カーボンクレジット 定量化手法：信用の質にとってなぜ重要なのか

カーボンクレジット による定量とは何ですか？

カーボンクレジット 定量化（カーボン・アカウンティングとも呼ばれます）とは、あるプロジェクトがCO2換算で何トン分の排出を回避または除去したかを算出し、それによって発行可能なクレジットの量を決定するプロセスです。

自主的な炭素市場に流入するすべてのクレジットは、定量化されなければなりません。これは、そのプロジェクトが森林を保護する場合でも、よりクリーンな調理用コンロを配布する場合でも、あるいは大気中から直接二酸化炭素を吸収する場合でも同様です。

算定式は、プロジェクトの種類によって異なります。回避型プロジェクトの場合、クレジットは、ベースライン排出量から実際のプロジェクト排出量とリーケージを差し引いた値となります。除去型プロジェクトの場合、クレジットは、不確実性や逆転リスクを調整した、実際に固定された炭素量となります。

多くの購入者を驚かせるのは、炭素排出量が直接測定されることはほとんどないという点です。その代わりに、そのプロジェクトが存在しなくなった場合に何が起こったかを想定した「対照シナリオ」に基づいて算出されます。この対照シナリオは「ベースライン」と呼ばれますが、これは観測結果ではなく推定値に過ぎません。他のあらゆる推定値と同様に、ベースラインの排出量数値も誤っている可能性があります。さらに悪いことに、それらが悪用される恐れもあります。

このため、炭素排出量の定量化はクレジットの品質の核心となります。結局のところ、クレジットが実際の温室効果ガス排出量1トンを表すのは、その背後にある炭素排出量の定量化が妥当である場合に限られます。算出方法が間違っていれば、そのクレジットは主張されている量のほんの一部、あるいはまったくの無価値になってしまいます。

カーボンクレジット の定量分析の基礎

当社では Sylvera当社では、定量化プロセスを分析するための過剰与信リスクフレームワークを開発いたしました。

ベースラインの定量化

ベースラインとは、「現状維持」シナリオの下で発生していたであろう炭素排出量を指します。つまり、このプロジェクトが実施されなかった場合に、大気を汚染していたであろう温室効果ガス（GHG）の排出量のことです。

炭素プロジェクトが発行できるクレジットの数は、ベースラインからプロジェクト実施地域における実際の排出量とリーケージを差し引くことで決定されます。したがって、ベースラインシナリオによってクレジットの発行量が決定されます。

これが、排出削減量の過大算定が生じる原因です。例えば、あるプロジェクトが、対照シナリオ下では1,000 tCO2eが排出されていたはずだと主張しています。しかし、過去の傾向を見ると、実際には100 tCO2eしか排出されていなかったことが分かります。このプロジェクトはベースラインを10倍に水増ししており、その排出削減量の主張は過大評価されています。

REDD+のような林業プロジェクトにおいて、ベースラインは特に議論の的となっています。これは、事業実施者が、提案されたプロジェクトがなかった場合に発生していたであろう森林減少量を推定するためです。残念ながら、過大に設定された森林減少のベースラインが、市場における最大の「過剰クレジット」をめぐる論争のいくつかを引き起こしてきました。

Sylvera では、生態系ごとの森林伐採モデルと現地調査データを用いて、ベースラインを独自に検証しています。プロジェクト側からの自己申告値を鵜呑みにすることはなく、これにより正確性を維持しています。

炭素会計

プロジェクトが炭素貯蔵量や排出量を算出するために用いる方法論やパラメータは、そのプロジェクトが発行できるクレジットの数量を左右します。例えば、樹木のバイオマスを過大評価したり、植物の死亡率を過小評価したり、不適切なアロメトリック方程式を適用したりするなど、保守的ではない、あるいは根拠のない活動データや排出係数に依存している場合、そのプロジェクトが生み出すすべてのクレジットに過大評価のリスクが生じることになります。

例えば、植林や再植林（ARR）プロジェクトでは、植樹された木の死亡率を過小評価したり、不適切なアロメトリック方程式を適用したりすることで、クレジットが過大に算定される可能性があります。さらに、現地でのサンプリングが限定的であることで、こうした誤りが相まってしまうこともあります。Sylvera 社が採用している、LiDARやリモートセンシングを活用した機械学習アプローチのような、独立した高解像度の測定手法を用いれば、クレジットが市場に出回る前に誤りを発見することができます。

リーク

リーケージとは、プロジェクトによる排出削減が、排出活動を排除するのではなく、その活動場所を移す場合に発生します。例えば、ある森林地域を保護するREDD+プロジェクトが、隣接する森林地域への森林伐採の圧力を高めることがあります。これは「地理的リーケージ」として知られています。あるいは、木材の供給量を減らすことで価格が上昇し、その結果、伐採が他の場所へ移行することもあります。これは「市場的リーケージ」として知られています。

リーケージが考慮されない場合、プロジェクトは、システムレベルでは実際には発生していない排出削減分についてクレジットを獲得することになります。つまり、本質的に、リーケージはクレジットの過大付与のもう一つの形態であると言えます。

漏れを定量化するには、適切なモデリングが必要です。残念ながら、プロジェクトではこの定量化の側面が適切に扱われていないことがよくあります。そのため、独立した分析を行わなければ、購入者がこの点を把握するのは比較的難しい要素の一つとなっています。

その他の定量化要因

その他の要因によって、プロジェクトが過剰なクレジット発行につながり、カーボンフットプリントが増加する可能性があります。それはすべて、プロジェクトの種類や手法によって異なります。ここでは、考慮すべき定量化の要素をさらにいくつかご紹介します。

• プロジェクト境界のゲリマンダー：これは、プロジェクト開発者が、プロジェクトを最も魅力的に見せられる地域のみを包含するようにプロジェクトの境界線を引く場合に生じます。
• 排出量の算定が不完全である場合：これは、開発者が関連する排出源を省略した場合に発生します。例えば、土壌における自然の炭素固定を無視したバイオチャー・プロジェクトなどが挙げられます。
• プロジェクト開始前の意図的な土地利用の変更：これは、開発業者がベースラインを設定する前に土地を整備してしまう場合に生じます。これは、プロジェクトの見かけ上の影響を過大に見せるために行われることがよくあります。
• 不確実性による控除：これは、信頼性の高いベースライン・モデリングにおいて、測定誤差に対して保守的な控除が適用された場合に生じます。この手順を省略したプロジェクトは、デフォルトで過大評価されてしまいます。

なぜ定量化が過剰評価の最大の要因となるのか

「過剰クレジット」とは、あるプロジェクトが、その気候への影響に見合う量よりも多くのクレジットを発行してしまうことを指します。過剰に発行された1トンごとに、実際には行われていない気候変動対策が主張されたことになり、これは購入者のネットゼロ目標と、市場全体の環境的整合性の両方を損なうことになります。

大まかに言えば、「追加性」とは、「このプロジェクトがなかったとしても、気候への影響は生じていたでしょうか？」という問いです。「永続性」とは、「炭素は引き続き貯留されたままになるでしょうか？」および「元に戻るリスクはどの程度あるでしょうか？」という問いです。「定量化」とは、「主張されている気候変動対策の内容は正確でしょうか？」という問いです。この3つのうち、定量化は過大な仮定の影響を最も受けやすいものです。これは、その基礎となる数値が直接的な測定値ではなく、推定値であるためです。

レジストリは、方法論を承認し、炭素オフセットプロジェクトがそれに準拠していることを検証します。これは、言葉の印象よりも範囲が狭い業務です。プロジェクトが承認された方法論に従っていても、特にその方法論が寛大なベースラインや積極的なパラメータを認めている場合には、過剰なクレジットが発生する可能性があります。つまり、方法論への準拠と定量化の正確性は別物です。これらを混同してしまうのはよくある間違いです。

これは、登録機関やクレジット制度に対する批判ではありません。むしろ、方法論の承認プロセスにおける構造的な制約なのです。もしある方法論が寛大な仮定を許容している場合、それに準拠する炭素クレジットプロジェクトはベースラインを水増しすることになり、モニタリング要件だけではその差を埋めることはできません。

政府の規制が自主的な炭素市場に追いつきつつある中、この点を理解しておくことは重要です。第6条やCORSIA といった枠組みは、買い手に対し、厳格なデューデリジェンスの実施を促しています。結局のところ、検証されていない定量化に基づいて構築されたポートフォリオには、評判リスクにとどまらないコンプライアンス上のリスクが伴います。過剰に計上された排出量クレジットに結びついた持続可能な開発に関する主張は、規制当局や投資家の精査の下で崩れ去ることになり、クレジットが買い手の帳簿に計上される前に、正確な定量化を行うことの重要性がさらに高まっています。

結局のところ、プロジェクトが自己申告したクレジット量をそのまま受け入れるということは、クレジットを水増しする最も強い経済的インセンティブを持つ当事者を信頼することになります。独立したデータを用いて、ベースライン、パラメータ、およびリーケージを検証することこそが、そのクレジットが実際に1トンの二酸化炭素に相当するかどうかを確かめる唯一の方法です。

プロジェクトの種類によって定量化の方法がどのように異なるか

定量化には画一的な手法は通用しません。リスク、データ収集の要件、そしてよくある失敗要因は、カーボンオフセットプロジェクトごとに異なります。そのため、プロジェクトごとに特化した枠組みが不可欠なのです。

• REDD+（森林伐採の回避）：定量化は、森林伐採のベースライン、すなわちプロジェクトがなかった場合にどれだけの森林が失われていたかという点にかかっています。これは市場において最も議論の分かれる定量化手法です。正確な検証を行うには、生物群系ごとのモデリングと衛星データが必要となります。
• ARR（造林・再植林）：その定量化は、樹木の成長、バイオマスの蓄積、および死亡率に依存します。これらのプロジェクトは、過度に楽観的な成長予測や不十分な現地サンプリングにより、過剰なクレジット付与を受けやすい傾向にあり、これらはいずれもプロジェクトの気候変動への影響を歪める要因となります。
• IFM（森林管理の改善）：定量化では、管理シナリオとベースラインの伐採シナリオを比較します。その結果として得られる数値は、プロジェクトがベースラインについてどのような仮定を置くかによって左右されます。
• 調理用コンロ：その効果の定量化は、コンロ1台あたりの燃料節約量、利用率、および非再生可能バイオマスの使用割合にかかっています。開発者たちは、これら3つの要素すべてについて、常々過大評価していました。
• 再生可能エネルギープロジェクト：排出量の算定は、当該プロジェクトが代替する系統電力の排出係数に、そのプロジェクトが発電する再生可能電力の量を乗じて行われます。ベースラインは実測値ではなくモデル化された系統構成であるため、時代遅れの、あるいは過大評価された排出係数が適用されると、REDD+において過大評価された森林伐採のベースラインがクレジット量を水増しするのと同様に、クレジット量も水増しされてしまいます。
• 人為的な除去（DAC、バイオ炭、強化風化）：定量化はより直接的に測定可能ですが、それでもライフサイクル全体を考慮した算定が必要です。例えば、直接空気回収（DAC）プロジェクトでは、CO2を回収するために使用されるエネルギーから生じる排出量を差し引かなければなりません。適切に行われたとしても、一部のプロジェクトでは、たとえ高度な除去技術を採用していても、実質的な除去量ではなく、実質的な排出源となることがあります。

ご覧の通り、一般化された画一的な枠組みでは、プロジェクト固有の定量化リスクを見落としてしまいます。REDD+プロジェクトにおけるベースラインの問題と、DACプロジェクトにおけるライフサイクル算定の問題は、どちらもプロジェクトが発行すべきクレジット数に影響を与えるものの、それぞれ異なる分析が必要です。

カーボンクレジット の定量結果の評価方法

すべてのバイヤー、投資家、調達チームは、高品質なカーボンクレジットを購入したいと考えています。ここでは、プロジェクトが失敗する前に、デューデリジェンスのプロセスを通じて過剰クレジットのリスクを確実に特定するための6つのヒントをご紹介します。

• ベースラインを個別に検証してください。他の要因を一定と仮定した場合、提示された「通常通りのシナリオ」は、過去の傾向や地域データと整合していますか？ ベースラインが過大評価されていることは、クレジットの過大算定を示す最も明確な兆候です。プロジェクトの対照シナリオを、そのまま鵜呑みにしないでください。
• パラメータを精査してください。バイオマスの推定値、死亡率、排出係数といった炭素算定の入力値は、控えめで妥当なものか、それとも楽観的で都合の良いものか、ご検討ください。
• リーケージの算定を確認してください：当該プロジェクトでは、リーケージのモデル化と控除が行われていますか？この手順を省略した排出削減プロジェクトは、通常、過剰なクレジットが算定されてしまいます。そのため、本来あるべきほど排出量を削減できていないことになります。
• 不確かさの控除に注意してください：堅牢な定量化では、測定の不確かさを考慮するために保守的な控除が行われます。保守的な控除が行われていない場合は、要注意のサインです。
• データの品質を重視してください。定量化の精度は、その基礎となるデータ収集の質に左右されます。現地調査のサンプル数が限られていることや、衛星データが古くなっていること、また一般的なデフォルト値が使用されていることなどは、過大評価のリスクを高めます。
• 独立した分析を活用しましょう：クレジットを発行する当事者には、発行量を最大化しようとする経済的インセンティブがあります。高品質なデータに基づいて検証された独立した定量化分析を行うことで、当該当事者が、貴社の犠牲を代償にカーボンクレジット の収益を増やすために数値を水増ししていないことを確実に確認できます。

また、カーボンクレジット の算定値を評価する方法を知っている購入者は、別のリスクからも身を守ることができます。それは、「二重計上」と呼ばれるもので、複数の当事者が同じ1トンを主張してしまうという事態です。

定量化の精度と二重計上は異なる問題ではありますが、どちらもデューデリジェンスという枠組みに含まれます。また、どちらも政府の規制を遵守するために不可欠な要素です。

Sylvera の現状

Sylvera では、カーボンクレジット の正確な定量分析を保証するための独立した分析サービスを提供しております。

当社は 格付けカーボンクレジット の品質を、「炭素会計」、「追加性」、「永続性」、およびコべネフィット の4つの柱に基づいて評価しています。過剰クレジットのリスクは「炭素会計」の柱に内在しており、ここではベースラインの定量化、炭素会計のパラメータ、リーケージ、その他の要因を個別に検証しています。これにより、プロジェクトが報告するクレジット量をそのまま受け入れる必要は一切ありません。

また、プロジェクトの種類ごとに異なる評価フレームワークを採用しております。これは、汎用的なフレームワークでは、精度を左右するプロジェクト固有の過大算定リスクを見逃してしまうためです。「Sylvera 」をご利用いただければ、REDD+、ARR、IFM、調理用ストーブ、あるいはCDRプロジェクトが、適切な方法で定量化されていることを確信していただけます。

さらに、Sylvera プラットフォームでは、プロジェクトから報告された数値ではなく、独立したデータを使用しています。これらの独立したデータは、生態系ごとの森林伐採モデリング、マルチスケールのLiDAR調査、および機械学習によるバイオマス推定から得られており、これらすべてにより、過大評価されているケースを特定することが可能となっています。

これまでに、Sylvera は、主要なREDD+、ARR、およびCDRプロジェクトにおいて、クレジットの過大計上リスクを特定してきました。さらに重要なことは、他の評価機関が見落としていたこれらのリスクを、当社が特定したということです。場合によっては、競合他社よりも数年も先んじていたこともあり、これは当社が市場に提供するサービスの質の高さを証明するものです。

デモをご依頼いただければ、Sylvera の独立した定量化分析が、お客様のポートフォリオ全体における過大評価リスクをどのように評価できるかをご確認いただけます。