《Forest Policy and Economics》:Precision or division? Stakeholder perceptions and tensions in the digital transition of Swedish forests
编辑推荐:
精准林业技术被倡导为管理相互竞争的森林价值并缓解土地利用冲突的解决方案,但其社会与政治影响仍缺乏充分理解。本研究考察了瑞典林业利益相关方如何看待人工智能(AI)、遥感(remote sensing)和预测建模(predictive modeling)等数字工具
精准林业技术被倡导为管理相互竞争的森林价值并缓解土地利用冲突的解决方案,但其社会与政治影响仍缺乏充分理解。本研究考察了瑞典林业利益相关方如何看待人工智能(AI)、遥感(remote sensing)和预测建模(predictive modeling)等数字工具在森林相关冲突中的潜力与风险。研究基于一项面向未来的参与式工作坊以及可供性—实现化(affordance–actualization)视角,分析利益相关方对于精准林业预期能够实现何种功能,以及这些可能性在何种条件下能够转化为可操作实践。研究识别出三类主要的感知可供性:(1)通过新的测量与补偿形式,提高土地所有者利用森林的能力;(2)为决策制定与权衡预测提供数据;(3)为对话与协商创造共同讨论基础。在这些可供性之间,存在若干张力,包括可量化与不可量化知识和价值之间的张力、大型行为体与小型行为体之间的张力,以及数据透明性与控制权之间的张力;研究将这些张力置于数字化与环境治理更广泛的文献背景下加以讨论。利益相关方认为,数据质量、标准化、监管不确定性以及对模型的信任构成了障碍。研究发现表明,林业数字化转型本身不太可能自动减少森林冲突;在某些条件下,若上述张力得不到处理,它反而可能强化既有权力不对称,并导致部分行为体被排斥。
该文发表于《Forest Policy and Economics》,聚焦瑞典森林数字化转型背景下精准林业技术的社会—政治后果,核心问题是:数字工具是否真的能够缓解森林相关冲突,抑或会在治理过程中制造新的分化。研究背景在于,森林在气候变化应对、生物多样性保护、木材生产、休闲游憩与生态系统服务供给中承担多重功能,不同功能之间存在显著权衡,进而引发土地利用冲突。与此同时,人工智能(AI)、机器学习、遥感(remote sensing)、地理空间分析和预测建模(predictive modeling)等技术迅速进入林业治理,被寄望于通过“精准林业”提升管理效率、优化因地制宜决策,并服务于欧洲“绿色转型”与“数字转型”的“双重转型”目标。瑞典作为欧盟森林覆盖率高、技术接受度较强且森林冲突持续上升的国家,成为观察该问题的关键案例。
当前存在的主要问题在于,技术研究虽然已大量论述精准林业的能力边界与应用前景,但不同利益相关方如何理解这些技术、如何预判其对冲突的影响、以及他们认为哪些价值会被强化或边缘化,仍然认识不足。文章指出,森林冲突并不仅仅是信息不足所致,更深层地植根于产权、生态保护、游憩利用、驯鹿放牧、生物多样性及森林经济收益等相互竞争的价值体系。因此,若数字化工具主要服务于可量化目标,便可能放大既有治理偏向,将某些森林价值纳入模型、数据与补偿逻辑,而将另一些难以量化的关系性、经验性或地方性知识排除在外。正是在这一现实矛盾下,研究人员开展本研究,以揭示数字化在林业冲突治理中的可供性、实现条件与风险结构。
研究人员以“可供性—实现化”(affordance–actualization)为理论框架,强调技术并不直接决定结果,而是为不同行为体提供被感知的行动可能性;这些可能性是否能够真正转化为实践,则取决于制度、文化、资源与合法性条件。文章因此并未评估某项技术本身“是否有效”,而是分析利益相关方想象这些工具“能够做什么”、在什么前提下“可能被采用”,以及这背后折射出怎样的权力关系和知识政治。研究最终得出的核心结论是:数字化并非天然的冲突缓解器。精准林业技术确有潜力改善信息获取、支持协商、扩展森林多功能经营与补偿机制,但只有在数据可信、规则清晰、参与广泛、知识多元且权力不对称得到正视的条件下,这些潜力才可能实现;否则,数字化可能进一步巩固主导性知识体系和大型行为体的优势地位。
研究的重要意义在于,它把精准林业从单纯的技术创新问题转化为森林治理与环境政治问题加以考察,揭示了数字化基础设施如何影响哪些森林价值“可见”、哪些行为体“有话语权”、哪些决策“被认为合法”。这不仅拓展了森林政策研究,也回应了数字环境治理、批判遥感和人工智能治理中关于量化、透明性、公共参与与公平性的讨论。
研究方法方面,作者主要采用三类关键方法。第一,开展面向未来的参与式工作坊(participatory workshop),于2024年8月在瑞典斯德哥尔摩组织19名林业利益相关方参与,包括生产导向、游憩导向、保护导向群体、绿色技术企业及公共机构代表。第二,设置后续焦点小组访谈(focus group interview),于2025年1月补充3名猎人协会代表,以弥补工作坊缺席群体的意见。第三,采用定性内容分析(qualitative content analysis),先进行常规定性内容分析(QCA)归纳可供性类别,再以定向内容分析(directed content analysis)编码具体使用模式与障碍,并围绕数据、政策与信任三个主题进行归纳整合。
在研究结果部分,文章保留并展开了三个结果小标题。
5.1. Affordance 1: Improving landowners' ability to use the forest
研究人员发现,第一类感知可供性是提高土地所有者利用森林的能力。通过工作坊讨论可见,利益相关方认为数字工具可以测量碳储量、生物多样性、游憩价值等参数,从而为森林多用途经营创造条件,并可能形成新的补偿机制和商业模式。例如,如果生物多样性能够被可靠测量并转化为补偿依据,那么原本可能妨碍采伐的保护要求就可能从经济负担转化为可获得收益的资产。又如,提高木材与木制品可追溯性,有望提升可持续经营木材的市场溢价。研究由此得出结论:精准林业可能推动森林非木材价值的经济显化,缓和生产与保护之间的部分张力。但文章同时指出,这一可供性的实现高度依赖数据共享、标准化与补偿规则的制度化安排,并伴随土地估值波动、政策依赖性增强及不同土地所有者受益不均等风险。
5.2. Affordance 2: Data for decision-making
第二类感知可供性是为决策提供数据支持。研究人员通过对工作坊材料的分析发现,利益相关方普遍设想利用制图、模型与预测工具来识别自然价值、记录游憩活动、预测不同经营情景的生态与经济后果,从而在决策前预见权衡关系。特别是数字孪生(digital twins)和预测模型被视为可以让多种森林价值及其相互影响“提前可视化”的关键工具。研究据此表明,精准林业被赋予了改善经营决策质量、帮助各方理解管理后果并寻找折中方案的期待。不过,生产导向群体对数据被用于施加新限制表达了明显担忧,例如自然价值制图可能引发采伐禁令而又缺乏相应补偿。此外,传统经验知识在数据驱动决策中可能被削弱,这说明该可供性的实现并不只取决于技术性能,还取决于何种知识能够进入正式决策体系。
5.3. Affordance 3: Finding common discussion ground
第三类感知可供性是构建共同讨论基础。研究人员发现,许多参与者认为森林治理中的分歧并不完全源于价值不可调和,而在于缺乏共享且可信的信息基础。数字化工具,尤其是预测模型、可视化系统和数字平台,被认为能够通过标准化与透明化信息,减少事实不确定性,缓和协商中的信息不对称,并为不同利益相关方提供共同参照。诸如以GPS数据识别高游憩价值区域、通过平台支持协商程序等使用方式,都体现了这一点。研究得出的结论是:数字工具在一定条件下可以成为对话媒介,帮助协商各方围绕可比信息展开讨论。但文章同样强调,将模型或数据视作“中立裁判”本身就遭到质疑,因为数字化也可能通过“客观性”表象掩盖深层政治分歧,并在数据获取与解释权不均的情况下强化既有权力不对称。
5.4. Barriers identified by stakeholders
在跨三类可供性的综合结果中,研究人员识别出三类障碍。其一是数据相关障碍,即数据质量与数据标准化问题。参与者普遍认为,若数据不准确、不完整、不可比,补偿机制、决策支持和预测建模都难以成立,尤其是生物多样性、碳汇等复杂生态系统服务更难被稳定测量。其二是政策相关障碍,即监管缺失与土地估值不确定性。数字化若催生新的碳交易或生态补偿市场,就需要清晰界定数据所有权、责任归属和补偿权利,否则土地所有者难以进行长期稳定规划。其三是信任相关障碍,包括数据政治化、对预测结果的怀疑以及对数据客观性的质疑。参与者担心资源更强、制度地位更高的行为体会主导数据的收集、解释与传播,使数字工具成为利益竞争的新场域,而非冲突化解的中性平台。
讨论部分进一步将这些经验发现提升到森林治理与数字环境治理层面。文章指出,工作坊中显现出多组彼此关联的核心张力:一是科学化、可量化知识与传统、经验性知识之间的张力;二是大型行为体与小型行为体之间的资源张力;三是可见与不可见、可量化与不可量化价值之间的表征张力;四是透明性与控制权之间的数据治理张力。研究人员认为,这些张力共同决定了精准林业的“实现化”路径,即哪些可供性能够获得制度合法性并真正落地。由于生产导向数据长期积累更系统,围绕木材生产的模型与指标更容易被视为“稳健”,而游憩价值、关系性价值、地方经验知识等则更难转译为标准化数据,从而面临被排除的风险。文章特别提醒,若不正视这些结构性差异,数字化转型可能将某些对森林的理解方式固化为主导范式,使部分利益相关方认为这一转型不可接受,反而加剧冲突。
作者也明确讨论了研究局限。其中最重要的是缺少驯鹿放牧群体的直接参与,这使研究对原住民数据治理、敏感空间信息控制、数据二次利用和地方性知识数字化转译等问题的把握仍不充分。文章因此承认,这不仅是经验材料上的缺口,也是分析层面的限制,因为受影响最深的群体之一未能直接发声。
研究结论部分可概括并翻译如下:总体而言,瑞典林业数字化是在围绕知识、价值与权力的深层张力中展开的。这些张力不仅影响人们如何看待数字工具,也影响数字工具最终服务于谁。信任问题贯穿全文:参与者担忧数据会被政治化、模型结果会被选择性解释,而资源和制度权威更强的行为体更可能主导数据的收集、呈现与传播。正因如此,数字工具并非天然中立的决策基础,其治理效应深深嵌入既有社会政治结构之中。为了实现公平且民主的数字转型,林业领域的数字应用必须被视为众多知识来源之一,而非终局性的优越知识形式;其输出必须置于兼顾专家与公众的审议过程之中,并遵循多元、透明、公平与问责原则;还应创造更多公共与专家共同讨论的机会,审视数字系统如何被设计、优先体现何种价值、又排除了哪些价值;同时,难以量化的知识也必须得到承认与重视,以避免那些无法被顺畅转译为数据的行为体和实践被边缘化。文章最后强调,数字工具改善森林治理的潜力不仅取决于技术进步,更取决于社会如何协商并处理数字化所揭示和放大的张力。只有正视信任与不平等影响问题,并承认模型局限、珍视多元知识,数字化才有可能促进更公平、更可持续的森林管理未来,并有助于缓解森林冲突。