生態補償區域選擇方法研究進展

王鳳春，鄭華，王效科，彭文佳

1. 中國科學院生態環境研究中心//城市與區域生態國家重點實驗室，北京 100085；2. 中國科學院大學，北京 100049；3. 北京市水科學技術研究院，北京 100048

生態補償區域選擇方法研究進展

王鳳春1,2,3，鄭華1，王效科1，彭文佳1,2

1. 中國科學院生態環境研究中心//城市與區域生態國家重點實驗室，北京 100085；
2. 中國科學院大學，北京 100049；3. 北京市水科學技術研究院，北京 100048

生態補償實施后的效果與效率評價已成為生態補償研究的熱點。目標區域的篩選和確定將直接影響補償資金的使用效率，進而影響生態補償項目的社會效益。文章從生態補償效率影響因素入手，梳理了國內外生態補償區域選擇的研究方法，從已有研究來看，選擇準則已逐步從單一的只考慮項目總預算、參與者成本、環境效益等因素，發展到綜合考慮生態退化高風險區域、空間區域要素異質性等多種要素；選擇方法也從單一的數學方法，逐步與物理模型、空間模型和空間數量經濟模型相結合，這些方法的研究和分析可為生態補償項目實踐提供重要理論支撐。通過分析國內外相關研究，提出今后補償區域選擇研究的準則除了要考慮上述環境保護目標外，還要納入減貧、社會公平、制度保障、技術實力以及項目持久性等社會要素，以實現生態補償項目環境與社會效益的綜合目標；相應的研究方法也要動態化，系統化和集成化；且要探索研究對區域選擇方法的后評價，以驗證生態補償效率的實現程度及貢獻度。在此基礎上，通過對照國外與國內研究的差距，分析未來國內生態補償項目的廣泛應用以及目標（區域）選擇的重要性，從提高補償項目生態服務的效益和提高補償資金的使用效率角度，提出我國今后的生態補償項目應在實施前做好目標（區域）選擇；實施中做好動態監測；實施后做好后評估和適應性調整，以提高生態補償政策持久性和持續性。

生態補償；目標選擇；額外性；效率

生態補償（Payments for Ecosystem Services, PES）作為一種將外在的、非市場環境價值轉化為當地參與者提供生態系統服務的經濟激勵機制已經引起了廣泛關注（Engel et al., 2008；趙雪雁，2012）。根據相關學者對生態補償的定義，生態補償是一種自愿交易，有確定的環境服務，至少有一個買方，一個賣方，并且必須保證能夠提供環境服務（Engel et al.，2008）。然而，生態補償這種自愿交易下自我選擇的本質會產生目標選擇（或合同分配）的問題，即當申請者超過補償預算時，如何保證選擇誰會得到最高的環境服務水平（Wünschera et al.，2008），即生態補償的效率問題。確切地說，區域目標選擇（Targeting）指的是在有限的生態補償預算額度下，把補償資金分配在哪些地方以及如何分配的問題（Wünschera et al.，2012）。合理的目標選擇方法或決策有助于從潛在的生態服務提供者中，根據區域或個體條件差異，確定有效補償區域或者生態服務提供者。

PES項目越來越受到政策實施者和決策者的青睞，但未來設計PES項目最迫切需要的是在項目實施前就研究設計有效的參與合同和如何評價實施效果（Ferraro，2011），分析當前的生態補償區域目標選擇方法，并評價存在的問題是十分有必要的。

當前，由于中國生態補償項目主要是政府間的交易過程（程臻宇等，2015），申請者數量過多的現象并不多見，所以國內對生態補償目標選擇的研究較少，多是相關的間接研究（黃興文等，1999；范小杉等，2007；郭中偉等，2003；鮑鋒等，2005，孟召宜等，2008；唐秀美等，2010）。即使是政府與政府之間實行的生態補償，在資金約束條件下獲取最大的環境效益，仍是生態補償的主要目的，必須要將資金配置到生態效率高或生態效益增量大的地方，或投入成本低的地方（謝劍斌等，2013）。因此，綜述分析國內外較成功的區域選擇方法研究，通過一定的管理手段和措施來篩選補償區域目標、提高項目實施效率也是非常有必要的。

1 目標選擇與生態補償效率

生態補償的目的在于在補償資金（或預算）約束條件下獲取最大的環境效益（Alix-garcia et al.，2008；Zhao et al.，2010），即關于生態補償的效率問題。關于無效率的情況有學者提出了一個分析框架（Engel et al.，2008），其中提到三類情況，（1）不給予補償也會發生預期的土地利用方式，反過來說，即是“花了錢，但沒發生什么變化（Ferraro et al.，2006）”。這種情況也是我們通常所說的缺乏額外性（趙雪雁，2012）。（2）補償費用較低，不能促使參與者采用預期的土地利用方式。（3）補償了（或說付費了），土地利用也發生了變化，但提供的服務價值卻低于補償費用，即支付成本大于獲得的收益。

對于后兩種情況，不采用社會收益超過成本的實踐活動，或是采用社會收益低于成本的實踐活動，都會產生明顯的社會無效率（Engel et al.，2008；趙雪雁，2012）。而對于額外性問題，雖然其本質上不屬于社會無效率問題，而是資金無效率，這會使得每美元獲得的收益（生態服務水平）降低，但是如果在補償預算資金有限的情況下，用于這種無效率的實踐活動偏多就意味著用于效率高的其他實踐活動的資金就會偏少，這實際上也就產生了社會無效率。對于那些補償標準偏低、補償標準同一，而且沒區域有目標選擇性的實踐活動很可能會產生缺乏額外性的問題（Engel et al.，2008）。

為確保生態補償機制的高效實施，付費者（即買方）應明確3種關鍵要素（Wünschera et al.，2008），（1）是否提供預期的環境服務，即效益。（2）環境服務喪失的風險。（3）參與者（即賣方）的成本，包括機會成本、交易成本和實施成本（趙雪雁，2012）。此外，設計選擇目標除了要考慮生態服務水平、參與成本和生態風險以外，還應考慮社會政治意愿、公眾意識、制度安排和技術水平，以及防止實施目標選擇過程中出現“泄漏”（目標區改善生態服務供給的結果是以其他地方的環境破壞活動增加為代價）和不正當激勵，從而削弱整體生態補償的效率（Chomitz，2002；Wünschera et al.，2012；Fooks et al.，2016）。

上述前3種因素可作為目標選擇時的主要規則，如明確喪失風險，優先選擇那些風險性較高的區域，增加額外性，從而提高補償效率；明確參與成本，根據參與者投入的成本，制定不同的、靈活的補償標準，實現資金使用效率最優化，從而提高補償效率；確定效益-成本比例，優先選擇比例較大的參與者，雖不能保證獲得效益肯定大于付費成本，但能盡量減少這種低效率補償項目。

2 國內外生態補償區域選擇方法研究

2.1 統一的目標選擇標準

對補償對象實行統一的標準，即在資金總預算下，對補償區域不進行有針對性地甄別和篩選，而是向單位面積土地支付相同數額的補償（戴其文等，2009），直到達到預算上限。這是生態補償項目最初實施的目標選擇方案。如拉美最早開展生態補償的哥斯達黎加國家生態補償資金（PSA）項目，嚴格采用統一的補償標準。該項目向土地所有者提供不同類型的合同，包括森林保護、再造林等，支付的金額略高于保護土地的機會成本（Pagiola，2008）。最初的墨西哥的水文環境服務補償（PSAH）項目和中國的退耕還林工程雖不是采用統一的補償標準，卻也只限制在2～3個標準水平（Mu?oz-pi?a et al.，2008；Bennett，2008）。

由于這種選擇標準沒有考慮個體差異，存在很多無效的或低效補償實踐，補償資金效率很低，缺乏額外性，生態補償效率很低。但因為這種方法易操作，相對比較公平，所以仍是發展中國家比較主流的區域選擇補償方案（戴其文等，2009；Wünschera et al.，2012；趙雪雁，2012）。

2.2 成本-效益目標選擇方法

關于生態補償目標區域選擇問題，國外研究得較多。最初采用單目標、單準則的方法。最具有代表性的是Babcock等學者的研究成果，他們系統地總結了成本標準、效益標準和效益成本比（邊際成本）標準等3種選擇方案，并進行了定量估算（Babcock et al.，1997）。Chomitz et al.（2006）采用成本法進行選擇，以最低的成本選擇最佳的區域以獲得最大的生態環境效益，從而確定低成本高收益的參與者選擇方案；有的學者則側重將生物物種的空間連通性、生物物種自身的生態特征等服務效益作為生態補償區域選擇的標準（Powell et al.，2000；Fagan et al.，2016；Alison et al.，2016）。但采用效益目標選擇時，還要考慮不同服務功能之間的權衡（Ojea et al.，2016；Zheng et al.，2016）。

Ferraro（2003）采用成本效益標準，依據產生期望的生物物理屬性的效率來定位需要保護的地塊，從而確定了生物多樣性保護和流域保護的優先補償區域；Uchida et al.（2005）采用成本效益法評價退耕還林目標選擇的實施效率，結果表明，當前的補償金額過高，實施效率還有進一步提升的空間；Claassen et al.（2008）分析了美國農業環境補償項目的有效設計問題，研究表明通過成本-效益線性得分函數確定參與區能夠大大提高環境收益，在每年成本不變的情況下大約增加3.7億美元的收益，對于一個10億預算的項目，大約提高兩倍收益；Chen et al.（2010）討論采用成本效益法評價退耕還林這一生態補償項目的效率和效果，文章指出其中的成本核算難度較大，因為關于農戶機會成本的信息比較隱私，獲取較困難，實施者與土地擁有者之間存在信息缺口。

中國生態補償對區域差異關注較少，存在補償不足或對不需補償就能提供生態服務的區域實施補償等問題（趙翠薇等，2010）。有的學者提出建立以補償效率為基準的耕地保護經濟補償對象空間選擇機制（李武艷等，2015），但對于目標區域的選擇方法研究也應多參照成本、效益或成本-效益標準，采用聚類分析、“地理要素稟賦當量”、選擇實驗法等來優化補償區域選擇（張偉等，2010；宋曉諭等，2012；徐中民等，2013；王愛敏等，2015；龔亞珍等，2016）。目前，中國尚未形成系統的補償區域選擇機制。

2.3 考慮風險的目標選擇方法

在上述成本與效益選擇方法基礎上，將生態系統受損風險也納入目標選擇的標準，稱為多目標多準則的目標選擇方法。

生態退化風險作為體現生態補償項目額外性的重要因素，也是研究空間目標選擇的關鍵因子（Wünschera et al，2012；Sims et al，2014；Ezzine-de-blas et al，2016）。Alix-Garcia et al（2005）通過模擬墨西哥生態補償項目來說明將風險納入生態服務目標能夠提高實施效率。尋求最優目標的這種補償項目每美元的環境收益為等額補償的4倍。Wünscher et al（2008）以哥斯達黎加生態補償項目為例，研究搭建了一種空間目標選擇工具——考慮3個因素，環境服務提供水平、參與成本以及失去這些服務的風險。評價結果表明，任何一種目標選擇方法的效率（每1000美元產生的額外性）都高于無目標選擇。Wünscher et al（2012）以生物多樣性這類國際生態補償項目為例，綜述和評價了各種生物多樣性保護區域選擇方法，并分別從透明度、數據可獲取性、土地的確權、是否考慮額外性、是否考慮生態服務水平以及靈活性等方面對這些方法進行了評價。該研究提出，生態補償項目區域目標選擇的準則有3個：一是生態服務水平；二是提供服務的成本；三是不實施生態補償而導致的不提供生態服務的概率（即額外性）。

2.4 空間模型分析方法

由于考慮空間異質性，有些學者采用GIS等空間信息工具來實現生態補償目標區域選擇。Wendland et al（2010）以馬達加斯加為研究區域，采用空間分析方法確定應優先實施生態補償的區域。該研究首先是確定生物多樣性、碳匯和水質生態服務功能的空間分布情況，然后確定這些區域的生態風險分布，以獲得生態補償區域額外性分布圖，再去掉其中高機會成本的區域，最終靶向確定生態補償區域。Atela et al（2014）以肯尼亞47縣的農業、氣候和社會經濟數據為基礎，通過構建脆弱性指數地圖來評價當地REDD項目減貧的空間區域選擇情況。Kolinjivadi等學者以尼泊爾加德滿都谷地為研究區域，運用GIS中的克里格插值模塊分析說明了，在對生態補償項目進行設計時，應同時考慮區域選擇有效性、成本效益和減貧等多項目標（Kolinjivadi et al.，2015）。Lin et al.（2014）以坦桑尼亞REDD+項目為例，采用基于GIS的多標準決策分析方法演示了空間選擇方法，明確REDD+項目適用區域。該方法是基于GIS中的IDRISI模塊提供的多任務標準評價模型來明確REDD+項目的最佳適合區域，同時考慮了部分能夠被空間變量代表的標準或規則，而諸如“泄漏”等因素則無法體現。

為減少或避免目標選擇過程中的“泄漏”影響，提高生態補償效率，相關學者考慮了空間結構性（空間不均勻性）和空間因素的自相關性，采用空間計量經濟模型來選擇農業生態保護項目的參與者。Yang et al（2014）采用空間計量經濟模型分析了區域農業特性、土地承載力、人口密度等解釋變量對選擇英格蘭農業環境保護政策參與戶的影響，并分析了不同區域的相互關聯性。在此基礎上，Raggi et al（2015）采用探索性空間數據分析和回歸模型等計量經濟方法，分析了意大利艾米利亞-羅馬涅大區農業環境保護項目參與區域的影響因素，并且對相鄰區域泄露問題進行了討論，結果表明空間選擇是影響項目實施的重要因素。

2.5 考慮信息成本的競拍法

在生態補償項目中，為更好地確定參與者的真實成本，減少信息租金（Peterson et al.，2004；Ozanne et al.，2001；White，2002），避免對高機會成本類型進行低補償或對低機會成本類型進行高補償（趙雪雁，2012），提高目標選擇性和補償效率，有些研究學者提出可以采用競拍法選擇參與區域（Wünschera et al.，2012；Hellerstein et al.，2015）。

Ferraro（2008）指出在涉及到生態服務補償的契約關系中，購買方獲得的成本信息要比土地擁有者少（存在不對稱信息），后者利用他們的私人信息從購買方獲取信息租金。為了在有限預算下獲得最大生態服務水平，減少信息租金有利于額外性的獲得。該論文提出3種減少不對稱信息的方法：一是收集和獲取土地擁有者（服務提供者）的各種與成本有關的屬性數據；二是給土地擁有者提供不同類型的“菜單”（低成本-高產出和高成本-低產出），讓他們根據標準自我篩選；三是采用采購拍賣的方式，向服務提供者發出投標邀請，最后以較低競標價來確定簽約方。Chen et al（2010）討論采用成本效益目標法評價退耕還林這一生態補償項目的效率和效果時建議在采取成本效益選取參與者時，采用競拍的方式提高PES項目實施效率。Narloch et al（2011）以在玻利維亞和秘魯實施的生態補償項目為案例，在設定項目總體預算后，通過競拍價格（成本）計算每個目標的最優成本效益，但尚未建立科學框架來設定不同目標之間的權重以權衡是否達到最大效益。Newton et al（2012）以亞馬遜河流域的PES項目為例進行研究，得出不同區域的農戶會產生不同的機會成本的結果，所以如果項目補償能夠依據當地機會成本和生計策略的不同而相應調整補償區域，則能大大提高項目成功實施的可能性。Skidmore et al（2014）利用印尼蘇門答臘島占碑省兩個村莊的數據分析反向競拍和評價機會成本兩種目標選擇方法所產生的碳匯量，研究提出在農戶尺度決定選擇目標比較困難，因為不存在容易觀察到的明確低成本提供者的協變量；另外，發展中國家農戶由于缺乏土地確權，使得合同關系的建立比較困難，所以實際選擇中可以以村莊或省等區域為單位進行。

采購競標方法是效率相對較高的方法，但該方法需要更多的人力來設計和實施，制度成本較高，多應用于發達國家。

3 研究展望

3.1 綜合考慮環境保護和社會發展的區域選擇研究

當前，國內外學者圍繞生態補償目標選擇的關鍵要素開展了大量研究，但除了上述環境保護和經濟目標外，近年來相關學者還提出，要從社會學角度，將減貧和社會公平也納入目標選擇的規則當中，尤其是對發展中國家來說，生態補償項目的實施在一定程度上還兼具有扶貧的目標（Gauvin et al.，2010；Kolinjivadi et al.，2015；Ezzine-de-blas et al.，2016）。另外，實施生態補償項目的區域是否做好了一定的“準備”也是選擇的標準，如當地政府的政治意愿、公眾的意識、技術能力、政府管理和法規制度的穩定性等都會影響項目實施的效率和效果（Wünschera et al.，2012）。當然一項生態補償項目能否長期實施下去、是否會受到資金的限制、當地政策是否會連續保障、對當地農戶的可持續生計影響如何等持久性問題，也是管理者應該考慮的因素（Alix-garcia et al.，2005；Alix-garcia et al.， 2015）。因此，今后的區域選擇也應綜合考慮環境保護和社會發展綜合目標，尋找兩者的結合點進行深入研究和探討。

3.2 綜合性選擇方法研究

由于對生態補償區域選擇的準則或因素多樣化，那么如何綜合考慮這些因子或者應該如何權衡各個因子將是未來管理者和實施者面臨的問題。探索研究綜合性的選擇方法則是研究學者應該考慮的。從近兩年的研究文獻來看，選擇方法除了與物理模型、數量經濟模型、空間分析和“3S”技術相結合外，有些學者還嘗試通過政策情景分析框架、適應性管理等系統綜合性方法等對多個目標進行綜合權衡和分析。與此同時，對于長時間實施的生態補償項目來說，除了研究特定時段區域選擇的方法之外，還應從縱向時間序列上分析所選擇的區域是否合適，這其實是對不同參與區域進行適時調整，也算是一種適應性管理（Sims et al.，2014；Ezzine-de-blas et al.，2016）。

3.3 額外性監測方法研究

生態補償項目實施前需要采用相應的方法來進行目標選擇，以獲得更多的額外性，提高整體生態補償效率。但到底選擇的區域是否能提高生態補償效益，則需要進行效益額外性評價，這也就是對目標區域選擇方法的后評價。當前大部分生態補償項目并沒有要求量化參與者的額外性，其中一個原因是評價額外性的成本很高，而且由于未來的預測很困難，因此實施起來非常復雜；另外的一個原因是政治挑戰，因為實施任何一項規則都意味著將會把一部分人排除在外，當前生態補償項目正在應用的額外性評價方法有4種（項目特定評估法、標準額外性評價法、折扣或交易率法、概率評估法），而這4種方法的可行性必須通過追蹤那些沒有參與PES項目的控制組和對照組（Wunder et al，2008；Bennett，2010；Ulber et al，2011；Vedel et al，2015）之間的差異來判斷。未來可嘗試開展相關方面研究。

4 結論與政策啟示

生態補償作為一種有效的環境政策，已引起了全社會的廣泛關注。其中生態補償目標（區域）的選擇不僅關系到補償效率的高低，更關系到生態補償能否可持續。本文從影響生態補償效率的因素入手，梳理了國內外生態補償區域選擇的方法，綜述了由單目標、單準則到多目標多準則的選擇過程。從研究文獻來看，國外的生態補償項目多是以用戶為主導的（Wunder et al.，2008），比較注重項目實施的效率和效果后評價，因此對目標區域的選擇方法研究也較多，且研究方法也趨于綜合化和全面化（表1）；但國內的生態補償項目多以政府為主導，受償主體比較模糊，且志愿申請者數量也不多，因此，國內對生態補償優先度的確定多為定性描述，在項目設計時對目標選擇過程和生態服務額外性的動態監測都有待加強（賈卓等，2012；朱文博等，2014）

表1 不同目標選擇方法研究對比Table 1 Comparison of different approaches to spatial targeting identification of payments for ecosystem services

當前，我國實施的退耕還林工程、生態公益林工程、面向國家重點生態功能區的生態補償性轉移支付項目等生態補償政策，都是以政府主導為主，補償對象選擇過程不充分，補償標準不靈活，導致補償效率較低，補償政策的可持續性還有待提高（程臻宇等，2015）。因此，通過分析國外生態補償區域選擇方法以及未來應考慮的多種影響因素，從提高國內補償項目生態服務的效益和提高補償資金的使用效率角度，提出如下建議：

生態補償項目的前期設計階段：首先，基于我國生態補償的特點，實施生態補償的前提是要有相應的法規和制度支撐，對水、森林、草原、礦山等資源進行確權，在此基礎上，核算資源資產，確定生態環境服務并進行定價；其次，應優化選擇補償區域或目標，對目標實施區域進行現狀調查，篩選出生態服務脆弱區域（或貧困區），確定補償對象的先后排序，剔除掉那些即使不給予補償也會改變土地利用方式或實施項目的對象，提高補償項目的額外性；最后，對不同受償對象提供的生態服務、提供成本進行核算，確定補償標準。邏輯上生態補償標準應介于損失的機會成本和提供的生態服務價值之間（Engel et al，2008）。

生態補償項目的實施階段：一方面，加強生態補償項目的動態監測，根據土地利用狀況和資源的市場價格狀況適時調整補償標準；另一方面，采用非參與方控制實驗、社會公眾監督機制或第三方監管機制等方法對項目實施過程中生態服務提供情況、資金使用效率和項目產生的影響進行評價管理。

生態補償項目實施后：考慮土地利用方式變化對農民生計方式的改變，積極進行政策扶持和技術引導，避免復耕或倒退風險的出現，提高項目實施的持久性。

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, YA?EZ-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, VI?A 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.

MU?OZ-PI?A 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.

鮑鋒, 孫虎, 延軍平. 2005. 森林主導生態價值評估及生態補償初探[J].水土保持通報, 25(6): 101-104.

程臻宇, 侯效敏. 2015. 生態補償政策效率困境淺析[J]. 環境與可持續發展, 40(3): 50-52.

戴其文, 趙雪雁, 徐偉, 等. 2009. 生態補償對象空間選擇研究進展及展望[J].自然資源學報, 24(10): 1772-1784.

范小杉, 高吉喜, 溫文. 2007. 生態資產空間流轉及價值評估模型初探[J]. 環境科學研究, 20(5): 160-164.

龔亞珍, 韓煒, BENNETT M, 等. 2016. 基于選擇實驗法的濕地保護區生態補償政策研究[J]. 自然資源學報, 31(2): 241-251.

郭中偉, 甘雅玲. 2003. 關于生態系統服務功能的幾個科學問題[J]. 生物多樣性, 11(1): 63-69.

黃興文, 陳百明. 1999. 中國生態資產區劃的理論與應用[J].生態學報, 19(5): 602-606.

賈卓, 陳興鵬, 善孝璽. 2012. 草地生態系統生態補償標準和優先度研究——以甘肅省瑪曲縣為例[J]. 資源科學, 34(10): 1951-1958.

李武艷, 徐保根. 2015. 耕地保護經濟補償對象的空間選擇: 以慈溪市為例[J]. 上海國土資源, 36(3): 17-20.

孟召宜, 朱傳耿, 渠愛雪, 等. 2008. 我國主體功能區生態補償思路研究[J].中國人口·資源與環境, 18(2): 138-144.

宋曉諭, 劉玉卿, 鄧曉紅, 等. 2012. 基于分布式水文模型和福利成本法的生態補償空間選擇研究[J]. 生態學報, 32(24): 7722-7729.

宋曉諭, 徐中民, 祁元, 等. 2013. 青海湖流域生態補償空間選擇與補償標準研究[J]. 冰川凍土, 35(2): 496-503.

唐秀美, 陳百明, 路慶斌, 等. 2010. 生態系統服務價值的生態區位修正方法——以北京市為例[J]. 生態學報, 30(13): 3526-3535.

王愛敏, 葛顏祥, 耿翔燕. 2015. 水源地保護區生態補償利益相關者行為選擇機理分析[J]. 中國農業資源與區劃, 36(5): 16-22.

謝劍斌, 何承耕, 鐘全林. 2013. 生態補償空間選擇與分配的重要性及研究動態[J]. 亞熱帶資源與環境學報, 8(3): 29-34.

張偉, 張宏業, 張義豐. 2010. 基于“地理要素稟賦當量”的社會生態補償標準測算[J]. 地理學報, 65(10): 1253-1265.

趙翠薇, 王世杰. 2010. 生態補償效益、標準: 國際經驗及對我國的啟示[J]. 地理研究, 29(4): 598-606.

趙雪雁. 2012. 生態補償效率研究綜述[J]. 生態學報, 32(6): 1960-1969.

朱文博, 王陽, 李雙成. 2014. 生態系統服務付費的診斷框架及案例剖析[J]. 生態學報, 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

王鳳春, 鄭華, 王效科, 彭文佳. 2017. 生態補償區域選擇方法研究進展[J]. 生態環境學報, 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.

國家自然科學基金面上項目（41371538）

王鳳春（1981年生），女，高級工程師、經濟師，碩士，主要研究方向為生態系統評估及管理等方面研究。E-mail: wangfengchun813@163.com

2016-11-14