基于选择实验法的巴基斯坦开伯尔-普什图省森林生态系统恢复经济价值量化研究

《Scientific Reports》：Household willingness to pay for forest ecosystem restoration under climate risk perception in Khyber Pakhtunkhwa Pakistan

　　**摘要**南亚的山区森林生态系统提供了水源涵养、生物多样性和生计服务，数百万下游及森林邻近家庭依赖这些服务，但由于这些服务是非市场化的，其损失很少被纳入指导恢复投资的正式成本效益分析中。巴基斯坦开伯尔-普什图省（KP）的森林退化对该地区的水源完整性、生物多样性以及依赖森林的农村社区的生计构成了严重威胁，而该地区生态系统恢复的经济价值在实证上尚未得到量化。本研究采用选择实验法，以InVEST模型校准生物物理参数来确定属性水平，从五个属性——林冠覆盖率、碳汇、生物多样性、水源保护及休闲质量——调查家庭对森林生态系统恢复的支付意愿（WTP）（实验设计的全部细节，包括D效率统计数据，见方法论部分），研究对象为开伯尔-普什图省加拉伊森林管理区430户依赖森林家庭的分层随机样本。每位受访者完成三个选择任务，每个任务包含两个森林恢复方案和维持现状方案，共产生1,290个选择决策和3,870个方案级观测值（长格式）。偏好异质性通过混合Logit模型（ML）和潜类别模型（LCM）进行建模，并整合耶鲁大学改编的气候风险感知量表作为类别归属协变量。研究结果表明，抽样家庭强烈偏好两种恢复方案而非不干预的维持现状，即延续当前森林状况持续恶化的趋势，其中生物多样性和水源保护被评为最高价值的属性，反映了家庭生计对这些服务的直接依赖。潜类别模型识别出三个可解释的偏好群体——生计导向型、保护导向型和支付抵抗型，其中气候风险感知显著预测保护导向型类别的归属。在混合Logit模型下，家庭平均支付意愿为每年755巴基斯坦卢比，在按类别份额加权的潜类别模型下为每年818巴基斯坦卢比；将潜类别模型的补偿性剩余（每户每年8,411巴基斯坦卢比）汇总至全部森林邻近家庭，得出年度恢复总效益为3.617亿巴基斯坦卢比（约合129万美元），比混合Logit模型的估计值高出约7至8%。四面板稳健性检验验证了这些福利估计的可靠性。研究结果为开伯尔-普什图省森林恢复政策提供了实证基础的福利依据，包括分层的社区森林保护基金设计、减少毁林和森林退化碳排放（REDD+）共同融资谈判，以及印度河流域生态服务付费方案的开发。