近20年来生态补偿绩效测评方法研究综述

焦丽鹏, 刘春腊,*, 徐美

近20年来生态补偿绩效测评方法研究综述

焦丽鹏1,2, 刘春腊1,2,*, 徐美3

1. 湖南师范大学资源与环境科学学院, 长沙 410081 2. 湖南师范大学地理空间大数据挖掘与应用湖南省重点实验室, 长沙 410081 3. 中南林业科技大学旅游学院，长沙 410004

生态补偿绩效测评, 作为生态补偿“后研究”的重要内容, 对其测评方法的研究逐渐成为学术界关注的重点。以近20年来国内外生态补偿绩效测评研究文献为基础, 对生态补偿绩效测评方法进行了归纳总结。同时, 从优缺点、适用性等方面对各方法进行了对比。最后, 对生态补偿绩效测评方法研究的发展趋势进行了展望。总体而言, 在生态补偿绩效测评方法的未来研究中, 需进一步突出时空动态性、系统综合性及实践应用性。

生态补偿; 绩效; 测评方法; 对比

0 前言

党的十八大以来, 生态补偿得到政府和公众的普遍关注, 生态补偿实践得以快速推进, 生态补偿机制也在不断完善。对生态补偿的实施效果进行考核评估是生态补偿的重要内容, 也是确保其机制运行效率的核心问题[1]。从人文与经济地理等角度出发, 科学评价生态补偿项目的环境和社会经济影响, 对于指导生态补偿政策设计和精准实施至关重要。对生态补偿项目的评价已经引起了国内外学者的广泛关注[2–5]。

国外的研究以补偿项目绩效评估为主。一是生态补偿绩效的理论研究, 涉及生态补偿政策的公平性[6], 生态补偿政策对参与者的影响[7], 以及生态补偿在植被、土地、社会等方面的综合效应等[8]。二是生态补偿绩效的案例分析, 涉及国际、国家、区域等多级空间尺度。国际层面, 比较典型的如Adhikari等通过对亚洲和拉丁美洲11个国家26个案例的评述, 阐述了生态补偿绩效的主要影响因素, 并从公平、参与、民生、环境可持续等角度评估了其产出效果[9]; Grima等通过一套相互关联的环境和质量标准, 对拉丁美洲10个国家40个案例的生态补偿项目产出效果进行了评估[10]; 国家层面, Alix­garcia等探索了墨西哥国家水文付费项目对森林以及土地的影响[11]; 区域层面, Vidal等对2001至2012年墨西哥帝王蝶生物圈保护区的森林生态保护绩效进行了评估[12]。

在国内, 生态补偿绩效研究相关成果也不断涌现。从研究类型来看, 主要涉及草地[13]、流域[14]、耕地[15]、世界自然遗产景区[16]、森林[17]等生态补偿类型的研究。从研究方法来看, 生态补偿绩效评价逐渐从定性分析趋向定量研究, 主成分分析法[18]、熵权法[19]、倾向值得分匹配法[5]等定量方法得以广泛应用, 研究结果愈加精确化。从研究尺度来看, 生态补偿绩效研究逐渐从宏观尺度转向微观尺度[20], 国家及区域尺度的研究成果远少于基于地方的案例研究成果。从研究视角来看, 相对于针对政府的评价, 基于农户感知的绩效研究逐渐得到重视, 相关研究成果数量有所上升[21–22]。

总体而言, 国内外现有的生态补偿绩效测评方法类型多样、各有侧重, 没有统一的论断, 且已有生态补偿绩效评估结论差异较大[23], 不利于生态补偿实践工作的深入开展。对生态补偿绩效测评方法进行总结, 分析存在的问题与不足, 探讨需深入研究的问题及方向, 可为生态补偿“后研究”提供理论基础[20]。基于此, 本文在梳理生态补偿绩效测评方法经典研究成果的基础上, 对各种测评方法进行对比分析, 希冀为后续生态补偿绩效评价方法的选择提供参考。

1 生态补偿绩效研究回顾

1.1 生态补偿绩效的内涵

目前学术界在理论和实践中对生态补偿绩效内涵尚未形成统一认识。关于绩效主要存在三种观点: 一种将绩效与任务完成结果等同起来[24], 如Bernardin[25]认为绩效是员工在特定时间内基于特定职能或活动的产物; 一种认为绩效是活动本身, 即认为绩效是行为[26]，如Campbell[27]强调绩效不同于效果或生产率, 它是个体所表现的行为或活动; 第三种采取综合观点, 认为结果与过程共同决定了绩效水平，如英国学者Brumbrach[28]认为行为不仅仅是结果的工具, 其本身也是结果, 是为完成工作任务所付出的脑力和体力的结果, 并能与结果分开判断。基于此, 笔者认为生态补偿绩效是生态补偿政策实施的结果及其对主体行为的综合影响, 既体现在各方主体对政策的接受程度、实施后的生态效果及对社会经济的间接影响, 也体现在生态补偿政策规范化执行的效率、遵从预定项目计划的程度等方面[20]。

研究生态补偿绩效, 侧重探讨生态补偿政策实施后所产生的生态、经济和社会绩效。关于生态绩效, 具体体现在植被覆盖率、水源涵养、侵蚀控制、废物处理、滞留沙尘、生物多样性保护、养分循环等方面[13]; 关于经济绩效, 具体体现在对农户收入结构、生活水平、地区产业结构等的改善方面[29]; 而社会绩效则体现在提升脱贫率、公平分配生态补偿资金、改善基础设施、改善医疗卫生和提升社会保障等方面[13]。总而言之, 生态补偿绩效是一个综合概念、系统工程。

1.2 国外生态补偿绩效研究

从20世纪末开始, 全球环境基金(GEF)、《里约环境与发展宣言》、《京都协议书》、《生物多样性公约》等文件相继公布, 各国进行了大量生态补偿实践, 能否取得理想效果成为影响生态补偿项目可持续性的关键, 生态补偿绩效研究逐步开展, 并成为21世纪生态补偿研究的重点。总体而言, 早期研究主要关注生态补偿在环境改善方面的成效, 如生物多样性保护[30]、城市污染改善[31]等。进入21世纪, 国外研究开始关注生态补偿对利益相关者的影响, 生态补偿在造福当地生计和亲贫困方面的成效[32]、其农户认可度[33]等成为研究重点。近期, 国外研究主要关注政府行为的有效性, 包括集体奖励与个人奖励在环境保护方面的有效性对比[34]、政府干预的公平性及有效性[35]、制度设计和环境绩效之间的因果关系[36]等内容。

国外生态补偿主要采取对生态服务支付的形式(payments for ecosystem services, PES), 以Web of Science核心合集为来源数据库, 将“TS=payments for ecosystem services或payments for environmental services或ecology compensation或environmental compensation”作为主题关键词, 将“TS=grassland coverage restoration program或environmental quality incentive program或fish and wildlife conservation program或emission trading scheme或ecosystem management plan”作为补充关键词, 分别与“TS=performance或effect或effectiveness或efficiency 或achievement或outcome或benefit或 function或 impact或value或additionality”以“AND”形式组配检索, 按相关性排序筛除无效记录后, 获得文献4600篇(2005—2018), 运用软件Carrot2对检索结果进行分析。Carrot2是一个开源的基于搜索结果的聚类工具, 可将Web of Science、Google等搜索结果组织成不同的主题, 使用较多的两种聚类算法是Lingo和STC。Lingo算法首先提取聚类标签, 然后给各个标签分配文档, 形成最终聚类。STC算法主要识别在输入文档中出现次数大于1的单词和短语, 每个这样的单词或短语产生一个基本聚类, 合并基本聚类, 形成最终聚类[37]。Lingo算法可扩展性较低, 但聚类多样性高, 本文采用Lingo算法对检索结果进行分析。

从研究类型来看, 森林、土地、水、物种等资源的保护补偿绩效是国外学者关注的重点(图1)。在森林生态补偿绩效研究方面, 主要关注其对降低砍伐率的作用[11], 对土地所有者的影响[38], 以及行动者层面的生计差异对补偿效果的影响[39]等内容。在土地生态补偿绩效研究方面, 主要关注其对湿地功能维护和改善的作用[40]，对生物多样性的影响[41]等内容。在水生态补偿绩效研究方面, 主要关注其对人类和生态系统可持续发展的影响[42]，对水质改善的作用[43], 以及水基金的额外性效益评价[44]等内容。在物种生态补偿绩效研究方面, 主要关注其对濒危物种的保护作用[45]，对土地所有者支付的栖息地保护基金的实施效果[46]等内容。

图1 基于Carrot2的2005—2018年国外生态补偿绩效研究主题聚类

Figure 1 Topic clustering of foreign eco-compensation performance research based on Carrot2, 2005-2018

1.3 国内生态补偿绩效研究

以中国知网(CNKI)作为主要数据源, 以“生态补偿”“绩效”“效益”“效果”“影响”为主题关键词进行主检索, 以“退耕还林”“退耕还草”“绩效”“效益”“效果”“影响”为关键词进行补充检索, 筛除无效记录后, 共检索文献538篇。从发文数量来看, 我国生态补偿绩效研究始于21世纪初, 近20年来经历了三个发展阶段: 2000—2004年为起步阶段, 2000年我国《森林法》确立森林生态效益补偿基金制度, 生态补偿绩效研究起步, 研究成果较少, 呈缓慢增长态势; 2005—2008年为快速增长阶段, 2005年10月, 中共十六届五中全会首次要求“按照谁开发谁保护、谁受益谁补偿的原则, 加快建立生态补偿机制”, 生态补偿在我国得到全面开展, 研究成果迅速增加, 研究力度加大; 2009—2018年为波动变化阶段, 研究成果数量有降有升。2011年, 财政部会同农业部出台草原生态保护奖励补助政策, 对草原生态改善效果明显的地方给予绩效奖励, 研究成果数量随之增加。2013年11月, 中共十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》进一步确定要实行生态补偿制度, 推动地区间建立横向生态补偿机制, 研究成果数量迅速在2014年达到顶峰。2016年5月, 国务院印发《关于健全生态保护补偿机制的意见》, 要求到2020年实现重点领域和重要区域生态补偿全覆盖, 生态补偿绩效研究成果数量再次回升[47](图2)。

总体而言, 目前国内生态补偿绩效研究大致可以分为两个方面: 一是生态补偿综合绩效的研究, 涉及森林[48]、草地[49]以及流域[50]等生态补偿项目的生态、社会以及经济综合绩效; 二是生态补偿单一效益的研究, 主要对生态、社会及经济绩效[51–53]中的某方面进行单独评价。

1.4 生态补偿绩效测评方法拓展

由于生态补偿研究的多学科交叉性, 国外学者应用了信息科学、决策科学、统计学、地理学以及生态学等领域的方法对其绩效进行综合评估。20世纪末, 国外生态补偿绩效研究以定性描述为主, 实地调研、遥感图像对比等手段应用广泛[54–55]。21世纪以来, 多学科方法参与到生态补偿绩效测评中, 比较典型的有AgriPoliS模型法、系统动力模型法、模糊多准则分析法、WoodPaM模型和ALUAM-AB模型结合法、Bayes模型法等, 有效提升了评价结果的准确性。

就国内而言, 生态补偿绩效测评方法从早期的定性分析逐步拓展到定量评价。起步阶段, 主要为定性分析: 一是通过调查数据探讨生态补偿政策对发展机会增加、产业结构调整、生态环境改善、居民生态意识增强等方面的影响; 二是通过已有统计指标的变化对生态补偿政策实施前后情况进行对比分析, 从而得到概括性的结论。尔后, 随着生态补偿绩效研究的相关理论及数据获取手段的不断发展, 国内生态补偿绩效的测评方法逐渐丰富。快速增长阶段, 层次分析法、主成分分析法、综合指数法开始得到广泛使用, 对比分析法仍然占据一席之地。到波动增长阶段, 我国生态补偿绩效测评方法的定量特征已十分明显, 熵权法、因子分析法、模糊综合评价法、数据包络分析法、倾向值得分匹配法、TOPSIS法等大量涌现, 对比分析法常用于生态补偿效果的纵向分析, 生态补偿绩效测评研究愈加精确。

图2 2000—2018年我国生态补偿绩效研究文献的年度数量变化

Figure 2 Annual number of publications on eco-compen­sation performance in China, 2000-2018

2 生态补偿绩效测评方法评述

总体而言, 国内外生态补偿绩效评价方法存在差异。国外多使用各种计量模型, 在数据搜集、方法应用、效果评估的科学性等方面较为先进[56–58], 值得国内学习。数据搜集方面, 主要来源于农场会计数据、生计调查数据、区域统计经验数据、半结构访谈数据等。方法应用方面, AgriPoliS模型、系统动力模型等仿真预测模型强调“基于利益相关者建模”的思想, 重视微观个体的异质性所导致的决策行为的多样化[59], 将农户接受意愿作为评价市场与政策影响机制的关键转换器, 有助于理解人与自然复杂的生成和演化机制[60]。效果评估方面, 国外模型在整合个体行为基础上, 可耦合自然系统和社会经济系统的动态变化, 预测政策对环境的潜在影响。国内生态补偿绩效测评大致涉及指标体系构建、数据获取、方法应用三个方面。指标体系构建方面, 多使用目标分解法, 即根据生态补偿政策目标构建评价指标, 生态、经济和社会效益是学者们的重点关注目标, 结合国情也有学者把脱贫攻坚作为评价目标[14]。数据获取方面, 一种通过问卷调查、实地调研、访谈等方式获得[61–62], 另一种主要来源于各类统计资料[63–64]。方法应用方面, 学者们选取各种测评方法对数据进行分析处理, 获得生态补偿绩效现状评价结果。

2.1 生态补偿绩效测评方法分类

2.1.1 基于统计科学的绩效测评方法

统计科学是指导人们了解社会经济现象或自然现象总体数量特征的一门科学[65]。该领域的测评方法主要利用变量之间的相关性或相似性进行分析, 需要大量的统计数据作为支撑。在现有的生态补偿绩效测评方法中, 数据包络分析法、Bayes模型法、主成分分析法、因子分析法、倾向值得分匹配法、问卷调查法以及对比分析法都属于统计科学范畴。

数据包络分析法(DEA)属于非参数统计方法, 主要从投入和收益角度评价生态补偿绩效。该方法构建的指标体系包括投入和输出两个方面, 投入包括资金、实物、技术、宣传投入等, 收益则体现在政策的生态、社会、经济绩效等方面[23], DEA可以同时给出投入和收益的调整方向及建议调整值[66], 并对政策的有效性进行评价。但是DEA一般只能计算同期决策单元(DMU)的相对效率, 而DEA与Malmquist法结合则可分析DMU的时间变化。比如: 詹兰芳[67]用DEA方法对福建-广东省境内的韩江流域水资源保护补偿绩效进行了评价; 陈祥有[68]基于Malmquist－DEA法对我国南水北调中线工程所经省市的生态补偿资金财政绩效进行了评估。

Bayes模型法是一种利用概率统计知识进行分类的算法, 可明确地将先前的生态补偿信息融合在新数据分析中, 并且前后一致地传递模型中的不确定性[69]。该方法使分类评估能够用于估计变量随时间的数量变化, 在长时期生态补偿绩效评价中得到运用。图像数据、统计数据作为变量数据在该模型中具有良好适用性。比如: Duncan等[70]采用Bayes模型法比较了澳大利亚北部维多利亚森林25个栖息地恢复地点生态补偿7年后的植被和栖息地恢复状况; Felipe等[71]使用该方法对长时段环境服务付款计划背景下的意愿支付分布及社会和政治福利进行了估计。

主成分分析法(PCA)是一种多元统计方法, 可对多变量数据进行最佳综合简化, 综合指标互不相关又保留主要信息, 便于分析主要问题[23]。在具体应用中, 常作为指标权重计算方法与综合指数法联合使用。李玉文等[72]采用主成分分析法测算了我国甘肃省张掖市退耕还林政策绩效。

因子分析法是一种多变量统计方法, 主要依据变量内部的依赖关系把一些错综复杂的变量整合为少数几个综合因子。在具体应用中多将评价指标体系整合为几个影响因子, 用尽量少的不可测公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。刘盈盈[73]采用因子分析法分析了安塞县退耕还林政策的绩效水平。

倾向值得分匹配法(PSM)是基于评价指标体系构建, 使用非实验数据或观测数据进行干预效应分析的一类统计方法。该方法综合了标准的经济学范式和数量经济学的评估方法, 采用logit模型估计倾向值, 然后通过匹配变量的平衡性分析选择合适的匹配方法, 对匹配后结果进行分析可以得出影响因素的处理效应, 从而判断该因素对绩效影响的显著性。徐大伟等[5]采用倾向值匹配法等经济学技术评估了辽东山区生态补偿项目的财政绩效。

问卷调查法是使用较为广泛的一种统计方法, 其基本原理是选取目标区域或代表性较强的区域为调查对象, 依据调查目的设计评价指标以及调查问卷, 确定调查样本数量, 采用半结构访谈与随机抽样相结合的方法获取调研数据, 将获得数据与绩效测评指标及权重相结合, 运用一定的数学方法来计算综合绩效。姚小云[16]采用该方法对武陵源景区的生态补偿绩效进行了评价研究。

对比分析法是对客观事物进行比较以认识事物本质和规律并做出正确评价的方法。在具体应用中, 通常是把两个相互联系的指标数据加以比较, 从数量上展示和说明研究对象规模、水平、速度的变化[74]。数据主要来源于统计年鉴、实地监测遥感影像等。如胡振通[60]等根据《全国草原监测报告》, 使用对比分析法对阿拉善左旗、四子王旗、陈巴尔虎旗的草原生态补偿效果进行了评价。

2.1.2 基于决策科学的绩效测评方法

决策科学是建立在现代自然科学和社会科学基础上, 研究决策原理、程序和方法的一门综合学科[75]。该领域的测评方法主要利用决策思想来解决多个方案在现在或未来某一时间的排序和优选问题, 或通过模拟预测政策实施效果。在现有的生态补偿绩效测评方法中, TOPSIS模型法、层次分析法、AgriPoliS模型法、WoodPaM模型和ALUAM-AB模型结合法都属于决策科学范畴。

(3)残留有机物、矿物质和焦炭分解阶段：温度范围为400～720 ℃。在该阶段，污泥中的一些固定碳和矿物质在高温下发生分解，热解生成的大分子含碳有机物进一步发生缩合、聚合等二次反应，从而造成失重现象。由DTG曲线可以看出，此过程中最大失重速率较小，DTG曲线比较平坦。该阶段总失重率约为18.62%，在720 ℃后，随着温度和热解时间的增加，污泥样品的质量不再改变，热解反应基本趋于停止。

TOPSIS模型法即理想解法, 是一种多目标决策方法, 常与熵权法等指标权重计算方法联合使用。通过计算评价对象与最优解和最劣解之间的欧式距离, 可以获得评价对象与理想解的贴近度, 进而对评价对象进行相对优劣评价。申开丽等[76]采用TOPSIS模型法评估了浙江省重要生态功能区的生态补偿绩效。

层次分析法(AHP)是指将与决策有关的元素分解成目标、准则、方案等层次, 并在此基础之上进行定性和定量分析的决策方法。在实际运用中, 层次分析法常作为指标权重计算方法与综合指数法联合使用。邓远建等[15]运用层次分析法对武汉绿色农业产地的生态补偿政策实施效果进行了评价。

AgriPoliS (Agricultural Policy Simulator)模型法以政策模拟为基础, 能够回答“如果这样, 将会怎样”的问题, 对于提高决策水平具有重要意义。农业政策模拟器是一种区域农业结构模型, 基于代理人来研究农业结构变化中的路径依赖, 考虑了利润或收入最大化、沉没成本、规模经济、短视行为、影子价格、运输成本和机会成本等经济概念, 主要根据农场会计数据和地区统计数据得出的经验数据进行校准, 适用于区域结构变化的政策分析和实证分析。比如: Brady等[77]通过扩展的AgriPoliS模型评估了欧盟两个低密度地区用地政策改革对环境的潜在影响; Miyasaka等[78]采用基于代理人的模型考察了基于生态系统服务付费的坡地转换项目(SLCP)的生态系统服务权衡。

ALUAM-AB模型结合了自然科学和社会科学的方法, 是一种基于代理的社会经济建模, 连接了人类环境系统和包含特定内容的生态系统中的个体行为以及人类决策, 在处理土地利用动态变化方面已经成为最先进的工具。一个农场代理有自己的状态以及管理农场资源的决策机制, 利用农业部门模型ALUAM可以自适应地将其从农业部门级别降低到个体农场级别。WoodPaM是一个空间上明确的生态系统模型, 能够模拟选择性放牧产生的半开放景观结构。通过定期更新WoodPaM和ALUAM-AB之间的接口变量, 可以耦合自然系统和社会经济系统的动态变化。Huber等[79]使用该方法对瑞士侏罗山脉的牧草-林地景观进行综合研究, 探讨了PES项目对牧场保护的作用。

2.1.3 基于信息科学的绩效测评方法

信息科学是研究信息运动规律和应用方法的科学, 是由信息论、控制论、计算机理论、人工智能理论和系统论相互渗透、相互结合而成的一门新兴综合性科学[80]。该领域的测评方法以信息科学基本理论为基础, 借助计算机系统来实现预测或评价。现有的绩效测评方法中属于信息科学范畴的主要有熵权法和系统动力模型法。

熵权法以信息论为基本原理, 信息是系统有序程度的一个度量, 熵是系统无序程度的一个度量, 如果指标的信息熵越小, 该指标提供的信息量越大, 权重就应该越高。在具体应用中, 该方法根据指标值在待评样本间的差异来确定指标权重, 通过弱化和强化指标差异来较为全面地反映统计数据的效用值, 常与综合指数法联合使用[81]。张涛等[82]采用熵权法对湖北省重点生态功能区的生态补偿绩效进行了评价。

系统动力模型法是一种系统仿真方法, 也是一种认识和解决系统问题的交叉综合方法, 它基于系统论, 吸收了控制论、信息论的精髓, 主要通过分析系统行为和因果关系模拟系统的动态变化。该方法首先建立结构模型, 进而在不同的假设条件下进行计算机仿真运算, 预测各种情况下系统的动态行为, 能较好地反映环境的非线性、系统性、动态性等特征。Crookes等[83]使用该方法为进行生态恢复的8个不同案例地点建立系统动力学模型, 模拟了生态恢复的生态、水文和经济效益; Kopainsky等[84]使用该方法对瑞士农业补偿项目与环境目标的一致性进行了评价。

2.1.4 基于模糊数学的绩效测评方法

模糊综合评价法是一种基于隶属度理论的综合评价方法。该方法使用模糊数学对受到多种因素制约的事物或对象做出总体的评价, 能够对量化数据以及人的主观意识进行评估, 适用性强[86]。生态补偿政策绩效是一个模糊的概念, 在好与坏之间没有明确的界定, 选取评价指标, 经模糊综合评价法处理后可得到绩效的好坏评级, 该方法就是要解决带有模糊属性的状况。陈建铃等[87]将层次分析法与该方法相结合对福建省生态公益林补偿政策绩效进行了研究。

模糊多准则分析法是一种基于模糊集理论的多准则评价方法。政策对地方发展的影响可以分解为一系列的原则(例如经济、社会、人类、体制、文化原则), 而这些原则又可以分解为一系列标准和指标[88], 这是模糊多准则分析法评价政策影响的基本原理。模糊集理论使研究人员能够处理多形性和模糊性的概念, 包括不能用数学量化的概念。该方法主要有四个步骤: (1)开发一套PCI(原则、准则和指标); (2)实地调查; (3)数据分析; (4)统计分析。该方法在国家、州域、省域尺度绩效测评中得到应用, 比如: Locatelli等[89]应用模糊多准则分析法评估了哥斯达黎加环境支付项目(PSA)对造林的影响; Grima等[90]采用多准则分析法评价了墨西哥哈利斯科州生态系统服务付费项目对利益相关者的影响; Game等[91]使用该方法构建哥伦比亚考卡山谷省水基金项目评价指标并评价了项目的实施效果。

2.2 生态补偿绩效测评方法对比

不同绩效测评方法在客观性、时空适应性以及可操作性等方面有所差异(表1), 将其进行对比分析便于根据现实需要选择合适的测评方法。

总体而言, 国内外各种方法存在其自身的优缺点和适用性。国外绩效测评方法明确考虑了时空, 评价结果综合性强, 但在可操作性及结论的代表性方面有待增强。国内方法可操作性强, 但类型单一, 以指标权重计算方法为主, 评价结果多为数值或数值段, 难以同时兼顾时空尺度。

3 研究展望

生态补偿绩效测评方法作为我国生态补偿绩效测评研究的重要部分, 在近20年发展过程中经历了从定性到定量的演变, 测评结果愈加精确化。但对照其他领域的绩效测评方法, 结合我国生态补偿实际情况, 国内关于生态补偿绩效的测评方法仍存在一些不足, 亟需在未来研究中深化和提升。

(1)进一步加强时空动态性。国内生态补偿绩效测评方法往往只兼顾空间或时间绩效测评中的某一方面, 评价结果不够全面, 且多为现状评价, 兼顾时空、动静结合的测评方法有待扩展。在“大数据”背景下, 将“3S”技术与传统的研究方法手段相融合, 实现统计信息和空间信息的有效对接, 构建区域尺度上兼备现状评价、未来预测功能的生态补偿绩效评价模型[92], 是生态补偿绩效测评研究突出时空动态性的有效手段。

(2)进一步加强系统综合性。目前国内生态补偿绩效测评方法多样, 评价结果各不相同。即便同样采用层次分析法、主成分分析法等方法, 由于学者们的关注重点不同, 往往会赋予相关评价因子不同的权重, 导致评价结果差异较大, 可比性不高。在未来研究中, 开展不同评估方法的对比和验证研究, 评价各种方法的优劣, 选出不同区域适用度较高的方法, 形成一套成熟的计算方法体系, 可有效提高生态补偿绩效评估精度。对于比较复杂的生态系统, 可充分利用优势互补的原则, 综合应用多种方法开展生态补偿绩效评估。总之, 将生态补偿绩效测评方法系统化、综合化, 意义重大。

表1 生态补偿绩效评价方法比较

(3)进一步加强实践应用性。目前国内生态补偿绩效测评方法中缺乏仿真预测类模型, 忽视微观层面个体行为差异对综合绩效的影响, 且测评结果多为数值或数值段, 对区域生态补偿政策指导性较弱, 其实用性大打折扣。国外基于代理人的仿真模型重视微观个体的异质性对决策行为的影响, 能够在现状评价的基础上耦合自然系统和社会经济系统的动态变化, 预测政策影响, 实用性强。借鉴国外经验, 丰富国内方法体系, 进一步突出研究结果的实践应用性, 应成为今后研究的主要方向。

[1] 靳乐山, 刘晋宏, 孔德帅. 将GEP纳入生态补偿绩效考核评估分析[J]. 生态学报, 2019, 39(1): 24–36.

[2] DERISSEN S, LATACZLOHMANN U, BRAAT L C. What are PES? A review of definitions and an extension[J]. Ecosystem Services, 2013, 6(3): 12–15.

[3] KACZAN D, SWALLOW B M, ADAMOWICZ W L. Designing a payments for ecosystem services (PES) program to reduce deforestation in Tanzania: an assessment of payment approaches[J]. Ecological Economics, 2013, 95(10): 20–30.

[4] DEDEURWAERDERE T, POLARD A, MELINDIGHID P. The role of network bridging organisations in compensation payments for agri-environmental services under the EU common agricultural policy[J]. Ecological Economics, 2015, 119(2): 24–38.

[5] 徐大伟, 李斌. 基于倾向值匹配法的区域生态补偿绩效评估研究[J]. 中国人口·资源与环境, 2015, 25(3): 34–42.

[6] SIKOR T, MARTIN A, FISHER J, et al. Toward an empirical analysis of justice in ecosystem governance[J]. Conservation Letters, 2015, 7(6): 524–532.

[7] VONHEDEMANN N, OSBOREN T. State forestry incentives and community stewardship: a political ecology of payments and compensation for ecosystem services in Guatemala's highlands[J]. Journal of Latin American Geography, 2016, 15(1): 83–110.

[8] ARADOTTIR A L, HAGEN D. Chapter three–ecological restoration: approaches and impacts on vegetation, soils and society[J]. Advances in Agronomy, 2013, 120(2): 173–222.

[9] ADHIKARI B, AGRAWAL A. Understanding the social and ecological outcomes of PES projects: a review and an analysis[J]. Conservation＆Society, 2013, 11(4): 59–74.

[10] GRIMA N, SINGH S J, SMETSCHKA B, et al. Payment for ecosystem services (PES) in Latin America: analysing the performance of 40 case studies[J]. Ecosystem Services, 2016, 17(1): 24–32.

[11] ALIXGARCIA J. Forest conservation and slippage: evidence from Mexico’s national payments for ecosystem services program[J]. Staff Paper, 2012, 88(4): 613–638.

[12] VIDAL O, LOPEZ-GARCIA J, RENDON-SALINAS E. Trends in deforestation and forest degradation after a decade of monitoring in the Monarch Butterfly Biosphere Reserve in Mexico[J]. Conservation Biology, 2014, 28(1): 77–86.

[13] 刘兴元, 姚文杰, 刘宥延. 西北牧区草地生态补偿绩效评价的逻辑框架研究[J]. 生态经济, 2017, 33(1): 133–137.

[14] 唐萍萍, 张欣乐, 胡仪元. 水源地生态补偿绩效评价指标体系构建与应用——基于南水北调中线工程汉江水源地的实证分析[J]. 生态经济, 2018, 34(2): 170–174.

[15] 邓远建, 肖锐, 严立冬. 绿色农业产地环境的生态补偿政策绩效评价[J]. 中国人口·资源与环境, 2015, 25(1): 120–126.

[16] 姚小云. 世界自然遗产景区生态补偿绩效评价研究——基于武陵源风景名胜区社区居民感知调查[J]. 林业经济问题, 2016, 36(2): 121–126.

[17] 吴水荣, 顾亚丽. 国际森林生态补偿实践及其效果评价[J]. 世界林业研究, 2009, 22(4): 11–16.

[18] 陈宝新. 内蒙古草原生态补偿实践与效益评价研究[J]. 内蒙古科技与经济, 2016, 25(13): 46–47.

[19] 余亮亮, 蔡银莺. 基于农户满意度的耕地保护经济补偿政策绩效评价及障碍因子诊断[J]. 自然资源学报, 2015, 30(7): 1092–1103.

[20] 虞慧怡, 许志华, 曾贤刚. 生态补偿绩效及其影响因素研究进展[J]. 生态经济, 2016, 32(8): 170–174.

[21] 苏芳, 尚海洋. 生态补偿方式对农户生计策略的影响[J]. 干旱区资源与环境, 2013, 27(2): 58–63.

[22] 赵雪雁, 张丽, 江进德, 等. 生态补偿对农户生计的影响——以甘南黄河水源补给区为例[J]. 地理研究, 2013, 32(3): 531–542.

[23] 刘兰兰, 胡良文, 彭泰中, 等. 森林生态补偿绩效研究综述与展望[J]. 新疆农垦经济, 2017 (12): 79–87.

[24] BROADBENT J, LAUGHLIN R. Performance management systems: a conceptual model[J]. Management Accounting Research, 2009, 20(4): 283–295.

[25] BERNARDIN H J, KANE J S. A second look at behavioral observation scales[J]. Personnel Psychology, 1980, 33(4): 809–814.

[26] ARVEY R D, MURPHY K R. Performance evaluation in work settings[J]. Annual Review of Psychology, 1998, 49(1): 141–168.

[27] CAMPBELL J P. Modeling the performance prediction problem in industrial and organizational psychology[J]. Organization Research Methods, 1990, 11(3): 52–63.

[28] BRUMBRACHA. Performance management: aprocess approach[J]. Asia Pacific Journal of Human Resources, 1988, 26(2): 46–54.

[29] 王庶, 邓泽林. 退耕还林的经济效益研究[J]. 中央财经大学学报, 2016(5): 9–16.

[30] MEYER M D, SCHIFFMAN P M. Fire season and mulch reduction in a California grassland: a comparison of restoration strategies[J].Madrono, 1999, 46(1): 25–37.

[31] VOOGD H, MILLER D. Urban environmental pollution: perception and compensation[J]. Resolving Urban Environmental & Spatial Conflicts, 2000, 51(1): 137–163.

[32] KISSINGER G, PATTERSON C, NEUFELDT H. Payments for ecosystem services schemes: project-level insights on benefits for ecosystems and the rural poor[J]. World Agroforestry Centre, 2013, 20(1): 24–35.

[33] MEYER N F. Evaluating Costa Rica’s program for environmental services payments in the Monteverde region[J]. Latin American Policy, 2008, 3(2): 195–212.

[34] MIDLER E, PASCUAL U, DRUCKER A G, et al. Unraveling the effects of payments for ecosystem services on motivations for collective action[J]. Ecological Economics, 2015, 12(4): 394–405.

[35] CALVET-MIR L, CORBERA E, MARTIN A, et al. Payments for ecosystem services in the tropics: a closer look at effectiveness and equity[J]. Current Opinion in Environmental Sustainability, 2015, 14(5): 150–162.

[36] BROUWER R, TESFAYE A, PAUW P. Meta-analysis of institutional-economic factors explaining the environmental performance of payments for watershed services[J]. Environmental Conservation, 2011, 38(4): 380–392.

[37] 高凯, 阳春辉, 陶秋红, 等. 基于Carrot2聚类的垂直搜索引擎的研究与实现[J]. 河北工业科技, 2012, 29(3): 155–157.

[38] KNOOT T G, RICKENBACH M, SILBERNAGEL K. Payments for Ecosystem Services: will a new hook net more active family forest owners? [J]. Journal of Forestry, 2015, 113(2): 210–218.

[39] NEWTON P, NICHOLS E S, ENDO W, et al. Consequences of actor level livelihood heterogeneity for additionality in a tropical forest payment for environmental services program with an undifferentiated reward structure[J]. Global Environmental Change, 2012, 22(1): 127–136.

[40] MANN J, GRANT C, KULSHRESHTHA S. Economics of a pricing mechanism to compensate rural land owners for preserving wetlands[J]. Canadian Water Resources Journal, 2014, 39(4): 462–471.

[41] DRECHSLER M, JOHST K, WATZOLD F. The cost-effective length of contracts for payments to compensate land owners for biodiversity conservation measures[J]. Biological Conservation, 2017, 7(5): 72–79.

[42] ASBJORNSEN H, MAYER A S, JONES K W, et al. Assessing impacts of payments for watershed services on sustainability in coupled human and natural systems[J]. Bioscience, 2015, 65(6): 579–591.

[43] CHOWDHURY R K, RAHMAN R. Multicriteria decision analysis in water resources management: the malnichara channel improvement[J]. International Journal of Environmental Science & Technology, 2008, 5(2): 195–204.

[44] GOLDMANBENNER R L, BENITEZ S, BOUCHER T, et al. Water funds and payments for ecosystem services: practice learns from theory and theory can learn from practice[J]. Oryx, 2012, 46(1): 55–63.

[45] TISDELL C, NANTHA H S, WILSON C. Endangerment and likeability of wildlife species: how important are they for payments proposed for conservation?[J]. Ecological Economics, 2007, 60(3): 627–633.

[46] DRECHSLERD M, SMITH H G, Sturm A, et al. Cost-effectiveness of conservation payment schemes for species with different range sizes[J]. Conservation Biology, 2016, 30(4): 894–899.

[47] 汪劲. 中国生态补偿制度建设历程及展望[J]. 环境保护, 2014, 42(5): 18–22.

[48] 马楠, 徐玉霞, 郭炳强, 等. 陕北和关中退耕还林工程综合效益评价[J]. 中国农学通报, 2018, 34(20): 70–74.

[49] 李金香, 龚晓德, 李丽婷. 退耕还林与禁牧的生态、经济和社会效果评价——来自宁夏盐池县的调查[J]. 农业科学研究, 2012, 33(4): 42–46.

[50] 耿翔燕, 葛颜祥, 王爱敏. 水源地生态补偿综合效益评价研究——以山东省云蒙湖为例[J]. 农业经济问题, 2017, 38(4): 93–101.

[51] 刘军利, 秦富仓, 岳永杰, 等. 内蒙古伊金霍洛旗风沙区退耕还林还草生态效益评价[J]. 水土保持研究, 2013, 20(5): 104–107.

[52] 崔海兴, 王立群, 郑风田. 退耕还林工程社会影响比较评价[J]. 农村经济, 2008(6): 29–33.

[53] 石培基, 冯晓淼, 宋先松, 等. 退耕还林政策实施对退耕者经济纯效益的影响评价——以甘肃4个退耕还林试点县为例[J]. 干旱区研究, 2006(3): 459–465.

[54] CHOMITZ K M, BRENES E, CONSTANTINO L. Financing environmental services: the Costa Rican experience and its implications[J]. Science of the Total Environment, 1999, 240(3): 157–169.

[55] HERRADOR D, DIMAS L. Payment for environmental services in El Salvador[J]. Mountain Research and Development, 2000, 20(4): 306–310.

[56] CLEMENTS T, RAINEY H, AN D, et al. An evaluation of the effectiveness of a direct payment for biodiversity conservation: the bird nest protection program in the northern plains of Cambodia[J]. Biological Conservation, 2013, 157(5): 50–59.

[57] HEJNOWICZ A P, RAFFAELLI D G, RUDD M A, et al. Evaluating the outcomes of payments for ecosystem services programmes using a capital asset framework[J]. Ecosystem Services, 2014, 9(3): 83–97.

[58] MARTIN A, GROSS-CAMP N, KEBEDE B, et al. Measuring effectiveness, efficiency and equity in an experimental payments for ecosystem services trial[J]. Global Environmental Change, 2014, 28(9): 216–226.

[59] VOINOV A, BOUSQUET F. Modelling with stake—holders[J]. Environmental Modelling & Software, 2010, 25(11): 1268–1281.

[60] 余强毅, 吴文斌, 杨鹏, 等. Agent农业土地变化模型研究进展[J]. 生态学报, 2013, 33(6): 1690–1700.

[61] 戴微著, 谭淑豪. 草原生态奖补政策效果评价——基于内蒙古典型牧区调研的制度分析[J]. 生态经济, 2018, 34(3): 196–201.

[62] 王超, 甄霖, 杜秉贞, 等. 黄土高原典型区退耕还林还草工程实施效果实证分析[J]. 中国生态农业学报, 2014, 22(7): 850–858.

[63] 郭玮, 李炜. 基于多元统计分析的生态补偿转移支付效果评价[J]. 经济问题, 2014, 35(11): 92–97.

[64] 胡振通, 柳荻, 靳乐山. 草原生态补偿: 生态绩效、收入影响和政策满意度[J]. 中国人口·资源与环境, 2016, 26(1): 165–176.

[65] 郝丽, 刘乐平, 刘骏豪. 统计历史的发展与统计科学的智慧[J]. 统计与信息论坛, 2017, 32(11): 118–126.

[66] 孙斌, 赵斐. 基于超效率DEA模型的区域生态化创新绩效评价[J]. 情报杂志, 2011, 30(1): 86–89.

[67] 詹兰芳. 基于水足迹的流域水资源绩效与生态补偿研究[D]. 福州: 福建师范大学, 2016: 15–23.

[68] 陈祥有. 我国生态补偿资金的财政绩效评估[J]. 中南财经政法大学学报, 2014 (3): 66–71.

[69] MACNEIL M A, GRAHAM N A J. Enabling regional management in a changing climate through Bayesian meta-analysis of a large-scale disturbance[J]. Global Ecology and Biogeography, 2010, 19(3): 412–421.

[70] DUNCAN D H, VESK P A. Examining change over time in habitat attributes using bayesian reinterpretation of categorical assessments[J]. Ecological Applications, 2013, 23(6): 77–87.

[71] LAVIN F V, FLORES R, IBARNEGARAY V. A bayesian quantile binary regression approach to estimate payments for environmental services[J]. Environment and Development Economics, 2016, 22(2): 1–21.

[72] 李玉文, 徐中民. 干旱区绿洲退耕还林工程绩效评价研究——以张掖市为例[J]. 冰川冻土, 2009, 31(3): 546– 552.

[73] 刘盈盈. 安塞县退耕还林政策绩效评价[D]. 咸阳: 西北农林科技大学, 2013: 5–15.

[74] 耿建华. 对比分析法在统计学中地位的思考[J]. 统计教育, 2004(1): 21–22.

[75] 谢晓非, 郑蕊. 认知与决策领域的中国研究现况分析[J]. 心理科学进展, 2003(3): 281–288.

[76] 申开丽, 王晓艺, 张盈盈, 等. 生态屏障地区的生态补偿绩效评估研究[J]. 生态经济, 2018, 34(6): 199–204.

[77] BRADY M, SAHRBRACHER C, KELLERMANN K, et al. An agent-based approach to modeling impacts of agricultural policy on land use, biodiversity and ecosystem services[J]. Landscape Ecology, 2012, 27(9): 63–81.

[78] MIYASAKA T. Agent-based modeling of complex social- ecological feedback loops to assess multi-dimensional trade-offs in dryland ecosystem services[J]. Landscape Ecology, 2017, 11(28): 1–21.

[79] HUMBER R, BRINER S, PERINGER A, et al. Modeling social-ecological feedback effects in the implementation of payments for environmental services in Pasture- woodlands[J]. Ecology and Society, 2013, 18(2): 64–73.

[80] 王琳. 数字化语境下信息科学多元研究范式探析[J]. 中国图书馆学报, 2012, 38(6): 111–120.

[81] 吕添贵, 吴次芳, 李冠, 等. 基于TOPSIS法的赣江水源区城市发展与水资源环境协调性评价[J]. 资源与产业, 2014, 16(4): 83–89.

[82] 张涛, 成金华. 湖北省重点生态功能区生态补偿绩效评价[J]. 中国国土资源经济, 2017, 30(5): 37–41.

[83] CROOKES D J, BLIGNAUT J N, DE WIT M P, et al. System dynamic modelling to assess economic viability and risk trade-offs for ecological restoration in south Africa[J]. Journal of Environmental Management, 2013, 120(6): 38–47.

[84] KOPAINSKY B, HUBER R, PEDERCINI M. Food provision and environmental goals in the Swiss agri‐food system: system dynamics and the social-ecological systems framework[J]. Systems Research & Behavioral Science, 2015, 32(4): 414–432.

[85] 杨心恒, 顾金土. 模糊数学在社会学研究中的应用[J]. 社会学研究, 2000, 5(1): 76–87.

[86] 周超, 马海群. 基于模糊综合评价法的高校信息公开绩效评价研究[J]. 图书馆理论与实践, 2014, 6(2): 6–10.

[87] 陈建铃, 戴永务, 刘燕娜. 福建生态公益林补偿政策绩效棱柱评价[J]. 林业经济问题, 2015, 35(5): 456–461.

[88] MUNDA G. Social multi-criteria evaluation: metho­dological foundations and operational conse­quences[J]. European Journal of Operational Research, 2004, 158(3): 662–677.

[89] LOCATELLI B, ROJAS V, SALINAS Z. Impacts of payments for environmental services on local development in northern Costa Rica: a fuzzy multi-criteria analysis[J]. Forest Policy & Economics, 2008, 10(5): 275–285.

[90] GRIMA N, SINGH S J, SMETSCHKA B. Decision making in a complex world: using OPTamos in a multi-criteria process for land management in the Cuitzmala watershed in Mexico[J]. Land Use Policy, 2017, 67(3): 73–85.

[91] GAME E T, BREMER L L, CALVACHE A, et al. Fuzzy models to inform social and environmental indicator selection for conservation impact monitoring[J]. Conserva­tion Letters, 2018, 11(1): 3–11.

[92] 张学玲, 余文波, 蔡海生, 等. 区域生态环境脆弱性评价方法研究综述[J]. 生态学报, 2018, 38(16): 5970–5981.

Review of the evaluation methods of eco-compensation performance in recent 20 years

JIAO Lipeng1,2, LIU Chunla1,2,*, XU Mei3

1. College of Resources and Environmental Sciences, Hunan Normal University, Changsha 410081, China 2. Key Laboratory of Geospatial Data Mining and Application, Hunan Province, Changsha 410081, China 3. College of Tourism,Central South University of Forestry and Technology, Changsha 410004, China

The performance evaluation of eco-compensation is an important content of the "post research" of eco-compensation. Research on its evaluation methods has gradually become the focus of scholars' attention. Based on the research literature ofperformance evaluation of eco-compensation domestic and overseas in recent 20 years, this paper summarizes the evaluation methods of eco-compensation performance. At the same time, the advantages, disadvantages and applicability of each method are compared. Finally, the development trend of the evaluation methods of eco-compensation performance is prospected. In general, in the future study of the evaluation methods of eco-compensation performance, it is necessary to further highlight the spatiotemporal dynamics, overall comprehensiveness and practical applicability.

eco-compensation; performance; evaluation methods; comparison

10.14108/j.cnki.1008-8873.2020.06.027

F205

A

1008-8873(2020)06-213-11

2019-08-07;

2019-12-10基金项目:国家社会科学基金重大项目(18ZDA040)；教育部人文社会科学青年科学基金项目(16YJC840012); 湖南省科技支撑计划项目(2016SK2019)；湖南省社会科学成果评审委员会课题（XSP19YBC287）；湖南省哲学社会科学基金项目（16YBQ076）

焦丽鹏(1996—), 女, 河南郑州人, 硕士研究生, 主要从事生态补偿研究, E-mail: jiaolipeng111@163.com

刘春腊, 男, 博士, 副教授, 主要从事生态补偿与经济地理研究, E-mail: liuchunla111@163.com

焦丽鹏, 刘春腊, 徐美. 近20年来生态补偿绩效测评方法研究综述[J]. 生态科学, 2020, 39(6): 213–223.

JIAO Lipeng, LIU Chunla, XU Mei. Review of the evaluation methods of eco-compensation performance in recent 20 years[J]. Ecological Science, 2020, 39(6): 213–223.