Conceptos, fundamentos metodológicos y necesidades para la

construcción de un nivel de referencia

MSc. Renzo Giudice

Qué es un nivel de referencia?

Angelsen 2008 Avancemos con REDD

Referencia ≠ BAU

ADICIONALIDAD

Niveles/escenarios de referencia

No son sólo una cuestión técnica. Tienen profundas implicancias en

(1) la disminución/incremento de la deforestación; (2) la determinación de los costos de REDD; y (3) la distribución de beneficios entre países y/o departamentos.

Cuándo empezar a otorgar créditos por las reducciones de emisiones?

IPCC 2007; Soares-Filho et al. 2006 Nature

Sería este el destino de la Amazonía en un escenario BAU?

Qué ocurriría en Madre de Dios?

Deforestación en la Amazonía Brasilera

Modelamiento de la trayectoria de deforestación en la Amazonía Brasilera

-12%-10%-8%-6%-4%-2%0%2%4%6%

0

5,000

10,000

15,000

20,000

25,000

30,000

97-01 2002 2003 2004 2005 2006

km2

prodespredictederror

Soares-Filho et al. 2010 PNAS

Modelamiento de la trayectoria de deforestación SimAmazonia2

-12%-10%-8%-6%-4%-2%0%2%4%6%

0

5,000

10,000

15,000

20,000

25,000

30,000

97-01 2002 2003 2004 2005 2006

km2

prodespredictederror

Soares-Filho et al. PNAS 2010

?

Modelos de simulación de deforestación deben incorporar el conocimiento local.

Modelos realizados hasta hoy, como solución para REDD, solamente incorporan los efectos de las determinantes espaciales (causas proximales), pero no las causas subyacentes de la deforestación.

No existe una solución mágica para REDD

Fundamentos para desarrollar una simulación de deforestación

Futuras tasas de

deforestación

Variable socio-económicas

Tasas históricas de deforestación

Modelos econométricos

Ubicación de la deforestación en el paisaje

Mapas de deforestación

Variables espaciales

Mapa de probabilidades

Tasas* Simuladas

y validadas

Modelos* (econométrico)

Variables socioeconomicas*

Tasas históricas

Mapas de deforestación*

Calibración*

Simulación 1

Validación

Simulación 2

Mapas de deforestación*

Variables espaciales*

+ =

Mapas* simulados

Metodología para la simulación de la deforestación

Mapa de probabilidad

pendiente d. vías población A. protegidas

elevación suelos ríos vegetación

Variables espaciales de infraestructura, biofísicas, y de uso del suelo.

Mapas y tasas históricas de deforestación

Eva et al. 2004

1997-2000

2000-2002

Mapa de probabilidades y calibración: Efecto de las variables espaciales en la probabilidad de deforestación

1997-2000

Validación del Mapa simulado final (2002)

Mapa real de 2002 Mapa simulado de 2002

Uso y cambio de cobertura de la tierra/madera/fuego

Dinámicas Socioeconómicas y demográficas

Mercados locales y globales

Expansión y mejoramiento de infraestructura

Urbanización

Políticas públicas

Dificultad en identificar variables y medir su efecto

•Mejoras en carreteras

•Incremento poblacional

•Titulación de tierras constante

•Crédito agrario disminuyó

1986-91 1991-97 -

500,000 1,000,000 1,500,000 2,000,000 2,500,000 3,000,000 3,500,000

Mg C

Emisiones en Tambopata, Madre de Dios

Naughton-Treves 2003 (World development)

Identificación de las causas de la deforestación y su proyección en la Amazonía Brasilera

Expansión agrícola

Expansión ganadera

Áreas protegidas

Bosque

Deforestación

Distancia a vías

Tasas simuladas y validadas

-12%-10%-8%-6%-4%-2%0%2%4%6%

0

5,000

10,000

15,000

20,000

25,000

30,000

97-01 2002 2003 2004 2005 2006

km2

prodespredictederror

Soares-Filho et al. 2010 PNAS

Soares-Filho et al. 2006 Nature

Proyección de las tasas de deforestación y ubicación de la deforestación en el paisaje

DINAMICA EGO

Consideraciones sobre el escenario de referencia

Diferencias regionales históricas Tasas de deforestación cambiantes Riesgos y beneficios de usar el

BAU como línea de base Cómo va el Perú y otros países? FUGAS REDD debe ser una parte, no la

única parte de la planificación regional territorial.

Diferencias regionalesdeforestación promedio anual 1990-2000

1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 -

5,000

10,000

15,000

20,000

25,000

30,000

35,000

40,000

AmazonasLoretoMadre de DiosUcayaliSan Martín

PROCLIM 2000

ha

Tendencia (BAU) y linea de referencia – Región MAP

PELIGRO!!!! EN ALGUNAS REGIONES LA DEFORESTACIÓN PODRÍA AUMENTAR YAUN RECIBIR CRÉDITOS??

Que hubiese ocurrido en Madre de Dios con el escenario BAU? Estaríamos vendiendo reducciones sin adicionalidad?

Que ocurrió en Madre de Dios?

2000 2001 2002 2003 2004 2005 20060

5,000

10,000

15,000

20,000

BAU

BAU BAU

BAU BAU BAU BAU 5,712

Madre de Diosha

Histórico

Vendiendo aire?

Acciones del MINAM

DEFORESTACIÓN en 2021 = 0ANP; 17

CN & CC; 14BPP; 9

BPP-R; 9

Humedal; 3

RT; 2

millones ha (UNFCCC – Nationally Appropriate Mitigation Actions, NAMAs )

54

Será posible alcanzar este nivel de reducción? Cuánto nos costará? Cuáles son los beneficios?

haPERÚ: meta de reducción

2005

2007

2009

2011

2013

2015

2017

2019

2021

0

50,000

100,000

150,000

200,000

HistóricoPROCLIM

PropuestaMINAM

Reducción potencial de 15,000 ha/año, equivalente a 1´500,000 tC o 5´505,000 tCO2-eq,lo que equivaldría a US$ 27´525,000.

BAU?

Metas de reducción en Brasil al 2020

Gobernanza de REDD en Brasil

Cómo medir las fugas? Fugas-de-adentro-hacia afuera: desplazamiento

de personas del área de proyecto para áreas vecinas, donde continuarían deforestando.

Fugas-de-afuera-hacia-afuera: migrantes que dejan de deforestar en las áreas de proyecto y lo hacen en otras áreas desprotegidas.

Fugas-indirectas: al reducir el área disponible para deforestar aumenta el valor de tierras para producción por mayores precios agrícolas y madereros.

Fearnside 2009

Contabilizando las fugasLa expansión de ANPs no causó mayor deforestación en áreas adyacentes; fugas “in-to-out”.

Tampoco se encontraron fugas “out-to-out”.

Fugas difusas?

Expansión de ANPs

Incremento deforestación

Reducción deforestación

Soares-Filho et al. 2010, PNAS

Cómo medir el efecto de un proyecto en la ubicación de la deforestación?

Odds ratio, deforestación fuera y dentro de buffers de 10km de las concesiones de castaña en áreas con la misma probabilidad de ser deforestadas (mapa de probabilidades).

Nunes et al. 2011, en revisión. Environmental Conservation

Efecto de jure sobre la ubicación de la deforestación

Odds ajustadosClases de uso 1995 2000 2005 PromedioConcesiones mineras 1.26 1.62 1.51 1.46Agropecuaria 1.42 1.20 1.28 1.30Predios privados 1.02 0.99 1.55 1.19Concesiones de castaña 0.76 0.67 0.49 0.64Concesiones maderables 2.84 3.28 4.29 3.47Comunidades nativas 0.77 1.20 1.35 1.11Concesiones de reforestación 0.19 0.39 0.93 0.51Concesiones de conservación 3.85 2.78 2.06 2.89Concesiones de ecoturismo 0.08 0.08 0.76 0.31Áreas protegidas 4.85 8.27 5.55 6.22Reserva Territorial MdD 0.20 0.02 x 0.11Uso no determinado 0.96 0.94 1.17 1.02

Soares-Filho et al, 2008

Áreas amenazadas de ser deforestadas

Nivel de amenaza

Priorización de áreas protegidas

Herramienta de planificación regional

Soares-Filho et al. PNAS 2010

Densidad de hotspots de deforestación

Alto

Bajo

Cobertura de la región MAP 2005 Proyección histórica

El modelo nos ayuda a identificar cuáles son las áreas más probables de ser deforestadas, y así, direccionar los esfuerzos de conservación en ellas.

Valoración del bosque en Madre de Dios, Perú: un modelo espacial de rentabilidad de la castaña

E1. castaña con cascara; E2. castaña pelada; E3. castaña certificada.

Tab.2. Estimaciones E1 E2 E3Productividad potencial anual*

16.31 mil/t

16.31 mil/t

16.31 mil/t

Rentabilidad potencial anual**

$3.71 M

$9.48 M

$10.23 M

Rentabilidad por hectárea

$3.67 $9.45 $10.20

* castaña con cáscara** millones de dólares

Potenciales inversiones REDD

GOREMAD estaría perdiendo ingresos en más de US$10 millones/año.

Los valores estimados sugieren que los DAF deben revisarse para mejorar la recaudación del GOREMAD y disminuir la competencia entre CCFF y CC de Castaña.

Regímenes de fuego en respuesta al cambio climático y deforestación en la cuenca amazónica

Silvestrini et al. 2011

Promedio del número de focos de calor

Diferencia en el número de focos de calor

Modelo de expanción de fuego

-10% de caudal en Inambari

Servicios ambientales

wet season dry season

-12.0

-10.0

-8.0

-6.0

-4.0

-2.0

0.0

-4.3

-6.7-7.9 -8.6

-6.2

-10.2

ED 2020

BAU 2030

BAU 2050

Lima et al. en preparación

Alteración del caudal promedio por época Lluvia

Seca

renzo@csr.ufmg.brhttp://www.csr.ufmg.br/dinamica/

Apoyo y colaboradores: