El inventario nacional de gases de efecto invernadero no se obtiene sumando sin más los informes de reducción de cada granja. Para mejorar los factores de emisión ganadera hay que conectar datos representativos, condiciones de aplicación, control de calidad y requisitos de revisión. El capítulo 17 de Tecnología y soluciones para demostrar la reducción de carbono trata los puntos de contacto entre la producción de datos, su revisión y la aplicación institucional como un reto de diseño de políticas.
Primero, definamos los conceptos y el alcance de aplicación
Para conectar a distintas instituciones, hay que especificar los entregables y las facultades de decisión. Es necesario aclarar quién revisará los datos generados en una investigación, con qué criterios y en qué sistemas podrán utilizarse posteriormente. Crear una nueva organización por sí solo no resuelve la conexión de los datos. Hay que verificar por separado los factores nacionales, la consideración de los efectos de una tecnología específica y la elegibilidad de las reducciones para recibir compensación. Aunque los mismos datos se puedan reutilizar, no es posible fusionar criterios y límites distintos en uno solo. La estandarización no borra esas diferencias; especifica las condiciones de conexión necesarias.
Una línea de base basada en factores de emisión también es una opción. El Nivel 1 del IPCC utiliza factores predeterminados, mientras que el Nivel 2 para la fermentación entérica incorpora con más detalle características de alimentación y manejo, ingesta bruta de energía y tasa de conversión de metano, entre otros elementos. Puede ser difícil captar el efecto de una tecnología en una granja individual solo con factores promedio, pero el uso de factores no es por sí mismo inadecuado para la compensación. El criterio es si se cumplen los requisitos de la metodología aplicable respecto de los factores y datos de actividad permitidos, la comprobación de las condiciones de aplicación, el tratamiento de la incertidumbre y la verificación.
Los datos de campo de una granja, la investigación sobre efectos tecnológicos, los factores que se incorporan a las estadísticas nacionales y las decisiones necesarias para compensar están conectados, pero no constituyen el mismo procedimiento. Hay que definir qué institución recibe los datos, en qué formato y quién los evalúa según qué criterios. Aunque los mismos datos sirvan para varios propósitos, los límites y requisitos de reconocimiento de cada sistema deben confirmarse por separado. El reto de la estandarización es especificar las condiciones de conexión entre la producción de datos y su aplicación institucional.
Las estadísticas nacionales, la investigación y los programas de apoyo tienen propósitos y sistemas de revisión distintos. Para mejorar la conexión, las instituciones pertinentes deben partir de las directrices existentes y los resultados registrados, y aclarar conjuntamente los datos adicionales y procedimientos de revisión que requieren las nuevas tecnologías de reducción.
Se comparan los datos disponibles con los requisitos de revisión para diseñar las muestras que faltan. Un ensayo controlado con pocos animales puede explicar la eficacia, pero quizá no represente las especies, etapas de crecimiento y sistemas de alimentación de todo el país. La nueva investigación debe diseñarse para no duplicar los datos ya disponibles y centrarse en reducir la incertidumbre.
Quinto, regularizar la comparación entre equipos y métodos. Se evalúan el sesgo, la precisión y la representatividad mediante pruebas de recuperación con el mismo gas y ensayos con animales bajo condiciones comparables. Aplicar simplemente una cámara y GreenFeed al mismo tiempo o crear un único factor de conversión no resuelve todas las diferencias entre condiciones. El alcance de aplicación de la ecuación de comparación debe validarse con datos externos.
En el primer punto de conexión, hay que distinguir los factores de emisión de referencia de los efectos de las tecnologías de reducción. No es correcto diagnosticar que no existe un sistema de aprobación previo. Lo que hace falta mejorar es aclarar, dentro de ese sistema, cómo revisar los efectos específicos de cada tecnología, los datos de actividad y la incertidumbre, y cómo vincularlos con las estadísticas nacionales.
Condiciones y límites de aplicación en terreno
Supongamos que se confirmó un efecto en un ensayo de alimentación de una granja concreta. Para incorporarlo al nivel nacional, hay que examinar qué especies y condiciones de crianza representa y cómo se obtendrán los datos de actividad. El resultado de una demostración individual y el reconocimiento de un factor nacional son decisiones distintas; también deben verificarse por separado los requisitos de la contabilidad corporativa o de los créditos.
Antes de comenzar una investigación, se comparan los datos disponibles, las condiciones con representatividad insuficiente y los elementos que requiere la revisión. Los ensayos de eficacia académica y la investigación para una aplicación nacional tienen propósitos diferentes, pero no son incompatibles. Utilizar los resultados del primer tipo para diseñar las muestras del segundo puede evitar repetir ensayos innecesariamente.
Revisión anual de factores y criterios de los programas. Las instituciones pertinentes examinan conjuntamente los factores recién registrados o renovados, su aplicación al inventario nacional y sus efectos en los programas de apoyo; luego publican si se incorporan y por qué. Un documento público no garantiza su ejecución, así que también deben gestionarse la institución responsable, el plazo de implementación y las tareas pendientes.
Retroalimentación de datos de proyectos a los factores. Los datos de actividad —como compras, suministro, grupos de animales y días de crianza— pueden contribuir a mejorar factores cuando se combinan con mediciones directas de muestras adecuadas. La necesidad de recopilar todos los datos y los elementos concretos debe comprobarse para cada proyecto; no se debe equiparar el volumen de datos con su calidad.
Hay que comprobar por separado si los datos de liquidación de un proyecto también sirven para mejorar factores. Los datos recopilados únicamente para liquidar pagos podrían no incluir variables necesarias, como la ingesta de alimento, la representatividad y la calidad de la medición. Primero hay que investigar los elementos que realmente se recogen en el programa vigente y cómo se transfieren; luego se identifican las brechas y se corrigen. No se debe afirmar en general que esos datos no se aprovechan en absoluto.
Evidencia necesaria para evaluar una inversión
Las instituciones y los inversores deben distinguir para qué sistema se pretende utilizar el resultado de un proyecto. La existencia de resultados de investigación no determina automáticamente una compensación de política pública ni su incorporación a las estadísticas nacionales. Para que la vía de uso real sea visible, hay que especificar los entregables de datos, la institución responsable y las revisiones adicionales necesarias.
Los resultados se hacen públicos. Se publican tanto los acuerdos como los desacuerdos. Es especialmente importante divulgar las cuestiones no resueltas. Cuando desde fuera se puede ver qué está bloqueado y por qué, se genera impulso político para resolverlo.
Si cada institución repite desde el principio la misma demostración, aumentan las cargas para las granjas y las empresas. Sin embargo, convertir automáticamente el informe de evaluación de una institución en una aprobación para otro propósito excede el alcance de la verificación. El enfoque que propone este libro protege tanto la reutilización de los datos como la independencia de las decisiones. Se reúne en un paquete común la ubicación de los datos originales, los registros de calibración, las muestras y el tratamiento de datos faltantes, la incertidumbre, los costos y los derechos de uso; luego, la institución receptora comprueba los requisitos adicionales de su propio propósito.
Criterios que deben guiar la evaluación
La estandarización del MRV nacional no termina por recopilar datos en el mismo formato. Hay que diseñar la conexión entre muestras, métodos, facultades de revisión y datos de actividad. Es necesario conservar a la vez la posibilidad de reutilizar datos comunes y los requisitos de decisión independiente de cada sistema.
Sobre el autor
Bongjun Lee se graduó de la Escuela de Posgrado de Gestión de Tecnología (MOT) de Sogang University. Trabajó durante 27 años en el campo de la medición de gases, incluidos 7 años en Infitron Co., Ltd. y 20 años en Honeywell, desempeñando funciones de ingeniería de servicio, ventas técnicas y gestión de canales. Actualmente, como fundador de AI Safety Korea Co., Ltd., investiga el monitoreo de metano en la ganadería y los sistemas de medición, presentación de informes y verificación (MRV) mediante sensores, IA y análisis de datos.