为何数据完整性对净零和自然正向发展至关重要

New algorithmic monitoring and earth observation technology could provide effective carbon accounting and accurate data will be key for that future.
New algorithmic monitoring and earth observation technology could provide effective carbon accounting and accurate data will be key for that future.Image: Unsplash/John Salzarulo
本内容由人工智能自动翻译。
  • 一份近期的气候变化报告强调,要实现必要的气候目标以保护地球,就需要保护和恢复自然。

  • 企业对自然保护和生物多样性的关注为自然保护带来了乐观前景,但当前的碳核算流程却使这些努力功亏一篑。

  • 新的算法监测与对地观测技术可提供有效的碳核算,而准确的数据将是实现这一未来的关键。

科学结论清晰明确:我们只剩七年时间,必须以足够的规模削减排放,才有可能为子孙后代留下适宜居住的星球。最新的政府间气候变化专门委员会(IPCC)报告是近期最新的紧迫行动呼吁。该报告证实了保护和恢复自然在实现这一目标中所发挥的关键作用。

事实上,IPCC证实,制止对完整生态系统(尤其是森林)的破坏,是我们当前手头第三大最具影响力的气候解决方案,仅次于风能和太阳能。

挑战艰巨,但希望犹存。当前,企业对自然保护和恢复的兴趣前所未有地高涨。各公司正通过不断增长的自愿碳市场、其供应链和投资组合采取前所未有的行动,以履行其将业务转向净零和自然正向发展的承诺。

与此同时,报告框架、监管机构和投资者正要求就为保护和恢复自然所采取行动的气候影响进行更好的披露。这一趋势令人鼓舞。

但问题在于:我们当前的碳核算体系并不符合实际需要。若缺乏验证、问责和可衡量性,企业的可持续发展数据就可能遭到破坏。这可能使人们质疑企业通过碳市场或其供应链进行的自然资本投资的可信度。

新算法可改进碳核算

当前的核算体系无法以向净零和自然正向转型所需的完整性、可靠性、速度和可扩展性,捕捉企业为保护和恢复自然所实现的减排和碳清除成效。

对地观测科学的近期进展已催生新解决方案,这些方案目前正陆续推向市场。这类方案本质上基于算法,有潜力通过直接估算自然解决方案从大气中清除的碳量,来变革碳和自然资本核算(关于直接估算的含义和重要性,详见下文)。企业、标准制定机构和认证机构必须拥抱这些技术进步,将其作为迈向净零、自然正向经济的重要推动力。

以下三点思考阐明了这一问题的重要性,以及与算法对地观测技术合作的企业如何采取行动,为其解决方案注入信任,从而改进碳核算。

1. 我们需要看到大气所看到的

多年来,卫星图像一直被用于估算土地利用转变产生的二氧化碳排放,例如,亚马逊雨林的一片区域被砍伐以腾出农业用地。然而,这些方法仅能捕捉引发土地利用分类变化的树木覆盖损失所产生的排放。它们无法直接估算生物量损失,而这存在至少两项主要局限。

首先,这种方法无法衡量森林退化(例如,按照严格的毁林定义,不会引发土地利用分类变化的小规模伐木)。由于森林退化所产生的碳排放可能与毁林一样多,这些标准方法可能对该问题的50%视而不见。其次,它们无法察觉森林生长和再生所带来的正向碳影响。这意味着企业无法自信地展示其投资所产生的积极成效。

要实现可信的净零转型,我们需要以能够克服这些不足的测量方案为碳核算体系提供支撑。为评估投资的气候影响,我们需要能够看到大气所看到的的监测方案,且不受土地利用变化或毁林的定义限制,因为这些定义容易受到人为或政治偏见的影响。

2. 算法对地观测的潜力

算法对地观测技术的进步如今使得直接估算任何一块土地上树木所储存的碳量,以及这一数值随时间的变化成为可能(而无需依赖土地覆盖分类)。

最先进的对地观测方法通过融合多种星载传感器的数据来实现这一点,包括激光、雷达、光学及辅助数据。先进的算法方法能够以前所未有的质量量化这些生态过程,同时兼具成本效益和数据一致性,使投资者能够真正核算其行动所带来的自然碳储存。

这是碳核算技术质量上急需的一次跨越式提升。

3. 要求算法数据提供方承担企业责任

释放算法碳测量方案的潜力,必然引发有关算法训练和验证机制的问题。算法估算的准确性取决于其所接收训练数据的质量。

以高质量、高完整性的训练数据输入算法,对其性能至关重要。但这还不够。关键问题在于,算法在与完全独立、以可比规模估算同一单位的高质量仪器相比时表现如何。就树木所储存的碳而言,黄金标准是由高质量机载激光仪器得出的估算结果。

独立机载激光雷达(ALS)与Chloris得出的估算结果对比。Image: Chloris Geospatial

数据完整性是实现净零的关键

在Chloris Geospatial,我们坚信有必要为世界配备值得信赖、符合实际需要、并以最高科学完整性标准构建的算法。

因此,我们将基于机器学习得出的森林碳储量及其变化的预测结果,与NASA及其他学术研究机构开展的机载激光测量结果进行了比较。我们已将验证结果公开提供。

结果如何?在测量碳储量变化方面,其准确度水平相当,但成本仅为机载激光雷达的一小部分,并且能够在时空上反复、一致地进行测量。

这一发现意义重大,因为它证明算法解决方案能够以可扩展且具有成本效益的方式提供所需的数据质量,从而有助于为地面的实际保护和恢复活动留出更多资金。

总之,在迈向可持续未来的过程中,我们必须优先重视这一层面的透明度、数据质量和成本效益,以实现造福所有人的、高完整性的净零和自然正向经济转型。

UpLink是世界经济论坛的早期创新倡议,正在赋能和加速以使命为导向的创业者,而这些创业者对于实现净零、自然正向和公平的未来至关重要。如需了解更多信息并加入UpLink社区,请点击此处。

这家初创公司正在利用NASA的激光从太空称量树木。
这家初创公司正在利用NASA的激光从太空称量树木。
02:11
授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。