Tesis:
How Environmental, Social and Governance (ESG) trends drive sustainable development
- Autor: MAROTTA, Antonio
- Título: How Environmental, Social and Governance (ESG) trends drive sustainable development
- Fecha: 2023
- Materia:
- Escuela: E.T.S. DE EDIFICACIÓN
- Departamentos: CONSTRUCCIONES ARQUITECTONICAS Y SU CONTROL
- Acceso electrónico: https://oa.upm.es/78311/
- Director/a 1º: PORRAS AMORES, César
- Director/a 2º: RODRÍGUEZ SÁNCHEZ, Antonio
- Resumen: Este trabajo analiza como las temáticas medioambientales, sociales y de gobernanza (ESG) impulsan el desarrollo sostenible, medido como el crecimiento del Producto Interior Bruto (PIB) con una reducción simultánea de las emisiones de Gases de Efecto Invernadero (GEI), el indicador más utilizado para expresar la degradación medioambiental. La Curva de Kuznets Ambiental (CKA) es uno de los modelos que representan el vínculo entre crecimiento económico y emisiones de GEI. La curva muestra que una región en desarrollo se caracteriza por un rápido crecimiento económico inicial que suele ir acompañado con un aumento de la degradación medioambiental. Los avances en la región conducen generalmente al desarrollo de nuevas tecnologías que invierten la tendencia. A partir del punto de inflexión, la economía sigue creciendo junto con la mejora medioambiental, como demuestra la disminución de las emisiones de GEI. Por lo tanto, el PIB se considera tanto la causa como la cura de la degradación medioambiental.
Con el Acuerdo de París de 2015, se ha exigido a todos los países que fijen objetivos de reducción de emisiones, con el fin de evitar que la temperatura media mundial aumente 2°C por encima de los niveles preindustriales y proseguir los esfuerzos para mantenerla por debajo de 1,5°C. Con el Pacto Verde Europeo de 2021, la Comisión Europea ha fijado para 2030 el objetivo de reducir las emisiones de GEI en un 55% respecto a 1990 (Fit For 55), con el fin de ser neutros en carbono en 2050.
En 2020, la Comisión Europea declaró que los edificios de la UE eran responsables del 36% de las emisiones de GEI, que proceden principalmente de la construcción, el uso, la renovación y la demolición. Dado que el ritmo de construcción de edificios y ciudades no deja de crecer, es imprescindible mejorar la calidad general de los edificios para reducir su huella ambiental durante todo el ciclo de vida y mitigar el cambio climático. Entre las herramientas comerciales útiles que pueden aumentar la concienciación sobre el impacto medioambiental del entorno construido y promover las mejores prácticas se encuentran los Sistemas de Calificación de la Sostenibilidad (SRS), que son herramientas reconocidas a nivel mundial para evaluar la sostenibilidad de los edificios mediante el proceso de identificación, medición y evaluación de soluciones ecológicas alternativas.
La investigación persigue tres objetivos principales: (i) se analiza la relación entre el PIB, las emisiones de GEI, el consumo de energías renovables, las condiciones climáticas y los SRS para demostrar que los SRS están directamente relacionados con el PIB per cápita y las emisiones de GEI en la UE, (ii) se revisan las estrategias desarrolladas específicamente dentro de los SRS más reconocidos en respuesta a la pandemia del COVD-19 para analizar el nivel de sostenibilidad y aclarar cualquier carencia dentro de las estrategias, (iii) se utilizan las relaciones entre el PIB, la población y la cuota de energías renovables (FER) para analizar las condiciones actuales y definir un algoritmo capaz de pronosticar futuros escenarios de emisiones de GEI.
Para el primer objetivo, se utilizan regresiones lineales simples para estimar la correlación entre las variables dependientes e independientes, y la calidad de la ecuación se expresa a través de (a) R², un indicador que representa la proporción de la varianza de una variable dependiente que se obtiene de una variable independiente, y (b) valor-p, un indicador que explica la probabilidad de predecir los resultados de la variable dependiente a la variable independiente. Los valores de los indicadores se refieren a los veintisiete Estados Miembros de la UE (UE-27) en el período de diez años comprendido entre 2010 y 2019 y se recogen de la base de datos Eurostat y de los directorios públicos SRS.
Para el segundo objetivo se consideran únicamente los SRS que son (a) aplicables internacionalmente, (b) voluntarios, (c) centrados en edificios en operación con instalaciones definidas, (d) referidos a espacios de trabajo con ventilación mecánica. Con el fin de medir el grado de sostenibilidad de las estrategias abordadas por los SRS para minimizar la transmisión de enfermedades infecciosas, el concepto de sostenibilidad se descompone en el triple resultado: ambiental, social y económica.
En cuanto al tercer objetivo, se adoptan datos a escala nacional para prever las emisiones de GEI en las próximas décadas dentro de la UE mediante (a) la recopilación de variables y datos independientes, (b) el análisis de la relación entre las variables independientes y los GEI, (c) el desarrollo y la validación de un algoritmo de estimación, (d) la previsión de escenarios futuros. El análisis considera datos extraídos de la base de datos de Eurostat para la UE-27 en la década comprendida entre 2010 y 2020. Se adoptan el PIB, la población y las FER como variables independientes, se desarrolla el algoritmo y se identifican y eliminan los valores atípicos durante la fase de validación. Por último, se estiman las emisiones de GEI en tres escenarios futuros diferentes: tasa de crecimiento baja, media y alta.
Los resultados del análisis estadístico realizado sobre el PIB, las emisiones de GEI, el consumo de energías renovables, las condiciones climáticas y los SRS muestran que (1) es válida la hipótesis de la curva CKA que ilustra que, en una zona desarrollada como la UE, un mayor PIB per cápita está relacionado con menos emisiones de GEI per cápita debido a las mejores tecnologías ya implantadas. (2) Una mayor utilización de energías renovables está relacionada con menos emisiones de GEI debido a una menor dependencia de los combustibles fósiles. (3) Menos días-grado de calefacción están relacionados con menos emisiones de GEI de los edificios debido a una menor dependencia de la calefacción y de la generación de energía a partir de combustibles fósiles. (4) En una zona desarrollada como la UE, un mayor número de certificaciones SRS está relacionado con un mayor PIB per cápita debido al coste adicional necesario para implantar características de construcción avanzadas. (5) Más certificaciones SRS están relacionadas con menos emisiones de GEI debido a la naturaleza de los edificios verdes que comprenden las tecnologías más innovadoras en el sector de la construcción con el fin de reducir las emisiones de GEI durante todo el ciclo de vida. Las correlaciones son más coherentes si se excluye 2014 del periodo de 10 años, ya que se caracterizó por unas condiciones climáticas extremas con un número significativamente menor de grados-día de calefacción en comparación con otros años, lo que afectó a la tendencia de las regresiones lineales. Las regresiones se caracterizan por una significación estadística coherente, ya que el valor-p es inferior al umbral convencional de 0,05 (es decir, probabilidad > 95%). La varianza del SRS expresa una probabilidad coherente con la varianza del PIB per cápita y las emisiones de GEI. Esto se debe principalmente al coste inicial adicional necesario para implantar tecnologías de construcción avanzadas que, a la postre, reducen las emisiones de GEI durante el ciclo de vida del edificio. Por lo tanto, los gobiernos deberían incentivar mediante desgravaciones fiscales y subvenciones la construcción de edificios ecológicos para obtener, a su vez, una economía en crecimiento y una huella medioambiental reducida.
El análisis de los SRS pone de relieve que promueven un enfoque débil de la sostenibilidad y aceptan que el desarrollo económico puede reducir los capitales naturales. Esto disminuye su capacidad para medir la sostenibilidad a largo plazo. Sin embargo, los SRS son herramientas mundialmente reconocidas para evaluar la sostenibilidad de los edificios debido a su solidez y aplicabilidad, lo que ha fomentado su difusión. Las medidas lanzadas por los SRS en respuesta al COVID-19 pueden dividirse en estrategias relacionadas con el entorno construido (con un mayor impacto ambiental y económico debido a su naturaleza correctiva) y políticas de empresa (más fáciles de aplicar gracias a su naturaleza preventiva). Por lo tanto, también se espera que las políticas formen parte del estado del arte en el futuro. En cuanto al principal problema encontrado, está relacionado con el distanciamiento social: no existen créditos específicos que aborden analíticamente las tasas máximas de ocupación para minimizar la infección cruzada por el aire.
El análisis de datos para prever las emisiones de GEI en las próximas décadas en la UE muestra que el PIB y la población tienen una relación más fuerte con la cantidad de emisiones de GEI generadas que la cuota de FER. El coeficiente de determinación (R2) alcanza un valor de 0,98, lo que significa que solo un porcentaje muy pequeño de la variación de GEI (2%) no puede explicarse por la combinación de las tres variables. El PIB y la población presentan mayor influencia que las FER, sin embargo, el modelo de estimación muestra un mayor grado de precisión cuando se incluyen también las FER. Alemania, Francia, Irlanda e Italia se eliminan porque alcanzan valores ponderados corregidos superiores al umbral estimado en uno o más años (2023-2050) en uno o más escenarios (alto, medio, bajo) analizados. La proyección de las emisiones de GEI obtenida para el resto de los países de la UE muestra que (1) en un escenario de baja tasa de crecimiento, las emisiones de GEI siguen creciendo sólo en Luxemburgo, Dinamarca y Suecia, que pueden carecer de palancas de descarbonización, (2) en un escenario de tasa de crecimiento media, las emisiones de GEI aumentan en todas partes excepto en Grecia debido a la reducción del PIB y a las consiguientes actividades humanas limitadas, (3) en un escenario de alta tasa de crecimiento, las emisiones de GEI aumentan en todas partes de forma constante, en particular en Estonia y Malta debido al crecimiento incontrolado del PIB junto con los bajos valores de las FER. Teniendo en cuenta que casi tres cuartas partes de las emisiones mundiales de GEI proceden de la producción de energía, la aplicación de legislaciones adicionales relativas a la eficiencia energética y la producción de energías renovables es esencial para cumplir los objetivos de descarbonización (por ejemplo, tarifas de alimentación, regímenes de subvenciones, sistemas de cuotas, mecanismos específicos de regulación fiscal, exenciones fiscales, regímenes de certificados verdes negociables y mecanismos de fijación de precios del carbono).
ABSTRACT
This work analyses how environmental, social and governance (ESG) trends drive sustainable development, intended as the growth of Gross Domestic Product (GDP) with a simultaneous reduction in Greenhouse Gas (GHG) emissions, which is the most common indicator used to express environmen-tal degradation. The Environmental Kuznets Curve (EKC) is one of the models that represent the link between economic growth and GHG emissions. It shows that a developing region is characterised by an initial fast economic growth that typically goes along with an increase in environmental degrada-tion. The advances in the region generally lead to the development of new technologies that reverse the trend. From the turning point, the economy continues to grow together with environmental im-provement, as shown by the decrease in GHG emissions. Therefore, GDP is seen as both the cause and the cure for environmental degradation.
With the Paris Agreement in 2015, all countries have been required to set emissions-reduction targets, with the aim of preventing the global average temperature from rising 2°C above preindustrial levels and pursuing efforts to keep it below 1.5°C. With the 2021’s European Green Deal, the European Commission set a 2030 target to reduce GHG emissions by 55% compared to 1990 (Fit For 55), aiming to be carbon neutral by 2050.
In 2020, the European Commission stated that buildings in the EU were responsible for 36% of GHG emissions, which mainly stem from construction, usage, renovation and demolition. Since the construction rate of buildings and cities keeps steadily growing, the overall quality of buildings must be improved in order to reduce their environmental footprint during their entire lifecycle and mitigate climate change. Useful commercial tools that can increase the awareness of the environmental impact of the built environment and promote best practices are the Sustainability Rating Systems (SRS), which are globally recognised tools to assess building sustainability through the process of identifying, measuring and evaluating alternative green solutions.
Three main objectives are pursued in the research: (i) the relationship between GDP, GHG emissions, renewable energy consumption, climate conditions and SRS is analysed to show that the SRS are directly related to GDP per capita and GHG emissions in the EU, (ii) the strategies specifically developed within the most recognized SRS in response to COVD-19 pandemic are reviewed to analyse the level of sustainability and to clarify any lack within the strategies, (iii) the relations between GDP, population and renewable energy share (RES) are used to analyse current conditions and define an algorithm able to forecasts future GHG emissions scenarios.
For the first objective, simple linear regressions are used to estimate the correlation between dependent and independent variables, and the quality of the equation is expressed through (a) R², an indicator that represents the proportion of the variance for a dependent variable that is obtained from an independent variable, and (b) p-value, an indicator that explains the probability of predicting results from the dependent variable to the independent variable. The values of the indicators refer to the twentyseven EU Member States (EU-27) in the 10-year period between 2010 and 2019 and are collected from the Eurostat Database and the SRS Public Directories.
For the second objective are considered only the SRS that are (a) internationally applicable, (b) voluntary, (c) focused on buildings in operation with a defined fit-out, (d) referred to mechanical ventilated workspaces. In order to measure the degree of sustainability of the strategies addressed by the SRS to minimize the transmission of infectious diseases, the concept of sustainability is decomposed in its three bottom lines, namely, environmental, social and economic.
For the third objective, country-level data are adopted to forecast GHG emissions in the coming decades within the EU through (a) the collection of independent variables and data, (b) the analysis of the relationship between independent variables and GHG, (c) the development and validation of an estimation algorithm, (d) the forecast of future scenarios. The analysis considers data taken from the Eurostat Database for the EU-27 in the decade between 2010 and 2020. GDP, Population and RES are adopted as independent variables, the algorithm is developed and the outliers are identified and removed during the validation phase. Finally, GHG emissions are estimated in three different future scenarios: low, average and high growth rate.
The results of the statistical analysis carried on GDP, GHG emissions, renewable energy consumption, climate conditions and SRS show that (1) is valid the assumption of the EKC curve that illustrates that, in a developed area like the EU, a higher income per capita is related to fewer GHG emissions per capita due to the best technologies already in place. (2) More renewable energy utilisation is related to fewer GHG emissions due to less dependency on fossil fuels. (3) Fewer heating degree days are related to fewer GHG emissions from buildings due to less dependency on space heating and fossil fuel-based energy generation. (4) In a developed area such as the EU, more SRS certifications are related to a higher income per capita due to the extra cost needed to implement advanced construction features. (5) More SRS certifications are related to fewer GHG emissions due to the nature of green buildings that comprise the most innovative technologies in the construction sector in order to cut GHG emissions during the entire lifecycle. The correlations are more consistent if 2014 is excluded from the 10-year period since it was characterised by extreme climate conditions with significantly fewer heating degree days compared to other years, affecting the trend of the linear regressions. The regressions are characterised by a consistent statistical significance since the p-value is lower than the conventional threshold of 0.05 (i.e., probability > 95%). The variance of SRS expresses a consistent probability of the variance of GDP per capita and GHG emissions. This is mainly due to the extra upfront cost needed to implement advanced construction technologies that, in the end, cut GHG emissions during the building lifecycle. Therefore, policy makers should incentivise through tax relief and grants the construction of green buildings to obtain, in turn, a growing economy and a reduced environmental footprint.
The analysis of the SRS highlights that they promote a weak sustainability approach and accept that economic development can reduce natural capitals. This decreases their capability to measure sustainability in the long term. However, SRS are globally recognized tools to assess building sustainability due to their solidity and applicability that has fostered their diffusion. The measures released by SRS in response to COVID-19 can be divided in strategies related to the built environment (with a higher environmental and economic impact due to their corrective nature) and company policies (easier to implement thanks to their preventive nature). Therefore, policies are also expected to become part of the state of art in the future. As regards the main issue found, it is related to the social distancing: there are not specific credits that analytically address maximum occupancy rates to minimise airborne cross-infection.
The analysis of the country-level data to forecast GHG emissions in the coming decades within the EU show that GDP and Population have a stronger relation to the amount of GHG emissions generated compared to RES. The determination coefficient (R2) reaches a value of 0.98, meaning that only a very small percentage of the GHG variation (2%) cannot be explained by the combination of the three variables. GDP and Population present greater influence than RES, however, the estimation model shows a greater degree of accuracy when RES is included as well. Germany, France, Ireland, and Italy are removed because they reach corrected weighted values above the estimated threshold in one or more years (2023-2050) in one or more scenarios (high, average, low) analysed. The projection of GHG emissions obtained for the remaining EU countries show that (1) in a low growth rate scenario, GHG emissions keep growing only in Luxemburg, Denmark and Sweden that may lack of decarbonisation levers, (2) in an average growth rate scenario, GHG emissions increase everywhere except in Greece due to the reduction of GDP and consequent limited human activities, (3) in high growth rate scenario, GHG emissions increase everywhere consistently, in particular in Estonia and Malta due to the uncontrolled GDP growth together with low values of RES. Considering that almost three quarters of global GHG emissions come from energy production, the application of additional legislations concerning energy efficiency and renewable energy production is essential to meet the decarbonisation targets (e.g. feed-in tariffs, subsidy schemes, quota systems, specific tax regulatory mechanisms, tax exemptions, tradable green certificate schemes and carbon pricing mechanisms).