長江經濟帶森林生態安全評價及時空演變研究

湯 旭,宋 璇,曾玉林,張大紅

1 中南林業科技大學 經濟學院, 長沙 410004 2 中南林業科技大學 商學院, 長沙 410004 3 湖南理工學院 經濟管理學院, 岳陽 414006 4 北京林業大學 經濟管理學院, 北京 100083

由于森林不僅在固碳釋氧、防止水土流失、保護生物多樣性方面造福人類,而且在木材供應、森林旅游等方面為經濟做出重要貢獻,所以森林對于人類的生存與發展至關重要。然而,由于人類對森林的無節制采伐以及對林地的過度占用使得森林面積日漸縮小,森林生態系統漸趨脆弱,如果不扭轉此形勢,必將威脅人類的生存與發展[1]。本文以長江經濟帶為研究區域,該經濟帶為中國腹心地帶,它集中了全國五分之二的人口,而且每年創造將近全國一半的GDP[2]。但是,由于近年來城鎮化、工業化進程加快,使得該區域洪澇災害頻發,水土流失嚴重,動植物資源日漸枯竭,森林生態安全形勢也日漸嚴峻。長此以往,該經濟帶的高速發展將難以為繼。對此,中國政府有著清醒認識,2016年發布的《長江經濟帶發展規劃綱要》明確提出要把長江經濟帶建成森林覆蓋率較高的綠色經濟走廊。2018年習近平指出長江經濟帶要把修復生態環境擺在壓倒性位置,以保護為主,限制大開發。綜上所述,科學評價長江經濟帶森林生態安全程度和提出針對性的森林修復建議,具有較強的緊迫性和現實意義。

目前對于森林生態安全的研究逐漸增多。從全國來看,徐會勇等[3]從生態文明建設視角,發現建設前期各省的森林生態安全狀況均呈上升趨勢,但在后期大部分省的森林生態安全狀況呈下降趨勢；姜鈺和蔡秀亭[4]結合2005—2015年全國數據,發現各省區的森林生態安全存在趨同性和收斂性。在產業結構方面,呂潔華和蔡秀亭[5]發現大部分省域森林生態安全與林業產業結構的耦合關系分別處于磨合、磨合、磨合、協調階段,部分省域在發展過程出現了躍進或倒退現象；白江迪等[6]基于省域數據研究發現,林業產業發展及林業二產、林業三產對森林生態安全未形成壓力,只有林業一產發展對森林生態安全產生了正壓力。森林生態安全的影響因素方面,國外學者比較關注人類干擾的影響,而國內學者比較關注森林自身的健康因素。如Tidwell[7]、Moraes等[8]、Magalh?es等[9]、Kirkpatrick等[10]都認為人類的干擾對森林生態系統有較大的負面影響。這些人類干擾活動包括過度采伐[11]、過度放牧[12]等行為。蔡秀亭和姜鈺[13]發現森林覆蓋率、活立木蓄積量、有林地面積和森林病蟲害發生率是影響中國森林生態安全的主要障礙因子。在空間分布方面,馮彥等[14]研究發現湖北省縣域森林生態安全狀況整體良好,但縣域森林生態安全水平地區分布不平衡,西部水平最高,東部次之,中部最低。湯旭等[15]運用生態區位系數來調整森林生態安全指數,并運用重心分析模型發現了湖北省森林生態安全重心在1999—2014年間的移動規律。

從現有文獻來看,大多數學者主要從省域角度來分析森林生態安全,只有較少學者從縣域角度來進行分析。而且,大多數文獻的研究方法為PSR模型,研究方法較為單一。此外,目前還沒有針對長江經濟帶森林生態安全的研究。為彌補以上缺陷,本文將基于2000年、2005年、2010年和2015年長江經濟帶11個省、直轄市1107個區縣的數據,來測算森林生態安全指數(Forest ESI,forest ecological security index),再運用ArcGIS技術、重心分析模型、空間相關分析等方法來分析森林生態安全指數的時空變化特征,同時對長江經濟帶內部的8大支流流域進行比較分析,最后為提高森林生態安全程度提出相應的政策建議。

1 研究區域與數據來源

1.1 研究區域

長江經濟帶是指北緯21°7′—35°20′之間和東經97°21′—123°之間,以長江為核心的經濟圈,它包括四川、重慶、云南、貴州、湖北、湖南、安徽、江西、江蘇、浙江和上海等11個省、直轄市。該經濟帶在全國的國土面積占比、人口面積占比和GDP占比分別為：21.36%、42.74%和44.28%,是中國經濟的腹心地帶。然而,由于近年來工業化與城鎮化進程較快,使得該區域的森林發展與保護問題比較突出：單位面積森林蓄積量比全國平均水平低10m3/hm2,只有62m3/hm2；石漠化面積占全國的80%,為1000萬hm2；森林以人工林為主,森林質量較低。脆弱的森林生態系統導致該區域干旱、洪澇災害頻發,木材供給也難以滿足經濟發展的需要。因此,科學評估該區域的森林生態安全程度,分析其空間分布特征,并制定正確的森林保護政策,有利于協調人類與森林兩個系統的矛盾,以促進該區域的可持續發展。

1.2 數據來源

本文數據來源于林業生態安全課題。為開展數據收集工作,本課題組首先設計了數據投放器,然后對11省、直轄市林業廳、局進行數據搜集工作的培訓,再由各省廳對數據進行分解,林業數據由各省規劃院提供,社會經濟數據由各縣林業局提供。課題組在收到各省、直轄市的數據后,首先進行初步審核,將空缺數據和錯誤數據發回各單位重新填寫,然后與各省廳進行電話溝通以補齊數據和更正錯誤。

2 模型與方法

2.1 森林生態安全指數評估模型

森林生態安全包括兩個含義：一是指森林生態系統自身的健康程度；二是指它在人類社會壓力下的安全程度。森林生態系統的健康程度可以通過森林覆蓋率、單位面積森林蓄積量、天然林比例和混交林比例等指標來反映。森林生態系統在人類社會壓力下的安全程度主要反映人類對森林生態系統的干預。這類干預可以分為兩類：一是破壞性的干預,如木材采伐、退林還耕、林地占用、森林旅游等；二是人類對森林的修復,如防護林、自然保護區、退耕還林等措施[16]。隨著人們生態保護意識的增強,人類越來越重視對森林的保護和修復,以增強森林生態系統的安全程度。基于以上分析,本文從森林生態安全定義的兩個方面出發,來設計森林森林生態安全指數,以評估其安全程度。

2.1.1森林生態安全指數體系

PSR(即壓力-狀態-響應)為傳統的生態安全評估模型,它是經濟合作與發展組織(OECD)和聯合國環境規劃署(UNEP)于20世紀80年代發展起來的分析框架體系。基于上述森林生態安全的定義,本文對PSR模型進行了改進,也就是將評價體系分為森林狀態評價指標和森林壓力評價指標,前者形成森林狀態指數,后者形成森林壓力指數,然后在此基礎上生成森林生態安全綜合指數。指標體系的構建過程如下：首先基于生態學專家和林學專家的意見,選取代表森林數量、森林質量和森林災害的指標,形成森林狀態指數；然后選取森林壓力指標,包括一般社會壓力、特殊行為壓力和人類維護類指標。前期共選取指標31個,但考慮到很多指標的數據獲取難度較大,所以最終確定了17個指標來構建森林生態安全指數。具體如表1所示。

表1 森林生態安全指標體系

2.1.2森林生態安全指數測算

(1)

2.2 重心分析模型

由于重心分析模型可以直觀和形象地反映研究問題的空間變化規律,所以本文采用該模型來研究森林生態安全指數的變化規律[15]。通過高德地圖查詢長江經濟帶1107個區縣的經緯度坐標(xi,yi),然后以森林生態安全指數為權重,測算長江經濟帶森林生態安全指數重心的經緯度坐標：

(2)

因為各區縣在自然條件、森林保護和經濟發展方面會存在較大差異,所以各地森林生態安全指數每年都會變化,森林生態安全指數的重心也會相應改變。該指數重心遷移的距離可運用勾股定理來計算：

(3)

Di-j為第i年至j年的重心遷移距離,R為經緯度每度的地理距離,一般取值111.111。

2.3 森林生態安全指數的空間相關分析

由于空間相關分析可以分析森林ESI在空間地理上的相關性和集聚性,所以本文結合了該模型來分析長江經濟帶森林ESI[17]。該方法包括全局自相關和局部自相關兩類分析。

2.3.1全局自相關

對全局自相關的檢驗采用全局莫蘭指數(Moran′s I),它能夠反映森林生態安全指數在長江經濟帶內的集聚程度。其公式如下：

(4)

2.3.2局部自相關

局部自相關主要用來判別各區縣森林ESI的集聚類型,一般用局部莫蘭指數(LISA)來檢驗,計算公式如下：

(5)

3 結果分析

3.1 熵權法計算結果

依據熵權法分別計算森林狀態指數和森林壓力指數中各指標的權重,計算結果如表1所示。在森林狀態指數中,權重最高的指標為森林火災受災率(權重為0.1063),其次為森林有害生物成災率(權重為0.1061)和林地面積比率(權重為0.1013)。這反映森林狀態指數受森林火災的影響最大,其次是有害生物和林地面積。以上權重排序說明在維護森林生態系統健康方面,應把森林火災和病蟲害災害的防范工作放在首位,同時要注意保護現有林地不受侵占。

在森林壓力指數中,政府林業投入強度、年度造林比例和自然保護區占比是權重最高的三個指標,權重分別為：0.1872、0.1862和0.1763。這說明政府林業投入、植樹造林和自然保護區建設對森林壓力指數影響較大。因此,從降低森林生態系統的壓力角度出發,政府應加大森林保護的干預力度,并從加大林業投入、增加植樹造林面積和擴大自然保護區面積等方面著手。

3.2 森林生態安全指數時空變化分析

依據公式(1),并結合熵權計算結果,可以計算出森林生態安全指數。然后,運用ArcGIS軟件將計算結果繪制出來,并依據自然斷裂法,將指數從低到高依次分為5個等級(從高到底依次命名為最高、較高、一般、較差和最差),分別用不同顏色來表示,如圖1所示。綠色表示該區縣森林生態安全指數處于最高等級,紅色表示該區縣森林生態安全指數處于最差等級。

圖1 2000年、2005、2010年和2015年長江經濟帶森林生態安全指數空間分布Fig.1 Forest ESI space distribution of Yangtze River Economic Belt from 2000 to 2015

圖1反映了長江經濟帶11省、直轄市1107個區縣的森林生態安全指數分布。從總體來看,長江上游四川和云南的森林生態安全指數等級較高,長江中游次之,長江下游最低。以長江為界,長江以南的森林生態安全指數總體上要比長江以北的森林生態安全指數要好,這在長江中下游地區尤為明顯。此外,從該圖還可以看出,森林生態安全等級最高的區域主要分布在四川北部和西南部,在云南西北部和南部也分布較廣。而森林生態安全等級最差的區域主要分布在江蘇、安徽和上海,這些地區以平原為主,山地較少,因此森林植被較少。2010年以前,最差等級區域還在四川、湖南和湖北有零星分布,但到了2015年,湖南基本沒有最差等級區縣,而四川和湖北的最差等級區縣也大量減少。

從圖1可以看出湖南是改善最為明顯的省份,該省洞庭湖平原地區在2010年以前還分布有較多的最差等級區域,但到了2015年這些最差等級區域就基本消失,這對于該省森林ESI平均值的提升有較大促進作用。江西也是改善較為明顯的區縣,2010年以前主要還是最差等級區域和較差等級區域,但2010年之后都提升到了一般等級和較高等級。另外,在1107個區縣里面,位于四川省西北部的甘孜州石渠縣改善最為明顯,它在2010年為最差等級區域,但經過多年來天然林保護工程、退耕還林工程、退牧還草工程、濕地保護等項目的實施,在2015年已經提升到了較高等級區域。

從歷年最高值和最低值來看,2000年,森林ESI值最高的三個區縣依次為浙江省麗水市云和縣(0.7193)、湖北省十堰市茅箭區(0.6979)和貴州省黔東南苗族侗族自治州丹寨縣(0.6779),最低的三個區縣依次為上海市楊浦區(0.0801)、四川省成都市青羊區(0.1523)和四川省成都市武侯區(0.158)。2005年,森林ESI指數最高的三個區縣依次為云南省怒江州貢山縣(0.7641)、湖北省鄂州市華容區(0.7352)和浙江省麗水市云和縣(0.7193),最低的三個區縣依次為四川省成都市青羊區(0.163)、四川省成都市武侯區(0.1724)和四川省成都市錦江區(0.1799)。2010年,森林ESI指數最高的三個區縣依次為浙江省麗水市云和縣(0.723)、浙江省金華市浦江縣(0.6911)和貴州省黔東南苗族侗族自治州丹寨縣(0.6781),最低的三個區縣依次為四川省成都市青羊區(0.1523)、四川省成都市武侯區(0.158)和四川省成都市錦江區(0.1746)。2015年,森林ESI值指數最高的三個區縣依次為云南省怒江州貢山縣(0.7758)、湖南省張家界市武陵源區(0.773)和浙江省麗水市云和縣(0.7418),最低的三個區縣依次為四川省成都市青羊區(0.1523)、四川省成都市武侯區(0.1539)和四川省成都市錦江區(0.1873)。從歷年數據可以看出,浙江省麗水市云和縣、貴州省黔東南苗族侗族自治州丹寨縣和云南省怒江州貢山縣這三個縣的森林ESI值常居前列,而森林ESI值的最低值主要集中在四川省成都市。

為對圖1進行更詳細的說明,本文將各省平均值和長江經濟帶的平均值列出,如表2所示。

表2 長江經濟帶森林ESI歷年平均值

從表2數據看,在4個年份,云南省的森林ESI值一直都居首位,這與云南省較高的森林覆蓋率(60.3%)和豐富的水資源有關(年降水量超過1200毫米,且地跨長江、瀾滄江、怒江、珠江、元江、大盈江6大水系)。在其他各省、直轄市中,江西和浙江的森林ESI值僅次于云南。上海市森林ESI值墊底,這與該市人口密度較高有很大關系。

在以上11個省、直轄市中,湖南省森林ESI值提高幅度最大,達到19.77%,這與2007年湖南省長株潭城市群被批準為“全國資源節約型和環境友好型社會建設綜合配套改革試驗區”有較大關系。該試驗區位于湘江流域,而湖南省森林ESI值最低的區縣也主要集中在該區域,所以該試驗區兩型社會的建設有力地促進了該地區森林生態安全程度的提高,并因此大幅提高了湖南省整體的森林ESI指數水平(從2005年的0.3846大幅提高到2010年的0.4228)。長江經濟帶各省、直轄市中,增長幅度最小的是江蘇,15年間提高幅度只有0.76%。這可能與該省經濟發展較快以及山地較少植樹造林空間有限有關。

從長江經濟帶的平均值來分析,森林ESI值都低于0.5,總體水平較低,所以仍有較大的改善空間。從時間變化來看,2000—2015年總體呈上升趨勢,這與長江防護林建設和天然林資源保護工程都有密切關系。

3.3 長江經濟帶八大支流流域生態安全指數分析

長江經濟帶包括岷江、金沙江、嘉陵江、烏江、湘江、沅江、漢江和贛江八大支流,同時還包括洞庭湖和鄱陽湖兩大湖區,除此以外,還有三峽庫區。為更深入分析這些區域的森林生態安全指數變化,本文統計了各流域的森林ESI平均值,如表3所示。

表3 長江經濟帶森林ESI值局部分析

表3反映了各大流域的森林ESI變化。2015年各流域森林ESI值從高到低排序依次為：贛江>沅江>金沙江>烏江>湘江>漢江>嘉陵江>岷江。2000—2005年,漢江流域森林ESI值增長幅度最大,為5.26%(從0.4015—0.4226),嘉陵江流域增幅最低,只有1.29%(從0.3807—0.3856)。2005—2010年,湘江流域森林ESI增幅最大,為10.32%(從0.3627—0.3769),金沙江流域增幅最低,只有0.22%(從0.455—0.466)。2010—2015年,嘉陵江流域森林ESI值提高最大(5.92%,從0.4001—0.4238),贛江流域提高幅度最小(0.49%,從0.4873—0.4897)。總體來看,2000—2015年這15年間,八大流域的森林ESI值都呈增長趨勢,其中增長幅度最大的是湘江流域,增幅為20.87%,這與當地政府治理湘江流域的舉措有較大關系。在2012年湖南省政府發布的《湘江流域科學發展總體規劃》中,通過公益林保護、生態園區(自然保護區、森林公園、濕地公園)建設、森林防火、有害生物防治等措施,保護現有森林和濕地資源；并通過防護林工程、石漠化治理工程、退耕還林工程、生態廊道建設工程等生態修復措施,以增加森林資源和提升森林質量。八大流域中,增長幅度最小的是金沙江流域,15年僅增長了3.6%。

表5還反映了兩大湖區和三峽庫區的森林ESI值變化,在這三個區域中,三峽庫區的森林ESI值最高,其次為鄱陽湖區,洞庭湖區最差。但從森林ESI增幅來看,洞庭湖區變化最大,15年間累計提升了20.34%,這與當地政府對洞庭湖區生態環境的綜合治理有直接關系,當地政府采取了如下積極措施：一是成立了東洞庭湖國家級自然保護區；二是通過植樹造林、退耕還林和還草、封山育林等工作加強水土保持。這些工作促進了洞庭湖區自然生態系統的修復,也對湖南ESI值的大幅提升起到了很大作用。

3.4 森林生態安全指數重心變化

依據重心分析模型計算公式(2)和(3),可以計算出2000年、2005年、2010年和2015年的森林ESI值重心坐標。這四個年份的坐標基本在111°40′4″—111°55′50″E、29°11′54″N和29°19′11″N之間移動,且這些重心都位于湖南省常德市境內。

為更清楚分析各年重心的移動方向,本文將重心移動軌跡標明在坐標圖上。如圖2所示。

圖2 2000—2015年森林ESI值重心演變軌跡Fig.2 Forest ESI gravity center transfer map from 2000 to 2015

從圖2可以看出,從2000—2015年,長江經濟帶森林ESI重心經歷了三次不同的遷移。第一次遷移(2000—2005年)為從南往西方向,主要是因為四川森林ESI值有所提高,如四川西北的石渠縣由最差等級上升為較差等級,若爾蓋縣由較高等級上升為最高等級。第二次遷移(2005—2010年)為從西往東北方向,主要是因為湖南洞庭湖和湖北江漢平原的最差等級區域大量減少。第三次遷移(2010—2015年)為從東北往南方向,這與安徽最差等級區域有所減少和浙江最差等級區域基本消失有關。

為更精確分析歷年重心遷移距離、遷移速度,本文統計了這三個階段的重心數據,如表4所示。

表4 2000—2015年重心演變統計

從第一階段(2000—2005年)看,總體移動方向為從南往西,直線移動距離為5.84km年均移動1.17km。第二階段(2005—2010年)總體移動方向為從西往東北,總的遷移距離為30.73km,年均遷移距離為6.15km,反映在此階段長江經濟帶的東北部分森林ESI值提升較大。第三階段(2010—2015年)主要移動方向為從東北往南,總體移動距離為11.42km,年均移動2.28km。在這三個階段中,第二階段(2005—2010年)移動距離最大,移動速度最快,而第一階段移動速度最慢。

3.5 森林生態安全指數空間相關分析3.5.1 全局自相關

依據公式(4),并運用GeoDA軟件,得到2000、2005、2010和2015年4個年度的全局自相關檢驗結果,如表5所示。

表5 長江經濟帶森林ESI指數全局自相關檢驗

隨機性檢驗使用999permutation

從該表可以看出,4個年度的莫蘭指數都通過了1%的顯著性檢驗。從時間變化看,全局莫蘭指數在2005年之前呈上升趨勢,說明長江經濟帶的森林ESI的集聚狀況有所上升。但在2005—2010年,莫蘭指數下降幅度較大,這是因為湖南和重慶的森林ESI值有較大改善,而四川省的森林ESI值有所下降,所以集聚性下降幅度較大。2010—2015年,莫蘭指數重新上升,這與四川省森林ESI值重新上升密不可分。

3.5.2局部自相關

依據局部自相關公式(5),將顯著性較強的集聚區域繪制成LISA聚類圖,如圖3所示。

圖3 長江經濟帶森林生態安全指數LISA聚類圖Fig.3 LISA cluster map of forest ESI in the Yangtze River Economic Belt

從圖3可以發現：(1)High-High集聚區域主要分布在四川省北部和西南部、云南省西部和南部,其次在江西省南部、浙江省西部和南部、湖北省東部、貴州省南部有所分布。從時間變化來看,2000—2005年四川和云南分布區域較廣,但2005—2015年四川省High-High集聚區域分布范圍有明顯下降,而湖南和浙江的分布范圍擴張較為明顯。(2)Low-Low集聚區縣主要分布在上海、江蘇和安徽,其次在湖北江漢平原、四川成都平原較為集中。2000年和2005年,湖南省Low-Low集聚區縣分布較多,但2010年和2015年,Low-Low集聚區縣下降比較明顯。

針對該空間分布特征,各地政府可以采取以下措施：(1)在High-High集聚區域應繼續加大森林保護力度,并在不破壞生態環境的前提下適當發展木材加工和林下種植等產業,以處理好森林保護與經濟發展的矛盾。(2)在Low-Low集聚區縣應提高森林生態保護工作的重視,為促進森林覆蓋率的上升和森林蓄積量的增長,應加強植樹造林、退耕還林的力度。(3)在其他類型的集聚區域,如Low-High集聚區域,低值區縣應多學習周邊高值區縣的林業工作經驗,積極開展森林生態保護和自然保護區的建設。在High-Low集聚區域,高值區縣應積極幫助周邊低值區縣開展林業保護和建設工作。

4 結論與討論

本文首先基于熵權法計算森林ESI指數,然后運用ArcGIS和GeoDA軟件、重心分析模型分析長江經濟帶森林ESI指數,結論如下：

(1)在森林狀態指數中,權重最高的指標為森林火災受災率,其次為森林有害生物成災率和林地面積比率。在森林壓力指數中,權重最高的指標為政府林業投入強度、年度造林比例和自然保護區占比。

(2)從全域來看,森林ESI值長江上游>長江中游>長江下游,長江南岸的森林ESI值高于長江北岸,這在長江中下游地區尤為明顯。從各省來看,云南省的森林ESI值一直都居首位。此外,湖南省是森林ESI值提高幅度最大的省份,從2000—2015年提升了19.77%。增長幅度最小的是江蘇,15年間提高幅度只有0.76%。從長江經濟帶的平均值來分析,森林ESI值都低于0.5,總體水平較低,但從時間變化來看,2000—2015年總體呈上升趨勢。

(3)2015年各支流流域森林ESI值從高到低排序依次為：贛江>沅江>金沙江>烏江>湘江>漢江>嘉陵江>岷江。2000—2015年這15年間,八大流域的森林ESI值都呈增長趨勢,其中增長幅度最大的是湘江流域,增長幅度最小的是金沙江流域。

(4)從重心分析模型分析結果來看,長江經濟帶森林ESI值在第一階段(2000—2005年)總體移動方向為從南往西,在第二階段(2005—2010年)總體移動方向為從西往東北,在第三階段(2010—2015年)主要移動方向為從東北往南。在這三個階段中,第二階段移動距離最大,移動速度最快。

(5)從全局自相關分析結果來看,長江經濟帶森林ESI值有較為顯著的集聚性。High-High集聚區域主要分布在四川省北部和西南部、云南省西部和南部,其次在江西省南部、浙江省西部和南部、湖北省東部、貴州省南部有所分布。Low-Low集聚區縣主要分布在上海、江蘇和安徽,其次在湖北江漢平原、四川成都平原較為集中。

(6)長江經濟帶森林ESI指數的提升建議：①依據森林ESI指標體系的權重排序,林業部門應注重森林火災、病蟲害防治等工作,以提升森林生態系統的健康程度。此外,政府應加大林業投資、植樹造林和自然保護區建設的投入力度,以減輕森林生態系統的壓力。②從全域來看,由于長江下游的森林ESI值最低,所以生態修復的重點應放在下游。從支流流域來看,岷江、嘉陵江和漢江流域的森林ESI值較低,所以這些流域也應該著重加強森林修復工作。③從空間相關分析結果看,應在Low-Low集聚區縣加強植樹造林和退耕還林的力度,在High-High集聚區縣適當發展木材加工和林下種植等產業,以處理好森林保護與經濟發展的矛盾,在Low-High集聚區縣,低值區縣應多學習周邊高值區縣的森林生態保護經驗,在High-Low集聚區域,高值區縣應積極幫助周邊低值區縣開展林業保護和建設工作。

盡管本文在分析長江經濟帶森林生態安全方面取得了一定的成果,但仍有值得改進之處：(1)由于本文沒有考慮自然氣象或地理指標,所以在后續的研究將會在指標體系中引入年降雨量、年蒸發量、年積溫、海拔、坡向等氣象和地形數據,以更加全面地測算森林生態安全指數[18- 22]。(2)因為熵權法對某些具有重要生態學意義但差異較小的指標賦權較低,所以本文將在以后的研究中加入專家法,以修正這方面的缺陷[23- 24]。(3)對于森林生態安全影響因素的研究還有待進一步探討,因此后續研究將從社會經濟方面尋找森林生態安全指數的影響因素,以深入分析森林生態安全的影響機理[25- 26]。(4)在研究范圍和實際應用方面,可將森林生態安全研究與林地利用、林地紅線劃定等領域結合起來,以拓展研究范圍和增強研究成果的實際操作性[27- 28]。同時,森林生態安全指數研究成果可與草原、濕地、荒漠、河流和海洋等生態系統的生態安全評估成果結合起來,以共同構建全國范圍的生態安全指數[29- 32]。

參考文獻(References):

[1] 湯旭, 馮彥, 王慧, 張大紅. 湖南省縣域森林生態安全評價與時空分析. 南京林業大學學報: 自然科學版, 2018, 42(4): 61- 67.

[2] 盧麗文, 宋德勇, 李小帆. 長江經濟帶城市發展綠色效率研究. 中國人口·資源與環境, 2016, 26(6): 35- 42.

[3] 徐會勇, 趙學嬌, 張大紅. 我國省域森林生態安全評價及差異化——基于生態文明建設背景. 生態學報, 2018, 38(17): 6235- 6242.

[4] 姜鈺, 蔡秀亭. 中國森林生態安全動態測度及空間收斂性分析. 統計與決策, 2019, 35(2): 91- 95.

[5] 呂潔華, 蔡秀亭. 中國省域森林生態安全與林業產業結構時空耦合測度. 世界林業研究, 2019, 32(4): 34- 39.

[6] 白江迪, 劉俊昌, 陳文匯. 基于結構方程模型分析森林生態安全的影響因素. 生態學報, 2019, 39(8): 2842- 2850.

[7] Tidwell T L. Nexus between food, energy, water, and forest ecosystems in the USA. Journal of Environmental Studies and Sciences, 2016, 6(1): 214- 224.

[8] Moraes R, Landis W G, Molander S. Regional risk assessment of a Brazilian rain forest reserve. Human and Ecological Risk Assessment: An International Journal, 2002, 8(7): 1779- 1803.

[9] Magalh?es J L L, Lopes M A, De Queiroz H L. Development of a Flooded Forest Anthropization Index (FFAI) applied to Amazonian areas under pressure from different human activities. Ecological Indicators, 2015, 48: 440- 447.

[10] Kirkpatrick J B, Marsden-Smedley J B, Di Folco M B, Leonard S W J. Influence of grazing and vegetation type on post-fire floristic and lifeform composition in Tasmania, Australia. Plant Ecology, 2016, 217(1): 57- 69.

[11] Yu D P, Zhou L, Zhou W M, Ding H, Wang Q W, Wang Y, Wu X Q, Dai L M. Forest management in Northeast China: history, problems, and challenges. Environmental Management, 2011, 48(6): 1122- 1135.

[12] Haidari M, Namiranian M, Gahramani L, Zobeiri M, Shabanian N. Study of vertical and horizontal forest structure in Northern Zagros forest (Case study: West of Iran, oak forest). European Journal of Experimental Biology, 2013, 3(1): 268- 278.

[13] 蔡秀亭, 姜鈺. 中國森林生態安全時空格局演變及其障礙因子診斷. 統計與決策, 2019, 35(3): 96- 100.

[14] 馮彥, 鄭潔, 祝凌云, 辛姝玉, 孫博, 張大紅. 基于PSR模型的湖北省縣域森林生態安全評價及時空演變. 經濟地理, 2017, 37(2): 171- 178.

[15] 湯旭, 馮彥, 魯莎莎, 張大紅. 基于生態區位系數的湖北省森林生態安全評價及重心演變分析. 生態學報, 2018, 38(3): 886- 899.

[16] 湯旭, 鄭潔, 馮彥, 李燕坤, 王時軍, 張大紅. 云南省縣域森林生態安全評價與空間分析. 浙江農林大學學報, 2018, 35(4): 684- 694.

[17] 李巖, 王珂, 劉巍, 李燕坤, 王時軍, 張大紅. 江蘇省縣域森林生態安全評價及空間計量分析. 生態學報, 2019, 39(1): 202- 215.

[18] 顧艷紅, 張大紅. 省域森林生態安全評價——基于5省的經驗數據. 生態學報, 2017, 37(18): 6229- 6239.

[19] 劉婷婷, 孔越, 吳葉, 祝凌云, 張大紅. 基于熵權模糊物元模型的我國省域森林生態安全研究. 生態學報, 2017, 37(15): 4946- 4955.

[20] 王金龍, 楊伶, 李亞云, 張大紅. 中國縣域森林生態安全指數——基于5省15個試點縣的經驗數據. 生態學報, 2016, 36(20): 6636- 6645.

[21] 張智光. 林業生態安全的共生耦合測度模型與判據. 中國人口·資源與環境, 2014, 24(8): 90- 99.

[22] 劉心竹, 米鋒, 張爽, 蘇立娟, 顧艷紅, 張大紅. 基于有害干擾的中國省域森林生態安全評價. 生態學報, 2014, 34(11): 3115- 3127.

[23] 米鋒, 潘文婧, 朱寧, 李華晶. 模糊綜合評價法在森林生態安全預警中的應用. 東北林業大學學報, 2013, 41(6): 66- 71, 75- 75.

[24] 張智光. 基于生態-產業共生關系的林業生態安全測度方法構想. 生態學報, 2013, 33(4): 1326- 1336.

[25] 張洪, 李中元, 李彥. 基于生態安全的山地城鎮土地可持續利用模式研究——以云南大理市為例. 地理研究, 2019, 38(11): 2681- 2694.

[26] 姚順波. 林業補助與林木補償制度研究——兼評森林生態效益研究的誤區. 林業科學, 2005, (6): 88- 91.

[27] 時衛平, 龍賀興, 劉金龍. 產業準入負面清單下國家重點生態功能區問題區域識別. 經濟地理, 2019, 39(8): 12- 20.

[28] 楚鑫磊, 李樂, 曾立雄, 黃志霖, 劉常富, 肖文發. 三峽庫區建壩前后森林生態系統服務動態. 長江流域資源與環境, 2019, 28(8): 1977- 1986.

[29] 袁菲, 張星耀, 梁軍. 基于有害干擾的森林生態系統健康評價指標體系的構建. 生態學報, 2012, 32(3): 964- 973.

[30] 米鋒, 黃莉莉, 孫豐軍. 北京鷲峰國家森林公園生態安全評價. 林業科學, 2010, 46(11): 52- 58.

[31] 王懿祥, 陸元昌, 張守攻, 白尚斌, 劉憲釗. 森林生態系統健康評價現狀及展望. 林業科學, 2010, 46(2): 134- 140.

[32] 潘開文, 吳寧, 潘開忠, 陳慶恒. 關于建設長江上游生態屏障的若干問題的討論. 生態學報, 2004, 24(3): 617- 629.