我国主要海港外来船舶引起的生物入侵风险分析

黄 珊,王书平,钱 程,余亚军,李 倩,石 娟*

(1.林木有害生物防治北京市重点实验室,中法欧亚森林入侵生物联合实验室,北京林业大学,北京 100083;2.上海海关动植物与食品检验检疫技术中心,上海 200135;3.河南省信阳市林业技术指导站,信阳 464000;4.河南鸡公山国家级自然保护区管理局,信阳 464000)

生物入侵是当下的热点话题。物种在世界范围内传播的最便捷方式之一就是依靠航运交通网络[1]。最新研究发现,与气候驱动的环境变化相比,航运增长对海洋生物入侵的影响要大得多[2-3]。全球航运网络(global shipping network,GSN)是全球物资运输的主要渠道,占世界贸易的80%以上[4]。许多物种通过船只的压舱水和随船的木质包装两种主要方式进入其他国家[5-6],航运已经成为了生物入侵的主要途径之一。因此,了解航运的变化可以更好地探究生物入侵的相关信息。

全球航运网络的变化很大程度上依赖于社会经济的发展。随着人口的增长和财富的积累,人们对外来商品的需求也在增长。供需失衡为国家间的贸易创造了条件,国家间的贸易促进了全球航运网络的发展。我国海岸线曲折绵长,优良港口较多,天然具有发展航海业的优势,外贸货物吞吐量常年位居世界第一,加之,我国生态系统类型繁多,更容易遭受外来生物的入侵[7-8]。例如,自20世纪90年代以来,平原河网地区,凤眼莲Eichhorniacrassipes已经泛滥成灾,严重阻碍了航运交通,对生态环境造成破坏[9]。洞刺角刺藻Chaetocerosconcavicornis、新月圆柱藻Cylindrothecaclosterium、方格直链藻Melosiarcancellate等藻类,通过船舶里储存的压舱水传入我国,这些藻类生态适应性强、分布广,环境适宜即可暴发赤潮,影响我国的海域环境,对我国的海洋生态系统形成了严峻的挑战[10-11]。2001年我国加入世界贸易组织(World Trade Organization,WTO)之后,开始全方位开发航运市场[12-13],2013年10月“海上丝绸之路”战略构想的提出,为我国航运业提供了广泛的发展空间,创造了良好的机遇[14],因此有必要研究航运对于生物入侵的影响。

1 材料与方法

1.1 模型设定

Tinbergen和Poyhonen提出的贸易引力模型(gravity model of trade)是研究国家之间贸易关系最常用的方法。其基本模型如下:

(1)

将其两边取对数则可以得到:

LnTij=c+αLnYi+βLnYj+γLnDij+μ

(2)

其中,Tij表示j国从i国的进口贸易量,Yi,Yj分别表示i国和j国的经济量的大小(即国内生产总值,GDP),Dij表示i国与j国之间的地理距离(一般表示两个样本国家首都之间的距离),c 为截距项,α、β、γ为待估计参数,μ为误差项[15-18]。

实际上,两国之间的贸易不仅仅受到GDP、人口数量和地理距离等因素的影响,在经济全球化的背景下还会受到贸易国之间的协作关系、历史渊源等其他因素的影响,而贸易量越大的国家,其港口的船舶运动次数也越多。据此,本文先统计分析了我国2007年-2017年间进口“贸易量”(trade volume)与“截获的有害生物船舶进港次数”(movements)之间是否存在线性相关关系。在证明存在线性关系的前提下,对贸易引力模型进行一定的改进和拓展,在基本模型基础上,将各个国家当年的“汇率”(exchange rate)、我国与该国“是否有共同语言”(language)、我国与“一带一路”沿线国家“是否相邻”(border)、“该国是否是沿海国家”(coastal countries)等有可能影响贸易的因素考虑到模型之中,来探究其与“截获有害生物的船舶进港次数”之间的关系。

重新构建扩展的贸易引力模型将作为本文的实证模型,具体如下:

LnMijt=c+β1LnGit+β2LnGjt+
β3LnPit+β4LnPjt+β5LnDijt+
β6LnEit+β7Bt+β8Lt+β9Ct+μ

(3)

其中,Mijt代表t年贸易国i到我国j的截获有害生物船舶进港次数;Git代表贸易国i在t年的GDP总量;Gjt代表我国j在t年的GDP总量;Pit代表贸易国i在t年的人口总数;Pjt代表我国j在t年的人口总数;Dijt代表j国与i国首都间的直线距离;Eit代表i国在t年的汇率;Bt为虚拟变量,表示我国j与贸易国i是否存在共同的边界,如果陆地接壤则为1,不接壤则为0;Lt为虚拟变量,表示我国j与贸易国i是否可以使用同一种语言,如果贸易国使用汉语则为1,不使用汉语则为0;Ct为虚拟变量,表示该国是否为沿海国家,沿海国家为1,非沿海国家为0。c为截距,β1～β9分别是各控制变量的待估计参数,μ为误差项。

1.2 数据来源与样本说明

根据模型设定中对变量的定义,给出各项变量的取值说明和数据来源(表1)[19]。

表1 试验模型中各变量的设定Table 1 Settings of each variable in the experimental model

鉴于可获得数据的有限性和权威性,最终选取2007年-2017年126个国家的数据信息。分别统计2007年-2017年间各国的人口数量(P)、每年的GDP总量(G)、两个国家首都间的距离(D)、汇率(E)、共同语言(L)、共同边界(B)、沿海国家(C)等要素,由于国家和地区地理跨度较大,国家间各项数据差异明显[20-23]。为了便于讨论和分析,本文将收集到的126个国家按照地理位置划分为6个大洲(因为南极洲无国家分布并且与我国无贸易往来,因此不作考虑),将其作为来源地,其中欧洲33个国家,亚洲24个国家,非洲37个国家,大洋洲7个国家,北美洲13个国家,南美洲12个国家。中国作为目的国,然后,将每个国家的所有要素按照分组归类,分析所选取的因素与截获有害生物的船舶进港次数(M)之间的关系,探究海运船舶的航行轨迹与生物入侵发生频次之间的联系,从而更好地采取措施进行预防检疫,保护我国的生态环境。

2 结果与分析

2.1 贸易量和截获有害生物的船舶进港次数的关系

将收集到的我国2007年-2017年每年的进口贸易量与截获有害生物的船舶进港次数进行归一化处理数据,利用Stata 15.0软件分别进行相关性分析和线性回归分析。得出回归方程:

Mijt=0.047+0.636Tv

(4)

以Mijt为纵轴,Tv为横轴画散点图,并加入样本回归拟合线(图1)。

图1 贸易量和截获有害生物船舶进港次数的散点图和拟合线Fig.1 Scatter plot and fitted line of trade volume and arrivals of ships intercepting pests

由图1可看出,R2=0.459,贸易量与截获有害生物船舶进港次数之间有较强的线性正相关性,即随着贸易量的增多,截获有害生物的船舶次数也逐渐增多,而各个变量对贸易量的影响显而易见,因此,分析截获有害生物的船舶进港次数与各个变量之间的相关性,可进一步了解海运船舶活动与我国主要港口木质包装上携带入侵生物的关系。

2.2 总体的相关性分析

对收集到的国家的各个变量数据与截获有害生物的船舶进港次数分别进行相关性分析和线性回归分析。为了初步判定自变量与因变量的相关性关系以及变量间的共线性程度,对原始数据进行处理,并利用Stata 15.0软件进行了各变量之间相关性分析。结果表明,我国的GDP总量及人口数量、各国到我国的距离、是否是沿海城市等因素都对贸易中截获有害生物的船舶进港次数有显著的影响(表2)。

表2 各变量之间的相关性分析1)Table 2 Correlation analysis between variables

2.3 总体的回归分析

由表2可看出,多数变量之间的相关性并不显著,因此可以判断共线性对回归分析影响较小。为避免模型中可能存在的共线性和异方差等问题,采用广义最小二乘法对2007年-2017年的面板数据进行回归分析(表3)。由于在本模型中,两国的地理距离、是否有共同使用的语言、是否是沿海国家、是否与我国接壤这些变量并不会随着时间的变化而变化,如果使用了固定效应模型则会使这些变量被差分或变为0,从而使模型无法对是否是沿海国家、是否有共同语言、是否与我国接壤这些重要变量的系数进行估计。经过Hausman检验,检验结果拒绝原假设,表明随机效应模型更适合本研究。

可根据表3的线性回归结果,代入公式(3)得到回归估计结果如公式(5)所示:

LnMijt=-577.98-0.429 LnGit+1.119LnGjt-
0.431LnPit+24.723LnPjt+7.088LnDt-
1.478LnEit+ 11.02Lt+2.443Bt-5.678Ct

(5)

R2=0.913,说明该方程的拟合优度比较高,模型是稳定的,假设有效。根据表3可得到截获有害生物船舶进港次数和各个变量的散点图(图2)。由公式(5)的估计结果可知,“汇率”这一因素,系数为-1.478,这表明汇率对于贸易量的影响极显著,符合实际情况;“是否有相同的沟通语言”这一因素对船舶截获的有害生物船舶进港次数的系数为11.02,且在统计上显著,这表明该大洲会使用汉语的国家越多,与我国的贸易往来就越密切,船舶上截获的有害生物自然越多。同时,若该国是沿海国家,港口众多,海运自然是贸易运输的首选方式,为与我国进行海上贸易活动提供了条件,但由于大洋洲、北美洲等大洲与我国距离较远,国家少且都沿海,运输周期较长,成本变高,“国家是否沿海”并不是一个绝对的优势,我国会考虑运输的货物种类以及其他因素来选择是否进口,反之可能会抑制船舶运输的次数。除此之外,我国的GDP总量越高,对我国的进口贸易越有利,相应地人口规模对进口贸易的正向促进效应显著,经济发展越快,人民的需求越多,对我国进口贸易的影响就越大,经船舶截获的有害生物船舶进港次数就越多。而汇率因素显然不利于我国与其他国家贸易的发展,在估计结果中,汇率对我国船舶贸易截获的有害生物船舶进港次数系数为负值,主要表现在2008年金融危机之后,全球各国的经济都受到了一定程度的影响,我国的GDP增速明显放缓,世界缺乏一个持续的全球经济振兴方案。近年来,在我国“一带一路”的背景之下,亚洲部分国家的经济发展逐渐好转。因此,“贸易国是否使用汉语”“是否是沿海国家”等因素对我国船舶进口截获的有害生物船舶进港次数都会产生较大的影响。

表3 贸易引力模型的线性回归结果1)Table 3 Results of the linear regression analysis of the trade gravity model

图2 截获有害生物船舶进港次数和各个变量的散点图和拟合线Fig.2 Scatter plot and fitted line of arrivals of ship intercepting pests and each variable

3 结论与讨论

本文在贸易引力模型的基础上,结合实际情况,引进了新的变量,构建出新的面板数据模型,以进入我国各港口并被截获有害生物的船舶次数为研究对象,针对截获的来自126个国家的船舶进港次数,对影响我国生物入侵的各种因素进行探究,并进一步分析了截获有害生物的船舶进港次数与我国外来生物传入的关系。

研究结果表明:第一,我国的GDP、人口总量、贸易国与我国的距离、能使用汉语沟通以及与我国接壤,对截获有害生物的船舶进港次数具有正向的促进作用,其中,我国的GDP、贸易国能使用汉语沟通的促进作用最为明显。第二,贸易伙伴国的GDP和人口总量、贸易国的汇率、当年的汇率和贸易国的地理位是否沿海对截获有害生物的船舶进港次数具有反向作用,其中,两国之间的汇率影响最为明显。在此基础上,结合各个国家的实际情况,本文认为海运船舶影响我国生物入侵的因素主要有以下几点:一是我国是最大的发展中国家,人口总量居世界第一,发展速度较快,对商品的需求量大,进出口贸易量大,因而港口的船舶来往频繁,增大了生物入侵的可能性。二是部分贸易伙伴国的经济总量较小、经济组成较为单一,因而GDP总量和汇率的波动很容易影响其与我国的经济交流情况,贸易量的变化影响贸易船舶的数量,降低了入侵的风险。三是一些贸易伙伴国与我国的贸易距离决定了与我国的贸易往来情况,距离过长,运输时间过长,加之压舱水的干扰,增大了生物入侵的风险。

贸易引力模型以往常常被用在经济领域,国外有学者开始在生物领域使用,用来预测几十年后全球各地的生物入侵情况。相比于国外研究范围广,时间跨度大的特点,本文则是从中国的视角出发,利用贸易引力模型,结合我国海关的数据,来分析进入我国海港的船舶带来的生物入侵的风险情况,为检疫工作提供参考。同时,本研究还存在两点不足之处,一是未将气候因素使用合适的形式引入到变量,二是对于各国的生态环境情况考虑不足。因此,在今后的研究中,一是可以收集各地的气候情况,进行一定程度的处理分级,尝试将气候因素加入到变量之中；二是可以选取具有代表性的生态指标,尝试加入到模型之中,对于生物入侵的风险分析将会大有裨益。未来,随着“新海上丝绸之路”范围的扩大、互联网贸易的发展,欧洲各国与我国的联系会越发密切。在海运蓬勃发展的同时降低外来生物传入的风险,是值得我们思考的问题。