Impacts de l'industrie des granulés de bois du sud-est des États-Unis sur les stocks de carbone forestier locaux

Rapports scientifiques volume 12, Numéro d'article : 19449 (2022) Citer cet article

3718 Accès

1 Citations

32 Altmétrique

Détails des métriques

Nous avons évalué les impacts nets d'une industrie de granulés de bois d'importance mondiale sur les pools contemporains de composants de carbone forestier local (arbres vivants, arbres morts sur pied, sols) et les stocks totaux. Nous avons effectué des analyses post-appariement des différences dans les différences des données d'inventaire forestier entre 2000 et 2019 pour déduire les effets industriels simultanés et décalés dans le sud-est côtier des États-Unis. Les résultats indiquent une neutralité carbone contemporaine. Nous avons trouvé des effets supplémentaires nets sur les réservoirs de carbone dans les arbres vivants, et aucun effet net sur les arbres morts sur pied ni sur les réservoirs du sol. Cependant, nous avons constaté des niveaux de carbone inférieurs simultanés dans les sols, des effets mixtes associés à des pressions d'approvisionnement accrues et à une grande capacité de granulation des usines, et des effets de débordement possibles sur les réservoirs de carbone des arbres morts sur pied au-delà des distances d'approvisionnement commercial. Il existe des preuves solides que, bien qu'il existe certains compromis entre les réservoirs de carbone, l'industrie des granulés de bois dans ce contexte et cette période particuliers a satisfait à la condition générale de neutralité carbone des forêts.

Les nations du monde entier adoptent des stratégies pour décarboner leurs économies1,2. Une voie de décarbonation consiste à remplacer les combustibles fossiles par des ressources biologiques dans la production d'énergie, comme l'illustrent la stratégie bioéconomique de l'Union européenne (UE) et ses directives sur les énergies renouvelables1,3,4. La bioénergie – énergie générée à partir de la biomasse – est la plus grande source d'énergie renouvelable de l'UE28 (UE27 et Grande-Bretagne), la biomasse ligneuse provenant des forêts étant le principal biocarburant dans la production de chaleur et d'électricité5. Dans le monde, l'UE28 est le plus grand marché pour le bois granulé utilisé comme biocarburant - le commerce intérieur de granulés de bois a plus que triplé et les importations dans l'UE28 ont été multipliées par sept au cours de la période 2009-2019 suite à l'adoption des directives sur les énergies renouvelables3,4. En 2020, les États-Unis étaient le premier producteur mondial (20 %, poids) et exportateur (25 %, poids) de granulés de bois, et le premier fournisseur extrarégional de granulés de bois vers l'UE281. Les exportations américaines vers l'UE28 ont été multipliées par 12 sur la période 2009-2019 pour atteindre 6,8 millions de Mg (1 Mg = 1 tonne)6. La production mondiale de granulés de bois a dépassé 42 millions de mg et leur valeur commerciale a dépassé 4,3 milliards de dollars américains en 20207.

La capacité des biocarburants à contribuer à la décarbonation du secteur de l'énergie est inexorablement liée à leur approvisionnement qui n'épuise pas les stocks de carbone (C) terrestres8,9. Cependant, il existe des points de vue divergents sur cette prémisse10,11,12,13 et des analyses empiriques robustes la testant font défaut. La compréhension actuelle des effets de l'industrie des biocarburants dépendant du bois sur les stocks de C forestiers locaux s'est concentrée sur les projections du marché12,13 et les synthèses de l'état des connaissances14,15 avec peu d'évaluations empiriques16,17,18. Les évaluations empiriques sont rares en partie en raison de la complexité de discerner les impacts d'une industrie des biocarburants dépendant du bois qui chevauche d'autres secteurs économiques, des acteurs sociaux et des perturbations naturelles15,18.

Ici, nous avons utilisé une approche de différence dans les différences (DiD) post-appariement pour évaluer si une industrie qui granule la biomasse ligneuse a affecté les stocks totaux de C et les pools de composants individuels dans les arbres vivants, les arbres morts sur pied et les sols. Nous avons suivi les stocks de C dans les parcelles de l'inventaire forestier national (IFN) situées sur des terres privées et publiques adaptées à la gestion commerciale (terres à bois) échantillonnées au cours de la période 2000-2019. Au cours de cette période, la capacité de fabrication annuelle de granulés de bois est passée de 40 823 000 Mg à 6 652 000 Mg dans les États côtiers du sud-est des États-Unis comme l'Alabama, la Géorgie, la Floride, le Mississippi, la Caroline du Nord, la Caroline du Sud et la Virginie (Fig. 1). Nous avons identifié des parcelles NFI situées à l'intérieur des distances d'approvisionnement commercial courantes mesurées par des rayons géodésiques centrés sur l'usine de granulés de bois et ajustés en fonction de la tortuosité, et sur des rayons étendus afin d'examiner les effets de débordement possibles. Nous avons testé les effets simultanés, décalés et nets de l'industrie - indiquant respectivement les impacts au cours de l'année en cours, les impacts retardés à des intervalles de 5 ans et les impacts nets des effets simultanés et décalés - sur les stocks de C totaux et les pools de composants. Nous nous attendions à être en mesure de détecter statistiquement les effets de l'industrie sur les stocks de C des forêts locales compte tenu de la forte augmentation de la fabrication de granulés de bois, mais nous étions ambivalents quant à leurs impacts directionnels.

Source : adapté de Forisk19.

Capacité totale de granulation de bois sur la côte sud-est des États-Unis, 2000-2019.

Nos contributions sont triples. Tout d'abord, nous avons analysé les effets spatio-temporels industriels sur les stocks locaux de C des terres à bois après avoir contrôlé l'emplacement non aléatoire des installations utilisant du bois. À notre connaissance, il s'agit de la première évaluation DiD post-appariement des impacts d'une industrie dépendante du bois sur les stocks de C forestiers locaux à l'aide des données de l'IFN. Il développe des évaluations récentes des effets de l'industrie des granulés de bois à l'aide d'estimations basées sur le paysage réalisées aux États-Unis16,17 et d'analyses par télédétection réalisées en Europe18. Deuxièmement, notre cadre analytique offre une alternative empirique pour évaluer la conformité systématique avec les mandats de l'UE pour surveiller les stocks de C forestier dans les zones où la biomasse ligneuse est achetée pour la bioénergie3,8. Nous avons rigoureusement examiné nos résultats en utilisant différents algorithmes pour faire correspondre les parcelles NFI à l'intérieur et à l'extérieur des rayons d'approvisionnement, et avons confirmé les tendances générales d'un sous-échantillon d'États où l'industrie a connu la plus grande expansion de capacité à ce jour. Nous avons également testé les effets de la grande capacité de fabrication des usines et les pressions d'approvisionnement représentées par le nombre de rayons d'approvisionnement chevauchant une parcelle NFI. Troisièmement, nos résultats contribuent à une meilleure compréhension des flux de C à proximité des industries dépendantes du bois. Fait particulièrement nouveau, nous estimons le C dans les sols - un pool sous-étudié - à partir d'observations empiriques dans notre évaluation des stocks de C individuels et totaux20.

Nos méthodes empiriques (Fig. 2) comprenaient trois étapes principales : (1) estimation des stocks de C des terres à bois et des informations sur les covariables dans notre région d'étude ; (2) la pseudo-randomisation statistique des parcelles NFI situées dans les rayons d'approvisionnement industriel ; et (3) estimation post-appariement des effets industriels moyens des usines de granulés de bois sur la base des régressions du panel DiD. Les analyses à l'appui comprenaient l'examen des tendances parallèles avant DiD, des vérifications de la robustesse des effets principaux et l'évaluation des effets hétérogènes de l'industrie. Les étapes 1 et 2 ont été réalisées en Python21, l'estimation finale étant réalisée dans la version 1522 de Stata. Les cartes ont été générées à l'aide de QGIS23.

Des étapes méthodologiques ont été suivies pour estimer les impacts industriels sur les pools locaux de composants de carbone forestier et les stocks totaux.

Les estimations des stocks de C au-dessus et au-dessous du sol dans les arbres vivants et les arbres morts sur pied, et les sols ont été obtenues à partir de parcelles échantillonnées au cours de la période 2000-2019 par le programme NFI d'inventaire et d'analyse des forêts du Département américain de l'agriculture. Que ce soit sur des terres publiques ou privées, notre échantillon comprenait toutes les parcelles NFI sur des terres à bois (forêts capables de produire plus de 1,4 m3 de bois industriel par ha et par an et non légalement retirées de la production de bois, avec une classification de surface minimale de 0,41 ha) 24 ont été inventoriés au moins deux fois au cours de notre période avec pas moins d'une observation enregistrée pendant ou après 2005. À l'exception du C dans les sols (disponible sur demande à l'heure actuelle - et éventuellement dans la base de données NFI), toutes les estimations sont accessibles au public. Notre compilation des estimations du C du sol20 s'est appuyée sur les observations du C organique du sol provenant de l'IFN et des variables auxiliaires du site et du climat représentant les facteurs de formation du sol. Celles-ci sont utilisées dans les rapports sur les gaz à effet de serre aux États-Unis dans le cadre de la Convention-cadre des Nations Unies sur les changements climatiques et caractérisent mieux les conditions localisées du sol que les informations actuelles de l'IFN non destinées à une estimation à des endroits spécifiques20,24. Les informations extraites au niveau des parcelles de l'IFN comprenaient des données sur les mesures au niveau des arbres (par exemple, le nombre d'arbres vivants, d'arbres morts sur pied, le volume de la biomasse, le peuplement), ainsi que les caractéristiques du site (par exemple, des signes d'incendie ou de dommages causés par les intempéries) et la forêt attribuée. conditions (par exemple, type de forêt). Des détails sur la conception de l'échantillonnage du programme NFI, les procédures d'inventaire et l'estimation des attributs sont disponibles en ligne24. Les descriptions des stocks de C sélectionnés et du carbone total (obtenus en agrégeant les stocks de C sélectionnés et les autres stocks de C restants) sont présentées dans le tableau 1. Les valeurs par hectare ont été obtenues à l'aide de facteurs d'expansion de l'IFN et agrégées en fonction des numéros de séquence des parcelles, avec des estimations ajustées proportionnellement si elles sont inférieures à 100 % d'une parcelle a été classée comme terrain forestier25.

Les informations sur les covariables ont été distinguées entre abiotiques, biotiques (tableau 2) ou d'origine anthropique (tableau 3)15,26,27. L'attribution de plusieurs variables explicatives à une parcelle de l'IFN (par exemple, si elle se situe dans les rayons d'approvisionnement de l'industrie des produits du bois) a nécessité un géoréférencement, rendu possible par les coordonnées de latitude et de longitude disponibles au niveau de la parcelle. Il convient de noter que les emplacements des parcelles dans la base de données NFI sont systématiquement «fuzzés» ou «permutés» pour protéger la vie privée des propriétaires fonciers et l'intégrité du processus de collecte des données25. Le processus de « fuzzing » consiste à relocaliser au hasard la plupart des parcelles à moins de 0,8 km de leur véritable emplacement. Le processus « d'échange » se produit sur 0 à 10 % des parcelles forestières, uniquement pour celles qui relèvent de terres privées25, et consiste à échanger des coordonnées avec une autre parcelle similaire dans le même comté. Ce processus de relocalisation aléatoire peut avoir des effets perceptibles sur l'estimation des conditions forestières dans de petites zones, mais tout biais systématique sur les attributs des terrains boisés mesurés sur une grande zone géographique, tels que les rayons d'approvisionnement évalués sur l'ensemble de la région côtière du sud-est des États-Unis, serait négligeable28. Il est très peu probable que d'autres attributs enregistrés au niveau du comté comportent un bruit statistique provenant du processus de fuzzing et d'échange29.

Le traitement a été identifié selon qu'une parcelle NFI se trouvait à une distance d'approvisionnement industriel commercial des usines de granulés de bois opérationnelles au cours de l'année d'échantillonnage. Nous avons tracé des cercles concentriques délimités par des rayons de 48,28 km (30 milles impériaux) et 80,47 km (50 milles impériaux) à partir du centre de gravité d'une usine si sa capacité annuelle de fabrication de granulés était, respectivement, inférieure ou d'au moins 100 000 Mg pour identifier les parcelles traitées. Les rayons sélectionnés correspondent aux distances de déplacement maximales courantes et à la tortuosité des routes régionales utilisées dans les définitions précédentes des zones d'approvisionnement en bois30,31,32. Les distances de déplacement ont été validées avec les enquêtes au niveau de l'usine de production de produits du bois de NFI et ont justifié le rayon d'approvisionnement plus long utilisé pour les usines de plus grande capacité33. Des rayons d'approvisionnement définis pour évaluer les effets industriels sur les forêts ont été appliqués aux produits du bois16,17 et à d'autres industries34,35. Nous avons exploré les effets de l'ajustement des rayons d'approvisionnement en les prolongeant de 20 km dans le cadre de notre évaluation des effets d'entraînement.

Estimation des effets nets de l'industrie sur les niveaux de C contemporains des terres à bois d'abord contrôlés pour l'emplacement non aléatoire des usines de granulés utilisant du bois. L'implantation d'installations terrestres dépendantes des ressources est un processus non aléatoire, en particulier lorsqu'une grande partie des dépenses en intrants provient des coûts d'approvisionnement et de transport des ressources localisées, et que les produits manufacturés ont des rapports valeur/poids relativement faibles41. Le processus de localisation non aléatoire est bien documenté dans les études de cas de l'industrie des granulés de bois42 et les applications d'optimisation43.

Nous nous sommes appuyés sur l'appariement par score de propension (PSM) pour pseudo-randomiser le traitement et réduire l'hétérogénéité observable initiale dans les facteurs explicatifs, conduisant à des estimations plus précises du modèle de panel44,45. L'utilisation de PSM pour pseudo-randomiser les parcelles n'a été appliquée que récemment aux données de l'IFN46,47. PSM nous a permis d'identifier les parcelles d'inventaire avec des conditions qui auraient pu les rendre statistiquement aussi probables que celles situées dans les rayons d'approvisionnement à traiter, mais qui ne l'ont pas été. L'estimation de la probabilité qu'une parcelle NFI de notre échantillon (n) se trouve dans le rayon d'approvisionnement d'une usine de granulés de bois a été donnée par :

où R prend la valeur '1' si la ième parcelle était située dans le rayon d'approvisionnement d'une usine de granulés de bois à tout moment pendant notre période d'échantillonnage, et '0' sinon. La théorie de la localisation de l'industrie et les preuves empiriques ont servi de base pour choisir les covariables PSM dans le vecteur Mi42,48,49. Celles-ci comprenaient : (a) la distance géodésique au port le plus proche commercialisant des produits forestiers, (b) la densité des routes du comté, (c) la propriété foncière (privée ou autre), (d) la distance géodésique à la centrale électrique à bois la plus proche, (e) la distance géodésique la distance jusqu'à l'usine de pâte à papier la plus proche, et (f) les effets spécifiques à l'état et (g) au type de groupe forestier. Respectivement, les trois premières covariables représentent les conditions indirectes qui affectent directement les coûts de production, y compris la livraison aux marchés (transport vers les ports de commerce), les infrastructures de transport locales (affectant la facilité d'approvisionnement en fibre brute et la livraison des granulés fabriqués) et les coûts de transaction (dans ce contexte particulier, les coûts d'approvisionnement en bois provenant de terres forestières privées sont en moyenne inférieurs à ceux des autres propriétés, en partie en raison des dépenses contractuelles et administratives). Les deux covariables suivantes captent la concurrence locale d'autres industries achetant des types similaires de biomasse ligneuse (centrales électriques brûlant du bois, usines de pâte à papier). Les deux dernières covariables contrôlaient les effets spécifiques à un état et à une sous-section écologique forestière tels que les politiques et réglementations, et les conditions écologiques, respectivement50,51. Le vecteur Mi comprenait également un terme d'interception. Les distances géodésiques ont été transformées en logarithme naturel pour capturer les associations non linéaires52,53. L'incorporation de variables écologiques et socio-économiques a été explorée de manière empirique lors de l'utilisation des informations des parcelles NFI pour tester les interventions anthropiques sur les conditions forestières54, et l'inclusion de dimensions spatiales explicites lors de l'appariement des parcelles NFI a amélioré les performances de la PSM46. Les variables PSM étaient invariantes dans le temps, à l'exception des distances jusqu'à la centrale électrique et à l'usine de pâte à papier les plus proches, auquel cas nous avons utilisé la distance minimale moyenne sur la période d'échantillonnage.

Les scores PSM pour les parcelles NFI dans les rayons d'approvisionnement commerciaux et étendus ont été estimés à l'aide d'une fonction probit avec des erreurs types robustes à l'hétéroscédasticité45. Nous avons apparié (avec et sans remise) chaque parcelle de R = 1 avec une parcelle non traitée en utilisant un calibre de 0,005. Nous avons utilisé d'autres algorithmes d'appariement, notamment l'appariement unique avec un calibre de 0,01, un appariement avec deux parcelles non traitées (caliper : 0,00005) et le voisin le plus proche à distance de Mahalanobis. Dans la section Résultats, nous présentons les résultats de l'appariement un à un (épaisseur : 0,005, sans remplacement) en raison de ses performances en termes de réduction du biais et de conservation de la taille de l'échantillon d'origine après l'appariement. Les mesures de performance de base du PSM dans les algorithmes d'appariement sont décrites dans les informations supplémentaires (tableaux S1 à S2).

Le carbone dans les pools de composants sélectionnés (arbres vivants ; arbres morts sur pied ; matière organique du sol) et les stocks totaux à la ième placette de l'IFN du sième groupe de types de forêts au cours de l'année t ont été modélisés après PSM comme suit :

où X est une matrice capturant des covariables variant dans le temps (à l'exclusion des effets de l'industrie des granulés de bois); D est une matrice indiquant si une parcelle se trouvait dans les rayons d'approvisionnement de l'industrie des granulés de bois à l'année d'inventaire t − l (l = 0, 1, 2) pour les effets moyens simultanés et décalés ; c, ω et γ capturent les effets de la parcelle, du type de forêt et de l'année ; et ε désigne une erreur aléatoire. Notre spécification de modèle comprenait des effets fixes NFI au niveau de la parcelle (ci) après que le multiplicateur de Breusch-Pagan Lagrange et les statistiques de test de Hausman, respectivement, ont favorisé les effets spécifiques à ith par rapport à l'estimation MCO groupée et leur inclusion en tant que termes fixes (plutôt qu'aléatoires)55. Les erreurs types ont été regroupées au niveau de la parcelle à l'aide de la méthode Delta. Estimation de l'éq. (2) et d'autres modèles décrits dans cette section incluaient un terme d'interception. Les paramètres de régression estimés se trouvent dans les vecteurs β, δ.

La direction et la signification statistique des coefficients dans δ mesuraient les effets moyens de l'industrie des granulés de bois. Nous avons évalué les effets nets de l'industrie à l'aide des tests de F Chow de signification statistique conjointe des paramètres en δ. Concurrents (t) et décalés (année d'inventaire précédente 't − 1', et deux années d'inventaire avant 't − 2') capturaient les effets du traitement. Nous nous référons à leurs signaux correspondants sur les niveaux de C contemporains comme décalés sur 5 et 10 ans (les parcelles NFI ont été échantillonnées le plus fréquemment tous les 5 ans selon la conception du programme NFI et tous les 5,64 ans en moyenne). Il convient de noter que notre choix d'utiliser des usines de granulés de bois opérationnelles (par exemple, sur la production réelle) pour évaluer les effets moyens du traitement est ancré sur les principes de la rente, car une industrie affecte la valeur actuelle nette des terres par le flux de revenus futurs attendus, et pas seulement sur la production d'une année donnée53. Par extension, toute forme de comportement anticipatif de récolte avant le début des opérations de pelletisation a pu impacter les rentes foncières et brouiller les effets de traitement56. Cependant, il est très peu probable que cela soit une source de biais dans nos données NFI. La période entre l'annonce de l'intention de construire une usine de granulés de bois et les opérations réelles prend généralement moins d'un an57 dans notre région d'étude, ce qui rend peu probable qu'il y ait eu des effets anticipés reflétés dans les conditions des parcelles NFI rééchantillonnées tous les cinq ans.

Les tests pour valider notre régression DiD post-appariement comprenaient l'examen des tendances parallèles avant qu'une parcelle NFI ne se trouve dans le rayon d'approvisionnement d'une usine de granulés de bois. Empiriquement, nous avons étudié les pré-tendances à travers une conception d'étude d'événement. Les niveaux de C dans les pools sélectionnés et les stocks totaux après PSM ont été modélisés comme suit :

où y désigne le nombre d'années avant et après avoir été dans le rayon d'une usine de granulés de bois en activité, avec y = 0 reflétant le moment où la ième parcelle NFI a été traitée pour la première fois. τ est un vecteur de coefficients respectifs. Les limites supérieures et inférieures indiquent les années avant/après le traitement et reflètent les valeurs maximales dans notre ensemble de données après PSM. Les erreurs types ont été regroupées au niveau de la parcelle.

La robustesse de nos résultats, en plus d'appliquer différents algorithmes d'appariement PSM avant DiD, a été vérifiée en estimant les paramètres d'un sous-échantillon de parcelles NFI. Nous avons sélectionné des parcelles NFI dans les États de l'Alabama, de la Géorgie et de la Virginie, où l'industrie a connu l'une des plus grandes expansions et où se trouvaient la plupart des observations NFI au cours de notre période d'étude. Nous avons également testé les effets hétérogènes de l'industrie en : (a) distinguant les usines de grande capacité de fabrication (≥ 100 000 Mg/an) et celles de plus petite taille pour évaluer les changements causés par la capacité de fabrication, et (b) en comptant le nombre de rayons d'approvisionnement chevauchant une parcelle NFI pour examiner les pressions d'approvisionnement supplémentaires. Pour tester le premier, nous avons estimé :

où Si,t−l saisit les informations sur la taille de l'usine de granulés de bois (1 = parcelle NFI dans le rayon d'une usine de granulés de bois d'une capacité de fabrication ≥ 100 000 Mg/an, 0 = sinon) à l'année d'inventaire t − l, et ν est un vecteur de coefficients estimés. Nous avons calculé les statistiques F de Chow pour tester la signification conjointe des coefficients des effets principaux en δ et des coefficients d'effet de taille hétérogène en ν. Pour tester les effets du chevauchement des rayons d'approvisionnement, nous avons estimé :

où Vri,t−l désigne le nombre r de chevauchements par ième placette de l'IFN de 1 à 'R' à l'année d'inventaire tl, et λ est un vecteur de coefficients estimés. Nous avons identifié jusqu'à cinq (R = 5) chevauchements de rayons industriels aux années d'inventaire t et t − 1, et jusqu'à deux à t − 2. Sur des rayons étendus, nous avons identifié jusqu'à six chevauchements à chaque t et t − 1, et jusqu'à deux à t − 2. La catégorie de référence était notre contrôle d'une parcelle NFI ne se trouvant pas dans les rayons d'approvisionnement de l'industrie des granulés de bois. Nous avons calculé les statistiques F de Chow pour tester la signification conjointe des coefficients capturant un rayon unique (r = 1), les effets hétérogènes du chevauchement des rayons industriels (r > 1) dans le vecteur λ et les effets nets totaux de l'industrie (r ≥ 1).

Les résultats de la régression probit [Informations supplémentaires, Tableau S3] ont montré que la probabilité qu'une parcelle se trouve dans le rayon d'approvisionnement commercial d'une usine de granulés de bois diminuait avec la distance la plus longue du port le plus proche (ρ coeff. = −0,335, p < 0,001) . Une association similaire, mais seulement marginalement significative (ρ coeff. = −0,024, p = 0,105) a été trouvée avec la distance à l'usine de pâte à papier la plus proche. Cette corrélation spatiale plus faible pourrait s'expliquer par la colocalisation des chaînes d'approvisionnement. Au contraire, il y avait une association directe avec la distance à la centrale électrique utilisant du bois la plus proche (coeff. ρ = 0,159, p < 0,001) peut-être expliquée par la façon dont ces deux industries se font directement concurrence pour des fibres de bois à faible coût similaires. Un coefficient négatif a été trouvé pour la densité (km/ha) des routes primaires et secondaires dans le comté de la ième parcelle (ρ coeff = −30,249, p < 0,001), ce qui pourrait indiquer à quel point la densité routière au-dessus de la moyenne à l'échelle de la région augmente les coûts d'opportunité du foncier comme c'est le cas des zones plus urbanisées. Nous avons trouvé une association directe avec la propriété privée (ρ coeff. = 0,282, p < 0,001) par rapport aux autres types de propriété. Le tableau S3 montre également les résultats respectifs lorsque la probabilité attendue était celle d'une parcelle située dans des rayons d'approvisionnement étendus.

La figure 3 montre les parcelles NFI incluses dans nos analyses post PSM. Réduction du biais correspondant entre les covariables, en particulier en ce qui concerne la distance par rapport aux autres industries utilisatrices de bois (usines de pâte à papier et centrales électriques utilisant le bois comme matière première) et la distance par rapport aux ports commercialisant des produits forestiers. Au cours de notre période de temps à travers les terres forestières de la côte sud-est des États-Unis, il y a eu une augmentation constante des niveaux de C total ainsi que des arbres vivants et des arbres morts sur pied (Fig. 4). Le C dans les sols a montré le moins de variabilité dans le temps, comme prévu. Les tests de tendances parallèles [informations supplémentaires, figure S1] avant qu'une parcelle NFI ne se trouve dans le rayon d'approvisionnement d'une usine de granulés de bois à l'aide d'une étude d'événement n'ont montré aucune différence systématique.

Emplacement des placettes d'inventaire forestier national sur les terrains forestiers exploitables de la côte sud-est des États-Unis. Y compris les parcelles rééchantillonnées entre 2000 et 2019 et des usines de granulés de bois en exploitation à partir de l'année (A) 2000 et (B) 2019, après appariement du score de propension (calibre 0,005, sans remplacement). Cartes générées avec QGIS Desktop 3.18.2, disponibles en ligne sur https://download.qgis.org/downloads/.

Estimations moyennes annuelles des pools de composants sélectionnés et des stocks de carbone totaux au cours des années d'inventaire (2000-2019). Par (A) échantillon global et par catégorie de traitement après appariement du score de propension (épaisseur = 0,005, sans remplacement) dans (B) commercial et (C) rayons d'approvisionnement étendus.

Il y avait des preuves statistiques à partir d'un échantillon de 14 342 parcelles NFI que l'industrie des granulés de bois sur la côte sud-est des États-Unis affectait les niveaux contemporains de C dans les arbres vivants (test F : p = 0,009) et les stocks forestiers totaux de C (test F : p = 0,035) dans les rayons d'approvisionnement commerciaux (Fig. 5A). Nous n'avons trouvé aucun effet contemporain net statistiquement discernable dans les arbres morts sur pied (test F : p = 0,172), ni dans les sols (test F : p = 0,214). Les effets nets de l'industrie identifiés sur des rayons étendus (Fig. 5B) estimés à partir d'un échantillon de 19 438 parcelles NFI ne suggèrent aucune signification statistique sur le C dans les arbres vivants (test F : p = 0,242), les sols (test F : p = 0,387) , ni les stocks de C totaux (F-test : p = 0,196), mais un effet sur les pools de C des arbres morts sur pied (F-test : p = 0,044).

Estimation des effets simultanés et décalés moyens de l'industrie des granulés de bois sur certains bassins et stocks de C totaux dans les terrains forestiers exploitables de la côte sud-est des États-Unis. Résultats par (A) commercial [parcelles NFI = 14 342 ; Observations = 39 882], et (B) étendu [parcelles NFI = 19 438 ; Observations = 52 895] rayons d'approvisionnement. Effets moyens déduits après appariement du score de propension (calibre = 0,005, sans remplacement) et régression du panel à effets fixes. Les barres indiquent les erreurs standard groupées de graphiques d'inventaire robustes. Erreurs de type I (* < 0,10 ; ** < 0,05 ; *** < 0,01) des effets simultanés, décalés et nets sur les stocks de carbone respectifs.

Dans les rayons d'approvisionnement commercial, les stocks totaux de C ont montré des effets simultanés et décalés de 5 ans plus élevés à une moyenne de 1,871 Mg/ha (p = 0,023) et 3,116 Mg/ha (p = 0,052). Il y avait des effets moyens simultanés et décalés de 5 ans plus élevés de 0,844 Mg/ha (p < 0,060) et 1,866 Mg/ha (p = 0,003), respectivement, sur le C dans les pools d'arbres vivants ; et effets décalés de 10 ans (0,302 Mg/ha, p = 0,070) sur le C dans les arbres morts sur pied. Le C dans les sols a montré des niveaux simultanés inférieurs (− 0,180 Mg/ha ; p = 0,061). Les effets moyens de l'industrie identifiés sur des rayons d'approvisionnement étendus indiquent qu'il n'y a pas d'impacts simultanés ou décalés statistiquement significatifs sur les arbres vivants, les pools de C du sol ou les stocks totaux. Cependant, il y avait un effet inverse simultané (− 0,105 Mg/ha ; p = 0,044) sur le pool de composants C de l'arbre mort sur pied.

Les effets moyens de l'industrie par rapport aux bassins total et de composant C étaient modestes (tableau 4). Leurs effets absolus ont diminué sur les rayons d'approvisionnement étendus pour les stocks de C totaux et les pools de C des arbres vivants, à l'exception des effets décalés de 10 ans (bien que ceux-ci n'aient pas été statistiquement significatifs). Les effets moyens relatifs sur les arbres morts sur pied étaient les plus importants parmi les pools de composants C individuels : leur plus grand effet statistiquement significatif (p < 0,10) montre une augmentation décalée de 22,811 % sur 10 ans dans les rayons d'approvisionnement commercial et une diminution simultanée de 7,530 % sur les rayons étendus . Les pools de C du sol ont montré les effets relatifs les plus faibles. Des effets relatifs moyens statistiquement significatifs (p < 0,10) sur les stocks totaux ont entraîné un C simultané de 1,135 % et un C décalé de 5 ans de 1,890 % supérieur à la moyenne dans les distances d'approvisionnement commercial.

Les paramètres estimés après différents algorithmes d'appariement et à partir d'un échantillon réduit (informations supplémentaires, figures S2-S4) ont montré une cohérence globale de la neutralité contemporaine nette dans les stocks de C totaux ; les effets les plus importants ont été trouvés dans les pools de composants d'arbres vivants dans les rayons commerciaux. Notamment, à travers des rayons étendus, il y avait des indications apparentes d'effets de débordement dans les pools de C individuels, mais aucune preuve de changement dans les stocks de C totaux. Les tests d'effets de taille hétérogènes (informations supplémentaires, tableaux S4–S5) suggèrent qu'il n'y a pas eu non plus d'effet net sur les stocks de C totaux. Mais nous avons identifié un effet net sur les bassins d'arbres morts sur pied (test F : p = 0,071) dans les rayons d'approvisionnement commercial des usines de granulés de bois d'au moins 100 000 Mg de capacité annuelle. Bien que non significatifs conjointement, nous avons trouvé des niveaux décalés de 10 ans inférieurs sur les pools de C vivants (− 8,100 Mg/ha, p = 0,05). Lorsque nous avons testé des effets de taille hétérogènes sur des rayons plus longs, nous avons détecté une augmentation nette du C du sol (test F : p = 0,038). Les effets hétérogènes dus au chevauchement des rayons d'approvisionnement commerciaux (c.-à-d. une parcelle recouverte par plus d'un rayon d'approvisionnement d'une usine de granulés de bois) suggèrent des tendances similaires (informations supplémentaires, tableaux S6–S7). Des chevauchements plus importants dans les rayons d'approvisionnement commercial étaient associés à une augmentation moyenne significative du C dans les arbres vivants (test F, p < 0,001), les sols (test F : p < 0,001) et les stocks totaux (test F, p < 001) . Il convient de noter que nous avons également détecté certains impacts négatifs (par exemple, moins de C dans les arbres vivants − 7,225 Mg/ha, p = 0,05 avec un effet décalé de 5 ans d'un chevauchement du 5e rayon). Les chevauchements des rayons d'approvisionnement étendus des usines étaient associés à moins de C dans les arbres morts sur pied (test F : p = 0,020).

Les effets de l'industrie sur les niveaux contemporains de carbone dans les arbres vivants s'expliquent probablement par une gestion axée sur le bois. Il s'agit du seul pool C qui est activement évalué financièrement, créant un flux attendu de revenus nets qui augmentent les loyers fonciers dans les zones d'approvisionnement industriel58. Des loyers fonciers plus élevés motivent la mise en œuvre de pratiques sylvicoles pour faire pousser du bois, produisant ainsi plus de carbone dans les arbres vivants14. Nos résultats corroborent les projections du marché sur la façon dont la nouvelle demande de bioénergie peut coexister avec la croissance nette continue de la biomasse dans les zones achetées commercialement12,13,57. Les différences dans les unités d'observation et les modèles statistiques empêchent les comparaisons directes, mais nos estimations moyennes se situent dans l'augmentation moyenne de 2 Mg/ha précédemment détectée pour les paysages d'approvisionnement des usines de granulés de bois à grande échelle opérant depuis au moins 10 ans dans l'est des États-Unis. la période 2005-201716. De manière notable, nous n'avons trouvé aucun effet statistiquement significatif sur les pools de C d'arbres vivants dans des rayons d'approvisionnement étendus (bien que d'autres techniques d'appariement aient montré des effets légèrement significatifs). Cela pourrait s'expliquer par l'approvisionnement localisé de la biomasse ligneuse dans les « paniers de bois » en raison du transport qui représente une grande partie des coûts d'approvisionnement59.

Une logique de rente foncière pourrait ne pas être étendue aux pools de composants C qui ne génèrent pas de rendements financiers, mais les impacts pourraient toujours être liés à des pratiques de gestion axées sur le bois. Dans le cas des arbres morts sur pied, cela est cohérent avec les études antérieures16,17 ne signalant aucun changement statistiquement perceptible dans ce pool de C dans les paysages d'approvisionnement industriel. Une explication plausible des effets décalés de 10 ans sur le C dans le pool de composants d'arbres morts sur pied dans les rayons d'approvisionnement commercial pourrait être l'adoption de pratiques qui conservent un nombre minimum d'arbres morts sur pied, de cimes d'arbres et d'autres débris ligneux pendant la récolte. Chaque État de notre échantillon a adopté de telles recommandations pour répondre aux préoccupations concernant les impacts écologiques liés à l'extraction supplémentaire de biomasse ligneuse dépassant la récolte courante et les perturbations naturelles60. Cependant, les effets associés de l'industrie sur de longues distances d'approvisionnement suggèrent une baisse simultanée de C dans le même pool de composants d'arbres morts sur pied. Cela pourrait être le signe d'une vaste empreinte d'approvisionnement industriel qui serait associée à moins d'arbres morts sur pied16,17 entraînant une diminution de ce réservoir de C lorsqu'il est aggravé sur une plus grande surface.

Dans le cas du C dans les sols, il est de plus en plus évident que la récolte de bois peut réduire ces stocks61,62,63 bien que des pratiques post-récolte telles que le reboisement puissent aider à les restaurer64. Ceux-ci pourraient expliquer les niveaux inférieurs simultanés statistiquement significatifs de C du sol dans les rayons d'approvisionnement commercial et les niveaux supérieurs décalés de 5 ans détectés dans les rayons étendus. Les perturbations anthropiques peuvent entraîner des changements dans la température et l'humidité du sol et, à leur tour, influencer l'accessibilité et l'activité microbienne en réduisant les apports de C provenant de la litière et des racines64. Les différences dans les niveaux de C du sol peuvent également être attribuées à des facteurs naturels invariants dans le temps tels que le type de forêt et le matériau parental64,65 que nous avons contrôlés dans notre estimation. Une autre analyse utilisant un ensemble d'estimations de C différent du nôtre a également révélé une tendance inverse pour le pool de composants C du sol dans des zones d'approvisionnement commercial définies de manière similaire16. Dans ces interprétations, il est important de souligner que toutes les estimations du C du sol comportent une incertitude méthodologique inhérente, qui peut remettre en question l'attribution des mécanismes de changement du C20,64,66.

Deux des principales caractéristiques de notre approche méthodologique étaient la pseudo-randomisation statistique des parcelles NFI situées dans les rayons d'approvisionnement industriel et le contrôle des covariables importantes (facteurs anthropiques, autres facteurs biotiques et abiotiques). D'autres ont tenté différentes approches pour contrôler l'emplacement non aléatoire des usines de granulés de bois, y compris la sélection d'une région contrefactuelle16,35. Nous avons formalisé cette étape lors de la réalisation d'un PSM avant les analyses DiD. Il est également impératif de contrôler les facteurs non industriels qui peuvent affecter les stocks de C forestier afin de démêler correctement les impacts liés à l'industrie. Ici, nous soulignons les associations statistiques que nous avons trouvées entre les incendies et les dommages causés par les conditions météorologiques extrêmes (informations supplémentaires, figure S5), toutes deux susceptibles de s'intensifier avec le changement climatique67. Par exemple, les signes de dommages causés par le feu et les conditions météorologiques extrêmes autres que le feu étaient associés à une baisse moyenne de C dans les arbres vivants de − 1,675 Mg/ha (p = 0,033) et − 7,473 Mg/ha (p < 0,001), respectivement. Nous avons également trouvé une association directe entre la perturbation par les insectes ou les maladies et le C dans les arbres vivants (3,050 Mg/ha ; p = 0,005) et morts sur pied (2,335 Mg/ha ; p < 0,001). Ces résultats pourraient être respectivement indicatifs de la façon dont une telle perturbation est plus susceptible d'être détectée avec une biomasse vivante plus abondante et associée à une augmentation de la mortalité des arbres. Il est important de noter que les estimations associées à ces facteurs abiotiques et biotiques dépassent les effets industriels détectés dans notre recherche.

Notre approche méthodologique utilisant les données de l'IFN peut être appliquée pour évaluer la neutralité localisée en C des terres de toute industrie dépendante de la biomasse ligneuse. Mais nous soulignons que la neutralité ultime de tout un système bioénergétique, et pas seulement du secteur foncier, dépend de nombreux facteurs autres que l'approvisionnement en bois. Des études antérieures ont indiqué que les systèmes énergétiques à base de bois pourraient entraîner un large éventail d'effets sur les émissions nettes de carbone68,69,70. Par exemple, les évaluations du cycle de vie des émissions de C des terres jusqu'à la conversion de l'électricité montrent que l'électricité produite à partir de la biomasse ligneuse pourrait entraîner jusqu'à 83 % de réduction des émissions nettes de C, ou jusqu'à 73 % d'augmentation nette, par rapport à l'utilisation du charbon. Des augmentations nettes des émissions ont été détectées lors de la modélisation de chaînes d'approvisionnement de biomasse à forte consommation d'énergie (par exemple, le séchage de la biomasse dans des fours utilisant des combustibles fossiles)68. D'autres, après avoir pris en compte l'expédition transatlantique de granulés de bois fabriqués sur la côte sud-est des États-Unis et brûlés dans l'UE28, ont encore suggéré des émissions nettes de C inférieures à celles des systèmes à base de combustibles fossiles. En effet, la valeur marchande créée par l'industrie des granulés peut maintenir la croissance des stocks de C en empêchant le changement d'utilisation des terres loin des forêts12,59.

Dans l'ensemble, nous n'avons trouvé aucune preuve d'un déclin net du total des stocks de C forestiers locaux contemporains causé par l'industrie des granulés de bois sur la côte sud-est des États-Unis. Ce résultat suggère que la granulation de bois dans ce contexte particulier peut contribuer à découpler les objectifs bioénergétiques et qu'aucune émission de carbone supplémentaire ne devrait être attribuée au secteur des terres pour la comptabilisation des gaz à effet de serre au niveau national8. Nos résultats indiquent également des compromis perceptibles, en particulier des gains nets en C dans les arbres vivants, mais une baisse du C dans les sols dans les zones d'approvisionnement commercial, probablement en raison d'une gestion plus intensive du bois. Bien que notre évaluation de la neutralité du net soit valable, une évaluation continue des stocks de carbone totaux et des réservoirs individuels semble nécessaire pour au moins deux raisons. Premièrement, nos résultats peuvent être statistiquement robustes, mais la période de 20 ans couverte par notre étude est relativement courte pour mesurer les tendances de durabilité en foresterie. Deuxièmement, les granulés de bois restent à ce jour une composante relativement petite de la gamme de produits du bois fabriqués sur la côte sud-est des États-Unis (Matériaux supplémentaires, figure S6), mais c'est l'un des secteurs de l'industrie des produits du bois qui connaît la croissance la plus rapide. Les changements futurs dans les pressions de récolte causés par les augmentations prévues de la demande de fabrication de produits en bois, combinés à d'autres facteurs, pourraient vraisemblablement modifier la dynamique du carbone et les stocks nets.

En ce qui concerne les futurs besoins de recherche, les évaluations empiriques pourraient être élargies pour étudier les impacts au-delà du C et à d'autres contextes. Par exemple, il sera important de mieux comprendre tout effet causal sur le paysage sociodémographique complexe où l'industrie des granulés de bois de la côte sud-est des États-Unis a émergé71. Des évaluations sur la façon dont une industrie croissante des granulés de bois pourrait affecter la biodiversité locale ou d'autres objectifs de gestion des terres sont méritées. Dans les paysages forestiers complexes, les changements dans la composition des espèces à travers les terres boisées pourraient être favorables ou préjudiciables aux efforts visant à renforcer la capacité des forêts à faire face au changement climatique72. Il serait également utile d'évaluer si les stocks de carbone forestier sont impactés par l'industrie des granulés de bois dans d'autres contextes géopolitiques. Par exemple, la granulation de bois au Viet Nam a quadruplé sa production sur une période de cinq ans pour devenir le troisième exportateur mondial. Ses exportations de granulés de bois ont dépassé 3 millions de Mg en 20196. Des évaluations systématiques de la neutralité en C des forêts dans l'UE27, où se trouve actuellement la plus grande capacité de granulation de bois au monde, semblent justifiées pour surmonter les inquiétudes concernant les associations potentiellement fallacieuses avec les industries bioénergétiques dépendantes du bois73.

Nous avons évalué les impacts de l'industrie des granulés de bois sur les stocks de C forestiers locaux dans les zones forestières du sud-est côtier des États-Unis, en distinguant les pools de composants dans les arbres vivants et morts sur pied, les sols et les stocks totaux. Nos estimations offrent des preuves solides que l'industrie des granulés de bois a satisfait à la condition générale de neutralité carbone des forêts. Ainsi, cette industrie aurait pu contribuer aux objectifs de découplage et aucune émission de C supplémentaire n'aurait dû être imputée au secteur des terres dans la comptabilisation des gaz à effet de serre sur la période 2000-2019.

Nos résultats indiquent également des compromis perceptibles (par exemple, des gains en C dans les arbres vivants, une baisse du C dans les sols dans les zones d'approvisionnement commercial) avec la gestion du bois comme le mécanisme le plus plausible derrière de tels changements, et des effets de débordement possibles, en particulier parmi les non- pools de C commercialisés financièrement (par exemple C inférieur dans les arbres morts sur pied). Lors du test des effets hétérogènes, il y avait également des indications d'effets mixtes sur les pools de C lors de la distinction de la taille de l'usine de granulés de bois et de l'intensification de la pression d'approvisionnement. Néanmoins, nos preuves empiriques suggèrent la neutralité du C dans le sud-est côtier des États-Unis. L'émergence relativement récente de l'industrie des granulés de bois limite notre capacité à indiquer les tendances de durabilité à long terme et à souligner que les résultats sont applicables à l'approvisionnement en bois pour la granulation dans le contexte particulier de notre étude.

Le code source de nos analyses statistiques est disponible sur https://dataverse.harvard.edu/dataverse/woodpelletindustry. Le référentiel en ligne comprend des exemples d'ensembles de données et des données de code pour reconstruire les ensembles de données.

Direction générale de la recherche et de l'innovation de la Commission européenne. Une bioéconomie durable pour l'Europe : renforcer le lien entre l'économie, la société et l'environnement : stratégie bioéconomique actualisée (Direction générale de la recherche et de l'innovation, 2018).

Google Scholar

Teitelbaum, L., Boldt, C. & Patermann, C. Global Bioeconomy Policy Report (IV): A Decade of Bioeconomy policy (Conseil consultatif international sur la bioéconomie mondiale, 2020).

Google Scholar

Parlement européen; Conseil européen. Directive (UE) 2018/2001 du Parlement européen et du Conseil du 11 décembre 2018 concernant la promotion de l'utilisation de l'énergie produite à partir de sources renouvelables (2018). (En ligne). http://data.europa.eu/eli/dir/2018/2001/oj.

Parlement européen; Conseil européen. Directive 2009/28/CE sur la promotion de l'utilisation de l'énergie produite à partir de sources renouvelables (2009). (En ligne). http://data.europa.eu/eli/dir/2009/28/oj.

Glasenapp, S., & McCusker, A. Wood energy data: the joint wood, in Wood Energy in the ECE Region: Data, Trends and Outlook in Europe, the Commonwealth of Independent States and North America, Genève, Commission économique des Nations Unies pour l'Europe : ECE/TIM/SP/42, 12-29 (2018).

Eurostat. Produits du bois — Production et commerce (2021). (En ligne). https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Wood_products_-_production_and_trade#Wood-based_industries. Consulté le 10 9 2021.

Organisation des Nations Unies pour l'alimentation et l'agriculture. FAOSTAT : Production et commerce forestiers (2021). (En ligne). http://www.fao.org/faostat/en/#data. Consulté le 13 septembre 2021.

Le Groupe d'experts intergouvernemental sur l'évolution du climat. Amélioration des Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre (Groupe de travail du PCC sur les inventaires nationaux de gaz à effet de serre, 2019).

Google Scholar

Parlement européen; Conseil européen. Règlement délégué (UE) 2019/807 de la Commission du 13 mars 2019 complétant la directive (UE) 2018/2001 du Parlement européen et du Conseil en ce qui concerne la détermination du risque élevé de changement indirect d'affectation des sols (2018) (en ligne). fttps://eur-lex.europa.eu/eli/reg_del/2019/807/oj.

de Oliveira Garcia, W., Amann, T. & Hartmann, J. L'augmentation de la demande de biomasse élargit les zones de bilan négatif des nutriments forestiers dans les régions d'exportation de bois. Sci. Rep. 8, 5280 (2018).

Article ADS PubMed PubMed Central Google Scholar

Searchinger, T. et al. La directive européenne sur les énergies renouvelables est sur le point de nuire aux forêts mondiales. Nat. Commun. 9, 3741 (2018).

Article ADS PubMed PubMed Central Google Scholar

Galik, CS & Abt, RC Directives de durabilité et réponse du marché forestier : Une évaluation de la demande de granulés de l'Union européenne dans le sud-est des États-Unis. GCB Bioénergie 8, 658–669 (2016).

Article Google Scholar

Favero, AD & Sohngen, B. Forêts : séquestration du carbone, énergie de la biomasse ou les deux ?. Sci. Adv. 6(13), eaay6792 (2020).

Article ADS PubMed PubMed Central Google Scholar

Cowie, A. et al. Appliquer une perspective systémique basée sur la science pour dissiper les idées fausses sur les effets climatiques de la bioénergie forestière. GCB-Bioénergie 13, 1210–1231 (2021).

Article Google Scholar

Camia, A, Jonsson, GJR, Robert, N., Cazzaniga, N., Jasinevičius, G., Avitabile, V., Grassi, G., Barredo, J. et Mubareka, S. L'utilisation de la biomasse ligneuse pour l'énergie Production dans l'UE (Commission européenne, Centre commun de recherche, 2021).

Aguilar, FX, Mirzaee, A., McGarvey, R., Shifley, S. & Burtraw, D. L'expansion de l'industrie américaine des granulés de bois indique des tendances positives, mais la nécessité d'une surveillance continue. Sci. Rep. 10, 18607 (2020).

Article ADS CAS PubMed PubMed Central Google Scholar

Dale, V., Parish, E., Kline, K. & Tobin, E. Comment la production de granulés de bois affecte-t-elle les conditions forestières dans le sud-est des États-Unis ?. Pour Ecol Manag 396, 143–14 (2017).

Article Google Scholar

Ceccherini, G. et al. Augmentation brutale de la superficie forestière exploitée en Europe après 2015. Nature 583, 72–77 (2020).

Article ADS CAS PubMed Google Scholar

FORISK Consulting. Base de données américaine sur la bioénergie du bois (2020). (En ligne). https://forisk.com/. Accédé en 2020.

Domke, G. et al. Vers des estimations basées sur l'inventaire du carbone organique du sol dans les forêts des États-Unis. Écol. Appl. 27(4), 1223-1235 (2017).

Article CAS PubMed Google Scholar

Python Org. Langage de programmation Python (2022) (en ligne). https://www.python.org/. Consulté le 1er janvier 2018.

STATA. Stata : logiciel statistique pour la science des données (2022) (en ligne). https://www.stata.com/. Consulté le 1er janvier 2018.

QGIS. Système d'information géographique libre et open source (2021). (En ligne). https://qgis.org/en/site/.

Département de l'agriculture des États-Unis, Service forestier. Programme national d'inventaire et d'analyse des forêts (2020). (En ligne). https://www.fia.fs.fed.us/.

Burrill, EA, Wilson, AM, Turner, JA, Pugh, SA, Menlove, J., Christiansen, G., Conkling, B., & David, W. La base de données d'inventaire et d'analyse des forêts : description de la base de données et guide de l'utilisateur version 8.0 pour la phase 2 (US Department of Agriculture, US Forest Service, 2018).

Ahmed, M. et al. Modélisation spatialement explicite des facteurs multi-échelles de la biomasse forestière aérienne et de l'apport en eau dans les bassins versants du sud-est des États-Unis. J. Environ. Géré. 199, 158-171 (2017).

Article Google Scholar

Timilsina, N. et al. Un cadre pour identifier les points chauds de carbone et les moteurs de la gestion forestière. J. Environ. Géré. 114, 293–302 (2012).

Article Google Scholar

Coulston, J., Ritters, K., McRoberts, R., Reams, G. et Smith, W. Emplacements des parcelles d'inventaire forestier vrais ou perturbés pour la modélisation : une étude de simulation. Peut. J.Pour. Rés. 36, 801–807 (2006).

Article Google Scholar

Anselin, L. Effets spatiaux dans la pratique économétrique en économie de l'environnement et des ressources. Suis. J. Agric. Écon. 83(3), 705–710 (2001).

Article MathSciNet Google Scholar

Strange-Olesen, A., Bager, S., Kittler, B., Price, W. et Aguilar, F. Implications environnementales d'une dépendance accrue de l'UE à la biomasse du sud-est des États-Unis (rapport de la Commission européenne ENV.B. 1/ETU/2014/0043, 2015).

Spelter, H., & Toth, D. North America's Wood Pellet Sector (US Department of Agriculture, Forest Service, Forest Products Laboratory, 2009).

Goerndt, M., Aguilar, F. & Skog, K. Conducteurs de la co-combustion de la biomasse dans les centrales électriques au charbon aux États-Unis. Biomasse Bioénerg. 58, 158-167 (2013).

Article Google Scholar

Département de l'agriculture des États-Unis, Service forestier. Programme national d'inventaire et d'analyse des forêts : Études sur la production des produits du bois (2022). (En ligne). https://www.fia.fs.fed.us/program-features/tpo/. Consulté en 2022.

Sonter, L. et al. L'exploitation minière entraîne une déforestation massive en Amazonie brésilienne. Nat. Commun. 8(1013), 66. https://doi.org/10.1038/s41467-017-00557-w (2017).

Article CAS Google Scholar

Mirzaee, A., McGarvey, R., Aguilar, F. & Schliep, E. Impact de la production de bioénergie sur les forêts de l'est des États-Unis. Environ. Dév. Soutenir. https://doi.org/10.1007/s10668-022-02235-4 (2022).

Article Google Scholar

Brandeis, C., Taylor, M., Abt, K. et Alderman, D. Status and Trends for the US Forest Products Sector: A Technical Document Supporting the Forest Service 2020 RPA Assessment (US Department of Agriculture, Forest Service Southern Research Station, Inventaire et Analyse Forestiers, 2021).

Agence américaine de protection de l'environnement. Base de données intégrée sur les émissions et les ressources de génération (eGRID) (2021) (en ligne). https://www.epa.gov/egrid.

Département américain des transports. Ports : ArcGIS Online (2021) (en ligne). https://data-usdot.opendata.arcgis.com/datasets/usdot::ports/about.

Bureau américain du recensement. TIGER/Line Shapefiles (2021) (en ligne). https://www.census.gov/geographies/mapping-files/time-series/geo/tiger-line-file.html.

Bureau américain du recensement. Ensembles de données sur les estimations de la population et des unités de logement (2021) (en ligne). https://www.census.gov/programs-surveys/popest/data/data-sets.html.

McCann, P. L'économie de la localisation industrielle : une approche logistique-coûts (Springer, 1998).

Singh, D., Cubbage, F., Gonzalez, R. & Abt, R. Déterminants de localisation pour les usines de granulés de bois : Une revue et une étude de cas de l'Amérique du Nord et du Sud. BioResources 11(3), 7928–7952 (2016).

Article Google Scholar

Boukherroub, T., LeBel, L. & Lemieux, S. Développement d'une chaîne d'approvisionnement intégrée en granulés de bois : sélection parmi les sources de matières premières et une gamme d'échelles d'exploitation. Appl. Énergie 198, 385–400 (2017).

Article Google Scholar

Heckman, J., Ichimura, H. & Todd, P. Appariement en tant qu'estimateur d'évaluation économétrique : Preuve de l'évaluation d'un programme de formation professionnelle. Rev. Econ. Étalon. 64(4), 605–654 (1997).

Article MATH Google Scholar

Caliendo, M. & Kopeinig, S. Quelques conseils pratiques pour la mise en œuvre de l'appariement des scores de propension. J. Econ. Surv. 22(1), 31–72 (2008).

Article Google Scholar

Woo, H., Eskelson, B. & Monleon, V. Méthodes d'appariement pour quantifier les effets des feux de forêt sur la masse de carbone forestier dans le nord-ouest du Pacifique des États-Unis. Écol. Appl. 31(3), e02283 (2021).

Article PubMed Google Scholar

Morreale, L., Thompson, J., Tang, X., Reinmann, A. & Hutyra, L. Croissance élevée et biomasse le long des lisières des forêts tempérées. Nat. Commun. 12(7181), 66 (2021).

Google Scholar

Isard, W. La théorie générale de la localisation et de l'économie spatiale. QJ Éco. 63(4), 476–506 (1949).

Article Google Scholar

Aguilar, FX Analyse économétrique spatiale des facteurs de localisation dans une industrie basée sur les ressources renouvelables : l'industrie du bois du sud des États-Unis. Pour. Politique Éco. 11(3), 184–193 (2009).

Article Google Scholar

Aguilar, FX Analyse conjointe des préférences de localisation de l'industrie : preuves de l'industrie du bois d'œuvre résineux aux États-Unis. Appl. Écon. 66, 3265–3274 (2010).

Google Scholar

Aguilar, FX, Goerndt, M., Song, N. & Shifley, S. Facteurs internes, externes et de localisation influençant la cocombustion de la biomasse avec du charbon dans la région nord des États-Unis. Économie d'énergie. 34, 1790–1798 (2012).

Article Google Scholar

Ferraro, PJ et al. Estimer les impacts de la conservation sur les services écosystémiques et la pauvreté en intégrant la modélisation et l'évaluation. Proc. Natl. Acad. Sci. 112(24), 7420–7425 (2015).

Article ADS CAS PubMed PubMed Central Google Scholar

Zhang, D. & Pearse, P. Forest Economics 412 (UBC Press, 2011).

Google Scholar

Villalobos, L., Coria, J. & Nordén, L. La certification forestière a-t-elle réduit la dégradation des forêts en Suède ?. Écon. 94, 220-238 (2018).

Article Google Scholar

Wooldridge, J. Analyse économétrique des données transversales et de panel (MIT Press, 2010).

Blackman, A., Corral, L., Lima, E. & Asner, G. Les communautés autochtones de titrage protègent les forêts de l'Amazonie péruvienne. PNAS 114(16), 4123–4128 (2016).

Annonces d'article Google Scholar

Abt, KL, Abt, RC, Galik, CS et Skog, KE Effet des politiques sur la production de granulés et les forêts dans le sud des États-Unis : un document technique à l'appui de la mise à jour du service forestier de l'évaluation RPA 2010 USDA (Service forestier GTR Srs-202 , 2014).

Hardie, P. Parks, P. Gottleib et D. Wear, "Réactivité des utilisations des terres rurales et urbaines aux déterminants de la rente foncière dans le sud des États-Unis", Land Economics, vol. 76, non. 4, p. 659–673, 2000.

Parish, E., Herzberger, A., Phifer, C. & Dale, V. Le commerce transatlantique de granulés de bois démontre des avantages télécouplés. Écol. Soc. 23(1), 28 (2018).

Article Google Scholar

Titus, B. et al. Biomasse forestière durable : Un examen des lignes directrices actuelles sur la récolte des résidus. Maintien de l'énergie. Soc. 11, 66. https://doi.org/10.1186/s13705-021-00281-w (2021).

Article Google Scholar

Jandl, R. et al. Dans quelle mesure la gestion forestière peut-elle influencer la séquestration du carbone dans le sol ?. Géoderme 137(3), 253–268 (2007).

Article ADS CAS Google Scholar

Nave, L., Vance, E., Swanston, C. & Cepas, PS Impacts de la récolte sur le stockage du carbone dans le sol dans les forêts tempérées. Pour. Écol. Géré. 259, 857–866 (2010).

Article Google Scholar

Mayer, M. et al. Revue Tamm : Influence des activités de gestion forestière sur les stocks de carbone organique du sol : Une synthèse des connaissances. Pour. Écol. Géré. 466, 118127 (2020).

Article Google Scholar

Berryman, E., Hatten, J., Page-Dumroese, DS, Heckman, KA, D'Amore, DV, Puttere, J. et Domke, GM Carbone du sol dans les sols des forêts et des parcours des États-Unis dans des conditions changeantes 9 –31 (Springer, 2020).

Nave, LE et al. Effets de l'utilisation et de la gestion des terres sur le carbone du sol dans les États américains des lacs, en mettant l'accent sur la foresterie, les incendies et le reboisement. Écol. Appl. 66, 2356 (2021).

Google Scholar

Cao, B., Domke, GM, Russell, MB et Walters, B. Modélisation spatiale des stocks de litière et de carbone du sol sur les terres forestières des États-Unis contigus. Sci. Environ. 654, 94–106 (2019).

Article ADS CAS PubMed Google Scholar

Coulston, J. & Wear, D. Du puits à la source : variation régionale des contrats à terme sur le carbone forestier aux États-Unis. Sci. Rep. 5, 66. https://doi.org/10.1038/srep16518 (2015).

Article Google Scholar

Röder, M., Whittaker, C. & Thornley, P. Quelle est la certitude des réductions de gaz à effet de serre provenant de la bioénergie ? Analyse du cycle de vie et analyse des incertitudes des chaînes d'approvisionnement de granulés de bois à l'électricité à partir de résidus forestiers. Biomasse Bioénerg. 79, 50–63 (2015).

Article Google Scholar

Hanssen, S., Duden, A., Junginger, M., Dale, D. & D. vander Hilst,. Les granulés de bois, quoi d'autre ? Temps de parité des gaz à effet de serre de l'électricité européenne à partir de granulés de bois produits dans le sud-est des États-Unis à partir de différentes matières premières de résineux. GC-Bioénergie 9(9), 1406–1422 (2017).

Article CAS Google Scholar

Picciano, P., Aguilar, F., Burtraw, D. & Mirzaee, A. Implications environnementales et socio-économiques de la co-combustion de la biomasse ligneuse dans les centrales électriques au charbon. Resour. Économie d'énergie. 6, 66 (2022).

Google Scholar

Hetchner, S., Schelhas, J. et Brosius, J. Les forêts comme carburant : énergie, paysage, climat et race dans le sud des États-Unis (Lexington Books, 2022).

Coulston, J., Wear, D. & Vose, J. La dynamique forestière complexe indique un potentiel de ralentissement de l'accumulation de carbone dans le sud-est des États-Unis. Sci. Rep. 5, 8002 (2015).

Article ADS PubMed PubMed Central Google Scholar

Palahi, M. et al. Préoccupations concernant les récoltes signalées dans les forêts européennes. Nature 592, E15–E17 (2021).

Article PubMed Google Scholar

Télécharger les références

Cette recherche a été en partie financée par le Département américain de l'agriculture, US Forest Service Agreement 17-JV-11330143-106. Nous sommes reconnaissants à Karen Abt (anciennement du Service forestier de l'USDA), Allen Blackman (Banque interaméricaine de développement), Jeffrey Prestemon (Service forestier de l'USDA), Stephen Shifley (anciennement du Service forestier de l'USDA) et Margaret Walls (Ressources pour l'avenir) pour les commentaires et les critiques des versions antérieures de ce manuscrit. Cette publication ne vise pas à refléter les opinions de ces institutions ou individus. Toute erreur reste de la responsabilité des auteurs.

Financement en libre accès fourni par l'Université suédoise des sciences agricoles.

Département d'économie forestière, Université suédoise des sciences agricoles, 90736, Umeå, Suède

Francisco X.Aguilar

Université Tulane, La Nouvelle-Orléans, LA, 70118, États-Unis

Houston Sudekum

IESEG School of Management, 59000, Lille, France

Ronald McGarvey

École des ressources naturelles, Université du Missouri, Columbia, MO, 65211, États-Unis

Benjamin Knapp

Station de recherche du Nord, Service forestier des États-Unis, Département de l'agriculture des États-Unis, St. Paul, MN, 55108, États-Unis

Grant Domke

Station de recherche du Sud, Service forestier des États-Unis, Département de l'agriculture des États-Unis, Knoxville, TN, 37919, États-Unis

Consuelo Brandeis

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

FA, HS et RM ont conceptualisé l'étude. FA, HS, RM, GD ont développé des méthodes. FA, HS, GD, CB ont terminé les analyses de données. HS, FA, CB ont généré des chiffres et des tableaux. FA et HS ont élaboré le projet original du manuscrit. RM, BK, GD et CB se sont engagés dans l'édition de la version finale. Tous les auteurs ont examiné le manuscrit.

Correspondance à Francisco X. Aguilar.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Aguilar, FX, Sudekum, H., McGarvey, R. et al. Impacts de l'industrie des granulés de bois du sud-est des États-Unis sur les stocks de carbone forestiers locaux. Sci Rep 12, 19449 (2022). https://doi.org/10.1038/s41598-022-23870-x

Télécharger la citation

Reçu : 23 mai 2022

Accepté : 07 novembre 2022

Publié: 14 novembre 2022

DOI : https://doi.org/10.1038/s41598-022-23870-x

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.

Nouvelles

Impacts de l'industrie des granulés de bois du sud-est des États-Unis sur les stocks de carbone forestier locaux