林业科学  2014, Vol. 50 Issue (9): 129-137   PDF    
DOI: 10.11707/j.1001-7488.20140918
0

文章信息

宁可, 沈月琴, 朱臻, 黄敏, 王成军
Ning Ke, Shen Yueqin, Zhu Zhen, Huang Min, Wang Chengjun
农户杉木经营的固碳能力影响因素及碳供给决策措施
Factors of Carbon Sequestration’s Capacity of Chinese Fir by Households and Decision-Making Measures of Carbon Supply
林业科学, 2014, 50(9): 129-137
Scientia Silvae Sinicae, 2014, 50(9): 129-137.
DOI: 10.11707/j.1001-7488.20140918

文章历史

收稿日期:2013-09-23
修回日期:2014-03-19

作者相关文章

宁可
沈月琴
朱臻
黄敏
王成军

农户杉木经营的固碳能力影响因素及碳供给决策措施
宁可, 沈月琴, 朱臻 , 黄敏, 王成军    
浙江农林大学经济管理学院 临安 311300
摘要:基于完整造林周期,在不考虑碳泄露的裸地造林基础上,运用C-D生产函数对杉木固碳的影响因素进行分析,并讨论农户碳供给决策措施。研究表明: 在造林期增加一定量的化肥投入,在抚育期增加间伐用工,在全过程中增加额外用工投入与杉木固碳能力存在正相关。农户家庭特征对杉木固碳能力影响不显著,地块特征和区域差异对杉木的固碳能力有不同程度的影响。同时,建立农户在碳汇收益下的决策最优化模型,农户杉木经营过程中需要考虑劳动力工资、生产资料价格、砍伐期木材价格以及碳价格,为今后农户碳汇经营提供决策工具支持。
关键词杉木    C-D生产函数    固碳能力    森林碳汇    决策方程    
Factors of Carbon Sequestration’s Capacity of Chinese Fir by Households and Decision-Making Measures of Carbon Supply
Ning Ke, Shen Yueqin, Zhu Zhen, Huang Min, Wang Chengjun    
College of Economics and Management, Zhejiang A&F University Lin'an 311300
Abstract: An increase in forest carbon sinks is widely accepted as an important measure for reducing climate change. Based on the complete cycle of reforestation, and assuming without afforestation leakage of carbon sinks on bare land, this paper analyzed the factors of Chinese firs’ carbon sequestration by using the C-D production function and discussed households’ decision-making measures of carbon supply. This study shows that the increase in the amount of fertilizer at afforestation period, the increase in intermediate cutting labor at tending period, and the increase in employment of additional labor input in the whole process are positively related with Chinese fir carbon sequestration capacity. The characteristics of household have no significant impact on carbon sequestration capacity, while the characteristics of plots and regional differences have impact on Chinese fir carbon sequestration capacity to different degrees. Meanwhile, a decision-making optimizing model was established in this paper under the circumstance of carbon sink's benefits by households. Households need to consider the wages of labor and price of production materials, and also to take the price of wood and carbon into account in management of Chinese Fir. The model provides a decision-making support tool for households to manage carbon sink in the future.
Key words: Chinese fir    C-D production function    carbon sequestration capacity    decision-making function    

随着世界各国对气候变化问题的日益重视,中国政府已将通过林业活动增加森林碳汇(减缓碳释放)作为应对气候变化的重要举措。森林碳汇是指森林生态系统吸收大气中的CO2并将其固定在植被和土壤中,从而减少大气中CO2浓度的过程(李怒云等,2006)。作为陆地生态系统中最大的碳库(Chiabai et al.,2011),森林凭借其固碳作用减少碳排放不仅潜力巨大,而且成本优势明显(Kooten et al.,1995;Murray,2005)。因此,通过林业活动增加森林碳汇是应对气候变化的重要措施。南方集体林区是中国主要林区之一,森林面积和活立木蓄积量分别占全国的45.02%和31.69%,碳汇供给潜力巨大,是“应对气候变化林业行动计划”的重点实施区域。南方集体林区产权改革后,其产权主体日趋多元,包括林农、村集体(集体林)以及国有林场(国有林)等多种主体形式(黄祖辉等,2009)。这些经营主体是森林碳汇的主要供给源,在森林碳汇可交易背景下,出于追求其自身收益最大化,在面临不同的资金时间价值和碳价格变化的约束下,其生产决策也发生相应改变。作为最基本的森林经营主体,农户不仅在林改中发挥着积极作用(贺东航等,2010罗金等,2011),对维护社会稳定至关重要(郭细卿等,2011),而且其在开展森林碳汇经营减缓气候变化中理应发挥更大的作用。

国外不少学者探讨了影响碳汇供给潜力因素。Guitart等(2010)分析不同情况碳税收、碳补贴对林主森林最佳轮伐期和碳汇供给的影响。Benitez等(2004)通过敏感性分析发现,土地价格、木材价格和碳吸收率是影响林主碳汇供给的重要因素。Newell等(2000)使用动态模型模拟分析了碳汇与管理制度、碳排放的税费补贴、利率等因素的敏感度。同时,Xu等(2007)探讨了碳汇和土地利用变化对林主生计的社会经济影响。目前,农户生产决策研究已经相当丰富,但缺乏碳汇对农户生产决策影响的系统性研究 。 Fairweather(1999)Macinnis(2004)Lien等(2003)通过有机产品的种植成本、交易成本和市场不确定性,分析农户在选择有机产品的种植决策。Bhati(1975)认为不同风险类型的农户,在种植有机产品上行为不一致。 Wu等(2004)通过对我国西北地区农户行为的研究,得出生产方式的不同致使农户之间形成不同的集体行动能力。Yin等(2002)通过木材增长率和价格波动分析美国西南部木材市场内部和木材市场间的关系。Yin等(2003)分析中国南北方不同林业改革制度对林农生产决策的影响。

国内学者对森林碳汇的供给分析刚刚起步,主要集中于自然科学领域,探讨土地利用对二氧化碳排放、生态系统碳储量、森林碳汇等方面的影响(葛全胜等,2008李颖,2008Fang et al.,2001)。社会科学领域,王枫等(2012)通过对杉木碳汇的经济分析发现,在考虑碳收益基础上,最优轮伐期和碳供给量呈增大趋势,土地期望值与碳汇价格呈正相关。同时,也有学者通过树种碳转化因子,将蓄积量转化为碳储量,比较不同经营主体、不同立地条件下森林碳汇供给情况(沈月琴等,2013朱臻等,2013)。农户生产决策方面在其他领域的研究主要集中在种植业。杨印生等(2012)从仿生学视角对农户重大经济决策行为中的“羊群行为”进行了实证研究。蔡丽旺(2009)认为传统习惯对农户种植行为有重要影响。王怀豫等(2005)运用OAXACA分解分析方法,对不同等级的农户水稻 (Oryza sativa) 生产中的可控制变量进行分析。在林业方面,杜建宾等(2011)引入劳动负效用概念构建农户生产决策模型,认为农户参与退耕还林工程的真实报酬是该工程能否持续的关键因素。吴伟光等(2011)通过构建麻疯树(Jatropha carcas)生产决策模型,模拟分析不同情景下我国西南地区麻疯树发展潜力。 在运用生产函数分析农户决策方面,虽然农业上运用较多,但林业上很少见,林玉蕊(2003)曾运用生产函数从弹性和边际产量方面对林产品进行了分析。

本文以浙江、江西和福建3省杉木(Cunninghamia lanceolata)为对象,运用农户调查数据,在碳汇目标下运用调整的C-D生产函数分析影响农户经营杉木固碳的因素,继而运用最佳生产要素投入决策最优方程研究农户碳供给决策措施,为设计合理的碳汇林经营方案,推动森林碳汇供给的决策提供依据。

1 研究方法及数据 1.1 研究假设和模型设计 1.1.1 研究假设

经营主体的生产决策行为理论模型是基于新古典经济学的理论分析框架: 认为经营主体是理性经济人,在碳汇林经营目标的影响下,合理配置生产资源以实现收入的最大化。本文沿用Becher等(1976)家庭生产函数并在其研究的基础上,基于林农调查数据,研究杉木固碳能力的影响因素及农户碳供给决策措施。遵循农户关键特征分类法(刘莹等,2007),根据林农经营地块的不同立地条件进行分类。同时由于单纯考虑“京都市场”交易规则下(尤其是考虑交易成本)的碳汇供给很难实现,因此本文以“非京都市场”和森林经营主体现有经营状况为基础,以杉木作为主要案例树种,考虑当前林农不同经营水平下杉木进入采伐期所获得的采伐量作为研究时间点(T),基于裸地造林和经营地块皆伐情景,即林农采伐将会使杉木固碳量实现全部碳转移。通过调查了解一个杉木完整造林周期的生产投入,继而分析杉木固碳能力的影响因素及与碳供给决策措施。

1.1.2 模型设计

1)C-D生产函数设定 一方面,运用C-D生产函数对杉木固碳能力影响因素进行分析。在构建杉木碳汇C-D生产函数模型时考虑农户特征、地块特征和地区差异的影响,如廖红乐(2005)在分析影响农户水稻产量的因素中就加入了地块特征和农户特征。根据柯布-道格拉斯生产理论,产出主要取决于要素投入和技术。其原型Y=A·Kα·Lβ,其中A代表一定技术下的规模参数,αβ分别表示资本和劳动的产出弹性。C-D生产函数可转化为线性函数: lnY=lnA+αlnK+βlnL。因而得到了广泛应用,尤其对于那些生产的规模报酬近似不变、技术进步速度不快的部门(郭艳等,2005韩素卿等,2004)。林业部门基本符合C-D生产函数假设要求,根据C-D生产函数一般形式,在完整的杉木生产周期下,建立调整的C-D生产函数,具体形式如下:

${Y_i} = \alpha \cdot {Q_i} = A{e^{cH + dD + gF}}L_i^aK_i^b,0{\text{ < }}a,b{\text{ < }}1$ (1)

式中: Yi为杉木碳储量;A为杉木平均管理水平;Qii类经营水平下,杉木采伐量;F为地区变量(用虚拟变量表示);D为地块特征;H为农户特征;Li为造林到成林各时期用工投入;Ki为生产资料投入;α为碳转化系数。在不考虑碳泄漏以及杉木皆伐的基础上,本文所采用的碳储量数据是指农户经营砍伐杉木时所得的蓄积量乘以碳转化系数;这里选择与杉木同科的云杉(Picea polita)的碳转换系数0.215(欧盟统计局,2004)。a,b,c,d,g分别为相应变量的产出弹性系数。

2)农户最佳生产要素投入决策最优方程设定无论林农的经营水平如何不同,在考虑碳汇收益情况下,林农作为“经济人”角色,始终以目标收益最大化为目标,因此对原有生产要素投入决策方程进行修正,建立如下目标函数:

${\text{Max}}\prod {\int\limits_T^\infty \begin{gathered} \left[ {\left( {{P_{i,c}}{Q_\alpha } + {P_i}{Q_i}} \right) - {W_{i,t}}{L_i} - {R_{i,t}}{K_i}} \right] \hfill \\ {e^{ - rt}}{d_t},T{\text{ > }}0 \hfill \\ \end{gathered} }$ (2)

${L_i}{\text{ < }}{L_{{\text{total}}}},{K_i}{\text{ < }}{K_{{\text{total}}}},{Q_i}{\text{ < }}{C_0}{e^{ - {c_1}/d}}$ (3)

式中: Pi,ci类经营水平下采伐期碳汇价格;Pii类经营水平下采伐期木材价格;Wi,t为不同时期t劳动力工资;Ri,t为不同时期t化肥、农药等物资投入要素价格;LtotalKtotal分别为用工投入和生产资料投入总量;r为实际利率;T为杉木采伐时间。式(3)中包含约束条件,即林业经营的劳动投入量不能超过家庭经营所需的全部劳动投入量,物质资本投入量不超过家庭全部的资本拥有量,森林采伐量不超过森林生长模型所推算的采伐量,参考陈则生(2010)所设计的杉木生长模型。变量采用矩阵形式。

林农在考虑碳汇收益情景下,营林收入最大化的条件是对式(2)求一阶导数为零,得到式(4),(5):

${L_i} = \frac{{\left( {\alpha {P_{i,c}} + {P_i}} \right)a{Q_i}}}{{{W_{i,t}}}}$ (4)

${K_i} = \frac{{\left( {\alpha {P_{i,c}} + {P_i}} \right)b{Q_i}}}{{{R_{i,t}}}}$ (5)

再代入C-D生产函数方程可以得到不同经营水平林农进行碳汇供给的最佳生产要素投入决策最优方程:

$\begin{align} & {{Q}_{i}}={{A}^{\frac{1}{1-\left( a+b \right)}}}{{e}^{\frac{cH+dD+gF}{1-\left( a+b \right)}}}{{\left( \alpha {{P}_{i,c}}+{{P}_{i}} \right)}^{\frac{a+b}{1-\left( a+b \right)}}} \\ & {{\left( \frac{a}{{{W}_{i,t}}} \right)}^{\frac{a}{1-\left( a+b \right)}}}{{\left( \frac{b}{{{R}_{i,t}}} \right)}^{\frac{b}{1-\left( a+b \right)}}} \\ \end{align}$ (6)

根据式(1)、(6)得函数:

$\begin{align} & {{Y}_{i}}=\alpha {{A}^{\frac{1}{1-\left( a+b \right)}}}{{e}^{\frac{cH+dD+gF}{1-\left( a+b \right)}}}{{\left( \alpha {{P}_{i,c}}+{{P}_{i}} \right)}^{\frac{a+b}{1-\left( a+b \right)}}} \\ & {{\left( \frac{a}{{{W}_{i,t}}} \right)}^{\frac{a}{1-\left( a+b \right)}}}{{\left( \frac{b}{{{R}_{i,t}}} \right)}^{\frac{b}{1-\left( a+b \right)}}} \\ \end{align} $ (7)

通过式(1)可以分析影响杉木固碳能力的影响因素,通过式(6)、(7)可以研究农户碳供给决策。

1.2 数据分析 1.2.1 案例点

浙江、江西和福建森林资源丰富,森林覆盖率分别达到62.9%,60.5%和60%,杉木人工林分别为61.52,93.46,97.44万hm2,森林增汇有着巨大的潜力,因此选择杉木作为研究对象具有典型性。本研究通过随机抽样,选择浙江的临安、龙泉、建德、开化和鄞州5县,江西的婺源、浮梁和贵溪3县,福建的顺昌、永安和政和3县作为案例点。所选各县森林资源丰富,森林覆盖率除鄞州(49.04%)和贵溪(62.6%)外均在70%以上,且有丰富的杉木资源,对研究各省杉木的投入产出具有代表性。

1.2.2 数据来源和农户特征分析

本研究选取南方集体林区杉木经营较多的浙江、江西、福建作为案例点,选取11典型县。根据杉木经营情况,每个县随机抽取1~4个村,每个村再抽取5~8个从事杉木经营的农户,共发放问卷207份,有效问卷202份,有效率达97.6%。调查数据包括农户问卷、关键信息人访谈、二手资料3个方面。

1)农户问卷调查。调查内容主要包括杉木经营过程中的投入产出情况,按立地条件(优等地、中等地、劣等地)进行分类,对杉木不同经营阶段(造林、幼林抚育、中龄林抚育、间伐、主伐)、农户的营林管理措施(除草松土、施肥、采伐)、农户家庭基本特征(家庭人口数、家庭收支状况)、家庭决策人基本信息(年龄、受教育程度)等进行调查。

2)关键信息人访谈。针对村干部、村会计,县营林管护部门主要负责人、森林碳汇研究专家分别设计不同访谈提纲,主要了解样本村杉木整体经营情况、现有木材价格、劳动力价格等基本情况。

3)二手资料收集。从省、乡(镇)政府、村委会等部门收集农户相关数据和杉木经营情况数据;并从省林业厅、县(市)林业局等部门收集杉木经营投入产出相关资料。调查样本具体分布见表 1

表 1 有效样本分布情况 Tab.1 Distribution of valid samples
表 2 3省地力等级分类情况 Tab.2 The land productivity grade of province

农户是造林投入的主体,在农户案例样本中,受访农户多为男性;户主以中年为主,平均为48.5岁;受教育年限平均为7.9年,大部分农户只有初中文化,表明农户的文化程度普遍较低;家庭规模平均为4.5人,表明农村家庭结构已经从大家庭向中小型转变;农户家庭劳动力比例为69%,即16~60岁有劳动能力人数占家庭总人数,见表 3

表 3 变量统计性描述 Tab.3 The description of statistical variable
1.3 农户杉木营林的生产性投入和资源基础分析

根据案例点农户调查发现,农户在一个完整营林周期内的生产性投入主要包括劳动力投入和生产资料投入2个方面。

1.3.1 劳动力用工投入

造林周期内,用工投入是直接的投入要素,对杉木固碳能力有直接影响。笔者根据用工投入将杉木的一个完整生长周期分为5个阶段: 造林、补植、幼林抚育、抚育间伐、主伐。1)造林阶段: 用工投入主要包括林地整理和种植。根据案例户平均统计,造林开始的第1年林地整理户均用工为68.8工·hm-2,种植户均为35工·hm-2;2)补植阶段: 户均补植时间发生在第1.9~2.8年,户均补植用工为7.7工·hm-2;3)幼林抚育:主要指除草施肥用工,平均发生在第1.8~3.7年,户均用工为98.1工·hm-2;4)抚育间伐: 抚育间伐平均发生在第12.8年,户均间伐用工为 37.6工·hm-2。除此之外每个阶段还有额外用工,但因数值较小采用加总统计,平均为3.8工·hm-2。5)主伐阶段: 主伐平均发生在第24.4年,户均用工为139.4工·hm-2。在各阶段中,主伐用工最多,其次是除草施肥用工(表 3)。

1.3.2 生产资料投入

农户在营林过程中生产资料投入主要包括种苗投入和化肥投入。1)种苗投入包括种植和补植2个阶段,案例点每公顷户均造林密度为3 598株,标准差为1 338.9株,表明农户间种苗投入存在较大差异;2)施肥投入主要包括造林和抚育2个阶段,分别为135.2,79.6 kg·hm-2(表 3),较相关学者的研究结论偏低(吴立朝等,1999李荣伟,1994)。

1.3.3 林地资源特征

林地是山区最主要的自然资源,也是农户最重要的生产投入要素,其质量的优劣对杉木生长有着重要的影响,从而影响固碳能力。不同区域由于气候、海拔、立地指数、坡向等条件不同,杉木生长有所差异。本文设定的研究区域为中国南方的浙江、福建和江西,这3个省份的气候等自然条件类似,因此本研究选择陈则生(2010)所设计的杉木生长模型中的立地指数作为衡量林地质量的标准。根据调查,通过比较林地土壤坡度、阳坡比例及与村委会垂直落差,将农户林地分为优等、中等和劣等(表 2),其中林地坡度、林地质量为虚拟变量。林地坡度中,1: < 15°,2: 15°~25°,3: 25°~45°,4: ≥45°;林地质量中,1: 优等,2: 中等,3: 劣等。通过比较发现,土壤坡度方面,优等林地<中等=劣等;阳坡比例方面,优等>中等>劣等;与村委会垂直落差相比较,中等>优等>劣等。

此外,在种植杉木的林地中,优等和中等分别占51%和40%,只有9%的劣等地,表现出3省林地质量普遍较好,适宜杉木种植。由于部分农户拥有承包地或与林场合作,因此平均拥有山林面积较大,为25.8 hm2,但标准差较大,反映农户拥有的山林面积差异较大。其中农户平均杉木营林面积为6.3 hm2,营林面积比例平均为24%,表明杉木是样本区农户的主要经营树种之一;农户林地较细碎,平均拥有地块数为4.3块;地块离家平均距离2.1 km3,离最近公路1.05 km3;52%的林地坡度在25°~45°;林地阳坡比例平均为60%,即地块被太阳照射的面积与总面积之比。

2 农户杉木固碳能力的影响因素及碳供给决策措施 2.1 C-D生产函数模型设计

对C-D生产函数式(1)两边取对数,得:

$\ln Y = \ln A + a\ln L + b\ln K + cH + dD + gF$ (7)

设lnY=Y*,lnA=β0,lnL=X1,lnK=X2,H=X3,D=X4,F=X5a,b,c,d,g分别用β1β2β3β4β5表示为待估系数(矩阵),β0为截距。得到线性回归函数形式如下:

${Y^ * } = {\beta _0} + {\beta _1}{X_1} + {\beta _2}{X_2} + {\beta _3}{X_3} + {\beta _4}{X_4} + {\beta _5}{X_5}$ (8)

本研究选择杉木采伐时的碳储量作为被解释变量,根据C-D生产函数方程,用工投入、生产资料投入和林地资源为主要解释变量,其中用工投入(X1)包括林地整理、补植、除草施肥、间伐和额外用工,由于笔者运用C-D生产函数模型分析生产要素对杉木固碳能力的影响不考虑采伐阶段,因此这里不在模型中设计采伐用工状况;生产资料投入(X2)包括造林和抚育时期的化肥投入、苗木投入;农户特征(X3)包括户主年龄、受教育年限、地块数、家庭劳动力比例;林地资源特征(X4)包括杉木营林面积比例(即杉木营林面积比例等于杉木营林面积比上总面积)、离家距离、离最近公路距离、地块坡度、林地质量、阳坡比例;由于不同的省份经济、文化、环境等存在诸多差异,形成各地农户不同的行为习惯,导致生产决策的差异,因此放入地区虚拟变量(X5),控制省级层面上的宏观因素,以江西省为基准组,比较各省对杉木固碳能力的差异。

2.2 变量设定 2.2.1 农户劳动力用工投入

杉木造林周期内用工主要包括林地整理、种植、林地补植、除草施肥、抚育间伐、主伐和额外用工,根据 Cheng(1998)石森昌等(2003)的研究,劳动力投入对于粮食产量产出的边际生产率为正。虽然林业与农业生产特点不同,但林业生产同样属于生物再生产过程,可以预期随着劳动力用工投入的增加,杉木的蓄积乃至碳储量会增加。

2.2.2 生产资料投入

周期内生产资料的投入主要指化肥和种苗投入,根据周国模等(2001)对杉木生长模型的研究,随着造林密度增加,杉木的蓄积乃至碳储量会增加;化肥农药是林业生产中的重要投入要素,朱臻等(2011)也预期随着化肥农药投入量的增加,林产品产量会提升。笔者也假设随着化肥投入增加,杉木的蓄积乃至碳储量会增加。通过调查发现,由于案例点农户考虑成本因素,在杉木经营中农药用量极少,因此,笔者在模型分析中忽略农药的施用投入情况。

2.2.3 农户特征

国内部分学者认为教育程度对较优决策的选择具有正影响(刘华周等,1998)。户主教育程度的提升,对农户掌握先进林业经营技术及采取合理的经营决策极为重要。因此本文假设教育程度对杉木固碳能力有正影响。家庭劳动力方面,随着家庭劳动力比例的提升,林业劳动力不足的问题会得到解决,而随着年龄降低,农户对于林地经营的期望和精力会增大,因此笔者预计家庭劳动力比例对杉木固碳能力有正影响,户主年龄有负影响。

2.2.4 林地资源特征

林地是农户最重要的投入要素,其质量的优劣对杉木生长有着重要的影响,从而影响碳汇固碳能力。考虑农户经营的便利程度和资源的集中投入程度,笔者预期营林面积、离家距离和离最近公路距离对杉木固碳能力有负影响。从杉木的生长习性看,杉木较喜光,因此笔者预期杉木阳坡的比例越高,杉木固碳能力越强。林地质量分为优等、中等、劣等,以劣等林地质量作为基准组,笔者预期与劣等林地相比,优等和中等林地对杉木固碳能力有正影响。

2.3 C-D生产函数模拟结果

C-D生产函数的模拟结果见表 4

表 4 杉木固碳能力影响因素回归 Tab.4 The regression of factors of impacting Chinese fir carbon sequestration
2.4 计量经济模型分析 2.4.1 造林周期投入对杉木固碳能力的影响

从模型估计结果看,在造林周期内,林地整理、种植、补植、除草施肥用工和种苗投入对杉木固碳能力影响均不显著,而抚育间伐、额外用工和施肥投入的影响显著,且均为正影响,与预期结果相符。在其他条件不变的情况下,抚育间伐、额外用工和施肥分别提高1%,杉木碳储量将增加0.042%,0.011%和0.03%。表明今后在开展碳汇林经营过程中,增加施肥量会提升杉木的固碳能力;在抚育间伐时期,农户应该增加间伐用工,调节林分密度,提高杉木光合作用及其对化肥的吸收,从而增强杉木的固碳能力。除必要的投入外,增加生长周期内额外用工,促进杉木的经营管理,保证杉木的最优生长环境,增加杉木碳储量。

2.4.2 农户特征对杉木固碳能力的影响

农户特征中变量对杉木固碳能力的影响不显著,但系数趋势与预测的一致。对于地块数,农户拥有的地块越多、越分散不利于农户的经营,会降低杉木的固碳能力。同时农户的年龄对杉木固碳能力有负影响,随着农户年龄的增大,农户劳动能力下降,对杉木的投入将减少,杉木碳储量随之减少。但家庭劳动力比例与杉木固碳成正相关,表明家庭中参与种植的人数越多,将增加劳动投入,保证碳积累,提高固碳能力。这些变量对杉木固碳的影响与预期一致,但不显著。

2.4.3 地块特征对杉木固碳能力的影响

地块特征中林地阳坡比例对因变量有显著影响,系数为正,与预期方向相符。在10%的显著水平下,照射面积增加1%,杉木碳储量增加0.001%。缺乏阳光或高种植密度将导致杉木单株接受阳光减少,光合作用降低,从而减少杉木碳储量,因此在碳目标下经营杉木时,农户应该选择阳光充足的地块。除此之外,其他变量对杉木的固碳能力影响不显著,但是离家距离和地力中等的系数方向与预期有偏差。杉木种植面积比例对杉木固碳能力有负影响,在农户家庭劳动力一定的情况下,杉木营林面积比例越大,农户经营的精力和资源配置能力有限,难以满足生长的需要,减弱固碳能力。

2.4.4 地区差异对杉木固碳能力的影响

以江西为对照组,杉木碳储量的区域差异明显,在1%水平下,福建种植的杉木固碳能力显著高于江西,主要是因为福建对杉木加工业进行鼓励。以福建省洋口国有林场为例,该林场是国家首批林木良种基地,至目前,共培育杉木高世代优质良种苗木52万株,改培杉木大径材22.7 hm2,取得良好的科技推广示范效果。其次是浙江与江西杉木固碳能力差异不显著。造成这种现象主要是由当地政策、经济文化以及地理环境的差异所致。

2.5 农户杉木经营碳供给决策措施

通过C-D生产函数对农户经营杉木固碳能力的影响因素进行分析,得出在当前经营水平下,间伐用工、周期内额外用工、化肥投入、林地阳坡比例及地区差异对杉木固碳能力有显著影响,这些影响因素是农户在今后经营过程中所要考虑的。而在经营水平一定时,这些因素也是固定不变,这时农户需要考虑的是各种投入的数额、木材和碳价格,通过农户最佳生产要素投入决策最优方程,研究农户杉木碳供给决策措施,进而为农户杉木经营实现收益最大化提供依据。

考虑林农作为“经济人”角色,始终以目标收益最大化为目标,因此根据式(2)求一阶导数为零所得的劳动力投入(Li)式(4)和生产资料投入(Ki)式(5)为目标方程(2)的最优解,将式(4)、(5)代入式(6)、(7)中可以得出目标效益最优情况下的采伐量及碳储量,即所能提供的碳量。

根据上述计量分析结果,a,b,c,d,g是式(7)中各个变量的系数,它们的大小由当前劳动力和生产资料投入水平所决定,通过计量得a=β1=(0.000 3,0.000 4,0.03,0.004,0.02,0.042)、b=β2=(0.1,0.011)、c=β3=(-0.003,0.005,-0.006,0.08)、d=β4=(-0.07,0.006,-0.009,0.001,0.04,-0.005,0.02,0.03,-0.02)、g=β5=(0.12,0.32)。由于式(8)中X1X2X3X4X5为向量形式,因此其所对应的系数β1β2β3β4β5同为向量。将所得a,b,c,d,g代入式(6)、(7)中得方程:

$\begin{align} & {{Q}_{i}}={{A}^{\frac{1}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}}{{e}^{\frac{{{\beta }_{3}}H+{{\beta }_{4}}D+{{\beta }_{5}}F}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}}{{\left( \alpha {{P}_{i,c}}+{{P}_{i}} \right)}^{\frac{{{\beta }_{1}}+{{\beta }_{2}}}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}} \\ & {{\left( \frac{{{\beta }_{1}}}{{{W}_{i,t}}} \right)}^{\frac{{{\beta }_{1}}}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}}{{\left( \frac{{{\beta }_{2}}}{{{R}_{i,t}}} \right)}^{\frac{{{\beta }_{2}}}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}} \\ \end{align}$ (9)

$\begin{align} & {{Y}_{i}}=\alpha {{A}^{\frac{1}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}}{{e}^{\frac{{{\beta }_{3}}H+{{\beta }_{4}}D+{{\beta }_{5}}F}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}}{{\left( \alpha {{P}_{i,c}}+{{P}_{i}} \right)}^{\frac{{{\beta }_{1}}+{{\beta }_{2}}}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}} \\ & {{\left( \frac{{{\beta }_{1}}}{{{W}_{i,t}}} \right)}^{\frac{{{\beta }_{1}}}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}}{{\left( \frac{{{\beta }_{2}}}{{{R}_{i,t}}} \right)}^{\frac{{{\beta }_{2}}}{1-\left( {{\beta }_{1}}+{{\beta }_{2}} \right)}}} \\ \end{align}$ (10)

式(9)和(10)即为农户在碳汇经营目标下的利润最大化决策方程。根据式(2)、(9)、(10),在一定经营水平下,杉木采伐量和此时的碳储量只与劳动力工资(Wi,t)、生产资料价格(Ri,t)、木材价格(Pi)和碳价格(Pi,c)有关。

在当前经营水平下,根据式(8)计算得出的β1β2β3β4β5均为固定值,在考虑碳汇经营的目标下,为实现效益最大化目标,农户在经营杉木过程中应该做到以下几点。

首先,在造林阶段,根据计量分析结果,林地阳坡比例对杉木固碳能力有影响,因此农户应该将杉木种植于阳坡,从而提升杉木的固碳能力。

其次,在造林和抚育阶段,农户应该加大化肥、间伐用工和额外用工的投入,结果显示,3种因素对杉木固碳能力在5%的水平上显著,表明当前经营水平下,化肥能够有效提高杉木的固碳能力,增加间伐用工和周期内额外用工能够帮助杉木生长。除此之外,杉木经营过程中,农户除了考虑用工和生产资料的投入,还应该考虑劳动力工资以及生产资料价格,由于0 < β4,、β5<0,因此根据式(9)和(10),在其他因素不变的情况下,为保证采伐阶段能增加木材采伐量和碳储量,农户应该根据不同的情况改变生产决策,如当劳动力工资或生产资料其中一个降低时,农户应该增加人工或生产资料的投入;当其中一个价格上升时,农户应该合理配置人工和生产资料的投入;当二者的价格都上升时,农户尽可能寻找替代品。

最后,在采伐阶段,农户需要考虑的主要是当时的木材价格和碳价格,当木材价格或碳价格上升时,农户为了获得更多收益可推迟砍伐期,从而提高杉木的采伐量和碳储量,反之亦然。综上所述,为了帮助农户获得最大收益,最优决策方程模型为今后地方政府及国家在分析农户在碳汇目标下的最优决策提供了工具支持。

3 建议

综合以上分析和江西、浙江、福建杉木林发展中存在的情况,对今后的碳汇林经营方案提出以下建议: 1)若今后开展碳汇造林的试点,农户的经营决策应做出相应的改变。在造林阶段,农户应该增加化肥的投入,以促进杉木的生长;农户应增加间伐用工,减少杉木林密度,以保证杉木有适宜的空间生长。除此之外,农户也应该增加各阶段的额外用工,完善杉木林的经营管理。2)由于工资和价格会发生变动,在增加额外用工及间伐用工时,农户要考虑当前劳动力工资及生产资料价格,根据不同时期的价格作出决策调整,同时考虑砍伐期木材价格和碳价格以保证自身收益最大化。3)考虑各地农户家庭特征不同,农户在经营碳汇林存在差异,故因地制宜的推广杉木碳汇林,同时地方政府应该加大培训力度,传播新的科学知识。4)在林地阳光照射方面,阳坡比例越高,杉木碳储量越多,因此农户应该选择光照面积大的坡面进行杉木碳汇林经营,同时政府也应该积极帮助农户,提供技术指导,从而提高农户收益。5)借鉴3省发展碳汇造林的经验推动各省林业碳汇建设,应加快碳汇基金体系建设,宣传和科研培训工作,探索与健全碳汇交易机制,加强碳汇造林项目建设。

参考文献(References)
[1] 蔡丽旺.2009. 农户决策影响因素的实证研究.江西农业学报,(2): 136-137.(1)
[2] 陈则生.2010. 杉木人工林经济成熟龄的研究.林业经济问题,30(1): 22-26.(2)
[3] 杜建宾,姜志德.2011. 劳动负效用视角下的退耕农户决策行为分析.林业经济问题,31(6): 515-519.(1)
[4] 葛全胜,戴君虎,何凡能,等.2008. 过去300年中国土地利用、土地覆被变化与碳循环研究.中国科学D辑: 地球科学,38(2): 197-210. (1)
[5] 郭细卿,陈华威,许接眉.2011.社会稳定中的林农利益维护机制研究.东南学术,(5): 118-125.(1)
[6] 郭艳,王维,郑继兴.2005. 黑龙江农业生产函数模型的建立与测算.经济纵横,(7): 92-93.(1)
[7] 韩素卿,王卫.2004. 生产函数在土地质量指标体系中的应用研究——以河北冀州市为例.经济地理,24(3): 378-386.(1)
[8] 贺东航,田云辉.2010.集体林权制度改革后林农增收成效及其机理分析——基于17省300户农户的访谈调研.东南学术,(5): 14-19.(1)
[9] 黄祖辉,徐旭初,蒋文华.2009.中国"三农"问题: 分析框架、现实研判和解决思路.中国农村经济,(7): 4-11.(1)
[10] 李怒云,龚亚珍,章升东.2006.林业碳汇项目的三重功能分析.世界林业研究, 2006, 19(3): 1-5.(1)
[11] 李荣伟,王准,刘福云.1994. 杉木人工林施肥试验研究. 四川林业科技,15(2): 12-22.(1)
[12] 李颖,黄贤金,甄峰.2008. 江苏省区域不同土地利用方式的碳排放效应分析. 农业工程学报,24(S2): 102-107.(1)
[13] 廖洪乐.2005. 中国南方稻作区农户水稻生产函数估计.中国农村经济,(6): 11-18.(1)
[14] 林玉蕊.2003. C-D生产函数在林业产品投入产出中的应用研究.运筹与管理,12(4): 99-102.(1)
[15] 刘华周,马康贫.1998.农民文化素质对农业技术选择的影响——江苏省苏北地区四县农户问卷调查分析.调研世界,(10): 29-30.(1)
[16] 刘莹,黄季焜,王金霞.2007.线性规划方法中存在的加总偏误问题——以农户生产决策模型为例. 农业技术经济,(5): 10-14.(1)
[17] 罗金,张广胜.2011.中国北方集体林权制度改革路径与林农生产决策.世界林业研究,24(6): 47-52.(1)
[18] 欧盟统计局. 2004. 欧洲森林环境与经济综合核算框架(IEEAF, 2002). 国家统计局.(1)
[19] 石森昌, 林秀梅.2003. 中国粮食生产模型与投入要素效益分析. 吉林农业大学学报, 25 (3) : 354-357.(1)
[20] 王枫,沈月琴,朱臻,等.2012.杉木碳汇的经济学分析:基于浙江省的调查.浙江农林大学学报,29(5):762-767.(1)
[21] 王怀豫,陈传波,丁士军,等.2004. 稻农生产的经济行为差异分析——以湖北省五县为例.农业技术经济,(4): 35-39.
[22] 沈月琴,王枫,张耀启,等.2013.中国南方杉木森林碳汇供给的经济分析.林业科学,49(9):140-147.(1)
[23] 吴立潮,吴晓芙,胡曰利,等.1999. 杉木幼龄林计量施肥校验研究.中南林学院学报, 19(2): 29-33.(1)
[24] 吴伟光,黄季焜.2011. 我国西南地区生物柴油发展潜力及其主要决定因素.系统科学与数学,31(3): 299-311.(1)
[25] 杨印生,吕东辉.2012. 农户重大经济决策行为的仿生学研究:以黑龙江省农户参与、利用期货市场行为决策为例.农业技术经济,(2): 48-53.(1)
[26] 周国模,郭仁鉴,韦新良,等.2001.浙江省杉木人工林生长模型及主伐年龄的确定.浙江林学院学报,18(3): 219-222.(1)
[27] 朱臻,沈月琴,吕秋菊,等.2001. 非木质林产品生产的投入要素及影响因素实证分析.自然资源学报,26(2): 201-208.
[28] 朱臻,沈月琴,吴伟光,等.2013.碳汇目标下农户森林经营最优决策及碳汇供给能力——基于浙江和江西两省调查.生态学报,33(8):2577-2585.(1)
[29] Becker G, Tomes N. 1976.Child endowments, and the quantity and quality of children. Journal of Political Economics, 84(4):143-162.(1)
[30] Benitez P, Mccallum I, Obersteiner M.2004. Global supply for carbon sequestration: identifying least-cost afforestation sites under country risk considerations. Laxenburg, Austria: IIASA, 25-30.(1)
[31] Bhati U N.1975. Use of high yielding varieties of rice. Developing Economics, 13(2): 181-207.(1)
[32] Cheng E. 1998. Household heads, non-economic factors and grain production in China in the 1990s. School of Economics in the University of Adelaide, Australia.(1)
[33] Chiabai A, Travisi C M, Markandya A, et al. 2011. Economic assessment of forest ecosystem services losses: Cost of policy inaction. Environmental and Resource Economics, 50(3): 405-445. (1)
[34] Fairweather J R. 1999.Understanding how farmers choose between organic and conventional production: Results from New Zealand and policy implications. Agriculture and human values, 16(1): 51-63. (1)
[35] Fang J, Chen A, Peng C, et al. 2001. Changes in forest biomass carbon storage in China between 1949 and 1998.Science, 292(5525): 2320-2322.(1)
[36] Guitart A, Rodriguez L C.2010. Private valuation of carbon sequestration in forest plantations. Ecological Economics, 69(3): 451-458.(1)
[37] Kooten G C, Binkley C S, Delcourt G. 1995. Effect of carbon taxes and subsidies on optimal forest rotation age and supply of carbon services. American Journal of Agricultural Economics, 77(2): 365-374.(1)
[38] Lien G, Flaten O, Ebbesvik M, et al. 2003. Risk and risk management in organic and conventional dairy farming: empirical results from Norway. Perth, Western Australia: International Farm Management Institute of Agricultural Management.(1)
[39] Macinnis B. 2004.Transaction costs and organic marketing: evidence from US organic produce farmers.Denver,Colorado:American Agricultural Economics Association.(1)
[40] Murray B C. 2000. Carbon values, reforestation, and 'perverse’ incentives under the Kyoto protocol: An empirical analysis. Mitigation and Adaptation Strategies for Global Change, 5(3): 271-295.
[41] Newell R G, Stavins R N.2000. Climate change and forest sinks: Factors affecting the costs of carbon sequestration. Journal of Environmental Economics and Management, 40(3): 211-235. (1)
[42] Wu B, Pretty J. 2004. Social connectedness in marginal rural China: the case of farmer innovation circles in Zhidan, north Shaanxi. Agriculture and Human Values, 21(1): 81-92.(1)
[43] Xu W, Yin Y, Zhou S. 2007. Social and economic impacts of carbon sequestration and land use change on peasant households in rural China: a case study of Liping, Guizhou Province. Journal of Environmental Management, 85(3): 736-745. (1)
[44] Yin R, Caulfield J P.2002. A profile of timber markets in the U.S. Southeast. Forest Products Journal, 55(3): 25-34.(1)
[45] Yin R, Xu J, Li Z.2003. Building institutions for markets: experience and lessons from China’s rural forest sector. Environment, Development and Sustainability, 5(3/4): 333-351.(1)