Esternalità ambientali e carbon pricing: impatto sull’economia

Molto è stato scritto riguardo alla complessità del calcolo dell’impatto ambientale delle aziende e su come mitigare queste esternalità. Si definisce esternalità l’insieme degli effetti esterni che l’attività di un’unità economica (individuo, impresa o pubblica amministrazione) esercita, al di fuori delle transazioni di mercato, sulla produzione o sul benessere di altre unità (Treccani). L’attuale sistema di calcolo delle esternalità ambientali delle aziende si basa sul concetto di carbon pricing, ovvero l’uso di meccanismi di mercato per trasferire il costo delle emissioni di anidride carbonica ai maggiori emettitori.

Applicare un prezzo alle emissioni di anidride carbonica permette di trasferire, teoreticamente, i costi che un’azienda inquinante impone all’ambiente e alla società, all’azienda stessa. In pratica, il processo di stima dei costi derivanti dalle emissioni è estremamente complicato e diventa ancora più complesso per quanto riguarda i danni diretti e indiretti che l’inquinamento industriale causa, ad esempio, tramite l’impatto sulla frequenza e sulla gravità dei disastri ambientali.

Questi costi o esternalità sono sempre esistiti, ma non venivano presi in considerazione nel processo di produzione prima della creazione dei carbon credits.

È quindi evidente come porre un giusto prezzo ai carbon credits sia particolarmente difficile, data l’estrema complessità di monitoraggio e di quantificazione economica, causata dalle aziende in questione. Allo stesso tempo, come menzionato in precedenza, l’attuale sistema del carbon pricing non considera gli altri effetti indiretti che l’inquinamento industriale può avere sull’ambiente, come il provocamento diretto o indiretto di disastri ambientali che non sono linearmente riconducibili ad un singolo colpevole o persino ad un singolo settore dell’economia.

 

Difficoltà di monitoraggio

Collegare le emissioni o le attività di scarico di una particolare azienda ad un determinato disastro ambientale è quindi ancora più complesso della determinazione dei carbon credits, data la natura dilazionata nel tempo di molti disastri ambientali. Ad esempio, la contaminazione di una grande percentuale del suolo coltivabile cinese da parte di una serie di metalli pesanti non è riconducibile a particolari aziende, ma ha e avrà pesanti ripercussioni su tutta la società sul corto, medio e lungo periodo.

Gli Accordi di Parigi riconoscono il sistema di carbon pricing come uno strumento fondamentale per ridurre le emissioni di anidride carbonica. Sebbene l’anidride carbonica sia un gas serra importante per i suoi effetti nocivi sugli ecosistemi, è solo uno dei molteplici gas emessi dalla produzione industriale, per molti dei quali esistono sistemi di incentivi meno efficaci.

Data la natura stessa degli accordi, la possibilità di predire e quindi evitare un disastro ambientale in un’area del pianeta, causato da decenni di inquinamento senza controllo in un’altra area geograficamente distante, rimane un’utopia difficilmente realizzabile, anche sul lungo periodo. Al momento, solo 60 nazioni su 200 partecipano ad iniziative di carbon pricing e di calcolo delle esternalità.

Paesi con un tessuto industriale importante come la Cina o l’India, con livelli di inquinamento altissimi per quasi ogni tipo di gas o scarto industriale tossico, sono solitamente restii nell’applicare questi sistemi di mitigazione delle esternalità. Questi Paesi alludono spesso al fatto di trovarsi in una fase di sviluppo economico nella quale non possono permettersi di tenere in conto fattori non immediatamente quantificabili in termini monetari.

Il cosiddetto obiettivo Net-Zero per il 2050 degli Accordi di Parigi rimane quindi ampiamente fuori portata con gli strumenti attualmente a disposizione e con la scarsa collaborazione internazionale in materia. In aggiunta, la crisi energetica causata dalla guerra in Ucraina ha avuto un impatto devastante sulle ambizioni climatiche di Paesi emergenti ma anche di Paesi sviluppati, ma poveri di risorse naturali, come la Germania. Condizioni di stress energetico non sono quindi favorevoli ad un ulteriore sviluppo del calcolo delle esternalità al di fuori del carbon pricing.

 

La situazione negli Stati Uniti e nel mondo

Al momento, gli Stati Uniti non hanno leggi federali sui carbon credits e il mercato esistente si basa per lo più su base volontaria. Alcuni Stati come la California applicano leggi proprie sulle esternalità ambientali, in vigore dal 2012 con il The California Global Warming Solutions Act. Questa legge ha permesso ad aziende come Tesla di generare carbon credits da vendere alle aziende americane più inquinanti, in parallelo a quello che già accade sul mercato europeo.

In questo senso, non esiste quindi al momento negli USA alcuna legge o regolamentazione che riguardi una definizione più ampia delle esternalità ambientali al di fuori dei carbon credits. Il recente passaggio dell’Inflation Reduction Act include forti incentivi per l’adozione di veicoli elettrici e la riduzione delle emissioni di gas serra. Al di fuori del mercato dell’auto, questa legge prevede aiuti per lo sviluppo di nuove tecnologie, come il carbon capture, che potrebbero aprire la strada a metodi più tangibili per il calcolo delle esternalità. Per questa ragione, a causa dell’impatto di questa legge, è probabile un ulteriore sviluppo del mercato del carbon pricing e carbon trading in America, non solo nel mercato dell’auto.

Nello specifico, risulta particolarmente oneroso il calcolo dei danni economici causati dai disastri naturali a partire dal 2000, con $2.5 trilioni di danni stimati. La crescente urbanizzazione nei Paesi in via di sviluppo unita alla forte crescita della popolazione degli ultimi 30 anni, hanno causato il moltiplicarsi dell’impatto che questi disastri ambientali hanno sullo stesso tessuto industriale, che a sua volta contribuisce direttamente a provocare questi disastri.

In questo senso, l’incidenza dei disastri ambientali è aumentata anche a causa della maggiore visibilità dei disastri stessi. Intere città sono state costruite in aree prone a problemi di sostenibilità ambientale, in particolare ma non esclusivamente nel Sud-Est asiatico, dove l’esplosione demografica è stata particolarmente marcata nello scorso quarto di secolo (Filippine, Indonesia, Vietnam e Paesi limitrofi).

Al momento, il problema della quantificazione e della mitigazione di questi disastri rimane una chimera. I principali ostacoli alla quantificazione sono legati alla generazione stessa dei dati usati per quantificare questi disastri. In questo senso, è emblematico l’episodio di falsificazione dei dati riguardanti il nascente sistema di carbon credits cinese, dove le aziende stesse decidono il valore dei propri carbon credits spesso in connivenza totale dei governi locali, rendendo così nulla la validità dei dati raccolti.

 

Possibili soluzioni

Il problema di quantificare in termini monetari, prevenire e mitigare i disastri ambientali è quindi particolarmente complesso. Un possibile supporto in materia potrebbe però venire dall’aumento della potenza di calcolo dei computer. I cosiddetti supercomputers, macchinari in grado di calcolare un’enorme quantità di informazioni in tempi sempre più limitati, sono già utilizzati ampiamente per le previsioni meteo, note per essere uno dei settori che richiedono una potenza di calcolo particolarmente elevata a causa delle numerose variabili da considerare.

I rapidi progressi nel settore del machine learning, un ramo dell’informatica e statistica per il quale i computer (appunto le macchine) sono in grado di migliorare le proprie capacità predittive autonomamente con l’andare del tempo e con l’afflusso incrementale di dati. In un futuro più o meno lontano, interi settori industriali potrebbero essere connessi simultaneamente ad una rete centralizzata che permetta il calcolo rapido degli impatti delle esternalità delle aziende sull’ambiente.

Allo stato attuale, solo pochi Paesi al mondo possiedono le conoscenze tecnologiche, le possibilità economiche e il supporto politico necessari per una transizione tecnologica di questa portata per il calcolo delle esternalità.

Questo sistema sarebbe ottimale nel determinare i costi causati dalle emissioni di anidride carbonica e altri gas nocivi, ma potrebbe essere anche impiegato nella prevenzione e quantificazione preventiva di alcuni tipi di disastri naturali (specialmente in un regime di condivisione di dati tra governi locali, governi centrali ed imprese). Anche in tale situazione, l’adozione di tecnologie di questo tipo si limiterebbe inizialmente ad una frazione della popolazione mondiale, con effetti probabilmente molto limitati in termini di impatto a medio termine.

Nonostante le evidenti difficoltà tecniche e i costi economici non indifferenti, l’adozione di sistemi sempre più precisi e performanti per raccogliere e studiare dati sulle esternalità ambientali delle imprese, potrà migliorare la nostra abilità di prevenire e soprattutto di identificare le cause e i veri costi dei disastri ambientali con una crescente precisione in un prossimo futuro.

 

 

Fonti e approfondimenti

Bush C., “China’s Emissions Trading System Will Be The World’s Biggest Climate Policy. Here’s What Comes Next“, Forbes, 16/04/2022.

CDC, “Probabilities, Not Promises: How Computer Models are Used in Emergency Preparedness & Response”, 13/07/2022.

Eku Online, “Top Natural Disasters that Threaten Businesses“, 28/11/2018.

Liu J., Kan K., Ding L., “China’s Weak Carbon Market Hits a New Roadblock — Data Fraud“, Bloomberg, 18/04/2022.

Rodkin M. V., Pisarenko V., “Nonlinear and Linear Growth of Cumulative Effects of Natural Disasters“, Research Gate, 10/06/2010.

Stanway D., “China soil pollution efforts stymied by local governments: Greenpeace“, Reuters, 16/04/2019.

Wouter Botzen W. J., Deschenes O., Sanders M., “The Economic Impacts of Natural Disasters: A Review of Models and Empirical Studies“, The University of Chicago Press Journal, 15/07/2019.

Varma D., Sanadhya P., “ What is Internal Carbon Pricing and How Can It Help Achieve Your Net-Zero Goal?“, CDP, 21/12/2020.

 

Editing a cura di Matilde Mosca