EN中文

Tropical Geography >

2024 1 - 15

DOI: https://doi.org/10.13284/j.cnki.rddl.20230327

Spatial Correlation between Forest Logging Quota and Economic Forest Plantation in China

  • Ziqiang Zhang , 1, 2 ,
  • Xiaojuan Li 1 ,
  • Yao Xiao 1
Expand
  • 1. School of Economics, Guizhou University, Guiyang 550025, China
  • 2. Marxist Economics Development and Application Research Center, Guiyang 550025, China

Received date: 2023-05-09

  Revised date: 2023-07-31

  Online published: 2024-09-29

Fold

Abstract

Economic forests are crucial sources of food and nutrition. To guarantee national grain and oil security, it is extremely important to investigate the spatial association between cutting quotas and the economic forest planting. The logging quota scheme increases uncertainty about the future benefits of forestry management. This limits the scale expansion of the timber forest planting industry and dampens the societal enthusiasm for economic forest planting. The severity of logging control in the northern China has been increasing from the standpoint of spatial distribution, which has caused the economic forest planting center of gravity to shift south. Economic forests can meet citizens' needs for wholesome food and ensure the safety of the nation's food supply under a favorable food outlook. The spatial correlation between the logging quota and economic forest plantations was examined using the centroid model based on data from the fourth to ninth national forest resource inventories. A spatial Dubin model was used to test the spatial spillover effects of logging quotas on economically important forest plantations. Additionally, two tasks were completed to guarantee the reliability of the estimation results. After variable replacement and first-order difference processing, a robustness test was conducted using a spatial Durbin model. The system of the GMM estimation endogeneity test came in second place. The findings indicated that the economic forest planting center primarily moved within the Henan Province, and that its overall migration distance was 235.13 km to the southwest. The ratio of the logging quota to forest stock shifted its center of gravity from Henan to Hubei Province and moved southwest across a migration distance of 300.4 km. The spatial separation of the two barycenters' was stable, but the consistency index fluctuated in an inverted U-shape, and the spatial coupling was typically high. At the regional level, the southwestern and southern forests exhibited considerable spatial- overlap and -coupling, whereas the northern forest experienced considerable fluctuations and an improved trend. The logging quotas and commercial forest planting have a spatial relationship. The two barycenters' local spatial patterns exhibited "high-high" and "low-low" agglomeration traits. The scale of economic forest planting has benefited spatially from logging quotas. In addition to encouraging the growth of the local economic forest planting scale, increasing the relative quantity of the logging quota was helpful in the growth of the economic forest planting scale in nearby areas. At the regional level, the southern forest area had a stronger and less pronounced spatial spillover effect than the northern forest area. The spatial spillover effect of the relaxation of the tending logging quota was obviously greater than the spatial spillover effect of the relaxation of the main logging quota, as seen from the perspective of the logging quota structure. This study enhances the theoretical justification for farmers' planting structure adjustment, in addition to resolving the problem of analyzing the trend of farmers' changing planting structures from a microscopic perspective. The conclusions of this study serve as a guide for improving the spatial layout of economic forest planting and the logging quota system.

Key words： forest logging quota; economic forest; centroid model; spatial spillover effect; China

Cite this article

Ziqiang Zhang , Xiaojuan Li , Yao Xiao . Spatial Correlation between Forest Logging Quota and Economic Forest Plantation in China[J]. Tropical Geography, 2024 : 1 -15 . DOI: 10.13284/j.cnki.rddl.20230327

党的二十大报告明确了“树立大食物观”思想，指出“构建多元化食物供给体系”（习近平，2022）。森林食物是世界四大食物来源之一，经济林可满足居民品质化、营养化的食物需求，为国家粮油安全提供保障（丁声俊，2019）。然而，据历次全国森林资源清查数据（1973—2018年）显示，全国森林面积中经济林面积占比呈倒“U”型变化趋势，在第五次清查时期（1994—1998年）达到最高的12.72%后逐渐下降，到第九次清查时已下降到9.49%；分区域看，历次清查时期经济林面积前10的省份中一半以上属于西南林区或南方林区，且排名逐渐靠前；从第五次清查以来，全国森林面积中经济林面积占比在北方林区降幅最大，平均下降12.48%，而在西南林区却有小幅增长，平均增长了0.59%。已有研究也观察到经济林种植的空间变化。从历年（1991—2013年）分区域造林数据看，唯独西南地区经济林造林规模的增长趋势较明显（刘姗姗 等，2021）。基于全国9省（区）的农户固定监测数据看，南方集体林区商品林中经济林占比从2003年的约11%上涨到2013年的约19%（程钰 等，2021），经济林种植重心向南迁。采伐限额改变了森林结构，北方国有林区全面停止商业性采伐不仅限制用材林经营，也制约经济林种植（翟绪军 等，2020）。
1985年，中国建立了采伐配额管理制度，其基本原则是采伐量不能超过生长量。尽管采伐限额制度被写入《森林法》，且在2020年新修订的《森林法》中被保留下来，但其从确立以来就一直受到争议。采伐限额不仅禁止森林管理者以利润最大化的方式进行木材生产，而且还加剧了林业经营收益的不确定性（Yin et al., 2013）。显然，采伐限额对商品林中用材林种植的冲击尤为明显。即使中国木材价格处于世界最高位，林业经营者也未对木材价格做出响应，其原因是近20年来，大量商品林被划为公益林后采伐被禁止（Li et al., 2021）。在生态文明建设背景下，尽管林业经营者可将用材林转种经济林，以降低未来林木被划为公益林后的禁伐风险与损失，但实际上，经济林种植规模总体也呈萎缩趋势，这与国家林业和草原局“十四五”规划要求经济林种植规模翻倍的目标相悖。那么，以保护森林生态，促进林木永续利用为目的的采伐限额是否也制约了不以伐木为目的的经济林种植规模扩大？采伐限额制度已实施了约35年，预计还将继续实施，其影响值得关注和重视（Liu and Xia, 2021）。
现有研究广泛讨论了采伐限额制度对用材林种植的不利影响，忽视了其也会对经济林种植造成冲击。采伐限额对经济林种植空间布局的影响主要有：1）对区域间空间分布的影响。天然林主要集中在东北林区和北方林区，全面停止天然林商业性采伐也就限制了经济林规模扩大。从空间相关性看，经济林产业在南方林区处于中高聚集，而在北方林区或东北林区处于中度或中低度聚集（陈菁菁 等，2023）。要动态地统筹处理好天然林资源保护与利用的关系，而不能一停到底，一停了之（柯水发 等，2018）。采伐管制在北方地区被强化的程度更大，驱使经济林种植向南迁移。2）对区域内空间分布的影响。南方地区福建、贵州已实施了重点生态区位商品林赎买政策，商品林一旦被划为公益林，林木采伐几乎完全被禁止，这些地区的经济林种植可扩展的空间将被压缩。为确保国家木材安全，2012年，国家林业局在南方地区实施了国家储备林建设试点，进一步制约试点地区的经济林种植规模扩大。而且，农户之间的种植结构相互关联，采伐限额诱使林种调整需要整片推进，由于南方地区的林地细碎化程度较高，“插花式”调整会产生林权纠纷，因交易成本极高而难以实施。
综上，采伐限额不仅制约了商品林种植规模扩大，也改变了经济林种植的空间布局。而重心可反映地理要素的时空分布，借助重心点移动可刻画区域地理现象的空间差异（高军波 等，2018）。重心模型已被广泛运用于分析空间布局，如粮食生产（刘楚杰 等，2021）、森林生态安全（汤旭 等，2018）、林业产业结构（宋维明 等，2020）等。从地理重心看，采伐限额与经济林种植表现出怎样的空间耦合关系？这在不同林区是否存在差异？回答以上问题可为在生态保护常态化背景下优化采伐限额管制与不同林种功能分区提供经验证据，对保障国家粮油安全具有重要意义。基于此，本文利用历次全国森林资源清查数据，运用重心模型分析两者之间的时空关联性，再通过空间计量模型分析采伐限额对经济林种植的空间溢出效应。

1 材料与方法

1.1　数据来源

全国第四次至第九次森林资源清查数据源于国家林业科学数据共享服务平台 1，采伐限额的数据来源于国务院官网 2；年末城镇人口比重的数据2005年前的来源《新中国六十年统计资料汇编》（国家统计局国民经济综合统计司，2010），2005年后的数据来源于《中国统计年鉴（2006—2019）》（国家统计局，1990―2019）；人均GDP的数据和农村居民家庭平均每人纯收入数据来源于《中国统计年鉴》；粮食作物播种面积和农业机械总动力来源于《中国农业统计资料（1990—2019）》（中华人民共和国农业农村部，1990—2019）；年乡村从业人员和农林牧渔业从业人员数在2004年前的数据来源于《中国农业统计资料汇编（1949—2004）》（国家统计局农村社会经济调查司，2006），2004—2010年的数据来源于《中国农村统计年鉴》（国家统计局农村社会经济调查司，2005―2011），2010年后的数据来源于各地方统计年鉴。以1988年为基期，GDP通过全国GDP平减系数进行平减，农民收入通过居民消费价格指数进行平减。价格指数来源于《中国统计年鉴（1990—2019）》，GDP平减系数来源于世界银行 3。
重庆市于1997年成立，将重庆市与四川省的数据进行合并，而森林采伐限额的统计表中缺少上海的数据，由此，选取除港澳台、重庆和上海外的29个省（市）的数据。具体到区域层面，分为四大林区（薛龙飞 等，2016）：东北林区，包括内蒙古、辽宁、吉林和黑龙江；西南林区，包括四川、云南、西藏；南方林区，包括上海、江苏、浙江、安徽、福建、江西、湖北、湖南、广东、广西、海南和贵州；北方林区，包括北京、天津、河北、山西、山东、河南、陕西、甘肃、青海、宁夏和新疆。

1.2　重心分析

刻画重心轨迹涉及到重心模型、重心迁移距离模型和重心迁移方向模型（高军波 等，2018）。观察对象包括森林采伐限额与经济林种植规模。

1.2.1　重心模型

假设一个研究区域是n个小区域单元的组合，其中，第i个小区域单元的重心坐标为（Xi，Yi ），即经度与纬度，m为观察对象，则m的重心坐标可表示为：
X ¯ = ∑ i n X i × m i ∑ i n m i
Y ¯ = ∑ i n Y i × m i ∑ i n m i
式中： X ¯和 Y ¯为研究区域内观察对象的重心经度与纬度；mi 为观察对象i的数量值。根据区域重心坐标（ X ¯，   Y ¯）的变动轨迹，可反映观察对象的空间演变趋势。

1.2.2　重心迁移距离与方向

通过重心模型确定观察对象的重心坐标，还可通过重心迁移距离测算重心点之间的变化，重心迁移距离公式为：
D = R × X ¯ t + 1 - X ¯ t 2 + Y ¯ t + 1 - Y ¯ t 2
式中：观察对象在t期和t+1期的重心坐标分别为（ X ¯ t，   Y ¯ t）和（ X ¯ t + 1，   Y ¯ t + 1）；D为2个时期重心坐标迁移的平面距离；R为常数，取值为111.111 km/（°）。在t期和t+1期的重心坐标的移动夹角反映重心迁移方向。

1.3　重心耦合分析

观察对象的重心耦合分析包括空间重叠性分析和变动一致性分析。其中，空间重叠性通过测算不同观察对象的重心点距离反映，距离越短，表明重心的空间重叠性越强，耦合性越高，反之则越低。变动一致性反映不同观察对象重心迁移方向的一致性，通过测算两重心在两个相邻时期迁移的矢量夹角θ表示，其测算公式为：
U = c o s θ = ∆ X ¯ p ∆ Y ¯ p + ∆ X ¯ q ∆ Y ¯ q ∆ X ¯ p + ∆ Y ¯ p 2 + ∆ X ¯ q + ∆ Y ¯ q 2
式中： ∆ X ¯ p与 ∆ Y ¯ p为观察对象p重心点不同时期经度与纬度的变化，当U>0时，观察对象p与q的耦合性较高，反之则耦合性较低；当U=1时，两者变动方向完全耦合，当U=-1时，两者变动方向完全相反。

1.4　空间计量模型

1.4.1　空间自相关检验

采用全局Moran's I指数进行分析，其计算公式为：
M o r a n ' s   I = ∑ i = 1 n ∑ j = 1 n W i j y i - y ¯ y j - y ¯ S 2 ∑ i = 1 n ∑ j = 1 n W i j
式中： S 2 = ∑ i = 1 n y i - y ¯ 2 n是样本方差；yi 表示i地区的经济林规模；n为地区总数； y ¯为其均值；Wij 为空间权重值。Moran's I指数的取值范围为[-1, 1]，当其＞0时，采伐限额或经济林种植规模具有空间正相关性，当其＜0时，具有空间负相关性，其值越大，空间相关性越强，当其为0时，不具有空间相关性，不宜选择空间计量模型。
1.4.2　空间计量模型　1）模型设定。面板数据的空间计量模型主要有空间自回归模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM），其中，SDM考虑了变量的空间滞后项，基本空间计量模型形式为：
y i t = ρ W y i t + β x i t + λ W x i t + μ i + δ i + ε i t
ε i t = θ W ε i t + ν i t
式中：i表示地区；t表示年份；y it为因变量；Wyit则为因变量的空间滞后项；xit 为自变量；β为自变量的回归系数；Wxit 为自变量的空间滞后项；Wεt 为随机误差项εt 的空间滞后项；θ、ρ和λ为对应空间滞后项的系数；W为空间权重矩阵；μi 和δi 分别表示空间效应与时间效应；εit 与νit 为随机误差项。
在空间计量模型的选取上，当θ和λ的值均为0时，该模型为空间自回归模型（SAR），当ρ和λ的值均为0时，该模型为空间误差模型（SEM），当仅当θ的值为0时，该模型为空间杜宾模型（SDM），当统计检验均不显著时，则无需采用空间计量模型。
2）空间权重矩阵。空间计量模估型计关键在于引入空间权重矩阵，包括：1）空间邻接矩阵W1，若2个地区相邻，赋值为1，反之赋值为0，衡量邻接地区森林碳汇的空间关联；2）空间距离矩阵W2，根据2个地区之间的地理距离构建空间权重矩阵。

1.5　变量选取

1）被解释变量。选取经济林种植规模作为被解释变量，通过经济林种植面积占森林面积的比重反映经济林种植规模。
2）解释变量。选取森林采伐限额作为解释变量，采伐限额制度于1985年建立，直至1991年才落实，能获取最早的森林采伐限额数据为“八五”时期，即1991—1995年，为5年内森林采伐限额总量，这正与每5年1次的全国森林资源清查数据相对应，不同的是起止年份，如第四次清查的时间跨度为1989—1993年，“八五”时期相近但有差异，对此，以相近两次国家“五年规划”的采伐限额均值反映。
3）控制变量。参考已有研究，引入以下控制变量：农民收入。林农收入越高，山林依赖度相对越低，林业种植意愿可能越小。以农村居民家庭平均每人纯收入或可支配收入衡量农民收入水平。城镇化。城镇化水平越高，农地边际化的可能性越大，越可能认同森林恢复与生态保护，影响林业经营积极性。以年末城镇人口比例衡量城镇化水平。种粮规模。农业生产是森林资源减少重要原因，与林业生产在土地利用上存在竞争关系，粮食种植规模直接影响到林业种植。以粮食播种面积衡量种粮规模。集体林权制度改革（简称“林改”）。从2003年开始实施的新一轮集体林权制度改革通过明晰和稳定产权，提高了林业经营者的收益预期，有利于激发造林积极性。将林改当年及以后年份赋值为1，否则为0，以衡量林改制度因素。农机水平。种植机械化可缓解劳动力的不足约束，提高种植意愿，以农业机械总动力来衡量农机水平。造林规模。随着宜林地减少，不同林种造林竞争加剧，加大经济林造林难度，以人工造林面积来衡量造林规模。劳动力转移。农村劳动力向城镇转移加剧农村劳动力短缺，这可能不利于经济林种植。借鉴伍山林（2016）的做法，以乡村从业人员中去除农林牧副渔人员后的人员比例衡量农村劳动力转移率。
由于经济林种植规模和采伐限额为5年期数据，参考严如贺等（2019）的做法，选取控制变量在对应5年期内的均值作为各自的代理变量。变量的说明与描述性统计如表1所示。
表1 空间计量模型的变量说明与描述性统计

Table 1 Variable description and descriptive statistics of spatial econometric model

变量名 简称 变量说明 均值 标准误 最小值 最大值
经济林占比 fore 经济林面积占森林面积的比重 0.172 0.144 0.000 0.674
采伐限额占比 quo 采伐限额占森林蓄积量的比重 0.035 0.036 0.001 0.272
经济发展 lngdp 人均GDP取对数/（元·人-1） 8.377 0.870 6.522 10.260
农民纯收入 lnincome 农村居民家庭平均每人纯收入取对数/元 7.266 0.902 5.842 9.348
城镇化 urban 年末城镇人口比例/% 39.956 17.093 12.325 86.400
林权改革 reform 新一轮林权改革当年及以后年份赋值为1，否则为0 0.454 0.499 0.000 1.000
劳动力转移 labor 农村劳动力转移率 0.365 0.178 0.025 0.894
种粮规模 lngrain 粮食播种面积取对数/千hm2 5.497 1.134 2.375 7.237
农机水平 lnmach 农业机械总动力取对数/万kW 7.220 1.053 3.871 9.357
造林规模 lnaffor 人工造林面积取对数/千hm2 2.353 1.154 -1.386 4.244

2 结果与分析

2.1　森林采伐限额与经济林种植的重心迁移

2.1.1　森林采伐限额与经济林种植的区域变化

观察四大林区经济林种植与采伐限额的具体情况（表2）。在采伐限额占比较低的区域，经济林种植规模也较小，两者呈现一定相关性。1）从经济林种植规模的变化趋势看，东北林区与西南林区的经济林占比一直较低，不同的是，前者下降了3%，而后者上升了0.78%，两区域变化趋势相反。北方林区与南方林区的经济林占比在第六次清查后有较大幅度下降，而后趋于稳定，总体上，经济林占比在北方林区下降了8.04%，在南方林区下降了6.85%。2）从采伐限额的变化趋势看，东北林区与西南林区的采伐限额占比一直较低，其下降幅度也较低，两区域分别下降了1.42%和0.9%。尽管南方林区采伐限额占比最大，但下降幅度也最大，为4.11%，表明南方林区采伐管制被强化的程度最高。3）从经济林种植规模与采伐限额变化趋势的相关性看，随着采伐限额占比下降，即采伐管制增强，经济林占比也呈下降趋势，且两者下降幅度具有一定相关性。
表2 区域采伐限额与经济林规模变化 (%)

Table 2 Regional logging quota and economic forest scale change

林区 第四次清查 第五次清查 第六次清查 第七次清查 第八次清查 第九次清查
fore quo fore quo fore quo fore quo fore quo fore quo
东北林区 5.31 1.93 5.27 1.77 3.19 1.20 2.98 0.62 2.94 0.58 2.31 0.51
北方林区 22.32 3.45 25.54 3.01 19.04 2.27 13.64 1.57 13.10 1.66 14.28 1.60
西南林区 5.74 1.69 6.09 1.62 5.40 0.98 5.47 0.77 6.23 0.85 6.52 0.79
南方林区 18.77 7.68 18.29 5.77 18.44 4.72 15.33 4.34 13.31 4.48 11.92 3.57
2.1.2 森林采伐限额与经济林种植的重心演变 基于重心模型，分别以采伐限额占比和经济林占比为观察对象，绘制从全国第四次至第九次森林资源清查时期两者重心的迁移轨迹（图1），一方面，经济林种植重心的迁移轨迹。从不同清查时期经济林种植重心所在的地理位置看，重心坐标点均在河南省境内移动，重心主要围绕驻马店市移动，移动范围较小，从河南的东北地区向西南地区迁移。总体上，经济林种植重心集中在北方林区内，呈现由北向南的迁移趋势，第四次清查与第九次清查时期的经济林占比，在北方林区分别为22.32%与14.28%，明显高于全国的12.05%与9.49%，也高于其他林区。另一方面，采伐限额占比重心的迁移轨迹。从不同清查时期采伐限额占比重心所在的地理位置看，重心坐标点跨越河南省和湖北省，重心移动范围较大，从河南省信阳市迁移到湖北省孝感市。总体上，采伐限额占比重心集中在南方林区和北方林区的南部，呈现由北向南的迁移趋势，不同清查时期的采伐限额占比，在全国最高为2.4%，在南方林区最低为3.57%，均明显高于其他林区。
图1 全国第四次至第九次森林资源清查时期双重心的迁移轨迹

Fig.1 Migration trajectory of the two barycenters during the fourth to ninth national forest resources inventory

从经济林种植重心与采伐限额重心的迁移轨迹看，两者呈现较高的耦合性，总体上都往南迁移，进一步反映两者的空间相关性。不同清查时期重心点之间的迁移距离、速度和方向如表3所示，重心迁移轨迹可分为2个阶段：
表3 双重心迁移的距离、速度与方向

Table 3 Distance, speed and direction of the two barycenters migration

全国森林

资源清查

 经济林种植重心 采伐限额重心
距离/km 速度/（km·a-1） 方向 城市 距离/km 速度/（km·a-1） 方向 城市
第五次清查 30.72 6.14 西北 周口 41.22 8.24 东北 驻马店
第六次清查 60.76 12.15 西南 驻马店 65.88 13.18 西南 信阳
第七次清查 67.00 13.40 西南 驻马店 86.10 17.22 西南 孝感
第八次清查 39.95 7.99 西南 信阳 49.34 9.87 西南 荆门
第九次清查 36.71 7.34 西北 南阳 57.86 11.57 东北 孝感
第一阶段：全国第四次与第五次森林资源清查时期（1989—1998年），经济林种植重心与采伐限额占比重心总体向北移动。其中，经济林种植重心向河南省周口市西北方向移动，迁移距离为30.72 km，年均迁移速度为6.14 km/a，移动向北偏西的角度较小；而采伐限额重心由河南省信阳市移动到驻马店市，迁移距离为41.22 km，年均迁移速度为8.24 km/a，北偏东的角度较小。该阶段经济林种植重心呈向北迁移的趋势，可能在于：1）需求拉动。90年代北方地区的经济发展程度较高，居民消费能力较强，对经济林产品的需求量较大，从而产生较大的市场容量，种植经济林的比较收益高，激发了农民的种植积极性。2）成本推动。经济林属于劳动密集型林种，中部和北方地区的地势较平坦，为机械化作业提供便利，从而降低种植成本，提高竞争优势，扩大种植规模。另外，该时期采伐限额占比重心也呈北迁移的趋势，可能在于：改革开放以来国有林一直是木材供给的重要基地，国有林区保持相对宽松的采伐限额。90年代国有林区实行林木生产商品化，以原木生产为中心的基础上加强营林造林（刘向越 等，2021）。而南方集体林区在林业“三定”后出现滥砍滥伐现象，随后国家出台了《关于加强南方集体林区森林资源管理，坚决制止乱砍滥伐的指示》（国务院，1987），强化了采伐限额管制。
第二阶段：全国第六次至第九次森林资源清查时间（1999—2018年），经济林种植重心与采伐限额占比重心总体向南移动。其中，经济林种植重心向河南省驻马店市东南方向移动，而后西移至南阳市，迁移距离为204.42 km，年均移动速度为10.22 km/a，移动向南偏西的角度较大；而采伐限额占比重心由河南省驻马店市向南移动至湖北省荆门市，而后又向东北方向折回至湖北省孝感市，迁移距离为259.18 km，年均移动速度为12.96 km/a，移动向南偏西的角度不大。该阶段经济林种植重心和采伐限额占比重心均呈向南迁移的趋势，可能在于：1）林业发展战略转变。林业发展逐渐转向重视或突出生态保护，新世纪伊始国家实施了六大林业重点工程，加大了对北方林区尤其是东北林区的生态保护与采伐管制。2009年中央林业工作会议提出，在生态文明建设中林业具有首要地位，北方国有林区的生态保障功能不断被强化，从而诱导商品林种植向南方集体林区迁移。另外，党的十八大以来，为推进生态文明建设，2017年全面停止全国天然林商业性采伐，天然林主要分布在东北林区和北方林区，林木采伐管制明显增强，从而采伐限额占比重心逐渐南移。2）林权制度改革。2008年，以明晰产权、放活经营权、保障收益权、落实处置权为主要内容的新一轮集体林权制度改革在全国范围开展，激发了农民造林积极性。2014年，国家林业局印发了《关于加快特色经济林产业发展的意见》（国家林业局，2014），指出经济林在集体林中的比重较大，发展特色经济林的重点在集体林。

2.1.3　采伐限额重心与经济林种植重心的时空耦合性

1）全国层面时空耦合分析。一是两重心的空间重叠性。从空间重叠性的变化看（图2），两重心的空间距离有一定增长，空间重叠性变化不大，表明提高采伐限额与经济林种植规模扩大呈现相关性，总体上与两重心迁移趋势表现出的相关性切合。以第七次清查阶段为节点，两重心的空间耦合性呈现明显不同的变化趋势，在节点前相对平稳，在节点后激增。二是两重心的空间耦合性。从空间耦合性的变化看，两重心的空间一致性指数由正转负，表明两重心的空间耦合性呈下降趋势，这与不同重心点变动方向（表3）相符。以上变化可能因为，东北林区与北方林区加强了公益林建设，采伐管制逐渐强化，采伐限额占比重心南移。同时，林改放活经营权，激发了农民营林积极性，推动了经济林种植规模扩大，其重心也南移，由于林业生产周期长，经济林种植重心迁移较慢，从而暂时拉大两重心的空间距离，从长期看，两重心的空间距离会趋于缩小，第九次清查阶段有所下降。
图2 双重心的空间重叠性与空间耦合性

Fig.2 Spatial overlap and spatial coupling of the two barycenters

2）区域层面时空耦合分析。分区域刻画了全国第四次至第九次森林资源清查期间，两重心的空间重叠性和空间耦合性（图3）。一方面，从两重心空间重叠性的区域分布看，两重心的空间距离在东北林区与北方林区较大。双重心的空间距离在西南林区和南方林区较小。根据两重心空间重叠性的横向特征，总体上，两重心在南方林区的空间距离明显小于北方林区，表明北方林区采伐限额管制较强，影响地区经济林种植积极性。另外，两重心的空间距离在北方林区内不稳定，这可能与北方林区不断更新的林业发展政策有关，政策交错影响两重心空间距离的稳定性。两重心的空间距离在其他林区均呈下降趋势，总体上空间重叠性增强，由于东北林区加强了森林生态保护，采伐限额占比南移，随着西南林区和南方林区经济发展程度提升，消费水平诱导经济林种植规模扩大，促进两重心的重叠性提高。
图3 四大林区双重心的空间重叠性与空间耦合性

Fig.3 Spatial overlap and spatial coupling of the two barycenters in four forest regions

另一方面，从两重心空间耦合性的区域分布看，两重心的变动一致性指数的波动明显，其中，在东北林区呈先下降后上升的变动趋势，在西南林区和南方林区则相反，两重心的空间耦合性下降可能与全国范围内森林生态保护不断被强化有关，南方林区的采伐限额管制也呈强化趋势，与经济林种植规模扩大的趋势有背离，两重心的耦合性减弱。相比于其他林区，两重心的变动一致性指数在南方林区多为正，即空间耦合性更高，与总体变动趋势相符。

2.2　采伐限额对经济林种植规模的空间溢出效应

2.2.1　空间相关性检验

从空间相关性检验结果（表4）看，两者的全局Moran's I指数值均在[0, 1]，且均在1%的水平上显著，其中，从全国第四次至第九次森林资源清查时期，经济林种植规模的全局Moran's I指数呈下降趋势，采伐限额占比的全局Moran's I指数呈先上升后下降的倒“U”型趋势，表明两者均存在较为明显的空间正相关性。
表4 全局Moran's I指数的空间自相关检验

Tab.4 Spatial autocorrelation test of global Moran's I index

全国森林资源清查 经济林种植规模 采伐限额占比
Moran’s I Z统计量 P值 Moran’s I Z统计量 P值
第四次清查 0.499 4.329 0.000 0.403 4.241 0.000
第五次清查 0.477 4.174 0.000 0.378 4.313 0.000
第六次清查 0.489 4.273 0.000 0.619 5.359 0.000
第七次清查 0.405 3.636 0.000 0.544 4.583 0.000
第八次清查 0.343 3.163 0.002 0.539 4.583 0.000
第九次清查 0.303 2.884 0.004 0.372 3.739 0.000
进一步通过局域Moran's I指数的散点分布直观
反映经济林种植规模的局部空间相关性特征，由表5可看出，东北林区和西南林区的省份多集聚在第三象限，北方林区与南方林区的省份多集聚在第一象限，整体呈现“高-高”与“低-低”集聚的态势，表明经济林种植规模存在空间自相关性，与全局空间相关性检验一致。
表5 经济林种植集聚的局域空间自相关分布

Table 5 Local Moran's I index scatter plot of planting scale of economic forest

全国森林资源清查 林区 高高集聚 低高集聚 低低集聚 高低集聚
第四次 东北 辽宁 黑龙江、吉林、内蒙古
北方 北京、天津、河北、山东、河南 宁夏 新疆、青海、甘肃、陕西 山西
南方 江苏、安徽、浙江 湖南、海南 福建、江西、贵州、广西 湖北、广东
西南 四川、云南、西藏
第九次 东北 辽宁 黑龙江、吉林、内蒙古
北方 北京、天津、河北、山东、河南 山西、陕西 新疆、青海、甘肃、宁夏
南方 江苏、安徽、浙江 海南、湖南 贵州、广西、江西、福建 湖北、广东
西南 四川、云南、西藏

2.2.2　空间计量模型检验

空间计量模型检验结果如表6所示。从LM检验看，空间距离矩阵W 1下Robust-LM-error的统计结果显著，即拒绝模型的误差项不存在空间相关性的原假设，在空间邻接矩阵W 2下Robust-LM-lag的统计结果显著，即拒绝模型不存在空间滞后性的原假设，表明模型存在空间效应。从Wald检验与LR检验看，在W 1与W 2下的统计结果均显著，即空间杜宾模型（SDM）优于空间自回归模型（SAR）与空间误差模型（SEM），表明SDM不会退化为SAR或SEM。从Hausman检验看，在W 1与W 2下的统计结果均不显著，表明选择SDM的随机效应模型更合适。
表6 空间计量模型检验

Table 6 Testing of spatial econometric models

检验 邻接矩阵（W 1） 距离矩阵（W 2）
统计量 P值 统计量 P值
LM检验 LM-error 5.029 0.025 2.446 0.118
Robust- LM-error 3.714 0.054 1.422 0.233
LM-lag 1.541 0.214 19.735 0.000
Robust- LM-lag 0.226 0.634 18.711 0.000
Wald检验 SDM对SAR 24.62 0.003 20.68 0.014
SDM对SEM 31.96 0.000 21.59 0.010
LR检验 SDM对SAR 23.81 0.005 19.85 0.019
SDM对SEM 41.40 0.000 24.95 0.003
Hausman检验 SDM 8.37 0.498 10.7 0.297

2.2.3　空间效应分析

1）空间溢出效应。考虑到在LM检验中W 1下SEM和W 2下SAR均通过检验，也分别呈现其估计结果（表7）。在W 1下SEM估计结果中，空间误差项系数ρ的估计值为0.426且显著，表明经济林种植规模fore存在正向的空间溢出性。在W 2下SAR估计结果中，空间自相关系数ρ的估计值为0.27且显著，表明在采伐管制视角下经济林种植规模存在空间依赖性，采伐限额占比quo的影响系数显著为正，即表现为正向的空间依赖性，这与全局Moran's I指数的空间相关性检验相符。在SDM估计结果中，W 1对应的空间滞后系数为0.391，明显高于W 2对应的空间滞后系数0.083，表明经济林种植规模存在空间互补效应。通过对比3个模型估计结果中拟合优度R 2可知，SDM更优，进一步验证了空间计量模型的检验结果。
表7 采伐限额对经济林种植规模影响的空间效应

Table 7 Spatial effect of logging quota on planting scale of economic forest

变量 SEM（W 1） SDM（W 1） SAR（W 2） SDM（W 2）
系数 标准误 系数 标准误 系数 标准误 系数 标准误
R 2 0.475 0.577 0.504 0.555
quo 0.756*** 0.178 0.613*** 0.174 0.787*** 0.165 0.726*** 0.161
lngdp -0.020 0.029 -0.032 0.031 -0.036 0.025 -0.019 0.033
lnincome -0.028 0.019 0.021 0.040 -0.013 0.015 0.029 0.048
urban 0.000 0.001 -0.001 0.001 0.000 0.001 -0.002* 0.001
reform -0.010 0.018 0.014* 0.020 -0.015 0.016 0.015* 0.021
labor -0.042 0.060 -0.076 0.064 -0.040 0.057 0.009 0.069
lngrain -0.024 0.023 -0.009** 0.022 -0.045** 0.020 -0.008 0.024
lnmach 0.054** 0.023 0.023 0.020 0.080*** 0.019 0.035 0.023
lnaffor -0.028*** 0.007 -0.028*** 0.007 -0.028*** 0.007 -0.026*** 0.008
W×quo — — 0.251* 0.361 — — 0.360 0.710
W×lngdp — — -0.086** 0.043 — — -0.087 0.060
W×lnincome — — -0.010 0.042 — — -0.043 0.051
W×urban — — 0.002 0.001 — — 0.005** 0.002
W×reform — — -0.062** 0.027 — — -0.077** 0.038
W×labor — — 0.127 0.098 — — -0.086 0.132
W×lngrain — — -0.068* 0.035 — — -0.086 0.054
W×lnmach — — 0.135*** 0.034 — — 0.123*** 0.046
W×lnaffor — — -0.003 0.011 — — -0.029 0.021
ρ 0.426*** 0.126 0.391*** 0.098 0.270*** 0.115 0.083 0.139

注： * P ＜0.1；** P ＜0.05；*** P＜0.01。下表同标注。

从W 1下SDM估计结果可看出，quo与W×quo的估计系数均显著为正，表明采伐限额相对越宽松，越有利于扩大经济林种植规模，而且，邻近地区放松采伐管制有利于促进本地经济林种植规模扩大，采伐限额通过空间溢出效应影响经济林种植。森林采伐管制强化限制了日常造林行为，增加了营林成本与交易费用，不仅无法起生态保护的作用，相反还可能造成森林资源的破坏，意味着采伐限额制度失灵了（何文剑 等，2016）。另外，从控制变量的估计结果看，林权改革reform的估计系数显著为正，而W×reform的显著为负，表明本地林权改革吸引社会投资，促进经济林种植规模扩大，由于社会资本在地区间自由流动，林权改革引资效应存在地区竞争。种粮规模lngrain与W×lngrain的估计系数显著为负，表明粮食种植与经济林种植存在土地竞争关系，为保障国家粮食安全，无论是本地还是邻近地区粮食播种面积扩大均会影响经济林种植。
2）空间异质性分析。由于东北林区和西南林区涉及地区较少，对此，主要观察北方林区与南方林区的空间异质性。空间效应的异质性从两方面看（表8）：一是采伐限额对经济林种植规模的结构异质性。空间滞后系数ρ在W2 下的估计结果中均不显著而在W1 下均显著，即采伐限额结构具有空间依赖性。具体地，主伐限额（quo）及其空间滞后项（W×quo）的估计系数均显著为正，抚育采伐限额及其空间滞后项的估计系数在W 1下显著为正，在W 2下不全显著，表明总体上无论是放松主伐限额或抚育采伐限额，均有利于扩大经济林种植规模，且邻近地区放松主伐限额也能提升本地经济林种植规模。不同的是，放松抚育采伐限额的促进作用更大，这可能与林业发展面临的“重造林、轻抚育”问题有关，放松抚育采伐有利于改善林木生长质量，提高抚育积极性，强化森林抚育。从空间效应的分解看，抚育采伐限额的总效应、直接效应与间接效应均明显高于主伐限额，而且间接效应明显高于直接效应，表明放松抚育采伐限额对扩大经济林种植规模有更大的空间溢出效应。二是采伐限额对经济林种植规模影响的区域异质性。空间滞后系数ρ在W 1下北方林区和在W 2下南方林区的估计结果中显著为正，其他均不显著。具体地，在北方林区和南方林区，采伐限额的估计系数均显著为正，但采伐限额的空间滞后项的估计系数仅在南方林区显著为正，表明放松采伐限额均有利于扩大经济林种植规模。不同的是，北方林区放松采伐限额则不具有空间溢出效应，这可能与北方林区整体森林生态保护被强化有关，即使本地放松采伐限额，其对邻近地区经济林种植的影响甚微。从空间效应的分解看，南方林区的总效应、直接效应与间接效应均明显高于北方林区，进一步反映空间效应的区域异质性。
表8 采伐限额对经济林种植规模影响的空间异质性

Table 8 Spatial heterogeneity of effects of logging quota on planting scale of economic forest

变量 W 1 W 2
主伐 抚育 北方林区 南方林区 主伐 抚育 北方林区 南方林区
quo 0.926***（0.283） 2.236*（1.297） 0.831***（0.259） 0.654*（0.364） 0.993***（0.309） 4.750***（1.352） 0.589***（0.195） 0.873**（0.368）
W×quo 1.294**（0.616） 6.536**（2.597） -0.332（0.700） 1.845**（0.822） 2.137*（1.296） -0.204（3.694） -0.144（1.041） 3.197***（1.027）
控制变量 是 是 是 是 是 是 是 是
ρ 0.410***（0.094） 0.385***（0.100） 0.281*（0.144） -0.254（0.195） 0.107（0.137） 0.127（0.139） 0.084（0.176） -0.405**（0.198）
R 2 0.554 0.568 0.696 0.748 0.528 0.540 0.752 0.768
直接效应 1.136***（0.305） 3.084**（1.357） 0.821***（0.247） 0.553（0.386） 1.045***（0.331） 4.804***（1.402） 0.547***（0.247） 0.651*（0.378）
间接效应 2.663***（1.015） 11.244***（3.861） -0.198（0.853） 1.433**（0.718） 2.471*（1.526） 0.243（4.149） -1.635（1.226） 2.290***（0.799）
总效应 3.799***（1.151） 14.328***（4.324） 0.622（0.838） 1.986***（0.715） 3.516**（1.662） 5.047（4.519） -1.088（1.336） 2.941***（0.861）
3）空间效应的稳健性检验与内生性分析。包括两方面：一是替换被解释变量和解释变量。以经济林种植面积替换经济林面积占森林面积比重，以采伐限额总量替换采伐限额占森林蓄积量的比重。二是对变量进行差分处理。考虑到全国森林资源清查以5 a为周期，相邻两次清查结果的差值可反映森林资源的变化，由此，对变量均进行一阶差分处理。基于以上处理后再估计发现（表9），在W 1下采伐限额及其空间滞后项的估计系数仍显著为正，而在W2 下仅采伐限额的估计系数显著为正，这与基准回归结果保持一致，具有稳健性。另外，考虑到可能存在的内生性问题，利用GMM广义矩估计，以经济林种植规模的滞后一期作为自变量代入估计，fore滞后一期与采伐限额quo均对经济林种植规模具有显著正向影响，且扰动项的差分不存在一阶自相关和二阶自相关，表明选择GMM估计较为合适。
表9 采伐限额对经济林种植规模影响的稳健性检验

Table 9 Robustness test of the influence of logging quota on planting scale of economic forest

变量 替换变量 一阶差分 系统GMM
W 1 W 2 W 1 W 2
quo 0.381***（0.089） 0.284***（0.092） 0.437**（0.193） 0.608***（0.177） 0.831***（0.268）
W×quo 0.353**（0.158） -0.275（0.199） 0.652*（0.431） 0.485（0.722） —
fore滞后一期 — — — — 0.671***（0.116）
控制变量 是 是 是 是 是
ρ 0.314***（0.091） 0.160（0.138） 0.348***（0.110） 0.112（0.152） —
R 2/Wald检验 0.362 0.324 0.321 0.304 210.21***

3 讨论

3.1　采伐限额驱动经济林种植重心迁移的宏观表征

综上，经济林种植重心呈向南迁移趋势，这与程钰等（2021）程钰等（2021）研究发现南方商品林种植结构呈“趋经济林化”的观点一致。不同的是，从新世纪以来，森林面积中经济林面积占比总体呈下降趋势，且在东北林区与北方林区尤为明显，从而凸显经济林种植重心向南迁移，而非由于南方林区经济林种植规模自身扩大所致，这与严如贺等（2019）观察到南方12省份的经济林覆盖率在第六次森林资源清查后呈下降趋势一致。程钰等（2021）以商品林面积中经济林面积占比反映林种结构，可能高估了南方林区的经济林种植规模。从林业分类经营看，包括防护林与特种用途林在内的公益林面积呈扩大态势，挤压了商品林种植空间。森林资源清查从第一次到第八次（1973—2013年），40年间森林面积中公益林面积占比从7.4%增长到56%，商品林中用材林面积占森林面积比下降幅度最大，从79.9%下降到33%（许传德，2014），且有进一步下降的趋势。当商品林面积下降或下降幅度大于经济林面积下降幅度时，即使经济林面积不变或下降，商品林面积中经济林面积占比仍会增长，即“趋经济林化”，但实际情况却是经济林规模在缩小。
在采伐限额占森林蓄积比重较小的地区，经济林种植规模也相对较小。全面停止天然林商业性采伐直接限制了商品林中经济林或用材林种植规模的扩大，尤其是在东北林区或北方林区，正如杨超等（2020）杨超等（2020）所见，采伐限额与木材生产具有耦合关系，中国木材生产重心由北向南迁移，南方林区已逐渐替代东北林区成为中国主要木材生产基地。反观北方林区或东北林区承载了国家生态安全保障重任，成为森林生态安全重心，如吕洁华等（2019）研究发现，东北林区森林生态安全与林业产业结构的协同耦合度不高。在东北林区或北方林区采伐管制急剧强化背景下，森林面积中商品林面积占比下降明显，从而凸显南方商品林的重要性，依托于商品林种植或经营的林业产业发展也呈向南迁移趋势，两者呈耦合态势，如宋维明等（2020）发现，林业的三次产业整体上都呈现由东北向西南迁移的轨迹。

3.2　采伐限额影响商品林种植结构调整的微观机理

提高采伐限额对经济林种植规模扩大具有显著正向影响。农户对采伐限额政策评价的满意度越高，越倾向于选择种植经济林（丁秀玲 等，2020）。一般而言，相比用材林，经济林的种植收益较高，理性小农更愿意种植经济林，正如程钰等（2021）程钰等（2021）研究发现，南方林区商品林种植结构呈“趋经济林化”的根本原因在于，经济林的相对收益更高。而且，经济林受采伐限额的影响较小，随着林业生态保护逐渐被加强，用材林被划为公益林的风险较大。在公益林不断扩大背景下农户倾向于将用材林转种经济林，以规避未来被划为公益林后的禁伐损失（张自强 等，2022）。采伐管制降低甚至抵消了集体林权制度改革对社会投资造林的促进作用。经济林种植的市场化管理政策对提升农户经济林种植意愿的正向影响，几乎等同于补贴或贴息贷款等金融服务政策的影响（向平安 等，2022）。诚然，随着农村劳动力持续转移，劳动力短缺可能会降低农户种植经济林的积极性，而且非农收入的提高降低了农户的林地依赖，也会减弱农户继续种植经济林的意愿。然而，程秋旺等（2021）研究发现，相比以林为生的农户，兼业农户并未因非农收入提高而降低经济林种植意愿或规模。农村劳动力短缺对经济林种植规模的影响并不是简单线性的，当劳动资本相对价格跨过一定门限后，才会抑制经济林种植规模扩大（张自强 等，2023）。对于扩大经济林种植规模而言，提高采伐限额的促进作用并未表现出因农户生计变化而减弱的迹象。进一步，本研究还发现提高采伐限额对扩大经济林种植规模具有正向空间溢出效应，且在南方较明显。中国经济林产业在南方地区、东北地区与西北地区分别呈高度聚集、中低度聚集与低度聚集的态势（陈菁菁 等，2023）。南方林区的经济林种植规模较大且集中，容易促成产业聚集，聚集效应又会带动邻近周边地区经济林种植规模扩大。
值得注意的是，采伐限额并不必然会抑制社会造林积极性，因采伐限额而衍生的交易费用更可能是其重要因素。政府在实施采伐限额管理制度过程中创造了“租”，寻租行为降低了制度效率与资源配置效率（庞婧 等，2022）。曹兰芳等（2020）的研究从侧面印证这一观点，发现农户并未因采伐限额而改变商品林管护行为，究其原因在于地方政府简化了采伐指标的申请程度，降低了交易费用，进而稳定了种植预期。由此，放松采伐管制不仅在于增加采伐限额，还在于优化采伐指标的申请程序。考虑到寻租难以规避，Liu等（2021）呼吁国家未来在优化森林功能分区的基础上，逐渐取消森林采伐限额管理制度。

4 结论与启示

4.1　结论

1）经济林面积占森林面积的比重与采伐限额占森林蓄积量的比重均呈下降趋势，在北方林区与南方林区两者的下降幅度均最大，在西南林区前者有小幅上升，而后者有小幅下降。
2）经济林种植重心主要在河南省境内移动，整体向西南方向迁移；而采伐限额占比重心由河南省移动至湖北省，整体也向西南方向迁移。
3）经济林种植重心与采伐限额占比重心的空间性较平稳，两重心的一致性指数呈先上升后下降的倒“U”型趋势，且空间耦合性整体较高。区域层面上，两重心的空间重叠性与空间耦合性，在西南林区和南方林区均较强，在北方林区的波动性较大，在东北林区整体呈增强趋势。
4）采伐限额与经济林种植规模具有空间相关性，两者的局域空间格局呈现“高-高”与“低-低”集聚特征，其中，“高-高”集聚区位于北方林区与南方林区，“低-低”集聚区位于东北林区与西南林区。
5）提高采伐限额相对量不仅有利于促进本地经济林种植规模扩大，还有利于邻近周边地区的经济林种植规模扩大。采伐限额相对量对经济林种植规模的空间溢出效应，从区域层面看，在南方林区更突出，而在北方林区不明显；从采伐限额结构看，放松抚育采伐限额的空间溢出效应明显更大。

4.2　政策启示

1）全国层面上，不断优化森林采伐限额管理制度。提高全面停止天然林商业性采伐政策的实施弹性，实时跟踪监测森林资源保护状况，将生态保护与资源开发动态协调起来。简化采伐指标的申请程序，建立无采伐管制的试验区，基于试点效果，总结经验，探索逐步全面取消采伐限额管理制度的可能性与可操作性。另外，避免生态公益林无序扩张引发的采伐管制与不稳定预期，优化公益林与商品林的空间布局与功能分区。
2）区域层面上，需根据采伐限额相对量重心与经济林种植重心的时空耦合性，在耦合性较低的东北林区，在提升天然林管护质量的同时稳定采伐限额，保留部分经济林种植空间；在耦合性较高的西南林区与南方林区，开展不同林种功能分区，分片区打造经济林种植基地，同时匹配宽松的采伐限额，引导跨区域种植合作与信息共享，提升经济林产业聚集效应；在耦合性不稳定的北方林区，应加强政策长期性与稳定性，充分利用地理区位优势，引导经济林种植规模化、专业化。
3）采伐限额结构上，提高主伐限额，取消抚育采伐限额。通过提高主伐限额、放松采伐管制，提升经济林种植聚集程度较高地区的聚集效应，扩大与优化经济林种植结构，辐射带动邻近周边地区的经济林种植规模扩大。通过取消抚育采伐限额，改善森林林分质量，优化经济林种植的长远布局，提高经济林种植收益，进而促进种植规模扩大。

1 https://www.forestdata.cn

2 https://www.gov.cn

3 https://data.worldbank.org.cn

张自强：论文写作、数据处理与图表绘制；

李小娟、肖瑶：数据收集、整理与初步统计分析。

References

Publishing order | Descend order by publishing year | Descend order by cited within
陈菁菁，李颂，丁胜，吴梦迪，赵庆建. 2023. 基于空间视角的我国经济林产业集聚分析. 南京林业大学学报（自然科学版），47（2）：159-166.

Chen Jingjing, Li Song, Ding Sheng, Wu Mengdi, and Zhao Qqingjian. 2023. Analysis on Industrial Agglomeration of China' Non-Wood Forest Based on Spatial Perspectives. Journal of Nanjing Forestry University(Natural Sciences Edition), 47(2): 159-166.

曹兰芳，曾玉林. 2020. 林地确权、政府管制与资源异质性农户林业管护行为——基于湖南省7年连续观测数据. 生态学报，40（18）：6694-6703.

Cao Lanfang and Zeng Yulin. 2020. Forest Land Rights Confirmation, Government Control and Resource Heterogeneous Farmers Forestry Management and Protection Behavior: Based on 7-Year Continuous Observation Data of Hunan Province. Acta Ecologica Sinica, 40(18): 6694-6703.

程秋旺，于赟，俞维防，陈钦. 2021. 不同生计策略类型对农户林种选择意愿的影响研究——基于福建省477户农户调查数据. 生态经济，37（3）：119-124.

Cheng Qiuwang,Yu Yun, Yu Weifang, and Chen Qing. 2021. Research on the Impact of Different Types of Livelihood Strategies on Farmers' Willingness to Choose Forest Species: Based on the Survey Data of 477 Farmers in Fujian Province. Ecological Economy, 37(3): 119-124.

程钰，刘璨，杨红强，张寒. 2021. 商品林种植结构的“趋经济林化”——基于劳动力成本效应及相对收益效应的成因分析. 林业科学，57（7）：184-193.

Cheng Yu, Liu Can,Yang Hongqiang, and Zhang Han. 2021. The Structure of Commercial Forests "Tending to Become Economic Forests": An Analysis of Causes Based on Labor Cost Effects and Relative-Revenue Effects. Scientia Silvae Sinicae, 57(7): 184-193.

丁声俊. 2019. 以“两山论”为引领振兴中国木本粮油特色产业. 中州学刊，（7）：31-37.

Ding Shengjun. 2019. China's Woody and Grain Oil Specialized Industry with the Guidance of "Two Mountains Theory". Academic Journal of Zhongzhou, (7): 31-37.

丁秀玲，薛彩霞，高建中. 2020. 林业科技服务对农户经济林经营选择行为的影响研究. 林业经济问题，（4）：389-398.

Ding Xiuling, Xue Caixia, and Gao Jianzhong. 2020. Study on the Impact of Forestry Science and Technology Services on Farmers’ Economic Forest Operation Choice Behavior. Issues of Forestry Economics, (4): 389-398.

高军波，谢文全，韩勇，张永显，陈建华. 2018. 1990—2013年河南省县域人口、经济和粮食生产重心的迁移轨迹与耦合特征——兼议与社会剥夺的关系. 地理科学，38（6）：919-926.

Gao Junbo, Xie Wenquan, Han Yong, Zhang Yongxian, and Chen Jianhua. 2018. The Evolutionary Trend and the Coupling Relation of Gravity Center Moving of County-Level Population Distribution, Economical Development and Grain Production During 1990-2013in Henan Province. Scientia Geographica Sinica, 38(6): 919-926.

国家林业局. 2014. 关于加快特色经济林产业发展的意见. （2014-11-24）[2024-07-18]. https://www.gov.cn/xinwen/2014-11/24/content_2782625.htm.

Natonal Forestry Administration. 2014. Opinions on Accelerating the Development of Characteristic Economic Forest Industry. (2014-11-24) [2024-07-18]. https://www.gov.cn/xinwen/2014-11/24/content_2782625.htm.

国家统计局. 1990―2019. 中国统计年鉴. 北京：中国统计出版社.

National Bureau of Statistics. 1990-2019. China Statistical Yearbook. Beijing: China Statistics Press.

国家统计局农村社会经济调查司. 2005―2011. 中国农村统计年鉴. 北京：中国统计出版社.

Department of Rural Survey, National Bureau of Statistics. 2005-2011. China Rural Statistical Yearbook . Beijing: China Statistics Press.

国家统计局农村社会经济调查司. 2006. 中国农业统计资料汇编（1949―2004）. 北京：中国统计出版社.

Department of Rural Survey, National Bureau of Statistics. 2006. China Agriculture Statistical Report Compilation(1949―2004). Beijing: China Statistics Press.

国家统计局国民经济综合统计司. 2010. 新中国六十年统计资料汇编. 北京：中国统计出版社.

Department of Comprehensive Statistics of National Bureau of Statistics. 2010. China Compendium of Statistics 1949-2008. Beijing: China Statistics Press

国务院. 1987. 关于加强南方集体林区森林资源管理，坚决制止乱砍滥伐的指示. （1987-06-30）[2024-07-18]. https://m.055110. com/law/1/31622.html.

The State Council of the People's Republic of China. 1987. Instructions on Strengthening the Management of Forest Resources in the Collective Forest Areas of the South and Resolutely Stopping Indiscriminate Deforestation. (1987-06-30) [2024-07-18]. https://m.055110. com/law/1/31622.html.

何文剑，徐静文，张红霄. 2016. 森林采伐限额管理制度能否起到保护森林资源的作用. 中国人口·资源与环境，26（7）：128-136.

He Wenjian, Xu Jingwen, and Zhang Hongxiao. 2016. Can the Forest Logging Quota Management System Protect Forest Resources? China Population, Resources and Environment, 26(7): 128-136.

柯水发，朱烈夫，袁航，纪谱华. 2018. “两山”理论的经济学阐释及政策启示——以全面停止天然林商业性采伐为例. 中国农村经济，（12）：52-66.

Ke Shuifa, Zhu Liefu, Yuan Hang, and Ji Puhua. 2018. An Economic Interpretation and Policy Enlightenment of the "Two Mountains" Theory: An Analysis Based on the Example of Complete Cessation of Commercial Logging of Natural Forests. Chinese Rural Economy, (12): 52-66.

刘楚杰，李晓云，聂媛. 2021. 基于重心模型的粮食生产与水资源时空耦合分析. 农业现代化研究，42（6）：1026-1036.

Liu Chujie, Li Xiaoyun, and Nie Yuan. 2021. The Spatio-Temporal Coupling Analysis of Grain Production and Water Resources Based on the Barycenter Model. Research of Agricultural Modernization, 42(6): 1026-1036.

吕洁华，蔡秀亭. 2019. 中国省域森林生态安全与林业产业结构时空耦合测度. 世界林业研究，（4）：34-39.

Lyu Jiehua and Cai Xiuting. 2019. Spatial-Temporal Coupling Measurement of Forest Ecological Security and Forestry Industrial Structure at Provincial Level. World Forestry Research, (4): 34-39.

Li L Y, Lu G, and Shen Y Q. 2021. The Evolution and Impact of Timber Markets in China’s Southern Collective Forest Region. Forest Policy and Economics, 123: 102353.

Liu S and Xia J. 2021. Forest Harvesting Restriction and Forest Restoration in China. Forest Policy and Economics, 129: 102516.

刘姗姗，黄鑫毅，彭仲炜，林文科，赵帅，吴燕芳，陈耀亮，薛翔海，王晨光. 2021. 中国林种用途造林面积数据（1991—2014）与时空分析. 全球变化数据学报（中英文），5（1）：37-44.

Liu Shanshan, Huang Xinyi, Peng Zhongwei, Lin Wenke, Zhao Shuai, Wu Yanfang, Chen Yaoliang, Xue Xianghai, and Wang Chenguang. 2021. Spatio-Temporal Analysis of Forestation Area Changes in China (1991‒2014). Journal of Global Change Data & Discovery, 5(1): 37-44.

刘向越，张蕊，曹玉昆. 2021. 中国共产党生态保护性经营国有森林资源取得的成功经验. 林业经济问题，41（4）：351-355.

Liu Xiangyue, Zhang Rui, and Cao Yukun. 2021. The Successful Experience of the Chinese Communist Party's Ecological Protection Management of State-Owned Forest Resources. Issues of Forestry Economics, 41(4): 351-355.

庞婧，王见，孙翔. 2022. 森林采伐限额管理制度中的寻租行为及其治理. 林业经济问题，42（3）：233-240.

Pang Jing, Wang Jian, and Sun Xiang. 2022. Study on Rent-Seeking Behavior and Countermeasures in Forest Felling Quota Management System. Issues of Forestry Economics, 42(3): 233-240.

宋维明，杨超. 2020. 1949年以来林业产业结构,空间布局及其演变机制. 林业经济，42（6）：3-17.

Song Weiming and Yang Chao. 2020. Forestry Industrial Structure, Spatial Distribution and Evolution Mechanism Since 1949. Forestry Economics, 42(6): 3-17.

汤旭，冯彦，鲁莎莎，张大红. 2018. 基于生态区位系数的湖北省森林生态安全评价及重心演变分析. 生态学报，38（3）：886-899.

Tang Xu, Feng Yan, Lu Shasha, and Zhang Dahong. 2018. Forest Ecological Security Evaluation Based on Ecological Location Coefficient and Gravity Center Transfer Analysis in Hubei Province. Acta Ecological Sinica, 38(3): 886-899.

伍山林. 2016. 农业劳动力流动对中国经济增长的贡献. 经济研究，51（2）：97-110.

Wu Shanlin. 2016. The Contribution of Agricultural Labor Migration to Economic Growth in China. Economic Research Journal, 51(2): 97-110.

许传德. 2014. 从连续八次森林资源清查数据看我国森林经营. 林业经济，37（4）：8-11.

Xu Chuande. 2014. Forest Management in China from Data of Eight Forest Resources Inventories. Forestry Economics, 37(4): 8-11.

习近平. 2022. 高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告. （2022-10-25）[2024-07-18]. http://www.gov.cn/xinwen/2022-10/25/content_5721685.htm.

Xi Jinping. 2022. Hold High the Great Banner of Socialism with Chinese Characteristic and Strive in Unity to Build a Modern Socialist Country in All Respects. (2022-10-25) [2024-07-18]. http://www.gov.cn/xinwen/2022-10/25/content_5721685.htm

薛龙飞，罗小锋，吴贤荣. 2016. 中国四大林区固碳效率：测算、驱动因素及收敛性. 自然资源学报，31（8）：1351-1363.

Xue Longfei, Luo Xiaofeng, and Wu Xianrong. 2016. Carbon Sequestration Efficiency of Four Forest Regions in China: Measurement, Driving Factors and Convergence. Journal of Natural Resources, 31(8): 1351-1363.

向平安，黄耀德. 2022. 基于生态标准的经济林种植意愿选择. 中南林业科技大学学报，42（12）：1-13.

Xiang Pingan and Huang Yaode. 2022. Planting Intention Selection of Economic Forest Based on Ecological Criteria. Journal of Central South University of Forestry & Technology, 42(12): 1-13.

杨超，张露露，程宝栋. 2020. 中国林业70年变迁及其驱动机制研究——以木材生产为基本视角. 农业经济问题，（6）：30-42.

Yang Chao, Zhang Lulu, and Cheng Baodong. 2020. The 70 Year’s Transition and Driving Mechanism of China's Forestry: with the Timber Production as the Basic Viewpoint. Issues in Agricultural Economy, (6): 30-42.

严如贺，柯水发. 2019. 经济林种植对人工林木材供给能力的影响：抑制还是促进？——基于南方12省份森林资源清查面板数据. 中国农村经济，（5）：1-16.

Yan Ruhe and Ke Shuifa. 2019. The Impact of Cultivation of Tree Crops on Timber Supply Capacity of Planted Forests: Inhibitionor Promotion? An Analysis Based on Forest Inventory Panel Datain 12 Provinces of South China. Chinese Rural Economy, (5): 1-16.

Yin R S, Yao S B, and Hu X X. 2013. Deliberating How to Resolve the Major Challenges Facing China's Forest Tenure Reform and Institutional Change. International Forestry Review, 15(4): 534-543.

中华人民共和国农业农村部. 1990—2019. 中国农业统计资料. 北京：中国农业出版社.

Ministry of Agriculture and Rural Affairs of the People's Republic of China. 1990-2019. China Agriculture Statistical Report. Beijing: China Agriculture Press.

翟绪军，王慧婷，林红. 2020. 天保工程对国有林区林业产业结构变迁的影响研究. 林业经济问题，（6）：609-617.

Zhai Xujun, Wang Huiting, and Lin Hong. 2020. Study on the Impact of Natural Forest Protection Project on the Change of Forestry Industrial Structure in State-Owned Forest Areas. Issues of Forestry Economics, 40(6): 609-617.

张自强，何婕，周伟. 2022. 农户公益林规模对商品林种植结构的影响研究. 林业经济问题，42（6）：589-598.

Zhang Ziqiang, He Jie, and Zhou Wei. 2022. Research on the Impact of the Scale of Farmers’ Public Welfare Forest on the Planting Structure of Commercial. Issues of Forestry Economics, 42(6): 589-598.

张自强，周伟，杨重玉. 2023. 劳动力价格上涨对商品林林种结构的影响及其约束研究. 资源开发与市场，39（1）：88-96.

Zhang Ziqiang, Zhou Wei, and Yang Zhongyu. 2023. Research on the Influence and Constraints of Rising Labor price on the Structure of Commercial Forests. Resource Development & Market, 39(1): 88-96.

Options
Outlines

/

〈 〉