李 坦,陈天宇,米 锋,马龙波

基于变权理论和DPSIRM的中国森林生态安全评价

李 坦1*,陈天宇1,米 锋2,马龙波3

(1.安徽农业大学经济管理学院,安徽 合肥 230036；2.北京林业大学经济管理学院,北京 100083；3.青岛农业大学经济学院,山东 青岛 266109)

为克服常权权重不能精准刻画生态和经济复杂交互关系的缺陷,结合变权理论和DPSIRM因果框架,构建了包含6个子系统、23个具体指标的中国森林生态安全评价体系. 基于2006～2018年的中国统计年鉴数据、林业统计年鉴数据及相关数据资料,运用K-means聚类法和变权理论对中国大陆31个省(市、自治区)(不包含台湾、香港、澳门)的森林生态安全状况进行评价. 结果表明:(1)在研究时期内,基于DPSIRM因果框架的中国森林生态安全总指数呈现“W”型总体上升的小幅波动趋势;(2)经过变权处理后,状态子系统平均权重最大达到0.0781,管理和响应子系统次之,分别达到0.0728和0.0640,管理子系统平均得分呈“N”型变化趋势,与其他子系统相互作用显著,对森林生态安全具有全局性影响. (3)研究期内,大部分省(市、自治区) 森林生态安全综合评估值呈现平稳上升或先降后升趋势,仅有辽宁、西藏等地区波动下降. 区域森林生态安全状况差异明显,西南地区平均得分最高达0.3414,西北、华东、华中地区平均得分远低于各地区平均水平0.2794. (4)中国的森林生态安全状况整体呈改善趋势,但各省(市、自治区)之间森林生态安全状况呈现严重分化现象,传统林业优势地区森林生态安全状况较好,而经济高速发展地区的森林生态风险较大. 建议在未来的森林生态安全管理中需重点关注生态脆弱区和经济发达地区,在加强现有森林资源保护的基础上,继续大力实施和推进林业生态恢复工程建设.

森林生态安全；变权；DPSIRM模型；K-means聚类

森林生态系统是陆地最大的生态系统,不仅是生态环境的重要安全屏障,也是实现资源永续利用、人们健康生活和可持续发展的重要基础.目前,森林生态安全已成为关系到国土安全的经济问题和社会问题.对森林生态安全状况的定量估计与评价预测已日益成为自然资源可持续发展决策领域的重要参考依据,合理评价森林生态的安全状况对人类生存发展至关重要[1-2].近年来,在高度重视构建全域生态文明的政策背景下,探索合理评价区域森林生态安全的新方法和新方式尤显重要.

目前学界对森林生态安全的系统性共识为:对森林生态安全的合理评价、优化与管理不是一个独立系统,而是一个包含如经济、环境等诸多子系统在内的,交互耦合与协同的复杂系统. 在这一复杂系统中,由于自然界及社会经济发展过程本身存在着诸多不确定因素,因此会给森林生态安全优化评价带来一定困难和挑战. 基于此,现有研究主要从以下4个视角展开:一是探索不同的森林生态安全评价指标体系概念模型,如传统的压力-状态-响应(PSR)模型[3]、压力-状态(PS)模型[4]、压力-状态-影响-响应(PSIR)模型[5]、驱动力-压力-状态-影响-响应(DPSIR)模型[6]、资源-气候-压力-响应模型[7]、压力-承压模型[8]等;二是寻求确定指标权重的新方法,包括定量计算分析与综合评价模型等,以变异系数法[7]、层次分析法[4]、序关系分析(G1)法[9]、熵权法[10]、主成分分析法[8]、组合权重法[11]等常权方法为代表;三是对不同空间尺度的森林生态安全进行考察,如基于省域[12]、市域[13]、县域[9]层面的研究备受关注,全国层面[14]的研究相对较少;四是对不同时间尺度的森林生态安全进行评价,多为以时间点即某一年[15]、短暂连续周期[16]为研究时期.由于数据口径较难统一,10a以上作为研究周期的研究相对不足.

回顾已有研究[3-16]发现:尽管森林生态安全评价在学界已经有了丰富的积淀,但从动态角度对森林生态安全进行指数化评价研究仍存在拓展空间: (1)驱动力-压力-状态-影响-响应-管理(DPSIRM)模型作为经典的因果网络模型,已广泛用于各类国土资源安全评价,如流域水资源[17-18],但森林生态安全评价未见报道;(2)对指标体系的权重通常使用常权系数[4,7-10],过度依赖专家经验,主观色彩强烈.同时,忽略了时间效应和不确定性的影响.在随状态值变化而变化的权重设置的均衡发展综合评价方面,现有研究涉及较少;(3)研究范围多局限于区域[9,12-13],缺少对全国范围森林生态安全状况的全面系统研究,研究周期相对较短[15-16].

鉴于此,本文基于DPSIRM因果分析框架,构建中国森林生态安全综合评价体系,运用变权理论与方法对比分析中国及各区域的动态变化差异.本文有利于补充和丰富森林生态安全评价的理论,对推动森林生态理论体系的发展与指导现实中的相关生态系统管理实践提供一种新的思路.

1 研究框架、分析方法及数据来源

1.1 森林生态安全的DPSIRM框架及指标体系

森林生态系统是一个包含多种自然环境因素和社会经济因素的复杂系统.随着人类活动对森林生态系统有害干扰的加剧,传统的动力学模型如DPSIR模型等无法完整体现人类社会因素的作用,也无法实现森林生态安全概念中对人类社会高度关注的概念内核.为了实现森林生态系统安全这一目标,尽可能全面反映各类因素对森林生态安全的相互作用及贡献,本研究引入了因果网络模型中的DPSIRM模型来构建指标体系. 该模型是在原有的DPSIR模型基础上,引入了管理(Management)子系统模块——代表人类因环境状态改变主动采取应对措施,所投入的成本.根据此模型框架,建立了基于DPSIRM的森林生态安全因果关系网络,该模型可以反映对森林生态安全产生影响的各类因子,体现各因子之间的牵制作用,有助于分析中国森林生态安全的影响机制.

根据DPSIRM因果模型框架,参考相关研究成果[5,10,14,18-25],结合森林生态系统各类影响因子的系统性要求,考虑到指标的可操作性,研究建立了包含3个结构层次,23个具体指标的评价指标体系(表1).

驱动力指标():设立5个指标,反映森林生态安全发展的驱动力.借鉴已有研究[14],设置反映自然区位条件驱动的3个正向指标,年降水量(1)、年平均气温(2)和年日照时数(3);还包括反映地区经济发展驱动的2个指标,包括1个正向指标,人均GDP(4)——能衡量地区经济发展水平,经济发展水平影响着民众对森林生态的保护意识,以及政府对森林生态建设的财政支持力度[19];1个逆向指标,第二产业占GDP比重(5)——能反映地区工业产业的发展规模,产值越高资源开采和环境破坏强度越大[20].

压力指标():借鉴已有研究[20-22],通过4个逆向指标表示森林生态安全承受的压力.包括废水排放强度(1)——污水不仅会直接危害森林安全,还会通过改变土壤特性间接危害森林安全[21];二氧化硫排放强度(2)——指一定时期内,地区工业企业在生产过程中排放废气的总体强度,强度越大,对森林生态体系危害就越大[22];建设开发强度(3)——指建设用地面积占国土面积比重,能够反映土地开发利用度,该指标值越大,人类活动对自然环境产生的压力越大[20];森林旅游开发强度(4)——开发森林旅游是人类占用森林资源的主要表现形式,该指标反映了人类占用森林资源的压力及强度[20].

状态指标():借鉴已有研究[5,14,22-23],设立4个正向指标,反映地区森林生态在当前阶段的承载力状况.包含森林覆盖率(1)[14]——指森林面积占行政区面积的百分比,可以反映森林资源覆盖程度和实际占有率;林分每公顷林木蓄积量(2)——指单位林地面积上林木材积比率,是反映森林资源健康状况的重要指标[23];天然林比重(3)——反映林分结构,天然林生态稳定性强,生态功能完备,其比重越高森林生态越好[22];人均森林面积(4)——是指区域内按人口平均每个人所占有的森林面积量,反映了各地区森林资源的丰富程度[5].

影响指标():借鉴已有研究[10,14,18],设立 4个逆向指标,反映森林生态变化产生的影响.包括自然灾害直接经济损失占GDP比重(1)——反映森林生态对气候环境的影响,指标值越小,表明森林生态越好,气候调节作用显著[18];土地沙化面积比重(2)——反映森林生态对地质形态的影响,指标值越小说明森林生态越好,水土保持作用显著[10];森林病虫鼠害发生率(3)和森林火灾受灾率(4)——反映森林生态对自身生态结构稳定性的影响,病虫鼠害和火灾是森林主要自生灾害,是导致林业损失的重要因素,指标值越小说明森林生态越好,生态结构稳定性越强[14].

响应指标():借鉴已有研究[5,10,24],设立3个正向指标,反映人类社会在森林生态系统受到威胁或破坏后被动采取的补救性措施. 包括新增水土流失治理面积比重(1)——指地区在水土流失地域,通过植树造林等各种人工治理措施,所成功治理的土地面积占国土面积的比重,指标越高反映森林生态治理情况越好[24];自然保护区面积比重(2)——指地区为了保护脆弱自然生态系统和濒危动植物所划定的自然保护区面积占国土面积的比重,反映了政府对生态系统保护建设的重视程度和保护力度[10];造林总面积比重(3)——指地区在宜林荒山荒地或退耕地上,人工营造的森林面积占地区国土面积的比重,反映了人工造林力度和绿色发展状况[5].

管理指标():管理指标是人类更加主动实施积极的干预和恢复森林生态秩序的表现.借鉴已有研究[25],设立3个正向指标,反映人类社会为应对生态环境变化而主动采取的管理措施.包括林业投资强度(1)——反映地区林业各项建设资金投入总规模,充足的投资是加强林业建设和保障森林安全的重要基础[25];工业污染治理投资强度(2)——反映了地区经济发展中投入的污染治理成本,是地区污染治理力度的重要体现,指标值越高污染治理力度越大[17];林业管理人力投入强度(3)——指地区林业系统从业人员数量与森林面积之比,能够反映地区林业建设和管理人力规模.

表1 森林生态安全评价体系

续表1

注:“+”表示正向指标,“-”表示负向指标.

1.2 变权综合评价方法

森林生态系统是一个复杂的、动态的自适应系统,具有非线性反馈、阈值、滞后效应,动态性明显.在森林生态安全的综合评价问题中,一般用权重表示各类指标的重要程度.已有研究[11-15]通常以常权方法为主,不能实现整个指标体系发展的均衡性和动态性,变权方法可以有效解决这一问题.具体原理和计算过程如下:

1.2.1 变权原理 变权理论最早由汪培庄[26]提出,其主要原理为:指标权重随着指标状态值的变化而变化,从而使该指标在综合评价中更好地体现其重要程度.变权向量由指标的常权向量和状态变权向量的Hadamard乘积构成,因此,计算指标变权向量,应确定该指标对应的常权,再利用变权函数进行变权处理.

变权方法通过动态调整权向量,不仅考虑了评价指标的相对重要性,而且考虑了评价指标状态值的组间水平对评价指标权重的影响,即评价指标的权重随各评价指标状态值的变化而变化[27].变权理论在评价森林生态安全指标体系权重设置方面具有以下意义:

(1)当进行省域森林生态安全的DPSIRM因果分析时,需综合考虑整个系统的均衡发展.结合变权方法特点,建立惩罚占主导的混合型变权函数,对基础权重进行重新分配.根据K-means聚类、专家打分和经验判断给定指标区间容许阈值,对指标接近“最优阈值”时加大权重(激励),对指标接近“最差阈值”时降低权重(惩罚),对指标处于“上下阈值”区间内时不做处理,视同常权,凸显各项指标内部差异性对森林生态安全整体的综合影响,以测量森林生态安全的均衡发展.

(2)由于森林生态系统具有自我修复的能力,因此如人类各项活动在森林生态系统恢复的容许阈值内可认为对森林生态安全影响较小.但如果对森林生态安全的胁迫累积超过其自身恢复的阈值时,就可能造成不可逆的影响.结合变化趋势,变权方法可以细分为指标激励型、指标惩罚型变权和激励-惩罚混合型3种类型[28](表2).为体现森林生态安全的不可逆特征,本文采用了激励-惩罚混合型方法,具体设置为降低权重的幅度比增加权重的幅度略大,构建混合型变权的效用函数.需要指出的是,惩罚-激励变权仅指根据变权原理和安全阈值对数据本身的权重进行动态处理,不具备相应的字面含义.

表2 变权模式与效用函数

基于变权方法的森林生态安全综合评价的基本思路是:首先,制定反映省域森林生态安全的DPSIRM因果框架的指标体系和指标容许阈值区间;其次,通过确定各因子的常权权重,根据阈值区间,对指标权重进行调整制定出各因子的“变权”;最后,将DPSIRM因果评价框架内的各指标整合成一个整体的综合评价值.具体操作如下:

1.2.2 运用熵权法确定常权权重 在构造变权权重之前,先使用熵权法确定常权权重,可以有效避免主观因素影响.计算步骤为:

(1)计算指标下,评价对象的标准化值v:

正指标:

逆指标:

式中:=1,…,,=1,…,,x为指标的实际值,min(x)、max(x)为指标最小和最大的实际值.

(2)计算指标的熵值e:

(3)确定指标的静态权重W0:

式中:W0是指标体系的起始权重,代入变权公式(7)中.

1.2.3 运用变权方法确定动态权重 在变权方法的指导下,森林生态安全评价体系中各类具体指标的功能效用都具有边际递减性.为更好地反映自然条件限制和约束人类行为,应当采取严格否定的模式即否定幅度高于肯定幅度,从而避免限制性指标在优势指标作用下被掩盖.基于此,本次研究构造了惩罚占主导的混合型变权函数,具体计算过程为:

(1)根据上文定义,构建指数型状态变权函数:

式中:v为原始数据经过标准化处理后的值;d1,d2,d3∈[0,1]表示各变权区间的阈值,其中d1为最差阈值,d2为中间阈值,d3为最优阈值,故d2即代表否定水平,d3即代表肯定水平;e≈2.17为自然对数的底数;表示权重变化水平,其取值越高,变权效果越显著[29];反映总的权重变化程度,越小,否定(肯定)的程度反而越大[28].

借助MATLAB软件进行100多次赋值测试,在保证变权效果显著,且不发生权重降低(增加)过度的情况下,本研究的参数项最佳取值范围为0££1, 1££2,且经测试=0.8,=1.5的效果最好.

(2)确定变权区间:

运用变权方法,首先需要确定各个指标的变权区间.参考文献[30],本研究以-means聚类法为主,辅以专家打分法、数据对比法(与其他地区平均水平横向对比,与本地区历年水平纵向对比)进行判定和修正,来共同确定变权区间(图1).森林生态安全各指标在空间分布上具有关联性和差异性,这种关联和差异性不仅体现在气温、降水等自然环境指标上,在社会经济指标上也有体现,并最终体现在森林生态安全状况的空间相关性上[9-10].-means聚类法能够很好利用和反映这一特征,其原理就是把每个变量看成是多维空间上的一点,定义点与点、类与类间的距离,利用空间距离远近来对变量进行分类.此外,-means聚类可以自主选定聚类数量和迭代次数,在确保区间结果客观可靠的同时,具有较强可控性.

基于SPSS软件,运用-means算法对数据进行迭代分类,为了得到最差阈值、中间阈值、最优阈值3个变权区间阈值,将不同年份的各类指标划分为4个变权区间,设定对应的分类类别为4类,设置迭代次数为10次.具体操作过程为:

首先确定初始聚类中心,然后不断迭代,直至类中心不再发生变化,从而停止迭代,得到最终聚类中心和聚类成员信息.根据聚类成员信息对聚类结果进行分析,可得到各指标与4个分类类别对应的6个分类临界值.在确定分类临界值的基础上,依据下式确定所需的3个变权区间阈值:

式中:d表示第个指标的第个变权区间阈值;f表示第个指标的第个分类临界值.

图1 变权区间确定流程

对每年的每项指标按照相同步骤重复操作,可以获取各年份各项指标的区间阈值,从而得到完整的变权区间. 整个过程共需处理115列指标数据,最终计算得到345个区间阈值,组合得到460个初始区间,再结合专家打分法和数据对比法,对不合理区间结果进行修正,得到最终变权区间(表3).

表3 指标值变权区间

注:平均最差、中间和最优阈值的参考依据为:①为通过均值聚类法确定;②为通过林学、生态学、环境科学等领域专家打分修正;③与其它地区平均水平横向对比修正; ④与本地区历年水平纵向对比修正.

(3)计算森林生态安全的动态权重W:

式中:=1,…,,=1,…,,指标体系的静态权重0已由熵权法计算得到.

(4)计算省域森林生态安全综合评价得分Z:

1.3 研究对象与数据来源

本文以中国大陆地区31个省(市、自治区)(不包含台湾、香港、澳门)为研究对象,鉴于统计资料口径的变化,依据指标最早可追溯年份,将研究时期确定为2005～2017年.本研究所使用的数据资料主要来源为:(1)各类生态环境指标均来自于相应年份的《中国林业统计年鉴》[31]、《中国环境统计年鉴》[32]和中国国家气象局公开数据; (2)各类经济社会指标均来自于相应年份的《中国统计年鉴》[33]及各省统计年鉴、国民经济和社会发展统计公报. 所有数据操作均在MATLAB和SPSS软件中进行.考虑到森林的生长周期,为了提高数据的准确性,本研究以3a为间隔,选取2005, 2008, 2011, 2014和2017年作为代表年份,评价全国及各省域的森林生态安全动态变化及差异.

2 结果与分析

2.1 变权方法下的各子系统权重变化

一般来说,指标权重越大,对评价结果的影响也越大.通过将变权权重和常权权重进行对比,可以发现:

经变权处理后,各指标平均变动幅度约6.58%,最大变动幅度约13.13%(表4).从指标层次来看,驱动力、响应、管理子系统权重总体增大,压力、状态、影响子系统权重总体减小;其中,状态子系统平均权重最大,管理和响应次之.这表明,目前森林自身健康状况是造成各地区森林生态安全存在差异的主要因素,在政府财政支持下实施的森林生态治理和林业建设措施影响显著.驱动力子系统中,经济类指标(4、5)平均权重要高于自然类指标(1、2、3),表明经济因素已经成为森林生态安全的主要驱动力.

从指标性质来看(表4),逆向指标权重普遍减小;正向指标中,除了管理子系统,驱动力和响应子系统中的部分指标(1、4、1)外,指标权重普遍减小.逆向指标中,第二产业占GDP比重(5)的平均权重最大,森林旅游开发强度(4)和土地沙化面积(2)的平均权重次之,是森林生态安全的主要威胁.正向指标中,人均森林面积(4)平均权重最大,林业投资强度(1)和水土流失治理面积(1)的平均权重次之,是维护森林生态安全的主要因素.

表4 权重变化

2.2 中国森林生态安全动态评价

2.2.1 森林生态安全总体演变特征 中国的森林生态安全综合评价值整体呈现“W”型总体上升的小幅波动趋势(图2).整体发展可以分为4个阶段:2005～2008年处于下降阶段,原因在于这一时期经济快速发展带来的环境污染问题严重,森林生态受到破坏;2008～2011年呈上升趋势,2011～2014年有所回落,可能的原因是经济发展放缓,财政扶持相对力度下降.2014～2017年大幅提升,可能的原因在于以大气污染防治为代表的环境治理措施成效显著,森林生态发展压力减小,同时政府加大林业投资,开展国土绿化行动,森林生态安全得到改善.

图2 全国森林生态安全指数

由各子系统指数(子系统)计算结果(图3)可知,驱动力和状态子系统的得分最高,影响和压力子系统得分最低.其中,驱动力子系统自2011年后逐年提升趋势明显,主要受到人均GDP指标大幅提高,第二产业占GDP比重下降的双重影响,表明我国经济转型成效显著,经济发展水平和经济结构合理性不断提升,为森林生态安全发展提供了经济支持.压力子系统总体呈现上升趋势,原因在于随着经济发展,人类活动对森林生态影响持续扩大,具体表现为建设开发强度和废水排放强度的提升.状态子系统中,虽然各项造林护林措施促进了森林覆盖率、林分每公顷林木蓄积量等指标的增长,但是受新增林面积增加和人口增长影响,天然林比重降低,人均森林面积也未得到显著提升,双重影响下状态子系统总体呈现平稳波动趋势.

影响子系统呈波动上升趋势,主要原因是随着森林生态环境改善,森林的气候调节功能和自身生态稳定性提升,表现为自然灾害直接经济损失占GDP比重、森林病虫鼠害和森林火灾发生率指标的降低.响应子系统得分较高,说明各项林业工程和生态治理措施有效促进了造林面积比重和自然保护区比重等指标的提升,对森林生态安全影响显著.管理子系统呈“N”型波动趋势. 2008年的管理指数为研究期内最高值,可能的原因是2008年,在举办北京奥运会的背景下,全国投入了大量财政资金治理环境污染.而2008年后,国家环境治理投资增加速度远落后于GDP增长速度,环境污染治理投资占GDP总量指标大幅下降,导致管理指数在2014年达到最低值,随着近年来社会环保意识增强,各项新型环境规制政策如河长制、林长制的相继出台,管理指数有所回升.

图3 DPSIRM模型各子系统指数变化情况

2.2.2 地区森林生态安全演变特征 为研究中国森林生态安全的时空变化趋势,本文将中国划分为华中、华北、华东、华南、西北、东北、西南7个地区,并进行对比分析.

地区森林生态安全指数(地区)均值呈南部地区显著较高的特征(图4).西南(0.3414)、华南(0.2946)、东北(0.2877)、华北(0.2854)地区平均得分较高. 西北(0.2712)、华东(0.2427)、华中(0.2421)地区的平均得分较低,低于全国平均(0.2794).从变化趋势上看,各地区的综合指数基本呈现持续增加或先降后增趋势.华南地区上升趋势最为明显,这表明在经济发达地区,随着产业升级和发展方式转变,对森林资源的粗犷利用和破坏逐渐减少,同时社会环保意识不断提升,在资金和技术支持下,森林生态安全状况有所改善.

图4 地区森林生态安全指数

通过对三大重点林区(东北林区、西南林区和南方林区)森林生态安全得分(林区)进行对比分析,可以发现,西南林区平均得分最高(0.3814)、东北林区次之(0.2926)、南方林区最低(0.2696).从变化趋势上看,西南林区综合得分呈先降后升趋势;东北林区综合得分呈平稳波动趋势;南方林区综合得分上升趋势最为明显,表明在绿色经济的高速发展下,各项林业生态工程顺利开展,三大林区的森林生态安全得到了有效的管理与保护,对我国的林业生态安全具有重要的支持和代表意义.

从地理区位上看,长江流域、黄河流域和珠江流域由于面积广阔、资源丰富,流域林业生态安全一直被高度关注.研究发现,三大流域的森林生态安全指数(流域)总体差异不大,其中珠江流域平均得分最高(0.2891)、长江流域次之(0.2870)、黄河流域最低(0.2745).从变化趋势上看,珠江流域综合得分逐年上升趋势明显;长江流域综合得分呈现波动上升趋势;黄河流域综合得分呈先降后升趋势.以上结果充分体现了近年来“构建山水林田湖草生命共同体”生态修复理念对推动与提升三大流域林业生态安全的积极作用.

图5 省域森林生态安全指数

2.2.3 省域森林生态安全演变特征 从省域森林生态安全得分(省域)均值来看(图5),西藏(0.5442)、北京(0.3963)、广西(0.3403)较高;天津(0.2084)、安徽(0.1971)、新疆(0.1962)较低,远低于全国平均水平(0.2794).前者中,西藏地区先天自然环境优越,森林资源丰富,并且地广人稀,人类活动对自然环境影响轻微;北京排名较高主要由于其经济发达,人均GDP等经济指标较高,并且产业结构以高新产业为主,经济活动对环境影响小;广西省水热条件优越,森林覆盖率排名全国前列,森林质量较好,灾害发生率低,同时政府大力扶持林业建设,林业投资强度指标较高.这些因素共同作用使得它们综合得分较高.后者中,各项社会经济指标是天津和安徽森林生态安全得分较低的主要因素.天津工业产业发达,工业生产对环境污染严重,二氧化硫排放强度等指标较高,此外天津森林资源不丰富,森林覆盖率等指标处于全国末尾,且森林病虫鼠害严重;安徽经济发展较差,产业结构以第二产业为主,人均GDP较低,同时对环境问题和林业发展重视度不足,污染治理和林业建设投入较低;新疆深据西北内陆,水热条件较差,森林资源先天不足,沙化土地广布,自然因素是其排名较低的主要因素,此外新疆经济发展较为落后,对林业建设和环境治理的财政支持力度有限.从变化趋势上看,大部分省域森林生态安全指数呈现平稳上升或先降后升趋势.仅辽宁、西藏地区波动下降.这表明我国省域森林生态发展状况良好,森林生态安全总体水平逐步改善.

表5 省域森林生态安全指数排名

从各省历年森林生态安全指数排名变化看(表5),北京、西藏、安徽等大部分省(市、自治区)排名较为稳定.宁夏、陕西、福建等省(市、自治区)排名有大幅波动,一方面可能是受到统计年鉴数据的准确性影响,另一方面可能受到可变性较大的压力、响应和管理子系统中某些指标影响,如政府财政投入变化,导致林业投资强度和工业污染治理投资强度指标大幅变化.也可能是由于林业工程和生态治理措施执行情况发生变化,导致造林总面积比重和水土流失治理面积比重指标发生较大变化.

3 讨论

通过与已有研究[11-15]的评价结果进行对比分析发现:

(1)由于在计算时采取变权的评价模式,和已有研究[14]相比,本研究计算的省域森林生态安全指数总得分较低,但总体排名趋同;(2)本研究结果显示中国森林生态安全状况整体呈现“W”型总体上升的小幅波动趋势,与已有研究结论基本一致[14,25].西南、华南、东北地区的森林生态安全评价评分较高,呈现趋优趋势,与已有研究[21,34-35]结果一致,充分体现了三大重点林区森林生态安全的屏障作用;(3)从省域森林生态安全排名上看,本研究结果显示西藏、北京和广西较高.其中,北京常年位居第2名(常权与变权结果一致),与现有研究如刘心竹等[15]研究结论一致.天津、安徽、新疆较低,其中,新疆、天津森林生态安全状况与已有研究[8,15,25]结果一致;而安徽省森林生态安全状况与已有研究[15]的结果存在差异,可能的原因是受到了近年来经济高速发展过程中第二产业占比过高和财政投入不合理的影响. 综合来看,变权方法的引入进一步凸显了地区森林生态安全状况的不足,明晰了地区间生态安全状况的差异,为科学评价中国的森林生态安全工作提供了新的思路与借鉴.

基于此,本文得到以下启示:在进行森林生态安全管理时,需重点关注各省重点林区如生态脆弱区,物尽其用,合理布局,运用基于自然的解决方案做好生态修复,进一步健全森林生态安全保护红线制度和林长制制度,继续扶持与推进各项林业生态工程,建立健全林业政策体系,完善森林生态安全评估配套保障体系,建立大数据森林生态安全发布平台;对人口密集,产业发达的地区,要合理规划土地利用方案,鼓励营造城市绿地,因地制宜打造森林城市,做好污染防治工作,加大对森林的投资与保护,保护与利用相结合,实现经济与生态的协调发展.

4 结论

4.1 根据变权处理后的权重系数可知,状态子系统平均权重最大,管理子系统和响应子系统次之.表明森林自身健康状况是造成各地区森林生态安全存在差异的主要因素,同时森林生态治理和林业建设措施等管理因素的影响显著.驱动力子系统中,经济类指标平均权重大于自然类指标,表明尽管自然区位条件是决定森林生态安全的基础,但经济因素也是森林生态安全发展的主要驱动力.逆向指标中,第二产业占GDP比重、森林旅游开发强度等经济指标平均权重最高,森林病虫鼠害发生率等自然灾害指标次之,是威胁我国森林生态安全的主要压力来源.

4.2 在DPSIRM因果模型中各子系统的综合评价得分中,驱动力和状态子系统的得分最高.在研究期内,驱动力子系统上升趋势明显,显著推动了森林生态安全指数的提高,反映了随着我国经济发展水平不断提升,在强大经济基础支持下实施的各项林业生态治理措施取得了显著成效.管理子系统呈“N”型变化趋势,与其他子系统相互作用显著,对森林生态安全具有全局影响.

4.3 根据DPSIRM因果模型的中国森林生态安全得分可知,我国森林生态安全得分虽然总体呈现先减后增的小幅波动趋势,但是地区分布差异显著,呈现南部高北部低分布趋势.值得关注的是,尽管多数省域森林生态安全得分呈现波动上升趋势,但辽宁、西藏等省(市、自治区)的森林生态安全状况仍呈逐渐恶化趋势.

[1] Lorenz M, Mues V. Forest health status in Europe [J]. The Scientific World Journal, 2007,7(S1):22-27.

[2] Ferretti M, Koning N, Rautio P, et al. Quality assurance (QA) in international forest monitoring programmes: activity, problems and perspectives from East Asia and Europe [J]. Annals of Forest Science, 2009,66(4):403.

[3] 白江迪,刘俊昌,陈文汇.基于结构方程模型分析森林生态安全的影响因素[J]. 生态学报, 2019,39(8):2842-2850. Bai J D, Liu J C, Chen W H. Influence on forest ecological security based on a structural equation model [J]. Acta Ecologica Sinica, 2019,39(8):2842-2850.

[4] 王金龙,杨 伶,李亚云,等.中国县域森林生态安全指数——基于5省15个试点县的经验数据[J]. 生态学报, 2016,36(20):6636-6645. Wang J L, Yang L, Li Y Y, et al. The country forest ecological security index of China: empirical data from fifteen experimental unitcountries in five provinces [J]. Acta Ecologica Sinica, 2016,36(20):6636-6645.

[5] 廖 冰,张智光.林业生态安全指标-指数的耦合实证测度研究[J]. 资源科学, 2017,39(9):1777-1791. Liao B, Zhang Z G. The empirical measurement of coupling from indicators to indexes of forestry ecological security [J]. Resources Science, 2017,39(9):1777-1791.

[6] 王 兵,刘国彬,张光辉,等.基于DPSIR概念模型的黄土丘陵区退耕还林(草)生态环境效应评估[J]. 水利学报, 2013,44(2):143-153. Wang B, Liu G B, Zhang G H, et al. Evaluating eco-environmental effects of “Grain for green” project based on DPSIR framework in the Loess hilly region [J].Journal of Hydraulic Engineering, 2013,44(2): 143-153.

[7] 顾艳红,张大红.省域森林生态安全评价——基于5省的经验数据[J]. 生态学报, 2017,37(18):6229-6239. Gu Y H, Zhang D H. Evaluation of the provincial forest ecological security based on empirical data from five provinces [J]. Acta Ecologica Sinica, 2017,37(18):6229-6239.

[8] 刘婷婷,孔 越,吴 叶,等.基于熵权模糊物元模型的我国省域森林生态安全研究[J]. 生态学报, 2017,37(15):4946-4955.Liu T T, Kong Y, Wu Y, et al. Provincial forest ecological security evaluation in China based on the entropy weight of the fuzzy matter-element model [J]. Acta Ecologica Sinica, 2017,37(15):4946-4955.

[9] 冯 彦,郑 洁,祝凌云,等.基于PSR模型的湖北省县域森林生态安全评价及时空演变 [J]. 经济地理, 2017,37(2):171-178. Feng Y, Zheng J, Zhu L Y, et al. County forest ecological security evaluation and spatial analysis in Hubei Province based on PSR and GIS [J]. Economic Geography, 2017,37(2):171-178.

[10] 李 岩,王 珂,刘 巍,等.江苏省县域森林生态安全评价及空间计量分析 [J]. 生态学报, 2019,39(1):202-215. Li Y, Wang K, Liu W, et al. County forest ecological security evaluation and spatial econometric analysis in Jiangsu Province [J]. Acta Ecologica Sinica, 2019,39(1):202-215.

[11] 李 岩,王 珂,才 琪.浙江省县域森林生态承载力评价及时空演变分析 [J]. 长江流域资源与环境, 2019,28(3):554-564. LI Y, Wang K, Cai Q. County forest ecological carrying capacity evaluation and spatial analysis in Zhejiang Province [J].Resources and Environment in the Yangtze Basin, 2019,28(3):554-564.

[12] 汤 旭,冯 彦,鲁莎莎,等.基于生态区位系数的湖北省森林生态安全评价及重心演变分析[J]. 生态学报, 2018,38(3):886-899. Tang X, Feng Y, Lu S S, et al. Forest ecological security evaluation based on ecological location coefficient and gravity center transfer analysis in Hubei Province [J]. Acta Ecologica Sinica, 2018,38(3): 886-899.

[13] 陈 妮,鲁莎莎,关兴良.北京市森林生态安全预警时空差异及其驱动机制[J]. 生态学报, 2018,38(20):7326-7335. Chen N, Lu S S, Guan X L. Spatio-temporal differences and the driving mechanism of early warnings of forest ecological security in Beijing [J]. Acta Ecologica Sinica, 2018,38(20):7326-7335.

[14] 米 锋,谭曾豪迪,顾艳红,等.我国森林生态安全评价及其差异化分析 [J]. 林业科学, 2016,51(7):107-115. Mi F, Tan Z H D, Gu Y H, et al. Difference analysis and evaluation of Chinese forest ecological security [J]. Scientia Silvae Sinicae, 2015, 51(7):107-115.

[15] 刘心竹,米 锋,张 爽,等.基于有害干扰的中国省域森林生态安全评价 [J]. 生态学报, 2014,34(11):3115-3127. Liu X Z, Mi F, Zhang S, et al. Research on China’s provincial forest ecological security appraisal based on the detrimental interferences [J]. Acta Ecologica Sinica, 2014,34(11):3115-3127.

[16] 杨 伶,张大红,王金龙,等.中国县域森林生态安全评价研究——以5省15县为例 [J]. 生态经济, 2015,31(12):120-124.Yang L, Zhang D H, Wang J L, et al. Study on country forest ecological security evaluation in China: based on empirical data of fifteen pilot counties in five provinces [J]. Ecological Economy, 2015, 31(12):120-124.

[17] 汪嘉杨,翟庆伟,郭 倩,等.太湖流域水环境承载力评价研究[J]. 中国环境科学, 2017,37(5):1979-1987. Wang J Y, Zhai Q W, Guo Q, et al. Study on water environmental carrying capacity evaluation in Taihu lake Basin. [J].China Environmental Science, 2017,37(5):1979-1987.

[18] 张凤太,王腊春,苏维词.基于DPSIRM概念框架模型的岩溶区水资源安全评价[J]. 中国环境科学, 2015,35(11):3511-3520. Zhang F T, Wang L C, Su W C. The safety evaluation of water resources based on DPSIRM conceptual framework in karst region [J]. China Environmental Science, 2015,35(11):3511-3520.

[19] Guo Q, Wang J Y, Yin H L, et al. A comprehensive evaluation model of regional atmospheric environment carrying capacity: Model development and a case study in China [J]. Ecological Indicators, 2018,91:259-267.

[20] Lu S S, Qin F, Chen N, et al. Spatiotemporal differences in forest ecological security warning values in Beijing: Using an integrated evaluation index system and system dynamics model [J]. Ecological Indicators, 2019,104:549-558.

[21] Shi T, Yang S Y, Zhang W, et al. Coupling coordination degree measurement and spatiotemporal heterogeneity between economic development and ecological environment --Empirical evidence from tropical and subtropical regions of China [J]. Journal of Cleaner Production, 2020,244:118739.

[22] 王怡然,张大红,吴宇伦.基于DPSIR模型的森林生态安全时空间变化研究——以浙江省79个县区为例[J]. 生态学报, 2020,40(8): 2793-2801. Wang Y R, Zhang D H, Wu Y L. The spatio-temporal changes of forest ecological security based on DPSIR model: cases study in Zhejiang Province [J]. Acta Ecologica Sinica, 2020,40(8):2793-2801.

[23] Lu S S, Tang X, Guan X L, et al. The assessment of forest ecological security and its determining indicators: A case study of the Yangtze River Economic Belt in China [J]. Journal of Environmental Management, 2020,258:110048.

[24] 万炳彤,赵建昌,鲍学英,等.基于SVR的长江经济带水环境承载力评价 [J]. 中国环境科学, 2020,40(2):896-905. Wan B T, Zhao J C, Bao X Y, et al. Evaluation of water environment bearing capacity of Yangtze River economic belt based on SVR Model [J].China Environmental Science, 2020,40(2):896-905.

[25] 徐会勇,赵学娇,张大红,等.我国省域森林生态安全评价及差异化——基于生态文明建设背景[J]. 生态学报, 2018,38(17):6235-6242. Xu H Y, Zhao X J, Zhang D H, et al. Evaluation and difference analysis of provincial forest ecological security in China based on the background of ecological civilization construction [J]. Acta Ecologica Sinica, 2018,38(17):6235-6242.

[26] 汪培庄.模糊集与随机集落影 [M]. 北京:北京师范大学出版社, 1985. Wang P Z. Fuzzy sets and projectable random [M]. Beijing: Beijing Normal University Press, 1985.

[27] 李德清,李洪兴.变权决策中变权效果分析与状态变权向量的确定[J]. 控制与决策, 2004,(11):1241-1245. Li D Q, Li H X. Analysis of variable weights effect and selection of appropriate state variable weights vector in decision making [J]. Control and Decision, 2004,(11):1241-1245.

[28] 莫国莉,张卫国,刘勇军,等.变权空间权重构造及空间效应分析[J]. 系统管理学报, 2018,27(2):219-22. Mo G L, Zhang W G, Liu Y J, et al. Construction of variable spatial weight and analysis of spatial effect [J]. Journal of Systems & Management, 2018,27(2):219-22.

[29] 庄 伟,廖和平,潘 卓,等.基于变权TOPSIS模型的三峡库区土地生态安全评价——以巫山县为例[J]. 西南大学学报(自然科学版), 2014,36(8):106-112. Zhuang W, Liao H P, Pan Z, et al. Evaluation of land eco-security in the Three Gorges Reservoir Region based on the variable weight TOPSIS model——A case study of Wu Shan [J]. Journal of Southwest University (Natural Science Edition), 2014,36(8):106-112.

[30] 武 强,李 博.煤层底板突水变权评价中变权区间及调权参数确定方法[J]. 煤炭学报, 41(9):2143-2149. Wu Q, Li B. Determination of variable weight interval and adjust weight parameters in the variable weight assessment model of water-inrush from coal floor [J]. Journal of China Coal Society, 2016, 41(9):2143-2149.

[31] 国家林业和草原局.中国林业统计年鉴 [M]. 北京:中国林业出版社, 2006-2018. National Forestry and Grassland Administration. China forestry statistical yearbook [M]. Beijing: China Forestry Publishing House, 2006-2018.

[32] 国家统计局,生态环境部.中国环境统计年鉴 [M]. 北京:中国统计出版社, 2006-2018. National Bureau of Statistics, Ministry of Ecology and Environment. China statistical yearbook on environment [M]. Beijing: China Statistics Press, 2006-2018.

[33] 国家统计局.中国统计年鉴 [M]. 北京:中国统计出版社, 2006-2018. National Bureau of Statistics. China statistical yearbook [M]. Beijing: China Statistics Press, 2006-2018.

[34] 米 锋.中国林业生态安全的评价、预测与保障[J]. 人民论坛·学术前沿, 2018,(8):70-76. Mi F. Evaluation, prediction and guarantee of the Chinese forestry ecological security [J]. Frontiers, 2018,(8):70-76.

[35] 廖 冰,张智光.林业生态安全“指标-指数”耦合与“指数-指标”解耦测度研究——以中国三大林区为例[J]. 农林经济管理学报, 2020,19(3):352-361. Liao B, Zhang Z G. Measurement of indicators-indexes coupling and indexes-indicators decoupling for forestry ecological security: Taking Three Forestry Regions in China for Example [J]. Journal of Agro-Forestry Economics and Management, 2020,19(3):352-361.

Evaluation of China's forest ecological security based on variable weight theory and DPSIRM.

LI Tan1*, CHEN Tian-yu1, MI Feng2, MA Long-bo3

(1.School of Economics & Management, Anhui Agricultural University, Hefei 230036, China；2.College of Economics and Management, Beijing Forestry University, Beijing 100083, China；3.College of Economics Qingdao Agricultural University, Qingdao 266109, China)., 2021,41(5)：2411～2422

This study combined the variable weight theory and the DPSIRM causality framework to construct an evaluation system with 6subsystems and 23 indicators for forest ecological security in China. The constructed system was applied to evaluate the status of forest ecological security of 31 provinces (cities, autonomous regions) in China during 2005～2017, drawing on data collected mainly from 2006～2018 China Statistical Yearbook and forestry statistical yearbook and using the K-means clustering method guided by the variable weight theory. The results showed that: (1) During the study period, China's forest ecological security measured by the DPSIRM-based index exhibited an overall increasing yet slightly W-shaped fluctuating trend. (2) The mean value of the variable weight was found to be the highest for the State subsystem (0.0781), followed by the Management (0.0728) and Response (0.0640) subsystems. The mean score of the Management subsystem showed an N-shaped changing trend, significantly interacting with the other subsystems and substantially affecting overall forest ecological security. (3) The comprehensive value of forest ecological security in most provinces showed either a steady increase or a fluctuating upward trend, while the values in Liaoning, Tibet and the other areas fluctuated and declined. There were evident differences in the status of regional forest ecological security, as the mean score of Southwest China was as high as 0.3414 but the mean scores of Northwest China, East China and Central China were much lower than the national average level of 0.2794. (4) The overall situation of forest ecological security in China revealed an improving trend at the national level, albeit with a serious divergence phenomenon across regions at the provincial level. Specifically, areas with traditional forestry advantages possessed relatively benign situation of forest ecological security, while those with rapid economic development entailed higher ecological risk. It was suggested that forest ecological restoration projects should be vigorously implemented and promoted by prioritizing ecologically fragile areas and economically developed areas to strengthen the protection of existing forest resources.

forest ecological security；variable weights；DPSIRM model；K-means;

X171,S718.5

A

1000-6923(2021)05-2411-12

李 坦(1986-),女,安徽铜陵人,博士,副教授,主要从事自然资源评价方面研究.发表论文30余篇.

2020-10-14

国家自然科学基金资助项目(71873003);国家自然科学基金资助项目(71503004)

* 责任作者, 副教授, litan@ahau.edu.cn