發展中國家森林減排政策的選擇

盛濟川，曹 杰，周 慧

(1．南京信息工程大學氣象災害預報預警與評估協同創新中心，經濟管理學院，江蘇 南京 210044;2．南京信息工程大學中國制造業發展研究院，江蘇 南京 210044)

1 引言

森林對CO2的吸收是碳捕捉和碳儲存的一種重要途徑，熱帶森林面積占全球陸地面積的15%，吸收了陸地生物圈約25%的碳，截至2010年底全球森林共儲存了289億噸碳。然而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致碳排放總量的12%～20%，1990—2010年間因森林減少導致年均0．5億噸碳被釋放到大氣中，而氣候變暖最終導致氣象災害事件的頻發［1-5］。因此聯合國氣候變化框架公約在2007年引入了“減少砍伐和退化所致排放量”(REDD)機制。而REDD+是REDD的發展，通過采取各種政策方法和積極的激勵措施，以幫助發展中國家減少砍伐和森林退化，同時還包括森林保護、森林的可持續經營以及增加森林碳信用。

在REDD+實施過程中，對于碳排放量的準確監測與度量顯得尤為重要，這直接關系到一國從REDD+項目所獲得的實際收益。因此，一個可靠的碳排放監測、報告和核證體系 (MRV)是在后京都議定書時代確保REDD+得到有效實施的關鍵所在。目前對于REDD+融資的激勵機制以及REDD+的監測、報告和核證方法都進行了大量的研究，而對于REDD+監測的成本和不確定性的研究卻較少。監測成本的衡量在成本-效益分析中會受到多種因素的影響，例如數據來源、現場評估方法、模型的設定、抽樣密度、分層規則、更新時間間隔以及誤差量化方法的影響。REDD+監測成本分析事實上是一個最優化問題，在這一過程中存在兩個目標函數:給定成本下的最小誤差以及給定誤差下的最小成本。而監測成本是由固定成本和可變成本所組成，固定成本在REDD+的監測過程中是不變的，如調查的設備、計算機軟件等，而可變成本隨著森林監測面積的變化而變化。因而，監測成本的最優化主要針對的是可變成本。Plugge［6］對加納、喀麥隆、印尼、哥倫比亞和蘇里南五個毀林國家的REDD監測成本和不確定性進行了研究，發現REDD的收益主要取決于誤差的幅度，而受評估成本和碳價的影響相對較小。Andrew［7］建立了一個基于Agent模型分析有效監測對剛果盆地森林砍伐的影響，發現有效監測固然可以減少非法伐木，但是會增加林區路網密度而使森林碎片化。

在REDD+監測中量化碳儲量變化存在較大的不確定性，誤差的存在會對最終REDD+融資激勵機制產生深遠影響。IPCC［8］提出在評估土壤碳量變化時采用可靠最小估計 (RME)，而RME與置信區間下限存在顯著的差異:置信區間只考慮到了抽樣誤差，RME針對的是整體不確定性，包括了抽樣誤差和其他誤差，如預測誤差、測量誤差、分類誤差等［9］。而在 REDD+監測成本計量中，RME是基期誤差區間下限和報告期誤差區間上限之差，可用于測量REDD+的碳量變化。由于置信區間只考慮抽樣誤差，因而RME方法得到的碳減排幅度要小于置信區間。已有研究中，REDD+監測成本和不確定性差異較大，因而需要進一步研究說明。

2 研究方法

2.1 REDD+監測成本與不確定性的測量

一國實施REDD+所獲得的潛在收益取決于兩個因素:因減少毀林而帶來森林碳儲量的變化量(ΔC)和碳信用價格 (P)。其中ΔC是相比于基線情景，因實施REDD+而導致的一國森林碳儲量的變化量。這里假定即使沒有REDD+，溫室氣體的歷史排放水平仍將會持續 (即基線情景)，因而只要排放低于基線水平，該國就應獲得碳排放配額并獲取相應的收益。同時在計算REDD+情景下的森林碳儲量時，采用可靠最小估計 (RME)法，因而應將不確定性考慮在內。由此可以獲得森林碳儲量的變化量:

式中，CR1為REDD+情景下報告期的森林碳儲量，CB1為基線情景下報告期的森林碳儲量，C0為基期的森林碳儲量，ΔR為REDD+情景下森林碳儲量的變化率，ΔB為基線情景下森林碳儲量的變化率，e為監測誤差。人類行為會對森林碳儲量產生影響，森林砍伐會導致碳儲量的減少，而造林卻會增加碳儲量。因此如果REDD+得以成功實施，REDD+情景下森林碳儲量會大于等于基線情景，即ΔC≥0。而對于REDD+情景和基線情景下森林碳儲量的變化率ΔR和ΔB存在下列關系:

式中，α為REDD+努力系數，衡量了REDD+對于森林碳儲量變化率的影響。對于造林國家(ΔB≥0)而言，如果REDD+成功實施則 α≥0，反之則α＜0;而對于毀林國家 (ΔB＜0)而言，如果REDD+成功實施則α＜0，并且當α≤-1時，該國由毀林國變為造林國，反之則α≥0。一方面，一國可以從實施REDD+而增加的森林碳儲量中獲益;另一方面，REDD+的實施又是有成本的，其中監測成本是一項重要的成本。當收益和成本相等時可以得到盈虧平衡點 (BEP):

式中，P為碳信用價格，M為REDD+的監測成本。而監測成本是由固定成本和可變成本共同組成的。其中固定成本如監測設備、衛星遙感圖片、管理費用等是固定不變的，而可變成本會隨著一國森林面積的變化而變化。

式中，MF為REDD+的固定監測成本，MV為REDD+的可變監測成本。MV取決于一國的森林面積n和單位面積森林的REDD+監測成本Ma。在假定不存在森林退化的條件下，單位面積森林的碳儲量保持不變，即報告期單位面積森林碳儲量等于基期單位面積森林碳儲量。因此，當已知一國報告期實際森林碳儲量C1時可得到森林面積:

式中，C1為在不存在監測誤差時一國真實的報告期森林碳儲量，即:

在給定REDD+監測誤差條件下，由上述等式可以求出盈虧平衡點的REDD+努力系數α:

而當α不變時，可以得到盈虧平衡點的監測誤差e:

2.2 數據來源

本文仿真研究選取巴西、中國、印度、印尼和墨西哥2005—2010年的森林變化數據作為基線數據，以此來預測在基線情景下到承諾期結束時一國的森林碳儲量。所采用的目標函數是相比于基線情景，達到盈虧平衡點時減少的毀林量或增加的造林量，此時一國從REDD+中所獲得的收益等于建立監測系統的成本。2005—2010年間的森林碳儲量、單位森林碳儲量數據來源于聯合國糧農組織的《全球資源評估報告2010》。由2005和2010年的森林碳儲量數據C0和C1可以得到基線情景下森林碳儲量的變化率ΔB(時間間隔為5年)。由此可看出中國和印度的森林碳儲量在持續增加，已成為造林國;而巴西、墨西哥和印尼森林碳儲量仍在減少，為毀林國，尤其是印尼(-8．97%)，具體見表1。

表1 數據來源表

3 仿真結果與討論

3.1 監測成本與誤差對REDD+努力系數的影響

為了仿真監測成本和不確定性對于REDD+收益的影響，需要確定誤差e和REDD+單位面積森林可變監測成本Ma的變化幅度。對于誤差e，其變化幅度分別取1%、2%、5%和10%;對于單位面積森林監測成本Ma，其變化幅度分別取5美元/公頃、1美元/公頃、0．1美元/公頃和 0．01美元/公頃。REDD+固定監測成本MF設為10萬美元，主要用于購買相關檢測設備、軟件以及獲取遙感圖像。碳信用價格P設為10美元。

根據式 (7)，使用表1中的數據預測在誤差e和REDD+單位面積森林可變監測成本Ma取不同值時，盈虧平衡點的REDD+努力系數α。見表2。

表2 REDD+努力系數仿真結果

對于毀林國而言，當α≤-100%時，表明該國無法立即因減少毀林從REDD+中獲益，除非該國相比基線情景停止毀林并額外增加森林面積以彌補監測成本的不足。而對于造林國而言，當α≥100%時，表明該國也無法立即因REDD+從增加造林中獲益，除非該國相比基線情景額外增加2倍的森林面積才能彌補監測成本的不足。具體而言，具有較高造林率的印度和中國在前兩種仿真誤差情景下都可以立即從REDD+中獲益。而在誤差為5%的情景下，當REDD+單位面積森林可變監測成本較小 (Ma≤1)時，這兩國可以較為容易地獲益，而當可變監測成本上升 (Ma=5)時，這兩個國家必須付出相比基線情景2倍的努力進行造林才可以彌補監測成本的上升，達到盈虧平衡點。而在誤差為10%的情景下，即使可變監測成本 (Ma=0．01)再小，中國和印度都需付出2～3倍的努力增加森林面積。而對于具有較高毀林率的印尼，該國在前三種仿真誤差情景下都可以較為容易地因減少毀林率而從REDD+中獲益。而當誤差增加時，印尼不僅需要停止毀林，還要新增造林面積才可能達到盈虧平衡點并從REDD+中受益。對于毀林率較低的國家，如巴西和墨西哥，這兩國只有在第一種誤差情景下才能通過降低毀林率從REDD+中受益。而當誤差不斷增加時，這兩國不僅需要禁止森林砍伐，而且還需要額外造林才有可能達到盈虧平衡點而獲益。在這些情景下，低毀林率的國家需要付出1～8倍的努力。

綜上，仿真結果表明:①在基線情景下，過去的毀林率或造林率會對未來從REDD+中獲得的收益產生重要影響;②監測誤差對于REDD+努力系數的影響要遠大于可變監測成本的影響;③監測誤差越大，一國需要付出的努力就越大，這樣才有可能達到盈虧平衡甚至獲益，反之所需付出的努力就越小;④可變監測成本越高，則REDD+總監測成本越高，一國需付出更多的努力才能實現盈虧平衡，反之則所需付出的努力越小。

3.2 碳信用價格對監測誤差的影響

為了研究碳信用價格P對于REDD+監測誤差的影響，將P變化幅度確定為0．01美元/噸、0．10 美元/噸、1．00 美元/噸和 10．00 美元/噸。REDD+固定監測成本MF設定為10萬美元，單位面積森林可變監測成本Ma為0．1美元/公頃。將REDD+努力系數的絕對值 |α|設定為0．5，即對于毀林國家 α=-0．5，造林國家 α=0．5。其含義為:對于毀林國家而言，其基線情景的森林碳儲量變化率ΔB＜0，相比于基線情景，REDD+情景使得毀林率減少了50%;對于造林國家而言，其基線情景的森林碳儲量變化率ΔB＞0，相比于基線情景，REDD+情景使得造林率增加了50%。根據式 (8)，仍使用表1中的數據預測在碳信用價格P取不同值時，盈虧平衡點的誤差e，具體結果見3。

表3 REDD+監測誤差仿真結果

仿真結果表明，隨著碳信用價格P的增加，REDD+監測誤差有不斷增大的趨勢，由負值轉變為正值，這表明隨著碳信用價格的不斷升高，監測誤差由對森林碳儲量的高估轉變為了低估，但誤差增加的幅度在不斷減小并逼近，如圖1所示。這主要是由于碳信用價格的增加，即使誤差變大使得森林碳儲量被低估，其產生的收益也足以彌補有誤差而導致的監測成本的上升。但隨著碳信用價格的增加，監測誤差在不斷地逼近一常數值。這表明:隨著碳信用價格的增加，其對于REDD+收益的貢獻是邊際遞減的。因此，對REDD+收益影響最大的因素是監測誤差，其次才是碳信用價格和可變監測成本。

圖1 碳信用價格對監測誤差的影響

4 結論與啟示

研究發現，高毀林率或高造林率的國家從REDD+中獲益更多，而低毀林率或低造林率的國家所獲收益較少。因此，對于低毀林率或低造林率的國家而言，REDD+很難對該國實施REDD+產生激勵。而對于像中國這樣的具有較高造林率的國家，REDD+卻是一個不錯的選擇。同時，對REDD+收益影響最大的因素是監測誤差，其影響要高于碳信用價格和可變監測成本。因而對于擬實施REDD+的國家而言，需要更多地關注如何降低監測誤差，從而獲得盡可能真實的森林碳儲量數據，尤其是對于低毀林率或低造林率的國家更是如此。

低毀林率或低造林率的國家實施REDD+的動機往往小于高毀林率或高造林率的國家，因為前者獲益的難度或付出的努力要遠大于后者，前者相比于基線情景只有在較低監測誤差的情況下才能從REDD+中獲益。為了更有效地實施REDD+，將低毀林率或低造林率的國家也納入到REDD+體系中，可能的途徑選擇有:①基于全球統一的基線數據建立基線情景，從而消除低毀林率或低造林率的國家和高毀林率或高造林率的國家實施REDD+的動機差異［10］;②采用成功努力補償法 (CSE)而不是減排補償法 (CR)，即根據發展中國家采取減少砍伐的政策和措施的努力程度進行補償，是一種基于投入的方法［11］;③通過評估森林保護的行為或森林可持續管理的成果來分配收益，而不再根據森林碳儲量的改變量來分配［12］。同時需要加強環境影響方面的審查，繼續實行嚴格的環境規制計劃［13-14］，使得REDD+受益國保持現有的森林覆蓋率。這些途徑都需要進行更多的研究，從而最終建立一個公平的、具有可比性的森林碳計量體系，確保今后REDD+在全球范圍內得以成功實施。

［1］張慧明，周德群，曹杰等．溫室氣體減排技術研究進展［J］．中國科技論壇，2011，(9):104-109．

［2］Bonan G．B．．Forests and Climate Change:Forcings，Feedbacks，and the Climate Benefits of Forests［J］．Science，2008，320(5882):1444．

［3］Food and Agriculture Organization of the United Nations．Key Findings of Global Forest Resources Assessment 2010［R］．Forest Resources Assessment，Rome，2010．

［4］Sala O．E，et al．Global Biodiversity Scenarios for the Year 2100［J］．Science，2000，287:1770-1774．

［5］吳先華，聶國欣，郭際等．基于技術系數矩陣的災害影響評估及政策啟示［J］．科學學研究，2012，30(11):1676-1683．

［6］Plugge D．，T．Baldauf，M．K?hl．The Global Climate Change Mitigation Strategy REDD:Monitoring Costs and Uncertainties Jeopardize Economic Benefits［J］．Climatic Change，2013，119(2):247-259．

［7］Bell A．R．，R．L．Riolo，J．M．Doremus．Fragmenting Forests:The Double Edge of Effective Forest Monitoring［J］．Environmental Science ＆ Policy，2012，16:20-30．

［8］IPCC．Good Practice Guidance for Land Use，Land-use Change and Forestry［R］．IPCC National Greenhouse Gas Inventories Programme．Hayama，2003．

［9］K?hl M．，T．Baldauf，D．Plugge，J．Krug．Reduced Emissions from Deforestation and Forest Degradation(REDD):A Climate Change Mitigation Strategy on a Critical Track［J］．Carbon Balance Management，2009，4:10．

［10］Mollicone D．，F Achard，S．Federici，et al．An Incentive Mechanism for Reducing Emissions from Conversion of Intact and Non-intact Forests［J］．Climatic Chang，2007，83(4):477-493．

［11］盛濟川，吳優．發展中五國森林減排政策的比較研究——基于結構變量“REDD+”政策評估方法［J］．中國軟科學，2012，(9):92-99．

［12］Meridian Institute．Modalities for REDD+Reference Levels:Technical and Procedural Issues［R］．Prepared for the Government of Norway，Norway，2011．

［13］周慧，邢劍煒．中國與歐盟居民消費的隱含碳排放比較研究［J］．統計與決策，2012，(17):80-83．

［14］張三峰，卜茂亮．環境規制、環保投入與中國企業生產率——基于中國企業問卷數據的實證研究［J］．南開經濟研究，2011，(2):129-146．