当前位置:首页 期刊杂志

基于耦合效应的林业碳汇项目风险*

时间:2024-07-28

卢 峰 顾光同,2,3 曹先磊 吴伟光,2,3

(1.浙江农林大学经济管理学院 临安 311300; 2.浙江农林大学浙江省乡村振兴研究院 临安 311300; 3.浙江农林大学生态文明&碳中和研究院 临安 311300; 4.山西财经大学国际贸易学院 太原 030006)

森林碳汇是应对气候变化潜力较大且较为成本有效的手段之一(Richardsetal., 1993); 我国已将森林增汇作为应对气候变化的国家战略,并于2020年正式提出了“碳达峰、碳中和”宏伟战略目标。在此背景下,林业碳汇项目开发受到了政府与社会各界的广泛关注与重视,但在具体实施过程中也面临诸多风险与不确定性(高沁怡等, 2021)。自2011年中国启动全国范围的碳排放权交易试点以来,包括林业碳汇项目在内的中国核证减排量(China certified emission reduction, CCER)项目得到较快发展(金婷等, 2018; 曹先磊等, 2019)。 但由于林业碳汇项目存在开发周期长、投资额度大、参与主体多且分散(涉及农户)等诸多特征,且项目开发专业技术性强、程序较为复杂,面临政策、市场、技术和自然等诸多风险与不确定性(Christopheretal., 2009; 金婷等, 2021), 不少森林碳汇项目开发者因缺乏对林业碳汇项目开发相关政策及风险的充分了解,在开发过程中面临困难甚至破产的案例时有发生(龚荣发, 2019)。因此,对林业碳汇项目开发的风险与不确定性应予以高度重视,才能真正确保相关林业碳汇产业的健康持续发展,为中国碳达峰碳中和战略目标实现做出应有贡献。

现有对林业碳汇项目风险研究大多以定性探讨为主; 少量基于模型对林业碳汇项目风险进行了初步定量分析,但未考虑风险因子之间的耦合效应,评价结果的可靠性有待进一步验证。在林业碳汇项目风险定性分析方面,已有文献重点探讨林业碳汇项目风险类别与来源,比如,武曙红等(2007)将清洁发展机制(Clean Development Mechanism, CDM)下造林再造林项目碳逆转风险分为自然、人为、市场和环境风险; Huettner(2011)将减少因毁林和森林退化引起的温室气体排放(reducing emissions from deforestation and forest degradation, REDD)项目实施过程中面临风险归纳为林木非法采伐、交易成本过高和资金分配低效等9种风险; 张静娉等(2016)将中国林业碳汇的经营风险划分为政策、自然、人为和市场风险。金婷等(2018)基于模糊数学方法对CCER项目风险进行了初步定量评估,发现市场和政策风险是林业碳汇项目最为主要的风险来源; 高沁怡等(2021)基于贝叶斯网络模型,对CCER林业碳汇项目风险因子的概率分布进行了估计。上述初步定量研究并未考虑项目风险之间的相互耦合效应的影响,事实上,项目风险水平不仅受不同风险因子单独影响,还受不同因子之间的耦合关系的影响,是否考虑风险因子之间的耦合效应对项目风险水平测度有重要影响(Qiao, 2021; Fanetal., 2021)。

鉴于此,本研究在已有相关研究成果基础上,通过建立纳入不同风险因子之间耦合效应的林业碳汇项目风险评价模型,并基于系统动力学(System Dynamics, SD)方法,对项目的整体风险水平及其不同风险之间的耦合效应进行测算与评价,以期对林业碳汇项目风险水平做出更为准确的评价,为项目经营主体和政府部门政策制定提供决策参考。

1 林业碳汇项目风险分析

1.1 风险清单与数据处理

与林业碳汇项目风险有关的历史数据较为匮乏,但林业碳汇领域专家对风险知识相当丰富。本研究于2019年6—7月期间对从事林业碳汇相关研究、管理与实践经营的113位相关专家,围绕林业碳汇项目风险进行多轮访谈。从专家的行业分布来看,有40位为林业碳汇研究机构研究者、40位为林业碳汇行业管理者、25位为林业碳汇项目投资经营者以及8位碳交易平台从业者,基本覆盖林业碳汇各个相关领域; 从技术职称情况来看,初级职称8人,中级职称26人,副高级职称27人,正高级职称13人; 从工作经历来看,113位专家从事林业碳汇领域的相关研究、管理与实践工作的平均时间达10年。总体而言,所选专家具有林业碳汇方面的专业知识和学术水平,对林业碳汇项目风险具有相对精确和科学的认知。

本次专家访谈重点内容为林业项目风险来源识别、风险发生概率及影响。为了提高专家访谈数据信息质量,本研究对林业碳汇项目风险相关信息进行了多轮识别、反馈和修正,最终形成林业碳汇项目风险清单,将其分为自然、技术、市场和政策4种风险子系统,以Ri表示; 共计22个风险因子,以Rij表示,见表1。基于上述风险清单,根据113位专家对22个风险因子的发生概率及影响程度的判断,对其结果采取5级李克特量表进行赋值; 并以林业碳汇项目风险发生概率与风险影响程度乘积的转化形式作为林业碳汇项目风险综合指标(Hurstetal., 1998; Chandra, 2015),具体见表2。

表1 林业碳汇项目风险清单Tab.1 Risk list of forestry carbon sink project

表2 风险综合作用专家打分Tab.2 Scoring table of experts on risk comprehensive action

1.2 林业碳汇项目风险耦合关系

风险耦合是风险因子之间存在的相互作用关系,风险因子之间的耦合效应对项目风险水平有显著影响。本节将重点阐述林业碳汇项目风险子系统内部与不同子系统之间的耦合关系,其中子系统内部的风险耦合关系称为同质耦合,不同子系统风险之间的耦合关系称为异质耦合。

1.2.1 同质耦合 1)自然风险 自然风险包括干旱灾害、洪涝灾害、森林病害、森林虫害、大风灾害、森林火灾、冰雪灾害和地质灾害等。首先,降水量和温湿系数小,虫害易发(孙丹萍等, 2007); 降水量和湿度高,病害易发(Marchisioetal., 1994); 其次,森林病虫害会引起林木含水量下降甚至枯死,森林可燃物增加,火灾易发(张文勤等, 2001); 此外,一般认为火灾的风险大小与降水量、湿度、风力等因素密切相关(钱柯君, 2016): 降水量小,天气干旱,火灾易发; 风力强,火灾发生概率和影响程度均会增加。再次,森林火灾发生后,坡面堆积的灰烬层和火烧迹地本身结构的扰动使得在降水强度较大时,泥石流等地质灾害易发(胡卸文等, 2020); 同时,森林火灾还可能引发冰雪灾害(梁林恒等, 1992): 火灾烧毁大量林木和地表枯枝,在降雪发生时使得地表增加冰雪消融而引起洪涝、泥石流等地质灾害(祁龙, 1998)。各种自然风险耦合路径如图1所示。

图1 林业碳汇项目自然风险子系统风险耦合关系Fig. 1 Risk coupling diagram of natural risk subsystem of forestry carbon sink project“+”表示正向作用。下同。“+” means positive effect. The same below.

2) 技术风险 技术风险包括项目未能获得备案、项目参与者未按作业设计实施、项目参与者中途退出项目和项目未能获得签发等。林业碳汇项目开发需要经历项目设计、审定、备案、实施、监测、减排量核证及签发等环节,各环节之间环环相扣,相互之间存在影响(金婷等, 2018)。比如,由于政策或其他原因,项目参与者未能按照项目作业设计要求实施,导致项目无法通过审定、备案与签发; 反之,项目无法通过审定、备案诱发参与者中途退出项目,也会导致项目无法继续实施,核证减排量无法获得签发。各种技术风险耦合路径如图2所示。

图2 林业碳汇项目技术风险子系统风险耦合关系Fig. 2 Risk coupling diagram of technical risk subsystem of forestry carbon sink project

3)市场风险 市场风险包括利率变动、林地租金变动、劳动力价格变动、碳汇价格变动、木材价格变动和碳市场供给变动等。在其他因素不变的条件下,劳动力价格、利率水平、土地租金的变化会直接影响木材和林业碳汇的供给成本(黄宰胜等, 2015),进而影响其供给量与价格。相反,林业碳汇价格与木材价格水平的变化,以及两者之间的相对价格的变化,也会影响碳汇市场供给(朱添金等, 2018)。 在其他因素保持不变的情况下,木材与碳汇的价格会相互影响(朱添金等, 2018): 比如,当碳汇的相对价格高于木材时,林农会选择延长林木轮伐期以获取更多的碳汇收益,从而影响木材的产量和木材价格。各种市场风险耦合路径如图3所示。

图3 林业碳汇项目市场风险子系统风险耦合关系Fig. 3 Risk coupling diagram of market risk subsystem of forestry carbon sink project

4) 政策风险 政策风险包括国际气候谈判进程不确定性、国家减排政策变化、林业碳汇认定标准变化和林业碳汇交易规则变化等。国际气候变化谈判进行会对国家减排政策(冯帅, 2017),进而对林业碳汇项目交易规则(张益玉等, 2021)与认定标准产生影响。目前林业碳汇项目认定主要依据《温室气体自愿减排交易管理暂行办法》、《温室气体自愿减排项目审定与核证指南》等政策性文件以及项目所采取的方法学,而这些文件又必须符合国家法律和减排政策,因此国家减排政策的变化会对林业碳汇项目交易规则和认定标准产生影响。各种政策风险耦合路径如图4所示。

图4 林业碳汇项目政策风险子系统风险耦合关系Fig. 4 Risk coupling diagram of policy risk subsystem of forestry carbon sink project

1.2.2 异质耦合 异质耦合指不同风险子系统之间的相关影响关系。就林业碳汇项目而言,其自然、技术、市场和政策风险子系统之间的相关影响关系如下: 自然风险、政策风险会直接影响林业碳汇项目核证减排量的签发,进而演化为技术风险; 而核证减排量签发是否成功,会直接影响林业碳汇市场的供给和林业碳汇价格,最终演化为市场风险; 林业碳汇市场的供给量与林业碳汇价格又受到国家政策的调控与管理,林业碳汇市场供给和林业碳汇价格的变动会引起国家减排政策的调整,演化为政策风险。具体分析如下:

自然风险与其他风险的耦合。比如,森林火灾、洪灾、病虫害等自然风险会引起森林资源的破坏,一方面,会直接影响木材市场的供给量,在供求规律的作用下最终影响木材价格; 另一方面,森林资源破坏会引起碳逆转,进而导致部分原定的减排量核证与签发失败(武曙红等, 2007),碳市场供给发生变动。

技术风险与其他风险的耦合。项目能否获得签发直接关系到林业碳汇市场的供给。一方面,项目参与者未能按照作业设计实施,导致项目无法通过备案,减排量无法签发,从而影响碳市场的碳汇供给; 另一方面,项目参与者继续开发项目的积极性,也会对项目备案的成功率和签发率产生影响,进而影响碳汇市场供给。

市场风险与其他风险的耦合。林地租金、劳动力价格、碳汇价格等林业碳汇市场要素的变化,不仅会直接影响碳市场供需及碳价格,同时也会对国家减排政策产生影响。在“双碳”目标下,国家减排政策对碳汇市场进行宏观调控,当碳市场供给量长期低迷,供小于求时,政策会偏向于激励供给; 当供给量长期维持过剩状态,需求不足时,则偏向于刺激需求。

政策风险与其他风险的耦合。比如,随着国际气候变化谈判与国家减排政策的变化,林业碳汇项目的认定标准也将随之发生变化,直接关系项目能否备案,一方面会影响项目参与者继续参与项目开发的积极性和减排量的签发,从而影响林业碳汇市场的供给; 另一方面也会对控排企业的林业碳汇需求产生影响,最终影响碳市场的供求平衡与林业碳汇价格(石柳等, 2017)。综上所述,结合风险的同质和异质耦合关系,形成林业碳汇项目风险耦合关系图(图5)。该图仅能其呈现风险因子之间的耦合关系,而不能对其耦合效应进行量化评估,也无法计算其风险水平。事实上,风险的耦合效应不仅是风险因子演变的过程,更是其存量积累的过程(Xueetal., 2020)。因此,基于上述耦合关系图,建立林业碳汇项目风险积流如图6所示。

2 系统动力学建模、参数确定与情景模拟

2.1 基于系统动力学方法构建林业碳汇项目风险评价模型

系统动力学(System Dynamics, SD)模型。基本原理:SD方法最初是由Forrester(1997)为分析企业生产和库存管理等问题而提出的一种系统仿真方法。它对参数精准度的要求较低,而强调对系统结构和动态行为的研究,是定性与定量研究方法的有机结合; SD模型本质上是一种揭示系统内部因果关系机理性的模型,强调系统内部各要素之间的相互联系与影响,系统中包含的要素可以随时间而变化,可以用来模拟长期性和周期性的系统问题,目前已被广泛应用于基建(王孟钧等, 2021)、金融(徐鲲等, 2021)和农业(刘凌燕等, 2020)等诸多领域。

SD模型主要由流量(RR)、存量(SR)和辅助变量等元件构成,某变量t时刻的存量可以表示为: 初始存量加上流入量减去流出量,具体可由公式(1)表示:

(1)

式中: Stock(t)与 stock(t0)分别表示t时刻的存量与初始存量,inflow(s)与outflow(s)分别表示该变量在初始时刻到t时刻的流入量与流出量,s表示从t0到t的某一时刻。文章中,主要是基于风险耦合效应对林业碳汇项目风险评价,仅涉及风险因子的演变与流入量的积累,并未涉及流出量,因而所有变量的流出量均为0。

适用性分析:首先,林业碳汇项目风险相关数据相对缺乏,但林业碳汇领域专家对各风险因子发生概率及其影响程度有着相对准确的认知。而SD方法对参数精准度要求不高,可以实现定性与定量相结合的特点使其在进行林业碳汇项目风险评价时可以充分利用专家的经验判断。其次,林业碳汇项目自然、技术、市场和政策等4个风险子系统之间相互联系并相互作用,且林业碳汇项目开发周期较长,项目风险会随时间而发生变化。应用SD方法可以较好地揭示林业碳汇项目风险耦合的内在机制,在林业碳汇项目的开发周期内体现风险间的动态变化,实现对风险耦合的情景模拟,分离出耦合效应对项目整体风险水平的影响; 此外,林业碳汇项目风险众多,风险演变与传递较为复杂且易受外界因素干扰,而SD方法能以风险积流图的形式,清晰地揭示出各风险因子之间的因果关系,将不相关的关系排除在外,极大地简化了分析框架,提高风险评估结果的科学性。因此,应用SD方法进行林业碳汇项目风险评价具有一定优势。

建模步骤:首先,根据林业碳汇项目风险特征,将其划分为多个子系统,每个子系统里包含符合其特点的风险因子; 其次,在对林业碳汇项目风险进行耦合关系分析的基础上,建立林业碳汇项目风险耦合关系图和积流图; 再次,根据林业碳汇项目风险耦合特点,建立系统动力学方程,并确定相关参数: 风险权重、风险初始值和耦合系数; 最后,根据实际需要,通过设定耦合系数或者初始值等进行林业碳汇风险模拟分析。

2.2 建立系统动力学方程

基于构建的林业碳汇项目风险积流图,结合林业碳汇项目风险特点,构建SD方程如下:

RRij=∑(SRij×CRij-x),

(2)

SRij=integ(RRij,xRij),

(3)

SRi=∑(SRij×ωRij),

(4)

(5)

2.3 参数设定

(6)

式中:MSRij和∑MS为Rij的专家打分均值及其加总。

(7)

然后,分别计算每个风险因子在对应风险子系统中的权重ωRij,即相对权重,它反映Rij相对于Ri的重要程度,见(8)式:

(8)

综上,对专家打分数据进行处理,所得权重参数见表3。

表3 林业碳汇项目风险权重参数Tab.3 Risk weight parameter of forestry carbon sink project

2.3.2 风险初始值参数的确定 本研究基于实地调研数据与专家调查信息,参考已有相关研究(Xueetal., 2020),对每个风险状态对应的初始值进行设定,见表4。

表4 风险状态及其初始值Tab.4 Risk status and its initial value

为了削弱专家经验和判断的主观性,对每个风险因子初始值取平均值,作为林业碳汇项目风险因子的初始值,见表5。

表5 林业碳汇项目风险初始值参数Tab.5 Initial risk value parameter of forestry carbon sink project

2.3.3 风险耦合系数的确定 耦合系数反映林业碳汇项目风险因子间的相互作用程度。在特定的环境下,耦合系数并不会马上发生变化,因此在模型中将其设定为常数。以专家对不同风险因子做出相同打分的条件频率作为风险因子之间、风险子系统与风险因子之间的的耦合系数。对于自然风险与相关风险因子的耦合这一特殊情况,对表2风险综合作用专家打分原始值进行加权求和,在将其转化为1~5分后,再求其与其他风险因子得到相同分值的条件频率,见表6。

表6 林业碳汇项目风险因子耦合系数Tab.6 Coupling risk factor coefficient of forestry carbon sink project

2.4 情景模拟与计算方法

在风险模拟中,考虑林业碳汇项目计入期为20年,减排量核证4次的一般情景,在VENPLE软件中将总时长设定为5年,时间间隔设定为1年。

2.4.1 风险等级划分标准及子系统贡献程度计算 得到项目的整体风险水平后,需要确定其风险等级,分别模拟全部风险初始值参数Xij为0.1、0.3、0.5、0.7和0.9的情景,得到林业碳汇项目风险状态从极低到极高情景下的整体风险水平,由此将林业碳汇项目风险划分为5个等级,每个等级的值区间见表7。

表7 林业碳汇项目风险等级划分标准Tab.7 Standards for risk rank of forestry carbon sink projects

在确定林业碳汇项目整体风险水平后,需要确定自然、技术、市场、政策4个子系统对项目整体风险水平的贡献程度,计算方法见(9)式:

(9)

2.4.2 耦合效应模拟与计算方法 将相关的耦合系数设定为0,其他耦合系数保持不变,即为不考虑相关耦合效应时的项目整体风险水平,作为实验组; 同时,维持所有参数不变,即项目的原始风险,作为控制组; 试验组和控制组除了相关耦合系数有所差异之外,在项目时长、时长间隔以及其他参数设定上完全一致,则控制组和试验组项目风险水平的差值即为耦合效应引起的。差值越大,耦合效应越强,相关风险越需要引起重视。耦合效应的计算见(10)式:

(10)

式中CE即为耦合效应,X|t=k为第t年林业碳汇项目整体原始风险水平,XCE|t=k为移除耦合效应后第t年林业碳汇项目整体风险水平。本文的t统一取为模型末期5。

3 结果与分析

3.1 耦合效应对项目整体风险的影响

根据分析结果,是否考虑耦合会明显影响整体风险水平大小及风险等级的范围。在考虑耦合时,项目的整体风险水平即项目原始风险水平6.784,风险等级为Ⅲ。而在不考虑耦合效应时,项目的整体风险水平下降为0.355,风险等级由Ⅲ降为Ⅰ。事实上,风险的耦合效应不仅是风险因子演变的过程,更是其存量积累的过程(Xueetal., 2020),在忽视耦合效应的情景下,项目的风险被默认为静态的、不随时间而发生变化,而林业碳汇项目风险在开发过程中并非是一成不变的,这就使得项目整体风险水平可能被低估。此外,不考虑同质耦合效应时的项目整体风险水平要小于不考虑异质耦合时的情景,即同质耦合效应的强度大于异质耦合。这是因为在林业碳汇项目风险系统中,同质耦合的风险因子数量要远大于异质耦合数量。具体见表8。

表8 耦合效应对项目整体风险的影响Tab.8 Influence of coupling effect on the overall risk of the project

确定每个子系统的风险水平对整体风险的贡献程度,分别得到各风险子系统在全部风险初始值参数Xij为0.1至0.9情景下的风险水平,并结合其原始风险水平,确定风险等级; 根据结果,对项目风险贡献程度从大到小排序依次是市场、政策、技术与自然风险。其中政策、市场与技术风险位于风险等级Ⅲ,自然风险位于等级Ⅱ。进一步对其构成进行分析,得到对这4种风险贡献程度最大的风险因子分别是碳市场供给变动、国家减排政策变化、项目未能获得签发和地质灾害,结果见表9。

表9 风险子系统对项目整体风险的贡献Tab.9 Contribution degree of each risk subsystem

3.2 子系统及风险因子耦合效应对项目整体风险的影响

进一步分析各风险子系统同、异质耦合对项目整体风险的影响,分别得到各风险子系统不考虑同、异质耦合时的项目整体风险水平及其相关耦合效应大小,结果见表10。在各子系统中,同质耦合效应强弱排序依次是市场、政策、技术和自然风险; 异质耦合效应强弱排序依次是市场、政策、技术和自然风险; 全部耦合效应强弱排序依次是市场、政策、技术和自然风险。无论是同质耦合还是异质耦合,市场风险和政策风险均具有最强的耦合效应,在风险监管中需要引起足够的重视。如表9所示,4个风险子系统的原始风险水平高低排序依次为市场、政策、技术和自然风险,与耦合效应强弱排序一致,这说明风险耦合效应的强弱受项目本身风险原始水平的影响较大。因此,在实际风险管控中,应重点关注风险水平较高的耦合因子。

表10 子系统耦合效应对项目整体风险的影响Tab.10 Influence of coupling effect of risk subsystem on overall project risk

再进一步对构成各子系统的风险因子的耦合效应大小进行分析,得到不考虑相关耦合因子时的项目整体风险水平及其耦合效应,见表11。其中,表11给出全部同质耦合因子的耦合效应,表12给出全部异质耦合因子的耦合效应见表12。

表11 风险因子同质耦合效应Tab.11 Homogeneous coupling effect of risk factors

表12 风险因子异质耦合效应表Tab.12 Heterogeneous coupling effect of risk factors

在自然、技术、市场和政策子系统中,同质耦合效应最强的耦合因子分别是: R17与R16(冰雪灾害与森林火灾)、R24与R21(项目未能获得签发与项目未能获得备案)、R34与R36(碳汇价格变动与碳市场供给变动)、R43与R42(林业碳汇项目认定标准变化与国家减排政策变化)。其中,耦合因子R34与R36在所有同质耦合中具有最强的耦合效应。各子系统之间的耦合关系在本质上都是通过林业碳汇市场的供给、需求以及碳价格发生驱动的。此外,这两个因子之间的耦合系数较高且对项目整体风险的贡献程度较强,这使得耦合效应大幅度提高。因此,在风险监管中需要对其保持高度警惕,防止它们之间的转化。

在所有异质耦合因子中,包含R36(碳市场供给变动)和R34(碳汇价格变动)的耦合因子普遍具有较高的耦合效应,其中R42和R36(国家减排政策变化与碳市场供给变动)具有最强的异质耦合效应。这是因为,各风险子系统之间的耦合关系在本质上都是通过林业碳汇市场的供需及价格发生作用的,林业碳汇项目风险通过碳市场供给变动——碳汇价格变动的耦合路径不断累积,使得项目整体风险被不断放大。因此,在林业碳汇项目风险管控中,要维持碳市场供给和碳汇价格相对稳定,防止其向着其他风险演变,使得项目整体风险水平被放大。

结合各子系统对项目整体风险的贡献程度,市场风险和政策风险同时具有最强的耦合效应和最大的整体风险贡献程度,在风险监管中需要高度重视,特别是碳市场供给变动和国家减排政策变化这两个风险因子,需要采取相应的防范措施,防止其向其他风险的演变和转化和风险水平进一步放大。此外,尽管技术风险和自然风险的相对风险水平与耦合效应较低,但其异质耦合效应在耦合路径上逐渐传导,会使得项目整体风险水平被不断放大,在风险监管中不容忽视。

4 结论与建议

本文基于SD原理与方法建立了一个纳入风险耦合效应的林业碳汇项目风险评价模型,并根据113位林业碳汇专家对林业碳汇项目风险的问卷调查信息,对考虑耦合效应情景下,林业碳汇项目风险整体水平、不同风险系统之间的作用关系进行了定量分析,揭示出了林业碳汇项目风险水平及不同风险因子相关的作用内在机制,对项目风险评价具有较大的灵活性和适应性,可以在风险关系较为复杂时综合利用项目风险发生概率以及影响大小进行评价与分析。与以往未考虑耦合效应情景下的研究结果相比(高沁怡等, 2021),本研究对林业碳汇项目不同风险因子的风险水平及其排序位次有明显差异: 一是风险整体水平提高,二是市场风险水平超过政策风险水平成为最为主要的风险来源。市场风险成为最为主要的分析来源,这可能是因为在考虑耦合效应时,各风险子系统之间的耦合关系在本质上都是通过市场风险子系统发生作用的,风险在市场风险子系统的耦合路径上不断累积,使得市场风险子系统的风险水平被不断放大所致。具体研究结论如下:

1) 耦合效应对林业碳汇项目风险评价结果有明显影响,同质耦合效应要强于异质耦合效应。考虑全部耦合效应时,项目的整体风险水平为6.784,风险等级为Ⅲ; 在不考虑耦合效应、同质耦合效应及异质耦合效应时,项目整体风险水平分别为0.355、0.929和3.102,风险等级分别为Ⅰ、Ⅰ和Ⅱ。这说明考虑耦合效应对林业碳汇项目风险水平有显著影响; 进一步来看,仅考虑同质耦合效应时,风险水平为3.102,仅考虑异质耦合效应时,风险水平为0.929,说明同质耦合效应要强于异质耦合效应。

2) 不同风险子系统的耦合效应强弱有明显差异。在仅考虑同质耦合效应、仅考虑异质耦合效应以及同时考虑2种耦合效应3种不同情景下,各风险子系统的耦合效应强弱排序均为市场风险>政策风险>技术风险>自然风险。

3) 在考虑不同耦合效应情景下,各风险因子之间耦合效应强弱有明显差异。在仅考虑同质耦合效应情景下,在自然子系统中冰雪灾害与森林火灾耦合效应最强; 在技术子系统中,项目未能获得签发与项目未能获得备案耦合效应最强; 在市场子系统中碳汇价格变动与碳市场供给变动耦合效应最强; 在政策子系统中,林业碳汇项目认定标准变化与国家减排政策变化耦合效应最强。在仅考虑异质耦合情景下,国家减排政策变化与碳市场供给变动耦合效应最强。在同时考虑2种耦合效应情景下,国家减排政策变化和碳市场供给变动耦合效应最强。

4) 自然、技术、市场、政策风险对项目整体风险的贡献程度及其耦合强度不同。结合风险水平和风险耦合效应,市场风险和政策风险不仅对项目整体风险水平的贡献程度较大,且具有较强的耦合效应,在风险监管中应当格外予以重视; 尽管技术风险与自然风险具有较低的风险水平和耦合效应,但是异质耦合效应在耦合路径上的传导会使整体风险被放大,在风险监管中也不容忽视。

基于上述研究结论,本文认为在林业碳汇项目风险监管中,不仅要关注风险水平本身大小,更要重视风险间的耦合效应,需从源头上防范风险之间的演化与整体风险水平的上升。具体而言:

1) 从项目主体的角度考虑,在项目开发过程中应当密切关注国家减排政策及碳市场相关政策,根据政策的变化及时调整开发策略,按照方法学要求和作业设计严格实施,提高项目备案成功率和核证减排量签发率; 制定科学的风险防控规划,降低森林火灾等自然风险及其耦合效应对项目造成的损失。

2) 从政府部门的角度考虑,应当维持减排政策和碳市场相关政策的相对稳定,维持项目参与者对政策的信任度,调动和维持项目参与者开发项目的积极性,降低政策不确定性对项目风险的影响。

需要说明的是本文也依然存在一定的不足,需要后续跟进研究与完善。一是由于林业碳汇项目起步较晚、经营周期长,已有的相关历史数据积累较为缺乏,本文主要依托领域内权威专家对风险做出评价,不能完全地克服主观性,需要后续跟进研究: 一旦有更多的历史数据积累,可以基于历史数据做出更为客观的评价。二是本文在运用SD方法进行林业碳汇项目风险评价时,为简化分析过程,假定风险耦合系数为常数,尽管耦合系数在相对短的时间周期内,变化并不明显,但在较长的开发周期内,因技术和管理水平的变化,部分风险因子的风险水平将会发生变化,耦合系数也将有可能发生相应变化,同样需要后续跟进。

免责声明

我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自各大过期杂志,内容仅供学习参考,不准确地方联系删除处理!