پیش بینی قیمت تعدیل شده کربن با استفاده از تجزیه وتحلیل سری های زمانی
محورهای موضوعی : اقتصاد محیط زیست
1 - عضو هیئت علمی
کلید واژه: کربن, تغییر اقلیم, قیمت, پروتکل کیوتو ,
چکیده مقاله :
بسیاری از ابزارهای اقتصادی برای کاهش تغییر اقلیم ارائه و به کار گرفته شده اند. تجارت کربن یکی از این ابزارهای مبتنی بر بازار است که به عنوان روشی مقرون به صرفه و مناسب برای تغییر اقلیم و موضوعات محیط زیستی شناخته شده است. امروزه موضوع ترسیب کربن و تولید انرژی زیستی در مقابل سوختهای فسیلی بسیار مورد توجه دولتها قرار دارد و تلاش‌های بسیاری برای کاهش یا کنترل انتشار دیاکسیدکربن از این طریق انجام شده است. هدف از این مطالعه بررسی نوسانات قیمت کربن و پیش بینی روند قیمت بر این اساس داده های تاریخی قیمت کربن در سری زمانی 2005- 2020 است. داده ها پس از حذف تورم توسط آنالیز رگرسیون بر پایه آزمون دیکی- فولر مورد ارزیابی قرار گرفتند. نتایج نشان داد روند قیمت کربن در طی این دوره دارای نوسان بوده است. میانگین قیمت مورد انتظار کربن 3،303،589 ریال می باشد. بسیاری از ابزارهای اقتصادی برای کاهش تغییر اقلیم ارائه و به کار گرفته شده اند. تجارت کربن یکی از این ابزارهای مبتنی بر بازار است که به عنوان روشی مقرون به صرفه و مناسب برای تغییر اقلیم و موضوعات محیط زیستی شناخته شده است. امروزه موضوع ترسیب کربن و تولید انرژی زیستی در مقابل سوخت های فسیلی بسیار مورد توجه دولتها قرار دارد و تلاش های بسیاری برای کاهش یا کنترل انتشار دیاکسیدکربن از این طریق انجام شده است. هدف از این مطالعه بررسی نوسانات قیمت کربن و پیش بینی روند قیمت بر این اساس داده های تاریخی قیمت کربن در سری زمانی 2005- 2020 است.
Many economic tools have been proposed and used to reduce climate change. Carbon trading is one of these market-based tools that is recognized as a cost-effective way to change climate and environmental issues. Today, the issue of carbon sequestration and bioenergy production versus fossil fuels is great concern of governments, and many efforts have been made to reduce or control carbon dioxide emissions. The aim of this study is to investigate carbon price fluctuations and predict price trends based on historical carbon price data in the time series 2005-2020. Data were analyzed by regression analysis based on Fuller augmented Dicky after eliminating inflation. The results show that the trend of carbon prices has fluctuated during this period. The average expected price of carbon is 3,303,589 Iranian Rials.Many economic tools have been proposed and used to reduce climate change. Carbon trading is one of these market-based tools that is recognized as a cost-effective way to change climate and environmental issues. Today, the issue of carbon sequestration and bioenergy production versus fossil fuels is great concern of governments, and many efforts have been made to reduce or control carbon dioxide emissions. The aim of this study is to investigate carbon price fluctuations and predict price trends based on historical carbon price data in the time series 2005-2020. Data were analyzed by regression analysis based on Fuller augmented Dicky after eliminating inflation. the trend of carbon prices has ش fluctuated during this period. The average expected price of carbon is 3,303,589 Iranian Rials.
1. بانک مرکزی جمهوری اسلامی ایران، (1397)، «شاخص بهای کالا و خدمات مصرفی در مناطق شهری ایران» (www.cbi.ir).#
2. حاتمی، نیشتمان. محمدی لیمائی، سلیمان. معیری، محمدهادی. 1397. پیش بینی و بررسی قیمت چوب سرپای برخی ازگونه های جنگل های خزری. نشريه پژوهش هاي علوم و فناوري چوب و جنگل. 69-51 (25): 4. #
3. سعید، محسن. رعایانی، عماد، (1392)، «جایگاه ایران در مدیریت کربن در مقایسه با کشورهای منطقه خاورمیانه و شمال آفریقا و ارزیابی پتانسیل های موجود برای ازدیاد برداشت و ذخیره سازی CO2»، نشریه اکتشاف و تولید نفت و گاز، شماره 107، صفحه 31-26.#
4. طوبی عابدی، سلیمان محمدی لیمائی، امیراسلام بنیاد، جواد ترکمن. 1399. تعیین سن بهینه بهره¬برداری جنگل¬کاری صنوبر (Populus deltoides) با توجه به ارزش ترسیب کربن. بومشناسی جنگلهاي ایران. 31-22 :(8) 15. #
5. محمدی، حسین. عباسی، فایزه. کاربخش راوری، سمیه، (1395)، «ارزیابی پیامدهای اقتصادی-محیط زیستی گرمایش جهانی بر دستاوردهای اجرای پروتکل کیوتو در جمهوری اسلامی ایران»، پژوهش های محیط زیست، سال 7، شماره 14، صفحه 32-17. #
6. محمدی، زهره. محمدی لیمائی، سلیمان. 1393. پیشبینی قیمت چوب گونه‌های جنگلی در استان گیلان با استفاده از تجزیه وتحلیل سری‌های زمانی. نشریه توسعه پایدار جنگل،308-297: (9) 4. #
7. ورامش، سعید. حسینی، سید محسن. عبدی، نوراله، (1390)، «برآورد نيروي جنگل شهري در ترسيب كربن اتمسفري»، محیط شناسی، سال 37، شماره 57، صفحه 120-113. #
8. Adetoye A. M., Okojie, L. O., Akerele, D., )2018(, “Forest carbon sequestration supply function for African countries: An econometric modelling approach”, Forest Policy and Economics 90: 59–66.#
9. Asante P., Armstrong Glen W., Adamowicz Wiktor L. (2011), “Carbon sequestration and the optimal forest harvest decision: A dynamic programming approach considering biomass and dead organic matter”, Journal of Forest Economics, 17(1): 3–17.#
10. Assmuth, A., Tahvonen, O. (2018), “Optimal carbon storage in even- and uneven-aged forestry”. Forest Policy and Economics, 87: 93–100.#
11. Carbon Emissions Futures Historical Prices, (2017), Available at https://www.investing.com/commodities/carbon-emissions-historical-data.#
12. Ekholm, T., (2016), “Optimal forest rotation age under efficient climate change mitigation”. Forest Policy and Economics 62: 62–68.
13. Liu, W. Y., Lin, C. C. & Su, K. H., (2017), “Modelling the spatial forest-thinning planning problem considering carbon sequestration and emissions”, Forest Policy Economics 78, 51–66.#
14. Mohammadi Limaei, S., (2011), “Economics optimization of forest management”, Lap Lambert Academic Publication, Germany, 140p.
15. Olschewski, R., Benítez, P.C., (2010), “Optimizing joint production of timber and carbon sequestration of afforestation projects”, Journal of Forest Economics. 16 (1):1–10.#
16. Robertson, K., Loza-Babuena, I., Ford-Robertson, J., (2004), “Monitoring and economic factors affecting the economic viability of afforestation for carbon sequestration projects”, Environmental Science and Policy. 7: 465-475. #
17. Zhou M., (2015), “Adapting sustainable forest management to climate policy uncertainty: A conceptual framework”, Forest Policy and Economics 59: 66–74.#
پژوهش و فناوری محیط زیست،1400 6(9)، 51-57
| ||||||
|
[1] *پست الکترونیکی نویسنده مسئول: royaabedi@tabrizu.ac.ir
Journal of Environmental Research and Technology, 6(10)2021. 51-57
|
Prediction of carbon price forecast using time series analysis Roya Abedi11
1- Assistant Professor, Ahar Faculty of Agriculture and Natural Resources, University of Tabriz, Iran |
Abstract Many economic tools have been proposed and used to reduce climate change. Carbon trading is one of these market-based tools that is recognized as a cost-effective way to change climate and environmental issues. Today, the issue of carbon sequestration and bioenergy production versus fossil fuels is great concern of governments, and many efforts have been made to reduce or control carbon dioxide emissions. The aim of this study is to investigate carbon price fluctuations and predict price trends based on historical carbon price data in the time series 2005-2020. Data were analyzed by regression analysis based on Fuller augmented Dicky after eliminating inflation. The results show that the trend of carbon prices has fluctuated during this period. The average expected price of carbon is 3,303,589 Iranian Rials. |
Keywords: Carbon, Climate change, Price, Kyoto Protocol |
|
[1] * Corresponding author E-mail address: royaabedi@tabrizu.ac.ir
مقدمه
در سال 2005 ميلادي پروتكلي در كنوانسيون تغيير اقلیم سازمان ملل اجرايي شد كه مطابق آن كشورهاي توسعه يافته متعهد شدند در راستاي كاهش اثرات پديده گلخانه اي كه موجب گرمايش زمين و تغييراقلیم در مناطق مختلف كره خاكي شده است، ميزان انتشار گازهاي گلخانه‌اي خود را به ميزان معيني كاهش دهند. اين پروتكل كه به پروتكل كيوتو شهرت يافته است مكانيزم‌هايي را براي اجرايي شدن اين تعهدات پيش‌بيني نموده است. پروتكل كيوتو اولین گام به سوی رسیدن به اهداف کنوانسیون تغيير اقلیم سازمان ملل در راستای حفاظت و افزایش ذخایر و منابع کربن است (Robertson et al., 2004). بسیاری از توافقنامههای ملی و بین المللی از جمله توافقنامه پاریس و كنوانسيون تغيير اقلیم سازمان ملل بر ثبات کربن جو تاکید دارند. جذب و ذخیره کربن فرآیندی حیاتی در مبارزه جهانی با تغییر اقلیم است. با جذب و ذخیره دیاکسیدکربن انتشاریافته حاصل از سوختهای فسیلی از صنایع و نیروگاههای مختلف در جو از اثر گلخانه ای جلوگیری به عمل می‌آید. به این عمل ترسیب کربن گفته میشود. عمل ترسیب کربن هم بهطور طبیعی و هم مصنوعی امکانپذیر است. روش‌های مصنوعی بسیار پر هزینه است. مقادیر قابل توجهی از دیاکسیدکربن موجود در جو توسط منابعی مثل اقیانوس‌ها، سطح زمین مثل پوشش گیاهی، خاک و رسوبات گرفته و به فرم‌های دیگری از کربن ذخیره میشود. Zhou and Gao (2016) به بررسی تأثیر تجارت کربن بر مدیریت جنگل‌کاری‌های سریع‌الرشد زود بازده پرداختند. برای تعیین اثر قیمت کربن بر سن بهینه بهرهبرداری مورد بررسی قرار گرفتند. نتایج نشان داد که قیمت کنونی کربن باعث افزایش یک سال بر سن بهرهبرداری بهینه در توده‌های ضعیف و متوسط میشود. از این روش در تولید انرژی زیستی استفاده میشود که سازگار با محیط زیست است. انرژی زیستی به معنای استفاده از هر نوع ماده گیاهی برای تولید انرژی می‌باشد که گیاه مورد نظر باید توانایی تولید بیوماس بالایی را در کوتاه مدت داشته باشد مانند گونه‌هایی از گراس‌ها و گونه‌های درختی صنوبر و بید. جنگلها کم هزینه‌ترین روش از لحاظ اقتصادی برای کاهش اثرات گلخانهای و سیاست‌های اقلیمی مربوط به تعادل کربن شناخته شدهاند. ترسیب کربن در جنگلها هم توسط بیوماس سطح و هم زیر زمین انجام میشود که این دو منبع مهم ذخیره کربن به هم مرتبط هستند. بنابراین به منظور کاهش کربن در جو می‌توان سیاست توسعه جنگلها از طریق جنگل‌کاری‌ها را به کار برد. پروتکل کیوتو و توافق نامه پاریس طی مکانیسم توسعه پاک بر فعالیت‌های جنگلکاری برای کاهش گازهای گلخانهای تاکید کرده‌اند. پتانسیل ترسیب کربن برای کمک به اهداف اقلیمی نه تنها به اندازه ذخایر کربن بلکه به مقایسه هزینه‌های استفاده از سوختهای فسیلی نیز بستگی دارد. به‌طوری‌که مطالعات نشان داده هزینه نهایی افزایش ذخایر کربن بهطور قابل توجهی کمتر از هزینه اقدامات کاهش انتشار کربن در جو است. امروزه موضوع ترسیب کربن و تولید انرژی زیستی در مقابل سوختهای فسیلی بسیار مورد توجه دولتها قرار دارد و تلاش‌های بسیاری برای کاهش یا کنترل انتشار دیاکسیدکربن از این طریق انجام شده است. برای ترغیب به ترسیب کربن از طریق جنگلکاری باید پروژه از نظر اقتصادی توجیه پذیر باشد. در این راستا لازم است مدیریت بهینه جنگلها در راستای حفظ و ذخیره کربن مورد توجه قرار گیرد (Assmuth & Tahvonen, 2018). با توجه به این که کشورهای عضو اپک بیشتر به فرایند رشد و توسعه توجه داشته‌اند و مباحث محیط زیستی در اولویت بعدی آنها قرار داشته، به جهت وابستگی اقتصاد کشورهای اپک به نفت و درآمدهای نفتی و نبود سیاست‌های الزام آور برای افزایش کارایی در مصرف انرژی روند افزایش انتشار دیاکسیدکربن با افزایش درآمد تجربه این کشورهاست (محمدی و همکاران، 1395). ايران اگرچه در زمره كشورهاي صنعتي جهان محسوب نمي‌شود، به واسطة توليد نفت و فرآورده‌های نفتي كه قسمت عمدة صادرات و درآمد ناخالص ملي را شامل مي‌شود، به طور غير مستقيم سهم عمده اي در توليد مواد آلاينده از جمله دي‌اكسيد‌كربن در سطح جهاني دارد (ورامش و همکاران،1390). عضویت ایران در کنوانسیون تغییرات اقلیمی و پروتکل کیوتو از یک سو و وابستگی کشور به درآمدهای حاصل از تولید و فروش نفت از سوی دیگر، موضوع محیط زیست و تغییر اقلیم را مهم و قابل توجه نموده‌است. ایران در 18 ژوئیه 1996 (1376) به عضویت کنوانسیون تغییر اقلیم درآمد. این کنوانسیون اولین سندی است که کشورها را برای رسیدگی به مسئله تغییر اقلیم متعهد میکند. لازم به ذکر است که اجلاس اعضا به عنوان عالی ترین رکن کنوانسیون است و متشکل از تمامی اعضایی است که به طور رسمی در مورد کنوانسیون به توافق رسیده و آن را به تصویب ملی رسانده‌اند. نقش این رکن، گسترش و بررسی اجرای تعهدات موجود را با در نظر گرفتن اهداف کنوانسیون، یافته‌های علمی جدید و تأثیر برنامه‌های مربوط به تغییر اقلیم کشورها بازنگری میکند و اختیار تصویب تعهدات جدید در قالب پروتکل‌های الحاقی به کنوانسیون را داراست. از سال 1995 تا کنون اجلاس اعضا به طور سالانه در کشورهای مختلف جهان تشکیل شده‌است. جمهوری اسلامی ایران نیز یکی از ده کشور جهان از لحاظ مصرف بالای مواد نفتی بوده‌است و در میان کشورهای اوپک نیز بیشترین میزان مصرف انرژی را دارا می‌باشد (محمدی و همکاران، 1395).
مطابق با مکانیزم توسعه پاک به كشورهاي متعهد اجازه داده مي‌شود كاهش گازهاي گلخانه اي را با همكاري و در صنايع كشورهاي در حال توسعه يا توسعه نيافته انجام دهند و بدين ترتيب علاوه بر كاهش گازهاي گلخانه‌اي، ضمن سرمايه‌گذاري و انتقال تكنولوژي و ايجاد اشتغال به توسعه پايدار و حفظ محيط زيست در كشورهاي در حال توسعه يا توسعه نيافته كمك كنند. در روند اجراي مكانيزم توسعه پاك، كاهش گازهاي گلخانه‌اي با اجراي طرح‌هايي نظير كاهش مصرف سوخت، افزايش بهره‌وري انرژي در نيروگاه‌ها، شبكه انتقال، صنايع و غيره، جلوگيري از هدر رفت انرژي يا منابع انرژي، استفاده از منابع انرژي‌هاي تجديدپذير، جنگل‌كاري و غيره صورت مي‌گيرد. با اجراي اين طرح‌ها كشورهاي توسعه نيافته علاوه بر جذب سرمايه خارجي و تكنولوژي بالاتر، درآمدهايي را نيز كسب مي‌كنند. مقدار اين درآمدها وابسته به شرايط و حدود طرح‌ها و توافق طرفين دارد ليكن براي كاهش هر تن گاز گلخانه‌اي پايه (دي‌اكسيد‌كربن) درآمدي نصيب صاحب پروژه مي‌شود. اين درآمد موجب هجوم موسسات مالي و سرمايه‌گذاري و جهش سريع بازار تجارت كربن گرديده است.
از سال 2005 تاكنون بيش از 1600پروژه در سراسر جهان به ثبت رسيده كه كشورهايي نظير چين با بيش از 500 پروژه، هند با حدود 400 پروژه و برزيل با حدود 150پروژه جلودار استفاده از اين فرصت بين‌المللي هستند و تاكنون از مجموع حدود 285 ميليون تن كاهش گاز گلخانه‌اي، چين به تنهايي با حدود 142ميليون تن قريب به 50 درصد بازار را به خود اختصاص داده است. مطابق اعلام سازمان ملل اين تعداد پروژه ثبت شده، منجر به كاهش حدود 296 ميليون تن دي‌اكسيد‌كربن در سال مي‌شود و درآمدهاي ساليانه چند ميليارد دلاري براي صاحبان پروژه‌ها به همراه دارد. اين بازار با روند افزايشي بي وقفه‌اي ادامه دارد (سعید و رعایانی، 1392).
در منطقه خاورميانه و شمال آفريقا حدود 5 درصد دی اکسید کربن دنيا توليد مي‌شود که بيش از نيمي از آن مرتبط با سوختن نفت است و نقش گاز طبيعي هم قابل توجه است. ايران بزرگ ترين توليدکننده دیاکسیدکربن در اين منطقه با توليد 509 ميليون تن در سال 2010 بوده که در جايگاه نهم دنيا نيز قرار دارد و حدود نيمي از آن در اثر سوختن گاز طبيعي ايجاد شده‌است. نکته قابل توجه اين است که مصرف زغال سنگ که در سطح دنيا بيشترين ميزان آلودگي را به خصوص در کشورهاي چين و آمريکا ايجاد مي‌کند، در اين منطقه بسيار ناچيز است. با این اوصاف كشور ما پتانسيل بسيار بالايي در بخش‌هاي مختلف براي پياده نمودن طرح‌هاي مكانيزم توسعه پاك دارد و تحصيل درآمدهاي چند صد ميليون دلاري قابل دسترس است. اين درآمدها علاوه بر حفظ محيط‌زيست و توسعه پايدار، جذب سرمايه‌گذاري خارجي، كاهش مصرف منابع، ايجاد اشتغال و غيره مي‌باشد.
محمدی و محمدی لیمائی (1393) پیشبینی قیمت چوب گونه‌های جنگلی در استان گیلان با استفاده از تجزیه وتحلیل سری‌های زمانی را انجام دادند و قیمت گونه‌های زبان‌گنجشک، پلت، بلندمازو، کاج تدا، توسکای قشلاقی 3/1 تا 4/2 میلیون ریال به ازای هر مترمکعب به دست آمدند. حاتمی و همکاران (1397) قیمت چوب سرپای برخی ازگونه‌های جنگل‌های خزری را با استفاده از سری‌های زماني پیش بینی و بررسی نمودند. دادههای تاریخي قيمت چوب سرپا گونه‌های اصلي جنگلي شامل راش، توسکا، افرا، ممرز، بلوط و انجیلی برای دوره 20 ساله از سال 1373 تا سال 1396 گردآوری شدند. سپس اعتبار مدل‌های رگرسيوني توسط رگرسيون خطي چندگانه بررسی شد. نتایج نشان داد که قيمت‌های واقعي چوب سرپا در دوره‌های زماني گذشته دارای نوسانات تصادفي بوده اند و فرضيه ناپایائي سری‌های زماني رد شد. متوسط قيمت‌های چوب سرپا براساس فرایندهای خودکاهشي مرتبه اول تخمين زده شد که بین 2/1 تا 5/2 میلیون ریال به ازای هر مترمکعب به دست آمد. عابدی و همکاران (1399) سن بهره برداری و ارزش خالص فعلی ترسیب کربن را برای گونه صنوبر در استان گیلان مورد بررسی قرار دادند. قیمت کربن از مدل نامانا پیروی می‌کرد. Hoel و همکاران (2014) چهارچوب تئوری پویایی و ارتباط متقابل منابع چندگانه کربن جنگل با فرض یک افق زمانی نامحدود را مورد بررسی قرار دادند. این تحقیق به بررسی مبانی تئوری مدل عددی پرداخته که هزینه اجتماعی کربن را که دلالت بر طولانی‌تر شدن چرخش بهینه میشود، مدنظر قرار می‌دهد و جایی که هزینه اجتماعی کربن به بیشتر از حد آستانه می‌رسد، جنگل نباید بهرهبرداری شود.
مواد و روش‌ها
· معادله قيمت کربن
با توجه به این که قیمت کربن دارای دامنه وسیعی است و در واقع مقدار مشخصی برای آن در دنیای واقعی تعریف نشده و قیمت کربن در طی زمان بسیار متغیر است. اگر اقدامات کاهش به شیوه‌ای مقرون به صرفه انجام شود، قیمت کربن در طی زمان ممکن است با نرخی افزایش یابد و نزدیک به بهره‌وری نهایی سرمایه برسد. از طرف دیگر نرخ رشد قیمت کربن باید به اندازه کافی کمتر از نرخ تنزیل باشد. هر دو نرخ باید برای حفظ تابع هدف مسئله بهینه‌سازی محدود و تقریبا با زمان متناهی مطابقت داشته باشد، بنابراین برای تعدیل قیمت کربن از دادههای تاریخی قیمت کربن در بازه زمانی 2005 تا 2020 ارائه شده توسط European Climate Exchange استفاده شد (Carbon Emissions Futures Historical Prices, 2017; Asante et al. 2011; Ekholm, 2016; Assmuth and Tahvonen, 2018 ).
دو ديدگاه در مورد برآورد قيمت‌ها در بين اقتصاددانان وجود دارد ديدگاه اول اين است كه قيمت از مدل خود كاهشي مانا1 پيروي مي‌كند (Olschewski & Benítez, 2010; Mohammadi Limaei, 2011). اين بدين مفهوم است كه تغييرات در يك دوره تأثير زيادي بر روي قيمت دوره بعد نخواهد داشت و بهترين شيوه برآورد قيمت‌ها، ميانگين قيمت‌هاي گذشته است. قيمت در اين صورت مي‌تواند با استفاده از معادله (1) برآورد شود. به منظور پیشبینی قیمت کربن بر پایه آزمون دیکی- فولر رابطه رگرسیون، مدل پیشبینی قیمت ارائه شد.
(1) | Pt+1 =α + βPt |
كه در آن، Pt+1 قیمت در زمان t+1 ، Pt قیمت در زمان t، α و β ضرایبی که از طریق رگرسیون بهدست آمده‌اند و 1 < β<0 است. ديدگاه دوم اين است كه قيمت نامانا2 است و شرط مانايي را كه قبلاً ذكر شد دارا نيست (Olschewski & Benítez, 2010; Mohammadi Limaei, 2011). يعني قيمت در دوره يا سال آينده كاملاً به دوره يا سال ماقبل خودش وابسته است. قيمت در اين صورت مي‌تواند با استفاده از معادله (2) برآورد شود.
(2) | Pt+1 = βPt |
كه در آن β=1 به دست می‌آید (Mohammadi Limaei, 2011).
به منظور پیشبینی قیمت کربن ابتدا مطابق معادله (3) قيمت‌هاي اسمي به قيمت‌هاي واقعي يا تعديل شده تبديل شدند و تورم حذف شد. از شاخص بهای کالاها و خدمات مصرفی (CPI)3 به منظور حذف تورم و بهدست آوردن قیمتهای واقعی (تعدیل شده) توسط بانک مرکزی استفاده شد و از رابطه (3) براي محاسبه قیمت واقعی کربن مورد استفاده قرار گرفت (بانک مرکزی ایران، 1397).
دادههای پولی بر اساس سال پایه تعدیل شدند و یا به عبارتی تصحیح پولی انجام گرفت و بر اساس آمار و دادههای اقتصادی بانک مرکزی سال پایه مورد استفاده در این پژوهش سال 1396 بود بدیهی است چنان‌چه ماه مورد نظر اسفندماه باشد، به آن نرخ تورم سال مورد نظر می‌گویند.
(3) |
|
: قیمت تعدیل شده به سال پایه، 
: قیمت در سال t، 
: شاخص قیمتها در سال t و عدد 100 میزان شاخص قیمتها در سال پایه (1396) است (محمدیلیمائی، 1388).
نتایج
قیمت کربن به ازای هر تن به یورو بوده که با استفاده از نرخ ارز رسمی از بانک مرکزی ایران (بانک مرکزی ایران، 1397) تبدیل به ریال و با استفاده از شاخص قیمتی مصرف کننده، تورم حذف شده است. شکل 1 تغییرات قیمت تعدیل شده کربن از سال 2005 تا 2020 را نشان می‌دهد. جدول 1 دادههای تاریخی قیمت کربن را نشان می‌دهد.
جدول 1- دادههای تاریخی قیمت کربن (2020-2005)
سال | قیمت (یورو) | سال | قیمت (یورو) |
2005 | 79/21 | 2013 | 88/4 |
2006 | 27/16 | 2014 | 45/6 |
2007 | 77/14 | 2015 | 84/7 |
2008 | 66/21 | 2016 | 33/5 |
2009 | 65/12 | 2017 | 72/5 |
2010 | 27/16 | 2018 | 58/17 |
2011 | 01/18 | 2019 | 40/25 |
2012 | 50/9 | 2020 | 30/25 |
شکل 1- قیمت تعدیل شده کربن از سال 2005 تا 2020
معادله قیمت تعدیل شده کربن مطابق معادله (2) در جدول 2 ارائه داده شده است.
جدول 2- مؤلفه‌های مربوط به دادههای قیمت کربن برای فرایند رگرسیون در دوره زمانی 2005 تا 2020
معادله قیمت تعدیل شده (ریال) | قیمت تعدیل شده (ریال) | R2 | P-value | t-stat | انحراف معیار |
Pt 0415/1= Pt+1 | 3،303،589 | 815/0 | 77/0 | 087/5 | 204/0 |
بحث
تجزیه و تحليل سری‌های زماني که در این تحقيق به آن پرداخته شده است یک رویکرد نسبتا ساده برای مدل سازی و پيش‌بيني قيمت‌ها با استفاده از دادههای موجود و در دسترس است که در عين حال از نظر نتایج بسيار مفيد مي باشد. در نتایج این تحقيق طبق تجزیه و تحليل‌های مدل‌های رگرسيوني، مدل از روند پایا بودن برخوردار نبود و احتمال مقدار β>1 در مدل رگرسیونی آن بیشتر از 5 درصد است. بنابراین فرضيه ناپایائي این سری‌های زماني و مدل که بر اساس آن β=1 است رد نمی شود. بدین معنا که قيمت در دوره يا سال آينده كاملاً به دوره يا سال ماقبل خود وابسته است.
بسیاری از ابزارهای اقتصادی برای کاهش تغییر اقلیم ارائه و به کار گرفته شدهاند. تجارت کربن یکی از این ابزارهای مبتنی بر بازار است که به عنوان روشی مقرون به صرفه و مناسب برای تغییر اقلیم و موضوعات محیط زیستی شناخته شده است (Adetoye et.al, 2018). بازار کربن شامل خرید و فروش اعتبار کربن است که توسط یک سازمان نظارتی در قالب مجوز انتشار یا از طریق تعیین تعرفه برای انتشار گازهای گلخانه ای عمل میکند. بازارهای جهانی برای کربن جنگلها به دو دسته قانونی (انطباق قانونی) و داوطلبانه تقسیم میشوند. بازارهای قانونی بازارهایی هستند که در آن دولت یا یک سازمان نظارتی تعیین کننده تجارت و اعتبار کربن است. بازارهای داوطلبانه بازارهایی هستند که در آن خرید توسط خریداران به طور داوطلبانه انجام میشوند. بنابراین بازار داوطلبانه کربن خارج از بازارهای قانونی عمل میکند. آنها صاحبان کسب و کار، سازمانهای مردم نهاد، اشخاص و حتی دولتها را قادر میسازند تا برای انتشار گازهای گلخانهای توسط خود، از طریق خرید و فروش کربن، تعرفه تعیین کنند. تعرفههای کربن در جنگلها موضعی بحث برانگیز است و تمام بازارهای قانونی مجاز به تعیین تعرفه نیستند اما آنها سهم بزرگی از بازارهای داوطلبانه را به دست آوردهاند. 37 درصد از تعرفه کربن بازارهای داوطلبانه در سال 2006 مربوط به بخش جنگلداری بود (Asante et al., 2011; Zhou, 2015).
طبق پروتکل کیوتو و توافق نامه پاریس، کشورهای امضا کننده توافق نامه دارای یک سهمیهی انتشار دی اکسید کربن هستند و اگر میزان انتشار آنها به اندازه آن سهمیهی تعیین شده نرسد مورد تشویق قرار میگیرند. در بازار تجارت کربن جنگل اگر مالکان زمین‌ها اقدام به جنگلکاری در اراضی خود نمایند، سهمیهای برای ترسیب کربن (گواهی کربن) دریافت میکنند. در طرحهای جنگلداری معمولا مسئله تجارت کربن جنگل در نظر گرفته نمیشود (Liu et al., 2017; Olschewski and Benítez, 2010). اگرچه در ایران ممکن است که استفاده از روش‌های علمي مانند پيش‌بيني قيمتکربن و استفاده از آنها جهت مدیریت بهينه منابع جنگلي در کارهای اجرایي انجام نگرفته باشد ولي برای کمک به پيشرفت و مدیریت هر چه علمي‌تر جنگل و توسعه آینده آن، تجزیه و تحليل مسائل مربوط به این بخش براساس نتایج علمي و معتبر ضروری است و باید از اولویت‌های سازمانهای اجرایي بخش جنگل مانند دیگر مناطق جهان باشد.
منابع
بانک مرکزی جمهوری اسلامی ایران، (1397)، «شاخص بهای کالا و خدمات مصرفی در مناطق شهری ایران» (www.cbi.ir).
حاتمی، نیشتمان. محمدی لیمائی، سلیمان. معیری، محمدهادی. 1397. پیش بینی و بررسی قیمت چوب سرپای برخی ازگونه‌های جنگل‌های خزری. نشريه پژوهش‌هاي علوم و فناوري چوب و جنگل. 69-51 (25): 4.
سعید، محسن. رعایانی، عماد، (1392)، «جایگاه ایران در مدیریت کربن در مقایسه با کشورهای منطقه خاورمیانه و شمال آفریقا و ارزیابی پتانسیل‌های موجود برای ازدیاد برداشت و ذخیره سازی CO2»، نشریه اکتشاف و تولید نفت و گاز، شماره 107، صفحه 31-26.
طوبی عابدی، سلیمان محمدی لیمائی، امیراسلام بنیاد، جواد ترکمن. 1399. تعیین سن بهینه بهرهبرداری جنگلکاری صنوبر (Populus deltoides) با توجه به ارزش ترسیب کربن. بومشناسی جنگلهاي ایران. 31-22 :(8) 15.
محمدی، حسین. عباسی، فایزه. کاربخش راوری، سمیه، (1395)، «ارزیابی پیامدهای اقتصادی-محیط زیستی گرمایش جهانی بر دستاوردهای اجرای پروتکل کیوتو در جمهوری اسلامی ایران»، پژوهش‌های محیط زیست، سال 7، شماره 14، صفحه 32-17.
محمدی، زهره. محمدی لیمائی، سلیمان. 1393. پیشبینی قیمت چوب گونه‌های جنگلی در استان گیلان با استفاده از تجزیه وتحلیل سری‌های زمانی. نشریه توسعه پایدار جنگل،308-297: (9) 4.
ورامش، سعید. حسینی، سید محسن. عبدی، نوراله، (1390)، «برآورد نيروي جنگل شهري در ترسيب كربن اتمسفري»، محیط شناسی، سال 37، شماره 57، صفحه 120-113.
Adetoye A. M., Okojie, L. O., Akerele, D., )2018(, “Forest carbon sequestration supply function for African countries: An econometric modelling approach”, Forest Policy and Economics 90: 59–66.
Asante P., Armstrong Glen W., Adamowicz Wiktor L. (2011), “Carbon sequestration and the optimal forest harvest decision: A dynamic programming approach considering biomass and dead organic matter”, Journal of Forest Economics, 17(1): 3–17.
Assmuth, A., Tahvonen, O. (2018), “Optimal carbon storage in even- and uneven-aged forestry”. Forest Policy and Economics, 87: 93–100.
Carbon Emissions Futures Historical Prices, (2017), Available at https://www.investing.com/commodities/ carbon-emissions-historical-data.
Ekholm, T., (2016), “Optimal forest rotation age under efficient climate change mitigation”. Forest Policy and Economics 62: 62–68.
Liu, W. Y., Lin, C. C. & Su, K. H., (2017), “Modelling the spatial forest-thinning planning problem considering carbon sequestration and emissions”, Forest Policy Economics 78, 51–66.
Mohammadi Limaei, S., (2011), “Economics optimization of forest management”, Lap Lambert Academic Publication, Germany, 140p.
Olschewski, R., Benítez, P.C., (2010), “Optimizing joint production of timber and carbon sequestration of afforestation projects”, Journal of Forest Economics. 16 (1):1–10.
Robertson, K., Loza-Babuena, I., Ford-Robertson, J., (2004), “Monitoring and economic factors affecting the economic viability of afforestation for carbon sequestration projects”, Environmental Science and Policy. 7: 465-475.
Zhou M., (2015), “Adapting sustainable forest management to climate policy uncertainty: A conceptual framework”, Forest Policy and Economics 59: 66–74.
[1] . Stationary autoregressive
[2] . Non stationary
[3] . Consumer price index
