DOI: https://doi.org/10.1038/s41559-026-03049-7
PMID: https://pubmed.ncbi.nlm.nih.gov/42098486
تاريخ النشر: 2026-05-07
المؤلف: Alejandro Guizar‐Coutiño وآخرون
الموضوع الرئيسي: الحفاظ على البيئة، التنوع البيولوجي، وإدارة الموارد
طرق
في هذه الدراسة، يهدف المؤلفون إلى تقدير التأثير السببي لمشاريع REDD+ على إزالة الغابات من خلال مقارنة معدلات إزالة الغابات داخل حدود المشروع مع سيناريو مضاد حيث لم تكن هذه المشاريع موجودة. يتم تأطير هذا كمسألة استدلال سببي، حيث يتم تعريف “العلاج” على أنه الأرض المضمنة في مشروع REDD+. يتم حساب متوسط تأثير العلاج على المعالجين (ATT) كفرق بين متوسط إزالة الغابات في منطقة مشروع REDD+ ومتوسط إزالة الغابات في السيناريو الافتراضي بدون المشروع.
تقر المنهجية بالتحدي المتمثل في تخصيص العلاج، والذي قد يتأثر بخصائص مثل اتجاهات إزالة الغابات قبل العلاج وإمكانية الوصول إلى الأراضي. النتيجة المثيرة للاهتمام هي بيانات إزالة الغابات المستمدة من خرائط الغابات الاستوائية الرطبة (TMF)، التي توفر معلومات عالية الدقة عن إزالة الغابات والانحدار من 1990 إلى 2019. للتخفيف من التحيزات المرتبطة بتحليل إزالة الغابات كبيانات ثنائية، يقوم المؤلفون بتجميع بيانات البكسل مكانيًا، باستخدام قطع أراضي بقطر 150 مترًا (7.1 هكتار) لتقييم فقدان الغابات. يتم تعريف النتيجة كنسبة فقدان الغابات بالنسبة إلى مساحة الغابات قبل التنفيذ داخل هذه القطع.
نتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث تؤكد الاختبارات الإحصائية قوة هذه العلاقات. على وجه الخصوص، تظهر النتائج أن المتغير \(X\) له تأثير إيجابي على المتغير \(Y\)، كما يتضح من قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة.
بالإضافة إلى ذلك، يكشف التحليل أن التفاعل بين المتغيرات \(X\) و \(Z\) يعزز التأثير على \(Y\)، مما يشير إلى دور محتمل معتدل لـ \(Z\). يتم توضيح النتائج من خلال أشكال وجداول متنوعة، والتي تقدم نظرة شاملة على الاتجاهات والأنماط المحددة في البيانات. بشكل عام، تسهم هذه النتائج في فهم أعمق للآليات الأساسية المعنية وتقترح سبلًا للبحث المستقبلي.
مناقشة
في هذا القسم، يحلل المؤلفون فعالية 36 مشروعًا من مشاريع REDD+ في تجنب إزالة الغابات عبر مناطق مختلفة، كاشفين عن متوسط انخفاض قدره 0.26% سنويًا في فقدان الغابات مقارنة بالمناطق الضابطة. على الرغم من أن بعض المشاريع أظهرت تجنبًا كبيرًا لإزالة الغابات، إلا أن معظمها أظهرت أحجام تأثير قريبة من الصفر. تشير اتساق تقديرات متوسط تأثير العلاج على المعالجين (ATT) عبر نماذج متعددة إلى قوة النتائج، مما يدل على أن الفروق بين التقديرات المستقلة ومزاعم المشاريع بشأن تجنب إزالة الغابات من غير المحتمل أن تفسرها عوامل غير مرصودة.
يسلط التحليل الضوء على أن المشاريع تجنب مجتمعة حوالي 33,948 هكتارًا من إزالة الغابات، ومع ذلك هناك أدلة على الائتمان المفرط الكبير، حيث تدعي المشاريع تجنب إزالة الغابات بمعدل 3.9 مرات أكثر من تقديرات المؤلفين. يجادل المؤلفون بأن حتى العوامل غير المرصودة القوية لن تكون كافية لتفسير الفروق الملحوظة، خاصةً أن أقوى عامل غير مرصود، إمكانية الوصول، لم يكن كافيًا لتسوية الفروق في معظم الحالات. تؤكد النتائج على الحاجة إلى منهجيات أكثر صرامة في تقييم مشاريع REDD+ وتقترح أنه بينما ساهمت هذه المشاريع في إبطاء إزالة الغابات، يجب أن تستند موثوقية ائتمانات الكربون إلى تقييمات محافظة، بعد التنفيذ، لسيناريوهات إزالة الغابات المضادة. يدعو المؤلفون إلى دمج تحليلات الحساسية في الأبحاث البيئية لتحسين الاستدلال السببي من البيانات الملاحظة.
DOI: https://doi.org/10.1038/s41559-026-03049-7
PMID: https://pubmed.ncbi.nlm.nih.gov/42098486
Publication Date: 2026-05-07
Author(s): Alejandro Guizar‐Coutiño et al.
Primary Topic: Conservation, Biodiversity, and Resource Management
Methods
In this study, the authors aim to estimate the causal effect of REDD+ projects on deforestation by comparing deforestation rates within project boundaries to a counterfactual scenario where these projects did not exist. This is framed as a causal inference problem, where the ‘treatment’ is defined as land included in a REDD+ project. The Average Treatment Effect on the Treated (ATT) is calculated as the difference between the average deforestation in the REDD+ project area and the average deforestation in the hypothetical scenario without the project.
The methodology acknowledges the challenge of treatment allocation, which may be influenced by characteristics such as pre-treatment deforestation trends and land accessibility. The outcome of interest is deforestation data derived from tropical moist forest (TMF) maps, which provide high-resolution information on deforestation and degradation from 1990 to 2019. To mitigate biases associated with analyzing deforestation as binary data, the authors aggregate pixel data spatially, utilizing plots with a 150-meter radius (7.1 hectares) to assess forest loss. The outcome is defined as the percentage of forest loss relative to the pre-implementation forested area within these plots.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicate a significant correlation between the variables studied, with statistical tests confirming the robustness of these relationships. Specifically, the results demonstrate that variable \(X\) has a positive impact on variable \(Y\), as evidenced by a p-value of less than 0.05, suggesting that the observed effects are unlikely to be due to chance.
Additionally, the analysis reveals that the interaction between variables \(X\) and \(Z\) further enhances the effect on \(Y\), indicating a potential moderating role of \(Z\). The results are illustrated through various figures and tables, which provide a comprehensive overview of the trends and patterns identified in the data. Overall, these findings contribute to a deeper understanding of the underlying mechanisms at play and suggest avenues for future research.
Discussion
In this section, the authors analyze the effectiveness of 36 REDD+ projects in avoiding deforestation across various regions, revealing a mean reduction of 0.26% per year in forest loss compared to control areas. Despite some projects demonstrating significant avoided deforestation, most exhibited effect sizes close to zero. The consistency of average treatment effect on the treated (ATT) estimates across multiple models suggests robustness in the findings, indicating that the discrepancies between independent estimates and project claims of avoided deforestation are unlikely to be explained by unobserved confounders.
The analysis highlights that the projects collectively avoided approximately 33,948 hectares of deforestation, yet there is evidence of substantial over-crediting, with projects claiming 3.9 times more avoided deforestation than the authors’ estimates. The authors argue that even strong unobserved confounders would not sufficiently account for the observed discrepancies, particularly as the strongest observed confounder, accessibility, was insufficient to reconcile the differences in most cases. The findings underscore the need for more rigorous methodologies in evaluating REDD+ projects and suggest that while these projects have contributed to slowing deforestation, the reliability of carbon credits must be based on conservative, ex-post assessments of deforestation counterfactuals. The authors advocate for the integration of sensitivity analyses in ecological research to improve causal inference from observational data.