福建省县域森林损失时空演变特征及其影响因素分析

朱玮晗,林金煌,杨舒棋,陈梅英,戴永务①,朱艳萍

(1.福建农林大学数字经济学院,福建 泉州 362400;2.福建农林大学经济与管理学院,福建 福州 350002)

森林是陆地生物圈重要的生态资源,具有水源涵养、气候调节、固碳释氧和生物多样性保护等多种生态功能,是区域实现“双碳”战略的重要载体。2020年联合国粮食及农业组织在《全球森林资源评估》中指出,近10 a全球每年仍有约470万hm2的森林资源面临退化风险,严重威胁森林资源的可持续管理和利用。我国作为全球快速城镇化的典型地区,境内的森林损失问题尤为严峻[1]。因此,推动森林资源的科学高效利用和保护制度的逐步完善已成为森林资源持续增长的重要议题[2-4]。森林损失作为森林生态系统退化的一个重要衡量指标,能直观反映社会经济发展对区域森林资源的影响与损害[5]。近年来,由于气候变化与人为活动的影响,区域内森林生态系统的稳定性受到了一定干扰,给生态环境带来气候变暖、水土流失、生物多样性减少、碳储存减少等一系列持续的负面影响[6-7]。作为我国集体林业大省,福建省森林资源丰富,森林覆盖率常年居全国第一。但随着城镇化进程的推进,如何减缓森林资源损失已成为福建省亟需解决的问题。因此,厘清福建省县域森林损失状况及其影响因素具有重要的现实意义,可为区域森林资源保护与社会经济的协调发展提供理论借鉴。

当前国内外学者关于森林损失的研究已取得了丰硕的成果,并重点关注区域森林损失的动态演化规律及其影响因素,而准确获取森林资源数据是实现区域森林损失动态监测的重要前提。因此,不同尺度的森林资源调查成为森林资源研究的重点[8-9],在研究初期,森林面积变化的数据来源于各类森林资源清查数据库,但该数据库每5 a更新一次,具有一定的时间滞后性,数据精度较低,且费时费力。近年来,随着地理信息系统(GIS)和遥感技术的不断发展,森林资源调查工作的效率得到快速提升,且可采用的遥感数据也越来越丰富,如Landsat、MODIS、QuickBird等。有学者基于这些遥感数据发布了一系列的森林监测遥感数据集,如SHIMADA等[10]基于ALOS PALSAR数据研发的全球森林覆盖数据集、HANSEN等[11]研发的全球森林变化数据集(2000—2012年,30 m)、LI等[12]研发的中国森林数据集(2010年,30 m)。其中,全球森林变化(Global Forest Change)数据集是基于Landsat影像分类发布的一款数据集,相较于上述提及的其他数据集,全球森林变化数据集具有较高的数据精度,能够更为精确地揭示区域森林损失的长期动态变化特征。因此,该数据集被国内外学者广泛应用于区域森林损失遥感动态监测方面的研究[13-16]。

此外,森林损失的影响因素研究能有效揭示区域森林损失的内在演化机理,也得到了国内外学者的广泛关注。现有研究发现,区域的森林损失是气候[17-19]、城镇化[20-21]、人口密度[22]、森林火灾[23-25]、采伐[26-27]等人为和环境因素协同作用下的综合影响结果,而人类的社会经济活动对森林损失的负面影响远远大于自然所带来的负面影响[28]。当前,国内外学者主要采用线性回归[16]、相关性分析[17]、随机森林回归模型[20]、随机效应模型[25]等方法进行森林损失的影响因素分析,这些方法均只能揭示不同因素的全局影响,而无法揭示影响因素的地区差异特征。也有部分学者尝试采取地理加权回归(geographically weighted regression, GWR)模型来探究森林损失影响因素的空间分异特征[4,13],但该模型在探究森林损失的影响时未能将时间维度纳入考量。时空地理加权回归(geographically and temporally weighted regression, GTWR)模型弥补了GWR模型对时间维度考虑不足的问题,能综合考量地理要素的时间维度和空间维度特征,具有更高的模型精度,可以更好地模拟不同驱动因子的影响效应[29-30]。因此,GTWR模型可以把时间和空间特征纳入森林损失影响因素的分析中,考虑了森林损失的时空非平稳性特征,能够更好地揭示不同影响因素的时空分异特征。

综上,国内外学者针对森林损失的研究重点聚焦在全国、省级等范围的大尺度研究。然而,作为森林管理决策更为微观的县域尺度,与国家、省级等大尺度的研究存在明显差异,现有针对重点林区县域尺度的森林损失及其影响因素的研究则相对缺乏。鉴于此,笔者以南方重点林区福建省作为研究区,基于2001—2019年的全球森林变化数据集对福建省县域森林损失进行量化,并基于GTWR模型在时间和空间2个维度上揭示不同时期福建省县域森林损失的时空演变特征及其内在驱动机制,探索减缓中国森林损失的实现路径,以期为区域森林资源与社会经济协调发展提供参考。

1 研究区概况

福建省地处中国东南沿海(23°33′～28°20′ N,115°50′～120°40′ E),地形以山地丘陵为主,呈西北高、东南低的态势(图1)。

基于自然资源部标准地图服务网站GS(2020)4632号标准地图制作。

福建省总面积12.4万 km2,共有84个县级行政区划,属亚热带湿润季风气候区,气候温暖湿润。福建省是全国六大林区的典型代表和集体林权制度的重要发源地,2022年福建省森林面积达807.72万hm2,森林覆盖率为65.12%,GDP达53 109.85亿元,常住人口达4 188万人。此外,福建省拥有厦门港、福州港、湄洲湾港和泉州港4个港口,为福建省森林木材的进出口贸易提供了便捷的交通条件。伴随着福建省城镇化进程的不断推进,全省城镇化率从2001年的42.76%快速提高到2022年的70.11%,城市建设用地需求不断增加,房地产市场快速发展,也导致森林资源保护压力日益增加。

2 数据与方法

2.1 研究框架构建

基于2001—2019年全球森林变化数据集,对福建省县域森林损失及其影响因素进行深入探讨(图2)。

图2 技术路线

考虑到研究时间尺度跨度较大,存在部分县市数据缺失的问题,因此,基于数据的可获得性,共选取福建省的58个县域作为评价单元(不含直辖市)。首先,利用ArcGIS 10.8空间分析技术,结合不同的数据源,提取2001—2019年福建省58个县域的森林损失数据,分析福建省县域森林损失的时空格局演变特征;其次,采取GIS空间自相关模型,从全局自相关和局部自相关2个层面探究2001—2019年福建省县域森林损失的空间集聚特征;最后,从社会经济的多个维度筛选主要的影响因子,并采用时空地理加权回归模型系统探究城镇化率、人均GDP、公路通车里程、人口密度和木材产量对福建省县域森林损失的影响及其时空分异特征。

2.2 数据来源

应用多源空间和统计数据开展福建省县域森林损失的时空变化及其影响因素研究,所选取的数据集及来源如表1所示:(1)2000年福建省森林覆盖数据和2001—2019年福建省森林损失数据来源于全球森林变化数据集(V 1.7),该数据集总体精度高于99%[11];(2)福建省县域的城镇化率、人均GDP、公路通车里程、人口密度、木材产量等统计数据来源于《福建统计年鉴》《福建林业统计年鉴》,部分缺失值采取平均值代替法、内插法、外插法的方法进行补齐;(3)数字高程模型(DEM)数据来源于地理空间数据云;(4)省级行政边界和县级行政边界的矢量数据来源于国家基础地理信息中心。

表1 数据来源

2.3 数据处理

在全球森林变化数据集(V1.7)中,将森林定义为植物中(包括天然林和人工林在内)树高>5 m且树冠覆盖率>0.2的区域,而森林损失则被定义为“林分全部消失或发生更替”,指的是发生森林损失的现象[31]。运用ArcGIS 10.8软件平台,基于福建省县级行政区划矢量,对全球森林变化数据集进行掩膜提取,获得福建省2001—2019年森林损失空间分布数据,并以2000年的森林覆盖率作为参考基准,以20%的阈值来提取森林覆盖,进而利用面积制表工具统计2001—2019年福建省县域森林损失面积,采用各县域每年的森林损失面积与2000年森林覆盖面积的比值表征福建省各县域的森林损失率。此外,将各类基础数据的投影坐标系统一为Krasovsky_1940_Albers,构建福建省县域森林损失评估的GIS空间数据库。

2.4 研究方法

2.4.1空间自相关分析

空间自相关模型用于度量相邻空间某一观测量的相关性与分异性,由全局自相关和局部自相关两部分组成。其中,全局自相关常用全局莫兰指数(Global Moran′sI,IG)来表征,用以衡量观测变量的相关性强弱程度,其范围区间为[-1,1]。而局部自相关一般采用局部莫兰指数(Local Moran′sI,IL)来表征,用以衡量局部相邻单元空间自相关的关联性与异质性强弱程度。该研究采用ArcGIS 10.8软件中空间统计工具(spatial statistics tools),从全局和局部2个层面探究福建省县域森林损失的空间集聚特征。

(1)

(2)

2.4.2时空地理加权回归(GTWR)模型

时空地理加权回归(GTWR)模型是在地理加权回归模型的基础上将时间维度进一步纳入回归模型,在时空维度下进行影响因素分析,可以有效解决时空非平稳性问题。因此,时空地理加权回归模型被广泛应用于社会经济测度、环境健康评价、房价模拟预测和生态环境评估等众多领域,探究其不同驱动因子的空间异质性特征,并取得了良好的效果[29,32]。

(3)

式(3)中,Yi为森林损失;Xil为第i个样本县域的第l个影响因素;n为县域总数;k为影响因素个数;δi为随机扰动项;β0(ui,vi,ti) 为时空截距项,其中u、v为样本县域坐标,t为时间;βl(ui,vi,ti)为在i县域t时间的第l个影响因素的估计系数。

2.5 影响因子选取

森林损失是自然和社会经济因素共同作用的结果,且社会经济活动对森林损失的影响远大于自然环境[27-28]。鉴于此,笔者参照文献[15,21,31,33-34],结合森林转型路径理论,并综合考虑数据的科学性、合理性、可获取性和非共线性等因素,从城镇化水平、经济发展水平、基础设施建设、人口状况和木材市场等多个维度,分别选取城镇化率、人均GDP、公路通车里程、人口密度、木材产量这5个指标来探讨福建省森林损失的主要影响因素。这5个指标的方差膨胀系数(VIF值)分别为1.623、1.664、1.077、1.277、1.220,都通过了共线性检验(VIF值<10)。为了消除量纲的影响,运用SPSS 26.0统计分析软件对各个影响因素的数据进行Z-Score标准化处理。

(1)城镇化水平:城镇化率。随着城镇化水平的不断提高,区域内森林资源的可持续增长受到严重威胁,因此城镇化水平普遍被认为是导致森林损失的关键影响因素[20-22]。一方面,城镇化带来城市用地的急剧扩张,部分林地转化为建设用地和工业用地,造成森林资源的大量损失;另一方面,城镇化水平的提高会给林农创造更多的就业岗位,反而会减少林农对森林资源的生计依赖。因此,选取城镇化率指标来表征区域的城镇化水平,进而探讨城镇化对森林损失的影响。

(2)经济发展水平:人均GDP。森林经济发展路径和环境库兹涅茨曲线可用于解释森林资源和经济增长之间的关系[35-37],即在经济发展初期,国家基础设施建设需要大量的木材资源,加剧了森林砍伐和破坏。到了经济发展后期,居民的收入增加和生态保护意识增强,促使家庭能源由薪材向电力和液化气等现代能源转换,从而导致森林损失的减少。因此,选取人均GDP指标来表征区域的社会经济发展水平,进而探讨社会经济发展对森林损失的影响。

(3)基础设施建设:公路通车里程。福建省的森林损失受到道路基础建设的影响[7,22]。一方面,公路通车里程的增加降低了农民的木材运输成本,增加了农民木材生产的积极性,同时也需要进行填筑沟谷、切割山体等活动,导致森林资源遭到破坏。另一方面,增加公路通车里程有利于增加非农就业的比例,减少对森林资源的依赖,从而减少森林资源的损失。因此,选取公路通车里程指标来表征区域的交通便捷程度,进而探讨交通条件对森林损失的影响。

(4)人口状况:人口密度。人口因素是影响森林损失的一个重要因素[15,22]。一方面,人口密度增加是森林损失增加的一个重要因素,人口密度越高,对建设用地和木材的需求也就越大,加大了林地向建设用地的转化,从而导致森林减少和退化。另一方面,随着能源结构变化,林农对薪材的需求量和使用量均有所下降,从而减少森林损失率。因此,选取人口密度指标来表征区域的人口特征,进而探讨人口的空间分布特征对森林损失的影响。

(5)木材市场:木材产量。邓祥征等[34]研究发现,木材市场是影响森林损失的一个重大因素。木材产量很大程度上取决于所在时期采伐政策和木材市场行情。1998年后福建省木材交易市场重启,市场对木材的整体需求得到逐步复苏,这对林农砍伐林木变现的意愿具有明显的促进作用。另外,2008—2018年木材加工业发展态势良好,木材市场价格好,也会导致木材采伐量增加。因此,选取木材产量来表征区域的森林砍伐状况,进而探讨木材砍伐对森林损失的影响。

3 结果与分析

3.1 森林损失的时间变化特征

福建省森林损失变化趋势如图3所示。2001—2019年福建省森林损失总面积累计达112.89万hm2,相较于2000年,森林损失率累计达14.99%。19 a间森林损失呈波动上升的基本态势。将福建省的森林损失情况进一步划分为3个发展阶段:显著上升阶段(2001—2009年)、先降后升阶段(2010—2016年)和显著下降阶段(2017—2019年)。

图3 2001—2019年福建省森林损失率

显著上升阶段(2001—2009年):该时期福建省的森林损失率总体呈显著上升的趋势,由2001年的0.21%增加到2009年的1.30%。这一现象可能与福建省该时期的经济高速发展相关。据《福建统计年鉴》,福建省GDP从2001年的4 467.55亿元增加到2009年的14 737.12亿元,产业结构以第二产业为主。据《中国林业统计年鉴》,福建的木材产量从2001年的430.77万m3增加到2009年的716.56万m3,对木材原料需求的不断增加在一定程度上也加剧了森林损失的速度。

先降后升阶段(2010—2016年):该时期福建省的森林损失率总体呈先降后升的趋势。2010—2013年福建省森林损失总体有所减少,这可能是由于2008年国家推进实施林业重点生态工程项目,进一步增强了森林资源的保护力度,有效降低了森林损失。与此同时,国家颁布了《中共中央国务院关于全面推进集体林权制度改革的意见》,集体林权制度改革在福建省率先试行,有利于有效减少森林退化与毁林等问题[38]。然而,2013—2016年福建省的森林损失呈整体增加的趋势,该时期中国的房地产产业发展迅猛,致使国内市场对于木材的需求回暖。从《中国林业统计年鉴》可知,2014、2015和2016年的商品材产量分别为575.05万、588.02万和606.74万m3,较 2013 年的572.27万m3有所增加。因此,2013—2016年间福建省森林损失呈现明显上升的趋势。

显著下降阶段(2017—2019年):该时期福建省的森林损失呈显著减少的趋势。根据《第九次全国森林资源清查》,福建省的天然林资源占其森林资源总面积的51.30%,达413.8万hm2。福建于2016年被列入天然林保护试点省份,开始全面停止天然林的商业性采伐。森林生态效益补偿和天然林保护政策的力度明显提高,使得福建省大量的天然林在短时间内得以修复,森林损失控制成效较为显著。此外,福建省于2017年5月以建设国家生态文明试验区为契机,出台了一系列的集体林权制度改革措施,如通过重点生态区位商品林赎买、置换等方式,将部分重点生态区位商品林调整为生态公益林,进一步优化全省的生态公益林布局,破解了林农利益与生态保护的矛盾。因此,2017—2019年福建省的森林损失率呈现显著下降的整体趋势。

3.2 森林损失的空间变化特征

为了更直观地探究福建省县域森林损失的空间格局特征,研究基于ArcGIS 10.8软件平台,采用自然断点法将福建省的森林损失划分为5种类型:低损失(<0.5%)、较低损失(0.5%～<1.0%)、中等损失(1.0%～<1.5%)、较高损失(1.5%～2.0%)、高损失(>2.0%)(图4和表2)。

表2 2001—2019年福建省县域森林损失类型统计

基于自然资源部标准地图服务网站 GS(2020)4632号标准地图制作。

2001—2019年福建省县域森林损失呈现出从低损失向较低损失和中等损失转化的基本态势。2001年福建省县域森林损失以低损失为主,占比达91.4%,其他类型的森林损失占比极少,表明该时期福建省的县域森林损失较少;2005年福建省县域森林损失主要以低损失和较低损失为主,占比分别为48.28%和32.76%,表明该时期福建省的县域森林损失有所增加;2010年福建省县域森林损失以较低损失和中等损失为主,占比分别为34.48%和27.59%,较低损失和中等损失的县域数量明显增加,表明该时期福建省的县域森林损失进一步增加;2015和2019年福建省县域森林损失的整体分布情况类似,均以低损失和较低损失为主,这2种森林损失类型的累计占比均超过75%,表明该时期福建省的县域森林损失有所降低。

空间上福建省县域森林损失率在呈现出西北低、东南高的基本态势,并具有明显的空间集聚效应。2001—2010年福建省森林损失的高值区主要集中在东南沿海一带,如龙海市、东山县、漳浦县和晋江市等地,森林损失的低值区则主要分布在省际边缘县域,以闽东地区为主。其中,2010年福建省各县域的森林损失率进一步扩大,尤其是在东南沿海地区森林损失率明显增高,是福建省森林损失率最高的区域;2010—2019年大部分地区的森林损失情况得以缓解,如尤溪县的森林损失类型由高损失转变为中等损失,顺昌县由较高损失转变为低损失,邵武县、建宁县、泰宁县、将乐县由中等损失转变为低损失。这一时期福建省森林损失率较高的区域主要集中在南部的龙海市和漳浦县等地。

3.3 森林损失的空间集聚特征

基于ArcGIS 10.8软件平台,分别计算 2001、2005、2010、2015和2019年福建省森林损失的Moran′sI指数,并且在P<0.05的显著性水平上检验结果(表3)。

表3 全局莫兰指数(IG)分析结果

2001—2019年福建省森林损失的全局莫兰指数(IG)均为正值(平均值为0.331)、Z值均远大于1.96(95%的置信区间),且这2个值的变化趋势基本相同。可见,福建省的森林损失在空间总体存在较强的正相关性,相邻县域的森林损失率存在着显著的相关性。其中森林损失的IG在2019年较小,下降趋势明显,表明该年份福建省森林损失的空间正相关性较弱。在IG的基础上基于ArcGIS 10.8软件平台分别计算福建省2001、2005、2010、2015和2019年森林损失的局部莫兰指数(IL),并得到森林损失的 LISA 聚集图(图5)。

基于自然资源部标准地图服务网站GS(2020)4632号标准地图制作。

2001—2019年福建省的县域森林损失存在着显著的空间集聚特征。其中,森林损失率的高-高聚集区集中分布在福建省南部地区,特别是漳州境内的龙海市、漳浦县、云霄县、诏安县、东山县、南靖县等地,表明这些县域是福建省森林损失率较高的集聚区,但在2001年森林损失率未出现高-高集聚类型;森林损失率高-低聚集区仅在2010年出现,主要分布在霞浦县和永春县境内,而森林损失率的低-高聚集区在2001、2005和2019年零散分布,主要分布在将乐县、惠安县和诏安县等地,表明这些地区是福建省森林损失率高值和低值相邻的集聚区;森林损失率低-低聚集区则主要分布在福建省的东部和东北部地区,如寿宁县、周宁县、福安市、福清市等地,表明这些县域是福建省森林损失率较低的集聚区。

3.4 森林损失的影响因素分析

3.4.1模型对比

在构建GTWR模型前,对标准化后的所有变量进行多重共线性检验,以预防伪回归现象的出现。模型计算结果表明,城镇化率、人均GDP、公路通车里程、人口密度、木材产量这5个影响因子的VIF值均小于10,因此不同影响因子之间不存在共线性的问题,可以用于构建GTWR模型。另外,采用R2、校正R2、AICc 值来表征模型的拟合程度。从表4可知,GTWR 模型2个阶段的R2、校正R2、AICc 值分别为 0.756、 0.754、1 099.74和0.629、0.625、1 160.63,均优于 GWR 和OLS模型的相应值。因此,采用 GTWR 模型来探究森林损失率的影响因素。

表4 GWR与OLS、GWR对比结果

3.4.2县域森林损失的影响因素

研究以福建省各县区城镇化率、人均GDP、公路通车里程、人口密度和木材产量为解释变量,利用ArcGIS软件平台和GTWR模型对这5个影响因素进行空间探测,分析不同影响因素的驱动效应,并将其驱动效应分为正向影响和负向影响。其中,正向影响(影响力>0)表征影响因子对区域内的森林损失具有促进作用,值越大表征其促进效应越明显,而负向影响(影响力<0)则表征影响因子对区域内的森林损失具有抑制作用,值越大则表征其抑制效应越明显。为了统一比较影响力大小,将其进一步划分为负向弱影响(-0.2～<0)、负向中度影响(-0.4～<-0.2)、负向强影响(<-0.4)、正向弱影响(0～<0.2)、正向中度影响(0.2～<0.4)和正向强影响(≥0.4)6个等级。

城镇化率对森林损失率的影响主要表现为正向促进作用,即随着城镇化进程的加快,福建省县域森林损失率也增加(图6)。2001—2005年,福建省的城镇化进程还处于较低水平,该期间城镇化率对福建省森林损失率的影响主要以弱影响为主,城镇化水平对福建省的森林资源的影响较小;2005—2010年,城镇化率对福建省的森林损失的影响由弱影响转化为强影响,部分县域单元呈现出正向强影响和负向强影响,如长泰县、龙海县、漳浦县、建宁县等地,城镇化水平对森林损失的影响出现较大增长,表明该时期城镇化水平对福建省森林损失的影响逐渐凸显;2010—2019年,城镇化率对森林损失的影响逐渐增强,特别是福建省南部地区,主要表现为正向强影响,随着城镇化水平的提高,城镇建设用地不断拓展,城镇空间严重侵占了原有以林地为主的生态用地,导致福建省的森林损失逐渐增大。

基于自然资源部标准地图服务网站GS(2020)4632号标准地图制作。

人均GDP对森林损失率的影响呈现出由正向影响到负向影响的转变(图7)。2001—2005年,福建省的经济发展整体处于较低水平,人均GDP对福建省森林损失率的影响主要表现为正向影响,其中长汀县和武平县等西部县域的正向影响最为明显,这可能是由于这些地区的经济发展较为落后,为了追求更高的经济效益,大量的林业用地转为建设用地,严重损害了当地的生态环境,导致该时期内森林损失增加;2005—2010年,人均GDP对福建省森林损失的影响由正向影响向负向影响转化,部分县域单元表现为负向强影响,如建宁县、泰宁县、邵武市、武夷山市等地,该时期社会经济得到了较快增长,地方政府对森林资源的保护意识也逐渐增强,致使森林损失的现象有所好转;2010—2019年,人均GDP对福建省森林损失的影响以负向影响为主,呈负向作用的县区大于正向作用的区县,该时期经济增长开始由高速增长转向高质量增长,环境保护意识大幅增强,减少对森林资源的过度消耗。此外,云霄县、诏安县、东山县等南部县域在经济发展后期人均GDP的负向影响最为明显。

基于自然资源部标准地图服务网站GS(2020)4632号标准地图制作。

公路通车里程对森林损失的影响主要表现为负向影响,随着公路通车里程的增加,在一定程度上抑制了森林的损失(图8)。公路通车里程的增加给当地的林农提供了更多的就业选择,他们不再以森林资源变现为主要收入,使得森林损失得以降低。然而,也有少部分县域公路通车里程对森林损失表现为正向影响,主要分布在南靖县南部、大田县和安溪县东部,这些县域更加靠近贸易港口,具有良好的木材市场,从而刺激林木企业大量砍伐木材进行贸易销售,且这些县域大多经济较为发达,林地大量地转换为建设用地,不可避免地出现切割山体、填筑沟谷等情况,损毁了森林资源。此外,公路通车里程的增加大大提高了农民木材运输效率,便于将森林资源及时变现,从而导致森林损失的增加。

基于自然资源部标准地图服务网站GS(2020)4632号标准地图制作。

以常住人口测算的人口密度因子对森林损失的影响主要表现为正向影响(图9)。随着人口密度的增加,福建省的县域森林损失率也有所增加,特别是在2019年,人口密度对森林损失的正向促进效应尤为明显。其中,福建省北部、南部的大部分区县,如浦城县、武夷山市、建阳区、华安县和南靖县等最为明显,这可能是由于随着城市化进程的加快,大量农村人口涌入城市,导致城市人口密度快速增加,带来了大量的城市建设需求,对木材资源的消耗和需求也相应增加,加剧了森林资源的砍伐,进而提高了福建省的森林损失。而在福建省西部的部分县域,如建宁县、宁化县、清流县、明溪县等地,人口密度与森林损失的关系则表现为负向影响,虽然该时期这些县市的人口还整体处于增长趋势,但经济发展水平比东南沿海经济发达地区弱,区域内农村人口流入城市的速率远低于沿海经济发达地区,整体的城市扩张需求和人口流入强度都较小,导致区域内森林损失有所减缓,进而呈现出人口增长与森林损失负向影响的基本态势。此外,且随着科学技术的进步,传统以薪材为主要生活能源的模式逐渐向以天然气和电等生活能源转换,薪材使用量大量减少,从而导致毁林开荒的行为大量减少,有助于森林资源的恢复。

基于自然资源部标准地图服务网站GS(2020)4632号标准地图制作。

木材产量对森林损失的影响主要表现为正向影响,特别是在2010年,福建省正处于经济高速发展期,城市建设对木材的需求量较大,导致了森林资源的大量砍伐(图10)。该时期木材产量对森林损失的正向促进作用呈现出正向强影响的基本态势。此外,木材产量直观体现了木材市场对于木材的需求程度,林地经营者出于自身生产效益的考虑,将大量林地转变为耕地、建设用地或其他具有更高收益的土地类型。起初,由于社会经济的快速发展,木材的需求也随之增长,导致森林面积减少。到了经济发展后期,随着科技进步和社会生态意识的提高,居民的生活和生产逐渐以高效清洁化的能源(如天然气、风能)来代替传统薪材的使用,降低了木材的需求量,从而也减少了森林资源采伐,因此后期木材产量对于森林损失的正向驱动作用有所减弱。

基于自然资源部标准地图服务网站GS(2020)4632号标准地图制作。

4 结论与建议

4.1 主要结论

研究基于全球森林变化数据集,利用ArcGIS空间分析方法和GTWR模型,对福建省58个县级行政区划2001—2019年的森林损失进行空间定量化测算,并探究福建省县域森林损失的时空演变特征及其主要影响因素,得出以下几个主要结论:

(1)2001—2019年福建省县域森林损失呈现波动上升的整体演化规律,森林损失总面积累计达到112.89万hm2,相较于2000年,森林损失率累计达14.99%。基于福建省县域森林损失的演化过程,可将福建省的森林损失情况划分为显著上升阶段(2001—2009年)、先降后升阶段(2010—2016年)和显著下降阶段(2017—2019年)。

(2)福建省的森林损失总体上存在较强的空间正相关性和空间集聚性,相邻县域森林损失率存在显著的相关性,而其空间集聚效应呈现出西北低、东南高的整体态势。其中,森林损失率的高-高聚集区主要集中分布在福建省的南部地区,特别是漳州境内;高-低聚集区和低-高聚集区仅在境内零散分布,且仅在部分年份出现;低-低聚集区的分布则较为广泛,主要集中在福建省东部和东北部地区。

(3)城镇化率、人均GDP、人口密度、公路通车里程和木材产量对福建省县域森林损失均具有一定的影响,但存在明显的时空异质性。其中城镇化率和木材产量对森林损失的影响以正向影响为主;人均GDP与森林损失率在2010年以前为正向影响,2010年之后则呈现为负向影响;人口密度对森林损失的影响以正向影响为主,且随着时间推移,其影响的强度越来越大;公路通车里程对森林损失以负向弱影响和负向中度影响为主。

4.2 政策建议

研究发现,福建省的县域森林损失现象较为严峻,且受人口、经济、资源、政策等多方面因素的综合影响。因此,推进相关政策有效实施,以减缓福建省的森林损失至关重要,为实现森林资源的科学管理和可持续经营,提出以下相关政策建议:

(1)构建长期动态监测平台与精准管理技术。福建省的森林损失是一个长期动态变化的过程。因此,在未来的森林资源科学管理过程中,可借助最新的遥感、大数据、云计算、地理信息系统等技术,实现对福建省森林资源的长期动态监测,从而建立火灾、病虫害、气象灾害等森林资源自然灾害实时、动态、长效的监测预警机制,并重点监管森林损失严重的区域,特别是森林损失的高-高集聚地区(漳浦县、龙海市、长泰县等),进而有效降低其森林资源的损失。此外,需厘清各县域森林损失的过程与机理,构建森林资源的精准管理体系,并实施精细化的森林资源科学管理策略。可依据各个县域的经济发展情况及森林资源禀赋,因地制宜地制定森林资源保护政策,采取差别化的精准治理手段,提高森林资源的综合生态系统服务功能,更好地改善林农福祉和实现生态文明建设。

(2)协调森林资源保护与社会经济发展策略。当前农民更加关注的是自身所能从森林资源中获取到的经济效益,整体的生态保护意识相对薄弱,地方政府应加强对森林资源保护的宣传,提高农民的生态保护意识,制定森林资源保护激励措施,在兼顾森林资源保护的前提下,合理协调森林保护与农民利益两者之间的关系。对于低-低集聚区(寿宁县、周宁县、福安市等),要积极引入森林碳汇项目,推动林木生态价值向经济价值转化;在低-高、高-低集聚区(霞浦县、诏安县、惠安县、将乐县等)要探索科学有效的跨区县横向生态补偿机制;在高-高集聚区(漳浦县、龙海市、长泰县等)要进一步提升森林碳汇能力,加快转变经济发展方式,调整能源结构,从源头减碳降碳,促进森林资源的高质量发展。

(3)完善森林资源可持续经营与保护机制。未来的森林资源管理需要遵循现代森林经营理念和森林生态系统演替规律,完善森林资源可持续经营与保护机制。一方面,基于森林全生命周期制定科学、合理的森林可持续经营策略,对不同的林分演替方式采取差异化的经营措施,实现区域森林资源的快速恢复和正向演替。另一方面,地方政府要结合当地的实际情况,构建森林资源保护和合理利用的发展模式,在城市基础设施建设的过程中注重环境评估,以减缓城市扩张对区域内森林资源的破坏。