西俄勒冈州花旗松林最优管理策略：随机价格、碳汇与野火风险的动态权衡

本研究运用保留价格模型（Reservation Price Model），量化分析了野火风险与碳汇收益对花旗松林最优采伐决策的影响。结果表明，高野火风险（λ=0.04）使轮作周期从65.2年缩短至24年，土地价值下降50%；碳价（$35/tCO?e）可延长轮作，但野火风险显著抵消该效应。研究为融合市场波动与生态风险的适应性林务策略提供了理论依据。

　　

Model development

我们模拟了一个以 timber production（木材生产）和 carbon sequestration（碳封存）为管理目标的同龄花旗松林分。林主的目标是最大化木材与碳汇收益的期望值，并假设当前木材价格已知，而未来价格呈随机波动且各时期相互独立。

Timber growth and Price information

采用 von Bertalanffy 生长函数 V(T) 模拟西俄勒冈州优质林地花旗松的单位公顷木材积。根据俄勒冈州林业局1981–2022年数据，锯材平均价格为312.6/m3，标准差为54.6。

Impact of risk on the reservation prices of Douglas fir plantations

图1(a)和1(b)表明，无论野火风险是恒定还是随林龄变化，都会显著改变最优保留价格轨迹与采伐策略。本研究共模拟81组碳价、碳留存率、野火风险和可抢救木材比例的组合，图中选取27个代表性情景以便清晰解读。这些情景反映出…

Discussion

本研究结果突显了野火风险在森林经营策略中的关键作用。随着气候变迁导致野火发生频率与严重度上升，其带来的经济与生态挑战日益显著。野火风险、保留价格策略与生态系统服务价值之间的相互作用表明，亟需采取适应性管理策略，以在经济效益与长期生态韧性之间取得平衡。

Conclusion

本研究揭示了野火风险、碳价及β值在花旗松林经营策略中的复杂互动关系。通过整合野火风险、碳定价、抢救潜力与随机木材价格，我们构建了一个综合决策模型，弥补了以往研究中这些因素被孤立分析的不足。结果表明…

Declaration of generative AI and AI-assisted technologies in the writing process

论文撰写过程中，作者使用ChatGPT辅助语法检查和语言润色。使用后作者对内容进行了审阅和必要编辑，并对发表内容负全部责任。

Author statement

我们保证该稿件为作者原创，未投至其他出版物。所有引用文献均已正确标注，不存在实际或潜在利益冲突。所有作者均已阅读并同意投稿。

CRediT authorship contribution statement

Hsu Y. Kyaw： 撰写初稿，软件，方法论，调研，形式分析，概念化。Andres L. Susaeta： 监督，方法论，调研，形式分析，概念化。Mindy S. Crandall： 监督，方法论，形式分析，概念化。

Declaration of competing interest

作者声明不存在任何可能影响本研究的已知竞争性财务利益或个人关系。