Globale Entwaldungsmuster

Hintergrund und Zielsetzung

Die Staatengemeinschaft der Vereinten Nationen plant, Entwicklungsländer über das sogenannte REDD+* System (*Reducing Emissions from Deforestation and Forest Degradation) zu vergüten, wenn sie Entwaldung und Walddegradierung vermeiden und dadurch Emissionen reduzieren.

Um quantifizieren zu können, welche Erfolge die einzelnen Länder in einem festgelegten Zeitraum dabei erreichen wird diskutiert, die tatsächlichen Waldflächenentwicklungen mit Referenzen zu vergleichen. Sogenannte Referenzlevel sollen dabei die Waldflächenentwicklung vorhersagen, die im jeweiligen Land ohne den Anreiz einer Vergütung durch REDD+ abliefe, also ohne zusätzliche Bemühungen, die Entwaldung zu verringern.

Soll das Anreiz- und Vergütungssystem möglichst effizient und gerecht sein, setzt das eine global einheitliche Methode voraus. Der von uns vorgeschlagene Methodenansatz berücksichtigt sowohl die historischen Waldflächenentwicklungen der Einzelländer, als auch weitere landesspezifische Umstände.

Unser Ziel ist, ein einheitliches Muster in der Entwaldungsentwicklung der Länder der Welt nachzuweisen und daraus eine globale Entwaldungskurve abzuleiten. Daraus wollen wir eine standardisierte Methode entwickeln, REDD+ Referenzlevel zu bestimmen. Sie sollen die landesspezifischen Umstände berücksichtigen.

Zielgruppe

Politik, Wissenschaft

Vorgehensweise

Wir gehen von der „Forest Transition Hypothese“ aus. Sie besagt, dass die Waldflächenentwicklung einem wiederkehrenden Muster von Waldflächenrückgang und späterem Wiederanstieg folgt. Obwohl solche wiederkehrenden Muster für einzelne Länder bereits beschrieben worden sind, konnte bisher nicht nachgewiesen werden, dass die Hypothese global gültig ist. Ein erhebliches Problem für diesen Nachweis besteht darin, dass solche Muster zwischen Regionen und Ländern im Zeitverlauf versetzt und verzerrt auftreten.

Um die Waldflächenentwicklung auf globaler Ebene empirisch testen zu können, haben wir mit Hilfe von Regressionsanalysen die Entwaldungsmuster in 112 Entwicklungs- und 30 Industrieländern analysiert. Dazu haben wir den Einfluss verschiedener Faktoren auf die Waldflächenentwicklung getestet. Verfügbare Daten aus globalen Statistiken und Kartenwerken zu demographischen, sozio-ökonomischen und physio-geografischen Gegebenheiten dieser Länder wurden herangezogen.

Unsere Forschungsfragen

Gibt es ein einheitliches Muster in der Waldflächenentwicklung über Länder und Zeit hinweg?

Lässt sich ein Muster der Entwaldungsentwicklung empirisch bestimmen?

Welche landesspezifischen Umstände treiben die Entwaldungsentwicklung voran?

Ergebnisse

Wir konnten ein gleichförmiges Verhältnis von Entwaldung und Bevölkerungsdichte feststellen. Das erlaubte uns, eine globale Entwaldungskurve zu bestimmen.

Einen signifikanten Einfluss auf die Bewaldung eines Landes haben vor allem

•             Bevölkerungsdichte, 

•             Kornertrag pro Hektar, 

•             Bodenertragsfähigkeit und 

•             potentielle Waldfläche.

Einen signifikanten Einfluss des Bruttoinlandsproduktes sowie weiterer (sozio-)ökonomischer Faktoren konnten wir nicht feststellen.

Weiterhin haben wir keinen signifikanten Unterschied zwischen dem Entwaldungsmuster von Entwicklungs- und Industrieländern festgestellt. Dies zeigt, dass die Kurve tatsächlich globale Gültigkeit beanspruchen kann.

Die globale Entwaldungskurve eignet sich, die Waldbedeckung eines Landes in einer zukünftigen Periode vorherzusagen. Dazu werden landesspezifische Daten eines jeden Landes zu den von uns bestimmten signifikanten Einflussparametern herangezogen. Auf dieser Grundlage haben wir einen Vorschlag entwickelt, die Entwaldungskurve als REDD+ Referenzlevel zu nutzen. Die anrechenbare Entwaldungsreduktion eines Landes unter REDD+ wäre demnach die tatsächliche Waldflächenveränderung in einem Betrachtungszeitraum relativ zum Referenzlevel. Waldflächenveränderungen, die durch die landesspezifischen Umstände der Länder verursacht wurden, werden dadurch jeweils aus der Verantwortung der Einzelländer heraus gerechnet.