下载:
-
全球气候变暖已成为国际社会关注的焦点，而大量二氧化碳等温室气体排放形成的温室效应则是气候变暖的根源。森林是陆地上最大的生态系统，也是陆地生态系统的最大碳库，森林生态系统维持的碳库占全球总碳库的46.30%。森林碳汇功能具有比其他减排方式更经济和高效的的优点，《京都议定书》中明确森林碳汇是二氧化碳减排的主要替代方式[1-3]。碳汇造林不仅可以增加陆地碳汇，而且能减缓大气中二氧化碳的积累，具有重要的政治意义和科学实践意义[4]。竹林是地球陆地上重要的森林植被类型，也是特殊的生态系统单元。中国地处世界竹子分布的中心区，是世界第一大产竹国，有竹子39个属500余种，竹林面积占森林面积的3.06%[5]。竹林为异龄林，与其他林分相比，具有生长速度快、高产和用途广泛等优点，竹笋出土后在较短的时间内（40 d左右）完成高生长，1年生毛竹Phyllostachys edulis的碳储量在6个月时间内已占全年碳储量的88.80%以上，毛竹具有很强的固碳能力，是速生阶段杉木Cunninghamia lanceolata林的1.33倍、热带山地雨林的1.33倍、27年生杉木林的2.16倍[3]。新造毛竹林林分状态分为成林前和成林后2个阶段。成林后的毛竹林林分结构稳定，包括立竹密度、胸径、竹高和生物量等。许多学者利用地面调查和遥感监测等方式对成林后毛竹林分生物量、固碳能力进行了深入的研究[6-9]，关于毛竹林林分结构与地形环境、经营方式的关系研究也有较多报道。有研究认为：人工栽植毛竹林成林稳定后在异质性环境中的分布更偏向泊松分布[10]，而在近自然状态下毛竹林空间分布格局随年份发生动态变化[11]。还有研究发现：通过改善经营措施对于优化毛竹林径级结构、年龄结构和空间结构从而提高单位面积生产力有重要作用[12-14]。与成林后毛竹林研究相比，学者对成林前毛竹林的相关研究较少，同时一些关于新造毛竹林成林前的研究也主要聚焦在非空间结构上，陈婷等[16]研究表明：毛竹林在成林前与成林后非空间结构间差异较大。陈双林等[15]研究发现：新造毛竹林林分结构状况受到立地类型、母竹质量与初植密度和造林模式等多重影响。毛竹林不同阶段空间分布格局的研究有助于完善对该物种种群水平结构的定量描述[17]，因此，对毛竹林成林前空间结构的研究变得更有意义。为此，本研究以2块不同栽植方式的毛竹碳汇林为对象，对新竹进行了连续监测，探究不同栽植方式对毛竹林自然成林过程中的空间分布格局特征的影响，为毛竹碳汇林营造与管理提供参考。
-
试验区位于浙江省临安市藻溪镇严家村严家山（30°10′29.7″N，119°29′55.6″E），属中亚热带季风气候，平均海拔为550 m，年平均气温为15.8 ℃，年平均降水量为1 500.0 mm，年平均无霜期为236.0 d。地形地貌为低山丘陵，土壤为红壤，pH 4.4。森林植被中，乔木层主要有萌蘖次生杉木以及少量的青冈Cyclobalanopsis glauca等。
-
2008年11月，在试验区通过母竹移栽方式新造2块毛竹碳汇林，其中一块采用匀栽方式栽植，栽植面积为15.47 hm2；另一块采用丛栽方式栽植，栽植面积为20.99 hm2。母竹选用标准：年龄为1~2年生，胸径3~6 cm，竹高3.0~3.5 m，鞭色鲜黄，鞭芽饱满，鞭根健全，竹节正常，无病虫害。匀栽方式毛竹林地栽植穴规格为1.2 m（长）×0.6 m（宽）×0.5 m（深），植竹600株·hm-2，株行距为4 m × 4 m；丛栽方式栽植穴为1.2 m（长）×0.5 m（宽）×0.5 m（深），采用品字形设计，栽植穴3个·栽植点-1，植竹675株·hm-2。在毛竹林幼林阶段，每年春季和初夏各中耕除草1次，造林后3 a内采用穴施法施用尿素300~450 kg·hm-2·a-1，除挖去退笋、败笋外，全部留笋长竹，不进行伐竹作业。在匀栽与丛栽2种不同栽植方式毛竹碳汇林中各随机布设20块20 m × 20 m固定标准地。
2009-2013年，每年对试验固定标准地内的新竹进行定位监测。用NTS-352全站仪（测距精度：3 mm+2×10-6 mm；测角精度2 s）测定每株新竹的基部三维坐标（X, Y, H）和竹高h，其中X和Y是平面直角坐标，H是海拔高度，h是竹子基部到竹梢顶部的垂直高度，并利用围尺测量新竹的胸径。
-
聚集指数是最近邻单株距离的平均值与随机分布下的期望平均距离之比，经Donnelly优化[18]，公式为：
$$R=\frac{\frac{1}{N}\sum\limits_{i=1}^{N}{{{r}_{i}}}}{\frac{1}{2}\sqrt{\frac{F}{N}}+\frac{0.0514F}{N}+\frac{0.041F}{{{N}^{\frac{3}{2}}}}}。$$ (1) 式（1）中：R为聚集指数；ri为第i株毛竹到最近邻竹的距离（m）；N为固定标准地内毛竹株数（株）；F为固定标准地面积（m2）；P为固定标准地周长（m）。
-
考虑边缘影响校正后的Ripley’s K（d）函数公式为：
$$\hat{K}\left( d \right)=A\sum\limits_{i=1}^{N}{\sum\limits_{j=1}^{N}{\frac{{{w}_{ij}}\left( d \right)}{{{N}^{2}}}\left( i\ne j \right)。}}$$ (2) 式（2）中：N为固定标准地毛竹株数（株）；d为距离尺度；wij为以毛竹i为圆心；d为半径的圆在样地中的周长部分与圆周长之比的倒数，dij为毛竹i与j之间的距离（m），且dij≤d；A为固定标准地面积（m2）[19]。
BESAG等[20]提出用$\hat{L}\left( d \right)$取代$\hat{K}\left( d \right)$，并对$\hat{K}\left( d \right)$作开平方的线性变换，以保持方差稳定。在随机分布的假设下，期望值接近于0[21]。$\hat{L}\left( d \right)$公式为：
$$\hat{L}\left( d \right)=\sqrt{\frac{R\left( d \right)}{\pi }}-d。$$ (3) 本研究中通过比较$\hat{L}\left( d \right)$与d的关系来分析毛竹林空间分布格局类型。$\hat{L}\left( d \right)<0$，表示呈均匀分布$\hat{L}\left( d \right)=0$，表示呈随机分布；$\hat{L}\left( d \right)>0$，表示呈聚集分布。
然后对固定标准地内毛竹实际观测分布$\hat{L}\left( d \right)$曲线用蒙特-卡洛检验法进行显著性检验。在某个距离尺度d范围内，比较固定标准地毛竹实际观测分布$\hat{L}\left( d \right)$曲线与蒙特-卡洛检验法得出的置信区间所绘制的上下2条包迹线来判别毛竹林立竹空间分布格局。实际观测分布$\hat{L}\left( d \right)$曲线位于包迹线上测，竹林呈聚集分布；实际观测分布$\hat{L}\left( d \right)$曲线位于包迹线下测，竹林呈均匀分布；实际观测分布$\hat{L}\left( d \right)$曲线位于2条包迹线中间，竹林呈随机分布[19]。本研究蒙特-卡洛检验法模拟次数为200次，最大距离尺度为固定标准地最短边长的一半，即10 m[21]。
-
以匀栽毛竹林2013年份新竹为例，所选择标准地个数为16个（表 1），而16个标准地的新竹$\hat{L}\left( d \right)$曲线图均有所差异，故需建立标准选取该年份16张新竹$\hat{L}\left( d \right)$曲线图中最具代表性的一张作为结果图，用以说明2013年新竹在各距离尺度下的空间分布格局。选取标准如下：① 利用Ripley’s K（d）函数计算所得图统计该年份新竹在6个距离尺度（1，2，4，6，8，10 m）上呈聚集分布的图的张数，并计算所得张数占曲线图总张数（所选标准地个数）的比例，得到比值。② 根据统计学经验，若比值大于0.5，说明新竹在该尺度下呈聚集分布的标准地个数超过所选标准地个数（16个）的一半，表示新竹在该尺度上呈聚集分布；若比值小于0.5，表示新竹呈随机分布或均匀分布。由于本研究对象在所有尺度上均未显示有均匀分布趋势，故当比值小于0.5时，新竹在该尺度呈随机分布。③ 在所有$\hat{L}\left( d \right)$曲线图中选择符合各距离尺度下分布格局的图作为2013年新竹$\hat{L}\left( d \right)$曲线图。
使用ForStat 2.1软件、Matlab软件和SPSS 20.0进行试验数据计算。
-
由于母竹的栽植方式会对研究带来一定的干扰，所以匀栽与丛栽2种栽植方式标准地毛竹株数均不包含母竹株数。从表 1可以看出：不同栽植方式的毛竹林中相同年份的新竹、活立竹株数和聚集指数都有所差异；相同栽植方式的毛竹林新竹、活立竹的聚集指数随着时间的推移发生动态的变化。
表 1 不同栽植方式的毛竹林不同年份新竹和活立竹聚集指数与株数
Table 1. Different planting patterns and different years of new bamboo's and live bamboo's aggregation index and tree number in moso
年份 栽植方式 标准地个数/个 新竹株数/株 新竹聚集指数 活立竹株数/株 活立竹聚集指数 2009 匀栽 8 5±3aAB 0.18 ± 0.16 aA 5 ± 3 aA 0.18 ± 0.16 aA 丛栽 6 4±3aA 0.49 ± 0.07 bAB 4±3aA 0.49 ± 0.07 bAB 2010 匀栽 16 10 ± 5 aAC 0.35 ± 0.12 aA 13 ± 7 aB 0.35 ± 0.16 aB 丛栽 17 25 ± 15 bBC 0.46 ± 0.15 bAB 28 ± 16 bB 0.47 ± 0.13 bA 2011 匀栽 16 13 ± 7 aCD 0.50 ± 0.22 aB 24 ± 13 aC 0.40 ± 0.14 aB 丛栽 18 13 ± 11 aD 0.38 ± 0.19 aA 30 ± 25 bBC 0.45 ± 0.14 aA 2012 匀栽 18 10 ± 6 aAC 0.65 ± 0.18 aC 33 ± 18 aC 0.42 ± 0.13 aBC 丛栽 20 20 ± 14 bBD 0.52 ± 0.15 bB 59 ± 32 bC 0.49 ± 0.18 aA 2013 匀栽 16 17 ± 11 aD 0.63 ± 0.21 aBC 50 ± 28 aD 0.52 ± 0.11 aC 丛栽 20 31 ±14 bC 0.76 ± 0.15 bC 89 ± 45 bD 0.60 ± 0.19 aB 说明：同列不同小写字母仅表示相同年份不同栽植方式间差异显著，同列不同大写字母表示相同栽植方式不同年份间差异显著 (P < 0.05)。新竹株数、新竹聚集指数、活立竹株数、活立竹聚集指数为平均值±标准差。 -
从表 1可知：匀栽栽植方式毛竹林2009年至2013年的新竹聚集指数总体呈上升趋势，聚集指数均小于1，呈聚集分布。2009年新竹聚集指数最低为0.18，2012年聚集指数最高为0.65；新竹数也总体呈上升趋势，2012年略有下降，2013年新竹数达到最大值为17株。2009年与2010年，新竹聚集指数与株数差异不显著（P > 0.05），说明造林后前2 a新竹分布格局差异不大，新竹发育速度较为缓慢；而2010-2012年，聚集指数随着造林年限增加而增加，年份间聚集指数差异显著（P < 0.05），表明造林后第2年开始地下竹鞭逐渐扩展，新竹出笋位置离母竹渐远。2009-2012年，从新竹株数来看，年份间差异并不明显，直到2013年，新竹数才有显著（P < 0.05）提高。研究发现：当新竹株数增加时，聚集指数也相应增大，新竹聚集指数与新竹株数符合幂函数关系式（图 1），新竹株数（x）为自变量，林分新竹聚集指数为因变量（y），函数关系式为y=0.041 6x0.999 2, R2=0.761 6。
图 1 匀栽与丛栽毛竹林新竹聚集指数和新竹株数的关系
Figure 1. Relation of aggregation index and number of new bamboo in uniform planting and group-planting moso bamboo forest
丛栽栽植方式毛竹林中，2009-2011年，聚集指数逐年下降，2011-2013年逐年上升，2011年新竹聚集指数最低为0.38，2013年新竹聚集指数最高为0.76。这5 a中的新竹聚集指数均小于1，呈聚集分布。2009年与2010年，丛栽新竹聚集指数年份间差异性与匀栽竹林相同，造林后前2 a，聚集指数差异不显著。2011-2013年聚集指数具有显著性差异（P < 0.05），表明该阶段毛竹林正处于快速发育阶段。2009-2013年，年份间新竹株数差异显著（P < 0.05），2009年新竹株最少为4株，2010年新竹突然呈爆发式增长，达到25株，2011年新竹突然减少至13株，然后逐步增加，2013年新竹数最多为31株，表明丛栽毛竹林造林后5 a为毛竹林快速发育阶段。同时，丛栽新竹聚集指数与新竹株数符合二次函数关系式（图 1），新竹株数为自变量（x），新竹聚集指数为因变量（y），函数关系式为y=0.001 1-0.028 4x+0.588 1, R2=0.828 8。
由表 1可见：2009年2种栽植方式新竹株数差异不显著，而2010年与2009年新竹数差异明显，表明通过母竹移栽方式进行毛竹造林后第1年，栽植方式不会影响新竹出土数量，可能的原因是新造竹林第1年母竹主要以扩展地下竹鞭为主，竹鞭尚未有出笋能力。造林后第2年开始（2010-2013年），相同年份匀栽与丛栽新竹聚集指数差异显著（P < 0.05）（除2012年），丛栽新竹株数显著（P < 0.05）高于匀栽（除2012年）。表明栽植方式对新竹的发育与分布格局的影响逐渐增大。
-
匀栽新造毛竹碳汇林造林第2年后，各年份间活立竹聚集指数差异不显著，聚集指数随着造林年限的增加呈缓慢上升趋势。2009-2013年，各年份间活立竹株数差异性显著（P < 0.05）。截至2013年，虽然每年活立竹株数都在增加，但是毛竹林空间分布格局仍然呈聚集分布，表明活立竹分布位置主要以靠近母竹为主，毛竹林还未成林，仍然处于发育阶段。活立竹聚集指数变动范围为0.18~0.52，林分活立竹株数的波动范围为5~50株。匀栽毛竹林聚集指数与活立竹株数关系见图 2。图 2中，活立竹株数为自变量（x），林分活竹聚集指数为因变量（y），拟合方程为y=0.103 7x0.419 3, R2=0.937 9。
图 2 匀栽与丛栽毛竹林聚集指数与活立竹株数的关系
Figure 2. Relation of aggregation index and number of stand live bamboo in uniform planting and groupplanting moso bamboo forest
丛栽栽植方式毛竹林中，2009-2011年活立竹聚集指数逐年下降，2011年聚集指数最低为0.45，随后聚集指数逐年递增，2013年聚集指数最大为0.60，该毛竹林分布格局仍呈聚集分布。丛栽毛竹林活立竹株数与聚集指数年份间差异均不显著，与匀栽竹林相同。可见，毛竹造林后5 a内，丛栽竹林也处于成林初期阶段。活立竹聚集指数变动范围为0.45~0.60，活立竹株数变动范围为4~89株。由图 2可见：活立竹聚集指数（y）和株数（x）的函数关系式满足y=0.000 04x2-0.002 7x+0.501，R2=0.985 6。
2009-2013年5 a造林年限中，对比2种栽植方式新造毛竹林可以发现，造林后前2 a，丛栽活立竹聚集指数显著（P < 0.05）高于匀栽，第3年（2011年）开始无显著差异。而在活立竹株数方面，除2009年外，丛栽竹林均显著（P < 0.05）高于匀栽。从林业生产角度出发，相同年份下丛栽聚集指数与活立竹株数均高于匀栽，因此，丛栽栽植方式要优于匀栽栽植方式，并且能够缩短成林所需时间。到目前为止，对比成熟毛竹林分[22]，2种栽植方式下的新造毛竹碳汇林仍然处于成林初期阶段。
-
根据1.3.3小节介绍，由图 3中可见：2013年匀栽毛竹林新竹在4 m尺度下呈聚集分布，在1，2，6，8，10 m尺度下呈随机分布，图 4E为按照1.3.3小节标准选择的2013年匀栽毛竹林新竹$\hat{L}\left( d \right)$曲线图，符合新竹在4 m尺度下呈聚集分布，在1，2，6，8，10 m尺度下呈随机分布。以此类推，通过图 3，图 5，图 6和图 7所示新竹与活立竹在匀栽与丛栽毛竹林各距离尺度下的分布格局，得到匀栽与丛栽毛竹林各年份新竹、活立竹空间分布格局结果图（图 4，图 8）。
图 3 匀栽毛竹林新竹各距离尺度聚集标准地所占比例
Figure 3. Proportion of aggregated sample plots of new bamboo in all distance dimension in uniform planting moso bamboo forest
图 4 匀栽与丛栽毛竹林各年份新竹空间分布格局
Figure 4. Different years of stand new bamboo's spatial pattern in uniform planting moso bamboo forest and group-planting moso bamboo forest
图 5 匀栽毛竹林活立竹各距离尺度聚集标准地所占比例
Figure 5. Proportion of aggregated sample plots of live bamboo in all distance dimension in uniform planting moso bamboo forest
图 6 丛栽毛竹林新竹各距离尺度聚集标准地所占比例
Figure 6. Proportion of aggregated sample plots of new bamboo in all distance dimension in group-planting moso bamboo forest
图 7 丛栽毛竹林活立竹各距离尺度聚集标准地所占比例
Figure 7. Proportion of aggregated sample plots of live bamboo in all distance dimension in group-planting moso bamboo forest
图 8 匀栽与丛栽毛竹林各年份活立竹空间分布格局
Figure 8. Different years of stand live bamboo's spatial pattern in uniform planting moso bamboo forest and group-planting moso bamboo forest
-
图 4 A~E分别是匀栽栽植方式2009-2013年新竹空间分布格局图。匀栽的新造毛竹碳汇林2009年的新竹在0~2.2 m的尺度下，呈聚集分布，在2.2 m尺度以上呈随机分布；2010年新竹在0~3.3 m的尺度下呈聚集分布，在3.3 m尺度以上呈随机分布；2011年新竹在5.4 m尺度以上呈随机分布。新竹的繁殖离不开母竹竹鞭的扩展，新竹出笋位置离母竹较近，因此新竹小尺度呈聚集分布，大尺度呈随机分布表明造林前几年新竹分布格局受到了母竹栽植方式的影响。随着造林年限的增加，新竹呈随机分布的距离尺度逐渐变远，表明母竹竹鞭的长度逐渐增加，新竹出土位置离母竹渐远。2012-2013年，新竹逐渐在各距离尺度上呈随机分布表明毛竹林地下鞭根系统逐渐完善。图 4A~E中的波谷尖峰所在距离表明新竹在该尺度下存在团状分布，波谷增多说明新竹的团状分布个数增多，表明竹林地下鞭根出现交错现象，致使部分不同种源新竹在一定尺度下呈现团状聚集分布。图 4F~J分别是丛栽栽植方式2009-2013年新竹空间分布格局图，丛栽栽植方式2009年新竹在距离尺度大于4.4 m以上呈随机分布也受到了母竹栽植方式的影响。但2010与2012年新竹整体分布格局主要呈聚集分布，在0~3.0 m距离尺度上新竹聚集趋势明显，但在距离尺度大于5.0 m以上，聚集趋势开始减弱。2013年新竹聚集趋势进一步降低，以随机分布为主要分布格局。
-
匀栽毛竹林2009年活立竹在0~2.2 m的尺度下呈聚集分布，在2.2 m尺度以上呈随机分布（图 8A）。2010年林分活立竹从距离尺度4.0 m以下的聚集分布过渡到距离尺度4.0 m以上的随机分布，在距离尺度为6.0 m处有一个波谷尖峰（图 8B）。2011年在距离尺度为1.0, 3.5, 6.0 m处有波谷尖峰，表明活立竹在该尺度下存在团状分布（图 8C）。2012年活立竹在距离尺度4.0 m以上聚集趋势减弱，在距离尺度为9.0 m处有1个波谷尖峰（图 8D），至2013年该波谷尖峰变得明显（图 8E）。丛栽毛竹林2010年活立竹在尺度距离6.0 m处有明显波谷尖峰（图 8G），2011年活立竹在6.0, 9.4 m距离尺度下有明显尖峰（图 8H），2012年活立竹在9.0 m距离尺度下团状分布现象更加明显（图 8I），至2013年活立竹在固定尺度上的尖峰逐渐消失，$\hat{L}\left( d \right)$估计值曲线波动变小趋于稳定，说明新造毛竹碳汇林地下鞭根系统逐渐完善（图 8J）。图 8C~E发现匀栽方式的毛竹林在9.0 m距离尺度下的尖峰没有丛栽方式那么明显，出现该现象的时间比丛栽方式迟1 a。随着造林年限的增加，不管是匀栽、丛栽栽植方式下的毛竹林，活立竹在固定尺度下的团状分布会逐渐消失，在0~2.0 m尺度下聚集趋势明显，在2.0~10.0 m尺度下聚集趋势开始减弱。
-
本研究在新造毛竹碳汇林设置固定标准地，并对标准地中新竹坐标等连续监测，利用聚集指数和Ripley’s K（d）函数2种方法对2009-2013年不同栽植方式下新造毛竹碳汇林成林初期空间分布格局进行研究，得出以下结论：① 5 a造林年限间，匀栽与丛栽毛竹林均呈聚集分布。② 新造毛竹碳汇林成林初期，新竹分布格局受母竹栽植方式影响明显。③ 不同栽植方式下的毛竹碳汇林，活立竹株数与聚集指数之间存在显著相关性。匀栽毛竹林活立竹株数（x）与聚集指数（y）拟合方程为y=0.103 7x0.419 3, R2=0.937 9。丛栽毛竹林活立竹株数（x）与聚集指数（y）符合二次方程：y=0.000 04x2-0.002 7x+0.501, R2=0.985 6。④ 新造毛竹碳汇林在成林过程中存在不同距离尺度下的团状聚集分布。⑤ 栽植方式对新竹与活立竹株数和分布格局影响明显。
本研究发现2009-2010年间，匀栽栽植方式下新竹存在小尺度聚集（0~3 m），大尺度（6~10 m）随机分布。范辉华[23]研究认为：新造竹林造林当年竹鞭扩展范围为1.934 m。因此，新竹在6~10 m距离尺度上呈随机分布是受到了母竹栽植方式的影响。丛栽栽植方式下2009-2010年新竹株数增加，而聚集指数2009-2010年下降，表明新竹的分布格局也同样受到了母竹栽植方式的影响。
造林后4 a（2009-2012年），匀栽与丛栽竹林内新竹与活立竹随着造林年限增加相继在距离尺度为1.5, 6.1, 9.0 m处出现团状聚集分布。这种现象与毛竹该物种通过地下鞭繁殖有着密切的关系，新造毛竹林造林3 a地下竹鞭最大生长长度可达6.18 m[24]，正因地下鞭根系统的扩展，部分新竹出笋位置离母竹越来越远，致使毛竹团状分布的距离尺度随着造林年限的增加而增大。造林年限的增加（2012-2013年）小尺度团状分布（d=1.5 m）因为地下竹鞭的完善而消失，竹林分布格局趋于稳定。同时还发现，毛竹林各距离尺度下的团状聚集分布在一定程度上可以反映地下竹鞭的生长蔓延情况，为研究毛竹林地下竹鞭的生长蔓延状况提供了一种新的思路。
本研究利用聚集指数对试验数据计算发现，栽植方式对新竹、活立竹株数与聚集指数影响显著。毛竹造林后第1年，匀栽与丛栽竹林在新竹株数上无显著差异，可能的原因是母竹移栽时只保留了30~50 cm的地下鞭，造林第1年母竹主要以竹鞭发育为主，造成第1年新竹出土数量较少。从第2年开始，丛栽竹林新竹与活立竹株数便显著高于匀栽竹林，新竹的聚集指数也显著高于匀栽竹林。不仅如此，利用Ripley’s K（d）函数对试验数据的研究发现，匀栽竹林在距离尺度9.0 m出现明显波谷尖峰较丛栽方式竹林晚1 a，截至2013年，丛栽竹林新竹与活立竹的$\hat{L}\left( d \right)$曲线较之匀栽竹林更为平滑，表明丛栽竹林内各距离尺度下团状分布逐渐减少，林分分布格局相对于匀栽竹林更为稳定。从林业生产角度出发，丛栽栽植方式相对于匀栽方式更利于新竹数量上的扩展，对新造竹林的发育起到了积极的作用，加快了毛竹林成林进程，缩短了成林时间。造成这些现象的原因可能是：匀栽栽植方式母竹行距要小于丛栽栽植方式。丛栽方式母竹3株呈品字形为1个栽植点，虽然3株母竹会产生竞争，但是毛竹为单轴散生型竹种，合理改变栽植时母竹竹鞭和鞭芽的方向，使得3株母竹竹鞭在3个不同方向上生长，而且栽植点行距较远，在造林初期该方法能使母竹更好地利用周围的空间和土壤养分。
在种群发育过程中，分布格局是随着时间的推移而表现出动态变化的过程[25]。本研究采用时间尺度与空间尺度相结合的方法，设置不同栽植方式下的毛竹林地，能更好地反映竹林在成林初期空间分布格局的动态变化。竹林碳汇是森林碳汇中一个重要的组成部分，因此，毛竹的造林方式将对碳汇造林起到重要影响，为毛竹林以及碳汇林的营造和经营提供了科学的依据。同时，对毛竹林成林初期以及成林后格局的分析，对森林碳汇计量与监测以及增汇技术的提高提供科学的帮助。由于新造竹林到达成熟稳定阶段一般需要6~7 a或者更长的时间[15]，笔者还将继续对现阶段以及成林稳定后的2种不同栽植方式下的毛竹林进行监测，完善更长时间尺度的在自然状态下竹林从营造到成林特征变化的研究。
Planting pattern's influence for characteristics of variation of spatial distribution pattern in the early stages of moso bamboo carbon sink stands
-
摘要: 毛竹Phyllostachys edulis林空间结构是毛竹生长过程的重要因子，是提高竹林质量，优化经营水平的重要参考依据。利用聚集指数和Ripley's K（d）函数，分析从2009-2013年毛竹碳汇林成林初期空间分布格局年际变化特征及匀栽、丛栽栽植方式对分布格局的影响。结果表明：① 在5 a造林年限间，2种栽植方式下的新竹与活立竹的空间分布格局均呈聚集分布；② 丛栽栽植毛竹林新竹聚集指数变动范围为0.38~0.76，活立竹聚集指数变动范围为0.45~0.60；匀栽栽植毛竹林新竹聚集指数变动范围为0.18~0.65，活立竹聚集指数变动范围为0.18~0.52；③ 聚集指数与活立竹株数间存在较强的相关性，匀栽毛竹林活立竹株数（x）与聚集指数（y）拟合方程为y=0.1037x0.4193，R2=0.9379；丛栽毛竹林活立竹株数（x）与聚集指数（y）符合二次方程：y=0.00004x2-0.0027x+0.501，R2=0.9856；④ 新造毛竹碳汇林在成林过程中存在不同尺度距离下的团状聚集分布；⑤ 栽植方式对立竹株数和分布格局影响明显。Abstract: Spatial structure in a moso bamboo (Phyllostachys edulis) stand is an important factor in its growing process. To analyze the influence of interannual variation characteristics of spatial patterns having different planting patterns in the early stage of moso bamboo stands used as carbon sinks, an aggregation index and Ripley's K(d) function were applied from 2009 to 2013, and results were fitted with regression equations. Results showed 1) spatial patterns of new moso bamboo and established moso bamboo with an aggregated distribution pattern after five years of afforestation. 2) The aggregation index in group-planted moso bamboo stands for new moso bamboo was from 0.38 to 0.76 and for established moso bamboo was from 0.45 to 0.60; for uniformly planted moso bamboo stands, the aggregation index for new moso bamboo was from 0.18 to 0.65, and the established moso bamboo stand was from 0.18 to 0.52. 3) A strong relationship was found between the aggregation index of an established stand of moso bamboo (y) and culm number (x). For a uniformly planted moso bamboo stand, the fitted regression equation was y=0.103 7x0.419 3, R2=0.937 9; and for group-planted moso bamboo stands it was y=0.000 04x2-0.002 7x + 0.501, R2=0.985 6. 4) In the process of forest establishment, new moso bamboo carbon sink stands existed as an agglomerate distribution for different distance scales. 5) Thus, the cultivation mode influenced the moso bamboo stand's culm number and spatial distribution pattern.
-
南方集体林区以丘陵为主的地形特征决定了林业生产过程中客观上存在着机械替代率低的问题。由于大量农村劳动力进入城市非农就业，林业经营主体需要通过雇佣劳动力以解决劳动力不足的问题[1]；日趋扩大的规模化经营对雇佣劳动力的依赖程度急剧增大，委托代理关系也应运而生。委托代理关系下的营林生产过程往往存在着信息不对称和“道德风险”等问题，导致雇主对劳动过程的监督不到位[2]；而相对粗放的林业生产中，雇主无法准确观测劳动力的投入程度，雇工生产效率较低[3]。因此，在南方集体林区不断推进林业规模化经营的背景下，开展雇工劳动质量对农户营林技术效率的影响研究具有重要的理论和现实意义。国内外学者关于雇佣劳动对农林业生产影响的研究主要集中在农业领域。一种观点认为雇佣劳动对农业生产效率产生了负面影响。雇佣劳动存在“道德风险”，雇佣劳动力的边际产出小于自有劳动力的边际产出，要保证劳动质量必须要付出大量的监督成本。有研究发现：存在雇工行为的家庭农业经营雇主，需要花费10%的劳动力时间来监督雇工，对劳动力在其他用途上的配置产生挤出效应。还有研究表明：团队组织内部监督不完备与激励不足，将会降低生产效率[4]。另一观点则认为雇佣劳动对农业生产效率有正向影响。张五常[5]认为分成制、定租制和混合制等委托-代理机制[3]是有效的。相比之下，目前针对林业雇工研究较少，从雇工视角探讨南方集体林区农户营林生产效率影响因素的研究还未见报道。本研究基于浙江省的实地调研数据，采用计量模型测算样本农户的营林技术效率，分析雇工劳动质量对农户营林技术效率的影响，以期为林业规模化经营中存在的雇工劳动问题提供决策依据。
1. 雇工劳动质量对农户营林技术效率影响的理论机制分析
1.1 研究假说
根据委托-代理理论[3]，存在于雇佣劳动中“道德风险”会导致雇佣劳动力的边际产出小于自有劳动力的边际产出；而相对粗放的林业生产管理会增加劳动力的监督难度，加重林业雇佣劳动中的机会主义行为。即营林生产过程中雇佣劳动会在一定程度上影响技术效率的提高。同时，雇工投入水平的差异对农户营林技术效率的影响也是不同的。雇工投入越多，则家庭自有劳动力越少，劳动监督难度越大，雇工劳动力的道德风险也越大，从而导致劳动生产质量下降，林业生产效率会因此受到影响（落入到生产可能性曲线内部）。就家庭自有劳动力与雇工关系而言，拥有剩余索取权的家庭自有劳动力更多地参与到营林生产中，则边际产出会随之升高，劳动质量会得到更大程度的保证，雇佣劳动对林业生产效率的负面影响程度也相对减弱。因此，可提出以下研究假说：农户营林生产过程中的雇佣劳动会对营林生产造成负面影响，且雇工劳动质量不同，雇佣劳动对农户营林技术效率的影响程度也不同。
1.2 理论模型
技术效率（technical efficiency, TE）是目前测度生产单位效率水平最常见的指标之一，一般用生产单位的实际产出与其理论上所能实现的最大潜在产出的比值来表示，本研究选用技术效率来衡量样本经营农户营林生产效率水平。用Yi表示第i个农户的林业产出，则随机前沿生产函数（stochastic frontier approach，SFA）可表示为：Yi＝f（Xi，β）exp（Vi-Ui）。其中：f（Xi，β）代表生产前沿面，Xi为生产要素的投入，本研究指资本、土地和劳动力的投入；（Vi-Ui）为混合误差，其中Vi表示随机误差，包含测度误差及不可控因素；Ui为技术效率损失，表示农户i的技术非效率项，服从独立的截断正态分布N（mi，δu2），其中mi为数学期望，δu2为方差。
技术无效率函数（mi）可设定为：$ {m_i} = {\delta _0} + \sum\limits_j {{\delta _j}{Z_{ji}} + {\mu _i}} $。其中：i表示第i位样本农户，Zji表示影响技术效率的各外生变量，δj为待估参数，反映各外生变量对技术效率的影响程度，μi为纯随机误差项。
在此基础上求解出技术效率水平：Ti＝E（Yi∣Ui，Xij）/E（Yi∣Ui＝0，Xij）＝exp（-Ui），从而求解出平均技术效率：$ T = \frac{1}{n}\sum\limits_{i = 1}^n {{T_i}} $。其中：n为农户数量，本研究采用最大似然估计法来估计前沿生产函数的参数。
2. 数据来源、实证模型与变量选择
2.1 数据来源
本研究以浙江省南方集体林区为案例点，充分考虑地理位置、自然资源和社会经济发展差异，按农民人均可支配收入分层抽样选取浙江省建德市、开化县2个县（市）作为样本县（市）。2地农民人均可支配收入为23 998和15 736元，存在明显差异，反映出浙江省不同地区经济发展的差异性；森林覆盖率为76.2%和80.9%，均超出浙江省的平均水平，林业代表性较好。采取随机抽样法，在2个样本县（市）随机选取6个乡（镇），其中开化3个乡（镇），建德3个乡（镇）。为保证问卷的质量与信息的真实性，调查采取“一对一”的访谈模式。共得到农户有效样本245户，其中有雇工参与的农户151户，无雇工参与的农户94户。
杉木Cunninghamia lanceolata是样本地区分布最广的树种之一，也是当地农户最主要的林业收入来源之一；因此，本研究以杉木为案例树种进行调研。调查内容包括农户家庭基本情况、林地基本情况、1个营林周期内最大地块上杉木的生产投入和产出情况等。样本分布见表 1。
表 1 农户有效样本分布情况Table 1. Specific distribution of effective sample of farmers县（市） 乡（镇） 村 合计/户 比例/% 开化 华埠 许家源 20 8.2 联丰 20 8.2 池淮 芹源 20 8.2 玉坑 20 8.2 芹阳 泉坑 21 8.6 小桥头 20 8.2 建德 李家 沙墩头 8 3.3 长林 23 9.4 石鼓 9 3.7 龙桥 1 0.4 新桥 2 0.8 李家 2 0.8 建德 大同 上马 1 0.4 小溪源 24 9.8 永平 1 0.4 竹林 1 0.4 竹源 13 5.3 航头 大店口 21 8.6 东村 14 5.7 溪沿 1 0.4 罗源 1 0.4 曹源 2 0.8 总计 245 100.0 2.2 实证模型与变量选择
在测算林业技术效率之前，需要先确定前沿函数的具体形式，常见的前沿函数形式有C—D生产函数和超越对数生产函数。相对于前者，后者不仅形式灵活、易估计、包容性强，而且允许要素间替代弹性可变，没有对技术变化附加任何限制条件，因此近似性更好。考虑到南方集体林区农户拥有林地地块数量普遍较多，而农户林业生产中最重视且存更大雇佣劳动可能性的一般是最大地块，因此，本研究采用农户最大地块1个经营周期内的营林投入产出变量来构建生产函数。超越对数生产函数公式如下：lnYi＝β0+β1lnKi+β2lnLi+β3lnMi+β4（lnKi）2+β5（lnLi）2+β6（lnMi）2+β7lnKilnLi+β8lnMilnMi+β9lnKilnMi+Vi-Ui。其中：Y表示最大地块1个经营周期内的林业产出（主伐量）（m3）；K表示农户在最大地块的1个经营周期内所投入的费用（元）；L表示农户在最大地块的1个经营周期内所投入的劳动投工数量（工）；M表示最大地块面积（hm2）；β0~β9为待估参数。
通过对超越对数生产函数求导可以分别计算出各投入要素的产出弹性。资本投入要素的产出弹性为：η1＝β1+2β4lnK+β7lnL+β9lnM。劳动力投入要素的产出弹性为：η2＝β2+2β5lnL+β7lnK+β8lnM。土地投入要素的产出弹性为：η3＝β3+2β6lnM+β8lnL+β9lnK。农户技术无效率函数表示为：$ {m_i} = {\delta _0} + \sum\limits_{j = 1}^{j = 5} {{\delta _j}{h_j} + \sum\limits_{j = 6}^{j = 16} {{\delta _j}{Z_{ji}} + {\mu _i}} } $。其中hj为关键变量，代表雇工劳动质量，表示农户最大地块1个经营周期内雇佣劳动力的投工质量情况，Zj为控制变量。
为全面测度营林雇工劳动质量问题，本研究构建了雇工年龄比例、雇工性别比例、雇工投工所占比例、受过技术培训的雇工所占比例等具体指标[6]作为关键变量。具体如下。①雇工年龄比例：40岁以下雇工所占比例（h1）、60岁以上雇工所占比例（h2）；②雇工性别比例：男雇工所占比例（h3）；③雇工投工所占比例：总投工中雇工所占比例（h4）；④受过技术培训的雇工所占比例（h5）。
一般研究将影响技术效率的地块特征、农业生产特征、户主特征等外生因素作为控制变量。①地块特征主要包括地块的地理位置（最大地块离家距离）、农户家庭山林总面积、农户家庭林地总块数、最大地块立地质量。地块离家距离越近，越便于林农对林地进行管理，所以，预期最大地块离家距离会对农户营林技术效率产生负向影响。农户家庭山林总面积越大、林地总块数越多意味着农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，因此，预期其会对农户营林技术效率产生负向影响[7]。土地细碎不利于先进机械设备和技术的推广，控制病虫害难度加大，难以实现规模经营[8]，虽然也有研究表明耕地面积与生产率之间的反向关系[9]，但有些研究却表明此种关系并不显著[10]，因此预期其总效应不明确。地块的立地质量对效率的影响是显而易见的，肥沃的土壤相对于贫瘠的土壤更能提高农户的生产效率[11]，因此预期其会对农户营林技术效率会产生正向影响。②农业生产特征包括家庭务农人数、家庭总收入以及农户是否为补贴户。家庭务农人数会直接影响到劳动力要素的投入，因此预期其会对农户营林技术效率产生正向影响。农户家庭总收入的增加会加大农户的林业投资[12]，预期会对农户营林技术效率产生正向影响。农户若为补贴户，林业补贴的增加也会增加农户对林业的资本投入，因此假设其会对农户营林技术效率产生正向影响。③户主特征。包括户主年龄、户主的受教育年限、户主健康状况、户主是否担任过村干部。户主年龄对其技术效率的影响方向取决于该农户是更富有经验还是更守旧[13]；户主受教育年限越长，越能有效利用先进的农业生产技术[14]，因此，假设其会对农户营林技术效率产生正向影响。户主健康状况对农户营林技术效率的影响也是显而易见的：户主健康状况越好，越有利于家庭营林生产劳动和决策，因此假设其会对技术效率产生正向影响。干部身份一方面会带来收入效应，即干部获得先进生产技术和农业生产信息的渠道更多，这会对农户营林技术效率产生正效应；另一方面，干部身份同样存在替代效应，即干部用于家庭经营的时间更少，从事家庭经营的机会成本也较高，这会对农户营林技术效率产生负效应[15]。因此其具体影响尚不可知。具体控制变量如下：Z6表示农户是否为补贴户（0代表否，1代表是）；Z7表示户主是否为村干部（0代表否，1代表是）；Z8为农户家庭务农人数（人）；Z9为户主年龄（岁）；Z10为户主受教育年限（年）；Z11为户主健康状况（1代表好，2代表中，3代表差）；Z12表示农户家庭总收入（元）；Z13为农户家庭山林总面积（hm2）；Z14表示农户经营的山林总块数（块）；Z15表示农户经营山林中最大地块的立地质量（1代表好，2代表中，3代表差）；Z16表示最大地块离家的距离（km）。
3. 结果与分析
3.1 描述性统计分析
由表 2可知：样本农户最大地块整个营林周期内单位面积的平均产出为108.62 m3·hm-2，农户最大地块整个营林周期内单位面积的平均资本投入为8 214.47元·hm-2，单位面积平均劳动力投入为375.23工·hm-2，平均林地投入为2.02 hm2。
表 2 随机前沿生产函数模型变量的描述性统计Table 2. Descriptive statistics of variables in Stochastic Frontier Approach's model统计值变量 最大地块总产出/（m3·hm-2） 最大地块资本投入/（元·hm-2） 最大地块面积/hm2 最大地块劳动力投入/（工·hm-2） 平均值 108.62 8 214.47 2.02 375.23 标准差 94.70 5 187.26 1.14 278.28 技术效率损失模型中（表 3），户主的平均年龄为57.24岁，平均受教育年限为7.20 a，可以看出该地区的劳动力质量较差。88.00%的立地质量为中等及以上，最大地块离家距离平均为1.97 km，表明样本地区的立地质量和交通条件对林业经营相对有利。样本农户家庭户均地块为3.41块，表明样本地区林地细碎化问题并不严重。农户的家庭总收入均值为95 501.74元，说明样本地区当地的经济条件利于林业发展。所有样本农户中仅有27.00%的农户为补贴户，说明国家的林补政策还未真正地惠及该地区。
表 3 技术效率损失模型变量的描述性统计Table 3. Descriptive statistics of variables in the loss of technical efficiency's model变量类型 具体变量 平均值 标准差 最小值 最大值 雇工劳动质量 40岁以下雇工所占比例 0.45 0.24 0.10 1.00 60岁以上雇工所占比例 0.49 0.17 0.01 1.00 男雇工所占比例 0.85 0.16 0.20 1.00 总投工中雇工所占比例 0.72 0.25 0.05 1.00 雇佣的工人中受过技术培训的工人所占比例 0.78 0.42 0.10 1.00 户主特征 户主年龄（岁） 57.24 9.38 27 86 户主教育年限 7.20 3.52 0 16 户主是否为村干部（0代表否，1代表是） 0.33 0.46 0 1 户主健康状况：好 0.84 0.36 0 1 户主健康状况：差 0.12 0.22 0 1 农业生产特征 家庭务农人数（人） 1.18 1.05 0 5 家庭总收入（元） 95 501.74 104 235.30 520 724 652 是否为补贴户（0代表否，1代表是） 0.27 0.44 0 1 地块特征 家庭总地块数 3.41 2.87 0 20 最大地块质量：好 0.54 0.49 0 1 最大地块质量：差 0.12 0.31 0 1 最大地块离家距离（km） 1.97 2.03 0.02 15 山林总面积 3.52 8.26 0.03 96.67 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中” 为消除因自变量之间多重共线性导致的模型估计结果偏差，在模型估计前对雇工质量各指标进行相关性检验。结果发现（表 4）：雇工质量各指标之间不存在多重共线性问题，各指标可以作为自变量放入模型进行估计。
表 4 雇工质量各指标系数相关矩阵Table 4. Relevance matrix of index coefficients of employee quality40岁以下雇工所占比例 60岁以上雇工所占比例 男雇工所占比例 总投工中雇工所占比例 雇佣的工人中受过技术培训的工人所占比例 40岁以下雇工所占比例 1.00 60岁以上雇工所占比例 0.18 1.00 男雇工所占比例 0.24 0.15 1.00 总投工中雇工所占比例 0.01 0.00 0.33 1.00 雇佣的工人中受过技术培训的工人所占比例 0.24 0.02 0.10 0.23 1.00 3.2 实证结果分析
利用广义似然比（LR）检验可降低对SFA模型的依赖，避免函数形式的误设，从而从设定的待估计模型中筛选出最能拟合样本数据的模型。LR公式可表示为：RL＝-2[lnL（H0）-lnL（H1）] ~χ2（k）。其中：L（H0）和L（H1）分别是零假设H0和备择假设H1下的似然函数值，表示受约束条件的自由度。将LR统计量与临界值进行比较，当LR统计量值大于临界值时拒绝原假设，否则，接受原假设。给出的2个零假设为：（1）规模户和非规模户的前沿面并没有显著的差异，即模型不需要添加是否为规模户的虚拟变量。（2）外生变量对技术效率无任何影响，即模型不需要添加外生变量影响因素。LR验证结果如表 5所示。相对于基准模型，假设1在1%显著性水平上没有被拒绝，而假设2在1%显著性水平上拒绝原假设；说明原假设1对应的模型较好地拟合了样本数据，可作为本研究测度技术效率的主要模型。
表 5 假设检验结果Table 5. Hypothesis test results零假设 LR统计量 自由度 χ2 0.01临界值 结论 H0：不应该设置规模户虚拟变量 0.001 9 20.97 接受 H0：外生变量对技术效率无影响 126.310 14 28.49 拒绝 3.2.1 随机前沿生产函数模型估计结果分析
表 6为随机前沿生产函数模型的估计结果。将表 6的回归系数代入上文生产投入要素产出弹性计算公式中可得到各投入要素的产出弹性。计算得：土地投入要素的产出弹性为2.25，说明样本地区林业生产对土地投入的依赖程度较高，即林业生产中最为稀缺的生产要素是土地，增加土地投入可以大幅度地提高林业产出。资本（-0.09）和劳动力（-0.23）投入要素的产出弹性均为负值，说明目前样本地区林业存在过度投入资本和劳动力的情况，单纯依靠增加林业劳动力和林业资本投入并不会带来林业产出的增加，相反还可能导致林业产出减少。
表 6 随机前沿生产函数模型估计结果Table 6. Estimated results of Stochastic Frontier Approach's model变量 系数 变量 系数 最大地块资本投入 0.589***（0.091） 劳动力投入的平方项 -0.029*（0.016） 最大地块面积（土地投入） 0.746***（0.240） 资本投入×土地投入 0.160**（0.068） 最大地块劳动力投入 0.017（0.125） 土地投入×劳动力投入 0.108*（0.063） 资本投入的平方项 0.051***（0.010） 资本投入×劳动力投入 -0.014（0.035） 土地投入的平方项 -0.410***（0.137） 常数项 -0.368（0.259） 说明：*，**，***分别表示通过10%，5%，1%水平下的显著性检。括号内数值为回归标准误 3.2.2 技术效率损失模型估计结果分析
在245份有效样本农户中，家庭最大地块1个营林周期内有雇佣劳动力的农户有151户，占总体样本的61.63%。总体农户平均技术效率值为0.57，有雇工农户平均技术效率值为0.59，无雇工农户的平均技术效率值为0.76。由表 7可知：如果消除技术效率的损失，总体样本农户的平均技术效率还有43.00%的提升空间。由描述性统计结果可粗略看出无雇工农户的平均技术效率高于有雇工农户的平均技术效率，但雇佣劳动对农户技术效率的具体影响有待进一步计量分析。由样本农户雇工情况对农户营林技术效率损失影响的估计结果（表 8）可知：在控制其他变量不变的情况下，雇工会对农户营林技术效率造成负面影响（P＜0.10）。雇工劳动质量指标中，总投工中雇工所占比例对农户的营林技术效率具有负向影响（P＜0.05）；原因可能是家庭自有劳动力和雇佣劳动力劳动质量存在异质性，雇主对劳动过程的监督很难到位，由此造成总投工中雇工所占比例越高，农户营林技术效率越低。户主年龄对农户的营林技术效率具有正向的影响（P＜0.10）；原因可能是随着户主年龄增大，其营林生产经验越丰富，对家庭营林生产越有利。户主良好的身体状况对农户营林生产技术效率具有正向影响（P＜0.05）；作为家庭最主要的林业劳动力和决策者，户主身体健康程度对林业生产至关重要。家庭总收入对农户营林生产技术效率具有正向影响（P＜0.05）；原因在于农户家庭总收入的增加会减少农户家庭林业生产的资金约束，农户林业投资概率会增大。山林总面积和家庭总地块数都对农户的营林技术效率具有负向影响（P＜0.10）；农户家庭山林总面积越大、家庭总地块数越多，农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，农户无法对林地进行精细化地管理，影响了技术效率的提高。好的地块质量对农户营林生产技术效率具有负向影响（P＜0.10）；这与预期的影响方向相反，可能的原因是：农户会对质量较好的地块相对投入更少的肥料和劳动力等生产要素，因此使立地质量较优的地块产出情况反而不如立地质量较差的地块。
表 7 样本农户营林技术效率总体情况Table 7. Overall situation of technical efficiency of sample farmers in forestry management描述性统计农户类型 平均值 标准差 最小值 最大值 全部农户 0.57 0.20 0.12 0.92 有雇工农户 0.59 0.25 0.06 0.98 无雇工农户 0.76 0.12 0.24 0.92 表 8 雇工情况及雇工劳动质量对农户营林技术效率损失的影响估计结果Table 8. Estimation of the impact of employment and labor quality of employees on technical efficiency of farmers' forestry management变量类型 具体变量 系数 具体变量 系数 雇工情况 是否雇工（0代表否，1代表是） 0.373*（0.212） 40岁以下雇工所占比例 1.139（0.814） 及雇工劳 60岁以上雇工所占比例 -0.474（0.509） 动质量 男雇工所占比例 0.662（0.511） 总投工中雇工所占比例 1.205**（0.538） 雇佣的工人中受过技术培训的工人所占比例 -2.115（1.328） 户主特征 户主年龄（岁） -0.011（0.009） 户主年龄（岁） -0.027*（0.016） 户主教育年限 -0.008（0.022） 户主教育年限 0.052（0.044） 户主是否为村干部（0代表否，1代表是） 0.182（0.160） 户主是否为村干部（0代表否，1代表是） 0.181（0.245） 户主健康状况：好 -0.498**（0.242） 户主健康状况：好 -1.130**（0.489） 户主健康状况：差 -0.180（0.324） 户主健康状况：差 -0.132（0.883） 农业生产 家庭务农人数（人） 0.035（0.078） 家庭务农人数（人） 0.084（0.106） 特征 家庭总收入（元） -0.000**（0.000） 家庭总收入（元） -0.000**（0.000） 是否为补贴户（0代表否，1代表是） 0.333**（0.165） 是否为补贴户（0代表否，1代表是） 0.317（0.259） 地块特征 家庭总地块数 0.035（0.026） 家庭总地块数 0.090*（0.049） 最大地块质量：好 0.221（0.155） 最大地块质量：好 0.640*（0.359） 最大地块质量：差 -0.117（0.241） 最大地块质量：差 0.196（0.460） 最大地块离家距离（km） -0.040（0.037） 最大地块离家距离（km） -0.052（0.061） 山林总面积 -0.005（0.022） 山林总面积 0.042*（0.022） 常数项 1.643***（0.623） 常数项 0.303（1.099） σ2 0.318***（0.070） σ2 0.801***（0.268） γ 0.876***（0.073） γ 0.995***（0.003） 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中”；*，**，***分别表示通过10%，5%，1%水平下的显著性检验。括号内数值为回归标准误 4. 结论及建议
4.1 结论
本研究发现：样本农户的营林技术效率的平均值为0.57，表明样本农户在当前技术水平下平均56.60%的产出可以通过现有的生产要素组合来获得，样本农户的营林技术效率还有43.40%的提升空间。农户营林生产过程中的雇佣劳动确实会对营林生产造成负面影响，雇工劳动质量不同，对提高农户营林技术效率的影响程度不同；营林生产总投工中雇工所占比例越大，对提高农户营林技术效率的负面影响程度越大。
4.2 建议
建立有效的劳动监督和管理机制。雇佣劳动力在劳动过程中缺乏有效的劳动监督，雇工劳动质量低下，是营林生产技术效率下降的主要原因。因此，农户应根据雇工实际情况建立有效劳动监督机制，在劳动生产可计量的环节尝试使用绩效工资，并根据劳动成果给予一定的激励措施，减少雇工过程中“搭便车”行为的发生，从而提高雇工劳动的质量。在目前林业规模经营日趋普遍的情况下，传统的生产经营和管理方式越来越难以适应，迫切需要建立高效的林业生产管理机制。革新传统林业管理理念，启用具有现代管理才能的人才管理林业经营；在林业生产的各个环节，制定科学合理的管理细则和林业生产流程。
推进适度规模经营，加大林业科技服务投入。解决各林业经营主体营林生产过程中的雇工劳动质量问题的关键是解决农村劳动力不足的问题。因此，推广林业机械化生产、开拓新型经营方式、积极推进林业适度规模经营均能在很大程度上解决上述问题。在地形条件较平缓的地区的林业规模经营户中可以依靠推进农业机械化替代劳动力，解决雇佣劳动所带来的劳动质量问题。同时，在机械替代较为困难的地区，可以尝试开拓林业服务外包、农户之间合作经营和托管经营等新型林业经营方式，促使劳动力要素配置更加专业化，也可以缓解由于雇佣劳动力所带来的劳动质量问题。对规模经营中出现的雇工劳动问题，需要进一步研究以寻找雇工劳动最优的比例，从劳动力层面对农户适度规模经营提出要求。
-
图 1 匀栽与丛栽毛竹林新竹聚集指数和新竹株数的关系
Figure 1 Relation of aggregation index and number of new bamboo in uniform planting and group-planting moso bamboo forest
图 2 匀栽与丛栽毛竹林聚集指数与活立竹株数的关系
Figure 2 Relation of aggregation index and number of stand live bamboo in uniform planting and groupplanting moso bamboo forest
图 3 匀栽毛竹林新竹各距离尺度聚集标准地所占比例
Figure 3 Proportion of aggregated sample plots of new bamboo in all distance dimension in uniform planting moso bamboo forest
图 4 匀栽与丛栽毛竹林各年份新竹空间分布格局
Figure 4 Different years of stand new bamboo's spatial pattern in uniform planting moso bamboo forest and group-planting moso bamboo forest
图 5 匀栽毛竹林活立竹各距离尺度聚集标准地所占比例
Figure 5 Proportion of aggregated sample plots of live bamboo in all distance dimension in uniform planting moso bamboo forest
图 6 丛栽毛竹林新竹各距离尺度聚集标准地所占比例
Figure 6 Proportion of aggregated sample plots of new bamboo in all distance dimension in group-planting moso bamboo forest
图 7 丛栽毛竹林活立竹各距离尺度聚集标准地所占比例
Figure 7 Proportion of aggregated sample plots of live bamboo in all distance dimension in group-planting moso bamboo forest
图 8 匀栽与丛栽毛竹林各年份活立竹空间分布格局
Figure 8 Different years of stand live bamboo's spatial pattern in uniform planting moso bamboo forest and group-planting moso bamboo forest
表 1 不同栽植方式的毛竹林不同年份新竹和活立竹聚集指数与株数
Table 1. Different planting patterns and different years of new bamboo's and live bamboo's aggregation index and tree number in moso
年份 栽植方式 标准地个数/个 新竹株数/株 新竹聚集指数 活立竹株数/株 活立竹聚集指数 2009 匀栽 8 5±3aAB 0.18 ± 0.16 aA 5 ± 3 aA 0.18 ± 0.16 aA 丛栽 6 4±3aA 0.49 ± 0.07 bAB 4±3aA 0.49 ± 0.07 bAB 2010 匀栽 16 10 ± 5 aAC 0.35 ± 0.12 aA 13 ± 7 aB 0.35 ± 0.16 aB 丛栽 17 25 ± 15 bBC 0.46 ± 0.15 bAB 28 ± 16 bB 0.47 ± 0.13 bA 2011 匀栽 16 13 ± 7 aCD 0.50 ± 0.22 aB 24 ± 13 aC 0.40 ± 0.14 aB 丛栽 18 13 ± 11 aD 0.38 ± 0.19 aA 30 ± 25 bBC 0.45 ± 0.14 aA 2012 匀栽 18 10 ± 6 aAC 0.65 ± 0.18 aC 33 ± 18 aC 0.42 ± 0.13 aBC 丛栽 20 20 ± 14 bBD 0.52 ± 0.15 bB 59 ± 32 bC 0.49 ± 0.18 aA 2013 匀栽 16 17 ± 11 aD 0.63 ± 0.21 aBC 50 ± 28 aD 0.52 ± 0.11 aC 丛栽 20 31 ±14 bC 0.76 ± 0.15 bC 89 ± 45 bD 0.60 ± 0.19 aB 说明：同列不同小写字母仅表示相同年份不同栽植方式间差异显著，同列不同大写字母表示相同栽植方式不同年份间差异显著 (P < 0.05)。新竹株数、新竹聚集指数、活立竹株数、活立竹聚集指数为平均值±标准差。 
下载: 导出CSV
-
[1] 何英, 张小全, 刘云仙.中国森林碳汇交易市场现状与潜力[J].林业科学, 2007, 43(7):106-111. HE Ying, ZHANG Xiaoquan, LIU Yunxian. Present status and potentiality of forest carbon trade market in China[J]. Sci Silv Sin, 2007, 43(7):106-111. [2] 李海奎, 雷渊才, 曾伟生.基于森林清查资料的中国森林植被碳储量[J].林业科学, 2011, 47(7):7-12. LI Haikui, LEI Yuancai, ZENG Weisheng. Forest carbon storage in China estimated using forestry inventory data[J]. Sci Silv Sin, 2011, 47(7):7-12. [3] 陈茂铨, 金晓春, 吴林森, 等.竹林碳汇功能及其影响因子研究进展[J].竹子研究汇刊, 2010, 29(3):5-9. CHEN Maoquan, JIN Xiaochun, WU Linsen, et al. Research progress of carbon sink and its influencing factors of bamboo forest[J]. J Bamboo Res, 2010, 29(3):5-9. [4] 史军, 刘纪远, 高志强, 等.造林对陆地碳汇影响的研究进展[J].地理科学进展, 2004, 23(2):58-67. SHI Jun, LIU Jiyuan, GAO Zhiqiang, et al. Research advances of the influence of afforestation on terrestrial carbon sink[J]. Prog Geogr, 2004, 23(2):58-67. [5] 陈先刚, 张一平, 张小全, 等.过去50年中国竹林碳储量变化[J].生态学报, 2008, 28(11):5218-5227. CHEN Xiangang, ZHANG Yiping, ZHANG Xiaoquan, et al. Carbon stock changes in bamboo stands in China over the last 50 years[J]. Acta Ecol Sin, 2008, 28(11):5218-5227. [6] DU Huaqiang, CUI Ruirui, ZHOU Guomo, et al. The responses of moso bamboo (Phyllostachys heterocycla var. pubescens) forest aboveground biomass to Landsat TM spectral reflectance and NDVI[J]. Acta Ecol Sin, 2010, 30(5):257-263. [7] ZHOU Guomo, MENG Cifu, JIANG Peikun, et al. Review of carbon fixation in bamboo forests in China[J]. Bot Rev, 2011, 77(3):262-270. [8] YEN T M, JI Y J, LEE J S. Estimating biomass production and carbon storage for a fast-growing makino bamboo (Phyllostachys makinoi) plant based on the diameter distribution model[J]. For Ecol Manage, 2010, 260(3):339-344. [9] YEN T M, LEE J S. Comparing aboveground carbon sequestration between moso bamboo (Phyllostachys heterocycla) and China fir (Cunninghamia lanceolata) forests based on the allometric model[J]. For Ecol Manage, 2011, 261(6):995-1002. [10] 时培建, 郭世权, 杨清培, 等.毛竹的异质性空间点格局分析[J].生态学报, 2010, 30(16):4401-4407. SHI Peijian, GUO Shiquan, YANG Qingpei, et al. Inhomogeneous spatial point pattern analysis of moso bamboo (Phyllostachys edulis)[J]. Acta Ecol Sin, 2010, 30(16):4401-4407. [11] 仇建习, 汤孟平, 沈利芬, 等.近自然毛竹林空间结构动态变化[J].生态学报, 2014, 34(6):1444-1450. QIU Jianxi, TANG Mengping, SHEN Lifen, et al. Dynamic analysis of spatial structure in a close-to-nature Phyllostachys edulis stands[J]. Acta Ecol Sin, 2014, 34(6):1444-1450. [12] 汤孟平, 徐文兵, 陈永刚, 等.毛竹林空间结构优化调控模型[J].林业科学, 2013, 49(1):120-125. TANG Mengping, XU Wenbing, CHEN Yonggang, et al. Spatial structure optimizing adjustment and control model of Phyllostachys edulis stand[J]. Sci Silv Sin, 2013, 49(1):120-125. [13] 刘恩斌, 施拥军, 李永夫, 等.浙江毛竹林分非空间结构特征及其动态变化[J].林业科学, 2013, 49(9):1-7. LIU Enbing, SHI Yongjun, LI Yongfu, et al. Non spatial structural characteristic of moso bamboo forest and its dynamics in Zhejiang Province[J]. Sci Silv Sin, 2013, 49(9):1-7. [14] 汤孟平, 徐文兵, 陈永刚, 等.天目山近自然毛竹林空间结构与生物量的关系[J].林业科学, 2011, 47(8):1-6. TANG Mengping, XU Wenbing, CHEN Yonggang, et al. Relationship between spatial structure and biomass of a close-to-nature Phyllostachys edulis stand in Tianmu Mountain[J]. Sci Silv Sin, 2011, 47(8):1-6. [15] 陈双林, 吴柏林, 吴明, 等.新造毛竹林林分结构年际演替规律及影响因子[J].浙江林学院学报, 2004, 21(4):393-397. CHEN Shuanglin, WU Bolin, WU Ming, et al. A study of the interannual succession rule and influential factors of young stands structures of Phyllostachys pubescens[J]. J Zhejiang For Coll, 2004, 21(4):393-397. [16] 陈婷, 施拥军, 周国模, 等.毛竹碳汇林营造初期林分非空间结构年际变化特征[J].浙江农林大学学报, 2015, 32(2):181-187. CHEN Ting, SHI Yongjun, ZHOU Guomo, et al. Interannual variation characteristics for stand structures in the early stages of new moso bamboo carbon sink stands[J]. J Zhejiang A & F Univ, 2015, 32(2):181-187. [17] 惠刚盈, 胡艳波, 徐海.森林空间结构的量化分析方法[J].东北林业大学学报, 2005, 33(增刊):45-48. HUI Gangying, HU Yanbo, XU Hai. Quantitative analysis of forest spatial structure[J]. J Northeast For Univ, 2005, 33(supp):44-48, 60. [18] DONNELLY K P, HOLDNER I. Simulations to Determine the Variance and Edge Effect of Total Nearest-neighour Distance[M]. London:Cambridge University Press:1978:91-95. [19] 汤孟平.森林空间结构分析[M].北京:科学出版社, 2013.. [20] BESAG J L, DIGGLE P J. Simple Monte Carlo tests for spatial pattern[J]. Appl Stat, 1977, 26(3):327-333. [21] 汤孟平, 周国模, 施拥军, 等.天目山常绿阔叶林优势种群及其空间分布格局[J].植物生态学报, 2006, 30(5):743-752. TANG Mengping, ZHOU Guomo, SHI Yongjun, et al. Study of dominant plant populations and their spatial patterns in evergreen broadleaved forest in Tianmu mountain[J]. J Plant Ecol, 2006, 30(5):743-752. [22] 邓英英, 汤孟平, 徐文兵, 等.天目山近自然毛竹纯林空间分布格局研究[J].竹子研究汇刊, 2011, 30(1):11-15. DENG Yingying, TANG Mengping, XU Wenbing, et al. A study on spatial patterns of nature-approaching moso bamboo pure forest in Tianmu Mountain[J]. J Bamboo Res, 2011, 30(1):11-15. [23] 范辉华.新造毛竹林竹鞭生长规律的研究[J].福建林学院学报, 1999, 19(1):30-32. FAN Huihua. Study on rhizome growth regularity of new-planted Phyllostachys edulis[J]. J Fujian Coll For, 1999, 19(1):30-32. [24] 邱尔发, 陈存及, 范辉华, 等.毛竹种源竹鞭生长进程研究[J].江西农业大学学报, 2002, 24(2):245-250. QIU Erfa, CHEN Cunji, FAN Huihua, et al. A study on the rhizome growth process of provenances of Phyllostachys pubescens[J]. Acta Agric Univ Jiangxi, 2002, 24(2):245-250. [25] 操国兴, 钟章成, 刘芸, 等.缙云山川鄂连蕊茶种群空间分布格局研究[J].生物学杂志, 2003, 20(1):10-12. CAO Guoxing, ZHONG Zhangcheng, LIU Yun, et al. The study of distribution pattern of Camellia rosthorniana population in Jinyun mountain[J]. J Biol, 2003, 20(1):10-12. 期刊类型引用(4)
1. 朱臻，薛家依，宁可. 规模化经营背景下劳动监督对营林质量的影响研究：来自南方集体林区三省规模户的实证数据. 农林经济管理学报. 2021(01): 78-91 . 
百度学术2. 高润，刘洁. 林业经济实现可持续发展的重要性分析. 林产工业. 2021(04): 99-101 . 百度学术3. 肖琦，洪英. 新形势下林业科技对林业发展的重要性分析. 林产工业. 2021(05): 69-71+76 . 百度学术4. 修丕师，张晓梅. 重点国有林区职工林下经济创业潜力及支持路径研究. 林业经济问题. 2020(06): 626-633 . 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.2095-0756.2017.03.003
点击查看大图
计量
- 文章访问数: 2525
- HTML全文浏览量: 561
- PDF下载量: 505
- 被引次数: 12
