基于集对分析的土地生态补偿标准评估方法研究

徐保根，韩 璐，邵雅萍

（1. 浙江财经大学土地与城乡发展研究院，浙江·杭州 310018；2. 浙江财经大学公共管理学院，浙江·杭州 310018）

随着我国生态环境问题的日益凸显，生态文明建设已经处于中国特色社会主义事业战略地位。党的十九大和2018年一号文件都提出“坚持人与自然和谐共生”、“推动乡村振兴，生态宜居是关键”，而土地资源作为生态文明建设和乡村振兴的基本要素与空间载体，其生态问题将是影响生态文明建设和乡村振兴战略的关键。因此，如何制定科学性和可操作性的土地生态补偿标准是当前学界研究的热点问题之一。

国内学者对土地生态补偿评估方法进行了深入研究：（1）在方法的理论探索上，许多学者侧重于对生态补偿测算思路的研究，如马爱慧等学者在研究两型社会建设跨区域土地生态补偿的问题上，利用实证分析方法，提出了以土地生态系统服务价值量的估算为基础，并加以经济发展水平和生态足迹与承载力系数修正的跨区域土地生态价值补偿标准的测算思路[1]。张伟等学者在区域生态补偿政策和单项生态补偿政策制定中，提出“地理要素禀赋当量”，得出该指标可以科学确定区域间社会生态补偿的空间分配标准，有效避免“一刀切”现象的结论，并且是首次提出的社会生态补偿区域空间分配标准，为生态补偿标准提供了一个新思路[2]。孙晓霞等学者借鉴马克思的生态裂缝思想，分析了吉林省土地生态承载的脆弱原因，并提出了低碳补偿模式、生物养殖与植物种子相结合的循环经济补偿模式[3]。李双成等学者利用格局空间统计分析与生态地理区划的研究方法，将中国划分为生态补偿受体区（主要分布于西部）和生态补偿主体区（主要分布于东部），并提出应该通过设立全国性的土地生态补偿专门机构，构建土地生态补偿的法律体系，建立科学高效的生态补偿监管体系，完善土地生态补偿的政策引导[4]。郑德凤等学者基于突变理论采用突变级数法核算各类土地的生态补偿标准，对生态系统的服务功能各指标进行归一化处理，计算得出的补偿标准更具客观性和公正性[5]。（2）在方法的应用探索上，目前还没有专门的土地生态补偿标准的成熟评估方法[6]，大部分是借鉴计算资源环境价值常用的方法，如：揭示偏好价值评估法、陈述偏好法、直接市场评价法等[7-8]。① 揭示偏好价值评估法（revealed preference approach）是观察人们在市场变化中所作出的相应行为，主要是在环境影响下市场中人们所支付的或者从中获得的收益，从而得出人们对不同环境的偏好程度，由此测算环境质量所对应的经济价值。揭示偏好价值评估法包括内涵资产定价法、防护支出法与重置成本法、旅行费用法等[9]。② 陈述偏好法中最具代表性的方法是意愿调查评估法（contingent valuation, CV）[10]，主要是通过抽样调查，从中测算资源环境所产生的生态效应在不同标准下的价值，即通过询问的方式得到人们对不同的生态环境的定价。意愿调查评估法主要分为以下三类：一是直接询问调查者是否接受补偿或者赔偿；二是通过询问调查者对意愿商品或服务的需求量，从需求程度的大小判断调查者所愿意接受补偿或者赔偿的额度；三是通过咨询有关专家的意见对自然环境生态价值作出相应的判断。③ 直接市场评价法是通过生产率的变化来评价自然环境改变所引起的生态价值变动的方法。该方法把自然环境质量看作是一个生产要素，生产率和生产成本的变化受自然环境质量的影响，最终导致产品价格和产出水平出现相应的改变，而价格和产出是可以通过数据观察得到的。直接市场评价法借助市场价格来评判环境损害所要支付赔偿或环境优化所产生的效益。确定生态补偿标准时较常用的直接市场法主要是享乐价格法（Hedonic Price Method，HPM）[11]。

总之，按照现有方法测算的土地生态补偿标准差异大，而具体的补偿标准受到社会大环境中许多不确定因素的作用核算难度很大。一般而言，用成本法、支出意愿调查等方法测算的土地生态补偿标准偏低，用预期收益损失评估、收益意愿调查等方法评估的土地生态补偿标准偏高。按照目前的方法，核算评估土地生态补偿的最高标准、最低标准是相对比较简单的，即土地生态补偿标准的区间值是能够简单确定的。而具体补偿标准则是很难确定的，土地生态补偿标准的最低标准和最高标准，即其区间值通过现有的方法是比较容易确定的，而土地生态补偿标准由于受社会大环境中一些不确定因素的作用其具体值是不确定的。

在土地生态补偿标准评估过程中，不确定性因素的作用下对最终的补偿标准影响程度大小不一，在确定最大值最小值的前提条件下再做深一步的探究，可以明确土地生态补偿标准，最终得到更为合理可行的评估结果。本研究利用集对分析方法正是通过分析影响土地生态补偿标准的不确定因素，测算出更具操作性和更符合实际需求的生态补偿标准，为生态补偿标准谈判提供充分的谈判条件。

因此，本文以浙江省开化县为例，采用集对分析方法，在分析影响土地生态补偿标准的确定因素与不确定因素的基础上，对土地生态补偿标准评估方法进一步探索，同时得出更具说服力的土地生态补偿评估结果，为土地生态补偿双方谈判提供相关信息，也为提高补偿标准的协调性与可操作性提供理论基础。

1 集对分析的基本原理

由赵克勤研究员创立并于1989年“全国系统理论与区域规划学术研讨会”上正式提出的集对分析（Set Pair Analysis，缩写为SPA），是利用同异反联系度来研究既不同一、也不对立事件的数学理论[12-14]。其特点是结合定性与定量、确定性和不确定性，既分析问题的同一性又分析其对立性和差异性，至今在自然科学与社会科学等众多领域得到较为广泛的应用[15-18]。

集对分析的核心在于研究“集对”。两个具有相互联系的集合作为基本单位即可称为“集对”，系统分析集对中各自同一、对立或者是既不同一也不对立的特性。在此基础上统计两个集合的同异反联系程度，即用u=a+bi+cj表示，a表示为同一特性数、b表示为不相同又不相反（差异）的特性数、c表示为相反特性数，j表示对立系数，i表示差异系数，i一般在-1和1之间、j= -1。当两个集合的特性同等重要的情况下，其联系度用u=a+bi表示，其中a是所有确实能够确定的关系数，b是所有不确定的关系数。因此联系数是综合分析事物所有已知的确定情况和可能出现的不确定性情况，由此能更准确地分析判断不确定性。

集对分析针对不确定性的辩证思维分为四个层次：客观承认、系统描述、定量刻画、具体分析，研究不确定性的关键在于确定不确定因素的i值。联系度中的a、b、c是宏观层面对不确定情况的判定，i值是从微观层面对不确定情况用定量的方式表述。而不确定性情况中所反映出的“不确定”将决定i值，不但难度大，还会出现多种取值的情况，需要根据具体问题进行具体分析，而且微观层次同时也是在宏观层次的约束之下。i的取值往往是由其“不确定”和a、b、c的相对“确定”共同作用的结果。在特定的问题下，可从事物的发展变化的过程和现实呈现的状态来确定i值，凭借确定不确定系统，集对分析能从现实的角度分析，总结出更具实际意义的结果。获取i值主要可以通过顺势取值法、逆势取值法、计算取值法、随机取值法、特殊取值法等方法。

2 影响土地生态补偿标准的确定因素与不确定因素

土地生态补偿标准的影响因素一般可分为自然环境因素和经济社会因素两大类。

影响土地生态补偿标准的自然环境因素主要包括四个方面：一是土地的生物生产能力。土地的生态价值及其功能是以土地中的生物量为基础的，衡量土地生态价值和土地生态功能一般会借助土地生物生产能力，而土地生态生产能力的大小会受到区域间日照、光温、水分、地貌、土壤等自然条件因素的影响。因此，土地生态价值和功能与这些自然条件因素的紧密相关。二是面积大小。在其他条件因素一致的情况下，土地生态系统所能容纳的生物数量、种类、可持续生存和发展能力与土地的面积大小成正比。通常情况下，拥有大面积的土地生态系统会拥有更多种类、更多数量的植物和动物，庞大的生物量具有较强的抵挡外来危害的能力，因此土地生态系统内部的稳定性也比较高。三是生物多样性。对土地生态价值和功能影响最直观，也是影响最大的因素就是生物多样性，它是反映物种多度和种群丰度的一个综合指标，而对于物种相对比较稀缺的区域可以用物种相对丰度来评价。四是土地生态的自然度。自然环境的生态系统会受到人类行为的破坏，其破环程度则可以通过土地生态的自然度来衡量，一般以等级划分来定性表示，可根据人类行为的干涉程度把自然度分为完全自然型、受扰自然型、退化自然型和人工修复型等四个等级类型。

影响土地生态补偿标准的社会经济因素：土地生态价值与社会经济发展水平、人民的生活水平和政府实施的政策方针不仅紧密相关，而且还深受影响。一般社会经济发展水平、人民的生活水平越高，土地生态价值表现出的优势越明显；反之，社会经济发展水平、人民的生活水平越低，土地生态价值表现的优势就越不明显。另外，政府实施的政策如果更加侧重于自然环境生态建设，土地的生态价值优势也会更加明显；反之，当政府的政策关注点不在于自然生态环境的建设，土地生态价值优势就越不明显。因此，土地生态补偿标准与社会经济因素呈正相关关系，社会经济因素是影响土地生态补偿标准的重要方面；土地生态补偿是促进区域协调发展和区域公平的重要措施。但是，土地生态价值的衡量最终还是需要在市场的供给需求中用价格定量来表示。总体上看，影响土地生态补偿标准的自然因素是相对稳定的，属于确定性因素；而影响土地生态补偿标准的社会经济因素是相对不稳定的，属于不确定性因素，具体可细分为地理区位条件、社会经济发展水平、土地供需状况、人民生活水平、政府政策导向、土地生态补偿双方衡量标准的差异性等多种不确定因素，可以应用集对分析方法开展土地生态补偿标准的评估。

3 基本思路与方法步骤

3.1 基本思路

应用目前的方法测算的土地生态补偿最低补偿标准、最高补偿标准是确定的，但在实际工作中具体的补偿标准又是不确定的。一般情况下，按目前的成本法、支出意愿调查等测算的最低补偿价格，这是被补偿者认为的最低标准，实际过程中一般会通过讨价还价的方式要求高于最低标准；补偿者也认为该价格合理，这是不确定性中的“异”所在；而对于预期收益损失估算补偿的最高标准，通常情况下被补偿者是比较容易接受的，但补偿者则认为这是推进实施的最高额度，通常情况下会尽可能想办法使补偿额低于这个补偿标准，这是不确定性中的“异”存在的又一种方式，因此土地生态补偿双方对最低补偿标准、最高补偿标准及其补偿区间值都能够确定的，所有补偿价格是在一个区间范围内的。通常情况下被补偿者是不愿意接受低于最低补偿价格的补偿标准，但是同理表明补偿者是不愿意以大于最高补偿标准给予补偿的，这就表现为确定性中的“反”；而对于通过协商最终确定的补偿价格标准则是确定性中的“同”。

对于高于最低土地生态补偿评估标准、低于最高补偿评估标准的区间是一个不确定性的“异”，这个“异”也正是我们分析不确定性的关键所在。为了更深入研究不确定性，结合现实土地生态补偿工作的需求，并使标准估算过程更方便和更具针对性，我们先将确定性中“反”的情况忽略，而将研究的重点侧重于确定性中的“同”和不确定性的“异”。相应的联系数可表示为：u=a+bi。

设：按成本法、支出意愿调查法等测算的土地生态补偿最低补偿标准用d表示、土地生态补偿最高补偿标准用g表示，则：a=d

另外，b可以用估算的土地生态补偿最高标准和最低标准差g-d表示，即：b=g-d。

i为联系数中的不确定性系数，i的取值范围是：0≤i≤1。

综上，将系数进行相应的替换，可得出土地生态补偿者、被补偿者关于土地生态补偿标准的联系数可具体表示为：u=d+(g-d)i。

地理区位条件、社会经济发展水平、土地供需状况、人民生活水平、政府政策导向、土地生态补偿双方衡量标准的差异性等多种不确定因素会对土地生态补偿中不确定系数i的取值带来相应的影响。通过对各种可能的情况进行评价，i的取值也会发生相应的变化，u值也可以进一步得到确定，即测算出根据不同情况下的土地生态补偿标准，为土地生态补偿双方在具体的补偿实施协商过程中作为重要参考。

3.2 方法步骤

应用集对分析进行土地生态补偿标准评估的方法步骤为：

第一步，运用现有的成本法、预期收益损失测算、意愿调查等方法评估土地生态补偿标准可能的最低标准d和可能的最高标准g，可得出土地生态补偿具体补偿标准与其相关的影响因素间，对应的联系数表达式为：u=d+(g-d)i。

第二步，重点分析不确定情况下可能影响i取值的各种不确定性的因素，如：地理区位条件、社会经济发展水平、土地供需状况、人民生活水平、政府政策导向、土地生态补偿双方衡量标准的差异性等。

第三步，确定影响度较大的不确定性因素和对应的分值测算方法，如：地理区位条件可以用土地生态补偿对象所处的生态功能区来表达，根据其位置对生态保护的贡献和重要性进行专家赋分；社会经济发展水平可以结合地理区位条件分析农村的地均GDP或人均GDP表达；土地供需状况可以通过当地国土资源局公布的数据做相关的预测分析，也可以通过访谈和实地调查方法通过土地生态补偿者和被补偿者关于衡量生态价值的大小来表达，即用买方想得到的生态服务愿意支付的价格和卖方想卖生态服务能够接受的赔偿价格综合分析；人民生活水平可以分析农村的人均收入水平测算；政府的政策导向如何影响土地生态补偿标准则是通过土地生态补偿是否具有公益性或公益性程度的大小及其他因素的分析来衡量。

第四步，通过对生态保护区域、发达区域等典型样点的土地生态补偿案例调查，分析确定典型区域的土地生态补偿对象的地理区位条件、社会经济发展水平、土地供需状况、人民生活水平、政府政策导向、土地生态补偿双方衡量标准的差异性等影响因素的指标现状值，作为i取值的理想参考系，即i=1情况下对应的土地生态补偿对象的地理区位条件、社会经济发展水平、土地供需状况、人民生活水平、政府政策导向、土地生态补偿双方衡量标准的差异性等影响因素的指标理想值。

第五步，确定土地生态补偿对象各不确定因素的权重、结合调查和分析得出的现状值与理值的比值计算，用权重法对i值进行测算，相应的公式表达如下：

设土地生态补偿对象各不确定因素权重用Wk表示，土地生态补偿对象各不确定因素的现状值用Sk表示，理想值用Pk表示，则：

第六步，利用土地生态补偿标准的影响因素间联系数表达式，综合区域内的实际情况，测算土地生态补偿标准。

4 应用案例

本文选取的案例为浙江省开化县，地处钱塘江源头，属浙江省相对欠发达的地区。全县土地总面积2236km2，以山地丘陵为主，农作物播种面积47.94万亩（约合319.6km2）。全县总人口36万人，其中乡村人口26万人。2017年全县生产总值123.85亿元，比上年增长5.0%，农林牧渔业总产值18.4亿元，比上年增长2.4%。随着经济的不断发展，生态环境与社会发展的矛盾也不断显现，土地作为人类生存与发展最为基础的物质条件，也是区域发展和生态和谐的关键，因此，制定合理地土地生态补偿标准是目前要解决的关键问题。

4.1 土地生态补偿具体补偿标准与影响因素间的联系数表达

通过用成本法测算的全县土地生态补偿标准的最低标准为46567.25万元，最高标准为67365.27万元。则这一案例的联系数为：

4.2 确定不确定性影响因素及其对应的权重

收集土地生态补偿对象不确定性因素的相关数据并进行整理，通过咨询专家并结合层次分析法，可以推算出影响土地生态补偿对象补偿标准相关因素的权重，并在实践操作过程中通过谈判做适当的改善。

4.3 估算不确定性因素的理想值和收集现状值

更准确地确定土地生态补偿对象补偿标准的理想值和现状值，具体见表1。

其中现状值是通过询问村干部和村民获取的，地理区位条件用生态功能影响分(0,100)表达，公益性越强、赋分越高；社会经济发展水平可以结合地理区位条件分析农村的地均GDP或人均GDP表达；土地供需状况用供需矛盾影响分(0,100)表达，由于收集基础数据要求较高，因此需要由专业人员进行实地发放问卷，实地询问和并对收集到的数据进行整体评价，买的期望值越大，分值越高，卖的期望值越大，分值越低；人民生活水平可以分析农村的人均收入水平测算；政府的政策导向则是通过专业人员对生态补偿对象是否具有公益性或公益性程度的大小对区域的整体发展方向是否一致，政府政策导向越大其分值越高。

而影响因素理想值，是通过调查分析发达区域的土地生态补偿对象的地理区位条件、社会经济发展水平、土地供需状况、人民生活水平、政府政策导向、土地生态补偿双方衡量标准的差异性等影响因素的指现状值作为参考，它意义上是当i=1时土地生态补偿对象地理区位条件、社会经济发展水平、土地供需状况、人民生活水平、政府政策导向、土地生态补偿双方衡量标准的差异性等影响因素的指标状态值。

表1 研究区土地生态补偿不确定性因素分析基本情况Table 1 The basic situation of the uncertainty analysis of land ecological compensation in study area

4.4 不确定性系数和征地补偿额测算

根据表1，运用下列公式：

测算得到的i值为：0.769，则本案例的联系数：u=d+(g-d)i=46567.25+20798.02i =62560.93万元，即该案例在表1情况下的具体土地生态补偿标准应该是62560.93万元。

若在土地生态补偿双方协商的过程中，认为这些影响因素的权重需要调整，则可得到不同权重方案情况下的征地补偿标准，如表2所示。

表2 土地补偿的不确定性因素权重调整及相应补偿额变化情况Table 2 The adjustment of the uncertainty factors of the compensated cases of land requisition and the corresponding changes in the amount of compensation

事实上，在土地生态补偿标准谈判中，其中不确定性影响因素会因为不同的情况呈现不一样的状态，土地生态补偿双方也会因为各自心理导向对影响因素的现状值和理想值的确定等方面产生分歧。当现实和理想值发生一定的改变，i值也会随之变化而发生相应的改变。因此土地生态补偿标准会出现多种不同方案，这可为土地生态补偿双方的价格标准协商提供更充分的协商条件。

5 结论与讨论

本文采用集对分析方法，对土地生态补偿标准的评估方法进行了探索与验证。分析了影响土地生态补偿标准的确定因素与不确定因素；通过采用成本法、意愿调查等评估方法测算最低补偿标准，采用预期收益损失法、收益意愿评估等最高补偿标准；再根据集对分析得到最终的土地生态补偿标准值。通过比较测算，按成本法评估的最低值为46567.25万元，按预期收益损失法评估的最高标准为67365.27万元，通过集对分析得到的用于双方谈判的标准为62560万元左右。表明应用目前的成本法、意愿调查等评估方法测算的最低补偿标准，用预期收益损失法、收益意愿评估等最高补偿标准是相对客观确定的；而最高、最低标准的差异大，具体的补偿标准究竟是何值则又是不确定的。根据已有评估成果，基于集对分析的土地生态补偿标准评估方法，重点研究土地生态补偿标准的不确定影响因素，不仅弥补了现有方法对不确定性研究不足之处，提高了评估结果的灵活性、评估依据和信息的完备性，对于土地生态补偿双方的补偿价格协商也提供了更多条件。因此，在土地生态补偿标准评估中，采取集对分析方法有重要意义。但本文目前仅针对集对分析方法对估算出来的土地生态补偿标准进行初步应用探索，具体实施过程中仍然需要对不确定性影响因素进行具体分析，利用更细化的实际数据对不确定性系数做更准确的测算，以使研究进一步深化并在实践中发挥更大的指导作用。