西北农林科技大学资源经济与环境管理研究中心,杨凌 712100
Effects of cultivated land transition on ecosystem service value in Shaanxi Province of China
DINGZhenmin, YAOShunbo通讯作者:
收稿日期:2018-08-25
修回日期:2019-01-4
网络出版日期:2019-06-25
版权声明:2019《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (7643KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
中国城乡正在经历快速发展转型,城乡要素的交互作用继而导致土地利用在深度与广度上均呈现剧烈转型[1]。城镇空间的快速扩张使得大量的农用地转化为城乡建设用地,而以土地利用类型为基础的生态系统结构和服务功能的改变导致生态环境的恶化与自然灾害的频发,同时又制约着城镇化的进程和方式[2,3]。为解决城乡发展带来的生态环境问题,国家相继实施以退耕还林(草)(以下简称“退耕还林”)为主要代表的生态修复工程,以期构建城镇发展的生态屏障[4]。在城镇化与生态修复双重背景下,作为生态经济功能相互转化最灵活的土地类型与稀缺资源,耕地成为参与社会经济发展与国家生态环境治理的核心要素。LUCC框架是研究土地利用与生态系统服务之间关系的基础工具,LUCC格局演变与生态系统服务响应机制[5,6]、土地利用模拟与生态服务目标的实现[7]、LUCC与生态系统服务权衡与协同[8,9]等研究领域取得了丰硕的成果。大多数研究以地理学和生态学为基础探索LUCC与生态系统服务价值之间的变化关系,并用于指导土地利用管理,但对于土地利用动机缺乏相对统一的经济学分析框架。耕地对于保障国家食物安全、维护区域生态安全具有关键作用[6],耕地转移成为LUCC框架的研究重点。从耕地转移的动力与方向来看,耕地主要向经济刺激下的城乡建设用地和生态修复政策驱动下的生态用地进行转化。众多****在城镇扩张与生态环境关系之间的库兹涅兹曲线假设[10]、城镇扩张与生态环境之间的耦合理论框架[11]以及生态系统服务对城镇化响应机制[12]等方面进行了深入探讨。然而,大部分研究主要采用经验判断以及相关性指数验证土地城镇扩张与生态系统服务价值的关系,对于两者的因果关系仍需进一步检验。另外,退耕还林工程作为中国涉及范围最广、群众参与度最高的生态修复项目,不仅能带动当地经济增长与农民增收[13],而且还能有效增加生态系统服务价值、改善当地生态环境[14]。根据党中央和国务院要求以及生态文明的战略部署,2014年国家林业局启动新一轮的退耕还林工程。虽然退耕还林工程可改善区域的生态环境,但是过度的退耕会导致耕地资源的浪费,对于粮食安全以及农户长远生计产生不利的影响[15]。2015年《关于扩大新一轮退耕还林还草规模的通知》[16]明确指出,必须毫不动摇地保护好基本农田。退耕还林规模应根据人口最低消费量和地形坡度因素进行估算;而实际的工作中退耕还林规模主要按照国家颁布的退耕还林条例标准进行确定[17],两者均没有考虑人类活动对生态系统服务的作用边际,难以保证作出可靠的决策。城镇扩张与退耕还林作为陕西省耕地转移的主要动力,理清两者的相互作用关系及其对生态系统服务功能的影响是确定退耕还林规模的前提条件。
综上所述,首先基于效用最大化理论建立土地利用转移的经济学分析框架,探索土地利用转移的一般经济规律,并在分析框架基础上建立耕地转移的权衡模型;其次利用虚拟变量最小二乘法(LSDV)考察城镇扩张对生态系统服务价值直接效应、林草覆盖率对城镇扩张的调节效应;最后运用面板门槛模型考察林草覆盖率的门槛效应以确定退耕还林规模,为退耕还林工程的实施提供决策依据。
2 土地利用转移的经济学分析框架
人类作为生态系统的重要组成部分,通过改变土地利用的方式、模式、规模和强度来权衡生态系统服务,从而引导其福利的改变[18]。为了从土地利用转移的视角探讨耕地转移对生态系统服务价值的影响,本文在分析土地利用转移经济动机的基础上,基于效用理论构建土地利用的经济学分析框架,揭示土地利用转移的一般规律并为后续计量模型检验提供理论依据(图1)。显示原图|下载原图ZIP|生成PPT
图1土地利用转移的经济学分析框架
-->Figure 1Economic analysis framework of land use transition
-->
根据生态用地的划分标准[19],本文将6种土地类型分别归入生态用地与经济用地;其中,生态用地包含林地、草地、水域与未利用地;经济用地包含耕地和城乡建设用地。按照个体追求的生态与经济目标不同,把由生态用地向经济用地的转移过程定义为土地利用转移的经济流,而由经济用地向生态用地的转移过程定义为土地利用转移的生态流。
假设个体效用函数
当存在外部经济机会时,土地利用转移不考虑环境价值(即
生态用地由于所处的地形复杂或者气候环境恶劣不能直接成为城乡建设用地,所以一般城乡建设用地基本都是由耕地转出而得到(推论1)。其次,当转移后的土地类型增加的经济收益
在考虑环境价值或者政府补偿时(
通过以上分析可以得到在外部经济刺激与生态环境政策干预的条件下,耕地一般会向生态用地和更高级的经济用地进行转移。假设生态系统服务价值由耕地向生态用地转移的面积和耕地向城乡建设用地转移的面积共同决定,根据道格拉斯生产函数可得:
3 研究区概况、数据与方法
3.1 研究区概况
陕西省地理位置介于105°29′E—111°15′E,31°42′N—39°35′N,在中国综合自然区划中因秦岭—淮河线而横跨北方与南方。由于南北所跨纬度较多,陕西省境内气候差异很大,从北向南依次为温带、暖温带和北亚热带,整体属大陆季风性气候;年平均气温为7~16℃,气温由南向北逐渐降低;年平均降水量为340~1240 mm,从南向北递减,并且受山地地形影响比较显著。1999年,陕西省率先成为退耕还林工程的试点省份之一。自退耕还林工程实施以来,累计完成退耕还林任务2.437万km2,工程区森林覆盖率平均提高了约12%,林草植被覆盖明显恢复。2016年陕西省森林覆盖率达43.06%,活立木总蓄积5.1亿m3,林地保有量1236.79万hm2,林草覆盖率甚至已超过60%。2016年,陕西省国民生产总值达19165.39亿元,常驻人口城镇化率55.34%;2020年底,全省常住人口和户籍人口城镇化率预计目标分别超过60%和45%。
3.2 研究方法
(1)生态系统服务价值与损益变动计算。生态系统服务(Ecosystem Services)是指生态系统直接或间接的为人类生存和生活质量提供的生态产品与支持[20]。本文以谢高地等[21]改进的“中国陆地生态系统单位面积生态系统服务价值当量”为标准,并基于陕西省平均粮食产量与价格水平对生态系统服务价值当量因子进行修正,确定其单个生态系统服务价值当量因子的价值为869.001元/hm2(2015 年价格)。另外,根据Costanza等[20]的研究结果设置城乡建设用地的生态系统服务价值当量因子为0。最终,利用当量因子乘以当量因子价值得到陕西省各土地利用类型的生态价值系数(表1)。Table 1
表1
表1陕西省各土地利用类型的生态价值系数
Table 1Ecological value coefficient of terrestrial ecosystem in Shaanxi Province (元/hm2)
耕地 | 森林 | 草地 | 水域 | 城乡建设用地 | 未利用地 | |
---|---|---|---|---|---|---|
生态价值系数(vc) | 3432.554 | 16175.005 | 13521.656 | 109155.216 | 0 | 564.851 |
新窗口打开
生态系统服务价值的计算公式为:
式中:esv表示生态系统服务价值;sn表示第n类土地的面积;vcn是调整后的第n类土地的生态价值系数。
结合土地利用转移矩阵,在(1)式的基础之上得出生态系统服务价值损益计算公式为:
式中:
(2)城镇扩张计算。土地城镇化是衡量城镇空间扩张程度的重要指标,****对土地城镇化的计算标准也各有不同[22]。按照李昕等[22]的定义:土地城镇化率=城镇用地面积/城乡建设用地面积,可以大致反映城镇空间扩张的水平。但从土地利用转移上来看,随着城市人口急剧增加和城镇用地的扩张,优质的耕地成为城镇建设用地的主要来源和扩张方向[23]。一般来讲,城镇周边的耕地会成为城镇建设用地扩张的首选;但由于各县(区)功能分区以及城镇发展阶段不同,导致各县(区)远郊与近郊的划分标准也存在显著的差异,给变量设计带来很大的困难。因此,本文将所有的耕地纳入到城镇扩张的计算模型中。虽然可能引起城镇扩张的真实水平被低估,但是一般不会改变县域城镇扩张的水平排序。具体计算公式为:
式中:urban为城镇扩张水平;stown为城镇用地面积,sfarm为耕地面积,scons为城乡建设用地面积。
(3)面板门槛模型
考虑到退耕还林工程的实施可能弱化城镇扩张对生态系统服务价值的影响,通过构建门槛面板模型检验林草覆盖率在城镇扩张与生态系统服务价值关系中的门槛效应,并以城镇扩张的边际效应为零来确定退耕还林实施的临界条件。与通常采用交叉项或者外生分组等方式研究非线性因果关系的做法相比,本文采用的面板门槛模型无须指定方程的非线性表达形式,门槛值及其门槛数量全部由样本内生决定,并且运用“自抽样”(bootstrap)方法对门槛值的显著性进行估计[24]。
为了表达简洁,在此仅介绍双重门槛模型,基本模型设定如下:
式中:lnmesvmt表示单位面积生态系统服务价值(对数);ubanmt表示城镇扩张水平;pfgcmt表示林草覆盖率;slopmt为坡度,aspectmt为坡向,lntempmt为气温(对数);lnrainmt为降水量(对数);watermt为水域面积比例;I(*)为示性函数,即满足括号里的条件,该函数值为1,否则取0;β1-β8表示估计系数;εit为随机扰动项;m表示县(区);t表示年份。
3.3 数据来源及处理
由于大尺度的土地分类数据获取存在一定的难度,本文仅选取1990、2000、2010和2015年陕西省4期土地利用现状数据;该数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn),其空间分辨率为30 m×30 m,并且土地利用一级类型综合评价精度达到94.3%以上[25],由此确保了本文所使用土地利用数据的真实性和准确性。参照中国科学院土地类型划分标准,将研究区土地利用/覆盖重分为6大类:耕地、林地、草地、水域、城乡建设用地和未利用地。退耕还林工程主要通过转变耕地利用类型,提升林草覆盖率来改善当地生态环境[26]。本文以生态系统服务价值最大化为目标函数,拟通过林草覆盖率计算退耕还林的临界标准。另外,由于1990年的经济社会数据的完整性较差以及统计口径存在较大的差异导致无法使用,所以本文暂不考虑社会经济因素,仅将自然因素变量纳入回归模型之中。根据相关研究选取气温、降水量、坡度以及坡向等[27,28,29]自然指标作为控制变量,数据同样来源于中国科学院资源环境科学数据中心。由于水域的生态系统服务价值当量因子比较大,会对回归结果产生较大的影响,因此将水域面积比例作为控制变量。以陕西省107个县(区)为样本单元,利用ArcGIS以表格显示分区统计的功能对气温、降水等变量的栅格数据进行均值提取;坡度、坡向栅格数据利用ArcGIS10.3表面分析模块对EDM(90m)的栅格数据进行处理得到,然后以县(区)为统计单元,利用ArcGIS10.3以表格显示分区统计的功能对其进行均值提取;各县的土地利用类型的面积由ArcGIS10.3的面积制表的功能得到,并且基于各种土地利用类型面积计算单位面积生态系统服务价值、城镇扩张水平、林草覆盖率以及水域面积比例等变量。同样,DEM(90 m)、气温(1 km)、降水(1 km)的栅格数据来源于中国科学院资源环境科学数据中心。各变量的描述性统计通过Stata14.0计算得到(表2)。
Table 2
表2
表2变量设计及描述性统计
Table 2Variables and descriptive statistics
变量代码 | 变量名称 | 计算方式 | 单位 | 均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|---|---|
mesv | 单位面积生态系统服务价值 | 县域生态系统服务价值/县域总面积 | 元/hm2 | 9840.700 | 3124.693 | 0.000 | 15273.050 |
urban | 城镇扩张水平 | 县域城镇用地面积/(县域城乡建设用地面积+县域耕地面积) | — | 0.046 | 0.172 | 0.000 | 1.000 |
pfgc | 林草覆盖率 | (县域林地面积+县域草地面积)/县域总面积 | — | 0.500 | 0.266 | 0.000 | 0.952 |
slope | 坡度 | 均值提取于DEM(90 m)栅格数据 | ° | 3.513 | 2.481 | 0.174 | 10.165 |
aspect | 坡向 | 均值提取于DEM(90 m)栅格数据,并经过计算得到 | ° | -7.518 | 6.069 | -23.155 | -0.068 |
temp | 气温 | 均值提取于气温(1 km)格数据 | ℃ | 11.944 | 1.938 | 7.240 | 15.490 |
rain | 降水量 | 均值提取于降水(1 km)格数据 | mm | 683.159 | 213.128 | 287.124 | 1401.146 |
water | 水域比例 | 县域水域面积/县域面积 | — | 0.011 | 0.013 | 0.000 | 0.076 |
新窗口打开
4 结果与分析
4.1 土地利用转移情况
1999年,陕西省率先成为退耕还林工程的试点省份之一。2000年以后大规模的退耕还林在陕西省全面推广,因此以2000年作为土地利用转移分析的时间分界点。本文重点考察当存在外部经济机会时的土地利用转移状况(1990—2000年),以及受到生态环境政策干预时的土地利用转移状况(2000—2015年),以验证土地利用转移的经济学分析框架的合理性。在土地利用转移矩阵的基础之上通过R软件可视化功能,绘制反映陕西省1990—2015年土地利用类型转移方向的弦图,同时绘制1990—2015年陕西省主要土地利用转移类型的空间格局图(图2)。显示原图|下载原图ZIP|生成PPT
图21990—2015年陕西省土地利用转移方向与空间格局
-->Figure 2Direction and spatial pattern of land use change in Shaanxi Province, 1990-2015
-->
在1990—2000年期间(图2a和图2b),土地利用转移过程沿着“未利用地→草地→耕地→城乡建设用地”的经济流进行转移。未利用地向草地转入1303.726 km2,转移区域主要位于毛乌素沙漠东南端;由于直接开发难度较大,未利用地必须进入生态流以改善土地类型的生态环境质量,才有可能进入经济流进而得到有效的经济产出(验证推论2)。草地向耕地转入961.999 km2,转移区域主要位于陕北高原中南部;当存在外部经济机会时,个体选择由生态用地向经济用地进行转移,并不考虑区域生态环境的脆弱性。耕地向城乡建设用地转入380.349 km2,耕地转入面积占城乡建设用地净增加面积的98.51%;耕地成为城乡建设用地的主要来源,转移区域主要位于关中平原(验证推论1)。而城乡建设用地转出的面积仅占城乡建设用地转入面积的6.86%;城乡建设用地的经济价值较高,其转出的机会成本远远大于城乡建设用地转出的收益,即外部不存在城乡建设用地向其他用地类型转移的经济机会,因此城乡建设用地一般不会向其他用地转出(验证推论3)。
在2000—2015年期间(图2c和图2d),土地利用转移过程沿着“耕地→林、草地”的生态流和“耕地→城乡建设用地”的经济流进行转移。由于大规模的自然灾害频发,1999年中央政府为了解决生态环境问题启动了退耕还林工程,耕地开始大规模地向林地、草地转移。耕地向林地、草地分别转入面积分别为1326.756 km2、3820.579 km2,转移区域主要位于陕北高原。其次,虽然存在生态环境政策,但是耕地向城乡建设用地转移的趋势依然明显,转入面积为1558.135 km2,占其他用地向城乡建设用地转入总面积的70.17%,转移区域主要位于关中平原和汉中盆地(验证推论1)。而城乡建设用地转出的面积仅占城乡建设用地转入面积的7.32%;城乡建设用地面积的经济价值较高,其转出的机会成本远远大于城乡建设用地转出的收益,即使存在生态环境补偿干预,城乡建设用地也很难向其他用地类型转出(验证推论3)。
通过陕西省土地利用转移的一般规律分析,大致可以验证土地利用转移的经济学分析框架的合理性。同时,可以发现在经济刺激条件下,耕地会向具有更高经济价值的城乡建设用地转移;而在生态政策推动下,耕地会选择向具有低转移成本的林地、草地等生态用地转移。
4.2 生态服务价值损益变动情况
由于土地利用转移矩阵(图2a-图2c)仅能呈现土地利用类型的变化,但是无法得到各土地利用类型转移带来的生态系统服务价值的增减变化。为此,在土地利用转移矩阵的基础之上,利用公式(1)计算各地类的生态系统服务价值;然后,通过公式(2)计算生态系统服务价值在各种土地类型上的转移损益情况(表3和表4)。Table 3
表3
表31990—2000年陕西省生态系统服务价值损益情况
Table 3Gains and losses of ecosystem service value in Shaanxi Province, 1990-2000 (亿元)
1990 | 2000 | ||||||
---|---|---|---|---|---|---|---|
耕地 | 森林 | 草地 | 水域 | 城乡建设用地 | 未利用地 | 转出总计 | |
耕地 | 0.000 | 2.442 | 4.798 | 3.964 | -1.306 | -0.111 | 9.788 |
森林 | -1.767 | 0.000 | -0.734 | 0.215 | -0.313 | -0.053 | -2.653 |
草地 | -9.706 | 0.999 | 0.000 | 2.304 | -0.152 | -1.160 | -7.715 |
水域 | -6.830 | -0.187 | -3.375 | 0.000 | -0.058 | -0.351 | -10.802 |
城乡建设用地 | 0.084 | 0.015 | 0.036 | 0.029 | 0.000 | 0.000 | 0.164 |
未利用地 | 0.108 | 1.079 | 16.892 | 0.883 | -0.002 | 0.000 | 18.960 |
转入总计 | -18.111 | 4.349 | 17.617(0.725) | 7.394 | -1.831 | -1.676 | 7.742*(-9. 15) |
新窗口打开
Table 4
表4
表42000—2015年陕西省生态系统服务价值损益情况
Table 4Gains and losses of ecosystem service value in Shaanxi Province, 2000-2015 (亿元)
2000 | 2015 | ||||||
---|---|---|---|---|---|---|---|
耕地 | 森林 | 草地 | 水域 | 城乡建设用地 | 未利用地 | 转出总计 | |
耕地 | 0.000 | 16.906 | 38.546 | 18.125 | -5.348 | -0.132 | 68.097 |
森林 | -4.393 | 0.000 | -0.718 | 1.300 | -1.430 | -0.799 | -6.040 |
草地 | -21.049 | 2.598 | 0.000 | 7.732 | -5.502 | -2.041 | -18.263 |
水域 | -13.632 | -0.777 | -6.927 | 0.000 | -2.193 | -0.324 | -23.852 |
城乡建设用地 | 0.397 | 0.369 | 0.212 | 0.895 | 0.000 | 0.000 | 1.873 |
未利用地 | 0.452 | 0.199 | 2.606 | 2.106 | -0.083 | 0.000 | 5.281 |
转入总计 | -38.224 | 19.296 | 33.719(31.113) | 30.158 | -14.556 | -3.297 | 27.096*(24.490) |
新窗口打开
1990—2000年间,陕西省生态系统服务总价值增加了7.742亿元。从主要的贡献来源看,生态系统服务价值的增加主要依赖于耕地和未利用地的转出,分别使得生态系统服务价值增加9.788亿元、18.960亿元;而草地与水域的转出分别使生态系统服务价值减少7.715亿元、10.802亿元;另外,未利用地向草地转移使生态系统服务价值增加16.892 亿元。根据土地利用转移的经济学分析框架可知,在没有生态环境政策干预的情况下,未利用地向草地的转移实际上隐藏着更多的经济性动机。所以,在扣除未利用地向草地转移增加的16.892亿元生态系统服务价值后,实际增加的生态系统服务价值为-9.15亿元。
2000—2015年间(表4),陕西省生态系统服务价值增加27.096亿元,是1990—2000年生态系统服务价值增加值的3.5倍。从主要贡献来看,耕地向林地、草地的转移分别使生态系统服务价值增加了16.906亿元、38.546亿元,两者合计值为生态系统服务价值增加值的2.047倍。由此可以看出,陕西省退耕还林工程的实施起到一定的生态效果。但据统计,截至2011年国家累计投入陕西省退耕还林补助资金达263亿元,粗略地计算“资金价值-生态系统服务价值”的转化率仅为10.28%左右,资金的使用效率仍需进一步提高。
4.3 林草覆盖率的门槛效应检验
在使用面板门槛模型前,需要对门槛效应的存在性进行检验,并进一步确定门槛的个数,以及模型的具体形式。从表5看,单一门槛模型在1%的水平下显著,表明城镇扩张水平对生态系统服务价值存在非线性的影响;进一步确定门槛的形式,双重门槛模型也通过了5%的显著性水平,可以认为选择双重门槛模型较好。门槛参数的估计值是似然比检验统计量LR为0时γ的取值,在以林草覆盖率为门槛变量的双门槛模型中估计值分别为0.013和0.837;并且门槛估计值在95%显著性水平的置信区间内,表明门槛估计值为真实的估计值。Table 5
表5
表5门槛效应检验
Table 5Test of threshold effect and threshold values
门槛类型 | F值 | P值 | BS次数 | 门槛值 | 置信区间 |
---|---|---|---|---|---|
单一门槛(pfgc1) | 669.292*** | 0.007 | 300 | 0.013 | [0.013,0.014] |
双重门槛(pfgc1) | 1.459** | 0.013 | 300 | 0.837 | [0.837,0.837] |
(pfgc2) | 0.013 | [0.013,0.014] | |||
三重门槛(pfgc3) | 0 | 0.28 | 300 | 0.041 | [0.025,0.053] |
新窗口打开
4.4 回归结果分析
本文采用stata14.0计量软件通过回归模型探讨耕地转移对生态系统服务价值的影响(表6)。模型(1)主要考察城镇扩张对生态系统服务价值的直接效应;模型(2)引入城镇扩张与林草覆盖率的交乘项,主要研究林草覆盖率在城镇扩张与生态系统服务价值关系中的调节效应;模型(3)以林草覆盖率为门槛变量,运用面板门槛模型考察城镇扩张对生态系统服务价值的非线性影响,以确定合理的退耕还林规模(验证推论4)。Table 6
表6
表6模型结果
Table 6Results of the models
lnmesv | 模型(1)直接效应 | 模型(2)调节效应 | 模型(3)门槛效应 | |||||
---|---|---|---|---|---|---|---|---|
系数 | 标准误差 | 系数 | 标准误差 | 系数 | 标准误差 | |||
urban | -0.976*** | 0.197 | -1.588*** | 0.312 | ||||
urban_1 (pfgc<0.013) | -2.782*** | 0.166 | ||||||
urban_2 (0.013<=pfgc<0.837) | -0.617*** | 0.142 | ||||||
urban_3 (pfgc>=0.837) | 2.504 | 2.866 | ||||||
pfgc | 1.472*** | 0.211 | 1.479*** | 0.428 | ||||
pu | 11.600*** | 2.502 | ||||||
lntemp | -0.127 | 0.085 | -0.459* | 0.272 | -0.679*** | 0.095 | ||
lnrain | 0.063 | 0.054 | 0.069 | 0.070 | -0.078 | 0.049 | ||
slop | 0.223*** | 0.031 | 0.180*** | 0.058 | 0.089*** | 0.009 | ||
aspect | 0.124*** | 0.036 | 0.067 | 0.077 | 0.011*** | 0.003 | ||
water | 15.804*** | 1.561 | 15.478*** | 4.717 | 12.664*** | 1.244 | ||
控制个体 | YES | YES | — | |||||
_cons | 6.812*** | 0.519 | 8.560*** | 1.486 | 12.696*** | 0.513 | ||
R2 | 0.9616 | 0.9641 | — |
新窗口打开
(1)城镇扩张以及林草覆盖率对生态系统服务价值的直接影响,如模型(1)。可以看出,城镇扩张对生态系统服务价值具有负向的显著影响,而林草覆盖率的增加会导致生态系统服务价值的显著上升。陕西省作为退耕还林的试点先行省份,林草面积的增长主要来源于退耕还林工程的推动。为此,引入城镇扩张水平与林草覆盖率的交乘项(pu),如模型(2)。城镇扩张对生态系统服务价值存在显著的负向影响,并且城镇扩张与林草覆盖率的交乘项对城镇扩张的边际效应具有正向的调节作用,即林草覆盖率越高的地方,城镇扩张对生态系统服务价值的负向影响越小,同时也说明退耕还林还草工程的有效性。在模型(2)的基础之上,对该函数求urban一阶导数,可知当林草覆盖率(pfgc)达到13.69%的时候,城镇扩张对生态系统服务价值的边际效应为零,即城镇扩张不会对生态系统服务价值产生影响,但这显然与现实情况存在一定的差距,可能是交乘项难以考察更复杂的非线性关系。
(2)以林草覆盖率为门槛变量,构建面板门槛模型探讨城镇扩张与生态系统服务价值的非线性关系,如模型(3)。当林草覆盖率增加时,城镇扩张对生态系统服务价值的负向边际效应越来越弱,即林草覆盖率的提高确实可对城镇扩张的边际效应起到非线性调节的作用;并且当林草覆盖率超过83.7%时,城镇扩张不会对生态系统服务价值产生影响,此时应为退耕还林工程需要停止的临界水平。陕西省自然资源厅土地利用年报显示[30],2017年陕西省林草覆盖率为68.83%(按照中科院土地利用分类,园地应归属于林地,则林草覆盖率=(林地+草地+园地)/省域面积×100%),因此,陕西省仍需进一步扩大退耕还林规模以保证区域生态安全与满足生态文明建设的需要。然而,从2017年陕西省土地利用现状来看,基本农田面积为306.35万hm2,占全省国土面积的14.90%;耕地面积为398.29万hm2,占全省国土面积的19.40%。在保证基本农田不减少的情况下,陕西省耕地向林草地最多可转移的面积仅为91.94万hm2,占全省国土面积的4.47%;则依赖退耕还林工程可使陕西省林草覆盖率达到73.30%,还有10.4%的林草覆盖率的缺口需要依赖其他生态修复措施予以弥补。
(3)其他控制变量(除降水外)对生态系统服务价值的影响,如模型(3)。气温对生态系统服务价值具有负向影响。在西北干旱半干旱区域,气温升高会加速区域荒漠化的进程[26],导致具有较高生态系统服务价值的耕地、草地甚至是林地的退化,从而引起生态系统服务价值的减少。坡度对生态系统服务价值具有正向的显著影响。坡度越高的地方人类活动越少,因此在坡度较高的地方受到人类活动的影响就会越小,生态系统服务价值就相对较高[27]。坡向对生态系统服务价值具有正向影响,即坡向越靠近阳坡的区域其生态系统服务价值越高。一般来讲,阳坡土壤有机质含量较低、养分较差[31],难以形成肥沃的耕地与城区;人类活动在阳坡的活动要明显低于阴坡,使得阳坡的生态系统服务价值较高。县域水域面积比例越高,当地的生态系统服务价值越大;水域的生态系统服务价值当量因子在各土地利用类型中赋值权重最高,水域面积较小的变动都会对生态系统服务价值产生较大的影响。
(4)降水量对生态系统服务价值的影响不显著,如模型(1)—(3),这似乎与人们的直觉相悖离。如果仅考虑变量间相关性,通过简单的OLS模型可以得到“区域降水量越多,生态系统服务价值越高”的结论(图3a)。但在简单的OLS模型中遗漏了初始生态资源禀赋这一重要条件,导致出现符合一般认知但不具有因果关系的“伪回归”。如果考虑事物之间的因果关系,利用面板固定效应模型可有效控制初始生态资源禀赋条件,剥离出真正的降水量对生态系统服务价值边际贡献。降水量对生态系统服务价值不具有显著的影响(图3b),所以降水量不是造成生态系统服务价值变化的真实原因。降水量仅决定了初始生态资源禀赋,不会引起土地利用结构发生显著的变化,特别是在西北比较干旱的地区不会因为区域降水量的增加而导致由低生态系统服务价值用地向高生态系统服务价值用地转化的概率,所以降水量对生态系统服务价值的影响不显著。LSDV模型可以通过设置虚拟变量取得与固定面板模型一样的效果。
显示原图|下载原图ZIP|生成PPT
图3不同模型下生态系统服务价值与降水之间的关系
-->Figure 3Relationship between ecosystem service value and precipitation based on different models
-->
5 结论
本文基于土地利用/覆被变化,利用1990—2015年4期的遥感数据,通过面板门槛模型探讨在生态修复与城镇扩张背景下耕地转移对生态系统服务价值的影响机制。研究发现:(1)通过陕西省土地利用/覆被变化(LUCC)的分析验证了土地利用转移经济学分析框架的合理性,土地类型的转移基本遵循经济学收益最大或者成本最小化原理。无论是否存在环境政策的干预,耕地都会向具有更高经济价值的城乡建设用地转移,而城乡建设用地向其他地类转移的概率较小。在生态修复政策驱动下,经济理性的个体才会选择耕地向生态用地的转移。
(2)陕西省退耕还林工程的实施使得省域生态系统服务价值明显增加,2000—2015年间陕西省在实施退耕还林后生态系统服务价值增加了27.096亿元,约是1990—2000年生态系统服务价值增长值的3.5倍;退耕还林的实施取得了一定的效果,但资金利用率不高。
(3)各自然要素对生态系统服务价值存在不同的作用机制。由于降水的变化难以显著地改变土地利用结构,所以降水对生态系统服务价值的影响不显著;而气温的升高会增加西北地区的荒漠化进程,进而导致生态系统服务价值的降低。阳坡土壤有机质含量较低,养分较差,难以形成肥沃的耕地或者城区;人类活动在阳坡的活动要明显低于阴坡,导致阳坡的生态系统服务价值较高。
(4)城镇扩张对生态系统服务价值具有显著的负向影响,但其边际效应与林草覆盖率存在一定的函数关系。随着退耕还林工程的实施,林草覆盖率的增加可以弥补城镇扩张带来生态系统服务价值降低;并且当林草覆盖率达到83.70%时,城镇扩张不会对生态系统服务产生影响,可以此作为退耕还林的临界水平。2017年陕西省林草覆盖率为68.83%,在保证基本农田不减少的前提下,陕西省仍需进一步扩大退耕还林(还草)规模以保证区域生态安全与满足生态文明建设的需要。
虽然当量因子法对生态系统服务价值的核算比较简单经济,但由于当量因子法基于专家认知评估并非是真正意义上公众愿意支付的市场价值,这与Costanza最初运用支付意愿法估计(WTP)估计生态系统服务的市场价值存在一定的差异[20]。如何在宏观尺度上设计更加可靠、公允的生态系统服务价值的计算方法是一个需要长期探索的过程。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | [J]. , [J]. , |
[2] | [J]. , |
[3] | [J]. , [J]. , |
[4] | [EB/OL]. ( [EB/OL]. ( |
[5] | [J]. , |
[6] | [J]. , [J]. , |
[7] | [J]. , [J]. , |
[8] | [J]. , |
[9] | [J]. , |
[10] | [J]. , |
[11] | [J]. , [J]. , |
[12] | [J]. , [J]. , |
[13] | [J]. , [J]. , |
[14] | [J]. , [J]. , |
[15] | [J]. , [J]. , |
[16] | [EB/OL]. ( [EB/OL]. ( |
[17] | [J]. , [J]. , |
[18] | [J]. , |
[19] | [J]. , [J]. , |
[20] | [J]. , |
[21] | [J]. , [J]. , |
[22] | [J]. , [J]. , |
[23] | [J]. , [J]. , |
[24] | [J]. , [J]. , |
[25] | [J]. , [J]. , |
[26] | [J]. , [J]. , |
[27] | [J]. , [J]. , |
[28] | [J]. , [J]. , |
[29] | [J]. , [J]. , |
[30] | [EB/OL]. ( [EB/OL]. ( |
[31] | [J]. , [J]. , |