中文摘要
消除贫困和阻止生物多样性丧失是联合国提出的、关乎全人类生存与发展的重要可持续发展目标。然而，人类发展与生态保护常常是共存且相互矛盾的，尤其是在生物多样性热点地区。中国以及全球范围内，主要通过设计与实施一系列兼顾保护与发展的政策/策略来实现生态保护与人类发展的双赢。其中，生态服务支付项目（Payment for Ecosystem Service programs, PES）与生态旅游（Nature-based tourism）是两种最常见的保护与发展政策。这些政策实施的效益将在很大程度上影响局域减贫和生态保护成果，进而影响全球可持续共发展目标的实现进程。中国是全世界生物多样性最丰富，同时也是人口最多的发展中国家之一，其保护和发展政策实施的效益受到我国XX与国内外学者的广泛关注和评估，尤其是PES项目。天然林保护工程（Natural Forest Conservation Program；NFCP）和退耕还林工程 （the Grain to Green Program；GTGP）是中国最大的森林保护工程，也是迄今为止全球最大的PES项目。尽管许多生态学家和社会学家分别对这两项PES政策和生态旅游经营的生态与经济效益进行了评估，但对于这些政策的能否在同一空间尺度上同时实现预期的减贫和生态保护目标还未可知。与此同时，对于政策的经济效益评估不同研究得出的结论之间往往存在差异或相互矛盾，导致了对于这两项政策的社会经济影响认识模糊不清。而造成这种现象的原因可能是保护与发展政策的经济影响存在空间异质性，即同一政策本身就会对不同区域农户产生不同的经济影响不同。然而，现有研究的评估方法、研究区域和研究尺度差异性较大，都不足以帮助理解这一假设。
为了解决以上问题，本文首先以卧龙保护区为例，整合了前人对卧龙保护区PES政策和生态旅游研究，展示了PES政策- NFCP和GTGP，和生态旅游在保护区的实施/发展，我们也调查了生态旅游游客的客源特征和行为，以期为制定针对性的旅游开发、规划、营销对策和维持生态旅游业健康、持续发展提供重要依据。然后，利用来自8个省共30个保护区的社区居民经济调查、生态旅游游客和森林覆盖变化数据，我们系统地评估了保护与发展政策在保护区尺度上同时产生的保护和经济影响，同时验证了保护与发展政策经济效益的空间异质性。最后，根据研究结果，探讨了PES政策实施和生态旅游发展中存在的问题，并对未来保护与发展政策研究，以及充分、可持续地实施PES政策和生态旅游策略提出了建议。
保护与发展政策在保护区的发展研究结果表明：（1）PES政策在保护区的实施和国家政策保持的高度的一致；（2）卧龙保护区生态旅游的发展明显经历了探索、起步和发展3个阶段阶段，最后被2008年汶川地震所打断；（3）卧龙保护区客源主要集中在川内，游客男女比例1：1.3，主要以19—49岁的中青年（67%）、大学及以上学历（67%）的中等收入群体为主，61.8%的游客仅停留1-2天；（4）整合其他保护区客源研究发现，保护区游客客源一般集中在保护区所在省市，主要以20-50岁的中青年、大学及以上学历、中等收入游客群体为主，且多停留2天或更短的时间。
保护与发展政策在保护区尺度上同时产生的生态和经济效益评估结果显示：（1）NFCP政策能有效减少森林丧失，促进森林恢复，但经济效益甚微；（2）GTGP政策能显著促进森林恢复，但同时也增加了森林丧失，对居民经济收入的提高效力有限；（3）生态旅游的发展显著促进了30个保护区的森林恢复，同时显著提高了参与居民的收入，显示生态旅游在一定程度上能够促进保护区生态保护和居民经济的协同发展；（4）部分家庭属性（如生计活动）和保护区属性（如管理级别和知名度）也对居民收入，森林恢复和丧失有显著影响。
保护与发展政策经济效益的空间异质性评估结果显示：（1）PES政策和生态旅游的经济影响确实存在空间异质性，NFCP，GTGP和生态旅游仅对个别保护区居民的经济收入显著的正影响；（2）两项PES政策都更有可能对资产较少（如住房面积小）和参与务农的家庭产生显著的正影响。
本研究论文表明仅仅依靠宏观尺度（如国家级）的政策干预很难在地方层面实现经济发展和生态保护的双赢，特别是那些经济效益甚微的PES政策。因此，我们建议制定更具体、更有针对性的兼顾区域社会经济和自然资源特点的实施计划帮助提高其社会经济效益，如开展一些XX主导或XX协助的基于当地资源的家庭生计转型计划。同时，我们对于保护区游客客源特征及行为的分析，将为包括卧龙保护区在内的所有保护区，以及未来国家公园建立后制定针对性的旅游开发与规划、营销对策提供重要依据。本研究将为今后中国更完全和充分地实施两项PES政策和保护区生态旅游，进而真正实现保护与发展的共赢提供参考。此研究意义同时也适用于中国和世界其他地方的保护与发展政策。
关键词：天然林保护工程；退耕还林工程；生态旅游；生态效益；经济效益；保护区；双赢；生态支付项目；可持续发展目标；减贫
第1章 前言
1.1 保护与发展政策的实施与发展
1.1.1 PES政策的实施
改革开放以来，中国社会经济快速发展成为世界第二大经济体。然而，该举世瞩目成就的取得是以严重的环境恶化为代价的 [1]。例如，盲目毁林开垦和进行陡坡地、沙化地耕种，导致我国严重的水土流失和风沙危害，洪涝、干旱等自然灾害频发，同时造成严重的社会经济影响。为应对严重的环境危机和提高人类福祉，中国实施了一系列大尺度的生态系统服务支付（Payment for Ecosystem Services，PES）项目国家政策， 如重点防护林工程建设项目，全国野生动植物保护及自然保护区建设工程，森林生态补偿项目等。PES政策是一种通过向土地所有者提供补贴，激励他们不改变具有高保护价值的土地，从而促进生态保护和生态系统服务的提供[2,3]。
1997年，我国发生严重的干旱灾害，全国受灾面积50271万亩,成灾30015万亩，绝收5937万亩，粮食减收476亿公斤[4]。1998年7月，长江爆发特大洪水灾害，受灾面积2229万公顷，最终导致4150人死亡，直接经济损失达2551亿元人民币[5]。接连两次严重的自然灾害促使中国实施了另外两项重大的PES政策-天然林保护（the Natural Forest Conservation Program, NFCP）和退耕还林（the Grain to Green Program, GTGP） 工程 [6–9]。NFCP和GTGP都是通过激励手段（如提供经济补贴）促进居民生计向可持续生计转变以达到减贫的目的，同时实现生态保护的保护与发展政策[1,10,11]。具体而言，NFCP主要通过向森工企业或工人提供经济补贴以禁止采伐，同时进行监测活动禁止非法砍伐的方式保护天然森林；而GTGP则通过向农民提过物品（如粮食，种子，肥料）或经济补贴，将坡度大于15°（西北地区）或25°（其他地区）的耕地转换为林地或草地，实现土地资源的合理利用，植被覆盖率的提高以及生态安全的保护[10,12,13]。
NFCP政策于1998年开始实施，涉及12个省（区、市）。2000年，NFCP政策的实施范围增加至18个省。该政策实施的总体目标是通过禁止伐木来保护和恢复天然林。同时，为了实现这一总体目标，XX提出了近期、中期和远期3个阶段性目标。短期目标（1998-2000年）主要是消除或减少天然林的砍伐，为传统森林企业创造替代就业机会，妥善安置因木材减产形成的富余人员。中期目标（2001-2010年）主要是建设与保护生态效益林，并提高人工林的木材供给能力。最终目标（2011-2050年），天然林得到根本恢复，实现人工林满足国内木材需求。主要的任务目标有：1）天然林木材减少量有1997的3200万立方米减低至2003年的1200万立方米；2）9000万保护天然林得到有效保护；3）截至2010年，通过封山育林，飞播和人工种植等方式累计造林870万公顷。具体的主要实施措施见表1.1。
GTGP政策于1999年在四川、陕西和甘肃3个省份开始试行。2000年3月，GTGP的实施扩大到云南，贵州，四川，湖北，陕西，河南，山西，甘肃，宁夏，青海，新疆和重庆12个省的174个市[14]。2002年，开始全面实施，政策共涉及25个省（区、市），共1897个县（含市、区、旗）。最初，GTGP政策的终止时间为2010年，目标和任务是：到2010年，完成退耕地造林1467万公顷，宜林荒山荒地造林1733万公顷（包括1999－2000年退耕还林试点任务），陡坡耕地基本退耕还林，工程区林草覆盖率增加4.5个百分点，最终控制水土流失8667万公顷，控制沙漠化10267万公顷。具体任务目标有：1）到2005年，退耕1133万公顷的坡耕地，包括440万公顷坡度大于25°的耕地坡地和沙漠化的土地；2）退耕耕地330万公顷，对440万公顷植被稀少的丘陵和沙地进行重新造林。具体的主要措施见表1.1。2013年起，GTGP政策规定的资金补贴期限陆续到期。但，甘肃、内蒙古、贵州、湖南、湖北、四川、重庆、云南等省市都向xxx递交了重启退耕还林工作的报告。2018年，国家下发了《关于下达2018年退耕还林还草任务的通知》，意味着新一轮的GTGP正式启动，其主要涉及蒙古自治区、安徽省、湖北省、湖南省、重庆市、四川省、贵州省、云南省、陕西省、甘肃省、青海省、宁夏自治区、新疆自治区13个省（区）。新的退耕还林每亩补助1600元（1200元由国家财政专项资金直接补助；400元种苗造林费），分三次发放，第一次800元，第二和第三次各400元。退耕还草每亩1000元（600元由国家财政专项资金直接补助，400元种苗种草费），分2次发放，一年发600元，第二年发400元。
除了保护森林生态系统，这两项政策实施的另一主要目标减贫[1,11,15]。为了有效实现生态保护和居民协同发展目标，XX制定了一系列具体的政策措施（见表1.1）：
表1.1NFCP和GTGP项目的主要政策措施[14,16,17]
Table1.1 Key policy measures of the NFCP and GTGP
| PES项目
PES program | 主要实施政策
Key policy measures |
| NFCP |
|
| GTGP |
|
1.1.2 生态旅游的发展
以自然为基础的生态旅游（Nature-based tourism）最早由世界自然保护联盟（IUCN）于1983年提出。1993年，国际生态旅游经营协会将其定义为：在一定的自然区域中保护环境，并提高当地居民经济收入的一种旅游经营行为。此后，生态旅游被赋予生物多样性保护与减贫的双重职责。生态旅游提出以后，在我国得到高度重视。1999年，国家旅游局将其定义为“中国生态环境游年”。1995年，“中国首届生态旅游研讨会”在西双版纳召开，会后“生态旅游”一词频频出现在各类期刊杂志上，自此生态旅游成为我国研究热点。2009年，家旅游局再次将本年定义为“中国生态旅游年”。目前，尽管生态旅游的概念与内涵还未达成一致，但有几点已经达成共识：以自然为基础、对环境负面影响小、能为地区及当地居民带来经济效益、环境教育作用、能够可持续发展。旅游被认为是全世界最大的产业18，而生态旅游是旅游产业增长最快的部分。
保护区是全球生物多样性保护的主要工具[19]，也是生态旅游的主要目的地。目前，全世界共有29万多个保护区，占陆地总面积的15.4% [20]。中国共建立各类保护区1.2万个，覆盖20%的国土面积。大多数保护区多位于遥远的贫困山区，面临着严重的经济发展和 生态保护冲突。与此同时，保护区拥有保存完好的生态系统和丰富的自然资源，成为开展生态旅游的理想场所 [21–23]。1990年代以来，世界范围内许多生物多样性丰富，同时经济落后的国家/地区都在保护区内大力发展生态旅游，以达到居民发展和生态保护协同发展的目的[24]。例如，尼泊尔[25]、印度尼西亚[26,27]、乌干达[28,29]、中非共和国[30]和哥斯达黎加[31]等。有报道称在整个南部非洲，以自然为基础的旅游业产生的收入大致相当于农业、林业和渔业的总和。中国作为全球生物多样性最丰富的国家之一，也大力提倡保护区生态旅游的发展[32,33]。21世纪初，我国就有80%的自然保护区都实施了生态旅游项目，其中近16%保护区每年接待超过10万名游客[34]。
1.2 NFCP的生态与经济效益研究综述
1.2.1 NFCP政策的生态效益研究
NFCP政策实施后，我国木材采伐量急剧下降，到2000年，全国13个省停止了天然林商业性采伐，未采伐面积达到890万公顷[10]；1997年至2003年，中国东北和内蒙古的木材采伐量从1853万 立方米下降到1100万立方米，下降了41% [35]。随着封山育林政策的实施，各地森林资源也持续增长，到2005年，人工林面积扩大近1100万公顷 [10]；仅四川省盐边和峨边两个县天然林面积增加3.89万公顷, 人工林面积增加2.94万公顷，蓄积增加129.61万公顷[36]。保护区的森林资源也持续增长，杨全生等利用3S技术分析了祁连山自然保护区一期（2001-2010年）NFCP政策实施的成效，显示保护区各林地面积均有所增加，其中未成林面积增加283.6% [37]；刘扬晶等评估了NFCP政策的实施对17个国家级自然保护区的影响，结果发现NFCP政策实施18年后保护区内有林地面积（平均增长7%）、森林覆盖率（平均增长2.1%）和活立木蓄积量（平均增长10%）均有所增加[38]。
NFCP实施后，很多生态系统服务也有所提高，如碳储存、水土保持。1998-2004年，由于NFCP的实施储存的总碳量为44.1Tg，占中国二氧化碳排放量的1.2% [39]；其中，中国东北和海南、长江上游、黄河上游的NFCP种植林碳储存量分别为6.4Tg，12.6Tg和2.3Tg，共计21.3Tg[10]。到2013年，东北天保工程区森林植被的碳储量达1045 Tg，占东北、内蒙古三省森林植被总碳储量的68%；工程区森林植被平均碳密度为41 Mg/hm2，较东北、内蒙古三省平均植被碳密度高14%，且随林龄的增加逐渐增大[40]。此外，由于木材产量减少了970万立方米，也导致减少了22.8Tg的碳排放[10]。对长江、黄河中上游22个县的抽样分析表明，从1998年至2003年，水土流失面积也减少了6% [10]。四川省减少水土流失15亿吨 [41]。范琳也评估了山西省2016年NFCP政策的综合效益，总价值1 193.02亿元，占当年全省GDP的1.9倍，其中生态效益和经济效益各占78.83%和19.30% [42]。
近年来，一些学者开始更加严谨地将以上一些评价指标的变化与NFCP政策的实施联系起来。2013年，Li et al.,评价了NFCP和GTGP政策对四川和陕西大熊猫分布区108个镇，2001-2008年森林覆盖变化的影响，结果发现NFCP对森林覆盖变化没有显著影响[9]。2013年，Yang et al.,以卧龙保护区为例，对比了以1965-2001年历史森林恢复为基线预测的不实施NFCP政策情景下2007年卧龙保护区的森林覆盖和真实情况下的森林覆盖，发现实施NFCP后的森林覆盖值比根据历史趋势预测的森林覆盖值高1.1万公顷[43]，表明该政策的实施显著加快了森林覆盖的增加。2014年，Chen et al., 以卧龙国家级自然保护区为例评估了NFCP政策的效益，结果显示依照当前NFCP的政策实施状况，到2030年卧龙自然保护区的森林将增长1.45万公顷[44]。2015年，Ren et al.,的研究显示，2000-2010年，实施NFCP的省份超额完成了每年减少1.1%的森林砍伐的目标，且实施NFCP政策省份的森林丧失率比未实施NFCP政策省份的森林丧失率低3.3倍[45]。2016年，Tuanmu et al.,通过评估NFCP政策实施对卧龙自然保护区2001-2007年的大熊猫栖息地适宜性变化的影响评估了NFCP对大熊猫栖息地保护和恢复的效益，发现NFCP实施后大熊猫栖息地面积和适宜性都有所增加，且当地居民参与监测的区域栖息地适宜性的增加是XX监测区域的2.5倍[46]。2016年，Viña et al., 评估了NFCP对2000-2010年全国森林覆盖变化的影响，结果显示NFCP对森林恢复有显著地正影响[47]。2016年，Ouyang et al., 对2000-2010年期间的全国生态系统服务变化进行了评估，结果发现NFCP政策显著提高了碳储存、土壤保持和水分保持的生态系统服务[1]。
1.2.2 NFCP政策的经济效益研究
NFCP政策实施的经济效益各不相同。刘璨等对来自四川省峨边县和盐边县及黑龙江省清河林业局的89户农户样本进行了分析，结果表明NFCP政策的实施对四川省峨边县和黑龙江清河林业局农户的总收入有显著负面影响，对峨边县农户的林业收入也有显著负影响，但对黑龙江清河林业局林业收入有显著正影响；而对盐边县农户的总收入和林业收入的负影响都不显著[48]。吴水荣等也评价了NFCP政策在峨边县和盐边县的社会经济效益，发现NFCP政策的实施使农户总收入和林业收入明显减少，而对盐边县农户的总收入和林业收入影响不大[49]。魏智海对甘肃小陇山林业局NFCP政策实施4年后的社会经济效益进行了评估，显示NFCP政策给森林企业带来了局部的经济损失，但地方财政、职工企业和当地农户的收入都有所增加 [50]。乔荣锋等调查了湖北、四川和重庆3个省，225户农户1998年和2003年两个时间点的家庭经济数据，通过对比发现尽管NFCP政策的实施大幅度减少了农户的林业收入，但农户总收入却有所增加[51]。Liu et al.,利用来自4个省1968户居民，1995-2004年的农户数据分析了中国林业项目对农户收入的影响，发现NFCP和GTGP政策对居民收入都有积极影响，其中GTGP影响最大[16]。Calderon从总产出、附加值、就业和家庭收入等方面评估了NFCP政策对云南省经济的影响，研究发现NFCP政策实施的第一年对总产出、增加值和家庭收入有正向影响，但在之后的几年随着投资的减少对区域经济有显著的负向影响[52]。刘浩利用6省15县的1921户农户、1995-2008年的数据分析了NFCP和京津风沙源治理等林业重点工程对农民持久收入的影响，结果发现NFCP政策显著降低了农户的持久收入，但随着时间的推移，样本农户的持久收入逐渐上升[53]。
1.3 GTGP政策的生态和经济效益研究综述
1.3.1 GTGP的生态效益
与NFCP相似， GTGP实施的第一个8年时间里，关于其生态效益的评估主要通过评估那些可以直接观察到的指标的变化，如土地转化和造林的数量，植被覆盖、水面径流和土壤侵蚀。截至2006年，GTGP将近900万公顷的农田转化为森林/草原，造林面积1170万公顷 [10]。2000-2005年，仅贵州省的森林面积就增加了5.5%（95.2万公顷）[54]。 国家林业局统计数据表示，GTGP实施范围内的森林覆盖在8年内增加了2%[10]。到2009年，3200万农户参与GTGP，共退耕约880万公顷农田[55]。2013年7月24日，安徽合肥召开了全国林业厅座谈会，会上总结到2012年底，中央已累计投入3247亿元，2279个县1.24亿农民直接受益；全国1.39亿亩陡坡耕地和严重沙化地恢复了植被；累计完成造林任务4.41亿亩，使占国土面积82%的工程区森林覆盖率平均提高3个多百分点，水土流失和风沙危害明显减轻。
GTGP的实施也减少了地表径流和土壤侵蚀。以湖南省为例，从2000年到2005年，水土流失减少了30%，地表径流减少了20% [56]。1998 – 2003年，四川省14个县的森林面积增加了11.31万公顷（占14个县森林总面积的12.7%），水土流失面积从13528平方公里减少到12171平方公里，减少了10% [57]。湖北省三峡库区秭归县2000年退耕还林3085公顷（占秭归县耕地总面积的8.1%），到2005年水土流失减少5.49万吨/年[10]。三峡库区秭归县GTGP实施5年后，与未实施GTGP的较陡坡度的耕地相比，经过改造的农田的地表径流减少了75%~ 85%，水土流失减少了85%~ 96% [58]。
同样地，近年来，部分学者开始更加严谨地将一些评价指标的变化与该政策的实施联系起来。2013年，Li et al.,同时评价了NFCP和GTGP政策对四川和陕西大熊猫分布区108个镇，2001-2008年森林覆盖变化的影响，结果发现GTGP政策的实施对年森林覆盖变化率有显著的正影响[9]。2016年，Ouyang et al., 对2000-2010年期间的全国生态系统服务变化进行了评估，发现GTGP政策显著提高了我国碳储存、土壤保持和预防沙尘暴的生态系统服务功能[1]。
1.3.2 GTGP的经济效益
与NFCP政策相似，GTGP政策实施的经济效益也有所不同。Uchida et al., 分析了GTGP政策的实施对农村地区减贫的影响，发现GTGP政策在减贫方面取得了成功，尽管贫困家庭可能并没有从中受益最多[12,59]。此外，他们的研究也表明，参与该政策的家庭比未参与家庭开始更快速地向非农业部门转移劳动力。相反，Xu et al.,等研究了GTGP政策在四川、陕西和甘肃3省实施4年的经济效益，发现GTGP政策对农户收入影响不大[60]。2007年，李卫忠等分析了来自陕西吴起县的1619户农户样本，发现GTGP政策实施后55%的参与农户的经济收入有所增加，且促进了剩余劳动力向务工或其他副业的转移[61]。2009年，杨小军和徐晋涛利用2003年、2005年对陕西、甘肃和四川3个省份的跟踪调查数据，研究了GTGP政策的实施对不同收入水平（高，低）和不同收入结构的参与农户的影响，发现GTGP政策对增加农户总收入的作用甚微，且大幅度减少了农户的农业种植收入，但却显著促进了劳动力转移[62]。在Liu et al.,对4省1968户农户样本的研究中，GTGP对农户收入有积极影响，且影响大于NFCP政策[16]。2016年，刘凌宇对陕西省12个乡镇的143户农户进行了调查分析，发现参与退耕还林工程的农户家庭收入平均增加30.8% [63]。Yao等通过对黄土高原3个县的600户居民的经济进行分析发现参与GTGP对家庭总收入有正面影响，但不显著，但对非农就业有显著[64]。Li 等评估了GTGP对陕西省周至县929户农户收入的影响，结果表明参与GTGP对家庭收入，尤其是中低等收入的家庭有显著的正影响[11]。2018年，而Yang等以卧龙保护区为例，通过探究从GTGP政策到社会经济效益的途径发现GTGP能够促进居民参与旅游和外出打工增加家庭收入，但只能抵消由农作物减产导致的收入减少的34%，而政策补贴也只能抵消11%，最终对居民收入产生负影响[65]。
1.4 生态旅游的生态和经济效益综述
1.4.1 生态旅游的环境影响
生态旅游对环境的影响研究主要集中于生态旅游活动对野生动物、植被、土壤等的影响。马建章和程鲲对国外生态旅游对野生动物的影响进行了综述，总结生态旅游对野生动物的影响包括直接影响和间接影响，直接影响包括改变个体行为反应和指标、繁殖力降低、改变种群分布和物种组成等，而间接影响包括生境破坏、环境污染和外来种散布[66]。李双喜和陈永乐评价了旅游活动对太白山龙洞沟大熊猫栖息地的影响，发现旅游活动（如对讲机，大声喧哗，露营生火等）不仅直接对该区域的野生动物产生干扰，游客对于野味的“追求”也间接导致当地居民进入保护区偷猎野生动物，同时对地表土壤和植被产生负面影响[67]。张涛等也提出大熊猫生态旅游，尤其是旅游旺季频繁的人为活动和人群聚集产生的喧闹会影响大熊猫的活动范围及其繁殖行为；夜间游行的灯光和篝火会对大熊猫和其伴生动物（如扭角羚）的夜间行为产生干扰；旅游活动也会从增加森林火灾隐患、破坏植被、加剧栖息地破碎化和增加生态环境污染4个方面对大熊猫栖息地产生影响[68]。王晶和赵雷刚在佛坪自然保护区发现，随着旅游人员的增加，野生动物活动及动物痕迹数量显著减少[69]。徐颂军等研究了广东省古兜山自然保护区生态旅游开发对区内植物生态和景观生态的影响，结果显示生态旅游对全区植物的平均生态影响度指数为较严重级，旅游活动对活动点周围2~4米范围内的植被有显著影响，且山地草甸、常绿针阔叶混交林和人工林受影响强度最大[70]。章锦河基于生态足迹理论，构建了旅游废弃物生态影响评价模型，并以九寨沟和黄山作为演示，发现2004年九寨沟旅游废弃物生态足迹总量是黄山的2.1倍，且旅游业CO2排放量分别高达309455.66t与146947.84t [71]。陈飙和杨桂华以香格里拉碧塔海景区为例，研究了旅游践踏对土壤的影响，发现土壤践踏严重的地段，土壤容重增加率在0.3左右，表现为表土裸露，草木覆盖度几乎为零，植被恢复较困难[72]。蒋志成等在祁连山自然保护区的6个景区选取6个样地，研究了生态旅游对祁连山自然保护区土壤的影响，结果显示在游客干扰强烈的地区，游客对土壤践踏严重，土壤容重增加、有机质减少、肥力下降[73]。
1.4.2 生态旅游的经济效益
保护区生态旅游促进保护和减贫的主要途径就是提高自然保护区社区居民经济收入，缓解保护区与社区发展的矛盾冲突，进而促进生物多样性保护。国内外许多学者针对生态旅游和社区发展开展了研究，普遍认为生态旅游可以为社区居民带来短期的经济活动（如提供就业机会），同时提供实现长期可持续生计的机会。刘洋和吕一河以卧龙自然保护区为案例，研究了保护区内旅游从业人员的经济收入、就业机会和利益分配，结果表明生态旅游的确可以给一部分居民带来经济收入，但收入总量较低，且旅游经济收入和相关就业机会在保护区内、外来人员之间明显分配不均[74]。Liu et al.也对卧龙自然保护区旅游经济的利益分配进行了研究，得出同样的结论，即旅游利益分配在当地居民和其他利益相关者之间显著地不均等，在当地居民内部也不均等[24]。马奔和温亚利利用7省40个保护区的农户调查数据分析了生态旅游对参与家庭收入的影响，研究表明相比若未参与生态旅游，参与生态旅游经济经营的家庭人均纯收入增加了20%、人均非农收入增加了47% [75]。马奔等也对森林景区周边居民的生态旅游经营进行研究，认为生态旅游是当地社区摆脱贫困的有效手段[76]。韩锋等通过对云南省5个国家级自然保护区及周边社区的研究发现参与森林旅游经营居民的人均收入显著高于非参与农户的人均收入，且森林旅游经营家庭的旅游收入高于非旅游收入，成为其家庭收入的主要来源[77]。
然而，生态旅游对社区发展的正向影响也受到一些学者的质疑。部分学者认为生态旅游的发展可能会导致保护区物价上涨和通货膨胀的发生，进而提高居民的生活成本，降低当地居民的生活水平，对经济产生不利影响[78]。也有学者提出当旅游收入作为利润流向外地企业或用于购买外部商品和服务而离开目的地（如保护区）时，就会发生渗漏，进而降低旅游目的地的经济受益，影响保护效果 [25,27,79,80]。Sandbrook基于对82个旅游团的161名游客的访问数据和当地企业调查的数据，评估了乌干达布温迪国家公园不同形式旅游的总消费和当地保留消费，发现旅游总消费随着旅游形式和时间的增加而增加，但当地保留支出仅与停留时间长短有关，并提出高成本的旅游形式作为一种从保护中产生当地利益的工具可能没有想象的效果[80]。苏扬的调查研究发现，我国发展生态旅游的保护区中，仅10.7%的保护区内有超过一半的居民从中受益，而其中22.7%保护区周边的居民并未从中受益[81]，这可能会导致保护与发展矛盾的进一步激化。
1.5 本研究目的及拟解决问题
1.5.1 研究目的与意义
消除贫困和阻止生物多样性丧失是联合国提出的、关乎全人类生存与发展的重要可持续发展目标[82]。然而，人类发展与生态保护常常是共存且相互矛盾的，尤其是在生物多样性热点地区。中国及全球范围内，主要通过设计与实施一系列兼顾保护与发展的政策/策略来协调保护和人类发展的矛盾冲突[11,83]， 其中PES政策和生态旅游发展是最常见的两种措施。中国是全世界生物多样性最丰富，同时也是人口最多的发展中国家之一，其保护和发展政策实施的生态与经济效益关乎全球可持续发展目标的进程与实现。然而，尽管许多学者评估了它们的生态与经济效益，但仍然有一些重要的研究问题有待解决/回答：1）已有的大多数研究都是单独讨论了PES政策和生态旅游的生态或经济效益，关于这些政策是否能在同一空间尺度上同时实现预期的保护和减贫目标仍然不清楚，亟需更多广泛的，综合的，同时评估其保护与经济影响的实证研究；2）大量政策经济影响评估的研究结果之间存在差异或相互矛盾，而导致对于保护与发展政策经济影响认识的模糊。而造成这种现象的原因可能是保护与发展政策的经济影响存在空间异质性，即同一政策本身就会对不同区域农户产生不同的经济影响不同；加之评估中尺度效应的存在，当将这些产生了不同效益的地区的数据汇集到一个单独的分析时，影响可能会相互抵消。然而，现有研究的评估方法、研究区域和研究尺度差异性较大，都不足以帮助理解这一假设。为了回答以上问题，以及验证我们提出的关于政策经济效益的假设，利用来自8个省共30个保护区的社区居民经济调查、生态旅游游客和森林覆盖变化数据，同时整合前人已有的研究数据和成果，我们：1）展示了保护与发展政策（PES政策- NFCP和GTGP，生态旅游）在保护区的演变和发展；2）评估了保护与发展政策在保护区尺度上同时产生的保护和经济影响；3）评估了保护与发展政策经济效益的空间异质性。我们的研究将为了解PES政策和生态旅游政策在保护区的演变发展，以及PES政策和生态旅游复杂的生态和经济影响提供新的视角，同时也为这些策略在中国和世界其他地区充分和可持续地实施提供了重要的参考信息。
1.5.2 研究内容
本研究以探究NFCP，GTGP和生态旅游发展政策的生态保护与经济发展效益为总目标，主要研究内容如下：
保护与发展政策在保护区的发展本研究收集了NFCP和GTGP政策在卧龙保护区的实施时间、期限等信息，整理了卧龙保护区生态旅游发展研究的相关文献，描述了保护区与发展政策在保护区的发展。同时，我们还分析了游客的客源特征和行为等，制定针对性的旅游开发、规划、营销对策以维持生态旅游业健康、持续发展提供重要依据。
保护与发展政策在同一尺度上的生态和经济效益利用社区居民访问调查数据和森林覆盖变化数据，同时评估了PES政策和生态旅游，以及家庭和保护区属性等对30个自然保护区居民经济收入、森林丧失/恢复的影响，进而评估两项保护和发展政策能否在同一尺度上同时产生预期的，积极的生态和经济效益。
保护与发展政策经济效益的空间异质性利用社区居民访问数据，分别评估了PES政策和生态旅游对各个保护区居民经济收入的影响，以此保护与发展政策的经济效益是否存在空间异质性；并在此基础上，对有显著正影响的政策参与家庭和无正影响的政策参与家庭的特征进行对比分析，进一步确定政策对哪些家庭更容易产生显著正效益。
1.5.3 拟解决的关键问题
明确PES政策和生态旅游在保护区内的发展，尤其是生态旅游的发展；明确PES政策和生态旅游是否能在同一空间尺度上同时实现预期的，积极的生态和经济效益目标；明确PES政策和生态旅游的经济效益是否存在空间异质性。
第2章 研究区域与材料
2.1 研究区域
2.1.1 调查对象
本研究论文以人类发展与生态保护矛盾最突出的自然保护区为例，研究保护与发展政策的生态与社会经济效益。本研究选取大熊猫现在或历史分布省份的30个自然保护区进行了调查研究，其中包括18个国家级自然保护区，10个省级自然保护区和2个市级自然保护区（表2.1）。具体为：武夷山国家级自然保护区、八大公山国家级自然保护区、黄桑国家级自然保护区、车巴岭国家级自然保护区、南岭国家级自然保护区、崇左国家级自然保护区、大瑶山国家级自然保护区、十万大山国家级自然表情和、金佛山国家级自然保护区、米仓山国家级自然保护区、紫柏山国家级自然保护区、小陇山国家级自然保护区、华蓥山自然保护区、老君山国家级自然保护区、美姑国家级自然保护区、龙溪-虹口国家级自然保护区、瓦屋山自然保护区、王朗国家级自然保护区、 片口自然保护区、千佛山自然保护区、小寨子沟自然保护区、小河沟自然保护区、宝顶沟自然保护区、白河自然保护区、白羊自然保护区、黄龙自然保护区、九寨沟国家级自然保护区、龙滴水自然保护区、卧龙国家级自然保护区、包座自然保护区。
其中，四川省卧龙国家级自然保护区(102°52′~103°24′E，30°45′~31°25′N)建立于1963年，是我国建立最早的以保护大熊猫及其栖息的森林生态系统为主的综合性自然保护区之一，也是全球最著名的大熊猫保护区之一。主要保护大熊猫（Ailuropoda melanoleuca）、小熊猫（Ailurus fulgens）、川金丝猴（Rhinopithecus roxellanae）、珙桐（Dawidia involucrata）等珍稀濒危动植物以及高山生态系统。卧龙保护区地质构造属龙门山脉褶断带的中南段，地貌为四川盆地向川西高原过渡的高山峡谷地带，地势由东南向西北急剧递增，最高峰四姑娘山海拔6250m，东西长52km，南北宽62km。卧龙保护区是世界上最大的一个以保护大熊猫为主题的联合国“人与生物圈保护网”成员单位, 自20世纪90年代开始，卧龙保护区就在当地XX的支持下开始发展生态旅游业。
表2.1 30个自然保护区的基本属性
Table 2.1. Attributesof the 30 nature reserves we studied
| 名称
Name | 首字母
简写 Abbreviations | 省份
Province | 建立时间/年
Es-time/year | 管理水平
Management level | 面积/
公顷 Area/ha | 是否
著名 Famous |
| 武夷山 | WYSNR | 福建 | 1979 | 国家级 | 56527 | 是 |
| 八大公山 | BDGSNR | 湖南 | 1982 | 国家级 | 20000 | 否 |
| 黄桑 | HSNR | 1982 | 国家级 | 12590 | 否 | |
| 车巴岭 | CBLNR | 广东 | 1981 | 国家级 | 7545 | 否 |
| 南岭 | NLNR | 1984 | 国家级 | 50000 | 是 | |
| 崇左 | CZNR | 广西 | 1980 | 国家级 | 35148 | 否 |
| 大瑶山 | DYSNR | 1982 | 国家级 | 24909 | 否 | |
| 十万大山 | SWDSNR | 1982 | 国家级 | 58277 | 否 | |
| 金佛山 | JFSNR | 重庆 | 1979 | 国家级 | 130000 | 否 |
| 米仓山 | MCSNR | 陕西 | 1986 | 国家级 | 11500 | 否 |
| 紫柏山 | ZBSNR | 2002 | 国家级 | 3500 | 否 | |
| 小陇山 | XLSNR | 甘肃 | 1982 | 国家级 | 34192 | 否 |
| 华蓥山 | HYSNR | 四川 | 2000 | 省级 | 15200 | 否 |
| 老君山 | LJSNR | 2000 | 国家级 | 31938 | 否 | |
| 美姑 | MGNR | 1994 | 国家级 | 88400 | 否 | |
| 龙溪虹口 | LXHKNR | 1997 | 国家级 | 16204 | 否 | |
| 瓦屋山 | WWSNR | 1993 | 省级 | 76710 | 否 | |
| 王朗 | WLNR | 1965 | 国家级 | 60000 | 是 | |
| 片口 | PKNR | 1993 | 省级 | 64297 | 否 | |
| 千佛山 | QFSNR | 1993 | 省级 | 31100 | 否 | |
| 小寨子沟 | XZZGNR | 1979 | 省级 | 50655 | 否 | |
| 小河沟 | XHGNR | 1993 | 省级 | 32297 | 否 | |
| 宝顶沟 | BDGNR | 1993 | 省级 | 31000 | 否 | |
| 白河 | BHNR | 1963 | 省级 | 8829 | 否 | |
| 白羊 | BYNR | 1993 | 省级 | 11083 | 否 | |
| 黄龙 | HLNR | 1983 | 省级 | 200000 | 是 | |
| 九寨沟 | JZGNR | 1982 | 国家级 | 44384 | 是 | |
| 龙滴水 | LDSNR | 2004 | 市级 | 36490 | 否 | |
| 卧龙 | WOLNR | 1963 | 国家级 | 28227 | 是 | |
| 包座 | BZNR | 1994 | 市级 | 105097 | 否 |
注释：根据保护区名称在网络报道和学术研究（如CNKI，Google Schalor）的出现频次，判定前6为著名保护区，包括武夷山、南岭、黄龙、九寨沟、王朗、卧龙。
2.1.2 分布情况
本次调查研究的30个自然保护区跨越了8个省份。按分布省份分，福建省1个，湖南省2个，广东省2个，广西省3个，重庆市1个，陕西省2个，甘肃省1个，四川省18个（图2.1）。
图2.1 30个自然保护区在中国的地理分布
Figure2.1The geographical distribution of 30 PAs studied China
2.1.3 主要保护对象
本次调查的保护区类型多样，保护的主要对象也比较多样，主要包括：1）以保护珍稀濒危野生动物及其栖息地为主要对象，包括大熊猫（Ailuropoda melanoleuca），雪豹（Panthera uncia），川金丝猴（Rhinopithecus roxellanae），白头叶猴（Trachypithecus poliocephalus ssp. leucocephalus），黑叶猴（Trachypithecus francoisi），四川山鹧鸪（Arborophila rufipectus）等野生动物；2）以保护森林生态为主要对象的保护区，涉及了亚热带，中亚热带常绿阔叶林，暖温带亚热阔叶林等温带植被类型。
2.1.4 政策实施现状
实施NFCP政策的保护区26个，占总数的86.76%；实施GTGP政策的保护区27个，占保护区总数的90%；同时实施两项PES政策的保护区24个，占保护区总数的80% （表2.2）。发展整体旅游的保护区28个，占保护区总数的93.33%。
表2.2保护区的政策实施概况
Table 2.2 General information about the implementation of polices in PAs
| 名称
Name | 天然林保护
NFCP | 退耕还林
GTGP | 生态旅游
Nature-based tourism |
| 武夷山 | √ | – | √ |
| 八大公山 | √ | √ | √ |
| 黄桑 | √ | √ | √ |
| 车巴岭 | √ | √ | √ |
| 南岭 | √ | √ | √ |
| 崇左 | – | – | √ |
| 大瑶山 | √ | √ | – |
| 十万大山 | √ | – | √ |
| 金佛山 | √ | √ | √ |
| 米仓山 | √ | √ | √ |
| 紫柏山 | √ | √ | √ |
| 小陇山 | √ | √ | √ |
| 华蓥山 | √ | √ | √ |
| 老君山 | √ | √ | √ |
| 美姑 | √ | √ | √ |
| 龙溪虹口 | √ | √ | √ |
| 瓦屋山 | √ | √ | – |
| 王朗 | √ | √ | √ |
| 片口 | √ | √ | √ |
| 千佛山 | √ | √ | √ |
| 小寨子沟 | √ | √ | √ |
| 小河沟 | √ | √ | √ |
| 宝顶沟 | – | √ | √ |
| 白河 | – | √ | √ |
| 白羊 | √ | √ | √ |
| 黄龙 | √ | √ | √ |
| 九寨沟 | – | √ | √ |
| 龙滴水 | √ | √ | √ |
| 卧龙 | √ | √ | √ |
| 包座 | √ | √ | √ |
“√”表示实施该政策；“-”表示没有实施该政策
2.2 数据收集
2.2.1卧龙保护区游客数据
通过问卷调查的方法于2017年10月1日-月9日（国庆节）对卧龙保护区生态旅游游客数据进行了采集。在调查时间的选择上，我们充分考虑到了该节日是法定假期且持续时间长，减小了因不同性质职业假期时间不同步、假期时间短而限制不能远行等因素对旅游地客源的限制，调查结果能真实的反应卧龙保护区生态旅游客源特征及行为。选择在中华大熊猫苑等主要景点，以及一些宾馆、商店等地对来往游客随机抽样进行访问（附录A）。问卷设计包括3个部分：1）游客基本信息，包括姓名、性别、年龄、教育程度、职业、家庭年收入、来源地（具体到市）等；2） 旅游方式及行为信息，包括出游方式、同伴、来卧龙旅游的原因、信息获知渠道、满意度等；3） 游客意识，主要是游客对大熊猫的保护意识，对生态环境教育的意识等。最终得到效问卷226份。
2.2.2居民社会经济数据
通过问卷调查，于2015年和2016年的6-8月利用问卷调查法对各个保护区的居民社会经济数据进行收集。问卷主要包括5部分。第一部分，家庭地理位置信息，如经纬度，海拔。第二部分，家庭人口统计学信息，如家庭总人数，劳动力人数，老年人（> 65岁）数，学生人数等。第三部分，家庭资产，如耕地面积，林地面积，住房面积等。第四部分，家庭生计活动，如农业，放牧，旅游经营，外出打工（> 6个月）和本地其他非农业收入（如本地有工作或者本地打临工）。第五部分，家庭收入与支出，政策参与。因为家庭是人类活动的基本单元[18,84]，故所有数据都在家庭尺度上进行收集。同时，考虑到户主及其妻子是家庭活动的主要决策者，对家庭事务较为熟悉，故选择他们作为访问对象。除此之外，为了确保获取的每个数据的一致性和有效性我们对参与问卷调查的人员都进行了调查前培训。最后，共获得家庭尺度的社会经济数据3545份，其中230份数据由于回答不完全而被排除，最后共3315份数据用于分析。
2.2.3 森林覆盖变化数据
研究主要通过分析天然林保护政策，退耕还林政策和旅游经营发展政策对森林恢复和丧失的影响来评估它们的生态效益。森林恢复和丧失数据都来自一个像元为30*30m的全球森林覆盖变化数据集[85]。该数据集主要包含以下图层：1）2000年全球森林覆盖，值的范围是0~100；2）2000-2012年的全球森林恢复，二元数据，其中0 代表到2012年该像元/区域未发生森林恢复事件，1代表到 2012年该像元/区域发生了森林恢复事件）；3）2000-2017森林丧失，范围1-17， 1表示该像元/区域在2001年发生了森林丧失事件，2代表该像元/区域在2002年发生了森林丧失事件，以此类推。本研究中主要利用了2000年的森林覆盖，2000-2012年的森林恢复和2000-2017年的森林丧失数据。
2.2.4 DEM遥感数据
DEM数据来自ASTER Global Digital Elevation Map，分辨率为30m*30m。坡度和坡向信息从DEM图层中提取。
2.2.5 其他数据
除以上介绍的研究所用的主要数据，我们还收集了其他可能影响森林恢复/丧失和居民经济收入的因素作为控制因子加入到模型中：
历史人均GDP (历史经济水平) 考虑到各省历史经济水平的不同可能导致不同省份保护区居民经济水平存在差异，从而影响对居民经济收入影响因素的评估，我们收集了2000年保护区所在各省的人均GDP作为控制因子加入经济效益评估模型。历史气候数据考虑到不同区域的气候条件（如温度，降雨量等）不同，可能影响森林的恢复，我们也收集了全球1970-2000年的历史气候数据，将其作为控制因子加入到评估森林恢复影响因素的模型当中。该数据来自WorldClim Version 2 [86]，像元1km*1km。 数据具体包括平均月平均温度，平均月最高温度，平均月最低温度，平均月降水量，平均月太阳辐射。 离主要城市距离考虑到离主要城市的远近也可能直接或间接地影响居民的收入来源，从而对家庭经济收入产生影响，我们收集了全球尺度的离主要城市距离的数据加入居民经济收入影响因素评估模型。同时，离主要城市距离也可能影响森林的恢复或丧失，我们也将离主要城市的距离作为控制因子加入森林恢复/丧失评估模型。该数据来源于 “Accessibility to Cities 2015” 地图[87]，像元大小1km*1km。本研究所用数据类型，时间/空间范围，来源见表2.3：表2.3研究所用数据基本信息和来源
Table 2.3Summary of the data used in our study
| 数据类型
Data | 时间范围
Years | 空间范围
Range | 数据来源
Sources Ⅰ | 数据网址
Sources Ⅱ |
| PES概况 | 2000- | 卧龙保护区 | Yang et al. [43] | |
| 旅游发展 | 1980-2008 | 卧龙保护区 | Liu et al. [88] | – |
| 游客数据 | 2017 | 卧龙保护区 | 问卷调查 | – |
| 居民数据 | 2015-2016 | 30个保护区 | 问卷调查 | – |
| GDP2000 | 2000 | 8个省 | 中国国家统计局 | http://www.stats.gov.cn/tjsj/ndsj/ |
| 森林恢复 | 2000-2012a | 全球 | Global forest cover change | https://earthenginepartners.appspot.com/science-2013-global-forest/download_v1.5.html |
| 森林丧失 | 2000-2017a | |||
| 距城市距离 | 2015 | 全球 | Accessibility to cities-MAP | https://map.ox.ac.uk/research-project/accessibility_to_cities/ |
| 月平均温度 | 1970-2000a | 全球 | WorldClim Version2 | http://www.worldclim.org/versio n2 |
| 月最高温度 | ||||
| 月最低温度 | ||||
| 月降雨量 | ||||
| 月太阳辐射 | ||||
| 海拔 | 2011 | 全球 | Aster Global Digital Elevation Map（GDEM） | https://asterweb.jpl.nasa.gov/gdem.asp |
| 坡度 | ||||
| 坡向 |
a由于森林恢复和气候数据分别只有2000-2012年和1979-2000年的数据，因此选取了这两个时期的数据进行分析。
2.3 数据预处理
2.3.1居民社会经济数据
首先，根据调查的各生计活动及政策参与情况，计算家庭收入，并进行Log转换用于进一步的模型评估。其次，对保护区所在省份的历史人均GDP进行Log转换用于以后的分析。最后，根据采访居民的GPS位点，利用ArcGIS的空间分析工具提取每户居民到主要城市的距离。
2.3.2 遥感数据
由于存在受大气折射、地球自转、地形起伏等影响造成随机的辐射失真、影像畸变或研究区域跨越了影像不同图幅等问题，可能导致原始图像产生位移、旋转或弯曲等形变问题。因此，在正式遥感图像之前，我们对遥感数据进行了如不同数据格式之间的转换、几何校正、图像融合、镶嵌和影像的裁剪或拼接等相应的预处理。
2.3.2.1 图像镶嵌
本研究下载的森林遥感图像（森林覆盖、恢复和丧失图层）和高程图像都是以10度经度和维度为间隔的单个的遥感图层。因此，为方便后面的研究分析，我们使用ArcGIS10.3中的镶嵌至新栅格（Mosaic to new raster）工具将这些单个的遥感图层镶嵌成一个图层。
2.3.2.2 统一空间坐标系
GIS操作的一个基本原则就是一起使用的图层必须在空间上相匹配，否则就会发生错误。利用ArcGIS10.3的投影（Project）工具将所有遥感数据的坐标系统一为地理坐标系为GCS_WGS_1984，投影坐标系为WGS_1984_UTM_Zone_48N。
2.3.2.3 重采样
本研究下载的森林遥感数据和DEM数据分辨率为30m*30m，而历史气候数据和离主要城市距离数据分辨率为1km*1km。利用ArcGIS10.3的重采样（Resample）工具将历史气候数据和离主要城市距离数据分辨率均重采样为30m*30m，方便后期处理。
2.3.2.4 图像裁剪
利用ArcGIS 10.3的掩膜提取（Extract by Mask）工具将我们研究的30个自然保护区范围内的森林覆盖和森林变化数据（恢复，丧失），海拔，坡度，坡向，气候数据，离主要城市距离等数据提取出来，以供后面的数据分析使用。
第3章 保护与发展政策在保护区的发展
了解保护与发展政策在保护区的实施状况和发展，尤其是生态旅游的演变和发展，对理解其效益的产生至关重要。其中，PES政策是国家层面实施的政策，政策的实施措施基本一致，其在保护区的发展是可预见的。而生态旅游则不同，各保护区的旅游发展主要受当地XX或所在省市管理，会有所差异。尽管我国大多数自然保护区都已经发展了生态旅游，但很少有研究详细探讨其旅游发展的演变。因此，我们利用卧龙自然保护区为例，展示了PES政策在自然保护区的实施，以及生态旅游在保护区的发展和演变。本研究收集了NFCP和GTGP政策在卧龙保护区的实施时间和期限等信息，以及卧龙保护区生态旅游发展的相关文献，整理描述了保护区与发展政策在保护区的发展。同时，我们还调查分析了游客的客源特征和行为等，为制定针对性的旅游开发、规划、营销对策以维持生态旅游业健康、持续发展提供重要依据。
3.1 研究方法
3.1.1卧龙保护区PES政策的实施
整理描述了PES政策——NFCP和GTGP政策，在卧龙保护区的实施状况，如开始时间、期限、目标、区域等。
3.1.2卧龙保护区生态旅游的发展
整理了卧龙保护区生态旅游发展研究的相关文献，总结叙述了生态旅游在卧龙保护区的发展过程。
3.1.3 卧龙保护区生态旅游游客客源特征及行为
调查描述了游客客源特征及行为，了解保护区生态旅游的主要游客群体及其基本特征与需求。
3.2 研究结果
3.2.1卧龙保护区PES政策的实施
NFCP和GTGP政策分别于2001，2000年开始在卧龙自然保护区实施（表3.1）。两项政策最初计划覆盖卧龙自然保护区全部的1200户居民，但由于有70户居民是非农村户口，故最后目标农户为1130户[43]。卧龙保护区NFCP政策的实施只包括森林监测活动，涉及海拔3600米以下，120 500公顷的森林区域；而GTGP政策的实施，共有969户农户参与，共退耕地3673公顷。
表3.1 卧龙自然保护区PES政策实施状况[43]
Table 3.1 Information about the implementation of PES programs in Wolong nature reserave
| NFCP | GTGP | |
| 开始时间 | 2001 | 2000 |
| 最初政策期限 | 10年 | 8年 |
| 延期时间/期限 | 2010年/10年 | 2008年/8年 |
| 目标区域 | 沿着主要道路居民分布区附近的森林 | 居民附近坡度大于25°的耕地 |
| 目标农户 | 1130户a | 全部1200户 |
| 实施区域 | 海拔3600米以下所有森林，共120 500公顷；其中40 100公顷交予社区监测看护 | 3673公顷耕地，涉及969户农户 |
| 项目补贴 | 900元/户 | 3597元/户 |
a由于其中70户的户主或配偶是非农村户口，因此不参与该政策
3.2.2卧龙保护区生态旅游的发展
卧龙保护区是世界上最大的一个以保护大熊猫为主题的联合国“人与生物圈保护网”成员单位，也是四川省旅游品牌 “大熊猫”的故乡，具有优质的旅游资源。自20世纪90年代开始，卧龙保护区就在当地XX的支持下开始发展生态旅游业。2016年，Liu et al.利用Tourism Area of Life Cycle (TALC) 模型系统地研究了卧龙自然保护区30年生态旅游的发展[88]。2008年汶川大地震严重损坏卧龙至成都段道路及一些旅游实施，迫使当地旅游业停止发展。直到2016年10月份，卧龙连接成都的道路完全恢复，当地旅游设施也完成重建，卧龙保护区旅游才逐渐恢复，进入新一轮的旅游发展。截至目前，卧龙新一轮的旅游发展才刚刚开始3年，暂无足够的数据判断其发展模式。因此，我们沿用了Liu et al.的研究结果来描述生态旅游在卧龙自然保护区的演变。2008年地震以前，卧龙保护区生态旅游经历了探索（1980—1990年）、起步（1991—1997）与发展（1998年—2008年）三个阶段[88]（附录B）。
3.2.3卧龙保护区生态旅游游客客源特征及行为
3.2.3.1游客来源地特征
卧龙自然保护区客源主要集中在四川省内，占61%。其中，川内游客主要来自成都、绵阳、南充、乐山等19个城市；而川外的游客主要来自重庆、陕西、湖北三省等地，涉及15个省23个城市。
3.2.3.2游客人口统计因素
（1）性别比例
游客样本中43.4%是男性，女性占56.6%，男女比例为 1:1.3（表3.2）。
（2）年龄结构特征
卧龙自然保护区生态旅游游客的主要群体是年龄为19—49岁的中青年，占游客总量的66.8%；其次是年龄在50岁及以上的老年人群体与18岁及以下的少年群体，分别占调查游客总量的18.2%和15%（表3.2）。
（3） 教育程度
卧龙自然保护区生态旅游游客受教育程度大多在大学及以上，占比66.3%；其次是初、高中教育程度与小学教育程度，分别占游客总量的14.2%和5.3%（表3.2）。
（4）职业特征
卧龙自然保护区生态旅游游客职业呈现多样化，学生、私人企业职工、XX部门职员所占比例相对较高，分别为38.1%、23%、20%（表3.2）。
（5） 收入特征
卧龙自然保护区生态旅游游客主要以5-15万的中等收入群体为主，占比63.3%；其次是年收入为15万以上的群体，占调查游客总量的23.9 %；最后是年收入低于5万的游客，占调查游客总量的12.8%（表3.2）。
表3.2 卧龙自然保护区生态旅游游客人口统计因素列表
Table 3.2 Demographic factors of tourists in Wolong Nature Reserve
| 人口统计因素
Demographic factors | 类别
Category | 比例（%）
Proportion |
| 性别 | 男 | 43.4 |
| 女 | 56.6 | |
| 年龄结构 | X≤18岁 | 15.0 |
| 19≤X≤29岁 | 24.8 | |
| 30≤X≤49岁 | 42.0 | |
| X≥50岁 | 18.2 | |
| 教育程度 | 小学 | 5.3 |
| 初中 | 14.2 | |
| 高中 | 14.2 | |
| 大学 | 57.1 | |
| 硕士及以上 | 9.2 | |
| 职业 | 学生 | 38.1 |
| 私人企业 | 23.0 | |
| XX部门 | 20.0 | |
| 个体经营 | 11.9 | |
| 退休老人 | 4.9 | |
| 农民 | 2.1 | |
| 家庭年收入 | 0-5万 | 12.8 |
| 5-10万 | 30.1 | |
| 10-15万 | 33.2 | |
| 15万以上 | 23.9 |
3.2.3.3行为特征
（1）获知渠道
四川省内游客以亲朋好友介绍为主要信息获知渠道；而川外游客主要是通过互联网和电视报道获得信息（图3.1a）。
（2）停留天数
61.8%的游客只在卧龙停留1-2天，仅20.8%的游客在卧龙停留3天及以上（图3.1b）。
（3）消费支出
游客在卧龙的消费主要集中于住宿（34%）、餐饮（27%）和交通（24%），其次是娱乐（7.4%）与购物（5.2%）消费。其中，住宿、餐饮和交通是一般出游的基础性消费；娱乐主要以参观中华大熊猫苑为主。
对于购物，游客主要购买当地土特产（牦牛肉和蔬菜等）和纪念品，各占购物消费的42.2%与36.5%。购买的原因主要为有纪念意义和实用性强，然后是价格实惠（图3.1c、3.1d）。
（4）出游方式特征
卧龙保护区87.6%的游客是自驾出游，仅少量学生或外省游客选择坐班/火车（7.5%），报团旅游的极少（2.2%），另有部分年轻人是骑行路过卧龙（2.7%）。
图3.1 卧龙自然保护区生态旅游游客行为特征
Figure 3.1 Behavior characteristics of touristsin Wolong Nature Reserve
3.2.3.4感知分析
（1）满意度
游客满意度影响游客的重访率与推荐率。调查结果中，215位游客对于在卧龙保护区的旅游表示满意，满意率达95.1%（图3.2a）。然而，在可参与性旅游项目、宣传、配套设施的完善、文化的挖掘和交通状况等方面仍有待改善（图3.2b）。
（2）感知体验
野生大熊猫、自然风光、空气清新、圈养大熊猫是吸引游客来卧龙保护区旅游的主要原因（图3.2c）。与之对应，游客对卧龙保护区旅游最深刻的印象是“可爱的大熊猫”，其次是清新的空气和优美的自然风光（图3.2d）。
图3.2 卧龙自然保护区生态旅游游客感知体验
Figure 3.2 Experience perceptionsof tourists in Wolong Nature Reserve
预期行为49.1%的游客是第一次来卧龙旅游，其中有96.4%的游客表示会选择重游或推荐给其他人。重游游客（50.9%）中92.2%的游客表示会选择继续重游或推荐给他人。
3.2.3.5游客意识
（1）大熊猫保护意识
调查结果显示，游客均认为野生大熊猫需要被保护。而对于需要保护的原因占比较高的两个答案分别是“大熊猫是国宝”和“数量稀少”，其次是“长得可爱”。
对于卧龙保护区主要景点—中华大熊猫苑90元的门票，仅有9.7%的游客认为“不贵”；41.2%的游客认为“略贵，但可以接受”；近半（49.1%）的游客觉得“贵”。对于为了更好地保护卧龙大熊猫而再提高票价，48.2%的游客表示不能接受再涨价，并提出感觉花费90元来看几只大熊猫，不划算；51.8%的游客表示可以接受，其中有67名游客给出了明确的可接受最高增幅，具体从5元~200元不等。调查中，也有部分老人明确提出应考虑给老年人打半折。
（2）生态环境教育态度
结果显示游客对生态环境教育活动的整体支持率较高（表3.3），即游客对生态环境教育的接受度很高。
表3.3卧龙自然保护区生态旅游游客生态环境教育态度
Table 3.3Tourists’ attitude of ecologicalenvironmental education in Wolong Nature Reserve
| 问题：
Questions: | 是（%）
Yes (%) | 否（%）
No (%) |
| 问题1：是否愿意参加环境教育类活动 | 92.0 | 8.0 |
| 问题2：是否愿意让孩子参加卧龙保护区内的环境教育类活动（例如：环境教育夏令营/冬令营） | 98.7 | 1.3 |
| 问题3：是否愿意关注一些环境教育类公众号 | 88.9 | 11.1 |
对于具体开展生态环境教育的方式，98.7%的游客表示愿意让孩子参加卧龙保护区内的夏令营/冬令营活动，88.9%的游客表示愿意关注一些环境教育类的公众号。
3.3 讨论
3.3.1 保护与发展政策在保护区的发展
由于PES政策是国家层面实施的大尺度生态保护政策，除了政策开始的时间不一样，其政策的相关措施是“自上而下”制定和实行的，因此PES政策在保护区的实施与国家层面的实施措施保持高度一致。2003年，徐建英等也评估了卧龙自然保护区居民对现行政策（包括PES政策）的响应，发现42.3%的被采访者对现行的政策表示满意，且72.3%的认为这些政策对自己的家庭带来了受益[89]。
中国和世界范围内，保护区生态旅游在不断增长，都希望可以通过生态旅游的发展加强生物多样性保护、减轻贫困，并最终实现可持续发展。而了解保护区生态旅游的发展，以及变化的原因和后果是可持续管理旅游业的重要步骤。我们整理了前人对于卧龙自然保护区30年旅游发展的进程，这将对中国保护区旅游业的可持续发展具有重要意义，也有助于对保护区、可持续旅游和社区发展之间的复杂关系有更广泛和普遍的理解。
3.3.2 生态旅游客源特征及行为
3.3.2.1 卧龙保护区客源特征及行为
卧龙自然保护区生态旅游客源主要集中在川内，但川外游客来源涵盖15个省23个城市，表明卧龙保护区生态旅游存在巨大的潜在客源市场，有待进一步开发。游客主要以19-49岁的中青年群体为主，该年龄段的人大多都已有自主支配自己时间和金钱的能力，应是旅游规划发展与产品营销最主要考虑的对象。66.3%的游客是大学及以上学历，而中青年群体中81.5%是大学及以上学历，表明以保护区为目的地的生态旅游更受高学历者的青睐。游客样本中，学生、私人企业职工和XX部门职员比例较高，应该是卧龙保护区旅游开发的重要目标市场。企业职工和XX部门员工拥有充分的空闲时间和可自由支配的收入；学生虽然可支配收入不充裕，但有较多闲暇时间，在目的地消费水平不是特别高的情况下，学生也能成为旅游主力军之一[90]。从游客收入特征看，中高等收入的家庭更多参与生态旅游。
大多数游客仅在卧龙自然保护区停留1-2日，时间较短。除去食宿，游客在卧龙的主要消费项目是娱乐（如参观中华大熊猫苑）和购物，其中购物首选有纪念意义的物品，可见游客对当地土特产和有当地特色纪念意义的纪念品有一定的市场需求。调查中95.1%的游客对在卧龙保护区的旅游体验表示满意，但98.2%的游客表示保护区在可参与性旅游项目、宣传、配套设施的完善、文化的挖掘和交通状况几方面有待改善。尽管如此，卧龙保护区生态旅游游客的感知体验与来卧龙前的期望感知保持高度一致，该结果同样可以解释即使有98.2%的游客认为卧龙生态旅游很多地方有待完善，但总体的游客满意率却达到了95.1%。另外，重游游客中92.2%的游客表示会选择继续重游或推荐给他人,推荐率略低于第一次来旅游的游客（96.4%），可能是由于这部分游客到过，甚至多次到过卧龙保护区旅游，对当地自然景观、主要景点都比较熟悉，新鲜感降低。
中华大熊猫苑是卧龙保护区的主要景点，但90.3%的游客觉得门票贵。且48.2%的游客表示即使是为了更好地保护大熊猫，也不能接受门票涨价，主要是在观看圈养大熊猫项目中的感知价值较低。感知价值是游客在消费产品或服务过程中，相对支付的费用，对其所获得的实际收益的总体评价[91]，其不仅对游客满意度有显著影响，也影响游客的选择与重购行为 [92,93]。作为卧龙保护区最主要的消费性旅游景点，却有近半的游客表示感知价值较低，保护区应加以重视。
3.3.2.2 保护区客源特征及行为
我国也有学者也针对其他自然保护区生态旅游游客客源特征及行为进行了研究[90,94–98]，包括太白山国家级自然保护区、花坪国家级自然保护区、猫儿山国家级自然保护区和扎龙国家级自然保护区等。总结对比之后，我们发现保护区生态旅游客源特征和行为存在一些共同的特征。游客客源特征方面：①客源市场，都集中在各保护区所在的省市，表明保护区生态旅游的游客客源市场均有待拓展；②游客主要以20-50岁的中青年、大学及以上学历、中等收入游客群体为主，应该是保护区生态旅游发展规划的主要针对群体；③游客的职业组成，尽管不同保护区生态旅游主要游客群体存在差异，但私人企业员工与XX部门职工（或公务员）是保护区生态旅游的主要群体，应是旅游发展规划的主要针对对象。游客行为特征方面：①信息获取渠道，主要为亲朋好友介绍，这可能与游客多为本省市人有关，但也从侧面反映出“口碑”在保护区生态旅游宣传中的重要性；②停留时间，大多停留2天或更短时间，表明“短暂游”是保护区生态旅游的一种普遍现象，各保护区应多开发特色旅游活动等，以尽量延长游客的停留时间；③出游特征，不论是“家庭自驾游”、 “同事团体”出游、亲朋出游，整体上保护区生态旅游大多为自助出游，报旅行团出游的极少；④选择动机，根据保护主体的不同，游客选择到各保护区旅游的主要原因有所差异，但保护区自然风光/生态环境是游客选择不同保护区旅游的共同原因（表3.4）。
除去以上几点共同之处，各保护区客源及行为特征也存在差异。如，我们对卧龙自然保护区的生态旅游游客客源的结果显示女性游客多于男性游客（比例1.3:1），而其他保护区都是男性游客多于女性游客。这一方面可能是因为大熊猫可爱的形象更容易吸引女性游客，另一方面也可能与我国如今的人口现状等有关，具体原因有待进一步研究。研究中我们也发现仅个别保护区研究结果显示学生是该保护区生态旅游的主要群体之一，而学生应是保护区生态教育的主要对象，因此各保护区都应加大对“学生”市场的开发。
表3.4 不同自然保护区生态旅游客源及行为特征
Table 3.4Tourists’ behavior and characteristics of different nature reserves
| 客源特征
Characteristics | 卧龙
Wolong | 花坪
Huaping | 猫儿山
Maoer Mountain | 扎龙
Zhalong | 太白山
Taibaishan | 松山
Songshan | 达赉湖
Dalai Lake |
| 主要客源市场 | 四川省内 | 广西省内 | 广西省内 | 黑龙江省内 | 陕西省内 | 北京市区 | 呼伦贝尔 |
| 男：女 | 1:1.3 | 1.2:1 | 1.15:1 | 2.1:1 | 1.8:1 | 1.8:1 | 1.3:1 |
| 主要年龄群体 | 19—49岁 | 21-50岁 | 25-40岁 | 20-39岁 | 20-49岁 | 15-45岁 | 50岁以下 |
| 教育程度 | 大学及以上 | 大学及以上 | 大学及以上 | 大学及以上 | 大学及以上 | 本科及以上 | 大专及以上 |
| 主要职业群体 | 学生
私人企业 XX部门 | 公司职员
学生 公务员 | 学生
企业职员 公务员 | 公务员
公司职员 工人 | XX单位
企业职员 | 公司职员
机关、事业单位人员 离、退休人员 | – |
| 主要收入水平 | 中等 | 中等 | 中等 | 中等 | 中等 | 中等 | 高薪 |
| 信息获知渠道 | 亲朋介绍 | 亲朋介绍 | 亲朋介绍 | – | 亲朋介绍 | 宣传手册 | – |
| 出游特征 | 家庭自驾游 | 自助出游 | 亲朋和同时 | 同事团体 | – | 家庭出游 | – |
| 停留天数 | 1-2天 | 2天 | 2天 | – | 4h-1天 | 当天返回 | 6h以下 |
| 主要感兴趣的产品 或 选择动机 | 野生大熊猫
自然风光 | 生态环境
自然景观 | 生态观光
休闲教育 | 观鸟
了解大自然 | 了解大自然
欣赏风景 | 野生动物
花草树木 | 景观美感
动植物丰富度 |
注：因文章背景时间、调查区域不一样，故收入水平的划分存在差异，主要按照文章描述进行统计。
“-“表示没有此数据
第4章 保护与发展政策的生态与经济效益
生态保护和减贫是保护与发展政策的两个首要目标。尽管大量的研究评估了这两种最常见的保护与发展政策的生态与经济影响。然而，这些研究通常由生态学家或社会科学家分别进行评估，极少有研究同时评估了这些政策的生态和经济效益。 2013年，Yang et al.,评估了NFCP政策实施在卧龙自然保护区的生态和经济效益，结果表明NFCP显著增加了森林覆盖的增加，同时也给居民带来了很多正面（提供了补贴、增加了旅游等）和负面效益（野生动物引起的经济损失在增加）[43]。但是，该研究对于NFCP政策实施的经济效益的评估是基于居民对NFCP实施效益主观认知，因此并没有严格地评估NFCP政策的实施是否真的增加了家庭经济收入，更没有评估家庭经济收入的增长是否与NFCP政策的实施直接相关。因此，这些保护与发展政策在适宜空间尺度上同时实现预期的正面生态和经济效益的能力还未知，亟需更多广泛的，综合的，同时评估其保护与经济影响的实证研究。为了回答这一重要研究问题，我们以30个自然保护区为例，整合森林覆盖变化（森林恢复和丧失）、居民社会经济数据和保护区属性信息，同时评估了NFCP，GTGP和生态旅游在保护区尺度上的生态和经济效益。
4.1 研究方法
4.1.1 森林覆盖变化遥感图像处理
对于森林丧失图层，由于研究中的部分保护区（如卧龙保护区，龙溪-虹口保护区）的森林覆盖受汶川地震的影响较大，可能导致森林丧失数据图层中2008年的森林丧失事件较多可能影响评估结果。为了尽量减少地震对评估的影响，我们利用ArcGIS中的重分类（Reclassify）工具将2000-2017年的森林丧失数据整理为2009-2017年的二元森林丧失数据。具体操作是，重分类时将像元的原始值0-8重新赋值为0，代表2009年到2017年该像元/区域未发生森林丧失事件；把原始值9-17重新赋值为1，代表2009年到2017年该像元/区域发生了森林丧失事件。
然后，在2000-2012年森林恢复和2009-2017年森林丧失两个二元森林覆盖变化数据的基础上，利用ArcGIS中的栅格转面（Raster to Polygon）工具，得到森林恢复和森林丧失的矢量图层。最后，分别得到表示森林丧失和未丧失，森林恢复和未恢复区域的矢量图层。
4.1.2 森林覆盖变化样本
4.1.2.1森林丧失与恢复的样本量确定
为了确保森林覆盖变化（森林丧失或恢复）像素样本能够代表30个保护区整个森林变化的像素，在2000-2012年森林恢复和2009-2017年森林丧失两个二元森林覆盖变化数据的基础上，我们利用以下公式分别计算出能够反映森林恢复/未恢复，森林丧失/未丧失总体森林像素的样本数量大小[99,100]：
N为森林恢复/未恢复、森林损失/未损失的森林像素总数;
指自由度为1时95%置信水平下的卡方值；e是用来测量期望精度水平的误差范围，采用2.5%，用来测量期望的精度水平；P为森林像素可能恢复或丧失的比例，这里采用文章建议的0.5[99,100]，以达到要求精度下的所需最大样本量。
4.1.2.2森林丧失与恢复的样本生成
基于3.1.1部分得到的森林丧失和未丧失，森林恢复和未恢复区域的矢量图层，根据3.1.2.1部分公式确定的样本量大小， 我们利用ArcGIS中的创建随机点（Create Random Points）工具得到代表森林丧失/未丧失，森林恢复/未恢复的二元森林覆盖变化样本。
4.1.2.2森林丧失与恢复点样本的属性提取
首先，利用ArcGIS中的提取值到点（Extract Values to Points）工具，将2000年的森林覆盖，海拔，坡度，坡向，历史气候数据和离主要城市距离的栅格属性值提取到每个森林样本点。其次，利用空间连接（Spatial Join）工具，将保护区的属性（如保护区建立时间、面积、管理级别、是否著名、是否实施NFCP/GTGP/生态旅游等政策）赋值到森林样本点上面。最后，我们还利用（Near）工具，计算了每个森林样本点到最近的居民点的距离。
4.1.3 保护与发展政策的生态效益评估
4.1.3.1 保护与发展政策对森林丧失的影响评估
基于提取了各类属性的森林丧失/未丧失，森林恢复/未恢复的点样本，利用SPSS软件中的二元Logistic回归模型，评估NFCP，GTGP，生态旅游经营和保护区属性等对30个保护区森林丧失的影响。
4.1.3.1 保护与发展政策对森林恢复的影响评估
基于提取了各类属性的森林丧失/未丧失，森林恢复/未恢复的点样本，利用SPSS软件中的二元Logistic回归模型，评估NFCP，GTGP，生态旅游经营和保护区属性等对30个保护区森林恢复的影响。
4.1.4 保护与发展政策的经济效益评估
利用SPSS软件中的线性回归模型，评估NFCP，GTGP，生态旅游经营，家庭和保护区属性等对保护区居民经济收入的影响。
4.2 研究结果
4.2.1 森林覆盖变化样本特征
4.2.1.1森林丧失与森林恢复样本量
2000-2012年，森林丧失和未丧失的总像素分别为52075和12068585，根据3.1.2.1部分的公式计算出对应的森林丧失和未丧失的点样本量为1492和1536（表4.1）。同理，能代表总体森林恢复和未恢复的森林点样本量分别为1273和1536。
表4.1森林覆盖变化样本量
Table 4.1 Sample sizes of the forest cover changes (gain/non-gain; loss/non-loss)
| 像素/个
Piexls | 森林丧失 | 森林恢复 | ||||
| 丧失
Loss | 未丧失
Non-loss | 总体
Total | 恢复
Gain | 未恢复
Non-gain | 总计
Total | |
| 总像素 | 52075 | 12068585 | 12120660 | 7444 | 12113216 | 12120660 |
| 样本量 | 1492 | 1536 | 3028 | 1273 | 1536 | 2809 |
4.2.1.1森林丧失和未丧失样本统计量特征
森林丧失与未丧失点样本的许多统计量存在显著性差异。其中，森林丧失点样本的海拔，坡向，离城市距离，保护区面积和是否实施NFCP政策等统计量都显著低于森林未丧失点样本，这表明森林丧失的更多地发生在低海拔、东南方向、离城市距离较近的位置，同时面积较小和未实施NFCP政策的保护区也更容易发生森林丧失。此外，森林丧失点也多位于成立较晚，级别更高，受汶川地震影响严重和发展生态旅游的保护区（表4.2）。
表4.2森林丧失和未丧失样本统计量特征
Table 4.2 Statistical characteristicsof forest loss and non-loss sample
| 参数
Parameters | 描述
Description | 丧失†
Loss | 未丧失‡
Non-loss | t测验§
ttest |
| 海拔 | 森林丧失/不丧失样本点海拔（m） | 1698.97 (1053.218) | 2001.05
(959.409) | 8.238*** |
| 坡向 | 森林丧失/不丧失样本点坡向（°） | 161.53
(96.131) | 179.34 (108.395) | 4.784*** |
| 坡度 | 森林丧失/不丧失样本点坡度（°） | 29.22
(15.444) | 28.90
(12.276) | -0.636 |
| 离城市距离 | 离最近主要城市的距离（h） | 330.78
(260.456) | 427.41 (331.789) | 8.923*** |
| 离居民点距离 | 离居民点距离（m） | 0.0912
(0.0700) | 0.0973
(0.1161) | 1.779 |
| 面积 | 保护区面积（ha） | 56944.80 (44143.984) | 69363.14
(57143.938) | 6.699*** |
| 建立时间 | 保护区建立的时间 | 1986.34
(9.044) | 1983.03
(10.696) | -9.190*** |
| 级别 | 保护区是否属于国家级保护区 (1 是；0 否) | 0.76
(0.427) | 0.65
(0.476) | -6.499*** |
| 知名度 | 保护区是否属于知名保护区 (1是；0 否) | 0.36
(0.479) | 0.33
(0.470) | -1.715 |
| 地震 | 保护区是否受汶川地震影响 (1是；0 否) | 0.51 (0.500) | 0.45
(0.498) | -3.319** |
| NFCP | 保护区是否实施NFCP政策 (1是；0 否) | 0.78
(0.412) | 0.96
(0.184) | 15.525*** |
| GTGP | 保护区是否实施GTGP政策 (1是；0 否) | 0.87
(0.339) | 0.86
(0.348) | -0.673 |
| 生态旅游 | 保护区是否发展旅游经营否 (1是；0 否) | 0.95
(0.215) | 0.92
(0.271) | -3.510*** |
† 显示森林丧失样本中各参数的平均值和标准差（括号内）
‡显示森林未丧失样本中各参数的平均值和标准差（括号内）
§ 符号*, ** 和 ***分别代表5%，1%和0.1%水平下的显著性
4.2.1.1森林恢复和未恢复样本统计量特征
森林恢复与未恢复点样本的许多统计量也存在显著性差异。其中，森林恢复点样本的海拔，坡向，坡度，离城市距离，保护区面积，保护区知名度，是否实施GTGP政策，历史森林覆盖和是否受汶川地震影响等统计量都显著低于森林未恢复点样本，这表明森林恢复的更多地发生在低海拔、东南方向、坡度较缓，离城市距离较近，离居民点较远，历史森林覆盖较低的区域；同时面积较小，知名度较低，未实施GTGP政策和未受汶川地震影响的保护区也更容易发生森林恢复。此外，森林丧失点也多位于管理级别更高和发展生态旅游的保护区。根据历史气候数据，森林恢复点也多发生在历史气温更高，降水量和太阳辐射等更多的区域（表4.3）。
表4.3森林恢复和未恢复样本统计量特征
Table 4.3 Statistical characteristicsof forest gain and non-gain sample
| 参数
Parameters | 描述
Description | 恢复†
Gain | 未恢复‡
Non-gain | t测验§
ttest |
| 海拔 | 森林丧失/不丧失样本点海拔（m） | 1106.31 (774.317) | 2033.60 (978.068) | 28.038*** |
| 坡向 | 森林丧失/不丧失样本点坡向（°） | 153.37
(99.508) | 180.34
(106.587) | 12.775*** |
| 坡度 | 森林丧失/不丧失样本点坡度（°） | 23.06
(11.773) | 28.89
(12.257) | 6.925*** |
| 离城市距离 | 离最近主要城市的距离（h） | 321.00 (253.104) | 420.99
(325.944) | 9.147*** |
| 离居民点距离 | 离居民点距离（m） | 0.1230
(0.1642) | 0.0963
(0.1166) | -4.878*** |
| 面积 | 保护区面积（ha） | 51445.53
(34288.918) | 68969.77
(54744.072) | 10.336*** |
| 建立时间 | 保护区建立的时间 | 1984.57
(6.983) | 1983.94
(10.692) | -1.883 |
| 级别 | 保护区是否属于国家级保护区 (1 是；0 否) | 0.79
(0.410) | 0.63
(0.482) | -9.082*** |
| 知名度 | 保护区是否属于知名保护区 (1是；0 否) | 0.16
(0.366) | 0.30
(0.460) | 9.285*** |
| NFCP | 保护区是否实施NFCP政策 (1是；0 否) | 0.90
(0.304) | 0.87
(0.322) | -1.917 |
| GTGP | 保护区是否实施GTGP政策 (1是；0 否) | 0.59
(0.492) | 0.83
(0.372) | 14.488*** |
| 旅游经营 | 保护区是否发展旅游经营否 (1是；0 否) | 0.94
(0.230) | 0.91
(0.290) | -3.719*** |
| 森林覆盖 | 森林恢复/不恢复样本点在2000年的森林覆盖 | 59.17
(23.852) | 76.89
(17.764) | 21.939*** |
| 平均气温 | 森林恢复/不恢复样本点1970-2000年的月平均温度 | 15.54
(5.028) | 9.68
(5.519) | -29.415*** |
| 最高气温 | 森林恢复/不恢复样本点1970-2000年的月平均最高温度 | 19.76
(4.570) | 14.41
(5.021) | -29.558*** |
| 最低气温 | 森林恢复/不恢复样本点1970-2000年的月平均最低温度 | 11.32
(5.575) | 4.96
(6.130) | -28.779*** |
| 降水量 | 森林恢复/不恢复样本点1970-2000年的月平均降水量 | 120.14
(35.889) | 93.74
(37.62) | -18.904*** |
| 太阳辐射 | 森林恢复/不恢复样本点1970-2000年的月平均太阳辐射 | 13531.781 (1616.568) | 12709.476 (1179.826) | -15.117*** |
| 地震 | 保护区是否受2008年汶川地震影响 (1是；0 否) | 0.19
(0.396) | 0.44
(0.496) | 14.410*** |
† 显示森林恢复样本中各参数的平均值和标准差（括号内）
‡显示森林未恢复样本中各参数的平均值和标准差（括号内）
§ 符号*, ** 和 ***分别代表5%，1%和0.1%水平下的显著性
4.2.2 保护与发展政策对森林丧失的影响
天然林保护政策（P< 0.001）与2009-2017年的森林丧失呈显著的负相关，而退耕还林政策(P< 0.001)与森林丧失呈显著的正相关，旅游经营发展有减少森林丧失的趋势，但影响不显著 （表1）。除此之外，我们还发现海拔 (P< 0.001), 坡向 (P< 0.001), 距主要城市距离(P< 0.001)和居民点距离(P< 0.01)都与森林丧失呈显著的负相关；保护区建立时间(P< 0.001)，级别(P< 0.01)，知名度(P< 0.001)，以及汶川地震均对2009-2017时间段内的森林丧失呈显著的正相关（表4.4）。模型参数统计量见表4.2。
表4.4 2009-2017年森林损失影响因子的Logistic模型预测结果（R2 = 0.294）
Table1 Results of the binary logistic regression model (Nagelkerke R2= 0.294) on predictors of forest loss in PAs from 2009 to 2017
| 参数
Parameters | 描述
Description | 预测值（标准误)
Estimate (SE) | Wald§ |
| 常数 | -124.103 (17.357) | 51.121*** | |
| 海拔 | 森林丧失/不丧失样本点海拔（m） | -.001 (.000) | 136.129*** |
| 坡向 | 森林丧失/不丧失样本点坡向（°） | -.002 (.000) | 23.267*** |
| 坡度 | 森林丧失/不丧失样本点坡度（°） | -.005 (.003) | 2.489 |
| 离城市距离 | 离最近主要城市的距离（h） | -.001 (.000) | 47.317*** |
| 离居民点距离 | 离居民点距离（m） | -1.351 (.471) | 8.232** |
| 面积 | 保护区面积（ha） | .000 (.000) | 1.146 |
| 建立时间 | 保护区建立的时间 | .063 (.009) | 53.672*** |
| 级别 | 保护区是否属于国家级保护区 (1 是；0 否) | 1.098 (.178) | 37.990*** |
| 知名度 | 保护区是否属于知名保护区 (1是；0 否) | .622 (.120) | 26.672*** |
| 地震 | 保护区是否受汶川地震影响 (1是；0 否) | 1.828 (.179) | 103.907*** |
| NFCP | 保护区是否实施NFCP政策 (1是；0 否) | -1.622 (.209) | 60.193*** |
| GTGP | 保护区是否实施GTGP政策 (1是；0 否) | .660 (.138) | 22.870*** |
| 生态旅游 | 保护区是否发展旅游经营否 (1是；0 否) | -.254 (.183) | 1.927 |
§标记***，**，*分别表示在0.1%，1%和5%水平下的显著性
4.2.3 保护与发展政策对森林恢复的影响
天然林保护政策(P< 0.001)，退耕还林政策(P< 0.05)与旅游经营发展(P< 0.01)都对2000-2012年间的森林恢复有显著的正影响（表2）。于此同时，离居民点距离(P< 0.001), 保护区面积(P< 0.01) 与汶川地震的发生(P < 0.05)也与森林恢复呈显著的正相关，而坡向 (P< 0.001), 坡度 (P< 0.001) 与起始森林覆盖 (P< 0.001)2000-2017年间的森林恢复有显著的负相关（表4.5）。模型参数统计量见表4.3。
表4.5 2000-2012年森林恢复影响因子的Logistic模型预测结果（R2 = 0.531）
Table 4.5Results of the binary logistic regression model (Nagelkerke R2=0.531) on predictors of forest gain in PAs from 2000 to 2012
| 参数
Parameters | 描述
Description | 预测值（标准误)
Estimate (SE) | Wald§ |
| 常数 | -2.080 (18.806) | .912 | |
| 海拔 | 森林丧失/不丧失样本点海拔（m） | .000 (.000) | .208 |
| 坡向 | 森林丧失/不丧失样本点坡向（°） | -.002 (.001) | .000*** |
| 坡度 | 森林丧失/不丧失样本点坡度（°） | -.023 (.004) | .000*** |
| 离城市距离 | 离最近主要城市的距离（h） | .000 (.000) | .552 |
| 离居民点距离 | 离居民点距离（m） | 1.553 (.360) | .000*** |
| 面积 | 保护区面积（ha） | .000 (.000) | .002** |
| 建立时间 | 保护区建立的时间 | -.002 (.009) | .851 |
| 级别 | 保护区是否属于国家级保护区 (1 是；0 否) | -.051 (.204) | .803 |
| 知名度 | 保护区是否属于知名保护区 (1是；0 否) | -.143 (.201) | .475 |
| NFCP | 保护区是否实施NFCP政策 (1是；0 否) | 1.461 (.221) | .000*** |
| GTGP | 保护区是否实施GTGP政策 (1是；0 否) | .642 (.272) | .018* |
| 旅游经营 | 保护区是否发展旅游经营否 (1是；0 否) | .687 (.228) | .003** |
| 森林覆盖 | 森林恢复/不恢复样本点在2000年的森林覆盖 | -.052 (.003) | .000*** |
| 平均气温 | 森林恢复/不恢复样本点1970-2000年的月平均温度 | 7.341 (4.913) | .135 |
| 最高气温 | 森林恢复/不恢复样本点1970-2000年的月平均最高温度 | -3.290 (2.455) | .180 |
| 最低气温 | 森林恢复/不恢复样本点1970-2000年的月平均最低温度 | -3.736 (2.460) | .129 |
| 降水量 | 森林恢复/不恢复样本点1970-2000年的月平均降水量 | .008 (.004) | .077 |
| 太阳辐射 | 森林恢复/不恢复样本点1970-2000年的月平均太阳辐射 | .000 (.000) | .682 |
| 地震 | 保护区是否受2008年汶川地震影响 (1是；0 否) | .444 (.207) | .031* |
§标记***，**，*分别表示在0.1%，1%和5%水平下的显著性
4.2.4 保护与发展政策对居民经济收入的影响
家庭参与天然林保护和退耕还林政策对家庭经济收入没有显著性影响，而旅游经营参与对家庭经济收入有显著的正影响(P< 0.001) （表3）。 除此之外，保护属性方面，保护区知名度(P< 0.001)与家庭经济收入有显著正影响；家庭属性方面，非劳动力数量(P< 0.01), 劳动力 (P< 0.05), 房屋面积 (P< 0.001) 和耕地面积P< 0.05) 都与居民的经济收入呈显著的正相关（表4.6）。模型中各参数因子的统计量见附录C.
表4.6 家庭收入影响因子的线性模型预测结果（R2=0.378）
Table 4.6 Results of the linear regression model (adjusted R2= 0.378) on predictors of household income in PAs
| 参数
Parameters | 描述
Description | 系数（标准误)
Coefficient (SE) | P§ |
| 常数 | 3.725 (.343) | .000*** | |
| 家庭人口 | |||
| 非劳动力数量 | 大于65岁老人,学生和小于6岁的小孩人数之和 | .029 (.009) | .001** |
| 劳动力数量 | 家庭劳动力数量 | .020 (.007) | .004** |
| 经济基础 | |||
| GDP 2000 | Log转换后的居民所在省份2000年人均GDP | -.140 (.092) | .128 |
| 家庭资产 | |||
| 耕地 | 家庭耕地数目（亩） | .001 (.000) | .034* |
| 房屋面积 | 家庭房屋面积（m2） | .001 (.000) | .000*** |
| 保护区属性 | |||
| 知名度 | 保护区是否属于知名保护区 (1是；0 否) | .268 (.032) | .000*** |
| 级别 | 保护区是否属于国家级保护区 (1 是；0 否) | .009 (.024) | .691 |
| 生计活动 | |||
| 外出务工 | 是否有家庭成员在外务工（≥ 6个月）(1 是；0 否) | .494 (.023) | .000*** |
| 放牧 | 是否有饲养牦牛等其他家畜(1 是；0 否) | .205 (.030) | .000*** |
| 农业 | 是否进行农业生(1 是；0 否) | .373 (.021) | .000*** |
| 旅游经营 | 是否参与旅游经营相关经营(1 是；0 否) | .617 (.036) | .000*** |
| 当地非农 | 家庭是否参与除以上生计活动外的本地其他生计活动(1 是；0 否) | .356 (.020) | .000 |
| NFCP | 家庭是否参与天然林保护政策(1 是；0 否) | .013 (.021) | .520 |
| GTGP | 家庭是否参与退耕还林政策(1 是；0 否) | -.005 (.023) | .837 |
§标记***，**，*分别表示在0.1%，1%和5%水平下的显著性
4.3 讨论
4.3.1 PES政策的生态与经济效益
我们的分析结果显示NFCP政策的实施显著促进了30个保护区内2000-2012年期间的森林恢复，并减少了2009年至2017年的森林丧失。该研究结果与之前大多数的评估结果保持一致，即NFCP政策能有效地保护了森林生态系统。本研究中，森林恢复主要发生在四川、甘肃和广西等省份（附录D）。这是由于在2000年以前，这些地区都是主要的木材采伐地，导致了对NFCP政策实施的禁止伐木反馈强烈。同时，NFCP为防止非法采伐而开展的森林监测活动也可能有助于减少森林丧失。除此之外，我们的结果还表明，GTGP显著提高了2000年至2012年的森林恢复，这主要与退耕还林后的大面积造林有关。
与以往的研究相反（如[9]），我们发现GTGP的实施与保护区的森林丧失之间也存在显著的正相关关系。该结果主要可以用以下两个原因来解释。首先，尽管为了避免汶川地震的影响，我们将森林丧失数据分析的时间限制在2008年以后，但在之后的几年里，部分保护区仍然会发生泥石流、山体滑坡等次生灾害，尤其是在严重破坏的地区（如龙溪虹口自然保护区和千佛山自然保护区）。同时，GTGP政策主要是将土地坡度大于15或25°的耕地进行退耕[12]，因此与非GTGP实施区域的坡度更平缓的坡地相比，GTGP实施区域更容易受到次生灾害的影响，进而导致森林丧失。模型中坡度对森林损失的显著正影响（P < 0.001）和坡度对森林恢复的显著负影响（P < 0.001）间接证实了这一推测。其次，GTGP减少了家庭可用于农业生产的耕地数量，这可能促使农民将其他林地转为农田或其他类型的农业生产来弥补退耕导致的经济损失[101]。在我们的访问中，我们也发现部分居民为了增加家庭收入，在其他地方开垦耕地，或者直接将森林开垦成耕地或者进行其他种植活动（如茶园）。这些二次土地利用转换导致了森林的损失，特别是在以茶叶种植作为重要经济来源的地区（如广东省南岭自然保护区和车巴岭自然保护区）（图3 a-f）。因此，我们建议实施GPTP政策时应考虑自然灾害的影响对种植林地的影响（如植被灾后恢复），同时还应考虑对整个保护区森林/草地资源的监督管理，防止居民在政策实施以外的地区进行二次土地开发利用。
图4.12009-2017年部分森林丧失区域展示（红色矩形表示森林损失区域，标记点为随机抽取的森林损失样本点，标记点越多，森林损失越大）。其中，a & c分别展示了南岭自然保护区2015年和2012年的森林损失情况，b & d分别显示2012年和2011年的相同区域的森林覆盖情况（由于早期历史卫星影像数据的限制，我们只能清晰地显示同一区域的一部分）；e，f分别显示了车巴岭自然保护区部分区域森林丧失后（2016年）和丧失前（2014年）的森林覆盖情况。
Figure 4.1 Supporting information of forest loss from Google Earth. The red rectangles represent areas of forest loss from 2009 to 2017, and the marked points are forest loss points which have been randomly extracted with a radius of 30m for binary logistic regression analysis, more marked points mean more forest loss. Specifically, a & c show the forest loss of Nanling Nature Reserve in 2015 and 2012 respectively, and b & d show the same region in 2012 and 2011 respectively (Due to the limitation of earlier historical satellite image data, we can only clearly show part of the same area); e & f exhibit forest loss in 2016 and before-loss in 2014, respectively in Chebaling Nature Reserve.
除了保护生态系统这一主要目标，NFCP和GTGP的目标还包括减贫。尽管家庭是政策执行减贫目标的直接单位，但利用农户数据严谨地评价这些政策社会经济影响的研究较少，尤其是NFCP政策。Yang等人以卧龙自然保护区为例，揭示了从PES政策到社会经济结果的途径，得出参与GTGP对居民总收入有负面影响的结论[65]。而Li等人分析了陕西省周至县南部山区的929户家庭数据，发现参与GTGP对家庭收入有显著的正向影响，特别是对中低收入家庭[11]。然而，我们的结果表明参与NFCP和GTGP对保护区居民的家庭收入没有显著影响。该结果主要有以下原因导致：第一，随着时间的推移，物价和生活成本迅速上升，而两项政策早在2000年设定的固定补贴对现代农村家庭收入的经济影响已经变得微不足道；第二，由于空间异质性（详细见第5章），导致政策在不同的保护区可能产生了广泛的积极或消极影响，加上尺度效应的存在，导致将当它们汇集到一个单独的分析时，影响则被相互抵消。为验证关于尺度效应的推测，我们评估了这些政策对每个保护区居民经济收入的影响（附录E），发现NFCP和GTGP对不同保护区的家庭收入影响确实不同，且对89.7%的保护区的居民经济收入没有显著影响，这很好地证实了以上两种推测。该结果也说明，表明以前的大尺度（如县级）的评估可能会掩盖这些政策对边缘居民（例如在保护区内外的居民）的真实影响。可见，PES政策的实施很难在同一尺度上同时产生积极的生态和社会经济效益，尤其是其经济效益有待提高。
4.3.2 生态旅游的生态与经济效益
由于以往研究报道的旅游经营的负面生态影响 （如[66-73]），以自然为基础的生态旅游同时促进生物多样性保护和保护区社区发展的有效性受到了质疑。然而，我们对30个保护区的研究表明旅游经营显著促进了森林恢复，同时增加了家庭收入。一方面，保护区的旅游经营通常开始于基础设施的发展（例如公共基础设施和XX投资的道路），为当地人提供了许多临时工作[24]，而好的旅游发展也可以促进游客的消费，提高当地人的收入。 此外，旅游发展提供的工作机会也间接减少了参与增加森林砍伐活动的劳动力（例如耕地扩张、砍伐木柴）[88]。旅游发展同时可以促进居民转换能源使用，如从柴薪转向更有效和更方便的能源（例如，煤气和电力），进而减少森林的砍伐。因此，只要合理规划和发展，生态旅游经营可以促进保护区生态保护和居民经济的协同发展。
此外，我们还发现家庭和保护区的许多其他属性对当地居民的家庭收入和森林保护都有很大的影响。例如，生计活动对家庭收入的积极影响明显大于PES政策和历史经济水平。国家级和知名度较高的保护区森林丧失更多，尽管这些保护区往往吸引了更多的关注和XX和其他组织的投资。可见，家庭和保护区属性在保护区生态和社会经济结果中扮演着重要的角色。
第五章 保护与发展政策经济效益的空间异质性
政策实施区域内的居民作为减贫的直接对象，两项政策对其经济收入的影响一直是我国XX和国内外科研工作者关注的焦点。目前，许多研究评估了保护与发展政策对居民经济收入的影响，但不同研究得到的结论之间存在明显的差异。而造成这种现象的原因可能是保护与发展政策的经济影响存在空间异质性，即同一政策本身就会对不同区域农户产生不同的经济影响不同；加之评估中可能存在尺度效应，导致当将这些产生了不同效益的地区的数据汇集到一个单独的分析时，影响发生了相互抵消。然而，现有研究的评估方法、研究区域和研究尺度差异性较大，都不足以帮助理解这一假设。因此，我们选择四川省农户样本量前6的自然保护区为研究区域，我们评估了保护与发展政策对不同自然保护区的经济影响，以判断两项政策的经济效益是否存在空间异质性。由于政策制定者的初衷是期望这些政策能对农户产生积极且显著的经济影响，因此我们也分析了那些政策能够对其产生显著积极影响的家庭的特征。
5.1 研究方法
所有数据分析均通过统计软件SPSS 22.0（IBM SPSS Statistics 22）实现。首先，我们利用SPSS软件的线性回归分析方法评估了天然林保护政策，退耕还林政策，生态旅游及其他因子对各保护区居民经济收入的影响。然后，对保护与发展政策的有/无影响家庭组（即政策对保护区参与居民的经济有/无显著性影响）的主要家庭特征（如劳动力数量，房屋面积等）进行对比检验，进一步分析政策对不同家庭经济影响有差异的原因。
需要说明的是，由于在对生计活动进行评估时采用的是二元指标——家庭是否参与这些生计活动，因此在对有影响和无影响两组家庭的生计活动进行t测验时，平均值更大的一组表示该政策更容易对参与或不参与该生计活动的家庭产生显著或不显著影响。例如，若有影响家庭组的农业生计平均值显著大于无影响家庭组的平均值，则表示该政策更容易对参与农业生计的家庭产生显著正影响；反之则表明该政策更容易对未参与农业生计的家庭产生显著影响
5.2 研究结果
5.2.1 保护与发展政策的空间异质性
为保证各个自然保护区的线性分析结果具有可比性，我们对每个保护区的经济收入进行了线性模拟，在保证尽可能多的保护区的线性模型调整后R2都最大化的情况下，选择了以下指标（表5.1）对各保护区的居民经济收入进行线性分析。其中，千佛山和华蓥山保护区的线性模型调整后的R2较高，分别为0.654和0，603；其次是卧龙，白羊和老君山自然保护区，调整后的R2分别为0.499，0.417和0.359，这表明我们评估指标的选择和模型结果都能很好地对大部分自然保护区居民的经济影响进行分析和解释。模型调整后R2最小的是片口自然保护区，为0.181。
保护区与发展政策对不同保护区的经济收入影响不同。天然林保护政策对老君山和千佛山自然保护区居民的家庭收入有显著的正影响，对其他保护区的居民收入不产生显著影响；而退耕还林（草）政策仅对片口自然保护区居民的家庭收入有显著的正影响，对其他保护区居民收入的影响有正有负，但均不显著（表4）。参与生态旅游对大多数保护区的居民经济收入有积极且显著的影响，对少数保护区的影响不显著。除政策以外，家庭生计活动，如外出务工和参与本地非农等对多数保护区的居民家庭收入有显著或极显著的影响；非劳动力人数，劳动力人数和房屋面积则对个别保护区的居民经济收入有显著影响。
表5.1不同保护区居民经济收入影响因素的线性模型预测结果
Table 5.1Results of the linear regression model on predictors of household income in individual PA
| 模型
Model | 老君山
Laojunshan | 千佛山
Qianfoshan | 华蓥山
Huayingshan | 片口
Piankou | 卧龙
Wolong | 白羊
Baiyang |
| 常数 | 3.018***（0.169） | 3.765***（0.456） | 2.546***（0.185） | 3.256***（0.299） | 3.201***（0.379） | 2.959***（0.207） |
| 地理位置 | ||||||
| 距主要城市距离 | 0.002**（0.001） | 0 | -0.002 （0.001） | Na | 0 | 0 |
| 家庭人口 | ||||||
| 非劳动力人数 | 0.000 （0.039） | 0.034 （0.079） | 0.082 （0.046） | 0.194** （0.065） | 0.081* （0.037） | 0.036 （0.047） |
| 劳动力人数 | 0.080* （0.036） | 0.020 （0.057） | 0.007 （0.032） | 0.073 （0.054） | 0.017 （0.028） | 0.041 （0.037） |
| 家庭资本 | ||||||
| 耕地（亩） | 0.015 （0.011） | 0.021 （0.012） | 0.000 （0.024） | -0.014 （0.011） | 0.020 （0.012） | 0.000 （0.001） |
| 房屋面积（m2） | 0.000 （0.001） | 0 | 0.001 （0.001） | 0.000 （0.001） | 0.001* （0.000） | 0.000 （0.000） |
| 生计活动 | ||||||
| 外出务工 | 0.633*** （0.108） | 0.896*** （0.138） | 1.140*** （0.105） | 0.410* （0.170） | 0.550*** （0.071） | 0.459*** （0.116） |
| 放牧 | 0.037 （0.144） | 0.482 （0.438） | 0.302 （0.180） | 0.016 （0.162） | 0.316** （0.096） | 0.362** （0.125） |
| 务农 | 0.062 （0.104） | -0.118 （0.178） | 0.496* （0.205） | 0.020 （0.161） | 0.098 （0.071） | 0.375*** （0.093） |
| 旅游经营 | 0.859** （0.279） | 0.347 （0.270） | 1.351* （0.533） | -0.090 （0.584） | 0.280** （0.086） | 0.388* （0.177） |
| 本地其他非农 | 0.342*** （0.092） | 0.616*** （0.138） | 0.747*** （0.109） | 0.383** （0.139） | 0.243** （0.081） | 0.576*** （0.095） |
| 政策参与 | ||||||
| 家庭是否参与天然保护工程 | 0.228* （0.093） | 0.355* （0.171） | 0.169 （0.194） | – | Na | 0.035 （0.123） |
| 家庭是否参与退耕还林工程 | -0.132 （0.098） | -0.727 （0.396） | 0.009 （0.116） | 0.303* （0.140） | 0.348 （0.353） | 0.247 （0.131） |
| 调整后 R2 | 0.359 | 0.654 | 0.603 | 0.181 | 0.499 | 0.417 |
注：表中展示的数据为模型的回归系数与标准误；标记***，**，*分别表示在0.1%，1%和5%水平下的显著性。
0 表示该参数的系数极小，对模型的贡献很小；Na 表示建立模型时该参数被模型排除在外；- 表示被调查人员中无人参与该政策项目。
5.2.2 保护与发展政策产生积极经济效益的影响因素
为了更好地指导今后保护与发展政策的充分实施，基于5.2.1部分的分析，我们将对家庭经济收入有显著影响的因子—非劳动力数量，劳动力数量，住房面积与各类生计活动—进行了对比，以探究保护与发展政策能够对其产生显著积极影响的家庭的具体特征。
5.2.2.1 PES政策产生积极经济效益的影响因素
天然林保护政策更容易对劳动力数量少和住房面积小的家庭产生积极且显著的经济影响；从生计活动看，NFCP政策更容易对参与农业和本地其他非农，和没有参与旅游经营生计的家庭经济产生显著影响（图5.1a）。同样地，退耕还林政策也倾向于对住房面积较小和参与农业生计活动的家庭经济收入产生显著的正影响（图5.1b）。详细数据见附录F。
注释：图中所展示数据为平均值；标记***，**，*分别表示在0.1%，1%和5%水平下的显著性；为方便展示，图中房屋面积以LOG转换后的值表示，具体数据见附录表
图5.1天然林保护和退耕还林政策正影响和非正影响家庭组特征比较
Figure 5.1Characteristics comparison of household groups of affected and unaffected by NFCP/GTGP
5.2.2.1 生态旅游产生积极经济效益的影响因素
整体上，生态旅游产生显著正影响家庭的非劳动力人数，劳动力人数和房屋面积等特征都高于未产生显著影响的家庭组，但都不显著（图5.2）。详细数据见附录G。
注释：图中所展示数据为平均值；标记***，**，*分别表示在0.1%，1%和5%水平下的显著性；为方便展示，图中房屋面积以LOG转换后的值表示，具体数据见附录表
图5.2 生态旅游正影响和非正影响家庭组特征比较
Figure 5.2 Characteristics comparison of household groups of affected and unaffected by tourism
5.3 讨论
5.3.1 保护与发展政策经济效益的空间异质性
研究结果表明，保护的经济效益确实具有空间异质性。理想状态下，政策制定者期望天然林保护和退耕还林政策在各个实施区域都能够产生显著的，正面的经济影响。然而，我们的研究表明两项政策对不同参与居民的经济收入影响是不同的。其中，天然林保护政策对保护区居民的经济影响都为正（表4），尽管在有些保护区并不显著。造成这种现象的主要原因可能与天然林保护政策本身的特殊性有关，和退耕还林政策相比，自然保护区的居民大多是以社区共管的方式参与天然林保护政策，即通过对给定的天然保护林区域进行定期的保护巡逻和砍伐监督就能得到相应的经济补贴，参与政策的家庭并未遭受实质性的资产（如耕地）损失，反而在原本的经济基础上多了一项直接的经济收入。
退耕还林政策对保护区居民的经济收入影响则有正有负。退耕还林对居民经济的正面影响可能是因为耕地减少导致家庭产生空余劳动力，而这部分劳动力更有可能参与旅游经营，外出打工等经济收入更高的生计，从而导致其家庭收入高于未参与的家庭。而退耕还林对居民经济收入的负面影响则可能是因为耕地面积减少导致了农业收入减少和食物消费的增加，而XX补贴和参与旅游经营或外出打工等其他生计的收入并不能完全抵消由于政策参与带来的经济损失[65]。
生态旅游发展对大多数保护区参与居民的经济收入有积极且显著的影响，对少数保护区的影响不显著。
5.3.2保护与发展政策产生积极经济效益的的影响因素
分析影响PES政策对居民经济收入产生积极影响的因子发现天然林保护和退耕还林政策都更有可能对资产较少（如住房面积小）和依靠务农的家庭产生显著的正影响。无论在农村或城市，住房面积的大小常常能反映一个家庭的总体经济情况，住房面积越小的家庭往往经济状况较差，因而XX的经济补贴对其家庭经济收入影响较大。而相比参与旅游经营和外出打工等高收入的生计活动，务农则属于高时间成本和高人力资本投入，但低经济收入回报的生计活动，因此参与务农的家庭比不参与务农的家庭有更少时间和人力资本参与其他高收入生计活动，导致政策补贴能对其家庭经济收入产生显著的正影响。
除此之外，我们还发现天然林保护政策更有可能对劳动力数量少，未参与旅游经营和有本地其他非农收入的家庭产生显著的正影响。劳动力数量少则意味着赚取的经济收入少，所以对XX给予的天然林保护政策补贴更为看重。旅游经营和本地非农生计都是相比农业生计经济收入更高的生计活动，理应是居民赚取收入的首要选择。然而，已有研究表明保护区内的旅游经营经营者多为保护区外人员，且多占据餐饮旅店等高回报的经营，而保护区内有更多经济资本（如收入更高）和离主要旅游经营景点更近的居民才更倾向于参与旅游经营经营18。可见保护区内未参与旅游经营的居民大多是由于客观条件限制无法参与旅游经营经营，因此天然林保护政策的补贴对其家庭经济收入影响较大。同理，对参与/未参与本地非农生计的家庭特征进行对比我们发现，参与其他非农收入的家庭大多具有大于65岁的老年人，学生和婴幼儿等非劳动力人口多和住房面积小等特征（图2），这些同样也都是在客观条件上限制居民参与远距离（如外出打工）或人口密集（如旅游经营）等高收入生计的因素，因而导致天然林保护政策补贴能对这类家庭的经济收入产生显著的正影响。
第六章 结论与建议
6.1 结论
本研究论文主要研究了全球普遍提倡的PES政策和生态旅游经营的生态和经济效益，同时叙述了保护与发展政策在保护区的发展，以及生态旅游游客客源特征。主要研究结果如下：
NFCP政策能有效减少森林丧失，促进森林恢复；GTGP政策能显著促进森林恢复，但同时也增加了森林丧失。两项PES政策对保护区居民经济收入的影响甚小，甚至对多数保护区居民的经济收入无显著影响，难以同时实现保护和发展目标。生态旅游的发展显著促进了30个保护区的森林恢复，同时显著提高了参与居民的收入。因此，只要合理开发，谨慎经营，生态旅游经营有望实现保护区社区发展与生态保护的协同发展。结合对保护区生态旅游游客客源特征和行为的研究，在6.2部分对保护区生态旅游的发展提出一些建议，部分家庭属性（如生计活动，）和保护区属性（如管理级别和知名度）也对居民收入，森林恢复和丧失有显著影响。其中，居民生计活动对家庭收入的影响大于两项PES政策。PES政策和生态旅游的经济影响评估存在尺度效益，较大尺度的研究可能掩盖保护与发展政策的一些真实效益。PES政策和生态旅游的经济影响存在空间异质性。NFCP政策，GTGP政策和生态旅游对不同保护区居民的经济收入影响不同。其中，两项PES政策都更有可能对资产较少（如住房面积小）和参与务农的家庭产生显著的正影响。
6.2 建议
总体而言，保护与发展政策在一定程度上很好的实现了生态保护目标，尤其是NFCP和生态旅游。相比之下，保护与发展政策的经济效益则令人担忧，尤其的两项PES政策。根据我们的研究结果，我们对今后PES政策和生态旅游的研究，以及今后政策的实施提出以下一些建议：
选择适宜的研究尺度近年来，大数据、大尺度研究成为各个研究领域的热点。我们的研究表明，评估PES政策和生态旅游发展的经济效益时容易受到尺度效应的影响。30个保护区的尺度上，显示PES政策对居民经济收入没有显著影响，生态旅游对居民经济收入有显著正影响；而在单个保护区尺度上，显示NFCP和GTGP政策对个别保护区居民的经济收入有显著的正影响，而生态旅游对个别的保护区居民的经济收入是没有显著性影响的。可见，大尺度的研究可能会掩盖保护与发展政策的一些真实效益，影响对保护与发展政策经济效益的认识。因此，我们建议在今后的政策效益评估中，应注意选择适当的研究尺度。
“因地制宜”制定政策保护与发展政策的经济影响存在空间异质性，仅仅依靠宏观尺度（如国家级）的政策干预很难在地方层面实现经济发展和生态保护的双赢。一方面，PES政策对大多数保护区的经济影响是极其微小的，且生态旅游也对部分保护区居民的经济收入没有显著影响，相比之下，一些家庭属性和保护区属性对居民经济收入的影响更加显著。另一方面，分析政策有/无影响组的家庭特征发现，PES政策更容易对资产较少（如住房面积小）和参与务农的家庭产生显著的正影响。因此，我们建议在今后的NFCP和GTGP政策实施过程中应考虑针对参与家庭的实际情况制定针对性的，精细化和差异化的实施计划或方案以达到最佳的政策实施效果，如考虑对不同家庭进行针对性的生计扶持计划，以促进参与家庭的生计更快速地向长期可持续生计转化，最终实现减贫的目的。
科学研究助力生态旅游发展生态旅游能显著促进森林恢复和居民经济收入，有望实现保护区生态保护与社区居民的协同发展。然而，根据对卧龙自然保护区的客源特征及行为的调查，发现保护区旅游存在客源市场狭窄，游客停留时间短和对主要旅游景观价值感知低等问题，这些都将影响保护区旅游发展的可持续性。根据调查结果，对保护区生态旅游的发展提出以下4点建议：
做好市场营销、提高知名度我们的研究结果表明自然保护区生态旅游游客客源均集中于保护区所在的省市，客源市场有待进一步拓宽。对此，保护区旅游管理机构应着力做好市场营销，提高自然保护区旅游开发的知名度。而“口碑”宣传是保护区生态旅游最常见的宣传方式，因此要求自然保护区当地应尽量提高生态旅游游客的满意度，进而提高生态旅游游客的推荐率与重游率。然而，对于省外的生态旅游游客，由于客源市场比较分散，“口碑”宣传的力量较弱，故建议以现代互联网宣传为主要营销手段，如利用社交网络制作、传播一些保护区相关的宣传片等。
注重基础消费行业投资、提高游客基础消费品质卧龙自然保护区生态旅游游客的主要消费包括住宿、餐饮与交通，而住宿、餐饮与交通本就是游客出行的基础性消费。一方面，投资餐饮和住宿更是保护区居民参与生态旅游经济的两大主要方式，很多时候被本研究领域的科研人员所忽略。另一方面，提高基础消费行业投资（如住宿和餐饮）、提高游客在保护区生态旅游中的基础消费品质，不仅可以提高游客满意度、增加游客重游率与推荐率，促进当地生态旅游的持续发展；同时可以提高投资参与者在保护区生态旅游内部客源竞争中的竞争力，理应受到重视。
积极开发游客可参与性项目许多游客提出旅游配套设施、游客可参与性项目以及宣传等方面亟待提高。其中，旅游配套设施是旅游发展的基础硬件设施，各保护区都应努力完善；游客可参与性项目是游客在旅游过程中的 “精神食粮”，会对游客的重游率与推荐率产生重要影响，保护区相关旅游部门应针对不同主要游客群体设计开展更丰富多彩的游客可参与性项目，如开展针对青少年的生态环境教育夏/冬令营以及针对高学历群体的高品质旅游活动。
建立完善游客信息管理体系，监测客源动态变化在调查中，我们也发现卧龙自然保护区并未对游客信息进行登记记录。鉴于各保护区生态旅游游客客源特征与行为的异质性，我们建议：①各保护区、未来国家公园以及其他生态旅游目的地建立完善的游客基本信息登记记录与管理体系，同时周期性地对游客客源特征，掌握客源市场动态变化，以便及时调整旅游发展与管理措施，以保持当地生态旅游的持续发展；②周期性地对游客的行为、需求和旅游感知等进行调查访问，了解掌握游客的需求变化，以及当地目前旅游发展的存在的问题和不足，以帮助从游客角度出发完善当地旅游发展，提高游客的满意度、重游率和推荐率。
参 考 文 献
[1]李俊清, 崔国发, 胡涌. 自然保护区生态旅游管理与可持续发展[J]. 北京林业大学学报. 2000;22(4):126-127.
[2]张志达. 总结“十五”展望“十一五” 努力开创天保工程建设新局面[J]. 中国林业. 2006;(01):29-31.
[3]刘璨, 孟庆华, 李育明, 等. 我国天然林保护工程对区域经济与生态效益的影响–以四川省峨边县和盐边县为例[J]. 生态学报. 2005;25(3):428-434.
[4]杨全生, 汪有奎, 李进军, 等. 祁连山自然保护区 天然林保护工程的成效分析[J]. 中南林业科技大学学报. 2015;35(1):89-95.
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：1158，如若转载，请注明出处：https://www.447766.cn/chachong/142143.html,
