我们如何对碳信用额进行评级？Sylvera 额评级流程

Sylvera碳信用评级制定流程分为两个阶段： 

• 第一阶段：制定一套针对特定项目类型的稳健评级框架
• 第二阶段：将该框架应用于具体项目，以制定Sylvera 信用评级

您可在此处下载我们的白皮书，其中详细介绍了这些阶段以及我们的整体方法论。

第一阶段：制定针对特定项目类型的框架

什么是Sylvera 信用评级框架？

Sylvera 建立，首先是针对特定类型的碳项目开发一套专有评估框架，例如减少毁林和森林退化（REDD+）、造林、再造林和植被恢复（ARR）、改进森林管理（IFM），或是部署可再生能源以替代高碳排放的发电方式。

我们根据具体项目类型开发相应的评估框架，而非采用高度通用的框架，因为不同项目涉及的活动和激励机制各不相同，需要采取差异化的评估方法，才能深入了解项目的质量。我们认为，通用的框架无法反映具体项目绩效的细微差别，这会导致评级不准确，并最终削弱人们对碳项目和碳市场的信心。

我们的评估框架基于相关的碳信用方法学以及具体项目类型的特点。这些框架旨在清晰揭示特定项目类型的关键特征和核心问题。我们设计这些框架时，力求在处理或评估碳项目时做到公平公正，并提供一致且可比的质量指标，这些指标构成了我们的评分支柱，适用于各框架下的碳项目。

各类项目的多样性

活动

不同的项目实施不同的活动。例如，一些基于自然的项目致力于保护现有森林，而另一些则通过植树造林来恢复受损区域的植被。这对于量化项目所实现的温室气体减排或清除量具有重大影响。前者需要监测森林损失情况，而后者则需要监测造林面积和新树的生长速度。

不同类型的项目所获得的激励措施各不相同。这对于项目的增量效应具有重要影响，无论这些项目属于同一类型还是不同类型。例如，保护现有森林的项目在更大程度上依赖于碳信用额销售所提供的资金，因为它无法像大型可再生能源项目那样，通过售电获得相应的收入。 

激励措施

碳项目的存在也可能产生反效果的激励机制。以造林项目为例，这可能表现为为了开发碳项目而改变原生生态系统。对于此类项目，Sylvera 项目启动前对项目区域的土地利用和土地覆盖变化Sylvera 独立评估。

构建框架

开发一个特定项目类型的框架通常需要1,500到2,500小时才能完成。随着工作的推进，这一流程正变得越来越精简，使我们能够加快进度。该过程包括六个步骤。

1. 探索 

我们会对项目类型进行初步调研，并确定评分体系中针对该项目类型的关键质量指标。我们的团队会评估来自碳信用注册机构（如Verra或Gold Standard）的相关碳项目类型认证方法学文件，审查样本项目的文件资料，并研读学术论文和行业出版物。此外，我们还会深入探讨该项目类型特有的技术要求、能力及挑战，这些都是为了进行可靠的质量评估而必须解决的问题。

2. 定义

随后，我们明确了框架各子组件及问题的具体内容、目的和方法。针对每个组件，我们确定所需的数据来源，并界定必要的分析方法，以确保评估的全面性和严谨性。 随后，我们将框架的原则、依据及评分逻辑提交给由多元领域专家组成的内部利益相关者委员会（其中许多成员同时与政策及商业合作伙伴保持互动），以征求反馈意见。新框架随后被应用于30个项目的样本集，并由我们的机器学习、地理空间、数据提取及评级分析团队进行评估。

3. 范围

在范围定义阶段，我们将评估利用该框架将碳信用评级流程投入生产所需的工作。这包括明确开发自动化工作流的要求和交付成果，以处理来自机器学习（ML）和地理信息科学（GIS）团队的数据输出，同时绘制生产流程图并制定文档要求。此外，我们还将与质量保证（QA）团队合作，建立相关流程，Sylvera 的一致性和准确性。

4. 迭代

内部利益相关者委员会的反馈已整合到框架中，并构建了所需的模型，以便开始对初始评级的样本进行测试。这些样本用于验证新框架的逻辑。这包括对评分权重和评分矩阵进行微调，这些矩阵是一套规则，规定了各项评分如何相互作用以得出Sylvera 。 若出现极端情况，我们也会将发生在评分光谱两端的可能结果（即“边界案例”）纳入考量。此外，我们还会将反馈提交给客户委员会进行审议。这一咨询流程使我们能够尽早洞察新框架的价值。

5. 火车

框架开发团队实施了一套框架培训课程，旨在向生产团队传授实施该项目类型框架的具体方法。随后，在框架团队的密切指导下，生产团队开始填写Sylvera 。对于意外结果、特殊情况、流程改进以及任何与常规标准偏差过大的评分，团队都会进行讨论。 

6. 部署

我们的框架已获批准，现已准备就绪，可用于生成可Sylvera 信用评级。该框架及相关文档均已完成，并已与我们的生产团队进行了沟通。

我们的框架开发路线图

由于我们认为首先需要制定针对不同项目类型的框架，因此必须选择从哪种类型的项目入手。 我们选择了“避免非计划性森林砍伐”（AUD）REDD+项目，因为基于自然的碳信用额在自愿碳市场（VCM）中占据了绝大多数份额，而AUD REDD+又在其中占相当大的比例。目前，许多此类基于自然的碳信用额被购买用于履行气候承诺，但对其质量和绩效的可见度及理解程度却十分有限。

项目绩效不明确以及基准建模不透明，这为开展严格的质量评估创造了契机，有助于将资金引导至高质量项目，同时限制利用无效的碳信用额来支撑所谓的气候行动主张。 

我们的团队目前正在开发新的评估框架，用于评估绝大多数现有信用的质量，无论项目类型如何。 

第二阶段：信用评级流程

一旦评级框架制定完成，我们的团队即可着手对单个项目进行评级。初期，项目评级流程通常需要60至120小时，具体时长取决于项目的复杂程度和细节。不过，随着我们不断在流程中引入自动化技术，这一过程也正变得日益高效。我们的团队会对项目具体情况进行深入的自下而上分析，包括对业绩的一手数据分析，并对项目面临的风险进行自上而下的评估。

1. 数据提取 

评估项目质量所需的所有相关数据均从碳信用注册机构发布的公开项目文件及其他公开信息来源（包括学术文献和有据可查的媒体报道）中提取。该流程的大部分环节已实现自动化，但由于文件结构和报告内容存在不一致之处，仍需依靠我们内部的数据提取团队提供支持。我们的团队会仔细阅读数百页的项目文件，让您无需亲力亲为。

2. Shapefile（项目边界）提取

如有需要，我们会提取项目边界的shapefile；若未提供，则由我们的团队自行构建。这使我们能够确保，例如，对森林增减的任何监测均在项目确切边界内进行，并保持高度的准确性。 我们的GIS专家还会调查项目中可能需要在机器学习过程中特别注意的当地特征——例如云层覆盖较厚的区域或季节性变化显著的生物群落——以降低森林增减分类错误的概率。

3. 机器学习

我们自主开发了专有机器学习模型，用于监测碳项目的特定方面，例如不同生物群系中随时间变化的森林覆盖情况。这些模型用于追踪和对比实际排放量与项目报告的排放量，并直接纳入我们的碳评分体系。 我们还追踪各类趋势，例如项目启动日期之前及启动后持续发生的森林砍伐情况，以此验证项目所声称面临的威胁是否真实存在，以及所陈述的风险程度是否已在附近类似区域中显现。

4. 机器学习质量保证

质量保证（QA）对于确保机器学习模型的输出结果准确至关重要。我们通过采用经同行评审的标准指标，并结合其他数据源进行比对，对机器学习模型对森林参数（如冠层覆盖率）的分类结果进行内部验证。这些流程，加上利用地理信息系统（GIS）团队的专业知识和光学卫星数据，对每个项目区域内超过500个样点进行的准确性评估，共同用于识别分类中的潜在错误，并量化这些估计值的不确定性。

5. 收视率制作

我们的评级中各支柱的得分，是通过将评级框架应用于项目现有信息以得出初步评级而得出的。这些现有信息包括：从公共登记文件中提取并整理的详尽项目数据；从经过验证的外部来源汇总的其他项目及国家背景数据；以及利用卫星图像和多个开源地理信息系统（GIS）数据集生成的专有机器学习（ML）输出结果。

6. 内部审查

我们的领域专家会对初步评级进行全面审查和严格讨论。尽管我们的评级流程旨在尽可能保持客观，但这种定性审查对于确保评级能准确反映项目的质量至关重要。

7. 开发者参与

与许多评级机构不同，我们坚持独立性，不接受开发商支付的费用来对其项目进行评级。然而，我们认为在整个评级过程中与开发商保持沟通至关重要，这既有助于获取准确评级所需的补充信息，也能保障开发商的申辩权，并为其提供提交补充证据的机会。

8. 评级发布

一旦评级通过内部审核并纳入开发商提供的任何补充信息，我们便会在平台上发布评估结果。其中包括评级、各项子评分、支撑我们分析的背景说明和理由、项目地图、来自Xpansiv CBL的定价数据以及来自碳信用额登记处的发行数据。

9. 持续监测

每个季度，针对每个项目，我们都会将最新的卫星数据输入机器学习模型，以捕捉碳储量的潜在变化（例如森林砍伐或生长）。 我们还会重新抓取注册机构的数据，以收集最新报告和配额发放数据，以及任何其他可能相关的公开信息。重大事件（如火灾、项目发起方团队结构变动或重要信息的发布）将触发对该项目的临时重新评估。

我们需要输入、分析和输出哪些数据？ 

输入

• Verra、Gold Standard 等碳信用登记处
• 光学、光检测与测距（激光雷达）及合成孔径雷达（SAR）卫星
• 诸如“全球森林观察”（Global Forest Watch）、Hansen等人编制的“全球森林变化数据”（Global Forest Change Data）等森林数据库
• 来自OpenStreetMap、人工林空间数据库以及美国地质调查局（USGS）的基础设施、聚居点和土地利用数据
• 综合生物多样性评估工具（IBAT）提供的保护状况和生物多样性状况
• 美国国家航空航天局（NASA）“资源管理火灾信息系统”（FIRMS）提供的实时火灾监测
• 世界银行和联合国粮食及农业组织（粮农组织）
• 国家和地区政策及法规文件
• 碳信用额交易平台 CBL Xpansiv
• 减排付款协议（ERPA）和长期购电协议
• 学术论文与行业研究

分析

• 专有机器学习模型
• GIS分析
• 我们的专有评级框架

输出

• Sylvera 、碳分值、增量分值、持久性分值
• 协同效益评分
• 关于评分中每个要素的依据的详细讨论
• 项目背景概述
• 地图（如适用）
• 碳信用额价格与碳信用额发放分析

‍

点击 此处了解我们创建这一专有碳信用评级系统的缘由，并下载详细介绍我们流程的完整白皮书。