基于情景的哥斯达黎加生态系统服务支付与森林碳融资评估

《Land Use Policy》：Scenario-based assessment of payment for ecosystem services and forest carbon finance in Costa Rica

　　• 匹配基线框架比较了不同的森林碳融资路径。• 公共的数量指标区分了支付 Passion for Sustainable Energy (PES)、Gold Standard for the Global Goals (GS4GG) 和 Verified Carbon Standard/Verra (VCS/VERRA) 中的价格和选定的费用效应。• 案例 A–B 提供了主要的比较；案例 C–D 则评估了结构价格敏感性。• 条件价格水平区间改变了价格，而数量、费用和折现率保持不变。• 某些 PES 改革在政策实施前需要单独的实证评估。

1. 引言
加快气候变化的步伐——包括海平面上升、食物系统风险和极端天气——突显了将全球变暖限制在 1.5°C 内的紧迫性（IPCC，2023）。基于土地的减缓措施越来越依赖于治理安排，这些安排决定了森林如何获得资金、受到监测以及如何被纳入土地利用政策中，同时也影响着公平性、市场合法性和环境可信度（Lau 等，2025；Karhunmaa，2025）。碳信用认证系统将科学估计转化为独立验证的减排或碳清除量，同时需要治理、透明度和方法一致性来支持市场的可信度和完整性（自愿碳市场完整性委员会，无日期；Verra，2025；黄金标准基金会，2024）。然而，持续存在的问题——包括方法上的碎片化、漂绿现象、监督不力以及实施能力不均衡——仍然削弱了自愿碳市场和森林信用市场的合法性（Peixoto de Mello，2024；Wetterberg 等，2025）。像 Verra 的 Verified Carbon Standard (VCS) 和 Gold Standard for the Global Goals (GS4GG) 这样的自愿碳标准在全球市场上变得日益重要，因为它们结合了基于绩效的认证、基于注册的监测和独立验证流程。随着碳信用在各个减缓领域引起经济关注，自愿碳市场也变得越来越具有政策相关性，而第 6 条下的发展进一步加强了注册链接、透明度和机构协调的重要性（世界银行，2025；Michaelowa 等，2023）。相比之下，哥斯达黎加的环境服务支付计划（PES；西班牙语：Pagos por Servicios Ambientales, PSA）通过一个国家管理的结构运作，该结构优先考虑广泛的区域覆盖和稳定的支付（Murguia 等，2022；Fondo Nacional de Financiamiento Forestal [FONAFIFO]，2025a）。对哥斯达黎加 PES/PSA 计划的实证评估表明，保护效果和福利结果取决于具体情境，会随着基线森林砍伐压力、土地所有者特征、空间定位和治理结构的不同而变化。早期的国家和地区层面的研究发现，PES 对森林清除和森林覆盖的影响微小或具有空间依赖性，而最近的全国家范围和以治理为重点的评估继续强调目标定位、制度设计和当地实施条件是计划效果的关键决定因素（Murguia 等，2022；Brownson 等，2020；Arriagada 等，2012）。这些证据提醒我们不要将 PES 支持记录直接解读为额外的碳交付量，并强调了透明基线、目标定位和场景假设边界的必要性。尽管哥斯达黎加的 PES 计划是运行时间最长的全国性 PES 计划之一，但尚未在结合生态支持重建、匹配基线经济核算、选定费用处理和条件价格水平模拟的共享长期框架下与 VCS 和 GS4GG 进行比较（Murguia 等，2022）。
本研究开发了一个匹配基线框架，以在 2024–2060 年的时间范围内比较哥斯达黎加的 PES 计划与 GS4GG 和 VCS。该框架结合了基于遥感的生态支持重建、基于点的 PSA 诊断、共同的匹配数量、明确的价格和选定的费用案例、折现后的收入核算以及条件价格水平模拟。这种方法的可转移贡献在于，在无法直接使用原始数据和核算架构比较不同制度路径时，能够区分数量、价格、选定的费用、折现和条件价格水平效应。主要分析对所有三条路径应用了统一的年数量指标，而次要分析则对每条路径应用了统一的哥斯达黎加 CO? 支持数量。案例 A 和 B 提供了主要的共同数量和共同价格比较，而案例 C 和 D 评估了特定路径的价格假设作为结构敏感性。因此，该分析不对制度绩效进行排名或预测认证信用的发行；它评估了匹配的数量、价格假设、选定的费用、折现率和条件价格水平变化如何影响假设驱动的森林碳融资结果。
健全的碳市场治理对于可信度、可及性和长期计划绩效至关重要（Wetterberg 等，2025）。参与程度部分取决于参与者对市场要求的了解以及他们认为自己遵守这些要求的能力（Cammarata 等，2024）。同时，关于认证系统中超出碳的价值以及气候商品化的广泛社会后果的辩论突显了市场设计中透明性、社会合法性和公平获取的重要性（Koronka 等，2022；Redvers 等，2025）。在实践中，治理碎片化、透明度不足、社区参与度有限以及监测/报告限制可能会削弱实施效果和社会包容性，特别是在国际碳市场框架与当地治理安排不完全协调的情况下（Lau 等，2025；Wetterberg 等，2025；Redvers 等，2025；Ahonen 等，2022）。在比较 PES 和自愿标准时，这些治理限制尤为重要，因为实施可行性、数据可用性和制度适应性对于基于场景的碳和收入结果至关重要。
因此，该分析解决了三个操作任务：首先，重建哥斯达黎加的生态支持指标，并为其在情境分析和次要分析中提供保守的扩展；其次，建立适用于 PES、GS4GG 和 VCS 的主要和次要匹配数量；第三，在案例 A–D 和条件价格水平变化下比较总收入、费用调整后的收入、累计费用调整后的收入以及费用调整后收入的现值。传统的随机森林扩展方法和 GS4GG 模型校准的重建方法仅作为补充性的方法诊断工具保留。这种分析框架将研究定义为一种假设驱动的匹配基线比较，而不是认证级别的信用模型、因果生态预测、盈利能力评估、制度绩效排名或哥斯达黎加未来森林状况的预测。

2. 方法论
使用 Google Earth Engine (GEE)、Python 和 GIS 工具进行地理空间分析，以重建哥斯达黎加的与森林相关的碳支持指标、树盖面积、森林变化变量和选定的环境输入。这些生态指标为情景比较提供了保守的生态支持变量，具体输出结果取决于数据来源的分辨率和工作流程设计。

2.1. 生态研究设计、数据来源和分析边界
本研究结合了遥感数据、表格数据和行政边界数据，量化了哥斯达黎加的 CO? 固存/移除支持值、树盖面积、森林损失、累计森林增长支持、静态碳移除参考层、土壤温度和校准后的地上生物量（AGB）。该框架采用了混合尺度设计，环境输入数据要么作为国家年度序列，要么作为省级年份表格，以便进行保守的扩展和情景分析。在 Google Earth Engine 中实现了基于栅格的处理（Gorelick 等，2017）。森林覆盖和森林损失支持层是根据 Hansen 全球森林变化数据集重建的，通过定义 2000 年的基线树盖面积 ≥ 10% 的土地，并从年度损失层中减去 2001–2023 年的累计年度损失来重建；森林增长被视为 2000–2012 年的累计支持，而不是直接观测到的逐年增长序列（Hansen 等，2013）。树盖面积是从 MODIS Vegetation Continuous Fields 产品中单独重建的国家年度树盖面积序列（DiMiceli 等，2021）。其他输入数据包括来自 NASA GLDAS-2.1 Noah Land Surface Model L4 3 小时每 0.25° 产品的土壤温度值（NASA Goddard 地球科学数据与信息服务中心，2025）、根据标准化生物量-碳密度参考值校准的 GEDI 年度地上生物量密度值（Spawn 等，2020），以及来自 FAO GAUL 2015 的一级行政边界（联合国粮农组织，2015）。然后通过 Python 将栅格和表格输出数据协调起来，生成年度表格、进行省级合并、一致性检查以及保守的实证扩展。

2.2. 生态指标重建和保守扩展
省级 CO? 支持值被组织成一个统一的年度省级年份表格，用于保守扩展，而不是对未来固存、移除或信用发行的因果预测。工作流程保留了年度总 CO? 支持字段，排除了单位不一致的标准化字段，在存在重复的有效省级年份记录时进行了平均处理，并仅对由有效历史值限定的短期内部间隙进行了插值。为了质量控制和可视化，导出了诊断性的上下限范围，但这些范围被视为启发式的诊断性范围，而不是正式的统计置信区间。经过清理的历史/重建的省级数值被保留到最新可用年份。历史时期之后的数值通过方程（1）定义的保守的无反弹规则延伸到 2060 年：
$$
\begin{align*}
\mathbf{Q}_{spu}(\mathbf{t}) &=
\begin{cases}
\mathbf{Q}_{hd}(\mathbf{t}, & \text{如果 } \mathbf{t} \leq \mathbf{t}_l \\
\mathbf{Q}_{hi}(\mathbf{t}), & \text{否则}
\end{cases}
\end{align*}
$$
其中：
- $$\mathbf{Q}_{spu}(\mathbf{t})$$：年份 t 的省份 p 的标准化 CO? 支持数量；
- $$\mathbf{Q}_{hd}(\mathbf{t})$$：年份 t 的省份 p 的清理后的历史/重建 CO? 支持值；
- $$\mathbf{Q}_{hi}(\mathbf{t})$$：年份 t 的省份 p 的最终有效历史 CO? 支持值；
- $$\mathbf{Q}_{rn}(\mathbf{t})$$：省份 p 的最近有效历史 CO? 支持值的中位数；
- $$\mathbf{t}$$：年份索引；
- $$p$$：省份索引。
该规则防止了未受支持的后期增加和无限制的趋势外推，同时保留了清理后的历史序列。树盖面积、森林损失、土壤温度和校准后的地上生物量密度同样使用最近值的持续性或有界的最近中位数逻辑进行了扩展。总地上生物量支持值是根据校准后的地上生物量密度和树盖面积序列得出的。森林增长被保留为静态的累计 Hansen 2000–2012 年支持变量，而静态的 2020 年 CO? 移除参考层被保留为基准年的生态支持参考。详细的生态重建、汇总、诊断和支持变量方程在补充表 1 中报告。

2.3. 匹配基线的 PES、GS4GG 和 VCS 对比框架
由于特定路径的数据来源、资格规则和核算边界不足以支持共同的碳产出排名，因此使用匹配的数量指标对 PES、GS4GG 和 VCS 进行了评估。主要分析为每条路径分配了 2024–2060 年间的每年标准化数量 1000,000 Mg CO?e。第二次哥斯达黎加分析对所有三条路径应用了相同的年度标准化 CO? 支持数量。
PES 记录和 FONAFIFO 统计输出被保留用于 PSA 覆盖范围的诊断（Fondo Nacional de Financiamiento Forestal FONAFIFO，2025b）。Verra 注册记录用于记录 VCS 的制度背景和选定的费用（Verra，2026），而 Gold Standard 影响注册记录用于记录 GS4GG 的相应情况（Gold Standard，2026）。协调的气候支持输入数据用于第二次哥斯达黎加支持分析（Mu?oz-Sabater 等，2021）。注册记录没有被解释为可比较的年度发行信用或退款序列。随机森林输出和存档的 GS4GG 模型被排除在主要和次要分析之外，仅作为补充性的历史诊断工具保留。

2.3.1. 数据边界和分析角色
PES 组件使用点级的 PSA 合同记录进行空间分配和覆盖范围诊断。合同面积是从清理后的 AreaPSA 字段中提取的，排除了缺失或非正数值。在将空间层协调到统一的投影坐标系统后，PSA 点被分配到各个省份和原住民领土。仅将剩余的 FONAFIFO 比较字段保留为未解决的覆盖范围参考，并未用于替代基于点的累计总数。由于 2019 年之前的点记录覆盖范围非常有限，因此较早的记录被解释为不完整的空间覆盖，而不是较低项目活动的证据。
Verra 和 Gold Standard 注册记录用于记录制度背景和选定的路径费用，而不是用于构建可比较的年度碳数量。因此，主要和次要分析对 PES、VCS 和 GS4GG 应用了相同的数量。随机森林输出和存档的 GS4GG 模型被排除在这些分析之外，仅作为补充性的历史诊断工具保留。

2.3.2. 遗传路径特定的随机森林模型
使用历史拟合指标、扩展窗口的逐步验证以及与历史平均值、最后观测值的持续性和最近中位数的比较来评估遗传路径特定的随机森林模型（Breiman，2001）。由于这些随机森林模型未能始终优于最强的简单时间基线，依赖于不对称的路径特定输入，并且在某些情况下与冲突的继承输出谱系相关联，因此被排除在主要和次要分析之外。这些遗传情景扩展被视为诊断性构建，而不是认证级别的 A/R 会计：正式的 A/R 程序要求在项目层面估计碳储量及其变化（清洁发展机制，2013），而存档的 GS4GG 重建没有复现完整的 Gold Standard A/R 方法（黄金标准基金会，2022）。遗传路径方程在补充表 2 中报告；基于点的 PSA 重建以及遗传的 GS4GG 和 VCS 实施在补充表 3–5 中记录；整合的性能和基准诊断在补充表 6 中呈现。

2.4. 匹配基线经济核算
经济核算是在 2024–2060 年的时间范围内进行的，使用两个相同的共同数量基准：每年标准化数量 1000,000 Mg CO?e 和年度统一的哥斯达黎加 CO? 支持数量。该框架没有重新估计生态固存量，也没有使用特定路径的随机森林输出作为经济数量。案例 A 和 B 构成了主要的比较，分别结合了共同数量和共同价格，包括有无选定的路径特定费用的情况。案例C和D被保留作为结构敏感性分析，分别结合了通用数量和特定路径的价格假设，考虑了有无选定费用的情况。通用价格分析使用了7.5亿美元、15亿美元、25亿美元、50亿美元和147亿美元二氧化碳当量的价格网格。在结构敏感性分析中，支付生态系统服务（PES）使用了7.5亿美元二氧化碳当量的固定研究代理值，该值基于自愿市场背景（Forest Trends的生态系统市场，2024年），而GS4GG和VCS的价格路径则分别从50至100亿美元二氧化碳当量和50至147亿美元二氧化碳当量线性增加（高级碳价格委员会，2017年；联合国召集的净零资产所有者联盟，2024年）。这些值是分析性价格假设，而非实际观测到的特定路径市场价格。年总收入是通过将通用年数量乘以适用价格计算得出的。在案例B和D中，减去了GS4GG和VCS的注册、审核、发行、转让、退役和账户费等选定费用，以获得调整后的收入（Standard，2025年；Verra，2024年）。PES没有被分配GS4GG或VCS特定的费用类别。之后，年度调整后的收入以3%、5%和7%的折现率累计并计算其现值。2025-2026年的官方公共服务署（PSA）支付值仅作为背景信息保留，并未用于碳价格或收入计算的直接输入（环境与能源部，2025年）。完整的假设和费用范围见补充表7。

案例C和D被保留作为结构敏感性分析，分别结合了通用数量和特定路径的价格假设，考虑了有无选定费用的情况。通用价格分析使用了7.5亿美元、15亿美元、25亿美元、50亿美元和147亿美元二氧化碳当量的价格网格。在结构敏感性分析中，PES使用了7.5亿美元二氧化碳当量的固定研究代理值，该值基于自愿市场背景（Forest Trends的生态系统市场，2024年），而GS4GG和VCS的价格路径则分别从50至100亿美元二氧化碳当量和50至147亿美元二氧化碳当量线性增加（高级碳价格委员会，2017年；联合国召集的净零资产所有者联盟，2024年）。这些值是分析性价格假设，而非实际观测到的特定路径市场价格。年总收入是通过将通用年数量乘以适用价格计算得出的。在案例B和D中，减去了GS4GG和VCS的注册、审核、发行、转让、退役和账户费等选定费用，以获得调整后的收入（Standard，2025年；Verra，2024年）。PES没有被分配GS4GG或VCS特定的费用类别。随后，年度调整后的收入以3%、5%和7%的折现率累计并计算其现值。2025-2026年的官方公共服务署（PSA）支付值仅作为背景信息保留，并未用于碳价格或收入计算的直接输入（环境与能源部，2025年）。完整的假设和费用范围见补充表7。

案例C和D被保留作为结构敏感性分析，分别结合了通用数量和特定路径的价格假设，考虑了有无选定费用的情况。在结构敏感性分析中，PES使用了7.5亿美元二氧化碳当量的固定研究代理值，该值基于自愿市场背景（Forest Trends的生态系统市场，2024年），而GS4GG和VCS的价格路径则分别从50至100亿美元二氧化碳当量和50至147亿美元二氧化碳当量线性增加（高级碳价格委员会，2017年；联合国召集的净零资产所有者联盟，2024年）。这些值是分析性价格假设，而非实际观测到的特定路径市场价格。年总收入是通过将通用年数量乘以适用价格计算得出的。在案例B和D中，减去了GS4GG和VCS的注册、审核、发行、转让、退役和账户费等选定费用，以获得调整后的收入（Standard，2025年；Verra，2024年）。PES没有被分配GS4GG或VCS特定的费用类别。年度调整后的收入随后以3%、5%和7%的折现率累计并计算其现值。2025-2026年的官方公共服务署（PSA）支付值仅作为背景信息保留，并未用于碳价格或收入计算的直接输入（环境与能源部，2025年）。完整的假设和费用范围见补充表7。在主要的标准单位分析下，案例A对PES、GS4GG和VCS/VERRA产生了相同的经济结果，因为这三种路径都使用了相同的年产量1000,000 Mg CO?e、相同的价格50美元/Mg CO?e?1，且没有费用。因此，2024年和2060年每种路径的年总收入和调整后的收入均为5000万美元。2024年至2060年的累计调整后收入分别为18.50亿美元、11.42亿美元、7.018亿美元，对应的折现率为3%、5%和7%（见图4）。

**图4.** 在主要标准单位分析下的匹配基准收入、费用和现值结果。
(a) 主要案例A-B的年调整后收入。
(b) 案例A-D的累计调整后收入。
(c) 具体价格网格下的选定费用负担。
(d) 3%、5%和7%折现率下的调整后收入现值。案例C-D是结构敏感性分析。

案例B保持了相同的数量和价格，但引入了特定的路径费用。由于分析范围内未包含费用扣除，PES的结果没有变化。GS4GG的累计调整后收入减少到18.39亿美元，VCS/VERRA的累计调整后收入减少到18.40亿美元，分别反映了1077万美元和1003万美元的选定费用。在5%的折现率下，相应的现值为8.722亿美元（GS4GG）和8.726亿美元（VCS/VERRA），而PES为8.773亿美元。在50美元/Mg CO?e的统一价格下，选定费用使累计收入分别减少了0.582%（GS4GG）和0.542%（VCS/VERRA）。

案例C和D使用了特定路径的价格轨迹作为结构敏感性分析，同时保持了相同的标准化数量。在没有费用的情况下，PES的累计调整后收入为2.775亿美元，GS4GG为27.75亿美元，VCS/VERRA为36.45亿美元。在5%的折现率下，相应的现值为1.316亿美元、11.87亿美元和14.79亿美元。在案例D中，由于选择了费用，累计调整后收入分别减少到27.64亿美元（GS4GG）和36.34亿美元（VCS/VERRA），而PES仍为2.775亿美元。这些差异源于指定的价格轨迹和选定的费用安排，而非数量不等或机构绩效差异。

在7.5至147美元/Mg CO?e的统一价格网格下，GS4GG的绝对累计费用效应固定为1077万美元，VCS/VERRA为1003万美元，但随着价格上涨，它们的比例负担有所下降。确定的年、累计和现值结果总结在补充表13中，统一价格网格下的选定费用效应报告在补充表14中。这些结果是基于假设的情景估计，并不代表利润、完整的项目经济学、认证信用发行或机构绩效排名。

**3.5. 条件价格水平模拟结果**
主动条件价格水平模拟使用了10,000次平均保持对数正态价格抽取，变异系数分别为0.05、0.10和0.20。每次抽取中对PES、GS4GG和VCS/VERRA应用了相同的价格乘数，而数量、选定费用和折现保持确定性。因此，模拟仅隔离了条件价格水平的变化，而不是全面的经济或认证不确定性。实施的设计和验证检查总结在补充表15中。

在主要标准单位分析下，案例A按构建产生了所有路径相同的条件区间。在案例B中，确定的累计调整后收入分别为PES 18.50亿美元、GS4GG 18.39亿美元、VCS/VERRA 18.40亿美元。在价格变异系数（CV）为0.10时，相应的P10–P90区间分别为16.19–20.97亿美元、16.08–20.86亿美元和16.09–20.87亿美元。将价格CV从0.05增加到0.20时，由于应用了相同的随机价格乘数，路径间的差异仅来自确定的选定费用，区间宽度从大约2.35亿美元扩大到9.31亿美元（见图5）。

**图5.** 条件价格水平模拟区间：
(a) 主要案例B的累计调整后收入；
(b) 主要案例B在5%折现率下的调整后收入现值；
(c) 主要案例C–D在CV=0.10时的情况；
(d) 次要案例B的累计调整后收入。
点表示模拟平均值，菱形表示确定值，条形表示P10–P90区间。

调整后收入现值的相同匹配结构也被保留。在5%的折现率和0.10的价格CV下，主要案例B的P10–P90区间分别为PES 7.68–9.94亿美元、GS4GG 7.63–9.89亿美元、VCS/VERRA 7.63–9.90亿美元。模拟平均值接近其确定值，与平均保持价格乘数和有限样本模拟行为一致。

案例C和D作为结构敏感性分析，使用特定路径的价格假设，同时保持所有路径的标准化数量不变。在没有费用的情况下，PES的累计调整后收入为2.775亿美元，GS4GG为27.75亿美元，VCS/VERRA为36.45亿美元。在5%的折现率下，相应的现值分别为1.316亿美元、11.87亿美元和14.79亿美元。在案例D中选择了费用后，累计调整后收入分别减少到27.64亿美元（GS4GG）和36.34亿美元（VCS/VERRA），而PES仍为2.775亿美元。这些差异源于指定的价格轨迹和选定的费用安排，而非数量不等或特定路径的随机冲击。

在7.5至147美元/Mg CO?e的统一价格网格下，GS4GG的绝对累计费用效应固定为1077万美元，VCS/VERRA为1003万美元，但随着价格上升，它们的比例负担有所下降。确定性的年、累计和现值结果总结在补充表13中，统一价格网格下的选定费用效应报告在补充表14中。这些结果是基于假设的情景估计，并不代表利润、完整的项目经济学、认证信用发行或机构绩效排名。

**4. 讨论**
本研究通过匹配基准的森林碳金融框架评估了PES、GS4GG和VCS/VERRA，而不是将它们视为直接等价的认证系统。最终框架结合了生态支持重建、PSA支持记录诊断、两个共同的产量基准、明确的价格和选定费用案例、2024年至2060年的现值核算以及条件价格水平模拟。案例A和B提供了主要的匹配基准比较：案例A在共同数量、共同价格和无费用的情况下产生了相同的结果；而案例B隔离了选定文档费用的影响。案例C和D仅作为结构敏感性引入了特定路径的价格假设。因此，所得到的差异是假设驱动的经济比较，不应被视为机构绩效排名、认证信用发行或特定路径的碳交付。

生态结果需要谨慎解读，因为一些明显的异常反映了数据结构和保守的扩展规则，而非直接的生态机制。总体而言，树木覆盖率有所增加，但呈现非单调趋势；森林增长不是年度恢复轨迹，而是2000年至2012年的累计汉森兼容性代理值；森林损失在2023年前观察到，之后保守地延续；校准的AGBD作为支持值稳定下来，而不是作为机械性的生物量预测。同样，省级CO?支持数量历史上有所下降，随后遵循保守的无反弹扩展。这些选择减少了不必要的外推，但也意味着后期的生态值应被视为情境支持指标，而非观察到的移除量、因果碳核算结果或认证信用。这种谨慎的解读与森林碳协议文献一致，该文献指出信用质量取决于基准设置的稳健性、额外性、持久性、泄漏和不确定性（Sanders-DeMott等，2025）。

PES、GS4GG和VCS/VERRA之间的可比性是有信息量的，但有意限制了范围。主动比较没有使用原始的特定路径随机森林数量或模板校准的GS4GG数量。相反，每个主要或次要匹配基准内所有路径都应用了相同的年产量，而价格和费用假设根据案例A–D有所不同。PSA记录提供了覆盖范围和空间背景，注册信息提供了机构和选定费用的背景；这两种来源均未被视为可比的年度发行信用或退役信用系列。这种设计避免了将不对称的机构数据结构直接解释为可比较的碳输出，这一点很重要，因为森林碳协议在额外性、持久性、泄漏和信用可互换性方面的处理方式存在显著差异（Li和Zhang，2024）。

随机森林扩展的脆弱或负面表现，以及几个工作流程中简单时间基准的较强表现，支持将它们排除在主动比较之外。因此，随机森林和GS4GG的模板校准程序仅作为补充的方法论诊断保留，不决定匹配基准的经济结果。

经济结果明确了主要匹配基准比较和结构敏感性之间的区别。在案例A下，共同数量、共同价格和费用的缺失产生了所有路径相同的成果。在案例B下，路径之间的小差异仅来自选定的文档费用安排。在案例C和D中，由于引入了特定路径的价格轨迹（有费用和无费用），出现了更大的货币差异。这些差异反映了指定的价格和费用假设，而非数量不等或机构绩效的差异。这种谨慎性与碳市场治理指南一致，强调透明度、价格发现以及防止漂绿和市场完整性风险的保护措施（国际证券委员会，2024）。条件价格水平模拟仅改变了假设的价格水平，而数量、选定费用和折现保持确定性。因此，绝对美元意义上的更大区间反映了更大的货币规模，而非任何路径中固有的更大不确定性。

该框架的政策价值是相对和诊断性的，而非因果性的。它区分了共同数量和价格、选定文档费用、特定路径价格假设、折现和条件价格水平变化的影响，但并未估计PES、GS4GG或VCS/VERRA参与对避免毁林、额外性或认证信用发行的实际影响。对于哥斯达黎加而言，该框架最适用于透明的经济压力测试：它展示了在路径间保持基础数量不变时，不同价格和选定费用假设如何影响长期收入核算。生态支持和PSA指标提供了背景信息，但并不构成合格碳供应或验证缓解结果的证明。这些发现确定了值得单独实证评估的PES改革选项；它们并未证明自愿市场路径在主要匹配基准比较下表现更好。研究未参数化改革可行性、完整交易成本、可及性效应、MRV负担或所有认证要求。因此，结果不支持 wholesale 复制自愿市场标准。更合理的含义是评估选定的调整措施——如更透明的定价规则、改进的空间目标、更清晰的碳核算边界和比例性的MRV机制——同时保持国家PES计划的可及性和社会导向。这种解读与森林碳协议文献一致，后者指出信用质量取决于基准设置、额外性、持久性、泄漏和不确定性的稳健处理（Sanders-DeMott等，2025）。

PES、GS4GG和VCS/VERRA之间的可比性是有信息量的，但有意受到限制。主动比较没有使用原始的特定路径随机森林数量或模板校准的GS4GG数量。相反，在每个主要或次要匹配基准内所有路径都应用了相同的年产量，而价格和费用假设根据案例A–D有所不同。PSA记录提供了覆盖范围和空间背景，注册信息提供了机构和选定费用的背景；这两种来源均未被视为可比较的年度发行信用或退役信用系列。这种设计避免了将不对称的机构数据架构解读为直接可比的碳输出，这一点很重要，因为森林碳协议在额外性、持久性、泄漏和信用可互换性方面的处理方式存在显著差异（Li和Zhang，2024）。

对于土地使用政策，主要含义是碳金融工具与领土目标、土地所有权条件、机会成本和行政可及性相互作用。PES的有效性不仅取决于支付水平或碳价格假设，还取决于财产权条件、交易成本、参与限制，以及支付是否针对需要额外保护或恢复的区域（Chen，2025）。结构敏感性显示，在共同数量下，更高的假设价格可以增加模型收入，但它们并未证明这些价格是可实现的，或者土地持有者能够满足相关的监控、报告、验证和交易成本要求。在哥斯达黎加，单独的实证评估可以考察改进的空间目标、透明的定价和碳核算规则，以及这些选项是否能够保持国家PES结构的广泛访问和行政稳定性。尽管案例C和D显示，在共同数量下，更高的假设价格轨迹可以产生更大的模型收入，但这些结构敏感性并未考虑全部验证负担、程序复杂性或参与所需的技术能力。这些要求可能对较小和能力较弱的参与者特别具有限制性（Cammarata等，2024）。未来的实证改革议程可以测试在保持支付型生态系统服务（PES）的公平性和可及性的同时，是否能够改进价格透明度、空间定位、碳核算边界和监测系统。数字监测和验证（MRV）以及其他低成本的监测方法可能有助于减少某些障碍，但这些是政策选项，而不是当前分析的结果验证。这一解读与文献一致，文献表明拉丁美洲的森林碳市场继续面临治理和MRV方面的限制，而新兴的指导方针强调了数字MRV和更强大的市场基础设施在提高透明度、可扩展性和可信度方面的潜力（Blanton等人，2024年；世界银行，2022年；碳市场基础设施工作组，2025年）。该工作流程也存在重要的方法论局限性：生态输入依赖于混合的空间尺度、年度记录以及过于保守的2060年预测。Hansen森林增量仅作为静态可追溯性支持被保留，因为Hansen产品识别的是2000-2012年间的累计增量而非年度增量（Hansen等人，2013年）。2020年的二氧化碳去除层被视为静态参考值，而校准后的地上生物量碳密度被用作情境支持指标，而非高置信度的长期生物量预测。传统的机器学习和GS4GG模板校准组件未能建立足够强或一致性的预测性能，因此被排除在主要和次要的匹配基线分析之外。经济输出仍然基于假设，因为它们依赖于通用或特定路径的价格假设、选定的费用计划、折现率以及所选择的匹配数量基线。条件模拟仅传播价格水平的变化；数量、费用、折现、生态输入、登记系统演变、模型结构和未来的碳标准改革均不在随机范围之内（Wetterberg等人，2024年；Araza等人，2023年）。因此，报告的P10–P90区间是条件价格水平模拟区间，而非全面的不确定性界限。未来的改进应优先考虑更高分辨率的监测、更明确地处理生态逆向风险、更好地协调路径数据结构，并减轻农村参与者的行政负担。如果使用AI支持的扩展来完善诊断框架，应强调其在环境决策系统中的可解释性和可信度，这与最近关于环境AI的指导方针一致（Schiller等人，2025年）。未来的实证评估应确定特定的PES改革选项是否可以在保持包容性的同时加强其完整性和财务可行性。

5. 结论

本研究开发了一个匹配基线框架，用于比较2024-2060年期间哥斯达黎加的PES计划与GS4GG和VCS/VERRA，但不将其原始的机构数据架构视为直接可比的碳输出系统。主要分析对所有三条路径应用了统一的年量化标准1000,000 Mg CO?e，而次要分析则对每条路径应用了相同的哥斯达黎加CO?支持量。这种设计分离了数量、价格、选定费用和条件价格水平变化的影响，同时排除了传统的随机森林和GS4GG模板校准的数量在活跃比较中的影响。

在案例A中，由于采用相同的数量、价格且不存在费用，各路径产生了相同的结果。在案例B中，累积结果和现值结果的微小差异仅来源于选定的费用计划。案例C和D由于引入了特定路径的价格轨迹（分别有无选择费用的情况）而产生了较大的货币差异。这些结果反映了明确的分析假设，而非不平等的碳量、认证信用的交付或机构绩效。调整后的费用不应被解释为利润或项目的完整经济效益，因为发展、实施、监测、验证服务、融资、土地成本和其他交易成本并未得到充分考虑。

生态和PSA（支付-Services-Analysis）结果提供了情境支持，而非直接的碳信用估算。树木覆盖面积是非单调的但总体上有所增加，森林增量作为2000-2012年间的静态累积代理被保留，森林损失和省级CO?支持量被保守地延长，而校准后的地上生物量碳密度被用作支持指标，而非机械性预测。基于点的PSA记录了空间覆盖范围、省级分配和原住民领土参与情况，但并未测量额外的碳交付或认证发行量。这些解释界限至关重要，因为生态支持指标并不是最终匹配基线比较中特定路径数量的决定性因素。

条件价格水平模拟显示，假设的价格分散程度增加扩大了P10–P90区间的宽度，同时保持了匹配的比较结构。在每次匹配抽样中，所有路径都应用了相同的平均值保持对数正态乘数，而数量、选定费用和折现率保持确定。因此，得到的区间是条件价格水平模拟区间，而非置信区间、预测区间或全面的不确定性界限。

对于土地使用政策，分析确定了一些值得单独进行实证评估的PES改革选项，而不是支持自愿市场标准的全面复制。未来的研究可以探讨更透明的定价规则、改进的空间定位、更清晰的碳核算边界和比例合理的监测系统，并评估其对可及性和国家计划社会导向的影响。当前分析并未确定改革的可行性、实现的额外性、市场价格的可达性、分配效果、认证发行或因果机构绩效。其主要贡献是一种可转移的匹配基线方法，用于比较异构的森林碳融资路径，同时明确了数量、价格、选定费用和条件价格水平变化的影响。

**作者贡献**

Andrea Navarro Jiménez：概念化、方法论、调查、数据管理、正式分析、初稿撰写、审核和编辑。

**伦理声明**

本研究不涉及人类参与者、人类数据、人体组织或动物；因此，不需要伦理批准。

**关于写作过程中生成式AI和AI辅助技术的声明**

在准备这项工作期间，作者使用了包括ChatGPT和Claude在内的AI辅助工具来支持语言精炼、方法论审查和可读性改进。

**资金声明**

本研究未获得公共部门、商业部门或非营利部门任何特定资助机构的资助。

Andrea Navarro Jiménez