基于区块链平台的中俄木材供应链碳减排合作机制

Cooperation Mechanism of Carbon Emission Reduction in China-Russia Timber Supply Chain Based on Blockchain Platform

摘要

新质生产力背景下，区块链以其透明性、可追溯性等特点为传统产业带来了转型升级的新机遇，也为木材供应链的碳减排合作开辟了新路径。为此，构建中俄木材供应链的演化博弈模型，研究区块链平台下四方主体——俄罗斯木材供应商、中国木材加工制造商、木制品分销零售商以及政府在碳减排合作机制中的运行演化规律。结果表明，供应链成员的初始策略概率、消费者低碳偏好度以及制造商碳减排量增加，均能有效激励木材供应链上的主体成员积极参与碳减排合作机制，同时，政府奖惩机制也会影响博弈系统的最终稳定结果，对搭便车行为的惩罚力度越大，越有利于博弈系统达到理想状态，而过度补贴则会削弱系统达到最优均衡的可能性。研究成果为中俄木材供应链碳减排合作提供理论启发与参考。

关键词

木材供应链 / 区块链 / 碳减排 / 协同合作 / 演化博弈

Key words

Wood supply chain / blockchain / carbon reduction / collaborative cooperation / evolutionary game

0 引言

木材作为一种天然环保的可持续材料，广泛运用于各个行业。为实现木材供应链绿色化、智能化转型，各环节需紧密协作，以新质生产力为核心驱动力，共同推进技术创新与模式革新，为实现“双碳”目标注入强劲动力。我国是全球最大木材加工、贸易与消费国，依托地缘优势，俄罗斯成为我国重要木材供应国，中俄木材供应链涵盖俄木材供应、中木材加工及分销，涉及多个企业合作与政府协调。因信息不对称与衔接松散^[1-2]，减排合作受阻。区块链技术可优化这些问题，促进碳减排合作机制建立，助力木材产业绿色发展。

近年来，木材业碳减排研究取得显著成果，包括森林伐后碳减排方法学演进、供应链管理大数据应用及减排决策因素研究^[3-4]。学者们探讨了碳排放配额、成本分摊、低碳灵敏度系数及政策等因素对企业减排决策的影响^[5-8]，并优化了木材物流网络，研究原料替代与减排技术路径，建立了低碳物流网络优化模型^[9-12]。区块链可优化供应链流程^[13-14]，并在海运、生鲜及煤炭等多个领域实现低碳应用，为木材供应链管理提供借鉴^[15-17]。同时，博弈论模型研究也支持区块链在制造商与零售商协调、碳减排策略及绿色供应链决策中的应用，为木材供应链多方主体碳减排合作奠定基础^[18-20]。

综述现有文献，木材行业低碳路径包括可持续砍伐、企业减排和物流优化等，区块链技术影响亦受关注。但在区块链模式下，从海外木材原材料供应到国内木制品销售的整个供应链过程的碳减排合作仍然存在着研究空间。本研究将区块链平台引入到中俄木材供应链的整个流程中，构建由俄供应商、中制造商、分销商和政府为主体的四方演化博弈模型，从原木供应到最终产成品出售的各个节点来研究低碳减排合作，探寻影响四方主体间碳减排合作的因素以及四方主体行为策略的动态演化机制。

1 问题描述与模型构建

1.1 研究主体网络模型

在传统中俄木材供应链模型中，呈现出一种层级分明且流程单向的特性。而区块链技术平台通过其独特的分布式账本、数据不可篡改和智能合约等特性赋能木材供应链，能够消除信息层级传递的弊端，促进层级架构向网状架构转变，如图1所示。在区块链平台上，木材供应商记录木材的来源、采伐时间和树种等关键信息，确保原材料信息的真实性和可追溯性；木材加工制造商记录木材的加工过程、质量检测结果等，实现生产流程的低碳化和标准化，提高产品质量；木制品分销商利用区块链技术，向消费者展示产品的全链条信息，提升消费者对产品的信任度和购买意愿，同时，相关的消费者反馈、市场信息等也会同步到区块链平台上，供应链上各个主体都可以据此把握市场动态和竞争态势，制定相应的生产供应策略和销售计划。

区块链的引入对于木材供应链上的成员来说是一次新尝试，存在风险因素和不确定性，因而这些成员可能更倾向于维持原状态，这对于形成稳定碳减排合作机制不利，所以假设政府负责初始平台建设，并且作为促进碳减排的主导机构，不论木材供应链上的成员企业是否参与此次合作，政府从长远角度考虑都会负责搭建初始区块链平台，从而打消供应链上成员的初始顾虑，激励更多行业、企业主体去参与到碳减排活动中。区块链模式下，中国政府通过对木材加工制造商、产成品分销零售商实施奖惩机制来推动其低碳减排行为，间接影响俄罗斯木材供应商的行为策略。政府的技术补贴政策作为桥梁，将木材供应链主体与国家低碳减排目标紧密相连，促进了供应链主体之间的信息共享和流程透明化。通过补贴，政府不仅降低了供应链主体采用区块链技术的成本和风险，还强化了各方在合作机制中的责任和义务，确保了供应链的稳定运作和碳减排目标的实现。这种相互关系使得政府、供应链主体和市场需求之间形成了良性互动，共同推动了木材供应链的数字化转型和可持续发展。

1.2 模型基本假设

假设1：在本博弈模型中，有俄罗斯木材供应商、中国木材加工制造商、中国木制品分销零售商和中国政府这四方参与主体，且均为有限理性参与者。四方主体简化命名为“供应商、制造商、分销商、政府”。

假设2：木材供应链成员关系紧密，一方实施碳减排新策略，其他成员可享搭便车收益。在木材供应链中，“搭便车”行为指的是当供应链中的某一成员（即主动方）实施碳减排新策略时，其他成员（即被动方）能够从中受益，而无须付出与主动方相同的努力或成本。具体来说，当制造商采取低碳加工技术（即主动方）时，其产品的环保属性会吸引更多消费者，从而带动产品需求量的增长。此时，供应商（提供原材料）和分销商（负责产品分销）作为被动方，也会因订单量的增多而享受到额外的收入，即所谓的“搭便车”收益。当供应商采取森林资源可持续管理新策略（即主动方）时，制造商会因为使用了更加环保的原材料而生产出更加环保的产品，更易获得消费者的青睐，从而帮助制造商提升品牌形象和市场竞争力，同时，分销商在销售过程中会因为产品的环保属性而吸引更多消费者，进而提升销售业绩。当分销商采取低碳营销宣传新策略（即主动方）时，制造商和供应商作为被动方，会因为产品需求量的上升而获得更多的订单和收入。

假设3：为便于分析，假设从木材供应、木制品加工制造、产成品分销零售到最终消费者的整个供应链过程中交易量一致，即不存在缺货或者库存剩余。

假设4：供应商策略集合为“参与，不参与”。若“不参与”合作，保持原收益。若“参与”合作，需额外付出区块链应用升级成本与森林资源可持续管理成本（包括木材合规采伐与认证、森林保护和再生成本等）。为实现低碳供应，供应商需要采用更环保的采伐及运输方式，这会增加单位木材的供应成本与运输成本。此时，供应商展示了其对环保和可持续发展的承诺和行动，有助于提高供应商国际信誉和品牌价值，带来潜在经济效益。供应商采取搭便车行为时，其短期内可能不需要付出额外成本也能享受到制造商和分销商施行新策略（如碳减排、环保营销等）带来的收益，但长远来看，这种行为会对供应链中的合作关系产生负面影响，中方制造商和分销商可能会在未来的合作中更加谨慎地选择供应商，甚至可能直接终止与当前供应商的合作，转而寻找更加负责任和可靠的合作伙伴。

假设5：制造商策略集合为“低碳制造，传统制造”。若维持“传统制造”模式，保持原收益。若采取新策略“低碳制造”，需额外付出区块链应用升级成本与低碳转型成本（包括引进低碳设备、优化生产流程等）。为实现低碳加工，制造商需要采用更环保的加工制造、运输方式，这会增加单位木材的制造成本与运输成本。制造商在采取“低碳制造”策略后，具有更强的可持续发展能力和长期投资价值，带来更多隐藏效益，并且随着减排量增加，这些潜在经济效益也会增多，形成良性循环。

假设6：分销商策略集合为“创新经营，传统经营”。若维持“传统经营”模式，保持原收益。若采取“创新经营”模式，需要付出区块链应用升级成本与环保低碳管理成本（包括环保低碳信息沟通、协调成本等）。为推广绿色低碳的木材产品，分销商需要进行绿色营销宣传，这会增加单位产品的宣传营销成本。此时提高了消费者对品牌的忠诚度和信任度，随着消费者对绿色产品需求的增加，分销零售商有望获得更大的市场份额和更高的盈利能力，带来潜在经济效益。

假设7：若木材供应链上主体成员都参与到区块链平台模式下的碳减排合作机制中，将有助于实现更高效的供应链低碳运营，为供应链上的主体成员供应商、制造商、分销商带来额外总收益。

假设8：政府策略集合为“严格监管，传统监管”。“传统监管”模式下，保持原收益。若政府采取“严格监管”策略，需要制定和执行与木材供应链碳减排相关的政策法规，监督管理制造商和分销商的行为，将额外付出监管成本，此时若制造商、分销商采取搭便车投机行为，政府将分别予以罚金。对于采取新策略的制造商、分销商，政府会对其区块链应用升级成本给予适度补贴。政府通过补贴制造商和分销商，有效贯彻国家低碳减排理念，为人民群众创造了更美好的生活环境，带来长远的经济社会效益。政府通过积极推动环保和可持续发展，提升了国际形象和地位，获得更多与国际组织和其他国家在环保领域的合作机会，将带来潜在收入。

1.3 模型基本构建

基于上述模型基本假设，构建对应的博弈模型参数，见表1。

根据以上假设和参数，构建四方演化博弈主体的收益矩阵，见表2。

1.4 策略组合稳定性分析

设木材供应商选择“参与”和“不参与”策略的期望收益分别为 E_{X\mathrm{1}}和 E_{X\mathrm{2}}，平均收益为 \overline{E_X}，可得

E_{X\mathrm{1}} = y z w [ A m_{\mathrm{1}} + q \left[\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right] + D_{\mathrm{1}} - U_{\mathrm{1}} - H_{\mathrm{1}} ] + \left(\mathrm{1}-y\right) z w \left(q\left[\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right]+D_{\mathrm{1}}-U_{\mathrm{1}}-H_{\mathrm{1}}\right) + y \left(\mathrm{1}-z\right) w \left(q\left[\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right]+D_{\mathrm{1}}-U_{\mathrm{1}}-H_{\mathrm{1}}\right) + y z \left(\mathrm{1}-w\right) \left(A{m}_{\mathrm{1}}+q\left[\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right]+D_{\mathrm{1}}-U_{\mathrm{1}}-H_{\mathrm{1}}\right) + \left(\mathrm{1}-y\right) \left(\mathrm{1}-z\right) w \left(q\left[\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right]+D_{\mathrm{1}}-U_{\mathrm{1}}-H_{\mathrm{1}}\right) + \left(\mathrm{1}-y\right) z \left(\mathrm{1}-w\right) \left(q\left[\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right]+D_{\mathrm{1}}-U_{\mathrm{1}}-H_{\mathrm{1}}\right) + y \left(\mathrm{1}-z\right) \left(\mathrm{1}-w\right) \left(q\left[\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right]+D_{\mathrm{1}}-U_{\mathrm{1}}-H_{\mathrm{1}}\right) + \left(\mathrm{1}-y\right) \left(\mathrm{1}-z\right) \left(\mathrm{1}-w\right) \left(q\left[\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right]+D_{\mathrm{1}}-U_{\mathrm{1}}-H_{\mathrm{1}}\right)。（1）

E_{X\mathrm{2}} = y z w \left(p_{\mathrm{1}}-f_{\mathrm{1}}\right) + \left(\mathrm{1}-y\right) z w \left(p_{\mathrm{1}}-f_{\mathrm{1}}\right) + y \left(\mathrm{1}-z\right) w \left(p_{\mathrm{1}}-f_{\mathrm{1}}\right) + y z \left(\mathrm{1}-w\right) \left(p_{\mathrm{1}}-f_{\mathrm{1}}\right) + \left(\mathrm{1}-y\right) \left(\mathrm{1}-z\right) w \times \mathrm{0} + \left(\mathrm{1}-y\right) z \left(\mathrm{1}-w\right) \left(p_{\mathrm{1}}-f_{\mathrm{1}}\right) + y \left(\mathrm{1}-z\right) \left(\mathrm{1}-w\right) \left(p_{\mathrm{1}}-f_{\mathrm{1}}\right) + \left(\mathrm{1}-y\right) \left(\mathrm{1}-z\right) \left(\mathrm{1}-w\right) \times \mathrm{0}。（2）

\overline{E_X} = x E_{X\mathrm{1}} + \left(\mathrm{1}-x\right) E_{X\mathrm{2}}。（3）

据此可得木材供应商复制动态方程为

F ( x ) = \frac{dx}{dt} = x \left(E_{X\mathrm{1}}-{\overline{E}}_{\mathrm{X}}\right) = x \left(\mathrm{1}-x\right) \left[D_{\mathrm{1}}-H_{\mathrm{1}}-U_{\mathrm{1}}+q\left(\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right)+\left(f_{\mathrm{1}}-p_{\mathrm{1}}\right)\left(y+z-yz\right)+A{m}_{\mathrm{1}}yz\right]。（4）

同理，木材加工制造商、分销商以及政府的复制动态方程分别为

F \left(y\right) = \frac{dy}{dt} = y \left(E_{Y\mathrm{1}}-{\overline{E}}_Y\right) = y \left(\mathrm{1}-y\right) \left[w\left(f_{\mathrm{2}}+U_{\mathrm{2}}s\right)-H_{\mathrm{2}}-U_{\mathrm{2}}+p_{\mathrm{2}}\left(xz-x-z\right)+q\left(\left(v_{\mathrm{2}}-C_{\mathrm{2}}-L_{\mathrm{2}}\right)\alpha \beta -C_{\mathrm{2}}-L_{\mathrm{2}}\right)+M+A{m}_{\mathrm{2}}xz\right]。（5）

F ( z ) = \frac{dz}{dt} = z \left(E_{Z\mathrm{1}}-{\overline{E}}_Z\right) = z \left(\mathrm{1}-z\right) \left[D_{\mathrm{3}}-H_{\mathrm{3}}-U_{\mathrm{3}}+p_{\mathrm{3}}\left(xy-x-y\right)+w\left(f_{\mathrm{3}}+U_{\mathrm{3}}s\right)+A{m}_{\mathrm{3}}xy+q\left(\left(v_{\mathrm{3}}-C_{\mathrm{3}}\right)\alpha \beta -C_{\mathrm{3}}\right)\right]。（6）

F \left(w\right) = \frac{dw}{dt} = w \left(\mathrm{1}-w\right) \left[D_{\mathrm{4}}\left(y+z-yz\right)+\left(\mathrm{1}+\alpha \beta \right)\left(B_{\mathrm{2}}y+B_{\mathrm{3}}z\right)+f_{\mathrm{2}}\left(\mathrm{1}-y\right)+f_{\mathrm{3}}\left(\mathrm{1}-z\right)-C_{\mathrm{4}}-s\left(U_{\mathrm{2}}y+U_{\mathrm{3}}z\right)\right]。（7）

式中：E_Y 和E_Z 分别代表木材加工制造商、分销商的平均收益。

根据Ritzberger等^[21]和Selten^[22]的观点，多种群演化博弈中的稳定解为严格纳什均衡，而严格纳什均衡一定是纯策略。令 F \left(x\right) = \mathrm{0}、 F \left(y\right) = \mathrm{0}、 F \left(z\right) = \mathrm{0}、 F \left(w\right) = \mathrm{0}，得到16个纯策略均衡点： E_{\mathrm{1}}（0，0，0，0）、 E_{\mathrm{2}}（0，0，0，1）、 E_{\mathrm{3}}（0，0，1，0）、 E_{\mathrm{4}}（0，1，0，0）、 E_{\mathrm{5}}（1，0，0，0）、 E_{\mathrm{6}}（1，0，0，1）、 E_{\mathrm{7}}（1，0，1，0）、 E_{\mathrm{8}}（1，1，0，0）、 E_{\mathrm{9}}（0，1，1，0）、 E_{\mathrm{10}}（0，1，0，1）、 E_{\mathrm{11}}（0，0，1，1）、 E_{\mathrm{12}}（1，0，1，1）、 E_{\mathrm{13}}（1，1，0，1）、 E_{\mathrm{14}}（1，1，1，0）、 E_{\mathrm{15}}（0，1，1，1）、 E_{\mathrm{16}}（1，1，1，1）。

按照Friedman^[23]提出的方法，均衡点局部稳定性可通过雅可比矩阵的特征值来判断，由式（4）—式（7）可得四方演化博弈系统的雅可比矩阵为

J = \left[\begin{array}{cccc}\frac{\partial F\left(x\right)}{\partial x}& \frac{\partial F\left(x\right)}{\partial y}& \frac{\partial F\left(x\right)}{\partial z}& \frac{\partial F\left(x\right)}{\partial w}\\ \frac{\partial F\left(y\right)}{\partial x}& \frac{\partial F\left(y\right)}{\partial y}& \frac{\partial F\left(y\right)}{\partial z}& \frac{\partial F\left(y\right)}{\partial w}\\ \frac{\partial F\left(z\right)}{\partial x}& \frac{\partial F\left(z\right)}{\partial y}& \frac{\partial F\left(z\right)}{\partial z}& \frac{\partial F\left(z\right)}{\partial w}\\ \frac{\partial F\left(w\right)}{\partial x}& \frac{\partial F\left(w\right)}{\partial y}& \frac{\partial F\left(w\right)}{\partial z}& \frac{\partial F\left(w\right)}{\partial w}\end{array}\right]。（8）

根据李雅普诺夫判别法^[24]，均衡点雅可比矩阵对角上的数值都为负值时，这个均衡点就是ESS。为不失一般性，假设供应链上主体成员选择新策略所带来的额外收益与付出的成本之差大于其搭便车所获得收益与造成的损失或处罚之差，即 D_{\mathrm{1}} + q \left(\left(v_{\mathrm{1}}-C_{\mathrm{1}}-L_{\mathrm{1}}\right)\alpha \beta -C_{\mathrm{1}}-L_{\mathrm{1}}\right) - H_{\mathrm{1}} - U_{\mathrm{1}} > p_{\mathrm{1}} - f_{\mathrm{1}}， M + q \left(\left(v_{\mathrm{2}}-C_{\mathrm{2}}-L_{\mathrm{2}}\right)\alpha \beta -C_{\mathrm{2}}-L_{\mathrm{2}}\right) - H_{\mathrm{2}} - U_{\mathrm{2}} > p_{\mathrm{2}} - f_{\mathrm{2}} , D_{\mathrm{3}} + q \left(v_{\mathrm{3}}-C_{\mathrm{3}}\right) \alpha \beta - C_{\mathrm{3}} ) - H_{\mathrm{3}} - U_{\mathrm{3}} > p_{\mathrm{3}} - f_{\mathrm{3}}。将16个均衡点分别代入雅可比矩阵中，得出雅可比矩阵的特征值见表3。对于表3中6个可能的均衡点为 E_{\mathrm{1}}（0，0，0，0）、 E_{\mathrm{5}}（1，0，0，0）、 E_{\mathrm{7}}（1，0，1，0）、 E_{\mathrm{8}}（1，1，0，0）、 E_{\mathrm{14}}（1，1，1，0）、 E_{\mathrm{16}}（1，1，1，1）。

条件（1）代表D ₁+q（（v ₁-C ₁-L ₁）αβ-C ₁-L ₁）-H ₁- U ₁<0，M+q（（v ₂-C ₂-L ₂）αβ-C ₂-L ₂）-H ₂-U ₂<0，D ₃+q（（v ₃-C ₃）αβ-C ₃）-H ₃-U ₃<0，f ₂+f ₃-C ₄<0。

条件（2）代表D ₁+q（（v ₁-C ₁-L ₁）αβ-C ₁-L ₁）-H ₁- U ₁>0，M+q（（v ₂-C ₂-L ₂）αβ-C ₂-L ₂）-H ₂-U ₂-p ₂<0，D ₃+ q（（v ₃-C ₃）αβ-C ₃）-H ₃-U ₃-p ₃<0，f ₂+f ₃-C ₄<0。

条件（3）代表D ₁+q（（v ₁-C ₁-L ₁）αβ-C ₁-L ₁）-H ₁- U ₁>0，M+q（（v ₂-C ₂-L ₂）αβ-C ₂-L ₂）-H ₂-U ₂-p ₂+Am ₂<0，D ₃+q（（v ₃-C ₃）αβ-C ₃）-H ₃-U ₃-p ₃>0，D ₄+（1+αβ）B ₃+f ₂-f ₄-C ₄-sU ₃<0。

条件（4）代表D ₁+q（（v ₁-C ₁-L ₁）αβ-C ₁-L ₁）-H ₁- U ₁>0，M+q（（v ₂-C ₂-L ₂）αβ-C ₂-L ₂）-H ₂-U ₂-p ₂>0，D ₃+q（（v ₃-C ₃）αβ-C ₃）-H ₃-U ₃-p ₃+Am ₃<0，D ₄+（1+αβ）B ₂+f ₃-C ₄-sU ₂<0。

条件（5）代表D ₁+q（（v ₁-C ₁-L ₁）αβ-C ₁-L ₁）-H ₁-U ₁+f ₁-p ₁+Am ₁>0，M+q（（v ₂-C ₂-L ₂）αβ-C ₂-L ₂）-H ₂-U ₂-p ₂+Am ₂>0，D ₃+q（（v ₃-C ₃）αβ-C ₃）-H ₃-U ₃-p ₃+Am ₃>0，D ₄+（1+αβ）（B ₂+B ₃）-C ₄-s（U ₂+U ₃）<0。

条件（6）代表D ₄+（1+αβ）（B ₂+B ₃）-C ₄-s（U ₂+U ₃）>0。

情形1：当供应链主体成员选择区块链模式新策略的成本高于收益，且政府罚金不足以覆盖监管成本时，条件（1）成立，为该复制动态系统演化稳定点，“不参与，传统制造，传统经营，传统监管”为该复制动态系统演化稳定策略，博弈系统朝着帕累托最劣状态演化，未达到最优资源配置和效益最大化，政府监管部门应发挥引导作用，尽力避免此种情况。

情形2：当只有俄罗斯木材供应商新策略能够获利时，条件（2）成立，木材加工商、产成品分销商及政府都会因新策略的成本过高而维持原策略， E_{\mathrm{5}}（1，0，0，0）为演化稳定点，“参与，传统制造，传统经营，传统监管”为演化稳定策略。然而这种演化状态并不利于中俄木材供应链的低碳健康发展。虽然俄罗斯木材供应商采取了区块链模式新策略，但缺乏整个供应链的协同合作，低碳转型的效果将大打折扣，还可能使得供应商初期投入难以得到回报，从而失去继续推动低碳转型的动力。

情形3：当供应商和分销商采取新策略能够获利，而制造商和政府采取新策略的相对净收益小于0时，条件（3）成立，为演化稳定点，“参与，传统制造，创新经营，传统监管”为稳定策略。这种策略组合的出现凸显了中俄木材供应链低碳转型中的关键问题。尽管供应商和分销商有动力采用新策略以降低碳排放并提升运营效率，但制造商的持续观望和政府缺乏激励，使得整个供应链的低碳转型进程受阻。制造商作为碳排放的关键环节，如果不采取相应措施，将极大地限制整个供应链在碳排放减少方面的潜力。

情形4：当供应商与制造商新策略盈利，分销商和政府因成本过高而维持原策略时，条件（4）成立，成为演化稳定点，“参与，低碳制造，传统经营，传统监管”是稳定策略。这种策略组合反映了中俄木材供应链低碳转型过程中的另一种情境，虽在一定程度上推动了供应链的低碳转型，但仍然存在一定的局限性。市场需求增长是制造商减排的关键驱动力，而分销商消极配合将阻碍市场认知与需求释放。

情形5：当供应链主体均因利益驱动积极转型，而政府因监管成本与补贴过多而放弃新策略时，条件（5）成立，为演化稳定点，“参与，低碳制造，创新经营，传统监管”为稳定策略，此状态属于无政府参与下的理想状态。但在现实中没有政府或者相关机构的支持与鼓励，这种状态较难达到。

情形6：当各方主体都积极参与到碳减排合作机制中时，条件（6）成立，为演化稳定点，“参与，低碳制造，创新经营，严格监管”为稳定策略。在互联网时代下，政府部门充分利用区块链技术的优势，不仅能够提升监管的效率和透明度，还能促进供应链各环节的协同合作与低碳发展。通过创新监管方式，政府能够建立起一个更加有序、高效的低碳经济环境，从而推动整个木材供应链乃至更广泛行业的可持续发展。

2 数值仿真分析

为验证模型求解的准确性以及更直观地观察木材供应链四方主体在不同约束条件下的演化路径，运用Matlab对各博弈方的演化轨迹进行仿真模拟。由于对变量精确赋值比较困难，本研究重点关注各方主体策略选择的变化趋势。稳定点 E_{\mathrm{16}}（1，1，1，1）情况下，木材供应链上的主体在政府监管补贴视角下进行碳减排合作，政府与供应链主体间也能形成良性互动，博弈系统达到理想的稳定状态。因此，选择在 E_{\mathrm{16}}（1，1，1，1）情形下，探究该系统中不同参数变化对各博弈主体策略选择的影响。参考高俊国等^[25]和Sun等^[26]的研究，对初始基本参数赋值为： A = \mathrm{5}， m_{\mathrm{1}} = \mathrm{0.33}， m_{\mathrm{2}} = \mathrm{0.33}， m_{\mathrm{3}} = \mathrm{0.33}， q = \mathrm{400}， \alpha = \mathrm{0.5}， \beta = \mathrm{1.5}， e_m = \mathrm{0.2} , \lambda = \mathrm{10} , U_{\mathrm{1}} = \mathrm{13}， U_{\mathrm{2}} = \mathrm{13}， U_{\mathrm{3}} = \mathrm{13}， s = \mathrm{0.4}， H_{\mathrm{1}} = \mathrm{5}， H_{\mathrm{2}} = \mathrm{10}， H_{\mathrm{3}} = \mathrm{3}， D_{\mathrm{1}} = \mathrm{7}， D_{\mathrm{3}} = \mathrm{5}， D_{\mathrm{4}} = \mathrm{8}， v_{\mathrm{1}} = \mathrm{0.5}， v_{\mathrm{2}} = \mathrm{0.6}， v_{\mathrm{3}} = \mathrm{0.5}， C_{\mathrm{1}} = \mathrm{0.15}， L_{\mathrm{1}} = \mathrm{0.05} , C_{\mathrm{2}} = \mathrm{0.2}， L_{\mathrm{2}} = \mathrm{0.05}， C_{\mathrm{3}} = \mathrm{0.2}， C_{\mathrm{4}} = \mathrm{12}， B_{\mathrm{2}} = \mathrm{6}， B_{\mathrm{3}} = \mathrm{4}， p_{\mathrm{1}} = \mathrm{2}， p_{\mathrm{2}} = \mathrm{3}， p_{\mathrm{3}} = \mathrm{1}， f_{\mathrm{1}} = \mathrm{4}， f_{\mathrm{2}} = \mathrm{5}， f_{\mathrm{3}} = \mathrm{3}。对参数进行敏感性仿真分析时，假定4个参与者采取不同策略的初始可能性为 x = y = z = w = \mathrm{0.5}，为方便描述，记供应商、制造商、分销商和政府分别为S、M、R、G，横轴表示演化时间 t，纵轴表示供应商（ x）、制造商（ y）、分销商（ z）、政府（ w）分别选择新策略的概率 p， p \in[0，1]。

基于上述参数，首先对策略组合总体演化策略稳定性进行模拟演示。当政府选择“传统监管”策略，即 w = \mathrm{0}时，如图2（a）所示，各主体最终收敛于（0，0，0，0）的原状态；随着政府“严格监管”的概率 w增大至0.5时，如图2（b）所示，虽然仍有部分主体选择维持原策略，但多数主体开始倾向于采纳区块链模式下的新策略，进行碳减排合作，这表明政府的严格监管政策对推动供应链主体采取新策略具有显著的正向影响；当政府选择“严格监管”策略的概率 w增大至1时时，如图2（c）所示，各博弈主体均稳定于（1，1，1，1）的帕累托最优状态。

2.1 初始策略选择概率及消费者低碳偏好度

初始策略选择概率与消费者低碳偏好度通过影响供应链各方主体的初期合作意愿与市场需求对博弈主体策略选择产生影响。其他参数不变，图3（a）和图3（b）分别展示了初始策略选择概率（ x 、 y 、 z 、 w）与消费者低碳偏好度（ \alpha）改变时系统的演化路径。

由图3（a）可知，当供应链各方主体选择区块链模式下碳减排合作新策略的初始概率（ x 、 y 、 z 、 w）为0.2时，博弈各方主体会迅速收敛于稳定点（0，0，0，0），通过维持原状态来避免新策略带来的潜在风险。当初始概率（ x 、 y 、 z 、 w）逐渐增大至0.5时，四方博弈主体最终分别选择“参与”“低碳制造”“创新经营”“严格监管”的概率均趋近于1，博弈系统朝着（1，1，1，1）的帕累托最优状态演化。可以发现，初始概率越大，博弈系统收敛到均衡稳定点（1，1，1，1）的速度将越快。

消费者低碳偏好度反映了市场对环保低碳产品的接受程度和倾向性。由图3（b）可知，当消费者低碳偏好度较低，即 \alpha = \mathrm{0.4}时，供应链主体认为参与碳减排合作的风险较高而收益有限，因为改变原有的生产和经营模式需要投入大量资金、技术和人力资源等，而这些投入在消费者低碳偏好度低的市场环境下无法得到有效回报，因而其更倾向于维持原状态以避免不必要的风险和成本。当低碳偏好度 \alpha增大至0.5或0.6时，市场对产品的环保属性要求增高激励了供应商、制造商和零售商更加积极地参与合作，以满足消费者的需求并获取市场竞争优势。在市场倾向于低碳产品时，如果供应链主体忽视消费者的低碳偏好，继续采用传统高碳排放的生产方式，会面临市场份额下降、品牌形象受损等风险。

2.2 制造商碳减排量及减排难度因子

相比分销商，制造商直接参与产品的生产过程，并且在生产环节中有更多的机会和方式来实现碳减排，可以从源头上减少碳排放，其他参数不变，图4（a）和图4（b）分别为制造商单位碳减排量（ e_m）与碳减排难度因子（ \lambda）改变时系统的演化路径。

由图4可以看出，单位碳减排量 e_m与碳减排难度因子 \lambda主要影响制造商的策略选择，而对其他相关主体决策的影响则相对有限且不显著。由图4（a）可知，对比单位碳减排量 e_m \mathrm{分别}为0.1、0.2、0.3时的演化路径，可以发现，单位碳减排量的增加会使制造商改变维持原策略的状态，在减排量达到一定水平后，开始逐渐向新策略方向演化。随着减排量进一步增大，制造商收敛到稳定状态的速度越快，意味着当制造商能够实现更高水平的碳减排时，其状态将更快地稳定于环保、可持续的新策略上。由图4（b）可知，碳减排难度因子 \lambda的增大会阻碍制造商低碳转型，在面临更高的减排难度时，制造商往往更倾向于维持原有的策略框架，以避免因转型带来的不确定性和潜在风险。单位碳减排量 e_m与碳减排难度因子 \lambda不仅影响着制造商的低碳转型路径和速度，还间接地反映了制造商在面对碳减排压力和市场需求变化时所需具备的策略调整能力和适应性。

2.3 搭便车收益及其惩罚损失

其他参数不变，图5（a）和图5（b）分别展示了搭便车行为带来的收益（ p_{\mathrm{1}} 、 p_{\mathrm{2}}、 p_{\mathrm{3}}）与惩罚损失（ f_{\mathrm{1}} 、 f_{\mathrm{2}} 、 f_{\mathrm{3}}）改变时系统的演化路径。

由图5（a）可知，当搭便车收益较低，即 p_{\mathrm{1}} = \mathrm{2}， p_{\mathrm{2}} = \mathrm{3}， p_{\mathrm{3}} = \mathrm{1}时，供应链成员更愿意主动采取行动，尝试新的策略以期获得潜在收益，这种积极性促进了整体策略的快速调整和优化。但随着搭便车收益增大至 p_{\mathrm{1}} = \mathrm{4}， p_{\mathrm{2}} = \mathrm{6}， p_{\mathrm{3}} = \mathrm{5}，各方主体选择区块链新策略的收敛速度明显放缓，这是因为搭便车行为的激励增强，使得成员更倾向于保持现状，等待其他成员先采取行动来规避风险，这种消极态度延缓了整体策略的调整速度。当搭便车收益达到一个极高水平，即 p_{\mathrm{1}} = \mathrm{13}， p_{\mathrm{2}} = \mathrm{14}， p_{\mathrm{3}} = \mathrm{12}，此时，供应链成员会发现维持原策略比采取新策略更为有利，无须通过合作就能提高自身利益。然而，如果所有供应链主体成员都采取这种投机行为，会破坏合作的基石，导致碳减排目标无法实现。

由图5（b）可知，当搭便车行为造成的惩罚损失较小，即 f_{\mathrm{1}} = \mathrm{1}， f_{\mathrm{2}} = \mathrm{1}， f_{\mathrm{3}} = \mathrm{1}时，博弈各方主体因面临的违规成本相对较低而选择维持原策略，即不积极采取低碳减排措施，而是希望通过搭便车的方式从其他成员的努力中获益。这种情况下，违规成本不足以形成有效的威慑，成员们没有足够的动力去改变现状，导致整体策略调整的速度缓慢，甚至可能陷入维持高排放、低效率的恶性循环。而随着搭便车的违规成本增加，即 f_{\mathrm{1}} = \mathrm{4}， f_{\mathrm{2}} = \mathrm{5}， f_{\mathrm{3}} = \mathrm{3}，或者 f_{\mathrm{1}} = \mathrm{7}， f_{\mathrm{2}} = \mathrm{8}， f_{\mathrm{3}} = \mathrm{6}时，可以发现，为了避免损失，成员们会开始重新评估自己的策略选择，并倾向于采取更加积极和合作的态度。

2.4 政府补贴及收益

政府作为推动供应链主体成员进行碳减排合作的关键角色，在促进低碳协同合作机制的形成中起着重要作用。图6（a）和图6（b）分别为政府补贴（ s）及制造商和分销商给政府带来的收益（ B_{\mathrm{2}}、 B_{\mathrm{3}}）改变时系统的演化路径。

由图6（a）可知，当补贴系数 s小于0.58时，政府通过提供补贴激励供应链上的成员参与碳减排合作。此时供应链成员通过合作获得比维持原策略更高的收益，这些收益来源于因采用更环保低碳的生产和经营方式而带来的市场优势、品牌形象提升以及可能的政策优惠等，同时，政府虽然付出部分补贴，但通过推动碳减排合作实现了环境效益的提升，此时博弈各方主体迅速稳定到（1，1，1，1）的理想状态。但随着补贴系数 s增大到0.58甚至更大时，政府继续增加补贴并不能带来足够的额外收益弥补其成本支出，因此政府倾向于维持原策略，政府策略的变动也会影响到木材供应链上主体成员的策略选择，系统最终将收敛到（0，0，0，0）的原始状态。过高补贴会增加政府的财政压力，也会导致供应链成员过于依赖补贴而忽视自身的技术创新和成本优化，因此，在制定补贴政策时，需要找到一个平衡点。

由图6（b）可知， 当制造商和分销商给政府带来的收益 B_{\mathrm{2}}、 B_{\mathrm{3}}较小时，供应链各方主体都会因新策略带来的潜在效益较小而维持原状态，随着 B_{\mathrm{2}}、 B_{\mathrm{3}}增大，系统将朝着（1，1，1，1）的理想状态演化。参照 B_{\mathrm{2}} = \mathrm{6}， B_{\mathrm{3}} = \mathrm{4}时系统的演化路径，将 B_{\mathrm{2}}减小至5， B_{\mathrm{3}}增大至10，可以发现，不是某一个特定主体的额外收益决定了博弈系统的最终收敛状态，而是所有主体额外收益的总和起到了关键作用，随着政府得到的经济环境效益越大，其有更强的动力去推动供应链的碳减排合作，并因此会最先达到采取新策略的稳定状态。相比之下，供应商达到稳定策略的时间却较长。这是由于在供应链的碳减排合作中，木材加工制造商与分销商采取新策略带给政府的环境经济效益变动能够直接且显著地影响到政府的策略选择，而这种影响在传递到供应商时可能存在一定的时滞或减弱，因此供应商可能更依赖于制造商和分销商的决策和行为，而不是直接与政府进行决策互动。

3 结论与建议

本研究基于区块链平台，构建了基于木材的“供应商-制造商-分销商-政府”四方演化博弈模型，并通过数值试验进行仿真分析，总结得出以下结论。

1）博弈各方主体选择碳减排合作新策略的初始概率及消费者低碳偏好度的增大都能促进木材供应链的绿色转型。初始概率的提高能够增强供应链主体的合作意愿，而消费者低碳偏好度的提升则能够为供应链主体提供更大的市场动力，两者共同作用于供应链主体的行为决策，推动碳减排合作。

2）制造商通过提高碳减排量能够满足消费者对环保低碳产品的需求，从而提升市场份额，这种需求拉动效应激励制造商持续进行碳减排，形成良性循环。然而，碳减排难度因子的增大会削弱制造商减排动力，从而破坏这一良性循环。

3）政府对采取碳减排新策略的主体进行适度补贴和对搭便车行为方惩罚的方式均对碳减排合作机制的形成有显著推动作用。对搭便车行为的处罚力度越大，系统向帕累托最优状态收敛的速度越快。但政府补贴应在合理范围内，过高补贴会因无力长期承担高额补贴资金而最终维持原状态，不利于合作机制的稳定运行。

为更好地促进中俄木材供应链成员参与到区块链模式下的碳减排合作机制中，本研究根据上述研究结论提出如下建议。

1）供应链成员通过建立信任机制、制定合作规则和强化技术共享等加强协同合作。同时，政府与分销商共同引导消费者形成低碳偏好，通过教育宣传和市场机制提升低碳产品竞争力，以此作为市场动力推动供应链低碳转型。

2）制造商作为碳减排活动的主要参与者，应当发挥牵头作用，主动串联供应链的上下游，以实现市场对低碳产品需求的快速响应，研发和应用更高效的低碳技术，扩大绿色产能，构建正向反馈机制，加速环保策略的稳定实施。

3）建议政府实施精准补贴与严厉处罚并行的政策，补贴需适度，避免财政重负，同时加大对搭便车行为的处罚力度，维护合作机制的公平性和稳定性，促进木材供应链碳减排合作机制的稳定与可持续发展。

参考文献

[1] 李剑，易兰，肖瑶.信息不对称下基于区块链驱动的供应链减排信息共享机制研究[J].中国管理科学，2021，29（10）：131-139.

[2] LI J， YI L， XIAO Y.Research on information sharing mechanism of emission reduction in supply chain based on blockchain under information asymmetry[J].Chinese Journal of Management Science，2021，29（10）：131-139.

[3] 李梦雅，杨德林，胡晓，内层网络情境下孵化平台如何实现资源联动？[J].管理世界，2022，38（2）：169-187，11.

[4] LI M Y， YANG D L， HU X，et al.How does the incubation platform realize resource co-development in the context of the internal network？[J].Journal of Management World，2022，38（2）：169-187，11.

[5] 张小标，逯非，杨红强，森林伐后碳减排核算方法演进与展望[J].生态学报，2023，43（9）：3392-3406.

[6] ZHANG X B， LU F， YANG H Q，et al.Methodological evolution and frontiers of post-harvest greenhouse gas mitigation assessment[J].Acta Ecologica Sinica，2023，43（9）：3392-3406.

[7] 张晓磊.大数据视域下木材流通企业的供应链管理策略研究[J].林产工业，2020，57（1）：88-90.

[8] ZHANG X L.Research on supply chain management strategies of timber circulation enterprises from the perspective of big data[J].China Forest Products Industry，2020，57（1）：88-90.

[9] 宋烨，彭红军，孙铭君.碳限额与交易下木质林产品供应链内部融资机制[J].南京林业大学学报（自然科学版），2021，45（6）：232-238.

[10] SONG Y， PENG H J， SUN M J.Internal financing mechanisms of wood forest product supply chain under the cap-and-trade scheme[J].Journal of Nanjing Forestry University （Natural Science Edition），2021，45（6）：232-238.

[11] SUN M J， PENG H J， WANG S.Cost-sharing mechanisms for a wood forest product supply chain under carbon cap-and-trade[J].Sustainability，2018，10（12）：4345.

[12] 孙铭君，彭红军，王帅.碳限额下木质林产品供应链生产与碳减排策略[J].林业经济，2018，40（12）：77-81，115.

[13] SUN M J， PENG H J， WANG S.Production and carbon emission reduction strategy of wood forest products supply chain under carbon emission constraints[J].Forestry Economics，2018，40（12）：77-81，115.

[14] 苏蕾，袁辰，贯君.林业碳汇供给稳定性的演化博弈分析[J].林业经济问题，2020，40（2）：122-128.

[15] SU L， YUAN C， GUAN J.Evolutionary game analysis of the supply stability of forestry carbon sequestration[J].Issues of Forestry Economics，2020，40（2）：122-128.

[16] 张宜生，黄安民，叶克林.低碳经济视角下木材工业的发展展望[J].木材工业，2010，24（2）：17-20.

[17] ZHANG Y S， HUANG A M， YE K L.Outlook on development of China wood industry from low-carbon economy point of view[J].China Wood Industry，2010，24（2）：17-20.

[18] 袁野，潘维照.循环经济时代木材供应链物流成本的优化策略[J].林产工业，2020，57（11）：85-87.

[19] YUAN Y， PAN W Z.Optimization strategies of logistics cost of timber supply chain in the era of circular economy[J].China Forest Products Industry，2020，57（11）：85-87.

[20] 陈诚，邱荣祖.低碳木材物流网络优化中的碳排放测度[J].福建农林大学学报（自然科学版），2018，47（4）：480-486.

[21] CHEN C， QIU R Z.Measurement of carbon emissions in optimization of low-carbon timber logistics network[J].Journal of Fujian Agriculture and Forestry University（Natural Science Edition），2018，47（4）：480-486.

[22] 韩宇坤，马成林，李春萍，黑龙江省木材加工企业可持续供应链优化研究[J].森林工程，2021，37（5）：137-144.

[23] HAN Y K， MA C L， LI C P，et al.Research on sustainable supply chain optimization of wood processing enterprises in Heilongjiang[J].Forest Engineering，2021，37（5）：137-144.

[24] 李秋香，马草原，黄毅敏，区块链赋能供应链研究动态：视角、脉络、争鸣与盲区[J].系统工程理论与实践，2024，44（6）：1965-1986.

[25] LI Q X， MA C Y， HUANG Y M，et al.Dynamics of blockchain empowerment supply chain research：Perspectives，context，arguments，and blind spots[J].Systems Engineering-Theory & Practice，2024，44（6）：1965-1986

[26] WANG M， WANG B， ABARESHI A.Blockchain technology and its role in enhancing supply chain integration capability and reducing carbon emission：A conceptual framework[J].Sustainability，2020，12（24）：10550.

[27] ZHAO H D， LIU J G， HU X Y.Servitization with blockchain in the maritime supply chain[J].Ocean & Coastal Management，2022，225：106195.

[28] CHEN H F， YIN L.Research on the coordination of fresh food supply chain based on the perspective of blockchain and low carbon[J].Discrete Dynamics in Nature and Society，2023，6156039.

[29] LIU J， LI J Z， WANG J R，et al.Research on the application of blockchain technology in coal supply chain finance[J].Sustainability，2022，14（16）：10099.

[30] 余娜娜，王道平，赵超.考虑产品绿色度的双渠道供应链协调研究[J].运筹与管理，2022，31（4）：75-81.

[31] YU N N， WANG D P， ZHAO C.Study on coordination of dual-channel supply chain considering product green degree[J].Operations Research and Management Science，2022，31（4）：75-81.

[32] 王文利，程天毓.碳交易背景下供应链运营决策的演化博弈分析[J].系统工程理论与实践，2021，41（5）：1272-1281.

[33] WANG W L， CHENG T Y.Evolutionary game analysis of supply chain operations decision under the background of carbon trading[J].Systems Engineering-Theory & Practice，2021，41（5）：1272-1281.

[34] 鲁其辉，廖昌华.区块链技术及渠道权力对绿色供应链决策影响[J].华东经济管理，2023，37（8）：12-22.

[35] LU Q H， LIAO C H.Impact of blockchain technology and channel power on green supply chain decisions[J].East China Economic Management，2023，37（8）：12-22.

[36] RITZBERGER K， WEIBULL J W.Evolutionary selection in normal-form games[J].Econometrica：Journal of the Econometric Society，1995，63（6）：1371-1399.

[37] SELTEN R.A note on evolutionarily stable strategies in asymmetric animal conflicts[J].Journal of Theoretical Biology，1980，84（1）：93-101.

[38] FRIEDMAN D.On economic applications of evolutionary game theory[J].Journal of Evolutionary Economics，1998，8（1）：15-43.

[39] LYAPUNOV A M.The general problem of the stability of motion[J].International Journal of Control，1992，55（3）：531-534.

[40] 高俊国，刘立军，杜志平.基于改进Shapley值法的中俄木业供应链利益分配研究[J].供应链管理，2021，2（4）：79-87.

[41] GAO J G， LIU L J， DU Z P.Research on benefit distribution of Sino-Russian wood industry supply chain based on improved shapley value method[J].Supply Chain Management，2021，2（4）：79-87.

[42] SUN R， HE D Y， YAN J J.Generation mechanism of supply and demand gap of forestry carbon sequestration based on evolutionary game：findings from China[J].Forests，2022，13（9）：1488.

基金资助

中央高校基本科研业务费专项资金资助项目(2572022BL02)

黑龙江省自然科学基金资助项目(LH2023G002)

国家自然科学基金项目(62176050)