基于贝叶斯网络的林业碳汇项目风险评价研究
发布时间：2021-06-01 06:39
林业增汇是应对全球气候变化的重要途径,且具有明显的成本优势。我国政府已将林业增汇作为应对气候变化的重要战略选择,并将包括林业碳汇在内的CCER项目作为减排抵消机制纳入了碳市场交易体系。随着我国碳市场建设的逐步完善,林业碳汇项目开发受到广泛关注,发展前景良好,但同时也面临诸多不确定性与风险。如何有效识别林业碳汇项目风险,并对风险进行整体测度与综合分析,不仅对企业投资决策有直接影响,更会对林业碳汇产业的长远发展产生深刻影响,但已有相关林业碳汇项目风险研究尚十分薄弱。本文在对林业碳汇项目风险来源及其影响机理进行系统分析的基础上,构建了基于贝叶斯网络的林业碳汇项目风险评价模型,并以CCER林业碳汇项目为例,测度项目整体风险水平及主要风险因子;在此基础上,通过对模型的适应性调整,比较不同类型CCER林业碳汇项目的风险差异;最后提出了林业碳汇项目风险管理的对策建议。主要研究结论如下:（1）贝叶斯网络的林业碳汇项目风险评价结果显示,我国CCER林业碳汇项目的整体风险水平中等（风险取值区间为1-3）。其中,政策风险和市场风险相对较高,风险值分别为2.150、2.022;其次为技术风险,风险值为1.92...
【文章来源】：浙江农林大学浙江省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
林业碳汇项目风险评价的贝叶斯网络结构
5林业碳汇项目风险评价分析31政策风险较大有比较统一的判断，而技术风险和自然风险的不确定性则更高。另一方面，由风险影响机理分析可知，技术风险与自然风险对项目的影响更为直接，且一旦发生，可能面临整个项目的停滞，因此考虑附较大权重；而市场风险同时受自然、技术和政策多方因素共同影响，因此考虑附较小权重。综上，本文采用上述权重计算结果进行后续分析，通过贝叶斯网络，在考虑风险发生概率、风险影响大小及风险影响关系的基础上，进一步计算林业碳汇项目绝对风险值，更为客观地比较各类风险大校5.3林业碳汇项目整体风险与主要风险因子5.3.1林业碳汇项目整体风险得到项目风险的所有初始参数后，利用Netica软件运行整个贝叶斯网络，CCER林业碳汇项目整体风险及不同风险源的初始风险状态概率分布如图5.2所示。该项目整体风险处于“R1”、“R2”、“R3”状态的概率分别为23.8%、58.9%、17.2%，处于高风险的概率较低。根据4.2.2节的风险赋值方法，风险取值区间为[1，3]，计算项目整体风险值得：1×0.238+2×0.589+3×0.172=1.932，项目整体风险的期望值接近2，表明当前条件下我国CCER林碳汇项目总体风险水平处于中等。图5.2林业碳汇项目风险贝叶斯网络初始运行结果Figure5.2InitialoperationresultsofBNforriskofforestrycarbonsequestrationproject从不同类别风险的风险概率分布结果看，市场风险处于高风险状态的概率最高，
5林业碳汇项目风险评价分析35行结果如图5.3所示。图5.3考虑不同林业碳汇项目类型的风险评价贝叶斯网络Figure5.3BNforriskassessmentconsideringdifferenttypesofforestrycarbonsequestrationProject5.4.3风险比较结果如4.1.1节所述，贝叶斯网络还能够通过相关节点的概率模拟，推断目标节点的概率分布。在本节中，以“项目类型”作为模拟节点（分别设置每一类型状态概率为100%），“分类型项目风险”为目标节点，得到不同类型CCER林业碳汇项目的风险状态概率分布如表5.7所示。从4类项目的风险概率分布来看，碳汇造林项目处于高风险的概率最大，为45.0%；其次为竹子造林项目，为22.7%；森林经营和竹林经营项目处于高风险的概率相对较低，分别为20.9%、11.4%。表5.7不同类型CCER林业碳汇项目风险模拟结果Table5.7RisksimulationresultsofdifferenttypesofCCERforestrycarbonsequestrationproject项目类型（P=100%）风险状态分布（%）风险值LMH碳汇造林项目22.932.145.02.221森林经营项目25.553.620.91.954竹子造林项目10.666.722.72.121竹林经营项目41.147.611.41.705
【参考文献】：
期刊论文
[1]基于B-S期权定价理论的落叶松碳汇造林项目经济价值评估与敏感性分析[J]. 贯君,曹玉昆,朱震锋,邹玉友. 干旱区资源与环境. 2020(01)
[2]国内外碳交易体系对构建京津冀区域性碳交易市场的启示[J]. 朱潜挺,常原华,朱拾遗. 环境保护. 2019(16)
[3]国内林业碳汇交易市场主体研究[J]. 李玲,田其云. 国土资源情报. 2019(07)
[4]各国应对气候变化自主贡献目标及林业对策[J]. 郑芊卉,周春国,韦海航,陈健. 世界林业研究. 2019(02)
[5]基于层次分析法的碳汇林经营风险评价[J]. 陈卓旋,周伟,高岚. 林业与环境科学. 2018(06)
[6]碳金融和林业碳汇项目融资综述[J]. 孙铭君,彭红军,丛静. 林业经济问题. 2018(05)
[7]基于贝叶斯网络的控排企业林业碳汇需求机理与仿真研究[J]. 祁慧博,龙飞. 资源科学. 2018(09)
[8]中国碳排放权交易价格的驱动因素[J]. 王丹舟,杨德天. 首都经济贸易大学学报. 2018(05)
[9]中国林业碳汇核证减排量项目市场发展的现状、问题与建议[J]. 曹先磊,程宝栋. 环境保护. 2018(15)
[10]国际林业碳汇交易变化分析及对我国的启示[J]. 何桂梅,王鹏,徐斌,陈绍志,何友均. 世界林业研究. 2018(05)
本文编号：3209864
【文章来源】：浙江农林大学浙江省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
林业碳汇项目风险评价的贝叶斯网络结构
5林业碳汇项目风险评价分析31政策风险较大有比较统一的判断，而技术风险和自然风险的不确定性则更高。另一方面，由风险影响机理分析可知，技术风险与自然风险对项目的影响更为直接，且一旦发生，可能面临整个项目的停滞，因此考虑附较大权重；而市场风险同时受自然、技术和政策多方因素共同影响，因此考虑附较小权重。综上，本文采用上述权重计算结果进行后续分析，通过贝叶斯网络，在考虑风险发生概率、风险影响大小及风险影响关系的基础上，进一步计算林业碳汇项目绝对风险值，更为客观地比较各类风险大校5.3林业碳汇项目整体风险与主要风险因子5.3.1林业碳汇项目整体风险得到项目风险的所有初始参数后，利用Netica软件运行整个贝叶斯网络，CCER林业碳汇项目整体风险及不同风险源的初始风险状态概率分布如图5.2所示。该项目整体风险处于“R1”、“R2”、“R3”状态的概率分别为23.8%、58.9%、17.2%，处于高风险的概率较低。根据4.2.2节的风险赋值方法，风险取值区间为[1，3]，计算项目整体风险值得：1×0.238+2×0.589+3×0.172=1.932，项目整体风险的期望值接近2，表明当前条件下我国CCER林碳汇项目总体风险水平处于中等。图5.2林业碳汇项目风险贝叶斯网络初始运行结果Figure5.2InitialoperationresultsofBNforriskofforestrycarbonsequestrationproject从不同类别风险的风险概率分布结果看，市场风险处于高风险状态的概率最高，
5林业碳汇项目风险评价分析35行结果如图5.3所示。图5.3考虑不同林业碳汇项目类型的风险评价贝叶斯网络Figure5.3BNforriskassessmentconsideringdifferenttypesofforestrycarbonsequestrationProject5.4.3风险比较结果如4.1.1节所述，贝叶斯网络还能够通过相关节点的概率模拟，推断目标节点的概率分布。在本节中，以“项目类型”作为模拟节点（分别设置每一类型状态概率为100%），“分类型项目风险”为目标节点，得到不同类型CCER林业碳汇项目的风险状态概率分布如表5.7所示。从4类项目的风险概率分布来看，碳汇造林项目处于高风险的概率最大，为45.0%；其次为竹子造林项目，为22.7%；森林经营和竹林经营项目处于高风险的概率相对较低，分别为20.9%、11.4%。表5.7不同类型CCER林业碳汇项目风险模拟结果Table5.7RisksimulationresultsofdifferenttypesofCCERforestrycarbonsequestrationproject项目类型（P=100%）风险状态分布（%）风险值LMH碳汇造林项目22.932.145.02.221森林经营项目25.553.620.91.954竹子造林项目10.666.722.72.121竹林经营项目41.147.611.41.705
【参考文献】：
期刊论文
[1]基于B-S期权定价理论的落叶松碳汇造林项目经济价值评估与敏感性分析[J]. 贯君,曹玉昆,朱震锋,邹玉友. 干旱区资源与环境. 2020(01)
[2]国内外碳交易体系对构建京津冀区域性碳交易市场的启示[J]. 朱潜挺,常原华,朱拾遗. 环境保护. 2019(16)
[3]国内林业碳汇交易市场主体研究[J]. 李玲,田其云. 国土资源情报. 2019(07)
[4]各国应对气候变化自主贡献目标及林业对策[J]. 郑芊卉,周春国,韦海航,陈健. 世界林业研究. 2019(02)
[5]基于层次分析法的碳汇林经营风险评价[J]. 陈卓旋,周伟,高岚. 林业与环境科学. 2018(06)
[6]碳金融和林业碳汇项目融资综述[J]. 孙铭君,彭红军,丛静. 林业经济问题. 2018(05)
[7]基于贝叶斯网络的控排企业林业碳汇需求机理与仿真研究[J]. 祁慧博,龙飞. 资源科学. 2018(09)
[8]中国碳排放权交易价格的驱动因素[J]. 王丹舟,杨德天. 首都经济贸易大学学报. 2018(05)
[9]中国林业碳汇核证减排量项目市场发展的现状、问题与建议[J]. 曹先磊,程宝栋. 环境保护. 2018(15)
[10]国际林业碳汇交易变化分析及对我国的启示[J]. 何桂梅,王鹏,徐斌,陈绍志,何友均. 世界林业研究. 2018(05)
本文编号：3209864
本文链接：https://www.wllwen.com/jingjilunwen/jingjililun/3209864.html
