基于SD模型的晉北退耕還林工程與社會經(jīng)濟(jì)互饋關(guān)系研究

鄭子瀟,胡保安,韓海榮,康峰峰,程小琴,*

1 北京林業(yè)大學(xué)生態(tài)與自然保護(hù)學(xué)院,北京 100083

2 內(nèi)蒙古七老圖山森林生態(tài)系統(tǒng)國家定位觀測研究站,赤峰 024400

退耕還林生態(tài)工程作為一項(xiàng)重要工程技術(shù),具有明顯的社會經(jīng)濟(jì)特征,具備保護(hù)生態(tài)環(huán)境作用的同時(shí),也影響著社會經(jīng)濟(jì)的發(fā)展[1]。大規(guī)模的生態(tài)修復(fù)是復(fù)雜的系統(tǒng)工程,退耕還林工程的有效性和社會經(jīng)濟(jì)因素密切相關(guān)[2],社會經(jīng)濟(jì)又不斷影響工程的實(shí)施質(zhì)量[3]。退耕還林工程實(shí)施的最直接表現(xiàn)是植被的空間變化,研究表明,耕地面積、造林面積與生態(tài)工程關(guān)系密切,主要表示生態(tài)工程的“量”[4—6];生態(tài)工程帶來生態(tài)環(huán)境的變化,“固碳”、“釋氧”、“歸一化植被指數(shù)(NDVI)”等成為生態(tài)工程“質(zhì)”的代表[3,7];人口、地區(qū)經(jīng)濟(jì)、農(nóng)村經(jīng)濟(jì)是影響許多發(fā)展中國家大規(guī)模植被恢復(fù)工程的主要社會經(jīng)濟(jì)因素[8—9]。多數(shù)研究表明退耕還林工程對社會經(jīng)濟(jì)產(chǎn)生積極影響,改善了生態(tài)環(huán)境,增加了地區(qū)生產(chǎn)總值(GDP)、林業(yè)產(chǎn)值等[4—6],而一些認(rèn)為隨著工程發(fā)展,退耕還林對糧食總產(chǎn)量、農(nóng)村收入產(chǎn)生負(fù)面影響[4,10]。如何科學(xué)、全面地理解和把握退耕還林工程與社會經(jīng)濟(jì)間的關(guān)系是未來調(diào)整、改進(jìn)退耕還林工程的關(guān)鍵。部分學(xué)者就不同退耕還林模式對社會經(jīng)濟(jì)的影響進(jìn)行研究:退耕還林強(qiáng)度與糧食總產(chǎn)量成反比[11];退耕還林工程的持續(xù)推進(jìn)對農(nóng)村收入有顯著正效應(yīng)[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(jīng)濟(jì)的內(nèi)在聯(lián)系和互饋?zhàn)饔脵C(jī)制,以期為科學(xué)推進(jìn)生態(tài)文明建設(shè)、促進(jìn)區(qū)域生態(tài)-社會-經(jīng)濟(jì)協(xié)同發(fā)展提供理論支撐。目前,針對生態(tài)與社會經(jīng)濟(jì)關(guān)系的研究有以下幾種方法:系統(tǒng)動(dòng)力學(xué)(System Dynamics,SD)模型[13—14]、結(jié)構(gòu)方程模型[6]、耦合協(xié)調(diào)度模型[15]等。學(xué)者們運(yùn)用SD模型對水資源利用[16]、土地利用[17]、生態(tài)系統(tǒng)服務(wù)價(jià)值[18]與社會經(jīng)濟(jì)關(guān)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(tài)平衡破壞的問題,構(gòu)建灄水河流域SD模型,進(jìn)行模擬預(yù)測,來尋求促使經(jīng)濟(jì)系統(tǒng)與環(huán)境系統(tǒng)協(xié)調(diào)發(fā)展的措施與途徑,從而為灄水河流域可持續(xù)發(fā)展提供政策建議;易阿嵐等[18]運(yùn)用SD模型對上海市濕地生態(tài)系統(tǒng)服務(wù)價(jià)值的變化進(jìn)行模擬與預(yù)測,結(jié)果可為上海市制定濕地保護(hù)或生態(tài)規(guī)劃政策提供可行性分析。綜上,SD模型在分析系統(tǒng)結(jié)構(gòu)、模擬復(fù)雜系統(tǒng)研究中具備優(yōu)勢,可滿足定量分析退耕還林工程與社會經(jīng)濟(jì)互饋關(guān)系和未來發(fā)展趨勢的研究需要。生態(tài)穩(wěn)態(tài)轉(zhuǎn)換可理解為生態(tài)系統(tǒng)發(fā)生巨大、突然、持續(xù)改變時(shí),往往對社會、經(jīng)濟(jì)系統(tǒng)產(chǎn)生相當(dāng)大的影響[19],山西省晉北地區(qū)退耕還林工程實(shí)施的改變,會對當(dāng)?shù)谿DP、第一產(chǎn)業(yè)產(chǎn)值、糧食總產(chǎn)量等社會經(jīng)濟(jì)變量產(chǎn)生一定影響,因此同樣可視為一種穩(wěn)態(tài)轉(zhuǎn)換事件[20]。

因此,通過構(gòu)建SD模型對山西省晉北地區(qū)退耕還林工程與社會經(jīng)濟(jì)系統(tǒng)進(jìn)行仿真和預(yù)測,揭示其互饋?zhàn)饔脵C(jī)制,以造林與耕地之間的用地矛盾作為參數(shù)調(diào)整切入點(diǎn),考察不同退耕還林模式對社會、經(jīng)濟(jì)、生態(tài)要素的影響,有助于為晉北地區(qū)退耕還林工程發(fā)展提供可操作性的參考建議,促進(jìn)該地區(qū)退耕還林工程與社會經(jīng)濟(jì)和諧可持續(xù)發(fā)展。為此,本研究旨在(1)通過SD模型定量表征晉北地區(qū)2002—2035年退耕還林工程和社會經(jīng)濟(jì)互饋關(guān)系;(2)闡明不同退耕還林模式,對晉北地區(qū)社會、經(jīng)濟(jì)、生態(tài)要素的影響,提出退耕還林工程實(shí)施的最優(yōu)情景。

1 晉北退耕還林工程與社會經(jīng)濟(jì)SD模型構(gòu)建

在Vensim-PLE軟件中設(shè)定2002年為初始年份,2035年為終止年份,以2002—2019年統(tǒng)計(jì)年鑒數(shù)據(jù)進(jìn)行擬合,時(shí)間步長為1年。本研究基于對退耕還林工程、社會經(jīng)濟(jì)特征的理解并參考前人研究[2—10,14],主要關(guān)系如圖1,其中退耕還林工程的直接表現(xiàn)有“質(zhì)”、“量”兩部分,植被固碳量、NDVI可作為“質(zhì)”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(tǒng)中的主要驅(qū)動(dòng)器,為經(jīng)濟(jì)社會提供資源,經(jīng)濟(jì)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?cè)丝?、農(nóng)村人口、農(nóng)林牧漁人口、糧食總產(chǎn)量、糧食單產(chǎn);經(jīng)濟(jì)變量包含GDP、人均GDP、第一產(chǎn)業(yè)產(chǎn)值、林業(yè)產(chǎn)值、固定資產(chǎn)投資、植樹造林投資、農(nóng)村總收入、農(nóng)村人均純收入(表1)。造林面積等變量不符合線性關(guān)系的運(yùn)用Vensim-PLE中表函數(shù)進(jìn)行輸入,一般方程借助R 4.0.3軟件進(jìn)行線性回歸,如糧食總產(chǎn)量、農(nóng)村人口等,因篇幅有限,以2002—2019年糧食總產(chǎn)量與總?cè)丝凇⒏孛娣e的回歸關(guān)系進(jìn)行詳細(xì)說明(表2)。系統(tǒng)動(dòng)力學(xué)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?cè)丝谂c糧食總產(chǎn)量回歸結(jié)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(jīng)濟(jì)系統(tǒng)關(guān)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(jīng)濟(jì)系統(tǒng)動(dòng)力學(xué)模型流圖Fig.2 Dynamics model of Grain for Green Project and socio-economic system in northern Shanxi

2 數(shù)據(jù)與方法

2.1 研究區(qū)概況

本研究所選取的晉北地區(qū)位于山西省北部(38°42′—40°08′N,112°73′—113°30′E),共包含三個(gè)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(xiàn)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(fēng)氣候,平均海拔約1347m。該地區(qū)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(qū)具備一定可研究性:2019年,晉北地區(qū)GDP達(dá)3359.56×108元,人均GDP達(dá)3.99×104元/人,農(nóng)村總收入達(dá)633.52×108元,相比山西省其他地區(qū)經(jīng)濟(jì)發(fā)展稍顯緩慢;該地區(qū)生態(tài)環(huán)境較脆弱,自2002年全面實(shí)施退耕還林工程,2000—2015年間晉北地區(qū)的耕地轉(zhuǎn)林地、草地占比在整個(gè)山西省中占據(jù)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(diǎn)退耕縣[22]。

2.2 數(shù)據(jù)來源及處理

本文使用的研究數(shù)據(jù)主要包括山西省晉北地區(qū)2002—2019年退耕還林工程、社會、經(jīng)濟(jì)數(shù)據(jù)。其中社會經(jīng)濟(jì)數(shù)據(jù)來源于各年的《山西統(tǒng)計(jì)年鑒》,造林面積、耕地面積數(shù)據(jù)來源于《山西統(tǒng)計(jì)年鑒》、《中國林業(yè)統(tǒng)計(jì)年鑒》、山西省統(tǒng)計(jì)局(http://tjj.shanxi.gov.cn),植被固碳量數(shù)據(jù)來源于中國碳核算數(shù)據(jù)庫(https://www.ceads.net.cn),NDVI基礎(chǔ)數(shù)據(jù)來源于美國國家航空航天局(NASA)MOD13Q1全球地理信息數(shù)據(jù)產(chǎn)品并運(yùn)用ArcGIS 10.2對NDVI進(jìn)行分區(qū)統(tǒng)計(jì)處理。其中晉北地區(qū)人均GDP、農(nóng)村人均純收入等數(shù)據(jù)采用加權(quán)平均方法計(jì)算;對于個(gè)別缺失的統(tǒng)計(jì)年鑒,根據(jù)相鄰年份的數(shù)據(jù),利用插值法或灰色預(yù)測方法[23]補(bǔ)全。運(yùn)用Microsoft Excel 2019進(jìn)行數(shù)據(jù)的整理。

2.3 研究方法

系統(tǒng)動(dòng)力學(xué)(System Dynamics,SD)于1956年由Forrester教授提出,是發(fā)展最早、最常用的動(dòng)態(tài)模擬技術(shù)[24]。SD模型可以充分反映系統(tǒng)之間的相關(guān)關(guān)系和相互作用,達(dá)到定性與定量結(jié)合的效果,用于處理和研究發(fā)生巨大、突然和持續(xù)變化的系統(tǒng),模擬復(fù)雜的系統(tǒng)過程,是識別穩(wěn)態(tài)轉(zhuǎn)換的模型方法[20],其重要特點(diǎn)是關(guān)系可視化和模型仿真[25]。本研究借助Vensim-PLE 8.2.1軟件構(gòu)建山西省晉北地區(qū)退耕還林工程的變化與發(fā)展的SD模型,并結(jié)合社會經(jīng)濟(jì)因素構(gòu)建模型流圖。運(yùn)用Origin 2022進(jìn)行作圖。

3 SD模型檢驗(yàn)

SD模型的檢驗(yàn)實(shí)質(zhì)上是一個(gè)證偽的過程,一般情況有以下幾種常見檢驗(yàn)方法:運(yùn)行檢驗(yàn)、歷史檢驗(yàn)、靈敏度檢驗(yàn)、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(jìn)行模型檢驗(yàn)。

對模型進(jìn)行運(yùn)行檢驗(yàn),在軟件中顯示“Model is OK.”,說明該模型通過了運(yùn)行檢驗(yàn)。此外,本研究從社會、經(jīng)濟(jì)、退耕還林工程三方面中選取GDP、第一產(chǎn)業(yè)產(chǎn)值、林業(yè)產(chǎn)值、固定資產(chǎn)投資、農(nóng)村總收入、總?cè)丝?、糧食總產(chǎn)量、耕地面積、造林面積九個(gè)變量進(jìn)行模型歷史檢驗(yàn),以2002—2019年統(tǒng)計(jì)年鑒數(shù)據(jù)為基礎(chǔ),對以上九個(gè)變量的模擬值和實(shí)際歷史值進(jìn)行誤差計(jì)算。結(jié)果表明(圖3),2002—2019年間關(guān)鍵變量誤差均小于10%,符合模擬的一致性檢驗(yàn)要求。對模型進(jìn)行靈敏度檢驗(yàn),靈敏度檢驗(yàn)是通過增加或減少某一變量參數(shù)的10%,探究模型運(yùn)行后其他變量的變化情況[27]。本文選取十個(gè)主要變量進(jìn)行靈敏度檢驗(yàn),除糧食總產(chǎn)量對總?cè)丝谧兓`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(guān)鍵變量系統(tǒng)靈敏度分析結(jié)果Table 3 System sensitivity analysis of key variables in the system dynamics model from 2002 to 2019

圖3 2002—2019年關(guān)鍵變量檢驗(yàn)結(jié)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(jìn)行運(yùn)行檢驗(yàn)、歷史檢驗(yàn)和靈敏度檢驗(yàn)的結(jié)果,認(rèn)為該模型具備一定可信度,可進(jìn)一步進(jìn)行仿真操作。

4 情景模擬與結(jié)果分析

4.1 情景模擬參數(shù)設(shè)定

為了解不同退耕還林模式下晉北社會經(jīng)濟(jì)的情況,根據(jù)控制變量原則,結(jié)合相關(guān)文獻(xiàn)[28—30]對退耕還林參數(shù)進(jìn)行情景設(shè)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(shù)據(jù)進(jìn)行后續(xù)的計(jì)算[28—29]。山西省人民政府表示晉北地區(qū)在保護(hù)耕地的同時(shí),也要持續(xù)進(jìn)行生態(tài)造林的實(shí)施,晉北地區(qū)2020年耕地面積應(yīng)不低于9942.53km2,預(yù)計(jì)在2035年山西省人均GDP至少達(dá)到2萬美元;Pearson相關(guān)分析結(jié)果顯示,造林面積與耕地面積變化量呈現(xiàn)顯著負(fù)相關(guān)關(guān)系(相關(guān)系數(shù)=-0.825,P<0.01)。針對造林與耕地之間的矛盾,本研究設(shè)計(jì)四種方案(表4),模型仿真時(shí)長涵蓋“十四五”和“2035遠(yuǎn)景目標(biāo)”規(guī)劃期。

表4 山西晉北地區(qū)退耕還林工程-社會經(jīng)濟(jì)模型仿真情景設(shè)計(jì)Table 4 Scenarios design of Grain for Green Project and socio-economic system in northern Shanxi

4.2 情景模擬結(jié)果與分析

經(jīng)過耕地面積變化率的調(diào)整,持續(xù)退耕還林型(情景1)耕地面積持續(xù)降低,低速退耕還林型(情景2)、保護(hù)耕地型(情景3)、間斷退耕還林型(情景4)耕地面積均呈現(xiàn)上升的狀態(tài),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(xiàn)較高狀態(tài),其他年份則保持最低造林面積。情景模擬結(jié)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(xiàn)不同速率的上升態(tài)勢,只有情景1植被固碳量與NDVI值呈現(xiàn)緩慢下降趨勢。在2024年前,植被固碳量大小表現(xiàn)為情景1>情景2>情景3,情景4受到造林面積參數(shù)變化的影響在51.62—57.87萬t間波動(dòng)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(xiàn)波動(dòng)上升態(tài)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(dòng),結(jié)果表明情景3NDVI值年均增長率最高,為0.85%,呈現(xiàn)快速上升態(tài)勢,并且在2032年之后趕超情景1、2。

情景模擬結(jié)果顯示,經(jīng)濟(jì)發(fā)展均呈現(xiàn)不同程度的上升態(tài)勢(圖4)。GDP 、第一產(chǎn)業(yè)產(chǎn)值、人均GDP、農(nóng)村總收入在2020—2035年間呈現(xiàn)逐漸上升的趨勢,均在2019年后呈現(xiàn)情景2>情景3>情景4>情景1,2035年GDP分別達(dá)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(yè)產(chǎn)值呈現(xiàn)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(shù)變化的影響,呈現(xiàn)波動(dòng)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(jīng)濟(jì)社會的相關(guān)預(yù)測Fig.4 Predictions of Grain for Green Project and socio-economic system in northern Shanxi from 2002—2035

時(shí)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(biāo)同樣呈現(xiàn)上升態(tài)勢?？?cè)丝诓罹嗖幻黠@,到2035年情景2可達(dá)到最高972.20萬人。在2027年前,情景3糧食總產(chǎn)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(chǎn)量超過情景3,且2020—2035年間情景2糧食總產(chǎn)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(chǎn)均保持最高,上升了近54.18%,情景3糧食單產(chǎn)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(chǎn)量、糧食單產(chǎn)社會變量的增速較高,說明情景2有利于糧食總產(chǎn)量的提升,而情景1實(shí)施反而會限制糧食總產(chǎn)量,情景3由于保護(hù)耕地使得耕地面積快速增加,糧食總產(chǎn)量、糧食單產(chǎn)在模擬前期往往呈現(xiàn)較高水平,但是整體糧食總產(chǎn)量、糧食單產(chǎn)年增率卻小于情景2。情景1經(jīng)濟(jì)變量呈現(xiàn)最低,情景2更利于經(jīng)濟(jì)的發(fā)展,更高的經(jīng)濟(jì)水平會帶來更高的植樹造林投資,從而形成良性循環(huán)。

5 討論與結(jié)論

5.1 討論

森林和耕地的土地利用競爭已經(jīng)進(jìn)行了數(shù)千年[31],近年來多項(xiàng)政策中均提到未來發(fā)展既要滿足對耕地的保護(hù),又要不斷提升生態(tài)環(huán)境的保護(hù),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(shù)的依據(jù),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(jīng)濟(jì)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(jīng)濟(jì)之間的關(guān)系,絕大多數(shù)方程關(guān)系擬合較好,而呈現(xiàn)非線性關(guān)系的運(yùn)用表函數(shù)進(jìn)行構(gòu)建,使擬合結(jié)果更接近實(shí)際情況[16,18]。

與相關(guān)學(xué)者研究類似,晉北地區(qū)退耕還林工程直接對經(jīng)濟(jì)產(chǎn)生一定積極影響[15],在整體上對經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化起到提升作用[2,8—9],然而并非越大規(guī)模的退耕還林帶來越好經(jīng)濟(jì)發(fā)展,持續(xù)快速的退耕還林可能會給經(jīng)濟(jì)發(fā)展帶來制約作用[32],情景1下各經(jīng)濟(jì)指標(biāo)均低于其他退耕還林模式,情景2各經(jīng)濟(jì)指標(biāo)最高。退耕還林工程直接增加了林業(yè)產(chǎn)值,造林面積是退耕還林工程“量”的重要指標(biāo),林業(yè)產(chǎn)值主要受到造林面積的影響,情景1林業(yè)產(chǎn)值最高,此時(shí)造林面積的提升大大增加了林業(yè)產(chǎn)值,這種正相關(guān)關(guān)系會隨著工程實(shí)施年數(shù)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(jià)退耕還林工程“量”的指標(biāo),在糧食安全中發(fā)揮著巨大的作用,從而糧食總產(chǎn)量將是判斷社會發(fā)展的重要指標(biāo)[31],糧食單產(chǎn)作為糧食總產(chǎn)量的基本要素,是提升糧食總產(chǎn)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(chǎn)量一直呈現(xiàn)最低,2027年前情景3最高,而在之后情景2最高,情景1的實(shí)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(fù)面影響[34—35],2027年之后情景2糧食單產(chǎn)和糧食總產(chǎn)量均保持最高,表明低速退耕還林的實(shí)施在長期內(nèi)未對糧食安全產(chǎn)生危害[36],隨著時(shí)間增長農(nóng)業(yè)的進(jìn)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(yīng)及時(shí)調(diào)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?yàn)橹脖还烫剂亢蚇DVI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(xiàn)緩慢減少的趨勢,因?yàn)橄啾容^植被自然恢復(fù),盲目大規(guī)模增加植樹造林可能引起更嚴(yán)重的沙漠化進(jìn)程[38],另外,植樹坑會加重土壤侵蝕,進(jìn)而導(dǎo)致環(huán)境惡化[39]。申強(qiáng)等[40]對比高退耕態(tài)勢的吳起縣和低退耕態(tài)勢的米脂縣,發(fā)現(xiàn)較低退耕態(tài)勢的米脂縣產(chǎn)生更多間接農(nóng)地資源生態(tài)服務(wù)價(jià)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(tài)勢的情景3更利于生態(tài)長期積極發(fā)展[40]。綜上,在社會、經(jīng)濟(jì)、生態(tài)方面按照原計(jì)劃持續(xù)退耕還林往往弊大于利[41],應(yīng)該采取低速退耕還林型。

退耕還林對社會經(jīng)濟(jì)的影響有時(shí)空差異。實(shí)施退耕還林工程應(yīng)分區(qū)域討論,充分考慮地域差異,劉璨等[42]發(fā)現(xiàn)退耕還林造林面積對我國東部和中部地區(qū)的糧食產(chǎn)量產(chǎn)生的負(fù)面影響要高于西部地區(qū);王子婷等[43]選取隴中近郊、遠(yuǎn)郊村落探討退耕還林工程對各自農(nóng)村經(jīng)濟(jì)的影響研究,發(fā)現(xiàn)退耕還林對遠(yuǎn)郊地區(qū)的社會經(jīng)濟(jì)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(xù)性影響的空間演變,發(fā)現(xiàn)包含了晉北的土石地區(qū)糧食可持續(xù)性指數(shù)在黃土高原中最高,這印證了本研究晉北地區(qū)退耕還林利于糧食總產(chǎn)量的發(fā)展。退耕還林可以在短時(shí)間內(nèi)快速影響社會經(jīng)濟(jì)的發(fā)展,而對于植被固碳量等自然變量的影響會有滯后效應(yīng)[45]:在模擬時(shí)間中各社會經(jīng)濟(jì)變量隨著時(shí)間的增長呈現(xiàn)較快速的增長,而植被固碳量在相同時(shí)間段內(nèi)的變化在47×104t—63×104t之間,其變化幅度遠(yuǎn)小于社會經(jīng)濟(jì)變量變化幅度。同時(shí),社會經(jīng)濟(jì)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(nèi)在政策上對造林、耕地的變化產(chǎn)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(dá)8.10%、9.34%、8.93%、8.67%,且四種情景均滿足2035年人均GDP達(dá)到2萬美元/人的目標(biāo)(按現(xiàn)行匯率計(jì)算),退耕還林工程實(shí)施的最終目的是在保證良好生態(tài)環(huán)境的條件下豐富和優(yōu)化人民生活,因此本研究選取2035年社會經(jīng)濟(jì)指標(biāo)最高的情景2作為最優(yōu)發(fā)展情景。生態(tài)工程與社會經(jīng)濟(jì)間的互饋關(guān)系依舊處于探索階段,退耕還林工程影響了GDP、糧食總產(chǎn)量等社會經(jīng)濟(jì)變量,但是還存在時(shí)空差異,探討氣候、生物、土壤等對生態(tài)工程的影響和適應(yīng)策略將是進(jìn)一步研究的課題[47];此外對于2035年的定量規(guī)劃數(shù)據(jù)尚不明確,此后可依據(jù)充足政策數(shù)據(jù)進(jìn)一步探討山西省不同區(qū)域退耕還林工程的最優(yōu)情景。

5.2 結(jié)論

本文通過構(gòu)建山西省晉北地區(qū)退耕還林工程和社會經(jīng)濟(jì)之間的系統(tǒng)動(dòng)力學(xué)模型,以該地耕地和造林的矛盾作為參數(shù)調(diào)整的切入點(diǎn),通過調(diào)整退耕還林模式,設(shè)計(jì)四種發(fā)展情景,闡明了不同退耕還林情景對社會經(jīng)濟(jì)的影響。基于2002—2019年歷史數(shù)據(jù),構(gòu)建的退耕還林工程和社會經(jīng)濟(jì)之間的SD模型通過了運(yùn)行檢驗(yàn)、歷史檢驗(yàn)、靈敏度檢驗(yàn),實(shí)現(xiàn)了較好的模型性能,具備一定可操作性,可通過調(diào)整參數(shù)進(jìn)行模擬預(yù)測。對比四種情景,按原計(jì)劃持續(xù)實(shí)施退耕還林會制約未來社會經(jīng)濟(jì)發(fā)展,情景2利于退耕還林工程與社會經(jīng)濟(jì)的和諧發(fā)展,情景3在后期促進(jìn)NDVI、植被固碳量的增長:2020—2035年間GDP、第一產(chǎn)業(yè)產(chǎn)值、農(nóng)村總收入、人均GDP均為情景2>情景3>情景4>情景1。林業(yè)產(chǎn)值表現(xiàn)為情景1>情景2>情景4>情景3。研究初期情景3糧食總產(chǎn)量較高,而后期情景2最高,年均增長率達(dá)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(qū)以情景2作為最優(yōu)發(fā)展情景,使得耕地面積年變化率保持在0.35%狀態(tài),造林面積保持在694.87 km2左右,相比其他情景此時(shí)各社會經(jīng)濟(jì)變量較高,能較好地統(tǒng)籌耕地與造林用地的矛盾,在保護(hù)生態(tài)建設(shè)的同時(shí)為社會經(jīng)濟(jì)可持續(xù)發(fā)展提供保證。