纸上绿化与实际绿化：政府环境叙事对森林覆盖的影响

《Forest Policy and Economics》：Going green on paper and on ground: The impact of government environmental narratives on forest cover

　　

摘要
森林提供关键的生态系统服务，但面临人类活动和自然灾害日益加剧的威胁。监管和经济工具可以促进森林保护，但它们往往伴随着高昂的政治和经济成本。政府叙事提供了一种更具成本效益的替代方案。它们通过整合不同参与者的认知，并将个人行动与更广泛的环境挑战联系起来，帮助克服集体行动困境。本研究探讨了政府环境叙事如何在宏观层面影响森林覆盖率，使用大语言模型和 LDA 主题模型，从 2010 年至 2022 年中国 31 个省级行政区的省级党报文本中构建叙事指标。出现了四个关键发现。首先，政府环境叙事暴露显著增加了森林覆盖率。其次，这种效应通过三条途径发挥作用：提高公众环境关注度、刺激绿色创新以及扩大绿色信贷供给。第三，主题混淆负向调节叙事暴露与森林覆盖率之间的关系。第四，叙事暴露的正向效应在政府干预较强的地区更为明显。本研究将森林治理理论扩展到传统的监管和经济工具之外，并将环境叙事研究从个体层面推进到宏观生态结果层面。

引言
森林是关键的陆地生态系统，维持生态平衡并支持人类福祉（Feng 等人，2025；Xu 等人，2025）。然而，它们面临人类活动和自然灾害的双重威胁。森林退化仍然是一个紧迫的全球挑战。在 1990 年至 2025 年间，全球累计净森林损失超过 1.5 亿公顷。国际社会已启动多项倡议以应对这一紧迫局势。2015 年，联合国可持续发展目标明确将可持续森林管理纳入目标 15。该目标旨在保护、恢复和促进包括森林在内的陆地生态系统的可持续利用。2021 年，欧盟启动了《欧盟森林战略》，承诺到 2030 年至少额外种植 30 亿棵树。中国同样将森林治理置于优先地位。2021 年，中共中央办公厅和国务院办公厅发布了《关于全面推行林长制的意见》，建立了全国森林资源保护责任制。

如何有效实现森林治理目标已成为学术界和政策界的焦点。早期研究主要关注森林治理中的产权定义和市场机制（Agrawal，2001；Ostrom，2015）。近年来，学者们认识到森林治理是一个复杂的过程。它涉及多级政府、企业、社区和公民。有效治理需要多样化的工具，包括监管工具、经济激励和社会参与（Chhatre 和 Agrawal，2009；Nagendra 和 Ostrom，2012）。现有研究证实了各种政策工具的有效性：保护区和采伐限额控制等监管工具有效；生态补偿和税收优惠等经济工具也能促进森林保护（Baylis 等人，2016；Hou 等人，2025）。然而，这些政策工具往往伴随着高昂的政治和经济成本。严格的法规可能会引发利益相关者的抵制，大规模财政补贴会给政府预算带来沉重负担。鉴于国际社会对森林保护的关注度提高以及现实的治理成本限制，探索更具成本效益的森林治理路径已成为当务之急。

政策叙事是战略性构建的故事。政府利用它们来界定政策问题、解决方案和预期结果（Jones 和 McBeth，2010；Shanahan 等人，2018）。作为一种治理工具，政策叙事代表了更具成本效益的替代方案。叙事通过塑造认知、期望和情感反应深刻影响集体行为（Shiller，2020）。这些叙事是低强制性和低资源消耗的治理机制。它们不依赖于密集的行政强制或大量的财政补贴。相反，它们通过重塑共享认知和行为期望来协调集体行为（Bushell 等人，2015）。这使得它们对资源受限的政府特别具有吸引力。更重要的是，森林治理面临的核心挑战在于协调多方参与者的集体行动。森林是公共池塘资源，其特征是非排他性和竞争消耗。其治理的根本困难在于避免集体行动困境，特别是搭便车问题（Ostrom，2015）。政策叙事可以协调不同参与者对过去、现在和未来的认知。它们阐明了个人行动与更广泛环境目标之间的联系。这有助于克服集体行动困境，并激励协调一致的森林保护努力（Bushell 等人，2015；Collier 和 Tuckett，2021；Ingram 等人，2019）。鉴于政府环境叙事在协调多方行为并降低治理成本方面的潜在优势，系统考察其对森林治理的实际效果具有重要的理论和实践意义。在中国政治体系中，省级党报是政府政策叙事的主要载体（Guan 和 Liu，2019；Zhu 和 Zhang，2019）。这些官方报纸充当“命令载体”，包含有关政府主要活动和事件的-policy 信息（Wu，1994）。在发布之前，编辑必须获得政府批准，这使得省级党报成为政府政策意图和注意力配置的可靠代理变量（Fan 等人，2023）。迫切需要系统研究通过这些官方渠道传达的政府环境叙事如何影响宏观层面的森林覆盖率。

迄今为止，对政府环境叙事如何影响宏观层面森林覆盖率的系统考察仍然不足。一些相关研究探讨了环境叙事对微观层面个体认知和行为的影响。这些研究大致可以分为三类。第一类是叙事暴露研究，比较接触环境叙事与未接触群体的个体。例如，Gustafson 等人（2020）的实验证据表明，接触气候变化故事大幅提高了参与者对气候问题的信念及其对相关风险的认识。第二类考察叙事策略，分析主题内容和情感语调的变化如何产生不同的效果。例如，Jones 和 Song（2014）研究了个人主义、等级制和平等主义的气候叙事如何差异性地影响受众认知。他们发现，只有当叙事主题与受众的世界观相一致时，叙事才能有效改变态度。第三类是叙事程度研究，侧重于叙事质量和叙事沉浸感。例如，Cooper 和 Nisbet（2016）发现，具有高度叙事吸引力的纪录片增强了环境风险感知和政策支持。这些研究方向为传播从业者面临的两个实际挑战提供了有价值的见解：叙事暴露解决了是否应该使用叙事以及使用到什么程度的问题；叙事策略和程度解决了叙事内容特征应该如何设计的问题。

然而，这些微观层面的研究留下了一个关键空白。它们表明叙事可以改变个人态度和行为意图。但它们未能充分证明这些效果是否能转化为可观察的宏观环境结果，例如森林覆盖率的变化。此外，现有研究尚未阐明叙事效应可能通过什么途径从个体层面聚合到生态系统层面。值得注意的是，中国森林覆盖率对政策信号和社会动员的响应速度之快，使得有可能在中期尺度上识别政策叙事的效果。这是由于人工造林的主导地位以及基于工程的治理的高度制度化所致。这些考虑导致我们提出两个关键研究问题：
•首先，政府环境叙事暴露，即决策者通过官方媒体传播环境叙事的强度，如何影响森林覆盖率？
•其次，如果这种影响存在，叙事内容特征，特别是主题特征，如何调节这种关系？

我们通过从省级党报中提取叙事指标，并将其与中国 31 个省级行政区的林业和社会经济数据合并，创建了一个 2010 年至 2022 年的面板数据集来回答这些问题。这使我们能够考察政府环境叙事如何影响森林覆盖率以及叙事主题如何调节这些影响。本研究做出了三个主要贡献。首先，它扩展了森林治理工具包的理论边界。它证明政策叙事作为一种低成本治理机制可以有效地影响森林覆盖率。这一发现为资源受限的政府提供了一条超越传统监管和经济工具的替代路径。其次，它推进了对叙事效果的理解。该研究确定了政策叙事影响宏观环境结果的因果机制。它进一步探索了包括公众环境关注度、绿色创新和绿色金融在内的路径，并考察了主题混淆的调节效应。第三，通过考察威权背景下的森林治理实践，在这种背景下官方媒体充当主要叙事载体，本研究丰富了森林治理研究。

本文其余部分组织如下：第 2 节回顾有关政府森林干预和环境叙事效果的文献。第 3 节概述制度背景并提出研究假设。第 4 节详述数据、计量经济模型和变量测量。第 5 节报告基准估计和稳健性检验。第 6 节考察效应的异质性。第 7 节讨论研究结果及其理论和实践意义，承认研究的局限性，并概述未来研究方向。

章节片段
文献综述
在提出我们的假设之前，我们回顾了两类学术成果。第一类涉及影响森林覆盖率的政府干预。由于这里考察的政府环境叙事构成了区别于这些传统工具的治理干预，因此这次回顾提供了必要的对比点。第二类涉及叙事对认知和行为的影响。政府环境叙事本质上是政府构建的话语体系

背景与假设
在强调先前研究中未解决的问题之后，我们将注意力转移到塑造我们分析的制度环境和分析视角上。本节首先回顾中国森林治理的演变和核心政策工具。然后引入叙事经济学的理论视角，并将制度背景与理论框架相结合提出研究假设。

实证策略
本节呈现实证框架。我们从数据来源和抽样程序开始，接着进行模型设定，最后以变量测量方法结束。

基准结果
我们根据公式 (1) 指定的模型探讨了政府环境叙事暴露与森林覆盖率之间的关系。表 2 展示了相应的实证结果。第 (1) 列显示了无控制变量的基准估计。政府环境叙事暴露 (ENV_NAR) 的估计系数为正且统计显著 (β = 0.765, p < 0.05)。在第 (2) 列纳入所有控制变量后，系数仍然为正

进一步分析
叙事对森林覆盖率的影响通过两个连续阶段展开：“传播”和“响应”。在传播阶段，叙事必须通过各种渠道到达森林治理利益相关者。在响应阶段，政府、企业和公众解释叙事并将它们转化为森林保护行为。这种两阶段机制表明叙事效应因区域制度而异。因此，我们考察了一个关键调节变量，政府干预，

结论与启示
森林在维持生态平衡和确保人类福祉方面发挥着不可替代的作用。然而，它们面临人为活动和自然灾害的严重威胁。尽管现有研究证实监管和经济政策工具可以有效地促进森林保护，但这些工具往往伴随着高昂的政治和经济成本。政策叙事代表了更具成本效益的替代方案。它们可以通过

CRediT 作者贡献声明
Saiquan Hu：写作 - 审阅与编辑、监督、项目管理、方法论、资金获取。Yutian Shan：写作 - 初稿、可视化、软件、数据整理。Zhanyu Liu：写作 - 审阅与编辑、写作 - 初稿、验证、资源、调查、形式分析、概念化。

利益冲突声明
作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本报告中所述的工作。

致谢
本研究得到国家自然科学基金的资助（项目编号：72374069）。

Saiquan Hu（通讯作者）目前是湖南大学商学院副教授。他的研究兴趣包括数字营销和多智能体系统。电子邮件：[e-mail]。

Saiquan Hu|Yutian Shan|Zhanyu Liu
湖南大学商学院，长沙 410082，中国