こんにちは。『炭素削減を実証する技術とソリューション』を書いたイ・ボンジュンです。今日は本に登場するデジタルMRVについて、一緒に考えてみたいと思います。出発点はおなじみの問いです。「本当に減ったのでしょうか？」炭素削減技術を導入する農家も、気候テック企業を検討する投資家も、最終的にはこの答えを知りたいはずです。
場面を一つ思い浮かべてみましょう。低炭素飼料を与え始めた後、畜舎のメタン濃度グラフが下がりました。うれしい変化ですね。でも、この時点ですぐに「飼料のおかげでメタン排出が減りました」と言ってよいでしょうか。私はここで少し立ち止まり、グラフの外にある条件も見てみましょうとお伝えしたいです。その日の換気ファンはどれくらい稼働していたか、牛の頭数や給餌時刻は同じだったか、といった点です。
濃度が下がれば、排出量も減ったのでしょうか？
まず、濃度と排出量を分けて考えましょう。濃度は、空気中にメタンがどれだけ含まれているかを表します。排出量は、一定の時間内にどれだけのメタンが出たかを示します。この二つの数値が答える問いは異なります。
同じ量のメタンが発生していても、換気を増やせば、より多くの空気に混ざって濃度が下がることがあります。室内の空気が希釈されたのです。反対に、濃度が同程度でも、外へ移動する空気の量が変われば、排出されるメタン量は変わる可能性があります。したがって、濃度グラフだけで飼料の削減効果を確定するのは難しいのです。
だからといって、センサーの値に意味がないわけではありません。センサーは現場の変化を把握する重要な道具です。ただし、その値に気流や背景濃度、測定位置などの情報を結び付けて初めて、排出量を解釈できるということです。特に自然換気の畜舎では、風や空気の移動をどう扱うかから検討する必要があります。
デジタルMRVは、数値の説明を記録に残すことです
MRVを説明しましょう。測定、報告、検証という三つのプロセスです。現場でデータを作り、どのような方法で計算したのかを説明し、その説明と根拠が定められた基準に合っているかを確かめます。本の第7章では、このプロセスを一つの証拠の連鎖として扱いました。最終的な数値までつながっていることが重要だからです。
デジタルMRVでは、センサー、通信、データ処理の技術を活用します。世界銀行のMRV解説も、デジタル技術がデータの収集・処理や品質管理に役立つと説明しています。ただし、自動的に収集したという事実だけで、測定値の品質まで確認されたことにはなりません。設置場所は適切だったか、装置の状態はどうだったかも合わせて見る必要があります。
何を測定するか決める前に、その結果を何に使うのかを考えてみることをお勧めします。農場の異常を把握するためでしょうか。飼料の効果を比べるためでしょうか。外部に削減量を提出するためでしょうか。目的が異なれば、必要なデータも検証範囲も変わります。
AIができることも分けて考えてみましょう
気候テックの話には、AIがよく登場しますね。センサーの異常を見つけたり、データが一時的に欠けた区間を推定したりする際に、AIが役立つことがあります。ここで覚えておきたいのは、予測がうまくできることと、変化の原因を証明することは同じではないという点です。
たとえば、AIがメタン濃度の変化をうまく予測したとします。だからといって、飼料がその変化を引き起こしたという結論まで自動的に導かれるわけではありません。季節や換気、飼育条件も同時に変わったかを確認する必要があるからです。計算で補った値を、直接測定した値のように見せてもいけません。何を観測し、何を推定したのかを示してこそ、結果を判断できます。
別の農場でも使えるAIかどうかを知りたい場合は、その農場の条件で性能を確認したか尋ねるとよいでしょう。学習データやモデルのバージョン、うまく適合しない条件も確認してください。本の第8章でこうした記録を重視したのは、モデルを実際に使える範囲を説明するためです。
投資家なら、グラフの背後にある記録も確認してください
気候テック企業を検討するなら、データの量だけでなく、そのデータがどのような判断に役立つのかも見ていただきたいです。画面に削減量が表示されたら、その数値がどこから来たのかたどってみましょう。どの装置のデータなのか、どんな補正や計算を経たのか、修正があれば誰がなぜ変更したのかを確認してください。
この経路をデータ系譜と呼びます。ほかの人もそのプロセスを一緒に確認できる必要があります。グラフは残っていても元データを入手できなければ、検討が難しくなることがあります。そのため、データへのアクセス権や引き継ぎ条件、校正履歴、処理ルールも確認する必要があります。
また、同じ数値を再計算できても、入力データや比較条件が誤っていれば、結論は不正確になり得ます。計算を再現できることと、入力根拠が適切であることの両方を確認しなければなりません。こうした点まで説明できるかを見ることが、技術を検討するよい出発点だと思います。
本を読みながら、ぜひ次の問いを書き留めてください
このデータは、誰のどのような判断を支えるために集めたのでしょうか？
濃度と排出量を区別して説明していますか？
飼育・給餌・換気条件を比較できる記録が残っていますか？
直接測定した値とAIで推定した値を区別していますか？
元データと校正・修正の履歴を確認できますか？
検証者の役割と利益相反を確認しましたか？
炭素削減の検証は、こうした問いに一つずつ答えていくプロセスです。センサーが設置され、データが蓄積したという事実から、さらに一歩踏み込みます。どのような変化を確認し、どこまで説明でき、何を追加で確かめる必要があるのかを記録するのです。検証結果があっても、クレジットの発行や販売収入については、該当要件と契約を別途確認する必要があります。
本を読んで、すべての計算を自分で行う必要はありません。データを受け取ったときに何を質問すべきか知っているだけでも違います。技術の約束とその根拠を並べて見られるからです。次に炭素削減のグラフを見かけたら、その数値が作られた過程も一緒に見ていただければと思います。
著者紹介
イ・ボンジュンは、西江大学校の技術経営大学院（MOT）を修了。Infitron Co., Ltd.で7年、Honeywellで20年、ガス計測分野に27年間従事し、サービスエンジニア、技術営業、チャネル管理の業務を担当した。現在はAI Safety Korea Co., Ltd.の創業者として、センサー・AI・データ分析を活用した畜産メタンモニタリングと測定・報告・検証（MRV）の仕組みを研究している。