A country-sector dataset of environmental intensity and geographic variability across industrial activities

Sintesi Tecnica: Un Dataset Paese-Settore di Intensità Ambientale e Variabilità Geografica

Problema
Gli esistenti database multi-regionali input-output estesi all'ambiente (EEMRIO), come EXIOBASE, sono strumenti critici per quantificare gli impatti ambientali ma soffrono di una significativa eterogeneità. Gli indicatori ambientali sono tipicamente riportati in unità e scale disparate, rendendo difficili i confronti tra indicatori, tra settori e tra paesi. Inoltre, sebbene questi database contengano i dati necessari per esplorare se le pressioni ambientali derivino da caratteristiche intrinseche dei settori o dai contesti geografici (ad esempio, tecnologia, regolamentazioni, qualità delle risorse), essi mancano di metriche armonizzate per facilitare un'analisi sistematica di questo tipo. Di conseguenza, esiste una lacuna nella comprensione dell'entità e della dipendenza geografica delle pressioni ambientali attraverso i sistemi industriali.

Metodologia
Lo studio costruisce un dataset armonizzato che copre 6.781 settori economici in 44 paesi e cinque regioni RoW (Rest of the World), derivato dal database EXIOBASE 3.8.1. La metodologia prevede tre fasi primarie:

1. Selezione e Trasformazione degli Indicatori:

   • Sono stati selezionati tredici indicatori ambientali per coprire il cambiamento climatico, l'inquinamento atmosferico, l'acidificazione, l'eutrofizzazione, l'ecotossicità, la tossicità umana, la formazione di ozono fotochimico e l'uso dell'acqua. Questi sono stati scelti per la loro disponibilità, la distinzione concettuale e la rappresentazione delle categorie di impatto di "midpoint".
   • Per affrontare l'eterogeneità delle unità e le distribuzioni asimmetriche, tutti i valori degli indicatori sono stati trasformati in classifiche percentili (percentile ranks) attraverso tutte le osservazioni paese-settore. Questo approccio preserva l'ordinamento relativo minimizzando l'influenza di outlier e valori estremi. Gli zeri strutturali (combinazioni non applicabili) sono stati esclusi prima della normalizzazione per evitare di confondere la non applicabilità con bassi carichi ambientali.

2. Calcolo delle Dimensioni dell'Intensità Ambientale:

   • Intensità Ambientale Diretta ($D_i$): Calcolata come la media aritmetica dei ranghi percentili per gli indicatori generati all'interno delle operazioni di un settore.
   • Intensità Ambientale della Supply-Chain ($P_i$): Stimata utilizzando l'analisi dell'inversa di Leontief ($L = (I - A)^{-1}$) applicata alla matrice dei coefficienti tecnici ($A$) e ai coefficienti ambientali diretti ($e$). Ciò cattura le pressioni incorporate nelle reti di produzione a monte. Anche i valori risultanti sono stati convertiti in ranghi percentili e mediati.
   • Intensità Ambientale Sistemica ($S_i$): Integrata in una singola metrica utilizzando la media geometrica dei punteggi diretti e della supply-chain ($S_i = \sqrt{D_i \times P_i}$). Questo metodo è stato scelto per enfatizzare le attività che sono ambientalmente significative sia dal punto di vista operativo che da quello della supply-chain, riducendo il peso delle osservazioni che ottengono punteggi elevati in una sola dimensione.

3. Quantificazione della Variabilità Geografica:

   • La variabilità geografica è stata definita come la deviazione standard dei punteggi di intensità ambientale sistemica attraverso i paesi per ogni specifico settore. Questa metrica valuta la dispersione delle prestazioni ambientali per attività identiche sotto diversi contesti nazionali.

4. Filtraggio e Validazione dei Dati:

   • Le osservazioni con dati validi per meno del 50% degli indicatori selezionati sono state escluse. I controlli di robustezza hanno confermato che l'aumento di questa soglia al 75% produceva risultati identici, indicando un'elevata copertura dei dati.
   • La validazione tecnica ha incluso analisi di correlazione di Spearman per testare la stabilità delle classifiche rispetto ad aggregazioni alternative (ad esempio, media aritmetica vs media geometrica, media vs mediana dei percentili) e alle soglie di copertura degli indicatori.

Risultati Chiave

• Composizione del Dataset: Il dataset finale comprende 6.781 osservazioni paese-settore con punteggi armonizzati per l'intensità ambientale diretta, della supply-chain e sistemica, insieme alle metriche di variabilità geografica.
• Modelli Settoriali:
  • Manifatturiero e Costruzioni: Questi settori mostrano un'intensità diretta moderata ma un'intensità della supply-chain significativamente più alta, indicando che i loro carichi ambientali sono fortemente guidati dalle reti a monte.
  • Settori Primari (Agricoltura, Silvicoltura, Estrazione, Utility): Questi settori mostrano il pattern opposto, con un'alta intensità diretta e una minore intensità della supply-chain, suggerendo che i loro impatti sono intrinseci ai loro confini operativi.
  • Servizi: I settori dei servizi mostrano generalmente i punteggi di intensità ambientale sistemica più bassi.
• Variabilità Geografica:
  • Un'analisi della varianza (ANOVA) a due vie ha rivelato che gli effetti di settore spiegano una proporzione maggiore di varianza ($\eta^2 = 0,414$) rispetto agli effetti paese ($\eta^2 = 0,224$). Ciò suggerisce che l'intensità ambientale è più fortemente associata alla natura dell'attività produttiva che al contesto geografico.
  • Tuttavia, esiste una significativa variabilità geografica in settori specifici, in particolare nell'estrazione, nel riciclo, nella generazione di elettricità e nell'agricoltura. Questi settori sono caratterizzati da un'alta intensità ambientale e da un'alta dispersione tra i paesi, rendendoli candidati ideali per aggiornamenti di sostenibilità e trasferimento tecnologico.
• Robustezza: Lo studio ha riscontrato un accordo molto forte tra le classifiche derivate dalle medie geometriche e aritmetiche (Spearman's $\rho = 0,974$) e tra i punteggi percentili di media e mediana ($\rho > 0,98$). La correlazione tra i punteggi diretti e quelli della supply-chain era positiva ma debole ($\rho = 0,337$), convalidando la necessità di misurare separatamente entrambe le dimensioni.

Significato e Rivendicazioni
L'articolo sostiene che questo dataset fornisce un quadro trasparente e riproducibile per il benchmarking multidimensionale delle prestazioni ambientali senza richiedere agli utenti di elaborare dati EEMRIO grezzi o eseguire complessi calcoli input-output. Il suo significato primario risiede in:

1. Armonizzazione: Consentire il confronto tra dimensioni ambientali, paesi e settori eterogenei convertendo diversi indicatori in una scala ordinale comune.
2. Differenziazione: Distinguere tra pressioni operative dirette e pressioni della supply-chain a monte, che spesso seguono schemi differenti tra i settori.
3. Utilità Politica: Identificare i settori in cui la prestazione ambientale è altamente sensibile alle condizioni geografiche rispetto a quelli in cui è intrinseca al processo produttivo. Questa distinzione supporta politiche industriali mirate, l'analisi del trasferimento tecnologico e la gestione sostenibile della supply-chain.
4. Benchmarking Relativo: Gli autori dichiarano esplicitamente che i punteggi rappresentano l'intensità ambientale relativa piuttosto che i carichi ambientali assoluti. Di conseguenza, il dataset è più appropriato per la classificazione, la valutazione comparativa e l'analisi esplorativa, piuttosto che per la quantificazione di impatti fisici assoluti.

Il lavoro è presentato come una risorsa fondamentale per le strategie di sostenibilità, permettendo a ricercatori e decisori politici di valutare se l'intensità ambientale sia guidata maggiormente dalle caratteristiche del settore o dal contesto geografico in cui tali settori operano.