基于FUZZY-ISM模型的控排企业林业碳汇需求机理研究

摘要：研究控排企业林业碳汇需求机理，对于引导控排企业科学选择减排路径和实现林业碳汇市场化、生态化价值实现尤为重要。基于计划行为理论和制度环境理论构建控排企业林业碳汇需求机理理论模型，运用FUZZY-ISM模型解析控排企业林业碳汇需求机理影响因素作用程度和交互关系，构建了控排企业林业碳汇需求机理多层递阶结构模型。研究表明：控排企业林业碳汇需求机理由制度环境、主体行为、碳汇资源和减排压力四个维度因素构成，市场价格机制、感知收益和感知成本是控排企业林业碳汇需求机理的形成根源，感知风险、数量压力强度、感知绿色形象、感知竞争优势、生态优势和价格优势为控排企业林业碳汇需求机理的表层要素。因此，本文能提高控排企业林业碳汇生态作用与经济价值认知，理解控排企业林业碳汇实际需求，优化碳市场配额机制与抵消机制，为我国“碳中和”提供理论参考。

关键词：控排企业 林业碳汇 计划行为理论 制度环境理论 FUZZY-ISM模型

中图分类号：F832

一、引言

全球气候变暖不仅严重地影响经济社会的可持续发展，而且日趋国际化、政治化地成为世界各国面临的重大挑战，如何有效应对气候变化是国际社会当前和未来发展的时代话题。已有國际经验表明实施碳排放权交易是减排增汇的一项重要而有效的手段[1]。中国政府将碳排放权交易上升到国家制度层面，2011年10月国家发改委批准北京、天津、上海、重庆、湖北、广东与深圳等七个省市碳交易试点（简称碳市场），并于2017年正式启动全国统一碳市场，逐步从试点市场过渡到全国碳市场。我国碳市场实施以配额机制为主，抵消机制为辅的交易模式，各碳试点市场分别设置5%～10%的中国核证自愿减排（CCER）抵消比例。并明确碳市场的重要履约机构——控排企业，2020年控排企业数量达到10万余家，是中国碳达峰、碳中和的重要载体[2]。CCER包括工业减排项目和林业碳汇项目两种交易类型，相比工业减排项目，林业碳汇项目不仅具备吸收二氧化碳、净化空气和美化环境等生态特点，还有效益好、成本低的经济优势[3]。2018年12月国家发改委等九部门出台的《建立市场化、多元化生态保护补偿机制行动计划》中指出：将林业碳汇项目优先纳入全国碳市场，引导控排企业优先购买林业碳汇减排量。为此，开展控排企业林业碳汇需求机理影响因素识别和模型构建研究，不仅能促进林业碳汇市场化生态化价值实现，还可以间接缓解控排企业减排压力，为政府部门精准施策提供实践着力点与理论借鉴参考。

国内外学者从不同维度对林业碳汇进行探索研究，国外研究集中于林业碳汇多重效益[4]、林业碳汇需求困境破解[5-7]和林业碳汇项目供给影响因素[8-9]等方面。国内学者较为关注林业碳汇供给侧研究，对林业碳汇需求侧研究甚少，侧重林业碳汇经济社会效益[10-11]、林业碳汇供给潜力与评估[12-13]等方面，对碳市场条件下林业碳汇需求主体识别及其影响因素和机理模型解析不多。尽管立足控排企业林业碳汇需求意愿研究丰富[14-15]，但却忽略需求机理影响因素的理论基础以及运用有效的量化方法测度影响因素间作用程度。综上所述，在综合计划行为理论和制度环境理论的基础上，构建控排企业林业碳汇需求机理理论模型，识别出控排企业林业碳汇需求机理影响因素，运用FUZZY-ISM模型对控排企业林业碳汇需求机理影响因素间作用程度和交互关系进行解析，构建控排企业林业碳汇需求机理的多层递阶模型，为打开控排企业林业碳汇需求机理逻辑结构提供理论研究依据。

二、理论模型

（一）理论基础

本文依据制度环境理论和计划行为理论解析控排企业林业碳汇需求机理影响要素，用以构建控排企业林业碳汇需求机理的多层次递阶模型。其中制度环境理论阐述碳市场条件下控排企业林业碳汇需求的外在减排压力环境，计划行为理论解释控排企业林业碳汇需求的内在生态环境驱动[16]。

计划行为理论认为个体行为受个体意愿影响，个体意愿由行为态度、主观规范和感知行为控制三个方面构成。Roh et al.（2014）、邹玉友等（2020）基于计划行为理论研究表明控排企业林业碳汇购买受个体行为态度影响[17-18]；其支付意愿由“是否愿意支付”和“愿意支付金额”的双重因素决定。它是控排企业综合考量自身资源禀赋和外部环境动态关系的过程。其中管理者企业环境伦理是企业在绿色环境压力下的自我调整，环境伦理水平高的企业更愿意选择环境保护投资[19]。因此将计划行为理论用于解释控排企业林业碳汇需求的主体行为，可以明确控排企业林业碳汇需求形成过程中的内在驱动机制。由计划行为理论可知控排企业林业碳汇主体特征由行为态度和感知行为控制两方面因素构成。

制度理论认为制度环境在经济转型过程中发挥基础性作用，支持着碳市场有效运转，并同组织层面的企业特征相交互，影响控排企业的减排策略。就碳市场制度环境而言，首先是依赖配额机制和抵消机制规则融合，引导控排企业合理地权衡碳配额；其次是考虑配额机制中林业碳汇项目的比较优势，如Engel et al.（2015）研究证实实施REDD+有效减少全球因土地用途改变和毁林造成的二氧化碳排放，在技术和经济上都是全球减缓气候变暖的最重要措施之一[20]。高沁怡（2021）发现CCER缓解碳交易配额机制对控排企业利润冲击，利用市场化手段推动跨区域生态补偿，可提高地方政府及控排企业植树造林和生态保护的积极性[21]。以上理论和文献研究均说明控排企业主体特征在选择减排策略时会受到制度规范约束，因此控排企业林业碳汇需求机理要考虑碳市场制度因素和林业碳汇比较优势。

（二）理论模型构建

综合计划行为理论和制度环境理论，将控排企业林业碳汇需求划分为制度环境、主体行为、碳汇资源和减排压力四个维度。其中，制度环境是控排企业林业碳汇需求机理的决定性要素，对其他维度因素具有直接影响作用；主体行为是控排企业林业碳汇需求机理的直接因素，受到其他维度因素影响，是控排企业林业碳汇需求的直观现实表达；减排压力是控排企业林业碳汇需求实现的驱动因素，对控排企业林业碳汇需求产生实质引致影响，在制度环境和主体行为中发挥中介作用；碳汇资源优势影响控排企业选择林业碳汇可能性，目的在于缓解控排企业减排压力。基于此，构建出控排企业林业碳汇需求机理理论模型，如图1所示。

碳市场制度环境可归结为碳市场基础条件和碳市场制度建设两类。碳市场基础条件主要表现为市场流动性、市场主体数量和配额比例设置三个方面，碳市场流动性越高，控排企业选择林业碳汇可能性越大；碳市场主体数量越多，林业碳汇资源稀缺性越显著；配额比例和抵消比例属于“此消彼长”关系，特殊抵消比例设置可为控排企业加大选择林业碳汇并缓解减排压力提供重要基础保障。碳市场制度建设包括碳市场制度规则和价格机制，碳市场制度规则完善程度决定着控排企业采取差异化减排策略的可能性；而配额机制价格越高，会倒逼控排企业采取CCER减排，而CCER林业碳汇资源优势吸引控排企业林业碳汇选择。

林业碳汇资源优势体现在生态优势、价格优势和特殊抵消比例三个方面。从当前碳市场情境来看，抵消机制碳价格往往低于配额机制碳价格，这样林业碳汇项目既有着价格优势，也存在着生态优势，这种双重优势决定了林业碳汇项目的比较优势。同时，国际经验表明适度地调控林业碳汇配额比例利于稳定森林碳汇市场活跃度和交易价格，如新西兰和澳大利亚的控排企业可突破5%的林业碳汇抵消限制，赋予林业碳汇更多抵扣空间，给予实质性减排部门更丰富减排策略选择。

从计划行为理论来看，主体行为内生驱动力源自于控排企業资源禀赋条件和管理者环境伦理认知。一方面，作为理性经济主体的控排企业会感知到林业碳汇带来的减排收益、成本以及项目潜在风险，实现减排成本最小化或利润最大化；另一方面，拥有绿色生态环境伦理的控排企业管理者会考虑林业碳汇带来的绿色社会形象和综合竞争力，迎合外部利益相关者对企业绿色发展需求偏好。

为避免逾期履约惩罚的负向影响，控排企业会考虑碳减排压力后在自主碳减排技术、碳配机制和抵消机制中进行减排决策。而碳减排压力主要来自控排企业的外部压力和内部压力，外部压力是按照国家或地区总量控制减排目标必须完成的减排任务，需控排企业明确减排压力时间强度、数量强度和可供选减排方式。内部压力是控排企业引进减排技术、购买减排设备或选择配额机制需要付出的直接成本和交易成本。

（三） 影响因素选择

根据上述控排企业林业碳汇需求机理理论模型和影响因素选择分析，初步确定控排企业林业碳汇需求机理影响因素，然后运用德菲尔法，通过林业经济领域四位专家、企业管理领域四位专家和碳市场管理者二位专家进行四轮咨询与影响因素甄别，剔除重复影响因素，最终获得以下4个维度16个控排企业林业碳汇需求机理的影响因素，如表1所示。

（四）研究方法

由于控排企业林业碳汇需求机理是一个多重集合、多级传递、多元因素构成的复杂系统，各因素间关系错综复杂，选用解释结构模型（ISM）和Matlab数学计算工具可以将其转化为直观、清晰的结构模型图。传统的ISM构建多层递阶模型步骤是：首先结合专家经验或文献分析明确研究对象系统构成要素；然后建立要素关联关系，借助矩阵运算形成要素间的邻接矩阵和可达矩阵，对要素结构关系进行提取；最后获得要素间传递关系和层级结构，形成研究对象的多层递阶结构模型。尽管传统ISM可以有效解析复杂系统的层级结构，但在系统问题诊断过程中，该模型往往无法准确解析要素间的关联关系，导致部分信息失真。进一步考虑到控排企业林业碳汇需求机理受多个影响因素综合作用，同时影响因素间存在着层级和交互关系，因此，本文运用模糊集思想对传统的ISM模型进行改进后形成FUZZY-ISM模型[22]。FUZZY-ISM模型不仅能对控排企业林业碳汇需求机理影响因素交互关系进行直观分析，还可以探究控排企业林业碳汇需求机理的层级结构。

三、结果与分析

（一） 影响因素关系分析

控排企业林业碳汇需求机理影响因素关系分析是开展多层递阶结构模型构建的首要前提，为有效刻画出控排企业林业碳汇需求机理影响因素的关联程度，采用专家打分方法构建控排企业林业碳汇需求机理影响因素模糊关系。首先在林业经济、企业管理和碳市场管理三个领域选择10位专家，依据已有经验得出各影响因素间的模糊关系；其次通过众数方法获取最终影响因素关联关系矩阵，得到控排企业林业碳汇需求机理影响因素间模糊邻接矩阵。该矩阵中的元素aij表示因素Fi和因素Fj的直接关系。0代表因素Fi对因素Fj没有影响，1代表因素Fi对因素Fj稍有影响，2代表因素Fi对因素Fj有影响，3代表因素Fi对因素Fj有较大影响，4代表因素Fi对因素Fj有强影响，5代表因素Fi对因素Fj有极强影响。

A－=F1F2F3F4F5F6F7F8F9F10F11F12F13F14F15F16

F10531433000330000

F25020543000004000

F35403355000125000

F45430200004443000

F55010044000440000

F60020005540444000

F70100340533445000

F80000055033234000

F90104044402004514

F100000044350004344

F114432323122045005

F123403543412403004

F131224455445440023

F140044344344111044

F150002444344332404

F160233355222334540

（二）邻接矩阵与可达矩阵

由于模糊邻接矩阵不能进行区域分解和层级分解，需将模糊邻接矩阵转为0-1的二元可达矩阵，选择适当阈值α对模糊邻接矩阵进行转化，即当aij＜α时，aij取值为0；当aij≥α时，aij取值为1。由于阈值α取值不同，会形成不同的0-1二元可达矩阵。依据郑家喜和王姣（2013）研究方案和专家咨询，本文阈值选定为3，这样得到控排企业林业碳汇需求机理影响因素邻接矩阵A。将邻接矩阵A与单位矩阵I进行多次相加得到矩阵运算稳定状态下的影响因素关系可达矩阵。

A=F1F2F3F4F5F6F7F8F9F10F11F12F13F14F15F16

F10110111000110000

F21000111000001000

F31101111000001000

F41110000001111000

F51000011000110000

F60000001110111000

F70000110111111000

F80000011011011000

F90001011100001101

F100000011110001111

F111110101000011001

F121101111100101001

F130001111111110001

F140011111111000011

F150000111111110101

F160011111000111110

（三）多层递阶模型构建

基于可达矩阵，通过MATLAB程序计算出各个影响因素的可达集和先行集，对各个影响因素进行层级划分，可初步将其划分成9个层级，即∏2P=L114，15，L28，12，L39，10，L416，L54，L611，13，L73，L81，2，L95，6，7。再将可达矩阵按照层级结果进行重新排序，按照重新排序后的可达矩阵绘制出模糊解释结构模型的多层递阶结构图（图2）。根据影响因素间的初始维度归属并遵循碳市场运行实际情况，将第二层的影响因素F8感知风险和F12数量压力强度与第3层的影响因素F9感知绿色形象和F10感知竞争优势合并为一层；将第七层的影响因素F3市场配额比例设置和第八层的影响因素F1市场流动性和F2市场主体数量合并为一层。最终绘制出控排企业林业碳汇需求机理的多层递阶结构模型（图3）。

（四）结果分析

运用FUZZY-ISM模型构建的控排企业林业碳汇需求机理多层递阶结构模型，可以明确解析各影响因素之间的直接关系、作用路径以及其所处的重要层级，进而探究控排企业林业碳汇需求机理的形成逻辑与变化过程。

1.市场价格机制、感知收益和感知成本处于FUZZY-ISM模型的最底层，说明以上三个影响因素对其他各因素均产生影响，是控排企业林业碳汇需求机理的形成根源，是碳市场制度环境下驱动控排企业林业碳汇需求机理形成的根本动因。其形成原因在于，采取合理的减排方式实现控排企业减排成本最小化或利益最大化是控排企业选取多种减排方式组合初衷，而碳市场价格机制是引导控排企业采取多种减排方式的“指向标”，从碳市场制度环境外围影响控排企业多种减排策略。政府部门要想引导控排企业优先购买林业碳汇减排量，要明确林业碳汇为控排企业减排带来的经济价值和非经济价值以及相应的直接成本和交易成本。同时，完善碳市场价格形成机制、放开市场限制、激发市场动力，借助市场机制矫正碳市场环境、配置市场林业碳汇资源、引导控排企业的实际林业碳汇需求。

2.市场流动性、市场主体数量和市场配额比例设置是碳市场制度环境维度三大因素，也是构成控排企业林业碳汇需求机理的多层递阶结构模型深层层级，共同作用于第五层的时间压力强度和可供减排方式。主要逻辑是，当控排企业考虑自身减排面临的市场价格、不同减排方式成本和收益后，会融入到碳市场制度环境中，考虑碳市场中可供选择减排方式，权衡最佳市场条件以及可以选择的最大市场抵消比例，明确现有条件下强制减排履约的时间要求、碳减排技术和配额机制的总体状况，为避免未按时履约带来的负向价值影响，驱动控排企业选择林业碳汇可能性。同时市场流动性、市場主体数量和市场配额比例设置三者之间相互作用，属于强连通块，两两之间相互影响，任何一方因素出现变动时，都可能强烈地影响到另一方。从以上逻辑阐述可知，林业碳汇作为抵消机制一种项目类型，很难成为控排企业的主要减排方式，该结论与白江迪等（2017）相符，再次印证“林业碳汇为缓解控排企业减排压力提供契机”的学界论断。

3.市场制度规则和比例优势直接受底层各因素影响，同时也是连接碳市场制度环境和林业碳汇比较优势的关键媒介。由图3可知，在充分考虑到碳市场制度环境其他影响因素和控排企业减排压力的基础上，控排企业会在现有碳市场制度规则准许下，识别林业碳汇比例优势。如果林业碳汇突破5%～10%的抵消比例限制，那么控排企业会积极选择林业碳汇。而这种积极选择依然是在碳市场制度规则下的有条件减排方式。也就是说，林业碳汇比例优势属于可控范畴，它是林业碳汇市场化价值实现的宏观限制，也是控排企业林业碳汇需求机理形成中亟需打破的控制因素，决定控排企业优先购买林业碳汇的基本数量。

4.在考虑碳减排情境下林业碳汇为控排企业减排带来的成本与收益后，控排企业关注林业碳汇为控排企业带来的其他潜在价值和可控风险，并考察林业碳汇生态优势和价格优势。其逻辑路径是，感知风险和数量压力强度相互作用，感知绿色形象和竞争优势相互影响，以生态优势为关键落脚点，辅助以价格优势为补充，构成控排企业林业碳汇需求机理的表层因素。感知竞争优势不直接作用其他影响因素，通过感知绿色形象间接作用于生态优势影响需求实现。这也说明控排企业管理者关注林业碳汇对企业多元价值以及自身生态环境伦理观对绿色减排方式选择引导作用，显性表现为控排企业林业碳汇需求的现实达成。

四、结论与启示

（一）结论

本文依据计划行为理论和制度环境理论分析控排企业林业碳汇需求机理的影响因素，采用FUZZY-ISM模型对控排企业林业碳汇需求机理影响因素及其关系进行全面探讨，建立多层递阶模型，清晰地将控排企业林业碳汇需求机理逻辑表示出来，利于加深政策制定者理解控排企业林业碳汇需求机理的形成过程。研究结论如下：①控排企业林业碳汇需求机理是由制度环境、主体行为、碳汇资源和减排压力四个维度要素相互交织而形成事物发展的统一过程，这些维度影响因素、因素之间也相互作用和影响，构成了一个复杂的、多层次结构系统。②控排企业林业碳汇需求机理多层递阶结构模型包括7层16个影响因素。市场价格机制、感知收益和感知成本是控排企业林业碳汇需求机理形成根源；市场流动性、市场主体数量和市场配额比例设置是碳市场制度环境重要因素，作用于时间压力强度和可供减排方式；市场制度规则和比例优势连接控排企业减排与林业碳汇市场化生态化价值实现；感知风险、数量压力强度、感知绿色形象、感知竞争优势、生态优势和价格优势为表层要素。③FUZZY-ISM改进模型为探究控排企业林业碳汇需求机理提供了研究方案与实证手段，也可用于解析其他综合、复杂、多维的结构系统。

（二）启示

回顾全文，结合现实情境，得到几方面政策启示。一是提高控排企业林业碳汇生态作用与经济价值认知，引导控排企业全面理解林业碳汇比较优势，将这种比较优势转变为控排企业竞争优势，助推控排企业环境伦理观的形成。二是全面理解控排企业林业碳汇实际需求，制定自下而上的林业碳汇政策体系，健全林业碳汇多元激励政策。三是优化碳市场配额机制与抵消机制，适度提高林业碳汇抵消比例，完善林业碳汇交易制度环境，融合控排企业特质、林业碳汇优势和碳市场制度环境要素，结合自然资源基础观和生态环境伦理观，借鉴国际林业碳汇交易情境，走出一条具有中国特色的“林业碳汇”减排之路。

参考文献：

[1]曹先磊，程毅明，吴伟光.碳中和目标背景下CCER林业碳汇项目开发优先序研究[J].统计与信息论坛，2022，37（5）：52-63.

[2]杨博文.“资源诅咒”抑或“制度失灵”？——基于中国林业碳汇交易制度的分析[J].中国农村观察，2021（5）：51-70.

[3]何韵，费梓萱，叶新建，刘振芳，董文娟.天保工程碳汇价值评估及对“碳中和”的意义研究[J].公共管理学报，2022，19（2）：154-163，176.

[4]Silva C A， Hudak A T， Vierling L A， et al. Imputation of individual longleaf Pine Tree attributes from field and LiDAR Data[J]. Canadian Journal of Remote Sensing， 2016，42（5SI）：554-573.

[5]Kronenberg J， Orligora-Sankowska E， Czembrowski P. REDD plus and Institutions[J]. Sustainability， 2015，7（8）：10250-10263.

[6]Coleman A. Forest-based carbon sequestration， and the role of forward， futures， and carbon-lending markets： A comparative institutions approach[J]. Journal of Forest Economics ，2018（33）：95-104.

[7]Dong-Ho L， Dong-hwan K， Seong-il K. Characteristics of forest carbon credit transactions in the voluntary carbon market[J]. Climate Policy，2018，18（2）： 235-245.

[8]Zengin H， Unal M E. Analyzing the effect of carbon prices on wood production and harvest scheduling in a managed forest in Turkey[J]. Forest Policy and Economics，2019，103：28-35.

[9]Sharma B P， Cho S H， Yu T. Designing cost-efficient payments for forest-based carbon sequestration： An auction-based modeling approach[J]. Forest Policy and Economics，2019，104：182-194.

[10]曾維忠， 张建羽， 杨帆. 森林碳汇扶贫：理论探讨与现实思考[J]. 农村经济， 2016（5）：17-22.

[11]曾维忠，成蓥，杨帆. 基于CDM碳汇造林再造林项目的森林碳汇扶贫绩效评价指标体系研究[J]. 南京林业大学学报（自然科学版），2018，42（4）：9-17.

[12]陈丽荣，陈丽娟，朱震锋，等.基于交易视角的天然林资源保护工程区林业碳汇项目开发潜力——以黑龙江森工天保工程区为例[J].浙江农业学报，2021，33（5）：944-954.

[13]王鹏，鲁法典.基于实物期权法的林业投资项目价值评估[J].西北林学院学报，2021，36（5）：269-274.

[14]白江迪，沈月琴，龙飞，等. 森林碳汇抵消政策实施影响因素的实证研究[J]. 林业科学，2017，53（7）：118-133.

[15]田杰，邵腾伟，徐玫. 植入森林碳汇的碳排放权交易机制研究[J]. 统计与信息论坛，2014（7）：88-94.

[16]汪伟忠，张国宝. 基于Fuzzy-ISM的生产安全大数据共享行为模型构建[J]. 情报杂志，2018，37（9）：167-172，147.

[17]Roh T W， Koo J C， Cho D S， et al. Contingent feasibility for forest carbon credit： Evidence from South Korean firms[J]. Journal of Environmental Management， 2014，144：297-303.

[18]邹玉友，李金秋，齐英南，等.碳交易背景下控排企业林业碳汇需求意愿及其影响因素——基于计划行为理论的探讨[J].林业科学，2020，56（8）：162-172.

[19]潘鹤思，孙先民.基于TPB-NAM的森林旅游企业亲环境意愿影响因素研究[J].干旱区资源与环境，2022，36（5）：193-199.

[20]Fauset S， Johnson M O， Gloor M， et al. Hyper dominance in Amazonian forest carbon cycling[J]. Nature Communications， 2015（6）：68-75.

[21]高沁怡，潘春霞，刘强，等.基于贝叶斯网络的林业碳汇项目风险评价[J].南京林业大学学报（自然科学版），2021，45（4）：210-218.

[22]郑家喜，王姣. 政府农田水利建设项目风险因素FUZZY-ISM结构模型分析[J]. 农业技术经济，2013（12）：110-117.

责任编辑：田国双