Achieving restoration, conservation and poverty alleviation goals through Indonesia’s community forests

Sintesi Tecnica: Raggiungere gli obiettivi di ripristino, conservazione e riduzione della povertà attraverso le foreste comunitarie in Indonesia

Definizione del Problema
Gli obiettivi globali di ripristino basati su aree, come quelli previsti dal Quadro Globale per la Biodiversità e la Sfida di Bonn, falliscono frequentemente nel scalare efficacemente perché trascurano i critici compromessi tra mitigazione climatica, conservazione della biodiversità e riduzione della povertà. In assenza di una guida spazialmente esplicita, le iniziative di ripristino rischiano di diventare interventi che marginalizzano le popolazioni locali o strategie che erodono i depositi di carbonio e la biodiversità. L'Indonesia presenta un caso di studio critico: sebbene abbia guidato un ambizioso programma di silvicoltura sociale volto a riallocare 14,1 milioni di ettari di foresta alla gestione guidata dalle comunità, l'implementazione nazionale è stata disomogenea. Entro il 2022, solo circa 5 milioni di ettari erano stati allocati, principalmente attraverso processi amministrativi reattivi che mancano di un quadro sistematico per ottimizzare la distribuzione spaziale per simultanei benefici socio-ecologici. Di conseguenza, il programma rischia di raggiungere gli obiettivi basati sulle aree sulla carta, fallendo però nel fornire le sinergie previste per il clima, la natura e le persone.

Metodologia
Gli autori hanno sviluppato un framework di ottimizzazione spaziale multi-obiettivo per identificare le aree prioritarie per le nuove licenze di silvicoltura sociale su 10,89 milioni di ettari di terra idonea all'interno delle 81.912 unità amministrative villaggio dell'Indonesia. Lo studio ha utilizzato la Mappa Indicativa della Silvicoltura Sociale (PIAPS) ufficiale come spazio decisionale.

Il framework ha integrato tre livelli spaziali ad alta risoluzione che rappresentano gli obiettivi centrali:

1. Sequestro del Carbonio e Fattibilità del Ripristino: Derivato dai dati satellitari PALSAR e Sentinel (2018), questo livello mirava ai paesaggi con "disturbo intermedio" per massimizzare il potenziale guadagno di biomassa forestale. Ha escluso le aree iper-degradate (al di sotto di una soglia di biomassa di 74 t ha⁻¹) per garantire la vitalità ecologica ed l'efficienza economica.
2. Conservazione della Biodiversità e Rappresentanza Ecologica: Questo livello ha combinato i dati di distribuzione per 311 specie di vertebrati terrestri minacciate (da IUCN e BirdLife International) con la mappa dei sistemi terrestri dell'Indonesia. Ha dato priorità agli habitat critici e ha garantito una vasta rappresentanza attraverso diversi profili di suolo, litologia ed ecosistema.
3. Riduzione della Povertà Multidimensionale: Utilizzando il censimento del Potenziale del Villaggio (PODES) del 2018, questo livello ha mappato la deprivazione socio-economica utilizzando un indice di 15 indicatori che coprono salute, istruzione, standard di vita, infrastrutture e coesione sociale.

Gli autori hanno impiegato un approccio di ottimizzazione spaziale basato sul minimo deficit (utilizzando il pacchetto prioritizr in R e il solver Gurobi) per risolvere le tensioni tra questi obiettivi. Hanno formulato un problema di copertura massima per massimizzare la protezione delle caratteristiche spaziali soggette a budget fissi basati sull'area. Le analisi sono state condotte a livello provinciale e aggregate a scale regionali e nazionali. Lo studio ha esplorato la frontiera di Pareto variando i pesi degli obiettivi di ripristino, biodiversità e povertà per identificare come le aree prioritarie cambino sotto diverse preferenze politiche. È stata applicata una penalità di confine per evitare una selezione altamente frammentata delle unità di pianificazione.

Risultati Chiave

• Dividendo dell'Ottimizzazione: Il targeting strategico del top 10% di terra idonea produce un ulteriore 23% di benefici combinati di ripristino, conservazione e sociali rispetto all'allocazione casuale. Questa performance è il doppio rispetto alla selezione casuale.
• Variazione Provinciale: Il potenziale della silvicoltura sociale di generare risultati varia significativamente per regione. Ad esempio, nel Sud Sumatra, l'allocazione di licenze al top 10% di terra prioritaria assicura un ulteriore 3,7 Mt di biomassa sopra il suolo e copre l'8% in più di range di specie rispetto all'allocazione casuale, beneficiando contemporaneamente le comunità socio-economicamente più deprivate.
• Archetipi Regionali: L'aggregazione dei risultati rivela distinti profili strategici attraverso l'arcipelago:
  • Indonesia Occidentale (Sumatra e Kalimantan): Queste regioni fungono da motori primari per guadagni simultanei in ripristino, biodiversità e riduzione della povertà. Qui, il licensing mirato offre rendimenti straordinari per clima, natura e persone.
  • Indonesia Orientale (Papua e Maluku): In questi bastioni di conservazione con foreste primarie ampiamente intatte, il contributo marginale della silvicoltura sociale alla nuova protezione della biodiversità è inferiore. Invece, il valore strategico qui risiede nella sicurezza del possesso fondiario, nella giustizia riparativa e nella protezione preventiva contro future pressioni industriali.
• Allocazione Attuale vs. Ottimizzata: L'attuale approccio reattivo al licensing non riesce a catturare il potenziale significativo. Nel Sud Sumatra, una selezione casuale del 10% di terra idonea cattura solo il 41% del potenziale di ripristino forestale, il 71% dei benefici per la riduzione della povertà e il 45% del valore della biodiversità rispetto alla soluzione ottimizzata.

Significatività e Rivendicazioni
L'articolo sostiene che il raggiungimento di risultati sinergici sociali e ambientali dipende fondamentalmente da un design spaziale deliberato piuttosto che dal semplice aumento del volume di terra allocata. Gli autori affermano che il loro framework fornisce una tabella di marcia scalabile per trasformare ambiziose promesse di ripristino in politiche di uso del suolo socialmente legittime ed ecologicamente impattanti.

I contributi chiave includono:

• Dimostrazione del "Dividendo dell'Ottimizzazione": Dimostrare che una piccola frazione di terra può catturare rendimenti sproporzionati se selezionata strategicamente, riducendo così i rischi degli investimenti nella conservazione guidata dalle comunità.
• Strategia Adeguata al Contesto: Superare l'approccio "taglia unica" identificando archetipi regionali dove il ruolo della silvicoltura sociale passa da restaurativo (nell'ovest frammentato) a protettivo del possesso fondiario (nell'est intatto).
• Rilevanza Politica: Fornire prove a supporto della transione da un licensing basato sull'amministrazione e sulla convenienza a una prioritizzazione basata sui dati. Ciò è fondamentale per raggiungere il target indonesiano del 2029 e l'obiettivo globale "30x30" per la biodiversità, posizionando la silvicoltura sociale come un efficace Altro Strumento di Gestione Area-Basata (OECM).

Gli autori concludono che, sebbene i target ambiziosi siano necessari, sono insufficienti senza disciplina spaziale. Chiarendo dove le interazioni contano di più, questo framework consente una transizione verso un paradigma di gestione forestale che allinea i diritti locali e indigeni con gli obiettivi climatici e di biodiversità, garantendo che le licenze concesse oggi rimangano ecologicamente vitali e socialmente legittime in futuro.