基于成本—效益分析的退耕还林区域选择研究<br/>——以黄土高原区为例

基于成本—效益分析的退耕还林区域选择研究
——以黄土高原区为例

2017-09-04石春娜高洁苏兵姚顺波

林业经济问题 2017年4期

关键词：资金分配脆弱性优先

石春娜，高洁，苏兵，姚顺波

(1.西安工业大学经济管理学院，西安 710021；2.西北农林科技大学经济管理学院，陕西杨凌 712100)

基于成本—效益分析的退耕还林区域选择研究
——以黄土高原区为例

石春娜1 ，2，高洁1，苏兵1，姚顺波2

(1.西安工业大学经济管理学院，西安 710021；2.西北农林科技大学经济管理学院，陕西杨凌 712100)

以黄土高原区的7个省份为研究对象，从退耕还林工程的成本、生态效益两方面构建退耕还林优先区综合评价指标体系，采用GRA-TOPSIS方法对省份进行优先排序，得到优先序结果为甘肃、宁夏、山西、内蒙古、青海、河南、陕西，为新一轮退耕还林优先区选择及工程资金分配提供借鉴。

新一轮退耕还林工程；生态脆弱性；退耕还林成本；优先序

基于上一轮退耕还林政策实施取得的良好效果，党中央、国务院进一步启动了新一轮退耕还林工程，与以往“自上而下、统一政策、政府主导”的方式不同，新一轮退耕还林政策主张“农民自愿，政府引导，自下而上，上下结合”[1]，其中着重强调尊重农民主体地位、尊重地区实际情况。一项政策实施的前提是政策成本效益最大化[2-3]，新一轮退耕还林政策的实施亦当如此。在农户自愿参与退耕还林的新方式下，新一轮退耕还林政策应如何开展以更高效地达到改善生态环境等目标[4]成为亟待解决的新课题，在国家分配给退耕还林工程的资金有限的前提下，为使工程成本—效益达到最大化，合理解决资金分配问题具有重要意义，将此问题归结为退耕还林优先序问题，使工程资金分配瞄准到成本低、预期生态效益大的地区。退耕还林成本包括造林成本与农户退耕的机会成本[5]。造林成本主要有人工造林成本、后期抚育成本以及种苗成本，农户退耕的机会成本体现在农户从耕地上获得的农作物收入。为提高工程生态效益，退耕还林工程一般选择坡度较大的坡耕地或者生产条件差、容易发生水土流失的地块[6]。生态脆弱性较高的地区，因其本身环境恶劣、植被覆盖率低或是受自然灾害等的影响，相对于生态环境良好的地区，其生态环境有更大的提升空间；且生态脆弱性较高的地区，退耕还林工程实施的边际生态效益较大[7]。因此，相同数量的资金分配给生态环境脆弱与生态环境良好的地区，生态环境脆弱的地区有更大的可能实现相对较高的工程生态效益。以往的研究包括退耕还林工程的农户意愿与补偿机制研究、退耕还林工程效益评价研究等。退耕还林工程具有双向选择性[8]，即农户自主选择是否参与退耕还林工程[9]，政府也在自愿参与退耕还林工程的地区中有选择性地投资[10-11]。评价研究一般从工程实施对生态效益[12]、经济效益[13]、社会效益[14]等方面带来的影响入手。已有文献大多是基于农户视角，直接基于政府利益视角提出的资金分配建议很少。对退耕还林工程效益做了事后评价，而没有针对性的工程实施事前指导。基于此，从政府视角出发，选取资源禀赋、自然条件、生态压力、生态环境4个方面的16个指标，建立成本—生态效益指标体系，采用GRA-TOPSIS方法对实施退耕还林工程的省份进行优先排序，致力于为政府提供新一轮退耕还林工程资金分配建议。

1 材料与方法

1.1 研究区概况

黄土高原地区位于北纬33°43′～41°16′，东经100°54′～114°33′之间，占地面积62.14万km2，包括祁连山以东、长城以南、太行山以西、秦岭以北的大面积地区[15]。黄土高原地区雨季较集中，全年降雨量整体较少，约400 mm，地表水与地下水总存储量为685.32亿m3。水土流失面积为45.4万km2，其中风蚀面积11.7万km2，水蚀面积33.7万km2，年均输入黄河泥沙16亿t。该地区气候干燥，无霜期短，再加上人类活动引起的破坏以及土地利用的不合理，使得黄土高原地区生态脆弱性极高，不利于植被生长，故植被覆盖率低，成为国家生态治理特别是退耕还林工程实施的重点地区[16]。尽管经上一轮退耕还林工程的治理，植被覆盖率大幅度提升，但部分地区仍然存在生态环境质量低下、水土流失严重等问题，制约着当地经济的发展，因此需进一步治理[17]。

黄土高原区主要包括甘肃、宁夏、山西、青海、内蒙古、河南、陕西等7个省份。故以此7个省份作为退耕还林优先序的研究对象。

1.2 指标体系构建

1.2.1 指标的选取

退耕还林的成本主要有人工成本(C1，万元/年)、种苗成本(C2，元/株)以及农户退耕的机会成本(C3，元/hm2)3个方面，具体通过农林牧渔业就业人员平均工资、主要农作物单位面积收入、各省油松单位价格这3个指标来反映：工资水平越高的地区，政府应付的人工成本越大，人工造林成本与后期抚育成本主要也表现在人工费用上，因此用农林牧渔业就业人员年平均工资来表示人工成本的大小。油松是黄土丘陵区的主要造林树种，用各省1米左右油松单位价格表示种苗成本。研究区中的7个省份均属北方地区，用北方地区的主要农作物小麦的单位面积收入表示农户从耕地上获得的农作物收入，即机会成本。

以往研究主要从压力、状态、响应3方面评价生态脆弱性[18]，或是从生态脆弱性的成因及结果两方面进行评价[19]。基于此，从资源禀赋、自然条件、生态压力、生态环境4个方面出发，综合考虑指标相关性以及可获取性，共选取16个指标。资源禀赋通过森林单位面积蓄积量(C4，m3/hm2)、人均供水量(C5，m3/人)、森林覆盖率(C6，%)、草原面积占比(C7，%)4个指标表示，自然条件通过全年降水量(C8，mm)、年均气温(C9，℃)、平均相对湿度(C10，%)、日照时数(C11，h)4个指标表示，生态压力通过人均用水量(C12，m3/人)、人口密度(C13，人/km2)、土地荒漠化比率(C14，%)、人均耕地面积(C15，hm2/人)4个指标表示，生态环境通过泥石流和台风受灾面积比例(C16，%)、工业二氧化硫排放量(C17，万t)、发生地质灾害数量(C18，处)、一般工业固体废物产生量(C19，万t)4个指标表示。

1.2.2 指标的数据来源

退耕还林成本中的树苗价格数据来源于中国苗木网，小麦单位面积收入由城市二级小麦价格与小麦单位面积产量相乘所得，小麦价格来源于中国谷物网，生态脆弱性指标中的土地荒漠化比率数据来源于第五次全国荒漠化和沙化检测结果。其他指标数据来源于2015年中国统计年鉴，其中全年降水量、年均气温、平均相对湿度、日照时数、一般工业固体废物产生量使用省会城市数据代表省份数据，人均供水量、人均用水量、人口密度、人均耕地面积根据2014年年末人口数计算得出。黄土高原区7个省份19个评价指标的调研数据如表1所示。

1.3 模型构建

构建由7个地区、19个指标组成的指标值矩阵，并对指标进行同趋化和无量纲化处理。应用GRA-TOPSIS模型进行退耕还林区域优先序研究，是灰色关联分析法(GRA)与TOPSIS法的结合运用。主要原理是利用灰色关联分析法为19个评价成本与生态脆弱性的指标赋予权重，在加权矩阵的基础上采用TOPSIS法求出7个地区分别与正负理想解间的综合距离并对地区排序[20]。

表 1 黄土高原区7个省份19个评价指标的调研数据Table 1 Survey data of 19 evaluation indexes in 7 provinces of Loess Plateau

1.3.1 采用灰色关联系数法确定指标权重

单一指标与其他指标灰色关联度越高，则该指标在指标体系中的重要程度越大。可以依据各指标对退耕还林成本和生态脆弱性的影响程度来确定指标权重[20-21]。首先计算出矩阵中任意两个指标向量xi和xj之间的灰色关联度r[xk(i)，xk(j)]和指标向量xj与其他指标向量的灰色关联度rj，然后对rj进行归一化处理，即可得到指标权重向量W=(w1，w2，……，wk，……，w19)[20]。指标向量xi和xj的灰色关联度r[xk(i)，xk(j)]和指标向量xj与其他指标向量的灰色关联度rj为：

式中i和j分别为第i个和第j个指标向量，i=1，2，……，m；j=1，2，……，m；k为指标向量中第k个指标，k=1，2，……，n；ρ为分辨系数，一般取0.5。

1.3.2 采用TOPSIS方法对地区进行排序

根据求得的指标权重向量W={w1，w2……，wk，……，w19}计算出加权矩阵R，R=(rkq)19×7，rkq=wkxkq，在R中选取各指标所对应的极大值和极小值，得到极大值和极小值向量M+、M-；然后求出极大值和极小值向量M+、M-之间的距离D，各地区与正、负理想解的距离D+、D-[21]以及与正、负理想解之间的综合距离Dq；最后根据各方案与正、负理想解之间的综合距离对地区进行排序。与正、负理想解之间的综合距离越大的地区，工程实施成本越低，生态环境越脆弱，则排序越靠前。

式中Dq为各地区与正、负理想解之间的综合距离；D为极大值和极小值向量M+、M-之间的距离；q=1，2，……，7。

2 结果与分析

2.1 指标权重值分析

使用灰色关联系数法求得的各指标的权重值如表2所示。指标权重较大的是工业二氧化硫排放量与日照时数。二氧化硫的过度排放可能形成酸雨，给生态系统造成严重破坏；二氧化硫是环境酸化的前驱物，是造成生态脆弱的重要影响因素。而日照时数较长则会促进植被的光合作用，大大加快植被的生长速度，对生态脆弱性有反向的重要影响(已经过取倒数处理)。因此，这2个指标在指标体系中重要程度较高，被赋予较大的权重。

表 2 指标权重值Table 2 Weight value of each index

2.2 区域排序结果分析

山西、内蒙、河南、陕西、甘肃、青海和宁夏与正、负理想解的综合距离分别为0.29、0.36、0.34、0.29、0.47、0.36和0.40。所以，退耕还林区域优先序为甘肃、宁夏、山西、青海、内蒙古、河南、陕西。甘肃省位居第一位，主要是因为甘肃省的生态环境受到洪涝、山体滑坡、泥石流等自然灾害的影响，生态脆弱性大；该地区工资水平也相对低于其他省份，在该地区实施退耕还林工程可支付相对较低的植树造林工资及后期抚育资金，工程成本低。在退耕还林工程资金有限的情况下，政府进行资金分配时首先应满足甘肃省的资金需求，对其优先分配工程资金。陕西省位居排序最后一位，主要是因为陕西省的森林覆盖率已达到41.42%之多，生态环境较好，预期工程效益会相对低于其他地区；该地区工资水平较高、农户退耕还林的机会成本较大，实施工程成本高，应最后考虑陕西省的资金需求。

为实现政策成本效益最大化的政策目标，新一轮退耕还林工程可依据上述的退耕还林区域优先序分配工程资金，首先考虑排序靠前地区的资金需求，再按照优先序依次考虑剩余地区的资金需求。依据该优先序分配工程资金的优点为：⑴对地区来说，可使生态环境脆弱、水土流失严重的地区优先得到相应的工程资金，避免出现急需改善环境的地区未分配到资金或得到的资金不足等问题。⑵对政府来说，依据该优先序分配工程资金能帮助政府尽快将工程瞄准到生态环境脆弱、水土流失严重的地区，有助于政府高效利用退耕还林工程资金，实现成本最低、预期生态效益最大的工程目标。⑶对农户来说，能将不适宜耕种、耕种收成低的地区的耕地退耕，促使该地区农户将同等的人力转移到其他产业上，获得更高的报酬，提升农户的生活水平。

建立指标体系对退耕还林区域进行事先预评估，解决了退耕还林工程的实施缺乏事前指导的问题。对退耕还林区域进行优先排序，能更好地抓住新一轮退耕还林工程高效实施的关键点：选择合适的退耕还林区，这是以往研究中关注不足之处。

3 结论与讨论

3.1 结论

基于政府视角，以黄土高原区的7个省份为研究对象，从退耕还林工程成本、生态效益两方面构建退耕还林优先区综合评价指标体系，利用灰色关联系数法确定各指标权重，采用TOPSIS法对省份进行优先排序，结果表明：黄土高原退耕还林区域的优先序为甘肃、宁夏、山西、青海、内蒙古、河南、陕西。对退耕还林区域进行优先排序可以为政府退耕还林资金分配提供最直接、有效的指导。将GRA-TOPSIS方法引入区域优先序模型是解决退耕还林资金分配问题的有效方法，是指导资金分配方案的一种创新思路。新一轮退耕还林工程应该依据区域优先序分配资金，预期工程效益大、成本低的地区，优先为其分配工程资金，然后按照优先序依次考虑剩余地区的资金需求。

3.2 讨论

后续研究可使用相同的方法，将资金分配由省级细化到各市、县级，再落实到具体乡镇。

后续研究可比较以下两种资金分配方案，选出最优方案并计算资金分配的具体数额：分散式资金分配，使每个参与退耕还林的地区都能得到资金，排序靠前的地区多得资金，排序较后的地区少得资金；集中式资金分配，限制地区资金分配名额，不考虑预期工程生态效益较低的地区的资金需求。

[1]张朝辉，耿玉德，张静．新一轮退耕还林工程农户响应意愿影响因素研究[J]．林业经济，2015(6)：35-39．

[2]陶然，徐志刚，徐晋涛．退耕还林，粮食政策与可持续发展[J]．中国社会科学，2004(6)：25-38．

[3]易福金，徐晋涛，徐志刚．退耕还林经济影响再分析[J]．中国农村经济，2006(10)：28-36．

[4]韩洪云，喻永红．退耕还林的环境价值及政策可持续性：以重庆万州为例[J]．中国农村经济，2012(11)：44-55．

[5]刘震，姚顺波．黄土高原退耕还林补偿标准及补偿年限的实证分析[J]．林业经济问题，2008，28(1)：86-89．

[6]杨新华，章升东，陈志军．对我国退耕还林的可持续性思考[J]．林业经济问题，2003，23(4)：214-217．

[7]徐晋涛，陶然．退耕还林：成本有效性、结构调整效应与经济可持续性：基于西部三省农户调查的实证分析[J]．经济学，2014，4(1)：139-162．

[8]黄文清，张俊飚．退耕还林的经济学分析及其对策[J]．林业经济问题，2005，25(5)：260-264．

[9]李彧挥，孙娟．从政府与农户的动态博弈分析退耕还林工程的可持续性[J]．中国人口·资源与环境，2006，16(6)：62-65．