O inventário nacional de gases de efeito estufa não é um sistema criado simplesmente pela soma dos relatórios de redução de fazendas individuais. Para aprimorar os fatores de emissão da pecuária, é preciso conectar dados representativos, condições de aplicação, gestão da qualidade e requisitos de revisão. O capítulo 17 de Tecnologia e soluções para comprovar a redução de carbono trata das interfaces entre produção e revisão de dados e aplicação institucional como questões de desenho de políticas.
Defina primeiro os conceitos e o escopo de aplicação
Nas conexões entre instituições, é preciso especificar as entregas e as autoridades decisórias. É necessário definir quem revisará os dados produzidos pela pesquisa, segundo quais critérios e em quais sistemas eles poderão ser usados depois. Criar uma nova organização, por si só, não resolve a conexão entre os dados. É preciso verificar separadamente os fatores nacionais, a inclusão dos efeitos de tecnologias específicas e a elegibilidade dos volumes de redução para receber compensação. Mesmo que os mesmos dados possam ser reutilizados, não é possível fundir critérios e limites diferentes em um único conjunto. A padronização consiste em explicitar as condições de conexão necessárias, e não em apagar essas diferenças.
Uma linha de base baseada em fatores de emissão também é uma opção. O IPCC Tier 1 usa fatores padrão, enquanto o Tier 2 para fermentação entérica considera de forma mais detalhada características da produção, ingestão bruta de energia e taxa de conversão de metano, entre outros fatores. Os fatores médios podem não captar bem os efeitos das tecnologias em fazendas individuais, mas o simples uso de fatores não torna uma abordagem inelegível para compensação. O critério é verificar se ela inclui fatores e dados de atividade permitidos pela metodologia aplicável, confirmação das condições de aplicação, tratamento da incerteza e verificação.
Os dados de campo das fazendas, a pesquisa sobre os efeitos da tecnologia, os fatores a incorporar às estatísticas nacionais e as avaliações necessárias para a compensação estão conectados, mas não são o mesmo procedimento. É preciso definir a qual instituição os dados serão enviados, em que formato e quem decidirá segundo quais critérios. Mesmo quando os mesmos dados puderem ser usados para várias finalidades, os limites e os requisitos de aceitação de cada sistema devem ser verificados separadamente. A tarefa de padronização é especificar as condições de conexão entre a produção de dados e sua aplicação institucional.
As estatísticas nacionais, a pesquisa e os programas de apoio têm finalidades e sistemas de revisão diferentes. Para melhorar as conexões, as instituições envolvidas devem partir das diretrizes existentes e dos registros de atividades para esclarecer em conjunto os dados adicionais e os procedimentos de revisão necessários às novas tecnologias de redução.
Compare os dados existentes com os requisitos de revisão e desenhe as amostras que faltam. Um teste controlado com poucos animais pode explicar a eficácia, mas talvez não represente as espécies, fases de crescimento e sistemas de alimentação de todo o país. Novas pesquisas devem evitar duplicar dados já disponíveis e se concentrar em reduzir as incertezas.
Quinto: institucionalizar a comparação entre equipamentos e métodos. Avalie o viés, a precisão e a representatividade usando testes de taxa de recuperação com o mesmo gás e ensaios com animais sob condições comparáveis. Aplicar câmaras e GreenFeed simplesmente ao mesmo tempo ou criar um único fator de conversão não elimina as diferenças entre todas as condições. Valide com dados externos o escopo de aplicação das equações de comparação.
Na primeira interface, diferencie os fatores de emissão de referência dos efeitos das tecnologias de redução. Não é correta a avaliação de que não existe um sistema de aprovação. O aspecto a aprimorar é esclarecer como, dentro desse sistema, serão analisados os efeitos de cada tecnologia, os dados de atividade e as incertezas e como tudo isso se conectará às estatísticas nacionais.
Condições e limites da aplicação em campo
Imagine que um teste de ração em uma fazenda específica tenha confirmado um efeito. Para incorporar esse resultado ao nível nacional, é preciso avaliar quais espécies e condições de criação ele representa e como os dados de atividade serão obtidos. Os resultados de demonstrações individuais e a aceitação de fatores nacionais são decisões diferentes; os requisitos da contabilidade empresarial e dos créditos também precisam ser verificados separadamente.
Antes de iniciar a pesquisa, compare os dados disponíveis, as condições com representatividade insuficiente e os itens necessários para a revisão. Os testes acadêmicos de eficácia e a pesquisa para aplicação nacional têm objetivos diferentes, mas não são incompatíveis. Usar os resultados do primeiro para desenhar a amostra do segundo pode reduzir repetições desnecessárias.
Revisão anual dos fatores e dos critérios dos programas. As instituições envolvidas verificam em conjunto os fatores recém-registrados ou atualizados, sua aplicação no inventário nacional e seus efeitos nos programas de apoio, e divulgam se foram incorporados e por quê. A publicação de documentos não garante sua execução; por isso, também é preciso acompanhar a instituição responsável, os prazos de implementação e as tarefas não concluídas.
Retroalimentação de fatores com dados dos programas. Dados de atividade sobre compras, alimentação, animais elegíveis e dias de criação podem contribuir para melhorar fatores quando combinados com medições diretas de amostras adequadas. Verifique programa por programa se há coleta universal e quais itens são realmente coletados, e não trate o volume e a qualidade dos dados como equivalentes.
É preciso verificar separadamente se os dados de prestação de contas dos programas também servem para aprimorar fatores. Dados coletados apenas para prestação de contas podem não incluir variáveis necessárias, como consumo de ração, representatividade e qualidade da medição. Primeiro, investigue os itens efetivamente coletados e os canais de transmissão dos programas vigentes; depois, identifique as lacunas e providencie melhorias. Não se deve afirmar de forma geral que os dados nunca são utilizados.
Evidências necessárias para a análise de investimentos
Instituições e investidores devem distinguir em quais sistemas pretendem utilizar os resultados do programa. A existência de resultados de pesquisa não determina automaticamente a concessão de compensação de políticas públicas nem a incorporação às estatísticas nacionais. É preciso especificar as entregas de dados, as instituições responsáveis e as revisões adicionais necessárias para tornar visível o caminho para seu uso real.
Os resultados serão divulgados. Publique tanto os pontos acordados quanto os que não foram acordados. É especialmente importante divulgar as questões sem consenso. Se ficar visível externamente o que está bloqueado e por quê, poderá surgir impulso político para resolver o impasse.
Se cada instituição repetir do zero a mesma demonstração, os encargos para as fazendas e as empresas aumentarão. Mas converter automaticamente o relatório de avaliação de uma instituição em uma aprovação para outra finalidade ultrapassa o escopo da verificação. A abordagem proposta neste livro preserva ao mesmo tempo a reutilização dos dados e a independência das decisões. Gerencie como conjunto comum de evidências a localização dos dados brutos, os registros de calibração, as amostras e o tratamento de dados ausentes, as incertezas, os custos e os direitos de uso; cada instituição receptora verifica os requisitos adicionais pertinentes à sua finalidade.
Critérios que devem orientar a decisão
A padronização do MRV nacional não termina com a coleta de dados em formatos iguais. É preciso desenhar a conexão entre amostras e métodos, autoridades de revisão e dados de atividade. É necessário preservar tanto a possibilidade de reutilizar dados comuns quanto os requisitos independentes de decisão de cada sistema.
Sobre o autor
Bongjun Lee concluiu a pós-graduação em Gestão de Tecnologia (MOT) da Sogang University. Trabalhou durante 27 anos no setor de medição de gases, incluindo 7 anos na Infitron Co., Ltd. e 20 anos na Honeywell, atuando como engenheiro de serviços, em vendas técnicas e na gestão de canais. Atualmente, como fundador da AI Safety Korea Co., Ltd., pesquisa o monitoramento de metano na pecuária com o uso de sensores, IA e análise de dados, bem como sistemas de medição, relato e verificação (MRV).