何かが減ったと言うには、比較の出発点が必要です。先月でしょうか、それとも同じ季節の別の農場でしょうか。『炭素削減を実証する技術とソリューション』第7章では、炭素削減のベースラインと温室効果ガスのシステム境界をあわせて見ていきます。何と比較し、計算に何を含めるのかを知ってこそ、削減量の意味を読み取れるからです。
本書でまず区別してみたいことです
比較対象を決めた後は、変更の手順も必要です。新たなデータが得られて基準を補うことはあり得ますが、結果を見て有利な条件だけを選ぶこととは区別しなければなりません。理由、適用時点、影響を受けた範囲を記録してみてください。計算から抜けた項目も同じように確認できます。ルールに従って除外したのか、データを入手できず算定できなかったのかを分けるのです。二つの説明があれば、結果からどこまで主張できるか判断しやすくなります。
機器が正確でも、システム境界やベースラインが不適切なら結論を信頼するのは難しいでしょう。計算が正しくても、元データと変更履歴が不足していれば、検証可能な範囲は限られます。正確性と追跡可能性は互いの代わりにはなりません。測定値の品質と、その値が結論に至るまでの過程をあわせて確認する必要があります。
契約前には、対象となる主張・期間・境界、適用基準、保証水準と重要性、元データへのアクセス、利益相反の管理、成果物の利用範囲を合意します。必要に応じて、機関の認定・登録範囲も確認します。検証意見はその範囲内で読み、会社全体、製品性能、将来の削減量まで包括的に認証したものへと拡大解釈してはなりません。
システム境界とは、計算に含める排出源・ガス・期間・組織を定める基準です。境界が曖昧だと、同じ削減量について当事者が異なる結果を期待することになります。適用方法論の算入・除外ルールと重要性基準を確認し、農場全体の結果なのか、特定の排出源の結果なのかを報告書の冒頭に明記します。
境界設定で特に注意すべき誤りは、チェリーピッキングです。削減効果がよく出る排出源だけを含め、残りを除外することです。この誤りは多くの場合、意図的ではありません。入手できるデータだけを含めていくと、自然に起きることがあります。
統制のない単純な前後比較は、現場の変化を見つける出発点になり得ます。ただし、その差だけでは技術の因果効果を切り分けられません。対照データや妥当な準実験デザインを補い、残る交絡を評価する必要があります。何を観測し、何を推論したのかを分けて記すことが、後述するマトリクスを使う際の基本原則です。
校正。いつ、どの基準と手順で実施したか、校正前の状態と調整後の状態を区別して記録します。二つの点検時点の差だけでは、その間のドリフトの経路を確定できません。中間確認、環境ログ、再校正データをあわせて検討し、影響期間や補正の根拠が不十分なら、その結果の不確実性または利用制限に反映します。
現場ではこのように見てみましょう
飼養頭数が減った年に、農場の総排出量も減ったとしましょう。その変化を飼料の効果だけで説明すれば、生産規模の影響を見落とします。どの排出源と期間を含めたのか、比較条件をどのようにそろえたのかを確認する必要があります。ベースラインを都合よく選べば、同じデータでも効果が大きく見えることがあります。
濃度は空気中のガスの割合であり、排出率は単位時間あたりに排出される質量です。排出量を測定または推定するには、目的に合った濃度と流量、測定モデルを結びつける必要があります。濃度が下がっても、空気の移動量が増えていれば、質量排出率も同じ方向に変化すると断定できません。時間ごとの排出率を排出量につなげるには、測定期間と欠測区間の扱いも必要です。
センサーを比較する際は、測定範囲と分解能、他のガスへの交差感度、応答時間、ドリフトをあわせて確認します。温度・湿度・粉じんなどの環境条件と校正要件も検討しなければなりません。わずかな濃度差を見分ける必要があるなら、機器の表示単位と不確実性が目的に合っているかを、製品と運用モードごとに確認します。センサー原理の名称だけで、こうした条件を満たすとはいえません。
配置設計では、必ず文書に残すべき項目があります。各センサーの正確な位置（図面上の座標と高さ）、設置方向、周辺構造物、近くの給気口・排気口との距離、設置後の変更履歴です。畜舎の状況は変わり続けます。仕切りができ、ファンが交換され、飼槽が移動します。こうした変更が記録されなければ、データの不連続は原因不明のままになります。
投資を検討する際にあわせて問いかけてみましょう
投資を検討する際は、ベースラインの出典と変更手順を確認するとよいでしょう。成果を見た後で比較対象を変えていないかも尋ねてください。項目が抜けている場合、許容された除外なのか、データがなく算定できなかったのかを分けて説明する必要があります。この二つは意味が異なります。
AIの評価データは、利用目的に応じて分けます。将来の運転を予測するなら時間順の分割を、別の農場に展開するなら農場単位の分割を検討します。モデル選択に使うデータと、最終的な性能確認に使うデータも分けます。単純なベースラインモデルと比較し、平均誤差だけでなく、農場・季節ごとの偏りや失敗条件も確認しなければ、実際の利用範囲は説明できません。
変更を行う際は、理由、時点、結果を確認した範囲、影響評価を記録します。安全上の問題やデータの誤りによって計画を修正する必要が生じることもあります。ただし、結果を見た後で決めた分析を、事前に定めていた分析のように示してはなりません。当初の計画による結果と変更後の結果を区別し、新たに得た仮説は別のデータで確認します。
本を閉じる前に残しておきたい問いです
ベースラインと境界を定めることは、計算前の準備であると同時に、結果を解釈する基準でもあります。比較対象と算入範囲を一段落で書き出してみてください。その説明が明確なら、どのような条件で削減を主張できるのかも見えやすくなります。
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。