文章信息
- 武曙红, 宋维明
- Wu Shuhong, Song Weiming
- CDM造林再造林项目源汇估计的不确定性源及其估算方法
- Sources of Uncertainty and its Estimating Approach for Estimating Greenhouse Gas Emission by Sources and Removals by Sinks from Afforestation and Reforestation under CDM
- 林业科学, 2010, 46(4): 31-36.
- Scientia Silvae Sinicae, 2010, 46(4): 31-36.
-
文章历史
- 收稿日期:2008-01-21
- 修回日期:2010-02-05
-
作者相关文章
森林是陆地生态系统最重要的碳贮存库,增加森林面积是缓解大气温室气体浓度变化的一个重要途径。通过植树造林、森林管理、农田管理以及植被恢复等方式吸收CO2的成本通常比节能、发展可再生能源等方式减少CO2排放的成本低,所以《京都议定书》中的第3.3款规定,附件Ⅰ国家可以利用1990年以来开展的造林、再造林和避免毁林活动产生的温室气体汇清除量来抵消其在第一承诺期承诺的减限排指标(UNFCCC, 1997)。由于通过森林所吸收的碳难以核查,碳贮量变化的计量结果有较大的不确定性,《联合国气候变化框架公约》(United Nation framework convention on climate change,简称UNFCCC)第19/CP.9号决议关于清洁发展机制造林、再造林项目(afforestation and reforestation project under the clean development mechanism, 简称CDM-AR)方式和程序的第G.20(b)和G.26(c)中规定,项目参与方必须在估算人为净温室气体汇清除(net anthropogenic greenhouse gas removals by sinks)时对所采用的方法、参数、数据源、关键因子和额外性的选择方面的不确定性进行考虑(UNFCCC, 2003)。因此,人为净温室气体汇清除不确定性的估算是一个完整的CDM-AR项目方法学的基本要素之一,是项目参与方成功注册拟议项目的关键。
虽然UNFCCC第17/CP.7号决议建议项目参与方在设计和执行CDM项目活动时,应尽可能采用政府间气候变化专门委员会(intergovermental panel on climate change,IPCC)推荐的方法学对CDM项目产生的温室气体减排量或汇清除量的不确定性进行预测(UNFCCC, 2001),但IPCC编写的《IPCC国家温室气体清单优良做法指南和不确定性管理》仅仅涉及与氢氟碳化物(HFCs)、全氟化碳(PFCs)、六氟化硫(SF6)等温室气体相关的工业过程排放、与能源生产和消费相关的排放、农业排放以及废弃物排放等4个部门国家温室气体清单估算值的不确定性管理(IPCC, 2000),对与土地利用、土地利用变化和林业相关碳库的源排放量和汇清除量估算结果的不确定性并没有考虑。因此,我国的CDM-AR项目开发商在开发和选择CDM-AR碳计量方法学的过程中,迫切需要与碳计量不确定性有关的研究成果。本文拟通过对CDM-AR项目人为净温室气体汇清除估算值不确定性源和不确定性的量化方法的研究,帮助和指导项目开发商对碳计量方法做出选择决策,同时更好地确定未来改进方法学准确性的优先方向。
1 人为净温室气体汇清除不确定性源的分析 1.1 不确定性源的产生过程不确定性源通常是通过对不确定性源的产生过程进行分析来确定的。根据第19/CP.9号决议对人为净温室气体汇清除的定义可知,CDM-AR人为净温室气体汇清除是通过项目产生的实际净温室气体汇清除(actual net greenhouse gas removals by sinks)(指项目边界内碳库中可核查的碳贮量变化之和,减去项目边界内由CDM造林或再造林项目活动引起的、以CO2当量计算的温室气体源排放的增加),减去基准净温室气体汇清除(baseline net greenhouse gas removals by sinks)(基线情景项目边界内碳库中的碳贮量变化之和),再减去泄漏(leakage)(项目边界外由CDM造林或再造林项目活动引起的温室气体源排放的增加)来获得的(UNFCCC, 2003)。在对上述定义中所涉及的各汇清除或源排放进行计量时,无论是计量方法还是所选择的排放因子都具有一定的不确定性。这些不确定性主要来自测量的不确定性、取样的不确定性、参数的不确定性以及专家判断的不确定性。由不完善测量引起的不确定性主要有测量记录和传输数据方面的个人偏差、有限的仪器误差、不正确的测量标准或参考材料、从外部来源获得并用于数据处理的常数或其他参数(如来自IPCC指南的缺省值)以及测量方法和估算程序中包含的假设。
尽管连续测量项目产生的碳储量能够减少人为净温室气体汇清除估算值的不确定性,但从成本和各碳库年间变化幅度的角度考虑,这种减少不确定性的方法通常是不切实际的。在实际实施CDM-AR项目的过程中,通常采用定期和随机取样的方法对碳库中的碳储量进行测量,因而引入更多的不确定性,例如: 1)随机取样误差这种不确定性与随机样本数据相关,通常取决于样本的总体方差及样本大小(样本数量);2)缺乏代表性这种不确定性主要是由于活动数据的适用条件与项目的吸收或排放活动之间缺乏完整的对应关系引起的,例如,生物量碳库碳贮量的数据可能是在不考虑火灾、病虫害等自然灾害风险的情况下获得的,在这种情况下,所获得的数据只与不发生自然风险的生物量碳贮量相关,而对于可能存在自然风险的生物量碳贮量将存在很大的不确定性。
1.2 不确定性源的分析基于对不确定性产生过程的分析结果可知,CDM-AR项目产生的人为净温室气体汇清除的不确定性主要是由于由净温室气体汇清除、泄漏、项目边界内的碳贮量变化以及温室气体排放量估计值的不确定性引起的。
1.2.1 基准净温室气体汇清除的不确定性分析根据UNFCCC第19/CP.9决议中G.19对CDM-AR项目活动的基线所做的定义可知,基线是合理地代表在没有CDM-AR项目活动情况下,项目边界内碳库碳贮量变化之和的情景(UNFCCC, 2003),所以基线的确定实际是上对一种并不真正存在的假定情形的预测,这种假定情形的预测一般是通过采用经验值进行简单的逻辑推理和利用已有的经济模型模拟来完成的。由于预测模型中采用的一些假定或默认值会随着时间和地点而发生变化,所以现有的默认参数对项目所在地的情况是否合适不得而知,将默认数据用于社会经济背景不同的地区时会导致巨大的系统误差(过高或过低的碳排放或汇清除估计值)。根据IPCC《土地利用、土地利用变化与林业优良做法指南》推荐的方法,基准净温室气体汇清除是基于造林树种的生长曲线、生物量扩展因子、木材密度和根茎比来确定的(IPCC, 2003),而这些值通常都存在着一定的不确定性。
1.2.2 与确定碳库碳贮量相关的不确定性分析CDM-AR项目活动所涉及的5个碳库碳贮量估算的不确定性主要与计量方法有关,通常情况下,碳库碳贮量的计量采用分层抽样的调查方法,因此,本文只对抽样调查引起的碳贮量的不确定性进行分析。对于CDM-AR项目而言,项目产生的碳贮量是基于从项目区的样地中获取的估计值按造林面积及密度进行推算的。在这些步骤中可能会发生下列几类误差。
1) 测量误差 第一,进行测量时,经常会发生由于测量技术或仪器的各种不完善引起的测量误差。测量误差往往是系统性的,以一个确定的方向偏离真值。此种误差会在按比例放大的过程中传递。测量误差也可能是随机的,在这情况下,平均误差是0且正负偏差可能恰好相等。由仪器的不完善引起的误差小于系统误差,然而在将基本测量数据(树高、胸径)用于模型计算生物量或材积时它们可能导致系统误差。
第二,有关数据(如材积)并不是都通过直接测量来获得,而是采用模型来获得的。例如,计算单株乔木的碳贮量,通常先根据有关参数,如树种、年龄、直径和高度作为变量建立的材积估测模型,估算出单株材积,然后再利用其他模型或生物量转换因子将材积换算为生物量,并将生物量换算为碳。在利用模型时,将会发生模型误差,因为模型很少能够准确地预测出所需要的目标值。模型误差可能是随机误差,也可能是系统误差,其大小由所输入变量的值而定。
第三,在将从样地中获得的测量数据按比例放大到整个项目区时,由于获得数据的条件与整个项目区的条件不完全一致,也会发生抽样误差。选定样地内的平均条件很少与整个相关面积内的平均条件完全吻合。抽样误差(利用随机抽样设计和无偏差估计量)只是随机的,而且通过增加样本量能够缩小这些影响。
第四,如果比例尺的放大是基于土地覆被所获得的信息(例如来自遥感)而不是基于抽样调查,那么由于土地面积分类不正确,就会产生不确定性。这种分类误差是可以通过抽样调查研究误差的大小来确认和更正的。在这种情况下,为了避免主观选定样本可能造成的系统误差,调查应以随机抽样为基础。
第五,在抽样调查过程中,最后发生的误差类型可能就是数据登记和计算方面的错误引起的误差。虽然这些误差的技术性较少,但可能是引起抽样调查结果不确定性的重要来源。这类误差对抽样调查结果所带来的影响是难以评估的,只有在估测结果的合理性受到怀疑时才会被注意并得到更正。在预测结果没有受到明显的影响时,它们很少会被发现。
2) 样本量和抽样误差 抽样误差、总体方差与样本量之间的关系在数理统计学中已有详细说明。一般而言,样本量越大,可达到的精度越高,而且,在给定的精度水平下,异质性较大的总体所需要的样本数比异质性小的总体多。在估计面积比例时,抽样误差不只是取决于样本量而且取决于比例本身。在样本量给定的情况下,当土地利用类别比例P=0.5时,抽样误差最大;随着P接近0或1,误差缩小。
3) 量化抽样调查中的误差 模型误差可以不同方式进入总体不确定性评估中。例如,当模型是基于某个随机抽样单元的数据来建立时(如,生物量模型是基于某个抽样单元中获得的树高、胸径的数据来建立),该模型就会产生随机误差,在将模型应用到整个项目区时,模型的随机误差将会扩大到整个项目区,这将导致总体估计的不确定性增大。
1.2.3 与估计项目边界内温室气体排放量相关的不确定性分析通过对CDM-AR项目边界内温室气体排放估算方法的分析可知,在估算由化石燃料燃烧、生物质能丢失、生物质能燃烧以及氮肥的施用所引起的温室气体排放时,都要采用各种燃料、植物、肥料的排放因子和燃料及植物的燃烧率等参数。在实施CDM-AR项目的过程中,由于缺乏当地可用的数据,一般都是采用源自IPCC、项目东道国或地区公开发表文献的值,而这些值都是在各种特定的情况下测量出来的,CDM-AR项目的具体条件可能与获得这些值的特定条件不一致,所以存在使用这些缺省值的环境条件的不确定性。例如,如果在估计使用氮肥或种植固氮植物引起的N2O排放量时,采用IPCC的提供的排放因子1.25%,就会带来一定的不确定性,因为据IPCC资料显示,由于施用氮肥引起的N2O排放因子的变化范围为0.1%~10%,对于95%置信区间的最佳估计值范围从缺省值1.25%的1.5~5倍,即0.25%~6%(IPCC, 2000)。
1.2.4 与确定泄漏有关的不确定性分析CDM-AR项目的泄漏主要是通过使东道国的国家造林或再造林计划被取消、会引起温室气体排放的基线活动的转移、农林产品的价格波动以及项目边界外的源排放增加等途径产生的。由于实施项目而取消的造林计划和基线活动者所转移的活动具有很大的不确定性,所以,要对其所产生的泄漏进行估算,将会产生较大的不确定性。目前对泄漏的量化主要是基于项目边界外的源排放的数据来完成的,在量化过程中,不确定性主要来源于交通工具的数量和类型、燃料消耗量、所选择的排放因子以及牲畜数量估计的不确定性。在估计项目边界外的源排放所产生的泄漏时,所采用的排放因子一般是基于IPCC或国家温室气体清单报告中的缺省值来计算的,据专家判断,对于运输部门而言,二氧化碳排放量估算的不确定性大约为5%,对于农业部门而言,其排放因子的不确定性大约为8%(IPCC, 2000)。
2 人为净温室气体汇清除不确定性的量化 2.1 量化不确定性的方法分析由于CDM-AR项目人为净温室气体汇清除估算量的不确定性主要是由基准净温室气体汇清除、泄漏、项目边界内的碳储量以及排放量估算的不确定性综合作用带来的,所以人为净温室气体汇清除的不确定性就应该是这些不确定性源的总和。由于误差传递方法以数据表为基础,不需要额外的计算机软件,非常容易应用,所以CDM-AR项目人为净温室气体汇清除的不确定性可以以IPCC《2000优良做法指南》附件1(不确定性分析的概念基础)中所引用的误差传递方程(一种把各种函数的方差和协方差结合起来的方法)为基础,采用下列2种规则将各不确定性源的不确定性简单地合并来求出总体来预测。
1) 规则A 当不确定量由加法合并时,总的不确定性的标准偏差是通过将各不确定性源的不确定性量的标准差相加,然后将其和的平方再相加后再开平方根来获得的,其中标准偏差都以绝对值表示,该方法主要适用于不确定性源之间互不相关的情况。各不确定性来源的综合不确定性百分比可采用下列公式计算:
![]() |
(1) |
式中: Utotal为所有不确定性源的不确定性的总和,Ui为与每个量相关的不确定性的百分比。
2) 规则B 当不确定性量用乘法合并时,各不确定性来源的综合不确定性百分比可采用下列公式(IPCC, 2000)计算,该方法的适用范围与各种不确定性源的相关性无关:
![]() |
(2) |
式中: Utotal为所有不确定性源的不确定性的总和,Ui表示各不确性源的不确定百分比,xi表示(不确定性量)平均值。
2.2 相关碳库碳贮量估计值的不确定性1) 各碳库碳贮量估计值的不确定性 就项目边界内生物量碳库(地上、地下、粗木质残体和枯落物残体碳库)而言,碳贮量是通过生物量与生物量含碳率的乘积获得的;就土壤碳库而言,碳贮量是通过密度、土层深度和土壤有机碳含量的乘积获得的。无论是采用蓄积转换法还是相对生长法,生物量与各变量的关系都是乘积的关系,所以生物量碳库和土壤碳库碳贮量估计值的不确定性应该采用简单的误差传递方法中规则B的方法来确定。
由于乔木碳贮量变化和灌木碳贮量变化的估计都是基于固定样地的数据来完成的,所以其不确定性可采用碳贮量变化的平均值和95%的置信区间来确定;而就土壤有机碳、枯倒木、枯落物和非林木植被(灌木)的碳贮量变化的不确定性而言,由于其数据是从固定样地的临时样方中获得的,所以其不确定性应该采用简单的误差传递方法规则A来确定。各碳库碳贮量估计值的不确定性可参考下列公式进行计算:
![]() |
(3) |
![]() |
(4) |
就生物量扩展因子法而言,
![]() |
(5) |
就相对生长法而言,
![]() |
(6) |
![]() |
(7) |
![]() |
(8) |
![]() |
(9) |
![]() |
(10) |
![]() |
(11) |
![]() |
(12) |
式中: UAB-tree为乔木地上生物量碳库碳贮量估计值的不确定性,UBB-tree为乔木地下生物量碳库碳贮量估计值的不确定性,UV为乔木材积估计值的确定性,UD为乔木树种密度估计值的不确定性,UBEF为乔木树种生物量转换因子的不确定性,UCF-tree为乔木树种含碳率测定值的不确定性,UAB-tree-B为乔木树种地上生物量估计值的不确定性,UR-tree为乔木树种根冠比估计值的不确定性,UAB-shrub为灌木地上生物量碳库碳贮量估计值的不确定性,UBB-shrub为灌木地下生物量碳库碳贮量估计值的不确定性,UAB-shrub-B为灌木地上生物量估计值的不确定性,UCF-shrub为灌木含碳率测定值的不确定性,UR-shrub为灌木树种估计值的不确定性,Usoil为土壤碳库有机碳碳贮量估计值的不确定性,USOCC为土壤有机碳含量测定值的不确定性,UBD为土壤密度测定值的不确定性,UF为1-(粗糙碎片的体积/100)估计值的不确定性,UDW为粗木质残体(不包括枯立木)碳库碳贮量估计值的不确定性,UDW-B为粗木质残体(不包括枯立木)碳库生物量估计值的不确定性,Ul为枯落物碳库碳贮量估计值的不确定性,Ul-B为枯落物碳库生物量估计值的不确定性,UCF-l为枯落物碳库生物量含碳率测定值的不确定性,xV为乔木材积观测值的平均值(m3),xD为乔木木材密度测定值的平均值(g·cm-3),xBEF乔木生物量转换因子观测值的平均值,xAB-tree-B为乔木地上生物量碳库地上生物量的观测值的平均值(t C·hm-2),xCF-tree为乔木地上生物量碳库生物量含碳率测定值的平均值(t C·t-1 dm),xR-tree为乔木根冠比观测值的平均值,xAB-shrub-B为灌木地上生物量碳库地上生物量的观测值的平均(t C·hm-2),xCF-shrub为灌木地上生物量碳库生物量含碳率测定值的平均(t C·t-1 dm),xR-shrub为灌木根冠比观测值的平均值,xSOCC为土壤碳库有机碳含量测定值的平均值(t C·hm-2),xBD为土壤密度测定值的平均值(g·cm-3),xF为1-(粗糙碎片的体积/100)测定值的平均值,xDW-B为粗木质残体碳库生物量观测值的平均值(t C·hm-2),xl-B为枯落物碳库生物量观测值的平均值(t C·hm-2),xCF-l为枯落物生物量含碳率测定值的平均值(t C·t-1 dm)。
2) 项目碳贮量估计值的不确定性 项目产生的碳贮量是基于生物量碳库和土壤碳库碳贮量之和来确定的,所以项目总碳贮量估计值的不确定性应该采用简单的误差传递方法规则A的方法来确定。如果项目被分成几个层次,那么按式(13)计算出每层的不确定性, 再根据项目区的面积即可求出项目碳贮量估计值的不确定性。
![]() |
(13) |
式中: Ui为项目各层碳贮量估计值的不确定性,A为项目区的面积(hm2),UC-stock为项目碳贮量估计值的不确定性。
3) 项目边界内温室气体排放量估计值的不确定性 项目边界内温室气体排放量估计值是基于边界内各种排放活动产生的排放量之和来确定的,所以其估计值的不确定性可采用简单的误差传递方法中规则A的方法,参考下列公式来确定:
![]() |
(14) |
式中: UGHG-E为项目边界内由CDM-AR项目活动引起的温室气体(GHG)排放量的增加量估计值的不确定性,UFuelBurn为项目边界内由化石燃料燃烧引起的GHG排放量估计值的不确定性,Ubiomasslost为项目开始时项目边界内现存非林木植被活生物量碳贮量估计值的不确定性,UNon-CO2, BiomassBurn为项目边界内,由于生物质能燃烧引起的非CO2温室气体排放量估计值的不确定性,Udirect-Nfertizer为项目边界内由于直接施用氮肥引起的NO2排放量估计值的不确定性,Udirect-Nfixing为项目边界内由于间种固氮农作物和灌木引起的NO2排放量估计值的不确定性。
在各种排放活动中,化石燃料引起的温室气体排放量估计值是基于燃料消耗量与排放因子的乘积获得;现有非树木植被活生物量碳贮量减少的估计值是基于面积、生物量以及含碳率的乘积获得;生物量燃烧导致的温室气体排放量估计值是基于生物量燃烧率、含碳率、生物量以及燃烧面积的乘积获得;施用氮肥引起的N2O的排放估计值是通过氮肥的使用量与排放因子的乘积获得;间种固氮灌木或农作物引起的温室气体排放量估计值是基于固氮植物素固定的氮与由所固定的氮引起排放的排放因子的乘积获得,所以各种排放活动引起的温室气体排放量的估计值的不确定性应该采用简单的误差传递方法规则B来确定的。
由于CDM-AR项目的上述各种活动引起的温室气体排放估计是基于项目的估计,各种活动水平数据的可靠性要比基于国家或地区水平的估计可靠的多,所以就CDM-AR项目而言,其不确定性主要由是排放因子引起的。
4) 泄漏的不确定性 CDM-AR项目的泄漏主要包括:①由在项目边界以外运送种苗、农产品或林产品、劳动力以及工作人员所使用的交通工具所产生的泄漏;②基线活动者的转移活动产生的泄漏, 市场泄漏;③由间种作为牲畜饲料的植物引起牲畜肠道发酵所导致的泄漏;④生态泄漏等。由于要对活动转移泄漏和市场泄漏进行量化需要大量的数据,基于成本的考虑,通常情况下,仅对①和③ 2种类型的泄漏进行量化,而且泄漏所产生的温室气体排放量仅考虑由于化石燃料燃烧和项目提供额外的饲料使项目边界外饲养牲畜的数量增加2种情况,基于IPCC《2000优良做法和指南》中建议的自下而上的方法(IPCC, 2000),CDM-AR项目的泄漏是由项目使用交通工具消耗的燃料排放的温室气体量与由于实施项目导致牲畜数量增加引起的温室气体排放量之和来估算的。因此,泄漏的不确定性应该是根据规则A的方法采用下式来确定:
![]() |
(15) |
式中: ULKVehicle为所使用的交通工具消耗的燃料引起的温室气体排放量的不确定性,ULKLivestock为由于项目导致牲畜的增加引起的温室气体排放量的不确定性,ULK为泄漏估计值的不确定性。
5) 人为净温室气体汇清除的不确定性 根据人为净温室气体汇清除的定义,其不确定性可采用误差传递方法规则A的方法,参考下列公式计算:
![]() |
(16) |
式中: UAR-totalCDM-AR项目人为净温室气体的不确定性,UC-stock为项目碳贮量估计值的不确定性,UGHG-E为项目边界内由CDM-AR项目活动引起的GHG排放量的增加量估计值的不确定性,ULK为泄漏估计值的不确定性。
3 结语CDM-AR项目产生的人为净温室气体汇清除量是CDM执行理事会(executive board, 简称EB)签发核证减排额(certified emission reduction, 简称CERs)的主要依据,其计量方法及其估算结果的不确定性估算方法是EB造林再造林工作组审批项目拟议的方法学的内容之一,因此,分析CDM-AR项目人为净温室气体汇清除不确定性源以及研究其计量方法对项目开发商成功注册拟议的项目有着极其重要的意义。进行人为净温室气体汇清除量不确定性的研究并非是争论从方法学中获得的估算结果正确与否,而是为了帮助项目参与者从实际操作角度出发,选择合适的方法学以及改进已有的方法学。
IPCC. 2000. IPCC good guidelines for nation greenhouse gas inventories: workbook[J]. Japan: IGES, 3. |
IPCC. 2003. Good practice guidance for land use, land-use change and forestry (task 1)[J]. Japan: IGES: 73-75. |
UNFCCC.1997. Kyoto Protocol to the United Nations framework convention on climate change [1998-03-06]. http: //unfccc.int/kyoto_protocol/items/2830.php.
|
UNFCCC.2001.Decision 17/CP.7: Modalities and procedures for a clean development mechanism[2002-01-21].http: //unfccc. Int/resource/docs/cop7/13a02.pdf.
|
UNFCCC.2003.Decision 19/CP.9: Modalities and procedures for afforestation and reforestation project activities under the clean development mechanism in the first commitment period of the Kyoto Protocol[2004-03-03]. http: //unfccc. Int/resource/docs/cop9/06a02.pdf.
|