REDD+项目中不确定性对森林碳减排量的影响研究

盛济川　曹杰　苗壮

摘要

减少砍伐和退化所致排放（REDD+）项目旨在通过采取各种政策方法和积极的激励措施，以帮助发展中国家减少砍伐和森林退化，同时还包括森林保护、森林可持续经营以及增加森林碳信用。在REDD+项目实施过程中，对于碳减排量的准确监测与度量是一个非常重要的步骤，而不确定性问题的普遍存在将可能对碳减排量产生影响。本文通过建立一个包含REDD+项目开发商和代理人两个博弈者的动态博弈模型，通过对动态博弈模型的仿真研究，分析了不确定性对利益相关者收益以及森林碳减排量的影响。研究结果表明，不确定性会使得森林碳减排量增加，以弥补因不确定性所导致的低估量。同时，不确定性的增加也会导致碳排放量的补偿支付价格增长。由于不确定性只会对代理人补贴产生影响，而不会影响开发商补贴，因而向开发商提高补贴更能促进利益相关者的利润增加。并且不确定性越大效果越明显，因此在未来向开发商而非代理人提供补贴才是政策制定者的最佳选择。由于REDD+项目中除了能给开发商和代理人带来收益之外，还以可以增进全社会环境和生态福利水平，而这种外部收益在“森林碳信用”的市场价格中并未得到完全体现，因此需要政策制定者为REDD+项目提供经济激励以弥补这种外部收益。政策制定者选用补贴模式时应优先考虑基于开发商补贴建立公平有效的激励机制。同时，为保证资金被完全用于REDD+的项目之中，并被负责任地按照预期目标使用，因此需要建立能满足国际标准的良好财政治理机制以预防腐败和欺诈，促进REDD+项目的成功实施。

关键词REDD+项目；毁林；不确定性；绩效

中图分类号X196文献标识码A文章编号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温室气体排放已成为全球变暖的第二大主因，其总量已占到由人为因素导致碳排放总量的12-20%[1]，1990-2010年间因森林减少导致年均0.5亿吨碳被释放到大气中。因此，在发展中国家“减少砍伐和退化所致排放” （REDD）成为应对全球气候变化的优先政策选项[2]。而“REDD+”是对REDD的发展，通过采取各种政策方法和积极的激励措施，以帮助发展中国家减少砍伐和森林退化，同时还包括森林保护、森林的可持续经营以及增加森林碳信用。在REDD+机制中的一个普遍做法就是生态环境服务付费，即按照减少的森林砍伐和退化量给予奖励[3]。然而在REDD+项目实施过程中面临着一系列棘手的问题，其中之一就是对于碳减排量的准确监测与度量。REDD+项目的潜在收益很大程度上取决于误差的大小[4]，这直接关系到各利益相关者从REDD+项目所获得的实际收益[5]。目前对于森林碳减排量进行可靠估计仍然是很困难的，森林碳储量、土地覆盖图的质量等因素都是影响不确定性的重要因素[6]。因此，需要对REDD+项目中的不确定性进行分析，评估这种不确定性对于森林碳减排量的影响。

而要减少这种不确定性，就需要一个可靠的碳排放监测、报告和核证体系（MRV）。而建立这样的MRV体系是有成本的，包括调查的成本、计算机设备、软件等，而这种成本属于REDD+项目中交易成本[7]。对发展中国家而言，如果REDD+项目的交易成本过高，将不利于REDD+项目的实施。这时，如果政策制定者对交易成本实行补贴，就可以有效地降低建立REDD+项目的交易成本[8]。在REDD+项目中往往涉及多个利益相关者，各利益相关者在REDD+项目中所获得的收益是有可能存在差异的[9]。不确定性对各利益相关者的收益有产生何种差异，问题的答案至今仍然是不清楚的。因此，本文试图通过建立一个包含REDD+项目开发商和代理人两个博弈者的动态博弈模型，并通过对动态博弈模型的仿真研究，分析REDD+项目中的不确定性对两类利益相关者收益和森林碳减排量的影响。

1研究方法

1.1利润函数与不确定性的度量

我们首先假设一个基线情景，即BAU（BusinessAsUsual）情景。此时，参与博弈的REDD+项目利益相关者主要有开发商和代理人。其中，代理人主要是REDD+项目实施区域的农户以及伐木公司，其收益大小取决于其减少的排放量q以及单位排放量的补偿支付价格r。而同时，由于代理人加入REDD+项目而需要放弃部分木材砍伐的收益以及通过土地利用变化所获得的生产收益，这些都是代理人的机会成本co。

开发商作为博弈的另一方，其可以通过投资REDD+项目获得“森林碳信用”，其收益额与“森林碳信用”的数量q以及碳信用的市场价格p有关。此时REDD+项目开发商的单位碳信用成本主要来源于支付给代理人的单位排放量补偿r以及单位减排量的交易成本ct，这一成本在REDD+项目总成本中占有显著的比例[10]。

由于代理人能够决定是否参加REDD+项目以及减少排放量的数量，因此代理人成为价格的领导者，这意味着代理人首先制定减少排放量的补偿支付价格r，以实现其利润最大化。而开发商则是价格的追随者，根据代理人的补偿支付价格来确定其所需“森林碳信用”数量q的多少。

为了降低REDD+项目中的交易成本，假设政策制定者对REDD+项目中的利益相关者提供一定的补贴s，而补贴将不会大于单位减排量的交易成本ct（s≤ct）。当然这种补贴是提供给代理人还是开发商，这需要我们进一步分析才可以得到明确的结论。在模型中，我们假定博弈双方都是风险中性的，并且信息是完全对称的。根据Ferrer and Swaminathan （2006）的研究，碳信用的需求函数是价格的线性减函数，即q=m-p，其中m>0是碳信用市场规模[11]。

IPCC （2003）提出在评估碳储量变化时采用可靠最小估计（RME），即计算基期误差区间下限和报告期误差区间上限之差，以此测量REDD+项目碳储量变化[12]。因而，假设监测的误差为e（0≤e≤1）。代理人提供的碳减排量为q，但由于不确定性的存在，开发商补偿支付给代理人的补偿是根据可靠最小估计值q （1-e）来确定的，而最终开发商实际上所获得的碳减排量却是q。

1.2基线情景下的利益相关者决策模型

通过比较发现：①在三种情景下，当减少排放量一定时，开发商的利润只有代理人的1/2，这主要是由于代理人是补偿支付价格的领导者，具有先行者优势（firstmover advantage），即作为领导者的代理人所获取的利润大于作为追随者的开发商；②在代理人补贴情景下，补贴s1会受到误差水平e的影响，使得补贴对于代理人和开发商实际利润水平的影响低于应有幅度；③在开发商补贴情景下，误差水平e并不会对补贴s2产生影响，因而可以充分发挥补贴对于利益相关者减少碳排量的正向激励作用。

2.2数值设定

为分析不确定性对森林碳减排量的影响，我们拟用数值仿真的方法来验证理论模型所得到的相关结论。Boucher对全球29篇有关REDD+机会成本的实证研究文献进行了综述，结果表明平均机会成本为2.51 US$/tCO2[13]。因而本文将REDD+项目的机会成本co设定为2.5 US$/tCO2。而广义上的交易成本据Boucher （2008）估计有1 US$/tCO2，包括交易成本为0.38 US$/tCO2[14]，实施成本0.58 US$/tCO2[15]，以及管理成本0.04 US$/tCO2[16]。因此我们将单位减排量的交易成本ct设定为1 US$/tCO2。

下面我们将分析不确定性对于森林碳减排量的影响，因此我们将误差e的取值范围设定为取0-10%之间。另一方面，补贴的主要目的是为了降低交易成本，这里我们假设s1和s2取值为0.5 US$/tCO2，而市场规模设定为m=10。我们也对这些参数的其他取值进行了测试，结果发现仿真结果在碳减排量的趋势函数上对于参数变动具有较强的鲁棒性。具体的数值设置如表2所示。

2.3仿真结果

基于上述数值设定，不确定性对于森林碳减排量的影响如图1、图2和表3所示所示。

从图1可以看出，随着误差的增加，森林碳减排量也随之增加。这主要是由于随着误差的增加，开发商和代理人如果要想维持收益不变，必须增加更多的碳减排量用于弥补由误差所导致的低估量。与此同时，由于补贴的存在，开发商和代理人可以通过增加碳减排量获取更多的利润，因此使得s1和s2情景下的碳减排量高于BAU情景。

有趣的是，s2情景下的碳减排量大于s1情景，并且随着误差的增加这一差别也越来越大。在s1情景下碳减排量从误差为0时的1.75 tCO2增加到误差为10%时的1.83 tCO2，而s2情景下碳减排量则从误差为0时的1.75 tCO2增加到误差为10%时的1.84 tCO2。因此，我们可以得到一个结论，在存在误差的情况下，对开发商补贴的效果要好于对代理人的补贴，并且误差越大效果越明显。而从图2我们可以发现，随着误差的增加，碳排放量的补偿支付价格也随之增加。这可能是由于误差越大，碳减排量被低估的数值也就越大，因此在实际减排量不变的情况下，监测的减排量在减少，因而补偿支付价格出现了上升。值得注意的是，s1情景下的补偿支付价格小于BAU情景，而s2情景下的补偿支付价格大于BAU情景。这表明对代理人提供补贴会降低碳减排量的补偿支付价格，而对开发商补贴则会提高补偿支付价格。

至于误差对于利益相关者利润的影响如表2所示。从中我们可以发现，随着误差的增加，代理人和开发商的利润都会出现相应的增加。这主要是由于随着误差的增加，一方面会使得实际减排量增加，另一方面又会使得碳减排量的补偿支付价格上升。即使误差导致碳减排量被低估，但却仍可以使得利益相关者的利润增加。只不过不同情景下增加的幅度有所不同，当误差从0上升为10%时，s1情景和s2情景下利益相关者的利润分别增加了8.76%和10.25%。这表明对开发商补贴更能促进利益相关者的利润增加。

3对REDD+设计的启示

在本文中，我们展示了不确定性和补贴如何影响森林

碳减排量的。为了能在未来更好地实施REDD+项目，

REDD+活动将需要包括下列原则。

3.1公平和有效的激励机制

REDD+项目中除了能给开发商和代理人带来收益之外，还以可以增进全社会环境和生态福利水平，而这种外部收益在“森林碳信用”的市场价格中并未得到完全体现，因此需要政策制定者为REDD+项目提供经济激励以弥补这种外部收益。但需要注意在REDD+项目收益分配上应尽可能的公平，而非由那些有权势的利益相关者获得。

因而，在存在误差的条件下，对于开发商的补贴应被优先考虑使用。根据前面的理论分析和政策仿真，该种补贴模式在误差作用下可以更有效地增加森林碳减排量。因而，对于开发商的补贴可为博弈双方提供一个公平和负责的财政激励。与此同时，REDD+项目的目标不局限于减少毁林和森林退化所致排放量，还应拥有减少贫困的目标，如参与式规划以及保护农村社区和小股东的权益，因而政策制定者应同时考虑开发商和代理人的福利水平，制定公平而有效的补贴激励机制。

3.2提高财政治理能力以预防腐败和欺诈行为

为了REDD+项目的成功实施，需要保证资金被完全用于REDD+的项目之中，并被负责任地按照预期目标使用。为了尽可能降低REDD+项目的不确定性，需要采取各种必要措施减少腐败和欺诈行为的损失，政策制定者应建立起能满足国际标准的良好财政治理机制，以及基于评估森林保护的行为或森林的可持续管理的成果来分配收益的资金管理机制。

此外，政策制定者在管理项目资金时应加强与相关机构合作以预防和减缓涉及REDD+项目的腐败行为。例如，加强与行政和司法领域的专门反腐败机构以及金融犯罪单位。可以通过与其他国家、国际机构和政策制定者，以及关注透明度和问责制问题的民间社会组织合作来获得更多的支持[17]。

4结论

本文通过建立一个包含REDD+项目开发商和代理人两个博弈者的动态博弈模型，并通过对动态博弈模型的仿真研究，分析REDD+项目中的不确定性对两类利益相关者收益以及REDD+项目碳减排量的影响。在此基础上，又对影响REDD+项目不确定性的因素进行了进一步的讨论，并对不同情景下的均衡误差、碳减排量以及利益相关者收益进行了进一步的比较。研究结果表明：①在碳减排量及其补偿支付价格内生的条件下，误差的增加会导致森林碳减排量及其补偿支付价格的增加，并导致各利益相关者的利润也随之增加；②对开发商补贴的效果要好于对代理人的补贴，并且随着误差的增加，各利益相关者的利润增幅将大于代理人补贴下利益相关者的利润增幅。基于上述结论，相应的政策启示也是显而易见的：①在REDD+项目中，政策制定者可以考虑采用向开发商提供补贴的方式来减少碳减排量，从而增加森林碳减排量；②值得注意的是，应通过评估森林保护的行为或森林的可持续管理的成果来分配收益，并建立良好的财政治理机制预防腐败和欺诈，以促进REDD+项目的成功实施。

（编辑：尹建中）

参考文献（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