森林是陆地生态系统的主体, 其生态系统服务是人类赖以生存的基础资源。森林生态效益具有显著的外部经济性^[1], 为实现外部性的内部化, 实现森林生态效益的保护, 党的十九大以来, 我国已建立了以政府财政转移支付为主导的森林生态效益补偿制度, 年度安排中央财政资金300多亿元^[2]。

面对迫切的生态补偿需求与广泛的补偿实践, 明确补偿机制是国内生态补偿研究的热点之一^[3]。自1997年Costanza等发表《全球生态系统服务与自然资本的价值》一文后, 基于生态系统服务价值理论的生态补偿标准研究受到了广泛关注^[4—6]。如郭年冬等基于生态系统服务价值当量分类, 计算了环京津地区73个县市的单位面积生态系统服务价值与生态补偿优先级^[7]；刘桂环等通过分析流域生态系统服务功能变化, 探讨生态系统服务在生态补偿机制中的应用^[8]。但该方法计算出的生态价值对应的补偿金额往往过高, 只能作为生态补偿标准上限, 在实践中难以落实^[9—10]。因此, 在当前我国森林生态效益补偿实践中, 补偿资金标准大多基于森林面积进行核算, 较少考虑森林质量等^[11—12]生态因素, 与森林生态系统服务价值还处于长期脱钩状态^[13]。然而, 森林面积增长并不能代表森林生态系统服务质量的提高^[14], 基于森林面积的生态补偿与提升森林质量的目标之间存在“激励错位”的问题^[15]；同时, 由于补偿政策的靶向性弱, 一般性转移支付的生态补偿款分配难以支撑地方森林生态效益保护的长效激励作用, 补偿效率较低^[16]。因此, 探索建立一种补偿标准与森林生态效益挂钩、长期可计量可测算的森林生态补偿决策机制, 对于完善生态补偿制度、提高森林质量具有重要意义。

固碳是森林生态效益的重要组成部分。森林生态系统储存了陆地生态系统中约45%的碳, 在陆地生态系统碳循环过程中扮演着重要角色^[17]。我国森林碳汇数量与潜力巨大, 是实现国家“碳中和”目标的重要保障^[18]。研究显示, 2001—2010年, 中国陆地生态系统碳汇为201.1 Tg C/a, 其中森林贡献了80%(163.4 Tg C/a), 相当于2001—2010年中国化石燃料燃烧消费碳排放的14.1%^[19], 森林碳汇被认为是应对气候变化全球性问题的关键所在^[20]。鉴于此, 目前学者广泛开展了针对森林碳汇测算^[21—23]、碳汇生态效益与价值评价^[24—26]、林业碳汇市场化^{[18, 27]}等方面的研究, 但将森林碳汇纳入森林生态效益补偿机制方面的研究还有待补充。

森林碳库通常包括生物量碳、死有机质碳和土壤有机碳。本文中森林碳汇总量指森林生物量碳库的固碳量, 变化量指由于森林覆被变化导致的固碳变化量, 包括由于森林面积的增加或减少带来的固碳增加量与损失量。以森林碳汇总量与变化量为出发点的生态补偿机制研究, 不仅可以反映森林碳汇的时间和空间变化差异, 从碳汇价值角度体现补偿公平性, 而且对于各区县巩固森林固碳量、持续提升森林生态系统碳汇增量能力具有针对性强化作用^[15], 将碳汇功能纳入森林生态效益补偿机制中具有重要的现实意义^[9]。

秦巴山区植被资源丰富, 是我国重要的森林生态功能区, 也是森林生态补偿执行的典型区域, 但目前以秦巴山区森林生态系统服务为生态补偿标准的相关研究较少, 现行各省、市域生态补偿转移支付的基层分配落实还存在补偿标准低、区域差异性以及激励机制不明确的问题^[28—29]。本文以“中国绿心”秦巴山区为案例区, 提出一种以碳汇功能为依据的森林生态效益补偿优先级机制, 丰富目前生态补偿机制研究成果, 以期增强基层森林生态效益补偿的理论与实践合理性。

1 基于碳汇的生态补偿优先级机制 1.1 基于碳汇的生态补偿优先级理论基础

通过经济激励调动区域生态环境保护积极性是开展生态补偿实践的重要目的之一。本文提出一种基于森林生态系统碳汇“总量”与“变化量”双向视角的“生态补偿优先级(ECPS)”理论, 根据区县行政边界将秦巴山区划分为不同森林生态单元, 对各生态单元补偿的重要程度进行量化排序, 将生态补偿金额的绝对值转化为补偿优先级的相对值。参考经济心理学中个体经济行为研究结论, 活动成效=能力×动机, 即主体活动取得多大效果, 取决于能力与动机两个关键因素^[30]。在本文中, 生态单元森林碳汇总量与变化量表征地区森林碳汇能力, 生态补偿优先级表征为各生态单元提供的森林保护动机, 碳汇能力以补偿资金分配的方式影响森林保护动机, 保护动机通过最终补偿成效的方式促进碳汇能力提升, 如图 1所示。

该理论具体描述如下：根据一定时期内, 某生态单元森林生态系统碳汇总量与变化量占区域碳汇总量与变化量百分比的相对高低排序, 分别评估该生态单元在两个视角下的优先级, 经几何投影得到该生态单元综合补偿优先级(图 2)。通过补偿优先级的排序, 确保补偿资金优先分配给提供森林碳汇服务更多的单元, 以激励其进一步的森林碳汇保护行为。

相较于对各区县具体补偿金额测算, 无量纲的生态补偿优先级具有普适性和激励性, 基于长时期森林碳汇观测的生态补偿优先级机制能有效提升补偿资金使用的针对性以及各区县对维护森林碳汇的积极性, 避免以森林面积为标准的生态补偿资金分配存在的短期效应与激励错位问题。

1.2 生态补偿优先级计算模型

本文生态补偿优先级模型从碳汇总量(C)与碳汇变化量(ΔC)两个维度构建。总量优先级(ECPS_q)是生态单元m的森林碳汇量(C_m)在区域森林碳汇总量中的占比, 即

(1)

变化量优先级(ECPS_v)则是研究时段内, 生态单元m森林碳汇变化量(ΔC_m)在区域森林碳汇变化量中的占比, 即

(2)

在式(1)与式(2)中, 优先级ECPS_q与ECPS_v的值越高, 表明此生态单元在该维度下的重要程度越高, 排在该维度生态补偿优先级的前列。

将以上两个维度分别作为横纵坐标, 绘制森林综合生态补偿优先级图谱(图 2), 每个生态单元在综合优先级图谱上都对应唯一一点(如点A)。将综合生态补偿优先级规则定义如下：将各生态单元的碳汇总量与变化量优先级在 上的投影定义为综合优先级ECPS(如点A′), 其投影值距(0, 0)点越远, 表明其综合补偿优先级越高；当多个生态单元在综合优先级ECPS上的投影落在同一点时, 为鼓励森林碳汇的持续增长, 以变化量优先级(ECPS_v)的值作为综合优先级ECPS高低的判断标准。

同时, 在图 2进行象限划分, 定性反映各区县在两个维度下的表现：Ⅰ象限表明该区县在森林养护与新增造林方面都表现较好, 碳汇总量与变化量都处于优先级较高地位, Ⅱ象限表明该区县注重森林经营与植树造林, 在较低的本底碳汇量基础上有显著提高, Ⅳ象限反之, 表明该区县注重现有森林保育、有较好的森林碳汇基础但新增森林碳汇较少, Ⅲ象限表明该区县碳汇总量与变化量都较低。需要注意的是, 存在区县森林碳汇变化量负增长, 即ECPS_v＜0的现象, 此时该区县在变化量优先级上处于最低序列, 在此维度上不应拿到生态补偿资金。

2 研究方法与数据来源 2.1 研究区概况

秦巴山区指秦岭、大巴山及其毗邻地区, 位于长江的最大支流汉水上游, 处于北纬29°—35°, 东经104°—113°之间, 总面积为183697.03 km², 地跨陕、甘、川、渝、鄂、豫5省1市。秦巴山区内分布有南水北调中线工程、三峡工程等大型水利工程, 有生态保护区213处, 承担着水源保护与涵养、生物多样性保护、水土保持和库区生态建设等重大任务。据第八次全国森林资源清查结果, 秦巴山脉林地面积占全国林地面积的10.04%；采用蓄积量法核算秦巴山区植被碳汇量与释氧量分别约为0.995亿吨和0.881亿吨^[31], 证明秦巴山区具有较大的碳汇容量。

本文确定的秦巴山区范围共包括86个区县, 如图 3所示。本文的区域划定依据覆盖《全国主体功能区划》和《全国生态功能区划》等文件中划定的秦巴山区范围, 同时结合遥感获取的森林覆盖数据补齐行政区划地图的缺口。秦巴生物多样性生态功能区(重点生态功能区)划定了44个区县, 秦巴山片区区域发展与扶贫攻坚规划(发展规划划定区)划定了75个区县, 为方便数据处理与地理统计, 补齐中空区域(补全区)确定共86个区县, 具体区县名称与编号如表 1：

2.2 森林碳汇分布计算

选取长期固定森林实测样点, 获得生物量与土壤碳储量清单调查的碳汇数据(ΔC), 其中t₁为2005年, t₂为2015年：

(3)

式中, ΔC为样点碳汇(g C m^-2 a^-1)；C₁为时间t₁的样点总碳库(g C/m²)；C₂为时间t₂的样点总碳库(g C/m²)。

从大规模陆地生态系统遥感模型获取样点对应的净初级生产力(NPP, g C m^-2 a^-1), 引入方精云等提出的“碳汇效率(CSE)”这一概念, 即某一类植被每单位产生的碳汇量与NPP之比^[32], 碳汇效率将小尺度的样点碳汇与大规模的生态系统NPP相联系, 提供了区域尺度碳汇计算的新思路。本文中通过计算样点碳汇与样点NPP的比值得到森林样点的碳汇效率：

(4)

一般来说, 在研究期内未发生剧烈自然条件改变或人类活动影响时, 碳汇效率可认为是稳定值, 取决于植被干物质的净积累量。热带林虽NPP值大, 但其周转与消耗光合产物也较快, 因此热带林的CSE往往低于温带林^[32]。根据已发表的NPP和碳汇数据计算可知, 中国常绿阔叶林CSE较小, 为0.026, 落叶阔叶林CSE最大, 为0.078^[33]。

由于碳汇效率在全国范围内随植被呈现较强的地带性分布, 因此当研究区植被区划类型差异不大时, 可认为其是平滑渐变的。在ArcGIS中使用反距离权重将样点CSE数据插值成为平滑的栅格分布, 则：

(5)

采用碳汇效率方法计算森林碳汇时不确定性来自于实测NPP与遥感NPP在数据获取方法上的系统性误差, 但由于本文确定生态补偿优先级的标准是碳汇的相对大小, 因此系统性的误差不会对分析结果造成影响。

2.3 数据来源

本文中森林碳库数据采用了国家生态科学数据中心(http://www.cnern.org.cn)2005—2015年10个森林长期观测点的碳库数据以计算秦巴山区森林碳汇效率CSE^[34], 该数据库完整覆盖了研究区且有两个样点在秦巴山区附近, 可信度较高。秦巴山区森林NPP数据来自于美国国家航空航天局(NASA)的MOD17A3HGF Version6.0产品, 空间分辨率为500 m, 本文采用了2020年NPP数据。土地利用数据来自武汉大学杨杰、黄昕两位教授开发的中国逐年土地覆盖数据集(CLCD)^[35], 其提供了中国1985—2020年期内的30 m×30 m土地利用覆被数据, 本研究采用了其中的森林覆被数据。

3 结果与讨论 3.1 秦巴山区森林碳汇分布

根据2005—2015年森林长期观测点的碳库数据变化规律特点可总结出碳汇特征, 即每个样点的总碳库储量随时间呈线性增长, 每年的碳汇量保持稳定；结合样点遥感NPP与公式(4)计算得到无量纲的样点CSE。越偏向热带, 碳汇效率CSE越低, 反之则越高。秦巴山区处于亚热带常绿阔叶林区域, 北部极小部分处于温暖带落叶阔叶林区域, 根据样点CSE计算与插值处理, 得到秦巴山区CSE呈平滑分布(图 4), 东北部最高值为0.0484, 西南部最低值为0.0422。

根据秦巴山区土地利用数据, 2020年, 其森林面积约1.97×10¹¹m², 森林覆盖率为73.7%。将MODIS产品与土地利用数据叠加提取森林NPP数据, 2020年NPP地均值为516.19 g C m^-2 a^-1, 各区县森林NPP存在较大差异(图 4)。根据公式(2)的变形, 碳汇=碳汇效率CSE×NPP, 得到森林碳汇空间分布(图 4), 绿色表示碳汇较高, 红色反之。碳汇能力高的区域分布于西北条带与中南部, 西北角、东北部、西南部与中部碳汇能力都较低, 森林碳汇平均值为227.76 g C m^-2 a^-1。

根据以上估算, 可以得到秦巴山区2020年森林碳汇总量约为6.083×10¹³ g C a^-1, 即0.06 Pg C a^-1。这与方精云、WANG等的研究结果在数量级上一致^{[19, 36]}。

3.2 生态补偿优先级分析 3.2.1 基于碳汇总量的补偿优先级清单

由于自然条件、养护水平等因素差异, 不同区县森林碳汇能力差异很大。地均森林碳汇是碳汇总量与区县面积之比, 用以表示森林碳汇能力。秦巴山区地均森林碳汇最高值为361.88 g C m^-2 a^-1, 最低值为35.29 g C m^-2 a^-1, 相差超过10倍, 表明不同区县森林面积分布与森林质量存在较大差距。

计算各区县碳汇占秦巴山区森林碳汇总量的百分比, 可以得到各区县基于森林碳汇总量的生态补偿优先级清单, 见图 5。生态补偿优先级最高的平武县碳汇总量占秦巴山区3.34%, 最低的汉台区仅占0.09%, 差距超过36倍。结合二者森林面积的30倍差距, 表明较低的森林质量使得面积小的区县森林碳汇总量相对更低, 虽然区县面积存在差异, 但总量优先级依然具有实际意义。86个区县平均碳汇占比为1.16%, 共46个区县超过此平均水平, 表明秦巴山区碳汇总量分布较集中。

3.2.2 基于碳汇变化量的补偿优先级清单

本文选定2005年森林覆被为基准, 通过2005—2020年间秦巴山区森林覆被在空间上的变化估算森林碳汇变化量生态补偿优先级。森林覆被变化会导致碳汇量的变化, 包括新建森林与损失森林。从机会成本角度出发, 碳汇增加量高, 对应的新建森林与新增碳汇成本高, 如植树造林、退耕还林等行动, 因此, 区县新增碳汇在秦巴山区碳汇变化总量中占比越多, 其变化量补偿优先级对应提高。

按森林碳汇变化量进行排序得到图 6, 各区县碳汇变化情况差异巨大, 碳汇变化量最高的云阳县为1.99×10¹¹g C/a, 占总碳汇变化量的5.01%, 优先级最高；而仪陇县变化量为-1.37×10¹⁰g C/a, 占比-0.35%, 即在研究期间该县森林碳汇量减少, 优先级最低。按照秦巴山区区县数量计算, 生态补偿优先级平均为1.16%, 仅有34个区县高于此值。有的区县碳汇增加量远高于碳汇减少量, 说明其森林保护与建设表现突出, 例如康县、汉滨区、西和县、礼县等；有的区县碳汇增加量与碳汇减少量都很高, 提示可能存在森林建设的同时, 也有大量原有森林破坏的问题, 需要加以关注, 例如巫山县、奉节县。

3.2.3 森林生态补偿综合优先级分析

将碳汇总量优先级ECPS_q作为横坐标, 对应日常森林养护成本, 碳汇变化量优先级ECPS_v作为纵坐标, 对应植树造林成本, 绘制出图 7。图中分布在Ⅰ象限的区县在数量与质量上都较为缺乏, 即秦巴山区不存在总量与变化量同时处于高优先级的区县；位于第Ⅱ象限有7个区县, 包括云阳县、剑阁县、汉滨区、旬阳县、通江县、康县与宣汉县, 表明其在研究期内森林覆盖率增长较快, 新增森林的生长状况良好, 为当地带来显著的森林碳汇服务提升, 碳汇变化量补偿优先级较高；位于Ⅳ象限有9个区县, 包括平武、房县、文县等, 说明其碳汇总量优先级较高, 在研究期内对森林的养护与森林质量保持工作较好；此外, 分布在Ⅲ象限的区县占比79%, 即大多区县在总量与变化量两个维度上差异性小且偏低。值得注意的是, 镇平县、张湾区、茅箭区、仪陇县与神农架林区的变化量优先级均为负值, 表明其在研究期内森林碳汇减少, 但原因不同, 结合图 6可知, 仪陇县森林新建与损失比例都很大, 需要关注森林的养护, 其他区县则可能是由于森林覆盖率较高而缺乏新建空间。

图 7中显示秦巴山区86区县大致呈现关于ECPS_q=ECPS_v对称分布特点, 根据其数量分布与投影位置, 将排在投影位置前15的划分为高值区, 最后15个划分为低值区, 中间密集分布的区县划分为中值区, 各区间区县数量见表 2。综合优先级高值区的15个区县中, 10个区县的变化量优先级更高, 5个区县的总量优先级更高；中值区为综合优先级排序居中的56个区县, 分布在ECPS_q＞ECPS_v范围内, 即总量优先级＞变化量优先级的区县共39个, 占比69.6%；综合优先级低值区的15个区县中, 除内乡县位于ECPS_q=ECPS_v上, 其余14个区县在两侧平均分布。

通过以上分布分析可以得出, 本文提出的综合优先级补偿机制在秦巴山区的实践中, 显示出“高值-中值-低值”的分段式补偿目标差异性(表 2), 优先级高值区的补偿资金分配有助于实现受偿区县新建森林、提升碳汇服务功能的激励目标, 在中值区的补偿资金有利于实现各区县已有森林的保育与森林碳汇功能的保持, 在低值区弱化了各区县在碳汇总量与变化量上表现的差异性, 鼓励各区县根据自身森林特点, 从两个方向提升森林碳汇功能。

从长期视角出发, 在该生态补偿优先级机制下, 鼓励各区县为取得综合优先级的更高值, 应结合其综合补偿优先级所处区间和自身森林面积与质量特点, 针对性选择扩张森林面积以增加碳汇, 或保育现有森林以保持碳汇, 从而实现综合补偿优先级的提升。

4 结论

目前中国生态补偿政策与落实依然处于探索阶段, 以政府为主导的纵向森林生态效益补偿制度是我国目前维护森林生态服务功能、维持区域经济与生态公平性的主要手段, 但在实践中存在以森林面积为单一补偿标准的问题, 忽视了生态系统的功能性。因此, 本文从碳汇总量与碳汇变化量两个维度构建森林生态补偿优先级决策机制, 提出了综合生态补偿优先级的概念与评价方法, 为目前的生态补偿实践标准提供制度思路。本文以秦巴山区作为案例区, 研究结果发现：(1)各区县在碳汇总量与变化量两个维度上的优先级表现存在显著异质性, 即总量优先级较高的区县, 其变化量优先级不会也排在前列；(2)在总量维度, 优先级最高的平武县较最低的汉台区碳汇总量高35倍；在变化量维度, 优先级最高的云阳县碳汇变化量占比为5.01%, 最低的仪陇县碳汇变化量占比为-0.35%, 且共有五个区县森林碳汇出现了负增长, 当地政府需要进一步加强森林建设；(3)结合碳汇总量优先级与变化量优先级提出综合优先级评价模型, 在应用中体现了对于处在不同综合优先级区间的区县, 该优先级决策机制的激励目标存在“高值-中值-低值”的分段式差异；(4)在综合优先级高值区以变化量优先级高的区县为主导, 在综合优先级中值区, 总量优先级高的区县占据主导地位, 低值区的区县数量在总量优先与变化量优先上平均分配, 这一结果有利于激励各区县依据自身森林碳汇特征, 从保育现有森林与新增扩建森林两个途径制定政策以提升生态补偿优先级。

本文计算了秦巴山区各区县森林碳汇的相对大小, 将森林碳汇效益纳入生态补偿研究领域, 从碳汇总量与变化量两个视角构建了一种生态补偿优先级决策理论模型, 补充了当前存在的森林生态补偿标准与森林质量脱钩的研究不足, 为森林生态效益补偿制度落实到县级尺度提供思路。未来需要优化多种监测和模拟手段, 更准确地评估陆地生态系统碳吸收过程, 为基于森林碳汇的生态补偿研究提供更高质量的数据基础；同时, 随着补偿资金来源拓宽, 未来仍需进一步结合机会成本等方法核算生态补偿的具体金额。