崔雪妍+董佳宇

[摘 要]近年来，全球气候变暖引起了国际社会的广泛关注，在CDM机制下发展以碳汇为目的的森林经营，对经济发展及环境保护都有重要意义。在这样的国内外背景下，我国应依靠森林的碳汇功能，大力发展碳汇林业，为林业发展带来新契机。文章以全国30个省市为样本，计算2008年、2011年、2014年三年数据的平均值，以此建立内蕴线性模型，用OLS分析影响我国森林碳汇量的因素。

[关键词]森林碳汇；蓄积量转换法；回归分析

[DOI]10.13939/j.cnki.zgsc.2016.33.121

1 引 言

森林碳汇指的是森林生态系统吸收大气中的CO2并将其固定在植被或土壤中，从而减少大气中CO2浓度的过程、活动或机制。有研究表明，森林是地球上最大的陆地生态系统，是碳循环的重要组成部分。森林具有碳源和碳汇的双重作用，特别是森林碳汇功能不仅在缓解气候变暖趋势方面具有重要作用。对森林碳汇的计量研究起步于20世纪60年代中后期，但目前对碳汇计量的方法还不统一，具体的计量项目也未达成共识。森林碳汇的实物计量方法主要有生物量法、蓄积量法、生物量清单法等方法。根据森林碳汇已有研究文献和全国森林资源清查数据，采用蓄积量转换法，利用内蕴线性模型，研究森林碳汇变化的影响因素。

2 森林碳汇影响因素分析的计量模型

在实践中，被解释变量与解释变量可能是线性关系，也可能是非线性关系。研究人员可以通过变量替换或者参数替换将某些表面看来是非线性函数关系的转换为线性形式，称这种模型为内蕴线性模型。内蕴线性模型有多种形式，本文采用的双对数模型。

本文以2008年、2011年、2014年我国各省、自治区、直辖市森林资源情况为研究对象，对这三年我国各省市森林碳汇的影响因素进行分析。建立内蕴线性模型，运用stata软件对模型进行回归分析，并对指标进行统计检验等确保模型准确性，最后利用OLS进行参数估计，分析得到影响我国省市森林碳汇情况显著的因素。

2.1 指标变量

森林固碳的过程是一个复杂的生物学与生态作用的过程，森林资源通过吸收大气中的二氧化碳来达到固碳的目的。因此，其固碳量的多少在宏观上体现为森林资源的多少，而具体的则取决于多种因素，既包括森林的树种、植被生长情况（树龄、活立木蓄积、土地肥沃程度等），也包括林地的木材产量、病虫害情况等消耗项诸多影响因素。

另外，出于统计数据的“可获得性”的考虑，将一些统计数据使用间接统计量来进行数据处理，综合已有的学者对于森林碳汇的影响因素的研究的成果，根据公式：森林碳汇量=活立木蓄积转换系数（即1.158525）来计算森林碳汇量。本文中使用“活立木蓄积”这一统计量来转义“森林碳汇量”，选取对其进行回归分析预测的指标为“森林覆盖率”“森林蓄积量”“造林面积”“木材产量”，作为本文对我国森林碳汇量的回归分析的分析指标变量。

2.2 数据收集

森林碳汇核算的主要数据来源于《全国森林资源统计》《中国森林资源清查》《中国林业统计年鉴》，具体来自：全国第七次森林资源清查结果、全国第八次森林资源清查结果、《中国林业统计年鉴（2014）》。由于上海市木材产量指标三年数据均为0，不包括在内。则选取全国30个省、自治区、直辖市为样本，利用2008年、2011年、2014年三年数据的平均值分析森林碳汇影响因素。

2.3 虚拟变量

《中华人民共和国国民经济和社会发展第十一个五年规划纲要》将我国区域发展格局划分为西部大开发区（简称西部地区，下同）、东北地区、中部地区和东部地区。森林覆盖率东北地区最高，达40.22%，西部地区最低，仅为17.05%。由此可见我国各省份所处区域对其森林资源情况有很大影响。不同地理位置有着不同的自然条件，影响森林的生长，因此根据《规划纲要》对我国省、自治区、直辖市进行分类，并由此引入虚拟变量。

D1=1西部地区：重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、内蒙古、广西（12个省或自治区），D1=0其他地区；D2=1 东北地区：黑龙江、吉林、辽宁（3个省），D2=0其他地区；D3=1东部地区：北京、天津、河北、江苏、浙江、福建、山东、广东、海南（9个省或直辖市），D3=0其他地区；若D1=D2=D3=0 则为中部地区：山西、安徽、江西、河南、湖北、湖南（6个省或自治区）。

2.4 模型确定

设定模型首先要知道所选取的自变量和因变量之间的关系，根据样本数据，在stata中对每个自变量与因变量之间的相关关系描绘散点图，大致得到因变量和自变量之间的关系。根据散点图可知，活立木总蓄积量对数（lny）与森林蓄积量对数（lnx2）之间呈现明显的线性关系，与其他自变量对数大体呈线性变化趋势。因此，取对数后的活立木总蓄积量和取对数后的森林覆盖率、取对数后的森林蓄积量、取对数后的造林面积、取对数后的木材产量之间的关系可以选取线性模型来分析。并据此，建立内蕴线性模型如下：

2.5 模型OLS结果及检验

对模型进行回归，得到如下结果：

根据线性回归结果，调整R2=0.9985，可见拟合优度很高，选择的解释变量对被解释变量的联合解释能力很强。

2.5.1 多重共性性检验

常数项、D1、D2、D3的p值都大于0.05，说明解释变量之间可能存在多重共性。利用Stata软件，计算解释变量的条件数，以此判断解释变量之间是否存在多重共线性。条件数=53.52>30，说明各个自变量之间存在严重的多重共线性，因此采用逐步回归法消除多重共线问题。通过逐步回归，最终保留变量lnx2、lnx3。修正多重共线性影响的回归方程为：

lny=0.333+0.95lnx2+0.026lnx3

（0.028） （0.000） （0.048）（括号内为p值）

2.5.2 异方差性检验

根据怀特检验结果可知，prob>chi2=0.1895，表示在原假设为真的情况下，观测到的数值出现的概率为0.1895，是否拒绝原假设取决于是否认为以0.1895概率出现的事件为小概率事件，只要选取的显著性水平小于0.1895就不能拒绝原假设，而5%、1%、10%都小于0.1895，则接受原假设。说明不存在异方差性。

2.5.3 模型结果分析

由上述计算结果可见，在全国森林碳汇各影响因素中，森林蓄积量和造林面积是主要影响因素，森林蓄积量是指有林地中活立木材积之和，活立木蓄积量指包括散生木在内所有活立木的总蓄积量。因此，森林蓄积量的变化对活立木蓄积量有着显著的影响。此外，造林面积对活立木总蓄积量也有显著影响，所以，大力植树造林能够有效促进森林碳汇容量“外延”的增加，为我国森林碳汇量的增加提供支持。

参考文献：

[1]许松浚，李亮宇，赵艳，等.中国森林碳汇研究进展[J].广东农业科学，2014（4）.

[2]黄彦.低碳经济时代下的森林碳汇问题研究[J].西北林学院学报，2012，27（3）.