「私たちは長年にわたり、信頼できる格付けの提供に注力し、現地データチームへの投資を重ねてきました。これにより当社の格付けの正確性は確保されていますが、購入者が検討している数千のプロジェクトにわたるスケールを実現することはできません。」
カーボンクレジット調達の最新動向について詳しくは、当社の記事「Key Takeaways for 2025」をご覧ください。調達戦略を改善するための、データに基づく5つのヒントをご紹介しています。
加えて：Connect to Supplyをご利用のお客様は、Sylveraのその他のツールもご利用いただけます。プロジェクトの格付け確認や強みの評価、高品質なカーボンクレジットの調達に加え、プロジェクトの進捗状況のモニタリング（特に発行前段階で投資している場合）も可能です。
Sylveraの無料デモを予約して、調達機能やレポーティング機能を体験しましょう。
森林構造をマッピングすることで、私たちは多くのことを学ぶことができます。アメリカ北東部やブラジルのこの種の木の平均バイオマスは？そしてその結果、どれだけの炭素を蓄えることができるのか？また、そのデータから環境、土壌肥沃度、そして私たちの森林管理戦術全体について何がわかるでしょうか？この地域の森林生産性を向上させるために、私たちにできることはあるのでしょうか？
森林の構造をマッピングすることは重要な課題です。そのため、個々の企業から米国農務省森林局に至るまで、さまざまな団体がこの作業に取り組んでいます。
バイオマスとは何ですか？
バイオマスは、木本植物の生物または死物の立位乾燥質量と定義することができ、通常、単位面積あたりの質量で表されます（例：メガグラム/ヘクタール：Mg ha-1）。バイオマスの約50％は炭素であるため、森林生態系が放出・貯留する炭素のモニタリングに不可欠な変数です。この記事では、衛星リモートセンシング技術を使って「見る」ことができる唯一の部分である地上バイオマスに言及します。
森林バイオマスの測定
樹木や低木のバイオマスを測定するのは簡単ではありません。実際、バイオマスを直接測定する唯一の方法は、樹木や低木を伐採して重量を測定する破壊的サンプリングです。
なぜなら、炭素を大気中に放出するのではなく、植生に留めておきたいからです。しかし、この方法はアロメトリック・モデルの開発には必要なのです。
アロメトリーは、樹木の直径や樹高など、測定が容易なパラメータからバイオマスを推定するために使用されます。アロメトリーは生物学的なスケーリング理論に基づいており、生物の質量、サイズ、形状の依存関係を記述します。
アロメトリック・モデルは、森林生態学の専門家や環境科学者が従来の森林インベントリで樹木のバイオマスを計算するために使用しています。森林インベントリは、広域の森林統計を推定するために、対象地域にフィールドプロットを設置することに基づいています。しかし、森林が豊富な多くの熱帯諸国では、森林インベントリー・プログラムが実施されていないか、あるいは実施され始めたばかりです。
伝統的な森林インベントリ手法で森林バイオマスを測定する場合、手作業による樹木の寸法測定、サンプリング戦略、アロメトリックモデルなど、いくつかの誤差要因にさらされます。バイオマスのアロメトリック推定値は通常偏っており（Demol et al. 2022）、その差は15%（Burt et al, 2021）、最大30%（Calders et al, 2015, Gonzalez de Tanago et al, 2018）にも達します。森林インベントリ・プロットは、異なる方法論、サンプリング・デザイン、サイズ/形状、オペレーターを使用して、長期間（5年サイクルなど）にわたって測定されるため、異なるプロジェクトや地域を評価する際に大きな不一致が生じる可能性があります。さらに、世界の森林の多くの地域からは、アクセスが困難であったり、コストが非常に高かったりするため、参照データが不足しています。このため、バイオマス蓄積量をモニタリングする際には、質の高い参照データを入手することが主な課題の1つとなっています。
そのため、私たちは通常、"ground truth data "という言葉を避け、代わりに "reference data "という言葉を使います。リファレンスデータはリモートセンシングやデータサイエンスにおいて非常に重要です。 そのため Sylveraでは、参照データに特別な注意を払っています。
最適なリファレンスデータセットの構築：バイオマスアトラスのためのマルチスケールライダー
そのために、世界中の森林を訪れ、独自の マルチスケールライダー（MSL）法を用いて地上と上空からレーザースキャンを行います。地上では、テレストリアルレーザースキャナー（TLS）を使って3Dデータ（点群）を収集します。これらのスキャナーは、小枝や葉の一枚一枚に至るまで、個々の樹木の構造をミリメートルレベルの精度で記録することができます。また、無人航空機（UAV）に搭載したエアボーン・レーザースキャナー（ALS）からも同様のデータを収集し、より広いエリアのデータ収集を可能にしています。
TLS、UAVレーザースキャニング、エアボーン・レーザースキャニングを組み合わせたこのマルチスケールライダーアプローチは、バイオマスアトラスの基盤となっています。世界5大陸の25万ヘクタール以上で行われた1000万ドルを超える独自のフィールドキャンペーンを基に構築されたバイオマス・アトラスは、これまでで最も包括的なバイオマス・リファレンス・データセットです。
これらの新しいデータセットには、森林構造や地上バイオマスに関する大量の情報が含まれています。しかし、これらの情報へのアクセスは複雑です。
個々の樹木のデータを引き出すことで、地上バイオマスなどの樹木スケールのパラメータを慎重に再構築し、モデル化することができます。破壊的な樹木の測定と比較した場合、誤差は3%程度に抑えられる可能性があります（Burt et al, 2021）。
このMSL技術を使ったバイオマスアトラスは、これまでで最も正確なバイオマス基準データセットです。1回のMSLフィールドキャンペーンで最大50,000ヘクタールの森林をスキャンすることができます。MSL参照データは異なる空間解像度で作成できるため、衛星画像を使用したデータのアップスケーリングが可能です。MSLのバイオマスデータを使用することで、Global Ecosystem Dynamics Investigation (GEDI)センサーによって取得されたスペースボーンLiDARフットプリントのバイオマス校正を独自に作成し、参照データセットを強化することもできます。
これらのデータセットはBiomass Atlasの原動力となり、森林の健全性を長期にわたってモニタリングし、すべての林業ベースの炭素クレジットプロジェクトに信頼できる格付け 提供するのに役立っています。
バイオマス計測を他の期間や広い地域に拡大するには？
私たちのMSL技術は驚くほどの精度でバイオマスを測定することができますが、データ収集に費やせる時間やこの活動にかかるコスト（1回のフィールドキャンペーンあたり数万ヘクタール）によって、カバーできる面積や測定できる回数に限界があります。
衛星リモートセンシング技術は、森林インベントリに比べて、より頻繁に（例えば毎年）、より長い期間にわたって（例えば2000年から現在まで）、より大きな空間スケールで（例えば地域や国の管轄区域）、バイオマス蓄積を監視することができるため、バイオマス蓄積を監視する上で極めて重要です。
現在の炭素計算基準は、カーボン・オフセット・プロジェクト内の活動（森林伐採や新規植林など）を衛星画像を用いて検出し、バイオマスや炭素排出係数の平均値と組み合わせて、森林が蓄積している炭素量と各活動によって放出された炭素量を決定しています。これらの平均値は5～10年ごとにプロジェクトレベルで算出され、手作業によるフィールドプロット測定に基づいています。
残念なことに、測定と測定の間の期間が非常に長いため、森林攪乱（つまり排出）による大量の変化が見逃される可能性があります。この種の作業では、コスト、労働力、遠隔地でのアクセスの悪さなどのために、サンプリングに重要な欠陥が生じることがよくあります（サンプル数が少なすぎるなど）。さらに、平均値は、分散が大きくなるにつれて（特に前述のサンプリングの欠陥に関連して）、ますます貧弱な記述式となり、私たちが関心を持つ森林のほとんどは、バイオマス蓄積量と炭素排出量の推定に影響を与える可能性のある、多くの構造的な分散を示します。
森林インベントリ・プロットは、衛星観測のピクセルと組み合わせて使用するようには設計されていません。地上で手作業で収集されたデータは、空間分解能や観測範囲において衛星リモートセンシングとは大きく異なることがあります。そのため、リモートセンシングに由来する製品を作成しようとすると、通常、不一致が生じます。
バイオマスアトラス は、最先端のMSLベースのリファレンスデータセットと、社内で校正したGEDIデータ、および一般に入手可能な最良の衛星画像を使用してモデルをトレーニングすることで、これらの問題を解決します。このアプローチにより、モデルをトレーニングする際に、これらの不一致を除去または最小化することができます。
私たちは、長波長合成開口レーダー（SAR）を使って、広い範囲と時間スケールでバイオマス推定を拡大しました。この技術は雲を「見通す」ことができ、バイオマスに対する感度が高いのです。また、マルチスペクトル光学衛星画像は、バイオマスに対する感度は低いものの、時間的範囲が長く、植生のクロロフィル含有量に関連する他の有用な情報を含んでいます。デジタル地形モデルや空間テクスチャ解析など、その他の情報も使用しています。
森林は非常に多様な生態系であり、さまざまな時間的・空間的スケールで複雑な挙動を示します。そのため、参照データの形状や分布に関する仮定が少ないノンパラメトリックな機械学習アルゴリズムは、パラメトリックな手法よりも優れていることが多い（Evans et al, 2009）。機械学習モデルは、バイオマスの量と空間分布、およびその不確実性の推定に使用できます。このような方法を用いれば、キャノピーの高さや樹木被覆率など、他の森林構造パラメータも推定できます。
バイオマスアトラスは、地上バイオマスをモニタリングするために、査読済みの最先端のアプローチを使用しています（Rodriguez-Veiga et al, 2020, Meyer et al, 2019, Rodriguez-Veiga et al, 2019）。また、統計的に厳密な検証と不確実性分析を行い、ベストプラクティスに従っています（Duncanson et al, 2021McRobertset al, 2022）。私たちのモデルは、衛星データから森林の地上部バイオマスと炭素蓄積量の時系列を定常的かつロバストに推定するために地域ごとに訓練されています。
その結果、次のような製品化が実現しました：
- 全世界のあらゆる場所について、30m 分解能の地上バイオマス密度と樹冠高
- 2000 年から現在までの完全な時間的カバレッジと年次更新（2026 年第 1 四半期から四半期ごと）
- 各ピクセルの不確実性推定値
- 典型的な小規模プロジェクト規模（400～7,000 ヘクタール）では誤差が 9%未満
- API の高速配信-数カ月ではなく、数時間から数日でデータを配信
- 全森林地域を壁から壁までグローバルにカバレッジ
私たちの手法は、カバレッジを広げるためのMSLデータの継続的な取得、今後の衛星ミッション（NiSARやバイオマスミッションなど）の準備、そして私たち自身の研究や科学文献から最新のイノベーションを取り入れることによって、常に改善されています。私たちの方法論は、この分野の第一人者である学者たちによって、社内外でレビューされています。また、UCLA、レスター大学、ユニバーシティ・カレッジ・ロンドンの研究チームとも共同研究を行っています。
なぜSylvera木質バイオマスのモニタリングが必要なのですか？
Sylvera 、Reducing Emissions from Deforestation and forest Degradation（森林減少・劣化からの排出削減）などのカーボン・フレームワークに属するカーボン・プロジェクトの評価を行っています。これらのプロジェクトで最も重要な要素は、活動データと排出係数です。
活動データは衛星画像の土地被覆分類技術を用いて評価することができ、排出係数は独自のバイオマス測定値を用いて評価することができます。あるいは、プロジェクトから報告された排出量と、バイオマス時系列データから得られた独自の推定値を比較することもできます。
バイオマスアトラスは、このようなバイオマス時系列データを提供することで、プロジェクト地域のどこで、どれだけの炭素が変化しているのかをより詳しく把握し、森林劣化（ REDD+の2つ目の「D」）に由来する炭素排出を検出・評価する機会を提供します。
森林が劣化した場合、森林はまだ存在していますが、炭素貯留などの生態系サービスを生み出す能力が低下しています。なぜなら、炭素排出量の大部分は森林の劣化に由来する可能性があり、多くの場合、その劣化は報告されておらず、同時に森林減少への足がかりとなる可能性があるからです。
衛星によるバイオマス・モニタリングによって、プロジェクトから報告された森林減少と森林劣化による排出量だけでなく、報告されなかったプロジェクトにおける森林劣化に起因する排出量も評価することで、評価を改善することができます。
バイオマスアトラスは、Sylvera 格付けするだけでなく、プロジェクト開発者、登録機関、政府、投資家など、検証、モニタリング、デューデリジェンスのために正確で信頼性の高いバイオマスデータを必要とするすべての市場参加者に、スタンドアロン製品として提供されます。
Sylvera研究員について
Sylvera バイオマスを研究する科学者は、MSL データの取得と処理を担当するMSLチームと、ML技術を使用してバイオマス測定をプロジェクトや地域レベルにアップスケールする手法の開発を担当する 機械学習（ML）チームの2つのチームに所属しています。
研究チームのリーダーは以下の通り：
Miro Demol博士はMSLライダー科学者で、林業におけるレーザースキャンの応用を研究しており、特に地上部のバイオマス推定とその不確実性に関心を持っています。
アンドリュー・バート博士はMSLチームのリモート・センシング・サイエンティストで熱帯林生態学者。
ペドロ・ロドリゲス＝ヴェイガ博士はMLチームの上級地球観測研究員で、林業、リモートセンシングを用いた地上バイオマス取得、森林モニタリングの分野で12年以上の経験を有しています。
より良い森林管理が気候変動の緩和に貢献
私たちは都市部の木くずについてはお手伝いできません。しかし、炭素クレジットを生産しようとしている森林所有者であれ、それを購入しようとしている企業であれ、最も正確な森林バイオマスの推定をお望みであれば、Sylvera綿密な調査とデータセットにアクセスする必要があります。
バイオマス・アトラスは、1,000万ドルを超える独自のマルチスケールLiDARフィールドキャンペーンに基づき、地上バイオマスの測定にLiDAR技術を用いた独自のアプローチを採用しています。
あなたが
- 独立したベースラインの検証により、より早く資金を確保しようとするプロジェクト開発者
- 継続的なモニタリング機能を備えたレジストリ 構築検証インフラストラクチャ
- REDD+または第6条プログラムのための信頼できるベースラインを確立する政府
- カーボン・ストックの請求に関するデューデリジェンスを行う投資家
バイオマスアトラスは 、正確なAPI配信のバイオマスデータ（数ヶ月ではなく数時間で入手可能）を提供し、炭素測定とプロジェクト評価を変革します。
バイオマスアトラスへのアクセスマルチスケールLiDARを搭載し、API経由で配信される世界で最も正確なバイオマスデータが、どのように貴社の炭素戦略をサポートするか、詳細をご覧ください。
