省域視角下中國森林碳匯空間外溢效應與影響因素

付 偉,李 龍,羅明燦,陳建成,王福利

1 西南林業大學經濟管理學院,昆明 650233

2 北京林業大學經濟管理學院,北京 100083

全球經濟的迅速發展帶來了自然生態環境的破壞,CO2在大氣中的濃度不斷增高,給人類的生存環境帶來了切身的危害,低碳減排成為全球共識。我國CO2排放量不斷增長,已成為世界第一大碳排放國,低碳減排將成為我國未來發展的重要戰略方向。在第七十五屆聯合國大會上習近平總書記第一次明確提出了“雙碳”目標,中央財經委員會第九次會議提出“要把碳達峰、碳中和納入生態文明建設整體布局”[1]。中國共產黨第二十次全國代表大會上進一步提出要推動綠色發展,加快實施重要生態系統保護和修復重大工程。“雙碳”目標的提出昭示著我國低碳減排的決心,要在減少“碳源”和增加“碳匯”兩方面持續推進溫室氣體減排[2],與碳減排政策一致,大力推動森林碳匯的發展將是緩解全球氣候變化的重要方式[3—4]。森林吸收大氣中的CO2并儲存就是森林的碳匯功能[5—6]。森林是陸地生態系統中最大的碳庫,在“雙碳”目標的實現過程中存在著巨大的生態效益[7]。森林的碳匯功能對全球的碳循環有著深刻的影響[8—9]。2020年聯合國糧農組織公布的全球森林資源評估報告顯示,全球森林碳儲量約占全球植被碳儲量的77%,森林碳儲能力的提高在“雙碳”目標的實現中具有重要作用[10]。森林碳匯的發展將成為應對氣候變化及“雙碳”目標實現的重要途徑之一[11—12]。

國際上最早于1960年左右開始進行森林碳匯的研究[13]。馬學威等[14]將森林碳匯的研究分為萌芽期和快速發展期兩個階段,2006年之前為萌芽期,2007年至今為快速發展期[15]。早期的研究代表Paul[16]使用森林生長模型將森林集約經營對碳儲量的影響進行了探析,學者們在之后的研究中,將自然科學和經濟學的融合納入了動態分析框架和模型,森林碳匯的研究不斷走向完善[17—18]。國內對森林碳匯空間溢出效應的研究存在著不同的觀點,在森林碳匯的空間溢出效應是否顯著及存在正向還是負向的空間溢出效應之間產生分歧[19]。薛龍飛等[20]通過研究我國31個省市的森林碳匯情況,證明了我國森林碳匯之間有著顯著的負向空間溢出效應,但大量國內學者還是在省域層面上對森林碳匯進行研究[21—22]。森林資源稟賦類似的地區在森林碳匯量上存在較大差異[23],學者們從經濟發展水平[24]、森林管理水平[25—27]以及森林災害[28]等方面對其影響因素進行研究,這些因素對森林碳匯量都有著重要的影響。在碳匯的空間溢出效應研究中,孫建衛等[29]、孫麗文等[30]和徐敬俊等[31]分別對林業碳匯的經濟和區域效應、省域碳鎖定的空間外溢效應以及漁業碳匯的空間外溢效應方面進行了研究。

綜上所述,國內外對森林碳匯的研究較為廣泛,為學者對森林碳匯的研究提供了豐富的材料,但大量學者的研究視角仍關注于單一省份,對空間分布狀況的研究較少且局限于一般性分析,對國家層面森林碳匯的空間溢出效應和影響因素未能進一步探究。由于森林資源的分布不是獨立的,地理環境的相似性、政策引導的溢出性和生產創新的互補性等會產生較強的區域關聯效應,地區間的協調發展問題值得深入探究。本文通過森林蓄積量擴展法測算我國31個省(市、自治區)在1993—2018年六次森林資源清查期間的森林碳匯量,對省域空間森林碳匯總量相關性特征進行對比,利用空間計量模型進行森林碳匯的外溢效應和影響因素分析。為我國各地區差異化森林碳匯政策的制定與實施提供支撐,利用我國林業政策的總體空間規劃來綜合統籌各區域森林政策,促進林業綠色高質量發展。

1 數據介紹與研究設計

1.1 數據介紹

1.1.1數據來源

選擇1993、1998、2003、2008、2013和2018年我國六次森林資源清查的統計資料,數據源自于《全國森林資源清查報告》和《中國林業統計年鑒》,對相關數據取對數來消除異方差的影響。

1.1.2變量選取

本文在相關文獻的基礎上,進行了以下變量的選取:(1)林業產業發展水平,森林碳匯量與林業產業發展水平之間有著正相關的關系,選取林業產業總產值與森林面積的比值,即森林單位面積產值代表林業產業發展水平,記為F-level。(2)勞動力要素投入,在勞動力素質保持恒定的基礎上,勞動者人數在很大程度上影響林業產量,從而對森林碳匯量有著重要影響。文中以林業系統年末從業人員人數代表勞動力要素投入水平,記為F-labor。(3)林業管理水平,造林行為是土地利用變化的方式,可以大幅提高植被碳匯[32]。由于造林行為對森林碳匯的影響存在10年作用的生長期[33]。以被解釋變量早10年的造林面積代表林業管理水平,記為F-area。(4)森林采伐面積,因為采伐量對森林碳匯有著重要的關系,選取原木的采伐量作為影響森林碳匯的重要指標,記為F-logs。(5)森林災害程度,不同地區的森林生態情況不同,森林火災、病害、蟲害對森林碳匯產生一定的影響,以森林火災、病蟲害面積與森林面積的比值代表森林災害程度,記為F-disaster。(6)森林蓄積水平,森林蓄積量對森林碳匯有著主導影響,以單位面積森林蓄積量代表各地區森林蓄積水平,記為F-stock。

1.2 研究設計

根據空間計量經濟學的觀點,不同區域的事物和現象之間在空間上相互影響,存在一定的空間相關性。地理空間中各經濟事物之間存在著不同相關程度和交互效應,是事物本身所固有的空間經濟屬性,空間計量經濟學用空間外溢效應來定義和分析這種相關性。

本文在對我國31個省(市、自治區)的森林碳匯量進行測算的基礎上,運用空間自相關中的全局和局部Moran′sI指數來考慮森林碳匯的時空格局,以空間計量模型分析森林碳匯空間關聯性。對三種空間計量模型進行比較,選擇最優模型對森林碳匯的空間外溢效應以及影響因素進行研究。

2 研究方法

2.1 森林碳匯量測算

本文以森林蓄積量擴展法核算森林碳匯量,公式中CS、CV、CB和CF依次為不同森林結構的碳匯量,分別為森林土壤碳匯量、林下植被碳匯量、森林生物量碳匯量和森林總體碳匯量[23]。Sij、Cij、Vij分別代表第i類地區第j類森林類型的森林面積、森林碳密度和森林單位面積蓄積量,具體公式如下:

CF=CS+CB+CV

(1)

CF=∑(Sij×Cij)+α∑(Sij×Cij)+β∑(Sij×Cij)

(2)

Cij=Vij×σ×ρ×γ

(3)

式中,α、β、σ、ρ和γ分別為林下植物碳轉換系數、森林碳轉換系數、微生物含量擴大系數、容積系數和含碳量。各項折算系數均根據聯合國政府間氣候變化專門委員會的默認參數值取值。其中,α取值0.195,β取值1.244。σ取值1.90,ρ取值0.50 t/m3,γ為取值0.50[34]。

2.2 空間關聯性分析

探索性空間數據分析(Exploratory Spatial Data Analysis,ESDA)主要使用地理可視化技術來揭示空間數據的特征。文獻中經常使用它來確定空間數據分布模式、聚集熱點和空間異質性[35]。ESDA的優勢在于能夠提取其他方法無法識別的復雜空間現象,并為發現新的研究問題奠定基礎[36]。它反映了特定空間中觀測數據的相互依賴性。空間自相關方法分為全局空間自相關(Global Moran′sI)和局部空間自相關(Local Moran′sI)。全局Moran′sI指數可以發現空間的集聚或異常值并發現空間分布的差異和關聯性。取值為(-1,+1),全局Moran′sI指數>0時,數值越大則空間正關聯性越明顯;全局Moran′sI指數=0時,則空間分布關聯性較弱;全局Moran′sI指數<0時,數值越小則空間差異性越顯著。全局空間自相關分析僅用一個值來反映研究區域間的空間差異的平均程度,卻不能詳細地說明區域間各個對象間具體的空間關聯模式,沒有考慮到空間異質性,因此無法反映地理單元內的局部空間相關性。所以,有必要使用局部自相關來確定具體集聚情況[37],通過進行局部自相關分析來描述鄰近空間的屬性值的相關程度。相應公式如下:

(4)

(5)

2.3 空間計量模型

在進行空間計量模型的研究中,先忽略各空間單元之間的相關作用,進行普通最小二乘回歸(Ordinary Least Squares regression,OLS),預設回歸模型如下:

yit=βixit+μit

(6)

式中,t、i、yit和xit分別為時間、觀測樣本、n×1維的被解釋變量以及n×k維的解釋變量,βi為k×1維的xit的影響系數,μit為n×1維的相互獨立的隨機誤差項向量,且μit—(0,σ2)分布。

在最小二乘模型的基礎上,檢驗相鄰空間單元要素之間的相關性。若顯著相關,則利用拉格朗日乘子檢驗(Lagrange Multiplier,LM)對三種空間計量模型做抉擇:空間滯后模型(Spatial Lagged Model,SLM)、空間誤差模型(Spatial Error Model,SEM)以及空間杜賓模型(Spatial Durbin Model,SDM)。

所有的空間計量模型給出以下的形式:

(7)

(8)

空間滯后模型(SLM)、空間誤差模型(SEM)和空間杜賓模型(SDM)分別由以上公式的調整而來。

空間滯后模型(SLM)(λ=γ=0):

(9)

空間誤差模型(SEM)(ρ=γ=0):

yit=φ+xitβ+μi+ηi+φit

(10)

(11)

空間杜賓模型(SDM)(λ=0):

(12)

3 結果分析

3.1 我國各省(市、自治區)森林碳匯量分析

我國森林碳匯總量豐富,年均碳匯量為1509780.85萬t(表1)。根據1993—2018年各省市的碳匯量分布及變化情況,整體上看,我國森林碳匯分為三個梯隊:第一梯隊為西南省份和東北林區,由于地理因素,這些地區擁有大量的森林面積,為我國森林碳匯總量的主力軍。第二梯隊為南方林區,在我國森林碳匯中居于中等水平。第三梯隊為東部沿海地區,碳匯量相較于前兩個梯隊較少。2018年,我國森林碳匯總量為1976234.52萬t。西藏碳匯量為264438.45萬t,居我國首位,占我國碳匯總量的13.38%。云南、四川、黑龍江三省的碳匯總量緊隨其后,之間的碳匯量差距不大,四省的森林碳匯總量占我國碳匯總量的46.68%。天津、上海和寧夏由于其森林面積和地理因素的影響,碳匯量較低。2018年,上海碳匯量最低,但是從碳匯量的變化情況來看,上海碳匯增速較快,我國多個省份的碳匯增長幅度都較大,整體處于上升趨勢。

表1 我國各省(市、自治區)森林碳匯量匯總/104tTable 1 Summary of forest carbon sequestration in all provinces (cities and autonomous regions) of China

3.2 我國各省(市、自治區)森林碳匯量空間關聯性分析

3.2.1我國森林碳匯的全局空間關聯性分析

本文利用Geoda 18.0和Stata 15.1對被解釋變量-森林碳匯量進行全局Moran檢驗,選取Rook鄰接矩陣將海南處理為與廣東、廣西鄰接,作為空間權重矩陣[39]。結果如表2,1993—2018年,Moran′sI指數均為正值且通過1%的顯著性水平檢驗。顯示出我國森林碳匯具有顯著的全局空間關聯性。

表2 我國森林碳匯量全局Moran′s I指數檢驗Table 2 Global Moran′ I index test of forest carbon sequestration in China

圖1 全局Moran′s I指數趨勢圖Fig.1 Global Moran′s I index trend chart

如圖,Moran′sI指數的變化呈現出不同趨勢。1993—2003年期間,森林碳匯Moran′sI指數為倒“V”形的先增加后降低的趨勢,在2003年之后,又以較為穩定的趨勢上升。Moran′sI指數的變動說明我國各省(市、自治區)之間的森林碳匯在空間上的集聚程度并不恒定。1988年之前,由于我國各地區加大對森林的基礎保護并投入大量的資金支持,對各地區Moran′sI指數的提升起到了促進作用。1998—2003年之間,為了保護生態環境,維護生態安全,一系列林業重點工程在各地區實施。其中包括:天然林保護工程、“三北”防護林以及京津風沙源治理工程等,但是由于各地區保護工程實施的規模和進程存在差異,導致了各地區之間空間集聚效應的降低。2003年之后,各地區林權改革和退耕還林工程的實施,有效的保護了森林資源,帶動了各地區的森林碳匯發展,Moran′sI指數開始穩步提升。

3.2.2我國森林碳匯的局部空間關聯性分析

對森林碳匯的全局關聯性分析并沒有說明森林碳匯量在各地區之間的局部空間自相關情況。因此,應用局部Moran′sI指數散點圖來進行局部的關聯性分析。局部Moran′sI指數散點圖四個象限表示四種空間集聚模式,其中,第一象限(H-H)表示高森林碳匯量省(市、自治區)被高森林碳匯量的其他省(市、自治區)所包圍;第二象限(L-H),表示低森林碳匯量省(市、自治區)被高森林碳匯量的其他省(市、自治區)所包圍;第三象限(L-L),表示低森林碳匯量省(市、自治區)被低森林碳匯量的其他省(市、自治區)所包圍;第四象限(H-L)表示高森林碳匯量省(市、自治區)被低森林碳匯量的其他省(市、自治區)所包圍。第一、三象限表示森林碳匯之間存在著空間正相關作用,第二四象限表示森林碳匯存在著空間負相關作用。

圖2為我國森林碳匯局部Moran′sI指數散點圖。圖中各地區基本落入第一、二、三象限,對比1993和2018年的變化情況。1993年高高相關省份為:西藏和云南。低高相關省份為青海。2018年高高相關省份為西藏和云南。低高相關省份為青海和貴州。高高相關的地區主要集中在我國西南地區,優良的森林資源稟賦,森林管理和林業重點保護工程的實施,推動西南地區林業碳匯集聚發展。

圖2 我國森林碳匯Moran′s I指數散點圖Fig.2 Moran′s I index scatter diagram of forest carbon sink in China

3.3 我國各省(市、自治區)森林碳匯空間外溢效應與影響因素分析

3.3.1空間計量模型的選擇

全局和局部空間相關性分析表明我國森林碳匯的空間外溢效應顯著,為此,加入空間因素的影響分析外溢效應。

第一步:LM檢驗。首先利用Stata 15.1軟件對所選取變量的面板數據進行OLS檢驗,并根據LM檢驗以及穩健性LM檢驗結果選取空間計量模型。如表3,林業產業發展水平、森林受災程度對森林碳匯量存在著顯著的負向作用,勞動力要素投入、林業管理水平、森林采伐面積和森林蓄積量水平對森林碳匯量存在顯著的正向作用。

表3 OLS回歸檢驗結果Table 3 OLS regression test results

如表4,LM檢驗和穩健性檢驗都通過了1%的顯著性檢驗,4個檢驗均拒絕了原假設,說明本文所選變量兼具空間滯后和空間誤差自相關效應。在三種空間計量模型中,SDM模型兼具兩種效應,初步判斷選擇SDM模型來進行空間外溢效應的分析。

表4 LM和Robust LM檢驗結果Table 4 LM and Robust LM inspection results

第二步:三種空間計量模型的比較。通過豪斯曼檢驗對固定效應和隨機效應進行選擇,檢驗結果中,SDM的豪斯曼檢驗值為14.73,Prob>chi2 =0.0225,通過了5%的顯著性檢驗。故選用固定效應的空間杜賓模型來進行外溢效應的分析。在空間杜賓模型中引用了解釋變量的空間滯后項,并使用極大似然估計法可以有效地消除內生性問題。由表5,在三種空間計量模式的比較中,SDM模型的σ2=0.009,優于SEM和SAR模型,擬合優度R2=0.753也優于SEM模型。綜合考慮,SDM模型是最理想的,最終選擇固定效應的SDM模型進行分析。

表5 模型回歸結果Table 5 Model regression results

第三步:似然比檢驗(Likelihood Ratio,LR)。對SDM模型進行LR檢驗,檢驗空間杜賓模型是否會退化成SLM和SEM模型。如表5,LR檢驗分別為15.50和25.77,均通過了1%的顯著性檢驗。

綜上,本文最終以固定效應的空間杜賓模型分析森林碳匯的空間外溢效應與影響因素。

3.3.2空間外溢效應分析

SDM模型的主要參數ρ的系數為0.238,存在著明顯的正向效應并經過了10%的顯著性試驗,數據表明各省(市、自治區)的森林碳匯量之間具有空間溢出效應,并且相鄰區域的森林碳匯水平每變化1%,本區域的森林碳會正向變化0.238%。對鄰近地區森林碳匯的溢出效應,充分體現了地域上的空間關聯性。林業產業發展水平、勞動力要素投入水平、林業管理水平、森林采伐面積、森林災害程度和森林蓄積水平的空間效應分別為:-0.0410、-0.0274、0.0576、-0.0380、0.0528、0.522。其中林業產業發展水平、勞動力要素投入和森林采伐面積對臨近省份為負向影響。林業管理水平、森林災害程度和森林蓄積水平對臨近省份為正向影響。

3.3.3空間外溢效應影響因素分析

空間杜賓模型很好地解釋了各地區之間的空間經濟相關性,然而參數估計結果并不能將直接作用效果和空間外溢效應直觀表現出來,本文將所選變量對森林碳匯的影響效應分解為直接、間接和總效應來更加清晰地展示影響效果。具體結果如表6所示。

表6 空間效應分解Table 6 Spatial effect decomposition

一是各變量的直接效應。林業產業發展水平、勞動力要素投入、林業管理水平、森林采伐面積、森林災害程度和森林蓄積水平的直接效應分別為-0.0905、0.0339、0.0207、0.00996、-0.0435和0.855。其中,除了勞動力要素投入和森林采伐面積沒有通過10%的顯著性檢驗,其余變量均通過1%的顯著性檢驗。本地區的林業管理水平和森林蓄積水平的提高會對本地森林碳匯量的提高有著推動作用。林業管理水平的提升會提高森林生態環境保護,使森林的生長更加有序,發展更加充分,森林結構更加立體,促進森林碳匯量的增加。森林蓄積水平反應了地區的優勢碳匯樹種的數量,單位蓄積水平的提高會提升森林碳匯總量。林業產業發展水平和森林災害程度為負向效應,表明當今林業產業的發展模式在一定程度和森林碳匯量之間存在著不匹配的因素,可能的解釋是林業產業政策的側重點和產業類型的偏好與森林碳匯不能很好的融合發展。而森林災害與病蟲害則直接導致樹木生物結構的惡化,遏制林木的正常生長。

二是各變量的間接效應,林業產業發展水平、勞動力要素投入、林業管理水平、森林采伐面積、森林災害程度和森林蓄積水平的間接效應分別為-0.0784、-0.0259、0.0802、-0.0443、0.0520和0.903。其中,只有林業管理水平和森林蓄積水平通過了1%的顯著性檢驗,剩余變量均未通過10%的顯著性檢驗,即本地區的林業產業發展水平、勞動力要素投入、森林采伐面積和森林災害程度對相鄰地區森林碳匯量的間接影響并不明顯。林業管理水平的間接效應系數為正,表明一個地區的林業管理水平的提升會產生示范效應,使得空間相鄰地區也會在林業管理水平上向該地區學習,造成相鄰省份的林業管理水平也有一定程度的提升,從而提高森林碳匯水平。森林蓄積水平的間接效應系數為正,由于相鄰省份的樹種在地理位置上的相似性,樹種蓄積能力類似,森林碳匯水平有著帶動作用。

三是各變量的總效應,林業產業發展水平、勞動力要素投入、林業管理水平、森林采伐面積、森林災害程度和森林蓄積水平的總效應分別為:-0.169、0.00802、0.101、-0.0344、0.00846、1.758。其中,林業產業發展水平、林業管理水平和森林蓄積水平均通過了1%的顯著性檢驗,剩余變量沒有通過10%的顯著性檢驗。說明勞動力要素投入、森林采伐面積和森林災害程度對森林碳匯量的空間溢出影響并不顯著。林業產業發展水平的總效應、直接效應和間接效應系數均為負,但間接效應未通過10%的顯著性檢驗。說明林業產業發展水平對本地區的森林碳匯量有負向影響,但是對相鄰省份的影響并不明顯。林業管理水平的總效應、直接效應和間接效應系數均為正,且均通過了1%的顯著性檢驗。林業管理水平在直觀上對森林結構的豐富度,森林樹種的撫育度以及森林的生態保護水平等方面存在正向影響。表明林業管理水平不僅對本地區的森林碳匯量有推動作用,而且對相鄰地區產生示范和拉動效應,帶動相鄰地區森林碳匯水平提升。森林蓄積水平的總效應、直接效應和間接效應系數同樣均為正。森林蓄積水平反映了當地樹種的綜合碳匯能力,且臨近地區之間由于地理空間的相似性,樹種碳匯能力差異不大,因此,森林蓄積水平對本地區和相鄰地區的森林碳匯水平都存在著促進作用。

4 結論與啟示

4.1 主要結論

根據我國森林碳匯量的核算及空間外溢效應和影響因素分析結果,本文從森林碳匯量的整體和變化情況、空間外溢效應以及各因素的影響三個方面得到以下結論:

一是我國整體上具有豐富的森林碳匯量。年均碳匯量為1509780.85萬t。六次森林資源清查期間,森林碳匯量整體呈上升趨勢。由于森林資源稟賦的差異,各地區的森林碳匯量存在較大差異。西藏、云南、四川、黑龍江四個省份的森林碳匯總量較大,占我國碳匯總量的40%以上。天津、上海和寧夏的森林碳匯量處于較低的位置,但是在增長幅度上面,上海市森林碳匯量增速最快。

二是我國各省(市、自治區)森林碳匯量空間關聯性分析。我國森林碳匯具有顯著的全局空間關聯性。1993—2003年期間,森林碳匯Moran′sI指數為倒“V”形的先增加后降低的趨勢,在2003年之后,又以較為穩定的趨勢上升。Moran′sI指數的變動說明我國各省(市,自治區)的森林碳匯在空間上的集聚程度并不恒定。局部Moran′sI指數反映出高高相關省份為:西藏和云南。低高相關省份為青海和貴州,各個時期變動不大,表明我國森林碳匯已形成高高相關格局,且高高相關的地區主要集中在我國西南地區,由于豐富的森林資源,森林管理和林業重點保護工程的實施,推進了西南地區林業碳匯集聚發展。

三是我國森林碳匯的空間外溢效應及影響因素分析。各省(市、自治區)的森林碳匯量之間存在顯著的空間外溢效應。且相鄰區域的森林碳匯水平每變化1%,本區域的森林碳匯量正向變化0.238%。其中林業產業發展水平、勞動力要素投入和森林采伐面積對臨近省份為負向影響。林業管理水平、森林災害程度和森林蓄積水平對臨近省份為正向影響。對空間外溢效應進行分解:直接效應中,林業管理水平和森林蓄積水平對本地森林碳匯量有正向影響,林業產業發展水平和森林災害程度為負向效應。間接效應中,本地區的林業產業發展水平、勞動力要素投入、森林采伐面積和森林災害程度對相鄰地區森林碳匯量的間接影響并不明顯。林業管理水平和森林蓄積水平對相鄰地區森林碳匯量有正向影響。總效應中,林業管理水平和森林蓄積水平對本地和相鄰地區森林碳匯量有正向影響,林業產業發展水平對本地區的森林碳匯量有負向影響,但是對相鄰省份的影響并不明顯。

4.2 政策啟示

根據上述研究結論,我國在制定和實施差異化林業碳匯政策時有以下啟示:

一是我國森林碳匯量在空間上存在著顯著的空間相關性與空間外溢效應,對差異化林業碳匯政策的制定與實施應考慮區位因素,結合相鄰地區的森林資源稟賦和林業產業發展水平進行林業發展的空間規劃,并綜合協調各地區林業政策,在“山水林田湖草沙”的命運共同體理念引領下,合理實現森林碳匯林業綠色發展。

二是利用好森林碳匯的空間外溢效應,林業產業發展水平和森林采伐面積對森林碳匯量的總效應影響為負,說明林業產業綠色發展進程中應進行結構上的調整,要調整林業第一產業占比,優化林業第二、第三產業融合發展,促進森林碳匯水平的提升。森林采伐量應合理制定采伐配額,優化采伐側重于人工林。發揮西南地區與東北林區的輻射作用,帶動相鄰地區森林資源的合理利用與規劃,充分吸收碳匯林項目實施經驗。

三是根據各因素對我國森林碳匯影響程度的不同進行相應變革,林業產業的發展模式和森林碳匯之間存在著不匹配的因素,未能很好的與森林碳匯融合發展,要加快林產品加工業發展規模的擴大和發展方式的轉變。在林業管理水平和森林蓄積水平方面,森林環境穩定、樹種結構多樣化、優勢碳匯樹種擴大化是林業綠色發展的基礎,要保持生態、社會、環境三方的協調,差異化實施林業政策制度,確保森林使用權在流轉、抵押和擔保上的合規性,提供森林碳匯項目實施的政策保證。嚴格實施采伐限額制度,提高森林管護能力,科學建立應對森林火災、病蟲害的方案。