“多年来,我们对实地数据团队投入了大量资源,致力于产出值得信赖的评级。虽然这确保了我们评级的准确性,但无法满足买家在数千个项目中进行评估所需的规模。”
如需了解碳信用额采购趋势的更多信息,请阅读我们的《2025年关键要点》一文。文中分享了五条基于数据的建议,助您优化采购策略。

还有一点:Connect to Supply 的客户还可以使用Sylvera 的其他工具。这意味着您可以轻松查看项目评级并评估单个项目的优势,采购优质的碳信用额,甚至监控项目动态(特别是如果您在发行前阶段进行了投资)。
并非所有碳信用额都质量上乘,强调对信用额质量的担忧既合理又重要——这正是Sylvera 。
《卫报》昨日发表的一篇分析文章声称,94%的REDD+碳信用额并不代表真正的碳减排量。虽然我们认同这一不幸的事实——即只有少数碳信用额是合法的(自2020年成立以来,我们便已公开指出这一点)——但94%这一说法严重夸大其词,既不符合我们自身的深入分析,也不符合部分被引用的论文的结论。
审慎审查势在必行;这也是我们150人的团队每天都在做的工作。然而,歪曲共识并重复有缺陷的分析,将损害这一至关重要但尚处萌芽阶段的市场的发展前景。
为了实现我们的气候目标,必须保护森林。当然,当保护工作未能达标时,我们绝对应该予以谴责,但绝不能破坏那些正在带来切实气候、社会和生物多样性效益的项目的资金支持……即使这种行为是出于善意。
《卫报》所强调的分析关键在于对项目基准线可靠性的评估——换言之,即项目关于“若该项目从未实施,原本会发生多少森林砍伐”这一主张的准确程度。
作为一项反事实的“假设”推演,这一点虽难以估算,但准确把握至关重要。我们确实认同,基准线往往未能得到正确估算,从而导致了不合理的碳信用额超额发放。然而,我们在11月发布的综合分析报告发现,在约30%的案例中,我们可以有充分信心认为基准线估算结果是可靠的。那么,究竟是什么原因导致了从30%到 6%的差距?
遗憾的是,尽管声称基于三篇论文得出结论,但“94% 负面,6% 正面”这一数据似乎完全是根据 West 等(2023)的一篇学术论文计算得出的。该论文采用一种尚在开发中的技术——合成基线,通过选取旨在作为项目区域替代指标的区域,构建了反事实情景。
虽然这种方法在理论上可能是可行的,但其有效性完全取决于所依据的假设。在本案例中,作为对照区或替代区的选址——这些区域本应反映项目区若未受保护时可能发生的情况——仅基于地理特征 (即距道路、河流、聚居地的距离、坡度等)进行选择。 这些与可达性及距市场远近相关的物理特征固然都是重要因素。然而,唯一且显然最重要的因素却被完全忽略了——即距正在发生的森林砍伐前沿的距离。
案例研究:巴西亚马逊项目——弗洛雷斯塔尔·圣玛丽亚
下图来自Sylvera ,对此进行了生动展示。图中展示的是位于巴西亚马逊地区的Florestal Sta Maria(Verra 875)项目。

项目区(紫色框线标出)三面均被肆虐的森林砍伐所包围。在2009年项目启动之前,南部地区就已普遍存在森林砍伐现象,此后,这种现象进一步蔓延,最终将项目区包围其中。北部则是一片保护区(翡翠绿色)。 需要明确的是,紫色边界内的区域并不属于保护区。显然,如果没有该项目,项目区域本会被砍伐殆尽。在用于支持“94%的项目毫无价值”这一论点的Western等人模型中,这一威胁被无视,且未作任何解释或说明。
此外,该项目实际上非常准确地预测了其所在地区存在的明显风险。

上图摘Sylvera 评估报告,展示了该项目对未来森林砍伐率的预测;图中紫色曲线代表项目方设定的基准值。如图所示,开发商选定的森林砍伐率远低于2000年代初的平均水平。 尽管这项分析是在2009年进行的,但其对2019年前的森林砍伐率预测却出奇地准确。这证明基准设定是可行的。然而,根据West等人采用的测试方法,该项目并未采取任何措施来防止森林砍伐。(值得注意的是,West等人虽在论文中承认了其方法的局限性,但《卫报》的报道中并未提及这些局限性。)
Sylvera的研究显示,其中30%属于高品质
在我们于去年11月发布的《2022年碳信用状况》报告中,我们提供了一份 深入分析 了市场上超过85%的REDD+碳信用额。报告发现,在我们评级过的项目中,31%(相当于1.43亿已发放的碳信用额)实际上属于高质量项目(属于我们评级体系中的第一级)。需要明确的是:31%这个比例虽不算理想,但远好于6%,这表明当前市场上确实存在优质项目可供买家选择。 我们的报告还显示,其余三分之二的评级项目质量参差不齐,其中25%实际上属于垃圾项目。《卫报》曾准确指出了其中一些劣质项目,例如马德雷德迪奥斯项目。
我们为何信任我们的评估
- 我们投入了数百万美元和数千小时,用于开展实地调研并收集地表生物量数据;整合光学、雷达和激光雷达数据以验证减排主张;以及利用多种数据源构建和校准机器学习模型(了解如何 此处),从而重建单个项目模型——包括但不限于基准线的强度
- 我们构建了严谨的评估框架,用于检验项目设计、碳核算及减排效益主张。这些框架均经过由市场专家、项目开发商和学术研究人员组成的委员会的同行评审。
- 我们使用经过验证的独立数据来核查信贷发放和索赔的准确性
尽管这篇文章旨在揭露“绿色洗白”现象,初衷虽好,但此举却可能损害我们目前用于资助大规模自然碳汇保护的最佳机制之一。我们欢迎科研界持续开展的相关工作,我们自己也正通过与顶尖机构合作发表研究成果,为公众科学知识库增添新内容。
我们已直接联系了《卫报》,并希望与他们讨论我们的分析结果。

.avif)





