How do we rate carbon credits? The Sylvera Carbon Credit Rating process

The Sylvera carbon credit rating creation process consists of two stages: 

• ステージ1：強固なプロジェクトタイプ別格付けフレームワークの開発
• Stage 2: the application of this framework to an individual project to create a Sylvera carbon credit rating

これらの段階と全体的な方法論について説明したホワイトペーパーは、こちらからダウンロードできます。

第1段階プロジェクトタイプ別フレームワークの開発

What are Sylvera carbon credit rating frameworks?

Sylvera ratings are created by first developing a proprietary framework for assessing a specific type of carbon project, such as reducing deforestation and forest degradation (REDD+), afforestation, reforestation and revegetation (ARR), improved forest management (IFM) or deploying renewables in place of carbon-intensive forms of electricity generation.

なぜなら、プロジェクトには多様な活動やインセンティブがあり、プロジェクトの質を深く洞察するためには、個別の方法で評価する必要があるからです。一般的なフレームワークでは、個々のプロジェクトのパフォーマンスのニュアンスが反映されず、不正確な評価となり、結果的に炭素プロジェクトや炭素市場に対する信頼が低下すると考えています。

私たちのフレームワークは、関連する炭素クレジットの方法論と、そのプロジェクトタイプの特徴に根ざしています。また、特定のプロジェクトタイプの主要な特徴や問題点を明らかにすることに配慮しています。私たちは、カーボン・プロジェクトを公正かつ公平に取り扱い、評価するよう設計しています。また、フレームワークの枠を超えてカーボン・プロジェクトに適用される私たちの採点の柱を構成するために使用できる、一貫性があり比較可能な品質指標を提供します。

プロジェクトの多様性

活動内容

プロジェクトによって実施する活動は異なります。例えば、既存の森林を保護する自然保護プロジェクトもあれば、植林によって森林を再生しようとするプロジェクトもあります。このことは、プロジェクトのGHG回避・除去量を定量化する方法に大きな影響を与えます。前者では森林の損失をモニタリングする必要があり、後者では植林面積と新しい木の成長率をモニタリングする必要があります。

プロジェクトの種類が異なれば、インセンティブも異なります。このことは、同じ種類のプロジェクトであっても、異なる種類のプロジェクトであっても、プロジェクトの追加性に大きな影響を与えます。例えば、既存の森林を保護するプロジェクトは、炭素クレジットの販売による資金に大きく依存します。 

インセンティブ

The existence of carbon projects can also create perverse incentives. For reforestation projects, this can manifest in the conversion of native ecosystems for the purpose of developing a carbon project. For these project types, Sylvera conducts an independent assessment of the land use and land cover change of the project area prior to project start.

フレームワークの開発

プロジェクト・タイプに特化したフレームワークの開発には、1,500時間から2,500時間を要します。このプロセスは、進むにつれてますます合理化され、よりスピーディーに進められるようになっています。プロセスは6段階。

1.発見 

私たちは、プロジェクトタイプに関する初期調査を実施し、このプロジェクトタイプに特有な、私たちの採点の柱の下にある主要な品質指標を特定します。私たちのチームは、VerraやGold Standardなどのカーボンクレジット 、関連するカーボン・プロジェクトタイプの認証方法文書を評価し、サンプル・プロジェクトの文書をレビューし、学術論文や業界出版物を読みます。また、強固な品質評価に到達するために対処しなければならない、プロジェクトタイプ特有の技術的要件、能力、課題についても調査します。

2.定義

次に、フレームワークのサブコンポーネントと質問の「何を」「なぜ」「どのように」を定義します。各構成要素について、必要なデータソースを特定し、全体的かつ厳密な評価を行うために必要な分析を定義します。次に、フレームワークの原則、根拠、採点ロジックを、多様な分野の専門家を代表する社内のステークホルダー委員会に提示し、フィードバックを求めます。その後、新しいフレームワークが30件のサンプルプロジェクトに適用され、ML、地理空間、データ抽出、格付けのアナリストチームによって評価されます。

3.範囲

In the scope phase, we assess the work required to productionize the process of rating carbon credits using this framework. This includes defining the requirements and deliverables for developing automated workflows for data outputs from the ML and geographic information science (GIS) teams, as well as mapping production processes and defining documentation requirements. We also work with our quality assurance (QA) team to embed processes that ensure consistency and accuracy in Sylvera ratings.

4.繰り返し

Feedback from the internal stakeholder committee is integrated into the framework and the required models are built so that testing of a sample of initial ratings can commence. These samples are used to test the logic of the new framework. This includes fine-tuning the weights of our scores and our scoring matrices, which are sets of rules for how our scores interact with one another to arrive at a Sylvera rating. If they arise, we also integrate any possible outputs that occur at extreme ends of the spectrum, known as corner cases. We also run our feedback by our customer council. This consultation process allows us to gain early insights into the value of our new framework.

5.電車

The framework development team implements a framework training curriculum to educate and train the production team on the mechanics of implementing the project type framework. The production team then begins to populate Sylvera scores closely guided by the framework team. Unexpected results, special cases, process improvements and any scores that diverge too much from the norm are discussed. 

6.デプロイ

Our framework is signed off and ready to be used to create publishable Sylvera carbon credit ratings. The framework and corresponding documentation are completed and communicated with our production team.

フレームワーク開発ロードマップ

私たちは、まずプロジェクトのタイプに特化したフレームワークを開発する必要があると考えています。私たちは計画外森林破壊回避（AUD）REDD+を選びました。なぜなら、VCMの大部分は自然由来のクレジットが占めており、AUD REDD+はその大部分を占めているからです。このような自然由来の炭素クレジットの多くは、現在、気候変動に関する公約を達成するために購入されていますが、その品質やパフォーマンスに関する可視性や理解は限られています。

プロジェクトの不透明なパフォーマンスと不透明なベースラインモデルは、質の高いプロジェクトに資本を誘導するのに役立つと同時に、気候変動対策の主張をサポートするために効果のないクレジットの使用を制限する、質の厳格な評価を提供する機会を作りました。 

私たちのチームは現在、プロジェクトの種類にかかわらず、利用可能なクレジットの大半の質を評価するための新しいフレームワークを開発中です。 

ステージ2：信用格付けプロセス

格付けのフレームワークが出来上がると、私たちのチームは個々のプロジェクトの格付け作成に取り掛かります。当初、プロジェクトの格付けプロセスには、プロジェクトの複雑さやニュアンスにもよりますが、60時間から120時間を要します。しかし、このプロセスも、自動化を進めるにつれて合理化が進んでいます。私たちのチームは、パフォーマンスに関する一次データを含むプロジェクトの詳細なボトムアップ分析と、プロジェクトがさらされているリスクのトップダウン評価を行います。

1.データ抽出 

プロジェクトの質を評価するために必要な関連データポイントはすべて、カーボンクレジット 公開するプロジェクト文書、および学術文献やエビデンスに裏付けられた報道を含むその他の公開情報源から抽出されます。このプロセスの大部分は自動化されていますが、文書の構造や報告に一貫性がないため、社内のデータ抽出チームによるサポートが必要です。当社のチームは何百ページものプロジェクト文書に目を通しますので、お客様はその必要はありません。

2.シェープファイル（プロジェクト境界）抽出

関連性があれば、プロジェクト境界のシェープファイルが抽出され、提供されなければ私たちのチームが作成します。これにより、例えば、森林の増減のモニタリングが、プロジェクトの正確な境界線内で高い精度で実施されることが保証されます。また、GISのスペシャリストは、森林の増減を誤って分類する可能性を減らすため、ML作業中に特に注意が必要と思われる地域（雲が多い地域や季節性の高い生物群など）の特性を調査します。

3.ML

私たちは、カーボン・プロジェクトの特定の側面、たとえばさまざまなバイオーム（生物多様性）における森林被覆の経年変化をモニターするために、独自のMLモデルを社内で開発しました。これらのモデルは、実際の排出量を追跡し、プロジェクトから報告された排出量と比較するために使用され、私たちのカーボン・スコアに直接反映されます。また、プロジェクト開始前の森林伐採や開始後の継続的な森林伐採などの傾向も追跡し、プロジェクトが主張する脅威が現実のものであるかどうか、また近隣の類似地域で主張するリスクの大きさが現実のものとなっているかどうかを検証します。

4.ML QA

QAはMLモデルの結果が正確であることを確認するために重要です。MLモデルによる森林パラメータ（樹冠被覆など）の分類は、査読を受けた標準的な評価基準や追加データソースとの比較を用いて社内で検証しています。これらのプロセスは、GISチームの専門知識と光学衛星データを活用してプロジェクトエリアごとに500以上のポイントで実施された精度評価とともに、分類の潜在的なエラーを特定し、これらの推定値の不確実性を定量化するために使用されます。

5.格付けの作成

The individual pillar scores of our rating are compiled by applying our rating frameworks to available information on the project to develop a preliminary rating. The available information includes the extensive project data extracted and cleaned from the public registry documentation, other project and country contextual data collated from verified external sources, proprietary ML outputs using satellite imagery and multiple GIS open-source datasets.

6.内部レビュー

予備的格付けの徹底的な見直しと厳密な討議は、弊社の専門家により行われます。私たちの格付けプロセスは、可能な限り客観的であるように設計されていますが、この定性的なレビューは、格付けがプロジェクトの質を適切に反映するための鍵となります。

7.開発者の関与

多くの格付けプロバイダーとは異なり、私たちは、プロジェクトの格付けのために開発者から報酬を受け取らないことで、独立性を保っています。しかし、正確な格付けに必要な追加情報を確保するために、格付けのプロセスを通じてデベロッパーと関わりを持ち、デベロッパーに回答権と追加証拠を提供する機会を与えることが重要であると考えています。

8.格付けの公表

格付けが社内審査を通過し、デベロッパーから提供された追加情報が反映されると、当社のプラットフォーム上で評価を公表します。これには、格付け、個々のサブスコア、当社の分析を裏付ける基本的な解説と根拠、当社のプロジェクトマップ、Xpansiv CBLからの価格データ、およびカーボンクレジット 発行データが含まれます。

9.連続モニタリング

四半期ごとに、すべてのプロジェクトについて、最新の衛星データをMLモデルに入力し、潜在的な炭素蓄積量の変化（例えば、森林減少や増加）を把握します。また、最近の報告書や発行データ、その他関連する可能性のある公開情報を収集するために、登記簿からデータを再スクレイピングします。火災、プロジェクト提案者の組織変更、重要な情報の公開などの重要な出来事は、プロジェクトのアドホックな再評価の引き金となります。

どのようなデータを入力し、分析し、出力するのか？ 

入力

• Verra、Gold Standardなどのカーボン・レジストリ
• 光学、光検出と測距（ライダー）、合成開口レーダー（SAR）衛星
• Global Forest Watch、Hansen et al Global Forest Change Dataなどの森林データベース
• OpenStreetMap、Spatial Database of Planted Trees、United States Geological Survey (USGS)のインフラ、集落、土地利用データ。
• 統合生物多様性評価ツール（IBAT）による保護と生物多様性の状況
• 米国航空宇宙局（NASA）の資源管理火災情報システム（FIRMS）による能動的な火災監視
• 世界銀行、国連食糧農業機関（FAO）
• 国および地域の政策および規制に関する文書
• カーボン・クレジット交換プラットフォーム、CBL Xpansiv
• 排出削減支払契約（ERPA）と長期引取契約
• 学術論文と業界研究

分析

• 独自のMLモデル
• GIS分析
• 当社独自の格付けフレームワーク

出力

• Sylvera rating, carbon score, additionality score, permanence score
• コベネフィット・スコア
• スコアの各要素の根拠に関する詳細な議論
• プロジェクトの背景
• 地図（必要な場合
• カーボンクレジット 価格と発行分析

‍

この独自のカーボンクレジット 評価システムを構築した理由については、こちらをご覧ください。