Handlungsoptionen zur Entwaldungsreduktion im bolivianischen Tiefland auf der Grundlage räumlicher Modellierung von Landnutzungsänderungen

Tropische Entwaldung ist eines der dringendsten Umweltprobleme unserer Zeit. Sie ist einer der wichtigsten Treiber des Klimawandels und führt zu hohen Verlusten von Biodiversität und Ökosystemdienstleistungen. Bolivien ist eines der Länder mit den höchsten Entwaldungsraten weltweit. Im Rahmen der weltweiten Bemühungen zur Lösung dieses Problems unter dem REDD- Mechanismus ist es wichtig, konkrete und länderspezifische Handlungsoptionen für eine effektive und effiziente Entwaldungsreduktion zu identifizieren. Eine wichtige Voraussetzung dafür ist ein tiefgehendes Verständnis der komplexen Prozesse, die zu Entwaldung führen. Räumliche Modelle können hierfür wertvolle Informationen liefern, indem sie mögliche Einflussfaktoren in der Vergangenheit auswerten und Szenarien über künftige Entwicklungen generieren. In dieser Arbeit wird die logistische Regression als Schlüsselinstrument für eine systematische Identifikation von Handlungsoptionen angewendet, um die Ausbreitung der wichtigsten waldersetzenden Landnutzungsaktivitäten einzudämmen. Die gesamte Arbeit untersucht das bolivianische Tiefland als Modellregion. In einer Fallstudie wird zunächst die Expansion der mechanisierten Landwirtschaft im Department Santa Cruz untersucht. Der großflächige Soja-Anbau macht diese Region zu einem der Brennpunkte der Entwaldung in Südamerika. Ein logistisches Regressionsmodell über fünf Beobachtungszeitpunkte (1976, 1986, 1992, 2001 und 2005) identifiziert die wichtigsten Einflussfaktoren für die Ausbreitung der mechanisierten Landwirtschaft und analysiert ihre Wirkung über die Zeit. Es zeigt sich, dass die übergeordnete Entwaldungsdynamik über die Zeit stabil blieb, wobei es jedoch eine Tendenz zum Vordringen in die amazonischen, feuchteren Wälder im Norden von Santa Cruz gibt; eine analoge Entwicklung ist auch aus Brasilien bekannt. Die Modellierungsergebnisse werden genau validiert; dafür werden projizierte mit tatsächlichen Entwaldungsmustern verglichen und versteckte Korrelationen zwischen unabhängigen Variablen aufgedeckt. Die Fallstudie zeigt, dass die logistische Regression ein geeignetes Werkzeug für die weitergehenden Studien ist, unter der Voraussetzung, dass sie von sorgfältigen Evaluierungen und Plausibilitätschecks begleitet wird. In einer Folgeanalyse werden die drei wichtigsten direkten Ursachen für Entwaldung im gesamten bolivianischen Tiefland identifiziert: Mechanisierte Landwirtschaft war für 54% der Entwaldung zwischen 1992 und 2004 verantwortlich, gefolgt von Rinderzucht mit 27% und kleinbäuerlicher Landwirtschaft mit 19%. Mithilfe eines multinomialen Logitmodells werden die Einflussfaktoren dieser drei Landnutzungsformen analysiert. Die Resultate zeigen, dass die Expansion der mechanisierten Landwirtschaft hauptsächlich mit einem guten Zugang zu den Exportmärkten, fruchtbaren Böden und moderaten Niederschlagsbedingungen im Zusammenhang steht. Die Ausbreitung der kleinbäuerlichen Landwirtschaft ist mit einem eher feuchten Klima assoziiert, außerdem mit fruchtbaren Böden und einem guten Zugang zu lokalen Märkten. Die Umwandlung von Wald in Weideland zeigt nur geringe Korrelationen mit Umweltfaktoren und lässt sich am besten mit dem Zugang zu lokalen Märkten erklären. Landnutzungsrestriktionen, etwa Schutzgebiete, scheinen die Expansion von mechanisierter Landwirtschaft zu verhindern, zeigen aber wenig Wirkung in Bezug auf kleinbäuerliche Landwirtschaft und Viehzucht. Eine Analyse von zukünftigen Entwaldungstendenzen zeigt die wahrscheinliche künftige Ausbreitung jeder der drei Landnutzungsformen und identifiziert insbesondere zwei mögliche neue Expansionsgebiete der mechanisierten Landwirtschaft bei Puerto Suarez und San Buenaventura. Die quantitativen Modellierungsergebnisse werden ergänzt durch eine qualitative Analyse historischer Prozesse, die die Landnutzungsmuster in verschiedenen Teilen des bolivianischen Tieflands geformt haben. Während die quantitative Analyse die neueren räumlichen Entwaldungsdynamiken gut erklären kann, scheinen die Zeitpunkte von Entwaldungsereignissen vor allem durch historische Faktoren und politische Interventionen bestimmt zu werden. In einer dritten Analyse wird – wieder am Beispiel Boliviens – ein systematischer Ansatz zur Identifikation von Handlungsoptionen entwickelt, wobei die Modellierungsergebnisse ein wichtiges Element bilden. Die Ableitung von Handlungsoptionen basiert auf dem räumlichen und ökonomischen Potenzial landwirtschaftlicher Expansion, auf den erwarteten Kosten einer Entwaldungsreduktion sowie auf den aktuellen rechtlichen und politischen Rahmenbedingungen in Bolivien. Alle Analysen beziehen sich auf die drei direkten Ursachen von Entwaldung; für diese Landnutzungsformen werden spezifische Handlungsoptionen diskutiert. Die Eindämmung der Viehwirtschaft zeigt sich trotz des höheren Entwaldungsanteils der mechanisierten Landwirtschaft als Priorität, da die Umwandlung in Weideland für nahezu alle zugänglichen Wälder eine Bedrohung darstellt und da eine Reduktion zu relativ geringen Kosten möglich sein sollte. Eine schärfere gesetzliche Kontrolle sowie die Stärkung von zuständigen Institutionen auf nationaler und lokaler Ebene sind von höchster Bedeutung für die Reduktion aller drei Entwaldungstypen. Spezifische Maßnahmen sollten eine effizientere Produktion auf bereits genutzten Flächen gegenüber dem Vordringen in bewaldete Gebiete attraktiver machen. In diesem Zusammenhang könnten höhere Gebühren für legale Entwaldung die Ausbreitung von mechanisierter Landwirtschaft und Viehwirtschaft eindämmen. Auch eine Rückführung der Diesel-Subventionen dürfte die Expansion der mechanisierten Landwirtschaft bremsen. Solche Maßnahmen sollten durch die Förderung einer höheren räumlichen Produktionseffizienz ergänzt werden, etwa durch verbesserten Zugang zu Dünger oder technische Beratung und Unterstützung für höhere Bestockungsdichten. Die Ausbreitung der kleinbäuerlichen Landwirtschaft scheint aufgrund der hohen Zahl von Akteuren schwerer kontrollierbar zu sein; wichtig wäre es aber, das Eindringen in Schutzgebiete zu verhindern und effizientere und nachhaltigere Anbauformen sowie auch Arbeitsplätze außerhalb der Landwirtschaft zu fördern. Die Entwaldungsmodellierung zeigt sich als wichtiges analytisches Werkzeug zum Verständnis der zugrunde liegenden Prozesse; sie kann wichtige Informationen zur Ableitung von Handlungsoptionen liefern. Zukünftige Forschung könnte die Möglichkeiten von komplexeren Szenarien durch die Integration dynamischer Elemente ausloten; entsprechende Möglichkeiten sind in bestehenden Modellierungsprogrammen angelegt. Im Ausblick dieser Arbeit wird außerdem die Technik des Kartierens von Opportunitätskosten des Waldschutzes vorgestellt: Sie ermöglicht Szenarien auf der Basis von nicht-räumlichen Faktoren, etwa von Preisen landwirtschaftlicher Produkte. Für die praktische Anwendung von Modellen scheint es allerdings wichtig zu sein, eine hohe Transparenz zu wahren, um regelmäßige Plausibilitätschecks zu ermöglichen. Es besteht weiterer Forschungsbedarf zur Identifikation geeigneter Handlungsoptionen für eine effektive und effiziente Entwaldungsreduktion. In der Diskussion um REDD scheint die Bekämpfung der Entwaldung durch industrielle Landwirtschaft und große Rinderfarmen nur eine untergeordnete Rolle zu spielen. Dies könnte im Vorherrschen traditioneller Naturschutzkonzepte begründet sein sowie in einem ungerechtfertigten Fokus auf Kleinbauern. Auch der Schwerpunkt auf marktbasierten Lösungsansätzen scheint fragwürdig; nach den Ergebnissen dieser Arbeit könnte die direkte Unterstützung der Regierungen von tropischen Ländern bei der Umsetzung der erfolgsversprechendsten Maßnahmen zielführender sein. Des Weiteren scheint es wichtig, bei existierenden entwaldungsrelevanten globalen Märkten anzusetzen, etwa beim Handel mit Agrarrohstoffen wie Soja, Rindfleisch, Palmöl oder Tropenholz aus Kahlschlägen.Tropical deforestation represents one of the most urgent environmental problems of our time; it contributes heavily to climate change, causes immense losses of biodiversity and endangers important environmental services. Bolivia is among the countries with the highest deforestation rates in the world. In light of the current international efforts to reduce deforestation within the framework of REDD, effective and efficient country-specific policy options need to be identified to make progress on the ground. A prerequisite for the prioritization of such policy options is a detailed understanding of the complex processes driving deforestation. Spatial models can contribute valuable information to this end. They can provide quantitative evaluations of hypothesized drivers of deforestation in the past and also generate scenarios that represent probable developments in the future. This study applies spatially explicit regression models as a key instrument for the systematic identification of specific policy options suitable for mitigating the expansion of the main forest-depleting land uses. The entire study is based on Bolivia as a model country. The expansion of mechanized agriculture in the department of Santa Cruz is analyzed as a first case study. Soybean production has converted this area into one of the hotspots of deforestation in the entire Amazon. A logistic regression model covering five time steps (1976, 1986, 1992, 2001 and 2005) identifies the main determinants of the expansion of mechanized agriculture and explores the development of their effects over time. It shows that – while deforestation dynamics have been generally stable over time – there is a tendency of increased penetration into the more humid Amazonian forests in northern Santa Cruz, a development that is also known from Brazil. The model's results are thoroughly validated, including a comparison between projected and observed deforestation patterns and the investigation of hidden correlations between independent variables. The case study shows that logistic regression is a suitable tool for the purposes of the entire study, provided that careful evaluations and plausibility checks of the model outputs are conducted. In a subsequent analysis covering the entire Bolivian lowlands, three main proximate causes of deforestation are identified: mechanized agriculture was responsible for 54% of deforestation between 1992 and 2004, followed by cattle ranching with 27 %, and small-scale agriculture with 19%. A multinomial logit model is applied to analyze the determinants of each of these proximate causes of deforestation. The results suggest that the expansion of mechanized agriculture occurs mainly in response to good access to export markets, fertile soil and intermediate rainfall conditions. Increases in small-scale agriculture are mainly associated with a humid climate, fertile soil and proximity to local markets. Forest conversion into pastures for cattle ranching occurs mostly irrespective of environmental determinants and can mainly be explained by access to local markets. Land use restrictions, such as protected areas, seem to prevent the expansion of mechanized agriculture but have little impact on the expansion of small-scale agriculture and cattle ranching. An analysis of future deforestation trends reveals possible hotspots of future expansion for each proximate cause and specifically highlights the possible opening of new frontiers of deforestation due to mechanized agriculture in the areas of Puerto Suarez and San Buenaventura. The quantitative insights of the model are substantiated with a qualitative analysis of historical processes that have shaped land use patterns in different zones of the Bolivian lowlands to date. Whereas the quantitative analysis effectively elucidates the spatial patterns of recent agricultural expansion, the interpretation of long-term historic drivers reveals that the timing and quantity of forest conversion are often triggered by political interventions and historical legacies. In a third analysis, a systematic approach is developed in order to prioritize policy options for effective and efficient deforestation reduction, making use of the model outputs, among other things. Again, Bolivia is taken as a model country. The derivation of policy options is based on analyses of the spatial and economic potential of agricultural expansion, the expected costs of deforestation reduction, and the current legal and political framework in Bolivia. All analyses focus on the three proximate causes of deforestation; and specific policy options are discussed for these types of land use. It is concluded that, although mechanized agriculture caused more than half of all past deforestation in lowland Bolivia, cattle ranching activities should be targeted as a priority since their expansion threatens forests in many different locations and improvements could be achieved at relatively low costs. Enforcing legislation while strengthening institutions on both national and local levels is of utmost importance for the reduction of the expansion of all three land use categories. Specific measures should aim at giving an advantage to more efficient production on existing farms over the expansion into forested areas. In this context, a higher legal fee for deforestation has potential to mitigate forest conversion due to mechanized agriculture and cattle ranching farms, while a removal of subsidies for agro-diesel may specifically reduce the expansion of mechanized agriculture. Such measures could be complemented by a support for higher production efficiency, such as better access to fertilizer and techniques allowing increased cattle stocking densities. The expansion of small-scale agriculture seems to be difficult to control, due to the large number of agents; measures should focus on mitigating the encroachment into areas with land use restrictions, fostering more sustainable and space-efficient agricultural practices, as well as off-farm employment. Models of deforestation are found to be important analytical tools for a better understanding of the processes leading to deforestation; they can render important information for the development of policy options to combat deforestation. Further investigations may explore the possibilities of building more complex scenarios by adding dynamic elements that are contained in some existing land use modeling frameworks. In the outlook of this study, the mapping of opportunity costs of forest conservation is shortly introduced as a promising possibility of generating scenarios based non-spatial factors such as prices of agricultural goods. It is however concluded that, for practical applications, it seems reasonable to keep the transparency of models as high as possible in order to allow for constant plausibility checks of the model outputs. The study concludes that more research is needed to identify and evaluate suitable policy options to reduce deforestation on the ground. In the discussion on REDD, only little attention seems to be given to the development of mitigation strategies for large forest clearings driven by corporate agents and large cattle farms. This may be due to a certain prevalence of traditional approaches to biodiversity conservation within selected conservation areas and an unjustified focus on smallholders. Also the strong focus on market-based solutions may be questionable; according to this study it would be more appropriate to directly support the governments of tropical countries to implement the most promising measures. It may also be important to target existing markets that drive deforestation, i.e., global markets for beef, soybean, palm oil and tropical timber stemming from clear-cuts