中國非法采伐林木行為的空間分布及其驅動因子

劉 卓，林 琿，田 雅，王玉琳

（a. 江西師范大學地理與環境學院；b. 鄱陽湖濕地與流域研究教育部重點實驗室，南昌 330022）

工業社會以來，非法采伐林木行為（簡稱“非法采伐”）加劇了森林的毀損與滅失狀況，成為制約世界各國森林經營與可持續發展的現實困境（Brack et al.,2007）。不同國家對森林所有權的規定存在差異，但國際上大多將非法采伐定義為未經政府許可，違反相關森林法律與國家林業管理制度，并具有一定經濟目的的砍伐林木犯罪行為（Alemagi et al., 2010;Tacconi et al., 2016）。在中國非法采伐不是刑法規定的一項具體罪名，而是指違反林木采伐許可證制度與林業管理制度的采伐犯罪行為（張明楷，2021），主要包括濫伐林木與盜伐林木。當前不同區域非法采伐成因與發展態勢各不相同，犯罪論認為非法采伐本質上是通過違反法律從而滿足經濟動機的理性選擇行為（Solinge,2014）；地理學則強調非法采伐是區域在自然資源、制度、市場、教育、經濟等多重因素綜合作用下的產物（Vasco et al.,2017）。發展中國家面臨的非法采伐形勢比發達國家更為嚴峻，據報道，洪都拉斯非法生產的木材約占其國內木材產量的75%以上（Win et al.,2018）。在緬甸因非法采伐留下的樹樁數量約為合法砍伐的10倍；加納官方報告其非法采伐強度是最大可持續發展強度的600%（Wells et al.,2007;Arcilla et al.,2015）。拉美、東南亞或西非地區的非法采伐原木充斥于國際木材貿易市場，在其采伐與貿易過程中，同時也滋生著貧窮、腐敗、暴力等行為（Lee et al.,2015）。因此非法采伐不僅是對國家森林制度的破壞與生物多樣性的損失，也造成或加劇政府的腐敗與社會階層的分化與沖突（Miller,2011）。

中國人均森林蓄積匱乏，對林產品的需求卻長期保持旺盛，是世界上最大的木材進口國與消費國之一。盡管如此，中國在治理國際非法采伐與貿易行為方面一直秉持大國擔當（程寶棟，2008；陳積敏，2020），嚴厲打擊境內非法采伐與貿易行為；同時，中國政府與企業對境外進口木材的合法性執行嚴格的準入制度（李桂梅，2009；Wellesley,2014）。盡管目前沒有全國尺度的官方非法采伐統計報告，但本研究中從判決書提取的因非法采伐所損失的活立木蓄積量共計280萬m3，年均非法采伐活立木蓄積量約占年合法采伐限額的1.5‰（國家林業與草原局，2016）。

國內外對非法采伐的關注由來已久，但目前在研究上處于起步與探索階段（姜超等，2021）。非法采伐是遠離城市社區的環境犯罪類型（Vasco et al.,2017），然而20世紀西方犯罪學與刑事司法領域中關于鄉村社區的環境犯罪研究較為缺乏，犯罪學家忽視環境犯罪的危害，并將其定義為無害且不重要的一般違法活動（Bachman et al.,1992;Weisheit,et al.,1996）。20世紀90年代，當社會科學、自然科學與人文科學學者對綠色問題開始逐步關注，犯罪學中的環境問題研究正式進入議程，自此西方綠色犯罪學研究開始興起并取得了較大進展（South,1998,2014）。其中，基于犯罪學與社會學視角的非法采伐的界定與驅動力等定性研究是主要內容之一（Miller,2011;Sikor et al.,2011;Guan et al.,2018;Istiyono et al.,2020;Noor et al.,2020）。近年來，許多社會與地理學者通過社會調查與大數據等方式對非法采伐進行定量研究，發現森林犯罪具有各異的空間分布模式與區域特征（Casson et al.,2002;Bouriaud et al., 2005; Alemagi et al., 2010; Zenelaj et al.,2013；陳積敏等，2016）。同時，運用現代科技手段諸如地理信息技術（樂通潮等，2008；Wang et al., 2012; Tzoulis et al., 2015; Chapron, 2015；劉發照，2017；Istiyono et al., 2020）、生物學技術（Alacs et al., 2010;Arcilla et al., 2015）等多學科領域的方法加強對森林資源的清查與監測，從而提出更具科學性與針對性的非法采伐犯罪預防與保護對策。當前中國非法采伐研究模式滯后于西方，現有實證研究較少，主要停留在理論與政策層面。如對西方非法采伐研究的引介、國內林業可持續經營發展的探討、全球化視野下國際非法木材貿易的治理與打擊、應對非法采伐與貿易的法律規制研究等（陸文明，1993；李劍泉等，2007；繆東玲，2011；陳積敏等，2016）。

因此，本研究以中國當前的非法采伐作為主要研究對象，從已有裁判文書中提取各地市發案數量以及被伐活立木蓄積量，使用空間自相關分析并構建回歸模型，挖掘中國非法采伐林木行為的空間分布特征及其背后的驅動機理。以期豐富中國環境犯罪的實證研究，并為中國精細化防控與治理相關森林違法犯罪行為提供科學參考與建議。

1 研究基礎

1.1 研究數據及說明

1.1.1 犯罪數據 犯罪數據來源于中國裁判文書網①https://wenshu.court.gov.cn/2014—2020年發布的相關犯罪刑事一審判決書，經清洗、去重，分別得到濫伐林木與盜伐林木文書39 490 與10 601 份，經統計獲得2014—2020 年中國4個直轄市與27個省共323個地級行政區（不包括臺灣省、香港特別行政區、澳門特別行政區）的發案數量與被伐活立木蓄積量。

1.1.2 影響因子數據 所采用的常住人口城市化率來源于各地市第七次全國人口普查公報（2020）；農村人均可支配收入、公路里程、林業產值以及農林水支出來源于各省2020年統計年鑒；部分地市未載于統計年鑒的項目，則從該地市2020年國民經濟與社會發展統計公報或2020 年財政預決算公告獲取。因省市級的統計年鑒不包含地市級森林覆蓋率與活立木蓄積量等數據，故森林相關數據從各地市2020 年統計年鑒獲取，對于數據未載明的個別地市，從該地市十三五規劃報告（2016—2020 年）獲取。

1.1.3 非法采伐犯罪社會學特征說明 非法采伐犯罪主體具有較強的社會學特征。如王智等（2019）對濫伐林木判決書進行10%隨機抽樣分析，發現男性、初中及以下學歷、農民等社會特征占比分別為總 樣 本 的97.02%、 93.71%、 84.53%； 晉 海 等（2015）對399起濫伐林木進行實證統計分析，發現農民犯罪與村委工作人員犯罪分別占樣本數的85.81%與7.72%，存在少量的基層單位犯罪情形，約占樣本數的1.33%。綜上，非法采伐的犯罪主體為男性農民，且主要發生在鄉村地域，因而回歸模型影響因子的選取以農業農村相關統計指標為主。

1.2 研究方法

1.2.1 空間自相關分析 本研究發案數量與被伐立木蓄積量均為地市尺度下的區域統計值，使用空間自相關方法能有效測量犯罪的空間聚集度（陸娟等，2012），通過全局自相關分析探測區域內發案數量與被伐立木蓄積量在空間上是否具有自相關性。其計算公式為（靳誠等，2009）：

式中：n為被統計的區域數量；xi表示第i個區域的非法采伐統計量；xj表示第j個區域的非法采伐統計量；-x為所有區域非法采伐統計量的平均值；wij為空間權重矩陣。I表示全局自相關指標（Moran'sI），取值為－1～1。若Moran'sI＞0，則表示該區域內非法采伐在空間上具有顯著的聚集態勢；若Moran'sI＜0，則表示該區域內非法采伐的空間分布呈離散的態勢；若Moran'sI=0，則表示該區域內非法采伐在空間上隨機分布。

標準化統計量Z(I)用于檢驗空間自相關的顯著水平，計算公式為：

式中：var(I)是Moran'sI指數的理論方差；E(I)為其理論期望。

局部空間自相關常用空間局部關聯指標（Local Indicators of Spatial Association, LISA） 分析，LISA 通過將全局Moran'sI指數分解到每個空間單元進而形成LISA 聚集圖，從而對非法采伐集聚態勢在空間上的具體位置進行可視化。計算公式為：

式中：I'表示空間局部關聯指標；n、xi、-x、wij的物理意義同式（1）。

1.2.2 地理加權回歸模型 Brunsdon等（1996）首先提出地理加權回歸模型（Geographically Weighted Regression,GWR）。在大空間尺度的研究中，各變量的空間異質性強，GWR 模型能夠解決傳統OLS模型無法反映回歸系數局部變化的問題；通過將地理位置信息加入到模型的回歸參數，使得參數可以隨著空間位置的變化而變化，從而更好地探索研究對象的空間異質性及空間規律。模型公式為：

式中：yi是第i個空間單元的因變量；xik是第k個自變量的值；（ui，vi）是第i個樣本空間單元的地理中心坐標；β0（ui，vi）為常數估計值；βk（ui，vi）是連續函數βk（u，v）在i樣本點上的第k個回歸參數；εi是第i個樣點的隨機誤差。

2 非法采伐的空間分布特征

2.1 非法采伐的總體空間分布格局

發案數量代表區域非法采伐在空間上的發生頻次，是犯罪地理時空分布研究的核心，也是認識犯罪現象、探尋犯罪誘因的基礎（姜超等，2021）。被伐活立木蓄積量指某地域在研究時段內因非法采伐造成的森林損失量。運用SPSS 軟件對被伐活立木蓄積量與發案數量進行雙變量相關性分析，結果顯示，當p值＜0.01 時，兩者的皮爾遜相關系數為0.903，呈強正相關關系。在空間上，90%的地市被伐活立木蓄積量與發案數量呈顯著正相關，但也有10%左右的地市兩者呈負相關關系；通過兩者的相互參照與補充，可更全面地探析中國非法采伐的空間發生態勢。因此，采用ArcGIS10.7自然斷裂點分級方法對2014—2020年中國非法采伐的發案數量進行空間可視化（圖1-a），并將發案數量自然斷裂點分級的中斷值乘以研究數據集中每案平均被伐活立木蓄積量54.4 m3，最終得到被伐活立木蓄積量手動分類的中斷值（圖1-b），以更直觀地凸顯兩者在空間分布上的對照關系。

整體上，中國非法采伐多發于胡煥庸線東南側（見圖1），主要集中于西南、東南以及東北地區的山區地市，如云貴高原東南邊緣區域、巫山—雪峰山沿線、武夷山脈—南嶺沿線、大別山區域、長白山沿線等。受到地形、交通、經濟、人口等因素的作用，在相同的地理分區下，非法采伐具有顯著的區域差異。如，對比武夷山脈—南嶺等山區，東南地區的長江中下游沿線的洞庭湖平原、鄱陽湖平原、江漢平原等區域呈顯著低發的態勢；西南地區的藏南、川西、滇西地區如林芝市、阿壩州、甘孜州等地的活立木蓄積量儲量均位于全國前列，但其發案數量顯著低于西南地區的廣西、貴州等地；作為東北地區的兩大主要林產品生產基地，長白山沿線地市活立木蓄積儲量相對較低但發案數量高，而大小興安嶺地區活立木蓄積儲量相對較高但發案數量低。

2.1.1 發案數量的空間分布格局 2014—2020年，全國各地市非法采伐平均發案數量約為154件，超過80%地市的發案數量＜200件，約60%地市的發案量＜100 件。發案數量高值區主要集中于西南的云貴高原邊緣地區，發案數量均＞800 件（見圖1-a）。其中，廣西壯族自治區西北部的柳州市、河池市、百色市及貴州省的黔東南州，發案數量均＞1 100件，最高值1 780件分布在黔東南州；其他地區如廣西壯族自治區南寧市、云南省普洱市與吉林省延邊州的發案數量也達到980件左右；延邊州是北方地區唯一的高值地市。次高值地市中，除河南省南部信陽、南陽、駐馬店3 市（大別山沿線地市），其余均零散分布于長江以南地區，包含2個相對集中的區域，即云南邊境3州（西雙版納州、紅河州和文山州）與渝鄂黔湘交界區域（重慶市、恩施州、遵義市和懷化市）；東南地區僅有江西省贛州市、福建省南平市以及海南省直轄縣區為次高值區域。南方地區中，平原與沿海經濟較發達的地市非法采伐發案數量較低，包括珠三角、長三角、長江中下游平原的大部分地市。華北地區與西北地區的發案數量也較低，主要為次低值區或低值區。

2.1.2 被伐活立木蓄積量的空間分布格局 2014—2020年，全國各地市非法采伐活立木蓄積量均值為8 423 m3，約80%的地市＜10 000 m3，約40%的地市＜2 000 m3。大部分地區被伐活立木蓄積量的空間分布態勢與發案數量一致，但也有部分地區存在較大差異（見圖1-b）。被伐活立木蓄積量高值區均位于長江以南地區，以雪峰山脈為界，可分為西南地區的云貴高原邊緣地市與東南地區的武夷山脈—南嶺沿線地市兩大塊。西南地區云貴高原邊緣區域的被伐活立木蓄積量的空間分布態勢基本與發案數量一致，平均每案被伐活立木蓄積量基本與全國平均水平一致，高值地市均＞60 000 m3，其中最高值為黔東南州，達到103 000 m3。南嶺沿線的肇慶、韶關、清遠、贛州、漳州等地市被伐活立木蓄積量均＞45 000 m3，但與西南地區不同，東南地區的發案量普遍較低（見圖1-a），因此其平均每案被伐活立木蓄積量較高。南方的次高值地區如福建南平與龍巖、江西宜春、廣西桂林、湖南懷化等地市，在空間上與上述高值地市交替分布；吉林省吉林市、延邊州是東北地區僅有的次高值地區。被伐活立木蓄積量低值、次低值區的分布大體與發案數量低值、次低值區的分布一致。

圖1 中國非法采伐的空間分布（a.發案數量；b.被伐活立木蓄積量）Fig.1 Spatial distribution of illegal logging in China(a.number of cases;b.loss of trees due to illegal logging)

2.2 非法采伐的空間集聚效應和空間集聚模式

運用空間自相關分析探究中國非法采伐的空間集聚效應，得到中國非法采伐發案數量與被伐活立木蓄積量的全局Moran'sI指數。兩者的全局Moran'sI指數大體接近，分別為0.338與0.325，且p值均＜0.001，z檢驗值效果顯著，這表明發案數量與被伐活立木蓄積量均具有較強的空間集聚效應。在此基礎上，采用局部空間自相關分析繪制二者的空間集聚LISA 圖（圖2）。在發案數量上（圖2-a），長江以南的西南地區是主要的高-高集聚區域，低－高集聚區在其周圍零星分布；華北地區、江蘇省與西北地區大部分地市呈低-低集聚態勢，且其周圍部分地市呈高-低聚集態勢。被伐活立木蓄積量的空間集聚特征與發案數量大體一致（圖2-b），主要差別在東南地區的武夷山脈—南嶺沿線大部分地市均納入高-高集聚的區域；華北地區、西北地區與華東的部分地區被伐活立木蓄積量在空間分布上更加均衡，數量較低，因此圖2-a的部分高-低集聚區域未出現在圖2-b中。

在相同地理分區，呈高-低集聚或低-高集聚等異質性特征的地市較少且呈零星分布，大部分相鄰地市的非法采伐空間集聚特征較為穩定。而由于不同地理分區的森林稟賦、社會文化、經濟水平、人口數量、政策體制等因素存在差異，不同區域間呈各異的空間集聚特征。在西南地區，氣候溫潤多雨，地勢以山地為主，農業發展以林業與畜牧業為主，森林資源稟賦較強。該地區交通條件較差，整體經濟發展水平落后，農民可支配收入較低。西南地區具有悠久的“靠林吃林”傳統，林產品生產與加工是許多農民的主要收入來源，同時也是修葺房屋與自用薪材的重要原料。該地區的林場多為個人或集體承包經營，個人采伐案件發生頻次高，每案被伐活立木蓄積量低，林業管理與執法難度相較國有林場更大。該地區大部分地市發案數量與被伐活立木蓄積量居高不下，總體呈高-高集聚態勢，這是該地區經濟發展水平與林業發展體制多重作用下形成的結果。在東南地區，被伐活立木蓄積量在武夷山脈南嶺沿線地區形成高-高集聚的態勢，而該地區的發案數量并不顯著，但每案平均被伐蓄積量高。與西南地區相比，東南地區的森林資源稟賦相當，經濟發展水平相對較好，交通條件優越，距離林產品主要消費市場如長三角、珠三角距離較近；以家庭生計為目的的個人砍伐行為較少，砍伐林木用途以大規模的林產品加工銷售為主，因此東南地區非法采伐每案被伐活立木蓄積量較大，形成高－高集聚的空間態勢（見圖2-b）。華北和西北地區的非法采伐呈低-低集聚的態勢（見圖2），部分地區的發案數量零星集聚，但被伐活立木蓄積量較低。這類地區的森林資源稟賦相對較差，林業生產與加工能力較低，難以發生多地市的非法采伐集聚現象。

圖2 中國非法采伐的空間集聚LISA圖（a.發案數量；b.被伐活立木蓄積量）Fig.2 LISA map of spatial agglomeration of illegal logging in China(a.number of cases;b.loss of trees due to illegal logging)

在東北地區與長江流域沿線地區，非法采伐發案數量與被伐活立木蓄積量在空間上均沒有明顯的集聚態勢（見圖2）。東北地區多為國企經營林場，森林巡視與保護機制較為健全，同時城市化水平較高，地形起伏較大，山地平原交替分布，河網密集。在管理體制與自然社會環境的共同影響下，此區域相鄰地市的非法采伐強度不一，難以形成集聚現象。而長江流域沿線地區跨越中國三級階梯，受到地形、河流、人口、資源等影響，相鄰地市間自然社會環境與經濟發展水平差異較大，因此也難以形成穩定的非法采伐集聚態勢。

3 非法采伐空間分布的驅動因子分析

3.1 變量選取與OLS模型構建

以各地市被伐活立木蓄積量為因變量，因大部分統計年鑒的農業農村、森林、林業數據較少，考慮到數據的真實準確、可獲取性與相關性，從自然、經濟與社會3 個維度共計7 個指標構建自變量體系（表1）。運用SPSS 進行共線性檢驗，結果表明，各自變量間不存在共線性（VIF＜7.5）。在進行GWR 回歸分析前，基于上述指標構建OLS 回歸模型，具體指標與參數見表1。除了社會因子外，其他影響因子均通過顯著性檢驗。進一步對OLS結果中的殘差進行空間自相關分析，結果表明，全局Moran'sI指數為0.22，Z統計量為10.69，即殘差存在一定的空間自相關，因此適宜采用GWR 模型做回歸分析。

表1 OLS回歸模型具體指標與分析結果Table 1 Specific indicators and analysis results of OLS regression model

3.2 GWR模型構建

在OLS 模型的基礎上，使用ArcGIS10.7 地理加權回歸工具建立GWR 回歸分析模型，帶寬選擇自適應核函數的AICc方法。對比2個模型（表2），GWR 模型的回歸結果明顯優于OLS 模型，模型的擬合優度R2值與調整后的R2值分別高出0.198 與0.167，同時AICc值減少94.4（相差3以上，說明模型構建有較大差異）。進一步使用空間自相關對殘差進行檢驗，結果表明，全局Moran'sI指數為0.01，z統計量為1.1，即殘差不具有空間自相關性，呈隨機分布態勢，說明該模型的精度較好。每一個空間單元在GWR 回歸模型中都會生成一個特定的回歸系數，通過計算獲得最大值、最小值、平均值、上四分位值、下四分位值、中位值（見表2）。結果表明，自然與社會因子在空間上對非法采伐的影響比較穩定，回歸系數波動較??；相反，經濟因子在空間上波動較大。森林覆蓋率與林業產值對非法采伐空間的影響呈完全正相關的關系，其他自變量與非法采伐的關系以負向相關為主。為進一步探究GWR 模型各自變量回歸系數在空間上的分布模式，利用ArcGIS10.7 對回歸系數進行地圖可視化。

表2 GWR模型參數檢驗結果與回歸系數統計Table 2 GWR model parameter test results and regression coefficient statistics

3.3 GWR結果分析

3.3.1 自然因子的驅動作用分析 自然環境狀況與森林稟賦是非法采伐發生的重要基礎，但森林資源充沛程度與否似乎只作為非法采伐產生的必要條件，而非充分條件。森林覆蓋率與人均活立木蓄積同樣作為森林資源的衡量標準，對非法采伐的作用卻是截然相反（圖3）。森林覆蓋率與非法采伐呈正向相關（圖3-a），說明森林覆蓋率是非法采伐產生的重要條件之一。而在中國森林覆蓋率較低的地區，如西部、華北與華東地區，其作用力明顯較森林覆蓋率較高的地區顯著。而人均活立木蓄積量與非法采伐呈負向相關（圖3-b），這說明森林稟賦并不能完全解釋非法采伐，同時要考慮區域的人口、經濟等因素。如東部地區大部分地市活立木蓄積量較高，但該區域人口密集且經濟發達，反而能夠抑制非法采伐的發生；相反，西南、西北與東北地區人口較少且經濟欠發達，雖然同樣呈負向相關，但其影響程度顯著低于東部地區。

圖3 GWR模型中自然因子回歸系數的空間分布（a.森林覆蓋率；b.人均活立木蓄積量）Fig.3 Spatial distribution of regression coefficients of natural factors in GWR model(a.forest coverage;b.per capita forest stock)

3.3.2 社會因子的驅動作用分析 除新疆部分地市外，常住人口城市化率與非法采伐基本呈負向相關（圖4-a），即城市化水平越高的區域，非法采伐的發生率越低。區域城市化水平的提高，增加非農就業機會與提高人們的生活水平，這從客觀上減少非法采伐潛在的犯罪主體，因而對非法采伐具有較強的抑制作用。公路密度與人均農林水支出對非法采伐的影響在空間上較復雜，大部分區域呈負向相關，但也有一部分區域呈正向相關，因此應結合區域實際辯證分析。在非法采伐較少的西北與華北地區，公路密度與非法采伐呈正向相關，但南方與東北地區等非法采伐較嚴重的區域卻呈負向相關，這說明公路密度對非法采伐的影響在空間上具有較強的異質性（圖4-b）。大部分地區人均農林水支出與非法采伐呈負向相關，西南地區尤其顯著（圖4-c），作為非法采伐形勢最為嚴峻的地區，西南地區加大農林水支出的投入對減少非法采伐具有一定可行性。人均農林水支出是指當地政府每年在農林水事物建設與保障方面的財政支出，可提高農民生產作業的效率與抗風險能力，同時也能對農業資源進行有效監測與精細化管理，因而從客觀上能夠減少潛在犯罪者的犯罪動機。但在華北與東北的部分地區，農林水支出對非法采伐呈正向影響，這可能是因為這類地區的農村以耕種為主，林業支出較少，因此人均農林水支出的增加并不能對非法采伐產生抑制作用。

圖4 GWR模型中社會因子回歸系數的空間分布（a.常住人口城市化率；b.公路密度；c.人均農林水支出）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 經濟因子的驅動作用分析 由圖5-a 可得，農民人均可支配收入對非法采伐的影響在空間上穩定性較差，以胡煥庸線為界，東南側兩者呈負向相關，農民可支配收入能夠對非法采伐產生一定的抑制作用，即經濟水平的提高能夠降低非法采伐的發生；但在西北側農民可支配收入與非法采伐呈正相關關系，這類地區農民普遍可支配收入較低，呈正向相關主要是因為在這類地區，可支配收入相對較高的地方本身農業生產結構相對較好，資源稟賦相對較強，故這類地區的非法采伐相較收入水平較差的地區更易發生。林業產值對非法采伐的影響均呈正向相關，回歸系數由東北向西南遞增。林業產值高地區的林業資源稟賦較好，將原木加工成林產品的能力也較強，因而在一定程度上能刺激非法采伐的發生。

圖5 GWR模型中經濟因子回歸系數的空間分布（a.農民人均可支配收入；b.林業產值）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 結論與建議

4.1 結論

1）非法采伐整體上多發于胡煥庸線東南側，主要集中在森林資源稟賦較強、經濟發展水平相對落后、城市化水平較低、農業人口較多、林場國有化較低的區域，如西南、東南以及東北地區的云貴高原東南邊緣、巫山雪峰山沿線、武夷山脈—南嶺沿線、大別山沿線、長白山沿線等；華北、西北地區以及沿海經濟發達區域多呈低發或不發態勢。

2）受自然、社會、經濟條件的影響，不同地理區域的非法采伐特征各異。東南地區中武夷山脈—南嶺沿線地市的被伐活立木蓄積量較高，但發案數量較低，即平均每案被伐活立木蓄積量高；西南地區的地市發案數量高，但平均每案被伐活立木蓄積量較低；長白山沿線與大別山沿線地市發案數量較高，但伐活立木蓄積量儲量較低；川西、滇西、藏南地區與大小興安嶺地區被伐活立木蓄積量儲量較高但發案數量較低。

3）非法采伐具有較強的空間集聚效應，相同地理分區內相鄰地市非法采伐在空間上具有較強的穩定性，空間集聚態勢顯著。但不同區域間又呈各異的空間集聚特征，其中長江以南地區大體呈高-高與低-高集聚態勢，西北、華北地區為低-低集聚，東北地區與長江沿線地市不顯著。

4）不同影響因子對非法采伐的驅動力各異。自然因子與社會因子在空間上對非法采伐的影響比較穩定，回歸系數波動較小，而經濟因子在空間上的波動較大。其中，森林覆蓋率與林業產值對非法采伐的回歸系數為正，部分地區公路密度與農民人均可支配收入對非法采伐產生正向影響，其他影響因子則以負向相關關系為主。自然因子中，森林覆蓋率、人均活立木蓄積量以相反的作用力對非法采伐的空間分異產生影響，說明森林資源稟賦是非法采伐發生的必要不充分條件。

本研究通過構建回歸模型分析中國非法采伐空間分異特征及其驅動因子，是對環境犯罪領域中犯罪地理研究的積極探索，豐富了環境犯罪研究。但也存在不足之處，如基于非法采伐的社會學特征，回歸模型影響因子的選取應以農業農村相關統計指標為主，但統計年鑒或統計公報中相關統計字段較少，因此在影響因子的覆蓋度上存在一定的局限性。同時，非法采伐所涉及的濫伐林木罪與盜伐林木罪均是具有“雙重違法性”犯罪行為，即行為人須違反森林法，且達到刑法數量較大的要求才構成本罪，因此在現實中存在部分未達到刑事處罰標準故而采取行政處罰的非法采伐行為。受不同數據公開程度影響，本研究只包含非法采伐的刑事判決數據，缺乏林業部門的行政處罰數據。此外，本研究側重宏觀層面，對中微觀層面以及深層次的非法采伐機理探討尚不深入，這些需在今后的研究中加強。

4.2 建議

結合本文結論，為精細化治理與打擊非法采伐及相關犯罪，提出以下建議：

1）非法采伐在不同地理分區有著截然不同的空間發生態勢與特征，因此各地森林管理部門可根據區域實際情況，合理制定非法采伐應對策略，如廣西、貴州等地應加強對有林地承包經營權屬的劃分與管理，重點治理個人采伐案件，采取以教育為主、打擊為輔的治理策略；而東南地區不僅要從供應端嚴厲打擊非法采伐，更要著眼于非法木材的加工與貿易，從需求端來遏制非法采伐的發生。

2）非法采伐具有較強的社會學特征，常見的犯罪主體為從事直接農業生產的農民，這類人群文化水平較低且環境保護意識薄弱。因此要從源頭上治理非法采伐，應當著眼于增強農民的法律與環境保護意識。

3）非法采伐一般具有較強的經濟目的，本研究發現城市化率、農民人均可支配收入、人均農林水支出的提高能夠有效抑制非法采伐的發生。這說明經濟水平的提高能夠提供更多的非農就業崗位，提高社會平均收入，從而在客觀上減少潛在的犯罪主體以及潛在犯罪者的犯罪動機。因此，有關部門應當實施惠農利農的政策，貫徹鄉村振興戰略，以提高農民的生產生活水平為宗旨，保障廣大農民的抗風險能力，從而抑制包括非法采伐在內的諸多環境犯罪行為的發生。