基于SD模型的晉北退耕還林工程與社會經濟互饋關系研究

鄭子瀟,胡保安,韓海榮,康峰峰,程小琴,*

1 北京林業大學生態與自然保護學院,北京 100083

2 內蒙古七老圖山森林生態系統國家定位觀測研究站,赤峰 024400

退耕還林生態工程作為一項重要工程技術,具有明顯的社會經濟特征,具備保護生態環境作用的同時,也影響著社會經濟的發展[1]。大規模的生態修復是復雜的系統工程,退耕還林工程的有效性和社會經濟因素密切相關[2],社會經濟又不斷影響工程的實施質量[3]。退耕還林工程實施的最直接表現是植被的空間變化,研究表明,耕地面積、造林面積與生態工程關系密切,主要表示生態工程的“量”[4—6];生態工程帶來生態環境的變化,“固碳”、“釋氧”、“歸一化植被指數(NDVI)”等成為生態工程“質”的代表[3,7];人口、地區經濟、農村經濟是影響許多發展中國家大規模植被恢復工程的主要社會經濟因素[8—9]。多數研究表明退耕還林工程對社會經濟產生積極影響,改善了生態環境,增加了地區生產總值(GDP)、林業產值等[4—6],而一些認為隨著工程發展,退耕還林對糧食總產量、農村收入產生負面影響[4,10]。如何科學、全面地理解和把握退耕還林工程與社會經濟間的關系是未來調整、改進退耕還林工程的關鍵。部分學者就不同退耕還林模式對社會經濟的影響進行研究:退耕還林強度與糧食總產量成反比[11];退耕還林工程的持續推進對農村收入有顯著正效應[12]。因此,迫切需求在不同退耕還林模式下探求退耕還林工程與社會經濟的內在聯系和互饋作用機制,以期為科學推進生態文明建設、促進區域生態-社會-經濟協同發展提供理論支撐。目前,針對生態與社會經濟關系的研究有以下幾種方法:系統動力學(System Dynamics,SD)模型[13—14]、結構方程模型[6]、耦合協調度模型[15]等。學者們運用SD模型對水資源利用[16]、土地利用[17]、生態系統服務價值[18]與社會經濟關系的研究較多:袁緒英等[16]針對水資源短缺、水污染過重、水生態平衡破壞的問題,構建灄水河流域SD模型,進行模擬預測,來尋求促使經濟系統與環境系統協調發展的措施與途徑,從而為灄水河流域可持續發展提供政策建議;易阿嵐等[18]運用SD模型對上海市濕地生態系統服務價值的變化進行模擬與預測,結果可為上海市制定濕地保護或生態規劃政策提供可行性分析。綜上,SD模型在分析系統結構、模擬復雜系統研究中具備優勢,可滿足定量分析退耕還林工程與社會經濟互饋關系和未來發展趨勢的研究需要。生態穩態轉換可理解為生態系統發生巨大、突然、持續改變時,往往對社會、經濟系統產生相當大的影響[19],山西省晉北地區退耕還林工程實施的改變,會對當地GDP、第一產業產值、糧食總產量等社會經濟變量產生一定影響,因此同樣可視為一種穩態轉換事件[20]。

因此,通過構建SD模型對山西省晉北地區退耕還林工程與社會經濟系統進行仿真和預測,揭示其互饋作用機制,以造林與耕地之間的用地矛盾作為參數調整切入點,考察不同退耕還林模式對社會、經濟、生態要素的影響,有助于為晉北地區退耕還林工程發展提供可操作性的參考建議,促進該地區退耕還林工程與社會經濟和諧可持續發展。為此,本研究旨在(1)通過SD模型定量表征晉北地區2002—2035年退耕還林工程和社會經濟互饋關系;(2)闡明不同退耕還林模式,對晉北地區社會、經濟、生態要素的影響,提出退耕還林工程實施的最優情景。

1 晉北退耕還林工程與社會經濟SD模型構建

在Vensim-PLE軟件中設定2002年為初始年份,2035年為終止年份,以2002—2019年統計年鑒數據進行擬合,時間步長為1年。本研究基于對退耕還林工程、社會經濟特征的理解并參考前人研究[2—10,14],主要關系如圖1,其中退耕還林工程的直接表現有“質”、“量”兩部分,植被固碳量、NDVI可作為“質”的代表,造林面積、耕地面積等可作為“量”的代表,在本研究中造林面積、耕地面積作為系統中的主要驅動器,為經濟社會提供資源,經濟具備資金投入的功能,社會消耗資源[21]。選取退耕還林工程變量包含造林面積、耕地面積、NDVI、植被固碳量;社會變量包含總人口、農村人口、農林牧漁人口、糧食總產量、糧食單產;經濟變量包含GDP、人均GDP、第一產業產值、林業產值、固定資產投資、植樹造林投資、農村總收入、農村人均純收入(表1)。造林面積等變量不符合線性關系的運用Vensim-PLE中表函數進行輸入,一般方程借助R 4.0.3軟件進行線性回歸,如糧食總產量、農村人口等,因篇幅有限,以2002—2019年糧食總產量與總人口、耕地面積的回歸關系進行詳細說明(表2)。系統動力學模型流圖見圖2。

表1 SD模型主要變量及方程Table 1 Main variables and equations of system dynamics model

表2 耕地面積、總人口與糧食總產量回歸結果Table 2 Regression analysis results of cultivated land area,total population and grain yield

圖1 山西晉北退耕還林工程、社會經濟系統關系圖 Fig.1 Relations between the Grain for Green Project,socio-economic system in northern Shanxi

圖2 晉北退耕還林工程與社會經濟系統動力學模型流圖Fig.2 Dynamics model of Grain for Green Project and socio-economic system in northern Shanxi

2 數據與方法

2.1 研究區概況

本研究所選取的晉北地區位于山西省北部(38°42′—40°08′N,112°73′—113°30′E),共包含三個地級市,從北向南依次為大同市、朔州市、忻州市,總面積約為49836km2,地處恒山、太行山、呂梁山地,地勢呈現東西兩邊高、中間低,土壤類型以棕壤和淋溶褐土為主,屬大陸季風氣候,平均海拔約1347m。該地區屬溫帶落葉闊葉林帶,植物種類豐富,主要喬木樹種有華北落葉松(Larixprincipis-rupprechtii)、油松(Pinustabuliformis)等;灌木樹種主要有忍冬(Lonicerajaponica)、繡線菊(Spiraeasalicifolia)等。晉北地區具備一定可研究性:2019年,晉北地區GDP達3359.56×108元,人均GDP達3.99×104元/人,農村總收入達633.52×108元,相比山西省其他地區經濟發展稍顯緩慢;該地區生態環境較脆弱,自2002年全面實施退耕還林工程,2000—2015年間晉北地區的耕地轉林地、草地占比在整個山西省中占據較高的比例,其中廣靈縣(大同市)、右玉縣(朔州市)、保德縣(忻州市)為重點退耕縣[22]。

2.2 數據來源及處理

本文使用的研究數據主要包括山西省晉北地區2002—2019年退耕還林工程、社會、經濟數據。其中社會經濟數據來源于各年的《山西統計年鑒》,造林面積、耕地面積數據來源于《山西統計年鑒》、《中國林業統計年鑒》、山西省統計局(http://tjj.shanxi.gov.cn),植被固碳量數據來源于中國碳核算數據庫(https://www.ceads.net.cn),NDVI基礎數據來源于美國國家航空航天局(NASA)MOD13Q1全球地理信息數據產品并運用ArcGIS 10.2對NDVI進行分區統計處理。其中晉北地區人均GDP、農村人均純收入等數據采用加權平均方法計算;對于個別缺失的統計年鑒,根據相鄰年份的數據,利用插值法或灰色預測方法[23]補全。運用Microsoft Excel 2019進行數據的整理。

2.3 研究方法

系統動力學(System Dynamics,SD)于1956年由Forrester教授提出,是發展最早、最常用的動態模擬技術[24]。SD模型可以充分反映系統之間的相關關系和相互作用,達到定性與定量結合的效果,用于處理和研究發生巨大、突然和持續變化的系統,模擬復雜的系統過程,是識別穩態轉換的模型方法[20],其重要特點是關系可視化和模型仿真[25]。本研究借助Vensim-PLE 8.2.1軟件構建山西省晉北地區退耕還林工程的變化與發展的SD模型,并結合社會經濟因素構建模型流圖。運用Origin 2022進行作圖。

3 SD模型檢驗

SD模型的檢驗實質上是一個證偽的過程,一般情況有以下幾種常見檢驗方法:運行檢驗、歷史檢驗、靈敏度檢驗、極端情況測試、積分誤差測試、心智模型測試等[26]。本研究選取前三種方式進行模型檢驗。

對模型進行運行檢驗,在軟件中顯示“Model is OK.”,說明該模型通過了運行檢驗。此外,本研究從社會、經濟、退耕還林工程三方面中選取GDP、第一產業產值、林業產值、固定資產投資、農村總收入、總人口、糧食總產量、耕地面積、造林面積九個變量進行模型歷史檢驗,以2002—2019年統計年鑒數據為基礎,對以上九個變量的模擬值和實際歷史值進行誤差計算。結果表明(圖3),2002—2019年間關鍵變量誤差均小于10%,符合模擬的一致性檢驗要求。對模型進行靈敏度檢驗,靈敏度檢驗是通過增加或減少某一變量參數的10%,探究模型運行后其他變量的變化情況[27]。本文選取十個主要變量進行靈敏度檢驗,除糧食總產量對總人口變化靈敏度約為10.44%左右外,其他變量靈敏度均小于10%(表3)。

表3 2002—2019年關鍵變量系統靈敏度分析結果Table 3 System sensitivity analysis of key variables in the system dynamics model from 2002 to 2019

圖3 2002—2019年關鍵變量檢驗結果Fig.3 The system test of key variables in the system dynamics model from 2002 to 2019

綜合以上對模型進行運行檢驗、歷史檢驗和靈敏度檢驗的結果,認為該模型具備一定可信度,可進一步進行仿真操作。

4 情景模擬與結果分析

4.1 情景模擬參數設定

為了解不同退耕還林模式下晉北社會經濟的情況,根據控制變量原則,結合相關文獻[28—30]對退耕還林參數進行情景設定。參考2002—2019年以來的耕地面積變化率、造林面積的變化趨勢及數據進行后續的計算[28—29]。山西省人民政府表示晉北地區在保護耕地的同時,也要持續進行生態造林的實施,晉北地區2020年耕地面積應不低于9942.53km2,預計在2035年山西省人均GDP至少達到2萬美元;Pearson相關分析結果顯示,造林面積與耕地面積變化量呈現顯著負相關關系(相關系數=-0.825,P<0.01)。針對造林與耕地之間的矛盾,本研究設計四種方案(表4),模型仿真時長涵蓋“十四五”和“2035遠景目標”規劃期。

表4 山西晉北地區退耕還林工程-社會經濟模型仿真情景設計Table 4 Scenarios design of Grain for Green Project and socio-economic system in northern Shanxi

4.2 情景模擬結果與分析

經過耕地面積變化率的調整,持續退耕還林型(情景1)耕地面積持續降低,低速退耕還林型(情景2)、保護耕地型(情景3)、間斷退耕還林型(情景4)耕地面積均呈現上升的狀態,耕地面積上升速度情景3>情景4>情景2>情景1。造林面積在情景1、2、3分別保持在2002—2019年造林面積平均值、二分之一平均值、四分之一平均值左右,情景4 2025、2030、2035年呈現較高狀態,其他年份則保持最低造林面積。情景模擬結果顯示植被固碳量與NDVI值變化趨勢類似,情景2、3、4植被固碳量與NDVI值均呈現不同速率的上升態勢,只有情景1植被固碳量與NDVI值呈現緩慢下降趨勢。在2024年前,植被固碳量大小表現為情景1>情景2>情景3,情景4受到造林面積參數變化的影響在51.62—57.87萬t間波動上升,整體來看,情景1以-0.89%的速率緩慢下降,情景2未來增長趨勢較平緩,情景3以1.18%的年增長速率快速上升。在2020年前,NDVI值呈現波動上升態勢,2028年前情景1NDVI值較高,情景3NDVI值最低,情景4NDVI值圍繞0.610左右波動,結果表明情景3NDVI值年均增長率最高,為0.85%,呈現快速上升態勢,并且在2032年之后趕超情景1、2。

情景模擬結果顯示,經濟發展均呈現不同程度的上升態勢(圖4)。GDP 、第一產業產值、人均GDP、農村總收入在2020—2035年間呈現逐漸上升的趨勢,均在2019年后呈現情景2>情景3>情景4>情景1,2035年GDP分別達18412.90×108元、17367.80×108元、16742.50×108元、15480.50×108元(表5),年均增長率分別為9.34%、8.93%、8.67%、8.10%;林業產值呈現情景1>情景2>情景4>情景3,其中情景4受到造林面積參數變化的影響,呈現波動上升,各情景從大到小年均增長率分別為7.57%、6.91%、6.81%、6.52%。

圖4 2002—2035年晉北退耕還林工程、經濟社會的相關預測Fig.4 Predictions of Grain for Green Project and socio-economic system in northern Shanxi from 2002—2035

時間Time 情景SceneGDMJ/km2ZLMJ/km2NDVIZBGT/104tGDP/108元LYCZ/108元DYCYCZ/108元ZRK/104人LSZC/104 t2002年10787.502003.400.59149.26502.193.9518.26750.79183.102020年110547.701022.300.61457.384812.9923.47265.21860.78467.90210547.70515.900.60253.324812.9923.47265.21860.78467.90310547.70262.700.59651.304812.9923.47265.21860.78467.90410547.701022.300.61457.384812.9923.47265.21860.78467.902025年110358.101072.470.61357.107126.3428.68358.99895.31558.09210554.20564.870.60353.827557.8426.15394.45895.66612.95311498.10310.940.59550.977416.6924.88393.08895.56617.45410738.101105.080.61958.887320.7525.68371.09895.38577.052030年110194.401131.540.61356.9210519.8034.16474.63932.01653.82210580.70622.640.60554.3911821.0029.09530.62932.78717.55312541.70368.410.60855.1811376.4026.55515.44931.96707.80410950.001201.100.62360.4911092.4028.25492.84931.98672.802035年110036.501205.090.61356.8715480.5039.96619.86971.06755.51210607.50694.870.60755.0718412.9032.34710.43972.20828.62313665.10440.880.62159.8117367.8028.53674.92969.87801.79411163.601317.820.62962.2816742.5031.27649.73970.62774.00

社會各指標同樣呈現上升態勢。總人口差距不明顯,到2035年情景2可達到最高972.20萬人。在2027年前,情景3糧食總產量最高,其次為情景2、情景4、情景1,2027年之后情景2糧食總產量超過情景3,且2020—2035年間情景2糧食總產量平均增長率始終高于情景3;在2023—2035年間情景2糧食單產均保持最高,上升了近54.18%,情景3糧食單產上升速率小于其他情景。

從圖4中可看出,由于造林面積、耕地面積、植樹造林投資的變化,情景2糧食總產量、糧食單產社會變量的增速較高,說明情景2有利于糧食總產量的提升,而情景1實施反而會限制糧食總產量,情景3由于保護耕地使得耕地面積快速增加,糧食總產量、糧食單產在模擬前期往往呈現較高水平,但是整體糧食總產量、糧食單產年增率卻小于情景2。情景1經濟變量呈現最低,情景2更利于經濟的發展,更高的經濟水平會帶來更高的植樹造林投資,從而形成良性循環。

5 討論與結論

5.1 討論

森林和耕地的土地利用競爭已經進行了數千年[31],近年來多項政策中均提到未來發展既要滿足對耕地的保護,又要不斷提升生態環境的保護,以上就涉及到耕地面積與造林面積之間的矛盾,這是本研究選擇變化參數的依據,抓住耕地與造林之間的矛盾,通過改變退耕還林模式探求對社會經濟的影響。本研究方程借助多元線性回歸方程探究退耕還林工程與社會經濟之間的關系,絕大多數方程關系擬合較好,而呈現非線性關系的運用表函數進行構建,使擬合結果更接近實際情況[16,18]。

與相關學者研究類似,晉北地區退耕還林工程直接對經濟產生一定積極影響[15],在整體上對經濟結構優化起到提升作用[2,8—9],然而并非越大規模的退耕還林帶來越好經濟發展,持續快速的退耕還林可能會給經濟發展帶來制約作用[32],情景1下各經濟指標均低于其他退耕還林模式,情景2各經濟指標最高。退耕還林工程直接增加了林業產值,造林面積是退耕還林工程“量”的重要指標,林業產值主要受到造林面積的影響,情景1林業產值最高,此時造林面積的提升大大增加了林業產值,這種正相關關系會隨著工程實施年數的增加而越顯著[33]。耕地作為土地利用方式之一,其面積是評價退耕還林工程“量”的指標,在糧食安全中發揮著巨大的作用,從而糧食總產量將是判斷社會發展的重要指標[31],糧食單產作為糧食總產量的基本要素,是提升糧食總產量的重要方式[4]。本研究中情景1由于其耕地的快速下降糧食總產量一直呈現最低,2027年前情景3最高,而在之后情景2最高,情景1的實施在初期不會造成顯著的糧食安全問題,但是長期可能造成負面影響[34—35],2027年之后情景2糧食單產和糧食總產量均保持最高,表明低速退耕還林的實施在長期內未對糧食安全產生危害[36],隨著時間增長農業的進步可以保證在退耕還林過程中的糧食安全[4],在保證糧食安全的情況下,應及時調整退耕還林模式。

2024年前,情景1植被固碳量和NDVI值均高于其他情景,是因為植被固碳量和NDVI值受到造林面積影響多[4,37],但是情景1植被固碳量、NDVI呈現緩慢減少的趨勢,因為相比較植被自然恢復,盲目大規模增加植樹造林可能引起更嚴重的沙漠化進程[38],另外,植樹坑會加重土壤侵蝕,進而導致環境惡化[39]。申強等[40]對比高退耕態勢的吳起縣和低退耕態勢的米脂縣,發現較低退耕態勢的米脂縣產生更多間接農地資源生態服務價值,本研究顯示到2032年情景3植被固碳量和NDVI值均超過情景1,印證了低退耕還林態勢的情景3更利于生態長期積極發展[40]。綜上,在社會、經濟、生態方面按照原計劃持續退耕還林往往弊大于利[41],應該采取低速退耕還林型。

退耕還林對社會經濟的影響有時空差異。實施退耕還林工程應分區域討論,充分考慮地域差異,劉璨等[42]發現退耕還林造林面積對我國東部和中部地區的糧食產量產生的負面影響要高于西部地區;王子婷等[43]選取隴中近郊、遠郊村落探討退耕還林工程對各自農村經濟的影響研究,發現退耕還林對遠郊地區的社會經濟影響較小;劉曉琳等[44]探究了黃土高原退耕還林對糧食可持續性影響的空間演變,發現包含了晉北的土石地區糧食可持續性指數在黃土高原中最高,這印證了本研究晉北地區退耕還林利于糧食總產量的發展。退耕還林可以在短時間內快速影響社會經濟的發展,而對于植被固碳量等自然變量的影響會有滯后效應[45]:在模擬時間中各社會經濟變量隨著時間的增長呈現較快速的增長,而植被固碳量在相同時間段內的變化在47×104t—63×104t之間,其變化幅度遠小于社會經濟變量變化幅度。同時,社會經濟同樣影響了退耕還林工程,本研究通過植樹造林投資的增長,短期內在政策上對造林、耕地的變化產生直接影響,增加了植被固碳能力[46]。

2035年,四種情景下GDP年均增長率分別達8.10%、9.34%、8.93%、8.67%,且四種情景均滿足2035年人均GDP達到2萬美元/人的目標(按現行匯率計算),退耕還林工程實施的最終目的是在保證良好生態環境的條件下豐富和優化人民生活,因此本研究選取2035年社會經濟指標最高的情景2作為最優發展情景。生態工程與社會經濟間的互饋關系依舊處于探索階段,退耕還林工程影響了GDP、糧食總產量等社會經濟變量,但是還存在時空差異,探討氣候、生物、土壤等對生態工程的影響和適應策略將是進一步研究的課題[47];此外對于2035年的定量規劃數據尚不明確,此后可依據充足政策數據進一步探討山西省不同區域退耕還林工程的最優情景。

5.2 結論

本文通過構建山西省晉北地區退耕還林工程和社會經濟之間的系統動力學模型,以該地耕地和造林的矛盾作為參數調整的切入點,通過調整退耕還林模式,設計四種發展情景,闡明了不同退耕還林情景對社會經濟的影響?；?002—2019年歷史數據,構建的退耕還林工程和社會經濟之間的SD模型通過了運行檢驗、歷史檢驗、靈敏度檢驗,實現了較好的模型性能,具備一定可操作性,可通過調整參數進行模擬預測。對比四種情景,按原計劃持續實施退耕還林會制約未來社會經濟發展,情景2利于退耕還林工程與社會經濟的和諧發展,情景3在后期促進NDVI、植被固碳量的增長:2020—2035年間GDP、第一產業產值、農村總收入、人均GDP均為情景2>情景3>情景4>情景1。林業產值表現為情景1>情景2>情景4>情景3。研究初期情景3糧食總產量較高,而后期情景2最高,年均增長率達4.66%。情景3 NDVI、植被固碳量的增長率最高。到2035年,山西省晉北地區以情景2作為最優發展情景,使得耕地面積年變化率保持在0.35%狀態,造林面積保持在694.87 km2左右,相比其他情景此時各社會經濟變量較高,能較好地統籌耕地與造林用地的矛盾,在保護生態建設的同時為社會經濟可持續發展提供保證。