1. На главную
  2. Электронные версии
  3. Известия РАН. Серия географическая
  4. T. 87, № 4, 2023

Известия РАН. Серия географическая, 2023, T. 87, № 4, стр. 637-648

Экономические и природные факторы пространственной неоднородности выбросов углерода в лесах России в 2010-х годах

А. И. Пыжев a, b, c, *

a Сибирский федеральный университет
Красноярск, Россия

b Центр по проблемам экологии и продуктивности лесов РАН
Москва, Россия

c Институт экономики и организации промышленного производства СО РАН
Новосибирск, Россия

* E-mail: apyzhev@sfu-kras.ru

Поступила в редакцию 13.12.2022
После доработки 10.03.2023
Принята к публикации 24.04.2023

Аннотация

Увеличение нетто-поглощения углерода лесами является единственным способом достижения Россией углеродной нейтральности к 2060 г. В этом контексте наряду с мерами по увеличению площадей и качества древостоев важное значение приобретают способы сокращения эмиссии углерода вследствие деятельности человека и природных нарушений. В статье с помощью регрессионных моделей панельных данных анализируется пространственная неоднородность выбросов углерода в лесах России в 2009–2021 гг., измеренных инструментами проекта Global Forest Watch, в зависимости от экономических (объемы лесозаготовки, государственные расходы на проведение лесохозяйственных, лесозащитных и лесопожарных мероприятий) и природных (масштаб лесных пожаров и вспышек массового размножения насекомых-вредителей) факторов. Наибольшее влияние на потери углерода лесами ожидаемо оказывают лесозаготовка и лесные пожары, в то время как расходы на выполнение государственных функций в сфере лесных отношений практически не находят отклика в сокращении углеродных эмиссий. Таким образом, на деле цель по сохранению лесов путем государственных инвестиций в соответствующие мероприятия пока не достигается. Полученный набор регрессионных моделей может быть использован для прогноза динамики региональных эффектов потерь углерода лесами при изменении объемов лесозаготовки и различных траекториях динамики лесопожарной активности. Такой анализ будет критически необходим для формирования региональных планов по сокращению выбросов парниковых газов с учетом максимального использования потенциала наращивания нетто-поглощения углерода лесами.

Ключевые слова: экономика климатических изменений, экономика углеродного регулирования, бюджет углерода лесов, эмиссия углерода, статистическое моделирование, регрессионный анализ панельных данных, Global Forest Watch

Список литературы

  1. Барталев С.А., Стыценко Ф.В. Спутниковая оценка гибели древостоев от пожаров по данным о сезонном распределении пройденной огнем площади // Лесоведение. 2021. № 2. С. 115–122. https://doi.org/10.31857/S0024114821020029

  2. Ваганов Е.А. и др. Оценка вклада российских лесов в снижение рисков климатических изменений // Экономика региона. 2021. Т. 17. № 4. С. 1096–1109. https://doi.org/10.17059/EKON.REG.2021-4-4

  3. Замолодчиков Д.Г., Грабовский В.И., Каганов В.В. Экосистемные услуги и пространственное распределение защитных лесов Российской Федерации // Лесоведение. 2021. № 6. С. 581–592.

  4. Порфирьев Б.Н., Широв А.А., Семикашев В.В., Колпаков А.Ю. Экономические риски в контексте разработки политики с низким уровнем эмиссий парниковых газов в России // Энергетическая политика. 2020. № 5 (147). С. 92–103.

  5. Пыжев А.И. Климатическую повестку никто не отменял: почему это важно для российской экономики // ЭКО. 2022. № 7 (577). С. 31–50. https://doi.org/10.30680/ECO0131-7652-2022-7-31-50

  6. Романовская А.А., Трунов А.А., Коротков В.Н., Карабань Р.Т. Проблема учета поглощающей способности лесов России в Парижском соглашении // Лесоведение. 2018. № 5. С. 323–334.

  7. Филипчук А.Н., Моисеев Б.Н., Малышева Н.В. Новые аспекты оценки поглощения парниковых газов лесами России в контексте Парижского соглашения об изменении климата // Лесохозяйственная информация. 2017. № 1. С. 88–98.

  8. Шварц Е.А., Птичников А.В. Стратегия низкоуглеродного развития и роль лесов в ее реализации // Науч. труды Вольного экономического общества России. 2022. Т. 236. С. 399–426.

  9. Швиденко А., Щепащенко Д. Углеродный бюджет лесов России // Сибирский лесной журн. 2014. № 1. С. 69–92.

  10. Arellano M., Bond S. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations // Review of Economic Studies. 1991. Vol. 58. № 2. 277 p. https://doi.org/10.2307/2297968

  11. Croissant Y., Millo G. Panel Data Econometrics in R: The plm Package // J. of Statistical Software. 2008. Vol. 27. № 2.

  12. Filipchuk A. et al. Russian forests: A new approach to the assessment of carbon stocks and sequestration capacity // Environmental Development. 2018. Vol. 26. P. 68–75. https://doi.org/10.1016/j.envdev.2018.03.002

  13. Hansen M.C., Potapov P.V., Moore R. et al. High-Resolution Global Maps of 21st-Century Forest Cover Change // Science. 2013. Vol. 342. № 6160. P. 850–853.

  14. Harris N.L., Gibbs D.A., Baccini A., Birdsey R.A. et al. Global maps of twenty-first century forest carbon fluxes // Nature Climate Change. 2021. https://doi.org/10.1038/s41558-020-00976-6

  15. Kharuk V.I., Ponomarev E.I., Ivanova G.A. et al. Wildfires in the Siberian taiga // Ambio. 2021. https://doi.org/10.1007/s13280-020-01490-x

  16. Pan Y., Birdsey R.A., Fang J., Houghton R., Kauppi P.E., Kurz W.A., Phillips O.L. et al. A Large and Persistent Carbon Sink in the World’s Forests // Science. 2011. Vol. 333. № 6045. P. 988–993. https://doi.org/10.1126/science.1201609

  17. Pyzhev A.I., Gordeev R.V., Vaganov E.A. Reliability and Integrity of Forest Sector Statistics – A Major Constraint to Effective Forest Policy in Russia // Sustainability. 2021. Vol. 1. № 13. 86 p. https://doi.org/10.3390/su13010086

  18. Rogelj J., Geden O., Cowie A., Reisinger A. Net-Zero Emissions Targets Are Vague: Three Ways to Fix // Nature. 2021. Vol. 591. № 7850. P. 365–68. https://doi.org/10.1038/d41586-021-00662-3

  19. Romanov A.A. et al. Reassessment of carbon emissions from fires and a new estimate of net carbon uptake in Russian forests in 2001–2021 // Science of The Total Environment. 2022. Vol. 846. № 157322.

  20. Schepaschenko D. et al. Russian forest sequesters substantially more carbon than previously reported // Scientific Reports. 2021. Vol. 11. № 1. P. 12825.

  21. Shimizu K., Ota T., Mizoue N. Accuracy Assessments of Local and Global Forest Change Data to Estimate Annual Disturbances in Temperate Forests // Remote Sensing. 2020. Vol. 15. № 12. P. 2438. https://doi.org/10.3390/rs12152438

  22. Tennekes M. tmap: Thematic Maps in R // J. of Statistical Software. 2018. Vol. 84. № 6.

  23. Wickham H. et al. Welcome to the Tidyverse // J. of Statistical Software. 2019. Vol. 4. № 43. P. 1686. https://doi.org/10.21105/joss.01686

  24. Zhang D., Wang H., Wang X., Lü Z. Accuracy Assessment of the Global Forest Watch Tree Cover 2000 in China // Int. J. of Applied Earth Observation and Geoinformation. 2020. № 87. P. 102033. https://doi.org/10.1016/j.jag.2019.102033

Дополнительные материалы отсутствуют.

Инструменты

предыдущая статья выпуска содержание выпуска

Известия РАН. Серия географическая

Архивы выпусков Информация о журнале Отправить рукопись в журнал