林业生态安全评价指标体系构建与实证

　　摘 要：林业生态安全是国家生态安全的重要组成部分，对区域可持续发展及生态文明建设发挥着重要作用。为克服现有林业生态安全评价中系统复杂性不足和指标体系缺乏验证的局限，文章基于对广义林业生态安全(FES)内涵、构成及作用机理的分析，考虑了现有研究尚未纳入的潜在因素，选择DPSIR理论构建FES指标框架，并结合结构方程模型(SEM)，利用中国30个省份的面板数据，对FES指标框架进行统计检验和指标优化，最终得到了基于DPSIR-SEM的FES评价指标体系及权重。为进一步验证指标体系的合理性和实用性，对黑龙江省的生态安全做了实证分析，评判结果与已有研究及实际情况整体相符。

　　陈奕丹; 徐硕; 安欣， 统计与决策 发表时间：2021-09-17

　　关键词：林业生态安全;DPSIR;结构方程模型;指标体系;综合评价

　　0 引言

　　生态环境恶化对人类生存和发展构成了日益严重的威胁，生态安全成为21世纪人类共同关注和研究的重大课题。林业生态安全是国家生态安全的重要组成部分，对区域可持续发展及生态文明建设发挥着重要作用。构建一套科学、完整、可行的林业生态安全评价指标体系，能够为深入推进林业生态安全测评、分析工作提供理论依据，为统筹协调林业产业经济与森林生态环境、加快林业生态文明建设进程提供量化参考，具有重要的理论与实际意义。

　　近年来，国内外林业生态安全测度研究与实践方兴未艾，但目前尚未形成一套公认、统一的指标体系。从概念界定来看，国外如新西兰[1] 、加拿大[2] 、墨西哥[3] 、美国[4] 等国家学者的研究主要聚焦于森林生态系统自身的健康状况，国内学者进一步考虑了森林生态-林业产业复合系统中各子系统的协调互动，由此构建林业生态安全评价指标体系并进行综合评价。从研究方法来看，主要采用了直观筛选法、结构模型法、SEM模型等构建林业生态指标体系并用于综合评价。直观筛选法[5,6] 是最常用的一种方法，它相对灵活、简易，能充分发挥学者的创造力和研究能力，但主观性较强，指标体系的逻辑性和系统性往往无从验证。结构模型法能更加客观地反映林业生态安全要素属性的相互关联和有机统一，常用 PSR(Pressure-State-Response)结构模型法和PSIR(Pressure-State-Impact-Response)结构模型法。冯彦等(2017)[7] 基于联合国可持续发展委员会提出的PSR结构模型法对湖北省森林生态安全进行评价。张智光团队创建了PSIR结构模型法构建初始指标体系，并结合 SEM 模型进行指标优化与检验，为林业生态安全指标的构建和实证提供了参考依据[8—10] 。相关研究成果为本文提供了参考，但林业生态安全评价指标研究仍有推进空间：一方面，基于林业生态安全的独特内涵，其指标框架的设计可进一步贴合林业生态复合系统的复杂特性和内在机理，避免与生态安全、森林生态健康等混淆不清;另一方面，现有研究缺乏对林业生态安全指标体系的检验和优化，可进一步探索统计方法在其中的应用。

　　林业生态安全指标及权重的科学性将直接影响评价结果的准确性。立足于林业生态安全理论及研究，本文引入 DPSIR 概念框架选取初始指标，结合 SEM 模型筛选指标，从而得到林业生态安全评价指标体系及权重并进行统计检验。并以黑龙江省为例，利用模糊综合评价法进行了实证分析。

　　1 基于DPSIR理论的FES指标框架

　　目前对林业生态安全(Forestry Ecological Security， FES)的理解尚未统一，主要分为两种：狭义FES(森林生态安全)是从森林生态系统内部的结构、功能和生态过程出发，仅指森林生态系统自身的完整、健康、可持续。广义 FES是从森林生态系统的开发、生产、管理和维护等多方面出发，指由森林生态子系统(狭义林业生态系统)、林业产业子系统共同组成的林业生态-产业复合系统(广义林业生态系统)不受威胁的状态，强调林业生态-产业内在交互及复合系统整体的生态安全性。广义FES从森林生态系统与林业产业系统交互的内在机理出发，不仅要关注森林生态系统为人类生存和产业发展提供可持续生态服务的安全性，还需要注重人类经济活动对森林生态系统构成威胁的反响安全性，强调林业生态系统中自然、社会、经济因素的双向作用，才能够涵盖FES综合评价的关键要素。

　　DPSIR(Diver-Pressure-State-Impact-Response)是1999 年欧洲环境署在综合PSR、DSR等优点的基础上提出的结构化理论模型[11] ，全面考虑了驱动力、压力、状态、影响、响应五大要素，能够充分反映生态环境系统与人类活动的双向关系，为复杂系统的要素属性研究和测度提供科学理论依据[12] ，近年来广泛应用于复杂森林生态系统、生态脆弱性、生态安全系统等生态安全相关领域的综合评价。

　　围绕广义FES的内涵机理与本质属性，本文以DPSIR 结构模型为理论框架，遵循科学性、完整性、层次性、代表性、有效性和可操作性原则，构建了中国FES评价指标体系(见图1)。与已有研究相比，初始指标体系纳入了影响 FES的潜在驱动因素，并合并了联系密切的影响和响应因素，进一步凸显了指标体系的林业特色，避免了“生态与经济割裂看待”“FES与生态安全混为一谈”等问题;考虑了森林资源清查指标数年更新一次数据的现实，通过控制缺失数值的插补率提升分析结果的可靠性。

　　生态与经济驱动力(D)是造成森林生态与林业产业内在交互安全性发生改变的潜在原因，包括经济社会因素和自然生态因素。初步选取人均GDP、城市化水平、人均木材需求、水土流失面积等指标。其中，人均GDP和城市化水平反映林业生态复合系统在经济社会发展方面的宏观环境，也间接体现为了生产生活而消耗森林资源、破坏生态环境的潜在驱动因素;人均木材需求间接反映在现有经济社会条件下，人类对木材等森林资源的开发诉求，即驱动森林资源超负荷供给林业产业、林业产业加速扰动森林生态系统抗干扰和自恢复能力的潜在因素;水土流失面积作为FES的重要驱动因子，不仅能体现森林系统所处的基本自然条件，还能反映森林资源的密度、质量和复原力，及森林生态与产业的交互关系质量。

　　林业产业发展压力(P)是在驱动力影响下，林业生产活动作用于森林生态环境，并促使森林生态环境安全状况发生变化的直接原因。不同于驱动力的隐性特征，压力主要是林业产业发展作用于森林生态环境的显性外力。初步选取林业总产值、林业二产比重、林业产值增长和林业产值占 GDP 比重等指标，分别对应林业产业经济的总体发展水平、林业产业结构、林业产业增长速度、林业经济对国民经济贡献程度，反映为了从总量、结构、增长、贡献率等全方位发展林业产业而消耗森林资源、损害生态环境、排放工业污染等，从而对FES状况造成的压力。其中，林业第一产业(如森林经营)、林业第二产业(如木材加工)和林业第三产业(如森林游憩与森林康养)均对森林生态乃至FES产生不同作用。考虑到指标代表性原则并参考已有广义FES指标体系研究成果，选取林业二产比重代表林业产业结构对FES带来的压力。

　　森林资源与生态状况(S)是驱动力和压力作用下森林自然系统所表现出的状态。考虑到指标体系的概括度及数据的可得性，初步选取森林蓄积量、森林覆盖率、人均森林面积、林业自然保护区面积比、天然林面积比等指标。其中，森林蓄积量体现森林资源的总体规模，间接体现森林生态环境的质量;森林覆盖率反映森林资源丰富水平和生态平衡程度;人均森林面积间接反映森林系统固氮制氧、要素禀赋等情况;林业自然保护区面积比和天然林面积比从森林功能、森林结构等不同角度反映森林系统自然资源禀赋强弱，也间接体现其对森林系统自然、经济、社会效益的影响。

　　森林生态变化与治理(E)由影响(I)和响应(R)构成，表示在驱动力、压力和状态共同作用下森林生态系统所受的影响，以及人类对森林生态环境开发和保护所采取的应对措施和政策响应，初步选取森林消长比、森林灾害面积比、人均造林面积、工业污染治理投资占比等指标。其中，森林消长比为森林采伐量与造林量之比，综合反映林业活动对森林效益的影响;森林灾害面积比反映森林火灾及森林病虫鼠害等胁迫因子对森林生态安全的影响情况;人均造林面积反映了生态文明建设情况和人工造林力度，间接反映森林资源更新、质量和结构;工业污染治理投资占比间接反映绿色化工循环经济的发展情况。

　　2 数据来源与处理

　　本文以中国30个省份为研究对象，指标数据源自《中国区域经济统计年鉴》《中国农村统计年鉴》《中国财政年鉴》《中国统计年鉴》《中国林业统计年鉴》《中国环境统计年鉴》和《森林资源清查公报》等，部分数据根据年鉴数据综合处理得到，其中人均GDP即人均地区生产总值;城市化水平用城镇人口所占比重近似代替;人均木材需求通过计算人均木材产量近似代替;林业二产比重由林业第二产业产值除以林业产业总产值计算得到;天然林面积比用非人工林面积比近似代替;林业产值增长通过计算林业总产值年增长率得到;林业自然保护区面积比即林业系统自然保护区面积占国土面积的比重;森林消长比用木材产量与造林总面积之比近似代替;工业污染治理投资占比用工业污染源治理投资与环境污染治理投资总额之比表示。鉴于数据的可得性，研究对象未包括上海及港澳台。

　　对数据进行预处理。①缺失值处理：当缺失值较少时，根据缺失部分的规律选用均值法或线性插值法等进行插补。当缺失值过多或插补难度过大时，删去此样本。②价格转换：为消除价格波动的影响，人均GDP和林业总产值均经过物价调整，属于实际变量。③正向化处理：FES 测度指标分为正向和逆向指标，对林业二产比重、人均木材需求、森林消长比、森林灾害面积比、水土流失面积五个逆向指标进行正向化处理，令： x' ij = max{xij} - xij (1)其中，xij 和 x' ij 分别表示第 i 个样本的第 j 个指标正向化前后的数据。④无量纲处理：采用z-score标准化方法处理判断矩阵，以满足SEM模型的要求。

　　3 DPSIR-SEM指标优化及权重确定

　　3.1 指标优化

　　SEM作为一种定量验证与测度的模型，可用于研究林业生态安全测度要素的关联和结构。为进一步减轻冗余和主观问题，引入SEM方法对FES初始指标体系进行精简和验证：测量模型：X = ΛX ξ + σY = ΛY η + ε (2)结构模型：η = Bη + Γξ + ζ (3)

　　其中，X 、Y 分别指外生测量变量、内生测量变量组成的向量，ξ 、η 分别指外生潜变量、内生潜变量组成的向量，ΛX 为外生测量变量与外生潜变量的因子负荷矩阵， ΛY 为内生测量变量之间的因子负荷矩阵，B 和 Γ 为对应方程系数，σ 、ε 和 ζ 分别为对应方程残差项。其中，测量模型用于描述 D、P、S、E 四大潜变量与各测度指标间的归属关系;结构模型用于描述 D、P、S、E 四大潜变量间的因果关系。由于本文仅涉及指标体系的结构关系而非因果关系，因此选用SEM测量模型而无须使用SEM结构模型，这相比类似研究更加贴合研究目标。

　　以初始指标为测量变量，根据图1设计SEM路径关系图(见图2)。其中，H1—H17 为模型假设对应路径系数值，可体现测量变量对所属潜变量的反映程度，UDP、UDS、 UDE、UPS、UPE、USE 分别对应各潜变量之间的相关作用系数，e1—e17 为残差项。运用SEM搭建模型优化反馈流程，以筛选初始指标：①提炼 4 个潜变量。使用 SPSS21.0 软件对初始指标进行相关分析和聚类分析，将相关系数过大的指标精简，并将具有同类性质的指标归为一类，再运用因子分析法提取 4 个公因子作为潜变量。②指标筛选。根据图2初步构建SEM并将各初始指标按对所属潜变量的重要程度排序，尝试删除一个排名最末的初始指标，并使用AMOS21.0软件进行SEM的参数检验及拟合检验，参考修正指数优化模型适配效果，并根据各项检验的显著性强弱主观判断指标去留，选择通过显著性检验并使模型拟合效果更佳的指标而剔除效果不佳的指标，重新进行参数检验、拟合检验和指标筛选，循环往复多次，直至优化后的指标体系能使对应SEM通过一系列显著性检验为止。③指标终选。通过SEM筛选得到最终指标体系，包含 12个指标，并据此输出检验结果及标准化作用路径系数。

　　3.2 指标体系检验及权重确定

　　由于前述优化流程繁琐，本文仅展示最终优化结果。

　　(1)信度和效度检验(见表 1)：采用 SPSS21.0 软件进行信度检验，结果显示生态与经济驱动力 D 、林业产业发展压力 P 、森林资源与生态状况 S 、森林生态变化与治理 E 的 Cronbach's α 值均超过 0.7，说明样本数据的信度良好。结构效度检验和内容效度检验是最主要的效度检验方法。采用因子分析法进行结构效度检验，各测量变量的 KMO值均大于0.6，Bartlett球形检验的sig值均小于0.001，尽管靠近检验范围的边界，但并不至于影响整体分析结果的有效性。内容效度是指测量变量对所属潜变量的反应能力。由于本文在指标体系设计阶段进行了广泛的文献研究，参照了权威的研究成果和年鉴数据并经过了多次专家咨询，可以认为内容效度满足研究需求。

　　(2)路径检验(见下页表 2)：逐一检验优化模型中各假设路径的显著性，结果表明SEM筛选得到的FES最终指标体系主要包括 D、P、S、E 四大要素，共计 12 个测度指标;相应指标路径关系在1%的显著性水平下均成立，最终指标体系对FES具有显著计量效果。

　　(3)模型拟合优度检验：为判断样本数据与假设路径的适配度，从三个方面检验模型的拟合指数(见下页表 3)，可知模型拟合效果良好。

　　(4)指标权重对比检验：通过归一化算法，将标准化路径系数值变换得到指标权重WXj ： WXj = γXj /å j = 1 n γXj ( j = 1⋯12) (4)其中，Xj 为第 j 个指标，其权重系数为 WXj ，其标准化路径系数值为 γXj 。在统计检验的基础上，为进一步验证基于 DPSIR-SEM 方法构建的 FES 指标体系的稳健性和合理性，对比熵权法、因子分析法、主成分分析法、变异系数法等经典权重算法与DPSIR-SEM方法所得权重(见表4)。

　　使用Wilcoxon配对符号秩检验法将DPSIR-SEM与其他四种算法进行两两对比(见表5)，均在1%的显著性水平下无法拒绝原假设，说明使用DPSIR-SEM方法的确权结果和其他经典算法所得结果均无显著差异，本文方法在确权方面的稳健性良好。

　　4 实证

　　基于 DPSIR-SEM 方法，中国省际 FES 测度指标体系实现了筛选、权重确定和检验，最终得到了FES测度指标及权重。为进一步研究指标体系的合理性、实用性，以中国林业生态大省黑龙江省为研究对象，针对FES非确定、难量化的特性，选用模糊综合评价方法进行实证分析。

　　根据本文的FES评价指标体系，确定因子论域U = {城市化水平，人均木材需求，…，工业污染治理投资占比}，对应指标权重向量为W ，并建立评语等级论域V = {极高，较高，中等，较低，极低}。由于FES相关理论与实践尚未形成权威等级划分，针对 FES 评价指标在中国 30 个省份经过可比化转换后的数值，对逆向因子进行了正向化处理，采取分位数方法确定了各指标因子在不同评语等级下的划分标准。此标准下的模糊综合评价属于“相对评价”。使用降半梯形隶属函数对正、逆向指标因子分别确定隶属函数并计算隶属度，得到归一化后的、基于模糊关系矩阵的单因素评价矩阵 R ，由此计算模糊合成矩阵 B ，据此开展综合评价。根据相关研究成果测得此时实施最大隶属原则的有效性低，因此引入“加权平均原则”并得到黑龙江省FES综合评判结果(见表6)。现有研究通过对广义FES指标-指数的耦合，测度不同年份的黑龙江省 FES 绝对评价结果，而本文为相对评价，且评语等级数量和研究方法均不同，可通过比较相同时间段的FES变化趋势实现可比性。已有研究[9] 发现黑龙江省FES于2006—2009年在健康到危险之间波动，于2010 —2014年整体逐年向好;本文测得黑龙江省FES于2006— 2009 年在中等安全程度略有波动，于2010—2014 年逐年向好。此外，已有研究[10] 发现2013年黑龙江省FES状态为健康，位列全国前10名，而本文测得2013年黑龙江省FES 综合得分为3.9091，所处安全程度相对较高，位列全国前 15 名。因此，本文评判结果与已有研究及实际情况整体相符，符合FES发展的长期性、渐变性。

　　5 结论

　　FES在我国生态文明实施进程中的重要地位日益凸显。FES评价指标体系的研究有助于提升相关监测、分析能力，但是目前尚未形成一套公认、权威的方案。本文基于 FES 的广义内涵及相关研究成果，提出 DPSIR 模型和 SEM测量模型相结合的方法测度FES并进行实证分析，在研究方法和模型构建上均不同于原有的 FES 评价。DPSIR-SEM方法的主要优势在于：(1)在指标体系的结构设计上更贴合广义FES的复杂性特征。引入DPSIR结构能进一步考虑现有指标体系尚未纳入的潜在驱动维度，更能贴合广义FES的独特内涵、内在机理以及森林生态与林业产业协同发展的内在目标，提高了初始指标体系的全面性，在为复杂系统的要素属性研究和测度提供科学理论依据方面有明显优势。(2)在指标体系的修正和验证上较已有方法更具客观性。通过SEM测量模型构建反馈回路修正并验证了指标体系，使得到的指标体系能更客观地体现 FES复合系统中显变量与潜变量之间的隶属关系，最终指标权重的稳健性、合理性得到Wilcoxon符号秩检验等的验证。(3)基于DPSIR-SEM方法的中国省际FES评价体系能够通过实证检验。黑龙江省FES模糊综合评价得分在整体水平方面基本维持在相对“中等”至“较高”的水平，在变化趋势方面呈现波动中愈发明显的上升趋势，与已有实证研究结果基本相符。