Ù J. Sys. Sci. & Math. Scis. 34(1) (2014, 1), 64 76 µ Agent Đ Ô Ý Ê ¹ ± Í» ¹ ½ ¼ ¾ º ( Ä Ø³º гÅ, 311300) ÊÙ» Agent º, Ùµ ³ ÏÈ«, Ð ½ Ĺ Í Æ, ±Ã Â ß Ö, ² Ð È.» ¼: à Р«Đ ¼, Ä ÙÖµÁ à º ½ ¹, ½ Ä ¹ Ê Ó Ý Ü Ô Ý Ó, Á ÈÌ Æ, Ä ÅÈ Đ ½ Ä Å ÝÙ Ï. Á» Agent º, ÏÈ«, ½ Ä, Í,. MR(2000) ¼ 91B76, 90C05 SIMULATION RESEARCH ON THE DECISION-MAKING MECHANISM OF REGIONAL FOREST CARBON SEQUESTRATION OPERATION BASED ON MULTI-AGENT SYSTEM LONG Fei SHEN Yueqin WU Weiguang ZHU Zhen ZHANG Zhe (Economic and Management School, Zhejiang A & F University, Hangzhou 311300) Abstract Based on multi-agent system interaction rules, using an integration algorithm under the uncertain condition, the model of decision-making mechanism of regional forest carbon sequestration operation is proposed, and the Zhejiang Province artificial forest example as a case is simulated and analysed. The results show that Õ É³Ë (71073148, 71273245, 71203198);» È Âɳ Ë (11YJAZH065); Ã É³Ë (LY12G03006, Y6110486); Ã È É ¼ Ë Øº Đ Å Đ (RWSKZD01-2012ZB1) ÖÌ. : 2012-10-15, : 2013-03-28.
1 «Ä«: ÊÙ» Agent º ½ Ĺ Í» 65 if the carbon tax rate is formulated according to the international standard method, which is not enough to change the farmers traditional forest operation model. The reality of the operation practice of regional forest carbon sequestration has a larger gap compared with the the government relevant planning. The two important factors, i.e., lower awareness of corporate social responsibility and higher transaction cost of carbon sequestration, constrain the development of the forest carbon sequestration trading market. Keywords Multi-agent system (MAS), integration algorithm, forest carbon sequestration, decision-making mechanism, simulation. 1 Ø ¼ Ã Ò ¾ «³Ç, Ý Ò ¾ Ï À µ Ò Ó ³ Ï, ³ Ç Ö [1], Î, Ú Á Å ¼ ëµÒ¾, Ü Û ³, ÉųÉÒ¾ Û Ö Ã Ç ± Ó ¼ Ã Ì Ï, ¾ Ì Ï Å Ã Ó Ó Ø Í ³ Ö ¼ Ã Đ Û Ø Ø ³, Î, º É Ø º Agent ¹ ß ¼ Ã Ì Ï, Õ ± Ç, Ó Û É Ü Æ Õ Ä, ± ½ Ò Ü ± ³ µ ß ¼ Ø Å. Ö, Ã Ì Ï ± º. Ü ± Ò µ ß ¼ Ã Ë Ü Ü Þ Ò ¾ Ü ± Þ ¾ Û Ü ± Ï µ ¾ ± Ç : ² Stainback ³ Alavalapati [2] Ó Hartman Ç Ú Ñ ³ ĐÛ Ï Ù ; Hoen ³ Solberg [3] Í Ú (LP) Å ¼ µ Ø Ã Ø Ë ; Newell ³ Stavins [4] Í Ø ¼ ų, Ó ÅÎ ¹ ± Ç ; à µ Ø Ï, Æ Á Å [5], µ Å [6] ØĐ Ü ¾, ëĐÛ ³ Ø«Û, ë««Ûµ¼ à ± Ç. Õ Ü ± È ¹  ¼ à Ë,  «Ð Ò Ë Ü Î Þ Ü «: ² Englin ³ Callaway Ó 10 200 / ² Ø Õ Û, Ñ, ± Ò ¹ Faustmann Ñ, Û Ø Õ É [7]. Nhung [8]  ³ Ú Õ, «¼¾ ³ ÃØÅ Ö ÜØÚ ¼ Ï, Ç Ó Í Ñ. Brown ³ Corbera [9] Ó Ü Ó Ë ½ º ¼ à Š³ Ê Í ³ Å. ³ [10] Ø Ï Þ CDM Ì Ï ß ¼ Ã Ø Ø Ã, ÉØ «Ó ÌÏ ¼ ± Ý ³ º ß ¼ ÑØ ÉØÚ «Ø ¼ ˳Á. ÙÜ Ã Ì Ï Đ É É, ¾ Ü Û ßĐ Ó Ü À Û ÚÜ Î, ÃÚ ÎÑØÑ Ç Ù, É Ú Ù Ï ² Ú Ú, Î Í ½ Û ß Đ Ó Ü Í Û Ú º, ÉÒÒ Ë ÍÛ ÐÒ [9, 11, 12], ¾ µ ¼
66 º È ² Ü Ý ² 34 ½µ Ë ÆÇ, Î, ÞÉ Ú Ü½, Ü Ü ³ ËÅÉ, ²µÂ½ Ïż ÛÌÏ«ÐÒ, ؼ ½ Ë ½ Ë Ç± «Ç, Ô. Æ ¾ É Ø º Agent ¹ (MAS) Û Ð Ô Ë Û Ì Ï Ç Í Ð Ò, Ô, Ø, «È Ųµ, ß Ò Ò,  «È Û ßĐ Ó ÍÛÈ ÀÛ ÁÙ [12, 13], Ô µ ß¼ Û ¹ ß, Ë ¹ Ï Ü Ã ÌÏ Ã Đ Ç ±, Ó Ø Å ³ Ò É Ç Ê. É Ø º Agent ¹ (multi-agent system, MAS) Å Ì Û «µç Ï ¹± Û Ó Ç Þ, Ö Á ØĐ Ëº. ÑØ MAS ÊÂ Đ Ó Ó, Í ³Çº ÞØ Agent, ØÇ ÞØ Agent µ ³ À ¾ Ì Ï, Ç Õ µ Þ, Í MAS «µ Đ Ó Ó Ø. ²µÅ ³ ¼«, Í Ø ÓÈ Đ Ó, Ö Á Ç MAS ܼ. Ó ± ½ Ò³Ü [11], È Ì ÅØ Ú [12], È Ó ÚÍÛ Å Ø CA Å ÏÕÞ ÉÒÇ Ú [13], Ö Ó Ú. ÆÉØ «Agent, Ø ² ÎÇÅ Ø ß ¼ Ã, µ MAS Û Ú Ø. 2 Õ ÞÆ Ø Agent Agent Æ 2.1 Ó Ü Å Agent Ü MAS ß, ˱ ¼ Ã Ä Ä ÑÚ ²Æ Agent Ç ¹, ¾ Agent ¾ Ò, Ó É Ø É. ¾ Ò Ò Agent: Agent, Agent,  Agent. ¾ Agent ²Æ ËÊ Ù : Agent Ç, Ó Æ», ± µ Ò ¾, Agent È Â Agent Đ¼ ³, ¼ Ã Ä ÇÛ ³, Ï Ä, Ç ÈÀ Ú µ à ÉÅÚ, ß Û ; Agent ±, ² Å Ð Æ Ç, Ï Ã Ø Õ, Đ Ã, Û Ä;  Agent ± ³ Ã, Å Ã ËÛÓ, Û Ä, ÉÅÊÐ Ã, ß Ã. ¼ Ã Ä ¾ Agent Đ, «³ «²ÆÍÛ, Ú«, µ Agent ²Æ «Û³. Ø ¼ Ã Ä ¹ ² ½ 1. 2.2 Agent Ø Ö ¼ Ã Ä Ó Ò ³ ÜØÉ [5, 6, 10], Î Ú Agent ( Agent, Agent Û Â Agent) À Û Ç Õ Á» ŲÆ, Ò - ÀÛ Þ Æ²Æ, Agent µò¾
1 «Ä«: ÊÙ» Agent º ½ Ĺ Í» 67 µ ¼ Ã Ä ÇÛ ³ Ò «, ¾ 1 ½ Ä Å» Agent º ¾ Agent Û Â Agent µ ¾ «Ì Ï, ß Ö Î ², Agent µ à ÄØÕÉ Ø, Ú Agent ². 2.2.1 ³¾ Agent Ö¼ Ã Ä Ò ½³Ò ½, Ë,   ¼ Ã Ä Ë Ç Û ³ Ü Î, µ Ë Ö Ì Ý Ð Æ Ê, Ë ÞÖ, ³, Ö Æ Á ÞÁ [10], «Ø Ö, Ë Á É Å µ  ¼ ( à ) ³ (Ü Ø ), ÉÅ¹Õ Û Ë Â ³» À, Î, Æ º Â Ë Á Ã, ß µ Ò ¾ Ï, Å Û [14] Ï, TC lt ( TC lt = 1 ω + ψ H N t Y lt, (2.1) Ξ Θ t /t C), l Ï ÓÈ, t Ï ÇÛ, ω CO 2, ψ Ò, H Ò¾µÖÒ CO 2 Þ ¹ Ü, Ξ ÖÒ CO 2 Þ Å, Θt t Ç Ö Ò CO 2 Þ, N t t Ç Ü, Y lt l Ó È t Ç Á ³. 2.2.2 Agent «Ò µ,, Ü Ö Ð Æ, Ê Â Ü ¼ à ½ ½ È ½ Æ Á Þ, Ø Ö ¼
68 º È ² Ü Ý ² 34 à Ä, ÜµØ ÓÙ Ä, ¼ ÃĐÛÉÒ Í Ù Ö, Î Ø Õ Ò Ñ«, Ò ¼, «Ø  À ÇËÅ Þ Ï Ü ØÕ [15 17]. Ñ Ø ÖË Â ÉÅ, ²ÓÏ ØÕ É Õ, Æ,  ( «Á)» «Þ logistic Ç«Ñ Ø Õ Ú [15, 18, 19], Ï ² 1 PC lt = 1 + exp[ (d + t G l E l )] TC lt Ω lt (2.2) Ï, PC lt Ú Ã Ø Õ, d Ú Þ; G l Ú GDP, E l Ú Ð Ü, G l Û E l ÊÎÚ «ØË ; Ω lt Ú À ³ Ü, À ³ÈÜ Ð ÁÅ Â É Á Å. 2.2.3 Agent Ø Æ [6, 10] Ø Ä Ø Õ Ã ³ Ü Ù, Ö Ë Ä ³ Ò Ü Ö Ø Ò ³ ( ) Ø Õ Þ Æ ²Æ, Î Ø Õ ³ É Ç,, Ñ Ø Ö µ Ó Ù Ã, ¼ ÃĐÛ ÍÙ, Î ³Â ÛÉÒ Þ Æ²Æ, É ÑØ Ø Õ ½ Í Â ¼, Ø Õ Ç Ñ Â ¼.  «Ø ½, ¼ ß Ø Ó Ë Ö [20], Î, ², Â Ü Ï Ø Õ, Đ ¹¼ ÏÛ¼ Ã Ï Ë Ë± ¼ Ã. Æ ¾ Faustmann [8] ( É Å ¼ Ë) Å ¹ ¼ Þ Ä Î Ï Ø Å, ¾ É Ø Faustmann É ± Faustmann-Hartman [8] ( Ç Å ¼ ³ Ã Ü Ë) Å ¼ Ã Ï Þ Ä Î Ø Å, ܽ ū ˱ ¼ Ã. ¹¼ Ï Faustmann Þ Ä Î Ø Å Å Ï BLV f = [PF lt Q(t)e rt C(Q(t))e rt C f ](1 e rt ) 1, (2.3) Ï, BLV f ¹¼ Ï ÞÄ Î Ø Å, r É Ó, ƾ Ò Ó 5.5% Å; PF lt ¼ Ø Õ, Q(t) t ¼ ¾ Þ, C(Q(t)) ¾ Ç, C f Ç ³ Ç, Ü Ü Â É º Ç «Å. ²  ± à Ï, ¹ ¼ Ï ¼ Ë, Å Ö ¼ à Ë, Å º Ü Ç, Î, à Faustmann-Hartman Þ Ä Î Ø Å Å Ï [ BLV c = PF lt Q(t)e rt C(Q(t))e rt C f t ] + α PC lt Q (t)(1 λ)e rt d(t) PC lt α(1 β)q(t)e rt ηc g 0 (1 e rt ) 1 (2.4) Ï, BLV c ¼ Ã Ï ÞÄ Î ØÅ, PC lt ØÕ, α ² ¼ Î Ú Ú Ü, Æ ¾ Ç Ú Ü 0.215; λ ¼ à Ä
1 «Ä«: ÊÙ» Agent º ½ Ĺ Í» 69 Ç Ü; β Â ß ¼ Þ Õ, ¾ Ò 5%, C g ² ¼ Ñ ½Ï ÁÌÀÇ, η Á ½ Ï Ü, Ü É ºÛØÓ Ç«. Æ Ã Û ¹ Ú Ü, Ç ¾ ¹ Ï Ç Ü C f. 3 Úϲ Ð Õ ÞË Ä Æ Ë «Á Þ «º Õ. «Ë ¼ÚÀ, 16 Ø Á ( ) Ê. «Á Ò Ó Þ Î 82.09 Đ (hm 2 ), Ü Î 20.02%, Î 4993.66 ² (m 3 ), Ü Î 23.03%, «Á Ú Ü Ú, «Á¼ ÃØØ Ó Ã Ø Å. 3.1 Ùα Ù À ܺ ² Û Ì Ü, Ç Ø 2011 7 Æ ³ 2012 7 8 Æ, «Á 11 Ø ÕØ ( ) Ì «230  ±,  ¹ Þ ¹ Ï. Å Ü ²,, Æ Đ, Matlab µ Ü ± Ç, Ú Ü Í Ð Ô Í, Ü Í Ç. «Á Þ ¹ Ï Þ Ä Î Ø Å (BLV f ) Å Û Í Ç n Ê(BLV f ) = p i BLV fi, (3.1) σ(blv f ) = i=1 D(BLV f ) = n p i (BLV fi i=1 n p i BLV fi ), (3.2) Ï : p i ²,, Î Ø Î Õ, BLV fi ² Þ Ä Î Ø Å. Â, BLV f Ç ³ Ü ϕ(x) ϕ(x) = i=1 1 e (x Ê(BLVf)2 2σ 2 (BLV f ). (3.3) 2πσ(BLVf ) Ü Ù Â Agent (2.3), Å Ç Ü Ú ³ Ï (3.1), (3.2) Å Ê(BLV f ) = σ(blv f ) = n p i BLV fi = 66569.70, (3.4) i=1 D(BLV f ) = n p i (BLV fi Ñ, Þ Ä Î Ø Å Ç ³ Ü ϕ(x) Â, BLV f Í N(66569.70, 3122.18) Ç. i=1 n p i BLV fi ). (3.5) 1 ϕ(x) = e (x 66569.70) 2 2 3122.18 2, (3.6) 2π 3122.18 i=1
70 º È ² Ü Ý ² 34 3.2 Ò³ÐÂ»Û Ó Ü É µ «Ã Æ ½ µ «Â Agent Ç Ø ß ( «Áß) ¼ à ÌÏ. ÍÛ Ä, Â Ø ¼ Î Ø ß¼ Î Ú É. ¼ Ü Æ Õ º É [12, 13], Æ Ø ² ÎÇÅ, «Ü Ç Ú É,  ߼ Ã Ì Ï Í Û Þ. Ú Ì ² : Ü 3.1 Õ Ü Ç Û Ü, «Á Þ ¹ Ï Þ Ä Î Ø Å, Ü Ù Â Agent (2.4), Ö ³ à Ë, Þ Ä Î Ø Å Å BLV c, ¼ Æ Õ [2, 7, 20], BLV f Û BLV c Ç, Ñ Ø Ã Ø Õ, Î BLV c Ø Å. Ë ± «Á Þ Æ Ò Á ¹ Á Ø Â, Ø «Á ß Þ Ã ÌÏ Ò, ÃØÕ», ÞØ Agent ÞÄ Î BLV c Û BLV f Ö, Â Ë ± ¼ Ã, Ø ß Ê Â Ù ² Î Ç Å :  ¹ Ï ± Î «Á Þ Î Õ F S [ BLVc (x Ê(BLVf) 2 ] 1 2σ Fs = 1 e 2 (BLV f ) dx I {BLVC>BLV f }, (3.7) 2πσ(BLVf ) Ñ Â ¹ Ï ± Î S F Ï, S Ú «ÁÒÓ Þ ¹ Ï ± Î S F [ BLVc S F = 8.209 10 5 1 1 e (x 66569.70) 2π 3122.18,  ± ¼ Ã Î Î Õ C s = Ñ Â ± ¼ [ BLVc 1 2πσ(BLVf ) à ΠS C I {BLVC>BLV f } = 1, (3.8) I {BLVC BLV f } = 0. (3.9) S F = S F S, (3.10) Î, Ö 82.09 hm 2, ÅÜ ÜÚ³  2 2 3122.18 2 dx (x Ê(BLVf) 2 2σ e 2 (BLV f ) dx Å Ü Ü Ú ³  ± ¼ à ΠS C [ BLVc S C = 8.209 10 5 1 e (x 66569.70) 2π 3122.18 ] I {BLVC>BLV f }. (3.11) ] I {BLVC>BLV f }. (3.12) S C = S C S. (3.13) 2 2 3122.18 2 dx ] I {BLVC>BLV f }. (3.14)
1 «Ä«: ÊÙ» Agent º ½ Ĺ Í» 71 4 Agent Ð Õ ÞË º²½ 4.1 ÖÀ ««Á ß Þ Ã «º Õ, ¾ NetLogo Matlab µ ± Û Ç. NetLogo Ø º Agent Ç, Ç Û ¹ Û, Æ, Å Ç Û Þ (time stage) Ú Ø Õ Þ (price stage), µ Ø Õ»,  Agent ± ¼ Ï, 1. ÅË ² : Ø NetLogo Ñ Agent Ç: Patch, Turtle ³ Observer, Patch  ½ Õ Ï Ç Đ ¾, Turtle Ê Â Û Û Patch ±, Ä Patch È ½ Í Patch. Observer Ú Ï Ø Ë. Î Ç, Ë ±» Patch Ü Þ Ä Î, Î Å 100 100 Ø, Patch Ö Ñ Ü Ø Þ (BLV c Û BLV f ), Agent ³ Agent ¾ Ü Ø Þ Å Đ, Î Agent ³ Agent Patch Ò Ö,  Agent À Turtle, Õ Å Ì Ì Ç 200 Ø Turtle, Ç Ç Ü, ¹¼ ½ Turtle, ˱ ½» ÚÜ Turtle, ÜÞ 100 Ø, ¼ à ½ Turtle, Ë ±» Ú Ü Turtle, Ü Þ 100 Ø, Ü Turtle, µ Patch Ö Ç : ² BLV c Ö Ø BLV f, ¼ à ½ Turtle Ä Patch, Ë, ¹¼ ½ Turtle Å Patch. Ù «Â Agent ¼«, Ë ± Ë Þ Ú ÛÒ Î ÕË, ÕË, ˱ ØÜØ Þ (globals): ¹ ¼ Ï Î (f-model) ³ ¼ Ã Ï Î (t-model), Þ µ  Agent Þ, (3.4), (3.5), (3.6), (3.7) ±, Ò, Ü Þ Ú ½ Ü Ï µ Ø Õ. 4.2 ÙÑ Å Ë Ü Ü «Å Ç Ç : ¾ É º Ü Å Ç «, ² «Á Þ ¹ Ï Þ Ä Î Ø Å (BLV f ) Å Û Å Ü; Ú Ú ¹ Ç«, ² «Á GDP (G l ), «Á Ð Ü (E l ) Å Ü; Á Ü Æ Õ Đ Ç «, ¾ Ü Ñ Ø Đ, «Å, Û ¾ Ü «Å», 1. 4.3 Ç» Ð Ë±Ü Ù Ü±, ½ 2. ½ 2 ÊÂÄ, ÜÒÓ Ü«Å, ÃØÕ 110 /t C(Î 1, ØÕ ¹ Ü), Ø Õ»,  ¹ Í ¹ ¼ Ï, Å É Ç ½, Î ¹ ½» ÚÜ Turtle, ¼ Ã Ï Î. Õ ÜÞ Ú½ ¹¼ Ï Î (f-model) Ú È Ì ±, ¼ Ã Ï Î (t-model) Ú Ø Ü.
72 º È ² Ü Ý ² 34 1 Æ ºÈ Ý Æ Ý Ì± Æ ßÅ Ý CO 2 ω 0.14 mg ÆÇÖ [7] [8] [14] µó ψ 5 % ÆÇÖ [14] Ó CO 2 ß º Ý H 0.1 % ÆÇÖ [2] [4] [7] Ó CO 2 ß Æ 1.2 tr(t C) ÆÇÖ [1] [3] [4] Ó CO 2 ß θt 760 bi(t C) ÆÇÖ [2] [4] [9] Ý Nt 6.91 bi ÆÇÖ [14]  Y l t 16126 /p ÆÇÖ [22] Á Ý Ω l t 103.31 % ÆÇÖ [23] ½ Ä ÅÈ Ý λ 21.71 % ÆÇÖ [20], ÙÔÀ ¾ 2 ÓÔ ÙÖÐ ¾ Ò Ë±, Ò 5%, ÖÒ CO 2 Þ, Ü, Á ³, À ³ ÜÇ «Í Ö, 3.2%, 1.2%, 8%, 3.31%, Û ØÕÜ, ØÕ»,  ¾ ¹¼ Ï (f-model) Û Ã Ï (t-model) ÎÅ,» ½». Ì 1 ØÕ Ø 110 /t C 341 /t C ¾Ø Û (µ ÜÞ Ú ½ º Å µç«), Â Í ¹ ¼ Ï, 341 /t C à Î, ¹ ¼ Ï (f-model) Î Ã Î Æ, Ç Ã Ï (t-model) ÎÃÎ, Å ÉÇ ½ Ð ¹Ç ÎÁ» ÚÜ Turtle, ½ 3. Matlab µ Ü (2.1) Û (2.2) Å, ØÕÔ 341 Û. /t C «7 Ç ¾ 3 ÙÖ 110 341 /t C È ¾ Ì 2 ØÕ 559 /t C Ç (µ ÜÞ Ú½º Å µ Ç «), Ç Ü Ï Î Ü Å, ½ 4. Matlab µ Ü (2.1) Û (2.2) Å, Ø Õ Ô 559 /t C «13 Ç Û.
1 «Ä«: ÊÙ» Agent º ½ Ĺ Í» 73 ¾ 4 ÙÖ 559 /t C È ¾ Ì 3 ØÕ 1028 /t C Ç, Ç ¹± ¼ Ã, ½ 5. Å É Ç ½, Î ¹» Ú Ü Turtle, ¹ ¼ Î. Õ ÜÞ Ú½ ¼ Ã Ï Î (t-model) Ú È Ì ±, ¹ ¼ Ï Î (f-model) Ú Æ Ì ±. Matlab µ Ü (2.1) Û (2.2) Å, Ø Õ Ô 1028 /t C «18 Ç Û. ¾ 5 ÙÖ 1028 /t C È ¾ µ Ù ÅË ØÕ Ç ÇÛ ØÕ «Á Ñ ¹ Ú Ã Î± Ø ¹ Ç, ˱¾ Matlab ¹ Þ µ É ± Ù, ½ 6 Û 7. Ñ Ø Matlab É Ò Ûº ÑÚ Ò, ½ 6 Ë ± ¾ Ú Ò. ¾ Ò È», Ñ Ø «Á Ö Á ± ³ à ( «Á Ê Ð Æ ) Ã Î Ô 33.20 Đ [23], Î, 80.29 Đ ± Ú ÉÓ 47.09 Đ, Ú Ë ² ½ 7. ¾ 6 µ ÙÖÐ È ÈÜ
74 º È ² Ü Ý ² 34 ¾ 7 µ ÙÖÐ ÛµÏ 5 È ß ÆÉغ Agent ¹, ¾ Ø ² ÎÇÅ, ß¼ Ã Ì Ï,  «Á Þ Õ, ± Ç.» 1) Â Ö Å», à ØÕ 110 /t C, Ø Õ», Â Å Í ¹ ¼ Ï, Â Ø Õ 341 /t C,  ½Ñ Ú ¼ Ã, ØÕ 1028 /t C,  Š¹Ú ¼ Ã. Ö Ú Ü Ü Å Ä, Ø Õ 341 /t C ³ 1028 /t C Ç 7 ³ 18 ÇÛ, ¾ÛË Ö Ï Ü ¼ à ³ ³Ð Æ Ò Ö [24, 25]. Ê Ö ¼ Ã É Ä, Ö Ë ¼ Ã É Ä Ø Õ Ø 110 /t C, «Á Ì Á Ò ¼ Ã Õ Ûà Õ, ² 2011 ÐÍÑ Ó Á Ê ÐÆ «Ï Ä, ÄØÕ 18 /t C; 2006 ÐØ «Åß CDM, Ä Ø Õ 4.35 /t C, «Ü Ø 28 /t C; 2009 Æ ¹ CDM, ÄØÕ 6.5 /t C, «Ü Ø 41 /t C. ¾ À   ² Ø Õ Ô Ç Ä Î Ò : Ö Ñ Ó Áó Ê ÐÆ Â¼ º Ë Ë, ¼ ËØÅ Ë, ÃØÕݺ Ò ³ ÇÊ, à ÄÇÊ; ÌØÁ Ë É Å CDM, ¹ Õ ± Û ( Â Ñ É, 50 ²Ó¼, 1989 12 Æ 31  ¼ ), Ì ÀÇ ¹, Æ º µ «Á Ê Þ, Å ¼Ø Õ Ë È, à ³ Ã Ì À Ç, Í Ã Ä Đ Û Ø Õ. 2) à Ä, À ± ¼ Ã Ä ³ Ø Î, Ü «Í ²,, À ³ Ü (Ω lt ), Ø Õ, ¼ Ã Ä ³. Ð Ë Ö Ì Ý Ð Æ Ê,  Ïû, À Ç Û¼ Ã Ä Ò Î. Ü Ç 2011 À ÏÓ ÎÆ [22], Ë Ö À ³ È Ü, Á 19.7 Ç, Á 3.31%, Î, ² µ À ÇË, Í º Î Û Ê ÐÆ Ã Ã Ä Æ,
1 «Ä«: ÊÙ» Agent º ½ Ĺ Í» 75 Ë ¼ Ã Ä Ö ³ ². 3) Ã Đ Û Â Ä, ² ¼ Ñ ½Ï ÁÌÀÇ C g ³ ¼ Ã Ä Ç Ü λ ¼ Ã Ï Þ Ä Î Ø Å Ü Ø Î,, C g Ò Ñ Ö ¼ ÄØÕ, ÛË Ö ³»Ü ; λ Â Û Ö ¼ Ã Ä ³ Ò Ü Ü, Ü AxelMichaelowa Å ± ½ º», Ö CDM ÄÇ, 115 ÅÕ, ² Ã Ä ØÕ 22 /, ÉÓ 50000 CO 2 ½ÀÓ Ó ; µøã CDM,, ÄÅ «Í 210 310, Ã Þ Ø 300 Å Í Ó Ê ½, µ Ø 20 à CDM, Ì Đ 15 CO 2 ½ «Í», Î Ù ¼ É 8 16 /hm 2 Å, Ì 2500 5000hm 2 Î [20]. ² ÄÇ, ÖÖ Äß Ø, Æ ¼ à µ Äß Ø, ¹ Ï «Ö ¼ Ã Ä Ó ³. Æ º», ² Å Ã Ä Ç Ü λ,  ¼ Ã Ç Ø Õ Ê Æ 20% Å Õ. Ù º Ç Ê Ø 1) Ç ± Ó ¼ Ã Ì Ï Ã Đ Û Ø É Ï «. Å Æ Ï Ò Í Ë ¼ Ò º, Â, Ñ, ³ ¹ Ç Ç ÖË ¼ Ò [26, 27], ¾ ¼ Ò ÑØÓË«Û ², Í, ¼ Ë Å À Ò. ¾ µ Ø Ü ³ Û Ì Ï, Ç Ä» ¼ ÃĐÛ Ï, µ¾ ĐÛ ÏÖÂÇ ÛË, µ ĐÛ Ï Ã Đ Û Ø Û Í Ö Â Û, Å Ü Ï Đ Ç ±. Æ Ö µâ Ò ³Ãº, ± ³Ã³µ ¼ º, Å Ç. Ò 2) Ä», ¼ Ò Î. «ØÅ Ã Ö Ø ², À. ¼ Ò Â Ä ³ Ö Ó ± ¼ à Ø, ß Ñ Ë Å À Û ¹, Ç ± Ó ¼ Ï Õ Å µ Ä» Ò ± ¼ Þ, Ò ± ¼ Ã Î Ó Ö ±«, Å µ Ë Ã ³. 3) Ä ³ µ ¼. ¼ Ò µ à Ã, µ Ü, ¼ Ø Å, Ç Ó Ö, ¾ Ü ½ À µ ¼ Ã Đ Û Ø Ø, Î, ż, Ã Đ Û Ø Ø Û «Ø ³Ã º. Å [1] UNFCCC. Methodological issues, land-use, land-use change and forestry. Submissions from Parties, SBSTA 13th Session, Lyon., 2000, 9: 11 15.
76 º È ² Ü Ý ² 34 [2] Stainback G A, Alavalapati R R. Economic analysis of slash pine forest carbon sequestration in the sourthern U S. Journal of Forest Economics, 2002, 8: 105 117. [3] Hoen H F, Solberg B. CO 2-taxing, timber rotations, and market implications. Critical Reviews in Environmental Science and Technology, 1997, 9: 151 162. [4] Newell R G, Stavins R N. Climate change and forest sinks: Factors affecting the costs of carbon sequestration. Journal of Environmental Economics and Management, 2000, 40: 211 235. [5] ±, Ñ,. ¾ Å ³ µ. ¼, 2005, 1: 1 5. [6], ¹,. ¾ Å Æ ÔÞÝÙÙ. ɳ, 2007, 7: 106 111. [7] Englin J, Callaway J M. Global climate change and optimal forest management. Natural Resource Modeling, 1993, 7: 191 202. [8] Nhung T H. Forest management for carbon sequestration: A case study of eucalyptus urophylla and acacia mangium in Yen Bai province. Vietnam. Final Report EEPSEA, Singapore, 2009. [9] Brown K, Corbera E. Exploring equity and sustainable development in the new carbon economy. Climate Policy, 2003, 1: S41 S56. [10],. ¾ Å ¼ ÔÞ ³ µ Ì. º, 2011, 3: 96 99. [11] Evans T P, Hugh K. Multi-scale analysis of a household level agent-based model of land cover change. Journal of Environmental Management, 2004, 72: 57 72. [12] Ligtenberg A, Wachowicz M, Bregt A K, Beulens A, Kettenis D. A design and application of a multi-agent system for simulation of multi-actor spatial planning. Journal of Environmental Management, 2004, 72: 43 55. [13] Torrens P M, O Sullivan D. Cellular automata and urban simulation: Where do we go from here? Environment and Planning, 2001, 2: 163 168. [14] Van Kooten C G, Binkley C S, Delcourt G. Effect of carbon taxes and subsidies on optimal forest rotation age and supply of carbon services. American Journal of Agricultural Economics, 1995, 77: 365 374. [15] ÛÝ,,», à ¾. ÇÂ̾ÉÌÀ λ ݼ., 2011, 7: 34 39. [16] ³Ñ½, Õ. Æݺ ±À Kuznets ÅÛ. غ, 2011, 11: 134 138. [17] ÎÀ. Þ ËÎ µê. ÔÛº, 2006, 2: 5 8. [18],, Ð. ËÚ¼ ±» ÎÝÀ Ô. ɳ D : ɳ, 2006, 11: 1027 1036. [19] Ñ, Á. Logistic Ç É.»É³ÝÞ³, 2012, 32(4): 507 512. [20],. Ó± ¾ Å µ., 2011, 1: 117 119. [21] Þ, Ô Ä, Ë. Å Ð ÐÉ Ý. ÐÝ Ð É³, 2008, 6: 84 92. [22] Õ».» Đ. :», 2012. [23] ÄÒ. Ð Â Ô: Ð Â ¼ Ñ. : ÂɳÈ, 2011. [24],, Ð. Õ Æ Ý µ ¼. :, 2012. [25] ÑÅ,, À. ÅĐ ¹ Ð É. ¼, 2006, 3: 1 5. [26] à ¾,, É, Ð, ÛÝ, Î, ½,, Î Û. ÅÚÌ ÇÂÊ Ý Ì. Ô ¼ ³µ, 2006, 1: 15 20. [27] ÎÁ,. Ì Ò µùù Ó À É.»É³ÝÞ³, 2011, 31(3): 299 311. [28], Æ,, Ñ. Ì ± Ó É. º, 2008, 9: 27 38.