盛濟川　曹杰　苗壯

摘要

減少砍伐和退化所致排放（REDD+）項目旨在通過采取各種政策方法和積極的激勵措施，以幫助發(fā)展中國家減少砍伐和森林退化，同時還包括森林保護、森林可持續(xù)經(jīng)營以及增加森林碳信用。在REDD+項目實施過程中，對于碳減排量的準(zhǔn)確監(jiān)測與度量是一個非常重要的步驟，而不確定性問題的普遍存在將可能對碳減排量產(chǎn)生影響。本文通過建立一個包含REDD+項目開發(fā)商和代理人兩個博弈者的動態(tài)博弈模型，通過對動態(tài)博弈模型的仿真研究，分析了不確定性對利益相關(guān)者收益以及森林碳減排量的影響。研究結(jié)果表明，不確定性會使得森林碳減排量增加，以彌補因不確定性所導(dǎo)致的低估量。同時，不確定性的增加也會導(dǎo)致碳排放量的補償支付價格增長。由于不確定性只會對代理人補貼產(chǎn)生影響，而不會影響開發(fā)商補貼，因而向開發(fā)商提高補貼更能促進利益相關(guān)者的利潤增加。并且不確定性越大效果越明顯，因此在未來向開發(fā)商而非代理人提供補貼才是政策制定者的最佳選擇。由于REDD+項目中除了能給開發(fā)商和代理人帶來收益之外，還以可以增進全社會環(huán)境和生態(tài)福利水平，而這種外部收益在“森林碳信用”的市場價格中并未得到完全體現(xiàn)，因此需要政策制定者為REDD+項目提供經(jīng)濟激勵以彌補這種外部收益。政策制定者選用補貼模式時應(yīng)優(yōu)先考慮基于開發(fā)商補貼建立公平有效的激勵機制。同時，為保證資金被完全用于REDD+的項目之中，并被負(fù)責(zé)任地按照預(yù)期目標(biāo)使用，因此需要建立能滿足國際標(biāo)準(zhǔn)的良好財政治理機制以預(yù)防腐敗和欺詐，促進REDD+項目的成功實施。

關(guān)鍵詞REDD+項目；毀林；不確定性；績效

中圖分類號X196文獻(xiàn)標(biāo)識碼A文章編號1002-2104（2016）06-0116-06doi：10.3969/j.issn.1002-2104.2016.06.015

因砍伐和森林退化造成的溫室氣體排放已成為全球變暖的第二大主因，其總量已占到由人為因素導(dǎo)致碳排放總量的12-20%[1]，1990-2010年間因森林減少導(dǎo)致年均0.5億噸碳被釋放到大氣中。因此，在發(fā)展中國家“減少砍伐和退化所致排放” （REDD）成為應(yīng)對全球氣候變化的優(yōu)先政策選項[2]。而“REDD+”是對REDD的發(fā)展，通過采取各種政策方法和積極的激勵措施，以幫助發(fā)展中國家減少砍伐和森林退化，同時還包括森林保護、森林的可持續(xù)經(jīng)營以及增加森林碳信用。在REDD+機制中的一個普遍做法就是生態(tài)環(huán)境服務(wù)付費，即按照減少的森林砍伐和退化量給予獎勵[3]。然而在REDD+項目實施過程中面臨著一系列棘手的問題，其中之一就是對于碳減排量的準(zhǔn)確監(jiān)測與度量。REDD+項目的潛在收益很大程度上取決于誤差的大小[4]，這直接關(guān)系到各利益相關(guān)者從REDD+項目所獲得的實際收益[5]。目前對于森林碳減排量進行可靠估計仍然是很困難的，森林碳儲量、土地覆蓋圖的質(zhì)量等因素都是影響不確定性的重要因素[6]。因此，需要對REDD+項目中的不確定性進行分析，評估這種不確定性對于森林碳減排量的影響。

而要減少這種不確定性，就需要一個可靠的碳排放監(jiān)測、報告和核證體系（MRV）。而建立這樣的MRV體系是有成本的，包括調(diào)查的成本、計算機設(shè)備、軟件等，而這種成本屬于REDD+項目中交易成本[7]。對發(fā)展中國家而言，如果REDD+項目的交易成本過高，將不利于REDD+項目的實施。這時，如果政策制定者對交易成本實行補貼，就可以有效地降低建立REDD+項目的交易成本[8]。在REDD+項目中往往涉及多個利益相關(guān)者，各利益相關(guān)者在REDD+項目中所獲得的收益是有可能存在差異的[9]。不確定性對各利益相關(guān)者的收益有產(chǎn)生何種差異，問題的答案至今仍然是不清楚的。因此，本文試圖通過建立一個包含REDD+項目開發(fā)商和代理人兩個博弈者的動態(tài)博弈模型，并通過對動態(tài)博弈模型的仿真研究，分析REDD+項目中的不確定性對兩類利益相關(guān)者收益和森林碳減排量的影響。

1研究方法

1.1利潤函數(shù)與不確定性的度量

我們首先假設(shè)一個基線情景，即BAU（BusinessAsUsual）情景。此時，參與博弈的REDD+項目利益相關(guān)者主要有開發(fā)商和代理人。其中，代理人主要是REDD+項目實施區(qū)域的農(nóng)戶以及伐木公司，其收益大小取決于其減少的排放量q以及單位排放量的補償支付價格r。而同時，由于代理人加入REDD+項目而需要放棄部分木材砍伐的收益以及通過土地利用變化所獲得的生產(chǎn)收益，這些都是代理人的機會成本co。

開發(fā)商作為博弈的另一方，其可以通過投資REDD+項目獲得“森林碳信用”，其收益額與“森林碳信用”的數(shù)量q以及碳信用的市場價格p有關(guān)。此時REDD+項目開發(fā)商的單位碳信用成本主要來源于支付給代理人的單位排放量補償r以及單位減排量的交易成本ct，這一成本在REDD+項目總成本中占有顯著的比例[10]。

由于代理人能夠決定是否參加REDD+項目以及減少排放量的數(shù)量，因此代理人成為價格的領(lǐng)導(dǎo)者，這意味著代理人首先制定減少排放量的補償支付價格r，以實現(xiàn)其利潤最大化。而開發(fā)商則是價格的追隨者，根據(jù)代理人的補償支付價格來確定其所需“森林碳信用”數(shù)量q的多少。

為了降低REDD+項目中的交易成本，假設(shè)政策制定者對REDD+項目中的利益相關(guān)者提供一定的補貼s，而補貼將不會大于單位減排量的交易成本ct（s≤ct）。當(dāng)然這種補貼是提供給代理人還是開發(fā)商，這需要我們進一步分析才可以得到明確的結(jié)論。在模型中，我們假定博弈雙方都是風(fēng)險中性的，并且信息是完全對稱的。根據(jù)Ferrer and Swaminathan （2006）的研究，碳信用的需求函數(shù)是價格的線性減函數(shù)，即q=m-p，其中m>0是碳信用市場規(guī)模[11]。

IPCC （2003）提出在評估碳儲量變化時采用可靠最小估計（RME），即計算基期誤差區(qū)間下限和報告期誤差區(qū)間上限之差，以此測量REDD+項目碳儲量變化[12]。因而，假設(shè)監(jiān)測的誤差為e（0≤e≤1）。代理人提供的碳減排量為q，但由于不確定性的存在，開發(fā)商補償支付給代理人的補償是根據(jù)可靠最小估計值q （1-e）來確定的，而最終開發(fā)商實際上所獲得的碳減排量卻是q。

1.2基線情景下的利益相關(guān)者決策模型

通過比較發(fā)現(xiàn)：①在三種情景下，當(dāng)減少排放量一定時，開發(fā)商的利潤只有代理人的1/2，這主要是由于代理人是補償支付價格的領(lǐng)導(dǎo)者，具有先行者優(yōu)勢（firstmover advantage），即作為領(lǐng)導(dǎo)者的代理人所獲取的利潤大于作為追隨者的開發(fā)商；②在代理人補貼情景下，補貼s1會受到誤差水平e的影響，使得補貼對于代理人和開發(fā)商實際利潤水平的影響低于應(yīng)有幅度；③在開發(fā)商補貼情景下，誤差水平e并不會對補貼s2產(chǎn)生影響，因而可以充分發(fā)揮補貼對于利益相關(guān)者減少碳排量的正向激勵作用。

2.2數(shù)值設(shè)定

為分析不確定性對森林碳減排量的影響，我們擬用數(shù)值仿真的方法來驗證理論模型所得到的相關(guān)結(jié)論。Boucher對全球29篇有關(guān)REDD+機會成本的實證研究文獻(xiàn)進行了綜述，結(jié)果表明平均機會成本為2.51 US$/tCO2[13]。因而本文將REDD+項目的機會成本co設(shè)定為2.5 US$/tCO2。而廣義上的交易成本據(jù)Boucher （2008）估計有1 US$/tCO2，包括交易成本為0.38 US$/tCO2[14]，實施成本0.58 US$/tCO2[15]，以及管理成本0.04 US$/tCO2[16]。因此我們將單位減排量的交易成本ct設(shè)定為1 US$/tCO2。

下面我們將分析不確定性對于森林碳減排量的影響，因此我們將誤差e的取值范圍設(shè)定為取0-10%之間。另一方面，補貼的主要目的是為了降低交易成本，這里我們假設(shè)s1和s2取值為0.5 US$/tCO2，而市場規(guī)模設(shè)定為m=10。我們也對這些參數(shù)的其他取值進行了測試，結(jié)果發(fā)現(xiàn)仿真結(jié)果在碳減排量的趨勢函數(shù)上對于參數(shù)變動具有較強的魯棒性。具體的數(shù)值設(shè)置如表2所示。

2.3仿真結(jié)果

基于上述數(shù)值設(shè)定，不確定性對于森林碳減排量的影響如圖1、圖2和表3所示所示。

從圖1可以看出，隨著誤差的增加，森林碳減排量也隨之增加。這主要是由于隨著誤差的增加，開發(fā)商和代理人如果要想維持收益不變，必須增加更多的碳減排量用于彌補由誤差所導(dǎo)致的低估量。與此同時，由于補貼的存在，開發(fā)商和代理人可以通過增加碳減排量獲取更多的利潤，因此使得s1和s2情景下的碳減排量高于BAU情景。

有趣的是，s2情景下的碳減排量大于s1情景，并且隨著誤差的增加這一差別也越來越大。在s1情景下碳減排量從誤差為0時的1.75 tCO2增加到誤差為10%時的1.83 tCO2，而s2情景下碳減排量則從誤差為0時的1.75 tCO2增加到誤差為10%時的1.84 tCO2。因此，我們可以得到一個結(jié)論，在存在誤差的情況下，對開發(fā)商補貼的效果要好于對代理人的補貼，并且誤差越大效果越明顯。而從圖2我們可以發(fā)現(xiàn)，隨著誤差的增加，碳排放量的補償支付價格也隨之增加。這可能是由于誤差越大，碳減排量被低估的數(shù)值也就越大，因此在實際減排量不變的情況下，監(jiān)測的減排量在減少，因而補償支付價格出現(xiàn)了上升。值得注意的是，s1情景下的補償支付價格小于BAU情景，而s2情景下的補償支付價格大于BAU情景。這表明對代理人提供補貼會降低碳減排量的補償支付價格，而對開發(fā)商補貼則會提高補償支付價格。

至于誤差對于利益相關(guān)者利潤的影響如表2所示。從中我們可以發(fā)現(xiàn)，隨著誤差的增加，代理人和開發(fā)商的利潤都會出現(xiàn)相應(yīng)的增加。這主要是由于隨著誤差的增加，一方面會使得實際減排量增加，另一方面又會使得碳減排量的補償支付價格上升。即使誤差導(dǎo)致碳減排量被低估，但卻仍可以使得利益相關(guān)者的利潤增加。只不過不同情景下增加的幅度有所不同，當(dāng)誤差從0上升為10%時，s1情景和s2情景下利益相關(guān)者的利潤分別增加了8.76%和10.25%。這表明對開發(fā)商補貼更能促進利益相關(guān)者的利潤增加。

3對REDD+設(shè)計的啟示

在本文中，我們展示了不確定性和補貼如何影響森林

碳減排量的。為了能在未來更好地實施REDD+項目，

REDD+活動將需要包括下列原則。

3.1公平和有效的激勵機制

REDD+項目中除了能給開發(fā)商和代理人帶來收益之外，還以可以增進全社會環(huán)境和生態(tài)福利水平，而這種外部收益在“森林碳信用”的市場價格中并未得到完全體現(xiàn)，因此需要政策制定者為REDD+項目提供經(jīng)濟激勵以彌補這種外部收益。但需要注意在REDD+項目收益分配上應(yīng)盡可能的公平，而非由那些有權(quán)勢的利益相關(guān)者獲得。

因而，在存在誤差的條件下，對于開發(fā)商的補貼應(yīng)被優(yōu)先考慮使用。根據(jù)前面的理論分析和政策仿真，該種補貼模式在誤差作用下可以更有效地增加森林碳減排量。因而，對于開發(fā)商的補貼可為博弈雙方提供一個公平和負(fù)責(zé)的財政激勵。與此同時，REDD+項目的目標(biāo)不局限于減少毀林和森林退化所致排放量，還應(yīng)擁有減少貧困的目標(biāo)，如參與式規(guī)劃以及保護農(nóng)村社區(qū)和小股東的權(quán)益，因而政策制定者應(yīng)同時考慮開發(fā)商和代理人的福利水平，制定公平而有效的補貼激勵機制。

3.2提高財政治理能力以預(yù)防腐敗和欺詐行為

為了REDD+項目的成功實施，需要保證資金被完全用于REDD+的項目之中，并被負(fù)責(zé)任地按照預(yù)期目標(biāo)使用。為了盡可能降低REDD+項目的不確定性，需要采取各種必要措施減少腐敗和欺詐行為的損失，政策制定者應(yīng)建立起能滿足國際標(biāo)準(zhǔn)的良好財政治理機制，以及基于評估森林保護的行為或森林的可持續(xù)管理的成果來分配收益的資金管理機制。

此外，政策制定者在管理項目資金時應(yīng)加強與相關(guān)機構(gòu)合作以預(yù)防和減緩涉及REDD+項目的腐敗行為。例如，加強與行政和司法領(lǐng)域的專門反腐敗機構(gòu)以及金融犯罪單位?？梢酝ㄟ^與其他國家、國際機構(gòu)和政策制定者，以及關(guān)注透明度和問責(zé)制問題的民間社會組織合作來獲得更多的支持[17]。

4結(jié)論

本文通過建立一個包含REDD+項目開發(fā)商和代理人兩個博弈者的動態(tài)博弈模型，并通過對動態(tài)博弈模型的仿真研究，分析REDD+項目中的不確定性對兩類利益相關(guān)者收益以及REDD+項目碳減排量的影響。在此基礎(chǔ)上，又對影響REDD+項目不確定性的因素進行了進一步的討論，并對不同情景下的均衡誤差、碳減排量以及利益相關(guān)者收益進行了進一步的比較。研究結(jié)果表明：①在碳減排量及其補償支付價格內(nèi)生的條件下，誤差的增加會導(dǎo)致森林碳減排量及其補償支付價格的增加，并導(dǎo)致各利益相關(guān)者的利潤也隨之增加；②對開發(fā)商補貼的效果要好于對代理人的補貼，并且隨著誤差的增加，各利益相關(guān)者的利潤增幅將大于代理人補貼下利益相關(guān)者的利潤增幅?；谏鲜鼋Y(jié)論，相應(yīng)的政策啟示也是顯而易見的：①在REDD+項目中，政策制定者可以考慮采用向開發(fā)商提供補貼的方式來減少碳減排量，從而增加森林碳減排量；②值得注意的是，應(yīng)通過評估森林保護的行為或森林的可持續(xù)管理的成果來分配收益，并建立良好的財政治理機制預(yù)防腐敗和欺詐，以促進REDD+項目的成功實施。

（編輯：尹建中）

參考文獻(xiàn)（References）

[1]SALA O E， CHAPIN F S， ARMESTO J J， et al. Global biodiversity scenarios for the year 2100 [J]. Science， 2000， 287 （5459）： 1770-1774.

[2]STEM N. The economics of climate change [M]//The stern review. Cambridge， UK： Cambridge University Press， 2007.

[3]BOND I， GRIEGGRAN M， WERTZKANOUNNIKOFF S， et al. Incentives to sustain forest ecosystem services： a review and lessons for REDD [R]. London， UK： International Institute for Environment and Development， 2009.

[4]PLUGGE D， BALDAUF T， KHL M. The global climate change mitigation strategy REDD： monitoring costs and uncertainties jeopardize economic benefits [J]. Climatic change， 2013， 119 （2）： 247-259.

[5]LUSIANA B， VAN NOORDWIJK M， JOHANA F， et al. Implications of uncertainty and scale in carbon emission estimates on locally appropriate designs to reduce emissions from deforestation and degradation （REDD+） [J]. Mitigation and adaptation strategies for global change， 2014， 19（6）： 757-772.

[6]PELLETIER J， RAMANKUTTY N， POTVIN，C. Diagnosing the uncertainty and detectability of emission reductions for REDD + under current capabilities： an example for panama [J]. Environmental research letters， 2011（6）： 024005.

[7]KARKY B， SKUTSCH M. The cost of carbon abatement though community forest management in Nepal Himalaya [J]. Ecological economics， 2010， 69（3）： 666-672.

[8]MAHANTY S， SUICH H， Tacconi L. Access and benefits in payments for environmental services and implications for REDD+： lessons from seven PES schemes [J]. Land use policy， 2013， 31： 38-47.

[9]IRAWAN S， TACCONI L， RING I. Stakeholders incentives for landuse change and REDD+： the case of Indonesia [J]. Ecological economics， 2013， 87（3）： 75-83.

[10]SOMMERVILLE M M， MILNERGULLAND E J， JONES J P G. The challenge of monitoring biodiversity in payment for environmental service interventions [J]. Biological conservation， 2011， 144（12）： 2832-2841.

[11]FERRER G， SWAMINATHAN J M. Managing new and remanufactured products [J]. Management science， 2006， 52（1）： 15-26.

[12]IPCC. Good practice guidance for land use， landuse change and forestry [R]. Hayama， Kanagawa， Japan： IPCC National Greenhouse Gas Inventories Programme， 2003.

[13]BOUCHER D. Out of the woods： a realistic role for tropical torests in curbing global warming [R]. Washington， D.C.， USA： Union of Concerned Scientists， 2008.

[14]ANTINORI C， SATHAYE J. Assessing transaction costs of projectbased greenhouse gas emissions trading [R]. Berkeley， CA， USA： Lawrence Berkeley National Laboratory， 2007.

[15]NEPSTAD D， SOARESFILHO B， MERRY F， et al. The costs and benefits of reducing carbon emissions from deforestation and forest degradation in the Brazilian Amazon [R]. Falmouth， MA， USA： Woods Hole Research Center， 2007.

[16]GRIEGGRAN M， PORRAS I， WUNDER S. How can market mechanisms for forest environmental services help the poor preliminary lessons from Latin America [J]. World development， 2005， 33（9）： 1511-1527.

[17]BARR C M， SAYER J A. The political economy of reforestation and forest restoration in AsiaPacific： critical issues for REDD+ [J]. Biological conservation， 2012， 154： 9-19.

AbstractReducing Emissions from Deforestation and Degradation （REDD+）programs not only help developing countries reduce deforestation and forest degradation through various policy approaches and positive incentives， but also include forest protection， sustainable forest management， and increasing forest carbon stock as part of its mission. The accurate monitoring and measurement for reductions of carbon emissions are very important steps in the implementation of REDD+ programs. However， the universal existence of uncertainty will be likely to affect the reductions of emissions in REDD+ programs. The effects of uncertainty on reductions of emissions and stakeholder benefits of REDD+ programs are analyzed through dynamic game models and the simulation research in this paper. The results show that uncertainty increases the reduction of carbon emissions to compensate the underestimate caused by uncertainty. Meanwhile， the increase of uncertainty leads to the growth of compensation price for reduction of carbon emissions. As the uncertainty only affects the subsidies for agents rather than the subsidies for developers， it is more effective to provide subsidies for developers to promote the increase in stakeholders profits. Meanwhile， this effect are more obvious when the uncertainty is greater. Therefore， the best choice of policy makers should be providing subsidies for developers rather than agents in the future. REDD+ programs can not only bring benefits for developers and landholders， but also improve the environmental and ecological welfare of the whole society. External benefits， however， have not been fully reflected in the price of “carbon credits.” As economic incentives are created by national governments in lieu of external benefits， attention needs to be paid to ensure that distribution is as fair as possible. Therefore， policy makers should give priority to the establishment of a fair and effective incentive mechanism based on the developer subsidies. Meanwhile， in order to ensure that incentives be used solely for REDD programs and responsibly utilized for their intended purpose， the administrators and national governments of REDD+ programs should establish mechanisms for financial governance which meet international standards to reduce losses from corruption and fraud and promote the successfully implementation of REDD+ programs.

Key wordsREDDplus programs； deforestation； uncertainty； performance