Acciones

3.2   Métodos de integración para estimar las emisiones y absorciones Tema anterior Tema principal Tema hijo Tema siguiente

Desarrollar sistemas para notificar las emisiones y absorciones de gases de efecto invernadero requiere de la combinación de datos provenientes de diversas fuentes, llenando los vacíos en los datos a través de hipótesis y criterios de expertos cuando sea necesario (Recuadro 10). Las herramientas para facilitar esto se conocen como métodos de integración. Los métodos de integración que están diseñados para simular los impactos de las actividades humanas sobre las futuras variaciones de las existencias de carbono también pueden apoyar la elaboración de escenarios pertinentes para el análisis de las políticas. Los métodos de integración pueden simplificar la notificación asignando automáticamente usos de la tierra y emisiones a las categorías necesarias en base a las reglas establecidas por el usuario, coherente con las definiciones nacionales.
Idealmente, un método de integración debe ser ampliable y aplicable a formaciones forestales, proyectos, regiones o países. Debe tener la capacidad de comenzar con aquellos datos simples, de mejor disponibilidad, y de poder ser mejorados progresivamente; cumpliendo en cada etapa con los requisitos de buenas prácticas del IPCC de no realizar estimaciones ni excesivas ni escasas, en la medida en que se pueda determinar, y cuyas incertidumbres se minimicen tanto como sea posible.
Los métodos de integración deben conocer(1):
  1. las condiciones iniciales de la cobertura de la tierra de los paisajes (esto es, forestal, no forestal y otras clases de cobertura)
  2. los impulsores del cambio (datos de actividad sobre alteraciones humanas y naturales), las estimaciones del uso posterior de la tierra (cuando ha ocurrido un cambio de uso de la tierra)
  3. las condiciones iniciales del bosque y las tasas de crecimiento forestal
  4. el índice de pérdida de carbono derivada de la descomposición y la transferencia entre reservorios (para materia orgánica muerta, suelos, productos madereros, según proceda)
Con mayor frecuencia estos datos, en particular los datos con respecto a la cobertura de la tierra, a los cambios en la cobertura de la tierra y a los agentes de cambio se obtienen a partir de la teledetección. Estos pueden ayudar enormemente a describir el historial de los cambios en la cobertura de la tierra que impulsan las emisiones y absorciones (Capítulo 5, Sección 5.1). Cuanto más atrás en el tiempo vayan estos datos de manera consistente (Recuadro 23), más confiables y útiles son como aportes para las herramientas de integración.
El análisis de los impactos de futuras REDD+ (o más generalmente, escenarios de manejo forestal) puede ser llevado a cabo con métodos de integración (por ejemplo, CBM-CFS3 Opens in new window, FullCAM Opens in new window) que pueden utilizar escenarios de datos de actividad futura para extender los datos de actividad de las series temporales históricas. Por ejemplo, si la tasa anterior de actividad de deforestación se estima mediante observaciones por teledetección, esta tasa se puede extender hacia el futuro como referencia (por ejemplo, la tasa promedio de deforestación durante los últimos N años) y se puede contrastar con uno o más escenarios que muestren los impactos de la reducción de las tasas de deforestación en X o Y% por año (por ejemplo, Kurz et al., 2016). Siempre que se pueda identificar y cuantificar los factores socioeconómicos y se comprenda la relación entre ellos, va a ser más fácil extender las series temporales de los datos de actividad en métodos de integración que utilicen datos referenciados espacialmente. Extender las series temporales observadas de datos de actividad con proyecciones acerca de alternar futuros regímenes de gestión en el Sistema de Monitoreo, Contabilidad y Notificación del Carbono Forestal Nacional de Canadá, ha permitido la evaluación de diversas estrategias de mitigación del cambio climático (Smyth et al., 2014).

Recuadro 10: Datos, hipótesis, modelos, herramientas y estimación de emisiones

Todas las estimaciones de emisiones dependen de los datos de medición, las hipótesis, los modelos y otras herramientas. Es muy ventajoso comprender cada uno de estos componentes al momento de desarrollar sistemas de MRV.
Datos: Los datos se pueden dividir en datos de medición (tales como mediciones de los inventarios forestales) y datos derivados (tales como estimaciones de biomasa derivados de mediciones de base como diámetro a la altura del pecho). Los datos derivados requieren de la aplicación de modelos tales como ecuaciones de volumen y conicidad para estimar el volumen de los árboles, o modelos alométricos para la estimación de la biomasa. Los datos de medición contienen errores asociados con la medición y los datos derivados contienen errores asociados con el modelo, además de errores de medición.
Hipótesis: Para convertir los datos de entrada en números que se puedan utilizar en la estimación de emisiones son necesarias las hipótesis. Por ejemplo, los factores de emisión suponen que el crecimiento ocurre a la misma tasa entre dos momentos en el tiempo, mientras que las curvas de crecimiento suponen que el bosque sigue un patrón de crecimiento no lineal. Estas hipótesis afectan la exactitud de los resultados en cualquier momento en el tiempo y no pueden ser mejorados simplemente aumentando la exactitud estadística en un momento dado del tiempo.
Modelos: Todos los sistemas dependen de modelos de diversa complejidad y todos los modelos dependen de datos e hipótesis. Generalmente, pasar de simples hipótesis o modelos, tales como curvas lineales de crecimiento en los métodos para el factor de emisiones en los Niveles 1 y 2, a curvas de crecimiento forestal más realistas e hipótesis de rendimiento en los métodos del Nivel 3, conlleva a una mayor exactitud para la estimación de emisiones a través del tiempo (Figura 10). El aumento de la complejidad entre el Nivel 2 y el 3 puede ser menor en el caso de curvas de crecimiento empíricas (las cuales se aplican regularmente en operaciones forestales en todo el mundo), o puede ser mayor si se implementan modelos fisiológicos más complejos. Los modelos se pueden combinar mediante el uso de herramientas de integración.
Herramientas de integración: Las herramientas de integración combinan múltiples fuentes de información, generalmente datos espaciales tales como aquellos obtenidos por teledetección, y datos de los inventarios forestales obtenidos de mediciones terrestres y de parcelas con los modelos. Los modelos pueden ayudar a obtener estimaciones para reservorios que sean difíciles de medir (por ejemplo, suelos), y a extrapolar mediciones obtenidas de parcelas a través del tiempo y el espacio. Las herramientas pueden variar de simples hojas de cálculo en Excel (por ejemplo, EXACT Opens in new window) a ejecutables independientes (por ejemplo, ALU Opens in new window) y sistemas analíticos detallados (por ejemplo, CBM-CFS3 Opens in new window, FullCAM Opens in new window, y un nuevo sistema aún en desarrollo: FLINT Opens in new window). Algunas de estas herramientas pueden tener modelos e hipótesis incorporados, pero la mayoría son flexibles y permiten el uso y la modificación de diferentes datos e hipótesis.
La figura a continuación presenta una comparación de un modelo de factores de emisión/absorción y una curva típica de crecimiento. Ambos predicen una biomasa similar a los 100 años, pero el patrón es diferente, dando lugar a potenciales sesgos en la estimación de las tasas de acumulación de carbono en la biomasa. Ambos modelos son simplificaciones de la tasa real de acumulación de biomasa la cual también varía en el tiempo como función de condiciones climáticas y de otras condiciones ambientales. Esto puede tener un impacto significativo durante períodos breves.
SP_Box-2.svg

 (1)
Los puntos señalados son los más importantes para los marcos de integración basados en métodos de ganancias-pérdidas.