Un presupuesto de incertidumbre no es una «tabla que sobredimensiona el error»

Cuando se pide asociar una incertidumbre a un resultado de reducción de carbono, es habitual tomar la exactitud de la ficha técnica del sensor, por ejemplo ±2%, y aplicarla sin más a la reducción final. Sin embargo, la reducción no es una sola lectura del sensor. Es el resultado de restar las emisiones del periodo del proyecto a las del periodo de referencia y, según el caso, incorporar fugas, emisiones del proyecto y cambios en el número de animales o en la producción. Aunque el medidor de concentración sea muy exacto, la reducción puede desviarse considerablemente si se estima mal el caudal de ventilación o si la línea de base no representa el periodo de comparación.

El Vocabulario Internacional de Metrología (VIM) define el presupuesto de incertidumbre como una exposición de la incertidumbre de medida, sus componentes y la forma de calcularlos y combinarlos. Incluye el modelo de medición, las estimaciones e incertidumbres de cada magnitud de entrada, las covarianzas, las distribuciones de probabilidad, los grados de libertad y el tipo de evaluación, además del factor de cobertura cuando sea necesario. Por tanto, un presupuesto de incertidumbre no es un «margen de seguridad» impreciso ni una cláusula de exención que debilita el resultado. Es un documento técnico que muestra de qué información depende la cifra final y qué entrada debe mejorarse para que el resultado mejore de verdad.

Otro error común es utilizar incertidumbre y error como si fueran sinónimos. Un número de animales introducido incorrectamente, la confusión entre las unidades ppm y %, la falta de sincronización de los relojes o la aplicación duplicada de un factor de calibración son errores que deben detectarse y corregirse. En cambio, la variabilidad que no puede eliminarse por completo con la información disponible —como las limitaciones de la calibración del sensor que permanecen después de corregirlo, la variación natural entre individuos o el grado en que una muestra representa a la población— se expresa como incertidumbre. No es un buen diseño dejar sin corregir un sesgo conocido y limitarse a ampliar el intervalo de incertidumbre.

El primer paso es fijar en una frase el objeto de medición antes que la fórmula

Antes de elaborar el presupuesto de incertidumbre debe definirse qué se mide, es decir, el mensurando. «Reducción de metano» no es suficiente. Por ejemplo: «reducción mensual de la masa de metano emitida por 120 bovinos de engorde del pabellón A entre el 1 y el 30 de junio (mes 6) de 2026, comparada con una línea de base normalizada por la misma unidad de producción (kg CH₄)». Deben especificarse el lugar, el grupo animal, el periodo, los límites, la unidad y las reglas de comparación. También debe quedar vinculado a esta definición si solo se incluye la fermentación entérica, si se incorpora el metano del almacenamiento del estiércol y cómo se resta la concentración de fondo exterior.

Después, el resultado final se expresa como una función de las magnitudes de entrada. Una tasa de emisión simplificada para una nave ganadera puede representarse así:

E = Q × (x_out − x_in) × (M_CH4 / V_m) × t

Aquí, Q es el caudal volumétrico en base seca; x_out y x_in son las fracciones molares de metano en la salida y la entrada; M_CH4 es la masa molecular del metano; V_m es el volumen molar a la temperatura y presión correspondientes; y t es el tiempo de integración. La concentración en ppm se convierte en una fracción molar adimensional multiplicándola por 10⁻⁶, y deben hacerse coincidir las bases seca y húmeda de la concentración y el caudal. La reducción R se calcula a partir de la diferencia entre las emisiones de la línea de base E_base y las emisiones del proyecto E_project, incorporando los ajustes por emisiones adicionales o fugas dentro de los límites. Como una nave con ventilación natural no tiene una única salida y el flujo de aire puede incluso invertirse, no debe aplicarse esta fórmula sin más. Es preciso documentar el modelo completo del método adoptado, como el método del gas trazador, el balance de CO₂, el balance de masas o un modelo de dispersión.

Escribir primero este modelo deja al descubierto los elementos omitidos. Permite comprobar si el presupuesto incluye solo el sensor de concentración pero excluye el caudal de ventilación, si la corrección del número de animales entre el periodo de referencia y el del proyecto constituye un modelo separado y si los valores estimados para rellenar periodos sin datos se han tratado como observaciones. También deben registrarse la versión del modelo de medición y su periodo de aplicación. Cuando cambia la fórmula, también cambian el resultado y su incertidumbre aunque se utilicen los mismos datos originales.

Las fuentes de incertidumbre se buscan en toda la cadena de medición

En la práctica, agrupar las causas en seis bloques ayuda a reducir las omisiones.

  1. Instrumentos y calibración: valor certificado del gas patrón, cero y span, linealidad, resolución, repetibilidad, deriva a largo plazo, sensibilidades cruzadas, influencia de la temperatura, la humedad y la presión, y fugas y adsorción en la línea de muestreo.

  2. Muestreo espacial: si el sensor representa realmente el aire que sale, si está sesgado por concentraciones locales junto a comederos, puntos de estiércol o ventiladores, y si se han distinguido correctamente los puntos de entrada y salida.

  3. Muestreo temporal: si se han capturado suficientemente los ciclos de rumia, alimentación, agitación del estiércol y control de la ventilación, y cómo se han tratado las noches, los fines de semana y las estaciones sin mediciones.

  4. Datos de actividad: errores en el número diario real de animales, el peso, el consumo, la composición del pienso, la producción de leche o la ganancia de peso, el periodo de gestión del estiércol y el tiempo de funcionamiento de los equipos.

  5. Modelo y conversiones: incertidumbre derivada de la estimación del caudal de ventilación, la sustracción de la concentración de fondo, las bases seca y húmeda, la conversión a condiciones de referencia, la integración temporal, la imputación de datos ausentes y la extrapolación.

  6. Línea de base y comparabilidad: diferencias entre el periodo de referencia y el del proyecto causadas por el clima, la composición del grupo animal, la productividad y cambios de gestión distintos del pienso.

Los componentes obtenidos mediante estadísticas de mediciones repetidas suelen corresponder a una evaluación de tipo A; los derivados de certificados de calibración, información del fabricante, estudios anteriores o juicio experto se aproximan a una evaluación de tipo B. Esto no significa que el tipo A sea una «buena incertidumbre» y el tipo B una «mala estimación». Ambos deben convertirse a la forma común de incertidumbre típica antes de combinarse, y la clave es documentar de forma transparente las fuentes de datos y los supuestos.

No deben sumarse sin más todos los porcentajes

Para trasladar la incertidumbre de cada entrada a la unidad del resultado final se necesita un coeficiente de sensibilidad. Este indica cuánto cambia el resultado cuando la entrada varía ligeramente. Si las entradas son independientes y el modelo es aproximadamente lineal, se multiplica cada incertidumbre típica por su coeficiente de sensibilidad, se suman los cuadrados de esas contribuciones y se obtiene la raíz cuadrada. Los presupuestos de incertidumbre típicos que presenta el NIST también registran en una tabla los componentes, los coeficientes de sensibilidad, las desviaciones típicas y los grados de libertad.

Sin embargo, en los datos ganaderos se incumple con frecuencia el supuesto de independencia. Si el mismo sensor midió tanto el periodo de referencia como el del proyecto, el sesgo de calibración afecta a ambos valores en común. Si la generación de CO₂ y el consumo de pienso empleados para calcular la tasa de emisión proceden de los mismos datos de actividad, pueden estar correlacionados. Varios sensores pueden compartir una sola corrección de temperatura y humedad o el mismo gas patrón. Ignorar la covarianza puede sobreestimar o subestimar la incertidumbre. Tanto sumar siempre con el argumento de «ser conservador» como suponer que el uso del mismo equipo hará que todo se cancele requieren una justificación.

En modelos no lineales, distribuciones asimétricas, datos próximos al límite de detección o cocientes con un denominador pequeño, la propagación de errores de 1.er orden puede ser inestable. En esos casos resulta útil una simulación de Montecarlo en la que se definan las distribuciones de probabilidad y la estructura de correlación de cada entrada. No obstante, aumentar el número de simulaciones no corrige una distribución mal elegida ni una representatividad insuficiente. Primero deben validarse el modelo y los fundamentos de las entradas.

En el informe final no basta con escribir ±. Debe indicarse si se trata de una incertidumbre típica combinada o de una incertidumbre expandida obtenida al multiplicar por un factor de cobertura, y cuál es la probabilidad de cobertura. El NIST expresa la incertidumbre expandida como U = k × u_c e indica que, bajo una distribución normal y condiciones suficientes, k=2 puede corresponder aproximadamente a un intervalo del 95%. Pero esto no produce automáticamente un 95% en todos los conjuntos de datos. Deben presentarse también la distribución, los grados de libertad efectivos y el método adoptado.

Ejemplo de un presupuesto de incertidumbre elaborado en una explotación

Supongamos que se comparan las emisiones mensuales antes y después de introducir un pienso de bajo metano. Se ha estimado que la incertidumbre de calibración del medidor de concentración es del 2%; la estimación de la ventilación natural, del 18%; el muestreo espacial de la diferencia de concentración entre aberturas, del 10%; la imputación de datos ausentes, del 6%; y la variación diaria y semanal de la línea de base, del 12%. No se deben sumar estas cifras y declarar un 48%. Primero hay que comprobar a qué resultado afecta cada elemento, si son independientes y si los sesgos comunes se cancelan en la comparación anterior y posterior. Además, los valores de este ejemplo solo pueden compararse y combinarse después de convertirlos en incertidumbres típicas relativas de la misma magnitud de resultado; la evaluación real variará según las distribuciones, los factores de cobertura y las correlaciones.

Si el análisis de sensibilidad muestra que el caudal de ventilación explica más de la mitad de la varianza total, sustituir el medidor de concentración por un sensor más caro no es la prioridad. Puede ser más eficaz aumentar los ensayos con gas trazador, medir adicionalmente el flujo en las aberturas y estratificar los periodos de operación de la ventilación. Si domina la variación de la línea de base, deben priorizarse la ampliación del periodo de medición, un grupo de control simultáneo y la normalización por número de animales y consumo. El valor de un presupuesto de incertidumbre no se limita a crear el intervalo final: también permite ordenar las siguientes inversiones en medición.

Si la reducción es de 100 kg de CH₄ y la incertidumbre expandida es de 30 kg, no se debe destacar únicamente «reducción de 100 kg». 100 kg de CH₄, incertidumbre expandida de 30 kg, con indicación del periodo, los límites, la probabilidad de cobertura y el método aplicables. Al comparar el resultado con un criterio de reconocimiento o un umbral de emisión de créditos, deben aplicarse por separado las reglas de conservadurismo del sistema correspondiente. El cálculo estadístico de la incertidumbre no determina automáticamente la tasa de descuento reglamentaria ni la decisión de verificación.

Criterios de gestión para convertirlo en un presupuesto operativo

El presupuesto de incertidumbre debe conectarse con la canalización de datos, en lugar de ser una tabla elaborada una sola vez al final del informe. Cuando se actualiza el certificado de calibración del sensor, también debe cambiar el componente de tipo B del periodo correspondiente. Si la tasa de datos ausentes supera el límite establecido de antemano, se aplica el modelo de imputación definido o se excluye el periodo, y se registra el motivo del cambio. Cuando cambian el número de animales o la formulación del pienso, debe volver a revisarse la idoneidad de la línea de base.

El control de versiones requiere, como mínimo, el ID de los datos originales, los ID del sensor y del gas patrón, la fecha de calibración, la versión del código de cálculo, la fuente y versión de los factores de emisión y corrección, las reglas de tratamiento de datos ausentes y el historial de responsables y aprobaciones. Conservar los datos originales sin sobrescribirlos y separar los valores corregidos de los calculados permite recalcular aunque cambie la metodología. Cada componente de incertidumbre debe tener un responsable y un intervalo de reevaluación para evitar que «exista la tabla, pero nadie la actualice».

Las directrices del IPCC para los inventarios nacionales tratan el análisis de incertidumbre no como un procedimiento para demostrar la perfección de una sola cifra, sino como un proceso para priorizar la mejora de las principales fuentes de incertidumbre y elevar la calidad del inventario a lo largo del tiempo. La finalidad de un proyecto a escala de explotación no es la misma que la de un inventario nacional, pero siguen siendo válidos los principios de identificar todas las fuentes importantes, mantener una serie temporal coherente y vincular el proceso al aseguramiento y control de la calidad (QA/QC).

Lista de comprobación para la ejecución

  • ¿Se ha definido el mensurando en una sola frase que incluya el gas, los límites, el grupo animal, el periodo, la unidad y las condiciones de referencia?

  • ¿Se ha expresado la reducción final como una función de todas las entradas y correcciones y se ha fijado la versión del modelo?

  • ¿Se han incluido no solo los sensores, sino también el muestreo espacial y temporal, el caudal de ventilación, los datos de actividad, los datos ausentes y la incertidumbre de la línea de base?

  • ¿Se han corregido primero los errores conocidos y los sesgos corregibles?

  • ¿Se han documentado la base de tipo A o tipo B, la distribución, la incertidumbre típica y los grados de libertad de cada componente?

  • ¿Se han revisado las correlaciones y covarianzas que surgen de sensores, gases patrón y datos de actividad comunes?

  • ¿Se ha calculado con coeficientes de sensibilidad la contribución de cada componente al resultado final?

  • ¿Se ha elegido un método de propagación adecuado para los problemas de no linealidad, asimetría y límite de detección?

  • ¿Se han diferenciado en el informe la incertidumbre típica combinada y la expandida, así como el factor y la probabilidad de cobertura?

  • ¿Se ha vinculado el componente de mayor contribución al siguiente plan y presupuesto de mejora de las mediciones?

Conclusión: un buen presupuesto de incertidumbre no oculta las debilidades de la cifra

La incertidumbre no es una señal de fracaso en la medición de reducciones de carbono. Es una forma de expresar cuantitativamente la variabilidad del mundo real y los límites de la información. Lo importante no es añadir un intervalo arbitrariamente amplio, sino fijar el mensurando y el modelo y seguir la ruta por la que cada fuente de incertidumbre entra en el resultado.

Gestionar solo la exactitud del sensor puede producir una reducción errónea que parezca precisa. En cambio, un presupuesto que incluya la representatividad espacial, el caudal de ventilación, los datos de actividad, la línea de base y las correlaciones indica qué afirmaciones pueden hacerse y qué debe medirse mejor. En definitiva, el presupuesto de incertidumbre no es un apéndice que debilita el desempeño de carbono, sino el plano de calidad que permite transformar los registros de campo en afirmaciones verificables.

Fuentes