基于最小数据法的黄河中游延安市生态补偿标准研究

门宝辉, 刘菁苹

(华北电力大学 水利与水电工程学院,北京 102206)

在黄土高原治理过程中,推行退耕还林(草)工程是党和国家作出的关键决策之一,对黄河流域的水土保持、环境质量提高具有至关重要的作用。自1999年退耕还林(草)工程实施以来,林草植被覆盖程度改善明显、国土绿化进程加快、水土流失减少、沙化程度减弱等生态效益显著。生态补偿作为一种经济手段,在推进退耕还林(草)工程实施、巩固退耕还林(草)成果、促进农村经济发展等方面有着举足轻重的作用。

生态补偿是基于生态系统服务价值,生态治理、保护和可持续发展的机会成本,统筹运用法律、行政、市场等手段,致力于调节利益相关者关系、转变传统生态保护措施、推动绿色可持续发展的一项政策制度[1]。与传统惩罚性的保护措施(罚款、环境税、污染收费)相比,生态补偿不但强调内化生态环境破坏行为的负外部性,而且注重保护行为正外部性内化过程,使实施保护行为者有利可图,鼓励民众对生态环境的保护从被动情绪转变为主动情绪,从而有效地保护生态环境[2]。解决好生态补偿标准问题,对推动生态补偿有效实施有着至关重要的作用。补偿越高，则被补偿者参与生态补偿的积极性越高。然而，补偿标准过高，一方面会造成补偿资金的浪费,另一方面会超出地方政府的财政承受能力。因此,对补偿标准的探讨是目前生态补偿研究中亟待解决的重点和难点问题。

近年来,生态补偿标准的确定方法主要有以下两种:一是基于机会成本法确定补偿标准;二是基于生态系统服务价值法确定补偿标准。机会成本是指,当面临两种决策时,放弃一种行为而选择另一种行为所损失的可能获得的最大利益。ZBINDEN S等[3]提出以土地利用机会成本作为对黄河上游地区退耕还林的补偿标准,推进植树造林、森林养护等工程的可持续发展;WÜNSCHER T等[4]在环境服务费补偿过程中考虑了机会成本,提高了环境服务费的支付效率;何慧爽等[5]运用机会成本法对黄河上游地区的生态补偿标准进行了评估与测算,并为黄河下游地区制定了因地制宜的补偿政策。然而,在农户调查过程中获取到的机会成本不但受时间等因素影响伴随着不稳定性,而且对于发展机会成本的评估具有主观性。生态系统服务价值法是将生态环境保护过程中提供的尽可能所有生态系统服务价值纳入参考依据来对生态补偿进行测算。COSTANZA R等[6]考虑了16个生物圈目标层的17个指标,计算出了生态系统服务价值的最低估计值,为构建生态系统服务价值的评估框架奠定了基础;戴君虎等[7]在对生态系统服务价值进行估算的过程中考虑了参与者的支付意愿,融合了人与自然协调发展的理念。然而,生态系统服务价值法需要收集大量数据来支撑生态补偿标准的核算,且无法体现不同地区生态系统的差异性。综上可知,单纯只考虑机会成本与生态服务当量来确定生态补偿标准具有片面性。ANTLE J M等[8-9]于2006年提出了最小数据法,并将该方法应用于农业环境领域,结果表明生态系统服务供应可以从提供这些服务的机会成本的空间分布中求出,为生态补偿标准的研究提供了理论支撑。赵雪雁等[10]以甘南黄河水源补给区为研究区域,应用最小数据法探讨了禁牧草地的生态补偿标准问题,通过不同补偿标准所对应的新增水源涵养量曲线可以看出，生态补偿标准的提高对水源涵养量的增加有积极正向作用。吕明权等[11]以种植玉米和水稻两种土地利用方式为例,运用最小数据法,推导出了改变土地利用方式可增加的水资源量,即生态服务供给量及其对应的生态补偿标准。采用最小数据法来核算生态补偿标准,以机会成本为计算依据,可结合地区生态系统服务供给,因地制宜地选择各地生态系统服务供给指标,制定相应的生态补偿标准。此外,最小数据法简单明了,能够明晰预测生态服务供给量和所需投入的定量关系。

基于以上研究,本文以陕西省延安市为例,对该地区退耕还林生态补偿机制展开探讨。针对黄土高原水土流失的主要矛盾,选取水源涵养和土壤保持两个主要指标的生态服务增量与农民退耕还林的机会成本相结合,利用最小数据法,推导出生态补偿标准、退耕比例与生态系统服务量之间的关系,以期为延安市退耕还林(草)工程生态补偿标准政策的制定提供参考,为黄土高原地区水土流失综合整治与区域绿色革命、生态修复工程的推进提供有力支撑。

1 研究区概况及数据来源

1.1 研究区概况

延安市位于陕西省北部、黄土高原的中南地区,距西安市371 km,位于35°21′～37°31′N、107°41′～110°31′E,总面积3.69万km2,是黄河中游的“塞上咽喉”,区域位置如图1所示。

图1 延安市区位图

延安市属暖温带半干旱大陆性季风气候,年平均气温10.4 ℃,年平均无霜期162 d,年均日照时数2 300～2 700 h,多年平均降雨量648.6 mm。延安地势西北高、东南低,平均海拔在1 200 m左右,沟壑纵横、梁峁交错,是典型的丘陵沟壑区。延安地处黄河流域范围内,支流纵横,区域内有延河、洛河等较大的河流。由于黄土高原地区土质疏松,易被雨水冲刷和河流侵蚀,加之植被覆盖率低、地形坡度大、人类活动频繁等因素的影响,使得延安市的水土流失问题严重。

1998年,吴起县在全国首先开展“封山禁牧”。1999年,国务院正式启动退耕还林(草)政策,为抵抗风沙,延安市开展了植树造林。2013年,延安率先在全国实施新一轮退耕还林,推进国家新一轮退耕还林工程的启动实施。2018年,延安市出台了《延安市退耕还林成果保护条例》,率先通过法律手段保护退耕还林成果。据统计,延安地区的森林覆盖率由2000年的46%、2010年的68.2%稳步提升至2017年的81.3%,黄土高原也从荒山秃岭变得郁郁葱葱,退耕还林(草)工程的生态效益十分显著[12]。截至2020年,延安市退耕还林(草)面积达1 077.5万亩,占全市国土总面积的19.4%,分别占全国、全省退耕面积的2.1%、26.7%。延安每年涵养水源6.0 亿m3、土壤保持1 044.1 万t,水土流失总面积减少了6 716.2 km2,降低了23.0%。

1.2 数据来源

本文采用的相关经济数据主要来源于延安市2017—2019年统计年鉴和中国农业年鉴,并综合了延安市农户调查情况。降水、气温、气压和相对湿度等气象数据来源于国家气象科学数据中心与延安市水资源公报。各评估指标计算参数来源于学者们对陕西省、黄土高原等地区所作研究取得的相关文献成果。

2 研究方法

2.1 最小数据法

最小数据方法(Minimum-data Approach,MD) 能够利用相对容易获取的市场调查数据资料了解生态补偿前后利益相关者的参与意愿,并利用相对简单的数学模型确定生态补偿前后生态系统服务供给量的增量,弄清需达到多少补偿标准才能产生达到人们的生态需求的生态服务量。最小数据方法主要通过生态系统服务供给的机会成本的空间分布来推导生态系统服务的供给,求出生态供给曲线和生态补偿标准[13]。

使用最小数据法时,首先设定两个基本假设:①同一地块两种不同土地利用方式转变时无需支付额外费用;②土地利用方式的决策者的思考方式和行为方式在经济学层面都是相对理性的,能理智选择利益最大化的土地利用方式。

同一地块的两种土地利用方式所获得的生态服务量、无补偿时单位面积期望收益、有补偿时单位面积期望收益见表1。表1中:a、b表示不同土地利用方式;e表示单位面积土地产生的生态系统服务量(由于计算的是土地利用方式a转变为土地利用方式b后增加的生态系统服务量,因此,将土地利用方式a的生态系统服务量设为0不影响计算结果,增加的生态系统服务量即为e);v表示单位面积土地期望收益函数;p表示土地利用产出的价格参数;s表示某一地块;pe表示单位生态服务增加量的补偿价格。

表1 不同土地利用方式的生态

对于土地利用方式由a转变为b所获得的收益w(p,s)有以下2种情况。

1)无生态补偿时,w(p,s)的计算公式为:

w(p,s)=v(p,s,a)-v(p,s,b)。

(1)

当w(p,s)>0,即土地利用方式a的收益较土地利用方式b的收益多时,决策者选择a方式进行种植;当w(p,s)<0,即土地利用方式a的收益较土地利用方式b的收益少时,决策者选择b方式进行种植。当w(p,s)=0，即土地利用方式a的收益与土地利用方式b的收益相同时，决策者选择a方式或b方式进行种植取决于个人意愿。

由w(p,s)的空间分布可推求出其概率密度函数φ(w),并根据式(2)计算出农户在无补偿情况下选择方式b进行种植的比例r(p):

(2)

将总面积H与对应土地利用比例r(p)和单位面积生态系统服务增量e相乘,即可获得目标区域的生态系统服务供给量基线S(p):

S(p)=r(p)He。

(3)

2)当每提高一个单位生态系统服务供给量,农户将额外获得pe补偿时,w(p,s)的计算式为:

w(p,s)=v(p,s,a)-v(p,s,b)-epe。

(4)

当w(p,s)>0,即v(p,s,a)>v(p,s,b)+epe、w/e>pe时,表示土地利用方式a的收益较土地利用方式b的收益多,决策者选择a方式进行种植;当w(p,s)<0,即v(p,s,a)

由上文w的概率密度函数φ(w),可定义w/e的概率密度函数为φ(w/e),并由此推求农户在有生态补偿情况下，由土地利用方式a转变为土地利用方式b的比例r(p,pe):

(5)

转换为土地利用方式b后,可获得的生态系统服务供给量为S(p,pe):

S(p,pe)=S(p)+S(pe)=r(p)He+r(p,pe)He。

(6)

其中，S(pe)=r(p,pe)He，表示土地利用方式改变后新增生态系统服务供给量。

综上所述,所需支付的生态补偿标准pe可根据政策或生态环境需求量设定的生态系统服务供给增量S(pe)通过式(6)计算。将此机会成本与生态系统服务供给量相结合的方法称为最小数据法,其过程曲线如图2所示。

图2 由机会成本的空间分布推导出的生态服务供给曲线

2.2 生态系统服务供给量

本文主要通过水源涵养量和土壤保持量两个指标来衡量生态系统服务,将林地所获得的生态服务量与在同一地块的耕地所获得的生态服务量相减,即可获得该地块退耕还林后的生态系统服务增量。水源涵养量和土壤保持量分别采用中华人民共和国国家标准《森林生态系统服务功能评估规范》[14](GB/T 38582—2020)和《退耕还林工程生态效益监测评估技术标准与管理规范》[15](办退字[2013]16号)中的方法进行计算。

水源涵养量的计算公式为:

G水=10A(P-E-R)F。

(7)

式中:G水为水源涵养量,m3/年;A为林地面积,hm2;P为降水量,mm/年;E为蒸散发量,mm/年;R为地表径流量,mm/年。

土壤保持量的计算公式为:

G土=A(X2-X1)F。

(8)

式中:G土为实测年份土壤保持量,t/年;X1为退耕还林(草)前土壤侵蚀模数,t/(hm2·年);X2为退耕还林(草)后林地土壤侵蚀模数,t/(hm2·年)。

式(7)和式(8)中的F为森林生态系统服务修正系数,其计算公式为:

(9)

式中:Be为评估林分的生物量,kg·m-3;Bo为实测林分的生物量,kg·m-3;Bef为蓄积量与生物量的转换因子;V为评估林分的蓄积量,m3。

3 结果与分析

3.1 生态系统服务供给量

3.1.1 水源涵养量

根据陕西省水资源公报可知,延安市多年平均降水量为648.6 mm。根据范建忠等[16]基于遥感数据集对陕西省蒸散量时空分布特征的研究成果,取延安市多年平均蒸散量为400 mm。根据刘胜涛等[17]对陕西省退耕还林(草)工程生态效益评估的研究成果,通过式(9)计算延安市森林生态系统服务修正系数,然后根据式(7)计算延安市单位面积退耕林地水源涵养量G水=1 536.93 m3/年。其中，地表径流量来自于延安市水资源公报中的多年平均径流,取值77.8 mm。

3.1.2 土壤保持量

由于延安市位于榆林市北部,同属陕西省北部、黄河中游。故土壤侵蚀模数参考李奎等[18]基于GIS与RUSLE的榆林市土壤侵蚀空间分布研究成果,取X1=179 t/(hm2·年),X2=125 t/(hm2·年)。根据式(8)计算出单位面积退耕林地土壤保持量G土=48.6 t/年。

3.2 确定机会成本

根据《延安市统计年鉴》统计延安市各县区的农作物种类和产量,计算出各县区单位面积耕地的收益,除去物质与服务费用,求得各县区单位面积耕地的净收益。综合农户调查资料,共得到延安市13个县区62个单位面积耕地收入样本,利用SPSS软件验证获取的样本是否符合正态分布[19-20]。经计算,单样本K-S检验的显著性检验值为0.200,大于0.05。因此,延安市退耕还林的单位面积机会成本服从正态分布,其均值为13 475.41元/hm2,标准差为6 465.34元/hm2。单位水源涵养量、土壤保持量的机会成本也服从正态分布,均值分别为8.77元/m3、277.27元/t。

3.3 补偿标准与生态服务量供给曲线

延安市单位耕地面积机会成本的概率密度分布函数曲线如图3所示。利用式(2)可求得r(p)=1.86%,即未进行退耕补偿时,退耕比例为1.86%。根据式(3)计算得出此时退耕还林可增加的水源涵养量为7.46×106m3,增加的土壤保持量为2.36×105t。

图3 单位面积退耕还林机会成本分布函数曲线

现已知退耕还林的机会成本ω、单位面积水源涵养量e1和土壤保持量e2,可推求单位面积林地的水源涵养量的机会成本ω/e1[21-22]和土壤保持量的机会成本ω/e2。根据式(5)可计算出单位面积退耕林地在不同补偿价格时的农户自愿退耕还林比例,如图4和图5所示。

图4 水源涵养补偿价格对应的退耕还林比例

图5 土壤保持补偿价格对应的退耕还林比例

根据式(6)可得出单位面积退耕林地水源涵养量和土壤保持量的机会成本(ω/e1、ω/e2,即补偿价格)与退耕还林所能提供的生态系统服务供给量S(p,pe)(水源涵养量与土壤保持量)之间的关系曲线如图6和图7所示。

图6 由机会成本的空间分布推求水源涵养量

图7 由机会成本的空间分布推求土壤保持量

补偿价格的提高对退耕比例的提升有正向促进作用,农户进行退耕还林的意愿随着补偿金额的增多而增加;同时,地块所能提供的生态系统服务供给量(水源涵养量、土壤保持量)也会增加[23-24]。

陕西省于2014年开启新一轮的退耕还林(草)工程[25-26],该轮补偿政策不再区分南方地区与北方地区、生态林和经济林,也未硬性规定经济林的比例。根据《关于下达2017年退耕还林(草)年度任务的通知》,陕西省退耕还林(草)补偿方案见表2。

表2 陕西省2017年退耕还林补偿方案 元/亩

由表2可知,陕西省第二阶段退耕还林补偿金额折合为年均320元/亩,其水源涵养量和土壤保持量补偿价格分别为pe1=3.1元/m3、pe2=98.8元/t。不同退耕比例所提供的新增生态系统服务供给量以及对应的生态补偿价格见表3。

表3 退耕还林与生态系统服务量及补偿价格关系

按照陕西省第二阶段补偿方案即现行补偿方案的补偿金额进行核算,农户自愿进行退耕还林的比例为9%,当单位面积退耕林地水源涵养补偿价格pe1=3.1元/m3时达到此退耕比例,此时退耕林地提供的水源涵养量为4.386×107m3;当单位面积退耕林地土壤保持量补偿价格pe2=98.8元/t时达到此退耕比例,此时退耕林地提供的土壤保持量为1.140×106t。

若将生态补偿视为投入,将退耕林地提供的生态系统服务供给量(水源涵养量和土壤保持量)视为产出,当单位面积退耕林地的补偿价格处于拐点时边际补偿效益达到最高,在此状态下,农户自愿进行退耕还林的比例达到50%,此时的单位面积水源涵养补偿价格pe1=8.8元/m3、退耕林地提供的水源涵养量为2.095×108m3;单位面积退耕林地土壤保持补偿价格pe2=277 元/t时,退耕林地提供的土壤保持量为5.353×106t。

若将退耕比例提升到最大值或接近最大值(本研究选取99.6%的退耕比例)时,单位面积水源涵养补偿价格需达到pe1=20元/m3,此时水源涵养量为4.076×108m3;单位面积退耕林地土壤保持补偿价格需达到pe2=630元/t,相应的土壤保持量为1.049×107t。

由以上研究可知,延安地区现行生态补偿方案尚存在问题:现行补偿标准与最优补偿标准比相差较大,因延安地域内延川、延长、宜川3个县为较贫困地区,使得延安成为贫困地区与生态脆弱区的重合区域,生态退化与贫困互为因果,过低的补偿标准不利于农户脱贫,从而可能加剧生态破坏[27-29]。补偿标准过低是全国生态补偿存在的普遍问题,补偿方式主要是政府直接面向农户的现金型补偿。此外,在对延安市13个县区进行耕地收入统计与计算时发现，13个县区的耕地收入差异较大,其中黄龙县耕地收入可达年均33 466 元/hm2,而延川县和延长县的年均仅分别为3 250、6 659 元/hm2,不同的土地质量使得耕地收益存在差异,却具有相同的补偿标准[30-31],缺乏灵活性,不利于生态补偿和扶贫政策的长效发展。

4 结论与建议

4.1 结论

本文针对延安地区水土流失、水沙关系不协调的主要矛盾,以退耕林地水源涵养量和土壤保持量作为生态系统服务供给量指标,在假定土地转换无额外费用以及农户具有符合经济学理论的行为方式的基础上,运用最小数据法,通过单位面积退耕林地的生态系统服务供给量(水源涵养量和土壤保持量)的机会成本的空间分布,推导出了退耕林地生态系统服务供给量的供给曲线,并由此获得了不同补偿标准和与之对应的新增生态系统服务供给量(水源涵养量和土壤保持量),得出以下结论:

1)陕西省延安市退耕还林的单位面积机会成本均值为13 475.41 元/hm2,未进行退耕补偿时,退耕比例为1.86%,退耕比例的大小随着补偿标准的提高而增加;退耕林地所能提供的生态系统服务供给量(水源涵养量和土壤保持量)目标,随着退耕还林比例的变化而变化,且取决于能够提供的生态补偿标准。为响应水土保持工程的发展政策,政府可根据水源涵养量目标和土壤保持量目标,反向推求生态补偿标准。

2)在陕西省现行补偿标准(年均320 元/亩)下,农户自愿进行退耕还林的比例仅为9%;当单位面积退耕林地的补偿价格处于拐点时，边际补偿效益达到最高,此时退耕比例达到50%,此时的补偿标准为单位面积土地的平均机会成本，即年均898元/亩。

3)目前，延安地区生态补偿存在补偿标准较低、补偿方式单一等问题。此外，由于延安市13个县区耕地收入存在较大差异,机会成本亦存在差异性。因此，需要针对此差异性提出不同生态补偿方案。

4.2 建议

1)提高生态补偿标准,除了要引导国家生态补偿资金、国家重大生态项目资金向贫困区和生态脆弱区倾斜外,还应探索市场化、多元化的补偿方式,拓展补偿资金来源渠道。例如:增设护林员等岗位,将现金型补偿转变为岗位型补偿;结合延安“红色”文化特色,开发“生态+文化”的旅游项目,进行产业文化、生态文化和扶贫政策相结合的综合性补偿。

2)在设置补偿标准时应考虑地区差异性,因地制宜分配补偿金额,既要考虑耕种效益好的土地不能给予过低补偿金额,又要考虑对贫困地区补偿的适当添补。例如,可将退耕比例目标分配给耕种效益较差的县区,给予农户高于耕地收益的退耕补偿。

3)可将人文、社会因素与最小数据法相融合,构建更具合理性、人文性和实用性的补偿标准。同时,可增添生态服务供给指标,例如土壤保肥量、污染减少量[32]和碳汇减排量等指标,构建更加综合全面的生态补偿机制。