“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）。
Sylvera 与新加坡国家气候变化秘书处（NCCS）合作，开发了一个全球统计模型，用于预测“森林覆盖率高、森林砍伐率低”（HFLD）地区的森林砍伐率。本文阐述了该研究中得出的主要原则。
为什么这在当下如此重要
JREDD+ 获得了广泛的市场认可——在CORSIA框架下享有优惠待遇，符合新加坡碳税机制的资格要求，并得到 LEAF 联盟的支持——但围绕 HFLD 碳信用的质疑依然存在，主要集中在“增量性”和“核算完整性”方面。与标准 REDD+ 不同，ART TREES 框架下发行的 HFLD 碳信用额是通过历史平均排放量加上对未来森林损失的保守估算来计算的，因此，就未来排放风险提供确凿证据显得尤为关键。
国际碳验证委员会（ICVCM）最近裁定，ART TREES v2.0 HFLD 项目在获得中央碳计划（CCP）批准前需采取补救措施，这使得上述问题变得尤为紧迫。这些补救条件——包括要求参与方证明基准期排放量将显著低于实际基准线，以及要求验证机构（VVBs）对基准输入数据进行独立交叉核查——与Sylvera观点一致，即任何超出历史排放率的上调都必须有证据支持。 获得CCP批准的道路依然敞开，但前景未卜；鉴于当前约75%的CORSIA 源自圭亚那的HFLD TREES计划，市场面临的风险不容小觑。
仅凭HFLD这一分类本身，并不能作为未来风险的可靠指标
并非所有HFLD管辖区的情况都相同。我们的分析表明，符合HFLD标准的管辖区数量随时间推移呈下降趋势，而那些失去该资格的管辖区其森林砍伐率正加速上升。与此同时，那些保持HFLD资格的管辖区则持续保持较低的森林砍伐率——这表明，对于其中一部分管辖区而言，其转为高风险区的可能性确实较低。
其含义十分重要：仅依据“高森林损失风险”（HFLD）的认定就一刀切地提高基准值的通用方法，无法区分真正面临风险的地区与那些历史森林损失率较低且未来很可能继续保持这种趋势、无需任何干预的地区。我们需要基于证据的框架，以确定哪些地区面临更大的森林损失风险。
历史平均值无法反映前瞻性风险
标准的JREDD+方法——即以历史平均森林砍伐率为基准——无法应对新出现的威胁。那些过去森林砍伐率持续较低的管辖区，仍可能因经济压力的变化、基础设施建设或政策调整而面临更高的未来风险。对于高森林砍伐率（HFLD）管辖区而言，森林砍伐风险具有非线性特征，且具有空间特异性和情境依赖性。 仅基于历史率建立的基准线，在某些管辖区会系统性地低估排放量，而在另一些管辖区则会高估。这是动态风险环境下损害基准完整性的结构性局限，同时也支持了这样一种观点：高完整性基准线完全可以合理地超过历史平均值——前提是这种偏差有实证依据。
高完整性HFLD学分的三项原则
Sylvera 三项原则，这些原则有助于制定更具可信度的 HFLD 基准：
- HFLD 基准线应具有前瞻性。一个可信的基准线应反映未来森林砍伐的可能趋势，而不仅仅是历史活动。仅依赖历史速率的方法很可能高估或低估实际的森林砍伐风险，有时误差甚至非常显著。
- 与历史数据率的偏差必须有实证依据。任何将基准设定在观测历史数据率之上的方法，都应以证据为依据。这种方法可在不同层面实施——从本文讨论的、基于森林砍伐及其主要驱动因素跨管辖区关系的全球统计模型，到能够反映当地动态的国别模型，再到参考具备可比性有利条件的区域的项目级方法。
- 基线方法应区分不同管辖区。导致森林流失的驱动因素——土地使用权、基础设施建设、社会经济状况——在不同管辖区之间存在显著差异。一个高完整性的基线应能敏锐地捕捉到这些差异，无论是通过纳入国家层面协变量的全球模型，还是通过更直接反映管辖区特定条件的本地化方法。将所有高森林流失风险（HFLD）管辖区一视同仁的方法，可能会导致相同的系统性误差。
方法的层次结构
这些原则指向一个分层框架：
- “一刀切”的做法——即对所有高风险、低密度（HFLD）管辖区统一采用固定的上浮幅度——虽然是最简单的方法，但其合理性最弱。
- 全球统计模型（例如Sylvera 开发的模型）处于中间层。通过建模不同管辖区内的森林砍伐率与可观测协变量之间的关系，这些模型能够基于实证证据生成前瞻性预测。
- 基于特定地点的模型利用已知的森林损失驱动因素及其经验关系，生成前瞻性的空间风险图，并据此确定基准线。此类模型代表了最高完整性标准，且最符合ICVCM对HFLD项目日益增长的要求。
Sylvera全球统计模型在随附的技术论文中进行了详细阐述。此外Sylvera 与某《巴黎协定》第6条主要缔约方合作，利用针对该国的特定空间模型评估高排放土地利用（HFLD）的基准线。
如需了解完整的技术方法、研究结果和模型输出， 请点击此处阅读完整论文。
本分析所依据的碳储量数据采用 Sylvera《生物质图集》 ——我们覆盖全面、经激光雷达校准的森林碳数据集——作为独立且可审计的来源，用于验证碳储量估算值，而这些估算值正是构建可信基准的核心所在。
