中国省域森林碳储量空间溢出效应与门槛效应研究

吕洁华，乔 雅，王 钰，吕昕怡

（东北林业大学 经济管理学院，黑龙江 哈尔滨 150040）

一、引言与文献综述

随着工业和科技的迅速发展，世界各国二氧化碳排放量大幅增加，随之引发全球变暖等一系列环境问题，全球可持续发展目标的实现受到巨大威胁。目前应对全球变暖的主要途径为控制碳源排放和增加碳汇储量。森林是陆地生态系统的重要“碳库”，森林碳汇可以通过光合作用吸收二氧化碳，将大气中的碳元素储存在植被或土壤中。2000 年以来，中国大力推进国土绿化，新增绿化面积约占全球新增绿化面积的25%，为全球碳储量增长作出巨大贡献。从省域内部分析，由于自然资源与经济发展水平等存在较大差异，各省域和地区的碳排放与森林碳储量分布并不均衡。此外，就森林碳储量而言，邻近地区具有相似的气候与地理环境，在政策实施上也较易形成联动和示范效果，加之二氧化碳的气体属性导致其极易在省域间流动，各地森林碳储量具有明显的区域关联效应。因此，充分研究我国森林资源分布状况与碳储量空间格局，深入挖掘森林碳储量的空间溢出效应，对于提高森林质量、增强森林的固碳功能具有重要意义，有利于各地区制定合理的政策，促进区域协同发展。

关于森林碳储量的研究最早起源于20 世纪60 年代，由于全球气候变暖问题的加剧，森林碳储量受到越来越多的关注。中国森林资源丰富，但不同地区的森林资源禀赋存在较大差异，森林碳汇在时空上也呈现出差异化趋势［1］。从地区分布看，碳储量主要集中在东北和西南地区；从省域分布上看，西藏、云南等地森林碳储量较大［2］。不同地区地形、气候等因素不同，经过长时间发展，会在不同的自然条件下演替为不同的植被群落组成，因此植被碳储量必然会形成一定的空间分布特征［3］。在森林碳储量影响因素方面，自然因素与社会经济因素共同作用于森林碳储量。自然因素主要包括森林植被、气温、降雨等。李树强等［4］研究发现，光照、湿度等自然条件对森林植被固碳量有着不同程度的影响；MUMCU［5］和CHARMAKAR 等［6］等研究发现森林植被构成对森林碳储量具有正向影响。社会因素主要包括土地利用情况与经济发展水平等。Fang 等［7］分析得出土地利用、人口增长与经济政策的变化均会对森林碳储量产生影响；杨加猛［8］对江苏省森林碳储量分析得到森林面积和林业产值对森林碳储量的影响显著为正；刘亚等［9］研究发现森林碳汇与经济发展水平之间的关系呈“N”型曲线。在对碳储量空间溢出效应的研究方面，杜之利等［10］对全球139 个国家进行实证分析，研究得出各国森林碳汇空间溢出效应显著；孙猛等［11］基于空间集聚理论分析人口集聚对碳排放的影响，得出中国省份间的人均碳排放、人口集聚和经济发展存在显著空间溢出效应。

梳理现有研究发现，目前诸多国内外学者都对森林碳储量的影响因素与空间效应等进行探讨，为本文提供学理基础与研究方法。但现有研究多局限于对森林碳储量在部分地区与特定生态系统的单独讨论，鲜少从整体视角分析森林碳储量的空间集聚特征与区域关联效应。此外，生态系统与社会经济系统相互影响，森林碳储量与经济发展并非只是简单线性关系，对森林碳储量与经济发展的关系有待于深入探讨。基于此，本文从空间整体视角出发，选取中国31 个省份为研究对象，采用空间计量模型分析自然地理因素、人口因素与社会经济因素对森林碳储量的直接效应与省域间的空间溢出效应，并利用门槛效应模型分析森林资源禀赋、经济发展水平与森林碳储量三者间的阈值效应，以期增强省域协同能力和推进森林碳储量增长，为各省份制定林业管理政策提供合理依据。

二、理论分析与研究假说

森林碳储量是生态系统的重要组成部分，由于自然界物质的流动性和不同地区森林资源的差异性，对碳储量的研究难以脱离空间单独讨论。各种因素既会直接作用于森林碳储量，也会通过空间关联间接影响森林碳储量，二者相互加强、抵消，形成对森林碳储量影响的总效应［12］。基于此，本文以森林生态经济学理论、区域协调发展理论、空间效应理论与环境库兹涅茨曲线假说等为理论基础，构建森林碳储量研究框架。

根据空间经济学理论，事物存在空间相关性与异质性［13-14］，相近的事物有着更为密切的联系，表现为空间溢出。受要素与政策等因素影响，森林碳储量在全局表现出较强的空间异质性和空间集聚性。一方面，人口与资本等要素的流动形成经济与产业集聚，加之相邻地区存在政策扩散和府际竞争效应，单一地区政策的实行也会在某种程度上对周边地区产生辐射，从而导致各因素跨越时间和空间的壁垒，对周边地区产生影响。另一方面，二氧化碳本身具有外溢性，极易扩散到周围地区形成空间溢出。空间异质性主要是由于各地区拥有资源与要素的不同而表现出地区间发展水平的差异。基于此，提出第一个研究假说：

H1：我国森林碳储量存在空间相关性，且空间溢出效应与空间异质性明显。

森林的固碳功能受多方面因素影响，地理环境和人为干扰等综合作用于森林碳储量。自然地理因素包括森林覆盖率、林业用地面积、森林蓄积量等，森林覆盖率反映森林植被分布状况，林业用地面积反映土地利用变化与人类管理水平。陈其等［15］研究表明，贵州省林地的大面积转移直接导致其陆地生态系统碳储量减少。基于此，提出第二个研究假说：

H2：自然地理因素对森林碳储量的空间溢出效用具有显著影响。

人口因素可以反映人口变动对森林碳储量及其溢出效应的影响，主要指城镇化水平。城镇化是人口等要素向城镇集聚的过程，一方面会使城市周边的森林遭受破坏，森林固碳功能下降；另一方面，随着农村人口大量涌入城市，农村地区的森林得以恢复，森林碳储量增加。城镇化发展也会使得各种生产要素在区域间的流动加快，通过影响产业转移、技术溢出、土地利用等对森林碳储量产生影响［16］。基于此，提出第三个研究假说：

H3：人口因素对森林碳储量的空间溢出效用具有显著影响。

根据森林生态经济学理论，生态系统与经济系统相互影响。经济发展水平与各地区土地利用、资源消耗以及产业结构等密切相关，对森林碳储量具有重要影响。林业发展水平反映不同地区的林业管理、经营和保护程度，间接影响森林碳储量。农业发展水平可以反映农业发展与森林保护之间是否会产生竞争，从而影响森林碳储量。森林固定资产投资通过影响森林管理水平与森林灾害的防范间接影响森林碳储量的变化［17］。公路基础设施建设可以通过促进农村劳动力非农就业和林业第二产业发展间接促进森林单位面积蓄积量的增长［18］。基于此，提出第四个研究假说：

H4：社会经济因素对森林碳储量的空间溢出效用具有显著影响。

环境库兹涅茨曲线指经济增长与环境质量之间的倒“U”型关系，森林资源具有较强的正外部性，其变化也可在一定程度上反映环境质量的改善。李凌超等［19］研究发现，我国存在“U”型森林环境库兹涅茨曲线，经济增长有助于森林面积的恢复。朱洪革等［20］研究得到中国森林损失率表现出先增再减再增的趋势。当森林面积较小时，森林极易受到自然灾害与人类活动等外部环境的压力，在一定的森林面积范围内，经济发展水平的提高可能会使人类过度利用自然资源，从而导致森林碳储量减少；而当森林覆盖增加时，人类可以充分利用森林资源发展林业，随着经济发展水平的提高，人们对森林的管理和保护能力也会随之增强，从而导致森林碳储量的增加。基于此，提出第五个研究假说：

H5：经济发展水平与森林碳储量之间的关系并不是线性的，而是存在门槛效应。

结合以上分析，各因素对森林碳储量的影响机制如图1所示。

图1 各影响因素对森林碳储量的影响机理

三、数据来源、变量选取与模型选择

（一）数据来源

本文解释变量数据来源于《中国统计年鉴》及各省份统计年鉴。由于中国每五年进行一次森林资源清查，为使研究更具全面性与合理性，假设森林资源是线性增长的，运用线性插值法将所用数据延续到2023年，其余计算森林碳储量所需相关数据来源于1998年、2003年、2008年、2013年、2018年的五次森林资源清查结果，森林的碳汇能力与林木的活立木蓄积具有相关关系，综合众多学者的研究，选取蓄积量扩展法进行森林碳储量估算，具体计算方法如下：

式（1）中：C为森林碳储量；ν为森林活立木蓄积量；δ为蓄积扩大系数；ρ为容积密度；γ为含碳率；α为林下植物碳转换系数；β为林地碳转换系数。在实际核算中，参考同类研究，各种换算系数按照联合国政府间气候变化专门委员会要求的默认参数取值。蓄积扩大系数δ取1.90，容积密度ρ取0.5 t/m3，含碳率γ取0.5，林下植物碳转换系数α默认为0.195，林地碳转换系数β默认为1.244［2］。

（二）变量选取

本文被解释变量为森林碳储量。影响森林碳储量的因素众多，结合大量已有研究成果，参考姜霞［21］的研究，选取自然地理因素、人口因素与社会经济因素为解释变量，探究其对森林碳储量的空间溢出效应的影响。自然地理因素决定森林资源禀赋和其演变规律，选取林业用地面积与森林覆盖率作为解释变量。人口变动对森林碳储量的影响主要通过城镇化率反映，即城镇常住人口在该省全部人口中所占比例。社会经济因素主要用来反映社会经济增长与产业结构变化、政策实行等对森林资源利用的影响，如经济发展水平、林业发展水平、农业发展水平、财政支林水平与基础设施建设等。本文用国内生产总值反映经济增长对森林碳储量的影响；林业发展水平可以反映市场和政策对森林碳储量的作用效果，农业结构主要用以反映非林业的第一产业对森林碳储量的影响，以验证农林业之间是否存在竞争或替代关系，选取林业产值占第一产业产值比例反映林业发展水平，农业产值占第一产业产值比例反映农业发展水平；此外，森林碳储量的提高离不开政府的支持与管理，选取森林固定资产投资额反映财政支林水平，选取各省公路里程反映各省份基础设施建设水平。在选定1998 年为基期的基础上，对相关价格变量进行平减处理，并对非比例型数据进行对数化处理。各变量具体说明与描述性统计如表1 所示。

表1 变量说明与描述性统计

（三）模型选择

1.空间自相关检验 根据地理学第一定律可知，事物之间普遍存在着相关性。空间自相关检验是通过研究空间中某空间单元与其周围单元间的空间自相关性程度，从而分析这些空间单元在空间上分布现象的特性。空间自相关检验主要采用全局和局部自相关指数来衡量空间要素属性值聚合或离散的程度。全局莫兰指数可以从全局角度分析所研究目标变量的空间相关关系，计算公式如下：

式（2）中：IG代表样本数据的全局莫兰指数，取值介于［-1，1］。全局莫兰指数大于0，表明空间分布存在正自相关；全局莫兰指数小于0，表示空间分布存在负自相关；全局莫兰指数接近于0，表明不存在空间自相关。全局莫兰指数绝对值越大，表明空间相关性越强［22］。n表示研究地区个数；xi表示i地区森林碳储量；xj表示j地区森林碳储量；表示全国森林碳储量的均值；wij代表空间权重矩阵。

全局莫兰指数是对整个研究区域内森林碳储量的综合测度，说明各地区与周围区域空间差异的平均程度，局部莫兰指数进一步表明空间邻近区域内森林碳储量的相关程度，计算公式如下：

2.空间权重矩阵设定 空间权重矩阵的设定通常有空间邻近权重矩阵、空间地理距离权重矩阵和经济距离权重矩阵等。空间权重矩阵不仅可以表明空间之间是否存在关联性，还可以表明空间之间关联的紧密程度。为准确测度各省份森林碳储量的空间分布特征，同时保证结果的稳健性，采用三种矩阵度量。

①地理权重矩阵。根据省会经纬度得出省会间欧氏距离，以此反映地理距离，通过不同省份之间地理距离的远近来衡量两地之间关系的重要程度，距离越近的省份其权重越大。矩阵形式设定如下：

式（4）中：i和j代表不同的地理区域；dij代表i地理区域与j地理区域之间地理中心位置的距离。

②经济距离权重矩阵。选取各省份人均国内生产总值的平均值之差来衡量省份间的经济距离。差值越小，表明两省份之间经济发展水平越相近，能够更好地利用周边地区的资源，促进本地区发展，经济距离越近的省份空间权重系数也越大。

式（5）中：i和j代表不同的地理区域；-Yi代表i地区的人均国内生产总值；-Yj代表j地区的人均国内生产总值。

③空间经济地理权重矩阵。综合考虑各省份之间地理距离与经济水平的差异，从而更为准确地反映出空间效应的复杂性。

式（6）中：i和j代表不同的地理区域；-Yi和-Yj分别代表i地区与j地区的人均国内生产总值；dij代表i区域与j区域之间地理中心位置的距离。

3.空间杜宾模型设定 为了实证分析森林碳储量的不同影响因素并对空间溢出效应进行分解，选取自然地理因素、人口因素、社会经济因素为解释变量，构造如下空间杜宾模型：

式（7）中：i代表地区；t代表年份；被解释变量T代表森林碳储量；X为各影响因素；W为（N×N）阶空间权重矩阵，反映个体之间的依赖程度；WX反映本地影响因素与周边省份各影响因素的外生交互作用；WT表示本省份碳储量与周边省份碳储量的相关性；εit为随机扰动项；β、θ、ρ分别为各自变量的系数，且ρ与θ都不等于0。

4.门槛效应模型设定 森林碳汇与经济发展存在耦合关系，二者相互依赖、相互影响［23］。为进一步探究经济发展与森林碳储量之间的复杂关系，根据Hansen［24］的面板门槛效应模型展开分析，以森林覆盖率反映森林资源禀赋，以经济发展水平反映人类经济活动影响，分析不同的森林资源条件下，经济发展水平对森林碳储量的影响。以经济发展水平为核心解释变量，森林覆盖率为门槛变量，进行面板门槛回归分析，模型设定如下：

式（8）中：Tit代表i地区在t年份的森林碳储量；M代表核心解释变量；N代表门槛变量，α1，α2，…，αn为不同门限区间的回归系数；n为门限个数；Xit为一系列控制变量；∂为控制变量的系数。

四、结果与分析

（一）森林碳储量全局空间自相关分析

根据森林资源清查数据计算可得到各省份森林碳储量，基于地理距离矩阵、经济距离矩阵和空间复合距离矩阵得到森林碳储量的全局空间自相关系数如表2所示。

表2 1998—2023年中国森林碳储量全局空间自相关系数

由表2 可以看出，1998—2023 年中国森林碳储量在三种权重矩阵下全局莫兰指数均为正值，且均通过显著性检验，表明中国省域森林碳储量之间具有明显的空间依存关系。森林碳储量在空间上的集聚并不是稳定不变的，其空间相关性具有明显的动态变化特征。地理位置与经济发展水平共同作用于森林碳储量的空间相关性，且经济发展强化森林碳储量的空间聚集程度。据此，H1得以验证。

（二）森林碳储量局部空间自相关分析

为进一步分析各省份之间森林碳储量的集聚情况，基于复合距离权重矩阵绘制1998 年与2023 年各省份森林碳储量的莫兰散点图如图2所示。观察莫兰散点图，并对1998年与2023年各省份森林碳储量分布模式进行整理，森林碳储量存在正空间相关性（表3）。高高集聚的省份主要集中在东北地区与西南地区，低低集聚省份主要集中在东部地区。与1998 年相比，2023 年样本点与原点的距离增加，表明森林碳储量空间相关性的显著性增强。

表3 各省份森林碳储量分布模式

图2 各省份森林碳储量莫兰散点图

（三）空间杜宾模型的实证与结果分析

1.空间面板模型选择 利用方差膨胀因子检验模型是否存在多重共线性，方差膨胀因子均值为3.50，小于5，因此建立面板模型。通过对森林碳储量进行空间自相关检验可知，森林碳储量存在空间相关性，因此可以将模型扩展为空间杜宾面板模型。本文的空间计量模型以空间杜宾面板模型为准，通过LM 检验、LR 检验观察能否从SDM 模型简化为SEM 和SAR 模型，借助Hausman 检验建立固定效应模型或是随机效应模型。最终通过综合比较选择合适的模型进行回归，得到实证分析结果。

由表4结果可知，LM 空间误差检验结果与LM 空间滞后检验结果的P值都通过显著性检验，拒绝不存在空间误差的原假设，选用带空间效应的面板模型。LR 检验结果P值均显著，说明模型不会退化为空间滞后模型/空间误差模型，应选择SDM 模型，Hausman 检验结果P值通过1%的显著性检验，说明拒绝随机效应的原假设，应选择固定效应模型。最后综合考虑拟合优度和对数似然函数值的大小与系数显著性，选取双向固定效应的SDM模型。

表4 LM检验与LR检验结果

2.空间杜宾模型的实证与结果分析 使用地理距离、经济距离、复合距离三种空间权重矩阵建立双向固定效应的SDM 模型，回归结果如表5 所示。在地理矩阵中，除森林覆盖率与农业发展水平不显著外，其他变量的回归结果均较为显著。林业用地面积系数显著为正，表明林业用地面积是推动林业发展与生态建设的基础，增加林业用地面积对森林固碳量的增加有重要意义。林业发展水平系数为正，通过了1%的显著性水平检验，说明林业发展水平正向促进森林碳储量提高。经济发展水平系数显著为负，表明经济发展水平的提高对森林碳元素储备具有抑制作用。基础设施水平系数显著为正，可能是由于基础设施的建设可以保障农村剩余劳动力的自由转移，从而在一定程度上惠及林业第二、三产业，显著改善森林资源经营质量。综合考虑三种矩阵，城镇化水平在地理权重矩阵、经济距离矩阵和复合权重矩阵下系数分别为1.011、1.544、1.522，表明地理距离与经济距离共同作用于城镇化水平与森林碳储量的相关性，且在经济距离下更为显著，即表现出以经济距离为导向的反应机制。

表5 不同权重矩阵SDM模型回归结果

（四）空间溢出效应分解

空间杜宾模型中往往存在交叉项，即在空间计量中，不仅该省内部的变量之间存在关系，不同省份之间的变量也会相互影响。为准确反映各影响因素对森林碳储量的影响，对各变量进行偏微分处理，将各影响因素对森林碳储量的影响，分解为代表各因素对本省森林碳储量影响的直接效应与代表各因素对周边地区森林碳储量影响的间接效应，即空间溢出效应。

1.全局空间溢出效应分解 表6 展示了三种矩阵的回归结果，森林覆盖率的空间溢出效应在地理权重矩阵下显著为负，在经济距离权重矩阵下为正，表明本省森林覆盖率对地理邻近省份的森林碳储量溢出效应更为显著，且表现出消极影响。城镇化水平在地理权重矩阵下的空间溢出效应显著为正，说明随着本省城镇化水平的提高，其周边地理邻近省份森林碳储量也会增长；林业发展水平在地理和经济距离权重矩阵下的溢出效应都显著为正，说明本地区林业发展水平对邻近省份森林碳储量的提高具有正向影响。综上所述，H1、H2、H3、H4得以验证。

表6 不同权重矩阵下的空间杜宾模型效应分解

2.空间溢出效应异质性分析 考虑到森林碳储量分布的异质性，将31个省份划分为东部、中部、西部，其中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部地区包括山西、吉林、黑龙江、河南、湖南、湖北、安徽、江西；西部地区包括内蒙古，广西、四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。异质性分析结果如表7所示。

表7 不同地区的空间杜宾模型效应分解

分区域观察，东部地区林业用地面积的间接效应显著为正，西部地区显著为负，主要原因可能为受自然条件影响，西部地区造林难度较大，生态系统较为脆弱，因此林业用地面积的增长极有可能对周边地区的森林产生影响，导致生态系统碳循环发生变化，不利于周边地区生态系统的稳定。此外，长期以来较为落后的经济发展水平使得西部地区林业管理水平较低，森林资源质量有所欠缺，无法充分发挥森林对二氧化碳的吸收能力，因此西部地区林业用地面积的增加对周边地区森林碳储量产生负向溢出效应。

东部、中部、西部地区城镇化的间接效应系数均显著为正，表明城镇化发展对周边地区森林碳储量提升具有促进作用。城镇化发展促进产业与要素流动，对周边地区森林碳储量产生正向影响。

东部地区经济发展水平间接效应不显著，中部和西部地区经济发展水平的间接效应显著为负，表明经济发展不利于周边地区森林碳储量的提高。主要原因是中部和西部地区经济发展水平较低，因此政府大力发展经济，对环境关注度可能不够，从而造成环境污染，如果无法妥善解决也会对周边地区森林碳储量产生消极影响。

东部与中部地区基础设施建设间接效应为负且不显著，中部地区间接效应明显大于东部地区，西部地区间接效应显著为正。可能的原因是：西部地区经济发展不均衡，整体发展较为落后，基础设施建设有利于西部地区的要素流动与资源配置，从而显著提升其林业技术水平，带动周边地区森林碳储量的增加；东部地区基础设施建设较为完善，已经跨越了依靠基础设施建设促进要素流动的阶段，甚至有所超前，因此东部地区溢出效应不显著；中部地区地处内陆，在承接东部地区产业转移和东西部合作方面发挥着重要作用，对基础设施建设也有更高要求，而基础设施建设需要进行土地占用，易导致森林面积减少或森林植被破坏，同时基础设施建设使得发达省份更可能将高污染产业转移至周边欠发达省份，从而导致周边地区森林碳储量降低。

（五）核心变量的门槛效应分析

对森林碳储量进行门槛效应检验，单门槛、双门槛和三门槛检验的P值分别为0、0.03、0.36，故认为模型存在双门槛效应。因此拟合一个双重门限模型，利用最小化残差平方和的方式确定具体门槛值分别为0.056 0，0.149 7。对门槛效应模型进行一致性检验以探求门槛估计值的有效性，绘制似然比函数图（图3）。其中，横轴表示森林覆盖率的门槛值，纵轴代表似然比函数值，虚线代表95%显著性水平上的临界值。图3分别为为森林覆盖率第一个门槛值与第二个门槛值的置信区间［25］。

图3 双门槛值及似然比函数图

根据门槛模型得出的估计结果（表8），结果显示经济发展水平对森林碳储量的门槛效应存在两个结构变化点。当森林覆盖率小于0.056 0时，森林可利用规模小，外部环境限制较强，森林极易受到自然灾害与人类活动影响，从而导致经济发展对森林碳储量抑制作用较强。当0.056 0≤森林覆盖率≤0.149 7时，经济发展水平对森林碳储量的抑制作用减弱。经济发展水平的提高使人们更加注重生态保护，退耕还林工程等政策的实施使得抑制作用得以抵消。当森林覆盖率大于0.149 7时，经济发展水平对森林碳储量转为正向促进作用。森林覆盖率的增大使得森林生态系统的生产力随之增加，森林对二氧化碳的吸收作用更为显著，有利于生态系统的稳定性和可持续发展，同时丰富的森林资源也为经济发展提供更好的生态环境支撑和资源保障，经济发展在一定程度上促进林业技术进步，使产业结构更加合理，从而间接促进森林碳储量增长。据此，H5得以验证，森林碳储量与经济发展水平存在门槛效应。从影响森林碳储量的其他控制变量分析，林业用地面积、城镇化水平、林业发展水平与基础设施建设对森林碳储量具有显著正向影响。

表8 面板门槛模型回归分析结果

五、主要结论与政策建议

基于中国31 个省份的森林资源清查数据，综合运用空间杜宾模型、溢出效应分解等方法对中国省域森林碳储量的关键影响因素与空间特性进行识别与探讨，主要得到如下研究结论。第一，全国省域森林碳储量呈现出明显的空间正相关性，空间集聚特征明显，高值与高值主要集聚在东北和西南区域，低值与低值主要集聚在东部区域。第二，自然地理因素、人口因素、社会经济因素都显著地作用于森林碳储量在各省之间的空间溢出效应，且该作用效果具有区域异质性。西部地区空间溢出效应最为显著，中部地区森林碳储量的溢出效应较小。第三，随着森林覆盖率的增加，人类经济活动对森林碳储量的影响由负向抑制作用变为正向促进作用。

基于上述研究结论，提出以下政策建议。第一，保护好现有森林资源，提高森林碳储量。通过植树造林和封山育林等不断扩大森林面积，提升森林生态系统对碳的储存和吸收能力。同时，积极探索以增加碳汇为主要目标的林业行动，更大限度发挥森林作为陆地生态系统最大碳库的储碳固碳功能。第二，统筹考虑不同影响因素，提高林业发展水平。结合各地区实际情况合理发展林业，提高森林生态效益。充分考虑经济发展与各产业结构等对森林碳储量的直接效应与各省域发展对森林碳储量的间接影响，制定具有差异性的政策以促进整体森林碳储量能力的提升。第三，加强不同省份与地区间的经济联系。森林碳储量具有显著的空间溢出效应，因此各邻近省份应结合各省域之间的地理与经济关联程度，建立完备的森林资源保护机制与要素流动机制，切实增强各省份在森林保护方面协同增效的能力。