पहले “गणना किया मान बनाम वास्तविक मान” की धारणा सुधारें

अक्सर कहा जाता है कि उत्सर्जन-कारक विधि केवल अनुमान है और प्रत्यक्ष मापन वास्तविकता है। दूसरी ओर, कुछ लोग कहते हैं कि मैदानी सेंसरों में उतार-चढ़ाव होता है, इसलिए केवल अधिकृत उत्सर्जन कारक इस्तेमाल करना सुरक्षित है। दोनों व्याख्याएँ जरूरत से ज्यादा सरल हैं। उत्सर्जन कारक किसी खास समष्टि और परिस्थितियों से प्राप्त प्रतिनिधि संबंध को गतिविधि डेटा पर लागू करने वाला मॉडल है। प्रत्यक्ष मापन में भी सीमित स्थानों और समय के अवलोकनों को फार्म की सीमा तथा दीर्घ अवधि तक विस्तारित करने वाला मॉडल शामिल होता है।

IPCC की मूल संरचना में उत्सर्जन की गणना गतिविधि डेटा और उत्सर्जन कारक के गुणनफल से होती है। पशुधन के आंत्रिक किण्वन का Tier 1 पशु उपवर्गों की संख्या और डिफॉल्ट उत्सर्जन कारकों का उपयोग करता है। Tier 2 सकल ऊर्जा सेवन, मीथेन रूपांतरण दर और अधिक विस्तृत पशु-समूह जानकारी से फार्म या देश की परिस्थितियों के अधिक निकट कारक निकालता है। Tier 3 देश-विशिष्ट उन्नत मॉडल या देश-विशिष्ट कारक और डेटा इस्तेमाल कर सकता है। लेकिन केवल विधि का स्तर ऊँचा होने से सटीकता अपने आप सुनिश्चित नहीं होती; इनपुट डेटा और विधि की गुणवत्ता उसका समर्थन करनी चाहिए। केवल मैदान में प्रत्यक्ष मापन करने से भी कोई विधि अपने आप Tier 3 नहीं बन जाती।

प्रत्यक्ष मापन में भी यह अलग करना जरूरी है कि वास्तव में सीधे क्या देखा गया। श्वसन चैम्बर किसी पशु के आंत्रिक किण्वन से निश्चित अवधि में निकले मीथेन को परिशुद्धता से पकड़ सकता है, लेकिन पालन का वातावरण बदल सकता है। SF₆ ट्रेसर विधि तथा हेड चैम्बर या स्वचालित आहार-आधारित spot-sampling वास्तविक फार्म परिस्थितियों के अधिक करीब हैं, पर पशु के आने के व्यवहार, नमूना दिनों और उपकरण संबंधी धारणाओं से प्रभावित होते हैं। गौशाला की सांद्रता और वेंटिलेशन मात्रा पर आधारित द्रव्यमान संतुलन पशु-समूह स्तर का उत्सर्जन दिखा सकता है, पर इसमें स्थानिक मिश्रण और प्रवाह का अनुमान निर्णायक हैं। इनमें से कोई भी बिना शर्त पूर्ण मान नहीं देता।

वे परिस्थितियाँ जिनमें दोनों विधियों के परिणाम करीब आते हैं

जब लागू परिस्थितियाँ अच्छी तरह मेल खाती हैं, उत्सर्जन कारक और प्रत्यक्ष मापन के परिणाम समान हो सकते हैं। यदि पशु प्रजाति, उत्पादन चरण, वजन, आहार ग्रहण और गुणवत्ता, उत्पादकता, जलवायु तथा गोबर प्रबंधन विधि कारक विकसित करने वाले डेटा की प्रतिनिधि परिस्थितियों के करीब हों, और वास्तविक पशु संख्या तथा संचालन दिवस सही हों, तो कारक विधि का प्रत्याशित मान दीर्घकालीन मैदानी औसत के निकट आ सकता है।

प्रत्यक्ष मापन में भी पर्याप्त पशुओं और अवधि का नमूना लेना, मौसमों और परिचालन अवस्थाओं को शामिल करना तथा पृष्ठभूमि सांद्रता, वेंटिलेशन मात्रा, डेटा-रिक्तता और कैलिब्रेशन को ठीक से संभालना जरूरी है। मापन सीमा कारक की सीमा के समान होनी चाहिए। उदाहरण के लिए, यदि कारक केवल आंत्रिक किण्वन दर्शाता है, लेकिन गौशाला सेंसर गोबर पिट का मीथेन भी शामिल करता है, तो दोनों के मेल खाने का कोई कारण नहीं है।

दो परिणामों का करीब होना एक अच्छा पार-जाँच संकेत हो सकता है, लेकिन वे एक-दूसरे को स्वतंत्र रूप से प्रमाणित नहीं करते। यदि Tier 2 मॉडल के इनपुट को प्रत्यक्ष मापन डेटा से सुधारा गया है, तो दोनों मान समान डेटा साझा करते हैं। पशु संख्या या आहार-ग्रहण की वही त्रुटि दोनों परिणामों में भी जा सकती है। केवल समानता नहीं, डेटा निर्भरता भी जाँचनी चाहिए।

परिणाम अलग होने का पहला कारण: फार्म औसत परिस्थितियों से अलग है

डिफॉल्ट उत्सर्जन कारक एक व्यापक समष्टि का प्रतिनिधि मान है। एक ही तरह के पशुओं में भी वजन, वृद्धि या दुग्धोत्पादन चरण, शुष्क पदार्थ सेवन, आहार पाचनशीलता, कच्चे प्रोटीन, वसा व रेशे की संरचना और उत्पादन मात्रा अलग हो तो मीथेन उत्सर्जन बदल सकता है। IPCC की 2006 मार्गदर्शिका बताती है कि Tier 1 कारक देश-विशिष्ट पशुधन विशेषताओं का सही प्रतिनिधित्व न कर सके और आंत्रिक किण्वन के Tier 1 कारकों की अनिश्चितता लगभग ±30~50% हो सकती है। Tier 2 की अनिश्चितता भी इस पर निर्भर है कि पशु-समूह वर्गीकरण और कारक संबंध वास्तविक परिस्थितियों से कितना मेल खाते हैं।

यदि कम-मीथेन आहार या योजक जैसे प्रबंधन बदलाव डिफॉल्ट कारक में शामिल नहीं हैं, तो अंतर और बढ़ सकता है। फिर भी, प्रत्यक्ष मापन का कारक से कम होना अकेले योजक के प्रभाव को प्रमाणित नहीं करता। कारक की औसत परिस्थितियाँ उस फार्म की मूल परिस्थितियों से भिन्न हो सकती थीं। कटौती प्रभाव की तुलना उसी फार्म की उपयुक्त आधाररेखा या साथ चलने वाले नियंत्रण समूह से करनी चाहिए।

गोबर प्रबंधन भी औसत से आसानी से अलग हो सकता है। भंडारण तापमान, निवास अवधि, ठोस पदार्थ मात्रा, आवरण, मंथन, निकासी की आवृत्ति और अवायवीय परिस्थितियाँ मीथेन रूपांतरण को प्रभावित करती हैं। यदि राष्ट्रीय या क्षेत्रीय डिफॉल्ट वास्तविक प्रणाली से मेल न खाएँ या प्रबंधन अनुपात पुराना हो, तो प्रत्यक्ष मापन से संरचनात्मक अंतर पैदा होगा। ऐसी स्थिति में अंतर सेंसर त्रुटि नहीं, कारक की प्रयोज्यता की समस्या हो सकता है।

दूसरा कारण: सीमा और इकाई अलग हैं

उत्सर्जन कारक सामान्यतःkg CH₄/head/year जैसी इकाई में किसी खास स्रोत का वार्षिक औसत दर्शाता है। मैदानी सेंसर ppm दर्ज करता है या किसी खास निकास काkg CH₄/h अनुमानित करता है। इन मानों की तुलना के लिए गैस, स्रोत, पशु-समूह, समय, संदर्भ अवस्था और हर को समान बनाना होगा।

यदि गौशाला मापन आंत्रिक किण्वन और भीतर के गोबर से निकलने वाले उत्सर्जन दोनों को पकड़ता है, पर केवल आंत्रिक किण्वन कारक से गुणा किया जाता है, तो प्रत्यक्ष मान अधिक आ सकता है। इसके विपरीत, यदि गौशाला सेंसर चराई के दौरान उत्सर्जन नहीं देखता, तो मान कम होगा। गोबर भंडारण टैंक गौशाला से बाहर हो और पूरे फार्म के कारक की तुलना केवल एक भवन के मापन से की जाए, तब भी सीमाएँ अलग हैं।

पशु संख्या भी केवल महीने के अंत की संख्या नहीं है। पशुओं के आने, जाने या मृत्यु से संख्या बदले तो animal-days इस्तेमाल करना पड़ सकता है। यदि कारक वार्षिक औसत संख्या पर लगाया गया, लेकिन प्रत्यक्ष मापन केवल अधिकतम पशु संख्या वाली अवधि में हुआ, तो समय भार अलग होगा। जीवित वजन, दूध या वजन वृद्धि से सामान्यीकृत परिणाम और साधारण प्रति-पशु परिणाम भी अलग प्रश्नों के उत्तर देते हैं।

तीसरा कारण: प्रत्यक्ष मापन वास्तविक दीर्घकालीन औसत का प्रतिनिधित्व नहीं करता

प्रत्यक्ष मापन का मान ठोस दिखता है, पर इससे वह प्रतिनिधि नहीं हो जाता। यदि केवल चारा देने के बाद कुछ घंटे, स्थिर मौसम वाले कुछ दिन या कुछ पशु मापे गए हैं, तो मान उन्हीं परिस्थितियों का है। मीथेन दैनिक चक्र, आहार-ग्रहण के स्वरूप, उत्पादन चरण और मौसम के अनुसार बदलता है। छोटे समय के मापन को 365 दिनों से गुणा करने पर नमूना अवधि का पक्षपात भी साथ बढ़ जाता है।

श्वसन चैम्बर में रिकवरी दर परीक्षण, पशु अनुकूलन और चैम्बरों के बीच अंतर संभालना पड़ता है। SF₆ विधि में पारगमन नली की रिलीज दर, पृष्ठभूमि नमूना और संग्रह समय महत्वपूर्ण हैं। spot-sampling उपकरण के लिए पशु के उपकरण पर आने का समय और आवृत्ति पूरे दिन का प्रतिनिधित्व करने चाहिए। FAO द्वारा संकलित मापन तकनीकों की तुलना भी दिखाती है कि हर विधि की लागत, लागू वातावरण, पशु या समूह स्तर और सीमाएँ अलग हैं।

गौशाला के द्रव्यमान संतुलन में वेंटिलेशन मात्रा सांद्रता से बड़ा अनिश्चितता स्रोत हो सकती है। विशेषकर प्राकृतिक वेंटिलेशन में हर खुलाव का प्रवाह और दिशा बदलती रहती है। भीतर के एक बिंदु की सांद्रता को नाममात्र वेंटिलेशन मात्रा से गुणा करने पर दशमलव कितने भी परिशुद्ध दिखें, कुल मात्रा गलत हो सकती है। सेंसर कैलिब्रेशन, स्थानिक प्रतिनिधित्व, पृष्ठभूमि सांद्रता और समय-सिंक्रनाइज़ेशन सभी जाँचना जरूरी है।

चौथा कारण: कारक का समय और प्रत्यक्ष मापन का समय अलग है

डिफॉल्ट कारक अतीत के कई अध्ययनों का औसत या किसी विशेष आधार वर्ष की परिस्थितियाँ दर्शाता है। नस्ल, उत्पादकता, आहार और गोबर प्रबंधन बदलें तो वर्तमान फार्म से अंतर होगा। IPCC का 2019 Refinement, 2006 मार्गदर्शिका की जगह लेने वाली अलग प्रणाली नहीं, बल्कि नई वैज्ञानिक जानकारी से उसे पूरक करता है; राष्ट्रीय इन्वेंटरी को संबंधित मार्गदर्शन और नवीनतम परिशोधन लगातार लागू करने चाहिए।

प्रत्यक्ष मापन भी उपकरण और एल्गोरिदम संस्करण के साथ समय में बदलता है। सेंसर बदलने, वेंटिलेशन मॉडल सुधारने या डेटा-रिक्तता उपचार बदलने के बाद पुराने डेटा को पुनर्गणित न किया जाए, तो समय-श्रृंखला में आया विच्छेद कटौती जैसा दिख सकता है। कारक विधि वही कारक लगातार इस्तेमाल कर वास्तविक बदलाव के प्रति असंवेदनशील हो सकती है, जबकि प्रत्यक्ष विधि पद्धति के बदलाव के प्रति अत्यधिक संवेदनशील हो सकती है। दोनों को लगातार समय-श्रृंखला और पुनर्गणना नीति चाहिए।

उद्देश्य के अनुसार विधियों की भूमिका बाँटें

राष्ट्रीय या क्षेत्रीय इन्वेंटरी की तरह जब बहुत से फार्मों को एकरूपता से शामिल करना हो और मैदानी मापन डेटा सीमित हो, तब उत्सर्जन-कारक विधि मूल ढाँचा बनती है। यदि स्रोत प्रमुख है और विस्तृत गतिविधि डेटा उपलब्ध है, तो Tier 2 से अधिक विवरण जोड़ा जाता है। विधि को उन्नत करने पर आवश्यक डेटा और QA/QC का भार भी बढ़ता है, इसलिए महत्व और संसाधनों के अनुसार चुनाव करें।

किसी फार्म के परिचालन बदलाव, आहार हस्तक्षेप की अल्पकालीन प्रतिक्रिया या खास उपकरण का उत्सर्जन देखने के लिए प्रत्यक्ष मापन अधिक जानकारी दे सकता है। लेकिन परिणाम को वार्षिक फार्म कटौती या क्रेडिट तक विस्तारित करने के लिए पद्धति में अपेक्षित आधाररेखा, अतिरिक्तता, निगरानी अवधि, रिसाव, अनिश्चितता और सत्यापन नियमों का पालन करना होगा। केवल सेंसर लगाने से कारक-आधारित आधाररेखा प्रतिस्थापित नहीं होती।

व्यावहारिक रूप से मिश्रित दृष्टिकोण उपयोगी है। पूरी इन्वेंटरी में कारकों से पूर्णता सुनिश्चित करें और प्रमुख स्रोतों, अधिक परिवर्तनशील पशु-समूहों तथा कटौती गतिविधियों को प्रत्यक्ष मापन से सुधारें या सत्यापित करें। प्रत्यक्ष डेटा से फार्म-विशिष्ट कारक विकसित करते समय जाँचें कि नमूना मौसम और पशु-समूह का प्रतिनिधित्व करता है, तथा लागू दायरा और वैधता अवधि बताएँ। जिन अवधियों और स्रोतों का प्रत्यक्ष मापन नहीं हुआ, उन्हें पारदर्शी रूप से मॉडल करें।

अंतर की जाँच के लिए समायोजन तालिका

दोनों विधियों के परिणाम अलग हों तो पहले उन्हें समान इकाई और अवधि में बदलें। फिर आंत्रिक किण्वन, गौशाला का गोबर और भंडारण टैंक जैसे स्रोतों की सीमाएँ मिलाएँ। animal-days, वजन, आहार-ग्रहण और उत्पादन मात्रा जाँचें तथा प्रत्यक्ष मापन के वैध डेटा अनुपात और मौसमी लागू दायरे को देखें। इसके बाद उत्सर्जन कारक की क्षेत्र, पशु प्रजाति और उत्पादन प्रणाली के लिए उपयुक्तता तथा संस्करण की समीक्षा करें।

अंतर को एक अवशेष के रूप में न छोड़कर समझाए जा सकने वाले भागों में विभाजित करें। सीमा का अंतर, गतिविधि डेटा का अंतर, कारक लागू करने का अंतर, मापन व वेंटिलेशन अनिश्चितता, समय बहिर्वेशन और अब तक अस्पष्ट अवशेष अलग करें। हर भाग के साथ आधार और अनिश्चितता देने पर पता चलता है कि किस डेटा को सुधारना चाहिए।

प्रत्यक्ष मापन से मिलाने के लिए कारक को मनमाने ढंग से बदलना या आधिकारिक कारक से मिलाने के लिए सेंसर मान को समायोजित करना उचित नहीं है। समायोजन कारक बनाने के लिए स्वतंत्र सत्यापन, पर्याप्त नमूना और पहले से परिभाषित सांख्यिकीय प्रक्रिया चाहिए। अंतर छिपाने की तुलना में उसका कारण और उपयोग-दायरा रिपोर्ट करना अधिक विश्वसनीय है।

कार्यान्वयन जाँच-सूची

  • क्या तुलना किए जा रहे दोनों परिणामों की गैस, स्रोत, स्थानिक सीमा, अवधि और इकाई समान हैं?

  • क्या विधि Tier 1·2·3 में से कौन-सी है और क्या कारक तथा इनपुट डेटा का संस्करण दर्ज है?

  • क्या कारक वास्तविक पशु प्रजाति, वजन, उत्पादन चरण, आहार और गोबर प्रणाली का प्रतिनिधित्व करता है?

  • क्या महीने के अंत की संख्या की जगह पशुओं के आने-जाने को दर्शाने वाली गतिविधि मात्रा इस्तेमाल की गई है?

  • क्या प्रत्यक्ष मापन में दिन-रात, मौसम, वेंटिलेशन मोड और प्रमुख परिचालन घटनाएँ शामिल हैं?

  • क्या सांद्रता को द्रव्यमान उत्सर्जन में बदलने वाली वेंटिलेशन मात्रा और पृष्ठभूमि सांद्रता सत्यापित हैं?

  • क्या आंत्रिक किण्वन और गोबर उत्सर्जन मापन या गणना में दोहराए या छूटे नहीं हैं?

  • विधि बदलने पर क्या पुरानी समय-श्रृंखला लगातार रूप से पुनर्गणित की जाती है?

  • क्या अंतर को सीमा, गतिविधि डेटा, कारक, मापन, बहिर्वेशन और अवशेष में बाँटा गया है?

  • क्या कटौती का दावा केवल कारक से तुलना पर नहीं, बल्कि उपयुक्त आधाररेखा, नियंत्रण और सत्यापन नियमों पर आधारित है?

निष्कर्ष: अलग मान विफलता नहीं, प्रश्न की शुरुआत हैं

उत्सर्जन कारक और प्रत्यक्ष मापन एक-दूसरे को समाप्त करने वाले विकल्प नहीं हैं। कारक व्यापक दायरे को लगातार भरते हैं और प्रत्यक्ष मापन वास्तविक फार्म के बदलाव तथा हस्तक्षेप की प्रतिक्रिया देखते हैं। औसत परिस्थितियाँ और मैदान अलग हों, सीमाएँ, अवधियाँ या गतिविधि डेटा न मिलें, अथवा प्रत्यक्ष नमूना दीर्घकालीन औसत का प्रतिनिधित्व न करे, तो परिणाम अलग होंगे।

महत्वपूर्ण यह नहीं कि किस संख्या को तुरंत अपना लिया जाए। पहले सुनिश्चित करें कि दोनों मान एक ही वस्तु देख रहे हैं, अंतर को समझाए जा सकने वाले कारणों और अनिश्चितताओं में बाँटें, फिर उद्देश्य के अनुरूप संयोजन विधि तय करें। इस प्रक्रिया के बाद असंगति डेटा गुणवत्ता और फार्म की विशेषताएँ सीखने वाला सत्यापन संकेत बनती है। प्रक्रिया छोड़ देने पर अधिक परिशुद्ध दिखने वाली एक संख्या नया भ्रम बन जाती है।

स्रोत