《Environmental and Sustainability Indicators》：Contribution of forest ecosystem services in India using Meta-Regression Approach
本研究采用对45项研究的综合性回顾，评估印度不同森林类型生态系统服务（ecosystem services, ES）的经济价值。为估计可比时间尺度，相关研究报告的生态系统服务价值被转换为2023年不变价的国际货币单位（USD）。研究采用元回归方法（meta-regression approach），在分析中纳入国内生产总值（Gross Domestic Product, GDP）、人口密度、森林覆盖率、生态系统服务类别以及价值评估方法等关键协变量。鉴于数据缺口与区域差异，文献中报告的价值结果均经过标准化处理，以增强可比性。研究结果表明，印度森林生态系统服务的平均价值为31,001 USD/ha/yr，各类森林生态系统服务的总价值估计为每年2.5万亿美元（按2023年不变价计）。在不同森林类型中，热带干落叶林对经济价值的贡献最高，约为7030亿美元/年，这主要归因于其广泛的生态功能。上述结果凸显了印度森林对国家财富的重大贡献，并为制定有效的保护政策与可持续森林管理政策提供了关键证据。研究同时强调，应在国家尺度上优先采用具有空间定向性且具备经济学依据的策略，以强化生态系统与生物多样性保护。
INTRODUCTION
森林作为高生物多样性生态系统，在全球陆地面积中约占31%，不仅为绝大多数陆地生物多样性提供栖息地，还通过食物供给、生计支持与生态平衡维持等途径提供多重生态系统服务（ecosystem services, ES）。论文指出，森林兼具碳汇、水净化、就业支撑与产业贡献等多重功能，但由于大量调节服务（regulating services）与文化服务（cultural services）缺乏市场价格，森林生态系统服务在政策制定与国民经济核算中的反映仍显不足。这种核算缺位会造成自然资本折旧被忽视、市场失灵、外部性扩大以及财政和投资配置扭曲。文章进一步回顾全球与印度既有研究，指出森林生态系统服务单位面积价值及总价值估算差异显著，其根源在于服务类型覆盖范围不同、概念框架不一致、价值评估技术差异、生态区位异质性、森林类型差异以及保护状态差异等。
在印度背景下，森林具有明显的生态—社会—经济复合属性。印度森林覆盖多种生态类型，包括红树林、高山林、温带林、干旱与湿润落叶林、热带雨林及热带常绿林等，并支撑大量农村人口生计与林业就业。论文指出，尽管印度已有诸多森林生态系统服务经济价值研究，但研究范围常局限于特定地区、特定服务或单一森林类型，导致国家尺度上“全面、统一、可比较”的森林生态系统服务价值仍不清晰。特别是非木质林产品（non-timber forest products, NTFPs）、薪柴、放牧及文化服务等维持型和非正式依赖价值长期被低估。基于此，研究提出利用元分析与元回归框架，对印度森林生态系统服务价值证据进行整合，以弥补全国尺度每公顷价值与总价值缺乏系统评估的空白，并为森林转用补偿、净现值（Net Present Value, NPV）和生态恢复成本测算提供依据。
2. Materials and methods
2.1. The study area
研究区域为印度全国。文章概述了印度复杂的自然地理格局，包括山地、平原、沙漠和漫长海岸线，总国土面积为3,287,263 km
2。森林与树木覆盖总面积为827,357 km
2，约占国土总面积的25.17%，并分布于14个自然地理分区之中。印度森林被划分为16类，具有显著的气候、降水与温度梯度差异。热带干落叶林是面积最大的森林类型，而热带湿润落叶林和山地森林分布于较高降水区域。这些背景说明印度森林生态系统服务具有显著的空间异质性，为后续跨研究比较提供了生态地理基础。
2.2. Systematic review and Database compilation
论文采用系统性文献综述（systematic review）构建数据库。研究者以Google Scholar为主，并辅以Scopus、Science Direct、Springer Link、JSTOR以及部分开放获取资料库与官方文件进行文献检索，时间范围为2000—2024年。检索关键词围绕“ecosystem services”“economic valuation of forest ecosystem services for India”“meta-analysis”“meta-regression analysis”“monetary benefit on ecosystem services”“natural capital accounting”等展开。经初步检索获得53项研究，随后依据摘要筛选及纳入排除标准剔除8项，最终纳入45项研究作为分析样本。纳入研究须报告森林生态系统服务货币价值，明确评估方法、空间尺度与服务类别，并提供足够信息以实现价值标准化。
2.3. Method of Analysis
研究采用元回归分析（meta-regression analysis）整合45篇有关印度森林生态系统服务价值评估的文献。文章构建了包括文献搜集与筛选、研究识别、分类、数据提取与编码、价值标准化与同质化、元回归与诊断检验、结果解释等在内的七步方法框架。作者强调，元回归不仅用于汇总与标准化已有估值，更用于解释不同研究间报告价值系统性差异的来源，从而识别社会经济背景、生态系统服务构成及估值方法如何影响观测到的价值结果。
2.3.1. Literature selection and classification
纳入的45项研究被进一步按生态系统服务类型、评估方法、森林类型、空间尺度、评估年份及货币单位进行分类。服务类别主要包括供给服务（provisioning services）、调节服务（regulating services）与文化服务（cultural services）。这一分类使来源各异、方法多样的研究结果能够在统一框架下进行比较。
2.3.2. Data extraction and variable construction
研究从每篇文献中系统提取森林生态系统服务价值、估值方法、空间尺度、森林类型及服务类别信息，并在可能情况下分别记录供给、调节与文化服务货币值，再聚合为总生态系统服务价值。与此同时，研究还引入国内生产总值（GDP）、人口密度与森林覆盖率等社会经济和生态背景变量，并通过虚拟变量（dummy variables）表示不同估值方法与服务类别。文章说明，这些变量被用于刻画全国层面的估值环境，而非进行严格的区域内部识别。
2.3.3. Standardization and homogenization of values
为保证不同研究之间具有可比性，所有货币价值均被统一为2023年不变价并换算为共同货币单位（USD）。此外，对不同空间尺度下报告的价值结果进行标准化处理，以减少时间、空间及方法异质性带来的偏差。这一步骤是全文估值综合的关键基础。
2.3.4. Statistical assessment and validation
统计估计采用普通最小二乘法（Ordinary Least Squares, OLS）和对数线性设定（log-linear specification）。对数变换用于缓解估值数据中常见的偏态分布与极端值影响。研究还实施了相关性分析与方差膨胀因子（Variance Inflation Factor, VIF）检验，以评估多重共线性风险；并采用Breusch-Pagan检验考察异方差性。文章认为，在现有数据约束下，OLS作为基线估计方法具有解释透明、便于比较和方法一致性等优点。
2.4. Meta-Regression framework
元回归模型以总生态系统服务价值的自然对数为因变量，以GDP、人口密度、森林覆盖率、服务类别变量及估值方法变量为解释变量。模型旨在考察三类因素：社会经济变量、服务构成以及估值方法，对总森林生态系统服务价值的影响。文章同时指出，尽管总价值由供给、调节与文化服务加总而成，但在回归中纳入这些服务类别并非为了识别因果关系，而是为了揭示不同服务在既有估值实践中的反映程度与相对重要性。
3. Results
3.1. Comprehensive analysis of forest ecosystem services
结果表明，不同类型森林生态系统服务价值存在明显差异。供给服务平均值为9,638.4百万美元，中位数较低，且标准差很高，说明研究间离散性很强，这与森林质量差异、服务对象不同及估值方法不一致有关。调节服务平均值为12,149.6百万美元，文化服务平均值为17,168.3百万美元，其中文化服务表现出极高的最大值，表明特定区域中旅游、娱乐及文化联系显著抬升了估值结果。综合而言，森林生态系统服务平均总价值为43,301.2百万美元。文章据此估算，印度森林生态系统服务总价值为2,564,877百万美元，年均单位面积价值约为31,000.85 USD/ha/yr。
3.2. Temporal Trends in Forest Ecosystem services (2000-2024)
文章将2000—2024年的估值研究划分为四个阶段，用于描述估值重点与方法演进，而非直接比较绝对价值变化。2000—2010年为早期估值阶段，研究数量较少，主要集中于木材、薪柴、饲料、药用植物及其他NTPFs等供给服务，调节服务关注有限。2011—2015年，随着气候变化议题升温、碳市场发展及估值方法改进，森林生态系统服务评估数量增加，服务覆盖面扩大。2016—2020年被视为高估值或过渡阶段，调节服务与非市场价值获得更高重视，碳汇、水文调节与综合福利功能更常被纳入分析。2021—2024年则表现为高估值持续但波动性上升，不同研究因空间尺度、森林类型、服务范围与方法不同而呈现较大离散度。作者认为，这一演变更反映估值框架和研究视角的扩展，而不应简单解读为生态价值本身线性变化。
3.3. Value of forest ecosystem services by forest type
按森林类型划分，热带干落叶林的经济价值最高，约为7,028.0681亿美元/年，是印度森林总价值的重要来源，且其单位面积价值在2019—2023年间有所上升。热带刺林也具有较高估值，主要与其在防治土壤侵蚀、抑制荒漠化和支持畜牧生计方面的作用有关。热带湿润落叶林与半常绿林同样具有较高生态与经济贡献。亚热带森林中，亚热带松林估值较高，反映其对山地社区的重要支撑作用。温带森林中，喜马拉雅湿润温带林价值突出，兼具木材、药用植物和水文调节等多重功能；高山森林与高山草甸单位面积价值较高，显示其在气候稳定、生物多样性维持与水资源调节中的特殊地位。人工林与社会林业则更多体现商业生产与农村发展功能，其生态系统服务结构与天然林存在差异。
3.4. Factors influencing variations in the forest valuations
文章指出，森林估值差异主要受森林分布范围、森林面积、生态功能结构以及商业可利用程度影响。面积广、用途多样的森林类型通常具有更高总价值；而生态功能强但面积较小或可达性较低的森林，往往总量不高但单位面积价值较高。2019—2023年间部分森林面积变化亦影响了单位面积估值表现。作者强调，单纯森林覆盖率增加并不必然带来价值同比上升，森林质量、管理强度、生物多样性水平与退化状况同样重要。
3.4. Meta regression results
元回归结果显示，模型R
2约为0.742，说明解释变量能够解释约74.16%的总森林生态系统服务价值变异。GDP系数为正，但统计上不显著，表明经济增长可能通过绿色投资、修复与保护政策间接提升估值，但其影响并不稳定。人口密度系数为负且边际显著，说明人口压力、土地破碎化、资源过度利用及基础设施扩张可能压低森林生态系统服务价值。森林覆盖率系数为正但不显著，提示森林面积扩张若缺乏质量提升与功能恢复，未必对应显著估值增加。
在服务类别方面，供给服务系数为正但仅边际显著，说明其对总价值有贡献，但可能受过度采集、市场失灵和短期开发偏好制约。调节服务系数为正且显著，表明碳固存、水净化、气候调节与防灾减灾等功能在总体估值中具有更强解释力。文化服务系数亦为正且显著，且标准化系数最高，意味着旅游、休闲、精神文化与地方传统知识等非物质收益在当前估值文献中的重要性日益凸显。
在估值方法方面，不同方法与报告价值之间存在系统差异。市场价格法（market price method）和效益转移法（benefit transfer method）通常对应较高估值结果，反映其在大尺度估值中的适用性和普遍使用程度。生产函数法（production function method）也表现出较强正向作用，说明森林对农业、水资源与相关经济产出的支持功能较易通过该方法量化。相比之下，条件价值评估法（contingent valuation method）、旅行成本法（travel cost method）与特征价格法（hedonic pricing）在本研究中影响较弱或不显著，显示其在全国尺度综合森林生态系统服务估值中的解释力有限。
4. Discussion
讨论部分强调，印度森林生态系统服务总价值高，且单位面积价值显著，表明森林对国家财富、民生福祉与生态安全具有深远意义。研究认为，人口密度上升对森林生态系统服务存在较明显抑制作用，而GDP与森林覆盖率的正向影响受制于治理、质量和制度条件。文章还指出，调节服务之所以在估值中占据核心地位，是因为其与气候变化应对、水资源安全、灾害风险降低及健康成本节约密切相关，并越来越多地通过碳定价、REDD+（Reducing Emissions from Deforestation and Forest Degradation）和生态补偿机制得到经济表达。文化服务的重要性则反映出国家公园、 sacred groves 以及生态旅游地在保护与地方经济中的复合价值。
4.1. Limitations
研究承认若干局限：第一，不同文献采用的方法学差异较大，导致估值结果存在显著异质性；第二，部分研究仅聚焦单类生态系统服务，限制了对森林总经济价值的完整刻画；第三，价值标准化与效益转移过程本身存在误差来源；第四，时间维度上的研究数量和覆盖范围不均衡，也会影响阶段比较的稳健性。
5. Conclusion and policy implications
论文最后指出，印度森林生态系统服务估值研究已从早期以供给服务为主的市场导向分析，逐渐转向兼顾调节服务、文化服务与综合可持续性的评估框架。总体上，调节服务被认为具有最高经济重要性，文化服务对社会福祉贡献突出，而热带干落叶林在所有森林类型中表现出最强的经济贡献。研究建议将森林生态系统服务纳入国民收入核算体系，推动环境—经济核算体系（System of Environmental-Economic Accounting, SEEA）应用，完善生态补偿与森林转用补偿机制，并强化生态系统服务付费（Payment for Ecosystem Services, PES）、CAMPA资金配置、造林和森林恢复等政策工具。文章认为，只有在方法上更准确反映非市场收益，并在政策上承认森林自然资本价值，才能在经济增长与生态保护之间实现更可持续的平衡。
