中国森林资源发展质量测度与时空差异研究*

刘秋金，杨思崟，林镇江，余向群，张瑞琛

(福建农林大学 a.计算机与信息学院，b.福建省资源环境空间信息统计研究中心，c.生态与资源统计福建省高校重点实验室，d.经济管理学院，福州 350002)

森林资源是维持陆地生态系统平衡、保障人类基本生存条件和实现社会经济持续发展的基础[1]。对森林资源发展质量进行有效测度有利于营造良好的生态环境、改善人民的生活质量、提升人民的幸福感。为此，国内外学者利用物质指标和非物质指标从培育森林资源、开发利用森林资源、科技兴林、生态效益、经济效益、社会效益等对森林资源发展水平进行评价[2-6]，发现中国区域间森林资源变化存在一定的趋同性。同时，学者采用模糊数学与层次分析法[7]、主成分分析和系统聚类分析[8]、因子分析法[9]、历史分析法[10]等方法对森林资源发展水平指标进行测度，均未能从高质量的角度对森林资源发展进行评估，生态指标多，科技、文化指标较少，且区域研究也有一定欠缺，无法从全局评价中国森林资源发展质量。此外，森林资源发展分布不均，可能存在时空差异，国内外学者虽然也对林地绿色利用效率[11-12]、森林生态安全预警[13-14]等进行时空差异研究，但针对森林资源发展质量多指标多区域的时空差异研究几乎一片空白。因此，通过构建森林资源发展质量评估体系，采用空间自相关分析深入挖掘中国森林资源时空变化规律，以期为更全面有效推动中国森林资源向高质量蜕变提供理论依据。

1 数据与方法

1.1 中国森林资源发展质量评价指标体系构建

森林资源效益、科技创新效益和人力资本效益是衡量森林资源发展质量的关键要素，其中森林资源效益是提高森林生态质量的基础，随着高质量发展战略的提出，评估森林资源的生态效益成为森林资源发展质量研究的重要组成部分[15-19]；科技创新效益是森林资源高质量可持续发展的重要动力，加强科技创新的成果转换能有效推动森林资源向高质量方向发展[20-21]；人力资本效益[22-23]是提高森林资源发展质量的文化保障，加强林业人才培养有利于提高森林资源的养护和培育水平，有效保障森林物种多样性、提升森林资源发展质量。此外，森林资源效益和人力资本效益影响着科技创新效益，且科技创新效益又反作用于森林资源效益和人力资本效益，三者之间是相互制约、相互影响、必不可少的循环系统。

表 1 中国森林资源发展质量评价指标体系

综上所述，遵循指标体系构建的科学性、实用性、动态性、层次性、定性与定量相结合原则，借鉴相关研究[24-25]，以森林资源效益、科技创新效益、人力资本效益3项效益为一级指标构建中国森林资源发展质量评价指标体系(表1)。其中，森林资源效益包括森林覆盖率、活立木总蓄积、森林蓄积等指标，且有研究表明湿地保护能够有效推动森林资源的保护与建设，因此将湿地面积作为衡量森林资源效益的因素之一[26]；科技创新效益从研发机构的投入和产出中选取指标，主要因为相对于高校、企业，研发机构的科研成果能够更高效地实现创新成果与动能转换，带来更大的社会创新效益；人力资本效益从林业相关的文化、教育程度等角度入手，选取的指标包括乡村林场年末实有人数、林业工作站文化程度结构比例、林学专业SCI年发表数量等，由于名贵花卉资源的养护也能在一定程度上提高森林资源发展质量，因此将花卉技术人员比例结构纳入人力资源效益评价体系。

1.2 数据来源

为充分评价中国森林资源时空差异特征，结合数据的可得性、指标口径一致性原则，选取中国除港、澳、台外31个省市自治区为研究对象。鉴于中国的全国森林采伐管理改革试点和第八次全国森林资源清查始于2009年，并参考2009年国家林业局以林办发〔2009〕23号文正式印发的《全国林业信息化建设纲要(2008—2020年)》和《全国林业信息化建设技术指南(2008—2020年)》，选取2009—2017年为数据搜集区间。各指标数据均来自由国家统计局社会科技和文化产业统计司、科学技术部战略规划司共同编制2010—2018年出版的《中国科技统计年鉴》和国家林业局编制2010—2018年出版的《中国林业统计年鉴》。

1.3 研究方法

1.3.1 熵权分析法

⑴

⑵

式中hni表示n年i省森林资源发展质量整体的综合得分，即森林资源发展质量总驱动力指数；hnip表示n年i省份第p项效益的综合得分，即各分项效益对森林资源发展质量的驱动力指数；n=2009，2010，……，2017；i=1，2，……，31；p=1，2，3；q=1，2，……，9。

1.3.2 空间自相关分析法

莫兰指数可用于判别全局空间是否存在自相关，从而分析森林资源发展质量及其分项指标的全局空间自相关性情况。局部莫兰指数用于判别局部空间是否存在自相关，从而判断是否存在部分地区具有显著的局部空间聚集效应，以更有效地为提高区域森林资源高质量发展提出政策建议。为研究森林资源发展质量整个空间序列的空间集聚情况和某省份(u)附近的空间集聚情况，借鉴相关文献[30-31]，将空间权重矩阵进行标准化，再构建面板数据的空间自相关模型，即“莫兰指数I”(Moran’s I)模型和“局部莫兰指数Iu”(local Moran’s Iu)模型；为分析区域间森林资源发展质量及其分项指标的时空演化情况，采用Stata 15软件绘制相应的局部莫兰图，图中4个象限的意义：处于第一象限即高-高集聚，表示该省份的森林资源发展质量高，且周边省份的森林资源发展质量也很高；处于第二象限即低-高集聚，表示该省份的森林资源发展质量低，但周边省份的森林资源发展质量却很高；处于第三象限即低-低集聚，表示该省份的森林资源发展质量低，且周边省份的森林资源发展质量也很低；处于第四象限即高-低集聚，表示该省份的森林资源发展质量高，但周边省份的森林资源发展质量却很低。

⑶

⑷

⑸

式中I表示森林资源发展质量及其分项效益的全局莫兰指数；Iu表示森林资源发展质量及其分项效益的局部莫兰指数；hu和hv分别表示u省和v省的驱动力指数；Muv为空间权重矩阵，若u省与v省空间上临接，则Muv=1，若不临接，则Muv=0；S2为驱动力指数的样本方差；u=1，2，……，31；v=1，2，……，31。

2 结果与分析

2.1 中国省域森林资源发展质量处于中等水平

从横向角度来看，2017年31个省份的森林资源发展质量驱动力指数处于0.34～0.55之间(表2)，表明中国森林资源发展质量处于中等水平阶段，仍有较大的提升空间。森林资源发展质量驱动力指数排名靠前的省份有北京(0.55)、黑龙江(0.52)和福建(0.52)，原因是北京在科技创新和人力资本方面具有优势，黑龙江和福建拥有丰富的森林资源，所以这3个省份(市)的排名靠前；宁夏(0.34)、海南(0.34)和上海(0.36)的森林资源发展质量较低，原因在于宁夏和上海的森林资源相对匮乏，所以排名靠后，海南虽然在森林资源上具有较强的优势，但在科技创新和人力资本方面不具优势，所以排名靠后。

从纵向角度来看，2009—2017年，31个省份的森林资源发展质量普遍呈上升趋势，其中北京、江苏、湖北、贵州、青海和新疆的上升速度较快。北京和江苏的森林资源发展质量的提升主要得益于林业技术水平和人力资本效益水平的发展，尤其是北京的森林资源效益和科技创新效益分别从2009年的第26名和第14名提高到2017年的第17名和第1名，且北京的林业人力资本效益也常年维持第一，充分彰显北京市在保障森林资源发展质量提升方面做出的卓越贡献。宁夏、海南等森林资源发展质量提升速度较为缓慢，主要原因在于这些省份的森林覆盖率与森林蓄积量低，且科技投入力度不足。

表 2 中国省域森林资源发展质量驱动力指数

2009—2017年31个省份中大部分省份森林资源效益有所提高(表3)，其中北京和内蒙古的森林资源效益提高的较为明显。根据第七次全国森林资源清查结果可知：截至2008年，内蒙古的林业用地面积为0.44亿hm2，占土地总面积的37.20%，其中森林面积为0.24亿hm2，居全国第一位，可见内蒙古森林效益提高的原因不仅是自身拥有丰富的森林资源，而且经济发展也较侧重于林业。2003年，北京市人民政府出台《〈北京市森林资源保护管理条例〉实施办法》，北京市2004年的森林覆盖率就比2003年高2.33%，2017年比2003年高了16.91%。可见，该条例施行以来北京市的森林资源效益逐年见好，说明政府相关政策对提高森林资源效益的效果是显著的，部分森林资源效益相对稀缺的省份可以参考该条例因地制宜制定相关政策。

2009—2017年仅北京、上海、江苏等发达地区的科技创新效益有明显优势。这些省份为中国的发达地区，不仅是资源、技术、人才集中地，而且也拥有大量的科研资金，因此在科技创新效益上具有明显的优势。虽然还有部分地区林业科技创新不足，但截至2019年，北京双一流高校就有31所，上海14所，江苏15所，且随着“5G网络”时代的到来，中国林业科技创新将全面发生革命性变化，“5G网络”将成为推动林业经济发展的强大动力，也将成为中国森林资源高质量发展新的助推器。

2009—2017年中国林业人力资本逐渐向东南沿海一带转移。截至2017年，广西、广东、福建、浙江、上海、江苏、山东、江西等城市具有较高的林业人力资本储备。陕西、重庆等位于中部地区的城市也具有一定的林业人力资本储备，这与重庆作为直辖市和中国的第五大经济城市有关，陕西又与重庆相邻，且自身条件优越，不仅是西部经济中心、对外交往中心、丝路科创中心，更是中国的丝路文化高地、内容开放高地和国家综合交通枢纽。北部地区和西部地区的林业人力资本效益进步较缓，尤其是西部地区依然属于典型的投资拉动型经济，其经济发展主要依靠投资带动，尤其是大项目的带动，消费对经济增长的拉动作用尚未充分发挥，内需结构失衡，相关政府部门仍需要加大重视力度。

综上所述，中国森林资源发展质量总体上处于中等水平，发展趋势处于低增长阶段。科技创新是中国森林资源发展质量的主要驱动力，但效益水平较低，必须将高质量可持续发展作为森林资源发展的主要目标。同时，区域间森林资源、科技创新、人力资本存在较大差异，造成森林资源发展质量空间差异明显。因此，空间结构失衡也需要重视与改善。

表 3 中国省域森林资源发展质量3项效益指标的驱动力指数

2.2 中国森林资源发展质量的空间异质性显著

表 4 森林资源发展质量全局空间自相关

中国森林资源发展质量水平在2009—2017年存在正的空间自相关性，但仅在2011年和2015年出现显著的全局空间自相关(表4)，说明中国森林资源发展质量整体空间集聚不明显，这和中国森林资源分布不均有关，例如各地森林覆盖率差异明显、南北方气温差异、纬度不同等。

在分项指标中，2009—2017年中国森林资源效益具有显著的全局空间自相关性，而科技创新与人力资本效益则呈现出普遍的空间异质性，说明中国区域间森林资源发展质量存在失衡现象，且科技创新效益与人力资本效益也存在一定的空间差异。科技发展离不开人才、财力、物力，而不同地区的财物水平存在很大差距，如中国的东部和西部。因此，加强对弱势省份的政策扶持，有助于中国森林资源全面高质量发展。

2.3 南北地区森林资源发展质量差异显著

由于31个省份的森林资源发展质量水平仅在2015年和2017年呈现显著的局部空间自相关，所以选择这两年的森林资源发展质量指数进行局部空间自相关分析(图1)，可知在10%的显著性水平下，2015年有北京、黑龙江、福建、云南、山西、山东、河南、海南共8个城市具有显著的局部空间相关性，而2017年只有5个城市具有局部空间相关性，云南、山西、山东已不再具有局部空间自相关性。说明整体森林资源效益有所提升，部分地区已不再依靠周边城市发展或受周边城市发展的影响。

从横向角度看，中国南部地区和北部地区均有相应的“热点区域”但部分城市空间差异程度较大，中部地区在森林资源发展质量上并不理想需要得到更多重视。具体而言：具有显著高-高聚集模式的省份有福建和黑龙江，即这两个省份不仅自身具有较高的森林资源发展质量，且周边地区也具有较高的森林资源发展质量。原因在于福建是中国南方重点林区之一，自然条件优越、森林资源丰富；黑龙江是中国重点国有林区之一，是国家重要的生态屏障和森林资源储备基地[32]。因此，福建和黑龙江在森林资源高质量发展方面可能具有较大的优势。北京和海南的空间异质性较为突出，北京具有显著的高-低集聚效应；而海南则与之相反，属于低-高集聚模式。具有显著的空间异质性的省份在发展过程中可能受周边环境的影响而导致森林资源发展质量朝着不同的方向演化。河南的森林资源发展质量水平处于“冷点地区”，呈现显著低-低集聚效应模式，即周围城市森林资源发展质量低且自身森林资源发展质量也处于较低的水平，所以在森林生态建设过程中，需要更加重视这一区域的森林资源管理。

图 1 2015年和2017年森林资源发展质量水平莫兰图Figure 1 Moran map about quality level of forest resources development in 2015 and 2017

从纵向角度分析，2015年中国森林资源发展质量的“冷点地区”数量为11，至2017年减少为6个，可见中国森林资源发展质量的“冷点地区”在逐渐减少，并逐渐向高-高集聚模式和高-低集聚模式转移，表明区域自身的森林资源发展质量在逐渐向高。此外，与2015年相比，2017年中国具有显著的空间集聚效应的省份有所降低，虽然森林资源的增长结构在较多地区都具有显著的空间自相关性[33]，但在综合考虑了林业科技驱动因素和林业人力资本效益因素后，省域森林资源发展质量水平并未随着时间推移而呈现出一定的空间相关性，可见各地区的森林资源发展质量仍是参差不齐的，有一定的资源储备，但发展质量水平较低。

图 2 2015年和2017年林业科技创新效益莫兰图Figure 2 Moran map about forestry technology-driven benefits in 2015 and 2017

2.4 东西地区林业科技创新差异显著在林业科技创新效益方面(图2)，2015年与2017年只有江苏处于高-高集聚模式，四川、青海、西藏等西部省份处于低-低集聚模式，可见东西地区林业科技创新效益具有显著差异，这主要和劳动者素质、企业结构、产业结构、投入结构和创新环境有关。此外，北京、广东等发达省份属于高-低集聚模式，说明这些省份虽然具有较高的林业科技创新效益，但其周围省份的林业科技驱动力相对较低，因此北京、广东等东部地区省份应充分发挥自身优势，带动更多省份协同发展，进而推动区域森林资源全面高质量发展。

2．5 西部地区人力资本效益转好

江苏、浙江和福建等东部省份林业人力资本效益具有显著的高-高集聚效应(图3)；2015年林业人力资本效益处于低-低集聚模式的省份有12个，即山西、内蒙古、黑龙江、河南、湖北、四川、云南、西藏、陕西、青海、宁夏、新疆；2017年具有显

图 3 2015年和2017年林业人力资本效益莫兰图Figure 3 Moran map about forestry human capital quality in 2015 and 2017

著的低-低集聚效应的省份只有西藏。可见，东部地区的林业人力资本效益具有较强的优势，而中西部地区受到经济发展水平的影响，在人才资源储备上往往不如东部地区强势，所以在林业人力资本效益方面呈现低水平模式。但随着时间的推移，可以发现不少原先处于低-低集聚模式的西部地区省份向高-低集聚模式转移，如陕西、青海、新疆等，这与中国长期重点支持西部地区人才计划引进有着密不可分的联系。

3 结论与建议

3.1 结论

第一，中国省域森林资源发展质量在空间上基本处于中等水平，省域森林资源发展质量普遍位于0．34～0．55之间，南北地区的森林资源发展质量相对较高，而中部地区的森林资源发展质量较低。时间上，北京、江苏、湖北等多数省域的森林资源发展质量呈现逐年递增的态势。同时，由森林资源发展质量分项指标分析中发现，森林资源发展质量的高低与森林资源储备、林业科技水平和人力资本的高低存在明显关联。第二，中国森林资源发展质量的空间异质性明显，仅黑龙江、福建等南北地区城市常年处于高-高集聚模式，而河南等中部地区城市的低-低集聚效应显著，并且能够处于显著高-高集聚的省份主要得益于天然的地理优势与丰富的资源储备。第三，中国森林资源发展质量受区域间林业科技驱动力不足的限制。现阶段，中国多数省域林业的整体科技创新效益薄弱，科技创新水平高的区域主要集中于东部地区，中部及西部地区在林业科技水平上呈较强空间异质性，即相邻省域间林业科技互补的实现度较低。第四，中国森林资源发展质量的区域间林业人力资本效益呈现转好趋势。其中，高集聚效应的人力资本效益集中于东南地区，中西部地区虽然在2015年有多个省份处于低-低集聚，但在国家政策的支持下，林业高尖人才开始不断在省域间扩张、流动，使人力资源差异不断缩小，同时整体人力资源水平也在不断提升。

3．2 建议

第一，完善森林资源高质量发展体制，消除区域间森林资源发展质量不平衡效应。有关部门应积极重视森林资源储备不足的省市区域，对于森林资源发展动力不足的城市，更要加强对森林资源的管理，有关部门可以充分结合遥感技术、地统计技术等科学手段来提高区域间森林资源管理的监督力度，有针对性的就不同区域的森林资源发展质量问题施行相应的措施，以最终达到消除区域间高质量发展不平衡的问题。第二，重视林业科技创新和人力资本对森林资源高质量发展的影响。提高森林资源高质量发展的关键路径就是提升林业科技创新水平和人力资本效益，科技和人才是驱动高质量发展的关键要素，因此，相关部门可以通过鼓励地区的林业科技创新、林业人才引进与培养等措施来提升区域间森林资源高质量发展。第三，加强森林资源发展质量空间结构的审视，形成以“热点地区”带动“冷点地区”，“高质量地区”带动周边“低质量地区”的发展模式。现阶段森林资源发展质量普遍呈现出较弱的空间自相关性，说明中国现阶段还未充分挖掘空间协同互补效应，具有高-高集聚效应的城市应努力带动处于“冷点地区”的城市，分享森林资源管理经验以及相关的林业技术手段，形成以局部带动局部的发展模式，最终实现中国森林资源全面高质量发展。