A spatially explicit dynamic biomass baseline for forest-management carbon projects in China

Technisches Resümee: Eine räumlich explizite dynamische Biomasse-Baseline für Waldmanagement-Kohlenstoffprojekte in China

Problemstellung
Waldkohlenstoffprojekte, insbesondere Initiativen zur verbesserten Waldbewirtschaftung (Improved Forest Management, IFM), stützen sich auf kontrafaktische Referenzwerte, um die „Additionalität“ zu bestimmen – also die Kohlenstoffgewinne, die über das Maß hinausgehen, das ohne das Projekt erreicht worden wäre. Aktuelle Baseline-Methoden leiden häufig unter erheblichen Verzerrungen. Statische Referenzwerte und grobe regionale Durchschnittswerte berücksichtigen nicht die dynamische Natur der Waldbiomasse, die durch Bestandsalter, historische Bewirtschaftungszyklen sowie natürliche oder anthropogene Störungen beeinflusst wird. Diese Vereinfachungen können zu zwei kritischen Fehlern führen: Baselines, die zu niedrig angesetzt werden, überbewerten die Minderungserträge (Übergutschrift), während zu hoch angesetzte Baselines echte Projekterfolge verschleiern. Bestehende Post-hoc-Evaluierungsmethoden (z. B. Matching oder synthetische Kontrollgruppen) sind zwar wertvoll für die Überprüfung, können aber keine standardisierten, räumlich expliziten Ex-ante-Baselines bereitstellen, die in der Phase der Projektregistrierung erforderlich sind. Es besteht ein Bedarf an einem Rahmenwerk, das altersabhängiges Wachstum, räumliches Biomassepotenzial, historische Kontinuität der Bewirtschaftung und beobachtete Verlustrisiken in ein einziges, prüfbares Projektionssystem integriert.

Methodik
Die Autoren entwickelten ein dynamisches, räumlich explizites kontrafaktisches Baseline-Rahmenwerk für China unter Verwendung eines gekoppelten Wachstumskurven-Ansatzes. Die Methodik gliedert sich in folgende Schritte:

1. Datenschichtung und Anpassung von Wachstumskurven:

   • Ein nationaler Datensatz aus 24.237 Waldparzellen-Datensätzen wurde in 155 ökologische Schichten basierend auf Vegetationszone, Waldtyp und Ursprung (natürlich vs. angepflanzt) unterteilt.
   • Für jede Schicht wurden Alters–Biomasse-Akkumulationskurven mittels Richards-, Logistik- und Weibull-Funktionen angepasst. Es wurde eine Bibliothek von 67 finalen Wachstumskurven erstellt.
   • Die Unsicherheitsanalyse ergab, dass der asymptotische Biomasse-Term (die maximale potenzielle Biomasse) der primäre Treiber der Unsicherheit in diesen angepassten Kurven war.

2. Schätzung der räumlichen Biomasse-Obergrenze ($B_{eco}$):

   • Um die Unsicherheit im asymptotischen Term zu adressieren, ersetzten die Autoren die statische Asymptote in den Wachstumsgleichungen durch eine räumlich explizite Schätzung der erreichbaren naturnahen Biomasse ($B_{eco}$).
   • $B_{eco}$ wurde mittels eines Ensembles aus 50 Random-Forest-Modellen modelliert, die auf reifen, wenig gestörten Waldpixeln (ausgewählt aus Schutzgebieten und Naturschutzreservaten) trainiert wurden.
   • Zu den Prädiktoren gehörten Klimavariablen (z. B. monatliche Temperaturschwankungen), Bodeneigenschaften, Topographie, Entfernung zu Schutzgebieten und Baumbedeckung. Das Modell erreichte ein $R^2$ von 0,39 in der räumlichen Block-Kreuzvalidierung.

3. Gekoppeltes Wachstumskurven-Rahmenwerk:

   • Das Rahmenwerk koppelt die schichtspezifische Form der Wachstumskurve mit der pixelbasierten $B_{eco}$-Obergrenze.
   • Eine Sensitivitätsanalyse verglich ein Standardmodell ($M_0$, bei dem nur die Asymptote mit $B_{eco}$ variiert) mit einem alternativen Modell ($M_1$, bei dem auch die Wachstumsraten mit $B_{eco}$ kovariieren). Die Studie ergab, dass $M_1$ für die meisten Schichten nur eine vernachlässigbare Verbesserung (<5 % Reduktion des RMSE) bot, was die Verwendung des sparsameren Modells $M_0$ für die nationale Anwendung rechtfertigt.

4. Projektion des kontrafaktischen Szenarios:

   • Jährliche kontrafaktische Trajektorien wurden von 2000 bis 2020 (mit 20-Jahres-Horizonten) unter drei Szenarien projiziert:
     • BAU (Business as Usual): Fortgesetztes, unbeschränktes Wachstum ohne Ernte oder Biomasse-Reset.
     • S1 (Bewirtschaftungsbeschränkt): Fortführung historischer Bewirtschaftungszyklen (z. B. 15-jährige Kurzrotation, 60-jährige Langrotation) und Biomasse-Resets.
     • S2 (Beobachteter Verlust): S1 plus empirisch geschätzte Wahrscheinlichkeiten und Schweregrade von Biomasseverlustereignissen, die aus der China Forest Aboveground Biomass Dynamic (CFATD) Zeitreihe abgeleitet wurden. Hinweis: Diese Verluste werden anhand der Biomasseveränderung identifiziert, nicht jedoch spezifischen Treibern (z. B. Feuer vs. Ernte) zugeordnet.

Zentrale Ergebnisse

• Baseline-Divergenz: Das unbeschränkte BAU-Szenario lieferte konsistent höhere Baselines als die bewirtschaftungsbeschränkten Szenarien (S1 und S2). Der nationale mittlere Unterschied zwischen BAU und S1 stieg von 9,98 Mg ha⁻¹ nach 10 Jahren auf 14,40 Mg ha⁻¹ nach 20 Jahren (bei einem Startjahr 2000). Für einen Start im Jahr 2020 erreichte diese Differenz 29,30 Mg ha⁻¹ nach 10 Jahren und 36,99 Mg ha⁻¹ nach 20 Jahren.
• Treiber der Verzerrung: Die Divergenz war am ausgeprägtesten bei kurzrotierenden Plantagen, Ölpalmen und Agroforstsystemen. Angepflanzte Wälder zeigten signifikant größere BAU–S1-Lücken als natürliche Wälder. Räumlich traten die größten Diskrepanzen in südlichen Provinzen mit hohem Wachstumspotenzial und intensiver Bewirtschaftung auf (z. B. Hainan, Guangdong, Guangxi, Fujian).
• Beitrag ökologischer Schichten: Eine kleine Anzahl von Schichten dominierte die nationale Differenz. Die obersten sechs ökologischen Schichten (einschließlich natürlicher und angepflanzter Masson-Kiefer, chinesischer Tanne und typischer immergrüner laubabwerfender Wälder) trugen über 70 % der gesamten nationalen BAU–S1-Differenz bei.
• Auswirkung von Verlustereignissen: Die Einbeziehung beobachteter Biomasseverlustereignisse (S2) hatte im Vergleich zu S1 einen minimalen Effekt auf die nationalen Durchschnittswerte (Differenzen < 0,22 Mg ha⁻¹), veränderte jedoch lokale Trajektorien und den Zeitpunkt der Rückgänge.
• Unsicherheitsfortpflanzung: Die Unsicherheit in den Baseline-Projektionen wurde durch die erreichbare Biomasse-Obergrenze ($B_{eco}$) dominiert, welche den weitaus größten Teil der Varianz ausmachte. Die Unsicherheit im Zusammenhang mit Verlustereignis-Parametern (Wahrscheinlichkeit und Retention) war auf nationaler Ebene vernachlässigbar (< 0,04 % Beitrag zur Intervallbreite), wenn auch in bestimmten sensiblen Schichten etwas höher.

Bedeutung und Ansprüche
Das Papier beansprucht, eine „nationale Referenz für die Festlegung von Baselines“ zu liefern, die eine genaue und glaubwürdige Quantifizierung von Klimaschutzleistungen für IFM-Projekte in China ermöglicht. Die Bedeutung des Rahmenwerks liegt in seiner Fähigkeit:

1. Ermessensspielräume der Entwickler einzuschränken: Durch die Verwendung externer, unabhängiger Daten (nationale Waldinventuren und Fernerkundung) anstelle projektspezifischer Berichterstattung reduziert das Rahmenwerk das Risiko einer systematischen Übergutschrift.
2. Prüfbarkeit und Aktualisierbarkeit zu gewährleisten: Die Datenbank basiert auf konsistenten Regeln und kann aktualisiert werden, sobald neue Inventardaten oder Biomasseprodukte verfügbar sind.
3. Historische Kontinuität darzustellen: Im Gegensatz zu statischen Baselines integriert dieses dynamische Rahmenwerk explizit historische Bewirtschaftungszyklen und beobachtete Verlustregime, wodurch verhindert wird, dass natürliche Erholung oder laufende Kohlenstoffakkumulation fälschlicherweise als Projektabionalität klassifiziert werden.
4. Politische Entwicklung zu unterstützen: Die Autoren postulieren, dass dieses Rahmenwerk als grundlegendes Modul für die Entwicklung von IFM-Methodiken in China dienen kann, um aktuelle Probleme fragmentierter Regeln und unzureichender Risikoprävention anzugehen.

Die Autoren vertreten eine bescheidene Position und merken an, dass das Rahmenwerk zwar ein robustes kontrafaktisches Biomassemodul bietet, aber nicht alle Herausforderungen der Kohlenstoffgutschrift wie Leckagen (Leakage), Permanenz, geerntetes Holzprodukte oder Bodenkohlenstoff löst. Sie betonen, dass das Rahmenwerk ein Werkzeug für die transparente Bewertung der Additionalität ist, nicht eine vollständige Lösung für die gesamte Bilanzierung der Kohlenstoffpools.