Forêts: séquestration du carbone, énergie de la biomasse, ou les deux?


RÉSULTATS

Le débat derrière la biomasse ligneuse pour l’énergie

Trois problèmes critiques se sont posés dans la littérature concernant l’utilisation de la biomasse ligneuse pour l’énergie. Premièrement, l’impact des politiques énergétiques de la biomasse sur le carbone dépend de la réponse de l’offre, qui comprend des investissements dans de nouvelles forêts, une gestion accrue des forêts existantes, des récoltes de forêts inaccessibles et non gérées dans la marge extensive, la conversion de ces forêts à des utilisations plus intensives, et substitution entre les utilisations des produits. Des études qui supposent qu’il y a peu ou pas de réponse de la direction, ou qui ne considèrent que l’utilisation de la marge extensive, prédisent que la demande de bioénergie augmentera les émissions de carbone (16, 17). Des études qui permettent des investissements efficaces dans la gestion forestière montrent que les politiques de bioénergie conduisent à une augmentation nette de la séquestration des forêts (1822). Un déterminant clé repose sur la réponse de l’utilisation et de la gestion des terres aux changements de prix induits par la politique de bioénergie. Si les modèles incluent des réponses de gestion, des prix plus élevés encouragent invariablement plus de gestion et de superficie forestière, et donc, les politiques énergétiques de la biomasse réduisent les émissions nettes au fil du temps. Alternativement, si la superficie des terres forestières et la gestion des forêts ne changent pas ou ne diminuent pas avec les politiques énergétiques de la biomasse, et qu’il y a une récolte supplémentaire de stocks non gérés, alors les politiques entraînent généralement des émissions nettes. Il est donc important d’isoler le rôle de la gestion des stocks de carbone forestier.

Deuxièmement, les études suggérant que l’énergie de la biomasse devrait être taxée ont ignoré la littérature montrant le traitement économique efficace des flux de carbone entre l’atmosphère et les forêts dans le cycle plus large du carbone (4). Du point de vue de l’atmosphère, une tonne de CO2 dans les forêts est une tonne qui ne se trouve pas dans l’atmosphère, ce qui suggère que le coût social du carbone peut être utilisé pour évaluer les échanges ou flux de carbone entre l’atmosphère et les écosystèmes (24). Deux schémas tout aussi efficaces ont été proposés dans la littérature pour créditer les flux de carbone entre l’atmosphère et les forêts: une approche de la location de carbone (4) et une approche de la taxe et des subventions sur le carbone (25). Dans les deux approches, la politique climatique efficace compte les émissions lorsque les forêts sont utilisées pour l’énergie ou les produits du bois comme une augmentation du carbone atmosphérique, mais elles comptent également la séquestration qui se produit lorsque les forêts poussent. Les émissions de bioénergie peuvent être taxées comme les autres GES dans le cadre d’une approche efficace de crédit des flux de carbone, mais uniquement si les avantages du stockage du carbone dans l’écosystème forestier sont également reconnus et subventionnés (25). Autrement dit, une politique qui taxe les bioénergies forestières sans reconnaître que les forêts séquestrent également le carbone par la croissance[lapropositionSchlesinger([theSchlesingerproposition(26)]est inefficace et entraînera trop peu de carbone dans les forêts et trop de carbone dans l’atmosphère.

Troisièmement, certains craignent que les services écosystémiques et la biodiversité fournis par les forêts primaires ne soient affectés si les récoltes sont détournées des produits ligneux traditionnels vers la bioénergie (13, 14) ou le niveau et la qualité de la biomasse sur pied dans les forêts aménagées sont diminués en raison des niveaux plus élevés d’élimination des résidus (27), des rotations plus courtes (28, 29), ou davantage de terres sont passées d’une gestion nulle / faible à une gestion plus intensive. Cependant, les préoccupations concernant les services écosystémiques tendent à se concentrer sur les effets des récoltes de biomasse sur des sites individuels (13, 14). Alors qu’une récolte plus intensive sera la conséquence de toute politique énergétique de la biomasse qui augmente la demande de bois, l’intensification ne se produira pas sur quelques sites sélectionnés, mais à travers les forêts, en particulier dans le cadre de mandats généralisés de biomasse énergétique ou de neutralité carbone. Pour évaluer les impacts complets des politiques, les modèles doivent être capables d’analyser toutes les conséquences spatiales et temporelles sur l’écosystème forestier mondial.

En chiffres: avantages et inconvénients de la demande de biomasse ligneuse

Nous utilisons le modèle mondial dynamique du bois (GTM) pour évaluer comment la demande de bioénergie affecte le secteur forestier, les terres forestières et la séquestration du carbone (4, 30). GTM compare la récolte et la gestion du bois dans plus de 200 écosystèmes forestiers aménagés et naturels dans 16 régions du monde (fig. S1) selon différents scénarios de demande de bioénergie à un scénario de demande sans bioénergie (22). Le modèle a utilisé les projections du scénario marqueur de la trajectoire socioéconomique partagée (PAS) 2 du produit intérieur brut (PIB) et de la population (3133) pour simuler la demande de produits forestiers, tandis que les projections de la demande de bioénergie[suivantleshypothèsesprésentéesdansLauri[followingtheassumptionspresentedinLauriet al. (34) que 9% à 12% de la demande totale de bioénergie provient de plantations forestières dédiées; la bioénergie est convertie de gigajoules (GJ) en mètres cubes (m3) de biomasse forestière en utilisant des facteurs de conversion constants de 7,2 GJ / m3]et les trajectoires de prix du carbone selon le même scénario SSP2 pour chaque voie de concentration représentative (RCP) du Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) sont utilisées pour simuler la demande future de biomasse ligneuse et la valeur du CO2 (fig. S2).

En général, la consommation de bioénergie devrait augmenter avec la rigueur de l’objectif du RCP. À titre de référence, dans le cadre du RCP 1.9 – le scénario le plus cohérent avec un objectif de 1,5 ° C – environ 30% de l’approvisionnement énergétique total jusqu’en 2100 proviendrait de la bioénergie avec capture et stockage du carbone (BECCS) (33). Étant donné que la demande de bioénergie devrait provenir de diverses sources, nous supposons qu’environ un tiers de l’offre est fournie par les forêts, ce qui est cohérent avec d’autres analyses mondiales (34). Le modèle suppose une forme homogène de demande d’énergie en biomasse ligneuse sans distinguer les types de production de biomasse ligneuse. Du point de vue de notre modèle, cela signifie que chaque type de bois qui pourrait être utilisé comme intrant dans la production d’énergie de biomasse est payé le même prix.

L’augmentation de la demande de biomasse ligneuse aura des impacts notables sur le secteur forestier mondial par rapport à un scénario de référence sans politique (tableaux S2 à S4). Les prix du bois pourraient plus que tripler si la consommation de biomasse ligneuse atteint 4,3 milliards de m3/ an à la fin de ce siècle, comme dans le scénario RCP 1.9 (Fig. 1A). Le modèle tient compte de la substitution entre les produits du bois et la biomasse, et la demande croissante de bioénergie ligneuse affecte négativement le marché industriel du bois. Autrement dit, il y a une baisse de 30 à 80% de la production de bois industriel au cours du siècle, projetée dans les PCR, la plus forte réduction étant prévue dans le RCP 1.9.

Fig. 1 Impacts mondiaux de l’augmentation de la demande de bioénergie à base de bois, 2010–2100.

(UNE) Prix du bois (B) superficie forestière totale (C) superficie forestière naturelle non gérée () superficie de forêt de plantation (E) le stock total de carbone forestier (comprend les quatre réservoirs de carbone présentés dans la figure S3), et (F) investissement de gestion par rapport au scénario de référence (pas de demande de bioénergie). Noir, RCP 1.9; rouge, RCP 2.6; vert, RCP 3.4; bleu, RCP 4.5; orange, RCP 6.0.

Des prix du bois plus élevés encouragent le boisement à travers le monde (Fig. 1B). Cependant, les prix plus élevés du bois encouragent également la récolte des zones forestières naturelles (les types de forêts sont définis comme suit: «plantation» = plantations gérées de manière intensive; «gérées» = forêts gérées de manière extensive, souvent en régénération naturelle; «naturelles» = forêts naturelles inaccessibles et non gérées) (Fig. 1C), qui sont replantées sous la forme d’un mélange de forêts à faible gestion et de plantations intensives (Fig. 1D). La séquestration totale du carbone forestier mondial ne devrait augmenter que lorsque la demande de biomasse ligneuse est suffisamment importante pour encourager une consommation supérieure à 1,1 milliard de m3/ an d’ici 2100, soit un RCP inférieur à 4,5 (Fig. 1E). Lorsque la demande de biomasse est inférieure à ce niveau, elle ne génère pas suffisamment de prix du bois pour générer suffisamment d’investissements dans les forêts ou les plantations pour compenser les pertes de carbone qui se produisent lorsque les forêts sont récoltées. Les pertes de carbone se produisent principalement dans les régions dominées par de vastes zones de forêts restantes inaccessibles, à savoir l’Amérique latine, l’Asie du Sud-Est, le Canada et la Russie. Les forêts anciennes ont d’importants stocks de carbone qui ne sont pas compensés. Finalement, si la demande d’énergie en biomasse est suffisamment forte, les investissements dans les forêts compenseront les pertes et le carbone deviendra positif. Les dépenses de gestion forestière, mesurées en dollars par hectare investi dans la replantation, sont également importantes, car elles augmentent avec une politique climatique plus stricte (Fig. 1F).

Le modèle tient compte du carbone stocké dans quatre pools différents. L’augmentation des stocks de carbone est principalement due à l’amélioration du carbone hors sol, tandis que l’augmentation des terres forestières augmente légèrement le carbone du sol en raison du boisement par rapport au scénario de référence. Le carbone stocké dans les produits ligneux récoltés devrait diminuer dans tous les scénarios politiques car la demande croissante de biomasse ligneuse réduit la quantité de produits ligneux non combinés (fig. S4).

L’augmentation de l’énergie de la biomasse ligneuse pourrait entraîner une augmentation de 286 (RCP 6.0) à 1931 (RCP 1.9)3/ an d’augmentation de la récolte totale de bois par rapport au scénario de référence. L’augmentation des récoltes n’est cependant pas également répartie dans le monde (Fig.2), les plus fortes hausses de récolte étant attendues dans les endroits où la récolte industrielle de bois est déjà un élément important du paysage et de l’économie régionale. Par exemple, dans le cas du RCP 3.4, les récoltes aux États-Unis augmentent en moyenne de 27% sur une période de 100 ans, tandis que les récoltes en Asie du Sud-Est et en Russie n’augmentent que de 6 et 2%, respectivement.

Fig.2 Variation moyenne des récoltes régionales totales par rapport au niveau de référence, 2010–2100.

La demande accrue de biomasse ligneuse encourage des changements dans la gestion des forêts le long de plusieurs marges qui sont généralement ignorées dans les analyses traditionnelles du cycle de vie. Premièrement, la superficie des plantations gérées de manière intensive augmente jusqu’à 61 millions d’hectares (Mha), soit 60%, par rapport au niveau de référence (Fig. 1C). Ces plantations ont des âges de rotation allant de 10 à 30 ans et peuvent donc être utilisées pour accélérer l’approvisionnement en bois et en biomasse relativement rapidement. Nous calculons que pour chaque augmentation de 1% du prix du bois, la superficie des plantations augmente de 0,32% dans le monde.

Deuxièmement, les forêts qui ont actuellement une gestion limitée deviennent gérées de manière plus intensive grâce à des investissements accrus dans la récolte et la replantation, l’éclaircissage, la fertilisation et d’autres actions. Tous les 100 millions de m3 d’un approvisionnement énergétique supplémentaire en biomasse ligneuse pourrait créer 5,6 Mha de forêts gérées de manière plus intensive. Des prix plus élevés fournissent un signal de marché aux propriétaires fonciers, qui prendront des mesures pour accroître leurs stocks forestiers en élargissant la superficie des forêts aménagées et / ou en améliorant les activités de gestion (18, 35). Les dépenses de gestion forestière pourraient augmenter en moyenne de 230 $ par hectare dans les forêts aménagées en raison de l’augmentation de la demande de biomasse ligneuse, près de 70% plus élevée que l’estimation moyenne des dépenses de référence (Fig. 1F). Certaines des terres que nous projetons qui deviendront gérées de manière intensive sont actuellement écologiquement sensibles et / ou riches en biodiversité. En supposant qu’il n’y a pas d’autres incitations à la séquestration du carbone forestier ou des politiques de conservation des forêts en vigueur, nous estimons que si la demande de biomasse ligneuse atteint 4 milliards de m3/ an, comme dans le cadre du RCP 1.9, environ 15% de la superficie forestière naturelle mondiale, soit 250 Mha, pourraient être convertis en un régime de gestion plus intensive (fig. S5). Ces résultats confirment que la politique «standard» de bioénergie ciblant la biomasse ligneuse a généralement un impact négatif sur les forêts naturelles non gérées ou inaccessibles du monde. Cependant, ces forêts naturelles ne seront pas converties à l’agriculture, car les incitations économiques compensent les pertes en plantant des forêts gérées à différents degrés d’intensité et en évitant la déforestation des forêts gérées (fig. S5).

Troisièmement, d’autres terres seront converties en forêts et, par conséquent, augmenteront la superficie absolue de forêts à l’échelle mondiale. Le scénario de demande le plus important (RCP 1.9) estime une augmentation potentielle de la superficie forestière de 1,1 milliard d’hectares, soit 30% de plus que le couvert forestier actuel d’ici 2100 (Fig. 1B). C’est dans les limites du récent article de Bastin et al. (36), qui identifient une superficie de 1,6 milliard d’hectares de terres supplémentaires pouvant abriter des forêts, dont 0,9 milliard d’hectares sont situés en dehors des terres cultivables et des régions urbaines précieuses. Pour cette étude, nous avons utilisé les 1,6 milliard d’hectares comme limite supérieure pour nos simulations, et dans l’analyse de sensibilité, nous avons testé les résultats sous la limite plus stricte de 0,9 milliard. L’estimation de 1,1 milliard d’hectares est importante mais pas aberrante (fig. S6). Nos résultats sont confirmés par des modèles d’évaluation intégrée (IAM) avec des modules fonciers et des prix des cultures, qui suggèrent que la superficie forestière mondiale pourrait augmenter jusqu’à 1,0 milliard et qu’environ 5,4 milliards d’hectares pourraient être couverts par des forêts dans le cadre du scénario de stabilisation RCP 1.9 avec environ 1,9 milliard d’hectares de nouvelles forêts (31, 33).

Bien que nous ne modélisions pas explicitement la production ou les prix des cultures, notre modèle intègre des fonctions de location de terres qui nécessitent de payer des prix plus élevés pour louer des terres, car plus de terres sont utilisées pour les forêts. L’augmentation des loyers que nous projetons est cohérente avec d’autres études dans la littérature. Selon le scénario RCP 1.9, nos loyers fonciers moyens dans le monde d’ici 2100 sont estimés quatre fois plus élevés que les loyers de référence. Popp et al. (37) montre également que les terres agricoles destinées à la production de denrées alimentaires et d’aliments pour animaux diminuent à mesure que davantage de terres sont utilisées pour la bioénergie et la séquestration du carbone. Ils ne présentent pas d’estimations des loyers des terres, mais ils montrent que les prix des cultures pourraient être de deux à six fois plus élevés que la référence dans un scénario d’atténuation élevé.

Une approche efficace de la gestion du carbone

Cette section illustre la différence entre une approche efficace de gestion du carbone, qui incite à la fois à la séquestration et à l’évitement des émissions, et une approche inefficace qui utilise uniquement une taxe sur le carbone pour inciter à éviter les émissions de la production de biomasse ligneuse. Une approche efficace pour gérer les échanges de carbone entre l’atmosphère et la biosphère peut être réalisée en utilisant soit une location de carbone (4) ou une approche de la taxe et des subventions sur le carbone (25). Ces deux approches efficaces reconnaissent que les émissions de l’énergie de la biomasse sont comme toutes les autres émissions de GES et que la croissance des forêts élimine le carbone de l’atmosphère. En revanche, une taxe sur les émissions provenant de la demande de bioénergie (scénario de pénalité) sans subvention compensatoire pour l’accumulation de carbone est une approche inefficace car elle crée une demande relativement moindre de produits forestiers, fait baisser les prix du bois (Fig. 3A) et la superficie forestière (Fig.3, B à D), réduit les investissements dans la gestion forestière (Fig. 3F) et, par conséquent, entraîne une baisse des stocks de carbone forestier (Fig. 3E) par rapport à l’approche efficace (scénario de location carbone). C’est-à-dire que, quelle que soit la demande de biomasse ligneuse, une approche qui pénalise uniquement les émissions fournira moins de séquestration de carbone que l’approche de location efficace. De plus, les prix du bois sont plus élevés dans le scénario de location car il y a des avantages supplémentaires associés à la détention de carbone dans les forêts, réduisant ainsi potentiellement l’approvisionnement annuel en bois.

Fig. 3 Impacts mondiaux des politiques alternatives de bioénergie à base de bois, 2010–2100.

(UNE) Prix du bois et évolution (B) superficie forestière totale (C) zone de forêt naturelle () zone de plantation forestière (E) le stock total de carbone forestier, et (F) investissement de gestion par rapport au scénario de référence (pas de demande de bioénergie). Dashed, pénalité carbone; location solide de carbone forestier; noir, RCP 1.9; rouge, RCP 2.6; vert, RCP 3.4; bleu, RCP 4.5; orange, RCP 6.0.

Surtout, l’approche de la pénalité, comme suggéré par Searchinger et al. (13), pourrait entraîner une réduction importante de la superficie des forêts naturelles inaccessibles allant jusqu’à 200 Mha sous la forte demande d’énergie de biomasse du RCP 1.9 ou 2.6 (Figues. 3C et 4). Sans valorisation des stocks de forêts sur pied grâce à une subvention pour la séquestration du carbone forestier, la hausse des prix du bois (Fig. 3A) constituent une incitation substantielle à convertir les forêts naturelles en d’autres types de forêts (Fig. 3B). La taxe ne peut éviter ce résultat. Les déclins les plus importants dans les zones forestières naturelles selon une approche par pénalité se produiront sous une demande de biomasse supérieure à 1,5 milliard de m3/ an, principalement sous les tropiques, suivi de la zone tempérée (Fig.4). En revanche, une approche de la location de carbone encourage la protection des forêts naturelles sur pied en valorisant le stock sur pied, comme les récoltes anciennes dans les régions boréales et les forêts non gérées dans les tropiques. En particulier, une combinaison des prix élevés du carbone et des demandes de bioénergie (RCP 2.6 et 1.9) évitera la déforestation future des forêts naturelles tropicales par rapport à la référence. Autrement dit, les coûts d’opportunité des terres sont relativement faibles sous les tropiques, il y a donc une réduction de la conversion des terres forestières en terres cultivées. Deuxièmement, les gains de carbone sous les tropiques sont relativement rapides et importants, de sorte que les valeurs locatives encouragent une séquestration substantielle du carbone par rapport aux forêts tempérées et boréales.

Fig.4 Changements dans la superficie forestière mondiale par écosystème majeur par rapport au cas de référence dans le cadre de politiques alternatives de bioénergie à base de bois.

Carré, pénalité carbone; cercle, location de carbone forestier; noir, RCP 1.9; rouge, RCP 2.6; vert, RCP 3.4; bleu, RCP 4.5; orange, RCP 6.0.

Chacune des approches politiques conduit à plus de forêts dans le monde au cours du siècle prochain, mais les estimations varient au niveau régional (Fig. 5). Dans les cas où il y a une pénalité imposée sur la récolte de biomasse, même avec les prix relativement bas du carbone des RCP 6.0 et 4.5, il pourrait y avoir 10 à 25% de couverture forestière en moins dans les régions tropicales d’ici 2100 par rapport à la politique de loyer du carbone forestier . L’approche de paiement du loyer pour le carbone forestier devrait augmenter le couvert forestier à travers le monde, les scénarios d’atténuation plus rigoureux conduisant à des augmentations de 50% ou plus dans de nombreuses régions du monde.

Fig. 5 Changements régionaux dans la superficie forestière par rapport à 2010 pour les scénarios de location de carbone forestier et de pénalité carbone.

Une approche de la location de carbone forestier a parfois été considérée comme une option de politique d’atténuation du changement climatique irréalisable en raison de la complexité de la mesure et de la vérification des changements dans les stocks de carbone et des problèmes de gouvernance possibles dans les pays en développement (35, 38). Cependant, l’imposition d’une taxe sur la bioénergie ligneuse pourrait exacerber l’un des problèmes que la politique vise à prévenir, à savoir la perte des forêts naturelles et des services écosystémiques associés. Malgré cela, nous constatons que l’augmentation de la demande de bioénergie à base de bois, quelle que soit l’approche politique, augmentera le carbone forestier total dans presque tous les scénarios (Fig. 3E). Dans le scénario de pénalité, les stocks moyens pourraient augmenter de 34 gigatonnes d’équivalent dioxyde de carbone (GtCO2e) soit environ 1% par rapport à la ligne de base. Cela équivaut à 0,4 GtCO2e / an ou 1,1% du CO mondial 20182 émissions (39). L’inclusion des paiements pour la séquestration du carbone forestier présente des avantages supplémentaires. La superficie forestière pourrait augmenter de 500 Mha ou plus, et les stocks de carbone totaux pourraient augmenter en moyenne de 2,3 GtCO2e / an, compensant 7,1% des émissions annuelles actuelles (Fig. 3E). Dans presque tous les scénarios, la majorité de cette augmentation nette des stocks de carbone est due à des augmentations de carbone en surface, tandis que la substitution de certains bois à la bioénergie a un effet quelque peu négatif (fig. S7).

La demande croissante de bioénergie à base de bois affectera positivement les investissements dans la gestion forestière quelle que soit l’approche politique, avec une moyenne d’environ 80% supérieure à l’investissement de référence. La demande de produits du bois en général stimulera l’investissement, car les propriétaires fonciers devraient enregistrer un rendement plus élevé. Cependant, une politique de location de carbone forestier et d’augmentation de la demande de biomasse pourrait doubler l’investissement par rapport à l’approche de la pénalité pour la biomasse (Fig. 3F). Les décisions de gestion affectent la quantité de carbone stockée dans les forêts de différentes manières. Premièrement, le GTM contrôle les âges de rotation, ce qui influence les stocks de carbone sur les sites, des âges de rotation plus élevés conduisant à une plus grande offre de bois et plus de carbone, et vice versa. Deuxièmement, sous la forte demande de bioénergie et / ou les prix du carbone, le modèle prévoit plus de replantation, ce qui, comparé à la régénération naturelle, augmentera le carbone moyen sur un site sur une rotation. Troisièmement, le GTM modifie les types d’espèces au fil du temps en réponse aux prix et aux valeurs locatives des terres. Quatrièmement, le modèle fait passer les espèces de l’absence de gestion à une gestion modeste (récolte avec régénération naturelle ou récolte avec replantation dans certains cas, selon la valeur). Dans presque tous les cas, cette conversion des forêts anciennes en forêts plus jeunes entraîne une production de bois plus importante mais moins de carbone. Enfin, GTM inclut l’intensité de gestion sur les terres replantées. Ce type d’intensité de gestion, qui pourrait inclure la sélection génétique, la fertilisation, les contrôles de densité et d’autres approches, augmente à la fois les stocks de carbone et la valeur du bois. Ce type d’intensité de gestion est contrôlé dans le modèle par les dépenses par hectare de terres forestières, des dépenses plus élevées conduisant à plus de bois et plus de carbone.

Test de sensibilité

Nous avons testé les effets de la demande de bioénergie sur les terres forestières et la séquestration du carbone et l’efficacité de l’approche locative par rapport à l’approche par pénalité dans un scénario dans lequel les ajouts de terres forestières sont limités à 0,9 milliard d’hectares, suivant Bastin et al. (36). Même dans ce scénario contraint, nos résultats sont confirmés: la demande de bioénergie augmentera la séquestration totale des terres forestières et du carbone forestier par rapport à un scénario sans bioénergie (référence) (Fig.6, A et C), et la politique de location de carbone fournit une approche efficace pour réguler la demande croissante de bioénergie en protégeant les forêts naturelles tout en fournissant de la biomasse ligneuse pour l’énergie en même temps (Fig. 6B). Bien que la superficie forestière n’augmente pas autant avec la contrainte plus stricte, elle est inférieure d’environ 50%; le stockage du carbone forestier ne diminue que de 20 à 30%. Le carbone diminue proportionnellement moins que la superficie forestière car les forêts sont gérées de manière plus intensive pour augmenter la production de bois, ce qui à son tour améliore le stockage du carbone. Chaque fois qu’il y a une conversion dans les zones forestières naturelles de forêts inaccessibles à des forêts accessibles et légèrement gérées, le carbone total stocké diminue avec le temps. Ainsi, la politique climatique efficace de location de carbone conduit à plus de carbone en protégeant plus de forêts naturelles de la conversion.

Fig. 6 Impacts estimés pour d’autres scénarios de contraintes foncières dans tous les PCR.

(UNE) Superficie forestière totale; (B) forêts naturelles et (C) séquestration du carbone forestier par rapport à la production de biomasse ligneuse par rapport au niveau de référence (pas de demande de bioénergie) pour des scénarios alternatifs de limitation des terres et des scénarios politiques dans tous les PCR. Diamant, 1,6 milliard d’hectares supplémentaires de terres forestières; plus, 0,9 milliard d’hectares supplémentaires de terres forestières; gris, pénalité carbone; rose, location de carbone forestier. Lignes de tendance: en pointillés, 1,6 milliard d’hectares; solide, 0,9 milliard d’hectares de limite forestière supplémentaire.

Une analyse de sensibilité supplémentaire qui ajuste les paramètres clés du modèle tels que l’élasticité de l’offre de terres, la réponse de la gestion à l’investissement forestier et le coût d’accès et de défrichage des forêts naturelles à la moitié et au double de leurs valeurs d’origine indique que nos résultats généraux sont toujours valables (fig. S8). En d’autres termes, une demande de biomasse plus élevée augmentera la valeur des terres boisées, encouragera des investissements supplémentaires dans la gestion forestière et le boisement, et entraînera une augmentation des stocks de carbone forestier au fil du temps, même si notre modèle comprend des valeurs de paramètres plus pessimistes (c’est-à-dire moins réactives). Cependant, l’impact relatif de chaque paramètre sur les estimations varie. Par exemple, une faible élasticité de l’offre foncière se traduit par environ la moitié du taux de boisement du cas de l’élasticité élevée de l’offre foncière, simulant l’effet potentiel si les propriétaires fonciers sont plus résistants à la conversion de leurs terres agricoles en forêts. En conséquence, les stocks de carbone forestier augmenteraient encore au cours du siècle prochain, mais à un rythme environ 40% inférieur à la plupart des autres cas de sensibilité. De plus, notre analyse de sensibilité a indiqué que les estimations étaient les plus sensibles aux scénarios de location de carbone forestier, en particulier dans les cas où les prix élevés du carbone incitent à une plus grande concurrence entre le carbone, la bioénergie et la production de bois.

DISCUSSION

Les projections utilisant les MAI montrent que la demande de bioénergie est très susceptible de dominer dans les scénarios cibles de 1,5 à 2 ° C (dix). Notre étude fournit une perspective globale de la façon dont cet avenir bioénergétique affectera les récoltes forestières, les prix, les investissements dans la gestion du bois, la superficie des forêts et l’équilibre du carbone forestier lorsque les interactions du marché et les réponses de la gestion sont prises en compte. Les réponses dynamiques du marché et de la gestion sont généralement ignorées dans de nombreuses études environnementales qui ne donnent qu’une vue partielle du débat en cours sur les avantages et les risques de l’augmentation de la demande mondiale de bioénergie (1217, 36).

Les résultats montrent que des niveaux plus faibles de demande de bioénergie, conformes aux RCP 4.5 et 6.0, peuvent conduire à des émissions nettes de carbone si les prix plus élevés encouragent une plus grande exploitation des forêts naturelles mais pas suffisamment d’augmentation des investissements dans la régénération des forêts. Pour les PCR plus stricts que 4,5, la demande de bioénergie est suffisamment élevée pour encourager des investissements suffisamment forts dans la gestion forestière pour compenser les effets négatifs de l’exploitation des forêts inaccessibles et naturelles. Ainsi, pour ces niveaux plus élevés de demande de bioénergie, il y a des effets positifs nets sur le bilan carbone mondial, bien qu’il y ait des impacts notables sur les forêts naturelles. Dans toutes les gammes de la demande de bioénergie, des politiques efficaces de séquestration du carbone forestier peuvent être déployées pour garantir que les forêts sont neutres en carbone et que les stocks de carbone forestier sont maintenus. De plus, ces politiques efficaces peuvent réduire considérablement la perte de forêts naturelles inaccessibles. En revanche, des propositions de politiques inefficaces, telles que la taxation des émissions de carbone des biocarburants sans tenir compte également des gains qui découlent de la croissance des forêts, provoquent des pertes potentiellement importantes de forêts naturelles et inaccessibles et entraînent des émissions de carbone dans certaines circonstances.

Il existe deux raisons importantes pour lesquelles les stocks sont augmentés face à une demande en forte croissance. First, when demand grows, prices rise and landowners with growing forests will typically hold trees to take advantage of the rising prices, as there is a higher opportunity cost of felling them prematurely. If the demand for biomass energy turns out to be short-lived, lasting only a couple years, then landowners would be encouraged to harvest trees earlier than otherwise, which would reduce carbon stocks and lead to net emissions. However, biomass energy projections associated with long-run phenomenon like climate change suggest that the demand for wood-based biomass energy will grow over time.

Second, rising prices incentivize foresters to increase regeneration and management expenditures. These include replanting, fertilizing, managing for competition, and other practices aimed at increasing the value of and size of the growing stock. Expansion of biomass energy production would increase management over a wide swath of forests around the world, but most intensification would occur in places that are already intensively managed. For context, the stock of forests has increased steadily in the southern United States and has stabilized in the Pacific Northwest since 1950, despite old growth harvesting that continued up to the 1990s (40).

These findings advance the policy discussion by capturing several dynamics of how landowners respond to incentives, namely, that economic incentives promote more forest management. This outcome is different than that of Schlesinger et al. (26) and others, who do acknowledge regrowth of forests but argue that emissions in the near term are particularly harmful because they cause damages during the entire time it takes for forests to regrow. This stance ignores the benefits of the past accumulation of carbon embodied in current forest stocks, which is an important component of the global carbon budget. The argument can also be extended to the future: Is it fair to hold landowners accountable for today’s emissions without considering the benefits of their future regrowth, especially given that the future carbon storage is more valuable than even today’s emission?

In addition to increasing the stock of forests, higher prices make forests more resilient to land use change. The real price of forest products has increased since the 1940s, while the real price of crops has fallen. As a result, the area of land in forests in the many parts of the United States and Europe has increased over the same time frame due to afforestation and the abandonment of low-productivity agricultural land (41, 42). Rising prices, however, can encourage landowners with unmanaged, or natural forests, to liquidate their stock sooner than otherwise. If a policy that accounts for forest sequestration, such as the carbon rental policy, is not implemented, bioenergy demand could harm natural forests and the ecosystem and the biodiversity services that they provide. Further, as long as policies are implemented efficiently, large areas of natural forests would remain intact.

This study provides an improved understanding of the benefits and risks of increasing global bioenergy demand on forest area and forest carbon mitigation potential under alternative policy scenarios. However, there are at least two other factors that could be integrated in future research to provide a more complete analysis of these issues in a dynamic framework: first, estimating the effects of climate change on forest growth, merchantable yields, dieback, and biome shifts on regional biomass supply; and second, analyzing how emerging technological and/or social transformation processes may affect the projected demand for woody biomass, especially over a long time horizon. Taking this more complex and integrated approach might not change our overall findings but rather provide more insight into additional risks that could be considered when designing efficient bioenergy and forest carbon sequestration policies.

MATERIALS AND METHODS

The forestry model used in this analysis is the GTM, which was initially developed to study dynamic forest markets and policies (4, 30). GTM combines the spatially detailed data on forests with an economic model that weighs optimal forest management alternatives. This version of the model does not include climate change impacts, but the land classes in the model can be linked to vegetation types represented in ecosystem models such as BIOME/LPX-Bern (43, 44) or MC2 (45, 46). The baseline scenario used in this study is consistent with current climatic conditions. Moreover, GTM incorporates overall constraints on land areas derived from the ecological models, such that only land that is capable of naturally supporting forests can be converted to forestland (44). For this specific study, we included more restricted limitations on regional land that can be converted to forest following the estimates presented in Bastin et al. (36) of 1.6 billion ha and 0.9 billion ha.

GTM was recently used in a validation exercise to provide a historical assessment of global and regional timber harvesting, timber management, and carbon stocks from 1900 to 2010 in Mendelsohn and Sohngen (47). Thus, our first simulation period (a decade) overlaps with the historical decade. Furthermore, Sohngen et al. (48) conducted a Monte Carlo analysis with the model to assess how uncertainty in the land supply elasticity and forest biomass (yield) parameters would affect timber supply and carbon outcomes. The historical validation illustrates that the model can reproduce forestry management, land areas, timber prices, and timber stocks. The Monte Carlo illustrates that the model is most sensitive to the yield function parameters in terms of the carbon outcomes and timber supply outcomes. Land supply elasticity is uncertain, but given that the elasticity parameter is likely not to vary systematically, uncertainty in the land supply elasticity does not have strong effects on carbon or timber supply.

GTM contains 200 forest types i in 16 regions. Figure S1 shows the regional disaggregation. Forest resources are differentiated by ecological productivity and by management and cost characteristics. To account for differences in ecological productivity, different land classes in different regions have different yield functions for timber, derived from the underlying inventory data. Moreover, forests are broken into different types of management classes. The first type is moderately valued forests; these are forests managed in rotations and located primarily in temperate regions. The second type is natural inaccessible forests, located in regions that are costly to access. To be conservative, inaccessible forests are assumed to be in equilibrium, such that they are neither accumulating nor releasing carbon. Inaccessible forests are unmanaged and located in places that are costly to access for timber market reasons. Over time, some of them in our model become accessible due to economic reasons, e.g., timber prices rise, making additional hectares economically efficient to harvest. If they become accessible, they are harvested, and when regrown, they are subject to applicable forest growth functions. The third type is low-value forests located in temperate and boreal areas that are lightly managed, if they are managed at all. The fourth category includes low-value timberland in inaccessible and semi-accessible regions of the tropical zones. The fifth type includes the high-valued timber plantation that is managed intensively; these forests can principally be found in subtropical regions of the United States, South America, southern Africa, the Iberian Peninsula, Indonesia, and Oceania.

GTM is an economic model of forests that maximizes the net present value of consumers’ and producers’ surplus in the forestry sector. By maximizing the net present value, the model optimizes the age of harvesting timber une and the intensity of regenerating and managing forests

mti

. It is an optimal control problem, given the aggregate demand function, starting stock, costs, and growth functions of forest stocks.

GTM relies on forward-looking behavior and solves all time periods at the same time; this means that when land owners make decisions today about forest management, they do so by considering the implications of their actions today on forests in the future with complete information. The result is a forecast of what a competitive market would also do with forestland.

Mathematically, this optimization problem is written as

max 0ρt{0Qttot{(Qtind,Zt,RCP)+(Qt,RCPwbio)C(Qttot)}dQttotiCgi(mti,gti)iCNi(mti,Nti)iRti(uneXune,ti)+CCt,RCP,policy}

(1)

Dans Eq. 1, ρt is a discount factor,

(Qtind,Zt,RCP)

is a global demand function for industrial wood products

Qtind

and average global consumption per capita Zt,RCP from the International Institute of Applied Systems Analysis (IIASA) SSP database (33). In particular, we use the SSP2 IAM marker scenario from MESSAGE GLOBIOM under each of the five IPCC RCPs[accordingtotheIIASASSPdatabase([accordingtotheIIASASSPdatabase(33), the global consumption per capita under the SSP2 IAM marker scenario does not change across RCPs].

Industrial timber demand follows the general functional form

Qtind=UNEt(Zt,RCP)θPtω

, where UNEt is a constant, θ is the income elasticity, Pt is the timber price, and ω is the price elasticity. The global demand function is for industrial round wood, which is itself an input into products like lumber, paper, plywood, and other manufactured wood products.

Wood demand for bioenergy production

Qt,RCPwbio

is estimated by adjusting the total bioenergy consumption in the IIASA SSP database

Qt,RCPbio

with the proportion of global biomass energy produced from wood by following similar assumption as in Lauri et al. (34). Figure S2 (A and B) shows total bioenergy consumption and total woody biomass supply under each RCP for the SSP2.

We assume there is an international market for timber that leads to a global market clearing price. As the price of wood for bioenergy rises to compete with industrial timber, both timber and bioenergy will be traded internationally (49). Competition for supply will equilibrate their prices.

Equation 2 shows that the total quantity of wood depends on the area of land harvested in the timber types in i for each age une and time t

(Hune,ti)

and the yield function

(Vune,ti)

, which is itself a function of ecological forest productivity

θti

and management intensity

mune,ti

.

Qttot=i(uneHune,tiVune,ti(θti,mune,ti))

(2)

The functional form for the yield function is

Vune,ti(mune,ti)=h[[exp(δiπiune)]

(3)

Per equation

h=φi(1+mune,ti)τi

, h is the stocking density, which can be adjusted depending on the intensity of management,

mune=1,ti

. We restrict stocking elasticity, τ, to be positive and less than 1. The τi affects the elasticity of management inputs in forestry to account for technology change. Initial stocking is denoted by φi. Increase in

mune=1,ti

will increase h, e.g., dh/dZ > 0, but the increase diminishes as

mune=1,ti

rises, e.g., 2h/dZ2 < 0. The model chooses management intensity by optimally choosing

mune=1,ti

. Increases in management intensity will increase yield and shift the entire yield function upward. Forests are assumed to grow according to

Vune,ti(Zune=1,ti)

, where δ and π are species-dependent growth parameters (fig. S3 shows a representative yield function assuming h = 1.32, δ = 5.2, and π = 30).

C(Qttot)

is the cost function for harvesting and transporting logs to the center (mills or power plants) from each of timber type.

The stock of land in each forest type adjusts over time according to

Xune,ti=Xune1,t1iHune1,t1i+gune=0,t1i+Nune=0,t1i

(4)

The initial stocks of land

Xti

are given, and all choice variables are constrained to be greater than or equal to zero, and the area of timber harvested

Hune,ti

does not exceed the total timber area.

gti

is the area of timber regenerated land planted, and

Nti

is the new forest planted.

Cgi(·)

is the cost function for planting land in temperate and previously inaccessible forests, while

CNi(·)

is the cost function for planting forests in subtropical plantation regions.

GTM takes into account the competition of forestland with crops and livestock using a rental supply function for land (2). Dans Eq. 1,

Rti(·)

is the rental cost function for the opportunity costs of holding timberland

Xune,ti

. For example, if timber prices rise relative to agricultural land prices, the model predicts that timber owners will rent suitable farmland for at least a rotation. Similarly, if timber prices fall relatively to agricultural land prices, suitable forest land will be converted back to farmland upon harvest. In addition, the model accounts for the aggregate global effects of moving land between forests and agriculture by shifting all of the land supply functions for individual forest types as a function of the aggregate global area of forestland. As more land globally moves from agriculture to forests, all rental functions shift inward, making it more costly to convert any land from agriculture to forestry. This captures the effect that having less land in agriculture would have on land prices. We have assumed that the elasticity of land supply is 0.25, such that a 0.25% reduction in the global area of agricultural land would cause all land rents to rise by 1%. Note also that the rental supply function is restricted to agricultural land that is naturally suitable for forests. It presumes that the least productive crop and pasture land will be converted first and that rental rates increase as more land is converted and sendogenous.

The model is also developed to account for the global forest carbon stocks and flows following a method first presented by Sohngen and Sedjo (50) and updated by Daigneault et al. (18). Carbon is tracked in four pools: aboveground carbon, soil carbon, forest product carbon, and slash.

Aboveground carbon

Cune,ti

accounts for the carbon in all components of the living tree, including roots, as well as carbon in the forest understory and the forest floor, but does not include dead organic matter in slash, which is contained in a separate pool. For this analysis, we assume that carbon is proportional to total biomass, such that carbon in any forest of any age class is given as

Cune,ti=σi Vune,ti(mt0i)

(5)where σi is a species-dependent coefficient that converts biomass to carbon. Given this, the total forest carbon pool

TFCPti

for each timber type is calculated as

TFCPti=uneCune,tiXune,ti

(6)

Carbon in harvested forest products

HCti

is estimated by tracking forest products over time as follows

HCti=(1τt) κi une (βiVune,tiHune,ti)

(sept)where κi is the proportion of harvested timber volume that is carbon stored permanently, and it is estimated to be 0.30 (51), βi is a parameter that converts forest products into carbon (regional and forest type based), while τt is the portion of wood used in the energy sector, and it is endogenously selected by the model; that is,

HCti

accounts only for carbon stored in wood products, not woody biomass used for energy production. Carbon stored in woody biomass used for bioenergy production is calculated as follows

BIOCti=τt uneβi (Vune,tiHune,ti)

(8)

Soil carbon

SOLCti

is measured as the stock of carbon in forest soils of type i in time t. The value of

K¯

, the steady-state level of carbon in forest soils, is unique to each region and timber type. The parameter μi is the growth rate for soil carbon. In this analysis, we capture the marginal change in carbon value associated with management or land use changes. When land use change occurs, we track net carbon gains or losses over time as follows

SOLCt+1i=SOLCti+SOLCti(μi)[[(K¯SOLCti)SOLCti]

(9)

Last, we measure slash carbon

COMMEti

as the carbon leftover on site after a timber harvest

COMMEti=une(ωuneiVune,tiHune,tiκiVune,tiHune,ti)

(dix)

Over time, the stock of slash

SPti

builds up through annual additions and decomposes as follows

SPt+1i=COMMEti+(1ϑiSPti)

(11)

Decomposition rates ϑi differ, depending on whether the forest lies in the tropics, temperate, or boreal zone.

Last, in Eq. 1, the term CCt, RCP, policy represents the carbon payments/penalties for forest owners according to the policy implemented. For this study, GTM has been enhanced to capture public policy efforts that either penalize bioenergy demand or value climate mitigation benefits of forests sequestration. GTM assumes that the incentives in the timber product, woody biomass, and carbon sequestration system can be implemented efficiently. That is, GTM portrays an ideal world in which the carbon price and/or subsidy is implemented simultaneously everywhere, and there are no trade barriers or other limitations in the use of woody biomass for energy or governance issues. This is an ideal framework: Carbon obviously has not been traded globally, and there are widespread reservations about trading it in the atmosphere as well as in forests. There are measurement, monitoring, and verification problems, as well as concerns about leakage and permanence.

Starting with the scenarios simulated in Favero et al. (22), this study explores four possible policy scenarios:

1) Reference scenario: No bioenergy demand and carbon price are implemented;

2) Bioenergy scenario: Exogenous bioenergy demands from SSP2 across RCPs

Qt,RCPwbio

are included;

3) Forest carbon rental scenario: Exogenous bioenergy demands from SSP2 across RCPs are included, and forest owners are compensated by annual rent for providing annual carbon sequestration according to the carbon prices from the IIASA SSP database;

4) Carbon penalty scenario: Bioenergy demands from SSP2 across RCPs are included, and carbon emissions upon harvests for energy are taxed.

The policy scenarios are described in Eq. 1 with the term CCt,RCP,policy. Moreover, in the reference and bioenergy scenarios, the term CCt,RCP,policy is assumed to be equal to zero since no policy efforts are implemented to value or penalize bioenergy demand.

On the other hand, in the forest carbon rental scenario, forest owners receive carbon payments for the carbon permanently stored in wood products and are compensated by annual rent for providing annual carbon sequestration according to the carbon prices

Pt,RCPc

from the IIASA SSP database (fig. S2C) as follows

CCt,RCP,carbon_rental=Pt,RCPc[[iHCti+(SOLCt+1iSOLCti)]+Rt,RCPciTFCPti

(12)

The first part of Eq. 11 is the carbon transferred to long-lived wood products (

HCti

) from each forest i valued at the carbon price

Pt,RCPc

. The change in soil carbon

(SOLCti)

when land switches between forests and agriculture is also valued at the carbon price (13, 15). The second term is the annual rent,

Rt,RCPc

, whereby the total carbon stocks in forests

TFCPti

are rented during the time period that the carbon is stored following Sohngen and Mendelsohn (4). The rental value for carbon is

Rt,RCPc=Pt,RCPcPt+1,RCPc(1+r)t

(13)where r is the interest rate. This equation accounts for potential price increases in carbon that occur as carbon accumulates in the atmosphere.

Last, in the carbon penalty scenario, forest owners pay a penalty for the carbon released when timber is harvested to supply bioenergy demand.

CCt,RCP,penalty=Pt,RCPc iBIOCti

(14)

Table S1 provides the list of parameter values used to parameterize equations for the simulations presented in this study. More details on the version of GTM used in this analysis are available in (18) and (22).

Acknowledgments: Funding: This project was supported by the USDA National Institute of Food and Agriculture McIntire-Stennis project number ME0-41825 through the Maine Agricultural & Forest Experiment Station; Maine Agricultural and Forest Experiment Station Publication number 3701. Author contributions: A.F., A.D., and B.S. contributed the central idea, and A.F. and A.D. refined the idea. A.F., A.D., and B.S. analyzed the data. A.F., A.D., and B.S. contributed equally to the drafting of the manuscript. Competing interests: The authors declare that they have no competing interests. Data and materials availability: All data needed to evaluate the conclusions in the paper are present in the paper and/or the Supplementary Materials. Additional data related to this paper may be requested from the authors.



Source link