大家好，我是《证明碳减排的技术与解决方案》的作者李奉俊。今天想和大家聊聊书中的数字化 MRV。我们从一个熟悉的问题开始：“真的减少了吗？”无论是引入碳减排技术的农场，还是考察气候科技企业的投资者，最终都想知道这个问题的答案。
我们来想象一个场景。开始饲喂低碳饲料后，畜舍里的甲烷浓度曲线下降了。这当然是令人欣喜的变化。但这时可以立刻说“因为饲料，甲烷排放减少了”吗？我想请大家先停一下，也看看曲线之外的条件：当天通风风机运行了多久？牛的头数和饲喂时间是否相同？
浓度下降了，排放量也减少了吗？
先把浓度和排放量区分开来。浓度表示空气中混入了多少甲烷；排放量则表示在一段时间内排出了多少甲烷。这两个数字回答的是不同的问题。
即便排出的甲烷量相同，只要增加通风，甲烷分散到更多空气中，浓度就可能下降。也就是说，室内空气被稀释了。反过来，即便浓度相近，排到室外的空气量不同，排出的甲烷量也可能不同。因此，只看浓度曲线，很难确认饲料的减排效果。
这并不意味着传感器读数没有用。传感器是观察现场变化的重要工具。关键是要把读数与气流、背景浓度和测量位置等信息联系起来，才能解读排放量。尤其在自然通风的畜舍中，应先考虑如何处理风向和空气流动。
数字化 MRV 要留下数字背后的说明
我们来拆解一下 MRV：测量、报告、核查这三个过程。也就是在现场生成资料，说明使用了什么方法进行计算，并确认这些说明和依据是否符合既定标准。本书第7章将这一过程视为一条完整的证据链，因为从现场数据到最终数字之间的连接至关重要。
数字化 MRV 在此基础上运用传感器、通信和数据处理技术。世界银行对 MRV 的说明也指出，数字技术可以帮助收集和处理资料，并进行质量管理。不过，资料是自动采集的，并不代表测量值的质量已经得到确认。还需要查看设备安装位置是否合适、设备状态如何。
在决定测量什么之前，我建议大家先想想这些结果要用在哪里。是为了发现农场的异常情况吗？是为了比较饲料效果吗？还是要向外部提交减排量？目的不同，所需资料和核查范围也会不同。
AI 能帮什么，也要分清楚
气候科技领域经常提到 AI。AI 可以帮助发现传感器异常，或估算数据短暂缺失的区段。这里要记住，擅长预测与证明变化的原因并不是一回事。
假设 AI 能很好地预测甲烷浓度的变化。这并不会自动证明变化是饲料造成的。还要考察季节、通风和饲养条件是否也同时改变了。也不能把通过计算填补的数值展示成直接测量的结果。应说明哪些内容是观测到的，哪些是估算的，这样大家才能判断结果。
如果想知道 AI 是否也适用于其他农场，可以询问它是否已在那些农场的实际条件下验证性能。也请查看训练资料、模型版本和不适用的条件。本书第8章强调这些记录，是为了说明模型实际可用的范围。
投资者也要查看曲线背后的记录
考察气候科技企业时，除了数据量有多大，也请看看这些数据能帮助作出什么判断。当屏幕上出现减排数值时，可以追溯这个数字从何而来。请核实数据来自哪台设备、经过了哪些校正和计算；如果数据被修改，也要确认是谁因为什么原因修改的。
这条追溯路径称为数据谱系。其他人也应能够查看整个过程。如果图表还在，却无法取得原始资料，审查就可能变得困难。因此还要核实资料访问权和交接条件、校准记录及处理规则。
即使能够用相同的数字重新计算，只要输入资料或比较条件有误，结论仍可能不准确。因此，既要查看计算能否复现，也要查看输入依据是否恰当。我认为，能否说明这些内容，是技术评估很好的起点。
读这本书时，不妨记下这些问题
这些资料是为帮助谁作出什么决定而收集的？
是否区分并说明了浓度与排放量？
是否留有可用于比较饲养、饲喂和通风条件的记录？
是否区分了直接测量值与 AI 估算值？
是否可以审查原始资料以及校准和修改记录？
是否核实了核查人员的职责及利益冲突？
碳减排核查，就是逐一回答这些问题的过程。我们要比“安装了传感器、积累了数据”更进一步：记录确认了哪些变化、能够解释到什么程度，以及还需要核实什么。即使已经有核查结果，信用的签发或销售收入也要另行确认相应要求和合同条款。
读这本书，不需要自己完成所有计算。只要知道收到资料时该问什么，理解就会有所不同。这样就能把技术承诺和支撑它的依据放在一起看。下次看到碳减排曲线时，也希望大家一并看看这些数字是如何产生的。
作者简介
李奉俊毕业于西江大学技术经营研究生院（MOT）。他曾在Infitron Co., Ltd.工作7年，在Honeywell工作20年，累计在气体测量领域从事服务工程、技术销售和渠道管理工作27年。目前，他是AI Safety Korea Co., Ltd.的创始人，正在研究运用传感器、人工智能和数据分析开展畜牧甲烷监测，以及测量、报告与核查（MRV）体系。