采伐政策風(fēng)險(xiǎn)對(duì)人工林最優(yōu)輪伐期的影響

孫思宇 寧卓

摘要：在我國(guó)現(xiàn)行的森林采伐限額管理制度下，人工林的采伐策略面臨著限額指標(biāo)編制和申請(qǐng)過程帶來的風(fēng)險(xiǎn)。文章基于弗斯特曼模型，選取江西省和浙江省的杉木人工林為研究對(duì)象，依據(jù)林木的生長(zhǎng)模型，結(jié)合我國(guó)林木采伐管理政策的現(xiàn)狀，實(shí)證分析采伐政策風(fēng)險(xiǎn)和失去林權(quán)風(fēng)險(xiǎn)兩個(gè)因素對(duì)人工林最優(yōu)輪伐期的影響，以期為優(yōu)化森林經(jīng)營(yíng)管理和完善我國(guó)采伐政策提供理論依據(jù)。研究結(jié)果表明：（1）杉木人工林的最優(yōu)輪伐期隨立地條件改善、采伐政策風(fēng)險(xiǎn)增大、失去林權(quán)風(fēng)險(xiǎn)增大而縮短。（2）在采伐政策風(fēng)險(xiǎn)增大的情況下，優(yōu)等林地和中等林地經(jīng)營(yíng)杉木人工林的最優(yōu)輪伐期分別縮短了5.90%和4.60%；林地期望收益值分別減少了33.10%和67.40%。（3）在失去林權(quán)風(fēng)險(xiǎn)下，優(yōu)等林地和中等林地經(jīng)營(yíng)杉木人工林的最優(yōu)輪伐期比采伐政策風(fēng)險(xiǎn)的最大值時(shí)減少了13.20%和5.40%，林地期望收益值減少了78.80%和221.40%。基于研究結(jié)果，提出政策啟示：（1）適當(dāng)放寬森林采伐限額指標(biāo)，提高采伐指標(biāo)分配的靈活度；（2）建立有效的監(jiān)督和處罰機(jī)制，減少尋租等行為的發(fā)生；（3）提高林權(quán)的穩(wěn)定性，降低林權(quán)被收回的風(fēng)險(xiǎn)。

關(guān)鍵詞：林木采伐政策；最優(yōu)輪伐期；林地期望收益；弗斯特曼模型

中圖分類號(hào)：S757.45文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1673-338X（2023）03-066-13

基金項(xiàng)目：教育部人文社會(huì)科學(xué)基金青年基金項(xiàng)目“基于碳匯生命周期的森林資源管理策略優(yōu)化機(jī)制研究”（編號(hào)：22YJC790091），國(guó)家自然科學(xué)基金項(xiàng)目“基于‘碳負(fù)債-碳償還的時(shí)間動(dòng)態(tài)林業(yè)碳減排集成評(píng)估系統(tǒng)與測(cè)度”（編號(hào)：72073064），江蘇省“333高層次人才工程”項(xiàng)目“全球林產(chǎn)品貿(mào)易碳流動(dòng)及碳減排潛力研究”（編號(hào)：BRA2018070）。

The Impact of Harvesting Policy Risk on Optimal Rotation of Plantations

SUN Siyu1NING Zhuo1， 2

（1 College of Economics and Management， Nanjing Forestry University， Nanjing 210037； 2 Research Center for Economics and Trade in Forest Products， National Forestry and Grassland Administration， Nanjing 210037）

Abstract：Under the current forest harvesting quota management system in China， the harvesting strategy of plantations faces risks brought about by the quota preparation and application process. Based on the Faustmann model， this paper selected Chinese fir plantation in Jiangxi Province and Zhejiang Province as the research object， and according to the growth model of the tree， combined with the current situation of the harvesting policy in China， empirically analyzed the impact of the harvesting policy risk and loss of forest tenure risk on the optimal rotation of plantation in order to provide theoretical basis for optimizing forest management and improving logging policy in China. The results showed that：（1）The optimal rotation of Chinese fir plantation decreased with the improvement of site conditions， the increase of the harvesting policy risk， and the increase of loss of forest tenure risk.（2）With the increase of the risk of the harvesting policy， the optimal rotation of Chinese fir plantation in superior forest and medium forest decreased by 5.90% and 4.60%， respectively. The expected yield of forest land decreased by 33.10% and 67.40%， respectively.（3）Under the risk of loss of forest tenure， the optimal rotation of Chinese fir plantations in superior forests and middle forests decreased by 13.20% and 5.40% compared with the maximum value of the harvesting policy risk， and the expected yield of forest land decreased by 78.80% and 221.40%. Based on the research results， the paper put forward policy suggestions：（1）Appropriately relax the cutting quota index and improve the flexibility of cutting index allocation.（2）Establish an effective upervision and punishment mechanism to reduce the occurrence of rent-seekings and other behaviors.（3）Promote the stability of forest tenure and reduce the risk of forest tenure being recovered.

Key Words：forest harvesting policy；optimal rotation；expected yield of forest land；Faustmann formula

1引言

林木采伐管理是森林經(jīng)營(yíng)過程中的一個(gè)重要環(huán)節(jié)，林木采伐管理政策一直是林業(yè)管理政策研究關(guān)注的重點(diǎn)（蔡力，2021）。1984年，我國(guó)頒布了《森林法》，第一次明確提出對(duì)森林實(shí)行限額采伐的政策，根據(jù)用材林的消耗量低于生長(zhǎng)量和森林合理經(jīng)營(yíng)的原則，將一定時(shí)期內(nèi)的林木采伐量限制在一定數(shù)量范圍之內(nèi)，保障林業(yè)的持續(xù)健康發(fā)展（江家燦等，2010）。

我國(guó)在2008年對(duì)采伐管理制度進(jìn)行了相應(yīng)的改革，要求縣級(jí)林業(yè)主管部門將林木采伐指標(biāo)分配權(quán)落實(shí)到鄉(xiāng)鎮(zhèn)，并由鄉(xiāng)鎮(zhèn)自主決定是否將采伐指標(biāo)分配到村（組）或農(nóng)戶。這一調(diào)整使得許多鄉(xiāng)鎮(zhèn)政府或者村（組）掌握著采伐指標(biāo)的分配權(quán)，給權(quán)力尋租留下了較大空間（何文劍等，2016）。如2016年8月和9月，福建省武平縣桃溪鎮(zhèn)林業(yè)站站長(zhǎng)收受他人禮金后，多次篡改山場(chǎng)林木樹齡或起源，違規(guī)辦理林木采伐許可證（中共武平縣紀(jì)律檢查委員會(huì)，2018）。2016-2017年，陜西省洋縣金水鎮(zhèn)林業(yè)站站長(zhǎng)何忠紅收受木材商販的禮金后，違規(guī)辦理林木采伐許可證（中共洋縣紀(jì)律檢查委員會(huì)，2020）。自2017年起，廣西賓陽縣每年林木采伐申請(qǐng)均超過年采伐限額；“十四五”期間，賓陽縣年森林采伐限額與實(shí)際申請(qǐng)采伐量相比，每年預(yù)計(jì)有10萬立方米的缺口（梁英等，2021）。可見，森林限額采伐政策在實(shí)施過程中，容易出現(xiàn)森林采伐限額的申請(qǐng)困難、限額采伐指標(biāo)編制與實(shí)際不匹配等風(fēng)險(xiǎn)，因此林農(nóng)的采伐決策面臨限額采伐政策執(zhí)行中有偏差的風(fēng)險(xiǎn)。如何在制定林地的經(jīng)營(yíng)管理策略中評(píng)估這一風(fēng)險(xiǎn)，進(jìn)而實(shí)現(xiàn)自身經(jīng)濟(jì)收益的最大化，對(duì)于保障林農(nóng)利益和完善現(xiàn)行林木采伐政策具有重要意義。

本文的研究思路為：首先，從林木最優(yōu)輪伐期的計(jì)算、政策風(fēng)險(xiǎn)對(duì)林業(yè)的影響和采伐政策現(xiàn)存的問題三個(gè)方面進(jìn)行文獻(xiàn)回顧；其次，基于政策風(fēng)險(xiǎn)提出理論分析框架，構(gòu)建分析模型和選取適合的變量；再次，計(jì)算出林木價(jià)值損失率變化和失去林權(quán)風(fēng)險(xiǎn)因素下人工林的最優(yōu)輪伐期；最后，根據(jù)研究結(jié)論進(jìn)行討論，并給出政策啟示。

本文的創(chuàng)新之處：已有研究包括林業(yè)政策不確定性對(duì)人工林最優(yōu)輪伐期影響的理論分析，以及限額采伐政策執(zhí)行過程中出現(xiàn)的問題對(duì)林業(yè)發(fā)展的影響等，但缺乏針對(duì)林業(yè)政策風(fēng)險(xiǎn)的實(shí)證分析。因此，本文基于理論模型，選取江西省和浙江省杉木人工林為研究對(duì)象進(jìn)行實(shí)證研究，彌補(bǔ)了現(xiàn)有研究的不足。采用林木價(jià)值損失率作為描述采伐政策風(fēng)險(xiǎn)的變量，構(gòu)建納入采伐政策風(fēng)險(xiǎn)的弗斯特曼（Faustmann）模型，研究林木價(jià)值損失率對(duì)人工林最優(yōu)輪伐期的影響，拓寬了森林最優(yōu)輪伐期的研究視角，并為優(yōu)化森林管理政策提供依據(jù)。

2文獻(xiàn)回顧與評(píng)述

本文從林木最優(yōu)輪伐期的計(jì)算、風(fēng)險(xiǎn)因素對(duì)林業(yè)發(fā)展的影響和限額采伐政策存在的問題三個(gè)方面進(jìn)行文獻(xiàn)回顧，歸納總結(jié)國(guó)內(nèi)外學(xué)者已有研究現(xiàn)狀。

有關(guān)林木最優(yōu)輪伐期的計(jì)算，弗斯特曼模型是最經(jīng)典、應(yīng)用最廣泛的模型。近些年來，國(guó)內(nèi)外學(xué)者普遍采用弗斯特曼模型和時(shí)間序列模型，結(jié)合凈現(xiàn)值法、土地期望值法、生長(zhǎng)方程和產(chǎn)量方程等方法來計(jì)算最優(yōu)輪伐期（Jiang et al.， 2013；Gong et al.， 2019；Ekholm， 2020；薛蓓蓓等，2021；余智涵等，2022）。林卓等（2016）基于時(shí)間序列預(yù)測(cè)模型，結(jié)合年均凈現(xiàn)值法和林地期望收益值法，計(jì)算閩西北杉木人工林的最優(yōu)輪伐期和林地期望收益值，并比較分析立地質(zhì)量、碳價(jià)格和利率三種因素對(duì)最優(yōu)輪伐期的影響；Nyakundi等（2018）基于肯尼亞林務(wù)局的數(shù)據(jù)估計(jì)松樹、柏樹和桉樹的最優(yōu)輪伐期，結(jié)合生產(chǎn)模型和弗斯特曼模型，分析了非市場(chǎng)因素對(duì)最佳產(chǎn)量的影響；朱臻等（2019）利用弗斯特曼模型和計(jì)量模型分析非農(nóng)就業(yè)對(duì)浙江、江西和福建三省集體林區(qū)不同規(guī)模林農(nóng)最優(yōu)輪伐期的影響；Forero-Montana等（2021）通過構(gòu)建波多黎各大葉桃花心木的生長(zhǎng)和產(chǎn)量模型，計(jì)算其最優(yōu)輪伐期，并比較分析木材價(jià)格、重新造林成本和利率三種因素對(duì)最優(yōu)輪伐期的影響。

在政策風(fēng)險(xiǎn)對(duì)林業(yè)的影響方面，國(guó)內(nèi)學(xué)者多集中于碳匯補(bǔ)貼領(lǐng)域，如沈月琴等（2015）以可計(jì)算一般均衡（Computable General Equilibrium， CGE）模型為理論基礎(chǔ)，研究碳匯補(bǔ)貼和碳稅對(duì)林業(yè)經(jīng)濟(jì)的影響，結(jié)果表明，在一個(gè)合理的碳價(jià)格區(qū)間內(nèi)，實(shí)施碳補(bǔ)貼和碳稅政策能夠促進(jìn)森林碳匯的發(fā)展；張偉偉等（2019）利用等額年金法研究碳匯供給促進(jìn)措施，提出政府應(yīng)該給予林地經(jīng)營(yíng)者碳匯補(bǔ)貼的經(jīng)濟(jì)條件；金婷等（2018）以安吉竹林經(jīng)營(yíng)碳匯項(xiàng)目為例評(píng)估林業(yè)國(guó)家核證自愿減排（Chinese Certified Emission Reduction， CCER）項(xiàng)目風(fēng)險(xiǎn)，實(shí)證結(jié)果表明，林業(yè)國(guó)家核證自愿減排項(xiàng)目風(fēng)險(xiǎn)較高，主要來源為市場(chǎng)風(fēng)險(xiǎn)與政策風(fēng)險(xiǎn)。其中，政策風(fēng)險(xiǎn)高主要與相關(guān)政策不穩(wěn)定和交易規(guī)則尚不明朗有關(guān)。而國(guó)外學(xué)者關(guān)于政策風(fēng)險(xiǎn)對(duì)林業(yè)影響的研究較少，大多研究政策風(fēng)險(xiǎn)對(duì)森林最優(yōu)輪伐期的影響。Zhang（2001）研究發(fā)現(xiàn)，當(dāng)林業(yè)政策存在不確定性時(shí)，林分會(huì)被提前采伐；Fried等（2022）研究認(rèn)為，未來應(yīng)對(duì)氣候變化政策風(fēng)險(xiǎn)通過將投資轉(zhuǎn)向更清潔的能源和減少產(chǎn)量來控制碳排放；Hunjra等（2022）使用索羅增長(zhǎng)模型，將政策風(fēng)險(xiǎn)與不確定性、可持續(xù)發(fā)展聯(lián)系起來，實(shí)證結(jié)果表明，審查的所有風(fēng)險(xiǎn)和不確定性因素都對(duì)可持續(xù)發(fā)展產(chǎn)生了重大的負(fù)面影響，其調(diào)查研究結(jié)果強(qiáng)調(diào)了風(fēng)險(xiǎn)管理作為關(guān)鍵控制政策的重要性；Mollmann等（2017）將火災(zāi)、風(fēng)暴和病蟲害風(fēng)險(xiǎn)納入森林管理決策中發(fā)現(xiàn)，若當(dāng)前風(fēng)險(xiǎn)大于更換林分的潛在風(fēng)險(xiǎn)，林農(nóng)會(huì)更早地采伐；Rakotoarison等（2017）和Loisel等（2020）將風(fēng)暴風(fēng)險(xiǎn)引入弗斯特曼模型中研究對(duì)采伐決策的影響，發(fā)現(xiàn)風(fēng)暴風(fēng)險(xiǎn)會(huì)縮短林木輪伐期，增加經(jīng)濟(jì)損失；Reed（1984）、Ning等（2017）、Ekholm（2020）研究發(fā)現(xiàn)，火災(zāi)風(fēng)險(xiǎn)同樣會(huì)縮短森林輪伐期。

對(duì)于限額采伐政策的研究，國(guó)內(nèi)學(xué)者主要分析限額采伐政策執(zhí)行過程中存在的問題及改進(jìn)措施。學(xué)者們研究發(fā)現(xiàn)，森林限額采伐政策在實(shí)施過程中存在政策失靈（江家燦等，2010）、管理環(huán)節(jié)過多和權(quán)力尋租（袁少青等，2013）、可采蓄積量與年度森林采伐限額不匹配（張清，2020）、超限額采伐現(xiàn)象較為嚴(yán)重（姜昕等，2015；李強(qiáng)，2021）、執(zhí)行效率低（秦添男等，2021）等問題。因此，限額采伐政策存在執(zhí)行中有偏差的不確定性，分析該不確定性對(duì)人工林最優(yōu)輪伐期的影響，可以為林農(nóng)合理規(guī)避采伐政策風(fēng)險(xiǎn)提供有針對(duì)性的方案。

綜上所述，學(xué)者們對(duì)采伐政策、林木最優(yōu)輪伐期、不確定因素三個(gè)方面都進(jìn)行了大量研究。在采伐政策的研究中，大多只從理論層面分析限額采伐政策實(shí)施中存在的問題；而在林木最優(yōu)輪伐期的研究中，主要集中在分析木材價(jià)格、碳價(jià)格、火災(zāi)、風(fēng)暴等方面對(duì)最優(yōu)輪伐期影響上；在風(fēng)險(xiǎn)因素方面，學(xué)者們大多研究碳稅政策、應(yīng)對(duì)氣候變化政策、火災(zāi)、風(fēng)暴等風(fēng)險(xiǎn)對(duì)人工林最優(yōu)輪伐期的影響，而有關(guān)政策風(fēng)險(xiǎn)對(duì)林業(yè)最優(yōu)管理策略的影響研究較少，僅Zhang（2001）對(duì)政策不確定性進(jìn)行過理論分析，但沒有使用數(shù)據(jù)對(duì)政策風(fēng)險(xiǎn)的實(shí)際影響進(jìn)行實(shí)證模擬。因此，本文基于弗斯特曼模型，結(jié)合生長(zhǎng)方程、木材價(jià)格和經(jīng)營(yíng)成本等實(shí)際數(shù)據(jù)，計(jì)算采伐政策不確定性對(duì)人工林的最優(yōu)輪伐期和最大林地期望收益值的影響，從而為完善限額采伐政策提供決策參考。

3理論分析框架與研究方法

為深入研究政策風(fēng)險(xiǎn)影響的理論機(jī)制，首先分析政策風(fēng)險(xiǎn)產(chǎn)生影響的理論框架，為后續(xù)模型分析提供理論依據(jù)；其次介紹主要的定量研究方法——林木生長(zhǎng)方程；最后根據(jù)假設(shè)條件，構(gòu)建納入采伐政策風(fēng)險(xiǎn)因素的弗斯特曼模型。

3.1理論分析框架

政策風(fēng)險(xiǎn)是指政策制定和實(shí)施過程中存在的各種因素，可能導(dǎo)致政策實(shí)施預(yù)期理想目標(biāo)失敗或政策失敗（Howell et al.， 1994）。政策風(fēng)險(xiǎn)產(chǎn)生的原因主要有兩個(gè)方面：一是政策主客體之間信息不對(duì)稱、信息溝通不暢通所致，二是政策制定主體、執(zhí)行主體和監(jiān)管主體三者之間認(rèn)知存在差異，以及政策執(zhí)行力度不足等所致（占治民等，2019）。當(dāng)考慮到政策風(fēng)險(xiǎn)時(shí)，人們對(duì)該風(fēng)險(xiǎn)的擔(dān)憂會(huì)加深（Broer et al.， 2014）。行為經(jīng)濟(jì)學(xué)認(rèn)為人是有限理性的，主要根據(jù)直覺來判斷風(fēng)險(xiǎn)，往往不是高估就是低估風(fēng)險(xiǎn)（韋進(jìn)媛等，2022）。學(xué)者們實(shí)證研究發(fā)現(xiàn)，政策風(fēng)險(xiǎn)顯著抑制生產(chǎn)規(guī)模的擴(kuò)大（王剛毅等，2022）；碳控制政策風(fēng)險(xiǎn)會(huì)對(duì)市場(chǎng)經(jīng)濟(jì)參與者的環(huán)境、社會(huì)與管理（Environment， Social and Governance， ESG）績(jī)效產(chǎn)生負(fù)面影響（Shu et al.， 2023）；與政策相關(guān)的風(fēng)險(xiǎn)對(duì)經(jīng)濟(jì)主體融資決策產(chǎn)生負(fù)面影響（Lee et al.， 2021）。

在林業(yè)方面，政策風(fēng)險(xiǎn)，如因國(guó)家經(jīng)濟(jì)和生態(tài)建設(shè)需要征占用林地、劃定公益林等，會(huì)使林農(nóng)在林地經(jīng)營(yíng)過程中受限（吳衛(wèi)紅等，2006）。在林業(yè)碳匯項(xiàng)目實(shí)施過程中，政策風(fēng)險(xiǎn)會(huì)導(dǎo)致成本上升、收益和投資回報(bào)率下降（盧峰，2022）。在林地經(jīng)營(yíng)過程中，林農(nóng)面臨應(yīng)對(duì)氣候變化政策不斷調(diào)整的風(fēng)險(xiǎn)，為了避免延遲減排投資的價(jià)值轉(zhuǎn)化為沉沒成本，林農(nóng)往往會(huì)過早進(jìn)行減排投資（Golub et al.， 2014；Golub et al.， 2017）。可見，已有研究認(rèn)為政策風(fēng)險(xiǎn)會(huì)抑制生產(chǎn)規(guī)模擴(kuò)大、降低預(yù)期收益。經(jīng)營(yíng)主體為了避免潛在的損失，會(huì)提前對(duì)自己的行為進(jìn)行調(diào)整并推遲投資。因此，提出本文的假設(shè)H。

H：采伐政策風(fēng)險(xiǎn)會(huì)導(dǎo)致林農(nóng)提前采伐林木。

3.2研究方法

由上述理論機(jī)制可得，政策風(fēng)險(xiǎn)可能會(huì)導(dǎo)致林農(nóng)提前采伐林木。本文構(gòu)建納入采伐政策風(fēng)險(xiǎn)因素的弗斯特曼模型，分析采伐政策風(fēng)險(xiǎn)對(duì)人工林最優(yōu)輪伐期的影響。這一方法首先需要構(gòu)建目標(biāo)樹種的生長(zhǎng)方程。

3.2.1生長(zhǎng)方程

由于杉木在我國(guó)南方具有較高的面積和蓄積量占比，具有良好的生態(tài)效益、經(jīng)濟(jì)效益和社會(huì)效益（巢林等，2016），因此，本文選取江西省和浙江省杉木人工林作為研究對(duì)象。在林分的生長(zhǎng)方程中，由于Richards生長(zhǎng)方程適應(yīng)性強(qiáng)、準(zhǔn)確性高，應(yīng)用較為廣泛（陳則生，2010）。為測(cè)算杉木不同年份的蓄積量，本文采用陳則生（2010）構(gòu)建的Richards生長(zhǎng)方程，如式（1）所示。

式（1）中，M （t）為杉木的蓄積量，SI為立地指數(shù)（Site Index），根據(jù)立地條件的好、中、差將立地指數(shù)SI分別設(shè)為16、12和8（沈月琴等，2013；朱臻等，2014）。

由于木材加工過程中會(huì)存在損耗，這里設(shè)置一個(gè)出材率進(jìn)行轉(zhuǎn)化。考慮到杉木的輪伐期相對(duì)穩(wěn)定，故將杉木出材率簡(jiǎn)化假設(shè)為定值0.70（沈月琴等，2013）。杉木的材積生長(zhǎng)方程如式（2）所示。

式（2）中，Q（t）為杉木材積生長(zhǎng)函數(shù)。

3.2.2弗斯特曼模型

本文研究采伐政策風(fēng)險(xiǎn)下的人工林最優(yōu)輪伐期，選用Zhang（2001）的弗斯特曼模型進(jìn)行分析，構(gòu)建僅考慮木材收益時(shí)的弗斯特曼模型。對(duì)于納入政策風(fēng)險(xiǎn)因素的弗斯特曼模型，本文設(shè)定四個(gè)假設(shè)條件。

假設(shè)條件一：木材價(jià)格P和經(jīng)營(yíng)成本C已知，且不隨時(shí)間變化；

假設(shè)條件二：當(dāng)不存在政策風(fēng)險(xiǎn)時(shí)，林地經(jīng)營(yíng)者對(duì)森林擁有安全的產(chǎn)權(quán)，采伐時(shí)失去部分林木的可能性為0；

假設(shè)條件三：當(dāng)存在政策風(fēng)險(xiǎn)時(shí)，有林木價(jià)值損失率α（0<α<1）的可能性6（6>0），并將α作為描述采伐政策風(fēng)險(xiǎn)的變量；

假設(shè)條件四：土地所有者是風(fēng)險(xiǎn)中立的。

在上述四個(gè)假設(shè)條件的基礎(chǔ)上，目標(biāo)是找到考慮政策風(fēng)險(xiǎn)下森林的最大林地期望收益值，如式（3）所示。

式（3）中，PV （t）為林地期望收益值，α為政策風(fēng)險(xiǎn)下的林木價(jià)值損失率，δ（t）為政策風(fēng)險(xiǎn)下隨著時(shí)間變化可能失去木材的概率，P為木材價(jià)格，Q（t）為杉木材積生長(zhǎng)函數(shù)，r為貼現(xiàn)率，這里設(shè)置為5%，C為經(jīng)營(yíng)成本（沈月琴等，2013；朱臻等，2014）。求出式（3）的最大值即可得到最優(yōu)輪伐期t。

式（4）至式（6）中，T表示林木的輪伐期，m（T）表示政策風(fēng)險(xiǎn)發(fā)生的概率總和。

3.2.3失去林權(quán)的風(fēng)險(xiǎn)

林業(yè)“三定”時(shí)期，集體林地所有權(quán)多數(shù)由集體所有，在一些地區(qū)存在個(gè)人承包的林地隨時(shí)被村集體收回或?qū)⒁逊峙涞綉舻牧值厥栈刂匦路峙涞男袨椋瞧G，2017）。基于上述歷史現(xiàn)實(shí)，本文假設(shè)林權(quán)面臨被村集體收回的風(fēng)險(xiǎn)，且林權(quán)被收回會(huì)失去全部森林，則將有兩種可能的狀態(tài)需要考慮。首先定義一個(gè)隨機(jī)變量X ，X 表示失去林權(quán)或林木被采伐而結(jié)束生長(zhǎng)的時(shí)間，此時(shí)兩種可能的狀態(tài)分別為：（1）失去林權(quán)風(fēng)險(xiǎn)發(fā)生在林木輪伐期之前，X

4數(shù)據(jù)來源與描述性統(tǒng)計(jì)

本文使用的數(shù)據(jù)來源于其他學(xué)者的實(shí)地調(diào)查數(shù)據(jù)，通過價(jià)格指數(shù)的方式對(duì)數(shù)據(jù)進(jìn)行處理，并對(duì)林木價(jià)值損失率賦值，森林經(jīng)營(yíng)過程中的政策風(fēng)險(xiǎn)以火災(zāi)風(fēng)險(xiǎn)的發(fā)生率模擬。

4.1經(jīng)營(yíng)成本

本文以江西省和浙江省的杉木人工林為例，貼現(xiàn)得到2021年杉木人工林的經(jīng)營(yíng)成本。杉木人工林的經(jīng)營(yíng)成本主要包括五個(gè)部分：（1）種植成本：主要包括種苗、肥料和人工種植成本等，一般在第一年種植后，農(nóng)戶會(huì)在第二、三、四年進(jìn)行補(bǔ)植；（2）撫育成本：包括人工撫育和肥料成本，主要發(fā)生在第二、三、四年；（3）間伐成本：主要發(fā)生在第十二年；（4）管護(hù)成本：在采伐之前，每年都會(huì)發(fā)生，假設(shè)三種立地條件下杉木的間伐成本和管護(hù)成本相同；（5）采運(yùn)成本：包括采伐成本和運(yùn)輸成本等（朱臻等，2014）。本文參考任騰騰等（2013）和朱瑋強(qiáng)等（2017）的調(diào)查數(shù)據(jù)，使用林業(yè)產(chǎn)品生產(chǎn)價(jià)格指數(shù)將數(shù)據(jù)轉(zhuǎn)化為2021年的成本價(jià)格。因此，2021年不同立地條件下杉木人工林的經(jīng)營(yíng)成本如表1所示。

從表1可以看出，杉木的經(jīng)營(yíng)成本主要來源于輪伐期前四年的成本、第十二年的間伐成本、每年的管護(hù)成本和最后一年的采運(yùn)成本，收益主要發(fā)生在采伐年份。

4.2木材價(jià)格

杉木價(jià)格根據(jù)徑級(jí)不同存在差異，不同徑級(jí)杉木的木材市場(chǎng)價(jià)格如表2所示（沈月琴等，2013）。

根據(jù)表2并結(jié)合朱瑋強(qiáng)等（2017）的研究中將杉木價(jià)格設(shè)為900元/立方米，本文將2017年杉木的價(jià)格設(shè)為900元/立方米。通過查詢相關(guān)年份《中國(guó)統(tǒng)計(jì)年鑒》，計(jì)算出2017-2021年木材及紙漿類生產(chǎn)者購(gòu)進(jìn)價(jià)格指數(shù)為106.60。因此，2021年江西省和浙江省杉木的價(jià)格為959.40元/立方米，即本文將杉木價(jià)格設(shè)為固定的959.40元/立方米。

4.3林木價(jià)值損失率

目前，采伐指標(biāo)的分配權(quán)由鄉(xiāng)鎮(zhèn)或者村（組）掌握，權(quán)力尋租現(xiàn)象普遍存在。故本文假設(shè)森林經(jīng)營(yíng)者采伐林木時(shí)需要付出木材銷售收入的10%用于村集體抽成，則由于采伐政策不確定性導(dǎo)致的林木價(jià)值損失率α為0.10。

4.4不確定性發(fā)生率

關(guān)于采伐政策風(fēng)險(xiǎn)的發(fā)生率，參考Amacher等（2005）對(duì)火災(zāi)風(fēng)險(xiǎn)發(fā)生率的公式及系數(shù)的研究，假定火災(zāi)風(fēng)險(xiǎn)的發(fā)生遵循泊松過程，且將泊松過程分為三種模式，分別為遵循齊次泊松過程的恒定發(fā)生率，非齊次泊松過程下隨林齡線性增加的上升發(fā)生率和隨林齡線性減少的下降發(fā)生率。本文采用恒定發(fā)生率，即每個(gè)瞬間風(fēng)險(xiǎn)的發(fā)生率是相同的。將政策風(fēng)險(xiǎn)下可能失去木材的發(fā)生率λ設(shè)定如式（11）所示。

參考Amacher等（2005）研究中將火災(zāi)風(fēng)險(xiǎn)恒定發(fā)生率λ中的t0分別賦值1、2和3，本文將t0取值為1，則杉木的政策風(fēng)險(xiǎn)發(fā)生率λ= 1/50。

故風(fēng)險(xiǎn)發(fā)生的概率總和如式（12）所示。

式（12）中，X表示林木受到政策風(fēng)險(xiǎn)影響的時(shí)間。

因此，當(dāng)0≤X

5經(jīng)驗(yàn)性結(jié)果

基于上述模型構(gòu)建和變量選取，本文實(shí)證分析采伐政策風(fēng)險(xiǎn)對(duì)杉木人工林最優(yōu)輪伐期的影響，計(jì)算林木價(jià)值損失率分別從0.10變化到0.70的過程中和失去林權(quán)風(fēng)險(xiǎn)下杉木人工林的最優(yōu)輪伐期和林地期望收益值，并將失去林權(quán)風(fēng)險(xiǎn)與林木價(jià)值損失率的最高比重進(jìn)行對(duì)比分析。

5.1采伐政策風(fēng)險(xiǎn)對(duì)人工林最優(yōu)輪伐期的影響

基于所構(gòu)建的弗斯特曼模型，分析林木價(jià)值損失率為0.10和林木價(jià)值損失率在0.10到0.70范圍內(nèi)變動(dòng)時(shí)，不同立地條件下杉木的最優(yōu)輪伐期和林地期望收益值變化情況，并分析失去林權(quán)風(fēng)險(xiǎn)下杉木的最優(yōu)輪伐期和林地期望收益值。

5.1.1林木價(jià)值損失率為0.10時(shí)

當(dāng)林木價(jià)值損失率為0.10時(shí)，不同立地條件下杉木人工林的最優(yōu)輪伐期和最大林地期望收益值如表3所示。

從表3可以看出，隨著林地條件等級(jí)的降低，林地的經(jīng)營(yíng)成本和經(jīng)營(yíng)難度上升，杉木的最優(yōu)輪伐期延長(zhǎng)，林地期望收益值下降。由于劣等林地期望收益值小于0，故杉木在劣等林地下沒有投資價(jià)值。

5.1.2林木價(jià)值損失率變化時(shí)

為了分析林木價(jià)值損失率變化對(duì)杉木人工林最優(yōu)輪伐期的影響，研究α在0.10到0.70的范圍內(nèi)變動(dòng)時(shí)，不同立地條件下杉木人工林的最優(yōu)輪伐期和最大林地期望收益值的影響如表4和圖1所示。

圖1結(jié)果顯示，隨著林木價(jià)值損失率增加，兩種立地條件下杉木的最優(yōu)輪伐期均縮短、林地期望收益值均下降。這是因?yàn)殡S著林木價(jià)值損失率上升，由式（3）可得杉木的林地期望收益值下降，即由于限額采伐政策，林地經(jīng)營(yíng)者想采伐時(shí)有更大的機(jī)率不允許采伐，獲取采伐指標(biāo)的難度上升。因此，為了避免潛在的損失，林農(nóng)會(huì)選擇提前采伐。

α從0.10上升到0.70的過程中，根據(jù)式（12）和式（13）計(jì)算可得，優(yōu)等林地在最優(yōu)輪伐期內(nèi)采伐時(shí)失去部分林木的累計(jì)風(fēng)險(xiǎn)由0.37下降到0.35，失去部分林木的概率由30.93%下降到29.39%；中等林地在最優(yōu)輪伐期內(nèi)采伐時(shí)失去部分林木的累計(jì)風(fēng)險(xiǎn)由0.39下降到0.37，失去部分林木的概率由32.29%下降到31.06%。可見杉木受采伐政策影響的累積風(fēng)險(xiǎn)較低，進(jìn)而導(dǎo)致失去部分林木的可能性較低。在該過程中，杉木優(yōu)等林地的最優(yōu)輪伐期縮短了1.10年，中等林地的最優(yōu)輪伐期縮短了0.90年。說明林木價(jià)值損失率變化對(duì)杉木人工林最優(yōu)輪伐期影響較小。從林地期望收益值來看，隨著α的上升，兩種立地條件下杉木的林地期望收益值均下降，且下降的幅度為優(yōu)等林地（15794.92）>中等林地（10345.46），說明林木價(jià)值損失率對(duì)杉木林地期望收益值影響較大，且杉木的立地條件越好，對(duì)林地期望收益值的影響越明顯。實(shí)證結(jié)果表明，采伐政策風(fēng)險(xiǎn)對(duì)林木采伐決策具有負(fù)面影響，會(huì)降低林農(nóng)生產(chǎn)積極性，導(dǎo)致林木被提前采伐，驗(yàn)證了假設(shè)H。鑒于現(xiàn)有文獻(xiàn)主要從理論角度出發(fā)，缺乏林業(yè)政策風(fēng)險(xiǎn)的實(shí)證分析，本文的實(shí)證分析彌補(bǔ)了已有研究的不足。

5.2失去林權(quán)風(fēng)險(xiǎn)下人工林的最優(yōu)輪伐期

根據(jù)式（10）計(jì)算可知，失去林權(quán)風(fēng)險(xiǎn)下不同立地條件杉木人工林的最優(yōu)輪伐期和最大林地期望收益值如表5所示。從表5可得，在失去林權(quán)風(fēng)險(xiǎn)下，杉木在優(yōu)等林地和中等林地下的最優(yōu)輪伐期明顯比本文假設(shè)中林木價(jià)值損失率的最高比重即α=0.70時(shí)杉木的最優(yōu)輪伐期更短、最大林地期望收益值也更低。這是因?yàn)榱謾?quán)一旦被收回，林地經(jīng)營(yíng)者將失去全部森林，面臨的風(fēng)險(xiǎn)更高，所以林農(nóng)會(huì)選擇更早地采伐林木。因?yàn)閮?yōu)等林地比中等林地上的杉木可能失去的機(jī)會(huì)成本更高，所以優(yōu)等林地比中等林地的最優(yōu)輪伐期更短，即失去林權(quán)風(fēng)險(xiǎn)對(duì)杉木人工林最優(yōu)輪伐期的影響比林木價(jià)值損失率的最高比重更大。

6研究結(jié)論、討論與政策啟示

本文基于弗斯特曼模型，依據(jù)林木生長(zhǎng)模型，結(jié)合我國(guó)采伐政策現(xiàn)狀，分析采伐政策風(fēng)險(xiǎn)對(duì)人工林最優(yōu)輪伐期的影響，歸納得出研究結(jié)論，并在此基礎(chǔ)上進(jìn)行相關(guān)討論，最后提出相應(yīng)的政策啟示。

6.1研究結(jié)論

本文基于對(duì)采伐林木時(shí)需付出10%的尋租用于村集體抽成的假設(shè)，計(jì)算采伐政策風(fēng)險(xiǎn)下人工林的最優(yōu)輪伐期和林地期望收益值，分析林木價(jià)值損失率和失去林權(quán)風(fēng)險(xiǎn)這兩種因素對(duì)人工林最優(yōu)輪伐期的影響，得出3點(diǎn)結(jié)論。

（1）杉木人工林的最優(yōu)輪伐期隨立地條件改善、林木價(jià)值損失率增加、失去林權(quán)風(fēng)險(xiǎn)增大而減小；林地期望收益值隨立地條件改善而增加，隨林木價(jià)值損失率增加、失去林權(quán)風(fēng)險(xiǎn)增大而減小。

（2）林木價(jià)值損失率越大，杉木人工林的最優(yōu)輪伐期越短，林地期望收益值越小。具體來說，當(dāng)林木價(jià)值損失率從0.10上升到0.70的過程中，優(yōu)等林地和中等林地下杉木人工林的最優(yōu)輪伐期分別減少了5.90%和4.60%；林地期望收益值分別減少了33.10%和67.40%。

（3）在失去林權(quán)風(fēng)險(xiǎn)下，優(yōu)等林地和中等林地下杉木人工林的最優(yōu)輪伐期比林木價(jià)值損失率為0.70時(shí)分別減少了13.20%和5.40%，林地期望收益值分別減少了78.80%和221.40%。

6.2討論

由于限額采伐政策在實(shí)施過程中存在執(zhí)行中有偏差的風(fēng)險(xiǎn)，本文以林木價(jià)值損失率作為描述采伐政策風(fēng)險(xiǎn)的變量進(jìn)行分析。研究結(jié)果表明，采伐政策風(fēng)險(xiǎn)會(huì)縮短森林的最優(yōu)輪伐期，杉木人工林的最優(yōu)輪伐期隨林木價(jià)值損失率增大、失去林權(quán)風(fēng)險(xiǎn)增大而減小，據(jù)此進(jìn)行3點(diǎn)討論。

（1）林木價(jià)值損失率越大時(shí)，杉木的最優(yōu)輪伐期越短，林地期望收益值越小。這是因?yàn)樯寄驹谳喎テ趦?nèi)可能失去部分林木的累計(jì)風(fēng)險(xiǎn)和概率越大，林農(nóng)更愿意選擇提前采伐林木以避免更多的損失。即采伐政策風(fēng)險(xiǎn)會(huì)縮短森林的最優(yōu)輪伐期，這與現(xiàn)有關(guān)于林業(yè)政策不確定性（Zhang， 2001）、火災(zāi)風(fēng)險(xiǎn)（Reed， 1984；Ning et al.， 2017；Ekholm， 2020）、風(fēng)暴風(fēng)險(xiǎn)（Rakotoarison et al.， 2017）和隨機(jī)價(jià)格（Ning et al.， 2019）研究的分析結(jié)果相似。可見，采伐政策風(fēng)險(xiǎn)會(huì)減少林地用地轉(zhuǎn)化為其他用途如農(nóng)業(yè)用地的機(jī)會(huì)成本，不利于林業(yè)的發(fā)展。

（2）相比林木價(jià)值損失率，失去林權(quán)風(fēng)險(xiǎn)增大對(duì)杉木人工林最優(yōu)輪伐期的影響更明顯。即林農(nóng)為追求短期利益而砍伐林木，易造成林地毀滅性影響，此時(shí)村集體為了可持續(xù)利用林地可能將林地收回，或?yàn)榱松鷳B(tài)保護(hù)而收回林地，從而對(duì)林權(quán)穩(wěn)定性產(chǎn)生負(fù)向影響（吉登艷，2017）。故林農(nóng)采伐林木時(shí)不應(yīng)只追求經(jīng)濟(jì)收益，應(yīng)同時(shí)兼顧生態(tài)效益，以促進(jìn)森林資源可持續(xù)發(fā)展。

（3）立地條件越好時(shí)，杉木人工林的最優(yōu)輪伐期越短，這與現(xiàn)有關(guān)于杉木人工林的研究結(jié)果一致（林卓等，2016；朱瑋強(qiáng)等，2017；薛蓓蓓等，2021）。因?yàn)榱⒌貤l件越好，杉木生長(zhǎng)速度越快，成熟時(shí)間越短，經(jīng)營(yíng)成本更低，從而獲得的林地期望收益值更大。因此，林農(nóng)應(yīng)選擇立地條件較好的林地種植林木以提高自身收益。

現(xiàn)有關(guān)于森林輪伐期的研究多集中于同時(shí)考慮木材收益和碳匯收益，分析不同碳價(jià)格、利率、木材價(jià)格等因素對(duì)森林輪伐期和林地期望收益值的影響，但較少有文獻(xiàn)研究采伐政策風(fēng)險(xiǎn)這一視角。本文僅考慮木材收益下我國(guó)限額采伐政策執(zhí)行中的風(fēng)險(xiǎn)對(duì)人工林最優(yōu)輪伐期的影響，豐富了研究視角。

本文仍存在不足之處，未來可進(jìn)一步深入研究。第一，本文采用的數(shù)據(jù)為其他學(xué)者調(diào)查數(shù)據(jù)的處理，分析得出的結(jié)果欠缺一定的代表性。若選取更多省份林場(chǎng)數(shù)據(jù)和樹種，可豐富研究結(jié)果。第二，本文僅考慮了人工林的木材收益，沒有考慮人工林的生態(tài)收益和社會(huì)收益，未來可增加對(duì)碳匯、觀賞、旅游等生態(tài)效益和社會(huì)效益的研究。

6.3政策啟示

基于上述分析，為了更好地促進(jìn)森林資源發(fā)展和保障林農(nóng)收益，提出3點(diǎn)政策啟示。

（1）適當(dāng)放寬限額采伐的指標(biāo)，提高采伐指標(biāo)分配的靈活度。實(shí)證結(jié)果表明，林木價(jià)值損失率越大時(shí)，杉木人工林最優(yōu)輪伐期越短，林地期望收益值越低。由于限額采伐政策使得林地經(jīng)營(yíng)者獲取采伐指標(biāo)難度上升，為了避免潛在損失，林木會(huì)被提前采伐。故對(duì)于放開風(fēng)險(xiǎn)不是太大的短輪伐期用材林如杉木

沈月琴，張耀啟，王楓，等.中國(guó)南方杉木森林碳匯供給潛力的經(jīng)濟(jì)分析[J].林業(yè)科學(xué)， 2013， 49（09）：140-147.

王剛毅，李春雷，郝巖芝，等.政策風(fēng)險(xiǎn)抑制生豬企業(yè)擴(kuò)張了嗎？——基于政策不確定性視角的分析[J].農(nóng)業(yè)經(jīng)濟(jì)與管理， 2022， 73（03）：75-85.

韋進(jìn)媛，胡仕強(qiáng).健康風(fēng)險(xiǎn)認(rèn)知偏差對(duì)大病保險(xiǎn)參保行為的影響——基于行為經(jīng)濟(jì)學(xué)[C]//中國(guó)保險(xiǎn)與風(fēng)險(xiǎn)管理國(guó)際年會(huì)論文集.北京：清華大學(xué)出版社， 2022：860-876.

吳衛(wèi)紅，張愛美.林業(yè)項(xiàng)目投資風(fēng)險(xiǎn)管理對(duì)策分析[J].林業(yè)經(jīng)濟(jì)， 2006， 28（09）：66-68.

薛蓓蓓，田國(guó)雙.基于碳匯木材復(fù)合經(jīng)營(yíng)目標(biāo)的綜合效益及影響因素分析[J].南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021， 45（02）：205-212.

余智涵，寧卓，楊紅強(qiáng).隨機(jī)價(jià)格下杉木人工林的碳匯收益及最優(yōu)輪伐期確定[J].自然資源學(xué)報(bào)， 2022， 37（03）：753-768.

袁少青，謝守鑫.我國(guó)林木采伐管理問題的分析與思考[J].林業(yè)資源管理， 2013（01）：1-5， 31.

占治民，曾燕珍，謝雨珊，等.農(nóng)戶承包土地經(jīng)營(yíng)權(quán)抵押融資政策風(fēng)險(xiǎn)影響因素經(jīng)驗(yàn)解釋[J].統(tǒng)計(jì)與決策， 2019， 35（03）：125-128.

張清.云南省“十四五”森林采伐限額編制存在的問題及對(duì)策[J].林業(yè)調(diào)查規(guī)劃， 2020， 45（06）：74-77.

張偉偉，高錦杰.碳匯林供給的經(jīng)濟(jì)條件分析——兼論政府在碳匯交易機(jī)制中的作用[J].東北師大學(xué)報(bào)（自然科學(xué)版）， 2019， （03）：177-183.

中共武平縣紀(jì)律檢查委員會(huì).武平縣林業(yè)局永平林業(yè)工作站站長(zhǎng)李東平正接受紀(jì)律審查、監(jiān)察調(diào)查[EB/OL]. （2018-03-14）[2022-07-05]. www. wpxjwjcj. gov. cn/news/47/newsshow_ 1461. html

中共洋縣紀(jì)律檢查委員會(huì).洋縣：通報(bào)3起黨員領(lǐng)導(dǎo)干部違規(guī)收受禮品禮金問題典型案例[EB/OL]. （2020-06-08）[2022-07-02]. https：//yangxian. qinfeng. gov. cn/info/ 1016/2651. htm

朱瑋強(qiáng)，顧蕾.碳匯目標(biāo)下森林經(jīng)營(yíng)決策——以江西省杉木為例[J].林業(yè)資源管理， 2017（03）：41-45， 55.

朱臻，沈月琴，徐志剛，等.森林經(jīng)營(yíng)主體的碳匯供給潛力差異及影響因素研究[J].自然資源學(xué)報(bào)， 2014， 29（12）：2013-2022.

朱臻，徐志剛，沈月琴.非農(nóng)就業(yè)對(duì)南方集體林區(qū)不同規(guī)模農(nóng)營(yíng)林輪伐期的影響[J].自然資源學(xué)報(bào)， 2019， 34（02）：236-249.

Amacher G S， Malik A S， Haight R G. Not getting burned：the importance of fire prevention in forest management [J]. Land Economics，2005， 81（02）：284-302.

Broer C， Moerman G， Spruijt P， et al. Risk policies and risk perceptions：a comparative study of environmental health risk policy and perception in six European countries [J]. Journal of Risk Research， 2014， 17（04）：525-542.

Ekholm T. Optimal forest rotation under carbon pricing and forest damage risk [J]. Forest Policy and Economics， 2020， 115：102131.

Forero-Montana J， Zimmerman J K， Gonzalez E， et al. Developing a growth and yield model for planted big-leaf mahogany （Swietenia macrophylla King） at advanced age in subtropical moist forest in Puerto Rico [J]. Trees， Forests and People， 2021， 5：100113.

Fried S， Novan K， Peterman WB. Climate policy transition risk and the macroeconomy [J]. European Economic Review， 2020， 147：104174.

Golub A， Lubowski R， Piris-Cabezas P. Balancing risks from climate policy uncertainties：the role of options and reduced emissions from deforestation and forest degradation [J]. Ecological Economics， 2017， 138：90-98.

Golub A， Narita D， Schmidt M G W. Uncertainty in integrated assessment models of climate change：alternative analytical approaches[J]. Environmental Modeling Assessment， 2014：19：99-109.

Gong Z， OHara K L， Li W， et al. Optimal forest rotation periods：integrating timber production and carbon sequestration benefits in Pinus tabulaeformis plantations on the Loess Plateau， PR China [J]. Journal of Sustainable Forestry， 2019， 38（06）：591-613.

Howell L D， Chaddick B. Models of political risk for foreign investment and trade：An assessment of three approaches [J]. The Columbia Journal of World Business， 1994， 29：70-91.

Hunjra A I， Azam M， Bruna M G， et al. Sustainable development：The impact of political risk， macroeconomic policy uncertainty and ethnic conflict [J]. International Review of Financial Analysis， 2022， 84：102370.

Jiang X， Wang X. Application of optimal harvesting decision model to the analysis of Chinese forestry economic policy [J]. Chinese Journal of Population， Resources and Environment， 2013， 11（04）：333-344.

Lee C C， Lee C C， Xiao S Y. Policy-related risk and corporate financing behavior：Evidence from Chinas listed companies [J]. Economic Modelling， 2021（94）：539-547.

Loisel P， Brunette M， Couture S. Insurance and forest rotation decisions under storm risk [J]. Environmental and Resource Economics， 2020， 76：347-367.

Mollmann T B， Mohring B. A practical way to integrate risk in forest management decisions [J]. Annals of Forest Science， 2017， 74（04）：75-86.

Ning Z， Sun C. Carbon sequestration and biofuel production on forestland under three stochastic prices [J]. Forest Policy and Economics， 2019， 109：102018.

Ning Z， Sun C. Forest management with wildfire risk， prescribed burning and diverse carbon policies [J]. Forest Policy and Economics， 2017， 75：95-102.

Nyakundi F， Mulwa R， Labubo-Mariara J. Determination of optimal rotation period for management of lumbering forests in Kenya[J]. Journal of Sustainable Forestry， 2018， 37（07）：645-660.

Rakotoarison H， Loisel P. The Faustmann model under storm risk and price uncertainty：A case study of European beech in Northwestern France [J]. Forest Policy and Economics， 2017， 81：30-37.

Reed W J. The effects of the risk of fire on the optimal rotation of a forest [J]. Journal of Environmental Economics and Management， 1984， 11（02）：180-190.

Shu H， Tan W Q. Does carbon control policy risk affect corporate ESG performance？ [J]. Economic Modelling， 2023， 120： 106148.

Zhang D. Faustmann in an uncertain policy environment [J]. Forest Policy and Economics， 2001， 02（02）：203-210.

（責(zé)任編輯康子昊）