生态补偿区域选择方法研究进展

王凤春，郑华，王效科，彭文佳

1. 中国科学院生态环境研究中心//城市与区域生态国家重点实验室，北京 100085；2. 中国科学院大学，北京 100049；3. 北京市水科学技术研究院，北京 100048

生态补偿区域选择方法研究进展

王凤春1,2,3，郑华1，王效科1，彭文佳1,2

1. 中国科学院生态环境研究中心//城市与区域生态国家重点实验室，北京 100085；
2. 中国科学院大学，北京 100049；3. 北京市水科学技术研究院，北京 100048

生态补偿实施后的效果与效率评价已成为生态补偿研究的热点。目标区域的筛选和确定将直接影响补偿资金的使用效率，进而影响生态补偿项目的社会效益。文章从生态补偿效率影响因素入手，梳理了国内外生态补偿区域选择的研究方法，从已有研究来看，选择准则已逐步从单一的只考虑项目总预算、参与者成本、环境效益等因素，发展到综合考虑生态退化高风险区域、空间区域要素异质性等多种要素；选择方法也从单一的数学方法，逐步与物理模型、空间模型和空间数量经济模型相结合，这些方法的研究和分析可为生态补偿项目实践提供重要理论支撑。通过分析国内外相关研究，提出今后补偿区域选择研究的准则除了要考虑上述环境保护目标外，还要纳入减贫、社会公平、制度保障、技术实力以及项目持久性等社会要素，以实现生态补偿项目环境与社会效益的综合目标；相应的研究方法也要动态化，系统化和集成化；且要探索研究对区域选择方法的后评价，以验证生态补偿效率的实现程度及贡献度。在此基础上，通过对照国外与国内研究的差距，分析未来国内生态补偿项目的广泛应用以及目标（区域）选择的重要性，从提高补偿项目生态服务的效益和提高补偿资金的使用效率角度，提出我国今后的生态补偿项目应在实施前做好目标（区域）选择；实施中做好动态监测；实施后做好后评估和适应性调整，以提高生态补偿政策持久性和持续性。

生态补偿；目标选择；额外性；效率

生态补偿（Payments for Ecosystem Services, PES）作为一种将外在的、非市场环境价值转化为当地参与者提供生态系统服务的经济激励机制已经引起了广泛关注（Engel et al., 2008；赵雪雁，2012）。根据相关学者对生态补偿的定义，生态补偿是一种自愿交易，有确定的环境服务，至少有一个买方，一个卖方，并且必须保证能够提供环境服务（Engel et al.，2008）。然而，生态补偿这种自愿交易下自我选择的本质会产生目标选择（或合同分配）的问题，即当申请者超过补偿预算时，如何保证选择谁会得到最高的环境服务水平（Wünschera et al.，2008），即生态补偿的效率问题。确切地说，区域目标选择（Targeting）指的是在有限的生态补偿预算额度下，把补偿资金分配在哪些地方以及如何分配的问题（Wünschera et al.，2012）。合理的目标选择方法或决策有助于从潜在的生态服务提供者中，根据区域或个体条件差异，确定有效补偿区域或者生态服务提供者。

PES项目越来越受到政策实施者和决策者的青睐，但未来设计PES项目最迫切需要的是在项目实施前就研究设计有效的参与合同和如何评价实施效果（Ferraro，2011），分析当前的生态补偿区域目标选择方法，并评价存在的问题是十分有必要的。

当前，由于中国生态补偿项目主要是政府间的交易过程（程臻宇等，2015），申请者数量过多的现象并不多见，所以国内对生态补偿目标选择的研究较少，多是相关的间接研究（黄兴文等，1999；范小杉等，2007；郭中伟等，2003；鲍锋等，2005，孟召宜等，2008；唐秀美等，2010）。即使是政府与政府之间实行的生态补偿，在资金约束条件下获取最大的环境效益，仍是生态补偿的主要目的，必须要将资金配置到生态效率高或生态效益增量大的地方，或投入成本低的地方（谢剑斌等，2013）。因此，综述分析国内外较成功的区域选择方法研究，通过一定的管理手段和措施来筛选补偿区域目标、提高项目实施效率也是非常有必要的。

1 目标选择与生态补偿效率

生态补偿的目的在于在补偿资金（或预算）约束条件下获取最大的环境效益（Alix-garcia et al.，2008；Zhao et al.，2010），即关于生态补偿的效率问题。关于无效率的情况有学者提出了一个分析框架（Engel et al.，2008），其中提到三类情况，（1）不给予补偿也会发生预期的土地利用方式，反过来说，即是“花了钱，但没发生什么变化（Ferraro et al.，2006）”。这种情况也是我们通常所说的缺乏额外性（赵雪雁，2012）。（2）补偿费用较低，不能促使参与者采用预期的土地利用方式。（3）补偿了（或说付费了），土地利用也发生了变化，但提供的服务价值却低于补偿费用，即支付成本大于获得的收益。

对于后两种情况，不采用社会收益超过成本的实践活动，或是采用社会收益低于成本的实践活动，都会产生明显的社会无效率（Engel et al.，2008；赵雪雁，2012）。而对于额外性问题，虽然其本质上不属于社会无效率问题，而是资金无效率，这会使得每美元获得的收益（生态服务水平）降低，但是如果在补偿预算资金有限的情况下，用于这种无效率的实践活动偏多就意味着用于效率高的其他实践活动的资金就会偏少，这实际上也就产生了社会无效率。对于那些补偿标准偏低、补偿标准同一，而且没区域有目标选择性的实践活动很可能会产生缺乏额外性的问题（Engel et al.，2008）。

为确保生态补偿机制的高效实施，付费者（即买方）应明确3种关键要素（Wünschera et al.，2008），（1）是否提供预期的环境服务，即效益。（2）环境服务丧失的风险。（3）参与者（即卖方）的成本，包括机会成本、交易成本和实施成本（赵雪雁，2012）。此外，设计选择目标除了要考虑生态服务水平、参与成本和生态风险以外，还应考虑社会政治意愿、公众意识、制度安排和技术水平，以及防止实施目标选择过程中出现“泄漏”（目标区改善生态服务供给的结果是以其他地方的环境破坏活动增加为代价）和不正当激励，从而削弱整体生态补偿的效率（Chomitz，2002；Wünschera et al.，2012；Fooks et al.，2016）。

上述前3种因素可作为目标选择时的主要规则，如明确丧失风险，优先选择那些风险性较高的区域，增加额外性，从而提高补偿效率；明确参与成本，根据参与者投入的成本，制定不同的、灵活的补偿标准，实现资金使用效率最优化，从而提高补偿效率；确定效益-成本比例，优先选择比例较大的参与者，虽不能保证获得效益肯定大于付费成本，但能尽量减少这种低效率补偿项目。

2 国内外生态补偿区域选择方法研究

2.1 统一的目标选择标准

对补偿对象实行统一的标准，即在资金总预算下，对补偿区域不进行有针对性地甄别和筛选，而是向单位面积土地支付相同数额的补偿（戴其文等，2009），直到达到预算上限。这是生态补偿项目最初实施的目标选择方案。如拉美最早开展生态补偿的哥斯达黎加国家生态补偿资金（PSA）项目，严格采用统一的补偿标准。该项目向土地所有者提供不同类型的合同，包括森林保护、再造林等，支付的金额略高于保护土地的机会成本（Pagiola，2008）。最初的墨西哥的水文环境服务补偿（PSAH）项目和中国的退耕还林工程虽不是采用统一的补偿标准，却也只限制在2～3个标准水平（Muñoz-piña et al.，2008；Bennett，2008）。

由于这种选择标准没有考虑个体差异，存在很多无效的或低效补偿实践，补偿资金效率很低，缺乏额外性，生态补偿效率很低。但因为这种方法易操作，相对比较公平，所以仍是发展中国家比较主流的区域选择补偿方案（戴其文等，2009；Wünschera et al.，2012；赵雪雁，2012）。

2.2 成本-效益目标选择方法

关于生态补偿目标区域选择问题，国外研究得较多。最初采用单目标、单准则的方法。最具有代表性的是Babcock等学者的研究成果，他们系统地总结了成本标准、效益标准和效益成本比（边际成本）标准等3种选择方案，并进行了定量估算（Babcock et al.，1997）。Chomitz et al.（2006）采用成本法进行选择，以最低的成本选择最佳的区域以获得最大的生态环境效益，从而确定低成本高收益的参与者选择方案；有的学者则侧重将生物物种的空间连通性、生物物种自身的生态特征等服务效益作为生态补偿区域选择的标准（Powell et al.，2000；Fagan et al.，2016；Alison et al.，2016）。但采用效益目标选择时，还要考虑不同服务功能之间的权衡（Ojea et al.，2016；Zheng et al.，2016）。

Ferraro（2003）采用成本效益标准，依据产生期望的生物物理属性的效率来定位需要保护的地块，从而确定了生物多样性保护和流域保护的优先补偿区域；Uchida et al.（2005）采用成本效益法评价退耕还林目标选择的实施效率，结果表明，当前的补偿金额过高，实施效率还有进一步提升的空间；Claassen et al.（2008）分析了美国农业环境补偿项目的有效设计问题，研究表明通过成本-效益线性得分函数确定参与区能够大大提高环境收益，在每年成本不变的情况下大约增加3.7亿美元的收益，对于一个10亿预算的项目，大约提高两倍收益；Chen et al.（2010）讨论采用成本效益法评价退耕还林这一生态补偿项目的效率和效果，文章指出其中的成本核算难度较大，因为关于农户机会成本的信息比较隐私，获取较困难，实施者与土地拥有者之间存在信息缺口。

中国生态补偿对区域差异关注较少，存在补偿不足或对不需补偿就能提供生态服务的区域实施补偿等问题（赵翠薇等，2010）。有的学者提出建立以补偿效率为基准的耕地保护经济补偿对象空间选择机制（李武艳等，2015），但对于目标区域的选择方法研究也应多参照成本、效益或成本-效益标准，采用聚类分析、“地理要素禀赋当量”、选择实验法等来优化补偿区域选择（张伟等，2010；宋晓谕等，2012；徐中民等，2013；王爱敏等，2015；龚亚珍等，2016）。目前，中国尚未形成系统的补偿区域选择机制。

2.3 考虑风险的目标选择方法

在上述成本与效益选择方法基础上，将生态系统受损风险也纳入目标选择的标准，称为多目标多准则的目标选择方法。

生态退化风险作为体现生态补偿项目额外性的重要因素，也是研究空间目标选择的关键因子（Wünschera et al，2012；Sims et al，2014；Ezzine-de-blas et al，2016）。Alix-Garcia et al（2005）通过模拟墨西哥生态补偿项目来说明将风险纳入生态服务目标能够提高实施效率。寻求最优目标的这种补偿项目每美元的环境收益为等额补偿的4倍。Wünscher et al（2008）以哥斯达黎加生态补偿项目为例，研究搭建了一种空间目标选择工具——考虑3个因素，环境服务提供水平、参与成本以及失去这些服务的风险。评价结果表明，任何一种目标选择方法的效率（每1000美元产生的额外性）都高于无目标选择。Wünscher et al（2012）以生物多样性这类国际生态补偿项目为例，综述和评价了各种生物多样性保护区域选择方法，并分别从透明度、数据可获取性、土地的确权、是否考虑额外性、是否考虑生态服务水平以及灵活性等方面对这些方法进行了评价。该研究提出，生态补偿项目区域目标选择的准则有3个：一是生态服务水平；二是提供服务的成本；三是不实施生态补偿而导致的不提供生态服务的概率（即额外性）。

2.4 空间模型分析方法

由于考虑空间异质性，有些学者采用GIS等空间信息工具来实现生态补偿目标区域选择。Wendland et al（2010）以马达加斯加为研究区域，采用空间分析方法确定应优先实施生态补偿的区域。该研究首先是确定生物多样性、碳汇和水质生态服务功能的空间分布情况，然后确定这些区域的生态风险分布，以获得生态补偿区域额外性分布图，再去掉其中高机会成本的区域，最终靶向确定生态补偿区域。Atela et al（2014）以肯尼亚47县的农业、气候和社会经济数据为基础，通过构建脆弱性指数地图来评价当地REDD项目减贫的空间区域选择情况。Kolinjivadi等学者以尼泊尔加德满都谷地为研究区域，运用GIS中的克里格插值模块分析说明了，在对生态补偿项目进行设计时，应同时考虑区域选择有效性、成本效益和减贫等多项目标（Kolinjivadi et al.，2015）。Lin et al.（2014）以坦桑尼亚REDD+项目为例，采用基于GIS的多标准决策分析方法演示了空间选择方法，明确REDD+项目适用区域。该方法是基于GIS中的IDRISI模块提供的多任务标准评价模型来明确REDD+项目的最佳适合区域，同时考虑了部分能够被空间变量代表的标准或规则，而诸如“泄漏”等因素则无法体现。

为减少或避免目标选择过程中的“泄漏”影响，提高生态补偿效率，相关学者考虑了空间结构性（空间不均匀性）和空间因素的自相关性，采用空间计量经济模型来选择农业生态保护项目的参与者。Yang et al（2014）采用空间计量经济模型分析了区域农业特性、土地承载力、人口密度等解释变量对选择英格兰农业环境保护政策参与户的影响，并分析了不同区域的相互关联性。在此基础上，Raggi et al（2015）采用探索性空间数据分析和回归模型等计量经济方法，分析了意大利艾米利亚-罗马涅大区农业环境保护项目参与区域的影响因素，并且对相邻区域泄露问题进行了讨论，结果表明空间选择是影响项目实施的重要因素。

2.5 考虑信息成本的竞拍法

在生态补偿项目中，为更好地确定参与者的真实成本，减少信息租金（Peterson et al.，2004；Ozanne et al.，2001；White，2002），避免对高机会成本类型进行低补偿或对低机会成本类型进行高补偿（赵雪雁，2012），提高目标选择性和补偿效率，有些研究学者提出可以采用竞拍法选择参与区域（Wünschera et al.，2012；Hellerstein et al.，2015）。

Ferraro（2008）指出在涉及到生态服务补偿的契约关系中，购买方获得的成本信息要比土地拥有者少（存在不对称信息），后者利用他们的私人信息从购买方获取信息租金。为了在有限预算下获得最大生态服务水平，减少信息租金有利于额外性的获得。该论文提出3种减少不对称信息的方法：一是收集和获取土地拥有者（服务提供者）的各种与成本有关的属性数据；二是给土地拥有者提供不同类型的“菜单”（低成本-高产出和高成本-低产出），让他们根据标准自我筛选；三是采用采购拍卖的方式，向服务提供者发出投标邀请，最后以较低竞标价来确定签约方。Chen et al（2010）讨论采用成本效益目标法评价退耕还林这一生态补偿项目的效率和效果时建议在采取成本效益选取参与者时，采用竞拍的方式提高PES项目实施效率。Narloch et al（2011）以在玻利维亚和秘鲁实施的生态补偿项目为案例，在设定项目总体预算后，通过竞拍价格（成本）计算每个目标的最优成本效益，但尚未建立科学框架来设定不同目标之间的权重以权衡是否达到最大效益。Newton et al（2012）以亚马逊河流域的PES项目为例进行研究，得出不同区域的农户会产生不同的机会成本的结果，所以如果项目补偿能够依据当地机会成本和生计策略的不同而相应调整补偿区域，则能大大提高项目成功实施的可能性。Skidmore et al（2014）利用印尼苏门答腊岛占碑省两个村庄的数据分析反向竞拍和评价机会成本两种目标选择方法所产生的碳汇量，研究提出在农户尺度决定选择目标比较困难，因为不存在容易观察到的明确低成本提供者的协变量；另外，发展中国家农户由于缺乏土地确权，使得合同关系的建立比较困难，所以实际选择中可以以村庄或省等区域为单位进行。

采购竞标方法是效率相对较高的方法，但该方法需要更多的人力来设计和实施，制度成本较高，多应用于发达国家。

3 研究展望

3.1 综合考虑环境保护和社会发展的区域选择研究

当前，国内外学者围绕生态补偿目标选择的关键要素开展了大量研究，但除了上述环境保护和经济目标外，近年来相关学者还提出，要从社会学角度，将减贫和社会公平也纳入目标选择的规则当中，尤其是对发展中国家来说，生态补偿项目的实施在一定程度上还兼具有扶贫的目标（Gauvin et al.，2010；Kolinjivadi et al.，2015；Ezzine-de-blas et al.，2016）。另外，实施生态补偿项目的区域是否做好了一定的“准备”也是选择的标准，如当地政府的政治意愿、公众的意识、技术能力、政府管理和法规制度的稳定性等都会影响项目实施的效率和效果（Wünschera et al.，2012）。当然一项生态补偿项目能否长期实施下去、是否会受到资金的限制、当地政策是否会连续保障、对当地农户的可持续生计影响如何等持久性问题，也是管理者应该考虑的因素（Alix-garcia et al.，2005；Alix-garcia et al.， 2015）。因此，今后的区域选择也应综合考虑环境保护和社会发展综合目标，寻找两者的结合点进行深入研究和探讨。

3.2 综合性选择方法研究

由于对生态补偿区域选择的准则或因素多样化，那么如何综合考虑这些因子或者应该如何权衡各个因子将是未来管理者和实施者面临的问题。探索研究综合性的选择方法则是研究学者应该考虑的。从近两年的研究文献来看，选择方法除了与物理模型、数量经济模型、空间分析和“3S”技术相结合外，有些学者还尝试通过政策情景分析框架、适应性管理等系统综合性方法等对多个目标进行综合权衡和分析。与此同时，对于长时间实施的生态补偿项目来说，除了研究特定时段区域选择的方法之外，还应从纵向时间序列上分析所选择的区域是否合适，这其实是对不同参与区域进行适时调整，也算是一种适应性管理（Sims et al.，2014；Ezzine-de-blas et al.，2016）。

3.3 额外性监测方法研究

生态补偿项目实施前需要采用相应的方法来进行目标选择，以获得更多的额外性，提高整体生态补偿效率。但到底选择的区域是否能提高生态补偿效益，则需要进行效益额外性评价，这也就是对目标区域选择方法的后评价。当前大部分生态补偿项目并没有要求量化参与者的额外性，其中一个原因是评价额外性的成本很高，而且由于未来的预测很困难，因此实施起来非常复杂；另外的一个原因是政治挑战，因为实施任何一项规则都意味着将会把一部分人排除在外，当前生态补偿项目正在应用的额外性评价方法有4种（项目特定评估法、标准额外性评价法、折扣或交易率法、概率评估法），而这4种方法的可行性必须通过追踪那些没有参与PES项目的控制组和对照组（Wunder et al，2008；Bennett，2010；Ulber et al，2011；Vedel et al，2015）之间的差异来判断。未来可尝试开展相关方面研究。

4 结论与政策启示

生态补偿作为一种有效的环境政策，已引起了全社会的广泛关注。其中生态补偿目标（区域）的选择不仅关系到补偿效率的高低，更关系到生态补偿能否可持续。本文从影响生态补偿效率的因素入手，梳理了国内外生态补偿区域选择的方法，综述了由单目标、单准则到多目标多准则的选择过程。从研究文献来看，国外的生态补偿项目多是以用户为主导的（Wunder et al.，2008），比较注重项目实施的效率和效果后评价，因此对目标区域的选择方法研究也较多，且研究方法也趋于综合化和全面化（表1）；但国内的生态补偿项目多以政府为主导，受偿主体比较模糊，且志愿申请者数量也不多，因此，国内对生态补偿优先度的确定多为定性描述，在项目设计时对目标选择过程和生态服务额外性的动态监测都有待加强（贾卓等，2012；朱文博等，2014）

表1 不同目标选择方法研究对比Table 1 Comparison of different approaches to spatial targeting identification of payments for ecosystem services

当前，我国实施的退耕还林工程、生态公益林工程、面向国家重点生态功能区的生态补偿性转移支付项目等生态补偿政策，都是以政府主导为主，补偿对象选择过程不充分，补偿标准不灵活，导致补偿效率较低，补偿政策的可持续性还有待提高（程臻宇等，2015）。因此，通过分析国外生态补偿区域选择方法以及未来应考虑的多种影响因素，从提高国内补偿项目生态服务的效益和提高补偿资金的使用效率角度，提出如下建议：

生态补偿项目的前期设计阶段：首先，基于我国生态补偿的特点，实施生态补偿的前提是要有相应的法规和制度支撑，对水、森林、草原、矿山等资源进行确权，在此基础上，核算资源资产，确定生态环境服务并进行定价；其次，应优化选择补偿区域或目标，对目标实施区域进行现状调查，筛选出生态服务脆弱区域（或贫困区），确定补偿对象的先后排序，剔除掉那些即使不给予补偿也会改变土地利用方式或实施项目的对象，提高补偿项目的额外性；最后，对不同受偿对象提供的生态服务、提供成本进行核算，确定补偿标准。逻辑上生态补偿标准应介于损失的机会成本和提供的生态服务价值之间（Engel et al，2008）。

生态补偿项目的实施阶段：一方面，加强生态补偿项目的动态监测，根据土地利用状况和资源的市场价格状况适时调整补偿标准；另一方面，采用非参与方控制实验、社会公众监督机制或第三方监管机制等方法对项目实施过程中生态服务提供情况、资金使用效率和项目产生的影响进行评价管理。

生态补偿项目实施后：考虑土地利用方式变化对农民生计方式的改变，积极进行政策扶持和技术引导，避免复耕或倒退风险的出现，提高项目实施的持久性。

ALISON J, DUFFIELD S J, NOORDWIJK C G E, et al. 2016. Spatial targeting of habitat creation has the potential to improve agri-environment scheme outcomes for macro-moths [J]. Journal of Applied Ecology, 53(6): 1814-1822.

ALIX-GARCIA J, DE JANVRY A, SADOULET E. 2005.The role of risk in targeting payments for environmental services [EB/OL]. Social Science Research Network (SSRN) Electronic Journal [2017-2-16]. https:// www.researchgate.net/publication/43069735.

ALIX-GARCIA J, DE JANVRY A, SADOULET E. 2008. The role of deforestation risk and calibrated compensation in designing payments for environmental services [J]. Environment and Development Economics, 13: 375-394

ALIX-GARCIA J, SIMS K, YAÑEZ-PAGANS P. 2015. Only One Tree from Each Seed? Environmental Effectiveness and Poverty Alleviation in Mexico's Payments for Ecosystem Services Program [J]. American Economic Journal Economic Policy, 7(4): 1-40.

ATELA J O,QUINN C H, MINANG P A. 2014. Are REDD projects pro-poor in their spatial targeting? Evidence from Kenya [J]. Applied Geography, 52(4): 14-24.

BABCOCK B A, LAKSHMINARAYAN P G, WU J J, et al. 1997. Targeting tools for the purchase of environmental amenities [J]. Land Economics, 73(3): 325-339.

BENNETT K. 2010. Additinality: the next step for ecosystem service market [J]. Duke Environmental Law & Policy Forum, 20(2): 417-438.

BENNETT, M T. 2008. China’s sloping land conversion program: institutional innovation or business as usual? [J]. Ecological.Economics, 65(4): 699-711.

CHEN X D, LUPI F, VIÑA A, et al. 2010. Using Cost-Effective Targeting to Enhance the Efficiency of Conservation Investments in Payments for Ecosystem Services [J]. Conservation Biology, 24(6): 1469-1478.

CHOMITZ K M, FONSECA G A B D, ALGER K, et al. 2006. Viable reserve networks arise from individual landholder responses to conservation incentives [J]. Ecology and Society, 11(2): 40-40.

CHOMITZ K M. 2002. Baseline, leakage and measurement issues: how do forestry and energy projects compare? [J]. Climate Policy, 2(1): 35-49.

CLAASSEN R, CATTANEO A, JOHANSSON R. 2008. Cost-Effective Design of Agri-Environmental Payment Programs: U.S. Experience in Theory and Practice [J]. Ecological Economics, 65(4): 737-752.

ENGEL S, PAGIOLA S, WUNDER S. 2008. Designing payments for environmental services in theory and practice: an overview of the issues [J]. Ecological Economics, 65(4): 663-674.

EZZINE-DE-BLAS D, DUTILLY C, LARA-PULIDO J A, et al. 2016. Payments for Environmental Services in a Policymix: Spatial and Temporal Articulation in Mexico [J]. The Public Library of Science (PLoS) ONE, 11(4): 1-15.

FAGAN M E, DEFRIES R S, SESNIE S E, et al. 2016. Targeted reforestation could reverse declines in connectivity for understory birds in a tropical habitat corridor [J]. Ecological Applications, 26(5): 1456-1474.

FERRARO P J, PATTANAYAK S K. 2006. Money for nothing? A call for empirical evaluation of biodiversity conservation investments [J]. The Public Library of Science (PLoS) Biology, 4(4): e105.

FERRARO P J. 2003. Conservation contracting in heterogeneous landscapes: an application to watershed protection with threshold constraints [J]. Agricultural and Resource Economics Review, 32(1): 53-64.

FERRARO P J. 2008. Asymmetric information and contract design for payments for environmental services [J]. Ecological Economics, 65(4): 810-821.

FERRARO P J. 2011. The Future of Payments for Environmental Services [J]. Conservation Biology, 25(6): 1134-1138.

FOOKS J R, HIGGINS N, MESSER K D, et al. 2016. Conserving spatially explicit benefits in ecosystem service Markets: experimental tests of network bonuses and spatial targeting [J]. American Journal Agricultural Economics, 98(2): 468-488.

GAUVIN C, UCHIDA E, ROZELLE S, et al. 2010. Cost-effectiveness of payments for ecosystem services with dual goals of environment and poverty alleviation. Environment. Management, 45(3): 488-501.

HELLERSTEIN D, HIGGINS N, ROBERTS M. 2015. Options for improving conservation programs: insights from auction theory and economic experiments [EB/OL]. WASHINGTON, DC, United States Department of Agriculture [2017-02-17]. https://www.ers.usda.gov/ webdocs/publications/err181/50532_err181.pdf?v=42502.

KOLINJIVADI V, GRANT A, ADAMOWSKI J, et al. 2015. Juggling multiple dimensions in a complex socio-ecosystem: The issue of targeting in payments for ecosystem services [J]. Geoforum, 58: 1-13.

LIN L W, SILLS E, CHESHIRE H. 2014. Targeting areas for Reducing Emissions from Deforestation and forest Degradation (REDD+) projects in Tanzania [J]. Global Environmental Change, 24(1): 277-286.

MUÑOZ-PIÑA C, GUEVARA A, TORRES J M, et al. 2008. Paying for hydrological services of Mexico’s forests: analysis, negotiations and results [J]. Ecological. Economics, 65(4): 725-736.

NARLOCH U, PASCUAL U, DRUCKER A G. 2011. Cost-effectiveness targeting under multiple conservation goals and equity considerations in the Andes [J]. Environmental Conservation, 38(4): 417-425.

NEWTON P, NICHOLS E S, ENDO W, et al. 2012. Consequences of actor level livelihood heterogeneity for additionality in a tropical forest payment for environmental services programme with an undifferentiated reward structure [J]. Global Environmental Change, 22(1): 127-136.

OJEA E, LOUREIRO M L, ALLÓ M, et al. 2016. Ecosystem services and REDD: Estimating the benefits of Non-Carbon services in worldwide Forests [J]. World Development, 78: 246-261.

OZANNE A, HOGAN T, COLMAN D. 2001. Moral hazard, risk aversion and compliance monitoring in agri-environmental policy [J]. European Review of Agricultural Economics, 28(3): 329-348.

PAGIOLA S. 2008. Payments for environmental services in Costa Rica [J]. Ecological Economics, 65(4): 712-724.

PETERSON J M, BOISVERT R N. 2004. Incentive-compatible pollution control policies under asymmetric information on both risk preferences and technology [J]. American Journal of Agricultural Economics, 86(2): 291-306.

POWELL G V N, BARBORAK J, RODRIGUEZ S M. 2000. Assessing representativeness of protected natural areas in Costa Rica for conserving biodiversity: a preliminary gab analysis [J]. Biological Conservation, 93(1): 35-41.

RAGGIA M, VIAGGI D, BARTOLINI F, et al. 2015. The role of policy priorities and targeting in the spatial location of participation in Agri-Environmental Schemes in Emilia-Romagna (Italy) [J]. Land Use Policy, 47: 78-89.

SIMS K, ALIX-GARCIA J, SHAPIRO-GARZA E, et al. 2014. Improving environmental and social targeting through adaptive Management in Mexico’s payments for hydrological services program [J]. Conservation Biology, 28(5): 1151-1159.

SKIDMORE S, SANTOS P, LEIMONA B. 2014. Targeting REDD+: An Empirical Analysis of Carbon Sequestration in Indonesia [J]. World Development, 64(C):781-790.

UCHIDA E, XU J T, ROZELLE S. 2005. Grain for Green: Cost-Effectiveness and Sustainability of China’s Conservation Set-Aside Program [J]. Land Economics, 81(2): 247-264.

ULBER L, KLIMEK S, STEINMANN H H, et al. 2011. Implementing and evaluating the effectiveness of a payment scheme for environmental services from agricultural land [J]. Environmental Conservation, 38(4): 464-472.

VEDEL S E, JACOBSEN J B, THORSENA B J. 2015. Forest owners' willingness to accept contracts for ecosystem service provision is sensitive to additionality [J]. Ecological Economics, 113: 15-24.

WENDLAND K J, HONZÁK M, PORTELA R, et al. 2010. Targeting and implementing payments for ecosystem services: Opportunities for bundling biodiversity conservation with carbon and water services in Madagascar [J]. Ecological Economics, 69(11): 2093-2107.

WHITE B. 2002. Designing voluntary agri-environmental policy with hidden and hidden action: a note [J]. Journal of Agricultural Economics, 53(2): 353-360.

WUNDER S, ENGEL S, PAGIOLA S. 2008. Taking stock: A comparative analysis of payments for environmental services programs in developed and developing countries [J]. Ecological Economics, 65(4): 834-852.

WÜNSCHERA T, ENGEL S, WUNDER S. 2008. Spatial targeting of payments for environmental services: a tool for boosting conservation benefits [J]. Ecological Economics, 65(4): 822-833.

WÜNSCHERA T, ENGEL S. 2012. International Payments for Biodiversity Services: Review and Evaluation of Conservation Targeting Approaches [J]. Biological Conservation, 152(8): 222-230.

YANG A L, ROUNSEVELL M D, WILSON R M, et al. 2014. Spatial analysis of agri-environmental policy uptake and expenditure in Scotland [J]. Journal of Environmental Management, 133: 104-115.

ZHAO C W, WANG S J. 2010. Benefits and standards of ecological compensation: international experiences and revelations for China [J]. Geographical Research, 29(4): 597-606.

ZHENG H, LI Y F, ROBINSON B E, et al. 2016. Using ecosystem service trade-offs to inform water conservation policies and management practices [J]. Frontiers in Ecology and the Environment, 14(10): 527-532.

ZHENG H, ROBINSON B E, LIANG Y C, et al. 2013. Benefits, costs, and livelihood implications of a regional payment for ecosystem service program [J]. Proceedings of the National Academy of Sciences, 110(41): 16681-16686.

鲍锋, 孙虎, 延军平. 2005. 森林主导生态价值评估及生态补偿初探[J].水土保持通报, 25(6): 101-104.

程臻宇, 侯效敏. 2015. 生态补偿政策效率困境浅析[J]. 环境与可持续发展, 40(3): 50-52.

戴其文, 赵雪雁, 徐伟, 等. 2009. 生态补偿对象空间选择研究进展及展望[J].自然资源学报, 24(10): 1772-1784.

范小杉, 高吉喜, 温文. 2007. 生态资产空间流转及价值评估模型初探[J]. 环境科学研究, 20(5): 160-164.

龚亚珍, 韩炜, BENNETT M, 等. 2016. 基于选择实验法的湿地保护区生态补偿政策研究[J]. 自然资源学报, 31(2): 241-251.

郭中伟, 甘雅玲. 2003. 关于生态系统服务功能的几个科学问题[J]. 生物多样性, 11(1): 63-69.

黄兴文, 陈百明. 1999. 中国生态资产区划的理论与应用[J].生态学报, 19(5): 602-606.

贾卓, 陈兴鹏, 善孝玺. 2012. 草地生态系统生态补偿标准和优先度研究——以甘肃省玛曲县为例[J]. 资源科学, 34(10): 1951-1958.

李武艳, 徐保根. 2015. 耕地保护经济补偿对象的空间选择: 以慈溪市为例[J]. 上海国土资源, 36(3): 17-20.

孟召宜, 朱传耿, 渠爱雪, 等. 2008. 我国主体功能区生态补偿思路研究[J].中国人口·资源与环境, 18(2): 138-144.

宋晓谕, 刘玉卿, 邓晓红, 等. 2012. 基于分布式水文模型和福利成本法的生态补偿空间选择研究[J]. 生态学报, 32(24): 7722-7729.

宋晓谕, 徐中民, 祁元, 等. 2013. 青海湖流域生态补偿空间选择与补偿标准研究[J]. 冰川冻土, 35(2): 496-503.

唐秀美, 陈百明, 路庆斌, 等. 2010. 生态系统服务价值的生态区位修正方法——以北京市为例[J]. 生态学报, 30(13): 3526-3535.

王爱敏, 葛颜祥, 耿翔燕. 2015. 水源地保护区生态补偿利益相关者行为选择机理分析[J]. 中国农业资源与区划, 36(5): 16-22.

谢剑斌, 何承耕, 钟全林. 2013. 生态补偿空间选择与分配的重要性及研究动态[J]. 亚热带资源与环境学报, 8(3): 29-34.

张伟, 张宏业, 张义丰. 2010. 基于“地理要素禀赋当量”的社会生态补偿标准测算[J]. 地理学报, 65(10): 1253-1265.

赵翠薇, 王世杰. 2010. 生态补偿效益、标准: 国际经验及对我国的启示[J]. 地理研究, 29(4): 598-606.

赵雪雁. 2012. 生态补偿效率研究综述[J]. 生态学报, 32(6): 1960-1969.

朱文博, 王阳, 李双成. 2014. 生态系统服务付费的诊断框架及案例剖析[J]. 生态学报, 34(10): 2460-2469.

Approaches to Spatial Targeting Identification of Payments for Ecosystem Services

WANG Fengchun1,2,3, ZHENG Hua1, WANG Xiaoke1, PENG Wenjia1,2
1. State Key Laboratory of Urban and Regional Ecology//Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China; 3. Beijing Water Science and Technology Institute, Beijing 100048, China

The effectiveness and efficiency of payments for ecosystem services (PES) have become the important topics of PES research. While spatial targeting identification of PES closely relates to the financial effectiveness and social inefficiency. Based on the impact factors of PES efficiency, approaches to spatial targeting identification of PES were summarized. The identification principles of spatial targeting in PES gradually changed from single factor (e.g., total budget, participant cost, environmental benefits) selection to integration of multiple factors (e.g., regions with high risk of ecological degradation, spatial heterogeneity of environment elements). The selection approaches of spatial targeting also changed gradually from single mathematical method to the integration of physical models, spatial models and spatial econometric models, which provided important support for PES practice. Our analysis showed that the identification of spatial targeting in PES should not only adequately consider the environmental protection goals, but also the goals of poverty alleviation, social equity, stable institution, technical capacities and project durability, so as to achieve the environmental and social benefit goals. Correspondingly, the dynamic, systematic and integrated identification approaches were needed. Furthermore, we should conduct the post evaluation of spatial targeting identification and identify the relative contribution these identification approaches to the efficiency of PES. Finally, we strengthened the importance of identifying spatial targeting in PES. To improve ecological benefits and compensation fund efficiency, we suggest to identify spatial targeting, conduct dynamic monitoring, implement post evaluation and dynamic adjustment in the implementation of PES programs

payments for ecosystem services; spatial targeting; additionality; efficiency

10.16258/j.cnki.1674-5906.2017.01.027

X196

A

1674-5906（2017）01-0176-07

王凤春, 郑华, 王效科, 彭文佳. 2017. 生态补偿区域选择方法研究进展[J]. 生态环境学报, 26(1): 176-182.

WANG Fengchun, ZHENG Hua, WANG Xiaoke, PENG Wenjia. 2017. Approaches to spatial targeting identification of payments for ecosystem services [J]. Ecology and Environmental Sciences, 26(1): 176-182.

国家自然科学基金面上项目（41371538）

王凤春（1981年生），女，高级工程师、经济师，硕士，主要研究方向为生态系统评估及管理等方面研究。E-mail: wangfengchun813@163.com

2016-11-14