基于meta分析的中國森林生態系統服務價值評估

鄔紫荊,曾 輝

北京大學深圳研究生院城市規劃與設計學院, 深圳 518055

森林生態系統是我國重要的陸地生態系統[1],能夠提供水源涵養、土壤保持、固碳釋氧、營養累積、空氣凈化、森林防護、林果產品、生物多樣性保護、森林游憩等多種生態系統服務[2]。2000年以來,國內學者在中國森林生態系統服務及其價值評估方面已取得了一定的研究成果[3]。2008年,《森林生態系統服務功能評估規范》(LY/T 1721—2008)(以下簡稱《規范》)[4]的頒布進一步完善了中國森林生態系統服務價值的評估體系,為研究結果的橫向比較和縱向整合提供了可能。

隨著我國正式將森林資源納入綠色GDP核算體系,森林資源核算尤其是森林生態服務價值核算對相關的價值評估工作提出了更高的要求；而與此同時,日益擴大的評估需求使得成本、時間、空間等限制因素對實證研究的約束作用越發顯著。在此背景下,國內學者開始從實證研究逐漸轉向價值轉移研究。價值轉移(也稱效益轉移)是在已有實證研究(研究地)的價值評估結果基礎上,定量評估待研究地(政策地)生態系統服務價值的一種方法[5],在國外研究中的應用已較為成熟。其中,meta分析運用計量經濟學的方法,通過構建價值轉移函數,有效控制了研究地和政策地在自然地理環境、社會經濟環境、評估流程等方面的差異[6],節約了評估成本和評估時間[7],同時也保證了評估結果的一致性[8]。

目前,國內已有部分學者利用meta分析的方法進行生態系統服務價值轉移研究,如土地利用類型生態系統[9]、森林生態系統[10]、濕地生態系統[6,11- 14]等,并取得了較好的模擬結果。盡管如此,這些研究在模型構建方面仍存在明顯的問題。一般而言,一篇價值評估的文獻中往往包含若干個價值觀察值,這些觀察值之間并不獨立[15]。而現有研究中的meta回歸模型大多基于傳統的最小二乘法建立,并未考慮同一研究中不同觀察值之間的相關性,從而容易導致有偏估計[16]。針對這一問題,國外研究提出了若干解決方法,包括以觀察值個數的倒數為權重的加權最小二乘法[16-18]、面板數據回歸模型[19-20]、多層線性回歸模型[19]等。其中,面板數據回歸模型和多層線性回歸模型因考慮了數據的層次結構和不同研究間的隨機性差異,在價值轉移研究中得到了更為廣泛的應用[20]。

針對以上問題,本文旨在利用meta分析方法,基于改良的模型形式研究中國森林生態系統服務的價值轉移規律,并在此基礎上計算中國森林生態系統2010—2100年的價值變化情況。首先建立中國森林生態系統的meta分析數據庫,通過比較幾類常見模型的回歸結果,選擇面板數據回歸模型構建meta回歸方程,并進行影響因素分析和模型誤差評估；在此基礎上,根據IPCC SRES中的四類情景,計算了中國森林2010—2100年的價值變化情況。相比已有的meta分析價值轉移研究,本文通過使用面板數據回歸模型規避了傳統模型的缺陷,同時對模型自變量進行了修改和補充,從而有效降低了價值轉移誤差。研究結果豐富了中國生態系統的meta分析價值轉移體系,對于未來的價值轉移研究和價值評估實踐工作具有重要的指導意義。

1 研究方法和數據源

1.1 數據庫建立

本文的研究區域為中國(中國港澳臺地區相關數據欠缺,未統計),文獻來源為中國知網(CNKI)。以“森林”和“價值評估”為主題詞檢索1990年至今發表的所有關于中國森林生態系統服務價值評估的文獻。文獻篩選過程中,具有以下任一情況的將被排除：

(1)評估對象為某一行政區域內的森林：本文選取原始實證研究時注重森林生態系統的獨立性、完整性和連續性,例如自然保護區、森林公園、林場等；當研究對象為某一行政區域內的森林時,可能存在人為分割邊界之嫌；

(2)評估對象為人工林：本文在選取模型自變量時,主要考慮森林生態系統所處地理區位、周邊環境條件等影響森林生長和分布的自然或人為因素,而人工林主要根據人為要求或目的進行經營建設,可能影響樣本點的代表性；

(3)評估對象非生態系統服務價值：本文的研究對象為森林生態系統服務價值,部分文獻重點關注生態系統提供的經濟效益或社會效益,故在此不予考慮；

(4)使用能值分析法進行價值評估：目前大部分價值評估研究工作是基于物質量分析進行的,故對使用能值分析法的文獻予以剔除；

(5)使用價值轉移法進行價值評估：由于本文采用價值轉移法進行價值評估,故對使用價值轉移法的文獻予以剔除。

森林生態系統具有林果產品供給、水源涵養、固碳釋氧、空氣凈化、土壤保持、營養累積、森林防護、生物多樣性保護、森林游憩、科研教育等多種服務類型。在查閱的文獻中,只有極少數研究評估了森林生態系統的森林防護價值和科研教育價值,因此本文未將其納入評估范圍。本文參照《規范》和已有文獻的價值評估流程,建立了meta分析的森林生態系統服務價值評估體系(圖1)。

圖1 meta分析的森林生態系統服務價值評估體系Fig.1 The evaluation system of forest ecosystem services of meta-analysis

依據圖1所示的森林生態系統服務價值評估體系,從文獻中統一提取題目、作者、研究時間、研究區域、森林面積、評估方法、生態系統服務類型、生態系統服務價值等研究信息,將其錄入Excel表格中。最終,共96篇文獻、552個價值觀察值被納入meta分析數據庫。其中67篇為期刊論文,23篇為碩士論文、6篇為博士論文,大多數文獻的發表時間集中于2005年后。從研究樣本點的植被區劃分布可以看出,被評估的森林生態系統主要分布于亞熱帶常綠闊葉林區和暖溫帶落葉闊葉林區,高寒植被區和寒溫帶針葉林區的研究數量相對較少(圖2)。

圖2 研究樣本點Fig.2 Sample points of this research

由于文獻中的價值評估通常是基于不同年份進行的,為了使數據具有可比性,通過消費者物價指數(Consumer Price Index,CPI)將不同評估基年的價值調整到2015年的物價水平；用統一基年后的價值(元/a)除以研究區的森林面積(hm2),得到不同研究區森林生態系統的單位面積價值(元 hm-2a-1),將其作為meta回歸模型的因變量。

分別按照生態系統服務類型、植被區劃、評估方法統計相應的價值觀察數和生態系統服務價值均值(圖3)。從價值觀察數來看,固碳釋氧和土壤保持的價值觀察數量最多,林果產品和營養累積的價值觀察數量相對較少；大多數研究采用市場價值法和影子工程法進行價值評估,支付意愿法和旅行費用法的使用頻數較低。從生態系統服務價值來看,生物多樣性保護和水源涵養提供的價值最高,營養累積提供的價值最低；亞熱帶常綠闊葉林區的森林生態系統服務價值最高,其他地區未見顯著差異；在不同評估方法中,利用支付意愿法評估的平均價值最高,而利用費用支出法和碳稅法評估時平均價值相對較低。

值得注意的是：(1)不同生態系統服務類型、植被區劃、評估方法之間的價值差異并未考慮其他因素的影響,具體的影響因素及影響程度需通過meta回歸模型進行檢驗；(2)不同評估方法之間的價值差異很大程度上源于其評估的生態系統服務類型,例如機會成本法和支付意愿法主要用于生物多樣性保護的價值評估,從而造成這兩類評估方法的平均價值遠高于其他類型。

1.2 自變量選取

根據國內外已有的生態系統服務價值轉移研究,并結合圖3中的結果,本文將評估價值的影響因素分為四類：生態系統服務類型；研究區特征,包括植被區劃、森林面積；周邊環境,包括森林豐度、鐵路長度；社會經濟條件,包括人口數量、人均GDP。盡管大多數研究將評估方法視為一個重要的解釋變量,但本文與Brander等人[5]的觀點一致：一方面,在評估某一種生態系統服務的價值時通常使用不止一種方法,違背了回歸分析中對虛擬變量取值的互斥要求；另一方面,某一種生態系統服務的價值評估方法一般是確定的,尤其是在《規范》頒布之后,例如利用影子工程法評估涵養水源的價值、利用機會成本法評估生物多樣性保護的價值等,因此評估方法變量與生態系統服務類型變量之間可能存在多重共線性,影響回歸結果。綜合以上兩點原因,本文不將評估方法納入回歸模型。現對本文選取的自變量說明如下：

圖3 不同生態系統服務類型、植被區劃、評估方法的平均價值及觀察數量(括號內的數字)Fig.3 Average values and number of observations (in the parentheses) for each ecosystem service type, vegetation zone and evaluation method

(1)生態系統服務類型：依據圖1可分為林果產品、水源涵養、固碳釋氧、空氣凈化、森林游憩、生物多樣性保護、土壤保持、營養累積八類。生態系統服務類型不同,價值評估結果也存在明顯差異。

(2)植被區劃：依據中華人民共和國植被圖(1∶100 萬)可分為寒溫帶針葉林區、溫帶針闊葉混交林區、暖溫帶落葉闊葉林區、亞熱帶常綠闊葉林區、熱帶(季)雨林區、溫帶草原區、溫帶荒漠區、高寒植被區八類。植被區劃決定了森林生長的自然環境條件,影響生態系統服務的供給。

(3)森林面積：依據文獻中提供的信息確定。隨著森林面積的增加,生態系統服務價值可能存在邊際效益遞增或遞減的現象。

(4)森林豐度：以研究區中心為圓心、50 km為半徑的區域內其他森林的面積。當周邊森林提供的生態系統服務類型與研究區相同,即二者可互為替代,此時隨著其他森林面積的增加,研究區的生態系統服務價值可能會降低；反之,若二者可互為補充,則研究區的生態系統服務價值與其他森林面積之間可能存在正向關系。

(5)鐵路長度：以研究區中心為圓心、50 km為半徑的區域內的鐵路長度。鐵路的建設造成了景觀的破碎化,例如阻礙種群遷徙、造成種群的地理隔離等,同時增加了外部干擾的可能性。因此,生態系統服務價值與鐵路長度之間可能存在負向關系。

(6)人口數量：以研究區中心為圓心、50 km為半徑的區域內的人口數量。一方面,人口的增加意味著市場和需求的擴大,從而促進森林生態系統的開發與利用；另一方面,人口集聚和資源的不合理利用使得環境破壞的風險增加,造成生態系統的衰退。因此,生態系統服務價值與人口數量之間并沒有確定的先驗關系。

(7)人均GDP：研究區所在地級市2015年的人均GDP。人均GDP反映了當地的經濟狀況和人民生活水平。與人口數量的影響類似,一方面經濟的發展可以推動森林生態系統的利用和保護,另一方面也可能導致資源過度開采和生態環境退化。因此生態系統服務價值與人均GDP之間也沒有確定的先驗關系。數據來源于各省、自治區、直轄市的統計年鑒。

(森林豐度、鐵路長度、人口數量的數據來源于北京大學城市與環境學院地理數據平臺(http://geodata.pku.edu.cn)。)

本文對所有連續變量都進行了自然對數變換。已有研究表明,生態系統服務價值觀察值和研究面積等自變量通常呈右偏分布[5],對數變換能夠有效減小原始數據的波動程度和異方差性,降低高異常值的影響[6]。在雙對數模型中,連續變量的系數可視為彈性系數。對各類變量進行必要地處理后,分別計算其均值、標準差并統計觀察數量(表1)。

表1 meta分析的變量信息

1.3 模型構建

目前使用最為廣泛的一類meta回歸模型為基于最小二乘法的多元線性回歸：

lnyij=α+βeXt+βcXc+βeXe+βsXs+uij

式中,yij為森林生態系統服務價值(元hm-2a-1)；α為常數項；X為自變量矩陣,其中Xt代表生態系統服務類型,Xc代表研究區特征(即植被區劃和森林面積),Xe代表周邊環境(即森林豐度和鐵路長度),Xs代表社會經濟條件(即人口數量和人均GDP)；β為相應的系數矩陣；uij為隨機誤差項。

最小二乘法的潛在假設是不同觀察值之間不相關。而在本文建立的Meta分析數據庫中,一篇文獻提供的價值觀察數量最多為8,最少為1,有96%的文獻提供了多個價值觀察值。由于來自同一篇文獻的觀察值并不獨立,不同研究之間也可能存在相關性[21],在模型構建過程中有必要對此加以考慮。部分研究使用以觀察值個數的倒數為權重的加權最小二乘法,在一定程度上減小了樣本相關性的影響[16- 18]。

加權最小二乘法對模型的異方差性進行了校正,但并沒有考慮數據集的層次結構和不同研究間的隨機性差異。面板數據回歸模型明確考慮了不同研究對象之間異質性,削弱了變量的共線性影響,提高了模型的有效性,其具體形式如下：

lnyij=α+βeXt+βcXc+βeXe+βsXs+wij

式中,wij為誤差項,可分解為εi和uij兩個部分,前者代表第i個研究的誤差成分,后者代表隨機觀測誤差。由于不同研究提供的價值觀察數量不完全相同,因此這是一個非平衡面板。面板數據回歸模型包括混合最小二乘法模型、固定效應模型和隨機效應模型,本文采用Breusch-Pagan拉格朗日乘數檢驗(LM檢驗)判斷個體隨機效應是否存在,并采用豪斯曼檢驗判斷固定效應模型與隨機效應模型的優劣。

1.4 模型誤差評估

轉移誤差用于檢驗模型預測值與價值觀察值之間的一致性[6,10],相當于平均絕對百分比誤差(Mean Absolute Percentage Error, MAPE),其定義為：

式中,TE為轉移誤差(Transfer Error),valueest為模型預測值,valueobs為價值觀察值。通常而言,轉移誤差越小,說明價值轉移模型的有效性越高[6]。

本文采取留一法交叉驗證(Leave-One-Out Cross Validation),即依次選擇每一個觀察值作為測試集、其余觀察值作為訓練集,分別計算測試集中相應觀察值的轉移誤差。相對于普通的k折交叉驗證(k-fold cross validation,k>1),留一法的計算雖然最為繁瑣,但樣本利用率最高,不僅能夠更為準確地評估模型整體誤差,而且便于分析誤差隨觀察值的變化特征。

2 Meta分析結果

2.1 Meta回歸模型結果

為了選擇適合本數據集的模型,本文分別計算了三種模型的回歸結果。對于面板數據回歸模型,LM檢驗的結果表明,不同研究之間存在隨機效應(P=0.0839),因此混合模型不適用；豪斯曼檢驗的結果表明,可以接受隨機效應與解釋變量無關的原假設(P=0.5859),在這種情況下優先選擇隨機效應模型。模型構建過程中,均剔除了標準化殘差大于1.5的觀察值。回歸結果如表2所示。對比不同回歸方法的結果可知,面板數據回歸模型的總體擬合效果最優,因此本文采用面板數據回歸方法中的隨機效應模型構建meta回歸方程。

表2 meta回歸模型結果

生態系統服務類型、植被區劃、森林面積、森林豐度、鐵路長度、人口數量和人均GDP總共可以解釋約48%的價值變化。在回歸結果中,虛擬變量(生態系統服務類型、植被區劃)的回歸系數反映了特定變量相對于對照組的偏離方向及偏離程度；連續變量(森林面積、森林豐度等)的回歸系數則代表彈性系數,即因變量與自變量的變化率之比。回歸結果的具體分析如下：

(1)生態系統服務類型：生物多樣性保護、林果產品、水源涵養、土壤保持、固碳釋氧、森林游憩、空氣凈化的回歸系數都顯著大于0(P<0.01),說明在其他條件保持不變的情況下,以上七種生態系統服務類型的價值均與對照組(營養累積)有顯著差異,因此營養累積的價值最低。對比回歸系數可以看出,生物多樣性保護、水源涵養的生態系統服務價值明顯高于其他類型,森林游憩的生態系統服務價值較低。

(2)植被區劃：除寒溫帶針葉林區外,其余六個植被分區的回歸系數都顯著小于0,說明在其他條件保持不變的情況下,這些植被分區的森林生態系統服務價值均與對照組(亞熱帶常綠闊葉林區)有顯著差異,因此亞熱帶常綠闊葉林區的單位面積價值最高。寒溫帶針葉林區的回歸系數為正但不顯著,可能原因在于其研究樣本數過小(僅有6個價值觀察值)。對比各回歸系數可知,溫帶荒漠區和高寒植被區的單位面積價值明顯低于其他類型。

(3)森林面積：森林面積的回歸系數顯著小于0(P<0.01),說明森林生態系統服務價值隨面積增加存在邊際效應遞減的現象。在其他條件不變的情況下,森林面積增加,總價值也增加,但單位面積價值減小。森林面積每增加10%,單位面積價值減少1.7%。

(4)森林豐度：森林豐度的回歸系數顯著小于0(P<0.05),說明在其他條件不變的情況下,周邊其他森林面積的增加會造成研究區單位面積價值的降低,這可能與生態系統服務供給的替代效應有關。50 km范圍內其他森林的面積每增加10%,研究區的單位面積價值減少0.6%。

(5)鐵路長度：鐵路長度的回歸系數顯著小于0(P<0.1),說明在其他條件不變的情況下,鐵路修建對研究區單位面積的生態系統服務價值存在顯著的負面效應。50 km范圍內的鐵路長度每增加10%,單位面積價值將減少0.6%。

(6)人口數量：人口數量的回歸系數為負,但與0沒有顯著差異。人口數量的持續增加可能造成生態系統功能的退化,使得森林單位面積的價值降低。

(7)人均GDP：人均GDP的回歸系數顯著小于0(P<0.05),說明在其他條件不變的情況下,研究區所在地級市的人均GDP越高,森林單位面積價值越低,經濟的發展可能造成生態系統功能的衰退。人均GDP每增加10%,單位面積價值減少2.7%。

2.2 模型誤差評估

首先計算樣本內誤差。根據公式計算得到,樣本內誤差的范圍為0—38.6%,平均誤差為9.92%。其中,11%的觀察值的轉移誤差大于20%,59%的觀察值的轉移誤差小于10%。

然后利用留一法交叉驗證對樣本外誤差進行評估,得到誤差范圍為0.015%—59.08%,平均誤差為11.57%,均大于樣本內誤差。這種情況與預期相符[22]。其中,55%的觀察值的轉移誤差小于10%,僅有2%的觀察值的轉移誤差大于40%。國外研究表明,價值轉移的平均誤差在20%—40%之間是可以接受的[23- 24]。對于本文而言,樣本外轉移誤差的平均值為11.57%,說明通過面板數據回歸方法構建的meta分析價值轉移方程的整體模擬精度較高[10]。

將價值觀察值按升序排列,得到模型預測值和轉移誤差的變化情況如圖4所示。上圖反映了模型預測值相對價值觀察值的變化情況,可以看出當價值觀察值較小時,模型預測值偏高,且偏離程度較大；而價值觀察值較大時,模型預測值偏低,偏離程度和數據波動幅度逐漸降低。從下圖可以看出,隨著價值觀察值的增大,轉移誤差呈現下降趨勢。

圖4 價值觀察值、預測值和轉移誤差(價值觀察值按升序排列)Fig.4 Observed value, predicted value and transfer error (ranked in ascending order of observed value)

將樣本外轉移誤差分別對生態系統服務類型和植被區劃進行回歸(常數項為0)(表3、表4)。對于不同的生態系統服務類型,水源涵養的轉移誤差最小,森林游憩、營養累積的轉移誤差較大；在各植被區劃中,亞熱帶常綠闊葉林區的轉移誤差最小,寒溫帶針葉林區和溫帶荒漠區的轉移誤差最大。對照meta回歸模型的結果可知,生態系統服務價值高的類型轉移誤差較小,而生態系統服務價值低的類型轉移誤差較大,這也進一步證實了轉移誤差與價值觀察值之間的關系。

表3 轉移誤差對生態系統服務類型的回歸結果

表4 轉移誤差對植被區劃的回歸結果

3 中國森林2010—2100年價值變化評估

本文采用黎夏等[25]構建的2010—2100年全球1 km土地覆被變化數據集。此套數據集基于IMAGE模型和細胞自動機模型建立,并根據IPCC SRES中的四類情景——A1B、A2、B1、B2[25]對2010—2100年間不同土地利用類型的演化過程進行模擬,其中基線情景為2010年。A1B屬于A1情景中各類能源均衡發展的子情景。

本文從中提取了中國森林數據集,利用meta回歸模型計算不同情景下生態系統服務價值的變化情況,結果如表5所示。2010年,全國森林面積為1.66億公頃,生態系統服務總價值為26.26萬億元。對于四類情景,森林面積和生態系統服務總價值隨時間的變化呈現相同的趨勢。在情景A1B和B1下,森林面積和生態系統服務總價值持續增加,至2100年,總價值分別達到41.06萬億元和41.58萬億元。在情景A2下,森林面積和生態系統服務總價值則持續下降,2010—2050年總價值平均每年減少67.85億元,而2050—2100年平均每年減少75.51億元。而在情景B2下,森林面積和生態系統服務總價值先上升后下降,2100年的森林總價值僅為22.97萬億元。總的來說,對于中國森林生態系統而言,B1情景為最優發展路徑,而B2情景下生態系統服務總價值的損失最大。

表5 不同情景下中國森林面積和生態系統服務價值變化情況(2010—2100年)

4 結論與討論

4.1 討論

根據meta回歸模型的結果,各生態系統服務類型的價值大小為涵養水源>生物多樣性保護>固碳釋氧>土壤保持>空氣凈化>林果產品>森林游憩>營養累積,與王兵等[2]對中國森林生態系統的價值評估結果一致(沒有考慮林果產品和森林游憩)。對于各植被區劃,森林單位面積價值大小為亞熱帶常綠闊葉林區>暖溫帶落葉闊葉林區>熱帶季雨林、雨林區>溫帶針闊葉混交林區>溫帶草原區>高寒植被區>溫帶荒漠區(未考慮寒溫帶針葉林區)。對照余新曉等[26]的研究結果,本文中除熱帶季雨林、雨林區的價值偏小,其他區域的森林單位面積價值大致符合“南高北低、東高西低”的特征。造成這一差異的原因可能在于前者僅計算了水源涵養、固碳釋氧、營養累積、空氣凈化和土壤保持五類服務的價值,而本文同時還考慮了生物多樣性保護、林果產品和森林游憩提供的生態系統服務價值。因此綜合而言,本文選取的樣本點具有較好的代表性,meta回歸結果與中國森林生態系統的整體情況大體相符。

森林生態系統服務供給的替代效應會影響森林的價值,附近其他森林的面積越大,研究區森林的單位面積價值越小。此結論與漆信賢等[10]的研究結果相反,可能原因在于其采用虛擬變量表示周邊區域其他森林的存在性(若存在為1,否則為0),而沒有考慮森林面積的變化對價值評估的影響。此外,對于不同的生態系統,同類集聚所產生的效應方向及大小也存在差異。例如Brander等[5]的研究結果表明紅樹林的互補效應使得同類生態系統的集聚有利于提高單位面積價值,彈性系數為0.248；Brander等[27]和張玲等[6]則發現淡水濕地和湖沼濕地的集聚均呈現替代效應,彈性系數分別為-0.3和-0.2。

道路修建加速了森林景觀的破碎化,對生態系統服務價值存在顯著的負面影響,這與Brander等[5]的結論一致。近年來,隨著森林旅游行業的蓬勃發展,各類交通基礎設施的修建一方面為當地政府和林業管理部門帶來了巨大的經濟效益,另一方面也造成了生態環境的退化和生態系統服務價值的損失。對于生物多樣性保護而言,這種影響尤為顯著,主要表現為棲息地破碎化阻礙物種的散布和遷移[28]、森林斑塊面積縮小制約物種分布[29-30]、動植物資源的過度開發利用等[31]。因此,在道路修建過程中應盡可能地降低景觀破碎化的影響,平衡生態保護與發展需求,維持生態系統的完整性。

通過將價值觀察值按升序排列,注意到隨著觀察值的增大,模型預測值由高估逐漸過渡為低估,轉移誤差趨向減小。這一結果與Chaikumbung等[16](濕地生態系統)、Salem等[18](紅樹林生態系統)和Brander等[22](濕地生態系統)的研究結果一致。目前對于這一現象尚沒有合理的解釋,但可作為價值轉移過程中的參考。例如,根據轉移誤差對生態系統服務類型和植被區劃的回歸結果可知,當利用meta回歸模型評估亞熱帶常綠闊葉林區的森林價值或水源涵養的價值時,轉移誤差較小,估算結果較為準確；而當評估溫帶荒漠區的森林價值或營養累積、森林游憩的價值時,轉移誤差較大,對待估算結果應多加謹慎。

4.2 結論

本文通過文獻檢索與篩選、評估體系建立、研究信息提取、基年校準等步驟,建立了中國森林生態系統的meta分析價值轉移數據庫；在此基礎上,通過比較不同回歸方法的結果,選擇面板數據回歸方法建立了meta分析價值轉移模型,對森林價值的影響因素和模型有效性進行評估,并對中國森林生態系統的價值變化進行實證分析。主要結論如下：

(1)面板數據回歸模型能夠有效揭示中國森林生態系統服務的價值轉移規律。根據meta回歸結果,本文選取的自變量可以解釋約48%的價值變化,其中生態系統服務類型、植被區劃、森林面積、森林豐度、人均GDP和鐵路長度均對森林生態系統服務價值存在顯著影響。

(2)利用留一法交叉驗證得到價值轉移誤差的范圍為0.015%—59.08%,平均誤差為11.57%,模型的整體有效性較高。但對于不同的價值觀察值,轉移誤差存在較大差異。若森林生態系統服務價值較低,則模型預測值偏大,且轉移誤差較大；反之,則模型預測值偏小,轉移誤差也較小。

(3)中國森林生態系統2010—2100年的價值轉移研究表明,森林面積和總價值的變化趨勢一致,但不同情景下的具體情況有所差異。其中情景B1下總價值的增長最為顯著,而情景B2下的價值損失量最大。

meta分析是對已有的研究結果進行定量綜合和變異來源分析[32]的一種方法,因此基于meta分析的價值轉移方法的有效性很大程度上取決于已有實證研究的數量和質量[6,33]。中國的森林生態系統服務價值評估相對于國外研究而言起步較晚[10],2005年后相關文獻的發表數量迅速增加,但寒溫帶針葉林區和高寒植被區的研究數量仍相對較少。此外,在《規范》頒布前,中國森林生態系統服務價值評估的指標體系、評估公式等尚未統一,導致評估結果不具有可比性[2],或在篩選過程中因信息不足而被剔除[33]。為了促進meta分析在中國生態系統服務價值評估中的應用,未來除了進一步提高實證研究的數量和質量,還應推動meta分析數據共享平臺的建立,為生態系統價值轉移研究和價值評估提供數據支撐。