Um orçamento de incerteza não é uma “tabela que simplesmente amplia o erro”

Quando se pede que um resultado de redução de carbono seja acompanhado de sua incerteza, é comum tomar a exatidão indicada na ficha técnica do sensor, por exemplo ±2%, e aplicá-la sem alterações à redução final. No entanto, a redução não é uma única leitura do sensor. Ela resulta da subtração das emissões do período do projeto das emissões do período de linha de base e, conforme o caso, também incorpora fugas, emissões do projeto e mudanças no número de animais ou no volume de produção. Mesmo que o medidor de concentração seja muito exato, a redução poderá se desviar bastante se a vazão de ventilação for estimada incorretamente ou se a linha de base não representar o período de comparação.

O Vocabulário Internacional de Metrologia (VIM) define o orçamento de incerteza como uma descrição da incerteza de medição, de seus componentes e de como eles são calculados e combinados. Ele inclui o modelo de medição, as estimativas e incertezas de cada grandeza de entrada, covariâncias, distribuições de probabilidade, graus de liberdade, tipo de avaliação e, quando necessário, o fator de abrangência. Portanto, o orçamento de incerteza não é uma vaga “margem de segurança”, nem uma ressalva destinada a enfraquecer o resultado. É um documento técnico que mostra de quais informações o valor final depende e quais entradas devem ser aprimoradas para que o resultado realmente melhore.

Outro equívoco é usar incerteza e erro como se fossem a mesma coisa. Um número de animais inserido incorretamente, a confusão entre as unidades ppm e %, relógios dessincronizados ou a aplicação duplicada de um fator de calibração são erros que devem ser identificados e corrigidos. Em contraste, a dispersão que não pode ser totalmente eliminada com as informações atuais — como os limites remanescentes da calibração do sensor após a correção, a variação natural entre indivíduos e o grau em que a amostra representa a população — deve ser expressa como incerteza. Ampliar apenas o intervalo de incerteza sem corrigir um viés conhecido não é uma boa prática de projeto.

O primeiro passo é definir o mensurando em uma frase, antes da equação

O orçamento de incerteza exige primeiro a definição do que será medido, ou seja, do mensurando. Dizer apenas “redução de metano” não basta. É preciso especificar local, rebanho, período, limites, unidade e regra de comparação, por exemplo: “redução mensal da massa de metano (kg CH₄) emitida por 120 bovinos de corte do galpão A em 2026, no mês 6, entre os dias 1º e 30, em comparação com uma linha de base normalizada para a mesma unidade de produção”. A frase também deve estar vinculada à decisão de incluir somente a fermentação entérica ou também o metano do armazenamento de esterco, e à forma de subtrair a concentração de fundo externa.

Em seguida, expressa-se o resultado final como função das grandezas de entrada. Uma taxa de emissão simplificada de uma instalação pecuária pode ser representada da seguinte forma.

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

Nessa expressão, Q é a vazão volumétrica em base seca; x_out e x_in são as frações molares de metano na saída e na entrada; M_CH4 é a massa molar do metano; V_m é o volume molar na temperatura e pressão correspondentes; e t é o tempo integrado. A concentração em ppm é convertida em fração molar adimensional multiplicando-a por 10⁻⁶, e as bases seca e úmida da concentração e da vazão devem ser compatibilizadas. A redução R é calculada a partir da diferença entre as emissões da linha de base E_base e as emissões do projeto E_project, incorporando ajustes de emissões adicionais ou fugas dentro dos limites. Como uma instalação pecuária com ventilação natural não tem uma única saída e o fluxo de ar pode até se inverter, deve-se registrar o modelo completo do método adotado — como método do gás traçador, balanço de CO₂, balanço de massa ou modelo de dispersão — em vez de aplicar essa equação sem adaptações.

Escrever primeiro esse modelo revela itens ausentes. Permite verificar se apenas o sensor de concentração entrou no orçamento enquanto a vazão de ventilação foi omitida, se o ajuste do número de animais nos períodos de linha de base e do projeto é um modelo separado e se valores previstos para preencher lacunas foram tratados como observações. Também se devem registrar a versão do modelo de medição e seu período de aplicação. Quando a equação muda, o resultado e a incerteza mudam mesmo com os mesmos dados brutos.

As fontes de incerteza são identificadas em toda a cadeia de medição

Na prática, agrupar as causas em seis conjuntos reduz omissões.

  1. Instrumentação e calibração: valor certificado do gás padrão, zero e span, linearidade, resolução, repetibilidade, deriva de longo prazo, sensibilidade cruzada, efeitos de temperatura, umidade e pressão, além de vazamento e adsorção na linha de amostragem.

  2. Amostragem espacial: se o sensor representa de fato o ar que sai, se sofre viés por concentrações locais perto do ponto de alimentação, da saída de esterco ou dos ventiladores e se a distinção entre entrada e saída está correta.

  3. Amostragem temporal: se os ciclos de ruminação, alimentação, revolvimento do esterco e controle da ventilação foram suficientemente capturados e como foram tratados os períodos noturnos, fins de semana e estações não medidos.

  4. Dados de atividade: erros no número diário real de animais, peso, consumo, composição da ração, produção de leite ou ganho de peso, período de manejo do esterco e tempo de operação dos equipamentos.

  5. Modelo e conversões: incerteza resultante da estimativa da vazão de ventilação, subtração da concentração de fundo, bases seca e úmida, conversão para condições de referência, integração no tempo, substituição de dados ausentes e extrapolação.

  6. Linha de base e comparabilidade: diferenças entre a linha de base e o período do projeto decorrentes do clima, da composição do rebanho, da produtividade e de mudanças de manejo não relacionadas à ração.

Nesse contexto, os componentes obtidos por estatística de medições repetidas em geral se aproximam de uma avaliação Tipo A, enquanto os derivados de certificados de calibração, informações do fabricante, estudos anteriores ou julgamento especializado se aproximam de uma avaliação Tipo B. Isso não significa que o Tipo A seja uma “boa incerteza” e o Tipo B uma “estimativa ruim”. Ambos devem ser convertidos para a forma comum de incerteza-padrão e combinados; o essencial é documentar com transparência as fontes dos dados e as premissas.

Não se devem simplesmente somar todas as porcentagens

Para transportar a incerteza de cada entrada até a unidade do resultado final, é necessário um coeficiente de sensibilidade. Ele indica quanto o resultado muda quando o valor de entrada sofre uma pequena alteração. Se as entradas forem independentes e o modelo for aproximadamente linear, multiplica-se cada incerteza-padrão pelo respectivo coeficiente de sensibilidade, somam-se os quadrados dessas contribuições e extrai-se a raiz quadrada. Um orçamento de incerteza típico apresentado pelo NIST também organiza em tabela os componentes, os coeficientes de sensibilidade, os desvios-padrão e os graus de liberdade.

Entretanto, a hipótese de independência é frequentemente violada em dados pecuários. Se o mesmo sensor mediu os períodos de linha de base e do projeto, o viés de calibração atua em ambos. Se a geração de CO₂ e o consumo de ração usados no cálculo da taxa de emissão foram derivados dos mesmos dados de atividade, eles podem estar correlacionados. Vários sensores também podem compartilhar uma única correção de temperatura e umidade ou o mesmo gás padrão. Ignorar a covariância pode superestimar ou subestimar a incerteza. Tanto somar tudo indiscriminadamente em nome do “conservadorismo” quanto pressupor cancelamento por ser o mesmo equipamento exigem justificativa.

Em modelos não lineares, distribuições assimétricas, dados próximos ao limite de detecção ou razões com denominador pequeno, a propagação de erros de 1ª ordem pode ser instável. Nesses casos, uma simulação de Monte Carlo que defina as distribuições de probabilidade e a estrutura de correlação de cada entrada é útil. Porém, aumentar o número de simulações não corrige uma distribuição assumida incorretamente nem a falta de representatividade. A validação do modelo e a fundamentação das entradas vêm primeiro.

No relatório final, escrever apenas ± não permite interpretar o resultado. É preciso informar se se trata de incerteza-padrão combinada ou de incerteza expandida obtida pela multiplicação por um fator de abrangência, e qual é a probabilidade de abrangência. O NIST descreve a incerteza expandida como U = k × u_c e indica que, sob distribuição normal e condições suficientes, k=2 pode corresponder aproximadamente a um intervalo de 95%. Contudo, isso não resulta automaticamente em 95% para qualquer conjunto de dados. A distribuição, os graus de liberdade efetivos e o método adotado também devem ser apresentados.

Exemplo de orçamento de incerteza elaborado em uma fazenda

Suponha a comparação das emissões de um mês antes e depois da adoção de uma ração de baixo metano. A incerteza de calibração do medidor de concentração foi avaliada em 2%, mas a estimativa da ventilação natural em 18%, a amostragem espacial da diferença de concentração entre aberturas em 10%, a substituição de dados ausentes em 6% e a variação diária e semanal da linha de base em 12%. Não se deve simplesmente somar esses valores e registrar 48%. Primeiro, é preciso verificar sobre qual resultado cada item atua, se são independentes e se o viés comum se cancela na comparação antes/depois. Além disso, os valores do exemplo só podem ser comparados e combinados depois de convertidos em incertezas-padrão relativas referentes ao mesmo mensurando; a avaliação real varia conforme a distribuição, o fator de abrangência e a correlação.

Se a análise de sensibilidade mostrar que a vazão de ventilação responde por mais da metade da variância total, trocar o sensor de concentração por um modelo mais caro não é prioridade. Pode ser mais eficaz ampliar os ensaios com gás traçador, medir adicionalmente o fluxo de ar nas aberturas e estratificar os períodos de operação da ventilação. Se a variação da linha de base for dominante, devem vir primeiro a extensão do período de medição, um grupo-controle simultâneo e a normalização pelo número de animais e pelo consumo. O valor do orçamento de incerteza não se limita a produzir o intervalo final: ele também define a ordem dos próximos investimentos em medição.

Se a redução for de 100 kg CH₄ e a incerteza expandida for de 30 kg, o destaque não deve dizer apenas “redução de 100 kg”. Deve-se relatar algo como 100 kg CH₄, incerteza expandida de 30 kg, com período, limites, probabilidade de abrangência e método especificados. Ao comparar com critérios de reconhecimento ou limiares de emissão de créditos, aplicam-se separadamente as regras de conservadorismo do respectivo sistema. O cálculo da incerteza estatística não determina automaticamente a taxa de desconto ou a decisão de verificação prevista no programa.

Critérios de gestão para tornar o orçamento operacional

O orçamento de incerteza deve estar conectado ao pipeline de dados, e não ser uma tabela produzida uma única vez no fim do relatório. Quando o certificado de calibração do sensor é atualizado, o componente Tipo B do período correspondente também deve mudar. Se a taxa de dados ausentes ultrapassar o limite previamente definido, aplica-se o modelo de substituição estabelecido ou exclui-se o período, registrando o motivo. Se o número de animais ou a composição da ração mudar, a adequação da linha de base deve ser reavaliada.

O controle de versões deve conter, no mínimo, ID dos dados brutos, ID do sensor e do gás padrão, data de calibração, versão do código de cálculo, fonte e versão dos fatores de emissão e correção, regras para dados ausentes, responsável e histórico de aprovação. Se os dados brutos não forem sobrescritos e os valores corrigidos forem separados dos resultados calculados, será possível recalcular mesmo após uma mudança metodológica. Atribuir um responsável e um ciclo de reavaliação a cada item de incerteza evita a situação em que “a tabela existe, mas ninguém a atualiza”.

As diretrizes do IPCC para inventários nacionais tratam a análise de incerteza não como um procedimento para provar a perfeição de um único número, mas como um processo para priorizar a melhoria das principais fontes de incerteza e elevar a qualidade do inventário ao longo do tempo. O objetivo de um projeto em escala de fazenda não é igual ao de um inventário nacional, mas continuam válidos os princípios de identificar todas as fontes importantes, manter uma série temporal consistente e conectar o trabalho ao QA/QC.

Lista de verificação para execução

  • O mensurando foi definido em uma frase que inclua gás, limites, rebanho, período, unidade e condições de referência?

  • A redução final foi expressa como função de todas as entradas e correções, com a versão do modelo fixada?

  • Foram incluídas, além do sensor, as incertezas de amostragem espacial e temporal, vazão de ventilação, dados de atividade, dados ausentes e linha de base?

  • Os erros conhecidos e vieses corrigíveis foram corrigidos primeiro?

  • Foram registrados a base de cada componente Tipo A e Tipo B, sua distribuição, incerteza-padrão e graus de liberdade?

  • Foram examinadas as correlações e covariâncias decorrentes do uso comum de sensores, gases padrão e dados de atividade?

  • A contribuição de cada componente para o resultado final foi calculada por meio de coeficientes de sensibilidade?

  • Foi escolhido um método de propagação adequado à não linearidade, assimetria e aos problemas de limite de detecção?

  • A incerteza-padrão combinada e a incerteza expandida, o fator e a probabilidade de abrangência foram diferenciados no relatório?

  • O componente de maior contribuição foi vinculado ao próximo plano e orçamento de melhoria da medição?

Conclusão: um bom orçamento de incerteza não esconde as fragilidades dos números

Na medição de redução de carbono, incerteza não é sinal de fracasso. É uma forma de tornar quantitativas a variabilidade do mundo real e as limitações da informação. O importante não é acrescentar arbitrariamente um intervalo amplo, mas fixar o mensurando e o modelo e rastrear o caminho pelo qual cada fonte de incerteza entra no resultado.

Gerenciar somente a exatidão do sensor pode produzir uma redução incorreta com aparência de precisão. Em contraste, um orçamento que inclua representatividade espacial, vazão de ventilação, dados de atividade, linha de base e correlações mostra quais afirmações são possíveis e o que ainda precisa ser medido. Em última análise, o orçamento de incerteza não é um apêndice que enfraquece o desempenho de carbono, mas um projeto de qualidade que transforma registros de campo em alegações verificáveis.

Fontes