8 MEI 2026

Seberapa besar seharusnya kampanye pengambilan sampel karbon tanah Anda?

Ikhtisar

Sebagian besar kampanye pengambilan sampel karbon tanah sudah diberi harga sebelum pertanyaan yang tepat diajukan. Pertanyaan praktisnya bukan berapa banyak sampel yang diizinkan oleh anggaran, melainkan perubahan apa yang harus dideteksi oleh kampanye, pada skala berapa, dan dengan tingkat kepercayaan berapa. Artikel ini menguraikan empat keputusan hulu yang menggerakkan perhitungan, mendasarkan sebuah contoh terperinci pada data kakao terpublikasi dari Pantai Gading dan Ghana, serta memetakan desain tersebut terhadap rezim MRV 2026 yang akan mengauditnya: Verra VM0042 v2.2, EU Carbon Removals and Farming Regulation (EU 2024/3012), dan GHG Protocol Land Sector and Removals Standard.

Topik

Desain pengambilan sampel // Statistika // MRV // VM0042

Penulis

Dr. Thomas Fungenzi

Share

LinkedInEmail

Sebuah tim keberlanjutan menelepon soal baseline karbon tanah, biasanya karena laporan penghilangan Scope 3 atau program pemasok membutuhkan angka awal yang dapat dipertahankan. Pertanyaan kedua hampir selalu sama: berapa banyak sampel yang kami butuhkan? Itu pertanyaan yang wajar. Itu juga pertanyaan yang keliru.

Ukuran sampel adalah konsekuensi, bukan titik awal. Ia merupakan keluaran dari empat keputusan hulu: skala inferensi (lahan vs. proyek vs. program), varians stok pada skala tersebut, perbedaan minimum yang dapat dideteksi yang Anda pedulikan, dan tingkat kepercayaan yang Anda butuhkan. Kunci semuanya sebelum percakapan anggaran, bukan sesudahnya. Kampanye yang melewati langkah ini tiba di tahun kelima dengan data yang tidak mampu menguraikan efek yang diharapkan semua orang akan tampak, sebuah pola yang kini terdokumentasi secara empiris di puluhan lahan pertanian komersial1.

Skala inferensi: keputusan yang mengubah anggaran

Sebelum rumus apa pun, tetapkan skalanya. Laporan baseline untuk satu kebun pemasok adalah masalah presisi skala lahan: Anda menginginkan interval kepercayaan yang sempit untuk rata-rata stok saat ini. Program pengadaan 500 kebun yang mengklaim penghilangan Scope 3 adalah masalah deteksi perubahan skala proyek: Anda ingin membedakan sinyal penyerapan dari derau alami di banyak lahan sepanjang waktu. Kedua masalah ini memiliki rumus yang berbeda, kebutuhan data yang berbeda, dan label harga yang sangat berbeda.

Bradford dan koleganya menguji hal ini secara empiris pada 45 lahan pertanian komersial dan menemukan bahwa deteksi tingkat lahan individual atas laju penambahan yang bermakna (sekitar 3 ton C per hektare selama sepuluh tahun) tidak dapat diandalkan bahkan pada kepadatan pengambilan sampel 1.2 hektare per sampel: tampak penambahan dan kehilangan yang menonjol muncul di tempat yang tidak mengalami perubahan nyata1. Sebaliknya, pada skala proyek, 30 lahan berpasangan pada kepadatan yang sama menghasilkan estimasi rata-rata perubahan stok yang akurat pada sekitar 80 persen kasus. Potash dkk. (2025) mengajukan argumen ekonomi bahwa pengambilan sampel hanya sekitar 10 persen lahan dalam proyek besar, dengan pengambilan sampel ulang berpasangan, memberikan imbal hasil yang kompetitif atas investasi MRV dalam lima tahun2. Kesimpulannya tegas: jika desain Anda mengasumsikan setiap lahan harus membuktikan penyerapannya sendiri secara individual, itu desain yang keliru.

Tiga angka yang menggerakkan ukuran sampel

Setelah skalanya tetap, tiga masukan statistik menggerakkan perhitungan. Tidak ada yang opsional, dan tak satu pun dapat ditebak tanpa ada harganya.

Varians spasial (σ²)

Karbon tanah bersifat heterogen pada setiap skala. Di lahan pertanian beriklim sedang, Poeplau dan koleganya mendokumentasikan galat absolut rata-rata skala petak sebesar 5 sampai 8 ton C per hektare (7 sampai 9 persen dari stok) bahkan ketika mengambil sampel ulang pada profil yang sama dengan pergeseran posisi yang minimal, dan menemukan bahwa ketergantungan spasial itu lemah, sehingga membatasi seberapa besar stratifikasi dapat membantu di lahan yang relatif seragam3. Pada tanaman tahunan tropis, varians biasanya lebih tinggi. Untuk kakao di Ghana dan Pantai Gading, simpangan baku terpublikasi untuk stok SOC 0–30 cm berkumpul di sekitar 10 sampai 14 ton C per hektare4, didorong oleh posisi lereng bukit, arsitektur naungan, dan umur kronosekuens.

Dalam perancangan, σ² diambil dari karya terpublikasi yang sebanding pada tanah dan pengelolaan serupa (literatur SOC tropis akhirnya cukup kaya untuk kakao, kopi, dan kelapa sawit sehingga hal ini dapat dilakukan secara jujur), atau diperkirakan dari pilot 20 sampai 30 inti. Jangan lewatkan pilot: sensitivitas n akhir terhadap σ² bersifat kuadratik.

Perbedaan minimum yang dapat dideteksi (MDD)

MDD adalah perubahan terkecil yang harus dibedakan oleh kampanye dari derau. Untuk baseline, ia adalah presisi dari estimasi stok itu sendiri (misalnya ±3 ton C per hektare pada tingkat kepercayaan 95 persen). Untuk deteksi perubahan, ia adalah perubahan tahunan atau kumulatif terkecil yang penting bagi klaim (misalnya 0.5 ton C per hektare per tahun yang diakumulasi selama lima tahun). Membelah dua MDD melipatempatkan jumlah sampel; ini adalah hubungan yang paling menghukum dalam perancangan.

Sebuah peringatan menyusul. MDD yang kredibel untuk agroforestri kakao dan kopi pada horizon 5 sampai 10 tahun berada dalam kisaran total 2 sampai 5 ton C per hektare, sejalan dengan laju penambahan hasil meta-analisis sebesar 0.2 sampai 0.3 ton per hektare per tahun untuk agroforestri beriklim sedang5. Desain yang menargetkan perubahan kumulatif kurang dari 1 ton per hektare bukan sedang mendeteksi efek pengelolaan; mereka sedang mendeteksi curah hujan. Penerbitan kredit penggembalaan Australia pada 2023 membedah persis mode kegagalan ini: sekitar 250,000 ton kredit diterbitkan sebagian besar karena tahun basah Desil-10, bukan karena perubahan pengelolaan6.

Tingkat kepercayaan (α) dan daya (1 − β)

α adalah toleransi untuk positif palsu; β untuk negatif palsu. Nilai konvensionalnya adalah α = 0.05 dan daya = 0.8. Dua rumus dipakai, dan keduanya tidak dapat dipertukarkan. Untuk desain presisi baseline, bentuk yang relevan adalah n ≈ (zα/2 · σ / ε)², dengan ε adalah setengah lebar interval kepercayaan yang diinginkan. Untuk desain deteksi perubahan berpasangan pada dua titik waktu, bentuk yang relevan adalah rumus daya dua sampel di bawah ini. Kerangka awal artikel ini mencampur keduanya; keduanya ditampilkan di sini dengan kasus penggunaannya masing-masing.

Presisi baseline    n = (zα/2 · σ / ε)²
Deteksi perubahan    n = 2 σ² × (zα/2 + zβ)² / MDD²

Untuk bentuk deteksi perubahan dengan α = 0.05 dan daya = 0.8, (zα/2 + zβ)² ≈ 7.85. Dalam kedua kasus, varians dan MDD mendominasi segalanya, dan keduanya saling bertukar untung-rugi dengan cara yang nyata dan dapat dihitung.

Stratifikasi: pengganda varians yang biasanya (walau tidak selalu) sepadan dengan biayanya

Pengambilan sampel terstratifikasi dengan alokasi Neyman biasanya dapat memangkas jumlah sampel yang dibutuhkan untuk presisi sasaran sebesar kira-kira 15 sampai 35 persen untuk SOC di lahan pertanian, dan lebih banyak lagi di tempat kontras antarstrata kuat78, tetapi keuntungannya bergantung pada apakah strata benar-benar menangkap varians. Di lahan beriklim sedang yang relatif homogen, Poeplau dan koleganya menemukan keuntungan itu sederhana3. Di lanskap kakao tempat topografi, arsitektur naungan, dan kronosekuens mendorong perbedaan SOC yang besar, stratifikasi bersifat transformatif: Adiyah dkk. (2022, 2023) menunjukkan efek posisi lereng bukit yang signifikan dan perbedaan hingga lima kali lipat dalam perubahan SOC antarkelas umur49.

Stratifikasi yang dapat dipertahankan menggabungkan tiga lapisan: penginderaan jauh (sinyal kanopi dan tanah gundul dari Sentinel-2, dengan hamburan balik Sentinel-1 di tempat kelembapan atau varians struktural penting), topografi dan drainase dari DEM, serta riwayat pengelolaan yang direkonstruksi selama dekade sebelumnya, yang kini secara rutin dapat dipulihkan dari catatan petani atau citra deret waktu. Dua peringatan. Pertama, batas strata itu sendiri merupakan sumber varians ketika kovariatnya berderau; periksa rata-rata strata dari pilot sebelum mengunci alokasi. Kedua, VM0042 v2.2 dari Verra, yang disahkan ICVCM di bawah Core Carbon Principles pada Oktober 2025, menetapkan minimum 15 sampel per strata terlepas dari apa yang akan dialokasikan Neyman, dan belum menerima pemetaan tanah digital sebagai metode CCP yang disetujui. Jika proyek berniat memperoleh kredit di bawah VM0042 atau metodologi EU CRCF yang akan datang, selaraskan stratifikasi dengan batasan-batasan tersebut sejak hari pertama.

Sebuah contoh terperinci, berlandaskan data kakao terpublikasi

Sebuah perkebunan kakao seluas 500 hektare di selatan Pantai Gading. Target baseline ±3 ton C per hektare pada tingkat kepercayaan 95 persen atas rata-rata stok SOC 0–30 cm sekitar 45 ton C per hektare, sejalan dengan Adiyah dkk. (2022) untuk kakao lereng bukit Ashanti4. Pengambilan sampel pilot (25 inti) menghasilkan σ ≈ 11 ton C per hektare, konsisten dengan literatur terpublikasi alih-alih nilai yang diasumsikan.

Tanpa stratifikasi   n ≈ (1.96 × 11 / 3)² ≈ 52 inti

Distratifikasi menjadi tiga zona pengelolaan (tanam ulang muda, tegakan matang, renovasi baru) dengan σ dalam strata masing-masing 7, 8, dan 9 ton per hektare, alokasi Neyman mengurangi kebutuhan menjadi sekitar 28 sampai 30 inti, penghematan sekitar 45 persen. Jika minimum 15 sampel per strata dari VM0042 v2.2 berlaku, jumlahnya naik kembali ke 45, pada dasarnya menghapus keuntungan stratifikasi pada ukuran kebun ini. Ini adalah ketegangan dunia nyata yang harus dihadapi para praktisi secara eksplisit alih-alih ditutup-tutupi.

Untuk deteksi perubahan pada 0.5 ton C per hektare per tahun selama lima tahun, struktur yang layak secara ekonomi adalah pengambilan sampel ulang berpasangan tingkat proyek di 10 sampai 30 kebun yang terhubung, bukan upaya heroik pada satu kebun2. Hasil Bradford menjelaskan poin ini secara gamblang: memaksakan deteksi per-kebun dengan 60 sampai 100 inti berpasangan per titik waktu tetap akan menghasilkan estimasi per-kebun yang tidak dapat diandalkan, sementara anggaran yang sama yang didistribusikan ulang di 30 kebun pada skala proyek menghasilkan penambahan rata-rata yang dapat dipertahankan1. Inilah pergeseran kerangka yang telah dipaksakan oleh literatur 2023–2025 pada perancangan MRV.

Dua peningkatan tumpukan pengukuran yang mengubah ekonominya

Pertama, ambil sampel hingga 0–60 cm dalam setidaknya tiga inkremen (0–10, 10–30, 30–60). Adiyah dkk. (2023) menunjukkan bahwa pada agroforestri kakao yang lebih tua dari sekitar 18 tahun, penambahan SOC pada 20–60 cm melampaui penambahan di lapisan atas tanah dan tidak terlihat oleh desain 0–30 cm9. Raffeld dkk. (2024) menggeneralisasi peringatan ini ke seluruh sistem lahan pertanian dan tanaman tahunan10. Untuk tanaman tahunan berakar dalam, pengambilan sampel subsoil bukan lagi pilihan opsional.

Kedua, gunakan Massa Tanah Setara (ESM), bukan kedalaman tetap, untuk perhitungan perubahan stok. Fowler dan koleganya mendokumentasikan bahwa akuntansi kedalaman tetap membiaskan estimasi perubahan stok sekitar 15 sampai 20 persen untuk perubahan kerapatan lindak yang realistis, dan dapat menghasilkan keuntungan atau kerugian semu per-lahan dalam jumlah besar11. Koreksi massa-setara itu sendiri bukanlah hal baru: Ellert dan Bettany telah menetapkannya tiga dasawarsa lalu12, dan von Haden dan koleganya, bersama Raffeld dan koleganya, sejak itu telah menunjukkan betapa keliru perbandingan berbasis kedalaman ketika kerapatan lindak bergeser secara sistematis di bawah olah tanah tereduksi atau amendemen organik1310. VM0042 v3.0 Soil Sampling and Analysis Handbook dari Verra yang akan datang (dalam konsultasi publik hingga Maret 2026) menjadikan ESM sebagai standar bawaan. Artikel (atau proyek) tahun 2026 yang mengabaikan ESM adalah tanda bahaya kredibilitas.

Kontrafaktual dan pembauran iklim: mengapa kontrol tidak dapat ditawar

Desain deteksi perubahan tanpa kontrafaktual tidak mengukur pengelolaan, ia mengukur cuaca. Tahun basah dapat menggeser SOC terukur sebesar 2 sampai 8 ton per hektare sepanjang satu periode pengukuran, tiga sampai sepuluh kali penambahan realistis yang digerakkan pengelolaan6. Karena itu setiap kampanye deteksi perubahan yang kredibel membutuhkan salah satu dari: kontrol yang berlokasi sama (lahan berpasangan di bawah pengelolaan baseline, yang diambil sampelnya pada tanggal yang sama) atau normalisasi iklim eksplisit menggunakan model biogeokimia yang dikalibrasi secara lokal. Verifikator pihak ketiga pada 2026 akan menanyakan yang mana yang digunakan proyek. “Tidak keduanya” bukanlah jawaban yang bertahan.

Apa yang sebenarnya dituntut oleh lanskap MRV 2026

Tiga kerangka kini menerjemahkan prinsip-prinsip umum pengukuran, pelaporan, dan verifikasi karbon tanah 15 menjadi aturan yang harus diikuti oleh kampanye SOC serius mana pun. Verra VM0042 v2.2, yang disahkan ICVCM di bawah Core Carbon Principles pada Oktober 2025, menetapkan aturan stratifikasi, minimum sampel per strata, pengurangan ketidakpastian, dan akuntansi berbasis ESM; v3.0 dengan Soil Sampling and Analysis Handbook diperkirakan hadir selama 2026. EU Regulation 2024/3012 (CRCF) mulai berlaku pada Desember 2024; metodologi sertifikasi pertanian karbon tiba sepanjang 2026, dengan kriteria QU.A.L.ITY (kuantifikasi, adisionalitas, penyimpanan jangka panjang, keberlanjutan) yang membentuk cara klaim yang menghadap Uni Eropa akan diaudit. GHG Protocol Land Sector and Removals Standard mulai berlaku 1 Januari 2027, mensyaratkan pelaporan ketidakpastian kuantitatif, dan mewajibkan data empiris (berbasis pengukuran) untuk penghilangan pertanian produktif dalam inventaris Scope 316. SBTi FLAG selaras dengan ini semua.

Rancang kampanye sesuai standar yang akan menjadi acuan audit bagi pembeli, bukan standar yang paling akrab bagi laboratorium tanah.

Intinya

Ukuran sampel yang tepat adalah apa pun yang membuat klaim bertahan terhadap pemeriksaan yang benar-benar dihadapinya. Untuk baseline pada satu kebun kakao dengan σ yang realistis, itu biasanya 30 sampai 60 inti dengan stratifikasi yang tepat, kedalaman 0–60 cm, dan akuntansi ESM. Untuk klaim penyerapan multitahun yang kredibel, itu adalah desain berpasangan tingkat proyek di banyak kebun, bukan upaya heroik pada satu kebun. Revolusi penginderaan proksimal dalam empat tahun terakhir telah memangkas biaya per sampel beberapa kali lipat dan meningkatkan throughput secara substansial17, menggunakan inframerah tengah dan VisNIR dengan kalibrasi regional atau global18. Penghematan itu seharusnya dibelanjakan untuk lebih banyak sampel, profil yang lebih dalam, dan lebih banyak kebun, bukan untuk mencapai angka lama yang sama dengan uang lebih sedikit.

Poin-poin utama

  1. Tetapkan skala inferensi terlebih dahulu. Deteksi perubahan tingkat lahan tidak dapat diandalkan untuk laju penyerapan yang realistis; desain berpasangan tingkat proyek adalah struktur yang layak.

  2. Ukuran sampel adalah keluaran dari skala, varians, perbedaan minimum yang dapat dideteksi, dan tingkat kepercayaan. Estimasi σ berbasis pilot tidak dapat ditawar.

  3. Stratifikasi biasanya memangkas jumlah sampel sebesar kira-kira 15 sampai 35 persen, tetapi keuntungannya lebih kecil di lahan yang homogen, dan batas bawah 15-per-strata dari VM0042 dapat menghapusnya pada kebun kecil.

  4. Ambil sampel hingga 0–60 cm dan gunakan ESM. Desain kedalaman tetap 0–30 cm melewatkan sinyal subsoil dan tidak lagi tahan verifikasi.

  5. Kampanye deteksi perubahan tanpa kontrafaktual atau normalisasi iklim mengukur curah hujan, bukan pengelolaan.

  6. Rancang sesuai standar yang akan menjadi acuan audit bagi pembeli: VM0042 v2.2/3.0, EU CRCF, dan GHG Protocol Land Sector and Removals Standard kini menentukan seperti apa yang dapat dipertahankan itu.

Referensi

  • 1.Bradford, M.A. et al. (2023). Testing the feasibility of quantifying change in agricultural soil carbon stocks through empirical sampling. Geoderma, 440, 116719. doi:10.1016/j.geoderma.2023.116719
  • 2.Potash, E. et al. (2025). Measure-and-remeasure as an economically feasible approach to crediting soil organic carbon at scale. Environmental Research Letters, 20(2), 024025. doi:10.1088/1748-9326/ada16c
  • 3.Poeplau, C., Prietz, R. & Don, A. (2022). Plot-scale variability of organic carbon in temperate agricultural soils: implications for soil monitoring. Journal of Plant Nutrition and Soil Science, 185(3), 403–416. doi:10.1002/jpln.202100393
  • 4.Adiyah, F. et al. (2022). Effects of land-use change and topography on soil organic carbon stocks on Acrisol catenas in shade cocoa systems of the Ashanti region of Ghana. CATENA, 216, 106366. doi:10.1016/j.catena.2022.106366
  • 5.Cardinael, R. et al. (2017). Increased soil organic carbon stocks under agroforestry: a survey of six different sites in France. Agriculture, Ecosystems & Environment, 236, 243–255. doi:10.1016/j.agee.2016.12.011
  • 6.Mitchell, E. et al. (2024). Making soil carbon credits work for climate change mitigation. Carbon Management, 15(1), 2430780. doi:10.1080/17583004.2024.2430780
  • 7.Cochran, W.G. (1977). Sampling Techniques (3rd ed.). John Wiley & Sons. ISBN 978-0-471-16240-7.
  • 8.Potash, E., Guan, K., Margenot, A.J. et al. (2023). Multi-site evaluation of stratified and balanced sampling of soil organic carbon stocks in agricultural fields. Geoderma, 438, 116587. doi:10.1016/j.geoderma.2023.116587
  • 9.Adiyah, F. et al. (2023). Soil organic carbon changes under selected agroforestry cocoa systems in Ghana. Geoderma Regional, 35, e00737. doi:10.1016/j.geodrs.2023.e00737
  • 10.Raffeld, A.M. et al. (2024). The importance of accounting method and sampling depth to estimate changes in soil carbon stocks. Carbon Balance and Management, 19(1), 2. doi:10.1186/s13021-024-00249-1
  • 11.Fowler, A.F. et al. (2023). A simple soil mass correction for a more accurate determination of soil carbon stock changes. Scientific Reports, 13, 2242. doi:10.1038/s41598-023-29289-2
  • 12.Ellert, B.H. & Bettany, J.R. (1995). Calculation of organic matter and nutrients stored in soils under contrasting management regimes. Canadian Journal of Soil Science, 75(4), 529–538. doi:10.4141/cjss95-075
  • 13.von Haden, A.C., Yang, W.H. & DeLucia, E.H. (2020). Soils' dirty little secret: depth-based comparisons can be inadequate for quantifying changes in soil organic carbon and other mineral soil properties. Global Change Biology, 26(7), 3759–3770. doi:10.1111/gcb.15124
  • 14.de Gruijter, J.J., Brus, D.J., Bierkens, M.F.P. & Knotters, M. (2006). Sampling for Natural Resource Monitoring. Springer. doi:10.1007/3-540-33161-1
  • 15.Smith, P. et al. (2020). How to measure, report and verify soil carbon change to realize the potential of soil carbon sequestration for atmospheric greenhouse gas removal. Global Change Biology, 26(1), 219–241. doi:10.1111/gcb.14815
  • 16.GHG Protocol. (2026). Land Sector and Removals Standard (v1.1). World Resources Institute and WBCSD. Effective for inventories from 1 January 2027. Cited alongside Verra VM0042 Improved Agricultural Land Management v2.2 (ICVCM-approved, Oct. 2025) and EU Regulation 2024/3012 (CRCF, in force Dec. 2024).
  • 17.Ramírez, P.B. et al. (2022). Using mid-infrared spectroscopy to optimize throughput and costs of soil organic carbon and nitrogen estimates. Environments, 9(12), 149. doi:10.3390/environments9120149
  • 18.Hutengs, C. et al. (2024). Enhanced VNIR and MIR proximal sensing of soil organic matter and microbial properties via machine learning ensembles and external parameter orthogonalization. Geoderma, 450, 117037. doi:10.1016/j.geoderma.2024.117037 See also Greenberg, I. et al. (2022), Geoderma 409, 115614, and Hong, Y. et al. (2024), CATENA 235, 107628.

Share this article

LinkedInEmail