如图所示，自退耕还林工程正式启动以来，LP( 黄河中游(107?28′-111?15′E,35?21′-39?34′N)）的植被覆盖(EVI)稳步增长，年平均增长率为0.0067 。
值得注意的是，虽然植被覆盖总体上有明显改善，但各地间仍存在较大差异。从下图可以看出，2017年东南LP地区植被覆盖度明显好于西北地区。
此外，2002-2017年，83.41%的LP植被覆盖增加，16.89%的LP植被覆盖减少如图所示。
植被退化主要集中在西北地区，以内蒙古敖托克旗、杭金旗四旗、登口县为主，宁夏灵武区、盐池县、沙坡头区为主，甘肃靖远县、永登县为主。每个县实施退耕还林的土地面积占总土地面积的比例如下图所示。
总的来说，退耕面积占整个LP地区总土地面积的21.4%。退耕还林工程实施强度较高的县主要集中在LP的中东部地区，且与植被扩张明显的地区普遍重合。此外，近20年LP年降水量呈增加趋势，但空间上呈异质性，如图所示。
年降水量增幅最大的区域主要集中在LP的中部地区，而年降水量减少的区域主要集中在LP的东南角、北部边缘和其他分散的小气候区。考虑到降水对干旱至半干旱地区的植被生长至关重要，植被改善的地区与降雨增加的地区大致一致的发现不足为奇。
二、普通面板模型结果
多重共线性检验表明，各解释变量的方差膨胀因子的最大值仅为2.34，说明各解释变量之间不存在明显的多重共线性。然后分别执行固定效应和随机效应模型。固定效应模型F值为85.19(p<0.01)；随机效应模型Wald卡方值为985.43(p<0.01)。由于两个模型都通过了检验，所以进行豪斯曼检验以确定两个模型中哪个更合适。 由于研究区包含306个不同自然禀赋和植被恢复效果的县，存在异方差；因此，还应用了改进的Wald检验。两个检验都否定了显著性水平为0.01的同方差性原假设，表明固定效应模型比随机效应模型更合适。采用稳健标准差回归估计固定效应模型参数的值(下表：列4)。为了比较不同因素的边际贡献，我们还计算了解释变量的标准化回归系数(下表：列5)。
(下表：列4)所示，自变量的当代滞后期、一年滞后期和三年滞后期的系数均为负，而五年滞后期的系数为正，说明退耕还林工程的实施首先导致了植被覆盖的减少，然后促进了植被的恢复。 这一发现并不令人惊讶，因为植树造林通常会扰乱原始植被，而新种植的树木通常需要五年以上才能成熟。值得注意的是，人口密度和人均GDP对植被覆盖度的影响均不具有统计学意义，表明无论是人口增长还是经济发展都没有对LP的植被变化产生贡献。这一发现出乎意料，因为之前的研究表明，这两个因素都导致了LP生态环境的恶化。此外，年平均温度或年累计降水量的增加对植被覆盖度均有显著的正向影响。
三、面板阈值建模
进行了1000次自举迭代来估计INDU(初级部门产出占国内生产总值的比例的阈值)，如下表所示。单阈值和双阈值假设在0.01的显著性水平上没有被拒绝，但三阈值假设被拒绝。这表明，以INDU为阈值变量时，人均GDP对植被覆盖的影响存在双阈值效应。两个阈值分别为0.069和0.245。
在此基础上，采用固定效应回归和稳健标准误差回归对面板阈值模型的系数进行估计，如下表所示。与普通面板回归估计相比，两种阈值回归的校正r2值均较高，说明两种面板阈值模型都能更好地解释植被覆盖度的变化。面板阈值模型的较好拟合可能是由于这些模型捕捉了整个研究区域和研究时期经济增长与植被覆盖变化之间的非线性关系。有和没有稳健回归的固定效应模型估计通常是相同的。
回归结果表明，当第一产业对GDP的相对贡献(INDU)超过0.245(24.5%)时，人均GDP的增加导致当地植被覆盖度的减少(p<0.01)，这与以往的研究结果一致。当INDU<0.245时，人均GDP增长对植被盖度的影响为正(p<0.01)。然而，当INDU进一步降低到小于0.069时，这种正效应就会减弱(6.9%：p<0.01)。综上所述，随着第一产业对GDP的相对贡献的下降，经济增长对植被覆盖的边际效应由负向正变化，且这种正效应先增大后减小。两个临界点分别出现在INDU=0.245和0.069。
此外，面板阈值模型的其他变量的回归系数和显著性水平与普通面板模型基本相同，表明阈值模型的估计具有稳健性。与普通面板模型一样，自变量的当代、一年和三年滞后期的系数为负，而五年滞后期的系数为正。人口密度系数无统计学意义，年平均温度和年累计降水量均对植被盖度产生统计学显著的正向效应。
全部回复（1 ）
只看楼主 我来说两句 抢板凳“一刀切”补偿方案不合适，楼主建议好，采取因地制宜、以市场为基础的方式进行补偿。
回复 举报