摘要:为了应对全球的气候变化,我国早已提出了“碳达峰、碳中和”的目标。森林碳汇作为实现碳中和目标的重要组成,对其效率进行测度是十分有意义的。为了对森林碳中和效率进行测度,研究选取了辽宁省的天保工程作为研究区域,并从森林碳汇效率来入手。研究采用了数据包络分析法和Malmquist指数方法,设计了对应的静态和动态测度模型。此外,研究也构建了对应的评价指标体系,并采用数据分箱和插补法来对数据中的异常值和缺失值进行处理。结果显示,2014年到2019年铁岭市和本溪市森林碳汇效率的平均值分别为0.252和0.278,综合效率的最大值分别为0.438和0.461,最小值分别为0.239和0.241。铁岭市技术效率、技术进步、纯技术效率、规模效率和全要素生产率的平均值分别为1.212、0.982、0.665、0.573和1.086。技术进步在全要素生产率中占据了重要的地位。通过分析森林碳汇测度能够对天然林的碳汇能力和潜力进行了解,为后续的碳汇开发提供新的思路,这也是研究的意义所在。
关键词:碳汇;测度;静态;动态;森林
中图分类号:S718.5 文献标识码:A
Static and dynamic measurement analysis of forest carbon neutrality efficiency in the natural conservation project
Abstract: In order to address global climate change, China has long proposed the goal of "peaking carbon emissions and achieving carbon neutrality". Measuring the efficiency of forest carbon sinks, as an important component of achieving carbon neutrality goals, is of great significance. In order to measure the efficiency of forest carbon neutrality, the study selected the natural conservation project in Liaoning Province as the research area, and started from the efficiency of forest carbon sink. The study used data envelopment analysis and Malmquist index method, and designed corresponding static and dynamic measurement models. In addition, the study also constructed a corresponding evaluation index system and used data partitioning and interpolation methods to handle outliers and missing values in the data. The results showed that the average forest carbon sink efficiency in Tieling City and Benxi City from 2014 to 2019 was 0.252 and 0.278, respectively. The maximum comprehensive efficiency values were 0.438 and 0.461, and the minimum values were 0.239 and 0.241, respectively. The average values of technical efficiency, technological progress, pure technical efficiency, scale efficiency, and total factor productivity in Tieling City are 1.212, 0.982, 0.665, 0.573, and 1.086, respectively. Technological progress occupies an important position in total factor productivity. By analyzing forest carbon sink measurements, we can understand the carbon sink capacity and potential of natural forests, providing new ideas for subsequent carbon sink development, which is also the significance of research.
Keywords: Carbon sink; Measurement; Static; Dynamic; Forest
引言
在人类社会快速发展的背后是不断恶化的生态环境,全球气候变暖、极端天气增加、臭氧层空洞等现象都是大自然给人类的警示。针对不断恶化的生态环境,我国提出了“碳达峰,碳中和”的目标[1]。森林是生态环境的重要组成,其在二氧化碳的吸收和固定中发挥着重要的作用,具有较强的碳汇功能。碳汇既可以被当作一种活动,又可以被当作一种过程,其核心功能是降低大气中二氧化碳的含量[2-3]。因此,对森林碳汇进行测度分析是十分有必要的。目前常用的碳汇量计算方法有样地清查法、遥感估测法、生物量模型和微气象学法等。然而,这些方法也存在一定的不足,如遥感估测法操作难成本高、微气象学法所给出的结果离散性较大等[4]。此外,数据包络分析也常被用在森林碳汇测度中。为了对森林碳汇需求空间进行测度与分类,朱梅钰等研究人员采用了方向性距离函数模型和需求空间模型。该研究的结果显示森林碳汇需求空间的分类结果与中国东中西部地区的经济发展水平大致吻合[5]。然而,该研究也存在一定的不足,即对林业项目工程考虑得较少[6]。因此,为了对森林碳中和效率进行测度,研究采用了数据包络分析法和Malmquist指数方法,设计了对应的测度模型,并构建了相应的评价指标体系。研究旨在对辽宁省天保工程下森林碳汇的潜力进行了解,为森林碳汇后续的开发提供思路上的指导,提升森林碳汇量,促进生态环境的改善。研究的创新性是结合了数据包络分析法和Malmquist指数方法,并从林业项目工程的角度来分析森林碳汇效率。
1面向碳中和的碳汇效率测度方法设计
1.1静态测度方法设计
天保工程即天然林资源保护工程,简称天保工程。辽宁省是我国唯一实施省级自费天保工程的省份,在该工程实施以来辽宁省的生态状况得到了明显改善[7]。森林碳汇是实现碳中和目标的重要组成。为了对森林碳中和效率进行测度,研究从森林碳汇入手,对森林碳汇的静态和动态测度进行了分析。针对碳汇的静态测度,研究采用了数据包络分析(Data Envelopment Analysis, DEA)方法,并对评价指标体系进行了构建。DEA方法涉及的内容如图1所示。
从图1可以看出,DEA方法涉及的内容主要有四个。第一个是决策单元,即经济个体。第二个是相对效率,且效率的取值区间为[0,1]。第三个是投入产出,即生产要素和产品。第四个是生产可能集,即生产要素可能集和产出可能集。DEA方法的优点是能够处理多输出-多输入的有效性综合评价问题,且在构建模型前不需要对数据进行无量纲化处理[8]。DEA模型分为两类,分别为径向模型和非径向模型。银行家-查恩斯-库珀(Banker-Charnes-Cooper, BCC)模型是DEA模型中的一种,其优势是基于规模报酬可变的前提,把综合效率分解为纯技术效率和规模效率[9]。由于天保工程的规模报酬是持续变动的,因此研究采用了DEA-BCC方法。DEA-BCC模型的具体表达如式(1)所示[10]。
(1)
式(1)中, 代表产出权重矩阵的转置, 表示产出, 为产出的总数。 表示最初的规模效率, 为投入权重矩阵的转置, 代表投入, 表示投入的总数。 为第 个投入对应的产出, 代表第 个产出对应的投入, 为规模效率, 表示投入权重。 为投入的序号。为了对评价指标体系进行构建,研究先选取了评价指标。同时为了保证测度结果的准确性,研究在选取指标时遵循了两大原则,即指标选取的代表性和全面性。因此,研究最终构建的评价指标体系如图2所示。
从图2可以看出,该体系主要由四个投入指标类型和一个产出指标类型构成。每一个指标类型下方都有各自对应的具体指标。此外,该体系还涵盖了目标层和准则层。为了对森林碳汇量进行计算,研究采用了蓄积量法。该方法的优势是使用简单,实用性强。森林碳汇总量 的计算如式(2)所示。
(2)
式(2)中, 为林下植物碳转换系数, 表示蓄积扩大系数, 代表含碳率, 表示林地碳转换系数, 代表森林蓄积量, 为容积密度。
1.2动态测度方法设计
针对森林碳中和的效率测度,研究已经从森林碳汇入手,对森林碳汇的静态测度方法进行了设计。为了对森林碳汇进行动态测度,研究采用了Malmquist指数方法。该方法的优势是能够准确测量技术进步和效率变化对生产率的影响,反映林业效率的动态变化,且考虑的时间维度更加完整,克服了DEA方法不能在时间轴上进行动态分析的不足[11]。Malmquist指数模型的表达 如式(3)所示[12]。
(3)
式(3)中, 代表时期, 和 分别表示 下的投入和产出向量。 和 分别代表依照 时期技术的第 期和 期的全要素生产率。 和 分别代表依照 时期技术的第 期和 期的全要素生产率。此外, 期和 期指数的几何平均值构成了综合生产率指数。当Malmquist指数高于1时,则代表全要素生产率上升,否则便表示下降。为了更好地理解该指数,研究对该指数进行了拆解,如式(4)所示。
(4)
式(4)中, 代表技术变化指数, 表示规模效率, 为纯技术效率, 代表全要素生产率, 表示技术效率变化指数。当 ,则代表决策单位的技术效率有了提升;当 ,则代表技术水平出现了进步。当 ,则说明了 出现了提升。
为了更好地发挥Malmquist指数的优势,研究将该指数方法和DEA方法进行了结合,形成了能从不同维度来对效率进行评估的方法,即DEA-Malmquist模型。该模型的优势是能够测算出决策单元的生产效率在不同时期的动态变化情况。需要注意的是,在对DEA-Malmquist模型的指标进行选取时,这些指标必须都是正值。
针对数据中的异常值,研究采用了数据分箱法来进行处理。对于数据中的缺失值,研究采用了统计学中的插补法,即通过可能值插补来实现缺失值的处理。研究采用的可能值为前后两年的平均值。DEA-Malmquist模型的评价指标体系和DEA-BCC模型的一致,此处便不再重复描述。为了对森林碳汇效率进行测度,研究采用了Deap2.1软件。该软件能够用于绩效评估和Malmquist指数分析,具有计算效率高、数据可视化工具多和数据导入导出选项丰富的优势[13]。
2碳汇效率静态及动态测度结果分析
2.1静态测度分析结果
针对天保工程森林碳中和效率的测度分析,研究从碳汇效率入手,选取了辽宁省东部山区天保工程涉及的铁岭市和本溪市来进行。铁岭市天保工程二期从2011年开始实施,范围包含了铁岭全市。研究采用的数据均来自《中国林业统计年鉴》和国家统计局。林业数据本身具有一定的滞后性,且林业资源清查的频率是5年一次,因此研究选取的数据时间范围是2014年到2019年。2014年到2019年辽宁省铁岭市和本溪市的森林碳汇效率如图3所示。
通过图3(a)可以看出,2014年到2019年铁岭市的森林碳汇效率分别为0.37、0.25、0.23、0.23、0.22和0.21,平均值为0.252。随着年份的增加,铁岭市的碳汇效率在逐渐减少。由图3(b)可知,本溪市森林碳汇效率的最大值和最小值分别为0.38和0.21,分别对应着2014年和2019年。本溪市2015年至2018年的森林碳汇效率分别为0.35、0.26、0.24和0.23。可见,本溪市森林碳汇效率也在随着年份的增加而逐渐减少。综上,铁岭市和本溪市森林吸收碳的能力出现了下降。辽宁省铁岭市和本溪市不同年份的综合效率分析结果如图4所示。
通过图4(a)可以得知,铁岭市的综合效率最大值为0.438,最小值为0.239。随着年份的增加,铁岭市综合效率的变动趋势是上升下降来回变化。可以看出,铁岭市森林碳汇的增长不是很稳定,且综合效率的取值也一直处于低效率区,说明该市的天保工程存在一定的问题。由图4(b)可知,本溪市2014年到2019年对应的综合效率分别为0.241、0.331、0.428、0.381、0.437和0.461。综合效率一直低于0.5,说明本溪市的碳汇效率也一直处于低效率区。综上,辽宁省铁岭市和本溪市的森林碳汇率较低。这可能和辽宁省作为自费天保工程省份有关,每个林区能够得到的拨款是有限的,进而导致管理队伍的稳定性也较差。不同年份下纯技术效率分析结果如图5所示。
由图5(a)可以看出,铁岭市2014年到2019年的纯技术效率分别为0.522、0.617、0.739、0.645、0.726和0.741,最大值出现在2019年,最小值出现在2014年。在年份逐渐增长的背景下,铁岭市纯技术效率的变动趋势和其综合效率的变动趋势是大体一致的。通过图5(b)可以得知,本溪市纯技术效率的最大值和最小值分别为0.752和0.564,对应的年份分别为2019年和2014年。可以看出,铁岭市和本溪市的纯技术效率都是小于1的,这说明该二市天保工程的投入要素没有得到合理运用并发挥出最大价值。不同年份的规模效率分析结果如图6所示。
规模效率和纯技术效率的乘积便为综合效率。通过图6(a)可以看出,铁岭市规模效率的最大值和最小值分别为0.616和0.458,分别对应着2017年和2014年。随着年份的增加,铁岭市规模效率呈现出先增加再下降,之后再增加的变化趋势。由图6(b)可知,2014年到2019年本溪市的规模效率分别为0.427、0.520、0.581、0.551、0.600和0.613,最大值和最小值分别对应着2019年和2014年。综上,铁岭市和本溪市的规模效率都是低于1。这说明铁岭市和本溪市森林碳汇的规模收益是递增的,需要扩大规模增加效益。
2.2动态测度分析结果
针对天保工程森林碳中和的效率测度,研究已经进行了静态测度分析。为了更好地进行效率测度,研究也进行了动态测度分析。动态测度使用的数据来源和静态测度的一致,且数据涉及的年份也是从2014年到2019年。动态测度分析包含了两个方面的内容,即时间测度分析和时空测度分析。在时间测度分析上,研究选取了辽宁省铁岭市和本溪市2014年到2019年森林碳汇Malmquist指数的平均值,结果如图7所示。
由图7(a)可知,从2014年到2019年,铁岭市技术效率的平均值为1.212,技术进步的平均值为0.982,全要素生产率的平均值为1.086。通过图7(b)可以得知,本溪市技术效率、技术进步、纯技术效率、规模效率和全要素生产率的平均值分别为1.327、0.994、0.685、0.549和1.172。可以看出,技术进步在全要素生产率中占据了重要的地位。时空测度分析的区域时间分析如图8所示。
通过图8(a)可以看出,随着年份的增加,辽宁省铁岭市和本溪市的全要素生产率指数的变动趋势是逐渐上升的。铁岭市和本溪市全要素生产率的最大值分别为1.145和1.168,最小值分别为1.021和1.035。由图7(b)可知,铁岭市和本溪市技术效率指数的最大值分别为1.117和1.121,最小值分别为0.986和0.997。此外,该二市技术效率指数的变化呈现出随着年份增加而缓慢增加的趋势。通过图8(c)可以得知,铁岭市和本溪市技术进步指数的最大值分别为0.963和0.972,最小值分别为0.782和0.786。综上,辽宁省应该加快林业发展的速度,促进科技进步。
3结论
为了对森林碳中和的效率进行测度,研究采用了数据包络分析法和Malmquist指数方法,设计了对应的测度模型,并构建了对应的评价指标体系。结果显示,2014年到2019年,铁岭市的森林碳汇效率分别为0.37、0.25、0.23、0.23、0.22和0.21,本溪市的森林碳汇效率分别为0.38、0.35、0.26、0.24、0.23和0.21。铁岭市和本溪市的综合效率是一直低于0.5,这说明该二市的碳汇效率是一直处于低效率区。铁岭市和本溪市纯技术效率的最大值分别为0.741和0.752,最小值分别为0.522和0.564;规模效率的最大值分别为0.616和0.613,最小值分别为0.458和0.427。由于纯技术效率和规模效率小于1,这说明投入要素没有得到合理运用,需要扩大规模增加效益。在动态测度分析上,铁岭市和本溪市技术效率、技术进步、纯技术效率、规模效率和全要素生产率的平均值分别为1.212和1.327、0.982和0.994、0.665和0.685、0.573和0.549、1.086和1.172。技术进步在全要素生产率中占据了重要的地位,辽宁省应该加快科技进步。研究也存在一定的不足,即对政府政策在森林发展上的影响考虑得较少,未来的研究可以加强这一方面的探索。
参考文献
[1]王深,吕连宏,张保留,等.基于多目标模型的中国低成本碳达峰,碳中和路径[J].环境科学研究, 2021, 34(9):2044-2055.
[2]Launiainen S, Katul G G, Lepp K, et al. Does growing atmospheric CO2 explain increasing carbon sink in a boreal coniferous forest?[J]. Global change biology, 2022, 28(9):2910-2929.
[3]郝珉辉,代莹,岳庆敏,等.阔叶红松林功能多样性与森林碳汇功能关系[J].北京林业大学学报, 2022, 44(10):68-76.
[4]祝月茹,李青青,祝遵凌.居住区树种碳汇效益测算及环境优化提升--以南京市丁家庄为例[J].中南林业科技大学学报, 2023, 43(10):129-139.
[5]朱梅钰,龙飞,祁慧博,等.基于行业减排的森林碳汇需求空间测度与分类[J].浙江农林大学学报, 2021, 38(2):377-386.
[6]刘桂芳,关瑞敏,夏梦琳,等.西双版纳地区森林变化碳效应与生态效益评估[J].生态学报,2022,42(3):1118-1129
[7]任月,宋金萍,曹玉昆.天保工程投入结构对国有森林资源的影响[J].东北林业大学学报, 2022, 50(11):112-114.
[8]Dimas G L, Khalkhali M E, Bender A. Estimating Effectiveness of Identifying Human Trafficking via Data Envelopment Analysis[J]. INFORMS Journal on Applied Analytics, 2023, 53(6):408-424.
[9]陈岩,童国平,王蕾.基于DEA-BCC模型的农业灰水足迹效率研究[J].人民黄河, 2020, 42(12):61-81.
[10]王江泉,张俊,赵鑫.考虑技术进步的DEA方法研究[J].统计与信息论坛, 2021, 36(3):32-48.
[11]刘雷,张梦雨.基于DEA-Malmquist指数的农业生产效率评价[J].江苏农业科学, 2020, 48(21):309-314.
[12]姚仁福,边文燕,范宏琳,等.中国省域森林碳汇效率演进分析[J].林业经济问题, 2021, 41(1):51-59.
[13]贺芳芳,黄秀娟.基于动态网络DEA的福建省森林公园旅游效率[J].林业经济问题, 2022, 42(1):106-112.
作者简介:王冰(1984年11月-),女,汉,辽宁铁岭人,研究生,高级工程师,研究方向:林业调查规划。