碳信用额量化方法：为何对信用质量至关重要

什么是碳信用额量化？

碳信用额量化——也称为碳核算——是指计算一个项目避免或清除了多少吨二氧化碳当量，从而确定该项目可发放多少碳信用额的过程。

进入自愿碳市场的每项碳信用额都必须进行量化。无论该项目是保护森林、推广更清洁的炊具，还是直接从空气中捕获二氧化碳，情况都是如此。

量化公式因项目类型而异。对于减排项目，一个碳信用额等于基准排放量减去项目实际排放量再减去泄漏量。对于碳移除项目，一个碳信用额等于实际封存的碳量，并根据不确定性和逆转风险进行调整。

最让买家感到惊讶的是，碳影响几乎从未被直接测量。相反，它是根据一种反事实情景来计算的，该情景代表了如果该项目不复存在，原本会发生什么。这种反事实情景被称为“基准”，它是一种估计值，而非实测数据。与所有其他估计值一样，基准排放数据也可能有误。更糟糕的是，这些数据可能会被滥用。

正因如此，碳影响量化是信用质量的核心。毕竟，只有当其背后的碳量化结果经得起推敲时，该信用才代表一吨真实的温室气体排放量。如果量化方法有误，该信用所代表的排放量要么仅为宣称值的一小部分，要么根本不值一提。

碳信用额量化的基本要素

在 Sylvera，我们开发了一套超额授信风险框架，用于分析量化流程。

基线定量分析

基准值代表在“一切照旧”情景下本会产生的碳排放量。换言之，即如果没有该项目，本会污染大气层的温室气体排放量。

碳项目可发放的配额数量，是通过从基准线中减去项目区域的实际排放量和泄漏量来确定的。因此，基准情景决定了配额总量。

这就是“超额核算”的根源所在。例如，某项目声称在反事实情景下本应排放1,000 tCO2e。然而，历史趋势表明，实际排放量仅为100 tCO2e。该项目将其基准值夸大了十倍，因此其减排量声明被高估了。

在REDD+等林业项目中，基准线问题尤其具有争议性。这是因为项目开发者需要估算若没有其拟议项目，原本会发生的森林砍伐量。遗憾的是，被高估的森林砍伐基准线已引发了市场上一些最严重的“超额配额”争议。

在Sylvera ，我们利用针对特定生态系统的森林砍伐建模方法和实地数据，独立验证基准数据。我们不会盲目采信项目方自行报告的数据，这有助于我们确保数据的准确性。

碳核算

项目用于计算碳储量和碳排放的方法和参数，决定了其可发行的碳信用额数量。如果项目依赖于不保守且缺乏依据的活动数据或排放因子——例如高估树木生物量、低估植物死亡率，或应用不恰当的异速生长方程——那么其产生的每份碳信用额都将存在高估的风险。

例如，造林或再造林（ARR）项目可能会因低估所植树木的死亡率或采用有缺陷的等比方程，而导致碳信用额被高估。此外，有限的实地采样还会使这些错误进一步加剧。像Sylvera 那样采用激光雷达和遥感技术的机器学习方法，能够通过独立的高分辨率测量，在碳信用额进入市场之前就发现这些错误。

泄漏

当一个项目的减排措施只是转移了排放活动而非消除这些活动时，就会发生“泄漏”现象。例如，一个保护某片森林区域的REDD+项目，可能会将砍伐压力转移到相邻的森林区域，这被称为“地理泄漏”；或者，该项目可能会通过减少木材供应导致价格上涨，从而促使采伐活动转移到其他地点，这被称为“市场泄漏”。

如果未将泄漏因素考虑在内，项目就会因在系统层面根本未发生的减排量而获得减排信用。因此，从本质上讲，泄漏是另一种形式的减排信用超额核算。

要量化泄漏量，需要建立适当的模型。遗憾的是，项目在处理这一量化方面时往往存在疏漏。因此，如果没有独立分析，这对买家来说是较难察觉的因素之一。

其他量化因素

其他因素可能会导致项目出现碳信用额超算，并增加其碳足迹。这完全取决于项目类型和方法论。以下还有几个需要考虑的量化因素。

• 项目边界划界操纵：当项目开发商划定项目边界时，仅将能使项目看起来最理想的区域纳入其中，便构成了这种行为。
• 排放核算不完整：当开发人员遗漏相关排放源时，就会出现这种情况，例如某生物炭项目忽略了土壤中的自然碳封存。
• 有预谋的项目前期土地利用变化：这指的是开发商在确定基线之前就对土地进行清理的情况。此举通常是为了夸大项目表面上的影响。
• 不确定性扣除：当可靠的基准模型对测量误差采用保守的扣除方法时，就会出现这种情况。跳过此步骤的项目，默认情况下会高估减排量。

为什么量化是导致学分超额授予的最大推手

当一个项目发行的碳信用额超过其气候影响所能支撑的范围时，就会发生“超额核证”现象。每一吨超额核证的碳信用额，都代表着一种从未真正实施却被宣称已采取的气候行动，这既会削弱买方的净零目标，也会损害整个市场的环境完整性。

从宏观角度来看，“额外性”提出的问题是：“如果没有这个项目，气候影响是否仍会发生？ ”“持久性”提出的问题是：“碳能否长期封存？”以及“逆转风险有多大？”“量化”提出的问题是：“所声称的气候行动是否准确？”在这三者中，量化最容易受到夸大假设的影响。这是因为其基础数据是估算值，而非直接测量值。

注册机构负责批准方法学，并核实碳抵消项目是否遵循这些方法学。这项工作比听起来要狭窄得多。一个项目即使遵循了已批准的方法学，仍可能产生超额抵消额度，尤其是当该方法学允许采用宽松的基准线或激进的参数时。换言之，方法学合规性与量化准确性是两回事。将二者混为一谈是一个常见的错误。

这并非对登记机构或碳信用项目的指责。而是方法学审批机制本身存在的结构性局限。如果某项方法学允许采用宽松的假设，那么遵循该方法学的碳信用项目就会虚高其基准线，而监测要求也无法弥补这一差距。

随着政府监管措施逐步跟上自愿碳市场的步伐，这一点至关重要。诸如《第6条》和CORSIA 等框架正推动买家开展严格的尽职调查。毕竟，基于未经核查的量化数据构建的投资组合所面临的合规风险，远不止于声誉风险。与超额核证吨位挂钩的可持续发展主张，一旦受到监管机构或投资者的审查，便会不攻自破，这使得在碳信用额记入买家账目之前，准确量化工作变得尤为关键。

归根结底，接受项目自行申报的减排量，就意味着要信任那个在财务上最有动力虚报减排量的方。只有通过将基准线、参数和泄漏量与独立数据进行比对，才能确定一项减排量是否代表了一吨真实的二氧化碳。

不同项目类型的量化方法有何差异

量化工作并非“一刀切”。每个碳抵消项目的风险、数据收集要求和常见问题各不相同，因此针对具体项目的框架至关重要。

• REDD+（避免森林砍伐）：量化工作取决于森林砍伐基准线，即如果没有该项目，原本会发生多少森林损失。这是市场上争议最大的量化指标。要进行准确评估，需要针对特定生物群系建立模型并利用卫星数据。
• ARR（造林/再造林）：量化结果取决于树木生长、生物量积累和死亡率。由于生长假设过于乐观以及实地采样不充分，此类项目容易出现信用额度虚高，这两者都会导致项目对气候变化的影响被高估。
• IFM（改进型森林管理）：通过定量分析比较受管理采伐情景与基准采伐情景。所得数据对项目所作出的基准假设较为敏感。
• 炊具：量化分析取决于每台炊具的燃料节约量、使用率以及其中所占非可再生生物质的比例。开发人员经常高估这三项指标。
• 可再生能源项目：量化结果取决于该项目所替代的电网电力的排放因子，乘以其所产生的可再生电力总量。由于基准是基于模型推算的电网能源结构而非实际测量数据，因此过时或过高的排放因子会虚增信用额度，这与REDD+中虚高的森林砍伐基准所产生的效果如出一辙。
• 工程化碳移除（直接空气捕获、生物炭、增强风化）：其量化结果更易于直接测量，但仍需进行全生命周期核算。例如，一个直接空气捕获项目必须扣除用于捕获二氧化碳所消耗能源产生的净排放量。如果核算得当，有些项目最终会被发现是净排放源，而非净移除源，即使采用了增强型移除技术也是如此。

如您所见，泛化且“一刀切”的框架往往会忽略项目特有的量化风险。REDD+项目中的基准问题与DAC项目中的生命周期核算问题，尽管都影响着项目应发放多少信用额，但需要采用不同的分析方法。

如何评估碳信用额的量化

每一位买家、投资者和采购团队都希望购买高质量的碳信用额。以下六条建议可帮助您确保尽职调查流程在项目失败之前就精准识别出超额核算的风险。

• 独立验证基准线：在其他因素保持不变的情况下，所声称的“照常经营”情景是否与历史趋势和区域数据相符？虚高的基准线是最明显的超额核算信号。不要轻信项目提出的反事实情景。
• 仔细审查各项参数：碳核算的输入数据（如生物量估算值、死亡率和排放因子）是保守且有依据的，还是乐观且方便取用的？
• 核查泄漏核算：该项目是否对泄漏进行了建模和扣除？跳过此步骤的减排项目通常会被超额核算。因此，这些项目并未如预期那样减少排放。
• 注意不确定度扣除：可靠的定量分析会采用保守的扣除方法来考虑测量不确定度。如果未进行保守的扣除，则应引起警惕。
• 要求数据质量：定量分析的准确性取决于基础数据收集的质量。实地采样范围有限、卫星数据过时以及使用通用默认值都会增加数据被高估的风险。
• 采用独立分析：碳信用额的发行方存在通过最大化交易量来获取经济利益的动机。基于高质量数据进行验证的独立量化分析，可确保该方不会虚报数据，从而以您的利益为代价来获取额外的碳信用额收入。

此外值得一提的是，懂得如何评估碳信用额量化方法的买家，还能规避另一项风险：即“双重计算”——即多个主体对同一吨碳信用额提出主张的情况。

虽然量化准确性和重复计数是两个不同的问题，但它们都属于尽职调查的范畴。而且，这两者对于遵守政府法规都至关重要。

Sylvera 的立场

在Sylvera ，我们提供独立分析服务，以确保碳信用额的准确量化。

我们的评级体系从四个核心维度评估碳信用的质量：碳核算、额外性、持久性和协同效益。超额核算风险存在于碳核算维度中，在此维度下，我们会独立测试基准量化、碳核算参数、碳泄漏及其他因素。这样一来，您就无需全盘接受项目报告的信用量。

此外，针对每种项目类型，我们都会采用不同的评估框架。之所以这样做，是因为通用框架往往无法识别那些影响准确性的、特定于项目类型的超额计量风险。借助Sylvera ，您可以确信您的REDD+、ARR、IFM、节能灶或CDR项目都得到了正确的量化。

此外，Sylvera 平台采用的是独立数据，而非项目报告的数字。这些独立数据点来源于针对特定生物群落的森林砍伐建模、多尺度激光雷达研究以及基于机器学习的生物量估算——所有这些方法都使我们能够发现计入过多的情况。

迄今为止，Sylvera 已在主要REDD+、ARR和CDR项目中识别出超额核算风险。更重要的是，当其他评估未能发现这些风险时，我们却已将其识别出来。在某些情况下，我们比竞争对手领先数年，这充分证明了我们为市场提供的服务质量。

申请演示，了解Sylvera 的独立定量分析如何评估您整个投资组合中的超额计息风险。