尹琛, 聂艳, 于婧, 徐张洋, 许悦, 于雷, 齐睿. 山水林田湖草生态保护修复工程对土地利用碳排放的影响及其作用机制. 生态学报, 2025, 45(14): 7038-7051.
Yin C, Nie Y, Yu J, Xu Z Y, Xu Y, Yu L, Qi R. Influence and mechanism of ecological protection and restoration projects for mountains-rivers-forests-farmlands-lakes-grasslands on land use carbon emissions. Acta Ecologica Sinica, 2025, 45(14): 7038-7051.
山水林田湖草生态保护修复工程对土地利用碳排放的影响及其作用机制
尹琛1,2 , 聂艳1 , 于婧3 , 徐张洋2 , 许悦1 , 于雷1 , 齐睿2
1 华中师范大学地理过程分析与模拟湖北省重点实验室, 武汉 430079;
2 中国地质大学(武汉)经济管理学院, 武汉 430074;
3 湖北大学资源环境学院, 武汉 430062
摘要: 如期实现“双碳”目标, 一个重要方面在于减少土地利用碳排放。而开展生态修复工程是降低土地利用碳排放的重要抓手。为此, 中国不断深化生态修复工程部署, 实施山水林田湖草生态保护修复工程(以下简称“山水工程”)以应对全球气候变化。山水工程作为一项综合性生态修复工程, 其通过改善或恢复现有生态系统的结构和功能及优化区域生态系统的空间布局为碳减排提供了可行思路, 而如何评估山水工程对土地利用碳排放的影响进而助力碳达峰碳中和则成为了核心议题。基于2010—2021年中国287个地级市的面板数据, 利用渐进双重差分法, 研究聚焦于山水工程试点政策实施对土地利用碳排放的影响效应和作用机制。结果发现: (1)通过平行趋势检验、安慰剂检验、样本数据筛选、排除其他政策干扰以及倾向得分匹配检验等一系列稳健性检验, 山水工程试点政策对试点城市的土地利用碳排放具有显著的抑制作用, 在考虑地区与时间特征以及其他影响因素的情况下, 其抑制效应为29.9%。(2)在作用机制方面, 山水工程试点政策可以通过自然植被恢复、土地结构优化和绿色技术创新三条路径来降低土地利用碳排放。(3)在城市异质性方面, 山水工程试点政策有利于资源型城市积极摆脱“资源诅咒”和实现绿色转型发展, 从而更加有效降低土地利用碳排放。同样, 中东部地区优越的人力、技术、资源条件可以进一步加强山水工程试点政策在降低土地利用碳排放方面的作用。尽管山水工程试点政策推动生态环境改善, 但受限于非资源型城市和西部地区经济规模、创新能力和地理区位, 碳减排的内生动力存在不足, 影响了山水工程试点政策的施行效果。未来应紧扣三大作用机制靶向施策, 重视城市类型和区位差异, 继续发挥山水工程的碳减排效应。研究结果对完善山水工程顶层设计、推动实现“双碳”目标具有重要意义。
关键词: 生态修复工程 山水林田湖草 土地利用碳排放 双重差分法 作用机制
气候变化已成为当前突出的全球性挑战, “力争2030年前碳达峰、2060年前碳中和”(以下简称“双碳”目标)是中国提高国家自主贡献力度的重要承诺[1]。如期实现“双碳”目标, 一个关键方面在于减少土地利用碳排放, 土地利用/土地覆被变化(Land Use and Cover Change, LUCC)被认为是工业革命以来仅次于化石燃料碳排放的全球第二大排放源[2—3]。开展生态保护修复工程能巩固和提升生态系统碳汇能力, 是降低土地利用碳排放的有效途径。为此, 中国不断深化生态保护修复工程部署, 国务院印发的《2030年前碳达峰行动方案》明确提出要“实施生态保护修复重大工程, 开展山水林田湖草沙一体化保护和修复”。因此, 实施山水林田湖草生态保护修复工程(以下简称“山水工程”)成为中国应对气候变化的迫切需求, 然而, 任何政策效果落实都可能存在较大风险, 厘清持续推进多年的山水工程产生的碳减排效应是亟待解决的现实问题。在此背景下, 探究山水工程对土地利用碳排放的影响及作用机制对于完善生态修复顶层设计、服务落实“双碳”目标具有重要意义。
开展土地利用碳排放研究已成为区域碳减排和可持续发展的重要议题, 对该领域的研究主要集中在碳排放测度[4]、影响因素[5]和土地利用低碳优化[6]方面, 其中, 影响因素涵盖经济水平、产业结构、技术禀赋等不同维度要素[7—8]。伴随着土地利用产生的外部性, 从外生政策的视角探讨其对土地利用碳排放的影响得到了关注, 如低碳试点城市政策[9]、碳排放交易权政策[10]等, 但鲜有文献关注山水工程这一创新性生态修复范式对土地利用碳排放的影响效应。
山水工程是中国对复杂生态环境治理的重要探索, 一系列研究围绕理论内涵[11—13]、耦合框架[14—15]、体系构建[16—17]、修复分区[18—19]、实践应用[20—21]等方面开展了探讨, 随着山水工程的系统推进, 关于成效评估方面的研究受到了学术界的重视。从评估对象上看, 以工程的生态成效评估为主, 如生态系统的格局、质量、功能等变化[22—24], 仅有少部分研究兼顾社会经济效益评估[25]。从评估方法上看, 多聚焦于指标对比法[26—28]、综合指数法[29—30]和生态系统服务及其价值评估法[31—32], 然而, 此类方法侧重对工程实施区域的生态系统服务变化进行对比分析, 难以系统性解构山水工程政策驱动的内在作用机制。
在全球气候变化加剧与“双碳”目标刚性约束的双重背景下, 关于山水工程的碳减排效应研究正成为学界与政策界共同关注的焦点。尽管少量研究从土地利用碳汇的角度证实了山水工程的固碳增汇作用[27—28], 但针对山水工程这一特定生态修复政策干预的碳减排机理仍存在三重关键科学问题：其一, 在复杂政策干扰与环境因素影响的叠加背景下, 如何精准识别山水工程实施对土地利用碳排放的净影响效应？其二, 土地系统的碳代谢具有源汇双重属性, 现有评估框架中多聚焦碳汇提升的单一维度, 如何揭示山水工程通过多要素协同作用实现碳源调控与碳汇增强的双重目标？其三, 不同地理区位与资源禀赋是否会导致工程碳减排效应的显著差异性？鉴于此, 本文基于2010—2021年中国287个地级市的面板数据, 利用渐进双重差分法探讨山水工程对土地利用碳排放的影响效应, 从自然植被恢复、土地结构优化和绿色技术创新等角度剖析山水工程对土地利用碳排放的作用机制, 并基于不同资源禀赋和地理位置的城市探究影响效应的异质性, 为山水工程的科学评估与迭代升级提供决策参考, 助力“双碳”目标的实现。
1 政策背景与理论假设
1.1 政策背景
山水工程是深入贯彻习近平生态文明思想, 在一定区域范围内, 遵循自然生态系统演替规律和内在机理, 针对受损、退化、服务功能下降的若干生态系统进行整体保护、系统修复、综合治理的过程和活动, 工程涉及森林、草原、水体、农田、城镇等多种土地利用类型。“十三五”期间, 财政部、自然资源部、生态环境部启动山水工程试点, 分三批支持实施了25个试点项目中央财政累计下达资金支持500亿元。“十四五”期间, 在总结试点经验的基础上, 择优选拔了27个项目纳入中央财政支持范围, 目前工程项目正积极有序推进。山水工程实施以来, 已累计完成系统治理面积约537万hm2, 取得了显著的生态、经济和社会效益。值得注意的是, 考虑到工程效应需要经过一定时间才可显现出来, 本文选择2016—2018年三批25个山水工程试点项目为研究对象。鉴于山水工程以“集中连片”为原则, 其生态修复项目通常跨县域但未超出地级市行政边界, 地级市作为区域研究单元不但能够表征宏观尺度上研究结果的全局特征, 还能凸显出微观尺度上各城市间的差异性, 此外, 城市层面数据质量较高, 因此, 本文选取287个地级市作为研究样本(图 1)。
1.2 理论假设
山水工程是由地方政府组织申报与自主推动、中央政府授权开展与财政支持的分权式生态保护与修复方案, 具有强激励、弱约束的政策特征。地方政府在工程安排上拥有一定自主权, 能够根据区域自然生态状况, 针对突出生态问题, 探索特色鲜明又行之有效的示范性生态保护和修复政策。从各地的实施情况来看, 山水工程主要任务包括整体保护自然生态要素、系统修复退化生态系统和推行国土空间绿色低碳整治[33]。具体而言, 地方政府通过高质量实施封山育林、25°以上坡耕地退耕还林、围栏封育等生态保护修复工程, 稳固现有自然生态系统碳汇能力。同时, 工程通过修复退化生态系统, 使得功能受损的森林、草原、河湖湿地等自然生态系统恢复固碳功能, 从而有效降低土地利用碳排放。除此之外, 在中央财政的经济激励下, 政府往往会出台促进土地绿色低碳整治的配套措施, 推动研发生态型沟渠、护坡、道路等生态整治技术, 促进土地整治减碳增汇, 实现降低土地利用碳排放(图 2)。因此, 本文提出研究假设1：
H1：山水工程对土地利用碳排放有抑制作用。
为进一步探究山水工程影响土地利用碳排放的作用机制, 结合财政部、自然资源部、生态环境部印发的《山水林田湖草生态保护修复工程指南(试行)》, 对山水工程试点政策实施的重点内容和修复措施进行梳理与总结, 不同生态修复项目的技术策略主要包括：重要生态系统保护修复、生物多样性与栖息地保护、土地综合整治、矿山生态修复、污染与退化土地修复治理和流域水环境保护治理[34]。其中, 重要生态系统保护修复、生物多样性及栖息地保护主要以自然恢复和辅助再生为核心手段, 激活生态系统固碳能力, 包括恢复退化林地、湿地水生植被重建、栖息地修复等；土地综合整治通过物理空间改造优化土地结构与布局, 提升碳汇功能, 如优化林草生态系统布局、结构和功能；矿山生态修复、污染与退化土地修复治理和流域水环境保护治理依托生态修复创新技术, 实现精准治理与长效管护, 如矿山生态整治技术、生物化学修复污染土壤技术、微生物降解水体污染技术等。因此, 本文认为山水工程试点政策影响土地利用碳排放的内在逻辑在于三条途径, 分别是：自然植被恢复、土地结构优化和绿色技术创新(图 3)。
山水工程试点政策可以促进自然植被恢复。25个试点工程实施以来, 陆地绿色生态空间保护与修复超过1900 km2, 生物多样性及关键物种栖息地保护面积超过5800 km2, 绿色空间得到修复与扩大, 生态固碳容量不断增强。山水工程深入推进大规模国土绿化行动, 例如封山育林、退耕还林还草等措施, 扩大了植被覆盖面积和森林蓄积量, 生态系统碳汇能力得以提升, 从而对土地利用碳排放产生了积极的抑制作用。
山水工程试点政策可以优化土地利用结构。工程综合考量生态空间保护修复、农村和城镇空间整治修复策略, 加速了各种土地利用类型之间的相互转化。在自然因素与生态工程管护的共同影响下, 地方政府积极推动土地结构优化, 整合城市增长边界以合理控制周边地区建设用地的扩张[35—36], 限制林地和草地流失, 优化高质量碳汇用地的存量结构, 加强生态修复从末端治理转向源头系统治理, 系统减少碳源排放、提升碳汇能力, 促进减排固碳多系统协调发展, 以此减少土地利用碳排放。
山水工程试点政策可以加强绿色技术创新。关于环境规制政策的技术创新效应, 实际上在波特假说中已有论及, 即合适的环境规制政策可以激励企业创新、提升先进技术的生产效率和补偿实施环境规制的成本[37]。鉴于山水工程试点的“弱约束”特征, 试点城市根据本身的自然条件、资源禀赋和工业基础来制订减排任务, 创造更加宽松的研发环境, 有助于催化企业绿色创新进程, 刺激企业提升绿色技术创新的投入, 促进绿色低碳的新技术、新方法、新材料、新工艺在山水工程中应用。同时, 良好的研发环境也有利于人才聚集, 科研人才作为新知识和新技能的载体, 可以有效推动转化、整合和应用新技术, 为生态修复提供智力支持, 从而提升土地利用效率并降低碳排放。基于此, 本文提出研究假设2：
H2：山水工程通过自然植被恢复、土地结构优化和绿色技术创新来抑制土地利用碳排放。
2 模型设定、变量说明与数据来源
2.1 模型设定
双重差分法(Difference in Differences, DID)是一类准自然实验的政策评估模型, 通过将个体划分为受到政策冲击的实验组和未受政策影响的对照组两类, 进而估计政策实施的处理效应[38—39]。因此, 本文将山水工程试点政策的实施作为一项准自然实验, 将试点城市作为实验组, 非试点城市作为对照组, 研究时间设为2010—2021年。由于标准DID模型的基础假设为政策实施的起始时间完全相同, 且个体一直保持接受政策影响的状态。然而, 山水工程试点政策是多时点分批次实施, 不同批次的试点城市接受政策影响的状态也可能发生改变。因而, 此类政策下继续采用标准DID进行分析将严重违反作为分析基础的平行趋势假设, 导致处理效应估计的偏误。此时, 需要采用放宽时间节点和处置过程假设的渐进DID模型, 其允许不同批次城市在政策实施前后形成独立“实验组-对照组”关系, 本文构建如下模型来检验山水工程试点政策实施对土地利用碳排放的影响：
式中, i、t分别表示城市和时间；LUCEit表示城市土地利用碳排放水平；MRFFLGpostit表示山水工程试点政策虚拟变量；Xit表示影响土地利用碳排放的一系列控制变量；φi和μt分别表示城市和时间的固定效应；εit表示是影响土地利用碳排放的随机扰动项。
采用双重差分法评估山水工程的影响效应时, 实验组与对照组必须符合平行趋势假定, 本文利用事件分析法构建以下模型来检验政策效应的时间动态趋势：
式中, Dit表示一组年份虚拟变量, δt表示动态估计系数, 当t＜0时系数δt不显著, 则说明估计结果满足平行趋势检验。同时, 为避免多重共线性干扰, 山水工程试点政策实施前一年的虚拟变量已被删除, 即回归方程中不包括t=-1。
为考察山水工程试点政策对土地利用碳排放的作用机制, 本文采用逐步回归法构建以下中介效应模型进行验证：
式中, M表示机制变量；δ1表示山水工程试点政策对机制变量的影响效应；β0′表示山水工程试点政策对土地利用碳排放的直接效应；δ2表示机制变量对土地利用碳排放的影响效应。
2.2 变量说明
(1) 被解释变量
本文的被解释变量是城市土地利用碳排放, 将土地利用类型分为耕地、林地、草地、水域用地、建设用地和未利用地六大类, 其中, 耕地和建设用地被认为是碳源, 林地、草地、水域用地和未利用地被认为是碳汇。参考以往的研究[40—41], 本文采用直接碳排放系数法估算耕地、林地、草地、水域用地和未利用地的碳排放, 选取原煤、焦炭、原油、燃料油、汽油、煤油、柴油和天然气8种主要能源间接估算建设用地的碳排放。由于城市层面能源消耗数据缺失较多, 本文采用降尺度的方法来构建市级能源平衡表, 以获取城市能源消耗数据。最终, 土地利用碳排放量大小取决于碳源与碳汇的差值大小。
总体上看, 我国地级市的土地利用碳排放量呈现不断上升趋势, 总增长率为39.93%。在空间格局上, 基本呈现北方地区高于南方地区的分布特点(图 4), 主要与煤炭为主的能源结构有关。同时具有明显的空间集聚性, 土地利用碳排放量较高的地级市逐渐集中于黄河中游、山东半岛城市群和长三角城市群, 形成以华北、华东为中心的高值区并向周围扩散的空间结构。而土地利用碳排放量较少区域稳定集中分布在西北、西南地区, 这些区域的经济发展水平相对较低, 人口较少, 土地利用多以林地、草地为主, 碳排放量低。
(2) 核心解释变量
本文的核心解释变量是山水工程试点政策。基于模型设计, 构建山水工程试点实施时间与试点城市交互项的虚拟变量(MRFFLGpost), 剔除缺失数据的试点城市(拉萨市), 最终确定66个试点城市为实验组, 其他221个非试点城市为对照组。对于试点城市, 年份在工程实施之后, 将虚拟变量赋值为1, 其余为0；对于非试点城市, 虚拟变量全部赋值为0。
(3) 控制变量
本文选取可能影响土地利用碳排放的各种因素作为控制变量[42—43]。经济水平层面, 经济发展提升可能加速土地开发利用, 导致土地利用碳排放迅速增加, 同时, 经济发展带来的效率提高也可能降低土地利用碳排放, 选用单位土地面积生产总值作为代理变量；人口规模层面, 较高的人口规模反映了较高的城市化水平, 城市化水平高可能带来粗放的土地利用方式, 引起大量的土地利用碳排放, 选择人口密度作为衡量人口规模的指标；能源消耗层面, 化石燃料等能源消耗作为经济增长的驱动力量, 其活动过程是以土地利用为载体, 影响着土地利用碳排放, 选择单位生产总值能耗来代表城市能源消耗水平；产业结构层面, 制造、采矿等行业是否合理化、高效化都会让土地利用碳排放发生变化, 是影响土地利用碳排放的重要因素, 选取第二产业生产总值比重来表征；资产投资层面, 固定资产投资的增加将促进经济增长, 进而对土地利用碳排放产生潜在影响, 选择固定资产投资额作为代理变量。
(4) 机制变量
根据前文理论分析, 山水工程试点政策可能通过自然植被恢复、土地结构优化和绿色技术创新三个作用机制对土地利用碳排放产生影响。为了考察山水工程试点能否通过自然植被恢复实现抑制土地利用碳排放, 本文采用归一化植被指数来表征自然植被恢复效应, 该指标可以用来定量评价植被覆盖及其生长活力, 反映了一个地区的自然植被恢复状态；由于林地和草地是吸收土地利用碳排放的主要贡献者, 因此合理优化土地利用的碳汇结构是关键, 本文采用林地、草地的面积比重来表征土地结构优化效应, 兼具特定时间节点上的静态存量特征和多时间节点上的动态增量过程；考虑到绿色专利申请量是生态修复技术知识成果的直接体现, 在一定程度上反映了区域技术创新能力和活力, 本文采用绿色专利申请数量作为绿色技术创新效应的代理变量。
本文的数据来源分为四类：一是土地利用数据, 来源于武汉大学杨杰和黄昕团队的研究成果[44]；二是社会经济数据, 来源于历年《中国城市统计年鉴》和各城市统计年鉴、统计公报；三是能源消耗数据, 来源于历年《中国能源统计年鉴》和各省、各城市的能源平衡表；四是归一化植被指数数据, 来源于美国陆地卫星Landsat遥感影像计算的逐年30米NDVI最大值数据集。对缺失数据采用线性插值的方式填补, 最终形成2010—2021年中国287个地级市的面板数据, 变量的描述性统计见表 1。
表 1 描述性统计结果
3 实证结果
3.1 基准回归
本文首先根据公式(1)估计山水工程试点对土地利用碳排放的影响效应, 估计结果如表 2 所示。其中, 第(1)列给出了仅包含城市和时间固定效应的估计结果, 第(2)—(6)列逐步加入五个控制变量。结果表明, 当未加入控制变量时, 核心解释变量MRFFLGpostit显著为负, 这一结果在逐步加入五个控制变量后基本保持一致。在加入全部的控制变量后, 山水工程试点政策影响土地利用碳排放的估计系数为-0.299, 且在1%的水平下通过了显著性检验, 证明相较于非试点城市, 入选山水工程试点城市的土地利用碳排放显著降低约29.9%。这说明山水工程的实施促进了生态系统固碳效能的高效化, 能够显著抑制区域土地利用碳排放。因此, 假设1得以验证。
表 2 基准回归结果
lnLUCE：土地利用碳排放水平的对数Logarithmic of land use carbon emissions；MRFFLGpost：山水工程试点政策实施虚拟变量Dummy variable for the mountains-rivers-forests-farmlands-lakes-grasslands project pilot policy implementation；gdp：单位土地面积生产总值GDP per unit land area；pop：人口密度Population density；ene：单位生产总值能耗Energy consumption per unit of GDP；ind：第二产业生产总值比重Proportion of GDP in the secondary industry；fix：固定资产投资额Fixed assets investment；括号内数值为稳健标准误；* * * P＜0.01, * * P＜0.05, * P＜0.1
3.2 平行趋势检验
平行趋势检验结果如图5所示, 可以看出, 山水工程试点政策实施前6年, 每一时期的系数估计值均不显著, 这说明试点城市与非试点城市在政策实施前并无显著差异, 试点城市和非试点城市在土地利用碳排放层面基本不存在统计意义上的显著差异, 满足平行趋势假定。在政策动态效应方面, 山水工程试点政策实施后1年, 估计系数的绝对值虽有所上升, 但依然不显著, 表明政策效应存在时间滞后性, 工程实际推进过程中可能受到气候、土壤、植被等活动周期的影响, 其政策效应需要经过一定时间才能显现。在山水工程试点政策实施后的第二年开始, 试点城市土地利用碳排放相比非试点城市显著下降, 且估计系数的绝对值先呈现增加趋势, 之后有所下降, 可能的原因是上级政府未对地方政府制定长期的工程绩效考核机制以及动态化监管体系, 地方政府在长时间推进山水工程试点过程中可能产生懈怠, 难以保障修复成效的长期性。
其中横轴表示时间节点, “0”代表山水工程试点政策实施当期, 纵轴表示影响效应的估计系数, 空心圆点表示山水工程试点实施第t年实验组的政策效应, 虚线表示90%水平的置信区间
3.3 稳健性检验
基准回归结果表明山水工程试点政策可以显著抑制土地利用碳排放, 但为了排除混淆因素对研究结论的干扰, 仍需进行一系列稳健性检验。本文从安慰剂检验、样本数据筛选、排除其他政策干扰和PSM-DID检验等多个维度进行分析, 以确保估计结果的可靠性。
(1) 安慰剂检验
为了避免因无法观察而忽略了可能影响基准回归结果的遗漏变量, 借鉴Cai等[45]的方法, 对实验组样本进行替换以开展安慰剂检验。由于本文选取了66个试点城市作为控制组样本, 为保持数量一致, 通过随机抽取66个城市作为虚假的实验组, 其余城市作为虚假的控制组, 可以得到实施城市安慰剂的山水工程试点对土地利用碳排放影响的估计系数。同时, 重复1000次以上步骤, 得到1000个回归系数和相对应的P值, 如图 6所示。安慰剂检验结果表明, 1000次的回归系数均接近于0值, 且服从正态分布, 绝大对数回归结果不显著, 基准回归结果(-0.299)也不在随机样本系数的总体分布范围内。因此, 可以认为基准回归结果没有受到无法观测因素的影响。
横轴表示实施城市安慰剂的山水工程试点对土地利用碳排放影响的估计系数；左侧纵轴表示估计系数的概率密度，右侧纵轴表示估计系数的P值；空心圆圈表示重复回归得到1000个估计系数和相对应P值的结果；黑色曲线表示1000个估计系数的概率密度曲线；垂直虚线表示基准回归中真实的估计系数值，即-0.299；水平虚线表示10%显著性水平，即P值取0.1
(2) 样本数据筛选
为降低土地利用碳排放的极端离群值可能对基准回归结果产生的影响, 本文根据被解释变量对研究样本分别缩尾1%和5%后, 重新对式(1)进行回归。结果如表3的第(1)、(2)列所示, 剔除极端离群值后, 无论是否加入控制变量, 核心解释变量MRFFLGpost的估计系数都在1%的水平上通过了显著性检验, 该结论与基准回归结果相似。
表 3 稳健性检验结果
low_c：低碳城市试点政策实施虚拟变量Dummy variable for the low-carbon city pilot policy implementation；trade_c：碳排放交易权试点政策实施虚拟变量Dummy variable for the carbon emissions trading pilot policy implementation；括号内数值为稳健标准误；* * * P＜0.01, * * P＜0.05, * P＜0.1
(3) 排除其他政策干扰
为避免山水工程试点政策的净效应可能受到与土地利用碳排放密切相关的低碳减排、环境保护等政策的干扰, 造成基准回归结果的偏误。本文通过梳理相关政策文件, 发现两个目标针对性强、影响范围大且可能影响样本期间土地利用碳排放的政策。一是从2010年起, 开展了三批低碳城市试点政策, 本文构建虚拟变量low_c来表示低碳城市试点政策的冲击。二是2013年起开展的八个省市碳排放交易权试点政策, 本文构建虚拟变量trade_c来表示碳排放交易权试点政策的冲击。表 3的第(3)、(4)列结果显示, 在加入两类政策变量后, 山水工程试点政策效应仍然在1%的水平上通过了显著性检验, 估计系数符号不变且数值略有提升, 这说明样本期内的同期主要碳减排政策和环境规制政策对估计系数形成了一定干扰, 但程度非常有限, 前文的研究结果是相对稳健的。而从两类政策变量的结果上看, 碳排放交易权试点政策能够显著降低区域的土地利用碳排放水平, 低碳城市试点政策对土地利用碳排放的影响不显著。
(4) PSM-DID检验
为缓解可能产生的样本选择性偏差问题, 本文运用倾向性得分匹配的双重差分(PSM-DID)方法进行稳健性检验, 以五个控制变量作为特征向量, 采用最近邻匹配法识别与实验组相似特征的控制组样本, 并估计平均处理效应。从表 3中第(5)列结果可以看出, 试点政策虚拟变量的估计系数为-0.333, 且在1%水平上通过显著性检验, 表明山水工程有利于降低土地利用碳排放, 再次验证结论具备较好的稳健性。
3.4 作用机制分析
上述基准回归和稳健性检验结果均表明山水工程试点可以显著抑制土地利用碳排放, 其具体作用机制如何尚需验证分析, 本文通过中介效应模型进一步探究山水工程试点政策对土地利用碳排放的作用机制, 机制检验结果见表 4。
表 4 机制分析结果
M1：归一化植被指数；M2：林地、草地面积比重；M3：绿色专利申请量；括号内数值为稳健标准误；* * *P＜0.01, * *P＜0.05, *P＜0.1
表4的第(1)和(2)列为自然植被恢复效应的检验结果。第(1)列中的MRFFLGpost估计系数为0.005, 且在1%的水平下通过了显著性检验, 表明山水工程试点政策能显著促进自然植被恢复。第(2)列加入机制变量后, 自然植被恢复的估计系数显著为负, 即自然植被恢复度提升会抑制土地利用碳排放。除此之外, MRFFLGpost估计系数仍显著, 并且与基准结果相比有所下降, 证明自然植被恢复在山水工程试点抑制土地利用碳排放中发挥着部分中介效应。上述结论表明, 山水工程试点以恢复自然植被为导向, 遵循自然生态系统演替规律, 通过减少对生态环境的干预, 以提升生态系统碳汇能力, 从而抑制土地利用碳排放。
表4的第(3)和(4)列为土地结构优化效应的检验结果。第(3)列中MRFFLGpost的估计系数为0.012, 且在5%的水平下通过了显著性检验, 表明山水工程试点政策显著优化了城市土地结构, 同时, 第(4)列中的MRFFLGpost估计系数为-0.278, 在1%的水平下通过了显著性检验, 且小于基准结果。因此, 土地结构优化是试点政策影响土地利用碳排放的重要途径, 即山水工程试点政策通过优化土地结构来抑制土地利用碳排放。在“山水林田湖草沙”系统治理要求下, 山水工程通过改变土地利用现状, 影响不同用地类型所承载的自然及人为碳通量过程, 实现优化碳源、碳汇结构, 提升生态系统固碳效率, 有利于土地利用碳排放量减少。
表4的第(5)和(6)列为绿色技术创新效应的检验结果。结果表明, 与非试点城市相比, 山水工程增加了试点城市的绿色专利申请数量, 显著促进了绿色技术创新。第(6)列中MRFFLGpost和中介变量M3的系数仍然显著为负, 其中, MRFFLGpost的系数为-0.295, 与基准结果相比有所下降, 这意味着绿色技术创新在山水工程试点抑制土地利用碳排放中具有显著的中介作用, 即山水工程可以通过提升绿色技术和创新能力, 从而降低土地利用碳排放。山水工程政策鼓励政府和企业加快研发绿色修复技术, 通过优化提升碳捕捉、利用和存储等技术, 实现有效抑制土地利用碳排放。
综上, 山水工程试点政策可以通过自然植被恢复、土地结构优化和绿色技术创新三条路径抑制土地利用碳排放, 结果均是显著的, 假设2得以验证。
3.5 异质性分析
(1) 不同资源禀赋的城市异质性分析
中国不同城市的自然资源禀赋和经济发展水平存在较大差异, 所表现的生态修复实施效果也有所不同。为了进一步评估城市资源禀赋的异质性, 本文根据中国国务院发布的《全国资源型城市可持续发展规划(2013—2020年)》, 将样本城市分为资源型城市和非资源型城市。表 5的第(1)和(2)列结果显示, 资源型城市和非资源型城市的估计系数都显著为负, 但山水工程对资源型城市土地利用碳排放的抑制效应(32.9%)要优于非资源型城市(29.6%)。一个可能的原因在于资源型城市是以自然资源开采开发为主导的城市, 其绿色低碳转型具有更大的发展空间, 山水工程通过在人烟稀少的丘陵和山地地区开展“退耕还林还草”等措施, 在人口密度大的平原地带开展“水环境治理”等行动, 在矿业开发区实施矿山环境整治、绿色恢复和污染修复等项目, 促进资源型城市的生态环境优化, 有助于其积极摆脱“资源诅咒”, 向绿色转型发展, 从而更加有效降低土地利用碳排放。非资源型城市的资源禀赋相对较弱, 山水工程驱动土地利用碳排放减少的程度相对较低。
表 5 异质性分析结果
(2) 不同地理位置的城市异质性分析
基于我国区域之间的发展不平衡不充分问题, 地理区位可能是影响山水林田湖草生态保护修复工程降低土地利用碳排放的重要因素。因此, 本文采用目前学界较为普遍的区域划分方式[39, 46—47], 将样本城市划分为东部、中部(含东北三省)和西部进行分析, 能够比较客观反映区域间经济、政策与地理条件差异。表 5中第(3)—(5)列结果显示, 中东部地区抑制土地利用碳排放的显著性较高, 这得益于中东部地区的人力、技术、资源等条件较为优越, 减排技术、创新能力相对较强, 为生态修复与保护工程实施提供了良好的保障措施, 同时中东部地区的经济生产活动较为频繁, 有效减少土地利用碳排放具有较大空间。而西部地区仅在10%的水平下通过了显著性检验, 且对土地利用碳排放的抑制效果最差(23.3%), 主要原因是西部地区经济发展相对落后, 尽管山水工程推动生态环境改善, 但受限于经济规模、创新能力和地理区位, 减排的内生动力存在不足, 影响了山水工程的施行效果。
4 结论与政策启示
(1) 山水工程试点政策的实施对试点城市的土地利用碳排放具有明显的抑制作用, 在考虑地区与时间特征以及其他因素的情况下, 这种抑制效应为29.9%, 且这一结论通过了一系列稳健性检验。(2)机制分析显示, 自然植被恢复、土地结构优化和绿色技术创新在山水工程试点政策对土地利用碳排放的抑制效应中发挥显著的中介作用。(3)异质性分析表明, 山水工程试点政策对土地利用碳排放的影响与城市的资源禀赋和地理区位密切相关, 表现为该效应在资源型城市和中东部地区中发挥更为明显。
基于以上结论, 本研究提出如下政策启示。第一, 在总结现有经验的基础上, 继续深入推进山水工程, 着力提升我国生态系统固碳潜力, 探寻更有效、可推广的碳减排新路径。本文结论肯定了山水工程试点政策对土地利用碳减排的积极贡献, 进一步证明山水工程试点作为一项具有综合性影响的政策工具, 其政策效果正逐渐显现。各试点城市应结合当地的地方特征和发展经验, 提高优质生态系统面积、加强生态系统碳汇能力、提高生态系统碳汇持续时间, 起到引领与示范作用。同时, 中央政府应鼓励各地在完成生态修复基本目标的前提下, 创新低碳发展政策与路径, 由单一的目标管控逐渐发展到“目标设置与执行监管”双重管理, 以形成有效的、可复制、可推广的绿色低碳发展路径。
第二, 紧扣三大作用机制靶向施策, 继续扩大国土绿化面积, 增加生态固碳容量, 支持土地结构优化与技术创新, 为碳减排效应的持续提升提供保障。在山水工程政策的实施过程中, 合理扩展绿化空间, 利用高精度遥感技术建立植被指数动态监测机制, 有效增加森林面积, 挖掘和提升自然生态系统碳汇作用。地方政府主动调整土地利用结构和布局, 全面摸清退化林和退化草原本底, 强化新造幼林地封育和管护, 加大草畜平衡监管, 培育林草主导产业、特色产业和新兴产业, 将传统“规模扩大”的土地利用转型模式逐步转向精细化、数字化的存量结构优化策略。同时, 各地区可设立山水工程绿色技术专项基金, 对碳捕集型植被培育、矿山生态修复技术等技术研发给予成本补贴, 并通过“政-产-学-研”中试基地加速技术转化, 提升绿色技术创新对碳减排的贡献力度。
第三, 重视城市类型和区位差异, 因地制宜、取长补短地针对不同生态系统采取相应技术策略, 提升其碳汇能力, 不仅有利于提升生态保护修复工程的效益, 也有助于降低土地利用碳排放, 以实现“双碳”目标。各城市应结合自身自然资源禀赋条件和地理区位特征, 充分考虑山水工程政策的着力点, 制定契合地区发展实际的碳汇增量控制目标和区域分解方案。对于资源型城市和中东部地区, 可开展“生态修复+低碳产业”耦合模式, 依托资源禀赋和地理区位优势发展林下经济等近零碳产业, 对于非资源型城市和西部地区需以“生态筑基+低碳赋能”为核心, 并辅之以相应的技术、人才政策支持和激励机制, 以打造固碳增汇全链条能力, 推动土地利用模式和经济发展方式的全面绿色转型。
本文的研究视角、方法和结论一定程度上拓展了山水工程实施与土地利用碳排放关系的研究, 解构了两者之间的内在作用机制, 通过多方面异质性分析, 识别了山水工程产生的差异化碳减排效应结果。但仍存在一些不足：一是本文仅以三批试点工程为研究对象, 未将“十四五”期间实施的山水工程纳入研究范围, 未来可扩大研究样本, 进一步探索山水工程影响土地利用碳排放的实际效应；二是本文通过自然植被恢复、土地结构优化和绿色技术创新对山水工程的碳减排作用机制进行了初步验证, 然而山水工程是一项综合性的环境规制政策, 其覆盖内容广泛, 未来可继续深入挖掘潜在的作用路径。