Regione Lombardia F.L.A. Accordo sottoscritto dalle parti il 30 ottobre Progetto CARSIS RAPPORTO FINALE

Transcript

1 Regione Lombardia F.L.A. Accordo sottoscritto dalle parti il 30 ottobre 2009 Progetto CARSIS RAPPORTO FINALE Dicembre 2010

2 Indice PARTE I... 4 Introduzione Il modello For-Est Attività Svolte Verifica delle relazioni alsometriche utilizzate dal modello For-Est e loro ottimizzazione per una applicazione al contesto regionale lombardo 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 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 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 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 Conclusioni e definizione di una strategia tecnico-operativa PARTE II Introduzione Best practices nel campo degli investimenti forestali compensativi Principi generali della compensazione Linee-guida per la redazione di bilanci delle emissioni Linee-guida per la progettazione e realizzazione di interventi compensativi Attori, fasi progettuali ed infrastrutture per la creazione di un mercato volontario delle compensazioni Fasi progettuali degli offset forestali

3 2.2 Attori nei progetti di compensazione Modelli per il mercato delle compensazioni Carbon Compensation Banking per la Regione Lombardia Bibliografia Glossario e abbreviazioni

4 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 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

5 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

6 Eq. 1 1/ v kt y a 1 e (funzione di Richards) Eq. 2 dy k y y ' y 1 y dt v a v 0 (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, gs i, è ottenuta dalla provvigione dell anno precedente, gs i-1, aggiungendo ad essa l incremento dell anno corrente I i (corrispondente alla y della della funzione di Richards in forma derivata) e sottraendo alla stessa le perdite dovute ai tagli H i, alla mortalità M i ed agli incendi F i occorsi nell anno corrente, secondo quanto espresso in Eq. 3: Eq. 3 gs i gsi 1 Ii Hi Fi Mi ( Di ) A i dove gs i è il volume ad ettaro di provvigione per l anno corrente, gs i-1 è il volume totale di provvigione per l anno precedente, I i è l incremento corrente calcolato con l equazione di Richards (y nell equazione 2), H i è la quantità di biomassa utilizzata per l anno corrente, F i è la quantità di biomassa bruciata per l anno corrente, M i è il tasso annuo di mortalità, D i è il tasso annuo di rimozione della biomassa (raccolta, pascolo ecc.) per le foreste protettive, A i 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

7 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

8 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

9 2. Attività Svolte 2.1 Verifica delle relazioni alsometriche utilizzate dal modello For-Est e loro ottimizzazione per una applicazione al contesto regionale lombardo 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, y 0 ). 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 y 0 rappresenta l incremento corrente con provvigione nulla. Questi quattro parametri sono stimati per ciascuna tipologia forestale a partire 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 La calibrazione dell equazione di Richards su cui si basa il modello For- Est 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 (R 2 =0.78, p<0.001). 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. 9

10 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, y 0 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 ( 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

11 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 (IC i ) 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 (IC i ) 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 Nazionale 1. 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 (m 3 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 (R 2 ), 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 R 2 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: 11

12 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 (R 2 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

13 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 Abete bianco ' Lariceto Pino Silvestre ' Conifere ' Conifere Cedui ' Faggete ' Querceti Querceti Cedui Cerrete Carpineti Castagneti Pioppeti Latifoglie ' Latifoglie Cedui

14 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 Fitting Lombardo Peccete Intermedia Fitting Lombardo Lariceto Fitting Lombardo Conifere Fitting Lombardo Conifere Intermedia Fitting Lombardo Alneti Fitting Lombardo Faggete Fitting Lombardo Faggete Intermedia Fitting Lombardo Faggete Cedui Tulipano, 2005 Querceti Tulipano, 2005 Cerrete Tulipano, 2005 Carpineti Fitting Lombardo Pioppeti Fitting Lombardo Orno-Ostrieti (*) 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

15 Figura 2 - Andamento dell incremento corrente in funzione della provvigione per una peccata con classe di fertilità intermedia. La curva interpolante rappresenta la funzione di Richards stimata per la tipologia forestale in esame. La statistica R 2 e i valori dei parametri sono riportati nel grafico. 15

16 Figura 3 - Andamento dell incremento corrente in funzione della provvigione per un lariceto. La curva interpolante rappresenta la funzione di Richards stimata per la tipologia forestale in esame. La statistica R 2 e i valori dei parametri sono riportati nel grafico. 16

17 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 stimata per la tipologia forestale in esame. La statistica R 2 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

18 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 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

19 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 (R 2 ) 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 m 3 ha -1 a 1.05 m 3 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

20 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, y 0 e quindi di poter fornire stime aggiornate e più consistenti degli stock di carbonio a livello regionale. 20

21 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 Dati Param. Provv. Incremento Corrente PAF Incremento Corrente Modello Ottimizzato Incremento Corrente Modello Default m 3 ha -1 m 3 ha -1 m 3 ha -1 m 3 ha -1 Pecceta subalpine VC Peccete Abete Rosso INFC Peccete Abete Bianco INFC Conifere Lariceto tipico VC Lariceto Lariceto montano VC Lariceto Laricete e Cembrete INFC Lariceto Pinete Pino Silvestre e montano INFC Conifere Altri boschi di conifere, pure o miste INFC Conifere Faggeta VC Faggeta Faggeta LO Faggeta Faggeta LO Faggeta Faggete INFC Faggete Querceti di rovere, roverella e farnia Cerrete, boschi di farnetto, fragno e vallonea INFC Querceto INFC Cerrete Corilo-Frassineto VC Corileti Carpineti VC Carpineti Boschi Igrofili INFC Pioppeti

22 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

23 Tabella 4 - Parametri dell equazione di Richards stimati per le diverse tipologie inventariali dell Emilia Romagna. Tratto da Tulipano, 2005, Tabella

24 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 m 3, 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 [m 3 /ha], BEF è il biomass expansion factor (adimensionale), DB la densità basale del legno [t s.s./m 3 ]. 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 CO 2 e la massa atomica del carbonio.): 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. 24

25 Eq. 5. CO 2 assorbita dalla biomassa epigea [tco 2 /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

26 Tabella 5 - Biomass Expansion Factors selezionati per l'applicazione di For-Est a livello regionale da Federici et al., Nell ultima riga viene riportata la media dei valori di BEF1 e BEF2. Tipologia BEF1 (Biomassa epigea) BEF2 (Biomassa ipogea) forestale Peccete Abetieti Lariceti Pinete Montane Conifere Faggete Cerrete Querceti Latifogle Castagneti Carpineti Pioppeti Media 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 del GPG per LULUCF IPCC 2003) e pari a 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 ( Per gli anni precedenti ( ) invece si è 26

27 fatto riferimento al dato riportato nella sezione Documentazione del sito web della Regione Lombardia ( 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) Media

28 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, Le caratteristiche strutturali di For- Est 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). 28

29 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 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

30 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: nella Sezione 3.1, alle Figure e 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 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

31 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 riportata a pag delle Good Practice Guidance for Land Use, Land- Use Change and Forestry - IPCC, 2003) 31

32 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

33 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

34 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 dipag 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

35 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

36 Tabella 13 - Dati di default riguardo lo stock di carbonio presente sui territori convertiti a grassland (fonte: tabella di pag 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

37 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 CO 2, CH 4 e N 2 O - 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

38 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

39 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

40 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 delle 2006 IPCC Guidelines for National Greenhouse Gas Inventories 40

41 Tabella 18 - Tasso annuale di accumulo di C per albero (fonte: tabella 8.2 riportata a pag 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

42 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 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-co 2 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

43 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

44 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

45 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

46 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 forestali è stata condotta valutando, su 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

47 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

48 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 CO 2 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 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

49 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) 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 BIOME- BGC 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 (T MEDIA ) e della stagione vegetativa (T_GS MEDIA ), l anomalia di temperatura media annua (at MEDIA ) e della stagione vegetativa (at_gs MEDIA ), la precipitazione cumulata annua (PRCP) e nella stagione vegetativa (PRCP_GS) ed infine l anomalia di precipitazione cumulata annuale (aprcp) e nella stagione 49

50 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 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 For- Est 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

51 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(x i )) 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 (IC BIOME-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

52 incremento corrente simulati da For-Est (IC For.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, (IC For-Est ). In Figura 15 vengono riportati i risultati dell analisi. Essi evidenziano come combinando i dati di incremento corrente simulati da For-Est (IC For-Est ) e i dati meteorologici, sia possibile spiegare il 67% (R 2 =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 (at MEDIA, espressa in C). Includendo la temperatura media annuale il valore di R 2 aumenta a 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

53 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 IC BIOME-BGC. 53

54 Tabella 21 - Dati di incremento corrente annuale per unità di superficie [tc ha-1] simulati da BIOME-BGC e da For-Est. Pioppeti Querceti Faggete Lariceti Peccete BGC For-Est BGC For-Est BGC For-Est BGC For-Est BGC For-Est Anno tc ha -1 tc ha -1 tc ha -1 tc ha -1 tc ha

55 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

56 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

57 Figura 11 - Scatterplot tra residui dell incremento corrente (ID BIOME-BGC -IC For-Est ) e l anomalia di temperatura annua (differenza tra la temperatura media di ogni anno e la temperatura media su 11 anni) 57

58 Figura 12 - Scatterplot tra residui dell incremento corrente (ID BIOME-BGC -IC For-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

59 Figura 13 - Scatterplot tra residui dell incremento corrente (ID BIOME-BGC -IC For-Est ) e l anomalia di precipitazione annuale *cm+ (differenza tra la precipitazione di ogni anno e la precipitazione media in 11 anni). 59

60 Figura 14 - Scatterplot tra residui dell incremento corrente (ID BIOME-BGC -IC For-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

61 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 IC BIOME-BGC = a1*aprcp_gs + a2*at MEDIA + a3*ic For-Est + a0 Coeff Valore Std. Err a1 (aprcp_gs) a2 (at MEDIA ) a3 (IC For-Est ) a R p <

62 Figura 15 - Andamento del valore di incremento corrente [tc ha -1 ] simulato da BIOME-BGC (arancione), da For-Est (blu) e da For- Est corretto per gli stressors meteorologici (in rosso). Avvertenza: la scala è differente per foresta a latifoglie e conifere. 62

63 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., 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 valori di NPP totale annua simulati con MOD17. Il carbonio sequestrato nella 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. 63

64 componente fogliare si ottiene moltiplicando il valore di indice di area fogliare massimo (LAI, m 2 foglie/m 2 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 FLA- Kyoto 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 anno - 1 ) effettuate con MOD17 e quelle ottenute con For-Est per le stesse categorie forestali. Le stime di 64

65 For-Est sono state limitate al periodo , 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

66 Tabella 23 - NPP simulata con MOD17 per ciascuna classe di uso del suolo a Livello Regionale (Colombo et al., 2009) Classe NPP_MEDIA (KgC m-2 y-1) Dev_std NPP Specie Abieteti Acero-Frassineti Abies alba Miller Larix decidua Miller Acer pseudoplatanus L. Fraxinus excelsior L. Alneti Alnus glutinosa L. Gaertner Antropogene Robinia pseudoacacia L. Betuleti_Corileti Betulla pendula Roth Corylus avellana L. Castagneti Castanea sativa Miller Faggete Fagus sylvatica L. Lariceti-Cembrete Larix decidua Miller Pinus cembra Mughete Pinus mugoturra Orno-Ostrieti Fraxinus ornus L. Ostrya carpinifolia Scop. Corylus avellana L. Particolari Populus tremula Peccete Piceaabies Piceo-Faggeti Fagus sylvatica Piceaexcelsia Pino-Silvestre Pinus sylvestris Querceti Quercus robur Querco-Carpineti Quercus robur Carpinus betulus 66

67 Tabella 24 - Confronto tra dati di assorbimento di carbonio medi stimati dal modello MOD17 (NPP MOD17 ) e dal modelllo For-Est (NPP FOR-ESTottimizzato ) per le tre categorie forestali considerate Assorbimento annuale stimato da satellite con MOD17 Assorbimento annuale di carbonio stimato con For- Est ottimizzato. Peccete Lariceti Cembrete Abetieti NPP MOD17 (tc ha -1 anno -1 ) 2.59 (± 0.20) 3.09 (± 0.37) 1.85 (± 0.19) NPP FOR-ESTottimizzato (tc ha -1 anno -1 ) (± 0.07) 0.95 (± 0.09) 1.84 (0.067) 67

68 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 For- Est, 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 (R 2 =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 proposito, nonostante i buoni risultati ottenuti, si 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 calibrazione della funzione di crescita non 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. 68

69 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., 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

70 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 250x250m 2 ) 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 For- Est 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

71 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

72 PARTE II Autori: Davide Pettenella Lucio Brotto Dipartimento Territorio e Sistemi Agro-Forestali - Università di Padova Agripolis - Via dell'università 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 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 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 l organizzazione di un intervento di compensazione. compensativi e 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

73 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

74 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. Impatti positivi Compensazione + aumento netto Steps per la No Net Loss: IP C IP = impatto previsto IP M E = evitare IP IP E R E R E Impatto negativo rimanente R = ridurre Impatti negativi M = mitigare C = compensare con Figura 16 - Gerarchia nel processo di compensazione delle emissioni (Fonte: adattato da Madsen et al., 2010). No Net loss 74

75 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 IPCC- NGGIP 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

76 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 Key Performance Indicators (KPIs) - U.S. DOE 1605b

77 GHG Protocol Corporate Accounting and Reporting Standard (GHG Protocol Initiative - WRI/WBCSD) - Clean Air-Cool Planet - GHG Indicator: UNEP (United Nations Environmental Programme) - Gli inventari locali di norma includono le emissioni di CO 2, 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 CO 2 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 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 CO 2 /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

78 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 DETR 6 (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 consumata 7 può talvolta essere un dato non molto chiaro dovuto ai diversi combustibili impiegati,alle variazioni di efficienza della centrale elettrica stessa 8 e 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 rifiuti 9. 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) e il DFT (Department for Transport) Massa CO2 eq/kwh. 8 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. 78

79 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 emissioni 10 o si stabilisce una minima percentuale di completezza dell inventario 11. 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 X tonnellate di CO 2 equivalenti/anno. 11 Devono essere conteggiate almeno il 99% del totale delle emissioni del progetto. 79

80 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 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

81 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 progettuale 12 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

82 standard metodologici utilizzati per la stima degli effetti sul ciclo del carbonio dei progetti (e.g. Verified Carbon Standard - VCS 13 ). 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 - CCB 14 ). 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 PEFC 15. 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 Standard 16 (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 limitato 14. Evidentemente tali attività di certificazione offrono maggiori tutele agli acquirenti di crediti, ma alzano ulteriormente i costi amministrativi degli investimenti 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 (

83 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 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

84 Tabella 25 Strategie per l adozione di standard di qualità degli interventi compensativi per l EXPO 2015 Paese Tipologia progettuale ammessa secondo il burden sharing vigente Distinzione tra piccola e grande scala Standard esistenti di riferimento b Necessità di creare standard ex novo Pagamenti agroambiental i a Azione C Produzioni vegetali estensive Azione E Produzioni agricole biologiche Azione F Mantenimento di strutture vegetali lineari e fasce tampone boscate X CDM, VCS X X Round Table on Organic Agriculture and Climate Change X CDM, VCS X X Allegato I PK (es. Italia) Azione G Miglioramento ambientale del territorio rurale X CDM, VCS X Investimenti non produttivi Realizzazione strutture vegetali lineari e fasce tampone boscate X CDM, VCS, CFS X Imboschiment o di terreni agricoli Imboschiment o di superfici non agricole Arboricoltura da legno a ciclo medio-lungo Arboricoltura da legno con ceduazione a turno breve (minimo 5 anni) Arboricoltura da legno a rapido accrescimento X X X CDM, VCS, CFS CDM, VCS, CFS CDM, VCS, CFS A/R c X CDM, VCS, CFS PVS REDD+ X VCS IFM X VCS Agroforestale X CDM, VCS X Note: a) Misure ed Azioni legate al PSR 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

85 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

86 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

87 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

88 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. Ideazione Design Implementazione Controllo di validità e registrazione 5 anni 5 anni 5 anni Monitoraggio 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 Tabella 26 - Scopi, obiettivi ed output nelle fasi progettuali di interventi forestali di compensazione del mercato volontario del carbonio. FASE SCOPO OBIETTIVI OUTPUT PROGETTUALE 1 Valutare differenti Definire baseline ambientale, sociale ed economica dell area d intervento Descrizione del sito Ideazione progettuale tipologie d intervento; Produrre uno Definire locazione e siti disponibili Definire possibili stakeholders e partnership con specialisti del settore Confini geografici (GPS) Consultazione, lettere di intenti e bozze contrattuali studio di Stabilire fattibilità legale (proprietà del Mappatura normativa, titoli fattibilità tecnica terreno e dei crediti) dei terreni e consulenza 88

89 FASE PROGETTUALE 1 SCOPO OBIETTIVI OUTPUT ed economica; legale Condividere informazioni tra i partner del progetto; Creare documentazione utile per il fundraising Calcolare baseline dei flussi di carbonio nell area di intervento Prospettare le tipologie d intervento e i relativi scenari Calcolare la fattibilità finanziaria a seconda degli standard applicati al progetto per aumentarne la credibilità e conseguentemente il prezzo di mercato Bozza del modello di baseline delle emissioni Bozza del modello di benefici climatici Bozza di modello finanziario Stimare impatti sociali ed ambientali Valutazione impatto sociale nell area di progetto e all esterno ed ambientale Unire le informazioni in un documento 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 Design Document PDD) Certificare il design Contattare un ente di certificazione Controllo di validità del progetto secondo lo standard indipendente accreditato Preparare i documenti richiesti Resoconto di Validità selezionato Informare attori e stakeholders 89

90 FASE PROGETTUALE 1 SCOPO OBIETTIVI OUTPUT Auditing in ufficio e in campo Evitare il doppio conteggio/vendita Registrazione del dei crediti e rendere Aprire un conto per il progetti e Progetto registrato in un progetto pubbliche le registrazione in un database registro o banca dati informazioni base sul progetto Implementazione Ridurre le emissioni o aumentare lo stock di carbonio Implementare le attività di progetti (per esempio: riforestazioni, miglioramento pratiche agricole, ecc.) Applicare accordi legali Piano di lavoro Controllare Monitoraggio dei benefici climatici Monitoraggio l esattezza delle stime contenute nel Monitoraggio della baseline Monitoraggio degli impatti sociali ed Resoconto del monitoraggio design di progetto ambientali Contattare ente di certificazione Selezionare ente di Verifica Certificare la riduzione delle emissioni o l aumento degli stock di carbonio accreditato Preparare documenti per dimostrare il rispetto del design di progetto, del piano di monitoraggio e degli impatti sociali ed ambientali Informare attori e stakeholders certificazione Resoconto di verifica Auditing in ufficio e in campo Registrazione dei crediti Evitare il doppio conteggio/vendita dei crediti Registrare crediti Rilascio dei certificati dei crediti Note: 1 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

91 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 27) 91

92 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

93 Tabella 27 - Attori di progetti forestali coinvolti nei mercati volontari dell OTC e del CCX comparati agli attori del mercato istituzionale. Proprietari fondiari Attori Mercato del carbonio OTC CCX Istituzionale V V V Organizzatori dei progetti Comunità presenti nelle aree forestali Consulenti e agenzie di servizi Imprese forestali Certificatori di parte terza Broker Proprietari dei Registri V V V V V V V V V V V V V V V V V V V Aggregatori di progetti e wholesalers Retailer V V V Stakeholder esterni ed indiretti Membri e Soci V V V V Finanziatori V V Compratori finali 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

94 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

95 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 /tco 2 eq) rispetto alla vendita diretta da parte degli organizzatori dei progetti (3,8 /tco 2 eq). Il prezzo medio dei progetti forestali nel mercato volontario (transazioni Over the Counter OTC) è attualmente di 6,4 /tco 2 eq (Hamilton et al., 2010b). I prezzi di mercato dei crediti derivanti dall uso di uno standard interno sono inferiori (0,9 /tco 2 eq) rispetto ai prezzi generati dall uso di standard di parte terza (ad esempio VCS e CCB rispettivamente 3,5 e 4,3 /tco 2 eq). 95

96 Figura 18 Operatori e strumenti nel mercato volontario dei crediti di carbonio 96