Relazione finale - Fondazione Lombardia per l`Ambiente
Transcript
Relazione finale - Fondazione Lombardia per l`Ambiente
Regione Lombardia – F.L.A. – Accordo sottoscritto dalle parti il 30 ottobre 2009 Progetto CARSIS RAPPORTO FINALE Dicembre 2010 Indice PARTE I .................................................................................................................................................. 4 Introduzione .......................................................................................................................................... 4 1. Il modello For-Est .............................................................................................................................. 5 2. Attività Svolte .................................................................................................................................... 9 2.1 Verifica delle relazioni alsometriche utilizzate dal modello For-Est e loro ottimizzazione per una applicazione al contesto regionale lombardo .......................................................................................... 9 2.2 Verifica dell’attendibilità dei parametri di ripartizione tra biomassa epigea ed ipogea, necromassa e lettiera, mediante analisi dei rapporti root/shoot e dei modelli di ripartizione riportati in letteratura o utilizzati nell’ambito di analoghe progettualità condotte in altre regioni italiane (es. Trentino Alto Adige, Veneto), con proposta di nuovi o diversi valori parametrici da utilizzare con il modello For-Est. ........ 24 2.3 Valutazione teorica dell’estendibilità del modello For-Est a tutti i comparti previsti dal protocollo LULUCF (terreni coltivati, prati e pascoli, insediamenti, zone umide, altri terreni), definendo altresì le opportune parametrizzazioni e le fonti di dati di input. ........................................................................ 28 2.4 Analisi dell’errore introdotto dalla mancata inclusione degli effetti climatici e degli stressors associati all’inquinamento atmosferico sui processi di assorbimento, rilascio e stoccaggio del carbonio da parte degli ecosistemi forestali, anche in funzione degli scenari di cambiamento climatico elaborati nell’ambito del “Progetto Kyoto Lombardia”. ........................................................................................................... 46 2.5 Utilizzazione di informazioni telerilevate e di modelli LUE (Light Use Efficiency) per monitorare le variazioni spaziali dei C-sink e C-stock nel dominio regionale e valutare le eventuali divergenze rispetto al modello For-Est. ..................................................................................................................................... 63 3. Conclusioni e definizione di una strategia tecnico-operativa. ........................................................... 68 PARTE II ............................................................................................................................................... 72 Introduzione ....................................................................................................................................... 72 1. Best practices nel campo degli investimenti forestali compensativi .................................................... 73 1.1 Principi generali della compensazione ............................................................................................. 73 1.2 Linee-guida per la redazione di bilanci delle emissioni .................................................................... 75 1. 3 Linee-guida per la progettazione e realizzazione di interventi compensativi ................................. 80 2. Attori, fasi progettuali ed infrastrutture per la creazione di un mercato volontario delle compensazioni ............................................................................................................................................................ 87 2.1 Fasi progettuali degli offset forestali ................................................................................................ 87 2 2.2 Attori nei progetti di compensazione ............................................................................................... 91 3. Modelli per il mercato delle compensazioni ...................................................................................... 97 3.1 Carbon Compensation Banking per la Regione Lombardia ............................................................ 101 Bibliografia ........................................................................................................................................ 108 Glossario e abbreviazioni ................................................................................................................... 116 3 PARTE I Autori: Giacomo Gerosa Paolo Viganò Riccardo Marzuoli Ecometrics s.r.l. Spin-off dell’Università Cattolica del Sacro Cuore di Brescia Via dei Musei 41 – 25121 Brescia Introduzione La prima parte del lavoro si è articolata nelle seguenti 6 attività concordate all’atto dell’incarico: 1. Verifica delle relazioni alsometriche utilizzate dal modello For-Est e loro ottimizzazione per un’applicazione al contesto regionale lombardo. 2. Verifica dell’attendibilità dei parametri di ripartizione tra biomassa epigea ed ipogea, necromassa e lettiera, mediante analisi dei rapporti root/shoot e dei modelli di ripartizione riportati in letteratura o utilizzati nell’ambito di analoghe progettualità condotte in altre regioni italiane (es. Trentino Alto Adige, Veneto), con proposta di nuovi o diversi valori parametrici da utilizzare con il modello For-Est. 3. Valutazione teorica dell’estendibilità del modello For-Est a tutti i comparti previsti dal protocollo LULUCF (foreste, terreni coltivati, prati e pascoli, insediamenti, zone umide, altri terreni), definendo altresì le opportune parametrizzazioni e le fonti di dati di input, oppure indicazione di approcci modellistici alternativi. 4. Analisi dell’errore introdotto in For-Est dalla mancata inclusione degli effetti climatici e degli stressors associati all’inquinamento atmosferico sui processi di assorbimento, rilascio e stoccaggio del carbonio da parte degli ecosistemi forestali, anche in funzione degli scenari di cambiamento climatico elaborati nell’ambito del “Progetto Kyoto Lombardia”. 5. Utilizzazione di informazioni telerilevate e di modelli LUE (Light Use Efficiency) per monitorare le variazioni spaziali dei Carbon-sink e Carbon-stock nel dominio regionale e valutazione delle eventuali divergenze rispetto al modello For-Est. 6. Definizione di una proposta tecnico-operativa destinata al rafforzamento delle basi di dati regionali per il miglioramento delle procedure di stima attuabili con il modello For-Est. 4 1. Il modello For-Est Il modello For-Est è stato sviluppato dall’APAT (ora ISPRA) in ottemperanza all’art. 5.1 del Protocollo di Kyoto, il quale prevedeva che ogni Parte inclusa nell’Allegato I realizzasse un sistema nazionale per la stima delle emissioni antropiche (in termini di fonti di emissione ed assorbimenti) di tutti i gas serra non inclusi nel Protocollo di Montreal. Il modello, realizzato quale tier method 3 nell’ambito delle indicazioni metodologiche espresse dalle linee guida forestali dell’Intergovernmental Panel on Climate Change (IPCC) – cioè quale modello “tailored to address national circumstances”, non definito nelle guidelines IPCC ma specificatamente creato dalle agenzie nazionali ai fini dei propri specifici inventari –, permette la quantificazione dell’incremento corrente (I) e della provvigione (gs) per ciascuna delle diverse tipologie inventariali del primo Inventario Forestale Nazionale (1985) sulle quali il modello è stato strutturato. I dati di superficie per ciascuna regione e categoria inventariale utilizzati come input del modello, infatti, sono stati ricavati dal primo Inventario Forestale Nazionale (1985) e dai risultati preliminari dell’ “Inventario Nazionale delle Foreste e dei Serbatoi Forestali di Carbonio” (CFS, 2004). Sulla base di questi input il modello è stato utilizzato per stimare l’evoluzione degli stock dei serbatoi forestali nel tempo per l’inventario nazionale dei gas serra. Lo schema logico di funzionamento del modello For-Est è riportato in Figura 1. Il modello calcola l’incremento corrente annuale ad ettaro per ognuna delle tipologie forestali dell’inventario mediante la derivata della funzione di Richards (e.g. Richards, 1959), a partire dai dati di provvigione. La funzione di Richards, molto usata nella modellazione della crescita arborea e nell'analisi della risposta vegetale a diversi tipi di trattamento, è riportata in Eq. 1, mentre la sua forma derivata - utilizzata nel modello For-Est - è indicata in Eq. 2. Nella versione presentata da Federici et al. (2008), la funzione di Richards lega l'incremento corrente direttamente alla densità di biomassa del popolamento forestale, ossia alla provvigione che lo genera (si veda a titolo di esempio la Figura 2). In tale forma l’equazione permette di calcolare, a partire dai dati di provvigione ettaro (growing stock) relativi all’anno i, il valore di incremento corrente che viene successivamente utilizzato come valore per la stima degli stock all’anno i+1. Nella forma presente in For-Est, quindi, la funzione derivata di Richards (Eq. 2) permette la stima degli incrementi correnti di volume (variabile dipendente) avendo quale variabile indipendente la provvigione ad ettaro: 5 Eq. 1 y y' Eq. 2 a 1 e dy dt 1/ v kt (funzione di Richards) k y 1 v y a v y0 (funzione di Richards in forma derivata) dove il termine y0 rappresenta l'incremento corrente con provvigione nulla (dato di input dell’equazione, da stimare), y è la provvigione ettaro (gs in seguito) mentre y’ è l’incremento corrente (I in seguito). I parametri k, v, a determinano la forma della curva e devono essere stimati per ciascuna tipologia forestale dai dati presenti nelle tavole alsometriche. Il parametro v determina la forma della curva di crescita: quando v>0 la crescita è esponenziale, quando v=-1 la crescita è logistica, quando v=3 la crescita segue la funzione di Bertalanffy, quando v=± la crescita segue la funzione di Gompertz; a è la provvigione per ettaro massima, a maturità del popolamento e k è la velocità di accrescimento del popolamento. Dai dati di incremento corrente così calcolati, la provvigione ad ettaro dell’i-esimo anno, gsi, è ottenuta dalla provvigione dell’anno precedente, gsi-1, aggiungendo ad essa l’incremento dell’anno corrente Ii (corrispondente alla y della della funzione di Richards in forma derivata) e sottraendo alla stessa le perdite dovute ai tagli Hi, alla mortalità Mi ed agli incendi Fi occorsi nell’anno corrente, secondo quanto espresso in Eq. 3: Eq. 3 gsi gsi 1 Ii Hi Fi M i ( Di ) Ai dove gsi è il volume ad ettaro di provvigione per l’anno corrente, gsi-1 è il volume totale di provvigione per l’anno precedente, Ii è l’incremento corrente calcolato con l’equazione di Richards (y’ nell’equazione 2), Hi è la quantità di biomassa utilizzata per l’anno corrente, Fi è la quantità di biomassa bruciata per l’anno corrente, Mi è il tasso annuo di mortalità, Di è il tasso annuo di rimozione della biomassa (raccolta, pascolo ecc.) per le foreste protettive, Ai è la superficie totale relativa ad una specifica tipologia forestale per l’anno corrente. Ai fini delle linee guida dell’IPCC il modello For-Est si configura come una “metodologia gain-loss” che permette di stimare, nel tempo, l’evoluzione dello stock di biomassa di specifiche superfici 6 forestali sulla base di apporti e perdite di biomassa. Da questo valore di stock si può stimare il carbon stock change (CSC) ai fini della rendicontazione degli obiettivi nazionali del Protocollo di Kyoto. Figura 1 - Struttura del modello For-Est, rispondente alle indicazioni delle linee guida forestali dell’IPCC (“Good Practice Guidance for Land Use, Land-Use Change and Forestry” , IPCC 2003; e “Guidelines for National Greenhouse Gas Inventories” - Volume 4, Agriculture, Forestry and Other Land Use, IPCC 2006) 7 Come già illustrato, ad uno stock iniziale di biomassa che si costituisce come dato di input viene sommato l’incremento corrente annuale - calcolato attraverso l’equazione di Richards - e vengono sottratte le perdite dovute ad utilizzazioni, mortalità ed incendi durante il medesimo anno ottenendo lo stock di biomassa netto (o growing stock, la provvigione) per l’anno i-esimo. Questo dato viene poi utilizzato dal modello per il calcolo dello stock di biomassa nei 5 pool di carbonio individuati dalle guidelines dell’IPCC: biomassa epigea, biomassa ipogea, lettiera, necromassa, suolo. In particolare: - per il calcolo della biomassa epigea vengono utilizzati (per ciascuna categoria inventariale) gli specifici BEFe (biomass expansion factor) e WBD (o DB, la densità basale del legno) a partire dal gs annuale; - per il calcolo della biomassa ipogea vengono utilizzati il rapporto root to shoot (BEFi) e la WBD a partire dal gs annuale; - per il calcolo della necromassa viene utilizzato il Dead Mass Expansion Factor a partire dal dato di biomassa epigea; - per il calcolo della lettiera vengono utilizzate delle specifiche regressioni lineari a partire dal dato di biomassa epigea; - per il calcolo della sostanza organica nel suolo vengono utilizzate delle specifiche regressioni lineari a partire dal dato di biomassa epigea. Riassumendo, il modello che si applica in questa ricerca ha quale input il valore di provvigione ad ettaro di ogni tipologia forestale riportata nell'Inventario Forestale Nazionale Italiano e quale output l'incremento corrente per ognuna delle tipologie. A tale incremento vengono sottratte le perdite dovute alle utilizzazioni, alla mortalità e agli incendi, avendo così il bilancio annuale per ognuno dei 5 serbatoi di carbonio (biomassa epigea, biomassa ipogea, necromassa, lettiera, sostanza organica nel suolo). 8 2. Attività Svolte 2.1 Verifica delle relazioni alsometriche utilizzate dal modello For-Est e loro ottimizzazione per una applicazione al contesto regionale lombardo 2.1.1 Metodologia Come descritto nell’introduzione, i risultati e le stime degli stock di carbonio fornite dal modello sono fortemente guidate dai parametri dell’equazione di Richards, la quale permette di calcolare l’incremento corrente annuo (per tipologia inventariale) alla base del calcolo della provvigione forestale annuale. In questa logica rivestono grande importanza i parametri dell’equazione stessa (a, k, v, y0). Una corretta stima di questi parametri costituisce la principale operazione da compiere prima di utilizzare il modello in una particolare area. Questa operazione permette di calibrare il modello alle specifiche cinetiche di crescita delle foreste regionali. I parametri k, v, a determinano la forma della curva che lega l’incremento corrente alla provvigione (e.g. Figura 2), mentre il parametro y0 rappresenta l’incremento corrente con provvigione nulla. Questi quattro parametri sono stimati per ciascuna tipologia forestale a partire La calibrazione dell’equazione di Richards su cui si basa il modello ForEst ha permesso di stimare per molte tipologie forestali i parametri ottimali per l’applicazione al contesto regionale lombardo. Il modello ottimizzato è stato validato su un dataset indipendente con risultati più che soddisfacenti (R2=0.78, p<0.001). dai dati forniti dalle tavole alsometriche. Le tavole alsometriche sono tabelle contenenti una serie di informazioni tra cui il volume della massa legnosa per ettaro di una data specie forestale e l'incremento corrente e medio alle varie età, per singole classi di produttività. Altri parametri generalmente riportati sono: numero degli alberi, altezza media e dominante, diametro medio, area basimetrica. Le tavole sono spesso 9 Nonostante i buoni risultati si suggerisce per il futuro di concentrare gli sforzi sulla creazione di un database più ampio e con tavole alsometriche riferite a tutte le tipologie forestali lombarde nonché alle diverse forme di governo del bosco (ceduo e fustaia), così da aggiornare costantemente le stime dei parametri e ridurre l’incertezza associata. divise in classi di fertilità: all’interno di tali classi le relazioni tra età, densità, provvigione possono essere notevolmente diversificate, anche all’interno della stessa tipologia forestale. Nel modello che in seguito chiameremo ‘Default’ i parametri a, k, v, y0 sono stati definiti per ciascuna tipologia forestale a partire dalle tavole alsometriche generalizzate costruite su dati provenienti da località italiane anche molto diverse tra loro (Federici et al., 2008). Tali tavole sono state ottenute dal database nazionale curato dall’Università della Tuscia (Federici et al., 2001) e scaricabili a richiesta dal sito ftp della medesima Università (http://gaia.agraria.unitus.it). Questa scelta, pur permettendo una certa generalizzazione del modello, può creare problemi nell’applicazione dello stesso ad un ambito più specifico come quello di una singola Regione (come la Lombardia). Perciò sono stati estratte dal dataset della Tuscia le tavole alsometriche relative ai boschi lombardi. Per ovviare alla scarsità di dati per alcune tipologie forestali lombarde, sono state estratte anche tavole alsometriche relative a formazioni forestali di regioni confinanti con caratteristiche meteo-climatiche simili (Emilia Romagna, Veneto, Piemonte e Trentino Alto-Adige). I parametri dell’equazione sono stati stimati per ciascuna tavola con un metodo di ottimizzazione non lineare ai minimi quadrati (Bates and Watts, 1988) implementato in linguaggio R (R Development Core Team, 2005). E’ stato scelto tale linguaggio perché fortemente orientato all’analisi statistica e perché di tipo open source, quindi liberamente scaricabile e utilizzabile. L’incertezza della stima dei parametri è stata invece valutata grazie al metodo bootstrap (Efron and Thibirani, 1993). Questo metodo consiste nel ricampionamento iterativo con rimpiazzo del data set di partenza (1000 volte) e nella stima dei parametri ad ogni ricampionamento. La distribuzione delle stime dei parametri ottenuta alla fine delle iterazioni permette di valutare l’incertezza dei parametri stessi legata all’errore casuale presente nel dataset utilizzato. L’incertezza viene indicata con la deviazione standard delle 1000 stime effettuate con il bootstrap. Tale incertezza risulta utile perché può essere propagata in modo tale da associare l’incertezza ai risultati finali del modello. Per la stima dei parametri ottimali sono stati invece utilizzati tutti i dati presenti nelle tavole alsometriche a disposizione per ciascuna tipologia forestale, in modo da massimizzare l’informazione contenuta nel dataset. I parametri ottimali del modello sono stati così stimati per una serie di tipologie forestali di interesse regionale. 10 La validazione della parametrizzazione così ottenuta è stata poi effettuata comparando i risultati con le informazioni contenute in due dataset indipendenti provenienti da diversi fonti: Dati di incremento corrente (ICi) e volume della fitomassa arborea epigea per unità di superficie raccolti nell’ambito del progetto CARSIS sul territorio regionale. Tali dati sono riferiti alla Valle Camonica e al Lario Orientale e contengono i valori delle provvigioni ettaro e di incremento corrente delle diverse particelle forestali che li compongono. Dati di incremento corrente (ICi) e di provvigione ricavati dai dati di volume della fitomassa arborea epigea (fusto e rami grossi) per unità di superficie riportati nell’Inventario Nazionale delle Foreste e dei Serbatoi Forestali di Carbonio. I dati utilizzati sono quelli relativi alla Regione Lombardia. Tali dati sono riportati nella sezione “I Caratteri Quantitativi” del sito web del Sistema Informativo Agricolo Nazionale1. Il processo di validazione ha comportato la comparazione tra i valori di incremento corrente per unità di superficie misurati in ciascuna parcella del dataset di validazione e quelli stimati dal modello di Richards con i parametri di Default (riportati in Tabella 1) a partire dai valori di provvigione per unità di superficie (m3 ha-1) di ciascuna parcella. Quindi è stata applicata l’equazione di Richards (Eq. 1) con i parametri ottimizzati riportati in Tabella 2. La valutazione dell’accuratezza delle stime d’incremento corrente con le diverse parametrizzazioni è stata fatta attraverso il calcolo del coefficiente di determinazione (R2), della radice dello scarto quadratico medio (RMSE) e dei parametri del modello di regressione lineare tra dato osservato e modellato. Come riportato da Jannssen and Heuberger (1995), l’RMSE permette di riassumere le differenze tra i dati simulati e i dati osservati dando una misura della discrepanza tra i dati osservati ed il modello. I coefficienti della retta di regressione lineare tra i dati osservati e modellati (pendenza - a1 - ed intercetta - a0 -) ed il coefficiente di determinazione R2 permettono invece di caratterizzare rispettivamente il bias (o deviazioni sistematiche delle simulazioni dalle osservazioni) e la varianza spiegata dal modello. La combinazione di queste statistiche permette quindi di caratterizzare “al meglio” l’accuratezza del modello. Le statistiche ottenute con il modello ‘Default’ e con il modello ottimizzato sono state quindi messe a confronto per valutare gli effetti dell’ottimizzazione. 1 Riferimento sito web: www.sian.it/inventarioforestale/jsp/dati_carquant_tab.jsp 11 2.1.2 Risultati I parametri utilizzati per il modello ‘Default’ sono riportati in Tabella 1, mentre le stime ottimali per l’applicazione al caso lombardo (‘modello ottimizzato’) sono esposti in Tabella 2. Come è possibile osservare in Tabella 1 il modello ‘Default’ ha i parametri definiti per un’applicazione generale del modello (Federici et al., 2008). I parametri riportati in Tabella 2 invece possono essere considerati come i parametri ottimizzati per un’applicazione specifica del modello For-Est al caso lombardo. L’ultima colonna della Tabella 2 indica l’origine dell’ottimizzazione: fitting su tavole alsometriche relative alla Lombardia e aree limitrofe, oppure parametrizzazioni per tipologie forestali lombarde reperite direttamente in letteratura. Per alcune tipologie forestali, tuttavia, non sono stati trovati dati per compiere una stima dei parametri ottimizzati. Per queste tipologie si suggerisce l’utilizzo dei parametri della classe più simile presente in Tabella 1, oppure l’utilizzo di quelli delle classi generiche (e.g. conifere) presenti in Tabella 2. Nelle fasi successive del lavoro le classi della Tabella 2 verranno armonizzate con quelle dell’Inventario Nazionale delle Foreste e dei Serbatoi Forestali di Carbonio. In Figura 2 e Figura 3 sono riportati, a titolo esemplificativo, i grafici con le regressioni non lineari (linea arancione) utilizzate per la stima dei parametri dell’equazione di Richards per una tipologia forestale e una classe di fertilità. In Figura 4 invece è riportato il grafico dell’incremento corrente rispetto alla provvigione per una tipologia forestale e in condizioni di fertilità diverse. Le statistiche che descrivono la bontà di adattamento del modello ai dati (R2 e significatività p) sono riportate in ciascun grafico. I grafici mostrano che il modello è in grado di interpolare bene i dati, anche se emerge chiaramente un problema quando si analizzano diverse classi di fertilità delle parcelle per la stessa tipologia forestale. Appare evidente che in linea teorica andrebbe costruita una parametrizzazione ad hoc per ciascuna classe di fertilità, da utilizzare poi quando si applica il modello. Il dato di fertilità non è tuttavia facilmente reperibile e quindi è necessario considerare questa come una fonte di incertezza sia per la stima dei parametri che per la stima degli stock di carbonio. 12 Tabella 1 - Parametri dell’equazione di Richards per le tipologie forestali italiane (Modello ‘Default’). I parametri k, v, a determinano la forma della curva che lega l’incremento corrente alla provvigione, mentre il parametro y0 rappresenta l’incremento corrente con provvigione nulla. Tipologia forestale k v a y0 Peccete 0.014 -0.276 978.6 0.063 Abete bianco 0.015 -0.254 1'106.8 0.035 Lariceto 0.034 0.489 446.2 0.217 Pino Silvestre 0.029 0.399 2'468.2 0.071 Conifere 0.013 -0.408 1'564.8 0.146 Conifere–Cedui 0.013 -0.408 1'564.8 0.146 Faggete 0.018 -0.093 1'268.4 0.062 Querceti 0.078 1.298 185.5 1.621 Querceti–Cedui 0.010 -0.770 427.1 0.541 Cerrete 0.010 -0.544 699.3 0.939 Carpineti 0.019 -0.879 132.2 0.759 Castagneti 0.037 0.000 834.7 4.111 Pioppeti 0.175 0.242 586.9 4.167 Latifoglie 0.008 -0.330 1'539.3 1.621 Latifoglie – Cedui 0.078 1.298 185.5 3.890 13 Tabella 2 - Parametri dell’equazione di Richards stimati come ottimali per le tipologie forestali presenti in Regione Lombardia. Il termine “Intermedia” si riferisce al fatto che la parametrizzazione è stata ottenuta utilizzando i dati provenienti dalla sola classe di fertilità intermedia. I parametri k, v, a determinano la forma della curva che lega l’incremento corrente alla provvigione, mentre il parametro y0 rappresenta l’incremento corrente con provvigione nulla (l’eventuale valore negativo di y0 va inteso come semplice intercetta della curva incremento/provvigione ottenuta con processi di interpolazione non-lineare). Questi quattro parametri sono stimati per ciascuna tipologia forestale a partire dai dati presenti nelle tavole alsometriche. Tipologia forestale k v a y0 Fonte Peccete 0.005 -0.565 1414.0 -0.963 Peccete Intermedia 0.013 0.267 726.2 0.125 Lariceto 0.048 2.021 412.1 1.003 Conifere 0.008 -0.760 2009.0 -5.110 Conifere Intermedia 0.074 1.101 355.5 0.473 Alneti 0.066 -0.153 704.3 -0.151 Faggete 0.040 1.684 535.8 0.553 Faggete Intermedia Faggete Cedui 0.040 1.684 535.8 0.552 0.051 0.537 154.5 1.988 Fitting Lombardo Fitting Lombardo Fitting Lombardo Fitting Lombardo Fitting Lombardo Fitting Lombardo Fitting Lombardo Fitting Lombardo Tulipano, 2005 Querceti 0.01 -0.77 427.1 0.541 Tulipano, 2005 Cerrete 0.011 -0.449 656.2 0.939 Tulipano, 2005 Carpineti 0.019 -0.879 132.2 0.759 Pioppeti 0.540 0.780 258.9 1.370 Orno-Ostrieti (*) 0.078 0.282 532.3 1.490 Fitting Lombardo Fitting Lombardo Fitting Lombardo (*) Poiché i parametri stimati per la tipologia degli Orno-Ostrieti non sono da considerarsi soddisfacenti si consiglia di utilizzare i parametri di ‘Default’ dei Querceti-cedui riportati in Tabella 1. 14 Figura 2 - Andamento dell’incremento corrente in funzione della provvigione per una peccata con classe di fertilità intermedia. 2 La curva interpolante rappresenta la funzione di Richards stimata per la tipologia forestale in esame. La statistica R e i valori dei parametri sono riportati nel grafico. 15 Figura 3 - Andamento dell’incremento corrente in funzione della provvigione per un lariceto. La curva interpolante rappresenta 2 la funzione di Richards stimata per la tipologia forestale in esame. La statistica R e i valori dei parametri sono riportati nel grafico. 16 Figura 4 - Andamento dell’incremento corrente in funzione della provvigione per una pecceta. Tutte le classi di fertilità sono riportate, come appare evidente dalla distribuzione dei punti nel grafico. La cuva interpolate rappresenta la funzione di Richards 2 stimata per la tipologia forestale in esame. La statistica R e i valori dei parametri sono riportati sopra nel grafico. A titolo esemplificativo, in Figura 5 sono riportate le distribuzioni delle stime dei parametri ottenute con la tecnica bootstrap per le peccete: la propagazione di questa incertezza risulta fondamentale per valutare l’incertezza finale associata alla stima degli stock di Carbonio. Sull’asse delle ascisse sono riportati i valori delle stime di ciascun parametro, mentre in ordinate sono indicate le occorrenze di ciascuna stima (frequenze) nelle 1000 simulazioni effettuate con la tecnica del bootstrap. La linea verticale tratteggiata rappresenta il valore mediano della 17 distribuzione delle stime, ovvero il valore assunto come ottimale per ciascun parametro. La dispersione delle stime attorno al loro valore mediano rappresenta una misura dell’incertezza delle stime stesse. Utilizzando tutti i dati delle tavole alsometriche simultaneamente, senza suddividerle cioè per classi di fertilità, l’incertezza aumenta (dati non mostrati) a conferma di quanto evidenziato in precedenza. Figura 5 - Distribuzione dell'incertezza dei parametri – esempio per la tipologia forestale Pecceta con classe di fertilità Intermedia (cfr. Figura 1). La linea tratteggiata rappresenta il valore mediano della distribuzione dei parametri ottenuta mediante il metodo “bootstrap”. 2.1.3 Validazione Le stime dei valori dei parametri dell’equazione di Richards per lo specifico caso lombardo (Tabella 2) sono state validate contro un dataset indipendente contenente dati di provvigione ed incremento corrente ottenuto dai Piani di Assestamento Forestale gentilmente concesso dalla 18 Comunità montana di Valle Camonica e dalla Comunità montana del Lario Orientale, nonché contro i dati riportati nell’Inventario Nazionale delle Foreste e dei Serbatoi Forestali di Carbonio relativamente alla Lombardia. I risultati sono riportati in Tabella 3 ed in Figura 6. L’accuratezza della nuova parametrizzazione è stata valutata confrontando i valori di incremento corrente per unità di area del dataset di validazione con le stime ottenute con il parametri di ‘Default’ e con i parametri ‘ottimizzati’ all’applicazione lombarda per alcune tipologie forestali. E’ evidente come utilizzando i parametri stimati ad hoc a partire dalle tavole alsometriche per boschi simili - in termini di condizioni meteo-climatiche - a quelli della Regione Lombardia (parametri ‘ottimizzati’), i risultati migliorino notevolmente rispetto a quelli ottenuti con la parametrizzazione di ‘Default’ (Figura 6). I valori del coefficiente di determinazione (R2) passano dallo 0.49 del modello di ‘Default’ allo 0.78 del modello ‘ottimizzato’. Tale risultato evidenzia come il modello ottimizzato per la Lombardia sia in grado di spiegare il 78% della varianza dei dati osservati mentre con il modello ‘Default’ la varianza spiegata si limita al 49%. Si evidenzia inoltre una drastica riduzione dell’errore quadratico medio che passa da 1.59 m3 ha-1 a 1.05 m3 ha-1. La porzione di varianza non spiegata dal modello è attribuibile alle seguenti ragioni: 1. la collezione di tavole alsometriche impiegata nella calibrazione delle funzioni di crescita non può essere considerata completamente rappresentativa della realtà forestale lombarda, perché non sono presenti dati in numero sufficiente per molte tipologie forestali e questi non sono riferiti a parcelle regolarmente distribuite sul territorio; 2. la funzione di Richards è stata parametrizzata utilizzando le classi di fertilità intermedie presenti nelle tavole alsometriche, e quindi non è rappresentativa di tutte le classi di fertilità; 3. ci sono fattori legati alla variabilità climatica, a stress ambientali di vario tipo e alle deposizioni azotate che possono influenzare l’accuratezza delle stime, poiché questi processi non vengono presi in considerazione dal modello For-Est basato sull’equazione di Richards. I parametri forniti in Tabella 2 rappresentano dunque, data la disponibilità di dati attuale, la parametrizzazione ottimale per l’applicazione al caso lombardo relativamente ai tipi forestali riportati. Per le tipologie forestali non riportate in Tabella 2 si suggerisce di utilizzare i dati ‘Default’ riportati in Tabella 1. A titolo esemplificativo vengono riportati in Tabella 4 i parametri 19 dell’equazione di Richards stimati in un analogo studio effettuato in Emilia Romagna (Tulipano, 2005). Nonostante i buoni risultati ottenuti si suggerisce di concentrare gli sforzi sulla creazione di un database contenente un numero maggiore di dati e tavole alsometriche per le tipologie forestali lombarde in modo tale da poter aggiornare le stime dei parametri riducendone l’incertezza associata. Come precedentemente sottolineato la collezione di tavole alsometriche, impiegata nella calibrazione della funzione di crescita, non può essere considerata completamente rappresentativa della realtà forestale lombarda. Va inoltre sottolineato che in questo lavoro, eccetto per la tipologia forestale ‘Faggete’, non è stata fatta alcuna distinzione tra foreste governate a ceduo o a fustaia poiché non erano disponibili dati sufficienti per effettuare la stima dei parametri in queste condizioni di governo. Anche in questo senso, a nostro parere, lo sforzo successivo dovrebbe concentrarsi sull’incremento della raccolta dei dati necessari per il processo di ottimizzazione dell’equazione di Richards. Il codice sviluppato nel contesto di questa collaborazione permette, una volta raccolti ulteriori dati e tavole alsometriche (sia per i tipi forestali riportati in Tabella 2 che per quelli assenti), di poter stimare in modo rapido ed efficace i parametri a, k, v, y0 e quindi di poter fornire stime aggiornate e più consistenti degli stock di carbonio a livello regionale. 20 Tabella 3 - Risultati della validazione della parametrizzazione ”ottimizzata” dell’equazione di Richards (VC=Valle Camonica, LO=Lario Orientale, INFC=Inventario Nazionale delle Foreste e dei Serbatoi Forestali di Carbonio). Tipologie forestali presenti Fonte Param. Provv. Dati 3 Pecceta subalpine Incremento Corrente PAF 3 -1 Incremento Corrente Modello ‘Ottimizzato’ 3 -1 Incremento Corrente Modello ‘Default’ m ha -1 m ha m ha m ha 3 -1 VC Peccete 128.97 1.92 2.36 4.09 Abete Rosso INFC Peccete 333.4 7.4 5.88 5.88 Abete Bianco INFC Conifere 460.9 9.6 9.66 9.66 Lariceto tipico VC Lariceto 81.58 1.61 2.80 3.42 Lariceto montano VC Lariceto 116.37 1.84 3.00 4.51 Laricete e Cembrete INFC Lariceto 217.6 3.7 4.75 4.65 Pinete Pino Silvestre e montano INFC Conifere 143.9 3 4.61 7.72 INFC Conifere 378 7.5 5.07 9.63 Faggeta VC Faggeta 161.70 2.70 3.87 5.50 Faggeta LO Faggeta 171.53 3.34 4.02 5.59 Faggeta LO Faggeta 149.55 2.69 3.68 5.45 Faggete INFC Faggete 186 4.6 4.23 6.94 Querceti di rovere, roverella e farnia INFC Querceto 107.4 3.2 3.21 4.92 Cerrete, boschi di farnetto, fragno e vallonea INFC Cerrete 130.8 5.8 4.35 4.41 Corilo-Frassineto VC Corileti 58.38 1.45 1.90 4.38 Carpineti VC Carpineti 72.89 2.28 1.86 1.84 INFC Pioppeti 150.1 5.5 5.70 5.70 Altri boschi di conifere, pure o miste Boschi Igrofili 21 Figura 6 - Grafico dell’incremento corrente simulato mediante l’equazione di Richards (Eq. 1) contro l’incremento corrente osservato relativo al modello ‘ottimizzato’ per l’applicazione in Lombardia (in alto) e per il modello con la parametrizzazione originale (o ‘Default’) (in basso). La linea continua rappresenta la retta di regressione lineare tra dati osservati e simulati mentre le linee tratteggiate rappresentano l’intervallo di confidenza al 95%. 22 Tabella 4 - Parametri dell’equazione di Richards stimati per le diverse tipologie inventariali dell’Emilia Romagna. Tratto da Tulipano, 2005, Tabella 3.1. 23 2.2 Verifica dell’attendibilit{ dei parametri di ripartizione tra biomassa epigea ed ipogea, necromassa e lettiera, mediante analisi dei rapporti root/shoot e dei modelli di ripartizione riportati in letteratura o utilizzati nell’ambito di analoghe progettualità condotte in altre regioni italiane (es. Trentino Alto Adige, Veneto), con proposta di nuovi o diversi valori parametrici da utilizzare con il modello For-Est. Come illustrato nella sezione 2.1, la biomassa epigea totale comprende la biomassa di fusto, chioma e rami (tutti i valori sono riferiti all'ettaro, ma possono essere estesi alla totale estensione di superficie semplicemente moltiplicando il valore di biomassa per il n° di ha): così come presentato in Eq 4, la biomassa epigea può essere calcolata a partire dal dato di provvigione tramite l'uso di fattori di espansione specie-specifici (BEF1) che esprimono la relazione allometrica esistente tra le due grandezze (BEF1=volume di biomassa epigea in m3 / volume della provvigione in m3, ISAFA 2004) e tramite l’applicazione dei rispettivi e specifici valori di densità basale del legno (DB o WBD – Wood Basic Density). Il valore di biomassa epigea totale risulta così espresso in tonnellate di sostanza secca all’ettaro- [t s.s./ha]): Eq. 4. Biomassa epigea (s.s.) = gs * BEF1 * DB dove gs è il growing stock [m3/ha], BEF è il biomass expansion factor (adimensionale), DB la densità basale del legno [t s.s./m3]. Il contenuto di carbonio nella biomassa secca oscilla in letteratura tra il 40% ed il 60% circa: in accordo con le linee guida dell'IPCC per la realizzazione degli inventari nazionali dei gasserra (e.g. Romano et al., 2010), in questo studio il contenuto in C è stato assunto essere pari al 50% della sostanza secca. Tale valore di carbonio viene infine convertito in tonnellate di anidride carbonica equivalente mediante moltiplicazione per il numero puro 3,67 (risultato del rapporto tra la massa molecolare della CO2 e la massa atomica del carbonio.): 24 Si confermano i valori di BEF riportati in Federici et al., 2008, per l’applicazione lombarda di For-Est. Per quanto riguarda i valori relativi ai disturbi, ed in particolare agli incendi, sono stati segnalati e riportati i dati aggiornati per il territorio regionale. Eq. 5. CO2 assorbita dalla biomassa epigea [tCO2/ha] = biomassa epigea (s.s.) * 0,5 * 3,67 Con procedimento simile a quello illustrato in Eq. 4 viene calcolata anche la biomassa ipogea (costituita dall'insieme di radici grossolane e sottili): la provvigione di ogni tipologia inventariale viene però in questo caso moltiplicata per gli specifici BEF, che rappresentano il rapporto root/shoot (R o BEF2 = biomassa fusto/biomassa radici, valore adimensionale). E’ chiaro come questi parametri BEF1 e BEF2 debbano essere ottimizzati per il caso specifico dell’applicazione del modello alla Regione Lombardia. A questo proposito è stata condotta una verifica delle fonti esistenti in letteratura (e.g. Anfodillo et al., 2006; Lehtonena et al., 2006; Vallet et al., 2006; Pilli et al., 2006, Romano et al., 2010; ISAFA, 2004). Tuttavia dall’analisi di quanto reperito in letteratura e in report di analoghi progetti condotte in altre regioni italiane (Emilia Romagna, Veneto, Piemonte e Trentino Alto-Adige) non sono emersi valori particolarmente diversi da quelli ritenuti ottimali per l’Italia (di cui alla Tabella 3) da Federici et al. (2008). Si è quindi deciso di confermare i valori di BEF riportati in Federici et al. (2008) per l’applicazione lombarda di For-Est (Tabella 5 per l’elenco delle principali tipologie presenti sul territorio lombardo). 25 Tabella 5 - Biomass Expansion Factors selezionati per l'applicazione di For-Est a livello regionale da Federici et al., 2008. Nell’ultima riga viene riportata la media dei valori di BEF1 e BEF2. Tipologia forestale Peccete BEF1 (Biomassa epigea) BEF2 (Biomassa ipogea) 1.29 0.29 Abetieti 1.34 0.28 Lariceti 1.22 0.29 Pinete Montane 1.33 0.36 Conifere 1.37 0.29 Faggete 1.36 0.20 Cerrete 1.45 0.24 Querceti 1.42 0.20 Latifogle 1.47 0.24 Castagneti 1.33 0.28 Carpineti 1.28 0.26 Pioppeti 1.29 0.21 Media 1.34 0.26 Il modello richiede anche dati sulla necromassa (legno morto). Poiché non sono disponibili in letteratura dati da misure dirette in campo, la necromassa è stimata attraverso l'applicazione di un fattore di espansione costante per ciascuna tipologia forestale ricavato in letteratura (Table 3.2.2 del GPG per LULUCF – IPCC 2003) e pari a 0.14. Il modello For-Est richiede come input anche dati relativi ai disturbi, tra i quali gli incendi rappresentano un dato essenziale per ottenere stime affidabili a scala regionale. In particolare per gli incendi, il dato fondamentale richiesto da For-Est è l’area bruciata che viene poi impiegata per il calcolo dello stock di C perso in seguito al disturbo. A tal fine sono stati raccolti dati specifici per gli incendi a livello regionale provenienti dai rapporti annuali Forest Fires in Europe del Joint Research Centre di Ispra (VA) in cui sono stati riportati dati specifici per la Regione Lombardia per tre anni selezionati (2003, 2004, 2008). I rapporti sono scaricabili direttamente online (http://effis.jrc.ec.europa.eu/reports/fire-reports). Per gli anni precedenti (1990-2001) invece si è 26 fatto riferimento al dato riportato nella sezione ‘Documentazione’ del sito web della Regione Lombardia (http://www.incendiboschivi.regione.lombardia.it/). Il valore medio di area bruciata utilizzabile ad oggi per gli incendi in Lombardia, calcolato come media pesata, è riportato in Tabella 6. Qualora non sia disponibile il dato relativo ad un anno specifico si suggerisce di utilizzare tale valore medio. In caso contrario il valore annuale reso disponibile nei siti web sopra citati risulta più accurato per la determinazione dello stock di carbonio perso a causa degli incendi. Tabella 6 - incendi per Regione Lombardia (numero di incendi e area bruciata per aree boscate e non) Anno Numero Boscate (ha) Non Boscate (ha) Totale (ha) 1990-2001 368 2498 2363 4861 2003 385 687 772 1459 2004 184 448 301 749 2008 153 597 545 1141 Media 317 1730 1634 3363 27 2.3 Valutazione teorica dell’estendibilit{ del modello For-Est a tutti i comparti previsti dal protocollo LULUCF (terreni coltivati, prati e pascoli, insediamenti, zone umide, altri terreni), definendo altresì le opportune parametrizzazioni e le fonti di dati di input. Come già anticipato nell’introduzione, il modello For-Est è un modello a forte base inventariale sviluppato a livello nazionale secondo le indicazioni metodologiche espresse dalle “Good Practice Guidance for Land Use, Land-Use Change and Forestry” (2003) dell’Intergovernmental Panel on ClimateChange (IPCC), le linee guida ufficiali per la rendicontazione degli assorbimenti di carbonio di superfici naturali. La struttura del modello For-Est lo rende idoneo alla valutazione della variazione dello stock di carbonio (carbon stock change - CSC) in popolazioni forestali, come ben dimostrato anche da questo studio. Se nell’ambito del comparto “Forest Land” (indicato dall’IPCC con la sigla F) il modello offre risultati significativi, questo stesso risulta però non applicabile agli altri comparti previsti dalle guidelines dell’IPCC (quali: cropland – C, grassland – G, wetland - W, settlement - S, otherland - O). Nell’ambito delle valutazioni sugli stock di carbonio nel comparto Forest Land, il modello For-Est è stato sviluppato quale tier-method 3, cioè quale modello “….tailored to address national circumstances” specificatamente creato dalle agenzie nazionali (nel nostro caso APAT) ai fini della realizzazione dei propri specifici inventari nazionali. Lo sforzo di strutturazione del modello ha potuto garantire un livello di precisione nazionale maggiore rispetto a quello raggiungibile mediante l’applicazione dei più generali metodi tier 1 e tier 2 presenti nelle linee guida dell’IPCC. Questi due metodi (tier 1 e tier 2) rappresentano strumenti per la valutazione degli stock di carbonio in ogni specifico comparto identificato dall’IPCC grazie all’utilizzo di metodologie e dati standardizzati (raccolti dall’IPCC nell’ambito della letteratura scientifica). Le indicazioni quantitative ottenibili con questi metodi, tuttavia, sono meno precise rispetto a quelle ottenibili con modelli nazionali, 28 Le caratteristiche strutturali di ForEst non lo rendono idoneo alla quantificazione della biomassa epigea in altri comparti ambientali. Le linee guida dell’IPCC offrono tuttavia numerosi strumenti per la quantificazione degli stock per la stima del carbonio in comparti diversi da Forest Lands (Croplands – C, Grasslands – G, Wetlands - W, Settlements - S, Other Lands – O). ma costituiscono comunque indicazioni valide e rappresentative dell’ordine di grandezza degli stock di carbonio e delle loro variazioni in ognuno dei comparti definiti dall’IPCC. Con particolare riferimento al tier method 1, questo “….employs the basic method provided in the IPCC Guidelines (Workbook) and the default emission factors provided in the IPCC Guidelines”: dalla sua applicazione è quindi possibile ottenere indicazioni sintetiche ed interessanti, utili ai fini inventariali. Date queste premesse, per la stima del carbonio nei comparti diversi da Forest Land (F) si caldeggia l’adozione di queste metodologie proprio in ragione della loro apposita realizzazione per la rendicontazione del carbon stock change in tutti i comparti indicati. Per ogni comparto individuato dalle guidelines dell’IPCC (eccetto il comparto Forest Land, già oggetto di questo studio) si propone di seguito una valutazione del tier method 1 realizzato dall’IPCC. Se questo “tier method 1” potrebbe già essere immediatamente impiegabile per le valutazioni degli stock di carbonio nei diversi comparti dell’IPCC, in una fase successiva sarebbe facile pensare all’implementazione nazionale anche di un “tier method 2” quale metodo che usa “….the same methodological approach as Tier 1 but applies emission factors and activity data which are defined by the country for the most important land uses/activities”. La completezza delle metodologie proposte dalle “Good Practice Guidance for Land Use, Land-Use Change and Forestry” (2003) dell’IPCC fa sì che siano stati individuati sia strumenti modellistici utilizzabili in carenza di dati nazionali, sia strumenti utilizzabili in presenza di specifici dati nazionali. La presenza di un “tier method 1”, in particolare, fa sì che sia semplice poter poi impiegare il “tier method 2” nel caso di disponibilità di più specifici dati nazionali. In questa sezione si farà riferimento principalmente alla versione del 2003 delle linee guida IPCC, dal momento che la versione più recente e similare (“2006 IPCC Guidelines for National Greenhouse Gas Inventories - Volume 4: Agriculture, Forestry and Other Land Use”) non è stata ancora approvata ufficialmente. Il riferimento alle linee guida IPCC 2006 sarà però effettuato per la presentazione degli sviluppi metodologici verso comparti quali settlements e otherlands. 2.3.1 “Land converted to land” e “Land remaining land”: l’approccio metodologico delle linee guida dell’IPCC. Le linee guida dell’IPCC definiscono un differente iter di calcolo per il carbon stock change in relazione a due diverse situazioni di uso del suolo: la situazione in cui si assiste ad una conversione nell’uso del suolo (“Land converted to land”, in riferimento a ciascuno dei sopraccitati comparti, da 29 cui e verso cui si può prevedere una conversione nell’uso del suolo) e la situazione in cui il suolo permanga nei medesimi usi, nel medesimo comparto (“Land remaining land”). Le “Good Practice Guidance for Land Use, Land-Use Change and Forestry” dell’IPCC (di cui all’indirizzo web: http://www.ipcc-nggip.iges.or.jp/public/gpglulucf/gpglulucf_contents.html), nella Sezione 3.1, alle Figure 3.1.1 e 3.1.2 definiscono l’iter metodologico per la selezione della più idonea metodologia - tra tier 1, tier 2 e tier 3 - al fine della stima dello stock di carbonio rispettivamente nel caso di “land converted to another land use category” che nel caso di “land remaining in the same land use category”. Prendendo a riferimento il solo pool di carbonio della biomassa epigea, qui si illustreranno le principali equazioni utilizzabili nel caso di applicazione di un tier method 1 (che potenzialmente può diventare un tier method 2, se presenti dati nazionali) insieme ai dati di natura generale riportati nelle linee guida dell’IPCC necessari per l’efficace applicazione del medesimo tier 1. Si noti anche che le medesime guidelines alla Figura 3.1.3 identificano le principali zone climatiche mondiali, al fine di poter identificare l’ubicazione climatica di ogni Paese e poter così selezionare per ciascun Paese i più idonei dati per il running del tier method 1 (l’Italia viene qui assimilata alla zona climatica warm temperate wet, nel Nord Italia, ed alla zona warm temperate dry, nel Sud Italia) Aree agricole (Cropland) Nella situazione di permanenza nel medesimo uso del suolo (Crop land remaining Cropland – CC), per la stima del carbon stock change nella biomassa epigea di questo comparto si può fare riferimento all’equazione del foglio di lavoro “CL-1a: Annual change in carbon stocks in living biomass” contenuto nell’Annex 3A.2 delle sopraccitate linee guida dell’IPCC (qui in Tabella 7): 30 Tabella 7 - Foglio di lavoro“CL-1a: Annual change in carbon stocks in living biomass” contenuto nell’Annex 3A.2 delle “Good Practice Guidance for Land Use, Land-Use Change and Forestry” (IPCC, 2003) Nel caso di utilizzo di un tier method 1, con utilizzo dei dati standardizzati contenuti nelle medesime linee guida dell’IPCC, è possibile identificare i dati di input per le colonne B e C del presente worksheet CL-1a tra i valori della Tabella 8 (così come identificati dall’IPCC per le diverse regioni climatiche): Tabella 8 - Coefficienti di calcolo (di cui alla tabella 3.3.2 riportata a pag. 3.71 delle “Good Practice Guidance for Land Use, LandUse Change and Forestry” - IPCC, 2003) 31 In presenza di disponibilità di dati locali, la semplice equazione espressa dal worksheet CL-1a potrebbe essere invece utilizzata quale tier method 2. Nella situazione di cambio di uso del suolo (Land converted to Cropland – LC), per la stima del CSC della biomassa epigea secondo indicazioni del tier method 1 si deve fare riferimento al worksheet “CL-2a: Annual change in carbon stocks in living biomass”, qui riportato in Tabella 9: Tabella 9 - Foglio di lavoro“CL-2a: Annual change in carbon stocks in living biomass” contenutonell’Annex 3A.2 delle “Good Practice Guidance for Land Use, Land-Use Change and Forestry” (IPCC, 2003) I campi di questo foglio di lavoro sono compilabili facendo riferimento a dati ottenuti mediante la compilazione di altri fogli di lavoro (per le diverse categorie di uso del suolo nella situazione “land remaining land”): in particolare, la compilazione la colonna A e B è funzionale alla specifica situazione di cambio di uso del suolo, mentre le colonne C ed E sono compilabili con i dati del precedente foglio di lavoro CL-1a. Anche in questo caso ecco ritornare la logica della possibilità di applicazione di un tier method 2 nel caso di disponibilità di specifici dati locali. 32 Praterie (Grassland) Nella situazione di permanenza nel medesimo uso del suolo (Grassland remaining Grassland – GG), per la stima del carbon stock change nella biomassa epigea di questo comparto si può fare riferimento al foglio di lavoro “GL-1a: Annualchange in carbon stocks in living biomass” contenuto nell’Annex 3A.2 delle sopraccitate linee guida dell’IPCC, qui riportato nella sottostante Tabella 10 (composta da due diversi fogli di lavoro): Tabella 10 - Foglio di lavoro“GL-1a: Annual change in carbon stocks in living biomass” contenuto nell’Annex 3A.2 delle “Good Practice Guidance for Land Use, Land-Use Change and Forestry” (IPCC, 2003) Si sottolinea come il presente foglio di lavoro non possa essere utilizzato con un tier method 1, dal momento che “At Tier 1, the default assumption is no change in biomass stocks. Therefore, no 33 default emission/removal factors are provided”. Il foglio di lavoro si presta tuttavia ad essere utilizzato quale tier method 2, se disponibili eventuali specifici dati di accrescimento locali in riferimento alla biomassa erbacea. Stante la chiara indicazione sopra precisata, le linee guida dell’IPCC tuttavia forniscono dati circa la NPP della biomassa epigea (above ground biomass) visualizzabili in Tabella 11, impiegabili come indicazione generale di accrescimento delle superfici erbose nei diversi contesti climatici: Tabella 11 - NPP della biomassaipogea (fonte: tabella 3.4.2 dipag. 3.109 delle “Good Practice Guidance for Land Use, Land-Use Change and Forestry”, IPCC, 2003) Nella situazione di cambio di uso del suolo (Lands converted to Grassland – LG), per la stima del carbon stock change in questo comparto conformemente alle indicazioni del tier method 1 si deve fare riferimento al foglio di lavoro “GL-2a: Annualchange in carbon stocks in living biomass” contenuto nell’Annex 3A.2 delle sopraccitate linee guida dell’IPCC, qui riportato in Tabella 12: 34 Tabella 12 - Foglio di lavoro“GL-2a: Annual change in carbon stocks in living and dead biomass” contenuto nell’Annex 3A.2 delle “Good Practice Guidance for Land Use, Land-Use Change and Forestry” (IPCC, 2003) Le valutazioni da compiere per il riempimento di questo foglio di lavoro sono le medesime già epresse per il foglio di lavoro CL-2a (specifico per il comparto “cropland”): si sottolinea come il tier method 1 preveda che il totale della biomassa preesistente nel comparto originario venga rimossa prima della conversione al comparto grassland, con una dispersione completa del preesistente stock di carbonio relativo alla biomassa epigea. Si riporta una tabella delle linee guida IPCC contenente i dati di default riguardo lo stock di carbonio presente sui territori convertiti a grassland Tabella 13: 35 Tabella 13 - Dati di default riguardo lo stock di carbonio presente sui territori convertiti a grassland (fonte: tabella 3.4.9 di pag. 3.125 delle “Good Practice Guidance for Land Use, Land-Use Change and Forestry”, IPCC, 2003) Anche nel caso del foglio di lavoro GL-2a vale la logica per cui la disponibilità di specifici dati locali qualificherebbe tale iter come un tier method 2. 36 Aree Umide (Wetlands) Le linee guida dell’IPCC dividono le Wetlands in Peatlands (torbiere) e Flooded Lands (terreni allagati). Ai sensi della Convenzione di Ramsar (1996), sono complessivamente classificati come Wetlands i terreni di cui alla Tabella 14 di seguito riportata: Tabella 14 - Identificazione delle aree classificate come Aree Umide (fonte: tabella 7.3 di pag. 7.6 delle “2006 IPCC Guidelines for National Greenhouse Gas Inventories”). Per i terreni identificati in tabella, la metodologia dell’IPCC prevede solo una indicazione circa le emissioni di gas ad effetto serra - quali CO2, CH4 e N2O - a partire dal contenuto organico nel suolo: non è previsto alcun carbon stock change positivo per la biomassa epigea nel caso di terreni allagati o di terreni a torbiere in condizione di “Wetland remaining wetland”, data l’assenza di vegetazione. Nella situazione di cambio di uso del suolo (Lands converted to Wetlands – LW), per la stima del carbon stock change in questo comparto conformemente alle indicazioni del tier method 1, si deve fare riferimento a due diversi fogli di lavoro. Ciò accade in relazione al fatto che la conversione avvenga verso una torbiera (nel qual caso si utilizza il foglio di lavoro “WL-2a1: Annual change in carbon stocks in living biomass”) contenuto nell’Annex 3A.2 delle linee guida dell’IPCC (2003) e qui riportato in Tabella 15: 37 Tabella 15 - Foglio di lavoro“WL-2a1: Annual change in carbon stocks in living biomass” contenuto nell’Annex 3A.2 delle “Good Practice Guidance for Land Use, Land-Use Change and Forestry” (IPCC, 2003) oppure nel caso di conversione verso un terreno allagato (nel qual caso si deve utilizzare il foglio “WL-2a2: Annual change in carbon stocks in living biomass”) contenuto nell’Annex 3A.2 delle linee guida dell’IPCC (2003) riportato alla successiva Tabella 16: Tabella 16 - Foglio di lavoro “WL-2a2: Annual change in carbon stocks in living biomass” contenuto nell’Annex 3A.2 delle “Good Practice Guidance for Land Use, Land-Use Change and Forestry” (IPCC, 2003) 38 E’ intuitivo che questi worksheet sono utilizzabili solo per la quantificazione della perdita netta di stock della biomassa epigea (rispetto agli usi pregressi del suolo), in quanto sia che il suolo venga utilizzato a scopi di prelievo di torba sia che questo sia allagato non è ovviamente ragionevole la presenza di particolare biomassa epigea. Insediamenti e comparto urbano (Settlements) Analogamente a quanto già visto per il comparto Wetlands, per la stima del carbon stock change per la biomassa epigea anche il comparto Settlements offre indicazioni meno strutturate rispetto a comparti più significativi (dal punto di vista dello stock di carbonio) quali, ad esempio, Cropland e Grassland. Per il comparto Settlements le linee guida dell’IPCC stabiliscono un approccio ben definito: “.…Tier 1 assumes no change in carbon stocks in live biomass in Settlements Remaining Settlements, in other words, that the growth and loss terms balance. If the category Settlements Remaining Settlements is determined to be a key category, then a country should collect appropriate activity data and/or develop emission factors appropriate to the region and adopt Tier 2 or 3”. Ipotizzando quindi che in un’ipotetica rendicontazione il comparto Settlements sia una categoria chiave, necessitante quindi di una adeguata valutazione, è necessario utilizzare un tier method 2 (o tier 3, nel caso di volontà/capacità di sviluppo di una modellistica ad-hoc). In particolare, le linee guida IPCC stabiliscono che: “There are two options for Tier 2 estimation of changes in biomass in Settlements Remaining Settlements. Tier 2a uses changes in carbon stocks per unit of plant crown cover area as a removal factor, and Tier 2b uses changes in carbon stocks per number of plants as a removal factor. The choice of method will depend on availability of activity data”. Il tier method 2a è basato su una sola equazione, qui riportata in Figura 7 e su dati generali così come presentati nella seguente Tabella 17. 39 Figura 7 - Equazione 8.2 riportata a pag. 8.7 delle “2006 IPCC Guidelines for National Greenhouse Gas Inventories” Tabella 17 - Accumulo annuale di C per ha di copertura arborea (fonte: tabella 8.1 riportata a pag. 8.9 delle “2006 IPCC Guidelines for National Greenhouse Gas Inventories”) Il tier method 2b è anch’esso basato su una sola equazione, qui riportata in Figura 8 e su dati generali così come presentati nella seguente Tabella 18. Figura 8 - Equazione 8.3 riportata a pag. 8.11 delle “2006 IPCC Guidelines for National Greenhouse Gas Inventories” 40 Tabella 18 - Tasso annuale di accumulo di C per albero (fonte: tabella 8.2 riportata a pag. 8.10 delle “2006 IPCC Guidelines for National Greenhouse Gas Inventories”) E’ ovvio che entrambi questi metodi necessitano di dati specifici e precisi, per affinare una valutazione circa lo stock di carbonio presente nei contesti urbani. Nella situazione di cambio di uso del suolo (Land converted to Settlements – LS), per la stima del carbon stock change nella biomassa epigea di questo comparto si può fare riferimento al foglio di lavoro “3B5b - Land Converted to Settlements: Annual change in carbon stocks in biomass” contenuto contenuto nell’Annex 1 delle linee guida dell’IPCC (2006) e qui riportato in Tabella 19: 41 Tabella 19 - Foglio di lavoro“3B5b - Land Converted to Settlements: Annual change in carbon stocks in biomass” contenuto nell’Annex1delle“2006 IPCC Guidelines for National Greenhouse Gas Inventories (pag. A1.44) Nel caso in cui il foglio di lavoro voglia essere utilizzato quale tier method 1, si può fare riferimento ad alcune specifiche tabelle identificate dalle linee guida dell’IPCC e reperibili all’indirizzo web http://www.ipcc-nggip.iges.or.jp/public/2006gl/vol4.html: in alternativa il foglio di calcolo può essere utilizzato quale tier method 2 sulla base della disponibilità di più precisi dati locali. “Other Lands” Le linee guida dell’IPCC (2006) definiscono il comparto Other Lands come “….bare soil, rock, ice, and all land areas that do not fall into any of the other five land-use categories (….). Other Land is often unmanaged, and in that case changes in carbon stocks and non-CO2 emissions and removals are not estimated”. Per questo motivo è ragionevole attendersi l’assenza di particolari stock di biomassa epigea nel comparto, ipotizzando invece un’eventuale presenza di carbonio organico e minerale nel suolo. Al fine delle valutazioni circa il carbon stock change nella biomassa epigea, il presente comparto non fornisce quindi informazioni di particolare interesse. 42 E’ comunque da segnalare il foglio di lavoro riportato dalle linee guida ed utilizzabile nella situazione di cambio di uso del suolo (Land coverted to Other Land – LO), per la stima del carbon stock change (negativo) nella biomassa epigea nel caso di conversione del suolo verso il comparto Other Land: si tratta del worksheet “3B6b - Land Converted to Other Land: Annualchange in carbon stocks in biomass” contenuto contenuto nell’Annex 1 delle linee guida dell’IPCC (2006) e qui riportato in Tabella 20: Tabella 20 - Foglio di lavoro“3B6b - Land Converted to Other Land: Annual change in carbon stocks in biomass” contenutonell’Annex1delle“2006 IPCC Guidelines for National Greenhouse Gas Inventories (pag. A1.45) 43 2.3.2 Prospettive La valutazione del modello For-Est ha identificato la possibilità di un suo efficace utilizzo per la stima del carbon stock change nel comparto forestale: per la medesima stima in altri comparti con un diverso uso del suolo sono necessari altri e diversi approcci, in primis quelli suggeriti dall’IPCC (come è stato riportato nel presente Paragrafo). In vista di un’opportuna successiva valutazione si segnala l’esistenza di altri modelli a forte base inventariale, i quali generalmente sono capaci di operare simulazioni circa le evoluzioni degli stock di carbonio includendo gli effetti climatici e le deposizioni azotate. A questo proposito risulta di notevole interesse il modello DSSAT (Decision Support System for Agrotechnology Transfer), un pacchetto di software (con database interno) che permettono la stima dell’accrescimento agricolo (comparto Cropland) con particolare riferimento proprio alle pratiche gestionali utilizzate, alle condizioni meteoclimatiche ed agli apporti azotati. La variazione nello stock di carbonio del comparto è quindi modellata sulla base di: - Data Base Management System (DBMS) che fornisce risultati a partire da input gestionali alternativi - un insieme di modelli colturali validati - un programma applicativo per l'analisi e la visualizzazione di risultati di esperimenti di simulazione Così come specificato anche dagli autori, il modello, che nasce per simulazioni di breve e di lungo periodo in campo agronomico, grazie alla sua duttilità è capace di offrire valutazioni utili allo studio delle dinamiche climatiche nelle Croplands. Per la stima del ciclo del carbonio nel comparto Cropland o nel comparto Grassland, è altresì tilizzabile il modello CENTURY. Il modello, sviluppato come progetto del U.S. National Science Foundation Ecosystem Studies Research Projects, permette le simulazione dei flussi di carbonio e dei nutrienti in diversi ecosistemi (i “comparti” delle Linee guida dell’IPCC) quali pascoli, terreni agricoli, foreste e savane. Interessante considerare che nel modello CENTURY l’assorbimento del carbonio è controllato principalmente dalla disponibilità di azoto, ulteriore indicazione della capacità del modello di prendere in considerazione gli apporti azotati. 44 Per la stima dei flussi e degli stock di carbonio si segnala altresì la possibilità di utilizzo del modello FullCAM. Sviluppato dall’ Australian Greenhouse Office (AGO) nell’ambito del National Carbon Accounting System (NCAS) australiano. FullCAM è una integrazione di diversi modelli per la stima del carbonio nella biomassa e nel suolo in sistemi in transizione (ad esempio nel caso di forestazione, riforestazione e deforestazione) e misti (ad esempio agroforestali), quali: - CAMFor, modello che trae le sue basi modellistiche dal tool CO2fix, utilizzato per la stima della NPP di sistemi forestali. - CAMAg, che per i sistemi colturali (Cropland) e pascolivi (Grassland) opera la medesima modellizzazione che il tool CAMFor opera per il comparto Forest Land. - GENDEC, modello di decomposizione microbica della sostanza organica. - Roth C (Rothamsted soil carbon), per la stima del C nel suolo. Si conclude segnalando il già citato modello CO2Fix, interessante strumento per la stima dell’accrescimento della biomassa arborea nel comparto Forest Land alternativamente al modello For-Est. Quale possibile sviluppo futuro del lavoro in campo forestale si suggerisce il confronto (in particolari aree test) tra dati di accrescimento della biomassa forestale epigea simulati con il modello For-Est e quelli ottenuti con il modello CO2Fix. 45 2.4 Analisi dell’errore introdotto dalla mancata inclusione degli effetti climatici e degli stressors associati all’inquinamento atmosferico sui processi di assorbimento, rilascio e stoccaggio del carbonio da parte degli ecosistemi forestali, anche in funzione degli scenari di cambiamento climatico elaborati nell’ambito del “Progetto Kyoto Lombardia”. Come descritto nel capitolo 1, For-Est è un modello empirico che permette il calcolo dell’evoluzione dello stock di biomassa di specifiche superfici forestali sulla base degli apporti e delle perdite annuali. Il modello è guidato da dati inventariali, e non prende in considerazione l’effetto del clima e di altri fattori ambientali che possono influenzare il sequestro di carbonio da parte degli ecosistemi forestali. L’analisi dell’errore introdotto dalla mancata inclusione degli stressors associati alle condizioni meteo-climatiche sui processi che determinano la produttività degli ecosistemi condotta forestali valutando, su è stata un arco temporale di 11 anni, la differenza tra la produttività simulata con il modello For-Est e quella calcolata con il modello BIOME-BGC che, a differenza di For-Est, simula il sequestro di carbonio da parte degli ecosistemi forestali basandosi principalmente sull’andamento delle variabili meteorologiche. La sezione seguente è divisa in 3 parti: nella prima verrà descritto il modello BIOME-BGC, nella seconda verrà descritto il set-up sperimentale utilizzato per effettuare le simulazioni con BIOME-BGC, nella terza e ultima sezione verranno presentati i risultati dell’analisi effettuata e del confronto con il modello For-Est. Il modello For-Est è strutturato per la simulazione dei cambiamenti degli stock di carbonio a lungo termine e non è in grado di valutare l’effetto del clima sulla variabilità interannuale della crescita forestale. Tuttavia, riteniamo For-Est adatto ai fini delle previsioni degli stock di carbonio nel comparto forestale su periodi lunghi. I buoni risultati ottenuti con For-Est evidenziano infatti la capacità di questo modello di simulare gli stock di carbonio delle diverse tipologie forestali a lungo termine. Qualora sia di interesse valutare la variazione interannuale dell’incremento corrente e del sequestro di carbonio da parte delle foreste lombarde si propone una correzione di For-Est basata sulla temperatura media annuale e sulla precipitazione totale nella stagione vegetativa, i due fattori risultati influenzare princpalmente la variabilità interannuale delle foreste lombarde. 46 2.4.1 Il modello BIOME-BGC Il BIOME-BGC (BioGeochemicalCycles) (Running e Coughlan, 1988a; Running e Coughlan, 1988b) è un modello che simula l’accumulo e i flussi di acqua, carbonio e azoto attraverso le diverse componenti di un ecosistema terrestre (vegetazione, lettiera, suolo). Il modello permette di simulare a passo giornaliero processi legati al trasferimento radiativo attraverso la copertura arborea, al ciclo idrologico (evaporazione, traspirazione, intercettazione delle precipitazioni e ripartizione fra suolo e canopy) e processi legati al ciclo del carbonio e dell’azoto (fotosintesi; respirazione e mantenimento della vegetazione; allocazione di C e N in fusto, radici e foglie; decomposizione della lettiera). Il BIOME-BGC richiede tre tipi di informazione: dati meteorologici, dati di inizializzazione del modello e dati eco-fisiologici. I dati delle variabili meteorologiche vengono richiesti dal modello con risoluzione giornaliera. I dati richiesti sono la temperatura massima e minima dell’aria misurata a 2 metri [°C], la radiazione globale incidente [Wm-2], il deficit di pressione di vapore in atmosfera (VPD, [hPa]), la lunghezza del giorno [min], la precipitazione cumulata giornaliera [cm]. I dati di inizializzazione sono le caratteristiche stazionali e i pool di carbonio e azoto nei diversi comparti del continuum suolo-pianta. In particolare vengono richiesti i pool di carbonio organico nel suolo, i diversi pool di carbonio e azoto nella lettiera, e nella biomassa delle piante (foglie, fusto, e radici). Inoltre sono richieste una serie di caratteristiche chimico-fisiche del suolo tra cui tessitura, concentrazione di azoto inorganico e profondità della falda acquifera. BIOME-BGC richiede infine 46 parametri eco-fisiologici relativi alla tipologia di vegetazione. Tra questi, i più importanti sono il rapporto C:N fogliare, l’area fogliare specifica (Specific Leaf Area, SLA), la conduttanza stomatica massima e i diversi rapporti di allocazione (epigea/ipogea, radici/foglie, etc.). Il modello può fornire 640 output a diversa risoluzione temporale (giornaliera, mensile, annuale). Tra questi, la produttività primaria netta epigea annuale (aNPP) della sola componente arborea, opportunamente corretta, risulta essere di particolare interesse ai fini del confronto con i dati di provvigione forniti dal modello For-Est. La aNPP è la produttività primaria netta del soprassuolo e quindi la parte di carbonio che una volta organicata in seguito al processo fotosintetico rimane a far parte del pool epigeo delle piante. La aNPP è dunque la differenza tra il C assimilato con la fotosintesi (Gross Primary Production, GPP) e la respirazione delle piante stesse (autotrofa). 47 Rispetto a For-Est quindi, BIOME-BGC è un modello di processo, guidato principalmente dalla meteorologia. Per questi motivi è ampiamente utilizzato per studiare in modo quantitativo le relazioni tra clima e biosfera e per analizzare gli effetti dei cambiamenti climatici su ecosistemi terrestri, e principalmente forestali. Il modello descrive il processo di fotosintesi mediante l’equazione di Farquhar (Farquhar, 1989 modificato da Leuning, 1990) come funzione della radiazione fotosinteticamente attiva assorbita (APAR, Absorbed Photosynthetically Active Radiation), della concentrazione di CO2 atmosferica, della temperatura dell’aria, del deficit di pressione di vapore (VPD), della quantità di azoto nel suolo disponibile per le piante e del LAI. La respirazione autotrofa (crescita e mantenimento) viene calcolata separatamente per i diversi comparti della pianta (fusto, radici e foglie) e dipende dalla temperatura, dal contenuto di azoto nei diversi comparti e dai rapporti di allocazione della pianta. Altri processi fisici e biogeochimici fondamentali come la respirazione eterotrofa, l’evapotraspirazione e il trasferimento radiativo all’interno della copertura forestale vengono descritti a passo giornaliero. 2.4.2 Set-up di BIOME-BGC BIOME-BGC è stato utilizzato per simulare la aNPP di 5 categorie forestali (Pioppeti, Querceti, Faggete, Peccete, Lariceti). Il modello è stato fatto girare per 11 anni utilizzando i dati di input descritti in seguito. Dati meteorologici. Sono stati raccolti 11 anni di dati meteorologici dal database dell’U.O. Servizio Meteorologico Regionale di ARPA Lombardia (Settore Suolo, Risorse Idriche e Meteoclimatologia). I dati sono relativi alla stazione Castel d’Agogna (altitudine 106 m asl). La stazione meteorologica di Castel d’Agogna e’ stata selezionata data la buona qualita’ e lunghezza della serie temporale dei dati meteorologici misurati (oltre 10 anni di dati con pochi dati mancanti nelle misure della variabili principali). Inoltre per quell’area erano disponibili dati indipendenti per colmare i pochi gaps presenti in modo tale da ricostruire completamente la serie temporale continua richiesta da BIOME-BGC. I valori dei parametri meteorologici sono stati trattati in modo tale da renderli disponibili nel formato richiesto da BIOME-BGC. Il VPD è stato calcolato giornalmente a partire dal dato di umidità relativa come descritto in Campbell e Norman, (1998). I gaps nelle serie temporali ed i dati di lunghezza del giorno sono stati colmati utilizzando il modello MT-CLIM (Thornton e Running, 1999). MT-CLIM inoltre, permette di simulare le variabili meteorologiche di una stazione 48 in quota a partire da dati osservati presso una stazione di riferimento in pianura con ottimi risultati. Per le tipologie forestali tipicamente distribuite in aree submontane o montane (Peccete, Lariceti, Faggete), i dati per la simulazione in quota sono stati ottenuti a partire dai valori misurati nella stazione di riferimento (Castel d’Agogna) con la trasformazione offerta da MT-CLIM.. Dati di inizializzazione. I dati di inizializzazione necessari a BIOME-BGC sono stati ricavati dal modello stesso facendolo girare in modalità spin-up. Questa modalità permette di creare uno scenario di inizializzazione basato sulla tipologia forestale in esame e sulle condizioni climatiche dell’area considerata. Nel nostro caso il modello è stato forzato in modo tale che il volume della componente epigea utilizzato come condizione iniziale fosse uguale a quello utilizzato come base di partenza per For-Est. Dati ecofisiologici. I dati ecofisiologici relativi alle tipologie forestali indagate sono stati ricavati principalmente dai database dell’European Research Project ECOCRAFT, CANIF e EUROFLUX (Mollicone et al. 2002). 2.4.3 Simulazioni. Il modello BIOME-BGC così parametrizzato è stato applicato alle tipologie forestali in esame e per ciascuna di esse è stata condotta una run su un arco temporale di 11 anni. Per ciascun anno è stato calcolato, a partire dalla aNPP, il valore di incremento corrente per unità di superficie. Parallelamente sono state condotte con For-Est delle run sullo stesso arco temporale con un valore di provvigione iniziale uguale a quello usato nel modello BIOME-BGC e per le stesse tipologie forestali. Analizzando le differenze tra l’incremento corrente annuo simulato da BIOMEBGC e quello simulato da For-Est è possibile valutare l’entità dell’errore introdotto in For-Est non considerando l’influenza del clima sulla produttività degli ecosistemi forestali. La valutazione di questo errore è stata condotta mediante il confronto fra i dati di incremento corrente annuali simulati da For-Est e quelli simulati da BIOME-BGC e l’analisi della distribuzione dei residui annuali per ciascuna tipologia forestale considerata. Infine è stata valutata la correlazione tra i residui del modello BIOME-BGC e diversi indicatori delle caratteristiche meteo-climatiche annuali come la temperatura media annua (TMEDIA) e della stagione vegetativa (T_GSMEDIA), l’anomalia di temperatura media annua (aTMEDIA) e della stagione vegetativa (aT_GSMEDIA), la precipitazione cumulata annua (PRCP) e nella stagione vegetativa (PRCP_GS) ed infine l’anomalia di precipitazione cumulata annuale (aPRCP) e nella stagione 49 vegetativa (aPRCP_GS). La stagione vegetativa è stata definita come il periodo dell’anno compreso tra il 1° Aprile e il 31 Ottobre. Per ciascuna variabile meteorologica le anomalie sono state calcolate come la differenza tra il valore del campo meteorologico e la media della stessa variabile sull’intero periodo di analisi. Questa analisi permette di valutare e identificare quale fattore meteorologico è in grado di spiegare maggiormente la differenza tra i valori di incremento corrente annuo calcolati col modello For-Est e col modello BIOME-BGC. 2.4.4 Risultati Le serie temporali di incremento corrente annuo per unità di area [tC ha-1] simulate con For-Est e con BIOME-BGC sono riportate in Figura 9. Le stime di For-Est sono riportate in blu, mentre quelle di BIOME-BGC in arancione. Le simulazioni di BIOME-BGC mostrano una marcata variabilità interannuale dovuta principalmente alla variabilità del clima mentre le stime effettuate con ForEst risultano prive di questa variabilità. Il motivo è ovviamente da ricercarsi nella diversa struttura dei due modelli, in particolare nel fatto che For-Est è un modello basato su dati inventariali mentre BIOME-BGC è un modello creato principalmente per lo studio delle interazioni tra biosfera e clima. I residui calcolati su tutto il dataset hanno una distribuzione grossomodo normale con mediana pari a 0.05 (±1.23) tC ha-1 (Figura 10a). Questo significa che i due modelli simulano in media un incremento corrente annuo simile sugli 11 anni considerati, malgrado le forti differenze nella variabilità interannuale precedentemente evidenziate. Tale comportamento è evidente osservando le serie temporali in Figura 9 dove si vede come l’incremento corrente simulato con BIOME-BGC oscilli attorno all’incremento corrente simulato con For-Est. Considerando singolarmente le diverse tipologie forestali (Figura 10b) si arriva alle stesse conclusioni: il box-plot in Figura 10b mostra infatti che, ad eccezione dei pioppeti, i residui calcolati per tutte le altre tipologie forestali hanno una distribuzione centrata intorno a zero. Per la classe ‘Pioppeti’ invece si osserva una sottostima sistematica di BIOME-BGC (residui negativi). Questo potrebbe essere dovuto ad una errata parametrizzazione del modello o alla mancanza di un parametro relativo alla gestione forestale che invece è implicitamente inclusa in For-Est, le cui equazioni sono costruite a partire da dati inventariali. Nelle Figura 11, Figura 12 e Figura 13 è possibile osservare la relazione tra le anomalie meteorologiche (precipitazioni e temperatura) e i residui. Per la temperatura (Figura 11 e Figura 12), si evidenzia una relazione positiva (anche se spesso non significativa) tra residui e anomalie di 50 temperatura. Questa relazione evidenzia come, all’aumentare dell’anomalia termica (es. in anni più caldi rispetto alla media), si ha una tendenza di BIOME-BGC a simulare incrementi correnti minori di quelli di For-Est, probabilmente a causa dello stress idrico associato. Questo appare evidente per tipologie forestali di pianura come ‘Querceti’ e ‘Pioppeti’, mentre per tipologie tipicamente distribuite a quote maggiori questo effetto non è evidente. L’anomalia di precipitazione, soprattutto se concentrata nella stagione vegetativa (Figura 14) risulta positivamente correlata con i residui, evidenziando come in anni con precipitazioni sotto la media BIOME-BGC fornisca stime minori rispetto a For-Est, grazie al fatto che nel modello è descritto l’effetto dello stress idrico sulla produttività primaria delle foreste. All’aumentare delle precipitazioni i residui tendono ad annullarsi fino a diventare positivi (BIOME-BGC simula un incremento corrente maggiore rispetto a For-Est). Per valori di anomalia di precipitazione molto alti invece, BIOME-BGC mostra di nuovo la tendenza a sottostimare l’incremento corrente rispetto a For-Est, probabilmente perché elevate precipitazioni nella stagione vegetativa possono dar luogo a forti anomalie di temperatura negative con conseguente riduzione della produttività. Al fine di valutare quale combinazione di variabili meteorologiche influenzi le differenze osservate tra l’incremento corrente simulato con BIOME-BGC e con For-Est è stata effettuata un’analisi di regressione a passi (stepwise regression). L’analisi di regressione stepwise permette di determinare l’equazione di regressione lineare multipla (y=f(xi)) che con il minor numero di variabili predittive, è in grado di predire al meglio la variabilità della y. Per questa analisi è stata usata la regressione AIC, una tecnica stepwise basata sul criterio dell’informazione di Akaike (AIC). AIC è un criterio che permette non solo di valutare un modello statistico in termini di miglioramento delle performance, ma anche di tenere in considerazione dell’aumento della complessità del modello man mano che si aggiungono variabili indipendenti (Venables ed Ripley, 2002; Yamashita et al., 2007). La regressione stepwise AIC è stata preferita a tecniche di regressione stepwise tradizionali perché può essere applicata senza alcuna assunzione sulla normalità della distribuzione dei dati e permette di considerare la crescente complessità del modello all’aumentare del numero di regressori selezionati (Yamashita et al., 2007). In questo contesto la regressione stepwise AIC viene utilizzata per individuare quale set di variabili è in grado di spiegare meglio le simulazioni di incremento corrente di BIOME-BGC (ICBIOME-BGC). Questa analisi ha lo scopo di individuare una relazione semplice che permetta di simulare l’effetto della variabilità climatica sull’incremento corrente combinando dati meteorologici con dati di 51 incremento corrente simulati da For-Est (ICFor.Est). Per questa analisi sono state quindi valutate come possibili variabili indipendenti sia variabili meteorologiche che i valori di incremento corrente ottenuti con il modello For-Est, (ICFor-Est). In Figura 15 vengono riportati i risultati dell’analisi. Essi evidenziano come combinando i dati di incremento corrente simulati da For-Est (ICFor-Est) e i dati meteorologici, sia possibile spiegare il 67% (R2=0.67; p<0.001) della varianza dell’incremento corrente simulato da BIOME-BGC. I driver meteorologici selezionati con il metodo stepwise AIC sono le anomalie delle precipitazioni nella stagione vegetativa (aPRCP_GS, espressa in mm) e l’anomalia della temperatura media annua (aTMEDIA, espressa in °C). Includendo la temperatura media annuale il valore di R2 aumenta a 0.75. Tuttavia, a causa dell’elevata covarianza tra i dati di temperatura media annuale e di anomalia di temperatura riteniamo più solida la relazione ottenuta in Tabella 22. L’analisi evidenzia l’importanza della temperatura media dell’aria e delle precipitazioni nella stagione vegetativa nel determinare la produttività annuale. La temperatura media annuale è strettamente legata alla produttività e più essa si avvicina all’optimum più la foresta tende ad essere efficiente mentre l’importanza delle precipitazioni è legata alla disponibilità idrica che influenza direttamente l’efficienza fotosintetica. Per le foreste decidue la temperatura è anche legata alla lunghezza del ciclo fenologico che è a sua volta un fattore determinante della produttività annuale. Va tuttavia ricordato che poiché vengono usati valori di precipitazione e temperatura relativi a tutta la stagione vegetativa, da questa analisi non è possibile evidenziare l’impatto sulla produttività di brevi periodi di siccità estrema, di brevi ondate di calore in particolari periodi della stagione vegetativa, o di gelate tardive. Questi risultati mostrano però che è possibile correggere le stime di For-Est usando il modello proposto in Tabella 22 ed è quindi possibile calcolare il valore dell’incremento corrente annuale considerando anche l’effetto del clima sulla produttività delle diverse tipologie forestali. La correzione di For-Est proposta rappresenta un metodo semplice dal punto di vista operativo per stimare la variabilità interannuale dell’incremento corrente delle diverse tipologie forestali. Parte della varianza non spiegata dal modello coretto può essere dovuta a diversi processi non descritti dalla semplice correzione proposta, legati alla fertilità del suolo, alla tessitura e ai disturbi, che non possono tra l’altro essere simulati nemmeno con BIOME-BGC. Va inoltre ricordato che questi risultati sono ottenuti con un modello, BIOME-BGC, che è comunque soggetto ad un proprio errore e che richiede un grosso sforzo di parametrizzazione. Pertanto si suggerisce in futuro di estendere questa analisi a nuovi dati di accrescimento annuale 52 osservati in opportune stazioni sperimentali o a versioni del modello BIOME-BGC ottimizzato per le tipologie forestali in esame. L’analisi mostra inoltre che per quanto riguarda l’accumulo di carbonio sul lungo periodo i risultati di For-Est e BIOME-BGC sono comparabili. For-Est presenta tuttavia l’enorme vantaggio di essere basato su dati inventariali (e quindi relativi alla realtà forestale in esame) e di richiedere un numero decisamente inferiore di parametri:, Pertanto rappresenta uno strumento più flessibile allo scopo di stimare l’accumulo di carbonio su periodi temporali lunghi. In conclusione riteniamo che ai fini delle previsioni degli stock di carbonio su periodi lunghi il modello For-Est possa essere usato tal quale, ovvero con i parametri dell’equazione di Richards ottimizzati forniti nel presente studio. I buoni risultati ottenuti con For-Est evidenziano infatti la potenzialità e la capacità di questo modello di simulare gli stock di carbonio delle diverse tipologie forestali. Qualora sia di interesse valutare la variazione interannuale dell’incremento corrente e del sequestro di carbonio da parte delle foreste lombarde si può utilizzare l’Eq. 6 riportata in Tabella 22 con i coefficienti aventi il valore riportato nella tabella stessa, inserendo i valori delle anomalie (deviazione dalla media del periodo di riferimento) della temperatura media annuale (°C) e della precipitazione cumulata (mm) dal 1° aprile al 31 ottobre nell’area di interesse, insieme ai valori delle stime effettuate con il modello For-Est non-corretto. Il valore di For-Est corretto cercato è quello indicato nell’Eq. 6 come ICBIOME-BGC. 53 Tabella 21 - Dati di incremento corrente annuale per unità di superficie [tC ha-1] simulati da BIOME-BGC e da For-Est. Pioppeti BGC Anno For-Est tC ha -1 Querceti BGC For-Est tC ha -1 Faggete BGC For-Est tC ha -1 Lariceti BGC For-Est tC ha -1 Peccete BGC For-Est tC ha -1 1998 5.17 5.00 5.23 3.00 3.62 2.35 1.75 1.54 0.70 0.81 1999 4.82 5.51 4.04 3.15 2.26 2.39 3.09 1.52 0.76 0.87 2000 4.51 5.95 4.02 3.29 3.35 2.42 1.88 1.51 0.90 0.99 2001 4.90 6.32 4.05 3.44 3.54 2.46 2.21 1.49 0.90 1.06 2002 4.20 6.62 3.72 3.58 2.10 2.49 0.76 1.48 0.97 1.12 2003 1.28 6.78 1.03 3.72 1.17 2.5 0.46 1.46 1.28 1.19 2004 4.60 6.82 5.41 3.86 3.95 2.53 1.25 1.44 1.30 1.25 2005 5.39 6.75 3.95 3.99 2.41 2.56 1.44 1.42 1.30 1.32 2006 4.75 6.58 4.15 4.12 2.72 2.59 1.21 1.40 1.56 1.38 2007 6.00 6.34 5.29 4.24 2.70 2.62 1.44 1.38 1.56 1.45 2008 6.278 6.10 6.43 2.20 31.82 27.58 2.14 1.37 1.93 1.51 54 Figura 9 - Andamento temporale dell’incremento corrente annuale di biomassa per unità di area simulato da BIOME-BGC (linea arancione) e For-Est (linea blu). La scala è differente per foresta a latifoglie e conifere. 55 Figura 10 - Distribuzione dei residui calcolati come la differenza tra l’incremennto corrente annuale per unità di area simulato con BIOME-BGC e con For-Est (figura in alto). In basso il Box-plot delle distribuzioni dei residui per ciascuna tipologia forestale. Per ciascun box i rettangoli racchiudono i valori compresi tra il 25° e il 75° percentile, con la linea vrticale nera indicante la mediana (5°° percentile). Le linee tratteggiate (wiskers) esprimono i valori compresi tra il 2° e il 98° percentile. 56 Figura 11 - Scatterplot tra residui dell’incremento corrente (IDBIOME-BGC-ICFor-Est) e l’anomalia di temperatura annua (differenza tra la temperatura media di ogni anno e la temperatura media su 11 anni) 57 Figura 12 - Scatterplot tra residui dell’incremento corrente (IDBIOME-BGC-ICFor-Est) e l’anomalia di temperatura relativa alla sola stagione vegetativa (differenza tra la temperatura media tra il 1 Aprile-31 Ottobre di ogni anno e la temperatura media calcolata sullo stesso periodo in 11 anni) 58 Figura 13 - Scatterplot tra residui dell’incremento corrente (IDBIOME-BGC-ICFor-Est) e l’anomalia di precipitazione annuale *cm+ (differenza tra la precipitazione di ogni anno e la precipitazione media in 11 anni). 59 Figura 14 - Scatterplot tra residui dell’incremento corrente (IDBIOME-BGC-ICFor-Est) e l’anomalia di precipitazione *cm+ relativa alla sola stagione vegetativa (differenza tra la precipitazione di ogni anno nel periodo 1 Aprile-31 Ottobre e la precipitazione media per lo stesso periodo in 11 anni). 60 Tabella 22 - Risultati della regressione stepwise AIC. Il miglior modello selezionato per descrivere l’incremento corrente simulato da BIOME-BGC è quello che utilizza l’incremento corrente simulato da For-Est, l’anomalia della temperatura media annuale e l’anomalia di precipitazione durante la stagione vegetativa.: Eq. 6 ICBIOME-BGC = a1*aPRCP_gs + a2*aTMEDIA + a3*ICFor-Est + a0 Coeff Valore Std. Err a1 (aPRCP_GS) 0.037 0.009 a2 (aTMEDIA) -0.443 0.144 a3 (ICFor-Est) 0.672 0.049 a0 0.878 0.172 R2 0.67 p <0.001 61 -1 Figura 15 - Andamento del valore di incremento corrente [tC ha ] simulato da BIOME-BGC (arancione), da For-Est (blu) e da ForEst “corretto” per gli stressors meteorologici (in rosso). Avvertenza: la scala è differente per foresta a latifoglie e conifere. 62 2.5 Utilizzazione di informazioni telerilevate e di modelli LUE (Light Use Efficiency) per monitorare le variazioni spaziali dei C-sink e C-stock nel dominio regionale e valutare le eventuali divergenze rispetto al modello For-Est. In questa sezione si cercherà di confrontare i dati di produttività stimati con l’applicazione di modelli guidati da dati satellitari e le stime di produttività effettuate con il modello For-Est per valutare la consistenza dei due metodi. A tal fine sono stati utilizzati dati raccolti nell’ambito del progetto Kyoto Lombardia della FLA in cui è stata simulata la produttività primaria netta degli ecosistemi terrestri lombardi con l’approccio “light use efficiency” (LUE). Questo approccio utilizza una quantità di parametri notevolmente inferiore rispetto ai modelli di processo (e.g. BIOME-BGC) e risulta più adatto all’applicazione in aree che hanno una copertura di dati parziale per la parametrizzazione dei modelli. Inoltre, poiché i modelli LUE sono guidati dai profili temporali dell’indice di vegetazione normalizzato NDVI (Normalized Difference Vegetation Index) osservato da satellite, non richiedono informazioni riguardanti la fenologia di foreste e colture e della loro gestione, perché informazioni già contenute nel dato satellitare telerilevato. Il modello impiegato, MOD17 (Heinsch et al., 2006), utilizza un approccio di tipo LUE per stimare la produttività primaria lorda (GPP), e determina la produttività primaria netta (NPP) a partire da una semplice modellazione della respirazione autotrofa basata sull’utilizzo di relazioni respirazionetemperatura. Una descrizione dettagliata del modello e del set-up della simulazione è riportata in Colombo et al., 2009. Il dato di NPP calcolato con MOD17 risulta confrontabile (se calcolato sullo stesso periodo ed opportunamente corretto come in seguito descritto) con le stime di incremento di stock del modello For-Est. Come appena accennato, le stime di NPP ottenute con i due modelli devono essere opportunamente corrette per poter essere confrontate. In particolare è necessario sottrarre gli assorbimenti di carbonio legati alla crescita delle foglie e delle radici fini ai For-Est è stato messo a confronto con modelli di produttività forestale guidati da informazioni telerilevate (modelli LUE: MOD17). Sono state evidenziate una serie di criticità che devono essere superate al fine di valutare le differenze tra le stime effettuate con tali modelli. I risultati evidenziano una tendenza di For-Est a sottostimare gli assorbimenti di carbonio rispetto a MOD17. valori di NPP totale annua simulati con MOD17. Il carbonio sequestrato nella 63 componente fogliare si ottiene moltiplicando il valore di indice di area fogliare massimo (LAI, m2 foglie/m2 terreno) per l’area fogliare specifica (SLA, gC m-2). Il carbonio sequestrato invece dalla crescita delle radici fini viene calcolato considerando specifici rapporti di allocazione foglia/radici fini (Running and Coughlan, 1988; Mollicone et al., 2002). Nelle Tabella 23 e Tabella 24 vengono riportati i risultati ottenuti nell’ambito del Progetto FLAKyoto per le foreste Lombarde (Colombo et al., 2009). In Tabella 23 sono riportati i dati di NPP ottenuti con MOD17 su diverse tipologie forestali e in Tabella 24 un confronto tra le stime di NPP presenti nei PAF regionali (Piani di Assestamento Forestale) e quelle risultanti dalle simulazioni effettuati con MOD17 (tC ha-1 anno-1) per tre specifiche categorie forestali. Come evidenziato da Colombo et al. (2009) il confronto tra stime di NPP satellitari ed inventariali risulta particolarmente complicato ed affetto da incertezza per una serie di motivi: in primo luogo l’elevata incertezza dei coefficienti utilizzati per considerare il carbonio sequestrato in foglie e radici fini; in secondo luogo il fatto che le stime di NPP satellitari sono fortemente influenzate dalla presenza di sottobosco erbaceo e arbustivo, in particolare in foreste con chiome aperte. Infine, a causa della risoluzione spaziale del satellite utilizzato (250 metri al suolo), è frequente l’occorrenza di pixel misti, ovvero di pixel al cui interno ricadono diverse tipologie forestali, fatto che ostacola un confronto diretto con i valori di NPP stimati attraverso i dati inventariali. Per questo motivo riteniamo che i dati riportati in Tabella 23 siano difficilmente confrontabili con le stime ottenute da For-Est, se non in modo qualitativo. La tabella viene riportata per evidenziare i dati disponibili a livello regionale ma non per il confronto quantitativo tra stime satellitari e simulazioni effettuate con For-Est. Per tre tipologie forestali (‘Lariceti e cembrete’, ‘Abieteti’, ‘Peccete’), invece, sono disponibili pixel omogenei che permettono di effettuare comparazioni robuste tra stime di NPP ottenute con MOD17 e stime a base inventariali ottenute con For-Est. La comparazione è stata condotta su parcelle forestali caratterizzate da un’area basimetrica superiore a 30 m 2 ha-1, per evitare il problema delle chiome aperte e minimizzare l’errore introdotto dalla presenza di sottobosco, e con dimensioni tali da includere al loro interno almeno un pixel puro di 250 x 250 m 2. Sulla base di questi requisiti è stato possibile estrarre i dati che hanno permesso la compilazione della Tabella 24, dove sono riportate le stime di sequestro di carbonio per unità di superficie anno (tC ha -1 anno1 ) effettuate con MOD17 e quelle ottenute con For-Est per le stesse categorie forestali. Le stime di 64 For-Est sono state limitate al periodo 2002-2004, periodo al quale si riferiscono le stime di MOD17 e le immagini telerilevate disponibili. I risultati di Tabella 24 mostrano una certa discrepanza tra le simulazioni di For-Est e MOD17, con una generale tendenza di For-Est a sottostimare gli assorbimemti annuali di carbonio rispetto a MOD17. Si ritiene che questa discrepanza possa essere legata in parte all’influenza del sottobosco nelle stime satellitari. La presenza del sottobosco, infatti, influenza il segnale di NDVI rilevato da satellite e porta ad una sovrastima della NPP rispetto ai valori inventariali che si riferiscono esclusivamente al piano dominante (e.g. Chirici et al., 2007; Colombo et al., 2009). 65 Tabella 23 - NPP simulata con MOD17 per ciascuna classe di uso del suolo a Livello Regionale (Colombo et al., 2009) NPP_MEDIA (KgC m-2 y-1) Dev_std NPP Abieteti 0.343 0.023 Acero-Frassineti 1.076 0.068 Alneti Antropogene 0.788 1.012 0.097 0.032 Betuleti_Corileti 1.066 0.081 Castagneti Faggete 0.966 0.952 0.044 0.061 Lariceti-Cembrete 0.582 0.057 Mughete 0.189 0.011 Orno-Ostrieti 0.912 0.047 Particolari Peccete 0.731 0.459 0.060 0.018 Piceo-Faggeti 0.732 0.033 Pino-Silvestre Querceti 0.281 0.805 0.007 0.040 Querco-Carpineti 0.751 0.012 Classe 66 Specie Abies alba Miller Larix decidua Miller Acer pseudoplatanus L. Fraxinus excelsior L. Alnus glutinosa L. Gaertner Robinia pseudoacacia L. Betulla pendula Roth Corylus avellana L. Castanea sativa Miller Fagus sylvatica L. Larix decidua Miller Pinus cembra Pinus mugoTurra Fraxinus ornus L. Ostrya carpinifolia Scop. Corylus avellana L. Populus tremula Piceaabies Fagus sylvatica Piceaexcelsia Pinus sylvestris Quercus robur Quercus robur Carpinus betulus Tabella 24 - Confronto tra dati di assorbimento di carbonio medi stimati dal modello MOD17 (NPPMOD17) e dal modelllo For-Est (NPPFOR-ESTottimizzato) per le tre categorie forestali considerate Peccete Lariceti Cembrete Abetieti Assorbimento annuale stimato da satellite con MOD17 Assorbimento annuale di carbonio stimato con ForEst ”ottimizzato”. NPPMOD17 -1 -1 (tC ha anno ) 2.59 (± 0.20) 3.09 (± 0.37) 1.85 (± 0.19) NPPFOR-ESTottimizzato -1 -1 (tC ha anno ) 1.161 (± 0.07) 0.95 (± 0.09) 67 1.84 (0.067) 3. Conclusioni e definizione di una strategia tecnico-operativa. Le specifiche di progetto prevedevano lo sviluppo di una serie di attività i cui risultati, criticità e possibili sviluppi futuri vengono riassunti in seguito. Per ciascun punto vengono anche suggerite alcune strategie tecnico-operative per ridurre l’incertezza futura delle stime. La calibrazione dell’equazione di Richards, equazione fondamentale su cui si basa il modello ForEst, ha permesso di stimare per molte tipologie forestali i parametri ottimali per l’applicazione del modello alla realtà regionale lombarda. I valori ottimali dei parametri sono stati validati contro un dataset indipendente e hanno mostrato di conferire al modello una buona capacità di descrivere la varianza dei dati osservati (R2=0.78). L’algoritmo di ottimizzazione sviluppato nel contesto di questo progetto permette di stimare in modo rapido alcuni parametri cruciali del modello e di fornire stime aggiornate e più consistenti degli stock di carbonio a livello regionale. Sono stati messi in luce anche alcuni limiti delle analisi effettuate, riconducibili principalmente alla scarsa disponibilità di dati di calibrazione e di validazione. A questo risultati proposito, nonostante ottenuti, si i buoni suggerisce di concentrare gli sforzi futuri sulla creazione di un database contenente un numero maggiore di dati e di tavole alsometriche rappresentative di tutte le tipologie forestali lombarde, nonché delle diverse forme di governo del bosco (ceduo e fustaia) così da aggiornare continuamente le stime dei parametri e ridurne l’incertezza associata. Come sottolineato nel report, la collezione di tavole alsometriche impiegata nella L’analisi di For-Est ha evidenziato una buona capacità del modello nel descrivere l’incremento corrente e la provvigione per alcune tipologie forestali analizzate. Il modello ha inoltre evidenziato una certa versatilità ed è stato calibrato per le applicazioni in Lombardia. Si suggerisce tuttavia un aggiornamento continuo dei parametri del modello concentrando gli sforzi sulla creazione di un database regionale di tavole alsometriche e dei disturbi che possa essere utilizzato in parte come input del modello, in parte come dataset per la calibrazione continua del modello finalizzata alla riduzione dell’incertezza delle stima di incremento corrente e di accumulo degli stock di carbonio. calibrazione della funzione di crescita non 68 può essere considerata completamente rappresentativa della realtà forestale lombarda. Va inoltre evidenziato che in questo lavoro, con l’unica eccezione della tipologia forestale ‘Faggete’, non è stata fatta alcuna distinzione tra foreste governate a ceduo o a fustaia poiché non vi erano dati disponibili in modo sufficiente per effettuare tale distinzione. Anche in questo senso, a nostro parere, lo sforzo successivo dovrebbe concentrarsi sull’incremento della raccolta dei dati disponibili per il processo di ottimizzazione dell’equazione di Richards. Per quanto riguarda gli altri parametri necessari al modello, come i valori dei biomass expansion factors (BEF), i valori di necromassa e dati relativi ai disturbi, è stata condotta una verifica delle fonti esistenti in letteratura. Tuttavia dall’analisi di quanto reperito in letteratura scientifica e dai report di analoghi progetti condotti in altre regioni italiane (Emilia Romagna, Veneto, Piemonte e Trentino Alto-Adige) non sono emersi valori significativamente differenti da quelli ritenuti ottimali per il contesto italiano da Federici et al. (2008), l’ideatore del modello For-Est.. Si suggerisce quindi di confermare anche per la Lombardia i valori di BEF riportati in Federici et al., 2008. Per quanto riguarda i valori relativi ai disturbi, ed in particolare agli incendi, sono stati segnalati e riportati i dati aggiornati per il territorio regionale. Nella quarta parte è stato analizzato l’errore introdotto dal modello For-Est nel non considerare le varabili climatiche nel calcolo della produttività e dell’accumulo di C. Sono state messe a confronto le stime di For-Est con quelle di un modello di processo guidato principalmente dal clima come BIOME-BGC. I risultati hanno dimostrato che, in media, i due modelli tendono a stimare nello stesso modo l’accumulo di carbonio delle diverse tipologie forestali su un periodo di 11 anni. Tuttavia BIOME-BGC mostra una più spiccata variabilità interannuale dovuta alla variabilità interannuale delle principali variabili meteo-climatiche. E’ stato evidenziato come le differenze tra For-Est e BIOME-BGC siano principalmente attribuibili alle anomalie di temperatura media annuale e alle precipitazioni durante la stagione vegetativa (da Aprile a Ottobre). Grazie all’applicazione di una regressione stepwise è stato possibile mettere a punto una semplice equazione empirica in grado di correggere le stime di For-Est perché tengano conto anche dell’effetto della variabilità meteo-climatica sull’asorbimento del C. La correzione proposta rappresenta un metodo semplice per stimare la variabilità interannuale dell’incremento corrente delle diverse tipologie forestali e della provvigione annua. Parte della varianza non spiegata dal modello può essere dovuta a processi diversi non descritti dal modello stesso e legati alla fertilità del suolo, alla tessitura e ai disturbi. Va comunque ricordato che questi risultati sono ottenuti per comparazione con un 69 modello, BIOME-BGC, che –benché accurato- è a sua volta soggetto ad errore e richiede un grosso sforzo di parametrizzazione. Pertanto, si suggerisce di estendere in futuro questa analisi a ulteriori dati di accrescimento annuale osservati in opportune stazioni sperimentali e a versioni del modello BIOME-BGC ottimizzate per le tipologie forestali in esame. Con l’unica eccezione dei ‘pioppeti’, BIOME-BGC e For-Est simulano sul lungo periodo valori di accumulo di carbonio comparabili. Tuttavia For-Est è un modello molto più semplice di BIOME-BGC e fortemente basato su dati inventariali, caratteristiche queste che lo favoriscono nelle applicazioni territoriali o in contesti a scarsità di dati. Si consiglia l’applicazione del modello For-Est con la correzione climatica solo ai fini di studio qualora si vogliano analizzare le relazioni clima-produttività. Per i più generali fini inventariali della stima del sequestro di carbonio nelle foreste a lungo termine si consiglia l’applicazione di For-Est senza alcun tipo di correzione, poiché non si conosce al momento la stabilità di tale correzione nelle simulazioni di lungo periodo. Il tutto, s’intende, con la parametrizzazione ottimizzata alla regionale lombarda. Nella quinta ed ultima parte è stato effettuato un confronto tra i risultati ottenuti con il modello For-Est e con modelli di produttività forestale guidati da informazioni telerilevate (modelli LUE: MOD17) utilizzati nel corso del “Progetto FLA-Kyoto Regione Lombardia”. Esistono una serie di criticità che devono essere superate al fine di valutare le differenze tra le stime effettuate con tali modelli. Le criticità sono legate alla presenza di sottobosco e al fatto che le stime satellitari non sono sempre riferibili ad una sola tipologia forestale poiché all’interno di un pixel (che ha una risoluzione al suolo di 250x250m2) si possono trovare diverse specie forestali. Per questi motivi l’analisi è stata ristretta a sole tre classi inventariali per le quali si sono resi disponibili dati per effettuare un confronto consistente. I risultati evidenziano un certo disaccordo tra For-Est e MOD17. Ciononostante MOD17 rimane interessante nell’ottica della correzione del modello ForEst per l’inclusione degli effetti climatici. MOD17, infatti, si basa sia su informazioni satellitari che su variabili meteorologiche, quali temperatura e VPD. L’analisi della variabilità interannuale delle stime ottenute con MOD17 potrà quindi essere utile per confermare e rafforzare i risultati di cui al punto quattro. In conclusione: l’analisi critica del modello For-Est ha evidenziato una buona capacità dello stesso di descrivere l’incremento corrente e la provvigione per alcune tipologie forestali. Il modello ha inoltre mostrato una buona versatilità ed è stato possibile calibrarne la parametrizzazione per una applicazione in Lombardia e nelle regioni limitrofe con condizioni meteo-climatiche simili. Tuttavia 70 si suggerisce un continuo aggiornamento dei parametri del modello, concentrando gli sforzi sulla creazione di un dataset di dati inventariali e di disturbi che possa essere utilizzato sia come input del modello stesso sia come base di dati per la calibrazione dei parametri, con la finalità della riduzione continua dell’incertezza delle stime di incremento corrente e di accumulo degli stock di carbonio. Per applicazioni orientate invece all’analisi della variabilità interannuale del sequestro di carbonio legata al clima è stato suggerito un metodo semplice per correggere le stime di For-Est. Infine, data la sua strutturazione, il modello For-Est si è confermato idoneo alla valutazione della variazione dello stock di carbonio in popolazioni forestali, e comunque efficacemente calibrabile per specifici accrescimenti locali. Le sue caratteristiche lo rendono invece inidoneo alla quantificazione nella biomassa epigea in altri comparti (quali: cropland – C, grassland – G, wetland - W, settlement - S, other land - O); per questo sono stati presentati nel report approcci modellistici alternativi. Si tratta in particolare degli specifici strumenti che le linee guida dell’IPCC offrono per la quantificazione degli stock di carbonio nei comparti diversi da Forest Land (F), la cui adozione appare opportuna proprio in ragione della loro specifica implementazione per la rendicontazione del carbon stock change ai fini degli inventariali nazionali degli stock di carbonio. 71 PARTE II Autori: Davide Pettenella Lucio Brotto Dipartimento Territorio e Sistemi Agro-Forestali - Università di Padova Agripolis - Via dell'Università 16 - 35020 Legnaro (PD) Introduzione La Parte 2 di questo report raccoglie il contributo dell’unità operativa del Dipartimento Territorio e Sistemi Agro-Forestali dell’Università di Padova al Progetto Regionale CARSIS/CarbonSink “Attività tecnico-scientifiche volte ad approfondire le conoscenze e gli strumenti per favorire gli assorbimenti e gli stoccaggi naturali del carbonio atmosferico, ai fini del raggiungimento degli obiettivi previsti dall’Unione Europea per la lotta ai cambiamenti climatici”. In particolare il contributo si inquadra nel tema di ricerca “Iniziative volontarie, azioni compensative, iniziative EXPO 2015”. Questa sezione è organizzata in tre capitoli: nel Capitolo 1 vengono approfondite ed analizzate le best practices legate agli interventi compensativi delle emissioni di gas serra nel settore agricolo e forestale, con particolare attenzione alle attività relative alle iniziative dell’EXPO 2015. Il capitolo, dopo una parte generale, presenta due linee-guida: la prima per la redazione dei bilanci di emissione e la seconda per la realizzazione di interventi compensativi. Nel Capitolo 2, alla luce delle buone pratiche precedentemente evidenziate, sono invece illustrati gli attori, le fasi progettuali e le infrastrutture che caratterizzano i mercati compensativi e l’organizzazione di un intervento di compensazione. Infine, nel Capitolo 3, viene proposto il modello organizzativo da adottare per l’EXPO 2015 con particolare attenzione alle procedure per la determinazione, il controllo e la garanzia dell’effettiva capacità di assorbimento di carbonio in progetti di land use change. Dopo un approfondimento della dimensione micro della progettazione, viene illustrata l’organizzazione macro del mercato compensativo. 72 1. Best practices nel campo degli investimenti forestali compensativi In questo capitolo vengono approfondite ed analizzate le best practices legate agli interventi compensativi delle emissioni di gas serra nel settore agrario e forestale. In particolare il capitolo si divide in tre parti: - la prima parte riassume i principi fondamentali che regolano le pratiche degli interventi di compensazione; - la seconda parte illustra le linee-guida che sono comunemente impiegate nella redazione dei bilanci delle emissioni. Queste linee-guida dovrebbero essere utilizzate prima della realizzazione degli interventi compensativi ed hanno come target di riferimento le aziende impegnate nelle opere di cantierizzazione dell’EXPO 2015; - la terza parte riporta invece i principi fondamentali che devono essere rispettati nella progettazione e realizzazione degli interventi compensativi nel settore agrario e forestale. Quest’ultima parte è funzionale alle attività dei progettisti che intendano realizzare interventi di compensazione destinati ad entrare a far parte della Carbon Compensation Banking per la Regione Lombardia (vd. il primo rapporto dell’unità operativa). 1.1 Principi generali della compensazione Come anticipato al capitolo 6.1 del primo rapporto presentato dal Dip. TESAF nel contesto del Progetto “Iniziative volontarie, azioni compensative, iniziative EXPO 2015”, la compensazione delle emissioni di gas serra non deve mai essere intesa come soluzione o strategia unica, ma deve piuttosto essere parte di uno schema gerarchico predefinito che preveda prioritariamente interventi per evitare le emissioni, poi la riduzione e mitigazione delle stesse e solo da ultimo la compensazione delle emissioni rimanenti (Figura 1). La gerarchia dei principi di orientamento di politiche volte a ridurre i problemi delle emissioni dei gas clima-alteranti è quindi: evitare ridurre mitigare compensare (ERMC). Per esempio, nel caso dell’EXPO 2015, la strategia da utilizzarsi deve prevedere che si evitino opere di cantierizzazione non indispensabili, seguite dalla riduzione delle emissioni attraverso per esempio l’impiego di materiali rinnovabili come il legno in sostituzione di materiali con maggiore embodied energy come l’acciaio e il calcestruzzo, per poi passare alle opere di mitigazione e compensazione (per esempio fasce tampone lungo le arterie 73 stradali) per un valore che, per buona e consolidata prassi, non dovrebbe superare il 10-15% delle emissioni totali. È una buona pratica che le opere compensative, di qualunque natura esse siano, avvengano alla medesima scala degli impatti causati dal progetto, e se possibile su scala locale (Pileri, 2007). Gli impatti delle emissioni di gas clima-alteranti non si possono però solamente ricondurre alla scala locale, in quanto gli effetti del cambiamento climatico hanno conseguenze internazionali. In questo senso è auspicabile che gli investimenti compensativi legati alle opere di cantierizzazione dell’EXPO 2015 prendano forma sia a livello locale, attraverso interventi da inserire prioritariamente all’interno della Rete Ecologica Regionale (RER), sia internazionale attraverso progetti, preferenzialmente con certificazione di parte terza, legati al mercato volontario del carbonio. Compensazione + aumento netto Impatti positivi Steps per la No Net Loss: IP IP M R R E E C IP = impatto previsto E = evitare IP IP E Impatto negativo rimanente R = ridurre M = mitigare Impatti negativi Figura 16 - Gerarchia nel processo di compensazione delle emissioni (Fonte: adattato da Madsen et al., 2010).con C = compensare No Net loss 74 1.2 Linee-guida per la redazione di bilanci delle emissioni Nel 1991, il Working Group I dell’Intergovernmental Panel on Climate Change (IPCC), in stretta collaborazione con l’OECD2 (Organization for Economic Co-operation and Development) e l’IEA53 (International Energy Agency), ha istituito l’IPCC National Greenhouse Gas Inventories Programme (IPCC-NGGIP). Scopo di questo programma è quello di sviluppare e migliorare una metodologia ed un software, accettati internazionalmente, per il calcolo e il reporting a livello nazionale delle emissioni di gas i serra (Greenhouse Gases - GHGs) e le eventuali riduzioni di tali emissioni. L’IPCCNGGIP opera anche per la diffusione di tale metodologia tra tutti i paesi che partecipano all’IPCC e che hanno sottoscritto la Convenzione Quadro delle Nazioni Unite sul Cambiamento del Clima (UNFCCC). Tali procedure riguardano inventari nazionali di tipo obbligatorio e sono utilizzate attualmente per la stesura dei bilanci nazionali tra i Paesi firmatari del Protocollo di Kyoto. Negli ultimi anni, tuttavia, è aumentato il numero di aziende, enti locali e singoli individui che, in maniera volontaria, desiderano monitorare e diminuire le emissioni di gas di serra. L’interesse nell’analizzare e migliorare la propria “environmental performance” è motivato, oltre dalla possibilità di utilizzare strumenti di comunicazione aziendale (green marketing), anche in vista di una preparazione ad eventuali future riduzioni promosse o richieste alle aziende stesse. Non vi è dubbio che il primo passo per poter identificare quali e quante siano le riduzioni delle emissioni da parte di un soggetto sia la predisposizione di un inventario delle emissioni stesse. Se è importante infatti per un paese stabilire che le diminuzioni effettuate di gas clima-alteranti siano reali, quantificabili e verificabili, lo è anche per un’organizzazione privata. Un elenco esaustivo delle emissioni, ed eventuali riduzioni, di GHGs permette infatti di stabilire con maggiore concretezza un target per le riduzioni stesse,creare una base su cui impostare studi e inventari successivi, capire come eventuali misure future prese a livello nazionale influiranno 2 L’OECD (Organisation for Economic Co-operation and Development) raccoglie 30 stati membri, impegnati nella discussione, elaborazione e risoluzione di problematiche economiche e sociali legate alla macroeconomia, al commercio, all’educazione, allo sviluppo, alla scienza e all’innovazione. Impegno principale dell’OECD è di produrre e promuovere strumenti, decisioni e raccomandazioni dalla valenza internazionale, che permettano ai paesi membri, e non solo, di progredire verso un’economia globalizzata. 3 L’IEA (International Energy Agency) è un’organizzazione intergovernativa impegnata, attraverso una politica di cooperazione, nel raggiungimento della sicurezza per quanto riguarda la soddisfazione del fabbisogno energetico, la crescita economica e la sostenibilità ambientale internazionale. 75 sull’organizzazione,realizzare un’accurata analisi di costi e benefici delle ipotizzate riduzioni e,infine, partecipare attivamente al dibattito ambientale una volta divenuti promotori di riduzioni delle emissioni. La stesura di un inventario necessita di pochi ma chiari principi: conoscere la natura e il numero delle sorgenti di emissione da parte della propria organizzazione; stabilire l’uso e lo scopo del proprio inventario, in modo da chiarire quali siano i gradi di completezza e di accuratezza richiesti all’inventario stesso; stabilire limiti significativi alla raccolta dati, includendo tutte le emissioni che si possono effettivamente controllare e realmente ridurre; essere flessibili nelle espressioni dei risultati ottenuti, in modo da poter rispondere a potenziali differenti usi futuri degli stessi; essere trasparenti nel riportare dati e procedure, per poter essere credibili e dare la possibilità agli utenti di interpretare i risultati ottenuti. La metodologia di stesura di un inventario a livello di singola organizzazione (nella fattispecie gli interventi strutturali legati alla realizzazione dell’EXPO 2015), data la natura volontaria e locale, può derivare dalle linee-guida fornite dall’IPCC per gli inventari nazionali e, al contempo,avere ampi margini di autonomia e caratteristiche peculiari. Per questa possibilità è cresciuta la lista di organizzazioni ed enti che, acquistata esperienza nello stilare il loro inventario, hanno codificato diversi protocolli perla raccolta dei dati e il calcolo delle emissioni, anche in relazione ai diversi campi di attività delle organizzazioni: dei casi studio potrebbero permettere la scelta del protocollo migliore (Loretti et al., 2000). Di seguito vengono richiamate alcune delle linee-guida più note che potranno costituire un riferimento per le attività relative alle compensazioni dell’EXPO 2015: Environmental Reporting Guidelines – www.defra.gov.uk; U.S. DOE 1605b - www.eia.doe.gov; 76 Key Performance Indicators (KPIs) - GHG Protocol Corporate Accounting and Reporting Standard (GHG Protocol Initiative WRI/WBCSD) - www.ghgprotocol.org; Clean Air-Cool Planet - www.cleanair-coolplanet.org; GHG Indicator: UNEP (United Nations Environmental Programme) - www.uneptie.org. Gli inventari locali di norma includono le emissioni di CO2, ma è possibile inserire anche tutti i GHGs previsti dal Protocollo di Kyoto, e quelli regolamentati dal Protocollo di Montreal (PdM)4 (CFCs, HCFCs, etc.). I gas inquinanti, causa indiretta di emissioni di GHGs (NOx, CO, NMVOCs), dato il loro Global Warming Potential (GWP)5 molto incerto, non sono normalmente inseriti nell’inventario, oppure viene espressa solamente la loro massa, ma non i CO2 equivalenti. La fase più delicata e difficile nella stesura di un inventario, specialmente a livello locale o di singolo progetto come nel caso dell’EXPO 2015, risulta comunque essere la determinazione dei cosiddetti boundaries (confini), entro i quali estendere l’analisi delle emissioni di GHGs prodotte. Le principali problematiche attinenti alla determinazione di questi limiti sono le seguenti: La proprietà: ovvero la necessità di stabilire esattamente chi sia il proprietario delle fonti di emissioni; Le emissioni dirette e indirette ovvero, quante delle emissioni a monte e a valle del processo che si sta analizzando debbano essere contenute nell’inventario. Dirette sono le emissioni provenienti da fonti che appartengono alle aziende coinvolte nella realizzazione delle opere infrastrutturali dell’EXPO 2015. Le emissioni indirette, invece, “sono emissioni da sorgenti che non sono di proprietà, o in affitto, della aziende ma che avvengono interamente o in parte come risultato di un’attività dell’azienda stessa” (Hakes, 1999). Classico esempio per quest’ultima voce sono le emissioni dovute alla produzione di 4 Il Protocollo di Montreal, in attuazione della Convenzione di Vienna (1985), ha stabilito nel 1987 gli obiettivi e le misure per la riduzione delle produzioni e degli usi delle sostanze pericolose per la fascia di ozono delle misure di controllo imposte dal Protocollo, aggiornare le norme di applicazione e quindi, dove necessario, apportare modifiche al Trattato attraverso decisioni, aggiustamenti ed emendamenti. 5 Il GWP è un sistema di fattori di equivalenza per "pesare" le varie sostanze sulla base di un'unità di riferimento (kg CO2/kg di sostanza) in funzione della misura di quanto queste contribuiscono all'effetto serra. Questo indice è basato su una scala relativa che confronta il gas considerato con un'uguale massa di biossido di carbonio, il cui GWP è per definizione pari a 1. 77 elettricità acquistata: le emissioni hanno luogo alla centrale elettrica, ma si verificano perché l’azienda richiede energia per la produzione per esempio dei materiali da costruzione. Poiché molto spesso proprio le emissioni indirette costituiscono la parte più consistente delle emissioni di un ente, si cerca di inserirle nell’inventario, anche con il rischio di essere conteggiate due volte (dalla ditta proprietaria della sorgente e dalla ditta che causa la messa in attività della sorgente). Il DETR6 (1999) riconosce questa possibilità di errore ma afferma che, poiché si tratta di stilare un inventario volontario per un’analisi a livello di singolo progetto e non nazionale con precise regolamentazioni governative, ci possono essere anche dei doppi conteggi. L’inclusione delle emissioni di GHGs da acquisto di elettricità solleva alcune questioni pratiche dovute più che altro alla disponibilità di informazioni necessarie per poter stimare le emissioni stesse. Il quantitativo di emissioni per unità di elettricità consumata7 può talvolta essere un dato non molto chiaro dovuto ai diversi combustibili impiegati,alle variazioni di efficienza della centrale elettrica stessa8e alle perdite che si possono avere nelle linee di distribuzione. Le società di distribuzione di energia elettrica dovrebbero quindi fornire indicazioni a riguardo ma, nel caso ciò non avvenga, l’uso di valori standard nazionali per aziende in paesi industrializzati può essere una soluzione sufficientemente adeguata. Alla voce “emissioni indirette” appartengono anche le emissioni causate dai viaggi per lavoro e dagli spostamenti casa-sito di lavoro-casa effettuati dai dipendenti, le emissioni dovute alle spedizioni delle materie prime e del prodotto finito e le emissioni per lo smaltimento dei rifiuti9. La rilevanza: ovvero, quali siano le emissioni veramente significative per la redazione dell’inventario e quali invece possano essere ignorate. Un altro aspetto da considerare nel tracciare i confini di analisi delle emissioni delle opere infrastrutturali è decidere quali 6 Il DETR (Department of the Environment, Transport and the Regions) è la precedente denominazione per il ministero inglese dei trasporti e dell’ambiente, ora suddiviso in due nuovi ministeri il DEFRA (Department for Environment, Food and Rural Affairs) - http://www.defra.gov.uk/ - e il DFT (Department for Transport) - www.dft.gov.uk. 7 Massa CO2 eq/kWh. KWh erogati/quantitativo di combustibile consumato. 9 Le linee-guida fornite dal DETR (UK) (ora DEFRA, v.nota 6) raccomandano di includere, nella voce fonti indirette, i viaggi d’affari di lunga distanza, ma non quelli a breve distanza e nemmeno gli spostamenti dei propri dipendenti pendolari; il report del DOE-progetto1605b invece, include le misure per limitare gli spostamenti del proprio personale pendolare tra i progetti di riduzione delle proprie emissioni. 8 78 emissioni siano sufficientemente grandi da dover essere incluse e quali piccole abbastanza da poter essere ignorate,senza alcun importante effetto nei risultati finali. Questa valutazione va fatta caso per caso, poiché non esiste in sé emissione più rilevante rispetto ad altre. Solitamente si sceglie di definire dei parametri di grandezza minima delle emissioni10 o si stabilisce una minima percentuale di completezza dell’inventario11. In alcuni casi viene definito un costo minimo al di sotto del quale la sorgente non viene conteggiata. Molte voci vengono tralasciate più per la difficoltà di dover precisare quante siano le reali emissioni prodotte, piuttosto che determinare se queste siano effettivamente rilevanti nel complesso. Nel caso di oggettivi impedimenti per una corretta valutazione,questa tipologia di sorgenti viene esclusa in partenza. Si può parlare di rilevanza anche per tutte le operazioni di rimozione dall’atmosfera di GHGs. I cosiddetti sink possono essere spazi verdi ed alberature presenti nei dintorni delle opere infrastrutturali, così come grandi aree rimboscate grazie ad un programma di compensazione attuato. Attualmente non esiste un’opinione comune su quali debbano essere le scelte da effettuare all’interno di questi tre ambiti (la variabilità è dovuta soprattutto alle diverse tipologie di organizzazioni e le loro diverse esigenze). Sembra chiaro però che, nel tracciare i confini, si cercherà di comprendere quelle emissioni sulle quali si può effettivamente esercitare un controllo più o meno completo. Riassumendo, la questione dei boundaries e la loro definizione forniscono una numerosa serie di opzioni sulle modalità di riportare in un inventario le proprie emissioni di GHGs. La scelta del grado di approfondimento dipenderà da ciascuna singola compagnia, dalle sue possibilità di controllo sulle sorgenti di emissione, dalle aspettative dei propri partecipanti e dalla volontà di utilizzare i risultati per dei programmi di riduzione. Vi è tuttavia un generale consenso per quanto riguarda un possibile schema generale: di base un inventario dovrebbe inserire le emissioni provocate da tutte quelle sorgenti stazionarie e non, possedute ed utilizzate dalle aziende coinvolte nella realizzazione delle opere infrastrutturali dell’EXPO 2015 (che di norma corrispondono alle sorgenti poste all’interno degli stabilimenti della ditta o alle sorgenti ‘mobili’ di proprietà della ditta stessa). 10 11 X tonnellate di CO2 equivalenti/anno. Devono essere conteggiate almeno il 99% del totale delle emissioni del progetto. 79 A queste si aggiungono le emissioni indirette provocate dall’utilizzo di energia elettrica (dato che, per la sua ubiquità e il grado di controllo, può essere facilmente stabilito dall’azienda); allargando i confini, possono essere inserite le emissioni causate dai viaggi d’affari e dagli spostamenti dei pendolari degli impiegati della ditta, così come le spedizioni delle materie prime e del prodotto finito da parte di enti terzi; un’ulteriore espansione dei limiti di analisi può prevedere uno studio approfondito su tutte le emissioni nell’intero ciclo di vita del prodotto o del servizio forniti dalla ditta. 1. 3 Linee-guida per la progettazione e realizzazione di interventi compensativi Nel capitolo 2 del primo documento presentato dal Dip. TESAF nel contesto del Progetto “Iniziative volontarie, azioni compensative, iniziative EXPO 2015”, si è accennato alla peculiarità del settori agrario e forestali, che possono allo stesso tempo caratterizzarsi come strumenti di fissazione (carbon sink) e fonti (carbon source) di emissioni di gas serra. Di conseguenza nelle fasi progettuali e di realizzazione di interventi compensativi si deve porre particolare attenzione a seri problemi legati alla permanenza degli investimenti, alla necessità di garantire il rispetto dei criteri di addizionalità ed intenzionalità, all’assenza di fenomeni collaterali di effetto opposto (leakage), alla qualità delle misurazioni e agli effetti positivi sull’ambiente e al tessuto sociale (Ciccarese e Piotto, 2009; Hamilton et al., 2009). A questi si aggiungono questioni legate al rischio del double counting, ossia la possibilità che per esempio la fissazione di carbonio ad opera di un rimboschimento venga contemporaneamente contabilizzata dal Governo Italiano per il rispetto del Protocollo di Kyoto (PK) e dalle aziende coinvolte nella cantierizzazione dell’EXPO 2015; e problemi legati alla complessità tecnica, e quindi al costo economico, che può privilegiare interventi su grandi superfici spiazzando quindi gli interventi su piccola scala. La credibilità ed il successo in termini di mitigazione del cambiamento climatico degli interventi di compensazione si basa sempre più frequentemente sul rispetto di regole, procedure e strategie raccolte in standard o metodologie per il carbon accounting. Gli standard ed i sistemi di verifica indipendente contribuiscono a dare maggiori garanzie agli investimenti compensativi in campo forestale e a rendere il mercato più trasparente e dinamico (Merger et al., 2010). Infatti, un requisito fondamentale per lo sviluppo corretto del mercato degli investimenti forestali compensativi è legato alla presenza di sistemi di garanzia sull’effettiva capacità di fissazione di carbonio degli interventi realizzabili e realizzati. La veridicità delle dichiarazioni può essere 80 garantita sulla base di attestazioni dell’agenzia di intermediazione, di organismi esterni o in base a certificazioni di enti terzi indipendenti. L’area normativa più sviluppata in questo senso fa capo ai meccanismi flessibili del PK, ed in particolare ai Clean Development Mechanism (CDM). All’interno dei CDM si distingue tra: Standard - descrivono gli obblighi o i livelli di performance da rispettare per avere giudizi uniformi sulla qualità progettuale. Gli standard vengono dettagliati in specifiche metodologie per il calcolo dei benefici climatici delle singole tipologie progettuali (es. metodologia per le afforestazioni / riforestazioni) e sono integrate da strumenti (tools) che hanno la funzione di determinare, dimostrare, stimare, identificare e/o testare particolari informazioni. Gli strumenti sono spesso comuni a più metodologie (es. strumento per il calcolo dell’addizionalità); Procedure – elencano azioni obbligatorie che devono essere portate a termine per soddisfare i requisiti degli standard; Linee-guida - forniscono informazioni aggiuntive quali per esempio metodi accettabili per soddisfare i requisiti degli standard e delle procedure; Chiarificazioni – utili per evitare interpretazioni scorrette dei requisiti degli standard e procedure; Formulari - facilitano la compilazione delle informazioni richieste attraverso l’uso di modelli di comunicazione; Note informative – sono messaggi che riportano scadenze, eventi, informazioni sui budget e note di carattere amministrativo ed operativo. Attualmente nel mercato volontario operano 18 principali standard dei quali 13 sono applicabili al settore forestale ed in alcuni casi agrario. Secondo una stima prudenziale, circa la metà delle transazioni che hanno interessato i crediti nel settore delle risorse agricole-forestali si è basata sull’impiego di standard indipendenti ovvero sviluppati da organismi esterni alle agenzie di intermediazione (Hamilton et al., 2010a). Gli standard impiegati direttamente in fase progettuale12 sono classificabili in tre gruppi: 12 Una prospettiva completa delle infrastrutture di mercato tese ad assicurare il controllo qualitativo dei crediti è fornita nel prossimo paragrafo ed esemplificata in figura 4. 81 standard metodologici utilizzati per la stima degli effetti sul ciclo del carbonio dei progetti (e.g. Verified Carbon Standard - VCS13). In questo caso gli standard utilizzano complesse e robuste metodologie di carbon accounting (calcolo dei flussi di carbonio); standard per co-benefici utilizzati per la stima dei benefici sociali ed ambientali dei progetti (e.g. Climate, Community and Biodiversity Stadards - CCB14). In questo caso gli standard non forniscono metodologie per il calcolo della fissazione o delle evitate emissioni di carbonio ma si concentrano piuttosto nell’assicurare, sin dalle prime fasi progettuali, che sussistano i presupposti per dei reali benefici intermini di riduzione delle emissioni, per un coinvolgimento effettivo degli stakeholders e per la massimizzazione degli impatti positivi sulle popolazioni locali, biodiversità, ciclo idrico, etc.; standard di buona gestione forestale come il Forest Stewardship Council (FSC) ed il Programme for Endorsement of Forest Certification schemes (PEFC) che vengono sempre più spesso considerati come requisiti essenziali per l’ammissibilità dei progetti forestali di compensazione. E’ il caso per esempio della Banca Mondiale o del Chicago Climate Exchange (CCX) che accettano all’interno dei loro schemi di finanziamento solo progetti attuati in aree forestali certificate FSC o PEFC15. In altri casi, gli standard delle prime due tipologie citate (metodologici e co-benefici) mirano all’integrazione con gli standard di corretta gestione forestale e a proporre certificazioni combinate. È il caso per esempio del CarbonFix Standard16 (CFS) che ritiene soddisfatti buona parte dei propri requisiti se le aree forestali sono certificate FSC, abbassando in questo modo i costi di transazione legati ai processi di certificazione. Nelle esperienze maturate in Italia il ricorso a standard internazionali, procedure di controllo e sistemi di certificazione indipendente è ancora limitato14. Evidentemente tali attività di certificazione offrono maggiori tutele agli acquirenti di crediti, ma alzano ulteriormente i costi amministrativi degli investimenti. 13 www.vcs.org www.climate-standards.org 15 Nel giugno 2010 è stata approvata e pubblicata la prima carbon accounting methodology forestale del VCS, lo standard che più di ogni altro serve da riferimento metodologico per la formulazione delle stime di riduzione delle emissioni ed aumento dei carbon sinks. La certificazione FSC è uno dei requisiti essenziali di applicabilità della metodologia (www.v-c-s.org). 16 http://www.carbonfix.info/ 14 82 È importante notare come i responsabili dei progetti di compensazione tendono spesso a combinare tra loro le tre tipologie di standard. Non è raro per esempio avere progetti che seguono una metodologia del VCS e che nel contempo siano certificati secondo il CCB o FSC. Come spesso è accaduto in altri campi di applicazione degli standard e procedure di controllo, si è ora probabilmente nella fase iniziale di sviluppo del mercato con la massima proliferazione delle iniziative, situazione che dovrebbe evolvere gradualmente verso una selezione di quegli standard che si dimostreranno più validi, già ora oggetto di più attento monitoraggio (Merger, 2008). Nello specifico dell’EXPO 2015 le strategie di garanzia della qualità progettuale degli interventi compensativi, ovvero standard e procedure, dovrebbero distinguere tra: 1. crediti generati in Paesi dell’Allegato I del PK (tra i quali rientrano gli interventi su suolo italiano) e crediti generati in Paesi esclusi dall’Allegato I del PK (paesi in via di sviluppo PVS). Mentre infatti nei Paesi dell’Allegato I la problematica principale è il double counting, nei PVS l’assenza di leakage e la permanenza dei progetti sono di più difficile risoluzione; 2. tipologia progettuale (Afforestazione/Riforestazione, Asse 1-2-3 del PSR, etc). Infatti, a seconda della tipologia progettuale variano le metodologie di stima della fissazione e l’importanza relativa delle problematiche progettuali; 3. dimensioni progettuali. Come già accade per i CDM si tende a distinguere tra progetti di piccola e grande scala, dove i primi devono sottostare a misure meno restrittive di controllo per evitare favoritismi delle economie di scala. La combinazione di questi tre fattori determina lo standard che i progettisti devono rispettare. Gli standard possono essere sviluppati ex novo specificatamente per l’EXPO 2015, prendendo spunto dagli standard specifici per gli interventi compensativi nel settore agrario e forestale (es. il Verified Carbon Standard, il Climate, Community and Biodiversity Standard ed il CarbonFix Standard) e dai tools e metodologie previste dai CDM. In alternativa o congiuntamente con questa scelta gli stessi standard (VCS, CCB, CDM, etc.) possono essere riconosciuti dallo schema compensativo. Si delineano quindi una serie di strategie che sono riassunte in Tabella 25. 83 Tabella 25 – Strategie per l’adozione di standard di qualità degli interventi compensativi per l’EXPO 2015 Paese Distinzione tra piccola e grande scala Standard esistenti di riferimento b Necessità di creare standard ex novo X CDM, VCS X Azione E – “Produzioni agricole biologiche” X Round Table on Organic Agriculture and Climate Change X Azione F – “Mantenimento di strutture vegetali lineari e fasce tampone boscate” X CDM, VCS X Azione G – “Miglioramento ambientale del territorio rurale” X CDM, VCS X 216 Investimenti non produttivi Realizzazione strutture vegetali lineari e fasce tampone boscate X CDM, VCS, CFS X 221 Imboschiment o di terreni agricoli Arboricoltura da legno a ciclo medio-lungo X CDM, VCS, CFS Arboricoltura da legno con ceduazione a turno breve (minimo 5 anni) X CDM, VCS, CFS Arboricoltura da legno a rapido accrescimento X CDM, VCS, CFS A/R c X CDM, VCS, CFS REDD+ X VCS IFM X VCS Agroforestale X CDM, VCS Tipologia progettuale ammessa secondo il burden sharing vigente Azione C – “Produzioni vegetali estensive” 214 Pagamenti agroambiental ia Allegato I PK (es. Italia) 223 Imboschiment o di superfici non agricole PVS X Note: a) Misure ed Azioni legate al PSR 2007-2013 della Regione Lombardia; b) CDM - Clean Development Mechanisms, VCS - Verified Carbon Standard, CFS - CarbonFix Standard, c) Afforestazione/Riforestazione (A/R), Progetti per ridurre la deforestazione e la degradazione delle foreste (REDD+), miglioramento della gestione forestale (IFM). 84 Qualora si decida di sviluppare standard ex novo dovranno essere inclusi i seguenti requisiti minimi di base: 1. Criteri di applicabilità: a. definire l’area minima e massima di progetto; b. definire la tipologia di progetto (agricoltura biologia, riforestazione, etc.); c. definire metodologie semplificate per i progetti di piccola scala; 2. Addizionalità: dimostrare che il progetto non può essere implementato senza le entrate economiche dovute alla vendita dei crediti di carbonio. Le metodologie dei CDM possono essere prese come riferimento per dimostrare l’addizionalità. 3. Area di progetto: a. Definire i confini dell’area di progetto e le infrastrutture limitrofe; b. Definire all’interno dell’area di progetto le unità gestionali dove avranno luogo le attività di progetto con caratteristiche gestionali e di copertura arborea/erbacea simili. 4. Proprietà dell’area di progetto e dei crediti di carbonio: a. I proprietari dovranno dimostrare di possedere a lungo termine l’area di progetto o di essere in possesso a lungo termine dei permessi per l’implementazione e la gestione delle attività di progetto; b. Stipulazione di contratti per la cessione dei crediti di carbonio all’ente finanziatore. 5. Rispetto delle leggi: le attività nell’area di progetto dovranno ricevere l’approvazione delle autorità locali e tutte le leggi in vigore dovranno essere rispettate. 6. Definizione della baseline: all’interno dell’ area di progetto individuare le classi d’uso del suolo prima dell’inizio del progetto e stimato il relativo contenuto di carbonio nella biomassa dei diversi pools di carbonio (suolo, biomassa legnosa epigea ed ipogea, etc.); 7. Impatti gestionali: dettagliare le attività gestionali e dovrà essere dimostrato che il progetto ha impatti positivi sull’ambiente, il sociale e l’economia dell’area. 8. Calcolo dei benefici climatici: i parametri per il calcolo dei crediti ottenibili derivano da un approccio conservativo, ovvero si eviterà che la fissazione di CO2 ottenibile dal progetto sia sovrastimata e che baseline, leakage e emissioni di progetto siano sottostimate. Ad ogni modo tutti i parametri legati alla determinazione dei crediti devono derivare dalle migliori fonti e calcoli scientifici rigorosi. 85 9. Leakage: calcolare le emissioni causate dai fenomeni di leakage legati all’attuazione del progetto, stimando la percentuale di spostamento delle varie attività svolte nell’area di progetto che, nonostante le misure di prevenzione, si dislocheranno in zone limitrofe; 10. Emissioni di progetto: stimare le emissioni causate dalle attività di progetto. Tale valore andrà a ridurre l’ammontare del futuro quantitativo di carbonio fissato; 11. Permanenza: per assicurare la permanenza si possono definire delle aree buffer attraverso, fornire documentazione che dia adeguate garanzie, per quanto concerne sulla permanenza a lungo termine del progetto. In particolare dovrà dimostrare: a. adeguate risorse interne (staff); b. adeguata conoscenza del territorio; c. adeguate capacità tecniche; d. adeguate capacità protettive; e. fornire i curricoli dello staff di gestione del progetto, con breve descrizione delle mansioni assegnate a ciascuno nel corso dello svolgimento del progetto; 12. Monitoraggio e reporting: fornire report che dia la possibilità di verificare le avvenute operazioni di monitoraggio e, di conseguenza, la permanenza del progetto stesso. In particolare monitorare: a. stock di carbonio; b. rapporti con la popolazione dell’area di progetto e le popolazioni limitrofe; c. biodiversità: il mantenimento e/o miglioramento delle condizioni di vita delle specie animali e vegetali caratteristici della zona di progetto e degli habitat ad essi collegati; d. leakage: lo spostamento effettivo all’esterno dell’area di progetto, a causa del progetto stesso, di attività impattanti; segnalare scostamenti significativi,sia in eccesso che in difetto, rispetto alle percentuali stimate ad inizio progetto. 86 2. Attori, fasi progettuali ed infrastrutture per la creazione di un mercato volontario delle compensazioni Gli interventi di compensazione delle opere dell’EXPO 2015 si inseriscono nel contesto delle compensazioni volontarie. In questo capitolo verranno illustrati gli attori e le fasi progettuali degli interventi forestali e nel settore agrario di compensazione delle emissioni di gas-serra, con particolare attenzione alle infrastrutture che saranno richieste per il funzionamento del mercato delle compensazioni. 2.1 Fasi progettuali degli offset forestali Come anticipato nel contributo precedente, i due principali mercati volontari sono il CCX e l’Overthe-Counter (OTC) che rappresentano rispettivamente il 43% ed il 54% del volume complessivo di crediti scambiati nel mercato volontario. Mentre il CCX ha un funzionamento simile ad una comune borsa (stock change), nell’OTC le modalità organizzative sono variabili. Ad ogni modo i progetti realizzati nei due mercati hanno simili fasi progettuali. L’organizzazione di un progetto di compensazione nel mercato volontario rispecchia in buona parte il funzionamento dei CDM, come stabilito nelle procedure dell’UNFCCC. Però, mentre questi ultimi hanno delle fasi progettuali vincolanti e standardizzate in sede internazionale, nel mercato volontario sono i singoli standard utilizzati dai project developers a dettare le tempistiche e le sequenze progettuali (Olander and Ebeling, 2010). Generalizzando, se si prende come riferimento l’organizzazione di un CDM e di due dei maggiori standard del mercato volontario, il Voluntary Carbon Standard (VCS)ed il Climate, Community and Biodiversity Standards (CCB) si possono individuare sette principali fasi progettuali (Figura 17 e Tabella 26): 1. Ideazione; 2. Design; 3. Controllo di validità e registrazione; 4. Implementazione; 5. Monitoraggio; 6. Verifica; 87 7. Registrazione dei crediti di carbonio. In aggiunta due principali attività hanno una estrema rilevanza durante tutta la durata del progetto: il fundraising e la commercializzazione e vendita dei crediti di carbonio. Nello specifico delle opere compensative dell’EXPO 2015, sia il fundraising che la commercializzazione e vendita dei crediti non sono operazioni necessarie qualora gli interventi di compensazione ecologica siano preventivi. Implementazione Ideazione Design 5 anni Controllo di validità e registrazione Monitoraggio 5 anni 5 anni Verifica Registrazione crediti Fundraising Commercializzazione e vendita crediti Figura 17 – Fase principali dell’organizzazione di un progetto di compensazione delle emissioni di gas clima-alteranti (Fonte: adattato da www.conservationtraining.org). Tabella 26 - Scopi, obiettivi ed output nelle fasi progettuali di interventi forestali di compensazione del mercato volontario del carbonio. FASE 1 PROGETTUALE Ideazione progettuale SCOPO OBIETTIVI OUTPUT Valutare Definire baseline ambientale, sociale ed differenti economica dell’area d’intervento tipologie Definire locazione e siti disponibili d’intervento; Definire Produrre studio possibili stakeholders uno partnership con specialisti del settore Descrizione del sito Confini geografici (GPS) e Consultazione, lettere di intenti e bozze contrattuali di Stabilire fattibilità legale (proprietà del Mappatura normativa, titoli fattibilità tecnica terreno e dei crediti) 88 dei terreni e consulenza FASE 1 PROGETTUALE SCOPO OBIETTIVI OUTPUT ed economica; legale Condividere informazioni tra i partner del nell’area di intervento relativi scenari Creare documentazione per fundraising il del modello di baseline delle emissioni Prospettare le tipologie d’intervento e i Bozza progetto; utile Calcolare baseline dei flussi di carbonio Bozza del modello di benefici climatici Calcolare la fattibilità finanziaria a seconda degli standard applicati al progetto per aumentarne la credibilità e Bozza di modello finanziario conseguentemente il prezzo di mercato Stimare impatti sociali ed ambientali Valutazione impatto sociale nell’area di progetto e all’esterno Unire le informazioni in un documento ed ambientale Produzione del Project Idea/Concept Note (PIN) Definire attività di progetto Definire standard e metodologie di calcolo dei benefici climatici Produrre baseline Modello di baseline Determinare benefici ambientali Carbon accounting model Definire piano di monitoraggio Piano di monitoraggio Selezionare attori Project Design Definizione del progetto Firmare accordi legali per l’acquisto/uso dei terreni e per la proprietà dei crediti Firmare accordi carbonio Definire cash flow finanziario e modalità di redistribuzione dei proventi Firmare accordi Attuare coinvolgimento degli stakeholders Documento di Design del Unire le informazioni in un documento Progetto (Project Document – PDD) Certificare il design Contattare Controllo di validità del progetto un ente di certificazione indipendente accreditato secondo lo standard Preparare i documenti richiesti selezionato Informare attori e stakeholders 89 Resoconto di Validità Design FASE 1 PROGETTUALE SCOPO OBIETTIVI OUTPUT Auditing in ufficio e in campo Evitare il doppio conteggio/vendita Registrazione del progetto dei crediti e rendere Aprire pubbliche le un conto per il progetti e Progetto registrato in un registrazione in un database registro o banca dati informazioni base sul progetto Ridurre le emissioni Implementazione o aumentare lo stock di carbonio Controllare Monitoraggio l’esattezza delle Implementare le attività di progetti (per esempio: riforestazioni, miglioramento Piano di lavoro pratiche agricole, ecc.) Applicare accordi legali Monitoraggio dei benefici climatici Monitoraggio della baseline stime contenute nel Monitoraggio degli impatti sociali ed design di progetto ambientali Contattare ente di certificazione Selezionare accreditato Certificare la riduzione delle Verifica emissioni o l’aumento degli stock di carbonio Resoconto del monitoraggio ente di certificazione Preparare documenti per dimostrare il rispetto del design di progetto, del piano di monitoraggio e degli impatti sociali ed Resoconto di verifica ambientali Informare attori e stakeholders Auditing in ufficio e in campo Registrazione dei crediti Evitare il doppio conteggio/vendita Registrare crediti dei crediti 1 Rilascio dei certificati dei crediti Note: Non essendo rilevanti per le compensazioni delle opere di cantierizzazione dell’EXPO 2015 sono escluse le fasi di fundraising e commercializzazione e vendita dei crediti. 90 2.2 Attori nei progetti di compensazione Gli attori coinvolti nelle diverse fasi progettuali differiscono in parte tra il CCX, l’OTC ed il mercato regolamentare (Tabella 91 27) Tabella 27. I proprietari fondiari possono essere di cinque tipologie (Hamilton et al., 2010b): i) singoli privati, ii) pubblici, iii) compagnie con concessioni su foreste di produzione statale, iv) terre con diritti di proprietà pubblica o tradizionale, v) proprietà mista. I proprietari fondiari assumono rilevante importanza nel chiarire il contesto legale di proprietà dei crediti e nella selezione delle tipologie compensative. Il loro ruolo nel mercato compensativo dipende dalla capacità di interagire con le problematiche legate alla stima della fissazione del carbonio e del monitoraggio dei benefici climatici del progetto compensativo. In questo senso è opportuno favorire una responsabilizzazione dei proprietari ed un loro ruolo attivo nel sistema periodico di controllo e monitoraggio dei progetti. 92 Tabella 27 - Attori di progetti forestali coinvolti nei mercati volontari dell’OTC e del CCX comparati agli attori del mercato istituzionale. Attori Mercato del carbonio OTC CCX Istituzionale Proprietari fondiari V V V Organizzatori dei progetti V V V Comunità presenti nelle aree forestali V V V Consulenti e agenzie di servizi V V V Imprese forestali V V V Certificatori di parte terza V V V Broker V Proprietari dei Registri V V V Aggregatori di progetti e wholesalers V V Retailer V Stakeholder esterni ed indiretti V V Membri e Soci V V Finanziatori V Compratori finali V V V V Gli organizzatori dei progetti coordinano la produzione del PIN (Project Idea/Concept Note) e del PDD (Project Design Document) e hanno quindi un ruolo trasversale di reperimento delle informazioni e di coordinamento delle diverse fasi progettuali. Le comunità presenti nelle aree forestali o nelle aree d’intervento sono direttamente interessate dagli effetti dei progetti compensativi. Le comunità devono essere informate e coinvolte nel design e nella gestione degli interventi sin dalle prime fase progettuali. Il processo informativo deve inoltre riguardare anche tutti gli stakeholders indiretti ed esterni al progetto, ossia quelle organizzazioni o privati che non sono coinvolti nelle fasi progettuali e che possono anche non risiedere nelle aree di intervento ma che risentono comunque degli impatti dei 93 progetti. Tra gli stakeholders le imprese forestali sono impiegate nell’esecuzione e manutenzione degli interventi nonché nelle stime dello stock di carbonio e nei piani di monitoraggio. I consulenti e le agenzie di servizi offrono consulenza tecnica e scientifica agli organizzatori dei progetti. La presenza di consulenti è essenziale nella stesura del PDD e nella creazione di un credibile sistema di monitoraggio. Qualora sia richiesto il rispetto di uno standard del mercato volontario del carbonio, il sistema di controllo e monitoraggio dovrebbe prevedere la presenza di certificatori di parte terza di enti di certificazione accreditati che possano validare il progetto e verificare i crediti di carbonio generati. Nella fase di commercializzazione e vendita dei crediti di carbonio assumo un ruolo rilevante i brokers che facilitano le transazioni di crediti senza assumerne la proprietà, gli aggregatori di progetti e i wholesalers che raggruppano crediti di carbonio provenienti da diversi progetti di piccola entità divenendone proprietari e rivendendo i crediti direttamente ai consumatori finali o a i retailers. Questi ultimi nel mercato volontario solitamente vendono crediti online e dispongono di un portafoglio di progetti. Tutte le transazioni dei crediti sono registrate e rese disponibili per la pubblica consultazione attraverso la creazione di registri. I proprietari dei registri richiedono solitamente un costo fisso per credito registrato. La selezione del registro da utilizzare può essere dettato dallo standard selezionato per i progetti. Nel caso specifico del CCX esistono inoltre i soci e membri della borsa che forniscono progetti e fondi per l’acquisto dei crediti. Nelle costose fasi iniziali dei progetti possono inoltre essere necessari fondi e in questo senso è sempre più comune la presenza di finanziatori che diventano poi proprietari di una quota dei crediti derivati dal progetto. Infine i compratori finali permettono il ritiro ultimo dei crediti ossia il vero offset delle emissioni attraverso l’acquisto dei crediti di carbonio non seguito dalla rivendita degli stessi. La credibilità di un mercato delle compensazioni si costruisce attraverso la costante presenza di infrastrutture quali standard, metodologie e procedure lungo tutti gli anelli della catena di mercato (Errore. L'origine riferimento non è stata trovata.). Esistono quindi: 94 standard per la qualità dei progetti, vengono applicati in fase progettuale e servono ad assicurare la permanenza ed addizionalità dei progetti; programmi di certificazione dei brokers e retailers, servono a garantire la qualità e la serietà degli intermediari; registri e database, servono a rintracciare i crediti di carbonio generati dai progetti di compensazione, a registrare i crediti per tipo di progetto, quantità e durata del credito, dati della proprietà, piano di monitoraggio. I registri permettono inoltre di ritirare e cancellare dal mercato le quote di carbonio vendute; protocolli per il calcolo delle emissioni, come anticipato al capitolo primo consentono la stima accurata delle emissioni. Una fase importante della creazione di un mercato compensativo e stabilire il prezzo dei crediti di carbonio. Il prezzo dipende da numerosi fattori,in primis: dimensioni del progetto; costi di transazione coinvolti nel modello di organizzazione del mercato; tipo di standard utilizzato nella verifica/certificazione; struttura contrattuale di acquisto dei crediti. La dimensione del progetto è senza ombra di dubbio il fattore che più determina il prezzo dei crediti di carbonio. La complessità e le infrastrutture richieste da ciascun modello di mercato determinano in buona parte i costi di transazione. Secondo Hamilton et al. (2009), il ricorso ai broker e retailer solitamente comporta dei rincari nei costi di transazione e conseguentemente prezzi maggiori dei crediti di carbonio (4,5-6,8 €/tCO2eq) rispetto alla vendita diretta da parte degli organizzatori dei progetti (3,8 €/tCO2eq). Il prezzo medio dei progetti forestali nel mercato volontario (transazioni Over the Counter – OTC) è attualmente di 6,4 €/tCO2eq (Hamilton et al., 2010b). I prezzi di mercato dei crediti derivanti dall’uso di uno standard interno sono inferiori (0,9 €/tCO2eq) rispetto ai prezzi generati dall’uso di standard di parte terza (ad esempio VCS e CCB rispettivamente 3,5 e 4,3€/tCO2eq). 95 Figura 18 – Operatori e strumenti nel mercato volontario dei crediti di carbonio 96 3. Modelli per il mercato delle compensazioni Una volta chiarite quali siano in linea generale le fasi progettuali e gli attori degli interventi compensativi forestali nel mercato volontario del carbonio, è utile avere una prospettiva dei modelli di organizzazione del mercato del carbonio attualmente in uso o di possibile sviluppo. I modelli dei mercati delle compensazioni volontarie, proprio per il loro carattere di volontarietà e l’assenza di schemi ed accordi internazionali che ne legiferano lo sviluppo, possono differire notevolmente in termini di target ambientale, ruolo dei Governi nazionali e del settore privato, complessità di implementazione, infrastrutture di mercato richieste, fornitore delle compensazioni, efficacia ecologica e trasparenza (Madsen et al., 2010). Per quanto riguarda il target ambientale, l’analisi si limiterà a prendere in considerazione quei modelli di mercato compensativo funzionali all’aumento degli stock di carbonio o alla riduzione delle emissioni di gas-serra, escludendo quindi quei modelli di compensazione ristretti alla preservazione della biodiversità e delle risorse idriche. Ulteriore elemento di distinzione è il diverso ruolo dei Governi e del settore privato nella creazione, gestione e monitoraggio dei mercati compensativi. Nella borsa del CCX il ruolo preponderante per esempio, sia in termini di finanziamento che progettualità, è svolto da organizzazioni private e la pubblica amministrazione può al massimo associarsi e condividere gli obiettivi di riduzione e compensazione delle emissioni17. Invece in programmi volontari governativi di offset come il Japan’s Keidanren Voluntary Action Plan on the Environment18, il US EPA Climate Leaders19, il Canadian GHG Clean Start Registry20 e l’ Australia’s Greenhouse Challenge Plus i Governi forniscono consulenza tecnica, progettuale, di reporting e verifica. Per quanto riguarda la complessità di implementazione, questa è per lo più determinata dal numero di attori coinvolti nelle transazioni, dal livello di controllo istituito, dalla trasparenza richiesta dagli acquirenti e dalla scala di implementazione (internazionale, nazionale, regionale o locale). Collegata alla complessità organizzativa è l’infrastruttura di mercato richiesta come la regolamentazione, i registri per monitorare le transazioni dei crediti ed il loro ritiro a progetti ultimati e la gestione dei fondi. 17 www.chicagoclimatex.com www.keidanren.or.jp/ 19 www.epa.gov/stateply/ 20 http://www.ghgregistries.ca/cleanstart/steps_e.cfm 18 97 Per quanto riguarda i fornitori delle compensazioni, questi possono essere privati o istituzioni pubbliche attraverso proprietà in loro possesso o attraverso procedure di esproprio. L’efficacia ambientale delle compensazioni è data innanzitutto dal rispetto del processo gerarchico di compensazione ecologica preventiva (Figura 6) e dipende dalle modalità e fondi disponibili per un reale controllo della corretta applicazione dello schema di mercato. La trasparenza infine è dettata per esempio dalla presenza di protocolli che prevedano la consultazione e partecipazione degli stakeholders locali nelle fasi di selezione delle aree e delle tipologie d’intervento, dalla presenza di sistemi di certificazione indipendente ed accreditata (per esempio dall’autorità pubblica o da organizzazioni non governative) e dalla presenza di registri che permettano di evitare il double-selling e forniscano le informazioni di pubblica utilità sugli interventi eseguiti. Mentre nelle transazioni OTC non si possono definire precisi modelli di organizzazione del mercato, nel CCX il modello utilizzato è quello dello stock change (Hamilton et al., 2010a). Il CCX è un sistema cap-and-trade dove i membri (per lo più imprese) su base volontaria concordano un target di riduzione delle missioni che devono rispettare poi obbligatoriamente con possibilità di usare gli offset fino al 50% del target (Hamilton et al., 2010). L’unità di scambio nel CCX è il Carbon Financial Instrument (CFI), che rappresenta 100 tCO2eq. Sia i compratori che i fornitori di CFI devono essere soci del CCX. Il CCX non dispone di un registro esterno indipendente dei crediti, elemento che ha spesso messo in discussione la trasparenza del modello (Lopes, 2009). Il CCX per la sua natura puramente privata, la scarsa trasparenza e la prassi associativa non è applicabile al contesto della Lombardia. In alternativa al CCX Madsen et al. (2010) suggeriscono tre modelli organizzativi dei mercati compensativi: - il One-Off Offset, - il Compensation Fund e 98 - il Compensation Banking21 solitamente applicato ai mercati di compensazione della biodiversità. Per le iniziative di compensazione dell’EXPO 2015 è possibile fare riferimento ad uno di questi tre modelli nella prospettiva di individuare la migliore forma organizzativa di un mercato volontario del carbonio. Il One-Off Offset è conosciuto negli Stati Uniti come permittee22 responsible mitigation e si basa sul do-it-yourself per il quale l’organizzazione responsabile delle emissioni si incarica direttamente o delega ad altro ente di sua scelta l’onere della compensazione. Il Compensation Fund è un meccanismo di parte terza che raccoglie fondi dall’organizzazione responsabile delle emissioni e li investe direttamente (per esempio attraverso una riforestazione) o indirettamente (per esempio finanziando ricerche nel settore dell’efficienza energetica) per compensare le emissioni. Il Fund è solitamente gestito da agenzie governative, in alcuni casi da organizzazioni non governative. Il Compensation Banking (meglio noto come Mitigation Banking) consiste in una o più organizzazioni che dispongo di una banca progetti dove il quantitativo di carbonio viene aumentato, ripristinato o preservato con lo scopo di compensare gli impatti di altri progetti. La Compensation banking solitamente sviluppa preventivamente i progetti per poi vendere i crediti di carbonio alle organizzazioni responsabili delle emissioni. Con il pagamento la Compensation banking diviene responsabile per l’attuazione delle opere compensative e del loro mantenimento. Diverse banche possono essere raggruppate all’interno di una umbrella bank, nel presupposto che ognuna riceva un accreditamento dagli enti competenti (per esempio una agenzia governativa). In Tabella 28 i tre modelli di mercato sono messi a confronto rispetto alle caratteristiche sopracitate. 21 Originalmente negli stati uniti questo modello organizzativo è noto come Mitigation Banking. Per coerenza sintattica con il principio di compensazione ecologica, in questo report verrà utilizzato il termine Compensation Banking. 22 “Permittee” è definito come l’entità (per esempio il proprietario del progetto) che richiede un permesso di produrre un impatto in termini per esempio di emissioni. 99 Tabella 28 - Caratteristiche dei modelli di mercato per le compensazioni delle emissioni di gas serra. Caratteristiche Ruolo dei Governi e del settore privato One-Off Offset Compensation fund Compensation Banking Privato preponderante Bilanciato Bilanciato Complessità di implementazione Media Bassa Alta Infrastruttura di mercato richiesta Medio-alta Minima Alta Responsabile delle emissioni Agenzia governativa o ONG Agenzia governativa o ONG Dipende dal design del sistema di controllo Dipende dal design del sistema di controllo Dipende dal design del sistema di controllo Bassa Moderata Alta Fornitori delle compensazioni Efficacia ecologica Trasparenza Fonte: adattato da Madsen et al.(2010). Un ulteriore modello di mercato a cui fare riferimento, nonostante rientri nel settore istituzionale, è l’Emission Trading Scheme della Nuova Zelanda (NZ ETS), il primo tra i Paesi dell’Allegato 1 del PK a istituire un meccanismo per la proprietà privata dei crediti di carbonio generati dalle foreste (Chenost et al., 2010). Come riportato da Alisciani e Carbone (2010), il Governo neozelandese distingue tra le foreste post-1990 e quelle pre-1990. I proprietari delle prime possono aderire su base volontaria al NZ ETS, diventano proprietari dei crediti corrispondenti allo stoccaggio effettuato dall’1.1.2008 (anno del lancio del NZ ETS). I proprietari dovranno restituire al Governo i crediti assegnati qualora venga meno l’assorbimento (per esempio a causa di incendi od utilizzazioni). Il controllo sull’effettivo stoccaggio viene eseguito nel 2012, fine del primo periodo del PK, ad opera di un ente certificatore indipendente. Ai proprietari delle foreste con specie esotiche pre-1990 (le foreste native pre-1990 sono escluse dal NZ ETS) il Governo invece distribuisce crediti in base alla superficie, all’epoca di acquisto e all’età. Tali crediti dovranno essere restituiti al Governo in caso di deforestazione ad esclusione di alcune eccezioni. Parallelamente al NZ ETS il Governo neozelandese promuove la Permanent Forest Sink Initiative (PFSI) per le riforestazioni post-1990. Il PFSI prevede un impegno di permanenza minimo di 50 anni e restrizioni al taglio per i primi 99 anni (Hamilton et al., 2010).I proprietari ricevono crediti validi 100 per la rendicontazione del PK con modalità simili al NZ ETS.Il Ministero per lo sviluppo Economico neozelandese utilizza il New Zealand Emission Unit Registry (NZEUR) per monitorare i flussi di crediti attraverso la raccolta di informazioni quali i nominativi dei proprietari dei crediti e le relative quantità possedute, i trasferimenti di crediti e i crediti restituiti al Governo. 3.1 Carbon Compensation Banking per la Regione Lombardia Il meccanismo proposto in questo per la gestione delle compensazioni delle opere dell’EXPO 2015 è quello della Compensation Banking. Sulla base di quanto riportato in precedenza e dall’esperienza negli Stati Uniti23 la scelta della Compensation Banking è motivata dal fatto che: garantisce il carattere preventivo degli interventi; è il modello che risulta avere la più alta trasparenza (Tabella 3); prevede l’intervento delle agenzie governative e quindi si presenta come compatibile con gli interventi di compensazione ecologica preventiva previsti dalla Valutazione Ambientale Strategica (VAS) e dai Piano di Governo del Territorio (PGT); lo strumento è gestito da un unico ente che può quindi, caso per caso e con flessibilità, investire in particelle singole di grande estensione o piccole e contigue; è uno strumento innovativo nel mercato volontario delle compensazioni delle emissioni clima-alteranti; permette lo scale up in termine di know how scientifico e tecnico facilitando quindi la massimizzazione dell’efficienza dell’uso delle risorse disponibili e garantendo una gestione adeguata degli interventi a lungo termine. Nel definire il funzionamento della Compensation Banking Lombarda si dovranno prendere in considerazione tutti i seguenti aspetti, già delineati all’interno di questo documento: 1. Priorità dell’approccio ERMC (Evitare Ridurre Mitigare Compensare); 2. Assicurarsi il rispetto delle buone pratiche in fase di carbon accounting (inventariazione delle emissioni); 3. Assicurarsi il rispetto delle buone pratiche in fase di realizzazione degli interventi compensativi quali addizionalità, permanenza, assenza del double counting e del leakage, 23 http://www.epa.gov/wetlands/guidance/mitbankn.html 101 equa ripartizione dei benefici degli interventi compensativi ed assenza di privilegi per interventi di grande scala; 4. Distinguere le regole per la realizzazione degli interventi in Paesi dell’Allegato I dai PVS; 5. Coordinare il finanziamento degli interventi compensativi con le politiche agro-forestali e di pianificazione territoriale esistenti 6. Ridurre i costi di transazione; 7. Definire il sistema di governance. Per quanto riguarda interventi su scala nazionale, particolare attenzione deve essere posta nell’identificazione degli interventi ammissibili e delle modalità di coordinamento tra le politiche del settori agrario e forestale. Per quanto riguarda gli interventi ammissibili si profilano due opzioni: OPZIONE 1, prevede il mantenimento dello status quo anche nel periodo Post-Kyoto (post2012), ossia la gestione statale centralizzata dei crediti derivanti dagli art. 3.3 e 3.4 del PK. Conseguentemente, come più volte evidenziato in questo report, dovranno essere esclusi dal finanziamento quegli interventi che possano generare double counting e quegli interventi che manchino del carattere di addizionalità. Sul territorio nazionale si potrà operare solo tramite le attività 3.4 del PK non opzionate: quelle agricole e la revegetation24; OPZIONE 2, il problema del double counting potrebbe viene meno qualora in sede nazionale la Regione Lombardia ottenga il consenso per una gestione decentralizzata della rendicontazione del PK (art. 3.3 e 3.4). 24 In questo senso un modello utilizzabile potrebbe essere il trade and floor (Povellato, 2010). Ad ogni azienda agricola rientrante nelle aree segnalate dal PGT come prioritarie per la creazione della RER verrebbe assegnato un quantitativo minimo di stoccaggio di carbonio. Come nell’European Union Emission Trading Scheme (EU-ETS), qualora tale quantitativo minimo venga superato si generano dei crediti vendibili alle aziende che sono scese al di sotto della soglia di carbon stock. Il trade and floor prevede che le aziende agricole mantengano delle aree a priorità ecologica (APE) come siepi, boschetti, ecc. 102 Il tema della definizione di un sistema di burden sharing nella gestione dei crediti da attività forestali è quindi di centrale importanza e propedeutico alla definizione di una iniziativa di Compensation Banking, Ulteriore problematicità è la permanenza dei crediti. Da questo punto di vista la creazione di una iniziativa di Compensation Banking potrebbe essere favorevole. Piuttosto che ricercare la permanenza dello stoccaggio delle emissioni a livello di singola Unità Tecnico Economica (UTE), la Compensation Banking potrebbe coordinare gli interventi assicurandosi una permanenza a livello regionale o addirittura comunale degli interventi. Qualora le compensazioni su suolo regionale e nazionale non siano sufficienti o il loro prezzo sia troppo elevato, è plausibile pensare a compensazioni nel settore forestale ed agricolo a livello internazionale. Chiaramente queste iniziative dovranno attuarsi nei Paesi al di fuori dell’Allegato 1. Questa opzione richiederebbe maggiori risorse per il sistema di controllo e monitoraggio degli interventi nonché l’adozione o la formulazione di standards del mercato volontario del carbonio per i paesi in via di sviluppo. Un esempio in questo senso è la Provincia Autonoma di Trento, che nel 2009 ha avviato interventi di compensazione di parte delle proprie emissioni attraverso progetti in Paesi in via di Sviluppo appoggiandosi alle realtà trentine degli organismi volontari di cooperazione allo sviluppo (Giunta Provinciale della Provincia Autonoma di Trento, 2008). Per quanto riguarda i modelli organizzativi dei mercati compensativi in paesi in via di sviluppo le opzioni analizzate per la realizzazione dell’ investimento sono tre: il modello a gestione diretta, che prevede l’appoggio delle realtà degli organismi volontari di cooperazione allo sviluppo; un modello basato sull’appoggio ad un carbon broker o retailers, ossia agenzie di servizio che propongono una serie di investimenti compensativi, mettendo in relazione le organizzazioni che offrono progetti e quelle che intendono acquistarne i benefici da questi derivanti. In questo caso andrebbe individuata una agenzia di servizio, preferibilmente tra quelle operanti in Italia, con la quale instaurare un rapporto basato sul miglioramento delle credenziali degli investimenti attraverso la produzione di standard ad hoc per la microprogettualità nel comparto agro-forestale. Tale approccio è il più semplice in termini organizzativi; un modello basato sull’affidamento ad un ente esterno attuatore (una agenzia regionale, una struttura associata tra un ente di ricerca e un organismo operativo, …) a cui viene 103 delegata la responsabilità del reperimento dei siti e dei partners di progetto. L’organismo delegato fornisce in questo agli organizzatori del progetto il know how necessario al corretto sviluppo dello stesso attraverso la produzione di standard e linee-guida ad hoc per la microprogettualità nel comparto agro-forestale. Madsen et al. (2010) analizzano i modelli di compensazione ecologica in termini di target ecologico, ruolo dei settori pubblico e privato, complessità di implementazione, infrastrutture di mercato richieste, fornitore delle compensazioni, efficacia ecologica e trasparenza. Tale analisi è stata applicata ai tre modelli organizzativi proposti (Tabella 29). Tabella 29 - Caratteristiche dei tre modelli di mercato per le compensazioni delle emissioni di gas serra prospettati Modello Gestione diretta Modello brokers& retailers Modello Organismo attuatore esterno Ruolo dei settori pubblico e privato pubblico preponderante privato preponderante bilanciato Complessità di implementazione alta bassa media Infrastruttura di mercato richiesta massima minima media ONG (organismo non governativo) Carbonbroker/retailer Dipende dall’ente selezionato Caratteristiche Fornitori delle Compensazioni Efficacia ecologica Trasparenza Dipende dalla formazione dell’ONG e dal design del sistema di controllo Media, dipende dalle richieste dello standard Dipende dal design del sistema di controllo del broker/retailer. Generalmente bassa. Variabile a seconda dello standard utilizzato dall’organizzatore del progetto Fonte: adattato da Madsen et al.(2010) 104 Dipende dal design del sistema di controllo instaurato Media, dipende dalle richieste dello standard In Figura 19 è esemplificato il funzionamento della Compensation Banking Lombarda. Sull’esempio delle Compensation Banking nordamericane (Mercer et al., 2011; Burke, 2010; ), i singoli proprietari interessati a proporre progetti compensativi dovranno compilare una richiesta di partecipazione alla Compensation Banking. Se la domanda viene accettata il proprietario dovrà sviluppare un PDD al quale seguirà una fase contrattuale e un auditing condotto da professionisti di parte terza, riconosciuti dall’ente gestore della Compensation Banking ma indipendenti dallo stesso. Gli auditor, come accade nei schemi di certificazione forestale25 fanno riferimento a enti di certificazione accreditati per gli standard sviluppati ad hoc o esistenti. Il progetto dovrà essere validato e poi registrato per evitare fenomeni di doppio conteggio. A tal proposito la Compensation Banking potrà far ricorso ad uni dei registri disponibili nel mercato (Forest Trends, 2011) o sviluppare un registro pubblico ad hoc. Il contratto tra il proprietario e la Compensation Banking dovrà essere sviluppato secondo le più recenti linee-guida (Hawkins et al., 2010). Le forme contrattuali più diffuse prendono il nome di emissions reduction purchase agreement (ERPA). I benefici climatici dei progetti di compensazione dovranno essere periodicamente monitorati e verificati (ogni 3-5 anni). La Compensation Banking sarà attraverso un portale di acquisto il punto di acceso al mercato per i singoli progetti. I prezzi dei crediti generate dai singoli progetti potranno variare all’interno di specifici range per tipologia e locazione del progetto. 25 Per esempio il Forest Stewardship Council. 105 Figura 19 - Esemplificazione del funzionamento della Compensation Banking Lombarda. 106 Una nota particolare merita la questione legata ai costi transazione. Una Compensation Banking è uno strumento complesso che richiede una infrastruttura di mercato complessa. I costi di transazione (es. negoziazione, certificazione e registro dei crediti) dovranno quindi essere ridotti al minimo attraverso l’applicazione di strumenti e pratiche innovative (Tabella 30). Tabella 30 – Strategie per la riduzione dei costi di transazione Innovazione Attività Esempi Creano un portfolio di progetti comperando crediti all’interno di una medesima area geografica o specializzandosi in alcune tipologie progettuali CCX Utilizzo di standard e protocolli esistenti Set di linee-guida per la misura, monitoraggio e certificazione dei benefici climatici e delle emissioni VCS e CFS Integrazione con le politiche e le istituzioni esistenti (es. PSR) Preferire tipologie progettuali cofinanziate da politiche esistenti che possano valorizzare la molteplicità dei servizi generati Lo schema Australiano nel New South Wales Creare meccanismi condivisione dei costi Agenzie specializzate possono coordinare il reperimento di fondi da agenzie europee, ONG internazionali, compagnie private, etc. Coltivazioni di riso australiani che ottengono un price premium per le pratiche “green” Utilizzazione del Tier 1 IPCCC Ridurre il costo dei dati Utilizzare database disponibili e utilizzare stime conservative degli effetti compensativi Definizione di standard e metodologie per i micro progetti Ridurre gli oneri per l’ottenimento della certificazione CDM, FSC e CARBOMICRO (Regione Veneto) Aggregatori per la Fonte: Forest Trends (2008) 107 Cauca Valley Water Association (Colombia) Bibliografia Anfodillo, T, Pilli, R, Carrer, M, Carraro, V, Rossi, S (2006) STIMA DELLA BIOMASSA FORESTALE: LE NUOVE POTENZIALITÀ DELLE RELAZIONI ALLOMETRICHE In: Pilli R., Anfodillo A., Della Valle E.,(eds). Stima del carbonio in foresta: metodologie ed aspetti normativi Pubblicazione del Corso di Cultura in ecologia. Atti del 42°Corso, Università di Padova: 161183. Bates, DM and Watts, DG (1988) Non-linear Regression Analysis and Its Applications, Wiley. Burke, D.G., Dunn J. E., 2010. A Sustainable Chesapeake: Better Models for Conservation. The Conservation Fund, Arlington, VA. 278 pp. Campbell, GS and Norman, LM (1998) Environmental biophysics. Springer, New York, p. 286. CENTURY (model) - Natural Resource Ecology Laboratory of Colorado State University http://www.nrel.colostate.edu/projects/century5/reference/index.htm Chenost, C., Gardette, Y., Demenois, J., Grondard, N., Perrier, M., &Wemaëre, M. (2010). Bringing forest carbon projects to the market. ONF International (ONFI).Paris - France. Chirici, G, Barbati, A, Maselli, F (2007). Modelling of Italian forest net primary productivity by the integration of remotely sensed and GIS data. Forest Ecology and Management 246: 285-295. Ciccarese, L., Piotto, B. (2009). Crisi economica globale e gestione forestale. Sherwood N. 153 Maggio. Compagnia delle Foreste. CO2fix (model) - CASFOR-II (Modelling Carbon Sequestration in Forested Landscapes) http://www.efi.int/projects/casfor/ Colombo, R, Busetto, L, Migliavacca, M, Meroni, M, Della Torre, C, Tagliaferri, A, Grassi, G, Seufert, G, (2009). Modellistica del ciclo del carbonio degli ecosistemi agro-forestali in regione Lombardia. Forest@ 6: 277-288. DETR, 1999. “Environmental Reporting: Guidelines for Company Reporting on Greenhouse Gas Emissions” Department of the Environment, Transport and the Regions, London. DSSAT (Decision Support System for Agrotechnology Transfer - model) – ICASA (International Consortium for Agricultural Systems Applications) http://www.icasa.net/dssat/ 108 Efron, B and Tibshirani, RJ (1993), An Introduction to the Bootstrap, London: Chapman & Hall. Farquhar, GD (1989). Models of integrated photosynthesis of cells and leaves. Phil. Trans. Roy. Soc. Lond. 323B:357-367. Federici, S, Quaratino, R, Papale, D, Tulipano, S, Valentini, R (2001). Sistema informatico delle Tavole Alsometriche d’Italia, DiSAFRi – Università degli Studi della Tuscia. [online] URL: http://gaia.agraria.unitus.it Federici, S, Vitullo, M, Tulipano, S, De Lauretis, R, Seufert, G, 2008. An approach to estimate carbon stocks change in forest carbon pools under the UNFCCC: the Italian case. iForest 1: 86-95 [online: 2008-05-19] URL: http://www.sisef.it/iforest/ Forest Trends, 2011. Investing in Forest Carbon: Lessons from the First 20 Years. Forest Trends, The Katoomba Group, Ecosystem Marketplace, and Bio-Logical Capital. January 2011. FullCAM (model) – Full Carbon Accounting Model: National Carbon Accounting System (Australian Greenhouse Office) – http://www.climatechange.gov.au/government/initiatives/ncat/ncat-toolbox-cd.aspx Giunta Provinciale della Provincia Autonoma di Trento. (2008). Approvazione del progetto "verso una provincia ad emissioni zero: Progetti compensativi, volontari e aggiuntivi, attraverso interventi forestali nei paesi in via di sviluppo". Verbale Di Deliberazione Della Giunta Provinciale. Reg.Delib.N. 2994 Prot. N. 7010/D326/2008. Hakes, J., 1999. “Testimony on the Voluntary Reporting of Greenhouse Gases Program before the House Government Reform Committee”. Hamilton, K., Sjardin, M., Marcello, T., Shapiro, A. (2009). Fortifying the foundation: State of the voluntary carbon markets 2009. Hamilton, K., Sjardin, M., Peters-Stanley, M., & Marcello, T. (2010a). Building bridges: State of the voluntary carbon markets 2010. A report by Ecosystem Marketplace & Bloomberg New Energy Finance. Hamilton, K., Chokkalingam, U., Bendana M. (2010b) State of the Forest Carbon Markets 2009: Taking Root & Branching Out. Ecosystem MarketPlace. Hawkins, S., Nowlin, M., Ribeiro, D., Stoa, R., Longest, R., Salzman, J., 2010. Contracting for Forest Carbon: Elements of a Model Forest Carbon Purchase Agreement. Forest Trends. December 2010. 109 Heinsch FA, Zhao MS, Running SW, Kimball JS, Nemani RR, Davis KJ, Bolstad PV, Cook BD, Desai AR, Ricciuto DM, Law BE, Oechel WC, Kwon H, Luo HY, Wofsy SC, Dunn AL, Munger JW, Baldocchi DD, Xu LK, Hollinger DY, Richardson AD, Stoy PC, Siqueira MBS, Monson RK, Burns SP, Flanagan LB (2006). Evaluation of remote sensing based terrestrial productivity from MODIS using regional tower eddy flux network observations. IEEE Transactions on Geoscience and Remote Sensing 44 (7): 1908-1925. - doi: 10.1109/TGRS.2005.853936. http://www.ecosystemmarketplace.com/documents/acrobat/sbdmr.pdf. INFC 2005 – Inventario Nazionale delle Foreste e dei Serbatoi Forestali di Carbonio. Ministero delle Politiche Agricole Alimentari e Forestali, Ispettorato Generale - Corpo Forestale dello Stato. CRA - Istituto Sperimentale per l’Assestamento Forestale e per l’Alpicoltura. Inventario Forestale Nazionale (1985). IPCC (2003). Good Practice Guidance for Land Use, Land-Use Change and Forestry. IPCC (2006). Guidelines for National Greenhouse Gas Inventories - Volume 4: Agriculture, Forestry and Other Land Use. ISAFA (2004). RiselvItalia Project: http://www.ricercaforestale.it/riselvitalia/index.htm. Janssen, PHM and Heuberger, PSC (1995). Calibration of process oriented models. Ecological Modelling 83:55–66. Lehtonena, A, Makipaa, R, Heikkinenb, J, Sievanena, R, Liskic, J (2004) Biomass expansion factors (BEFs) for Scots pine, Norway spruceand birch according to stand age for boreal forests. Forest Ecology and Management 188: 211–224. Leuning, R (1990). Modeling stomatal behavior and photosynthesis of Eucalyptus Grandis. Australian Journal of Plant Physiology. 17:159-175. Lopes, P., 2009. Review of Forestry Carbon Standards (2009) - Development of a tool for organizations to identify the most appropriate forestry carbon credit. Version 3. Centre for Environmental Policy. A report submitted in partial fulfilment of the requirements for the MSc and/or the DIC. December 2009. Imperial College London. Faculty of Natural Sciences. Loretti C.L., Isenberg M.A., Wescott W.F., 2000. “An Overview of Greenhouse Gas Emission Inventory Issues” Pew Center on Global Climate Change. Disponibile su http://www.pewclimate.org/docUploads/greenhouse%2Epdf. Madsen, B., Carroll, N., & Moore Brands, K. (2010). State of biodiversity markets report: Offset and compensation programs worldwide. available at: 110 Mercer, E., Cooley, D., Hamilton, K., 2011. Taking Stock: Payments for Forest Ecosystem Services in the United States. Forest Trends and The Ecosystem Marketplace. February 2011. Merger, E. (2008). Forestry carbon standards 2008: a comparison of the leading standards in the voluntary carbon market and the state of climate forestation projects. Carbon Positive. Merger, E., Dutschke, M., Verchot, L.V., 2010. Options for REDD+ voluntary certification to guarantee net GHG benefits, poverty alleviation, sustainable forest management and biodiversity conservation. Oaxaca Workshop on forest governance decentralization and REDD+ in Latin America and the Caribbeans. Mollicone, D, Matteucci, G, Koble, R,Masci, A, Chiesi, M, Smits, PC (2002). A model-based approach for the estimation of carbon sinks in European forests. Ecological Studies Vol. 164, Chap. 9. Olander, J., Ebeling, J., 2010. Building Forest Carbon Projects: A Step-by-Step Guide. Version 1.0. Forest Trends. November 2010. Pileri, P. (2007). Compensazione Ecologica Preventiva. Principi, Strumenti e Casi. Carocci Editore, pp 224. Roma. Pilli, R, Anfodillo, T, Salvadori, I (2006). Indagine preliminare sullo stock e sulla fissazione del carbonio nelle foreste del veneto. In Pilli R., Anfodillo T., Dalla Valle E. (eds.), Stima del Carbonio in foresta: metodologie ed aspetti normativi, Pubblicazione del Corso di Cultura in Ecologia, Atti del 42° corso, Università di Padova: 161-183. Povellato, A., 2010. "Floor and Trade": un nuovo meccanismo per incentivare la sostenibilità in agricoltura? Agriregionieuropa Anno 6, Numero 21 Giugno 2010. R Development Core Team (2005). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org. Richards, FJ, (1959). A flexible growth curve for empirical use. Journal of Experimental Botany 10: 290-300. Romano, D, Arcarese, C, Bernetti, A, Caputo, A, Cóndor, RD, Contaldi, M, De Lauretis, R, Di Cristofaro, E, Federici, S, Gagna, A, Gonella, B, Liburdi, R, Taurino, E, Vitullo, M, (2010) ItalianGreenhouse Gas Inventory 1990-2008. National Inventory Report 2010. Annual Report for submission under the UN Framework Convention on Climate Change and the Kyoto Protocol. ISPRA, Rapporti 113/2010. 111 Running, SW and Coughlan (1988b). A general model of forest ecosystem processes for regional applications II. Dynamic carbon allocation and nitrogen budget. Tree Physiology, 9: 147-160. Running, SW, and Coughlan (1988a). A general model of forest ecosystem processes for regional applications: I. Hydrological balance, canopy gas exchange and primary production processes. Ecological Modelling 42: 125-154. Thornton, PE, and SW Running, (1999). An improved algorithm for estimating incident daily solar radiation from measurements of temperature, humidity, and precipitation. Agricultural and Forest Meteorology, 93: 211-228. Tulipano S. (2005). Implementazione di un modello di stima dei principali stock e flussi di carbonio delle foreste italiane ai fini della valutazione del loro impatto sulle politiche di mitigazione dei cambiamenti climatici. PhD Thesis, Università della Tuscia. UN/ECE-FAO (2005). Global Forest Resources Assessment 2005. Main Report Italy - Country Report, UN/ECE- FAO Vallet, P, Dhôte, JF, Le Moguédec, G, Ravart, M, Pignard, G, (2006) Development of total aboveground volume equations for seven important forest tree species in France. Forest Ecology and Management 229, 1-3, 1: 98-110. Venables, WN and Ripley, BD (2002). Modern Applied Statistics with S. Springer, New York. Yamashita, T, Yamashita, K, Kamimura, R, (2007). A stepwise AIC method for variable selection in linear regression. Communications in Statistics – Theory and Methods, 36, 2395–2403. 112 Glossario e abbreviazioni A/R: Afforestation Reforestation. APE: Area a Priorità Ecologica. BIAS: è un errore sistematico del metodo di osservazione, il cui valore, in molti casi non è noto. BEF (Biomass Expansion Factor - fattore di espansione della biomassa): fattore adimensionale utilizzato per la conversione del volume della provvigione in volume di biomassa epigea. Biomassa epigea: biomassa della componente arborea del soprassuolo, comprensiva di corteccia, massa fogliare e blastometrica [m3 ha-1]. Biomassa ipogea: biomassa viva del suolo [m3 ha-1]. Carbon sink: “pozzo di carbonio”, cioè superficie forestale che assorbe CO2 atmosferica (fissandola nelle molecole organiche della biomassa legnosa). Carbon stock: stock di carbonio, cioè lo stock di carbonio immobilizzato nelle molecole organiche (è funzione diretta dello stock di biomassa, la provvigione). CCBA: Climate, Community and Biodiversity Standards. CCX: Chicago Climate Exchange. CDM: Clean Development Mechanism. CFIs: Carbon Financial Instruments. CFS: Carbon Fix Standard. CO2eq: Anidride Carbonica equivalente. Comparto “Croplands” (Aree agricole): include tutte le terre arate e seminate, i sistemi agroforestali dove la copertura vegetale scende sotto il soglia utilizzata per la categoria di terreni boschivi, in coerenza con la scelta delle definizioni nazionali. Comparto “Forest Lands” (Foresta): include tutte le terre occupate da boschi e foreste, così come individuate sulla base delle definizioni nazionali (normalmente coerenti con le definizioni scaturite dalla Conferenza di Marrakesh – Cop 7). Comparto “Grasslands” (Praterie): include aree di pascolo non considerate come aree agricole ed i sistemi con vegetazione arborea limitata. 113 Comparto “Other Lands”: include il suolo nudo, rocce, ghiaccio e le aree non gestite che non ricadono nelle alter categorie di uso del suolo. Comparto “Settlements” (Insediamenti e comparto urbano): include tutte le terre antropizzate, comprese le infrastrutture per il trasporto e ogni insediamento umano. Comparto “Wetlands” (Terre umide): include tutte le terre coperte o saturate dall’acqua in forma permanente o per una parte dell’anno, che non ricadono già negli altri comparti. CSC: Carbon Stock Change, variazione nello stock di carbonio in un determinato comparto indicato dalle linee guida, in conseguenza ad accumuli e perdite. DETR: Department of the Environment, Transport and the Regions. DMEF (Dead Mass Expansion Factor – fattore di espansione della necromassa): fattore adimensionale utilizzato per la conversione del volume della provvigione in volume di necromassa. ERMC: Evitare, Ridurre, Mitigare, Compensare. ERPA: Emissions reduction purchase agreement. EU-ETS: European Union Emission Trading Scheme. FSC: Forest Stewardship Council. GHGs: Greenhouse Gases, gas-serra. GWP: Global Warming Potential. IEA: International Energy Agency. IFM: Improved Forest Management. Incremento corrente: incremento della biomassa relativo all’ultimo anno *m3 ha-1]. Inventario Forestale Nazionale (1985): è il primo inventario forestale nazionale, realizzato nel 1985 dal ministero dell’Agricoltura e delle foreste (con progettazione, direzione tecnica e responsabilità scientifica dell’Istituto sperimentale per l’assestamento forestale e per l’alpicoltura - ISAFA). Inventario Nazionale delle Foreste e dei Serbatoi Forestali di Carbonio (CFS, 2004): secondo ed ultimo inventario del patrimonio forestale italiano. Tra i suoi obiettivi figura anche la valutazione delle immobilizzazioni di carbonio presenti nelle foreste, finalizzata a circostanziare parte degli impegni sottoscritti dal nostro Paese nell'ambito del Protocollo di Kyoto. 114 IPCC: Intergovernmental Panel on Climate Change, organo tecnico dell’UNFCCC (United Nations Framework Convention on Climate Change). LULUCF: acronimo di “Land Use, Land Use Change and Forestry”, è uno dei sei settori dell’Inventario nazionale delle emissioni ed assorbimenti di gas serra nell’ambito delle attività di monitoraggio circa i flussi di questi gas richieste dall’UNFCCC. Per la quantificazione degli assorbimenti di carbonio di terreni naturali, l’IPCC ha realizzato delle linee guida nel 2003, leggermente modificata nel 2006 da successive linee guida (ancora in fase di approvazione). Modelli LUE (Light Use Efficiency): modelli utilizzati per la stima della NPP da dati satellitari (telerilevati). Modello For-Est: modello utilizzato a livello nazionale per la stima dell’evoluzione dello stock di biomassa delle foreste nazionali, ai fini della registrazione degli assorbimenti forestali nazionali (da registrare annualmente nel NIR – National Inventory Report). Necromassa: legno morto a terra [m3 ha-1]. NIR: National Inventory Report, inventario delle emissioni ed assorbimenti nazionali, per la rendicontazione all’UNFCCC dei flussi di gas serra. NPP: Net Primary Productivity, corrisponde all’accrescimento netto della biomassa vegetale (quale Gross Primary Production - respirazione). E’ altresì definita come il flusso netto di carbonio dall’atmosfera alle piante verdi per unità di tempo. NZETS: New Zealand Emission Trading Scheme. NZEUR: New Zealand Emission Units Registry. PEFC: Programme for Endorsement of Forest Certification schemes. Provvigione (growing stock): massa legnosa di un popolamento espressa in metri cubi (volume del legname in piedi). E’ lo stock di biomassa forestale. [m3 ha-1]. Rapporto root/shoot (R o BEF2): rapporto adimensionale di biomassa fusto/radici. E’ il fattore adimensionale utilizzato per la conversione del volume della provvigione in volume di biomassa ipogea. REDD+: Reduced Emissions from Deforestation, forest Degradation, conservation, sustainable management of forests, and enhancement of forest carbon stocks in developing countries. Relazioni alsometriche: relazioni di accrescimento legnoso (riferite ai parametri di crescita di un popolamento arboreo). 115 Relazioni auxometriche: relazioni di accrescimento legnoso (riferite ai parametri di crescita di singolo individuo). Tavole alsometriche: tabelle contenenti una serie di informazioni tra cui il volume della massa legnosa per ettaro di una data specie forestale, e l'incremento corrente e medio alle varie età, per singole classi di produttività. Tecnica bootstrap: è una tecnica statistica di ricampionamento per approssimare la distribuzione campionaria di una statistica. Permette perciò, di approssimare media e varianza di uno stimatore e costruire intervalli di confidenza quando non si conosce la distribuzione della statistica di interesse. Tier method: metodo a livelli. Le linee guida dell’IPCC identificano diversi livelli metodologici per il calcolo del CSC, sulla base del livello di adattamento nazionale. A partire dal tier method 1, corrispondente alla metodologia standard presente nelle linee guida ed utilizzata con i dati standard qui presenti, si passa al tier method 2, costituito dalla metodologia 1 a cui sono applicati specifici dati nazionali, al tier method 3 che è –invece- una specifica ed originale metodologia nazionale “tailored to address national circumstances”. UNEP: United Nations Environmental Programme. UNFCCC: United Nation Framework Convention on Climate Change. VCS: Verified Carbon Standard. WBD: Wood Basal Density, densità basale del legno, rapporto adimensionale tra peso secco - in tonnellate - e volume fresco in metri cubi. 116