APP下载

西北干旱荒漠地区退耕还林还草工程综合效益评价

2023-01-09李晓英

水土保持研究 2023年1期
关键词:生态效益经济效益效益

李晓英, 禹 熙, 王 方, 梁 添

(河海大学 水利水电学院, 南京 210098)

西北地区干旱少雨、植被覆盖率较低,导致水土流失和土地荒漠化较为严重,生态环境持续退化,退耕还林还草工程是推进西部大开发的重大举措,也是全国生态文明建设的一项宏伟工程[1]。自1999年退耕还林政策实施以来,不少学者对其进行了深入的研究分析,如姚盼盼等[2]以河北承德退耕还林工程为例,采用林业行业标准和专家赋值法,进行综合效益评价,结果表明承德市退耕还林工程综合效益评价结果等级为较好,其中社会效益最大。高磊等[3]以重庆市退耕还林工程为例进行了生态和经济效益两方面的分析,结果表明退耕还林的实施对生态环境、经济具有促进作用。徐玉霞[4]采用影子工程法、影子价格法等对陕西宝鸡退耕还林工程的生态效益进行评价分析,结果表明退耕还林工程对该区的水资源保护和改善空气质量具有重要促进作用。李益敏等[5]基于RSEI模型与主成分分析法,对退耕还林背景下的泸水市生态环境质量遥感动态变化研究,结果表明退耕还林对当地生态环境产生积极影响。王泽宇等[6]利用RUSLE模型计算分析了陕北榆林退耕还林前后土壤侵蚀状况与生态服务价值动态变化,结果表明实施退耕还林政策在一定程度上改善水土保持情况。汪滨等[7]基于RS与GIS技术,对黄土高原典型流域退耕还林土地利用变化进行分析,结果表明该流域实施退耕还林工程以来,土地利用结构发生了巨大变化。鲁绍伟等[8]基于北京市退耕还林区实地调查及监测数据,采用分布式测算法对涵养水源等六项生态效益指标的物质量与价值量进行定量评估。谢晨等[9]基于退耕农户所获得的退耕还林补助、人均纯收入等指标数据,从收入贫困和多维贫困两个方面评估退耕还林的动态减贫效应,结果表明退耕还林补助和退耕地收入显著地降低了退耕农户的贫困发生率。退耕还林工程政策的实施给生态、经济和社会带来了一定的效益影响,部分学者考虑到退耕还林工程与农户经济成本两者之间的问题加入了政策响应评价,以更加突出生态经济的可持续性,如马楠等[10]基于层次分析法和加乘综合法,从生态效益、社会经济效益和政策响应3个方面定量分析陕北和关中退耕还林综合效益。

退耕还林还草政策在我国已开展二十余年,但对于西北干旱荒漠地区退耕还林还草工程综合效益评价研究较少,同时采用层次分析法计算综合效益评价指标的权重过于主观,且在各指标缺少严格的定量评价标准情况下采用专家赋值,评价主观性强,易对评价结果造成较大偏差。鉴于此,建立适合西北干旱荒漠地区退耕还林还草工程的综合效益评价指标体系,基于云模型与变异系数法确定指标权重,运用比重法将评价体系中的各项指标数据无量纲化,采用加乘综合法进行综合效益分析,并通过灰色系统预测该区2021—2025年退耕工程综合效益,旨在为西北干旱荒漠地区下一步的退耕还林还草工程实施提供科学指导。

1 研究区概况

吐鲁番地处新疆维吾尔自治区中部偏东,位于东经87°16′—91°55′,北纬41°12′—43°40′,土地总面积69 713 km2,其中耕地面积581 km2,林地956 km2。全市热量丰富、极度干燥、高温多风、降雨稀少、蒸发性强、无霜期长、多年平均降雨量为16.6 mm。吐鲁番地区退耕还林还草工程始于2002年,第一轮工程于2013年完成,截至2013年底,全市共完成退耕还林还草工程建设14.507万hm2。吐鲁番地区第二轮退耕还林还草工程于2015年启动,至2019年全市森林覆盖率为3.31%。

2 研究方法

2.1 评价指标体系的建立

遵循指标应具有可获得性、代表性、系统性与层次性相统一、动态性与静态性相统一等原则,综合有关文献的分析成果[11-14],选择西北干旱荒漠地区退耕还林还草工程综合效益作为目标层,生态效益、经济效益、社会效益和政策响应4个方面作为准则层,选择与之密切相关的15个指标作为指标层。由于土地面积有限,经过一定时间,退耕工程达到饱和,退耕的林草进入稳定生长期,各指标值将达到上限。构建的指标体系和各指标上下限取值见表1。

表1 西北干旱荒漠地区退耕还林还草工程综合效益评价指标体系分层结构

2.2 指标权重的确定

退耕还林还草工程综合效益的评价作为一个多目标决策问题,指标权重的确定对评价结果具有重要的影响,可以反映各指标对综合效益的作用大小以及各指标之间的相互作用。由专家通过经验进行主观判断得到的权重,属于定性主观赋权,如层次分析法、模糊分析等;客观赋权是基于历史数据反映指标之间的关系,主要有变异系数法等[15]。

主观赋权更能反映决策者的主观意图,但人为因素在赋权中起到了主导作用,随意性较强,赋权结果易受决策者知识、经验、认知水平等方面影响。客观赋权基于统计学原理,可避免人为因素引起的偏差,减少人的主观随意性,但有时赋权结果会与各指标的实际重要程度产生矛盾。为了得到较理想的综合权重,既能充分利用专家的专业知识、经验,又具有较强的数理基础,本文采用云模型与变异系数法组合得到综合权重。

2.2.1 云模型 云模型可以客观的描述自然科学研究领域各指标特征和数据分布情况[16],更好的模拟样本,综合表达多位专家的权重评价。本文选取正态云模型,具体步骤如下:

(1) 收集一定数量专家各自的初始权重评价;

(2) 通过逆向云发生器求解期望Ex,熵En,超熵He,计算公式为:

(1)

(2)

(3)

(4)

式中:xi为样本值;n为样本数;S2为样本方差。

(3) 根据上一步所求的Ex,En,He,通过正向云发生器补充云滴,按最大隶属度原则确定权重Wj,取云滴数N=2000。

求正态随机数En′:

En′=randn(1)×He+En

(5)

求正态随机数Ex′:

Ex′=randn(1)×En′+Ex

(6)

确定隶属度μ:

(7)

准则层指标权重占比及相应层级指标在各自准则层中的权重占比结果见图1—2所示。

2.2.2 变异系数法 在评价指标体系中,取值差异越大的指标,越能反映该指标在被评价年份之间的差距,应获得更高的权重。计算步骤如下[17]:

(8)

(9)

2.2.3 综合权重 对以上两种不同方法所得权重进行线性加权平均,计算综合权重Wc,公式如下:

(10)

各评价指标综合权重见表2。

图1 准则层各指标权重

图2 目标层各指标体系权重

表2 各评价指标综合权重

2.3 数据无量纲化处理

评价体系中的各指标量级差异较大,避免无法比较,对各指标数值作无量纲处理。鉴于西北干旱荒漠地区退耕还林还草工程综合效益评价中的各指标缺少严格的定量评价标准,且西北干旱荒漠地区退耕还林还草工程综合效益评价主要为纵向比较,因此选用线性标准化法中应用较广泛的比重法[18],以保证评价结果具有可比性和稳定性,标准化计算公式如下:

C′i=Cit/Ci0(此时Ci为正向指标)

(11)

C′i=Ci0/Cit(此时Ci为负向指标)

(12)

式中:C′i为无量纲化后的指标指数;Ci0为基准年的指标数值;Cit为测定年的指标数值。

根据式(11)、式(12)计算各指标指数。其中,C4为负向指标,代入式(12)计算。

2.4 效益指数计算

将各指标指数代入各自的准则层计算准则层指数,以此类推,最终得出西北干旱荒漠地区退耕还林还草工程综合效益指数,计算公式如下:

(13)

(14)

式中:n为各准则层对应的指标个数;k=1~4,Bk分别为准则层中的生态效益、经济效益、社会效益和政策响应指数;Wci为各指标相对于准则层的单排序综合权重;BI为综合效益指数;Wck为准则层各效益综合权重。

2.5 灰色系统GM(1,1)预测模型构建

考虑生态效益、经济效益、社会效益、政策响应指数的不确定性,采用灰色系统预测模型对2021—2025年综合效益进行时序预测,利用综合效益评价体系计算未来5 a的综合效益。步骤如下[19-20]:

(1) 累加时间序列。设原始数据为

X(0)=〔x(0)(1),x(0)(2),…,x(0)(n)〕

对X进行一次累加,获得

X(1)=〔x(1)(1),x(1)(2),…,x(1)(n)〕

(15)

(2) 求X(1)的均值生成数列

Z(1)=〔z(1)(2),z(1)(3),…,z(1)(n)〕

(16)

其中:

(3) 灰微分方程

(17)

式中:a称为发展系数,u称为内控制灰数,可通过最小二乘法拟合得到。

(18)

Y=〔x(0)(2),x(0)(3),…,x(0)(n)〕T

(19)

(20)

(4) 构建X(1)所对应的时间响应函数模型

(21)

对其累减运算可得原始数列预测值公式:

(k=1,2,…,n-1)

(22)

(5) 模型精度检验(后验差检验)

(23)

(24)

后验差比为

(25)

小误差概率为

(26)

式中:C值越小,P值越大,模型可靠度越高,模型精度等级见表3。

(6) 纳什系数

(27)

表3 模型精度等级

2.6 数据来源

本研究中森林覆盖率、城区空气质量高于Ⅱ级的天数占比、水土流失治理面积、人均林业产值、人均地区生产总值、农民人均纯收入等12个指标数据从《新疆统计年鉴》(2005—2020年)、《吐鲁番统计年鉴》(2005—2020年)、吐鲁番历年国民经济和社会发展统计公报(2005—2020年)中整理获取,补偿标准满意度、退耕还林还草政策满意度、农民再退耕意愿等3个指标数据来自于对退耕所涉及农户发放调查问卷并回收分析转变为分值后所得。吐鲁番于2002年开始实施退耕还林还草政策,考虑到退耕还林还草初期效益不明显以及各项指标数据统计问题,以2004年为基准年,以2005—2019年为测定年。

3 结果与分析

根据公式(11—12)对各指标数据归一化,利用权重计算结果及公式(13—14),得出各效益指数,结果见表4,并选取两轮退耕还林还草工程中的2013年和2019年两个典型年各指标指数作对比,见表5。

3.1 生态效益

自退耕还林还草以来,吐鲁番地区森林面积大幅增加,森林覆盖率由2.67%提升到3.31%。

由表4可知,在2004—2019年期间、吐鲁番退耕还林还草工程的生态效益呈波动式上升趋势、在2012—2019年上升趋势较快,一方面因为退耕规模的持续扩大,造林面积增多(图3),一方面因为前一轮退耕工程的林草进入稳定生长期,地面植被缓解降雨对土壤的冲击,抵挡风力,退耕还林还草工程开始在水土保持、防风固沙等方面发挥作用、2004—2019年累计水土流失治理面积约2.65万hm2。

表5表明生态效益的提升主要依靠水土流失治理面积指数的提升,次要原因是森林覆盖率、年降水量指数等的小幅度提升及大风沙尘天数的减少,但随着工业的快速发展,致使城区空气质量高于Ⅱ级的天数占比指数在总体上略有下降。进一步分析可知,城区空气质量高于Ⅱ级的天数占比指数在2004—2008年有所提升,但2008年后却呈回落趋势,这也是吐鲁番退耕还林还草生态效益指数在2008—2012年略有波动的原因。

3.2 经济效益

退耕还林还草后,短时间内耕地面积减少,粮食产量降低,之后逐渐恢复并高于退耕之前的粮食产量水平。吐鲁番地区2004年粮食单产为4 122 kg/hm2,2019年提高至7 000 kg/hm2,退耕还林还草造成耕地面积减少,但由于耕作技术提高,节水灌溉技术改进,随着粮食单产量的提高,对粮食产量影响不大。退耕还林还草工程实施以来,农户收入及来源不断变化,截至2019年,农民人均纯收入14 798元,相比于2004年的3 047元,年增长率为25.7%。

表4 吐鲁番地区2004-2019年退耕还林还草工程综合效益评价效益指数

表5 两轮退耕还林还草工程典型年效益对比

由表4可知,在2004—2019年期间,吐鲁番退耕还林还草工程经济效益总体呈上升趋势。表5表明农民人均纯收入、人均林业产值、人均地区生产总值的增加促进了经济效益的提升。在2013—2019年期间,人均林业产值指数大幅提升,远远高于农民人均纯收入、人均地区生产总值的指标指数,评价指数相比于2013年高出两倍。自退耕还林以来,林果种植面积逐年增加(图4),这也是吐鲁番地区在实行退耕还林还草政策时,科学利用气候优势发展林果业带动经济效益提升的体现。

图3 2004-2019年吐鲁番造林面积

图4 2004-2019年吐鲁番林果地面积

3.3 社会效益

由表4可知,近几年来,吐鲁番退耕还林还草工程的社会效益指数虽有所反复,就总体而言略有提升。由表5可知,在2008—2013年期间社会效益指数出现总体略微下降,原因是在这期间第二、三产业增加值占地区生产总值比重以及第二、三产业从业人员占乡村从业人员比重减少。相比于2004年、2019年社会效益明显提高,政府投入大量资金和出台相关政策,响应“西部大开发”战略,激发农民参与的积极性,促进农村劳动力向城镇和工业、服务业转移,将发展重心逐步转移到第二、三产业,提高其社会发展水平。

3.4 政策响应

政策响应指数在2004—2019年期间呈上升趋势。在前一轮退耕中补助政策为每年每公顷退耕地补助3 750元,在新一轮退耕中每年每亩补助为12 000元。由表5可以看出在2013年之后政策响应指数的上升趋势较2013年之前的上升趋势大,退耕还林还草政策实施初期,由于农民还未享受到生态经济的成果,所以对退耕政策有消极情绪,导致初期政策响应三方面的满意度分值较低。由表5可知,补偿标准满意度、退耕还林还草政策满意度和农民再退耕意愿的指标指数都逐步上升,说明政府对退耕的补助资金投入和对退耕所涉及的农户补偿更合理,退耕还林还草政策不断完善。

3.5 综合效益

通过对表4的各指数进行分析后发现,吐鲁番退耕还林还草工程的综合效益总体呈现稳步上升的趋势,其上升动力主要源于生态效益和经济效益的提升,其次是政策响应,社会效益次之。2013年的综合效益指数高出基准年0.779,2019年高出基准年1.684,提升幅度是第一轮退耕还林还草的两倍。从权重来看,生态效益占比远高于经济效益,说明退耕还林还草实施的初衷是修复生态环境。从效益指数来看,生态效益与经济效益都有大幅度提升,这说明退耕还林还草工程促进了林果业的发展,使得人均林业产值增加,农业结构得以调整,在保证生态效益的前提下带来了良好的经济效益。政策响应则更好的衡量了退耕还林还草工程的实施具有可持续性。

3.6 效益指数预测

基于灰色预测模型,预测吐鲁番地区2021—2025年的生态效益、经济效益、社会效益和政策响应指数,并对模型作检验,提高其预测结果的可信度。

据表6可知,建立的效益指数预测模型精度等级好,后验差比C均小于0.35,小误差概率P均为1,Nash系数均接近1,模型构建合理。

经预测,生态效益、经济效益、社会效益和政策响应指数在2021—2025年整体都呈稳定上升趋势。其中,经济效益指数整体增幅高于生态效益、社会效益和政策响应指数,表明退耕在一定程度上减缓农户对耕地的依赖性,林果业、电商的发展为当地农户提供大量就业岗位,林业产值增加,农民人均收入上涨,经济效益指数持续增加。生态效益指数较经济效益指数增长缓慢,生态环境脆弱地区其生态修复周期长,但指数呈正向增长,表明随着新一轮退耕规模较前一轮有所增加,水土保持、防风固沙作用更加凸显。政策响应指数小幅上升,表明退耕政策随退耕实施进程逐步完善,对所涉农户的补偿更合理,农户的生态保护意识有所提升。社会效益指数小幅上升,表明在经济持续发展的驱动下,就业结构、产业结构等方面呈良性发展趋势,但受人口结构的影响,城镇化步伐放缓,社会效益指数增长缓慢。

4 建 议

基于综合效益评价指标体系和灰色系统预测模型GM(1,1),对吐鲁番退耕工程过去15 a与未来5 a的综合效益进行分析探讨。结果表明,吐鲁番退耕取得了一定的生态效益、经济效益和社会效益,且对比各效益上限值,生态效益有很大的提升空间。吐鲁番地区生态环境脆弱,干旱少雨,其生态建设需考虑长远利益[21]。如今正是巩固退耕成果以及实施更为合理的退耕政策阶段,提出如下建议:

表6 指数预测与模型精度检验参数

(1) 提高生态林和灌木林的种植比例,并加强对经济林的管理。在退耕还林还草政策实施过程中,严守耕地红线,在保障人均农田的前提下,加大退耕还林还草工程力度,借鉴类似地区的种植经验,选择适宜的林草种类,推广覆膜技术,促进林业建设快速发展,提高土地资源利用率。

(2) 加大对艾丁湖流域的生态保护和治理力度。改善地下水超采、地面沉降过大等问题,增加湖水面积,提升植被覆盖度,增加生物多样,逐步恢复湿地功能。

(3) 加强生态补偿和乡村振兴战略的有效衔接,加快推进该区域城镇化步伐,促进农业转移人口市民化[22]。因地制宜将不适合耕地的地块用作特色林果产业发展,防风固沙,使农民增收,促进区域的生态与经济可持续发展。结合当地林果产业与旅游业,发展电子商务与生态旅游的双融产业,创造新兴岗位,促进农村劳动力就业转移,推动当地经济发展,巩固脱贫攻坚成果。

(4) 建立健全退耕还林还草补偿政策。在退耕成果巩固与新一轮发展阶段,将所涉农户的损失尽可能降到最低,如分区测算各地补偿标准、纳入利益相关者意愿的补偿标准制定和竞标机制实践,调动农户积极性。

5 结 论

(1) 退耕还林还草工程对西北干旱荒漠地区生态环境的改善,产业结构的调整和农村经济发展的转型都具有深远的促进作用,退耕补助政策的改善提升了所涉农户退耕意愿,保证了退耕的可持续发展。

(2) 预测2021—2025年退耕工程4个效益指数均呈稳定上升趋势,经济效益指数增加最快,政策响应指数其次,生态效益指数较政策响应指数缓慢,社会效益指数发展最慢。未来随着退耕工程达到饱和,各效益将趋于稳定值。

本研究基于退耕还林还草综合效益评价体系对吐鲁番地区退耕工程做综合效益初步分析,在统计数据时未能全面考虑其他因素对各指标数据的影响。在今后进行退耕工程综合效益分析时,应尽可能排除其他因素所带来的影响,使研究数据更加客观,退耕还林还草综合效益分析更为合理准确。

猜你喜欢

生态效益经济效益效益
草粉发酵 喂羊效益高
莲鱼混养 效益提高一倍
造价人员在提高企业经济效益中如何发挥积极作用
漫谈生态效益特性
合理控制工程造价提高经济效益的探讨
冬棚养虾效益显著,看技术达人如何手到“钱”来
果园有了“鹅帮工” 一举多得效益好
休闲产业的经济效益分析
城市园林绿化的生态效益
园林绿化工程的经济效益初探