Utilizzazioni forestali, prodotti legnosi e assorbimento di carbonio
Giorgio Vacchiano
Università di Milano
gvacchiano@gmail.com
SIXTH ASSESSMENT REPORT
Working Group I – The Physical Science Basis
“
Recent changes in the climate are widespread, rapid, andintensifying, and
unprecedented in thousands of years.
[Credit: NASA]
Emissioni di CO2 2020 – 2100 (miliardi di t) e scenari di riscaldamento globale
Emissioni negative
Carbon stock
Carbon sink
La gestione forestale
può migliorare il bilancio
del carbonio?
Fonte: F. Magnani, UniBO
where CBt is the average annual CB of 10-year period t (Mg C ha−1a−1), IVt is the average annual volume increment of the same period (m3ha−1a−1) and Rt is the stem volume removed in harvests during 10-year period t (m3ha−1a−1). The adjusted R2 of the model was 0.827 and its RMSE was 0.19 Mg of carbon per hectare and year. Growing stock volume and saw log volume were not significant predictors of CB.
The model shows that CB was maximized when volume increment was good and the harvests of the 10-year calculation period and five previous periods were low. The rate of volume increment was by far the most significant predictor of CB (Figure 11). Removals of the previous 10-year period (t−1)
decreased the CB more than cuttings of the same 10-year peri- od for which the CB was calculated (t) since the substitution effects of new wood-based products improved the CB of the cal- culation period. The model shows, for example, that when the volume growth rate increases by 1 m3ha-1a-1, the CB of forestry increases by 0.395 Mg C ha−1a−1. Each cubic metre of stem- wood harvested during a certain 10-year period decreases the CB of the next 10-year period by 0.119 Mg C ha−1a−1.
Discussion
Analysis of the methods
The used individual-tree models for survival and diameter incre- ment are based on more than 60 000 survival and growth observations from different stand types (Pukkala et al., 2013).
Most of the data were collected in managed forests but the dataset also included several plots, which have never been thinned. The largest trees of the dataset were around 60 cm in dbh and the highest stand basal areas were 75 m2ha−1. The ingrowth models were based on 1561 observations. The bio- mass models were based on 908 pines, 613 spruces and 217 birches (Repola, 2008, 2009).
The dataset behind the Yasso07 decomposition model con- sisted of 9605 data points from 97 sites in Europe, Canada, USA and Central America (Tuomi et al., 2009). The decomposition of each sample was followed for 3.1–10.2 years. Since many of the samples consisted of several litter bags, the total dataset con- sisted of around 70 000 litter bags. The Yasso07 model has been described in detail in scientific articles (Tuomi et al., 2008, 2009)
Figure 8 Sizes of the carbon pools of living biomass, forest soil and wood-based products there are no cuttings, 10-year removal is 4000 m3, removal is equal to growth (Cut growth), or cuttings are first increased and then decreased (Unequal cut).
Figure 9 Development of annual CB when there are no cuttings, or about half of the growing stock is removed during the 10th 10-year period.
Does management improve the carbon balance of forestry?
131
Downloaded from https://academic.oup.com/forestry/article/90/1/125/2605858 by Università degli Studi di Milano user on 28 November 2020
doi:10.1093/forestry/cpw043
Risposta del sink al taglio
Fonte: G. Grassi, EU-JRC
Incendi forestali
7 miliardi ton CO
2 emesse ogni anno Allungamento della stagione incendi Aumento degli eventi estremiPhoto: NASA
suoli
Fonte: F. Magnani, UniBO
Fonte: G. Grassi, EU-JRC
OBIETTIVI
1. valutare l’effetto di diverse gestioni forestali sugli stock e sui sink di carbonio nelle foreste della Valle Camonica;
2. valutare l’effetto di due disturbi naturali (incendio e danni da vento) rilevati nella zona;
3. verificare l’eventuale vantaggio derivante dal pool di prodotti legnosi come uno strumento aggiuntivo di stoccaggio del carbonio.
cbm
Carbon Budget Model
input
Classi d’età
Raggruppa l’età delle foreste in gruppi da 10 anni
Classificatori
Descrivono gli stand forestali (stato, specie, forma di governo, unità climatica)
Inventario
Indica per ogni combinazione di classificatori l’area corrispondente alla classe
d’età
Curve di crescita
Descrive l’andamento nel tempo del volume epigeo delle diverse specie forestali
Tipo di disturbo
Indica i tipi di disturbo o di gestioni forestali definiti
dall’utente
Evento di disturbo
Applica il tipo di disturbo agli stand forestali dell’inventario
secondo le impostazione fornite dall’utente
Regole di transizione
Definisce il post disturbo
I 7 FILE di INPUT
input
MATERIALI E METODI
Dati del P.A.F. Categorie forestali principali
Tabelle di incremento dell’IFNC 2005
Equazioni di crescita
definite da Richards Attribuzione dell’età Unità climatica di riferimento
40 Il file informatico catastale (reperibile insieme al file di denuncia) ha per- messo di confrontare le specie denun- ciate e le specie classificate dal PAF per verificarne l’uguaglianza. Qua- lora non risultassero uguali, è stata presa come categoria forestale princi- pale quella del PAF (Figura 17). Si è proceduto a fare questo tipo di ap- prossimazione perché molto spesso le denunce di taglio, eseguite da privati, sono catalogate senza che ci sia un controllo dettagliato della tipologia denunciata.
Come risultato è stata creata la Tabella 5 che raggruppa la superfice ed i volumi tagliati in dieci anni per ogni categoria forestale relativa ai nove comuni di interesse.
Tabella 5: Superficie e volume di utilizzazione delle principali categorie forestali denunciate nei comuni di riferimento della Valle Camonica.
SPECIE SUPERFICIE (ha) VOLUME (m3) VOLUME PRELEVATO AD ETTARO (m3/ha)
Peccete 331.22 49,518.67 149.50
Orno-ostrineti 16.75 1,099.22 65.63
Castagneti 8.70 757.66 87.13
Faggete 4.25 219.22 51.58
Lariceti 16.66 1,334.61 80.09
Altre latifoglie 25.49 1,834.22 71.96
Figura 17: Mappa risultante dalla sovrapposizione del PAF con le denunce di taglio.
40 Il file informatico catastale (reperibile insieme al file di denuncia) ha per- messo di confrontare le specie denun- ciate e le specie classificate dal PAF per verificarne l’uguaglianza. Qua- lora non risultassero uguali, è stata presa come categoria forestale princi- pale quella del PAF (Figura 17). Si è proceduto a fare questo tipo di ap- prossimazione perché molto spesso le denunce di taglio, eseguite da privati, sono catalogate senza che ci sia un controllo dettagliato della tipologia denunciata.
Come risultato è stata creata la Tabella 5 che raggruppa la superfice ed i volumi tagliati in dieci anni per ogni categoria forestale relativa ai nove comuni di interesse.
Tabella 5: Superficie e volume di utilizzazione delle principali categorie forestali denunciate nei comuni di riferimento della Valle Camonica.
SPECIE SUPERFICIE (ha) VOLUME (m3) VOLUME PRELEVATO AD ETTARO (m3/ha)
Peccete 331.22 49,518.67 149.50
Orno-ostrineti 16.75 1,099.22 65.63
Castagneti 8.70 757.66 87.13
Faggete 4.25 219.22 51.58
Lariceti 16.66 1,334.61 80.09
Altre latifoglie 25.49 1,834.22 71.96
Figura 17: Mappa risultante dalla sovrapposizione del PAF con le denunce di taglio.
34 3.3.3.4 File “Growth and Yields”
Utilizzando sempre le curve di crescita proposte dall’ISPRA è stato creato il file “Growth and Yields” (si veda File “Growth and Yields” all’Allegato II). In base all’equazione di Richards (Eq.10 e relativi parametri) è stato possibile calcolare il volume a qualsiasi età delle categorie forestali analizzate. Ad esempio, per i lariceti la sequenza di calcolo è la seguente:
• primo step: calcolo dell’incremento di volume all’anno 1;
• secondo step: calcolo del volume all’anno 1 = incremento di volume all’anno 1 + volume all’anno 0;
• terzo step: calcolo dell’incremento di volume all’anno 2;
• quarto step: calcolo del volume all’anno 2 = incremento di volume all’anno 2 + vo- lume all’anno 1;
• la sequenza continua in questo modo fino all’età di 300 anni.
Una volta determinata la curva del volume di crescita di una determinata specie a 300 anni (Figura 15), è stato necessario, per redigere il file di crescita, indicare un solo volume per ogni classe d’età. Ad esempio, alla AGEID1 è stato assegnato il volume della foresta a 5 anni, alla AGEID2 il volume a 15 anni e così via. Non essendoci la possibilità di considerare
Figura 15: Rappresentazione dell'andamento volume-età delle principali categorie forestali analizzate nella Valle Camonica.
38
Tipologie di scenario adottate
• Analisi dell'andamento naturale dei principali pool in assenza di disturbi naturali e di pratiche di gestione forestale.
Scenario 1:
Nessun disturbo
• Sono state analizzate 10 anni di gestione forestale e sono state applicate le stesse percentuali di siturbo annuali seguendo le regole forestali indicate per legge.
Scenario 2:
Business as usual
• E' stato previsto di allungare il turno dei cedui indicato per legge in modo da intervenire sui cedui solo quando sono prossimi a diventare vecchi.
Senario 3:
Turno cedui allungato
• Sono state utilizzate le stesse impostazioni di gestione forestale attuate per le foreste della provincia autonoma di Trento da Pilli et al. (2014).
Senario 4:
Applicazione impostazioni di Pilli
• E' stata fatta una ricerca della percentuale annuale di area boscata percorsa da incendi avvenuti negli ultimi 16 anni ed stata applicata su tutte le foreste ogni anno della simulazione.
Scenario 5:
Disturbo da incendio
• E' stato simulato un disturbo simile a quello che ha già interessato le foreste nel 2018 denominato "tempesta Vaia".
Scenario 6:
Disturbo da vento
Figura 16: Schematizzazione degli scenari oggetto di studio.
RISULTATI
Carbon sink Carbon stock
‘No-management’
‘BAU e Gestione conservativa’
Carbon sink Prelievo di carbonio
‘Disturbo da incendio e BAU’
Carbon sink Carbon stock
‘Disturbo da vento’
Carbon sink Carbon stock
conclusioni
82
Figure 27. Representation of the comprehensiveness of various environmental and sustainability impact assessments. See also Agostini et al. (2020) for further details.
Results, especially for biodiversity impacts, are very sensitive to:
a. Biogeographic and climatic variables
b. Taxonomic groups (including differences between generalist and specialist taxa, or species of conservation interest)
c. Spatial and temporal scales considered
d. Attributes of biodiversity and aspects of ecosystem condition considered
Our assessment favours a broad-ranging synthesis over specific case studies because our goal is to highlight pathways and management options which are likely to cause negative impacts and which should thus be discouraged in the name of the precautionary principle29, and to provide insights for further research.
For the literature review we relied on search queries (see Annex 1), but we also expanded the review based on relevant papers cited in the first list of articles. Since our main goal was to generate a high-level synthesis of knowledge and distil lessons learnt, we focused mainly on already existing reviews and meta-analysis. It is possible that the literature reviewed does not capture the totality of the available information. For instance, it appears that there is a research bias for the impact of logging residues removals (section 5.8.1) so that most of the studies refer to temperate or boreal forest ecosystems. Furthermore, there appears to be a paucity of on-site empirical studies comparing the status of plantations with natural, native forests in the US South (Petrokofsky et al., 2020), even though those play a significant role in wood pellets supply to EU for energy.
29 Article 191 of the Treaty on the Functioning of the European Union
Impact on climate change
Environmental impact assessment (e.g. 14 impact categories in Product
Environmental Footprint)
Impacts on biodiversity and ecosystem health
Sustainability assessment
Carbon emissions
146
Figure 42. Qualitative assessment of the archetype pathways based on their climate and biodiversity impacts. Black symbols represent pathways referring to ‘logging residues removal’ intervention, yellow symbols refer to pathways for ‘afforestation’, and blue symbols refer to ‘conversion to plantation’ interventions. Uncertainty ranges are placed where payback time for carbon emissions could not be placed
within a single one of the already broadly defined levels. The position of the interventions within each sub-section is arbitrary.
Biodiversity & ecosystem’s condition assessment
Neutral / Positive Medium-Low Risk Medium-High Risk High Risk
Carbon emissions mitigation
Likely medium
term Short
term
Unlikely medium
term
Long term / Never
2 3
5 4
6 7
9
1
8 10
18 17
19
20
21 22 23 24
11 12 13 14 15
16
ID Pathway description
Logging residues removals
1 Coarse Woody Debris removal
2 Fine Woody Debris (Slash + foliage/needles) removal above landscape threshold
3 Fine Woody Debris (Slash + foliage/needles) removal below landscape threshold
4 Fine Woody Debris (Slash - Coniferous) removal above landscape threshold
5 Fine Woody Debris (Slash - Coniferous) removal below landscape threshold
6 Fine Woody Debris (Slash - Deciduous) removal above landscape threshold
7 Fine Woody Debris (Slash - Deciduous) removal below landscape threshold
8 Low stumps removal above landscape threshold 9 Low stumps removal below landscape threshold
Afforestation
10 Natural grassland afforestation with monoculture plantation 11 Natural grassland afforestation with polyculture plantation 12 Natural grassland afforestation with other planted forest 13 Anthropogenic heathland afforestation with monoculture
plantation
14 Anthropogenic heathland afforestation with polyculture plantation
15 Anthropogenic heathland afforestation with other planted forest
16 Natural forest expansion on anthropogenic heathland 17 Former agricultural land afforestation with monoculture
plantation
18 Former agricultural land afforestation with polyculture plantation
19 Former agricultural land afforestation with other planted land managed with low intensity
20 Natural forest expansion on former agricultural land
Conversion to plantation
21 Conversion of primary, old-growth forest, to plantation 22 Conversion of native naturally regenerating forest to
monoculture plantation
23 Conversion of native naturally regenerating forest to polyculture plantation
24 Conversion of native naturally regenerating forest to other planted forest managed with low intensity
101
Figure 34. Visual description of payback time and atmospheric carbon parity point. Green Line: drop in the forest carbon stock due to bioenergy production; Black line: accumulated reduction in carbon emissions from substitution of fossil fuels. Source: (Agostini et al.,
2014)
Fonte: G. Grassi, EU-JRC
Grazie per l’attenzione Giorgio Vacchiano
Università di Milano
gvacchiano@gmail.com
