政策協議への回答ヴェッラの長期リバーサル・モニタリング・システム

Sylvera 、Verified Carbon Standard（VCS）プロジェクトにおけるクレジット認証後の期間における逆転リスクに関する懸念に対処するため、Long Term Reversal Monitoring System（LTRMS）のコンセプトを支持します。自然ベースの炭素クレジットには固有の永続性リスクがあり、自主的炭素市場（VCM）が高い完全性を持って機能するためには、LTRMSのようなメカニズムを導入する必要があります。永続性リスクと逆転リスクは、オフセットが排出量の補償に使用される場合、ネット・ゼロの主張の妥当性を保証するために、体系的でコスト効率が高く、民主化された方法で継続的に監視し、定量化されなければならない重要な要素です。損失事象が検出され、定量化された後、LTRMSを管理する主体は、戻入れを計上し、それに応じてバッファークレジットをキャンセルします。

Verraは、VCSの農林業・その他の土地利用（AFOLU）プロジェクトについて、事後クレジッ ト期間中に逆転がないかを監視すべきですか？もしそうであればその理由を、そうでなければその理由を教えてください。

はい、Verra は VCS AFOLU プロジェクトがクレジット付与後の期間中に逆転していないか監視すべきです。永続性は、特に技術的解決策と比較して、自然ベースの炭素クレジット・プロジェクトに対する最も重大な批判の一つです。保全性の高いVCMをサポートするためには、損失事象の長期的なモニタリングと定量化、それに対応するバッファークレジットの取り消しと会計処理が必要です。さらに、LTRMSによって、Verraはリスクバッファーのパーセンテージのしきい値をより適切に調整し、バッファープールが長期的な逆転を補償するのに十分であることを確認することができます。これはまた、VCMにおけるAFOLUプロジェクトの適切な機能と完全性を強化します。

Verraがこれを行う主な機会、利点、課題、リスクは何でしょうか？

LTRMSは、AFOLUプロジェクトの完全性と信頼性を向上させ、(i)炭素クレジット、(ii)自然資本、(iii)グリーン開発に向けた資金の流れへのさらなる投資を促進します。さらに、LTRMSは、リモートセンシングと機械学習技術を活用することで、コスト効率の高い方法で実施されるべきであり、LTRMSの結果は、市場の信頼性と信用性を高めるために公開されるべきです。 

Sylvera主な懸念は、気候変動に伴う極端で非線形なフィードバックループと、長期的な逆転を考慮したバッファープールクレジットの潜在的不足です。LTRMSは素晴らしい第一歩ですが、私たちは、気候変動リスクのモデリングを行い、そのシミュレーション結果をもとに、進行中のプロジェクトのリスクバッファーの保留率を決定し、逆転リスクを軽減・最小化することで、AFOLUプロジェクトの信頼性をさらに高め、構築するためのさらなる機会があると考えています。

現在、どのようなVCSのAFOLUプロジェクトが、利用可能な遠隔モニタリング手法を使って、効果的かつ効率的に反転をモニタリングできるのか？近い将来、遠隔モニタリング技術はどのように進化することが予想され、それによって、追加的なAFOLUプロジェクトの種類や活動（劣化など）のモニタリングが可能になるはずですか？もしそうなら、いつまでに、どのような方法で？

Sylvera 現在、森林減少・劣化からの排出削減（REDD+）プロジェクトにおける地上バイオマス（AGB）の逆転を監視することができます。また、改良型森林管理（IFM）や植林・再植林・緑化（ARR）プロジェクトにおける逆転を検出するモデルも積極的に開発しています。 

リモートセンシング技術が今後数年のうちに進化し、森林劣化やその他の小規模な活動をより正確に評価できるようになるなど、既存の検出モデルが強化されることを期待しています。劣化を正確に監視することは現在困難ですが、非常に重要な排出源であることは明らかです。最近の研究では、アマゾンの熱帯雨林では森林破壊よりも劣化による炭素損失の方が大きいことがわかりました。私たちは、今年末までに利用可能になるBIOMASSや、2023年に利用可能になるNISARのような新しい衛星データの機会を、カーボンクレジット 評価に取り入れることを楽しみにしています。さらに、公共および商業データの解像度が向上し、よりアクセスしやすくなり、モニタリングの精度を向上させる空間的・時間的カバレッジが向上することも期待しています。

土壌炭素：

現在までのところ、リモートセンシングの最も重要な課題は、地下バイオマス（BGB）プールと土壌有機炭素への応用です。これらは陸上炭素の最大80%を貯蔵しており、気候変動や劣化、その他の撹乱に対して脆弱です。現在の土壌モデルは不確実性が非常に高く、ほとんどの土壌はリモートセンシングで直接観測することができません。しかし、有望な研究手段がいくつかあり、その多くは併用可能です。

直接測定：

土壌炭素の衛星による直接測定で最も有望なのは、可視、可視近赤外（vis-NIR）分光法および中間赤外（MIR）（vis-NIR/MIR）分光法です。このようなセンサーは、最近の研究で土壌サンプルを直接測定する際に使用されており、土壌炭素含有量を決定する際には、従来の方法と同様に良好な結果を得ています。衛星センサーにステップアップする場合、スペクトルはまだ十分に明確ではありませんが、新しいハイパースペクトル、高解像度センサーによって改善されることが期待されています。

泥炭地は、直接測定の可能性をさらに広げます。例えば、合成開口レーダー（SAR）を使って、泥炭地の「曲率」をz方向の高解像度で測定する試みがあります。泥炭の成長や収縮を追跡することで、分解速度を示す水分量を推測することができます。また、曲率と泥炭の深さには相関関係があるかもしれません。

理論的には、泥炭とその下の地盤の境界で密度が明確に変化するはずなので、泥炭地の深さを測定するための地中レーダーの利用にも関心が集まっています。

ハイパースペクトルセンサーは、泥炭地の範囲を決定するために使用することができます。

間接測定

土壌炭素を直接測定する代わりに、土壌炭素含有量に関 連する「プロキシ」を利用する方法もあります。例えば、炭素含有量の高い土壌は、通常、水分を多く含ん でいる。別の例としては、正規化差分植生指数（NDVI）のような植生生長指標を、土壌炭素または地下バイオマス（BGB）と関連付けることが考えられます。

デジタルソイルマッピング（DSM）は、複数のプロキシと直接測定値を組み合わせ、ML法を用いてこれらの共変量と土壌炭素の地上実測値の相関をとります。これにより、あらゆる地域に適用できる予測モデルが生成されます。この優れたグローバルな例は、SoilGridsプロジェクトです。

同様のDSM手法は、東南アジアの泥炭地でも小規模ながら開発されています。これはまだ始まったばかりの研究分野ですが、正確なグランドトゥルースのトレーニングデータがあれば、Sylvera 特定のビオトープや地域向けにDSMモデルをトレーニングすることができます。

農業土壌炭素は、土壌炭素のリモートセンシングにさらなる機会をもたらします。ハイパースペクトルセンサで特定の作物種を識別することが可能。特定の作物のBGBをその場で測定すれば、作物地全体のBGBを推論することができます。衛星データは、農業慣行など、土壌炭素の変化を促進する要因の監視にも利用できます。これには、有機肥料を散布した際の局所的なメタン排出の急増を監視するための、時間分解能の高いハイパースペクトル分析も含まれます。

LTRMS と、それに関連して提案されている VCS の源泉徴収割合の定期的な調整（リスクカテゴリー別にモニターされた損失に基づく）は、AFOLU バッファプールと発行されたプロジェクトクレジットの長期的な回復力に対する信頼性を高めるか？

LTRMSの結果が、現在進行中のプロジェクトの保留率とリスクバッファーの割り当てに直接フィードバックされ、最新の科学的証拠に基づくものであれば、LTRMSはAFOLUバッファープールと発行済みクレジットの長期的な回復力に対する信頼性を確実に高めるでしょう。たとえば、LTRMSが大半のプロジェクトで1件あたり平均40%程度の極端な損失を検出し、進行中のプロジェクトのリスクバッファーの割り当てが10%から20%のままであれば、LTRMSの結果に沿うよう、所定の保留率を引き上げるべきです。LTRMSとVerraが設定した源泉徴収率の間のこのフィードバック・ループは、AFOLUオフセット・プロジェクトと、バッファー・プールが保険メカニズムとして提供する安全性への信頼を高めるでしょう。さらにSylvera 、LTRMSの結果を透明化し、一般に公開することで、市場への信頼と信用をさらに高めることを推奨します。

LTRMSや科学的証拠と合わせて、非線形フィードバックループを強調する気候リスクモデリングを追加すれば、AFOLUクレジットに対する信頼性も高まるでしょう。

プロジェクトのクレジット期間が終了した後、Verraはどれくらいの期間（例えば50年、100年）逆転を監視すべきでしょうか？

AFOLUプロジェクトの永続性に対する信頼性を高めるという観点から、より長い期間を奨励すべき。100年はIPCCのタイムスケールと一致。

Verraはどのくらいの頻度（四半期ごと、隔年ごとなど）で損失事象の監視を目指すべきですか？

四半期ごとのモニタリングは実行可能ですが、その代 わりに、当初は年1回または年2回のモニタリングを推奨 し、時間の経過とともに四半期ごと、月ごとなど、段階的により頻 繁に更新することを計画します。季節性の森林については、例えば前年同期との比較な どにより、森林損失とみなされないよう季節性を考慮する必要 があります。このようなパターンを理解するためには、モニタリングの頻度を上げることが望まれます。モニタリングの頻度を上げるには、SARデータが適しており、今後打ち上げられる衛星の数が増えることが予想されます。

このモニタリングの約束が終了する前にVerraがLTRMSの運営または管理を中止した場合、環境保全はどのように維持されるのでしょうか（プロジェクトに関連するすべての緩衝クレジットの取り消しなど）。

Verraは、LTRMSの運用を、この継続的な監視をコスト効率と透明性の高い方法で実施する能力を備えた地球観測会社に譲渡することができます。Verraまたはその譲受人によってLTRMSの運用が停止された場合、バッファークレジットはキャンセルされるか、モニタリング期間が終了していない他のAFOLUプロジェクトのために保留されるべきです。

LTRMSはどのようなベストプラクティス、基準、ガイダンスに従うべきか？AFOLUの逆転を特定するための遠隔モニタリング手法の適用可能性、正確性、信頼性、信頼性に対する潜在的な限界はありますか？

LTRMSは、現在の検証手順よりもはるかにコストのかからないリモートセンシング技術によって実施されるべきです。LTRMSのコスト削減は、コミュニティ主導や先住民グループなどの参加者に対する障壁を取り除くことになります。LTRMSは透明性が高く、市場の信頼性を高めるために結果を公開すべき。

現在のデータは、大規模な森林伐採や火災警報システムなどの活動に簡単に利用することができます。ベストプラクティスは、各年において入手可能な最良のデータを使用するだけでなく、不確実性を克服し、モデルやモニタリングシステムの頑健性を高めるために、異なるリモートセンシング手法を組み合わせることです。 

リモートセンシングを使った林業プロジェクトのモニタリングには、いくつかの制限があります。劣化、選択的伐採などの小規模な活動の検出は、地球観測データの解像度によって制限されます（質問3を参照）。光学データのみを使用する場合、曇った地域ではモニタリングが制限される可能性があります。これはSARやライダーデータを使用することで軽減できます。

衛星画像の解釈に機械学習を使用する場合、正確な学習データが不可欠です。森林の反転を定量化するには、リモートセンシングによって検出された森林被覆の変化を解釈して、地上バイオマス（AGB）の炭素蓄積量の変化、つまり炭素排出量を推定する必要があります。現在広く使われているアロメトリックモデルは不確実性が高く、AGBを最大40%過小評価するバイアスがあることが示されています。

Sylvera 、数万から数十万ヘクタールという広大な森林のAGBマップを作成するために、マルチスケールライダー（MSL）測定値を使用して、正確でタイムリーな現場トレーニングデータを作成する最先端の機能を開発しました。 

これらのMSL測定は地上と上空の両方から収集されます。地上レーザースキャン（TLS）データはサンプルプロットから収集され、無人航空機レーザースキャン（UAV-LS）と空中レーザースキャン（ALS）はそれぞれ低速飛行と高速飛行の構成で収集されます。個々の樹木から地域まで、空間スケールを超えて収集されたこのデータの集合体は、新しい処理アルゴリズムと組み合わされ、AGBを正確に推定する前例のない能力を提供します。

LTRMSが適切に機能し、事後加算期間における取り崩しの特定と数量化が正確であることを保証するために、どのような監督／品質保証の慣行が必要ですか？

LTRMSが適切に機能するためには、すべてのデータが公開され、最新の科学的情報に基づくものでなければなりません。LTRMSは、必要と判断されれば、Verraまたは独立したガバナンス委員会による監視を受けることができます。