中国林业资源、投资与建设的空间分布与发展策略选择

祝凌云, 冯彦, 刘婷婷, 张大红

北京林业大学经济管理学院, 北京 100083

中国林业资源、投资与建设的空间分布与发展策略选择

祝凌云, 冯彦, 刘婷婷, 张大红*

北京林业大学经济管理学院, 北京 100083

基于2014年林业统计数据, 采用Stata13.0对我国31个省市进行聚类分析, 从而描绘林业资源、投资与建设的发展水平空间分布并对不同地区选择差异化发展策略。聚类结果体现出空间异质性: 发展较差的第一、二类主要分布在中部地区, 第三、四类分别分布在沿海和东部沿海地区, 发展较好的第五类主要分布在西北部地区, 同时发展水平相似的地区呈现集群性。且其空间分布图体现了“胡焕庸线”的规律, 即人口密度较高的东南部地区, 林业资源、投资与环境水平较低, 表明人口、资源与地理分布的紧密相关。从结果得出, 相比经济要素来说, 林业发展更应关注自然禀赋。不同地区应采取共同但有区别的发展策略, 总体上制定生态红线, 同时各地因地制宜以更好促进林业的永续经营。

林业资源; 投资与建设; 空间异质性; 集群性; 发展策略

1 前言

《联合国气候变化框架公约》第21次缔约方会议(世界气候大会)刚在巴黎落下帷幕, 《巴黎协定》提出要将全球平均升温控制在 2 ℃以内, 并为控制在 1.5 ℃以内而努力。林业生态系统主要包括森林和湿地, 其在水源涵养、调节气候、保持生物多样性等方面起着关键的作用[1], 尤其在环境问题已成为当前国际社会所关注的热点问题时, 更需要林业发挥其生态服务功能, 气候变化对林业来说, 是机遇, 也是挑战[2]。2005年我国森林蓄积量为137亿 m3,中国自主贡献提出2030年森林蓄积量要比2005年增加45亿 m3左右, 即该值要达到182亿 m3左右。2014年我国森林蓄积量已达到 151亿 m3, 这就意味着我国需在剩余16年间增加31亿 m3的森林蓄积量。任务的艰巨性对林业发展提出了新的挑战。

很多学者借助灰色关联度[3–4]、经济增长贡献率等方式分析宏观层面的林业产业结构[5–7], 进而测度林业发展水平, 如王震等人[8]对南方集体林区的林业产业发展水平进行了评价。还有学者结合资源和产业结构对我国林业产业发展水平进行分析, 如张晓星等人[9]主要依靠产业结构在内的经济指标进行因子分析进而研究了我国平原地区的林业发展水平,周莉等人[10]则是从林业产业分类经营的角度分析平原地区的发展政策。针对现代林业发展要求, 多有学者将视角集中到林业资源型城市或城镇的经济转型[11]和可持续发展[12], 如耿玉德等人[13]以伊春市为例, 研究了林业资源型城市的转型效率。上述研究虽然将产业结构在内的多种经济指标用以分析林业发展水平, 但其均单纯的考虑了林业投资、自然禀赋要素的约束作用。林业投入成本和自然资源状况直接关系着林业发展水平, 且资源约束的地位更为重要和突出, 故仅以经济价值来衡量林业发展情况,已经不能满足当前我国建设生态文明的要求。

林业仍被定义为森林砍伐和木材加工的产品部门,我国正处于工业文明向生态文明的过渡时期, 实现资源量的增长需依靠林业投资和建设, 同时和自身的资源禀赋有很大的相关性。大多数研究主要从林业资源状况或林业产业结构判断我国林业发展状况, 但林业发展不仅要关注林业投资情况, 还应同时将林业本身资源状况考虑在内。基于此, 本文结合森林覆盖率、森林蓄积量等资源量指标及林业总产值等经济量数据,同时凸显资源约束的地位, 对全国31个省份的林业资源、投资与建设情况进行聚类分析, 分析我国林业发展水平的地区差异, 试图找寻其空间分布的规律性,探求林业生态系统的可持续发展, 为更好的发挥林业的经济效益、社会效益及生态效益献计献策。

2 数据来源及指标选取

本文根据2015年《中国统计年鉴》[14]和2014年《中国林业统计年鉴》[15]林业资源调查和林业投资完成等数据, 并在结合相关研究的基础上, 选取了森林覆盖率、林地用地面积、活立木蓄积量[16]等林业资源量指标。投资情况包括林业完成投资等,林业建设情况用宏观的经济水平即林业生产总值[17]表示, 同时将生态文明建设放在首位, 按照资源优先的原则进行聚类分析, 以划分全国各省的林业资源、投资与建设情况。

森林生态系统占据着整个林业系统的 24%, 森林覆盖率达到 18.2%, 以森林覆盖率作为林业资源量指标的代表, 同林业投资、林业建设情况(林业总产值)二者的关系如图1所示, 从图1可以看出, 林业总产值和森林覆盖率趋势变动基本保持一致, 表明林业建设情况和森林资源表现出一定的相关性,也可从侧面表现出, 我国31个省份林业建设情况主要和资源量指标有关。其他指标数据并未做相关性判断, 但可以利用聚类分析从众多因子中筛选主因子, 从而判断哪类指标的影响程度较高。

表1 林业资源、投资与建设指标T a b. 1 I n d i c a t o r s o f f o r e s t r y r e s o u r c e s, i n v e s t m e n t a n dc o n s t r u c t i o n

图1 2014年森林覆盖率、林业总产值和投资关系Fig. 1 Forest coverage rate, forestry output value and investment in 2014

3 聚类分析及结果

3.1 聚类分析过程

针对前文提及的资源量和经济量共 15个指标运用 Stata13.0软件进行数据的标准化处理, 根据kmo统计值(统计量为 0.555)和 bartlett球度检验(P=0.000＜0.05), 结果显著, 拒绝bartlett球度检验零假设)结果表明, 这 15个变量存在较大的信息重叠,因此可以做因子分析。根据方差贡献率结果可知大于1的特征根有五个(表2): 5.319、3.036、1.567、1.356和 1.202, 因此可以提取前五个因子以代替 15个指标(方差贡献率之和为83.21%)。

第一个主因子F1的旋转方差贡献率为26.59%,包括林业用地面积、森林面积、活立木蓄积量、森林蓄积量和地质灾害防治投资。第二个主因子F2的旋转方差贡献率为22.45%, 包括草原面积、湿地面积和自然保护区面积。第三个主因子F3的旋转方差贡献率为12.04%,

包括森林覆盖率、造林总面积和自然保护区个数。第四个主因子F4的旋转方差贡献率为11.90%,包括林业总产值和林业本年完成投资。第五个主因子 F5的旋转方差贡献率为 10.22%, 包括有害生物防治率和工业污染治理完成投资。主因子旋转得分说明大部分资源量指标是影响林业发展水平的主要因素, 投资和产值是影响我国林业发展水平的次要因素。

3.2 聚类结果

根据上述五个主因子得分进行 Ward最小方差法聚类, 并借助欧式距离平方测度距离。根据主因子得分进行聚类分析, 聚类结果如图2所示。

表2 主因子方差贡献率和累计贡献率Tab. 2 The contribution rate of variance and cumulative contribution rate of principal-component factors

表3 Kasier 正交旋转因子载荷矩阵Tab. 3 Kasier rotated factor loading matrix

图2 2014年中国林业资源、投资与建设树状图Fig. 2 Tree diagram of China's forestry resources,nvestment and construction in 2014

吉林省、贵州省、安徽省、陕西省、河南省、上海市、湖南省、河北省、海南省、辽宁省、重庆市、山西省、北京市、天津市、宁夏省、甘肃省、江西省、湖北省属于第一类地区。, 除个别省份在个别主因子上的分较高之外(河北省在第五个主因子上得分为 1.71, 山西省在第三个主因子上的分为2.54), 其余地区在五个主因子上得分均较低。

四川省、黑龙江省和云南省属于第二类地区, 这三个省份在第一个主因子上表现较好(分别为 2.32,1.81和 2.71), 表明这三个省份的森林资源相对较多,地质灾害防治投资较多, 灾害预防工作准备较好, 尤其是在喜马拉雅-地中海地震带上作为地震高发区的四川省和云南省, 但在其余四个主因子上得分较低。

江苏省、福建省、浙江省和山东省属于第三类地区, 这四个省份大多在第三个和第四个主因子上表现较好, 表明它们在新增造林面积和森林覆盖率等森林资源方面以及林业投资与建设(林业总产值和林业本年完成投资)较好, 其余主因子表现一般。

广东省和广西壮族自治区在第二个和第三个主因子上得分较高, 属于第四类地区, 表明他们在草原面积、湿地面积、自然保护区面积及个数、森林覆盖率和造林总面积这些林业资源量指标上表现不错, 但林业投资与建设方面略显不足。

新疆维吾尔自治区、内蒙古自治区、青海省和西藏自治区属于第五类地区, 他们在第一和第二个主因子上得分较高, 表明他们在林业资源、投资与建设方面均优于其他地区, 尤其是在林业资源方面有着显著的优势。这些地区属于我国西部地区, 人为开发利用较少使得这里维持着显著高于全国其他地区的林业资源量。

4 林业资源、投资与建设的空间分布

4.1 空间差异性和集群性

从图 3可以看到, 聚类结果的第一类和第二类主要分布在我国中部地区。第三类分布在沿海地区,第四类分布在东南沿海地区, 第五类分布在西北部地区。从空间分布角度来说, 聚类结果体现出林业建设的空间异质性, 同时相似林业发展水平的省市簇聚在一起, 体现出同类建设水平的集群性。

相比较西北部地区而言, 我国中部和东北部地区林业投资水平较高、林业产业发展较为快速, 但从人口密度上来看, 明显高于西北部地区, 人类活动强度大, 对林业生态系统造成的影响较为深刻,黑龙江省、四川省和云南省的林业资源、投资与建设相对较好, 第一类地区(吉林省、贵州省、安徽省、陕西省、河南省、上海市、湖南省、河北省、海南省、辽宁省、重庆市、山西省、北京市、天津市、宁夏省、甘肃省、江西省、湖北省)比第二类地区经济发展更为快速, 人类活动更为频繁, 所以林业资源、投资与建设相对较差。其中东北三省属于第一、二类地区, 但不属于中部地区, 故在本文中第一类和第二类地区主要集中于中部地区。

图3 林业资源、投资与建设聚类结果空间分布Fig. 3 Space distribution of clustering results of forestry resources, investment and construction

沿海地区和东南沿海地区经济发展和林业产业发展较为快速, 但同时人口密度明显高于西北部地区, 未经开发的地区少, 森林多为人工林, 森林层次简单, 复杂性和稳定性较差。但因为独特的气候条件和地理条件, 降水比较丰沛, 所以其林业资源情况要略优于中部地区。同时经济发展带来的林业投资的增加也稍大于中部地区, 故其林业资源、投资与建设水平要强于中部地区。

相对于其他地区而言, 我国西北部地区人口密度较低, 人类开发利用程度较低, 人类活动对资源的破坏程度小, 加之天然林较多, 生态系统的复杂性和稳定性较高等因素, 使得总体上新疆维吾尔自治区、内蒙古自治区、青海省和西藏自治区的林业资源明显优于全国水平。

4.2 与“胡焕庸线”的契合

胡焕庸对中国人口分布研究得出, 从黑龙江瑷珲至云南省腾冲划出45º线, 在“瑷珲-腾冲一线”的东南部占国土面积 36%聚集着 96%的人口, 在西北部人口分布仅占4%, 即“胡焕庸线”[16]。2000年中国国情研究小组在其基础上, 通过进一步实证, 结果发现这条线的分布规律依然保持不变, 表明这条人口地理分界线反映了我国地理、气候条件和人口密度之间具有紧密的相关性, 也代表中国自然的生态禀赋, 其生态承载力在地区之间是所差异的[17]。

图4 “胡焕庸线”和林业资源、投资与建设聚类结果关系图Fig. 4 “Hu Huanyong line” and forestry resources,investment and construction clustering result

同样地, 从聚类的结果(图4)可以看出, “胡焕庸线”西北部地区属于林业资源和建设情况较好的地区, 东南部普遍属于较差的地区。这与这条人口密度对比线存在着一致的规律, 也说明了“胡焕庸线”体现的人口地理分布规律和其背后承载的自然、社会的因素分割同样适用于林业资源、投资与建设的空间分布。

5 林业资源、投资与建设的发展策略选择

根据聚类结果体现的林业资源、投资与建设的空间异质性以及集群性, 同时林业发展水平不仅受林业投资和产值的影响, 更重要的是其与自然禀赋密切相关。针对不同地区应选取共同但有区别的发展策略, 总体上制定生态红线, 减少人为活动干预和加大投资保护力度, 同时不同地区根据自身发展因地制宜, 从而实现林业经营的可持续发展及更好的满足气候变化巴黎大会上提到的中国自主贡献要求。

1) 对于林业资源、投资与建设较差的第一类和第二类地区, 即大部分的中部地区要加强红线管制,明确水、土、环境和生态红线, 同时将建立环境追究责任制下将资源环境未来动态作为干部政绩考核的内容。考虑人口疏散问题, 通过就业转移等方式降低人口压力, 以及充分利用森林碳汇、果品和花卉的优势。

2) 对于资源禀赋较好, 但人口压力较大的沿海和东部沿海地区扶持林业第二产业、用材林产业带和干鲜果品产业带, 发挥集群效应。同时注重海域环境的和水资源节约利用及高效开发, 制定水资源红线,尽量避免资源不合理开发产生的低效益、低收益、高代价、高污染的情况发生。人口引流, 逐步降低人口压力, 减少人类活动对资源的干扰和破坏。

3) 对于人口压力较小的西北部地区应发挥原木、薪柴、干鲜果品的优势, 同时针对该类地区的贫困短板加大林业投资、健全生态产品的效益补偿机制,以求通过林业消除贫困。 除此之外, 构建资源环境利用长效机制, 强调生态系统的自然修复, 制定生态要素的约束政策, 实现资源与经济的可持续发展。

6 结论

根据2015年《中国统计年鉴》和2014年《中国林业统计年鉴》林业相关资源量指标和经济量指标的聚类结果可以得出以下结论:

1) 吉林省、贵州省、安徽省、陕西省、河南省、上海市、湖南省、河北省、海南省、辽宁省、重庆市、山西省、北京市、天津市、宁夏省、甘肃省、江西省、湖北省属于林业资源、投资与建设较低的第一类地区, 四川省、黑龙江省和云南省属于第二类地区, 江苏省、福建省、浙江省和山东省属于第三类地区, 广东省和广西壮族自治区属于第四类地区, 新疆维吾尔自治区、内蒙古自治区、青海省和西藏自治区属于第五类地区。

2) 聚类结果体现出了一定的空间异质性和集群性。我国中部地区分布着第一类和第二类林业资源、投资与建设较低的地区, 沿海地区主要为第三类地区, 东南沿海地区主要为第四类地区, 西北部地区主要为林业资源、投资与建设较高的第五类地区。

3) 聚类结果和“胡焕庸线”规律的一致性。大体上来说, 人口密度较高的地区, 林业资源、投资与建设情况较差, 人口密度较低的地区, 林业建设水平较高, 表明人口密度、地理条件和资源禀赋之间具有紧密的相关性, 人口地理的分布规律同样适用于林业资源、投资与建设的空间分布。

4) 林业发展水平不仅仅受到资源量的影响, 还受到林业投资、林业总产值的影响。其中根据主因子旋转得分可知, 资源量指标是主要影响因素。我国正处于林业转型的关键时期, 因此要实现林业的可持续发展, 需根据不同的林业资源状况制定不同的分类经营策略。中部地区主要发展森林碳汇、果品和花卉, 沿海和东部沿海地区扶持林业第二产业、用材林产业带和干鲜果品产业带, 西北部地区发挥原木、薪柴、干鲜果品的优势。总体来说, 制定生态红线和环境追究责任制, 尽量减少人类活动的干预和破坏, 努力实现林业的永续发展。

1] ZHANG Ningning, SHUGART H H, YAN Xiaodong.Simulating the effects of climate changes on Eastern Eurasia forests[J]. Climatic Change, 2009, 95(3/4):341–361.

2] HANEWINKEL M, PEYRON J. Tackling climate change—the contribution of scientific knowledge in forestry[J].Annals of Forest Science, 2014, 71(2): 113–115.

[3] 吕洁华, 张洪瑞, 张滨. 基于马尔科夫二次规划模型的黑龙江省林业产业结构的有序度测算与优化[J]. 林业科学, 2014, 50(9): 138–144.

[4] 张洪瑞, 吕洁华, 滨张. 基于灰色发展决策模型的林业产业结构分析与优化—以黑龙江大小兴安岭生态功能区为例[J]. 中南林业科技大学学报, 2015, 35(8):122–126.

[5] 廖冰, 廖文梅, 金志农. 林业产业结构变动对林业经济增长影响的实证分析—以江西省为例[J]. 新疆农垦经济,2014, (4): 51–55.

[6] 才琪, 陈绍志, 赵荣. 中央林业投资与林业经济增长的互动关系[J]. 林业科学, 2015, 51(9): 126–133.

[7] 于江龙, 刘俊昌, 陈文汇. 我国林业投资与产业经济增长关系研究[J]. 价格理论与实践, 2011, (9): 85–86.

[8] 王震, 刘伟平, 翁凝. 南方集体林区林业产业发展水平综合评价与分析[J]. 林业经济问题, 2015, 35(1):68–74.

[9] 张晓星, 吴铁雄, 周莉, 等. 基于主成分分析的平原 26省林业发展水平评价[J]. 中南林业科技大学学报(社会科学版), 2010, 4(4): 10–13.

[10] 周莉, 张宇清, 苏宁, 等. 我国平原地区林业产业分类经营的聚类分析[J]. 干旱区资源与环境, 2010, 24(9):197–200.

[11] 王文刚, 宋玉祥, 丁四保, 等. 林业资源型城镇可持续发展研究[J]. 经济地理, 2011, 31(3): 414–419.

[12] PETIT M, MONTAIGNE E, HADAD-GAUTHIER F E, et al. Sustainable Agriculture and Forestry in Southern Mediterranean Countries: Policy Impacts and Challenges[M]//PETIT M, MONTAIGNE E, HADADGAUTHIER F E, et al. Springer International Publishing,2015: 255–288.

[13] 耿玉德, 张朝辉. 基于二次相对评价的伊春林业资源型城市经济转型效率测度[J]. 林业科学, 2013, 49(7):150–157.

[14] 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社,2015.

[15] 国家林业局. 中国林业统计年鉴[M]. 北京: 中国林业出版社, 2014.

[16] 胡焕庸. 中国人口之分布——附统计表与密度图[J]. 地理学报, 1935, 2(2): 33–74.

[17] 戚伟, 刘盛和, 赵美风. “胡焕庸线”的稳定性及其两侧人口集疏模式差异[J]. 地理学报, 2015, 70(4):551–566.

Spatial distribution of forestry resources, investment and construction and choice of development strategy in China

ZHU Lingyun, FENG Yan, LIU Tingting, ZHANG Dahong*
School of Economics and Management, Beijing Forestry University, Beijing 100083, China

Based on forestry statistical data of 2014, 31 provinces in China were clustered using Stata13.0 to describe the spatial distribution of development level of forestry resources, investment and construction and to choose different development strategies for different areas. Clustering results demonstrate spatial heterogeneity: clusters 1 and 2 with poor development are mainly distributed in the central region, clusters 3 and 4 are respectively distributed in the coastal and eastern coastal areas, whereas cluster 5 with better forestry development is mainly distributed in the northwest. Areas with different economic development were found to often be in the same clusters. Also, the spatial distribution follows the "Hu Huanyong line" rule, where areas with higher population density in the southeastern part have lower levels of forestry resources, investment and environment, which shows that population, resources and geographical distribution are closely related. These results show that natural endowment should be paid more attention to in forestry development than economic factors. We should adopt common but differentiated development strategies, comprehensively define nature protection areas and adjust measures to local conditions to better promote the sustainable operation of forestry in different areas.

forestry resources; investment and construction; spatial heterogeneity; cluster; development strategy

10.14108/j.cnki.1008-8873.2017.03.021

S178.55

A

1008-8873(2017)03-149-06

祝凌云, 冯彦, 刘婷婷, 等. 中国林业资源、投资与建设的空间分布与发展策略选择[J]. 生态科学, 2017, 36(3): 149-154.

ZHU Lingyun, FENG Yan, LIU Tingting, et al. Spatial distribution of forestry resources, investment and construction and choice of development strategy in China[J]. Ecological Science, 2017, 36(3): 149-154.

2016-01-05;

2016-02-26

国家林业局2014年林业重大问题调研课题（ZDWT201415）

祝凌云(1992—), 女, 河北石家庄人, 硕士研究生, 主要从事林业经济方面的研究, E-mail: 13126538218@163.com

*通信作者:张大红, 男, 博士, 教授, 主要从事林业技术与经济研究, E-mail: zhangdahong591120@163.com