Respuesta a la consulta política: El sistema de control de reversiones a largo plazo de Verra

Sylvera apoya el concepto de un Sistema de Seguimiento de Reversión a Largo Plazo (LTRMS) para abordar las preocupaciones en torno al riesgo de reversión en los proyectos del Estándar Verificado de Carbono (VCS) durante el periodo posterior a la acreditación. Los créditos de carbono basados en la naturaleza tienen riesgos inherentes de permanencia, y mecanismos como el LTRMS deben ponerse en marcha para que los mercados voluntarios de carbono (VCM) funcionen con una alta integridad. El riesgo de permanencia y de reversión son componentes clave que deben supervisarse y cuantificarse continuamente de forma sistemática, rentable y democratizada para garantizar la validez de las reclamaciones de cero neto cuando se utilizan compensaciones para compensar las emisiones. Una vez detectado y cuantificado un evento de pérdida, la entidad que administre el LTRMS contabilizaría la reversión y cancelaría los créditos de compensación en consecuencia.

¿Debería Verra supervisar los proyectos VCS de Agricultura, Silvicultura y Otros Usos del Suelo (AFOLU) para detectar reversiones durante el periodo posterior a la acreditación? En caso afirmativo, ¿por qué? En caso negativo, ¿por qué no?

Sí, Verra debería supervisar los proyectos VCS AFOLU para detectar reversiones durante el periodo posterior a la acreditación. La permanencia es una de las críticas más significativas a los proyectos de créditos de carbono basados en la naturaleza, especialmente en relación con las soluciones tecnológicas. El seguimiento y la cuantificación a largo plazo de los eventos de pérdida, y la correspondiente cancelación y contabilización de los créditos de amortiguación, son necesarios para respaldar los MVC de alta integridad. Además, el LTRMS permitiría a Verra calibrar mejor sus umbrales porcentuales de colchón de riesgo para garantizar que el conjunto de colchones es suficiente para compensar los reveses a largo plazo. Esto también reforzaría el buen funcionamiento y la integridad de los proyectos AFOLU en los MVC.

¿Cuáles serían las principales oportunidades, ventajas, retos y riesgos de que Verra lo hiciera?

El LTRMS mejoraría la confianza en la integridad y credibilidad de los proyectos AFOLU, lo que estimularía nuevas inversiones en (i) créditos de carbono, (ii) capital natural y (iii) el flujo de financiación hacia el desarrollo verde. Además, el LTRMS debería aplicarse de manera rentable aprovechando las tecnologías de teledetección y aprendizaje automático, y los resultados del LTRMS deberían ponerse a disposición del público para reforzar la confianza y la credibilidad en el mercado. 

Las principales preocupaciones de Sylvera giran en torno a los bucles de retroalimentación extremos y no lineales asociados al cambio climático y a la posible escasez de créditos de reserva de amortiguación disponibles para tener en cuenta las reversiones a largo plazo. El LTRMS es un primer paso excelente, pero vemos oportunidades adicionales para seguir mejorando y creando confianza en los proyectos AFOLU mediante la modelización del riesgo climático y haciendo que los resultados de esas simulaciones guíen los porcentajes de retención del colchón de riesgo de los proyectos en curso para mitigar y minimizar los riesgos de reversión.

¿Qué tipos de proyectos VCS AFOLU podrían actualmente ser monitoreados para detectar reversiones de manera efectiva y eficiente utilizando los enfoques de monitoreo remoto disponibles? ¿Cómo se espera que evolucionen las tecnologías de monitoreo remoto en un futuro cercano, y debería esto permitir el monitoreo de tipos de proyectos y actividades AFOLU adicionales (por ejemplo, degradación)? En caso afirmativo, ¿cuáles y cuándo?

En la actualidad, Sylvera es capaz de realizar un seguimiento de las inversiones de la biomasa aérea en los proyectos de reducción de emisiones debidas a la deforestación y la degradación forestal (REDD+). También estamos desarrollando activamente modelos para detectar reversiones en proyectos de Gestión Forestal Mejorada (IFM) y de Forestación, Reforestación y Revegetación (ARR). 

Esperamos que las tecnologías de teledetección evolucionen en los próximos años para mejorar los modelos de detección existentes, por ejemplo para evaluar con mayor precisión la degradación forestal y otras actividades a pequeña escala. La degradación es actualmente difícil de controlar con precisión, pero está demostrando ser una fuente muy importante de emisiones. Según un estudio reciente, la selva amazónica pierde más carbono por degradación que por deforestación. Estamos deseando incorporar nuevas oportunidades de datos por satélite como BIOMASS, disponible a finales de este año, y NISAR, en 2023, en nuestras calificaciones de créditos de carbono. Además, también esperamos que los datos públicos y comerciales aumenten su resolución, sean más accesibles y tengan una mejor cobertura espacial y temporal, lo que mejorará la precisión del seguimiento.

Carbono del suelo:

Hasta la fecha, el reto más importante de la teledetección es su aplicación a los depósitos de biomasa subterránea (BGB) y carbono orgánico del suelo. Estos almacenan hasta el 80% del carbono terrestre y son vulnerables al cambio climático, la degradación y otras perturbaciones. Los modelos de suelo actuales presentan incertidumbres extremadamente altas y la mayor parte del suelo no es directamente observable mediante teledetección. Sin embargo, existen varias vías de investigación prometedoras, muchas de las cuales pueden utilizarse conjuntamente.

Mediciones directas:

Las mediciones directas por satélite más prometedoras del carbono del suelo son la espectroscopia visible, la espectroscopia visible en el infrarrojo cercano (vis-NIR) y la espectroscopia en el infrarrojo medio (MIR) (vis-NIR/MIR). Estos sensores se han utilizado en investigaciones recientes al realizar mediciones directas de muestras de suelo, con resultados igual de buenos que los métodos tradicionales a la hora de determinar el contenido de carbono del suelo. Cuando se da el paso a los sensores por satélite, el espectro aún no es lo bastante claro, pero hay esperanzas de que mejore con los nuevos sensores hiperespectrales de alta resolución.

Las turberas ofrecen otras posibilidades de medición directa. Por ejemplo, se ha intentado utilizar un radar de apertura sintética (SAR) para medir la "curvatura" de una turbera con alta resolución en la dirección z. Mediante el seguimiento del crecimiento o la contracción de la turba es posible inferir el contenido de agua, lo que indica la tasa de descomposición. Al seguir el crecimiento o la contracción de la turba, es posible inferir el contenido de agua, que indica la tasa de descomposición. También puede existir una correlación entre la curvatura y la profundidad de la turba.

También existe interés por el uso del radar de penetración en el suelo para medir la profundidad de las turberas, ya que teóricamente debería existir un claro cambio de densidad en la frontera entre la turba y el suelo que hay debajo.

Los sensores hiperespectrales pueden utilizarse para determinar la extensión de las turberas, ya que la mayoría están cubiertas en gran parte por un musgo esfagno, que tiene una firma espectral específica.

Mediciones indirectas

Una alternativa a la medición directa del carbono del suelo es utilizar "aproximaciones" relacionadas con el contenido de carbono del suelo. Por ejemplo, un suelo con alto contenido en carbono suele contener más humedad. Otro ejemplo podría ser relacionar los índices de crecimiento de la vegetación, como el índice de vegetación de diferencia normalizada (NDVI), con el carbono del suelo o la biomasa bajo el suelo (BGB).

La cartografía digital del suelo (DSM) combina múltiples variables indirectas y mediciones directas y utiliza métodos de ML para correlacionar estas covariables con las mediciones reales del carbono del suelo. Así se genera un modelo predictivo que puede aplicarse a cualquier zona. Un buen ejemplo global es el proyecto SoilGrids.

En el sudeste asiático se han desarrollado métodos similares a menor escala para las turberas. Se trata de un campo de investigación emergente, pero con datos de entrenamiento precisos sobre el terreno, Sylvera podría prever el entrenamiento de modelos DSM para biotopos y regiones específicos.

El carbono del suelo agrícola presenta nuevas oportunidades para la teledetección del carbono del suelo. Es posible identificar determinadas especies de cultivos con sensores hiperespectrales. Las mediciones in situ del BGB de determinados cultivos permitirían inferir el BGB de todas las tierras de cultivo. Los datos de satélite también pueden utilizarse para controlar los factores que impulsan los cambios en el carbono del suelo, como las prácticas agrícolas. Esto podría incluir incluso análisis hiperespectrales con una alta resolución temporal para controlar los picos en las emisiones locales de metano cuando se aplican fertilizantes orgánicos.

¿Aumentarían el LTRMS y los ajustes periódicos propuestos asociados a los porcentajes de retención VCS (basados en las pérdidas supervisadas por categoría de riesgo) la confianza en la resistencia a largo plazo de la reserva de estabilización AFOLU y los créditos para proyectos emitidos?

El LTRMS aumentaría absolutamente la confianza en la resiliencia a largo plazo del fondo de reserva AFOLU y de los créditos emitidos, siempre que los resultados del LTRMS tuvieran una retroalimentación directa con los porcentajes de retención y las asignaciones de reservas de riesgo para los proyectos en curso y se basaran también en las pruebas científicas más actualizadas. Por ejemplo, si el LTRMS detecta pérdidas extremas en la mayoría de los proyectos, con una media del 40% por proyecto, y las asignaciones del colchón de riesgo para los proyectos en curso se mantienen entre el 10% y el 20%, los porcentajes de retención prescritos deberían aumentarse para ajustarse a los resultados del LTRMS. Este bucle de retroalimentación entre el LTRMS y los porcentajes de retención establecidos por Verra aumentaría la confianza en los proyectos de compensación AFOLU y la seguridad que proporciona el fondo de reserva como mecanismo de seguro. Además, Sylvera recomienda que los resultados del LTRMS sean transparentes y estén a disposición del público para reforzar aún más la confianza en el mercado.

Una modelización adicional del riesgo climático que pusiera de relieve los bucles de retroalimentación no lineales, junto con el LTRMS y las pruebas científicas, también aumentaría la confianza en los créditos AFOLU.

¿Durante cuánto tiempo debe Verra controlar las reversiones una vez finalizado el periodo de acreditación del proyecto (por ejemplo, 50 años, 100 años)?

Para aumentar la confianza en la permanencia de los proyectos AFOLU, deberían fomentarse períodos más largos. 100 años se ajusta a las escalas temporales del IPCC.

¿Con qué frecuencia (trimestral, semestral, etc.) debe Verra controlar los casos de siniestro?

El seguimiento trimestral es viable, pero en su lugar recomendaría un seguimiento anual o bianual al principio y luego planificar actualizaciones más frecuentes, por ejemplo, trimestrales, mensuales, etc., con el tiempo. Debe tenerse en cuenta la estacionalidad en los bosques estacionales para garantizar que no se considera pérdida forestal, por ejemplo comparando con el mismo periodo de años anteriores. Una mayor frecuencia de seguimiento sería bienvenida para comprender estos patrones. Para una mayor frecuencia de seguimiento, los datos SAR son más apropiados y se espera que el número de satélites que se lancen en el futuro aumente.

Si Verra deja de explotar o gestionar el LTRMS antes de que finalice este compromiso de seguimiento, ¿cómo podría mantenerse la integridad medioambiental (por ejemplo, mediante la cancelación de todos los créditos de amortiguación asociados al proyecto)?

Verra podría ceder la explotación del LTRMS a una empresa de observación de la tierra que esté equipada para realizar este seguimiento continuo de forma rentable y transparente. En caso de que el LTRMS dejara de estar en funcionamiento, por parte de Verra o de su cesionario, entonces los créditos de amortiguación deberían cancelarse o mantenerse en reserva para otros proyectos AFOLU que aún no hayan llegado al final de su periodo de seguimiento.

¿Qué mejores prácticas, normas y/o directrices debería seguir el LTRMS? ¿Existen limitaciones potenciales a la aplicabilidad, precisión, fiabilidad y credibilidad de un enfoque de seguimiento a distancia para identificar las inversiones AFOLU?

El LTRMS debería realizarse mediante tecnologías de teledetección, mucho menos costosas que los actuales procedimientos de verificación. Los costes reducidos del LTRMS erradicarían las barreras a los participantes, como los grupos comunitarios o indígenas. El LTRMS debería ser transparente y los resultados deberían hacerse públicos para reforzar la confianza en el mercado.

Los datos actuales pueden utilizarse fácilmente para grandes deforestaciones o actividades como los sistemas de alerta de incendios. La mejor práctica consiste no sólo en utilizar los mejores datos disponibles para cada año, sino también en combinar distintas modalidades de teledetección para superar cualquier incertidumbre y aumentar la solidez de los modelos y los sistemas de seguimiento. 

Existen una serie de limitaciones en lo que respecta al seguimiento de proyectos forestales mediante teledetección. La detección de actividades a pequeña escala, como la degradación, la tala selectiva o cualquier actividad a menor escala, está limitada por la resolución de los datos de observación de la Tierra (véase la pregunta 3). Si sólo se utilizan datos ópticos, las zonas nubladas pueden limitar el seguimiento. Esto puede mitigarse utilizando datos SAR o lidar.

Cuando se utiliza el aprendizaje automático para interpretar imágenes de satélite, es esencial disponer de datos de entrenamiento precisos. Para cuantificar la inversión, los cambios en la cubierta forestal detectados mediante teledetección deben interpretarse para inferir cambios en las reservas de carbono de la biomasa sobre el suelo (BSA) y, por tanto, en las emisiones de carbono. Los modelos alométricos de uso generalizado en la actualidad presentan grandes incertidumbres y se ha demostrado que su sesgo subestima la BSA hasta en un 40%.

Sylvera ha desarrollado una capacidad de vanguardia para la generación precisa y oportuna de datos de formación in situ utilizando mediciones lidar multiescala (MSL), para construir mapas AGB para grandes áreas, de decenas a cientos de miles de hectáreas, de bosque. 

Estas mediciones MSL se recogen tanto desde tierra como desde el aire: los datos de escaneo láser terrestre (TLS) se recogen de parcelas de muestreo, mientras que los datos de escaneo láser de vehículos aéreos no ocupados se recogen en configuraciones de vuelo lento y rápido, escaneo láser de vehículos aéreos no ocupados (UAV-LS) y escaneo láser aerotransportado (ALS), respectivamente. Este conjunto de datos, recogidos a distintas escalas espaciales, desde el árbol individual hasta la región, combinado con novedosos algoritmos de procesamiento, proporciona una capacidad sin precedentes para estimar con precisión la AGB: los mapas resultantes tienen una resolución de 10 m, y las incertidumbres suelen ser inferiores al 10%.

¿Qué tipo de prácticas de supervisión/garantía de calidad son necesarias para garantizar que el LTRMS funciona correctamente y que la identificación y cuantificación de las anulaciones en el periodo posterior a la acreditación es exacta?

Para garantizar el correcto funcionamiento del LTRMS, todos los datos deben estar a disposición del público y contar con la información científica más actualizada. El LTRMS podría contar con la supervisión de Verra o de un consejo de gobierno independiente si se considera necesario.