中国非法采伐林木行为的空间分布及其驱动因子

刘 卓，林 珲，田 雅，王玉琳

（a. 江西师范大学地理与环境学院；b. 鄱阳湖湿地与流域研究教育部重点实验室，南昌 330022）

工业社会以来，非法采伐林木行为（简称“非法采伐”）加剧了森林的毁损与灭失状况，成为制约世界各国森林经营与可持续发展的现实困境（Brack et al.,2007）。不同国家对森林所有权的规定存在差异，但国际上大多将非法采伐定义为未经政府许可，违反相关森林法律与国家林业管理制度，并具有一定经济目的的砍伐林木犯罪行为（Alemagi et al., 2010;Tacconi et al., 2016）。在中国非法采伐不是刑法规定的一项具体罪名，而是指违反林木采伐许可证制度与林业管理制度的采伐犯罪行为（张明楷，2021），主要包括滥伐林木与盗伐林木。当前不同区域非法采伐成因与发展态势各不相同，犯罪论认为非法采伐本质上是通过违反法律从而满足经济动机的理性选择行为（Solinge,2014）；地理学则强调非法采伐是区域在自然资源、制度、市场、教育、经济等多重因素综合作用下的产物（Vasco et al.,2017）。发展中国家面临的非法采伐形势比发达国家更为严峻，据报道，洪都拉斯非法生产的木材约占其国内木材产量的75%以上（Win et al.,2018）。在缅甸因非法采伐留下的树桩数量约为合法砍伐的10倍；加纳官方报告其非法采伐强度是最大可持续发展强度的600%（Wells et al.,2007;Arcilla et al.,2015）。拉美、东南亚或西非地区的非法采伐原木充斥于国际木材贸易市场，在其采伐与贸易过程中，同时也滋生着贫穷、腐败、暴力等行为（Lee et al.,2015）。因此非法采伐不仅是对国家森林制度的破坏与生物多样性的损失，也造成或加剧政府的腐败与社会阶层的分化与冲突（Miller,2011）。

中国人均森林蓄积匮乏，对林产品的需求却长期保持旺盛，是世界上最大的木材进口国与消费国之一。尽管如此，中国在治理国际非法采伐与贸易行为方面一直秉持大国担当（程宝栋，2008；陈积敏，2020），严厉打击境内非法采伐与贸易行为；同时，中国政府与企业对境外进口木材的合法性执行严格的准入制度（李桂梅，2009；Wellesley,2014）。尽管目前没有全国尺度的官方非法采伐统计报告，但本研究中从判决书提取的因非法采伐所损失的活立木蓄积量共计280万m3，年均非法采伐活立木蓄积量约占年合法采伐限额的1.5‰（国家林业与草原局，2016）。

国内外对非法采伐的关注由来已久，但目前在研究上处于起步与探索阶段（姜超等，2021）。非法采伐是远离城市社区的环境犯罪类型（Vasco et al.,2017），然而20世纪西方犯罪学与刑事司法领域中关于乡村社区的环境犯罪研究较为缺乏，犯罪学家忽视环境犯罪的危害，并将其定义为无害且不重要的一般违法活动（Bachman et al.,1992;Weisheit,et al.,1996）。20世纪90年代，当社会科学、自然科学与人文科学学者对绿色问题开始逐步关注，犯罪学中的环境问题研究正式进入议程，自此西方绿色犯罪学研究开始兴起并取得了较大进展（South,1998,2014）。其中，基于犯罪学与社会学视角的非法采伐的界定与驱动力等定性研究是主要内容之一（Miller,2011;Sikor et al.,2011;Guan et al.,2018;Istiyono et al.,2020;Noor et al.,2020）。近年来，许多社会与地理学者通过社会调查与大数据等方式对非法采伐进行定量研究，发现森林犯罪具有各异的空间分布模式与区域特征（Casson et al.,2002;Bouriaud et al., 2005; Alemagi et al., 2010; Zenelaj et al.,2013；陈积敏等，2016）。同时，运用现代科技手段诸如地理信息技术（乐通潮等，2008；Wang et al., 2012; Tzoulis et al., 2015; Chapron, 2015；刘发照，2017；Istiyono et al., 2020）、生物学技术（Alacs et al., 2010;Arcilla et al., 2015）等多学科领域的方法加强对森林资源的清查与监测，从而提出更具科学性与针对性的非法采伐犯罪预防与保护对策。当前中国非法采伐研究模式滞后于西方，现有实证研究较少，主要停留在理论与政策层面。如对西方非法采伐研究的引介、国内林业可持续经营发展的探讨、全球化视野下国际非法木材贸易的治理与打击、应对非法采伐与贸易的法律规制研究等（陆文明，1993；李剑泉等，2007；缪东玲，2011；陈积敏等，2016）。

因此，本研究以中国当前的非法采伐作为主要研究对象，从已有裁判文书中提取各地市发案数量以及被伐活立木蓄积量，使用空间自相关分析并构建回归模型，挖掘中国非法采伐林木行为的空间分布特征及其背后的驱动机理。以期丰富中国环境犯罪的实证研究，并为中国精细化防控与治理相关森林违法犯罪行为提供科学参考与建议。

1 研究基础

1.1 研究数据及说明

1.1.1 犯罪数据 犯罪数据来源于中国裁判文书网①https://wenshu.court.gov.cn/2014—2020年发布的相关犯罪刑事一审判决书，经清洗、去重，分别得到滥伐林木与盗伐林木文书39 490 与10 601 份，经统计获得2014—2020 年中国4个直辖市与27个省共323个地级行政区（不包括台湾省、香港特别行政区、澳门特别行政区）的发案数量与被伐活立木蓄积量。

1.1.2 影响因子数据 所采用的常住人口城市化率来源于各地市第七次全国人口普查公报（2020）；农村人均可支配收入、公路里程、林业产值以及农林水支出来源于各省2020年统计年鉴；部分地市未载于统计年鉴的项目，则从该地市2020年国民经济与社会发展统计公报或2020 年财政预决算公告获取。因省市级的统计年鉴不包含地市级森林覆盖率与活立木蓄积量等数据，故森林相关数据从各地市2020 年统计年鉴获取，对于数据未载明的个别地市，从该地市十三五规划报告（2016—2020 年）获取。

1.1.3 非法采伐犯罪社会学特征说明 非法采伐犯罪主体具有较强的社会学特征。如王智等（2019）对滥伐林木判决书进行10%随机抽样分析，发现男性、初中及以下学历、农民等社会特征占比分别为总 样 本 的97.02%、 93.71%、 84.53%； 晋 海 等（2015）对399起滥伐林木进行实证统计分析，发现农民犯罪与村委工作人员犯罪分别占样本数的85.81%与7.72%，存在少量的基层单位犯罪情形，约占样本数的1.33%。综上，非法采伐的犯罪主体为男性农民，且主要发生在乡村地域，因而回归模型影响因子的选取以农业农村相关统计指标为主。

1.2 研究方法

1.2.1 空间自相关分析 本研究发案数量与被伐立木蓄积量均为地市尺度下的区域统计值，使用空间自相关方法能有效测量犯罪的空间聚集度（陆娟等，2012），通过全局自相关分析探测区域内发案数量与被伐立木蓄积量在空间上是否具有自相关性。其计算公式为（靳诚等，2009）：

式中：n为被统计的区域数量；xi表示第i个区域的非法采伐统计量；xj表示第j个区域的非法采伐统计量；-x为所有区域非法采伐统计量的平均值；wij为空间权重矩阵。I表示全局自相关指标（Moran'sI），取值为－1～1。若Moran'sI＞0，则表示该区域内非法采伐在空间上具有显著的聚集态势；若Moran'sI＜0，则表示该区域内非法采伐的空间分布呈离散的态势；若Moran'sI=0，则表示该区域内非法采伐在空间上随机分布。

标准化统计量Z(I)用于检验空间自相关的显著水平，计算公式为：

式中：var(I)是Moran'sI指数的理论方差；E(I)为其理论期望。

局部空间自相关常用空间局部关联指标（Local Indicators of Spatial Association, LISA） 分析，LISA 通过将全局Moran'sI指数分解到每个空间单元进而形成LISA 聚集图，从而对非法采伐集聚态势在空间上的具体位置进行可视化。计算公式为：

式中：I'表示空间局部关联指标；n、xi、-x、wij的物理意义同式（1）。

1.2.2 地理加权回归模型 Brunsdon等（1996）首先提出地理加权回归模型（Geographically Weighted Regression,GWR）。在大空间尺度的研究中，各变量的空间异质性强，GWR 模型能够解决传统OLS模型无法反映回归系数局部变化的问题；通过将地理位置信息加入到模型的回归参数，使得参数可以随着空间位置的变化而变化，从而更好地探索研究对象的空间异质性及空间规律。模型公式为：

式中：yi是第i个空间单元的因变量；xik是第k个自变量的值；（ui，vi）是第i个样本空间单元的地理中心坐标；β0（ui，vi）为常数估计值；βk（ui，vi）是连续函数βk（u，v）在i样本点上的第k个回归参数；εi是第i个样点的随机误差。

2 非法采伐的空间分布特征

2.1 非法采伐的总体空间分布格局

发案数量代表区域非法采伐在空间上的发生频次，是犯罪地理时空分布研究的核心，也是认识犯罪现象、探寻犯罪诱因的基础（姜超等，2021）。被伐活立木蓄积量指某地域在研究时段内因非法采伐造成的森林损失量。运用SPSS 软件对被伐活立木蓄积量与发案数量进行双变量相关性分析，结果显示，当p值＜0.01 时，两者的皮尔逊相关系数为0.903，呈强正相关关系。在空间上，90%的地市被伐活立木蓄积量与发案数量呈显著正相关，但也有10%左右的地市两者呈负相关关系；通过两者的相互参照与补充，可更全面地探析中国非法采伐的空间发生态势。因此，采用ArcGIS10.7自然断裂点分级方法对2014—2020年中国非法采伐的发案数量进行空间可视化（图1-a），并将发案数量自然断裂点分级的中断值乘以研究数据集中每案平均被伐活立木蓄积量54.4 m3，最终得到被伐活立木蓄积量手动分类的中断值（图1-b），以更直观地凸显两者在空间分布上的对照关系。

整体上，中国非法采伐多发于胡焕庸线东南侧（见图1），主要集中于西南、东南以及东北地区的山区地市，如云贵高原东南边缘区域、巫山—雪峰山沿线、武夷山脉—南岭沿线、大别山区域、长白山沿线等。受到地形、交通、经济、人口等因素的作用，在相同的地理分区下，非法采伐具有显著的区域差异。如，对比武夷山脉—南岭等山区，东南地区的长江中下游沿线的洞庭湖平原、鄱阳湖平原、江汉平原等区域呈显著低发的态势；西南地区的藏南、川西、滇西地区如林芝市、阿坝州、甘孜州等地的活立木蓄积量储量均位于全国前列，但其发案数量显著低于西南地区的广西、贵州等地；作为东北地区的两大主要林产品生产基地，长白山沿线地市活立木蓄积储量相对较低但发案数量高，而大小兴安岭地区活立木蓄积储量相对较高但发案数量低。

2.1.1 发案数量的空间分布格局 2014—2020年，全国各地市非法采伐平均发案数量约为154件，超过80%地市的发案数量＜200件，约60%地市的发案量＜100 件。发案数量高值区主要集中于西南的云贵高原边缘地区，发案数量均＞800 件（见图1-a）。其中，广西壮族自治区西北部的柳州市、河池市、百色市及贵州省的黔东南州，发案数量均＞1 100件，最高值1 780件分布在黔东南州；其他地区如广西壮族自治区南宁市、云南省普洱市与吉林省延边州的发案数量也达到980件左右；延边州是北方地区唯一的高值地市。次高值地市中，除河南省南部信阳、南阳、驻马店3 市（大别山沿线地市），其余均零散分布于长江以南地区，包含2个相对集中的区域，即云南边境3州（西双版纳州、红河州和文山州）与渝鄂黔湘交界区域（重庆市、恩施州、遵义市和怀化市）；东南地区仅有江西省赣州市、福建省南平市以及海南省直辖县区为次高值区域。南方地区中，平原与沿海经济较发达的地市非法采伐发案数量较低，包括珠三角、长三角、长江中下游平原的大部分地市。华北地区与西北地区的发案数量也较低，主要为次低值区或低值区。

2.1.2 被伐活立木蓄积量的空间分布格局 2014—2020年，全国各地市非法采伐活立木蓄积量均值为8 423 m3，约80%的地市＜10 000 m3，约40%的地市＜2 000 m3。大部分地区被伐活立木蓄积量的空间分布态势与发案数量一致，但也有部分地区存在较大差异（见图1-b）。被伐活立木蓄积量高值区均位于长江以南地区，以雪峰山脉为界，可分为西南地区的云贵高原边缘地市与东南地区的武夷山脉—南岭沿线地市两大块。西南地区云贵高原边缘区域的被伐活立木蓄积量的空间分布态势基本与发案数量一致，平均每案被伐活立木蓄积量基本与全国平均水平一致，高值地市均＞60 000 m3，其中最高值为黔东南州，达到103 000 m3。南岭沿线的肇庆、韶关、清远、赣州、漳州等地市被伐活立木蓄积量均＞45 000 m3，但与西南地区不同，东南地区的发案量普遍较低（见图1-a），因此其平均每案被伐活立木蓄积量较高。南方的次高值地区如福建南平与龙岩、江西宜春、广西桂林、湖南怀化等地市，在空间上与上述高值地市交替分布；吉林省吉林市、延边州是东北地区仅有的次高值地区。被伐活立木蓄积量低值、次低值区的分布大体与发案数量低值、次低值区的分布一致。

图1 中国非法采伐的空间分布（a.发案数量；b.被伐活立木蓄积量）Fig.1 Spatial distribution of illegal logging in China(a.number of cases;b.loss of trees due to illegal logging)

2.2 非法采伐的空间集聚效应和空间集聚模式

运用空间自相关分析探究中国非法采伐的空间集聚效应，得到中国非法采伐发案数量与被伐活立木蓄积量的全局Moran'sI指数。两者的全局Moran'sI指数大体接近，分别为0.338与0.325，且p值均＜0.001，z检验值效果显著，这表明发案数量与被伐活立木蓄积量均具有较强的空间集聚效应。在此基础上，采用局部空间自相关分析绘制二者的空间集聚LISA 图（图2）。在发案数量上（图2-a），长江以南的西南地区是主要的高-高集聚区域，低－高集聚区在其周围零星分布；华北地区、江苏省与西北地区大部分地市呈低-低集聚态势，且其周围部分地市呈高-低聚集态势。被伐活立木蓄积量的空间集聚特征与发案数量大体一致（图2-b），主要差别在东南地区的武夷山脉—南岭沿线大部分地市均纳入高-高集聚的区域；华北地区、西北地区与华东的部分地区被伐活立木蓄积量在空间分布上更加均衡，数量较低，因此图2-a的部分高-低集聚区域未出现在图2-b中。

在相同地理分区，呈高-低集聚或低-高集聚等异质性特征的地市较少且呈零星分布，大部分相邻地市的非法采伐空间集聚特征较为稳定。而由于不同地理分区的森林禀赋、社会文化、经济水平、人口数量、政策体制等因素存在差异，不同区域间呈各异的空间集聚特征。在西南地区，气候温润多雨，地势以山地为主，农业发展以林业与畜牧业为主，森林资源禀赋较强。该地区交通条件较差，整体经济发展水平落后，农民可支配收入较低。西南地区具有悠久的“靠林吃林”传统，林产品生产与加工是许多农民的主要收入来源，同时也是修葺房屋与自用薪材的重要原料。该地区的林场多为个人或集体承包经营，个人采伐案件发生频次高，每案被伐活立木蓄积量低，林业管理与执法难度相较国有林场更大。该地区大部分地市发案数量与被伐活立木蓄积量居高不下，总体呈高-高集聚态势，这是该地区经济发展水平与林业发展体制多重作用下形成的结果。在东南地区，被伐活立木蓄积量在武夷山脉南岭沿线地区形成高-高集聚的态势，而该地区的发案数量并不显著，但每案平均被伐蓄积量高。与西南地区相比，东南地区的森林资源禀赋相当，经济发展水平相对较好，交通条件优越，距离林产品主要消费市场如长三角、珠三角距离较近；以家庭生计为目的的个人砍伐行为较少，砍伐林木用途以大规模的林产品加工销售为主，因此东南地区非法采伐每案被伐活立木蓄积量较大，形成高－高集聚的空间态势（见图2-b）。华北和西北地区的非法采伐呈低-低集聚的态势（见图2），部分地区的发案数量零星集聚，但被伐活立木蓄积量较低。这类地区的森林资源禀赋相对较差，林业生产与加工能力较低，难以发生多地市的非法采伐集聚现象。

图2 中国非法采伐的空间集聚LISA图（a.发案数量；b.被伐活立木蓄积量）Fig.2 LISA map of spatial agglomeration of illegal logging in China(a.number of cases;b.loss of trees due to illegal logging)

在东北地区与长江流域沿线地区，非法采伐发案数量与被伐活立木蓄积量在空间上均没有明显的集聚态势（见图2）。东北地区多为国企经营林场，森林巡视与保护机制较为健全，同时城市化水平较高，地形起伏较大，山地平原交替分布，河网密集。在管理体制与自然社会环境的共同影响下，此区域相邻地市的非法采伐强度不一，难以形成集聚现象。而长江流域沿线地区跨越中国三级阶梯，受到地形、河流、人口、资源等影响，相邻地市间自然社会环境与经济发展水平差异较大，因此也难以形成稳定的非法采伐集聚态势。

3 非法采伐空间分布的驱动因子分析

3.1 变量选取与OLS模型构建

以各地市被伐活立木蓄积量为因变量，因大部分统计年鉴的农业农村、森林、林业数据较少，考虑到数据的真实准确、可获取性与相关性，从自然、经济与社会3 个维度共计7 个指标构建自变量体系（表1）。运用SPSS 进行共线性检验，结果表明，各自变量间不存在共线性（VIF＜7.5）。在进行GWR 回归分析前，基于上述指标构建OLS 回归模型，具体指标与参数见表1。除了社会因子外，其他影响因子均通过显著性检验。进一步对OLS结果中的残差进行空间自相关分析，结果表明，全局Moran'sI指数为0.22，Z统计量为10.69，即残差存在一定的空间自相关，因此适宜采用GWR 模型做回归分析。

表1 OLS回归模型具体指标与分析结果Table 1 Specific indicators and analysis results of OLS regression model

3.2 GWR模型构建

在OLS 模型的基础上，使用ArcGIS10.7 地理加权回归工具建立GWR 回归分析模型，带宽选择自适应核函数的AICc方法。对比2个模型（表2），GWR 模型的回归结果明显优于OLS 模型，模型的拟合优度R2值与调整后的R2值分别高出0.198 与0.167，同时AICc值减少94.4（相差3以上，说明模型构建有较大差异）。进一步使用空间自相关对残差进行检验，结果表明，全局Moran'sI指数为0.01，z统计量为1.1，即残差不具有空间自相关性，呈随机分布态势，说明该模型的精度较好。每一个空间单元在GWR 回归模型中都会生成一个特定的回归系数，通过计算获得最大值、最小值、平均值、上四分位值、下四分位值、中位值（见表2）。结果表明，自然与社会因子在空间上对非法采伐的影响比较稳定，回归系数波动较小；相反，经济因子在空间上波动较大。森林覆盖率与林业产值对非法采伐空间的影响呈完全正相关的关系，其他自变量与非法采伐的关系以负向相关为主。为进一步探究GWR 模型各自变量回归系数在空间上的分布模式，利用ArcGIS10.7 对回归系数进行地图可视化。

表2 GWR模型参数检验结果与回归系数统计Table 2 GWR model parameter test results and regression coefficient statistics

3.3 GWR结果分析

3.3.1 自然因子的驱动作用分析 自然环境状况与森林禀赋是非法采伐发生的重要基础，但森林资源充沛程度与否似乎只作为非法采伐产生的必要条件，而非充分条件。森林覆盖率与人均活立木蓄积同样作为森林资源的衡量标准，对非法采伐的作用却是截然相反（图3）。森林覆盖率与非法采伐呈正向相关（图3-a），说明森林覆盖率是非法采伐产生的重要条件之一。而在中国森林覆盖率较低的地区，如西部、华北与华东地区，其作用力明显较森林覆盖率较高的地区显著。而人均活立木蓄积量与非法采伐呈负向相关（图3-b），这说明森林禀赋并不能完全解释非法采伐，同时要考虑区域的人口、经济等因素。如东部地区大部分地市活立木蓄积量较高，但该区域人口密集且经济发达，反而能够抑制非法采伐的发生；相反，西南、西北与东北地区人口较少且经济欠发达，虽然同样呈负向相关，但其影响程度显著低于东部地区。

图3 GWR模型中自然因子回归系数的空间分布（a.森林覆盖率；b.人均活立木蓄积量）Fig.3 Spatial distribution of regression coefficients of natural factors in GWR model(a.forest coverage;b.per capita forest stock)

3.3.2 社会因子的驱动作用分析 除新疆部分地市外，常住人口城市化率与非法采伐基本呈负向相关（图4-a），即城市化水平越高的区域，非法采伐的发生率越低。区域城市化水平的提高，增加非农就业机会与提高人们的生活水平，这从客观上减少非法采伐潜在的犯罪主体，因而对非法采伐具有较强的抑制作用。公路密度与人均农林水支出对非法采伐的影响在空间上较复杂，大部分区域呈负向相关，但也有一部分区域呈正向相关，因此应结合区域实际辩证分析。在非法采伐较少的西北与华北地区，公路密度与非法采伐呈正向相关，但南方与东北地区等非法采伐较严重的区域却呈负向相关，这说明公路密度对非法采伐的影响在空间上具有较强的异质性（图4-b）。大部分地区人均农林水支出与非法采伐呈负向相关，西南地区尤其显著（图4-c），作为非法采伐形势最为严峻的地区，西南地区加大农林水支出的投入对减少非法采伐具有一定可行性。人均农林水支出是指当地政府每年在农林水事物建设与保障方面的财政支出，可提高农民生产作业的效率与抗风险能力，同时也能对农业资源进行有效监测与精细化管理，因而从客观上能够减少潜在犯罪者的犯罪动机。但在华北与东北的部分地区，农林水支出对非法采伐呈正向影响，这可能是因为这类地区的农村以耕种为主，林业支出较少，因此人均农林水支出的增加并不能对非法采伐产生抑制作用。

图4 GWR模型中社会因子回归系数的空间分布（a.常住人口城市化率；b.公路密度；c.人均农林水支出）Fig.4 Spatial distribution of regression coefficients of social factors in GWR model(a.urbanization rate of permanent residents;b.road density;c.per capita expenditure on agriculture,forestry and water)

3.3.3 经济因子的驱动作用分析 由图5-a 可得，农民人均可支配收入对非法采伐的影响在空间上稳定性较差，以胡焕庸线为界，东南侧两者呈负向相关，农民可支配收入能够对非法采伐产生一定的抑制作用，即经济水平的提高能够降低非法采伐的发生；但在西北侧农民可支配收入与非法采伐呈正相关关系，这类地区农民普遍可支配收入较低，呈正向相关主要是因为在这类地区，可支配收入相对较高的地方本身农业生产结构相对较好，资源禀赋相对较强，故这类地区的非法采伐相较收入水平较差的地区更易发生。林业产值对非法采伐的影响均呈正向相关，回归系数由东北向西南递增。林业产值高地区的林业资源禀赋较好，将原木加工成林产品的能力也较强，因而在一定程度上能刺激非法采伐的发生。

图5 GWR模型中经济因子回归系数的空间分布（a.农民人均可支配收入；b.林业产值）Fig.5 Spatial distribution of regression coefficients of economic factors in GWR model(a.per capita disposable income of farmers;b.forestry output value)

4 结论与建议

4.1 结论

1）非法采伐整体上多发于胡焕庸线东南侧，主要集中在森林资源禀赋较强、经济发展水平相对落后、城市化水平较低、农业人口较多、林场国有化较低的区域，如西南、东南以及东北地区的云贵高原东南边缘、巫山雪峰山沿线、武夷山脉—南岭沿线、大别山沿线、长白山沿线等；华北、西北地区以及沿海经济发达区域多呈低发或不发态势。

2）受自然、社会、经济条件的影响，不同地理区域的非法采伐特征各异。东南地区中武夷山脉—南岭沿线地市的被伐活立木蓄积量较高，但发案数量较低，即平均每案被伐活立木蓄积量高；西南地区的地市发案数量高，但平均每案被伐活立木蓄积量较低；长白山沿线与大别山沿线地市发案数量较高，但伐活立木蓄积量储量较低；川西、滇西、藏南地区与大小兴安岭地区被伐活立木蓄积量储量较高但发案数量较低。

3）非法采伐具有较强的空间集聚效应，相同地理分区内相邻地市非法采伐在空间上具有较强的稳定性，空间集聚态势显著。但不同区域间又呈各异的空间集聚特征，其中长江以南地区大体呈高-高与低-高集聚态势，西北、华北地区为低-低集聚，东北地区与长江沿线地市不显著。

4）不同影响因子对非法采伐的驱动力各异。自然因子与社会因子在空间上对非法采伐的影响比较稳定，回归系数波动较小，而经济因子在空间上的波动较大。其中，森林覆盖率与林业产值对非法采伐的回归系数为正，部分地区公路密度与农民人均可支配收入对非法采伐产生正向影响，其他影响因子则以负向相关关系为主。自然因子中，森林覆盖率、人均活立木蓄积量以相反的作用力对非法采伐的空间分异产生影响，说明森林资源禀赋是非法采伐发生的必要不充分条件。

本研究通过构建回归模型分析中国非法采伐空间分异特征及其驱动因子，是对环境犯罪领域中犯罪地理研究的积极探索，丰富了环境犯罪研究。但也存在不足之处，如基于非法采伐的社会学特征，回归模型影响因子的选取应以农业农村相关统计指标为主，但统计年鉴或统计公报中相关统计字段较少，因此在影响因子的覆盖度上存在一定的局限性。同时，非法采伐所涉及的滥伐林木罪与盗伐林木罪均是具有“双重违法性”犯罪行为，即行为人须违反森林法，且达到刑法数量较大的要求才构成本罪，因此在现实中存在部分未达到刑事处罚标准故而采取行政处罚的非法采伐行为。受不同数据公开程度影响，本研究只包含非法采伐的刑事判决数据，缺乏林业部门的行政处罚数据。此外，本研究侧重宏观层面，对中微观层面以及深层次的非法采伐机理探讨尚不深入，这些需在今后的研究中加强。

4.2 建议

结合本文结论，为精细化治理与打击非法采伐及相关犯罪，提出以下建议：

1）非法采伐在不同地理分区有着截然不同的空间发生态势与特征，因此各地森林管理部门可根据区域实际情况，合理制定非法采伐应对策略，如广西、贵州等地应加强对有林地承包经营权属的划分与管理，重点治理个人采伐案件，采取以教育为主、打击为辅的治理策略；而东南地区不仅要从供应端严厉打击非法采伐，更要着眼于非法木材的加工与贸易，从需求端来遏制非法采伐的发生。

2）非法采伐具有较强的社会学特征，常见的犯罪主体为从事直接农业生产的农民，这类人群文化水平较低且环境保护意识薄弱。因此要从源头上治理非法采伐，应当着眼于增强农民的法律与环境保护意识。

3）非法采伐一般具有较强的经济目的，本研究发现城市化率、农民人均可支配收入、人均农林水支出的提高能够有效抑制非法采伐的发生。这说明经济水平的提高能够提供更多的非农就业岗位，提高社会平均收入，从而在客观上减少潜在的犯罪主体以及潜在犯罪者的犯罪动机。因此，有关部门应当实施惠农利农的政策，贯彻乡村振兴战略，以提高农民的生产生活水平为宗旨，保障广大农民的抗风险能力，从而抑制包括非法采伐在内的诸多环境犯罪行为的发生。