*

Carbon credit accounting: the model CO2FIX v. 3.1 applied to a beech stand under Forest Management in southern Italy

Forest@ - Journal of Silviculture and Forest Ecology, Volume 6, Pages 215-228 (2009)
doi: https://doi.org/10.3832/efor0587-006
Published: Jun 30, 2009 - Copyright © 2009 SISEF

Research Articles

Abstract

Forests play an important role in the mitigation of the effects of climate change thanks to their ability to sequestrate carbon dioxide from atmosphere. The assessment of the carbon fixed by forest ecosystems (stocks) and the carbon accumulated over a period of time (sinks) is focal for environmental protection scopes, as well as for accessing the carbon credits market. The main purpose of this work was to estimate (using the ecosystem-level model CO2FIX v. 3.1) the equivalent carbon dioxide (Mg CO2 eq ha-1 y-1) fixed by a beech stand located in southern Italy during the First Commitment Period (2008-2012) under Forest Management (art. 3.4 of the Kyoto Protocol). The model was applied over a forest district using local data obtained from both literature and field analysis. Over the simulated period, sink values of 9.77 Mg C ha-1 (1.95 ± 0.91 Mg C ha-1 y-1 on average) were obtained, corresponding to an accountable value of 5.36 Mg CO2 eq ha-1 and according to the possibility to accredit only the 15% of the real value (Decision 16/CMP.1 UNFCCC). Sink values estimated with the model applied barely diverge from those obtained by similar studies on beech forests, that have been briefly reviewed and discussed here.

Keywords

Beech, CO2FIX v. 3.1, Carbon stock, Carbon sink, Kyoto Protocol

Introduzione 

Le foreste hanno un ruolo importante nel ciclo globale del carbonio (C - [19]). Inoltre la biomassa presente negli alberi dei nostri boschi rappresenta, assieme a quella nel suolo, la frazione più importante di anidride carbonica (CO2) fissata negli ecosistemi terrestri ([3]). Il C circola fra gli oceani, la biosfera e l’atmosfera. Le attività umane come lo sfruttamento di combustibili fossili e la deforestazione influenzano la concentrazione di CO2 nell’atmosfera ([17]). Se ne deduce che una stima precisa della biomassa arborea (fitomassa) è essenziale per poter valutare il contributo delle foreste al bilancio planetario del C ([39]). La quantificazione del C in foresta deve essere fatta tenendo conto dei 5 pools indicati dall’United Nation Framework Convention on Climate Change ([55]): biomassa epigea, biomassa ipogea, legno morto, lettiera e C organico nel suolo (SOC, Soil Organic Carbon). La concentrazione di C nel suolo è più elevata che nell’atmosfera e ciò indica l’importanza di questo pool di C. Inoltre, vi sono studi, come quello di Tonolli & Salvagni ([54]) in Italia, che confermano, se pur con un certo margine di incertezza, il contributo quasi paritetico fra il SOC e la biomassa epigea. Nonostante ciò, a causa delle ancora scarse informazioni riguardo al SOC, è possibile considerare nullo il contributo allo scambio di C di questo pool ai fini della contabilità del Protocollo di Kyoto, purché si dimostri che esso non rappresenti una fonte di emissione di CO2 in atmosfera. La capacità delle foreste di fissare la CO2 atmosferica è fondamentale sia ai fini della conoscenza e della gestione degli ecosistemi, sia per gli aspetti economici che da essi derivano (e.g., mercato dei crediti di carbonio disciplinato dal PK). La contabilizzazione delle foreste come sink di C è una sfida, ma le stime comportano alti gradi di incertezza ([12]) e di discrepanza fra metodi ([16]). Houghton ([16]) suggerisce che le differenze fra le varie stime del sink di C ottenute con metodi diversi non sono dovute ad alti livelli di incertezza, ma semplicemente a conteggi incompleti. Secondo Bravo ([3]) gli strumenti attualmente riconosciuti dalla comunità scientifica per quantificare la fissazione del C nella fitomassa sono riconducibili a: 1) inventari forestali a piccola o a grande scala); 2) stime del cambio di superficie; 3) modelli empirici: tavole dendrometriche (regionali o locali), fattori di espansione della biomassa (Biomass Expansion Factors, BEFs), relazioni allometriche; 4) modelli empirici di crescita e/o di produzione (a scala di ecosistema, di popolamento o del singolo individuo); 5) telerilevamento. A queste vanno aggiunte le tecniche di micrometeorologia che fanno uso di torri (eddy covariance towers) per la valutazione dei flussi di C fra ecosistema ed atmosfera.

La fissazione o capacità di sink degli ecosistemi forestali è collegata con le attività addizionali indicate dall’articolo 3.4 del Protocollo di Kyoto (PK) che prevedono quale strumento attuativo la gestione forestale (Forest Management, FM). Secondo l’IPCC ([18]) le terre classificabili come soggette a FM sono quelle che corrispondono ai requisiti richiesti dalla definizione di bosco adottata in sede nazionale e su cui sono svolte le attività di gestione forestale indicate dal nostro Paese. Il metodo per la contabilizzazione di C per le attività di FM è detto gross-net accounting (Schlamadinger et al. 2007) e considera esclusivamente variazioni di stock di C dovute alle differenze tra emissioni (source) e prelievi (sink) durante un periodo di conteggio, senza che queste siano confrontate con le variazioni dello stock avvenuto in un periodo (o anno) di riferimento. Il sink totale generato da questa tipologia di attività addizionale può essere contabilizzato ai fini del mercato dei crediti solo sino ad esaurimento del valore assegnato all’Italia dalla Decisione 8/CMP.2 ([56]) e che è stato calcolato applicando un fattore di sconto dell’85% alle stime presentate dal Paese al Segretariato dell’UNFCCC. Sebbene un tale fattore di sconto non sia previsto dalle regole successive di calcolo dei sink forestali tuttavia è opportuno considerare il 15% dell’assorbimento netto come quantità utilizzabile per crediti di carbonio dalle attività di FM, anche in considerazione di possibili procedure di ricalcolo e aggiustamento.

Lo scopo di questo lavoro è quello di quantificare i crediti di CO2 equivalenti ad ettaro (CO2 eq ha-1) generabili dalle attività di FM di un bosco di faggio nel Primo Periodo di Impegno (1st Commitment Period) 2008-2012 con il modello CO2FIX v. 3.1. Questo modello rappresenta una fra le più moderne applicazioni per lo studio dei flussi di carbonio fra ecosistemi forestali ed atmosfera, inoltre, esso consente di quantificare dinamicamente il sequestro potenziale di C, nei 5 pools stabiliti dall’UNFCCC.

Si stima inoltre la potenzialità dell’ecosistema oggetto dello studio, espressa come superficie di bosco necessaria per la produzione di crediti di carbonio da FM in quantità sufficiente a neutralizzare le emissioni CO2 di 2 tipologie di automobili (Box 1).

Box 1 - Stima della superficie necessaria per assorbire le emissioni di CO2 di un’ automobile

Il calcolo è stato svolto ipotizzando una percorrenza media di 20000 Km l’anno per due differenti tipi di automobile: (1) utilitaria; fattore di emissione pari a 125 g CO2 km-1; (2) fuoristrada; fattore di emissione pari 190 g CO2 km-1. In entrambi i casi il calcolo è basato sul valore medio ad ettaro di CO2eq ricavabile da attività di FM (ovvero il sink scontato dell’85%) poste in essere sulla superficie forestale oggetto dello studio. La superficie di bosco necessario per assorbire le emissioni di un’utilitaria è risultata in media uguale a 3.19 (± 2.94) ha mentre per un fuoristrada il valore sale a 4.85 (± 4.47) ha.

 Enlarge/Shrink

Materiali e metodi 

Area di studio

Lo studio è stato condotto in un bosco di faggio delle Serre calabre (Appennino Meridionale - Fig. 1) recentemente assestato ([37]). I boschi di faggio di quest’area possono essere riferiti, secondo la classificazione tipologica di Mercurio & Spampinato ([28]), alla tipologia “Faggeta ad agrifoglio” che corrisponde alle seguenti classificazioni Europee:

Fig. 1 - Localizzazione dell’area studio.

 Enlarge/Shrink  Open in Viewer

  • 41.18 Southern Italian beech forests, CORINE ([7]);
  • 9210* Apennine beech forests with Taxus and Ilex, Natura 2000 ([8]);
  • 6.7.3 Apennine-Corsican montane beech forests, European Forest Types ([6]).

Si tratta di faggete meso-termofile che presentano numerose specie nemorali in comune con quelle europee (Sanicula europea, ecc.) ed altre invece esclusive e tipiche delle faggete dell’Italia meridionale (Anemome apennina ecc.). Lo strato arboreo è dominato dal faggio. Lo strato arbustivo e scarsamente sviluppato e rappresentato esclusivamente da Ilex aquifolium. Lo strato erbaceo è caratterizzato da specie indicatrici di buona fertilità quali Galium odoratum, Sanicula europea, ecc. In questa tipologia si riscontrano popolamenti con alberi di buona forma, che in alcuni casi superano i 30 m. I suoli sono in genere evoluti, profondi, a tessitura franco-sabbiosa, acidi, ricchi di sostanza organica con alta capacità di ritenuta idrica, riferibili ai Typic Dystrudept (Inceptisols, [57]). Secondo la classificazione di Rivas Martinez ([45]) queste faggete rientrano nel macrolima temperato, ombrotipo iperumido, termotipo mesomediterraneo con caratteri di transizione. I principali parametri dendroa-auxometrici vengono riportati nella Tab. 1.

Tab. 1 - Caratteristiche della compresa Boschi di faggio: (valore minimo) media (valore massimo).

Forma di governo Fustaia
Tipo di gestione passata Tagli a scelta, tagli successivi
Densità (n. piante ha-1) (409) 661 (913)
Diametro medio (cm) (20.1) 30.55 (41.0)
Età (anni) (80) 100 (120)
Altezza media (m) (19) 22.1 (24.8)
Area basimetrica (m2 ha-1) (26.5) 40.5 (54.5)
Massa all’anno 2008 (m3 ha-1) (333) 491.1 (753)
Superficie della compresa (ha) 223.95
Coordinate UTM WGS 84 33N (m) 617833 E - 4287660 N
Altitudine (m s.l.m.) 800-1000

 Enlarge/Shrink  Open in Viewer

Il modello CO2FIX v. 3.1

CO2FIX è un modello a scala di ecosistema (ecosystem-level model) che consente di calcolare il C in foresta della biomassa (fitomassa), del suolo e dei prodotti legnosi con cadenza annuale o per un periodo di riferimento ([27]).

Fig. 2 - I moduli di CO2FIX ([49] - ridisegnato). Le frecce rappresentano i flussi di C: in verde le perdite dell’atmosfera (Atm loss); in rosso gli incrementi nell’atmosfera (Atm inc).

 Enlarge/Shrink  Open in Viewer

Il modello è diviso in 6 moduli: biomassa (biomass), suolo (soil), prodotti (products), bioenergia (bioenergy), modulo finanziario (finance module) e di accreditamento (carbon accounting module - Fig. 2). In questo studio sono stati utilizzati i primi due moduli. CO2FIX fornisce risultati in forma grafica e di tabelle ed è stato scelto perché consente di: 1) calcolare e stimare lo stock di C; 2) calcolare e stimare i flussi di C fra ecosistema ed atmosfera e quindi la capacità di sink e di source quale conseguenze di un protocollo di gestione (utilizzazioni). Lo stock totale di C calcolato dal modello è dato dalla somma del C nella biomassa (Cbio cheinclude la necromassa in piedi), del C nel suolo (Csuolo che include la necromassa giacente a terra) e dal C nei prodotti legnosi di cui non si è tenuto conto in questo lavoro (Cprodotti - eqn. 1):

\begin{equation} C_{stock\,tot} = C_{bio} + C_{suolo} + C_{prodotti} \end{equation}

Lo stock di C e i flussi nella fitomassa vengono calcolati come bilancio fra l’incremento corrente (CAI, Current Annual Increment) da una parte, e turnover, mortalità e utilizzazioni dall’altra parte, tramite un approccio a coorti (cohort model approach - [43]). Una coorte può essere definita come un gruppo di alberi o di altre specie vegetali che presentano le stesse caratteristiche di accrescimento e per cui è possibile trattare come singola entità all’interno del modello ([58], [1]). Grazie a questo tipo di approccio è possibile applicare il modello a popolamenti plurispecifici e/o pluristratificati o tenere conto, nel conteggio dello stock di C, di altri tipi di vegetazione (ad es., vegetazione arbustiva, muschi ecc., che in casi particolari contribuiscono per buona parte allo stock totale di C di un ecosistema forestale). Lo stock totale (Cb) è dato dalla sommatoria dello stock di ogni singola coorte (Cb it - eqn. 2):

\begin{equation} Cb = \sum Cb_{it} \end{equation}

dove Cb it è il C stoccato nella fitomassa della coorte i al tempo t (Mg C ha-1).

Per ogni nuovo periodo temporale (Cb it +1) la fitomassa è calcolata come bilancio fra la fitomassa originaria (Cb it), più l’incremento di fitomassa (Ib it), meno il turnover dei rami, foglie e radici (T it), meno la mortalità naturale (Mn it), meno le utilizzazioni (U it), meno la mortalità causata dalle operazioni di utilizzazione (Mu it - eqn. 3):

\begin{equation} Cb_{it+1} = Cb_{it} + Kc (Ib_{it} - Mn_{it} - T_{it} - U_{it} - Mu_{it}) \end{equation}

dove Kc è una costante per trasformare la fitomassa in contenuto di C.

Per simulare Ib it il modello usa come input il CAI che può essere calcolato attraverso le tavole alsometriche. Dal CAI viene calcolato il tasso di crescita per il compartimento foglie, rami e radici utilizzando coefficienti di allocazione. In questo studio i coefficienti di allocazione sono considerati costanti per il periodo di simulazione. Il modello offre due possibilità per parametrizzare l’accrescimento di ogni singola coorte: 1) in funzione dell’età del popolamento (CAI, tavole alsometriche); 2) in funzione della biomassa totale. Nel secondo caso l’accrescimento viene espresso come rapporto fra biomassa esistente e quella massima raggiungibile dall’ecosistema (utile per le foreste tropicali). In questo studio il CAI è considerato costante per il periodo di simulazione (Tab. 2).

Tab. 2 - Parametri di input del modello CO2FIX per il calcolo del C nella fitomassa.

Tipo
Parametri
Parametri del modello Riferimento Commenti
Parametri
generali
Densità basale Giordano ([11]) 0.61 (Mg/m3)
Stock iniziale Piano di gestione ([37]) 491.1 m3 ha-1 massa dendrometrica
Periodo simulato 5 anni 2008-2012 primo periodo d’impegno
Parametri della
fitomassa
Coefficienti
ripartizione
biomassa
[26] I valori per il faggio sono stati utilizzati per parametrizzare la crescita relativa dei compartimenti radici, rami e foglie rispetto a quella del fusto
CAI (Current Annual Increment) Stimato tramite il metodo di Borggreve ([15]) a livello di compresa
forestale è considerato costante per l’omogeneità fisionomica del bosco e per la brevità del periodo di simulazione (5 anni)
(4.6) 6.6 (7.2)
(m3 ha-1 anno1)
Mortalità Nulla Per la brevità del periodo considerato
Necromassa
(a terra)
[28], [2], [47] 3 (Mg C ha-1)
Utilizzazioni Piano di gestione ([37]) Parametrizzate tramite il piano dei tagli

 Enlarge/Shrink  Open in Viewer

La mortalità naturale (Mn it), conteggiata dal modello come necromassa in piedi, può essere parametrizzata in funzione dell’età del popolamento o in funzione della biomassa totale per ogni singola coorte; la mortalità causata dalle operazioni forestali (Mu it) viene parametrizzata come percentuale della biomassa che muore dopo le operazioni di utilizzazione. In questo studio la mortalità naturale è considerata nulla nel periodo di simulazione.

Il turnover (Tbit) di ogni coorte è stimato come somma dei singoli turnover dei compartimenti foglie, rami e radici.

La biomassa asportata dalle utilizzazioni (Uit) viene parametrizzata come percentuale sottratta dalla biomassa totale nell’anno di riferimento nel periodo di simulazione. Questa può essere allocata nel modulo prodotti, inoltre, è possibile parametrizzare la quantità di residui di lavorazione che rimangono al suolo come percentuale sottratta dalla biomassa asportata.

Il SOC è stato valutato attraverso il modello YASSO incluso come modulo in CO2FIX ([27], [24]). Il modello, costituito da 5 compartimenti di decomposizione e 2 compartimenti per il legno morto giacente a terra (coarse woody debris - Fig. 3), è stato parametrizzato per stimare il SOC fino alla profondità di 1 metro di suolo minerale. I dati di base del modello, che vengono considerati costanti per il periodo di simulazione, sono: (1) i tassi di input di C nel suolo (produzione di lettiera, legno morto, radici) e (2) dati termo-pluviometrici (da cui dipendono i tassi di decomposizione della lettiera e del legno morto stimati da YASSO). YASSO nasce per fornire dati di riferimento a carattere generale, in quanto le conoscenze su questo indicatore sono ancora scarse: nonostante ciò è stato testato in regioni tropicali, temperate e boreali con esito positivo ([27], [10]).

Fig. 3 - Diagramma di flusso del modello YASSO. I box rappresentano i compartimenti di C mentre le frecce rappresentano i flussi di C ([49]).

 Enlarge/Shrink  Open in Viewer

Il modello CO2FIX stima i flussi di C annuali di entrata (Atm loss) e di uscita (Atm inc) dall’ecosistema a cadenza annuale come bilancio fra la produzione (biomassa prodotta, CAI) da una parte, e tassi di decomposizione del suolo (lettiera e legno morto giacente a terra, stimati dal modello YASSO) e dei prodotti (utilizzazioni) dall’altra. Per il C stoccato nei prodotti il modello fornisce 3 opzioni (Fig. 2): 1) può essere conteggiato per intero come rilasciato nell’atmosfera (questo studio); 2) viene calcolata la progressiva decomposizione dei prodotti durante il ciclo di vita e le conseguenti emissioni di CO2 attraverso il modulo prodotti; 3) viene utilizzato il modulo della bioenergia che prende in considerazione le emissioni nell’atmosfera generate dallo sfruttamento dei prodotti come biomasse. La capacità di sink o di source dell’ecosistema viene calcolata attraverso i dati dei flussi annuali stimati dal modello per il periodo di simulazione come differenza fra le perdite dell’atmosfera (Atm loss t = carbonio sottratto all’atmosfera al tempo t) e gli incrementi nell’atmosfera (Atm inc t = carbonio immesso nell’atmosfera al tempo t - eqn. 4):

\begin{equation} Sink_t = Atm\,loss_t - Atm\,inc_t \end{equation}

I valori di Atm inc e Atm loss rappresentano il bilancio netto di tutti i cambiamenti che avvengono a livello della biomassa, del suolo e dei prodotti mentre i dati dei singoli compartimenti (fusto, foglie, ecc.) forniti dal modello non tengono conto di tali cambiamenti. Ciò vuol dire che i valori di riferimento per applicare il metodo della differenza di stock di inventari successivi ([50]) sono quelli di Atm inc e Atm loss forniti da CO2FIX e non quelli dello stock dei compartimenti della fitomassa (fusto, foglie, ecc.; per ulteriori chiarimenti si rimanda a [49]).

Il sink totale del periodo di simulazione è dato dalla sommatoria dei sink annuali (sink t - eqn. 5):

\begin{equation} Sink_{tot} = \sum sink_t \end{equation}

Secondo l’IPCC ([18]) nella valutazione del bilancio del C è necessario giustificare l’esclusione di stocks di carbonio in foresta. In questo studio sono state escluse dal conteggio tutte le piante con diametro a petto d’uomo inferiore a 2.5 cm, soglia minima di cavallettamento ([37]).

L’attendibilità della stima di CO2FIX dipende soprattutto da due aspetti: 1) dalla natura stocastica dei coefficienti stimati dal modello; 2) dalla mancanza o dalla cattiva natura dei dati di input utilizzati per la stima del C ([49]). Secondo Nabuurs & Mohren ([32]) per ottenere risultati attendibili è necessario: a) utilizzare il modello a scala locale; b) utilizzare il modello per popolamenti omogenei sotto il profilo strutturale; c) utilizzare dati a valenza locale ed aggiornati. Secondo Nabuurs et al. ([35]) i parametri di input che dimostrano di avere maggiore influenza sul sequestro di C calcolato tramite CO2FIX sono la densità basale del legno, il contenuto di C del legno ed il CAI. Queste considerazioni valgono soprattutto per il calcolo delle variazioni di stock della fitomassa.

Per ulteriori dettagli su CO2FIX e YASSO è possibile consultare il lavori di Mohren et al. ([30]), Nabuurs & Schelhaas ([34]), Masera et al. ([27]), Schelhaas et al. ([49]) e Liski et al. ([24]).

In questo studio il modello è stato testato a livello di compresa forestale utilizzando i dati dendrometrici e delle utilizzazioni forniti nel piano dei tagli del Piano di Gestione Forestale ([37]). In Tab. 3 viene riportata un breve rassegna dei modelli sviluppati con lo scopo di valutare quantitativamente e qualitativamente il C in foresta.

Tab. 3 - Modelli per la quantificazione della fissazione di CO2 negli ecosistemi forestali.

Modello Riferimenti Commenti Applicazioni
LANDIS II [14], [29], ⇒ http:/­/­www.landis-ii.org/­ Scala di paesaggio Foreste tropicali e temperate
PROGNAUS [53], ⇒ http:/­/­www.waldwissen.net/­themen/­inventur_monitoring/­progonosemodelle/­bfw_Prognaus_EN Albero individuale Foreste tropicali
GOTILWA+ [46], [13], ⇒ http:/­/­www.creaf.uab.es/­gotilwa+/­Index.htm Processi fisiologici della
crescita del singolo individuo
Australia, USA
GORCAM [25], [51], ⇒ http:/­/­www.joanneum.at/­gorcam.htm Flussi di carbonio a scala
di popolamento
Canada
FullCAM 3.0 [44], ⇒ http:/­/­www.climatechange.gov.au/­ncas/­activities/­modelling.html Il modello è composto da più sottomodelli Australia
3PG [22], ⇒ http:/­/­www.fsl.orst.edu/­mycology/­ss/­3PG.htm Processi fisiologici
della crescita
Australia, Nuova Zelanda, Oregon
TreeGrOSS [36], [52], ⇒ http:/­/­www.nw-fva.de/­~nagel/­treegross/­ - Germania
BWIN Pro-S ⇒ http:/­/­www.forst.tu-dresden.de/­Waldwachstum/­simulator_ww_e.htm Albero individuale Germania
SPECIES [38] - USA
CenW 3.1 ⇒ http:/­/­www.kirschbaum.id.au/­Welcome_Page.htm - Australia
CO2Fix 3.1 [27], [49], vedi testo Scala eco sistemica si serve
del sottomodello YASSO
per il suolo
America del sud, nord e centro Europa

 Enlarge/Shrink  Open in Viewer

Dati e parametri di input del modello

I parametri di input per la stima del C nella fitomassa sono stati ottenuti attraverso l’analisi bibliografica ed analisi condotte direttamente in bosco (Tab. 2).

I parametri per il calcolo del C organico tramite il modello YASSO sono stati stimati attraverso: (a) l’analisi delle serie storiche di 5 stazioni termo-pluviometriche prossime all’area studio (per il calcolo del tasso di decomposizione della lettiera); (b) analisi bibliografica per calcolare i tassi di input di C nel suolo (Tab. 4).

Tab. 4 - Parametri di input del modello CO2FIX per il calcolo del SOC.

Parametri del modello Riferimento Commenti
Totale delle precipitazioni durante la stagione vegetativa (Aprile-Ottobre) Analisi delle serie
storiche
-
Somma delle temperature dei giorni con T > 0 °C Analisi delle serie
storiche
-
Evapotraspirazione potenziale ([49], [27], [24]) Il metodo per il calcolo della evapotraspirazione potenziale fa parte del modello YASSO.
Input di lettiera [48] Tramite campionamento sistematico all’interno di aree si saggio è stata valutata la quantità e la qualità della lettiera in popolamenti di faggio dell’Appennino Calabrese paragonabili a quelli oggetto di questo studio.
Input radici Masci et al. ([26]) -

 Enlarge/Shrink  Open in Viewer

Il calcolo dei crediti di CO 2 eq

Il 15 % del valore totale del sink (Mg C ha-1) è stato moltiplicato per il fattore di conversione (44/12 per la CO2) in modo da ottenere i crediti di CO2 equivalenti (Mg CO2 eq ha-1 - eqn. 6):

\begin{equation} 1\,Mg\,C\,ha_{-1} = 44/12\,Mg\,CO_2\,eq\,ha^{-1} = 3.66\,Mg\,CO_2\,eq\,ha^{-1} \end{equation}

Risultati 

Il sink generato dall’ecosistema ed i CO2 eq

Il modello indica che il C fissato dall’ecosistema nel periodo 2008-2012 dalle attività di FM è pari a 9.77 Mg C ha-1 (in media 1.95 ± 0.91 Mg C ha-1 anno-1 nel periodo di simulazione - Tab. 5).

Tab. 5 - Ripartizione del Ceco (Mg C ha-1). Nota bene, il valore di Atm loss predetto da CO2FIX è costante nel periodo di simulazione (5.54): questo comportamento del modello è dovuto al valore costante del CAI utilizzato per il periodo di simulazione (Fig. 2). I valori di Atm inc e Atm loss rappresentano il bilancio netto di tutti i cambiamenti che avvengono a livello della biomassa, del suolo e dei prodotti mentre i dati dei singoli compartimenti (fusto, foglie, ecc.) forniti dal modello non tengono conto di tali cambiamenti. (*): legno morto.

Periodo di
riferimento
Fusto Foglie Rami Radici Lettiera SOC + LM* Tot Atm inc Atm loss Sink
2008 127.52 2.04 23.58 43.01 1.95 85.46 283.56 3.33 5.54 2.21
2009 129.54 2.12 24.27 43.48 1.92 83.98 285.31 3.05 5.54 2.49
2010 129.05 2.09 24.47 43.1 1.99 83.2 283.9 5.18 5.54 0.36
2011 131.06 2.13 25.15 43.56 2 82.64 286.54 2.94 5.54 2.60
2012 133.08 2.14 25.81 44.02 2.01 82.17 289.23 3.43 5.54 2.11
% 45.52 0.74 8.63 15.2 0.69 29.22 100 - - -
somma - - - - - - - 17.93 27.70 9.77
media 130.05 2.10 24.66 43.43 1.97 83.49 285.71 3.59 5.54 1.95
DS 2.11 0.04 0.85 0.40 0.04 1.29 2.30 0.91 - 0.91

 Enlarge/Shrink  Open in Viewer

La dinamica del sink viene riportata nella Fig. 4 per due scenari: con e senza utilizzazioni. Nello scenario senza utilizzazioni il valore medio del sink nel periodo di simulazione è di 2.37 (± 0.2) Mg C ha-1 anno-1.

Fig. 4 - Dinamica del sink di C dell’ecosistema nel Primo Periodo di Impegno (2008-2012).

 Enlarge/Shrink  Open in Viewer

Il totale crediti di carbonio generabili nel primo periodo d’impegno dalle attività di FM (art. 3.4 del PK) è di 5.36 Mg CO2eq ha-1 mentre la media annua per il primo periodo è di 1.07 (± 0.5) Mg CO2eq ha-1 anno-1. I valori non scontati sono riportati in (Tab. 6).

Tab. 6 - Valori del sink di C prodotto dall’ecosistema e della corrispondente quantità di crediti di carbonio potenzialmente generabili ai fini delle attività di FM per il periodo d’impegno del Protocollo di Kyoto.

Anno Sink
(Mg C ha-1 anno-1)
Crediti totali generati
dall’ecosistema
Crediti utilizzabili ai fini
del FM art. 3.4 del PK
Fattore di conversione (44/12) CO2 eq
(Mg CO2 eq ha-1 anno-1)
Riduzione al 15% CO2 eq
(Mg CO2 eq ha-1 anno-1)
2008 2.21 3.66 8.05 -85 % 1.21
2009 2.49 3.66 9.15 -85 % 1.37
2010 0.36 3.66 1.46 -85 % 0.20
2011 2.60 3.66 9.52 -85 % 1.43
2012 2.11 3.66 7.69 -85 % 1.16
media 1.95 - 7.17 - 1.07
DS 0.91 - 3.27 - 0.50
somma 9.77 - 35.87
(Mg C ha -1 2008-2012)
- 5.36
(Mg C ha -1 2008-2012)

 Enlarge/Shrink  Open in Viewer

Lo stock e il sink di C dell’ecosistema

La sommatoria dello stock dei 5 pools di C è detta anche C ecosistemico (Ceco). L’output del modello indica che il Ceco varia durante il periodo di riferimento ed in media risulta essere pari a 285.71 (± 2.3) Mg C ha-1 (Tab. 5). Il modello indica che il pool che contribuisce maggiormente allo stock di C è la biomassa epigea (fusto, rami e foglie: 54.89 %). Il solo compartimento del fusto contribuisce per il 45.52 % seguito da quello dei rami (8.63 %) e delle foglie (0.74 % - Tab. 5). Il pool suolo contribuisce per il 29.22 % (Tab. 5). La ripartizione del C nei vari pools viene riassunta nella Fig. 3.

Il SOC ottenuto dal modello per il periodo di simulazione è in media di 83.49 (± 1.29) Mg C ha-1. La dinamica del SOC è diversa da quella del C nella biomassa. Nel periodo simulato esso mostra un trend decrescente mentre il C nella biomassa epigea tende ad aumentare (Fig. 5).

Fig. 5 - Dinamica dello stock di C nel suolo (SOC) e nel fusto per il periodo di simulazione.

 Enlarge/Shrink  Open in Viewer

Confronto fra volume atteso e volume osservato nell’anno di inizio simulazione

La massa dendrometrica attesa calcolata dal modello per la compresa boschi di faggio per il primo anno di simulazione (2008) è di 495.4 m3 ha-1 mentre quella osservata per lo stesso anno è di 491.1 m3 ha-1 ([37]).

Discussione 

I dati stimati dal modello CO2FIX indicano che nel periodo di simulazione la compresa forestale si comporta come sink in maniera differenziata nel tempo. L’effetto principale di tale variazione è da attribuire alle utilizzazioni programmate per l’anno 2010 (sink = 0.36 Mg C ha-1 - Tab. 5, Fig. 4) in quanto il C asportato viene considerato come rilasciato nell’atmosfera. Queste osservazioni mettono in evidenza come la gestione forestale ed in particolare la selvicoltura influiscano sulla capacità di fissazione del C degli ecosistemi forestali. Il valore di assorbimento medio ottenuto dal modello, di 1.95 (± 0.91) Mg C ha-1 anno-1 nel periodo di simulazione, differisce di poco da quello riportato da Pregitzer & Euskirchen ([41]) di 1.7 (± 3.2) Mg C ha-1 anno-1 per le foreste temperate. Nabuurs & Schelhaas ([34]) hanno valutato il sink in 16 tipi forestali Europei dislocati in 10 Stati (Italia compresa, rappresentata dalle faggete dell’Appennino centrale, CAI = 7 m3 ha-1 anno-1) attraverso il software CO2FIX ottenendo un valore medio di culminazione della capacità di assorbimento di (1.15) 2.98 (4.1) Mg C ha-1 anno-1, che per la maggior parte delle tipologie si verifica dopo il 38esimo anno mentre i valori scendono a (0.13) 0.8 (1.4) Mg C ha-1 anno-1 dopo il 200esimo anno. A causa dell’alta variabilità dei dati, i valori forniti da Nabuurs e Schelhaas sono da considerare indicativi; inoltre gli autori non riportano i valori per singola tipologia. Mund ([31]) riporta per una faggeta trattata a tagli successivi in Germania valori di 4.6 Mg C ha-1 anno-1. Tonolli & Salvagni ([54]) riportano valori di 1.84 Mg C ha-1 anno-1 per una faggeta di 45 anni in provincia di Vicenza. Pilli et al. ([40]) riportano per una fustaia transitoria di faggio in provincia di Vicenza valori di 2.36 Mg C ha-1 anno-1 (questo valore è vicino a quello predetto dal modello in questo studio per il periodo di simulazione di 2.37 Mg C ha-1 anno-1 nello scenario senza utilizzazioni - Fig. 6, Tab. 7).

Fig. 6 - Ripartizione del C nei pools dell’ecosistema nel periodo di simulazione (media Mg C ha-1).

 Enlarge/Shrink  Open in Viewer

Tab. 7 - Valori medi di sink (Mg C ha-1 anno-1) riportati da vari autori ed in questo studio. (I): media delle 16 stime fino al 38esimo anno di età. (II): media delle 16 stime dopo il 200esimo anno di età. (*): valore medio calcolato per il periodo di simulazione ± DS; (**): valore medio calcolato nel periodo di simulazione ± DS per lo scenario senza utilizzazioni.

Sink Riferimento Commenti Località
(1.15) 2.98 (4.1)I
(0.13) 0.8 (1.4)II
Nabuurs & Schelhaas ([34]) Valori stimati attraverso il
modello CO2FIX v. 3.1
16 stati dell’Europa tra cui l’Italia.
4.6 Mund ([31]) metodo della variazione dello stock (stock change method - [33]) Germania centrale
1.7 (±3.2) Pregitzer & Euskirchen ([41]) Valore medio ottenuto da studi vari. Foreste temperate
1.84 Tonolli & Salvagni ([54]) Metodo della variazione dello stock (stock change method - [33]) Provincia di Trento (ITA)
2.36 Pilli et al. ([40]) Relazioni allometriche e metodo della variazione dello stock (stock change method - [33]) Provincia di Vicenza (ITA)
1.95 (±0.91)*
2.37 (±0.2)**
questo studio Valori stimati attraverso il
modello CO2FIX v. 3.1
Appennino Calabrese (ITA)

 Enlarge/Shrink  Open in Viewer

Il Ceco ottenuto dal modello di 285.71 (± 2.3) Mg C ha-1, nel periodo di simulazione, risulta maggiore rispetto ai valori riportati da Tonolli & Salvagni ([54]) di 176.2 (± 43.91) Mg C ha-1 (per le faggete della Provincia di Trento), da Prentice ([42]) di 218 Mg C ha-1, da Pregitzer & Euskirchen ([41]) di 239 (± 101) Mg C ha-1 e da Mund ([31]) di 255.28 Mg C ha-1. Pregitzer & Euskirchen ([41]) riportano che la variabilità di questo indicatore aumenta nei popolamenti di età avanzata (old growth forests).

Il valore medio del C della biomassa epigea ottenuto dal modello del periodo di simulazione di 156.8 (± 2.99) Mg C ha-1 risulta: a) maggiore rispetto ai valori riportati da Pilli et al. ([40]), Visonà et al. ([59]), Joosten et al. ([20]) e Tonolli & Salvagni ([54]); b) minore rispetto ai valori riportati da Calamini et al. ([4]), Masci et al. ([26]) e Mund (2004 - Tab. 8). Dalla Tab. 8 si evince inoltre come i valori delle faggete di età comparabile ([26], [31]) sono molto simili. Il C nella biomassa epigea tende ad aumentare nel periodo di simulazione (Tab. 5) e ciò indica che le utilizzazioni previste non superano il saggio naturale di accrescimento. In un’ottica di lungo periodo questo tipo di gestione tende a far incrementare lo stock di C nella fitomassa.

Tab. 8 - Valori di biomassa epigea (media Mg C ha-1) riportati da vari autori e in questo studio. * altezza dominante.

Età
(anni)
Densità
(p ha-1)
Altezza
(m)
Biomassa epigea
(Mg C ha-1)
Riferimento Località
60 3590 10.3 147 Visonà et al. ([59]) Monte Terminillo (ITA)
90-115 398 23.1 319.5 Calamini et al. ([4]) Appennino Pistoiese (ITA)
105 885 18 208.17 Masci et al. ([26]) Appennino Abruzzese (ITA)
- - - 120 Joosten et al. ([20]) Germania occidentale
85-102 511 24.5 167.11 Mund ([31]) Germania centrale
- - - 57.41 Tonolli & Salvagni ([54]) Provincia di Trento (ITA)
45 - 13* 89 Pilli et al. ([40]) -
80-120 661 22.1 156.81 questo studio Appennino Calabrese (ITA)

 Enlarge/Shrink  Open in Viewer

Il valore medio del SOC nel periodo di simulazione ottenuto dal modello di 83.49 (± 1.29) Mg C ha-1 è in linea con i valori riportati da Mund ([31]), Pregitzer & Euskirchen ([41]), Tonolli & Salvagni ([54]), mentre risulta minore ai valori riportati da Eswaran et al. ([9]) e Prentice (2001 - Tab. 9). La Fig. 5 e la Tab. 5 mettono in evidenza una diminuzione dello stock di C del suolo. Fermo restando che, in generale, i valori di questo indicatore, nonché di quelli forniti da CO2FIX, sono da considerare di larga massima e i dati di input del modello YASSO sono costanti nel periodo di simulazione, il trend negativo può essere attribuito a due aspetti che meritano ulteriori approfondimenti: 1) al regime di utilizzazioni; infatti, su questo aspetto vi sono studi ([5], [21], [23]) che dimostrano come il SOC diminuisce in conseguenza ad interventi selvicolturali; 2) alla risposta lenta del modello YASSO per raggiungere un equilibrium ; in questo caso avendo a disposizioni dati storici si sarebbe potuto inizializzare il modello partendo da un periodo precedente a quello di simulazione. Nonostante ciò, come già riportato, i valori medi forniti dal modello sono in linea con altri studi analoghi.

Tab. 9 - Valori di SOC (media ± DS Mg C ha-1) riportati da vari autori e in questo studio. (*): valore medio calcolato per il periodo di simulazione.

SOC Riferimento Commenti Località
96 Eswaran et al. ([9]) Valori ottenuti da studi vari Foreste temperate
151 Prentice ([42]) Valore ottenuti da studi vari Foreste temperate
88.17
(±9.3)
Mund ([31]) Valori stimati attraverso campionamento sistematico all’interno di aree di saggio Germania centrale
82.3
(±39.5)
Pregitzer & Euskirchen ([41]) Valore ottenuti da studi vari Foreste temperate
88.64
(±22.24)
Tonolli & Salvagni ([54]) Valori stimati attraverso
campionamento sistematico all’interno di aree di saggio
Provincia di Trento (ITA)
83.49
(±1.29)*
questo studio Valori stimati attraverso il
modello YASSO
Appennino Calabrese (ITA)

 Enlarge/Shrink  Open in Viewer

Il rapporto fra il C contenuto nella biomassa epigea e SOC (C biomassa epigea/SOC) in questo studio è uguale a 2.16; secondo i dati ottenuti da Mund ([31]) è di 1.9, mentre secondo i dati di Tonolli & Salvagni ([54]) è di 0.65. Ciò indica una grande variabilità del parametro.

Conclusioni 

Il modello CO2FIX si è dimostrato uno strumento valido per la stima del sink di carbonio di un popolamento forestale e dei relativi crediti generabili dalle attività di FM. La flessibilità di questo strumento si traduce: (a) nella relativa facilità di reperire i dati di input sia per il modulo della biomassa che del suolo; (b) nella possibilità di parametrizzare con precisione le attività di utilizzazione; (c) nella possibilità di inizializzare il modello senza la necessità di disporre di dati storici (purché vi sia corrispondenza fra i dati osservati e quella forniti dal modello). Gli accorgimenti necessari per l’uso del modello sono quelli di utilizzare dati sito-specifici ed aggiornati. La stima deve essere considerata a valenza locale considerando che il contenuto di C negli ecosistemi forestali è molto variabile. Il valore di sink fornito dal modello CO2FIX è dello stesso ordine di grandezza di altri lavori presenti in letteratura e dimostra che la compresa contribuisce positivamente (ma in maniera differenziata nel periodo di simulazione) alle attività di FM nel primo periodo d’impegno. I dati mettono in evidenza che, per il popolamento oggetto di questo studio, per mantenere positiva la fissazione di C dell’ecosistema forestale non si deve utilizzare una massa superiore a quella generata del saggio naturale di accrescimento. Nel caso di FM sarebbe opportuno poter conteggiare il carbonio fissato nei prodotti legnosi, in questo modo la quantità di C fissato aumenterebbe. Per fare questo sono necessari studi sui cicli di vita dei prodotti legnosi e strumenti attuativi quali la certificazione forestale (gestione forestale sostenibile e di filiera). In questo caso per i proprietari forestali, oltre al costo del Piano di Gestione Forestale, si deve sommare quello della certificazione che potrebbe essere ammortizzato nel lungo periodo, visti i valori effettivamente quantificabili ai fini dell’FM, dalla vendita di crediti di C. In questo senso la possibilità di sfruttare la capacità di assorbimento di C degli ecosistemi forestali, da parte di privati e delle amministrazioni, diventa un investimento di lungo periodo che potrebbe avere dei risvolti positivi o negativi a seconda delle decisione politiche e delle tendenze del mercato. Dal 1 gennaio 2008 è partita la contabilizzazione degli assorbimenti di carbonio con l’istituzione del Registro dei Serbatoi di Carbonio Agro-Forestali. Viste le prospettive future, in questa fase è opportuno indirizzare le azioni di ricerca verso la sperimentazione di sistemi selvicolturali e forme di trattamento che consentono la massimizzazione della capacità di fissazione di C dei popolamenti forestali mentre, per i proprietari e le amministrazioni, è opportuno prepararsi ad un’eventuale entrata “in gioco”, munendosi degli strumenti di pianificazione e di certificazione disponibili. In questo senso l’accorpamento delle proprietà in strumenti di gestione quali il consorzio forestale consente di contenere i costi. Come per tutte le attività imprenditoriali, c’è un margine di rischio da tenere in considerazione.

Per quanto riguarda il pool suolo esso è stato scarsamente considerato nel passato, in quanto privo di interesse economico, e perciò la carenza di dati e conoscenze è maggiore rispetto alla fitomassa. Le attuali azioni di mitigazione dei cambiamenti climatici hanno rivalutato il suolo come sink e stock di C e per questo motivo è necessario approfondire le conoscenze a riguardo.

Per quanto riguarda l’applicazione di modelli per la simulazione delle quantità di carbonio residente e dei flussi tra i vari serbatoi di carbonio, si noti che nel caso di piantagioni come ad esempio quelle all’interno delle attività denominate AR-CDM (Afforestation/Reforestation-Clean Development Mechanism) le stime ottenute dai modelli sono meno affette da errore.

Ringraziamenti 

Grazie a due anonimi revisori per i loro commenti utili alla stesura di questo manoscritto ed al Dr. Palosuo Taru per le informazioni fornite sul modello YASSO.

References

(1)
Alder D, Silva JNM (2000). An empirical cohort model for management of Terra Firma forest in the Brazilian Amazon. Forest Ecology and Management 130: 141-157.
CrossRef | Google Scholar
(2)
Barreca L, Gugliotta OI, Mercurio R (2005). Stime quantitative della necromassa in cedui di faggio nel Parco Nazionale dell’Aspromonte e nel Parco dell’Etna. Linea Ecologica 1: 40-45.
Google Scholar
(3)
Bravo F (2007). IPCC - El papel de los bosques españoles en la mitigación del cambio climático (1a Ediciòn 2007). Fundación Gas Natural Plaça del Gas, Barcelona, España.
Google Scholar
(4)
Calamini G, Gregori E, Hermanin L, Lopresti R, Monlacu M (1983). Studio di una faggetta nell’Appennino pistoiese: biomassa e produzione primaria netta epigea. Ann. Ist. Sperim. Studio e Dif. del Suolo 14:193-214.
Google Scholar
(5)
Covington WW (1981). Changes in forest floor organic matter and nutrient content following clear cutting in northern hardwoods. Ecology 62: 41-48.
CrossRef | Google Scholar
(6)
EEA (2006). European forest types. Technical Report n. 9.
Online | Google Scholar
(7)
EU Commission (1991). CORINE biotpes manual-habitats of the european community. A method to identify and describe consistently sites of major importance for nature conservation. Data specifications. Luxembourg, vol. 3, pp. 300.
Google Scholar
(8)
EU Commission (1999). Natura 2000. Interpretation manual of European union habitats.
Google Scholar
(9)
Eswaran H, Reich PF, Kimble JM, Beinroth FH, Padamnabhan E, Moncharoen P (2000). Global carbon stock. In: “Global climate change and pedogenic carbonates” (Lal R, Kimble JM, Eswaran H Stewat BA eds). CRC/Lewis Publisher, Boca Raton, FL, pp. 15-25.
Google Scholar
(10)
Gaboury S, Boucher JF, Villeneuve C, Lord D, Gagnon R (2008). Estimating the net carbon balance of boreal open woodland afforestation: a case-study in Quebèc’s closed-crown boreal forest. Forest Ecology and Management 257: 483-494.
CrossRef | Google Scholar
(11)
Giordano G (1983). Tecnologia del legno (3° edn). UTET, Torino, vol. 2.
Google Scholar
(12)
Grace J (2004). Understanding and managing the global carbon cycle. Journal of Ecology 92(2): 189-202.
CrossRef | Google Scholar
(13)
Gracia C, Pla E, Sánchez A, Sabaté S (2005). GOTILWA+: un modelo de crecimiento forestal basado en procesos ecofisiológicos. Cuadernos de la Sociedad Española de Ciencias Forestales 18: 21-28.
Google Scholar
(14)
He HS, Mladenoff DJ, Boeder J (1999). An object-oriented forest landscape model and its representation of tree species. Ecological Modelling 119: 1-19.
CrossRef | Google Scholar
(15)
Hellrigl B (1986). Il rilievo dendro-crono-auxometrico. In: “Nuove metodologie nella elaborazione dei piani di assestamento dei boschi” (Bagnaresi U, et al. eds). ISEA, Bologna, pp. 1121.
Google Scholar
(16)
Houghton RA (2003). Why are estimates of the terrestrial carbon balance so different? Global Change Biology 9 (4): 500-509.
CrossRef | Google Scholar
(17)
IPCC (2001). Climate change 2001: the scientific basis. Cambridge University Press, Cambridge, UK, pp. 881.
Google Scholar
(18)
IPCC (2003). Good practice guidance for land use, land-use change and forestry (Penmam J, Gytarsky M, Hiraishi T, Krug T, Kruger D, Pipatti R, Buendia L, Miwa K, Ngara T, Tanabe K, Wagner F eds). Institute for Global Environmental Strategies (IGES), Cambridge University Press, Cambridge, UK.
Google Scholar
(19)
IPCC (2007). Climate change 2007: the scientific basis. IPCC 4th assessment report, Working group I.
Google Scholar
(20)
Joosten R, Schumacher J, Wirth C, Schulte A (2004). Evaluating tree carbon predictions for beech (Fagus sylvatica L.) in western Germany. Forest Ecology and Management 189 (1-3): 87-96.
CrossRef | Google Scholar
(21)
Knoepp JD, Swank WT (1997). Forest management effects on surface soil carbon and nitrogen. Soil Sci. Soc. Am. J. 61: 928-935.
Google Scholar
(22)
Landsberg JJ, Waring RH (1997). A generalized model of forest productivity using simplified concepts of radiation use efficiency, carbon balance and partitioning. Forest Ecology and Management 95: 209-228. S0378-1127(97)00026-1
CrossRef | Google Scholar
(23)
Law BE, Thornton PE, Irvine J, Anthoni PM, van Tuyl FS (2001). Carbon storage and fluxes in ponderosa pine forests at different development stages. Global Change Biology 7: 755-777.
CrossRef | Google Scholar
(24)
Liski J, Palosuo T, Sievänen R (2005). Carbon and decomposition model Yasso for forest soils. Ecological Modelling 189: 168-182.
CrossRef | Google Scholar
(25)
Marland G, Schlamadinger B (1995). Biomass fuels and forest management strategies: How do we calculate the greenhouse-gas emissions benefits? Energy 20: 1131-1140.
CrossRef | Google Scholar
(26)
Masci A, Napoli S, Matteucci G, Scarascia Mugnozza G (1997). Produzione di biomassa ipogea e radicale in una faggeta e in un rimboschimento di abete rosso. SISEF Atti 1: 225-232.
Google Scholar
(27)
Masera OR, Garza-Caligaris J, Kanninen M, Karjalainen T, Liski J, Nabuurs GJ, Pussinen A, de Jong BHJ, Mohren, GMJ (2003). Modelling carbon sequestration in afforestation, agroforestry and forest management projects: the CO2FIX V.2 approach. Ecological Modelling 164: 177 199.
CrossRef | Google Scholar
(28)
Mercurio R, Spampinato G (2006). I tipi forestali delle Serre calabresi. Laruffa Editore, Reggio Calabria, pp. 218.
Google Scholar
(29)
Mladenoff DJ (2004). Landis and forest landscape models. Ecological Modelling 180: 7-19.
CrossRef | Google Scholar
(30)
Mohren GMJ, Garza Caligaris JF, Masera O, Kanninen M, Karjalainen T, Pussinen A, Nabuurs GJ (1999). CO2FIX for windows: a dynamic model of the CO2-fixation in forests - Version 1.2. IBN Research Report 99/3, pp. 33.
Google Scholar
(31)
Mund M (2004). Carbon pools of European beech forests (Fagus sylvatica) under different silvicultural management. PhD Thesis, Berichte des Forschungszentrums Waldökosysteme Reihe A, Band 189, pp. 256.
Online | Google Scholar
(32)
Nabuurs GJ, Mohren GMJ (1993). Carbon in Dutch forest ecosystems. Neth. J. Agr. Sci. 41: 309-326.
Google Scholar
(33)
Nabuurs GJ, Ravindranath NH, Paustian K, Freibauer A, Hohenstein W, Makundi W (2003). LUCF sector good practice guidance. Chapter 3: 3.1-3.272. In: “Good practice guidance for land use, land use change and forestry” (Penman J, Gytarsky M, Hiraishi T, Krug T, Kruger D, Pipatti R, Buendia L, Miwa K, Ngara T, Tanabe K, Wagner F eds). The Institute for Global Environmental Strategies for the Intergovernmental Panel on Climate Change, Hayama, Kanagawa, Japan.
Google Scholar
(34)
Nabuurs GJ, Schelhaas MJ (2002). Carbon profiles of forest types across Europe assessed with CO2FIX. Ecological Indicators 1: 213-223.
CrossRef | Google Scholar
(35)
Nabuurs GJ, van Putten B, Knippers TS, Mohren GMJ (2008). Comparison of uncertainties in carbon sequestration estimates for a tropical and a temperate forest. Forest Ecology and Management 256 (3): 237-245.
CrossRef | Google Scholar
(36)
Nagel J (1996). Anwendungsprogramm zur Bestandesbewertung und zur Prognose der Bestandesentwicklung. Forst u. Holz 51 (3): 76-78.
Google Scholar
(37)
Contabile G, Lavecchia M, Modica G (2008). Piano di gestione forestale. Piano di assestamento 2008-2017. Comune di San Vito sullo Ionio (CZ).
Google Scholar
(38)
Pearson RG, Dawson TP, Berry PM, Harrison PA (2002). SPECIES: a spatial evaluation of climate impact on the envelope of species. Ecological Modelling 154 (3): 289-300.
CrossRef | Google Scholar
(39)
Pilli R, Anfodillo T, Carrer M (2006). Towards a functional and simplified allometry for estimating forest biomass. Forest Ecology and Management 237 (1-3): 583-593.
CrossRef | Google Scholar
(40)
Pilli R, Dalla Valle E, Anfodillo T, Penzo D, Fontanella F (2008). Fissazione di carbonio in una fustaia transitoria di faggio sottoposta a tagli colturali. Forest@ 5: 57-67.
CrossRef | Google Scholar
(41)
Pregitzer KS, Euskirchen ES (2004). Carbon cycling and storage in world forests: biome patterns related to forest age. Global Change Biology 10: 2052-2077.
CrossRef | Google Scholar
(42)
Prentice IC (2001). The carbon cycle and atmospheric carbon dioxide. In: “Climate change 2001: the scientific basis”. IPCC, Cambridge University Press, Cambridge, UK, pp. 183-237.
Google Scholar
(43)
Reed KL (1980). An ecological approach to modeling the growth of forest trees. Forest Science 26: 33-50.
Google Scholar
(44)
Richards G, Evans D, Reddin A, Leitch J (2005). The fullCAM carbon accounting model (Version 3.0) User Manual.
Google Scholar
(45)
Rivas Martinez S (1993). Bases para una nueva clasificacion bioclimatica de la Tierra. Folia Bot. Matritensis 10: 1-23.
Google Scholar
(46)
Sabaté S, Gracia C, Pla E, Sánchez A, Vayreda J (2004). Aplicación del modelo GOTILWA+ para el análisis de los efectos del Cambio Climático y la Gestión Forestal en el balance de carbono y agua en los bosques. Cuadernos de la Sociedad Española de Ciencias Forestales 18:13-20.
Google Scholar
(47)
Scarfò F, Mercurio R, Bagnato S (2008a). I tipi forestali della Riserva Naturale Orientata Valle del Fiume Argentino (Orsomarso, CS). Forest@ 5: 233-252.
CrossRef | Google Scholar
(48)
Scarfò F, Mercurio R, Barreca L (2008b). Dead wood in beech forests (Fagus sylvatica L.) in southern Apennine (Italy). (In press)
Google Scholar
(49)
Schelhaas MJ, van Esch PW, Groen TA, de Jong BHJ, Kanninen M, Liski J, Masera O, Mohren GMJ, Nabuurs GJ, Palosuo T, Pedroni L, Vallejo A, Vilen T (2004). CO2FIX V. 3.1 - description of a model for quantifying carbon sequestration in forest ecosystems and wood products. ALTERRA Report 1068, Wageningen, The Netherlands.
Google Scholar
(50)
Schlamadinger B, Bird N, Johns T, Brown S, Canadell J, Ciccarese L, Dutschke M, Fiedler J, Fischlin A, Fearnside P, Forner C, Freibauer A, Frumhoff P, Hoehne N, Kirschbaum MUF, Labat A, Marland G, Michaelowa A, Montanarella L, Moutinho P, Murdiyarso D, Pena N, Pingoud K, Rakonczay Z, Rametsteiner E, Rock J, Sanz MJ, Schneider UA, Shvidenko A, Skutsch M, Smith P, Somogyi Z, Trines E, Ward M, Yamagata Y (2007). A synopsis of land use, land-use change and forestry (LULUCF) under the Kyoto Protocol and Marrakech Accords. Environmental Science & Policy 10: 271-282. 2006.11.002
CrossRef | Google Scholar
(51)
Schlamadinger B, Marland G (1996). Carbon implications of forest management strategies. In: “Forest ecosystems, forest management and the global carbon cycle” (Apps MJ, Price DT eds). NATO ASI Series, vol. I 40: 217-232.
Google Scholar
(52)
Schmidt M, BöckmannTh, Nagel J (2006). The use of tree models for silvicultural decision making. In: “Sustainable forest management, growth models for Europe” (Hasenauer H ed). Springer, Berlin, Heidelberg, pp. 237-261.
Google Scholar
(53)
Thomas L (2004). PROGNAUS - ein Waldwachstumsmodell zur Fortschreibung von Inventurdaten.
Google Scholar
(54)
Tonolli S, Salvagni F (2007). InFoCarb: inventario forestale del carbonio della provincia di Trento. Centro di Ecologia Alpina, Trento, pp. 176.
Google Scholar
(55)
UNFCCC (2005). Decisione 16/CPM.1 (Land use, land use change and forestry).
Online | Google Scholar
(56)
UNFCCC (2006). Decisione 8/CMP.2 (Forest management under Article 3, paragraph 4, of the Kyoto Protocol: Italy).
Online | Google Scholar
(57)
USDA (1999). Soil survey staff. Soil taxonomy (2nd edn). USDA-NRCS, Agricultural handbook n. 436.
Google Scholar
(58)
Vanclay JK (1989). A growth model for North Queensland rainforest. Forest Ecology and Management 27: 245-271.
CrossRef | Google Scholar
(59)
Visonà L, Naviglio L, Simoneto L, Azzolini I, Giovannardi R (1975). Researches on beech forest: structure and biomass of the beechwood in the Mount Terminillo I.B.P. station. Annali di Botanica 34: 143-170.
Google Scholar
 
 
 

Navigazione

 

This website uses cookies to ensure you get the best experience on our website. More info