下载:
-
物种多样性是森林自然恢复状况和森林生态系统健康的重要标志[1]，生物量是群落功能稳定性的重要表现形式，探讨物种多样性与生物量之间的关系是阐明物种多样性对生态系统功能作用的重要途径[2-5]。城市化进程的加快促使人为活动对生态环境干扰程度加深，人为干扰导致环境变量发生改变，引起物种多样性空间分布重新配置，从而改变生态系统的结构与功能演化[4, 6-7]。长期持续、高频度的干扰对植被的破坏具有累加和放大的作用[8]，影响植被的自然修复和林地生产力水平，致使生态系统严重退化。人为干扰在自然界和生态系统过程中的作用越来越明显，已作为生态学研究的一个重要内容[9-10]。随着社会的加速发展，人为干扰对林地的影响在逐渐加深。城市林地时常遭受道路绿化施工、游人踩踏破坏、日常维护管理和抚育采伐等活动的干扰，探讨城市化背景下植物多样性以及群落生物量水平具有重要意义[11-13]。四川省雅安市苍坪山公园桉树Eucalyptus grandis人工林属于生态景观林，具有调节气候、涵养水源、防风保土、降噪滞尘等生态服务功能。本研究以苍坪山公园桉树人工林为研究对象，同时结合桉树人工林的生态问题[14-15]，分析和讨论不同人为干扰强度对桉树人工林物种组成、物种多样性及其与生物量关系的影响，以期为桉树人工林生物多样性和生产力的恢复与维持提供科学依据。
-
研究区苍坪山公园位于四川省雅安市雨城区(29°40′~30°15′N；102°51′~103°12′E)，地处四川盆地西缘，成都平原向青藏高原过渡带，地势西南高东北低，为中低山带。该地为亚热带季风性湿润气候类型，冬无严寒，夏无酷暑，雨量充沛。年平均气温为16.1 ℃，最冷月1月平均气温6.1 ℃，最热月7月平均气温25.3 ℃；该区年均雨日218.0 d，降水量达1 732.0 mm，有“天漏”之称；日照偏少，年日照率为23%；湿度较大，年平均湿度为79%。雨城区自然植被结构属于季雨式山地次生常绿阔叶林，森林覆盖率71.94%，植物种类繁多，结构复杂。苍坪山公园地处海拔1 000 m以下低山区，土壤为紫色土。桉树人工林乔木层中桉树、女贞Ligustrum lucidum、绢毛稠李Padus wilsonii、水杉Metasequoia glyptostroboides和桢楠Phoebe zhennan等植物占据重要空间，其中水杉、桢楠等植物是原林地保留下来的混植树种。灌木层中八角枫Alangium chinense、绢毛稠李、桢楠、高粱泡Rubus lambertianus和萝芙木Rauvolfia verticillata等植物占据林下空间；草本层有鸭跖草科Commelinaceae、桑科Moraceae、葫芦科Cucurbitaceae、茄科Solanaceae、商陆科Phytolaccaceae和蕨类植物等。
-
研究区内设有烈士陵园、气象台、雷达站。因道路绿化施工等对林木进行了采伐，对靠近道路和施工地的林木和林下植被造成了破坏。苍坪山桉树人工林均为1980年栽植，原林地分散保留有桢楠、水杉、二球悬铃木Platanus acerifolia、喜树Camptotheca acuminata等树种；栽植初期伐除生长不良、干形差的植株。抚育措施包括进行疏枝、补植、割藤、除草割灌、伐除病害木等。人工林平时受到游人和当地居民踩踏、攀折以及遛狗、野餐、挖野菜、收走凋落物等活动干扰。经踏查发现，人为干扰强度主要与道路的距离密切相关。本研究以人工林遭受的人为活动频率、施工和抚育强度来划分干扰区[10, 13]。
重度干扰(A)：靠近游道和道路，遭受过施工破坏和抚育干扰，受游人和当地居民的践踏、挖野菜、攀折等活动频繁，植被破坏严重，垃圾较多。郁闭度0.4~0.5。
中度干扰(B)：没有遭受施工破坏，遭受过除补植外的抚育干扰，人为活动频率较低，植被遭一定破坏，有少量垃圾。郁闭度0.5~0.6。
轻度干扰(C)：远离道路，除前期进行不良木伐除外未进行抚育和采伐破坏，少有人为活动，植被无破坏，无垃圾。郁闭度0.7。
参照方精云等[16]、郝建锋等[10]的方法，采用典型选样法，在桉树人工林群落内布设12块20 m×20 m林相整齐、立地条件相似的典型样地，其中重度、中度和轻度干扰样地各4块。将每个样地等分为4 个10 m×10 m 的乔木样方，并在每个样地中沿对角线选取6个5 m×5 m 的灌木样方，12个1 m×1 m 的草本样方。实测并记录乔木层(树高≥3 m) 物种、株数、胸径、树高、冠幅，灌木层(树高＜3 m，包括木质藤本和乔木更新苗)物种、株(丛)数、株高、冠幅和草本层物种、株数、高度、盖度等指标。同时记录各样地的海拔高度、坡度、坡向等概况(表1)。植物均鉴定到种。
表 1 样地概况
Table 1. Information about the sampling plots
样地号 干扰强度 海拔/m 坡度/(°) 坡向/(°) 平均胸径/cm 平均树高/m 密度/(株·hm－2) 郁闭度 1~4 重度干扰 610~616 20.6~24.7 SW228.5~SW236.0 14.3~16.9 10.0~11.3 1 001 0.4~0.5 5~8 中度干扰 620~624 34.8~37.2 NW27.4~NW29.0 18.6~20.1 13.8~15.2 783 0.5~0.6 9~12 轻度干扰 617~619 30.5~33.5 NW27.2~NW28.1 17.3~18.8 12.1~14.1 905 0.7 -
① 计算各样地各物种的重要值(VI)。乔木层：VI=(相对多度+相对显著+相对频度)/3；灌木层、草本层：VI=(相对多度+相对盖度+相对频度)/3。② 采用α多样性测度方法[10]测定以下指数。丰富度指数(D)：D=S；Simpson指数：
$H'=1 - \displaystyle\sum\limits_{i = 1}^S {\mathop P\nolimits_i^2 } $ ；Shannon-Wiener指数：H=$ - \displaystyle\sum\limits_{i = 1}^S {\mathop P\nolimits_i } \log \mathop P\nolimits_i $ ；Pielou均匀度指数：$\mathop J\nolimits_{{\rm{sw}}} = \dfrac{{ - \sum\limits_{i=1}^S {\mathop P\nolimits_i \log \mathop P\nolimits_i } }}{{\log \mathop S\nolimits_{} }}$ 。其中：Pi为第i个物种的个体数ni占所有物种个体总数n的比例；i=1，2，3，$\cdots $ ，S；S为物种数。 -
通过株数、树干横断面积和形高计算乔木层的蓄积量[17]。依据杨昆等[18]的森林林下植被生物量模型，利用冠幅求算出每株灌木(丛)的冠幅直径来计算灌木层的生物量。采用“全株收获法”测定生物量，在每个样地内随机选取4个1 m×1 m的样方，将样方内的草本全部收获，称取鲜质量后带回实验室置于105 ℃的烘箱中杀青30 min，然后调烘箱温度至65 ℃烘干至恒量。将收获的草本植物干质量单位换算成g·m−2。
-
运用Excel 2007、DPS 7.05、Origin7.5统计软件对数据进行整理与统计分析，采用单因素方差分析法(one-way ANOVA)分析不同干扰程度下各多样性指数、生物量间的差异，运用相关分析计算物种多样性生与物量之间的相关性。
-
桉树人工林内共调查到维管束植物55科82属87种。乔木层21科23属23种；灌木层25科33属35种，其中层间植物2科2种，分别是豆科Leguminosae葛Pueraria lobata，五加科Araliaceae常春藤Hedera sinensis；草本层27科38属40种，其中蕨类植物4科4种。调查发现，样地内植被天然更新良好，但林下无桉树的幼树、幼苗。不同干扰强度下，桉树人工林物种数从少到多依次为重度干扰区、中度干扰区、轻度干扰区。如表2所示：乔木层重要值靠前的桢楠、女贞、绢毛稠李和八角枫，在灌木层也占据相当重要的位置。这些均为雨城区常见的乡土树种，传播繁殖能力强，幼树幼苗更新速度快。混植在林内的水杉、柳杉Cryptomeria fortunei、桢楠和二球悬铃木重要值靠前。刺槐Robinia pseudoacacia为喜光造林树种，在林内并不占优势。灌木层高粱泡、石海椒Reinwardtia indica、朴树Celtis sinensis幼树均在微碱性土壤上生长良好，稍耐阴，在林下重要值靠前。林下分布的葛、刺槐具固氮功能，有改良土壤的作用。草本层优势种多为多年生草本，对土壤的适应性强。白花紫露草Tradescantia fluminensis原产南美，生性强健，抗干扰能力强，干扰程度越强分布面越广，在不同干扰下重要值均占第1位；重要值靠前的垂序商陆Phytolacca americana和葎草Humulus scandens，适生幅度宽，具有保持水土的能力，分布面随着干扰的增强而减少；里白Diplopterygium glaucum在轻度干扰区内没有分布，可能轻度干扰区环境过于荫蔽不适宜其生长。铁线蕨Adiantum capillus-veneri喜半阴润环境，是钙质土指示植物，样地内均有分布，重度干扰区分布最广。朴树、水麻Debregeasia orientalis、紫麻Oreocnide frutescens、透茎冷水花Pilea pumila等植物在重度干扰区没有分布。这可能与其抗干扰能力的大小和对生境的要求有关。
表 2 不同干扰下桉树人工林各层次物种及其重要值
Table 2. Important values of species in different layers of E. grandis plantation in different levels of interference
层次 干扰强度 物种及其重要值 乔木层 重度干扰 桉树(0.251 1)+女贞(0.159 8)+水杉(0.136 7)+绢毛稠李(0.139 4)+桢楠(0.062 5)+二球悬铃木(0.086 0)+柳杉(0.0413) 中度干扰 桉树(0.297 3)+女贞(0.097 2)+水杉(0.183 4)+绢毛稠李(0.052 6)+桢楠(0.197 5)+八角枫 (0.053 9) 轻度干扰 桉树(0.217 2)+女贞(0.154 7)+水杉(0.071 6)+绢毛稠李(0.143 5)+喜树(0.083 8)+二球悬铃木(0.057 2)+银木 Cinnamomum septentrionale(0.050 6) 灌木层 重度干扰 桢楠(0.177 4)+绢毛稠李(0.147 1)+高粱泡 (0.099 0)+石海椒 (0.076 8)+刺槐 (0.072 8)+八角枫(0.067 8)+女贞(0.066 0)+ 朴树 (0.043 3) 中度干扰 萝芙木 (0.209 7)+高粱泡(0.129 4)+桢楠(0.108 8)+绢毛稠李(0.098 8)+紫麻(0.0556)+女贞(0.048 6)+朴树(0.048 8)+ 常春藤 (0.048 8) 轻度干扰 绢毛稠李(0.177 8)+润楠Machilus nanmu(0.134 0)+桢楠(0.072 1)+水麻 (0.092 3)+石海椒(0.067 8)+女贞(0.041 6)+朴 树(0.051 0)+苦竹Pleioblastus amarus(0.041 1) 草本层 重度干扰 白花紫露草 (0.553 9)+铁线蕨(0.073 4)+钮子瓜Zehneria maysorensis(0.042 5) 中度干扰 白花紫露草(0.491 6)+里白 (0.117 4)+垂序商陆(0.055 2)+毛茛Ranunculus japonicus (0.054 0) 轻度干扰 白花紫露草(0.413 8)+垂序商陆(0.100 5)+葎草 (0.079 8)+透茎冷水花 (0.086 8)+白英Solanum lyratum(0.051 9) 说明：括号中数值为重要值 -
人为干扰引起的环境条件变化常常对林下植物的生长更新和分布产生制约，表现出在空间分布上的差异[19]。如图1所示：桉树人工林内D值从大到小依次为草本层、灌木层、乔木层，轻度干扰区、中度干扰区、重度干扰区；重度干扰区和中度干扰区乔木层D显著较低(P＜0.05)，重度干扰区乔木层H显著低于轻度干扰区(P＜0.05)，其余不同干扰程度下植物的物种多样性差异均不显著。人为干扰对乔木层物种多样性的影响较大，灌木层的物种样性水平仍较高。乔本层和草本层的D、H、H'在不同干扰区变化顺序表现一致，轻度干扰区最高，重度干扰区最低；乔木层和草本层Jsw在重度干扰区最低。不同干扰强度下，灌木层D、H、H'从大到小依次表现为中度干扰区、轻度干扰区、重度干扰区，中度干扰区最高，Jsw在中度干扰区最低，虽然中度干扰区物种数和株数最大，但分布均匀度最差。综合分析可知：重度干扰区植物各层次的物种多样性最低，优势物种最不突出，种群的空间分布均匀性较差，群落稳定性较差。
图 1 不同干扰下桉树人工林群落各层次物种多样性指数
Figure 1. Species diversity of E. grandis plantation community in different levels of interference
-
图2表明：乔木层蓄积量从大到小总体依次为中度干扰区、轻度干扰区、重度干扰区，受人为干扰的影响不显著，在中度干扰下表现出了较强的生产力。这符合竞争排斥原理，在有限资源的基础上种内种间竞争达到某种平衡，促使最大生物量的产生[5]，也可能与中度干扰区混植有较大树龄的其他树种有关。灌木层生物量地上部分高于地下部分，灌木层生物总量、地上部分生物量和地下部分生物量从大到小均表现为轻度干扰区、中度干扰区、重度干扰区，可见，灌木层的生物量随着干扰强度的增加而减弱；灌木层在中度干扰下生物量处于中等水平，而物种多样性最高。草本层地上部分干质量均小于地下部分干质量，这应与多数草本植物的根部为肉质根、须根系发达有关，如铁线蕨和里白均有粗壮的根状茎；垂序商陆有肥大的纺锤状根茎；麦冬Ophiopogon japonicus根较粗，有膨大的小块根等。草本层生物总量、地上部分干质量和地下部分干质量从大到小排列均为轻度干扰、重度干扰、中度干扰，轻度干扰区的生物量最高，重度干扰区次之，中度干扰区最低，可能由于重度干扰区群落的优势物种突出，其繁衍力强，应对干扰环境而充分利用资源聚集生长，比中度干扰下产生更多的生物量。
图 2 不同干扰下桉树人工林群落各层次生物量
Figure 2. Biomass of E. grandis plantation community in different levels of interference
-
表3表明：乔木层D与草本层地上生物量、生物总量呈显著正相关(P＜0.05)，相关系数分别是0.61和0.57；乔木层Jsw与整体群落生物量呈负相关；乔木层D、H、H'与灌木层生物量相关性极小。草本层地上生物量和生物总量受上层乔木的影响显著(P＜0.05)。灌木层H、H'、Jsw与灌木层、草本层的生物量均成负相关；灌木层D与整体群落生物量相关性小，与乔木层蓄积量呈负相关。林内生物总量随灌木层物种多样性的增加呈减少趋势，灌木层物种多样性越大，数量繁多的优势种，抢占过多生存资源，可能会促使群落整体生物量的减少。草本层H'与草本层地上生物量、生物总量呈显著正相关(P＜0.05)，草本层Jsw与草本层生物总量呈显著正相关(P＜0.05)；草本层物种多样性与乔木层、灌木层的生物量无显著相关；草本层物种多样性与其生物量相关系数为0.35~0.59。草本层的物种多样性对自身生物量的影响明显，草本植物的均匀分布能够更充分利用林下资源，促使生物量的增长。
表 3 桉树人工林下的物种多样性指数与生物量的相关系数
Table 3. Correlation between species diversity index and biomass of E. grandis plantation
层次 项目 多样性指数 乔木层 灌木层 草本层 D H H' JSW D H H' JSW D H H' JSW 乔木层 森林蓄积量 0.00 −0.10 0.26 −0.17 −0.24 0.12 0.48 −0.20 −0.05 0.05 0.00 0.05 灌木层 地上生物量 0.20 −0.01 −0.02 −0.41 0.05 −0.46 −0.34 −0.14 −0.02 0.01 0.00 0.04 地下生物量 0.20 −0.01 −0.02 −0.41 0.05 −0.46 −0.34 −0.14 −0.02 0.01 0.00 0.04 生物总量 0.20 −0.01 −0.02 −0.41 0.05 −0.46 −0.34 −0.14 −0.02 0.01 0.00 0.04 草本层 地上生物量 0.61* 0.35 0.37 −0.34 0.14 −0.32 −0.16 −0.28 0.40 0.53 0.59* 0.55 地下生物量 0.44 0.20 0.21 −0.37 0.00 −0.54 −0.29 −0.35 0.35 0.46 0.44 0.49 生物总量 0.57* 0.30 0.31 −0.39 0.08 −0.46 −0.24 −0.34 0.41 0.53 0.56* 0.56* 说明：* 表示显著相关(P＜0.05) -
本研究得出：随着人为干扰强度的加大，物种数呈递减趋势，这与郝建锋等[10]的研究结论较为一致。桉树人工林乔木层和草本层D、H、H'随干扰强度的增大而减少，与吕浩荣等[19]研究得出的风水林下木本植物D、H、H'随着人为干扰强度的增大而增加的结论相左，这可能与不同的气候环境、林分以及干扰强度的标准等因素有关。灌木层D、H、H'在中度干扰下达到最高，符合“中度干扰假说”[20]，适度的人为干扰会增加物种多样性，加速林下乔木幼苗的生长更新，增加灌木层的物种多样性；利于喜光植物的侵入定居或外界活动对植物的带入，如干扰区多见分布的柑橘Citrus reticulata、柚C. maxima和枇杷Eriobotrya japonica等果树。重度干扰区的物种多样性水平最低，物种在群落中分布不均匀，群落稳定性差，对环境波动的缓冲功能减弱[1]，生态系统容易遭受病虫害和极端天气的侵害。不同的干扰强度会使物种产生适应性进化，影响其组成与空间分布，适当的干扰会对林地产生增益性，而严重的干扰会对林地物种多样性乃至生态系统产生不利影响。
桉树人工林下的物种多样性比其他树种的纯林和自然林(次生林)都弱，作为外来种短时期内不能在引种地形成完善的生态系统和生物多样性的生境，国内粗放的经营模式下，桉树林生物多样性减弱、地力衰退、生态环境恶劣[21]。虽然桉树本身对资源具有较大的竞争力，但研究区桉树人工林内的物种数仍较为可观[13]，生态林下阳性树种少，中性树种居多。这可能与雨城区多雨、少日照的环境条件有关，中国桉树栽植区的雨量多在1 000 mm以上，降水的淋溶、稀释，都会减弱桉树化感作用，使其可以与绝大多数林下植物共生[14, 21]；也可能与研究区本身物种丰富有关。桉树人工林下多分布适应性强的乡土树种和草本植物，其中石海椒喜石灰岩土壤，铁线蕨是钙质土指示植物，在研究区内均有分布，且在重度干扰区分布最广。人为干扰的加强可能加重林地土壤碱化程度，不利于植物生长发育。
乔木层蓄积量受人为干扰的影响较小，灌木层和草本层生物量受人为干扰的影响较大，但差异均不显著，这可能与重度干扰区和中度干扰区的补植抚育和林下植物生长旺盛有关。林下植被遭受的干扰比乔木层更为直接频繁，所以灌木层和草本层遭受更大的干扰影响。生物量与物种多样性的关系主要表现为线性、单峰和没有显著关系[5]。本研究中草本层生物总量随乔木层物种丰富度、草本层物种多样性的增加而增加；灌木层生物总量随其物种多样性的增加而减少，关系不显著；乔木层相关关系不显著。这与高艳等[5]、王勇军等[22]、郑晓翾等[23] 等研究得出的线性关系和没有显著关系的结论相一致，符合在自然生态系统中，多样性和生产力的关系受到自然条件和人类活动干扰而改变，并没有固定关系的说法[24-25]。王勇军等[22]研究得出：灌木层生物总量随物种多样性的增加而增大，且关系显著。与本研究恰好相反，这可能与本研究区灌木处于人工林下，多样性的增加反而加大了物种间的竞争关系，导致灌木层生物总量的减少。森林生物量是研究和评价森林生态系统结构与功能过程最基本的参数，能反映生态系统功能的强弱[3]。研究区物种数低于雅安市境内马尾松Pinus massoniana人工林[25]的物种数；乔木层蓄积量与桉树林第 20 个轮伐期后的年均生长量相近[15]。对于速生丰产树种，这可能与本研究区日照偏少和林地类型有关。这种较低的物种多样性与植被生物量反映了桉树人工林较为脆弱的生态特性[22]。
轻度干扰区较接近半自然状态，林下物种丰富、分布均匀，群落结构较稳定，群落生物量和物种多样性水平优于干扰强度大的区域，能促进林地稳定和健康演变。所以因“树”制宜，减少人为干扰，筛选本地适应性强、有生态功能或珍贵的乡土树种进行地带性桉树人工混交林营造，利用自然力调控，实现桉树人工林的健康、持续发展。建议加强苍坪山桉树人工林的管理保护力度，限制林下游玩活动和樵采破坏行为以便于地被植物的恢复；减少抚育强度，对灌木层可适当割除，优化群落组成结构，促进林内生态系统修复，并积极发挥地方公益林主导功能。
Effects of human interference on species diversity and biomass of Eucalyptus grandis plantation in Cangping Mountain Park in Ya’an
-
摘要:
目的 揭示不同人为干扰强度对桉树Eucalyptus grandis人工林物种多样性和生物量的影响。 方法 以四川省雅安市苍坪山公园桉树人工林为研究对象，采用典型样地法，设置12块20 m × 20 m不同干扰程度的样地，对林内物种组成、物种多样性水平(丰富度指数D、Shannon-Wiener指数H、Simpson优势度指数 H'、Pielou均匀度指数 Jsw)和植物层生物量进行调查研究。 结果 共调查到维管植物87种，隶属55科82属，桉树人工林物种数随着干扰的加强而减少；乔木层与草本层D、H、H'随着干扰强度的增加而降低，灌木层D、H、H'在中度干扰下达到最大值，乔木层的D、H变化差异显著(P＜0.05)。随着干扰强度的增加，植物各层生物量呈不同变化趋势：中度干扰下乔木层蓄积量(12.01 m3·hm−2)最高；轻度干扰下灌木层生物量(394.533 kg·m−2)和草本层生物量(359.680 g·m−2)最高。乔木层D、草本层H'与草本层地上生物量和生物总量呈显著正相关(P＜0.05)；草本层Jsw与草本层生物总量呈显著正相关(P＜0.05)。 结论 适度的干扰会促使桉树人工林物种多样性和生物量增加；物种多样性和生物量的关系受人为干扰和自然条件而改变，没有固定关系。图2表3参25 Abstract:Objective This study aims to reveal the effects of human interference on species diversity and biomass in E. grandis plantations. Method 12 sample plots of E. grandis plantations (20 m×20 m) with different interference intensities were set up by typical plot method in Cangping Mountain Park in Ya’an City of Sichuan Province, to investigate the species composition, species diversity(richness index D, Shannon-Wiener index H, Simpson dominance index H', Pielou evenness index Jsw), and plant layer biomass. Result There were 87 species of vascular plants belonging to 55 families and 82 genera. The number of species in E. grandis plantation decreased with increasing interference. The D, H and H' indices of tree layer and herb layer decreased with the increase of interference intensity. The D, H and H' indices of shrub layer reached the maximum under moderate disturbance. The difference of D and H indices in tree layer was significant (P＜0.05). With the increase of disturbance intensity, the biomass of each plant layer showed different changing trends. The tree layer had the highest volume (12.01 m3·hm−2) under moderate disturbance, while the biomass of shrub layer (394.533 kg·m−2) and herb layer (359.680 g·m−2) was the highest under light disturbance. The D index of tree layer and H' index of herb layer were significantly positively correlated with aboveground biomass and total biomass of herb layer (P＜0.05). The Jsw index of herb layer was significantly positively correlated with total biomass of herb layer (P＜0.05). Conclusion Moderate disturbance will increase species diversity and biomass in E. grandis plantation. The relationship between species diversity and biomass is subject to human interference and natural conditions, and there is no fixed relationship. [Ch, 2 fig. 3 tab. 25 ref.] -
Key words:
- forest ecology /
- human interference /
- Eucalyptus grandis plantation /
- species diversity /
- biomass
-
气候问题日益突出，世界各国已达成减少二氧化碳排放以改善气候问题的共识。中国作为碳排放大国之一，需向世界完成减排温室气体的承诺，承受着来自国内外的巨大压力。对强制性或自愿减排仍达不到减排要求的状况，碳排放权交易是有效且低成本的市场手段[1]。建立碳交易市场等碳排放平衡机制，能更加公平有效地实现中国碳减排目标[2]，引导企业选择科学的减排路径[3]，有利于企业在不影响经济发展的情况下完成减排任务[4]，同时抵消机制的引入使得碳交易中的部分资金流向林业，促进林业发展[5]。现阶段通过改变能源结构减排的空间不大[6]，应重视其他的节能减排方式。中国森林资源丰富，以森林碳汇抵消碳排放作为减排途径之一是合适的。自2011年开展7个碳排放权交易试点以来，2012年提出要加强电力、煤炭、钢铁、石油石化、化工、建材行业的工业节能，并于2017年正式启动全国碳排放权交易市场。电力作为最先启动的重点减排行业，1 700余家发电企业已正式纳入碳市场，其他行业将陆续启动，现阶段是全国碳市场发展的重要节点。在全球气候变暖和碳排放权(森林碳汇)交易市场启动已成为客观事实的背景下，企业作为节能减排主体，当其不能或因成本过高不愿通过购买设备、更新技术等手段实施工业碳减排，企业将选择通过购买价格较低的森林碳汇来达到减排目标[7]。由于不同地区的环境政策、经济发展水平，不同行业的减排要求，不同企业的管理方式、减排技术水平不同，势必导致各企业的碳边际减排成本存在差异，对森林碳汇的需求价格(本研究指企业愿意通过购买森林碳汇进行减排而非工业减排的最高价格)也不同。碳交易市场上的交易价格受市场需求、当地经济发展、政策鼓励程度等因素影响而有所不同。目前，7个碳排放权交易试点相差较大，若企业通过工业减排的单位成本高于碳汇市场上森林碳汇的单位价格则会进行购买，反之不会进行碳汇交易。由此可见，在允许通过森林碳汇来抵消企业碳排放的情况下，碳汇市场交易价格与企业工业碳边际减排成本的差异将决定企业是否会选择购买森林碳汇来进行碳抵消，直接影响未来森林碳汇的交易。同时，政府是宏观经济管理者，需有效合理地引导企业科学选择减排途径。目前，碳减排政策主要可分为政府引导的政策和市场主导的政策[8]。适当的补贴政策、合理的碳税及明确的碳抵消比例和范围能更好地激励企业进行减排。已有文献大多将政府引导和市场主导的政策共同对比研究，研究主要集中在碳汇补贴和碳税政策方面，且研究发现，综合运用碳减排政策能带来更好的减排和经济效应[9]，而不确定的碳减排政策会造成收益的不稳定[10]，因此合理的碳减排政策在碳汇交易中起到决定性的作用。中国区域发展存在差异，各地区各行业减排空间不同。本研究基于企业的碳边际减排成本，运用云模型测算企业对森林碳汇的需求价格并模拟政策变化对其影响，合理估算不同地区不同行业的碳减排潜力，有利于促进各地区各行业协同治理，以期为森林碳汇市场建立和发展提供依据。
1. 理论框架、模型设定与数据来源
1.1 理论框架
基于成本收益理论基础[11-12]和机制分析，本研究假设如下：①随各国碳减排政策出台，企业在生产经营过程中必须进行减排行为。②企业工业碳边际减排成本主要取决于企业投入、产出以及二氧化碳排放量3个方面指标。③碳减排政策目前只考虑政府允许抵扣比例、碳税征收率和碳汇补贴额3种。④本研究中所提及的企业对森林碳汇的需求价格为企业购买森林碳汇愿意支付的最高值。⑤企业对森林碳汇的需求价格只受企业的成本收益和政府强制碳减排政策影响，不考虑其他交易成本。
假设企业的总成本(不包含减排成本的其他成本之和)为E，总收益为U，工业减排成本为I，购买森林碳汇抵消减排成本为F。选择工业减排时，企业净收益为Z1=U−E−I；选择购买森林碳汇抵消减排时，企业净收益Z2=U−E−F。当Z1＞Z2，即F＞I时，企业会选择工业减排；当Z1＜Z2，即F＜I时，企业会选择购买森林碳汇减排；当Z1=Z2，即F=I时，企业可选择任何一种减排方式。从目前研究来看，一旦森林碳汇交易市场全面建立起来，由于购汇边际减排成本比工业碳边际减排成本低，会促进企业选择通过购买森林碳汇来实现减排。
一般而言F＜I，企业会购买森林碳汇来抵消碳排放，如果外部的碳减排政策发生调整则会导致企业工业减排的成本和购买森林碳汇的成本发生变化，企业会选择成本低的减排方式。当政策变化使企业工业减排的成本降低，那么企业愿意购买森林碳汇的价格也会降低，即企业的森林碳汇需求价格受到影响。
情景1：无相应激励碳减排政策下企业对森林碳汇的需求价格。只采用购买森林碳汇来减排，企业的净收益Z如下：
$$ Z=U-E-Pq\text{。} $$ (1) 式(1)中：设市场森林碳汇购买价格为P；企业需要进行的减排量为q。用P1表示情景1下企业对森林碳汇的需求价格，x表示企业各项投入指标，y表示企业产出，c表示企业二氧化碳排放量，i=(1，2，3，
$\cdots $ )表示不同的企业样本。仅从企业生产经营考虑，企业愿意购买森林碳汇支付的最高金额就是企业工业碳边际减排成本，即为企业对森林碳汇的需求价格，价格受企业投入产出以及二氧化碳排放影响。表达式如式(2)：$$ {P_{1i}} = f\left( {{x_i},{y_i},{c_i}} \right)\text{。} $$ (2) 情景2：有相应激励碳减排政策下企业对森林碳汇的需求价格。在现有情景下，企业的减排行为同时受到3种碳减排政策(政府允许抵扣比例、碳税征收率、碳汇补贴额)影响，企业的净收益Z′变为式(3)：
$$ Z' = U - E - [(P - {V_3})q{V_1} + a(1 - {V_1})q + {V_2}(c - q)]\text{。} $$ (3) 式(3)中：V1~V3为碳减排政策，其中V1为政府允许抵扣比例，V2为碳税征收率，V3为碳汇补贴额，a为企业工业减排的单位成本。用P2表示情景2下企业对森林碳汇的需求价格，P2受企业工业碳边际减排成本和政府碳减排政策共同影响。表达式如式(4)：
$$ {P_{2i}} = f\left( {{x_i},{y_i},{c_i},{\rm{ }}{V_1},{V_2},{V_3}} \right)\text{。} $$ (4) 通过对2种情景的比较分析，由式(3)可看出：V1增大、V2减小、V3增大，都会导致净收益Z′增大。这可大致预测企业愿意购买森林碳汇来进行碳抵消的情况下，3种政策因素中政府允许抵扣比例和碳汇补贴额增加，会增加企业的收益；而碳税征收率提高会减少企业的收益。从理论上说，政府允许抵扣比例和碳汇补贴额会增加企业购买森林碳汇的机会和减少企业购买的成本，会促进企业的森林碳汇需求；而提高碳税对企业2种减排方式的成本都会增加，取决于提高碳税后对不同减排方式的影响程度，如果碳税提高对购买森林碳汇减排方式的成本增加更快，那么碳税征收率提高，会抑制企业对碳汇的需求。因此先提出本研究的假说：①政府允许抵扣比例提高，企业森林碳汇需求价格会上升；②碳税征收率提高，企业森林碳汇需求价格会下降；③碳汇补贴额提高，企业森林碳汇需求价格会上升。
1.2 模型设定
1.2.1 方向性距离函数
CHARNES等[13]提出的DEA模型为研究碳边际减排成本提供了基于投入—产出分析的距离函数方法，但此方法存在非期望产出与此相矛盾。方向性距离函数能区分出在增加期望产出的同时降低非期望产出的路径[14]，对处理实际生产过程中非期望的环境污染变量更合理。
方向性距离函数以设定的方向向量为权数，求期望产出(
$y$ )的最大值和非期望产出(c)的最小值[15]。y是生产过程中的期望产出，且$ y \in R_ + ^D $ ；c为非期望产出，且$ y \in R_ + ^U $ ；此处使用x代替全行业的投入，且$ x \in R_ + ^N $ ；则企业生产集为P(x)={(y, c)∶x→(y, c)}。P(x)是表示描述所有可以实现的投入产出向量。设方向向量g=(gy, gc)，g≠0，本研究中将产出方向性距离函数设置为[16]：
$${\vec D_0}\left( {x,y + a{g_y},c - a{g_c},{g_y}, - {g_c}} \right) = {\vec D_0}\left( {x,y,c,{g_y}, - {g_c}} \right) - a,\, a \in R\text{。}$$ (5) 由此，可计算企业的碳边际减排成本：
$${P_c} = {P_y}\left[ {\frac{{{\partial}∂ {{\vec D}_0}\left( {x,y,c,{g_y}, - {g_c}} \right)}}{{{\partial}∂ c}}\Bigg/\frac{{{\partial}∂ {{\vec D}_0}\left( {x,y,c,{g_y}, - {g_c}} \right)}}{{{\partial}∂ y}}} \right]\text{。}$$ (6) 式(6)中：x为样本企业的投入，y为样本企业期望产品的产量(本研究为样本企业的工业生产总值)，c为样本企业非期望产品的产量(本研究为样本企业的二氧化碳排放量)。Py为期望产品y的市场价格，Pc为二氧化碳的影子价格，即样本企业的碳边际减排成本(MAC)。关键数据为企业的投入产出指标，其中投入变量为固定资本投入(X1)、劳动力投入(X2)、工业中间投入(X3)，产出变量为工业国内生产总值(y)和二氧化碳排放量(c)。
1.2.2 罗宾斯坦恩博弈模型
合作项目的双方在博弈模型处于均衡状态时才会产生有效的合作[17]。本研究采用经过变形的谈判模型——罗宾斯坦恩讨价还价博弈模型[18-19]来分析企业和政府在减排活动中的博弈关系。减排行为不同于一般的讨价还价，对企业讨价还价能力的刻画指标的研究很少，因此根据相关文献，选择企业的投入产出所测算的碳边际减排成本来体现企业决策地位，而政府则是通过各类碳减排政策。具体模型如下：
$$ {P}_{{\rm{d}}}^{}=l+\left(\frac{1-{\varOmega }_{{\rm{d}}}}{1-{\varOmega }_{{\rm{s}}}{\varOmega }_{{\rm{d}}}}\right)(h-l)\left(\frac{{\varOmega }_{\rm{s}}^{2}}{{\varOmega }_{{\rm{d}}}}\right)\left(\frac{M+1}{10\;000}\right)\text{。}$$ (7) 式(7)中：Pd为森林碳汇的需求价格，l为样本企业碳边际减排成本最低值，h为样本企业碳边际减排成本最高值，Ωs与Ωd为供求激励系数，Ωs表示森林碳汇总量不超过企业基准年排放量的抵扣比例，Ωd表示碳税征收率，M表示森林碳汇补贴额。森林碳汇需求价格不会高于样本企业碳边际减排成本最大值h，否则企业会自行选择工业技术减排；不会低于样本企业碳边际减排成本最低值l，因为经验数据显示，样本企业碳边际减排成本最低值l往往接近于0，森林碳汇供给者无利可图，故拒绝提供森林碳汇。
1.2.3 云模型
由于碳交易过程中存在波动性、模糊性、信息不完备性等条件制约，传统的定量方法会因为政策及企业类型差异大等，影响结果的合理性[20]。为处理定性概念中广泛存在的随机性和模糊性问题，李德毅院士于1995年首次提出不确定性知识的定性定量转换的数学模型——云模型[21-23]。本研究采用云模型方法测算企业对森林碳汇的需求价格，并模拟政策因素对其影响程度，增加结果的可信度。云发生器分为正向云发生器和逆向云发生器[24-25]。本研究采用正向云发生器算法，首先分别求解4个地区3个行业企业对森林碳汇的需求价格的期望、熵和超熵。其次用3个特征值，通过Matlab 8.4软件运用云模型正向发生器实现模拟，通过产生的云图得出企业最可能的需求价格值与区间。
1.3 数据来源
综合考虑7个碳排放权交易试点省(市)的经济情况、地理位置以及特殊的政治经济地位，本研究以中国当前正在进行碳交易试点的7个省(市)中北京、上海、湖北、广东4个省(市)为案例区，选择火电、化工、钢铁3个碳排放密集型代表行业，按照各样本省(市)这3个行业目前参与自愿减排的数量比例，共计选取89家为样本企业。每个样本企业再调查31个具有独立投入—产出核算的能耗单位，总计2 759个减排单位样本的调查数据(表1)。根据国际评估减排效果惯例的时间间隔要求，对2 759个样本减排单位实施自愿减排后连续3 a(2012−2014年)的生产投入—产出数据进行调研观察。基于相关文献研究，关键数据主要为3个投入指标：固定资产投资(X1)、劳动力投入(X2)和工业中间投入(X3)；2个产出指标：企业当年总产值(y)和企业当年二氧化碳排放总量(c)[26-27]。根据文献，政策因素选择现有的3个碳减排政策，包括碳税、碳汇补贴和允许抵消比例[28]。
表 1 样本减排单位分布Table 1 Distributionof sample emission reduction unit减排行业 样本减排单位数/个 合计/个 上海市 北京市 广东省 湖北省 火电行业 589 217 124 93 1 023 钢铁行业 403 62 186 155 806 化工行业 527 93 93 217 930 合计 1 519 372 403 465 2 759 2. 企业二氧化碳边际减排成本的测算分析
本研究通过Lingo 12软件运用方向性距离函数的方法，计算所调查的89家样本企业2 759个样本减排单位3 a的碳边际减排成本。表2仅列出各地区各行业样本企业的碳边际减排成本的最低值和最高值。
表 2 各地区各行业样本企业的碳边际减排成本比较Table 2 Comparison of average marginal emission reduction costs of sample enterprises in different regions and industries行业 年份 边际减排成本/(元·t−1) 上海市 北京市 广东省 湖北省 最低 最高 最低 最高 最低 最高 最低 最高 火电行业 第1年 303.03 729.83 303.03 1 471.57 726.94 1 229.92 852.12 1 178.26 第2年 303.03 779.18 520.38 1 020.68 649.02 823.68 887.66 4 627.56 第3年 303.03 1 133.13 303.03 1 456.74 1 017.88 1 248.95 1 409.09 1 545.02 钢铁行业 第1年 303.03 816.30 410.28 579.16 303.04 1 011.54 359.65 517.71 第2年 303.04 1 120.83 573.02 1 576.43 426.82 1 361.52 727.94 1 600.94 第3年 303.03 1 975.53 770.22 1 289.81 1 200.41 2 744.07 996.56 1 243.00 化工行业 第1年 303.03 446.49 474.76 534.75 476.11 608.71 303.03 671.49 第2年 303.03 764.16 440.28 601.87 595.68 708.51 303.04 917.03 第3年 303.02 27 660.20 303.02 1 686.43 2 491.72 3 660.70 593.63 6 139.93 对4个地区3个行业样本企业的碳边际减排成本进行比较(表2)，可发现：上海市3个行业的碳边际减排成本的最低值是4个试点中最小的。上海市经济发达且作为各项政策的先行试点市，不断出台与落实相关碳减排政策，当地企业在工业减排方面进行了设备改造、技术革新、使用环保材料等措施降低了碳边际减排成本，但也反映了上海技术水平已经较高，进一步改进提高技术可能性较小。森林碳汇可能是未来的发展方向。广东省和湖北省的企业碳边际减排成本相较其他两省(市)更高，尤其是钢铁行业和化工行业，一方面是地区间行业发展存在差异，另一方面也说明这2个地区企业二氧化碳减排设备与技术更新发展缓慢或政府减排力度不够大，因此，这些地区必须在工业减排方面取得明显进步。从行业来看，钢铁行业和化工行业企业比火电行业更高，这与火电行业作为首批减排企业，已正式启动全国碳排放权交易市场有关，因此其他行业也应尽快纳入减排目标企业中。
3. 企业森林碳汇需求价格的测算分析
在测得企业碳边际减排成本的基础上，通过变形的罗宾斯坦恩博弈模型来测算企业对森林碳汇的需求价格，得到4个地区3个行业样本企业3 a的森林碳汇需求价格均值，可比较分析得出不同地区不同行业森林碳汇需求价格的差异及其原因。为进一步了解企业对森林碳汇的需求价格的可能值、可能区间以及稳定性，引入云模型，在充分考虑研究对象模糊性和随机性的基础上，使测算的森林碳汇需求价格结果更准确与直观。
3.1 基于罗宾斯坦恩博弈模型的森林碳汇需求价格测算分析
根据二手资料，以上海市为基准，Ωs即抵扣比例，为5%；Ωd即碳税征收率没有明文规定，用上海的排污费率代替，为1%；M即碳汇补贴额，取值20元·t−1。根据公式(7)得结果表3。不同地区不同行业的森林碳汇需求价格差别明显。通过地区间的对比，上海市和北京市的企业对森林碳汇的需求价格明显低于广东省和湖北省的企业。这受上海市和北京市的政策要求与设备技术更新所影响。从这方面来讲，广东省和湖北省在未来对森林碳汇的需求会更大。这一结果与企业碳边际减排成本情况基本一致。可见，森林碳汇需求价格与碳边际减排成本呈现出显著正相关关系。对比3个行业测算的森林碳汇需求价格可知，化工行业企业对森林碳汇需求价格最低，说明火电行业和钢铁行业企业工业减排的成本高、潜力小，对森林碳汇需求会更大，即对火电和钢铁行业而言，森林碳汇在未来有很大的市场与发展潜力。
表 3 各地区各行业企业3 a的森林碳汇需求价格Table 3 Demand prices of forest carbon sinks of enterprises in different regions and industries in three years行业 年份 森林碳汇需求价格/(元·t−1) 上海市 北京市 广东省 湖北省 火电行业 第1年 303.25 303.63 727.20 852.29 第2年 303.31 520.64 649.11 889.61 第3年 303.46 303.62 1 018.00 1 409.12 钢铁行业 第1年 303.30 410.37 303.40 359.74 第2年 303.46 573.54 427.34 728.42 第3年 303.90 770.49 1 201.21 996.69 化工行业 第1年 303.11 474.79 476.17 303.22 第2年 303.27 440.36 595.74 303.35 第3年 317.25 303.74 2 492.33 596.52 3.2 基于云模型的森林碳汇需求价格测算分析
为更好地反映不同地区不同行业企业对森林碳汇的需求，本研究运用云模型正向发生器测度，得出不同地区不同行业企业对森林碳汇的需求价格范围和均值。首先，基于所测得的企业碳边际减排成本数据，运用云模型测算3个行业和4个省(市)在碳减排政策实行后的森林碳汇需求价格的期望、熵和超熵。通过Matlab 8.4软件测得结果如表4和表5。
表 4 火电、钢铁和化工行业的森林碳汇需求价格的期望、熵和超熵Table 4 Expectations, entropy and superentropy of demand prices of forest carbon sinks in thermal power, steel and chemical industries行业 期望 熵 超熵 火电行业 631.936 7 169.364 3 59.665 2 钢铁行业 556.821 7 133.101 0 25.257 0 化工行业 575.820 8 93.977 8 44.864 5 表 5 4个省（市）的森林碳汇需求价格的期望、熵和超熵Table 5 Expectations, entropy, and superentropy of demand price of forest carbon sinks in four provinces省份 期望 熵 超熵 上海市 304.923 3 5.662 2 0.306 1 北京市 455.686 7 57.069 0 48.222 9 广东省 876.722 2 198.257 9 93.980 7 湖北省 715.440 0 195.630 3 52.194 6 3.2.1 不同行业间的森林碳汇需求价格差异分析
根据云模型正向发生器通过Matlab 8.4软件产生不同行业企业的云图，分析不同行业企业森林碳汇需求价格的情况(图1)。云图y轴表示隶属度，x 轴表示企业对森林碳汇需求价格的模拟值。如图1A，火电行业企业对森林碳汇需求价格平均值聚集在500~700元·t−1，越靠近中间值云滴越密集，离散程度越低。在隶属度为1时，森林碳汇需求价格平均值为631元·t−1，表示4个样本省(市)的火电行业企业的森林碳汇平均需求价格为631元·t−1。同理，钢铁、化工行业的均值为556和575元·t−1(图1B~图1C)。从需求价格区间来说，火电行业的最小值和最大值相差最大，说明火电行业的熵最大，即所接受的区间最大；而化工行业两边距离小，熵最小。从云图的分散程度来看，钢铁行业图形最“薄”，超熵最小；而火电和化工行业图形较发散，超熵较大，即离散程度大。对比3个行业所模拟的企业对森林碳汇的需求价格，钢铁行业图形正态分布最清晰，图形云层最薄，说明该行业企业的森林碳汇需求价格有较高的稳定性；且明显低于火电行业的需求价格，说明火电行业企业的工业碳边际减排成本较高，即火电行业在通过技术来进行工业减排的发展潜力小，因此森林碳汇在火电行业会有很大的市场。
图 1 不同行业企业森林碳汇需求价格云图Figure 1 Demand prices of forest carbon sinks of enterprises in different industries3.2.2 不同地区间的森林碳汇需求价格差异分析
根据云模型正向发生器通过Matlab 8.4软件产生不同地区企业的云图，分析不同地区企业森林碳汇需求价格的情况。由图2可知：不同地区森林碳汇需求价格相差很大，就森林碳汇需求价格情况的均值来看，上海市、北京市、广东省、湖北省分别约305、456、877、715元·t−1。上海市与北京市的图形较靠近中间值，说明这2个地区的熵较小，价格浮动区间小，比广东省和湖北省更为稳定。上海市与北京市由于前期的政府减排力度与减排设备更新较快，工业减排走在前列，成本相对较低，因此广东省和湖北省森林碳汇需求价格高于其他2个地区，说明广东和湖北对森林碳汇的需求会更大，森林碳汇市场有更好的发展潜力。上海市与湖北省的图形呈现出较好的分布，比较聚拢，说明这2个地区企业的情况较为接近，各企业对森林碳汇的需求价格较为相像，而北京市与广东省的图形较为分散，说明这2个地区企业的情况相差较大，企业间森林碳汇的需求价格上下波动较大。
图 2 不同地区企业森林碳汇需求价格云图Figure 2 Demand prices of forest carbon sinksfor enterprises in in different regions4. 不同政策情景下的企业森林碳汇需求价格模拟分析
为更好地提升各地区高排放行业未来对森林碳汇的需求潜力，在测得现有政策情景下企业森林碳汇需求价格的基础上，本研究通过改变公式(7)中3个相关政策变量(政府允许碳汇抵消比例、碳税征收率、碳汇补贴额)，来模拟不同政策情景下企业的森林碳汇需求价格变化。根据以往学者的研究和调研，选择政府允许抵消比例范围为0%~20%，税收征收率为0%~20%，碳汇补贴额为0~150元·t−1。
4.1 不同行业企业森林碳汇需求价格模拟分析
当其他因素不变，政府允许碳汇抵消比例为0%~20%时，观察企业的森林碳汇需求价格的动态变化。由图3A可知：随着政府允许碳汇抵消比例的提高，各行业企业森林碳汇需求价格上升，因此政府可适当提高允许抵消的比例，来促进企业对森林碳汇的购买。化工行业企业的增长趋势最为明显，其碳边际减排成本是3个行业中相对较高的，即化工行业通过工业减排的成本较高，与其他行业相比不具有优势。该行业希望通过购买森林碳汇等方式来实现间接减排。若政府允许抵扣比例增加，通过购买森林碳汇来实现减排目标是化工行业未来的发展方向。
图 3 不同政策场景下各行业企业森林碳汇需求价格模拟Figure 3 Demand prices of forest carbon sinks of enterprises under different policy scenarios当其他因素不变，税收征收率范围为0%~20%时，观察企业的森林碳汇需求价格的动态变化。由图3B可知：随着碳税征收率的提高，各行业企业的森林碳汇需求价格先呈现下降趋势，后变化不明显。一方面高碳税对购买森林碳汇的成本增加更快，另一方面也是由于在所选取的年份，可供交易的森林碳汇数量较少，企业购买森林碳汇的成本更高。说明碳税征收率为影响企业是否会选择购买森林碳汇的一个政策因素，但不是关键性因素，即高碳税征收率对企业森林碳汇的需求价格影响不大。因此，政府可适当提高碳税征收率，给企业一定的减排压力，促进企业的减排行为。
当其他因素不变，改变碳汇补贴额，模拟0~150元·t−1的情景下企业森林碳汇需求价格动态变化趋势。由图3C可知：随着碳汇补贴额度的增加，各行业企业的森林碳汇需求价格呈上升趋势，3个行业中，化工行业受政策影响的程度最大。4个样本省(市)中，化工行业较多分布在上海和北京，在技术减排方面相对领先，未来进一步减排的成本反而相对较高，更倾向于购买森林碳汇。因此需要政府加大支持力度，加快森林碳汇的发展，促进该行业减排方式的转型。政府可适当提高碳汇补贴额，既可以促进企业的减排热情，也可以增加企业对森林碳汇的购买需求。
4.2 不同省市企业森林碳汇需求价格模拟分析
由图4A可知：随着政府允许碳汇抵消比例的提高，4个省(市)的企业森林碳汇需求价格上升，其中湖北省企业的增长趋势较为明显。湖北省企业目前通过工业减排的成本相对较高，在碳减排政策允许的情况下，企业更愿意选择成本较低的森林碳汇，若政府提高允许碳汇抵消比例，购买森林碳汇减排会成为当地企业的一种选择。由图4B可知：随着碳税征收率的提高，各省(市)企业的森林碳汇需求价格同样没有明显的变化。由图4C可知：随着碳汇补贴额度的增加，各地区企业的森林碳汇需求价格呈上升趋势，4个省(市)中上海市受政策影响的程度最大，上海市目前的技术已相对发达，随着时间的增加，工业减排将不再有优势，同时森林碳汇是一个低成本的选择。
图 4 不同政策情境下下各地区企业森林碳汇需求价格模拟Figure 4 Demand prices of forest carbon sinks of enterprises in various regions under different policy scenarios5. 结论和讨论
5.1 结论
89个样本企业碳边际减排成本存在较大差异且不断增长。一方面说明不同地区在经济发展水平、碳减排政策及减排力度方面的不同，另一方面也说明不同行业企业的减排技术和设备等方面存在差异。每个企业每年的碳边际减排成本不相同且出现上升趋势，说明工业减排已不具有优势，购买森林碳汇来抵消碳排放是未来的发展趋势。各行各业碳边际减排成本高且存在较大差异，企业作为需求方才会有意愿考虑购买森林碳汇，碳汇市场交易也才会进行，这也是本研究的意义所在。
不同省(市)不同行业企业对森林碳汇的需求价格相差甚远。结果显示：上海市、北京市、广东省和湖北省的均值约分别为305、456、877和715元·t−1；火电行业、化工行业、钢铁行业的均值分别为631、556和575元·t−1。上海市与北京市企业对森林碳汇的需求价格低，广东省和湖北省的较高。钢铁行业企业对森林碳汇的需求价格最低，稳定性最强，说明火电和化工行业企业在未来对森林碳汇的需求会更大，尤其是火电行业企业已经正式启动全国碳排放权交易市场，森林碳汇市场在火电行业的发展潜力是巨大的。
政策因素对企业的森林碳汇需求价格有明显的影响。各地区各行业企业的森林碳汇需求价格存在一定的变动范围，最高和最低价格相差甚远，即需要采取一定的方案和措施使价格稳定在一个合理区间，且低于企业的工业碳边际减排成本。其中随着政府允许碳汇抵消比例和碳汇补贴额度增加，企业森林碳汇需求价格会上升，碳税征收率对企业森林碳汇需求价格影响不明显。从行业和地区来看，政府允许碳汇抵消比例变化对化工行业与湖北省的企业影响更大，而碳汇补贴额度的提高对化工行业和上海市的企业的森林碳汇需求促进作用更为明显。因此，合理的允许抵消比例与补贴政策组合下，化工行业将会是未来森林碳汇的重大需求者。
5.2 讨论
中国于2017年已启动全国碳排放权交易市场并在加速建设中，但发展并不完善。目前，试点市场中的广东碳汇市场交易较活跃，2019年成交量突破千万吨，但重庆、天津过少。中国碳排放核查与监测主要针对石化、化工、建材、钢铁、有色、造纸、电力、航空八大行业。本研究涉及行业仅为碳排放密集型的火电、钢铁和化工3个行业，不能完全反映自愿减排的其他碳排放小的行业和个人。从碳汇市场长远发展来看，要鼓励更多行业进入碳汇市场，期待后续加强对其他市场参与主体的研究。
目前，试点碳市交易价格普遍不高且差距很大。2019年成交均价北京市最高为83.27元·t−1，深圳市最低，仅为10.84元·t−1，试点市场平均成交均价为27.76元·t−1，与本研究所测算的企业森林碳汇需求价格相差较远。本研究仅从森林碳汇的需求方企业来进行森林碳汇的价格研究，未充分考虑森林碳汇供给方和政府，因此多方参与的森林碳汇定价机制还需后续进一步研究，以探索合理的碳汇价格，提高企业森林碳汇需求的同时保障森林碳汇供给者的利益。
-
图 1 不同干扰下桉树人工林群落各层次物种多样性指数
不同小写字母表示不同干扰下各层次间差异显著 (P＜0.05)
Figure 1 Species diversity of E. grandis plantation community in different levels of interference
图 2 不同干扰下桉树人工林群落各层次生物量
不同小写字母表示不同干扰下各层次间差异显著 (P＜0.05)
Figure 2 Biomass of E. grandis plantation community in different levels of interference
表 1 样地概况
Table 1. Information about the sampling plots
样地号 干扰强度 海拔/m 坡度/(°) 坡向/(°) 平均胸径/cm 平均树高/m 密度/(株·hm－2) 郁闭度 1~4 重度干扰 610~616 20.6~24.7 SW228.5~SW236.0 14.3~16.9 10.0~11.3 1 001 0.4~0.5 5~8 中度干扰 620~624 34.8~37.2 NW27.4~NW29.0 18.6~20.1 13.8~15.2 783 0.5~0.6 9~12 轻度干扰 617~619 30.5~33.5 NW27.2~NW28.1 17.3~18.8 12.1~14.1 905 0.7 
下载: 导出CSV
表 2 不同干扰下桉树人工林各层次物种及其重要值
Table 2. Important values of species in different layers of E. grandis plantation in different levels of interference
层次 干扰强度 物种及其重要值 乔木层 重度干扰 桉树(0.251 1)+女贞(0.159 8)+水杉(0.136 7)+绢毛稠李(0.139 4)+桢楠(0.062 5)+二球悬铃木(0.086 0)+柳杉(0.0413) 中度干扰 桉树(0.297 3)+女贞(0.097 2)+水杉(0.183 4)+绢毛稠李(0.052 6)+桢楠(0.197 5)+八角枫 (0.053 9) 轻度干扰 桉树(0.217 2)+女贞(0.154 7)+水杉(0.071 6)+绢毛稠李(0.143 5)+喜树(0.083 8)+二球悬铃木(0.057 2)+银木 Cinnamomum septentrionale(0.050 6) 灌木层 重度干扰 桢楠(0.177 4)+绢毛稠李(0.147 1)+高粱泡 (0.099 0)+石海椒 (0.076 8)+刺槐 (0.072 8)+八角枫(0.067 8)+女贞(0.066 0)+ 朴树 (0.043 3) 中度干扰 萝芙木 (0.209 7)+高粱泡(0.129 4)+桢楠(0.108 8)+绢毛稠李(0.098 8)+紫麻(0.0556)+女贞(0.048 6)+朴树(0.048 8)+ 常春藤 (0.048 8) 轻度干扰 绢毛稠李(0.177 8)+润楠Machilus nanmu(0.134 0)+桢楠(0.072 1)+水麻 (0.092 3)+石海椒(0.067 8)+女贞(0.041 6)+朴 树(0.051 0)+苦竹Pleioblastus amarus(0.041 1) 草本层 重度干扰 白花紫露草 (0.553 9)+铁线蕨(0.073 4)+钮子瓜Zehneria maysorensis(0.042 5) 中度干扰 白花紫露草(0.491 6)+里白 (0.117 4)+垂序商陆(0.055 2)+毛茛Ranunculus japonicus (0.054 0) 轻度干扰 白花紫露草(0.413 8)+垂序商陆(0.100 5)+葎草 (0.079 8)+透茎冷水花 (0.086 8)+白英Solanum lyratum(0.051 9) 说明：括号中数值为重要值
下载: 导出CSV
表 3 桉树人工林下的物种多样性指数与生物量的相关系数
Table 3. Correlation between species diversity index and biomass of E. grandis plantation
层次 项目 多样性指数 乔木层 灌木层 草本层 D H H' JSW D H H' JSW D H H' JSW 乔木层 森林蓄积量 0.00 −0.10 0.26 −0.17 −0.24 0.12 0.48 −0.20 −0.05 0.05 0.00 0.05 灌木层 地上生物量 0.20 −0.01 −0.02 −0.41 0.05 −0.46 −0.34 −0.14 −0.02 0.01 0.00 0.04 地下生物量 0.20 −0.01 −0.02 −0.41 0.05 −0.46 −0.34 −0.14 −0.02 0.01 0.00 0.04 生物总量 0.20 −0.01 −0.02 −0.41 0.05 −0.46 −0.34 −0.14 −0.02 0.01 0.00 0.04 草本层 地上生物量 0.61* 0.35 0.37 −0.34 0.14 −0.32 −0.16 −0.28 0.40 0.53 0.59* 0.55 地下生物量 0.44 0.20 0.21 −0.37 0.00 −0.54 −0.29 −0.35 0.35 0.46 0.44 0.49 生物总量 0.57* 0.30 0.31 −0.39 0.08 −0.46 −0.24 −0.34 0.41 0.53 0.56* 0.56* 说明：* 表示显著相关(P＜0.05)
下载: 导出CSV
-
[1] 龚艳宾. 天然阔叶红松林下植被物种多样性及生物量研究[D]. 北京: 北京林业大学, 2016. GONG Yanbin. Understory Species Diversity and Biomass of Natural Broad-leaved Korean Pine Forest[D]. Beijing: Beijing Forestry University, 2016. [2] NERFA L, RHEMTULLA J M. Changes in tree species diversity, composition and aboveground biomass in areas of fuelwood harvesting in miombo woodland ecosystems of southern Malawi [J]. For Trees Livelihoods, 2019, 28(3): 176 − 193. [3] 杨路存, 赵玉红, 徐文华, 等. 青海省高寒灌丛物种多样性、生物量及其关系[J]. 生态学报, 2018, 38(1): 309 − 315. YANG Lucun, ZHAO Yuhong, XU Wenhua, et al. Species diversity, biomass and their relationships of alpine shrubberies in Qinghai Province [J]. Acta Ecol Sin, 2018, 38(1): 309 − 315. [4] 李尚益, 方晰, 陈金磊, 等. 人为干扰对中亚热带森林生物量及其空间分布格局的影响[J]. 生态学报, 2018, 38(17): 6111 − 6124. LI Shangyi, FANG Xi, CHEN Jinlei, et al. Effects of different degrees of anthropogenic disturbance on biomass and spatial distribution in subtropical forests in central southern China [J]. Acta Ecol Sin, 2018, 38(17): 6111 − 6124. [5] 高艳, 杜峰, 王雁南. 黄土丘陵区撂荒群落地上生物量和物种多样性关系[J]. 水土保持研究, 2017, 24(3): 96 − 102. GAO Yan, DU Feng, WANG Yannan. Relationship between aboveground biomass and species diversity of abandoned communities in loess hilly area [J]. Res Soil Water Conserv, 2017, 24(3): 96 − 102. [6] CATHERINE M, JENNIFER M F. Species traits as generalized predictors of forest community response to human disturbance [J]. For Ecol Manage, 2009, 257(2): 723 − 730. [7] RGRAMONT A R E, SERGIO F M, GAVA-BERNAL G, et al. Effect of human disturbance on the structure and regeneration of forests in the Nevado de Toluca National Park, Mexico [J]. J For Res, 2012, 23(1): 39 − 44. [8] 张希彪, 上官周平. 人为干扰对黄土高原子午岭油松人工林土壤物理性质的影响[J]. 生态学报, 2006, 26(11): 3685 − 3695. ZHANG Xibiao, SHANGGUAN Zhouping. Effects of Human-induced disturbance on physical properties of soil in artificial Pinus tabulaeformis Carr. forests of the Loess Plateau [J]. Acta Ecol Sin, 2006, 26(11): 3685 − 3695. [9] 方茹意, 吴炜, 鲁翔, 等. 不同强度人为干扰对毛竹林植物多样性的影响[J]. 世界竹藤通讯, 2017, 15(6): 1 − 5. FANG Ruyi, WU Wei, LU Xiang, et al. Effects of different artificial disturbances intensities on plant siversity in moso bamboo forest [J]. World Bamboo Rattan Commun, 2017, 15(6): 1 − 5. [10] 郝建锋, 王德艺, 唐永彬, 等. 人为干扰对江油地区马尾松人工林群落结构和物种多样性的影响[J]. 生态环境学报, 2014, 23(5): 729 − 735. HAO Jianfeng, WANG Deyi, TANG Yongbin, et al. Effects of human disturbance on species diversity of Pinus massoniana plantation in Jiangyou district, Sichuan Province [J]. J Ecol Environ, 2014, 23(5): 729 − 735. [11] 周光兵, 龙翠玲. 人为干扰对城市近郊区森林植物多样性的影响: 以贵阳市乌当区为例[J]. 西南师范大学学报(自然科学版), 2011, 36(5): 98 − 103. ZHOU Guangbing, LONG Cuiling. Effects of human-induced disturbance on plant diversity in urban area: a case study of Wudang area in Guiyang, Guizhou Province [J]. J Southwest Norm Univ Nat Sci Ed, 2011, 36(5): 98 − 103. [12] 吴思思, 鲁小珍, 王馨悦, 等. 2种类型人为干扰对城市风景林植物多样性的影响[J]. 南京林业大学学报(自然科学版), 2019, 43(5): 128 − 134. WU Sisi, LU Xiaozhen, WANG Xinyue, et al. Effects of two types of artificial interferences on plant diversity of urban landscape forests [J]. J Nanjing For Univ Nat Sci Ed, 2019, 43(5): 128 − 134. [13] 艾训儒, 易咏梅, 姚兰, 等. 旅游区人为干扰对森林群落物种多样性的影响[J]. 浙江林学院学报, 2010, 27(2): 178 − 184. AI Xunru, YI Yongmei, YAO Lan, et al. Effects of human disturbance on species diversity of Pinus massoniana-Cunninghamia lanceolata mixed forest in Suobuya Stone Forest [J]. J Zhejiang For Coll, 2010, 27(2): 178 − 184. [14] 许晓东, 莫晓勇, 邓海燕, 等. 桉树人工林抚育间伐优化模型[J]. 福建农林大学学报(自然科学版), 2020, 49(3): 341 − 347. XU Xiaodong, MO Xiaoyong, DENG Haiyan, et al. Optimizing models of tending and thinning for Eucalyptus plantation [J]. J Fujian A&F Univ Nat Sci Ed, 2020, 49(3): 341 − 347. [15] 潘辉, 黄石德, 张金文, 等. 试论福建省桉树人工林的生态问题及其对策[J]. 中国生态农业学报, 2009, 17(3): 605 − 609. PAN Hui, HUANG Shide, ZHANG Jinwen, et al. Ecological defects and countermeasures of Eucalyptus plantation in Fujian Province [J]. Chin J Eco-Agric, 2009, 17(3): 605 − 609. [16] 方精云, 王襄平, 沈泽昊, 等. 植物群落清查的主要内容、方法和技术规范[J]. 生物多样性, 2009, 17(6): 533 − 548. FANG Jingyun, WANG Xiangping, SHEN Zehao, et al. Methods and protocols for plant community inventory [J]. Biodiversity Sci, 2009, 17(6): 533 − 548. [17] 高凌寒. 基于ArboLiDAR的多源遥感数据融合的林分参数估测[D]. 杨凌: 西北农林科技大学, 2017. GAO Linghan. Forest Parameters Estimate of Multi-remote Sensing Data Based on ArboLiDAR[D]. Yangling: Northwest A&F University, 2017. [18] 杨昆, 管东生. 森林林下植被生物量收获的样方选择和模型[J]. 生态学报, 2007, 27(2): 705 − 714. YANG Kun, GUAN Dongsheng. Selection of gaining quadrat for harvesting the undergrowth vegetation and its biomass estimation modeling in forest [J]. Acta Ecol Sin, 2007, 27(2): 705 − 714. [19] 吕浩荣, 刘颂颂, 朱剑云, 等. 人为干扰对风水林群落林下木本植物组成和多样性的影响[J]. 生物多样性, 2009, 17(5): 458 − 467. LÜ Haorong, LIU Songsong, ZHU Jianyun, et al. Effects of human disturbance on understory woody species composition and diversity in Fengshui forests [J]. Biodiver Sci, 2009, 17(5): 458 − 467. [20] 姚小兰, 郝建锋, 齐锦秋, 等. 人为干扰对川西碧峰峡木荷次生林群落结构和物种多样性的影响[J]. 西北农林科技大学学报(自然科学版), 2017, 45(11): 18 − 26. YAO Xiaolan, HAO Jianfeng, QI Jinqiu, et al. Effects of human disturbance on community structure and species diversity of Schima superba secondary forest in Bifengxia, western Sichuan [J]. J Northwest A&F Univ Nat Sci Ed, 2017, 45(11): 18 − 26. [21] 于福科, 黄新会, 王克勤, 等. 桉树人工林生态退化与恢复研究进展[J]. 中国生态农业学报, 2009, 17(2): 393 − 398. YU Fuke, HUANG Xinhui, WANG Keqin, et al. An overview of ecological degradation and restoration of Eucalyptus plantation [J]. Chin J Eco-Agric, 2009, 17(2): 393 − 398. [22] 王勇军, 黄从德, 张健, 等. 岷江干旱河谷灌丛物种多样性、生物量及其关系[J]. 干旱区研究, 2010, 27(4): 567 − 572. WANG Yongjun, HUANG Congde, ZHANG Jian, et al. Species diversity, biomass and their relationship of shrubberies in an arid valley of the Minjiang River [J]. Arid Zone Res, 2010, 27(4): 567 − 572. [23] 郑晓翾, 王瑞东, 靳甜甜, 等. 呼伦贝尔草原不同草地利用方式下生物多样性与生物量的关系[J]. 生态学报, 2008, 28(11): 5392 − 5400. ZHENG Xiaoxuan, WANG Ruidong, JIN Tiantian, et al. Relationships between biodiversity and biomass under different regimes of grassland use in Hulunbeir, Inner Mongolia [J]. Acta Ecol Sin, 2008, 28(11): 5392 − 5400. [24] LONNIE W, ROBERT A, JASON P. Is the productivity of vegetation plots higher or lower when there are more species? Variable predictions from interaction of the‘sampling effect’and‘competitive dominance effect’on the habitat templet [J]. Oikos, 2003, 102(2): 427 − 432. [25] 姚俊宇, 伍炫蓓, 孙千惠, 等. 林窗大小对川西马尾松人工林林下物种多样性和生物量的影响[J]. 应用与环境生物学报, 2018, 24(2): 214 − 220. YAO Junyu, WU Xuanbei, SUN Qianhui, et al. Effects of canopy gap size on understory species diversity and biomass in a Pinus massoniana plantation in western Sichuan [J]. Chin J Appl Environ Biol, 2018, 24(2): 214 − 220. 期刊类型引用(9)
1. 陈丽荣，万深玮，王一冰，李丹，刘雨声. 公众森林碳汇购买意愿影响因素研究——基于TPB—NAM整合模型. 资源开发与市场. 2024(01): 42-51 . 
百度学术2. 蒋欣强，彭红军，苏世伟. 国际林业碳汇基金运作模式研究与启示. 世界林业研究. 2023(03): 9-15 . 百度学术3. 李明晖，王恺. 双碳背景下碳市场经济学理论与演化规律研究进展. 油气储运. 2023(11): 1242-1250+1260 . 百度学术4. 杨凯迪，张伟. 黄河流域森林碳汇生态产品价值核算研究. 黄河文明与可持续发展. 2023(02): 103-122 . 百度学术5. 沈哲鑫. 基于区块链的碳抵消研究综述与展望. 中国商论. 2022(04): 112-115 . 百度学术6. 陈周光，龙飞，祁慧博. 中国森林碳汇定价研究. 价格月刊. 2022(03): 9-16 . 百度学术7. 王雅茹，贾瑜，赵华，顾永强. “双碳”目标下油气行业发展的应对之策. 石油石化绿色低碳. 2022(02): 73-76 . 百度学术8. 朱梅钰，龙飞，祁慧博，张哲. 基于行业减排的森林碳汇需求空间测度与分类. 浙江农林大学学报. 2021(02): 377-386 . 本站查看9. 王丽华，许跃坤. 简析我国碳汇林发展现状. 阿坝师范学院学报. 2021(04): 66-73 . 百度学术其他类型引用(8)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.20950756.20200312
点击查看大图
计量
- 文章访问数: 1141
- HTML全文浏览量: 269
- PDF下载量: 133
- 被引次数: 17
