banner

Blog

Mar 20, 2023

Impactos de la industria de pellets de madera del sureste de EE. UU. en las reservas de carbono de los bosques locales

Scientific Reports volumen 12, Número de artículo: 19449 (2022) Citar este artículo

3700 Accesos

1 Citas

32 Altmetric

Detalles de métricas

Evaluamos los impactos netos de una industria de gránulos de importancia mundial que depende de la madera en las reservas de componentes de carbono de los bosques locales contemporáneos (árboles vivos, árboles muertos en pie, suelos) y las existencias totales. Realizamos análisis de diferencias en diferencias posemparejados de datos de inventario forestal entre 2000 y 2019 para inferir efectos industriales concurrentes y rezagados en la costa sureste de EE. UU. Los resultados apuntan a la neutralidad de carbono contemporánea. Encontramos efectos incrementales netos en las reservas de carbono dentro de los árboles vivos, y ningún efecto neto en los árboles muertos en pie ni en las reservas de suelo. Sin embargo, encontramos niveles de carbono más bajos simultáneos en los suelos, efectos mixtos asociados con mayores presiones de adquisición y una gran capacidad de peletización del molino, y posibles efectos indirectos en las reservas de carbono de árboles muertos en pie más allá de las distancias de adquisición comerciales. Existe evidencia sólida de que, aunque existen algunas compensaciones entre los depósitos de carbono, la industria de pellets de madera en este contexto y período en particular ha cumplido la condición general de neutralidad en carbono forestal.

Las naciones de todo el mundo están adoptando estrategias para descarbonizar sus economías1,2. Una vía de descarbonización es sustituir los combustibles fósiles por recursos biológicos en la generación de energía, como lo ilustra la Estrategia de Bioeconomía de la Unión Europea (UE) y sus Directivas de Energía Renovable1,3,4. La bioenergía, energía generada a partir de biomasa, es la fuente de energía renovable más grande de la UE28 (UE27 y Gran Bretaña) con biomasa leñosa obtenida de los bosques como el biocombustible dominante en la generación de calor y energía5. En todo el mundo, la UE28 es el mercado más grande para la madera peletizada utilizada como biocombustible: el comercio interno de pellets de madera se triplicó con creces y las importaciones a la UE28 se multiplicaron por siete durante el período 2009-2019 tras la adopción de las Directivas sobre energías renovables3,4. En 2020, EE. UU. fue el principal productor (20 %, peso) y exportador (25 %, peso) del mundo de pellets de madera, y el principal proveedor extrarregional de pellets de madera para la UE281. Las exportaciones de EE. UU. a la UE28 se han multiplicado por 12 durante el período 2009-2019 para alcanzar los 6,8 millones de Mg (1 Mg = 1 tonelada métrica)6. La producción mundial de pellets de madera superó los 42 millones de Mg y su valor comercial superó los 4300 millones de USD en 20207.

La capacidad de los biocombustibles para contribuir a la descarbonización del sector energético está inexorablemente ligada a que su obtención no agote las reservas terrestres de carbono (C)8,9. Sin embargo, hay puntos de vista divergentes sobre esta premisa10,11,12,13 y faltan análisis empíricos sólidos que la prueben. La comprensión actual de los efectos de la industria de biocombustibles dependientes de la madera en las reservas de C de los bosques locales se ha centrado en proyecciones de mercado12,13 y síntesis del estado del conocimiento14,15 con pocas evaluaciones empíricas16,17,18. Las evaluaciones empíricas son escasas en parte debido a la complejidad de discernir los impactos de una industria de biocombustibles dependiente de la madera que se superpone a otros sectores económicos, actores sociales y perturbaciones naturales15,18.

Aquí, utilizamos un enfoque de diferencia en diferencias (DiD) posterior al emparejamiento para evaluar si una industria que peletiza biomasa leñosa ha afectado las existencias totales de C y los depósitos de componentes individuales dentro de árboles vivos, árboles muertos en pie y suelos. Hicimos un seguimiento de las existencias de C en parcelas del inventario forestal nacional (NFI) ubicadas en tierras privadas y públicas aptas para la gestión comercial (tierras madereras) muestreadas durante el período 2000-2019. Durante este período, la capacidad de fabricación anual de pellets de madera aumentó de 40 823 000 Mg a 6 652 000 Mg en los estados costeros del sureste de EE. UU. de Alabama, Georgia, Florida, Mississippi, Carolina del Norte, Carolina del Sur y Virginia (Fig. 1). Identificamos parcelas NFI ubicadas dentro de las distancias de adquisición comerciales predominantes medidas por radios geodésicos ajustados por tortuosidad centrados en la fábrica de pellets de madera y radios extendidos para examinar posibles impactos indirectos. Probamos los efectos de la industria concurrentes, rezagados y contemporáneos netos, respectivamente, que denotan los impactos dentro del año actual, los impactos retrasados ​​​​a intervalos de 5 años y los impactos netos de los efectos concurrentes y rezagados, en las reservas totales de C y los conjuntos de componentes. Esperábamos poder detectar estadísticamente los efectos de la industria en las existencias de C de los bosques locales dado el fuerte aumento en la fabricación de gránulos de madera, pero fuimos ambivalentes en cuanto a sus impactos direccionales.

Fuente: Adaptado de Forrisk19.

Capacidad total de peletización de madera en la costa sureste de EE. UU., 2000–2019.

Nuestras contribuciones son triples. En primer lugar, analizamos los efectos espacio-temporales de la industria en las existencias de C de los bosques madereros locales después de controlar la ubicación no aleatoria de las instalaciones que utilizan madera. Hasta donde sabemos, esta es la primera evaluación DiD posterior al emparejamiento de los impactos de una industria dependiente de la madera en las reservas de C de los bosques locales utilizando datos de NFI. Amplía las evaluaciones recientes de los efectos de la industria de pellets de madera utilizando estimaciones basadas en el paisaje realizadas en los EE. UU.16,17 y análisis de detección remota realizados en Europa18. En segundo lugar, nuestro marco analítico ofrece una alternativa empírica para evaluar el cumplimiento sistemático de los mandatos de la UE para monitorear las reservas de C en los bosques en áreas donde se adquiere biomasa leñosa para bioenergía3,8. Examinamos en profundidad nuestros hallazgos mediante el uso de diferentes algoritmos para hacer coincidir las gráficas de NFI dentro y fuera de los radios de adquisición, y confirmamos las tendencias generales de una submuestra de estados donde la industria tuvo la mayor expansión en capacidad hasta la fecha. También probamos los efectos de la gran capacidad de fabricación de las acerías y las presiones de adquisición representadas por el número de radios de adquisición que se superponen a un gráfico NFI. En tercer lugar, nuestros resultados contribuyen a una mejor comprensión de los flujos de C cerca de las industrias dependientes de la madera. De particular novedad, estimamos el C en los suelos, un grupo poco estudiado, a partir de observaciones empíricas en nuestra evaluación de las existencias de C individuales y totales20.

Nuestros métodos empíricos (Fig. 2) incluyeron tres pasos principales: (1) estimación de las reservas de C de las tierras madereras e información de covariables en toda nuestra región de estudio; (2) pseudoaleatorización estadística de parcelas NFI ubicadas dentro de los radios de adquisición industrial; y (3) estimación posterior al emparejamiento de los efectos industriales promedio de la fábrica de pellets de madera basada en regresiones de panel DiD. Los análisis de apoyo incluyeron el examen de tendencias paralelas antes de DiD, comprobaciones de solidez de los efectos principales y la evaluación de los efectos heterogéneos de la industria. Los pasos 1 y 2 se realizaron en Python21 y la estimación final se completó en la versión 1522 de Stata. Los mapas se generaron con QGIS23.

Pasos metodológicos seguidos para estimar los impactos industriales en las reservas locales de componentes de carbono forestal y las existencias totales.

Se obtuvieron estimaciones de las existencias de C por encima y por debajo del suelo en árboles vivos y árboles muertos en pie, y suelos de parcelas muestreadas durante el período 2000-2019 por el programa NFI de Análisis e Inventario Forestal del Servicio Forestal del Departamento de Agricultura de EE. UU. Ya sea en terrenos de propiedad pública o privada, nuestra muestra incluyó todas las parcelas NFI en bosques madereros (tierras forestales capaces de producir más de 1,4 m3 de madera industrial por hectárea por año y no retiradas legalmente de la producción de madera, con una clasificación de área mínima de 0,41 ha) 24 inventariado al menos dos veces durante nuestro período de tiempo con no menos de una observación registrada durante o después de 2005. Excepto por C en suelos (disponible a pedido en este momento, y eventualmente en la base de datos NFI), todas las estimaciones están disponibles públicamente. Nuestra compilación de estimaciones de C del suelo20 se basó en observaciones de C orgánico del suelo del NFI y variables auxiliares del sitio y del clima que representan los factores de formación del suelo. Estos se utilizan en los informes de gases de efecto invernadero de EE. UU. bajo la Convención Marco de las Naciones Unidas sobre el Cambio Climático y caracterizan mejor las condiciones del suelo localizadas que la información NFI actual que no está destinada a la estimación en ubicaciones específicas20,24. La información extraída del NFI a nivel de parcela incluía datos sobre mediciones a nivel de árboles (p. ej., número de árboles vivos, árboles muertos en pie, volumen de biomasa, existencias), así como características del sitio (p. ej., evidencia de incendio o daño climático) y bosques asignados. condiciones (por ejemplo, tipo de bosque). Los detalles sobre el diseño de muestreo del programa NFI, los procedimientos de inventario y la estimación de atributos están disponibles en línea24. Las descripciones de las existencias de C seleccionadas y el carbono total (obtenido al agregar las existencias de C seleccionadas y otras restantes) se presentan en la Tabla 1. Los valores por hectárea se obtuvieron utilizando factores de expansión NFI y se agregaron en función de los números de secuencia de parcela, con estimaciones ajustadas proporcionalmente si es menor que El 100% de una parcela se clasificó como maderable25.

La información de las covariables se distinguió entre abiótico, biótico (Cuadro 2) o de origen antropogénico (Cuadro 3)15,26,27. La asignación de varias variables explicativas a una parcela NFI (p. ej., si se encuentra dentro de los radios de adquisición de la industria de productos madereros) requirió georreferenciación, que fue posible gracias a las coordenadas de latitud y longitud disponibles a nivel de parcela. Debe tenerse en cuenta que las ubicaciones de las parcelas en la base de datos del NFI se 'confunden' o 'intercambian' sistemáticamente para proteger la privacidad de los propietarios y la integridad del proceso de recopilación de datos25. El proceso de 'fuzzing' implica la reubicación aleatoria de la mayoría de las parcelas dentro de los 0,8 km de su ubicación real. El proceso de 'intercambio' ocurre en 0–10% de las parcelas boscosas, solo para aquellas que se encuentran dentro de terrenos privados25, y consiste en intercambiar coordenadas con otra parcela similar dentro del mismo condado. Este proceso de reubicación aleatoria puede tener efectos perceptibles en la estimación de las condiciones forestales dentro de áreas pequeñas, pero cualquier sesgo sistemático sobre los atributos de las tierras madereras medidos en un área geográfica grande, como los radios de adquisición evaluados en toda la región costera del sureste de EE. UU., según se informa, es insignificante28. Es muy poco probable que otros atributos registrados a nivel de condado lleven algún ruido estadístico del proceso de fuzzing e intercambio29.

El tratamiento se identificó en función de si una parcela NFI se encontraba dentro de las distancias de adquisición industrial comercial de las fábricas de pellets que utilizan madera en funcionamiento en el año del muestreo. Dibujamos círculos concéntricos delimitados por radios de 48,28 km (30 millas imperiales) y 80,47 km (50 millas imperiales) desde el centroide de una planta si su capacidad anual de fabricación de gránulos era, respectivamente, inferior o al menos a 100 000 Mg para identificar las parcelas tratadas. Los radios seleccionados se corresponden con las distancias de viaje máximas predominantes y la tortuosidad de las carreteras regionales utilizadas en definiciones anteriores de áreas de adquisición de madera30,31,32. Las distancias de viaje se validaron con las encuestas a nivel de aserradero de producción de productos de madera de NFI y justificaron el radio de adquisición más largo utilizado para aserraderos de mayor capacidad33. Se han aplicado radios de adquisición definidos para evaluar los efectos industriales en los bosques a los productos madereros16,17 y otras industrias34,35. Exploramos los efectos de ajustar los radios de adquisiciones ampliándolos en 20 km como parte de nuestra evaluación de los efectos indirectos.

La estimación de los efectos netos de la industria en los niveles contemporáneos de C de las tierras madereras se controló primero por la ubicación no aleatoria de las fábricas de pellets que utilizan madera. La ubicación de instalaciones terrestres dependientes de recursos no es un proceso aleatorio, particularmente cuando una gran proporción de los gastos de insumos surgen de los costos de adquisición y transporte de recursos localizados, y los productos manufacturados tienen una relación valor-peso relativamente baja41. El proceso de ubicación no aleatoria está bien documentado en estudios de casos de la industria de pellets de madera42 y aplicaciones de optimización43.

Confiamos en la coincidencia de puntuación de propensión (PSM) para pseudoaleatorizar el tratamiento y reducir la heterogeneidad observable inicial en los factores explicativos, lo que lleva a estimaciones del modelo de panel más precisas44,45. El uso de PSM para seudoaleatorizar parcelas solo se ha aplicado recientemente a los datos del NFI46,47. PSM nos permitió identificar parcelas de inventario con condiciones que podrían haberlas hecho tan probables estadísticamente como aquellas dentro de los radios de adquisición para ser tratadas, pero no lo fueron. La estimación de la probabilidad de que una parcela NFI en nuestra muestra (n) se encuentre dentro del radio de adquisición de una fábrica de pellets de madera estuvo dada por:

donde R toma el valor de '1' si la i-ésima parcela estaba ubicada dentro del radio de adquisición de una fábrica de pellets de madera en cualquier punto durante nuestro período de muestra, y '0' en caso contrario. La teoría de ubicación de la industria y la evidencia empírica fueron nuestra base para elegir las covariables de PSM en el vector Mi42,48,49. Estos incluyeron: (a) distancia geodésica al puerto más cercano que comercializa productos forestales, (b) densidad de carreteras del condado, (c) propiedad de la tierra (privada u otra), (d) distancia geodésica a la planta de energía que utiliza madera más cercana, (e) geodésica distancia a la planta de celulosa más cercana, y (f) efectos específicos del estado y (g) del tipo de grupo forestal. Respectivamente, las primeras tres covariables representan condiciones indirectas que afectan directamente los costos de producción, incluida la entrega a los mercados (transporte a los puertos comerciales), la infraestructura de transporte local (que afecta la facilidad de adquisición de fibra cruda y la entrega de gránulos fabricados) y los costos de transacción (en este contexto particular, los costos de obtener madera de bosques madereros de propiedad privada son, en promedio, más bajos que los de otras propiedades, en parte debido a los gastos contractuales y administrativos). Las siguientes dos covariables captaron la competencia local de otras industrias que adquirían tipos similares de biomasa leñosa (centrales eléctricas que queman madera, plantas de celulosa). Las dos últimas covariables controlaron los efectos específicos de una subsección ecológica estatal y forestal, como políticas y regulaciones, y condiciones ecológicas, respectivamente50,51. Vector Mi también incluía un término de intercepción. Las distancias geodésicas se transformaron logarítmicamente naturales para capturar asociaciones no lineales52,53. La incorporación de variables ecológicas y socioeconómicas se ha explorado empíricamente cuando se usa información de parcelas de NFI para probar intervenciones antropogénicas en las condiciones del bosque54, y la inclusión de dimensiones espaciales explícitas cuando se comparan parcelas de NFI ha mejorado el desempeño de PSM46. Las variables de PSM no variaron en el tiempo, con la excepción de las distancias a la planta de energía y la planta de celulosa que utilizan madera más cercanas, en cuyos casos usamos la distancia mínima promedio durante el período de muestra.

Los puntajes de PSM para las parcelas de NFI dentro de los radios de adquisición comerciales y extendidos se estimaron utilizando una función probit con errores estándar robustos a la heteroscedasticidad45. Emparejamos (con y sin reemplazo) cada parcela de R = 1 con una parcela no tratada utilizando un calibre de 0,005. Utilizamos otros algoritmos de emparejamiento, incluido el emparejamiento simple con calibre 0,01, el emparejamiento con dos parcelas no tratadas (calibre: 0,00005) y el vecino más cercano a la distancia de Mahalanobis. En la sección Resultados, presentamos los hallazgos después del emparejamiento uno a uno (calibre: 0,005, sin reemplazo) debido a su desempeño en términos de sesgo reducido y conservación del tamaño de la muestra original después del emparejamiento. Las medidas básicas de rendimiento de PSM en los algoritmos de coincidencia se describen en Información complementaria (Tablas S1–S2).

El carbono en depósitos de componentes seleccionados (árboles vivos, árboles muertos en pie, material orgánico del suelo) y las existencias totales en la i-ésima parcela NFI del s-ésimo grupo de tipo de bosque en el año t se modelaron después del PSM como:

donde X es una matriz que captura covariables variables en el tiempo (excluyendo los efectos de la industria de pellets de madera); D es una matriz que indica si una parcela estaba dentro de los radios de adquisición de la industria de pellets de madera en el año de inventario t − l (l = 0, 1, 2) para efectos promedio concurrentes y rezagados; c, ω y γ capturan los efectos de parcela, tipo de bosque y año; y ε denota un error aleatorio. La especificación de nuestro modelo incluía efectos fijos a nivel de parcela (ci) de NFI después de que el multiplicador de Breusch-Pagan Lagrange y las estadísticas de prueba de Hausman, respectivamente, favorecieran los efectos específicos de i-ésima sobre la estimación OLS agrupada y su inclusión como términos fijos (en vez de aleatorios)55. Los errores estándar se agruparon a nivel de parcela utilizando el método Delta. Estimación de la Ec. (2) y otros modelos descritos en esta sección incluían un término de intersección. Los parámetros de regresión estimados se encuentran en los vectores β, δ.

La dirección y la significación estadística de los coeficientes en δ midieron los efectos promedio de la industria de pellets de madera. Evaluamos los efectos netos de la industria utilizando pruebas F Chow de significancia estadística conjunta de parámetros en δ. Concurrentes (t) y rezagados (año de inventario anterior 't − 1', y dos años de inventario anteriores 't − 2') capturaron los efectos del tratamiento. Nos referimos a sus señales correspondientes en los niveles de C contemporáneos como rezagados en 5 y 10 años (las parcelas NFI se muestrearon con mayor frecuencia cada 5 años según el diseño del programa NFI y cada 5,64 años en promedio). Vale la pena señalar que nuestra elección de utilizar molinos de pellets de madera operativos (por ejemplo, sobre la producción real) para evaluar los efectos promedio del tratamiento se basa en los principios de la renta, ya que una industria afecta el valor presente neto de la tierra por el flujo de ingresos futuros esperados, y no solo sobre la producción en un año particular53. Por extensión, cualquier forma de comportamiento de cosecha anticipada antes del comienzo de las operaciones de peletización podría haber afectado las rentas de la tierra y confundir los efectos del tratamiento56. Sin embargo, es muy poco probable que esto sea una fuente de sesgo en nuestros datos NFI. El período desde el anuncio de la intención de construir una fábrica de pellets de madera hasta las operaciones reales suele tardar menos de un año57 en nuestra región de estudio, por lo que es poco probable que se hayan reflejado efectos anticipados en las condiciones de las parcelas NFI remuestreadas cada cinco años.

Las pruebas para validar nuestra regresión DiD posterior al emparejamiento incluyeron el examen de tendencias paralelas antes de que una parcela NFI estuviera dentro del radio de adquisición de una fábrica de pellets de madera. Empíricamente, investigamos tendencias previas a través de un diseño de estudio de eventos. Los niveles de C en depósitos seleccionados y las existencias totales posteriores al PSM se modelaron como:

donde y denota el número de años antes y después de estar en el radio de una fábrica de pellets de madera en funcionamiento, con y = 0 reflejando cuándo se trató por primera vez la i-ésima parcela NFI. τ es un vector de coeficientes respectivos. Los límites superior e inferior indican años antes/después del tratamiento y reflejan los valores máximos en nuestro conjunto de datos posterior al PSM. Los errores estándar se agruparon a nivel de parcela.

La solidez de nuestros hallazgos, además de aplicar diferentes algoritmos de coincidencia de PSM antes de DiD, se verificó mediante la estimación de parámetros de una submuestra de parcelas NFI. Seleccionamos parcelas de NFI dentro de los estados de Alabama, Georgia y Virginia, donde la industria ha tenido una de las mayores expansiones y donde se realizaron la mayoría de las observaciones de NFI durante nuestro período de estudio. También probamos los efectos heterogéneos de la industria: (a) distinguiendo entre plantas de gran capacidad de fabricación (≥ 100 000 Mg/año) y aquellas de menor tamaño para evaluar los cambios causados ​​por la capacidad de fabricación, y (b) contando el número de radios de adquisición superposición de un gráfico NFI para examinar las presiones de adquisición incrementales. Para probar lo primero, estimamos:

donde Si,t−l captura información sobre el tamaño de la fábrica de gránulos de madera (1 = parcela NFI dentro del radio de una fábrica de gránulos de madera con capacidad de fabricación ≥ 100 000 Mg/año, 0 = de lo contrario) en el año de inventario t − l, y ν es un vector de coeficientes estimados. Calculamos las estadísticas F de Chow para probar la significación conjunta de los coeficientes de efectos principales en δ y los coeficientes de efecto de tamaño heterogéneo en ν. Para probar los efectos de los radios de adquisición superpuestos, estimamos:

donde Vri,t−l denota el número r de superposiciones por i-ésima parcela NFI de 1 a 'R' en el año de inventario tl, y λ es un vector de coeficientes estimados. Identificamos hasta cinco (R = 5) superposiciones de radios industriales en el año de inventario t y t − 1, y hasta dos en t − 2. En radios extendidos, identificamos hasta seis superposiciones en cada t y t − 1, y hasta dos en t − 2. La categoría de referencia fue nuestro control de una parcela NFI que no se encontraba dentro de los radios de adquisición de la industria de pellets de madera. Calculamos las estadísticas F de Chow para probar la significación conjunta de los coeficientes que capturan un radio único (r = 1), los efectos heterogéneos de la superposición de los radios de la industria (r > 1) dentro del vector λ y los efectos totales netos de la industria (r ≥ 1).

Los resultados de la regresión probit [Información complementaria, Tabla S3] mostraron que la probabilidad de que una parcela se encuentre dentro del radio de adquisición comercial de una fábrica de pellets de madera disminuyó con la mayor distancia desde el puerto más cercano (coef. ρ = −0,335, p < 0,001) . Se encontró una asociación similar, pero marginalmente significativa (coef. ρ = −0.024, p = 0.105) con la distancia a la planta de celulosa más cercana. Esta correlación espacial más débil podría explicarse por la ubicación conjunta de las cadenas de suministro. Por el contrario, hubo una asociación directa con la distancia a la planta de energía que usa madera más cercana (coef. ρ = 0.159, p < 0.001) posiblemente explicada por cómo estas dos industrias compiten directamente por fibras de madera similares de bajo costo. Se encontró un coeficiente negativo para la densidad (km/ha) de las carreteras primarias y secundarias en el condado de la i-ésima parcela (coef. aumenta los costos de oportunidad del suelo como es el caso de las zonas más urbanizadas. Encontramos una asociación directa con la propiedad privada (coef. ρ = 0.282, p < 0.001) sobre otros tipos de propiedad. La Tabla S3 también muestra los resultados respectivos cuando la probabilidad esperada era que una parcela estuviera ubicada dentro de radios de adquisición extendidos.

La Figura 3 muestra los gráficos NFI incluidos en nuestros análisis posteriores al PSM. El emparejamiento redujo el sesgo entre las covariables, en particular con respecto a la distancia a otras industrias que utilizan madera (plantas de celulosa e instalaciones generadoras de energía que utilizan madera como materia prima) y la distancia a los puertos que comercializan productos forestales. Durante nuestro período de tiempo en las tierras madereras de la costa sureste de los EE. UU., hubo un aumento constante en los niveles de C total, así como en los árboles vivos y los árboles muertos en pie (Fig. 4). El C dentro de los suelos mostró la menor variabilidad en el tiempo como se esperaba. Las pruebas de tendencias paralelas [Información complementaria, Figura S1] antes de que una parcela NFI estuviera dentro del radio de adquisición de una fábrica de pellets de madera utilizando un diseño de estudio de eventos no mostraron diferencias sistemáticas.

Ubicación de las parcelas del inventario forestal nacional en las tierras madereras de la costa sureste de los EE. UU. Incluidas las parcelas remuestreadas entre 2000 y 2019 y las plantas de pellets de madera en funcionamiento a partir del año (A) 2000 y (B) 2019, después de emparejar el puntaje de propensión (calibre 0.005, sin reemplazo). Mapas generados con QGIS Desktop 3.18.2, disponibles en línea en https://download.qgis.org/downloads/.

Estimaciones medias anuales de depósitos de componentes seleccionados y reservas totales de carbono durante los años del inventario (2000–2019). Por (A) muestra general y por categoría de tratamiento después de emparejar el puntaje de propensión (calibre = 0.005, sin reemplazo) dentro de (B) comercial y (C) radios de adquisición extendidos.

Hubo evidencia estadística de una muestra de 14 342 parcelas NFI de que la industria de pellets de madera en la costa sureste de los EE. UU. afectó los niveles contemporáneos de C en árboles vivos (prueba F: p = 0,009) y las existencias totales de C en el bosque (prueba F: p = 0.035) dentro de los radios de adquisición comercial (Fig. 5A). No encontramos efectos contemporáneos netos estadísticamente discernibles dentro de los árboles muertos en pie (prueba F: p = 0,172), ni en los suelos (prueba F: p = 0,214). Los efectos netos de la industria identificados a lo largo de radios extendidos (Fig. 5B) estimados a partir de una muestra de 19 438 parcelas de NFI sugieren que no hay significancia estadística en C dentro de árboles vivos (prueba F: p = 0,242), suelos (prueba F: p = 0,387) , ni existencias totales de C (prueba F: p = 0,196), sino un efecto sobre las reservas de C de árboles muertos en pie (prueba F: p = 0,044).

Efectos simultáneos y retardados promedio estimados de la industria de pellets de madera en reservas seleccionadas y existencias totales de C en tierras madereras de la costa sureste de EE. UU. Resultados por (A) comerciales [parcelas NFI = 14,342; Observaciones = 39,882], y (B) extendido [parcelas NFI = 19,438; Observaciones = 52.895] radios de adquisición. Efectos promedio inferidos después del emparejamiento por puntaje de propensión (calibrador = 0.005, sin reemplazo) y regresión de panel de efectos fijos. Las barras denotan errores estándar agrupados de gráficos de inventario robustos. Errores de tipo I (* < 0,10; ** < 0,05; *** < 0,01) de los efectos concurrentes, rezagados y netos en las reservas de carbono respectivas.

Dentro de los radios de adquisición comercial, las existencias totales de C mostraron efectos concurrentes y rezagados de 5 años más altos con un promedio de 1,871 Mg/ha (p = 0,023) y 3,116 Mg/ha (p = 0,052). Hubo efectos promedio mayores concurrentes y retardados de 5 años de 0,844 Mg/ha (p < 0,060) y 1,866 Mg/ha (p = 0,003), respectivamente, en C en estanques de árboles vivos; y efectos retrasados ​​de 10 años (0,302 Mg/ha, p = 0,070) en C en árboles muertos en pie. El C en los suelos mostró niveles concurrentes más bajos (−0,180 Mg/ha; p = 0,061). Los efectos promedio de la industria identificados a lo largo de radios de adquisición extendidos apuntan a que no hay impactos concurrentes ni rezagados estadísticamente significativos en los árboles vivos, las reservas de C del suelo o las existencias totales. Sin embargo, hubo un efecto inverso concurrente (−0,105 Mg/ha; p = 0,044) en el grupo de componentes C de árboles muertos en pie.

Los efectos promedio de la industria en relación con las reservas totales y del componente C fueron modestos (Tabla 4). Sus efectos absolutos disminuyeron a lo largo de los radios de adquisición extendidos para las existencias totales de C y las reservas de C de los árboles vivos, con la excepción de los efectos retrasados ​​de 10 años (aunque estos no fueron estadísticamente significativos). Los efectos promedio relativos en los árboles muertos en pie fueron los más grandes entre los grupos de componentes C individuales: su mayor efecto estadísticamente significativo (p < 0,10) muestra un aumento del 22,811 % con un retraso de 10 años dentro de los radios de adquisición comercial y una disminución concurrente del 7,530 % sobre radios extendidos . Las reservas de C del suelo mostraron los efectos relativos más bajos. Los efectos relativos medios estadísticamente significativos (p < 0,10) sobre las existencias totales dieron como resultado un 1,135 % concurrente y un 1,890 % con 5 años de retraso mayor que el promedio de C dentro de las distancias de adquisición comercial.

Los parámetros estimados después de diferentes algoritmos de comparación y de una muestra reducida (Información complementaria, Figuras S2-S4) mostraron una consistencia general de neutralidad contemporánea neta en las existencias totales de C; los mayores efectos se encontraron en piscinas de componentes de árboles vivos dentro de radios comerciales. En particular, a lo largo de radios extendidos hubo alguna indicación aparente de efectos de desbordamiento en depósitos individuales de C, pero ninguna evidencia de cambio en las existencias totales de C. Las pruebas de efectos de tamaño heterogéneo (información complementaria, tablas S4–S5) sugieren que tampoco hubo un efecto neto sobre las existencias totales de C. Pero identificamos un efecto neto en las piscinas de árboles muertos en pie (prueba F: p = 0,071) dentro de los radios de adquisición comercial de las fábricas de pellets de madera de al menos 100 000 Mg de capacidad anual. Aunque no es significativo en conjunto, encontramos niveles más bajos con un retraso de 10 años en las reservas de C vivo (−8,100 Mg/ha, p = 0,05). Cuando probamos los efectos de tamaño heterogéneo en radios más largos, detectamos un aumento neto en el C del suelo (prueba F: p = 0,038). Los efectos heterogéneos debido a la superposición de los radios de adquisición comercial (es decir, una parcela superpuesta por más de un radio de adquisición de una fábrica de pellets de madera) sugieren tendencias similares (información complementaria, tablas S6–S7). Las mayores superposiciones en los radios de adquisición comercial se asociaron con un aumento medio significativo en C dentro de los árboles vivos (prueba F, p < 0,001), suelos (prueba F: p < 0,001) y existencias totales (prueba F, p < 001) . Vale la pena señalar que también detectamos algunos impactos negativos (p. ej., menos C en árboles vivos − 7,225 Mg/ha, p = 0,05 con un efecto retardado de 5 años de una superposición de 5 radios). La superposición de los radios de adquisición extendidos de las plantas se asoció con menos C en árboles muertos en pie (prueba F: p = 0,020).

Los efectos de la industria en los niveles contemporáneos de C en árboles vivos probablemente se explican por la gestión orientada a la madera. Este es el grupo C que se valora activamente desde el punto de vista financiero, creando un flujo esperado de ingresos netos que aumentan las rentas de la tierra dentro de las áreas de adquisición industrial58. Las rentas más altas de la tierra motivan la implementación de prácticas silvícolas para cultivar madera, lo que produce más C en árboles vivos14. Nuestros resultados corroboran las proyecciones de mercado de cómo la nueva demanda de bioenergía puede coexistir con el crecimiento continuo de la biomasa neta dentro de las áreas adquiridas comercialmente12,13,57. Las diferencias en las unidades de observación y los modelos estadísticos impiden las comparaciones directas, pero nuestras estimaciones medias caen dentro del aumento promedio de 2 Mg/ha detectado previamente para los panoramas de adquisición de las fábricas de pellets de madera a gran escala que operan durante al menos 10 años en el este de EE. UU. el período 2005-201716. Notablemente, no encontramos efectos estadísticamente significativos en las reservas de C de árboles vivos en radios de adquisición extendidos (aunque otras técnicas de emparejamiento mostraron efectos marginalmente significativos). Esto podría explicarse por el abastecimiento localizado de biomasa leñosa dentro de 'canastas de madera' debido a que el transporte comprende una gran proporción de los costos de adquisición59.

La justificación de la renta de la tierra podría no extenderse a los conjuntos de componentes C que no generan rendimientos financieros, pero los impactos aún podrían estar vinculados a las prácticas de gestión orientadas a la madera. En el caso de los árboles muertos en pie, esto es coherente con estudios anteriores16,17 que no informaron cambios estadísticamente perceptibles en este grupo de C en los panoramas de adquisiciones industriales. Una explicación plausible de los efectos retrasados ​​de 10 años sobre C en el grupo de componentes de árboles muertos en pie dentro de los radios de adquisición comercial podría ser la adopción de prácticas que retienen una cantidad mínima de árboles muertos en pie, copas de árboles y otros desechos leñosos durante la cosecha. Todos los estados de nuestra muestra han adoptado tales recomendaciones para abordar las preocupaciones sobre los impactos ecológicos vinculados a la extracción adicional de biomasa leñosa que supera la cosecha predominante y las perturbaciones naturales60. Sin embargo, los efectos asociados de la industria sobre distancias de adquisición extendidas sugieren una disminución simultánea en C en el mismo grupo de componentes de árboles muertos en pie. Esto podría ser indicativo de una huella de adquisición industrial expansiva supuestamente asociada con menos árboles muertos en pie16,17, lo que produce una disminución en este grupo de C cuando se combina en un área más grande.

En el caso del C en los suelos, existe una evidencia creciente de que la extracción de madera puede reducir estas existencias61,62,63, aunque las prácticas posteriores a la extracción, como la reforestación, pueden ayudar a restaurarlas64. Esto podría explicar los niveles más bajos concurrentes estadísticamente significativos de C en el suelo dentro de los radios de adquisición comercial y los niveles más altos con un retraso de 5 años detectados en radios extendidos. Las perturbaciones antropogénicas pueden provocar cambios en la temperatura y la humedad del suelo y, a su vez, influir en la accesibilidad y la actividad microbiana al reducir los aportes de C del material de la hojarasca y las raíces64. Las diferencias en los niveles de C del suelo también se pueden atribuir a factores naturales que no varían con el tiempo, como el tipo de bosque y el material parental64,65, que controlamos en nuestra estimación. Otro análisis que utilizó un conjunto diferente de estimaciones de C al nuestro también encontró una tendencia inversa para el conjunto de componentes de C del suelo en áreas de adquisiciones comerciales definidas de manera similar16. Dentro de estas interpretaciones, es importante enfatizar que todas las estimaciones de C del suelo conllevan una incertidumbre metodológica inherente, que puede desafiar la atribución de los mecanismos de cambio de C20,64,66.

Dos de las características clave de nuestro enfoque metodológico fueron la seudoaleatorización estadística de las parcelas NFI ubicadas dentro de los radios de adquisición industrial y el control de covariables importantes (factores antropogénicos, otros bióticos y abióticos). Otros han intentado diferentes enfoques para controlar la ubicación no aleatoria de la fábrica de pellets de madera, incluida la selección de una región hipotética16,35. Formalizamos este paso cuando realizamos un PSM antes de los análisis DiD. También es imperativo controlar los factores no industriales que pueden afectar las reservas de C de los bosques para poder detectar correctamente los impactos relacionados con la industria. Aquí, señalamos las asociaciones estadísticas que encontramos entre los incendios y los daños por clima extremo (Información complementaria, Figura S5), ambos con probabilidades de intensificarse con un clima cambiante67. Por ejemplo, la evidencia de daño por incendio y condiciones climáticas extremas distintas del fuego se asociaron con una caída promedio de C en árboles vivos de − 1,675 Mg/ha (p = 0,033) y − 7,473 Mg/ha (p < 0,001), respectivamente. También encontramos una asociación directa entre la perturbación por insectos o enfermedades y C en árboles vivos (3,050 Mg/ha; p = 0,005) y muertos en pie (2,335 Mg/ha; p < 0,001). Estos resultados podrían ser respectivamente indicativos de cómo es más probable que dicha perturbación se detecte con una biomasa viva más abundante y se asocie con un aumento en la mortalidad de los árboles. Es importante señalar que las estimaciones asociadas a estos factores abióticos y bióticos superan los efectos industriales detectados en nuestra investigación.

Nuestro enfoque metodológico que utiliza datos de NFI se puede aplicar para evaluar la neutralidad de C de la tierra localizada de cualquier industria que dependa de la biomasa leñosa. Pero enfatizamos que la neutralidad final de todo un sistema de bioenergía, no solo del sector de la tierra, depende de muchos factores además de la adquisición de madera. Estudios anteriores han informado que los sistemas de energía a base de madera podrían tener como resultado una amplia gama de efectos en las emisiones netas de C68,69,70. Por ejemplo, las evaluaciones del ciclo de vida de las emisiones de C de la tierra hasta la conversión de energía muestran que la electricidad generada a partir de biomasa leñosa podría generar reducciones de hasta un 83 % en las emisiones netas de C, o aumentos netos de hasta un 73 %, sobre el uso del carbón. Se detectaron aumentos netos en las emisiones cuando se modelaron cadenas de suministro de biomasa de alto consumo energético (p. ej., secado de biomasa en hornos que utilizan combustibles fósiles)68. Otros, después de tener en cuenta el envío transatlántico de gránulos de madera fabricados en la costa sureste de los EE. UU. y quemados en la UE28, aún sugieren emisiones netas de C más bajas que los sistemas basados ​​en combustibles fósiles. Esto se debe a que el valor de mercado creado por la industria de los gránulos puede mantener las reservas de C en crecimiento al evitar el cambio de uso de la tierra fuera de los bosques12,59.

En general, no encontramos evidencia de una disminución neta en las existencias totales de C de los bosques locales contemporáneos causada por la industria de pellets de madera en la costa sureste de los EE. UU. Este resultado sugiere que la granulación de madera en este contexto particular puede contribuir a desvincular los objetivos de la bioenergía y que no se deben atribuir emisiones de C adicionales al sector terrestre para la contabilidad de gases de efecto invernadero a nivel nacional8. Nuestros hallazgos también apuntan a compensaciones perceptibles, particularmente ganancias netas en C dentro de árboles vivos pero menor C en suelos dentro de áreas de adquisición comercial, probablemente debido a un manejo más intensivo de la madera. Si bien nuestra evaluación de la neutralidad de la red se mantiene, parece necesaria una evaluación continua de las existencias totales de C y de los depósitos individuales por al menos dos razones. Primero, nuestros resultados pueden ser estadísticamente sólidos, pero el período de 20 años que cubre nuestro estudio es relativamente corto para medir las tendencias de sostenibilidad en la silvicultura. En segundo lugar, hasta la fecha, los gránulos de madera siguen siendo un componente relativamente pequeño de la variedad de productos de madera fabricados en la costa sureste de los EE. UU. (Materiales complementarios, Figura S6), pero es uno de los sectores de más rápido crecimiento de la industria de productos de madera. Los cambios futuros en las presiones de extracción causados ​​por los aumentos esperados en la demanda de fabricación de productos de madera, en combinación con otros factores, podrían alterar la dinámica de C y las existencias netas.

Con respecto a las futuras necesidades de investigación, las evaluaciones empíricas podrían expandirse para estudiar los impactos más allá de C y en otros contextos. Por ejemplo, será importante comprender mejor los efectos causales en el complejo panorama sociodemográfico en el que ha surgido la industria de pellets de madera del sureste de la costa de EE. UU.71. Se merecen evaluaciones sobre cómo una creciente industria de pellets de madera podría afectar la biodiversidad local u otros objetivos de gestión de la tierra. Dentro de los paisajes boscosos complejos, los cambios en la composición de especies en las tierras madereras podrían favorecer o perjudicar los esfuerzos destinados a mejorar la capacidad de los bosques para hacer frente a un clima cambiante72. También sería valioso evaluar si las existencias de C en los bosques se ven afectadas por la industria de pellets de madera en otros contextos geopolíticos. Por ejemplo, la peletización de madera en Viet Nam ha cuadriplicado su producción en un lapso de cinco años para convertirse en el tercer exportador más grande del mundo. Sus exportaciones de gránulos de madera superaron los 3 millones de Mg en 20196. Las evaluaciones sistemáticas de la neutralidad del C de los bosques en la UE27, donde actualmente se encuentra la mayor capacidad de granulación de madera del mundo, parecen estar justificadas para superar las preocupaciones sobre asociaciones potencialmente espurias con industrias bioenergéticas que dependen de la madera73.

Evaluamos los impactos de la industria de pellets de madera en las existencias de C de los bosques locales dentro de las tierras madereras de la costa sureste de los EE. UU., distinguiendo entre las reservas de componentes en árboles vivos y muertos en pie, suelos y existencias totales. Nuestras estimaciones ofrecen evidencia sólida de que la industria de pellets de madera ha cumplido con la condición general de neutralidad de carbono forestal. Por lo tanto, esta industria podría haber contribuido a desacoplar los objetivos y no se deberían haber atribuido emisiones de C adicionales al sector terrestre en la contabilidad de gases de efecto invernadero durante el período 2000-2019.

Nuestros hallazgos también apuntan a compensaciones perceptibles (p. ej., ganancias de C en árboles vivos, menor C en suelos dentro de áreas de adquisición comercial) con el manejo de la madera como el mecanismo más plausible detrás de tales cambios, y posibles efectos indirectos, particularmente entre los no productores. reservas de C comercializadas financieramente (p. ej., C más bajo en árboles muertos en pie). Al probar los efectos heterogéneos, también hubo algunos indicios de efectos mixtos en las reservas de C al distinguir el tamaño de la fábrica de pellets de madera y la presión de adquisición intensificada. Sin embargo, nuestra evidencia empírica sugiere neutralidad C en el sureste costero de EE. UU. El surgimiento relativamente reciente de la industria de pellets de madera limita nuestra capacidad para señalar tendencias de sostenibilidad a largo plazo y enfatizar que los hallazgos son aplicables a la adquisición de madera para peletización en nuestro contexto de estudio particular.

El código fuente de nuestros análisis estadísticos está disponible en https://dataverse.harvard.edu/dataverse/woodpelletindustry. El repositorio en línea incluye conjuntos de datos de muestra y datos de código para reconstruir conjuntos de datos.

Dirección General de Investigación e Innovación de la Comisión Europea. Una bioeconomía sostenible para Europa: Fortalecimiento de la conexión entre la economía, la sociedad y el medio ambiente: Estrategia de bioeconomía actualizada (Dirección General de Investigación e Innovación, 2018).

Google Académico

Teitelbaum, L., Boldt, C. & Patermann, C. Informe de política de bioeconomía global (IV): Una década de política de bioeconomía (Consejo Asesor Internacional sobre Bioeconomía Global, 2020).

Google Académico

Parlamento Europeo; Consejo europeo. Directiva (UE) 2018/2001 del Parlamento Europeo y del Consejo, de 11 de diciembre de 2018, relativa al fomento del uso de energía procedente de fuentes renovables (2018). (En línea). http://data.europa.eu/eli/dir/2018/2001/oj.

Parlamento Europeo; Consejo europeo. Directiva 2009/28/EC sobre la Promoción del Uso de Energía de Fuentes Renovables (2009). (En línea). http://data.europa.eu/eli/dir/2009/28/oj.

Glasenapp, S., & McCusker, A. Datos de dendroenergía: la madera conjunta, en Dendroenergía en la región de la ECE: datos, tendencias y perspectivas en Europa, la Comunidad de Estados Independientes y América del Norte, Ginebra, Comisión Económica de las Naciones Unidas para Europa: ECE/TIM/SP/42, 12–29 (2018).

Eurostat. Productos de madera: producción y comercio (2021). (En línea). https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Wood_products_-_production_and_trade#Wood-based_industries. Consultado el 10 de septiembre de 2021.

Organización de las Naciones Unidas para la Agricultura y la Alimentación. FAOSTAT: Producción y Comercio Forestal (2021). (En línea). http://www.fao.org/faostat/en/#data. Consultado el 13 de septiembre de 2021.

El Panel Intergubernamental sobre el Cambio Climático. Perfeccionamiento de las Directrices del IPCC de 2006 para los Inventarios Nacionales de Gases de Efecto Invernadero (Grupo de Trabajo del PCC sobre Inventarios Nacionales de Gases de Efecto Invernadero, 2019).

Google Académico

Parlamento Europeo; Consejo europeo. Reglamento Delegado (UE) 2019/807 de la Comisión, de 13 de marzo de 2019, por el que se complementa la Directiva (UE) 2018/2001 del Parlamento Europeo y del Consejo en lo que respecta a la determinación del alto riesgo de cambio indirecto del uso del suelo (2018) (en línea). fttps://eur-lex.europa.eu/eli/reg_del/2019/807/oj.

de Oliveira Garcia, W., Amann, T. & Hartmann, J. El aumento de la demanda de biomasa aumenta las áreas de presupuesto de nutrientes forestales negativos en las regiones exportadoras de madera. ciencia Rep. 8, 5280 (2018).

Artículo ADS PubMed PubMed Central Google Scholar

Searchinger, T. et al. La directiva de energía renovable de Europa está a punto de dañar los bosques globales. Nat. común 9, 3741 (2018).

Artículo ADS PubMed PubMed Central Google Scholar

Galik, CS & Abt, RC Directrices de sostenibilidad y respuesta del mercado forestal: una evaluación de la demanda de pellets de la Unión Europea en el sureste de los Estados Unidos. GCB Bioenergía 8, 658–669 (2016).

Artículo Google Académico

Favero, AD & Sohngen, B. Bosques: secuestro de carbono, energía de biomasa o ambos?. ciencia Adv. 6(13), eaay6792 (2020).

Artículo ADS PubMed PubMed Central Google Scholar

Cowie, A. et al. Aplicar una perspectiva de sistemas basada en la ciencia para disipar los conceptos erróneos sobre los efectos climáticos de la bioenergía forestal. GCB-Bioenergía 13, 1210–1231 (2021).

Artículo Google Académico

Camia, A, Jonsson, GJR, Robert, N., Cazzaniga, N., Jasinevičius, G., Avitabile, V., Grassi, G., Barredo, J. y Mubareka, S. El uso de biomasa leñosa para energía Producción en la UE (Comisión Europea, Centro Común de Investigación, 2021).

Aguilar, FX, Mirzaee, A., McGarvey, R., Shifley, S. y Burtraw, D. La expansión de la industria de pellets de madera de EE. UU. apunta a tendencias positivas, pero la necesidad de un seguimiento continuo. ciencia Rep. 10, 18607 (2020).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Dale, V., Parish, E., Kline, K. & Tobin, E. ¿Cómo afecta la producción de pellets de madera a las condiciones forestales en el sureste de los Estados Unidos? Para Ecol Manag 396, 143–14 (2017).

Artículo Google Académico

Ceccherini, G. et al. Aumento abrupto de la superficie forestal cosechada en Europa después de 2015. Nature 583, 72–77 (2020).

Artículo ADS CAS PubMed Google Scholar

Consultoría FORISK. Base de datos de bioenergía de madera de EE. UU. (2020). (En línea). https://forrisk.com/. Accedido 2020.

Domke, G. et al. Hacia estimaciones basadas en inventarios del carbono orgánico del suelo en los bosques de los Estados Unidos. Ecol. aplicación 27(4), 1223–1235 (2017).

Artículo CAS PubMed Google Académico

Organización Python. Lenguaje de programación Python (2022) (en línea). https://www.python.org/. Consultado el 1 de enero de 2018.

ESTADO. Stata: software estadístico para ciencia de datos (2022) (en línea). https://www.stata.com/. Consultado el 1 de enero de 2018.

QGIS. Sistema de Información Geográfica Libre y de Código Abierto (2021). (En línea). https://qgis.org/en/site/.

Departamento de Agricultura de los Estados Unidos, Servicio Forestal. Programa Nacional de Inventario y Análisis Forestal (2020). (En línea). https://www.fia.fs.fed.us/.

Burrill, EA, Wilson, AM, Turner, JA, Pugh, SA, Menlove, J., Christiansen, G., Conkling, B. y David, W. Base de datos de análisis e inventario forestal: descripción de la base de datos y guía del usuario, versión 8.0 para la Fase 2 (Departamento de Agricultura de EE. UU., Servicio Forestal de EE. UU., 2018).

Ahmed, M. et al. Modelado espacialmente explícito de impulsores de múltiples escalas de biomasa forestal aérea y rendimiento de agua en cuencas hidrográficas del sureste de los Estados Unidos. J. Medio Ambiente. Administrar 199, 158–171 (2017).

Artículo Google Académico

Timilsina, N. et al. Un marco para identificar puntos críticos de carbono y controladores de gestión forestal. J. Medio Ambiente. Administrar 114, 293–302 (2012).

Artículo Google Académico

Coulston, J., Ritters, K., McRoberts, R., Reams, G. & Smith, W. Ubicaciones de parcelas de inventario forestal verdaderas versus perturbadas para el modelado: un estudio de simulación. Poder. J. Para. Res. 36, 801–807 (2006).

Artículo Google Académico

Anselin, L. Efectos espaciales en la práctica econométrica en economía ambiental y de recursos. Soy. J. Agric. economía 83(3), 705–710 (2001).

Artículo MathSciNet Google Académico

Strange-Olesen, A., Bager, S., Kittler, B., Price, W. y Aguilar, F. Implicaciones ambientales de una mayor dependencia de la UE en la biomasa del sureste de EE. UU. (Informe de la Comisión Europea ENV.B. 1/ETU/2014/0043, 2015).

Spelter, H. y Toth, D. Sector de pellets de madera de América del Norte (Departamento de Agricultura de EE. UU., Servicio Forestal, Laboratorio de Productos Forestales, 2009).

Goerndt, M., Aguilar, F. y Skog, K. Impulsores de la combustión conjunta de biomasa en las centrales eléctricas de carbón de EE. UU. Biomasa Bioenergía. 58, 158–167 (2013).

Artículo Google Académico

Departamento de Agricultura de los Estados Unidos, Servicio Forestal. Programa Nacional de Inventario y Análisis Forestal: Estudios de Producción de Productos Maderables (2022). (En línea). https://www.fia.fs.fed.us/program-features/tpo/. Accedido en 2022.

Sonter, L. et al. La minería impulsa la deforestación extensiva en la Amazonía brasileña. Nat. común 8(1013), 66. https://doi.org/10.1038/s41467-017-00557-w (2017).

Artículo CAS Google Académico

Mirzaee, A., McGarvey, R., Aguilar, F. & Schliep, E. Impacto de la generación de bioenergía en los bosques del este de EE. UU. Reinar. desarrollo Sostener. https://doi.org/10.1007/s10668-022-02235-4 (2022).

Artículo Google Académico

Brandeis, C., Taylor, M., Abt, K. y Alderman, D. Estado y tendencias del sector de productos forestales de EE. UU.: un documento técnico que apoya la evaluación RPA 2020 del Servicio Forestal (Departamento de Agricultura de EE. UU., Servicio Forestal de Investigación del Sur Estación, Inventario y Análisis Forestal, 2021).

Agencia de Protección Ambiental de los Estados Unidos. Base de datos integrada de recursos de generación y emisiones (eGRID) (2021) (en línea). https://www.epa.gov/egrid.

Departamento de Transporte de EE.UU. Puertos: ArcGIS Online (2021) (En línea). https://data-usdot.opendata.arcgis.com/datasets/usdot::ports/about.

Oficina del Censo de EE.UU. TIGER/Line Shapefiles (2021) (en línea). https://www.census.gov/geographies/mapping-files/time-series/geo/tiger-line-file.html.

Oficina del Censo de EE.UU. Conjuntos de datos de estimaciones de unidades de población y vivienda (2021) (en línea). https://www.census.gov/programs-surveys/popest/data/data-sets.html.

McCann, P. La economía de la ubicación industrial: un enfoque de costos de logística (Springer, 1998).

Singh, D., Cubbage, F., Gonzalez, R. & Abt, R. Determinantes de ubicación para plantas de pellets de madera: una revisión y estudio de caso de América del Norte y del Sur. BioResources 11(3), 7928–7952 (2016).

Artículo Google Académico

Boukherroub, T., LeBel, L. y Lemieux, S. Un desarrollo integrado de la cadena de suministro de pellets de madera: selección entre fuentes de materia prima y una gama de escalas operativas. aplicación Energía 198, 385–400 (2017).

Artículo Google Académico

Heckman, J., Ichimura, H. & Todd, P. El emparejamiento como estimador de evaluación econométrica: evidencia de la evaluación de un programa de capacitación laboral. Rev. Econ. Semental. 64(4), 605–654 (1997).

Artículo MATEMÁTICAS Google Académico

Caliendo, M. & Kopeinig, S. Algunas orientaciones prácticas para la implementación del emparejamiento por puntuación de propensión. J. Economía. sobrev. 22(1), 31–72 (2008).

Artículo Google Académico

Woo, H., Eskelson, B. & Monleon, V. Métodos coincidentes para cuantificar los efectos de los incendios forestales en la masa de carbono forestal en el noroeste del Pacífico de EE. UU. Ecol. aplicación 31(3), e02283 (2021).

Artículo PubMed Google Académico

Morreale, L., Thompson, J., Tang, X., Reinmann, A. & Hutyra, L. Crecimiento elevado y biomasa a lo largo de los bordes de bosques templados. Nat. común 12 (7181), 66 (2021).

Google Académico

Isard, W. La teoría general de la ubicación y la economía espacial. Economía QJ. 63(4), 476–506 (1949).

Artículo Google Académico

Aguilar, FX Análisis econométrico espacial de los factores de ubicación en una industria basada en recursos renovables: la industria maderera del sur de EE. UU. Para. política económica 11(3), 184–193 (2009).

Artículo Google Académico

Aguilar, FX Análisis conjunto de las preferencias de ubicación de la industria: evidencia de la industria de la madera blanda en los EE. UU. aplicación economía 66, 3265–3274 (2010).

Google Académico

Aguilar, FX, Goerndt, M., Song, N. y Shifley, S. Factores internos, externos y de ubicación que influyen en la cocombustión de biomasa con carbón en la región norte de EE. UU. Economía de la energía. 34, 1790–1798 (2012).

Artículo Google Académico

Ferraro, PJ et al. Estimar los impactos de la conservación en los servicios ecosistémicos y la pobreza mediante la integración de modelos y evaluación. proc. nacional Academia ciencia 112(24), 7420–7425 (2015).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Zhang, D. y Pearse, P. Economía forestal 412 (UBC Press, 2011).

Google Académico

Villalobos, L., Coria, J. & Nordén, L. ¿Ha reducido la certificación forestal la degradación forestal en Suecia?. Economía de la tierra 94, 220–238 (2018).

Artículo Google Académico

Wooldridge, J. Análisis econométrico de datos de panel y sección transversal (MIT Press, 2010).

Blackman, A., Corral, L., Lima, E. & Asner, G. La titulación de comunidades indígenas protege los bosques en la Amazonía peruana. PNAS 114(16), 4123–4128 (2016).

Artículo ANUNCIOS Google Académico

Abt, KL, Abt, RC, Galik, CS y Skog, KE Efecto de las políticas sobre la producción de pellets y los bosques en el sur de los EE. UU.: un documento técnico que respalda la actualización del servicio forestal de la evaluación RPA de 2010 USDA (Forest Service GTR Srs-202 , 2014).

Hardie, P. Parks, P. Gottleib y D. Wear, "Responsiveness of rural and urban land uses to land rent determinants in the US South", Land Economics, vol. 76, núm. 4, págs. 659–673, 2000.

Parish, E., Herzberger, A., Phifer, C. & Dale, V. El comercio transatlántico de pellets de madera demuestra los beneficios del teleacoplamiento. Ecol. Soc. 23(1), 28 (2018).

Artículo Google Académico

Tito, B. et al. Biomasa forestal sostenible: una revisión de las pautas actuales de recolección de residuos. Sustento de energía. Soc. 11, 66. https://doi.org/10.1186/s13705-021-00281-w (2021).

Artículo Google Académico

Jandl, R. et al. ¿Qué tan fuertemente puede el manejo forestal influir en el secuestro de carbono del suelo?. Geoderma 137(3), 253–268 (2007).

Artículo ADS CAS Google Académico

Nave, L., Vance, E., Swanston, C. & Cepas, PS Impactos de la cosecha en el almacenamiento de carbono en el suelo en bosques templados. Para. Ecol. Administrar 259, 857–866 (2010).

Artículo Google Académico

Mayer, M. et al. Revisión de Tamm: Influencia de las actividades de manejo forestal en las reservas de carbono orgánico del suelo: una síntesis del conocimiento. Para. Ecol. Administrar 466, 118127 (2020).

Artículo Google Académico

Berryman, E., Hatten, J., Page-Dumroese, DS, Heckman, KA, D'Amore, DV, Puttere, J. y Domke, GM Carbono del suelo en suelos forestales y de pastizales de los Estados Unidos en condiciones cambiantes 9 –31 (Primavera, 2020).

Nave, LE et al. Efectos del uso y manejo de la tierra sobre el carbono del suelo en los estados de los lagos de EE. UU., con énfasis en la silvicultura, los incendios y la reforestación. Ecol. aplicación 66, 2356 (2021).

Google Académico

Cao, B., Domke, GM, Russell, MB y Walters, B. Modelado espacial de las existencias de carbono en el suelo y la basura en tierras forestales en los Estados Unidos contiguos. ciencia Entorno Total. 654, 94–106 (2019).

Artículo ADS CAS PubMed Google Scholar

Coulston, J. & Wear, D. Del sumidero a la fuente: variación regional en los futuros de carbono forestal de EE. UU. ciencia Rep. 5, 66. https://doi.org/10.1038/srep16518 (2015).

Artículo Google Académico

Röder, M., Whittaker, C. & Thornley, P. ¿Cuán seguras son las reducciones de gases de efecto invernadero a partir de la bioenergía? Evaluación del ciclo de vida y análisis de incertidumbre de las cadenas de suministro de pellets de madera a electricidad a partir de residuos forestales. Biomasa Bioenergía. 79, 50–63 (2015).

Artículo Google Académico

Hanssen, S., Duden, A., Junginger, M., Dale, D. y D. vander Hilst. Bolitas de madera, ¿qué más? Tiempos de paridad de gases de efecto invernadero de la electricidad europea a partir de pellets de madera producidos en el sureste de los Estados Unidos utilizando diferentes materias primas de madera blanda. GC-Bioenergy 9(9), 1406–1422 (2017).

Artículo CAS Google Académico

Picciano, P., Aguilar, F., Burtraw, D. & Mirzaee, A. Implicaciones ambientales y socioeconómicas de la combustión conjunta de biomasa leñosa en centrales eléctricas de carbón. recurso Economía de la energía. 6, 66 (2022).

Google Académico

Hetchner, S., Schelhas, J. y Brosius, J. Forests as Fuel: Energy, Landscape, Climate, and Race in the US South (Lexington Books, 2022).

Coulston, J., Wear, D. & Vose, J. La dinámica forestal compleja indica potencial para desacelerar la acumulación de carbono en el sureste de los Estados Unidos. ciencia Rep. 5, 8002 (2015).

Artículo ADS PubMed PubMed Central Google Scholar

Palahí, M. et al. Preocupaciones sobre las cosechas reportadas en los bosques europeos. Naturaleza 592, E15–E17 (2021).

Artículo PubMed Google Académico

Descargar referencias

Esta investigación fue parcialmente financiada por el Departamento de Agricultura de EE. UU., Acuerdo de Servicio Forestal de EE. UU. 17-JV-11330143-106. Agradecemos a Karen Abt (anteriormente con el Servicio Forestal del USDA), Allen Blackman (Banco Interamericano de Desarrollo), Jeffrey Prestemon (Servicio Forestal del USDA), Stephen Shifley (anteriormente con el Servicio Forestal del USDA) y Margaret Walls (Recursos para the Future) por los comentarios y críticas a versiones anteriores de este manuscrito. Esta publicación no pretende reflejar las opiniones de estas instituciones o personas. Cualquier error sigue siendo responsabilidad de los autores.

Financiamiento de acceso abierto proporcionado por la Universidad Sueca de Ciencias Agrícolas.

Departamento de Economía Forestal, Universidad Sueca de Ciencias Agrícolas, 90736, Umeå, Suecia

Francisco X. Aguilar

Universidad de Tulane, Nueva Orleans, Luisiana, 70118, EE. UU.

Sudekum de Houston

Escuela de Administración IESEG, 59000, Lille, Francia

ronald macgarvey

Escuela de Recursos Naturales, Universidad de Missouri, Columbia, MO, 65211, EE. UU.

benjamin knapp

Estación de Investigación del Norte, Servicio Forestal de los Estados Unidos, Departamento de Agricultura de los Estados Unidos, St. Paul, MN, 55108, EE. UU.

conceder domke

Estación de Investigación del Sur, Servicio Forestal de los Estados Unidos, Departamento de Agricultura de los Estados Unidos, Knoxville, TN, 37919, EE. UU.

Consuelo Brandeis

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

FA, HS y RM conceptualizaron el estudio. FA, HS, RM, GD desarrollaron métodos. FA, HS, GD, CB completaron los análisis de datos. Figuras y tablas generadas por HS, FA, CB. FA y HS desarrollaron el borrador original del manuscrito. RM, BK, GD y CB participaron en la edición de la versión final. Todos los autores revisaron el manuscrito.

Correspondencia a Francisco X. Aguilar.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Aguilar, FX, Sudekum, H., McGarvey, R. et al. Impactos de la industria de pellets de madera del sureste de los EE. UU. en las reservas de carbono de los bosques locales. Informe científico 12, 19449 (2022). https://doi.org/10.1038/s41598-022-23870-x

Descargar cita

Recibido: 23 mayo 2022

Aceptado: 07 noviembre 2022

Publicado: 14 noviembre 2022

DOI: https://doi.org/10.1038/s41598-022-23870-x

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.

COMPARTIR