；同時，中國政府與企業(yè)對境外進口木材的合法性執(zhí)行嚴格的準入制度（李桂梅，2009；Wellesley,2014）。盡管目前沒有全國尺度的官方非法采伐統(tǒng)計報告，但本研究中從判決書提取的因非法采伐所損失的活立木蓄積量共計280萬m3，年均非法采伐活立木蓄積量約占年合法采伐限額的1.5‰（國家林業(yè)與草原局，2016）。

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

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

1 研究基礎(chǔ)

1.1 研究數(shù)據(jù)及說明

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

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

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

1.2 研究方法

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

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

標準化統(tǒng)計量Z(I)用于檢驗空間自相關(guān)的顯著水平，計算公式為：

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

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

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

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

式中：yi是第i個空間單元的因變量；xik是第k個自變量的值；（ui，vi）是第i個樣本空間單元的地理中心坐標；β0（ui，vi）為常數(shù)估計值；βk（ui，vi）是連續(xù)函數(shù)βk（u，v）在i樣本點上的第k個回歸參數(shù)；εi是第i個樣點的隨機誤差。

2 非法采伐的空間分布特征

2.1 非法采伐的總體空間分布格局

發(fā)案數(shù)量代表區(qū)域非法采伐在空間上的發(fā)生頻次，是犯罪地理時空分布研究的核心，也是認識犯罪現(xiàn)象、探尋犯罪誘因的基礎(chǔ)（姜超等，2021）。被伐活立木蓄積量指某地域在研究時段內(nèi)因非法采伐造成的森林損失量。運用SPSS 軟件對被伐活立木蓄積量與發(fā)案數(shù)量進行雙變量相關(guān)性分析，結(jié)果顯示，當p值＜0.01 時，兩者的皮爾遜相關(guān)系數(shù)為0.903，呈強正相關(guān)關(guān)系。在空間上，90%的地市被伐活立木蓄積量與發(fā)案數(shù)量呈顯著正相關(guān)，但也有10%左右的地市兩者呈負相關(guān)關(guān)系；通過兩者的相互參照與補充，可更全面地探析中國非法采伐的空間發(fā)生態(tài)勢。因此，采用ArcGIS10.7自然斷裂點分級方法對2014—2020年中國非法采伐的發(fā)案數(shù)量進行空間可視化（圖1-a），并將發(fā)案數(shù)量自然斷裂點分級的中斷值乘以研究數(shù)據(jù)集中每案平均被伐活立木蓄積量54.4 m3，最終得到被伐活立木蓄積量手動分類的中斷值（圖1-b），以更直觀地凸顯兩者在空間分布上的對照關(guān)系。

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

2.1.1 發(fā)案數(shù)量的空間分布格局 2014—2020年，全國各地市非法采伐平均發(fā)案數(shù)量約為154件，超過80%地市的發(fā)案數(shù)量＜200件，約60%地市的發(fā)案量＜100 件。發(fā)案數(shù)量高值區(qū)主要集中于西南的云貴高原邊緣地區(qū)，發(fā)案數(shù)量均＞800 件（見圖1-a）。其中，廣西壯族自治區(qū)西北部的柳州市、河池市、百色市及貴州省的黔東南州，發(fā)案數(shù)量均＞1 100件，最高值1 780件分布在黔東南州；其他地區(qū)如廣西壯族自治區(qū)南寧市、云南省普洱市與吉林省延邊州的發(fā)案數(shù)量也達到980件左右；延邊州是北方地區(qū)唯一的高值地市。次高值地市中，除河南省南部信陽、南陽、駐馬店3 市（大別山沿線地市），其余均零散分布于長江以南地區(qū)，包含2個相對集中的區(qū)域，即云南邊境3州（西雙版納州、紅河州和文山州）與渝鄂黔湘交界區(qū)域（重慶市、恩施州、遵義市和懷化市）；東南地區(qū)僅有江西省贛州市、福建省南平市以及海南省直轄縣區(qū)為次高值區(qū)域。南方地區(qū)中，平原與沿海經(jīng)濟較發(fā)達的地市非法采伐發(fā)案數(shù)量較低，包括珠三角、長三角、長江中下游平原的大部分地市。華北地區(qū)與西北地區(qū)的發(fā)案數(shù)量也較低，主要為次低值區(qū)或低值區(qū)。

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

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

2.2 非法采伐的空間集聚效應(yīng)和空間集聚模式

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

在相同地理分區(qū)，呈高-低集聚或低-高集聚等異質(zhì)性特征的地市較少且呈零星分布，大部分相鄰地市的非法采伐空間集聚特征較為穩(wěn)定。而由于不同地理分區(qū)的森林稟賦、社會文化、經(jīng)濟水平、人口數(shù)量、政策體制等因素存在差異，不同區(qū)域間呈各異的空間集聚特征。在西南地區(qū)，氣候溫潤多雨，地勢以山地為主，農(nóng)業(yè)發(fā)展以林業(yè)與畜牧業(yè)為主，森林資源稟賦較強。該地區(qū)交通條件較差，整體經(jīng)濟發(fā)展水平落后，農(nóng)民可支配收入較低。西南地區(qū)具有悠久的“靠林吃林”傳統(tǒng)，林產(chǎn)品生產(chǎn)與加工是許多農(nóng)民的主要收入來源，同時也是修葺房屋與自用薪材的重要原料。該地區(qū)的林場多為個人或集體承包經(jīng)營，個人采伐案件發(fā)生頻次高，每案被伐活立木蓄積量低，林業(yè)管理與執(zhí)法難度相較國有林場更大。該地區(qū)大部分地市發(fā)案數(shù)量與被伐活立木蓄積量居高不下，總體呈高-高集聚態(tài)勢，這是該地區(qū)經(jīng)濟發(fā)展水平與林業(yè)發(fā)展體制多重作用下形成的結(jié)果。在東南地區(qū)，被伐活立木蓄積量在武夷山脈南嶺沿線地區(qū)形成高-高集聚的態(tài)勢，而該地區(qū)的發(fā)案數(shù)量并不顯著，但每案平均被伐蓄積量高。與西南地區(qū)相比，東南地區(qū)的森林資源稟賦相當，經(jīng)濟發(fā)展水平相對較好，交通條件優(yōu)越，距離林產(chǎn)品主要消費市場如長三角、珠三角距離較近；以家庭生計為目的的個人砍伐行為較少，砍伐林木用途以大規(guī)模的林產(chǎn)品加工銷售為主，因此東南地區(qū)非法采伐每案被伐活立木蓄積量較大，形成高－高集聚的空間態(tài)勢（見圖2-b）。華北和西北地區(qū)的非法采伐呈低-低集聚的態(tài)勢（見圖2），部分地區(qū)的發(fā)案數(shù)量零星集聚，但被伐活立木蓄積量較低。這類地區(qū)的森林資源稟賦相對較差，林業(yè)生產(chǎn)與加工能力較低，難以發(fā)生多地市的非法采伐集聚現(xiàn)象。

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

在東北地區(qū)與長江流域沿線地區(qū)，非法采伐發(fā)案數(shù)量與被伐活立木蓄積量在空間上均沒有明顯的集聚態(tài)勢（見圖2）。東北地區(qū)多為國企經(jīng)營林場，森林巡視與保護機制較為健全，同時城市化水平較高，地形起伏較大，山地平原交替分布，河網(wǎng)密集。在管理體制與自然社會環(huán)境的共同影響下，此區(qū)域相鄰地市的非法采伐強度不一，難以形成集聚現(xiàn)象。而長江流域沿線地區(qū)跨越中國三級階梯，受到地形、河流、人口、資源等影響，相鄰地市間自然社會環(huán)境與經(jīng)濟發(fā)展水平差異較大，因此也難以形成穩(wěn)定的非法采伐集聚態(tài)勢。

3 非法采伐空間分布的驅(qū)動因子分析

3.1 變量選取與OLS模型構(gòu)建

以各地市被伐活立木蓄積量為因變量，因大部分統(tǒng)計年鑒的農(nóng)業(yè)農(nóng)村、森林、林業(yè)數(shù)據(jù)較少，考慮到數(shù)據(jù)的真實準確、可獲取性與相關(guān)性，從自然、經(jīng)濟與社會3 個維度共計7 個指標構(gòu)建自變量體系（表1）。運用SPSS 進行共線性檢驗，結(jié)果表明，各自變量間不存在共線性（VIF＜7.5）。在進行GWR 回歸分析前，基于上述指標構(gòu)建OLS 回歸模型，具體指標與參數(shù)見表1。除了社會因子外，其他影響因子均通過顯著性檢驗。進一步對OLS結(jié)果中的殘差進行空間自相關(guān)分析，結(jié)果表明，全局Moran'sI指數(shù)為0.22，Z統(tǒng)計量為10.69，即殘差存在一定的空間自相關(guān)，因此適宜采用GWR 模型做回歸分析。

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

3.2 GWR模型構(gòu)建

在OLS 模型的基礎(chǔ)上，使用ArcGIS10.7 地理加權(quán)回歸工具建立GWR 回歸分析模型，帶寬選擇自適應(yīng)核函數(shù)的AICc方法。對比2個模型（表2），GWR 模型的回歸結(jié)果明顯優(yōu)于OLS 模型，模型的擬合優(yōu)度R2值與調(diào)整后的R2值分別高出0.198 與0.167，同時AICc值減少94.4（相差3以上，說明模型構(gòu)建有較大差異）。進一步使用空間自相關(guān)對殘差進行檢驗，結(jié)果表明，全局Moran'sI指數(shù)為0.01，z統(tǒng)計量為1.1，即殘差不具有空間自相關(guān)性，呈隨機分布態(tài)勢，說明該模型的精度較好。每一個空間單元在GWR 回歸模型中都會生成一個特定的回歸系數(shù)，通過計算獲得最大值、最小值、平均值、上四分位值、下四分位值、中位值（見表2）。結(jié)果表明，自然與社會因子在空間上對非法采伐的影響比較穩(wěn)定，回歸系數(shù)波動較小；相反，經(jīng)濟因子在空間上波動較大。森林覆蓋率與林業(yè)產(chǎn)值對非法采伐空間的影響呈完全正相關(guān)的關(guān)系，其他自變量與非法采伐的關(guān)系以負向相關(guān)為主。為進一步探究GWR 模型各自變量回歸系數(shù)在空間上的分布模式，利用ArcGIS10.7 對回歸系數(shù)進行地圖可視化。

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

3.3 GWR結(jié)果分析

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

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

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

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

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

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

4 結(jié)論與建議

4.1 結(jié)論

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

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

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

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

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

4.2 建議

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

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

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

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