「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。
Sylvera、シンガポールの国家気候変動事務局（NCCS）と提携し、「森林面積が広く、森林伐採率が低い（HFLD）」地域における森林伐採率を予測するためのグローバル統計モデルを開発しました。本記事では、その取り組みから導き出された主要な原則について解説します。
なぜ今、これが重要なのか
JREDD+は、CORSIA優遇措置、シンガポールの炭素税制度における適格性、そしてLEAF Coalitionからの支持など、市場で広く受け入れられていますが、HFLDクレジットに対する懐疑的な見方は、追加性や会計の整合性をめぐって依然として根強く残っています。標準的なREDD+とは異なり、ART TREESの下で発行されるHFLDクレジットは、過去の平均排出量に将来の森林減少の保守的な推計値を加えて算出されるため、将来の排出リスクに関する証拠を提示することが特に重要となります。
ICVCMが最近、ART TREES v2.0 HFLDについて、CCP承認の要件を満たすには是正措置が必要であると判断したことで、これらの問題が表面化しました。是正条件には、参加者が基準期間の排出量が実際のベースラインを大幅に過小評価していることを実証することや、VVBがベースラインの入力データを独自に照合することなどが含まれていますが、これらは、過去の排出率を超える増加分はすべて証拠に基づいていなければならないSylvera見解と一致しています。 CCP承認への道筋は依然として開かれていますが、不確実性も残っています。また、現在のCORSIA 約75％がガイアナのHFLD TREESプログラムに由来していることから、市場にとっての利害関係は極めて大きいと言えます。
HFLDという分類だけでは、将来のリスクを示す確かな指標とはなりません
HFLD認定地域はすべて同じ状況にあるわけではありません。私たちの分析によると、HFLD認定基準を満たす地域の数は時間とともに減少しており、認定を失った地域では森林減少率が加速しています。一方で、認定を維持している地域では、森林減少率が引き続き低い水準に留まっており、これは、一定数の地域において、認定から外れるリスクが実際に低いことを示唆しています。
その意味するところは重大です。HFLD指定のみに基づいて一律に基準値を引き上げるような画一的なアプローチでは、真にリスクにさらされている地域と、介入の必要なく低水準の活動が今後も続く可能性が高い地域とを区別することができません。どの地域が森林喪失のリスクをより高く抱えているかを判断するためには、証拠に基づいた枠組みが必要です。
過去の平均値では、将来的なリスクを捉えることはできません
標準的なJREDD+のアプローチ、すなわちベースラインを過去の平均森林減少率に据える方法は、新たな脅威を十分に考慮することができません。過去において森林減少率が持続的に低かった管轄区域であっても、経済的圧力の変化、インフラ開発、あるいは政策転換により、将来的に高いリスクに直面する可能性があります。HFLD（高森林減少リスク）管轄区域における森林減少リスクは、非線形であり、地域ごとに異なり、状況に依存するものです。 過去の率のみに基づいて構築されたベースラインは、一部の管轄区域では排出量を体系的に過小評価し、他の管轄区域では過大評価してしまいます。これは、動的なリスク環境においてベースラインの整合性を損なう構造的な限界であり、その乖離が実証的に正当化される限り、整合性の高いベースラインが過去の平均値を上回ることが正当化されるという主張を裏付けるものです。
信頼性の高いHFLDクレジットのための3つの原則
Sylvera 、より信頼性の高いHFLDベースラインの開発を促進し得る3つの原則をSylvera ：
- HFLDのベースラインは将来を見据えたものであるべきです。信頼性の高いベースラインとは、単なる過去の活動だけでなく、将来起こりうる森林減少の推移を反映したものです。過去の減少率のみに依存する手法では、実際の森林減少リスクを過大または過小に予測してしまう可能性があり、場合によってはその誤差が非常に大きくなることもあります。
- 過去の数値からの乖離は、実証的な根拠に基づいていなければなりません。観測された過去の数値を上回る基準値を設定するアプローチは、すべて証拠に基づいていなければなりません。これは、本論文で論じられているような、森林減少とその主な要因との間の管轄区域を横断する関係性を活用した地球規模の統計モデルから、地域の動向を捉えた国別モデル、さらには同等の実施条件を備えた地域を参照するプロジェクトレベルのアプローチに至るまで、さまざまな規模で適用可能です。
- ベースライン手法は、管轄区域ごとに区別すべきです。森林減少の要因――アクセス、インフラ開発、社会経済的状況――は、管轄区域によって大きく異なります。信頼性の高いベースラインは、国レベルの共変量を組み込んだグローバルモデルであれ、管轄区域固有の状況をより直接的に反映した地域密着型のアプローチであれ、こうした違いに敏感であるべきです。すべてのHFLD管轄区域を同等に扱うアプローチでは、同じ系統的誤差が生じるリスクがあります。
アプローチの階層
これらの原則は、段階的な枠組みを示唆しています：
- 一律的なアプローチ――すべてのHFLD管轄区域に一定の引き上げ率を適用する――は最も単純な方法ですが、整合性が最も低くなります。
- Sylvera 開発したモデルのようなグローバル統計モデルは、中位に位置づけられます。管轄区域をまたいで、森林減少率と観測可能な共変量との関係をモデル化することで、これらのモデルは実証的証拠に基づいた将来予測を生成します。
- 森林減少の既知の要因とその経験的関係を用いて、将来を見据えた空間リスクマップを作成し、そこからベースラインを導き出す地域特化型モデルは、最高水準の信頼性を備えており、ICVCMがHFLDプログラムに対して新たに求めている要件に最も合致しています。
Sylveraグローバル統計モデルSylvera、添付の技術論文に詳細が記載されています。また、Sylvera 、主要な第6条対象国と連携Sylvera 、国ごとの空間モデルを用いてHFLDのベースライン評価Sylvera 。
詳細な技術的手法、調査結果、およびモデル出力については、 こちらの論文全文をご覧ください。
本分析の基礎となる炭素貯留量のデータには、 Sylvera「Biomass Atlas」 — 当社が保有する、全域を網羅し、LiDARで校正された森林炭素データセット — に基づいています。これは、信頼性の高いベースライン構築の中核をなす炭素貯留量の推定値を検証するための、独立した監査可能な情報源として機能します。
