จะคำนวณปริมาณคาร์บอนในต้นไม้อย่างไร? วิธีการ ความไม่แน่นอน และการบัญชี

มีตัวเลขยอดนิยมที่หมุนเวียนกันอยู่: ต้นไม้หนึ่งต้นกักเก็บ CO₂ ราว 22 กิโลกรัมต่อปี มันฟังดูอุ่นใจ เรียบง่าย และผิดบ่อยพอที่จะเป็นอันตรายเมื่อใช้เป็นฐานของการบัญชีคาร์บอน ต้นไม้ชนิดเดียวกันที่เติบโตในสองภูมิอากาศต่างกันอาจต่างกันได้ถึงสามเท่า ต้นไม้อายุน้อยกับต้นไม้โตเต็มวัยของชนิดเดียวกันอาจต่างกันได้ถึงสิบเท่า คำถามจึงไม่ใช่ “เท่าไร” แต่เป็น “เราจะคำนวณมันสำหรับต้นไม้ต้นนี้ ในที่แห่งนี้ ที่อายุเท่านี้ พร้อมความไม่แน่นอนที่ปกป้องได้รอบตัวเลขนั้นได้อย่างไร?”

การคำนวณนี้ไม่ได้ลึกลับ มันคือลูกโซ่สี่ขั้นตอน บวกขั้นที่ห้า: การแพร่กระจายความไม่แน่นอน (uncertainty propagation) ซึ่งกลายเป็นสิ่งที่ไม่อาจต่อรองได้ภายใต้โครงสร้างกำกับดูแลปี 2026 แต่ละขั้นมีวิธีที่ปกป้องได้ และมีจุดที่รู้กันดีว่าผู้ปฏิบัติมักตัดมุม ความไม่แน่นอนของชีวมวลเหนือพื้นดินระดับแปลงในวรรณกรรมที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิยังอยู่ในช่วง 10–40% และลำพังความคลาดเคลื่อนของ allometric ระดับต้นไม้ก็มีส่วนถึง 30–75% ของความไม่แน่นอนรวมในค่าประมาณคาร์บอนระดับหมู่ไม้ถึงภูมิทัศน์1คำถามในการตรวจสอบเมื่อปี 2026 ไม่ได้มีเพียง “ค่าประมาณของคุณคือเท่าไร?” แต่ยังรวมถึง “ช่วงความเชื่อมั่นของคุณคือเท่าไร และคุณสร้างมันขึ้นมาอย่างไร?”

ขั้นที่ 1: จากมิติของต้นไม้สู่ชีวมวลเหนือพื้นดิน

ชีวมวลเหนือพื้นดิน (AGB) ประเมินจากมิติของต้นไม้ที่วัดได้ ซึ่งพบบ่อยที่สุดคือ เส้นผ่านศูนย์กลางที่ระดับอก (DBH วัดที่ 1.3 ม.), ความสูงของต้นไม้ (H) และความหนาแน่นเนื้อไม้ (ρ) รูปแบบฟังก์ชันที่โดดเด่นในวรรณกรรมวนศาสตร์เขตร้อนคือ สมการ allometric แบบ pantropical ของ Chave2:

นี่คือสมการแบบ pantropical หมายความว่ามันถูกปรับพอดี (fit) ข้ามหลายชนิดพันธุ์และหลายภูมิภาค มันเป็นจุดเริ่มต้นที่ใช้การได้ แต่เป็นจุดสิ้นสุดที่อันตรายสำหรับงานที่มีเดิมพันสูง เพราะความเอนเอียง (bias) ของมันเป็นเชิงระบบมากกว่าจะเป็นแบบสุ่ม ความสูงมักเป็นตัวการ เนื่องจากความสัมพันธ์ความสูง–เส้นผ่านศูนย์กลางของแต่ละภูมิภาคอาจต่างจากค่าเฉลี่ย pantropical อย่างมาก ความสูงของต้นไม้จึงต้องถูกผนวกเข้าไปในแบบจำลองชีวมวล pantropical อย่างชัดแจ้ง แทนที่จะปล่อยให้แฝงอยู่ในเส้นผ่านศูนย์กลาง3 ในป่าทางตะวันออกเฉียงเหนือของอเมซอน ความสัมพันธ์แบบ pantropical ประเมินชีวมวลของป่าน้ำท่วม (várzea) สูงเกินไปราว 17% และประเมินป่าดอน (terra-firme) ต่ำเกินไปในระดับใกล้เคียงกัน ขณะที่การแทนที่ด้วยแบบจำลองความสูง–เส้นผ่านศูนย์กลาง ที่ปรับพอดีเฉพาะพื้นที่ทำให้ความต่างนั้นยุบเหลือราว 1%4 ปัญหานี้ยิ่งทวีคูณในภาคสนาม: การวัดภาคสนามตามปกติประเมินความสูงของต้นไม้สูง ๆ ต่ำเกินไปอย่างเป็นระบบ และความคลาดเคลื่อนนั้นส่งผ่านตรงไปยังชีวมวล5 ผลที่ตามมาคือความย้อนแย้งที่คุ้นเคย: แผนที่ pantropical ระดับภูมิภาคอาจไม่มีความเอนเอียงในภาพรวม ทั้งที่ทุกโครงการระดับท้องถิ่นที่มันครอบคลุมกลับผิดพลาดอย่างหนัก

การสแกนด้วยเลเซอร์ทางอากาศ (airborne laser scanning) ทำให้เดิมพันทางเศรษฐกิจเห็นชัด ในเฟรนช์เกียนา การแทนที่ allometry ความสูงแบบ pantropical ด้วยความสัมพันธ์เฉพาะพื้นที่ที่ได้จาก ALS ลดความคลาดเคลื่อนของความสูงเฉลี่ยลงเกือบครึ่ง และเลื่อนค่าประมาณ AGB ไป 40–54 ตัน/เฮกตาร์ คิดเป็นการเปลี่ยนแปลง 11–13% ซึ่งมากกว่าอัตรากำไรตามปกติของโครงการคาร์บอน6 สมการ allometric เฉพาะชนิดพันธุ์หรือเฉพาะพื้นที่ให้ผลดีกว่ารูปแบบ pantropical อย่างสม่ำเสมอ โดยเฉพาะกับชนิดพันธุ์ที่มีสถาปัตยกรรมผิดแปลก (ปาล์ม, เฟินต้น, ชนิดที่มีพูพอนแข็งแรง) และกับชนิดพันธุ์วนเกษตรที่ไม่เข้ากับโครงสร้างซึ่งลำต้นเป็นหลักของไม้ป่าธรรมชาติ7

เมื่อ allometry เฉพาะชนิดพันธุ์คุ้มค่ากับต้นทุน

สมการ allometric เฉพาะทางต้องอาศัยการเก็บตัวอย่างแบบทำลาย (destructive sampling): ตัดต้นไม้อ้างอิงชุดหนึ่งที่ครอบคลุมช่วงขนาดของหมู่ไม้ ชั่งน้ำหนักชีวมวลสด และวัดสัดส่วนน้ำหนักแห้ง สำหรับชนิดพันธุ์เดียวตลอดอายุโครงการ โดยทั่วไปคือ 15 ถึง 25 ต้น ต้นทุนนั้นมีอยู่จริง แต่การลดความไม่แน่นอนมักมากกว่ามาตรการอื่นใดในโครงการคาร์บอนจากต้นไม้ โดยมักลดช่วงการทำนาย (prediction interval) รอบค่าประมาณชีวมวลระดับหมู่ไม้ลง 40 ถึง 60 เปอร์เซ็นต์8

ประเด็นที่ละเอียดอ่อนกว่าปรากฏขึ้นในงานวิจัยล่าสุด: ควรเลือกสมการ allometric ตามสมรรถนะการทำนายระดับแปลง ไม่ใช่ RMSE หรือ AIC ระดับต้นไม้ ความคลาดเคลื่อนตกค้าง (residual) หักล้างกันข้ามต้นไม้ภายในแปลงหนึ่ง ดังนั้นแบบจำลองที่ทำนายต้นไม้แต่ละต้นได้ดีที่สุด มักไม่ใช่แบบจำลองที่ทำนายผลรวมของแปลงได้ดีที่สุด ซึ่งผลรวมของแปลงต่างหากคือปริมาณที่สำคัญต่อการบัญชีคาร์บอน9 โครงการที่เลือกแบบจำลองด้วยสถิติผิดตัวก็กำลังวัดในสิ่งที่ผิด

ขั้นที่ 2: ความหนาแน่นเนื้อไม้คือตัวคูณที่ถูกมองข้าม

ความหนาแน่นเนื้อไม้ (ρ หน่วย g/cm³) เข้าสู่สมการแบบ Chave อย่างเป็นเชิงเส้น ดังนั้นความคลาดเคลื่อน 10% ใน ρ จึงแปลตรง ๆ เป็นความคลาดเคลื่อน 10% ใน AGB ความหนาแน่นผันแปรข้ามชนิดพันธุ์มากกว่าพจน์อื่นใดในสมการ10 ไม้เบิกนำโตเร็วอย่าง Ochroma pyramidale (บัลซา) มี ρ ราว 0.15 g/cm³; ไม้เนื้อแข็งอย่าง Milicia excelsa มี ρ ราว 0.65; ส่วนอะเคเซียเนื้อแน่นบางชนิดเกิน 0.85 อัตราคาร์บอนต่อต้นแบบทั่วไปที่ไม่ปรับตาม ρ ระดับชนิดพันธุ์ ก็เท่ากับสมมติว่าใช้ค่าเฉลี่ย และในระบบวนเกษตรที่มีหลายชนิดพันธุ์ปะปนกัน สมมติฐานนั้นคือแหล่งความคลาดเคลื่อนเชิงระบบที่ใหญ่ที่สุดเพียงแหล่งเดียวในการประมาณ AGB

Global Wood Density Database คือแหล่งอ้างอิงมาตรฐานสำหรับค่า ρ ที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิครอบคลุมราว 16,000 ชนิดพันธุ์11 พร้อมการปรับปรุงที่มุ่งเน้นวนเกษตรอย่างต่อเนื่อง เดิมพันเมื่อใช้มันไม่ดีพอนั้นมีอยู่จริง: การพึ่งค่าเฉลี่ยระดับสกุลแทนความหนาแน่นเฉพาะชนิดพันธุ์ทำให้ความไม่แน่นอนระดับแปลงพองขึ้น และในระบบมิออมโบ (miombo) และโกโก้ของแอฟริกา ค่าความหนาแน่นตั้งต้นอาจประเมินชีวมวลของกลุ่มชนิดพันธุ์บางกลุ่มคลาดเคลื่อนได้ สำหรับงานที่ขาดค่าระดับชนิดพันธุ์ ค่า ρ ระดับสกุลหรือระดับวงศ์เป็นทางเลือกสำรองที่ปกป้องได้ แต่ค่าเฉลี่ยระดับโลกนั้นไม่ใช่

โกโก้คือตัวอย่างที่ชัดเจน allometry ทั่วไปและแบบ pantropical ประเมิน AGB ต่อต้นของ Theobroma cacao ผิดพลาด และสมการเฉพาะโกโก้สามารถปรับค่าประมาณการกักเก็บระดับหมู่ไม้ ได้อย่างมีนัยสำคัญ: ผลต่างที่มีการตีพิมพ์อยู่ในช่วงตั้งแต่ไม่กี่เปอร์เซ็นต์ไปจนถึงหลายสิบเปอร์เซ็นต์ ขึ้นกับพื้นที่และสมการอ้างอิงที่ใช้12 ช่วงกว้างนั้นมีนัยโดยตรงต่อตลาดคาร์บอนเครดิตจากวนเกษตรโกโก้ในแอฟริกาตะวันตก ซึ่งเรือนยอดไม้ให้ร่มเงาถือครองคาร์บอนส่วนใหญ่ของระบบ

ขั้นที่ 3: ชีวมวลใต้พื้นดินและสัดส่วนคาร์บอน

ชีวมวลเหนือพื้นดินคิดเป็นราว 70 ถึง 80 เปอร์เซ็นต์ของชีวมวลรวมของต้นไม้ ชีวมวลใต้พื้นดิน (BGB) แทบทั้งหมดประเมินผ่านอัตราส่วนราก:ยอด (root:shoot) แทนการขุดขึ้นมา เพราะการขุดในระดับพื้นที่กว้างเป็นเรื่องที่ทำไม่ได้จริง13 ค่าตั้งต้นของ IPCC สำหรับป่าดิบชื้นเขตร้อนในอดีตอยู่ราว 0.24–0.3714 แต่การสังเคราะห์ระดับโลกจากข้อมูลต้นไม้รายต้นได้ปักหมุดใหม่ให้แก่วงการ: ค่าเฉลี่ย R:S ระดับโลกที่แท้จริงใกล้เคียง 0.25 ± 0.10 และมันลดลงตามขนาดต้นไม้ ดังนั้นค่าประมาณที่สร้างจากแปลงเล็กและต้นไม้อายุน้อยจึงประเมินมันสูงเกินไปอย่างเป็นระบบ15 ป่าดิบชื้นเขตร้อนอยู่ปลายต่ำ (R:S ~0.20–0.24); ส่วนระบบเขตหนาวและเขตแห้งจะสูงกว่า การใช้ค่าตั้งต้นเดียวข้ามพอร์ตโฟลิโอโครงการที่ปะปนกัน ทำให้เกิดความคลาดเคลื่อน 20–40% ต่อคาร์บอนใต้พื้นดิน ในวนเกษตรและการฟื้นฟูพื้นที่แห้งแล้งที่รากอาจสูงถึง 30–40% ของคาร์บอนรวม ความคลาดเคลื่อนนั้นมีนัยสำคัญ

การแปลงจากชีวมวลเป็นคาร์บอนใช้สัดส่วนคาร์บอน (CF) ค่าตั้งต้นของ IPCC คือ 0.47 ซึ่งเป็นตัวเลขที่เคมีเนื้อไม้สมัยใหม่ได้ปลดระวางไปเป็นส่วนใหญ่แล้ว การสังเคราะห์ระดับโลก พบว่าคาร์บอนระเหย (เทอร์พีน, ฟีนอลิก และสารประกอบอื่นที่สูญเสียไประหว่างการอบแห้ง) เฉลี่ยราว 1.4% ของมวลแห้ง และถูกวิธีมาตรฐานในห้องปฏิบัติการมองข้ามไปอย่างเป็นระบบ16 เมื่อคิดบนฐานที่แท้จริงซึ่งแก้ค่าคาร์บอนระเหยแล้ว ชนิดพันธุ์เขตร้อนมีคาร์บอนเฉลี่ยราว 48–52% อยู่ในช่วงตั้งแต่ราว 45% ถึงมากกว่า 55% ข้ามกลุ่มอนุกรมวิธาน; ไม้เนื้อแข็งเขตอบอุ่นอยู่ใกล้ 48% ส่วนสน (conifer) อยู่ที่ 50–52%17 การใช้ 0.47 ในที่ซึ่งค่าที่แท้จริงคือ 0.51 ทำให้เกิดความเอนเอียงต่ำเชิงระบบราว 8% ที่แพร่กระจายตรงไปยังจำนวนตันที่ให้เครดิต ปัจจุบันแนวทางของ GHG Protocol และ IPCC 2019 Refinement ต่างชี้ไปยังการใช้สัดส่วนเฉพาะกลุ่มชนิดพันธุ์ และฐานข้อมูลที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิ (Doraisami et al., Thomas & Martin) ควรเป็นแหล่งอ้างอิงตั้งต้น

เครื่องคิดเลขด้านล่างรันลูกโซ่ทั้งหมดนั้นกับต้นไม้เพียงต้นเดียว ขยับเส้นผ่านศูนย์กลาง ความสูง และความหนาแน่นเนื้อไม้ แล้วดูค่าประมาณเหนือพื้นดินไหลผ่านอัตราส่วนราก:ยอดและสัดส่วนคาร์บอน ไปสู่สต็อกในหน่วยกิโลกรัมคาร์บอน จากนั้นไปสู่ค่าเทียบเท่า CO₂ ของมัน สังเกตว่าความหนาแน่นเนื้อไม้ปรับขนาดผลลัพธ์โดยตรงเพียงใด: มันคูณชีวมวลแบบหนึ่งต่อหนึ่ง ดังนั้นต้นไม้สองต้นที่ขนาดเท่ากันแต่ต่างชนิดพันธุ์จึงอาจถือครองคาร์บอนในปริมาณที่ต่างกันมาก

ขั้นที่ 4: จากสต็อกสู่การดูดซับรายปี

การดูดซับคาร์บอนรายปีคืออนุพันธ์ของเส้นโค้งการเติบโตของต้นไม้ ไม่ใช่ค่าเฉลี่ยของมัน ต้นไม้ไม่ได้กักเก็บคาร์บอนในอัตราคงที่ และอัตราการเติบโตช่วงต้นผันแปรมหาศาลตามชนิดพันธุ์และบริบท ไม้เนื้อแข็งโตช้าอาจสร้างชีวมวลได้น้อยในช่วงปีแรก ๆ ขณะที่ลงทุนไปกับรากและโครงสร้าง ในทางกลับกันชนิดพันธุ์เขตร้อนโตเร็ว (โกโก้, Terminalia, Albizia, Gliricidia) สามารถสูงถึงสองเมตรได้ภายในสองถึงสามปีพร้อมการดูดซับช่วงต้นที่มีนัยสำคัญ สิ่งที่คงเส้นคงวาข้ามชนิดพันธุ์คือรูปทรงของเส้นโค้ง ไม่ใช่อัตราเริ่มต้น: การกักเก็บมักขึ้นสูงสุดที่ไหนสักแห่งในช่วงเลขชี้กำลัง (exponential) ก่อนจะค่อย ๆ ลดลงเมื่อต้นไม้เข้าใกล้เรือนยอดและมิติของวัยเจริญเต็มที่ การใช้ “อัตรารายปีเฉลี่ย” ค่าเดียวตลอดโครงการ 30 ปีจะวางเครดิตผิดที่ผิดเวลา ประเมินบางปีสูงเกินไปและบางปีต่ำเกินไป และนั่นคือธงแดงสำหรับมาตรฐานคาร์บอนที่จริงจังทุกมาตรฐาน

นักวนศาสตร์มีศัพท์เฉพาะที่แม่นยำสำหรับเรื่องนี้ อัตราเพิ่มพูนรายปีปัจจุบัน(current annual increment, CAI) คือคาร์บอนที่ต้นไม้เพิ่มขึ้นในปีหนึ่ง ๆ ซึ่งก็คือความชันเฉพาะจุดของเส้นโค้งการเติบโต ส่วน อัตราเพิ่มพูนรายปีเฉลี่ย(mean annual increment, MAI) คือสต็อกที่สะสมมาถึงปัจจุบันหารด้วยอายุ นั่นคือค่าเฉลี่ยตลอดช่วงชีวิตจนถึงขณะนี้ เครื่องมือด้านล่างพล็อตทั้งสองค่าเทียบกับอายุ สำหรับเส้นโค้งการเติบโตแบบ Chapman-Richards ค่า CAI ไต่ขึ้นสู่จุดสูงสุดแล้วลดลง ส่วน MAI ขึ้นถึงจุดสูงสุดในภายหลัง ตรงจุดที่เส้นโค้งทั้งสองตัดกันพอดี ซึ่งเป็นอายุที่นักวนศาสตร์อ่านว่าเป็นจุดที่การเติบโตเฉลี่ยเร็วที่สุด โครงการที่ให้เครดิตตาม “อัตราเฉลี่ย” คงที่ก็กำลังตีราคาที่ที่ราบสูงของ MAI และมองข้ามเนินโหนกของ CAI ที่อยู่ข้างใต้

แนวทางที่ปกป้องได้คือประเมินสต็อกคาร์บอนที่สองช่วงอายุโดยใช้ลูกโซ่ allometric ข้างต้น แล้วรายงานการเปลี่ยนแปลงตลอดช่วงเวลานั้นเป็นการดูดซับส่วนเพิ่ม สำหรับโครงการที่มีขอบฟ้ายาวกว่า การปรับเส้นโค้งการเติบโตเฉพาะชนิดพันธุ์ (มักเป็นรูปแบบ Chapman-Richards หรือ Von Bertalanffy) เข้ากับข้อมูลรุ่นอายุ (cohort) จะให้ฟังก์ชันการดูดซับแบบต่อเนื่องปีต่อปี นี่คือความต่างระหว่างโปรไฟล์การกำจัดที่สอดคล้องกับชีววิทยากับโปรไฟล์ที่เป็นเส้นตรงเพราะความสะดวก

ขั้นที่ 5: งบความไม่แน่นอน

ไม่มีขั้นตอนใดในสี่ขั้นข้างต้นที่เพียงพอในตัวเอง ผู้ทวนสอบ (verifier) ไม่ยอมรับค่าประมาณ AGB แบบจุดเดียวอีกต่อไป พวกเขาต้องการช่วงความเชื่อมั่นที่ปกป้องได้รอบตัวมัน วงการได้หลอมรวมมาที่การแพร่กระจายความคลาดเคลื่อนแบบ Monte Carlo ในฐานะแนวปฏิบัติที่ดีที่สุด ซึ่งนำไปใช้จริงในแพ็กเกจ R โอเพนซอร์ส BIOMASS18 และรุ่นสืบทอดของมัน

งบความไม่แน่นอนที่เข้มงวดในปัจจุบันคำนึงถึงสี่แหล่ง: (1) ความคลาดเคลื่อนของการวัดต้นไม้ในด้าน DBH ความสูง และการจำแนกชนิดพันธุ์; (2) ความผันแปรตกค้างของแบบจำลอง allometric หรือการกระจัดกระจายของ Chave fit ดั้งเดิม; (3) ความไม่แน่นอนของพารามิเตอร์ allometric หรือความแปรปรวนร่วม (covariance) ของสัมประสิทธิ์ที่ปรับพอดีเอง; และ (4) ความไม่แน่นอนจากการสุ่มตัวอย่าง หรือความเป็นตัวแทนของแปลงที่วัดต่อประชากรทั้งหมด มีบทเรียนสองข้อที่ควรใส่ไว้ในแผนของทุกโครงการ ข้อแรก การวิเคราะห์ความไม่แน่นอนจากระดับต้นไม้สู่ภูมิทัศน์พบว่าสมการ allometric เพียงลำพังมีส่วนถึง 30–75% ของความไม่แน่นอนรวม ซึ่งมักมากกว่าความคลาดเคลื่อนจากการสำรวจระยะไกล หมายความว่าการปรับเทียบ (calibrate) allometry มักมีคุณค่ามากกว่าการปรับดาวเทียมให้ละเอียดขึ้น1 ข้อสอง การละเลยสหสัมพันธ์เชิงพื้นที่ระหว่างการสังเกตต้นไม้และแปลงจะทำให้ขนาดตัวอย่างประสิทธิผลพองเกินจริง และประเมินความไม่แน่นอนที่แท้จริงต่ำเกินไป ซึ่งเป็นการละเลยที่พบบ่อยและมีผลกระทบ

งบด้านล่างรวมแหล่งเหล่านั้นเข้าเป็นตัวเลขเดียว กำหนดสัมประสิทธิ์การแปรผัน (coefficient of variation) สำหรับการวัด สำหรับ allometry (ความคลาดเคลื่อนตกค้างบวกความคลาดเคลื่อนของพารามิเตอร์) และสำหรับการสุ่มตัวอย่าง แล้วอ่านช่วง 95% รวมบนสต็อกต่อเฮกตาร์ค่าสมมติ เนื่องจากความคลาดเคลื่อนที่เป็นอิสระต่อกัน บวกกันแบบกำลังสอง แหล่งเดียวที่ใหญ่ที่สุดจึงครองค่ารวม: แถบสัดส่วนความแปรปรวนแสดงว่าเหตุใดการขัดเกลาพจน์เล็ก ๆ จึงแทบไม่ขยับช่วงเลย ขณะที่การตัดพจน์ที่ใหญ่ที่สุด ซึ่งโดยทั่วไปคือ allometry เป็นคานงัดเดียวที่ทำให้ช่วงแคบลง

แนวทาง GHG Protocol Land Sector and Removals Guidance กำหนดชัดเจนให้ต้องระบุปริมาณและเปิดเผยความไม่แน่นอน19 ปัจจุบัน ICVCM Core Carbon Principles ลงโทษวิธีการที่ใช้ค่าประมาณแบบจุดเดียวโดยไม่มีช่วงความเชื่อมั่น ยุคของ “±30% โดยปริยาย” ได้จบลงแล้ว

จากต้นไม้หนึ่งต้นสู่หนึ่งเฮกตาร์

โครงการคาร์บอนไม่ได้รับค่าตอบแทนสำหรับต้นไม้เดี่ยว ๆ แต่ได้รับสำหรับหมู่ไม้ (stand) การคำนวณต่อต้นคือหน่วยปฏิบัติการ แต่ตัวเลขที่รายงานคือสต็อกต่อเฮกตาร์ ซึ่งสร้างขึ้นด้วยการรวมสต็อกของต้นไม้ภายในแปลงที่วัด แล้วขยายไปสู่พื้นที่โครงการ สองสิ่งเปลี่ยนไปในขั้นนั้น ความคลาดเคลื่อนที่ดูน่าตกใจในต้นไม้ต้นเดียวจะหักล้างกันบางส่วนทั่วทั้งแปลง เพราะแบบจำลองที่ทำนายต้นอ้วนสูงเกินไปมักจะทำนายต้นผอมต่ำเกินไป ซึ่งเป็นเหตุผลที่แท้จริงว่าทำไมจึงควรเลือกสมการ allometric สำหรับการทำนายระดับแปลง มากกว่าความพอดีระดับต้นไม้ และยังปรากฏแหล่งความไม่แน่นอนที่ไม่เกี่ยวกับ allometry เลย นั่นคือแปลงที่วัดเพียงไม่กี่แปลงเป็นตัวแทนของพื้นที่ทั้งหมดหรือไม่

คำถามเรื่องการสุ่มตัวอย่างนั้นเป็นศาสตร์ในตัวของมันเอง จำนวนแปลง ขนาดของแปลง และวิธีวางแปลงข้ามภาพโมเสกของอายุ ส่วนผสมชนิดพันธุ์ และดิน คือสิ่งที่ตัดสินว่าค่าประมาณระดับหมู่ไม้จะน่าเชื่อถือ หรือเป็นเพียงค่าจุดเดียวที่มีแถบความคลาดเคลื่อนวาดประกอบเข้าไปภายหลัง สถิติชุดเดียวกับที่กำหนดขนาดแคมเปญเก็บตัวอย่างดินก็กำหนดขนาดของแคมเปญชีวมวลด้วย เราหยิบยกปัญหาว่าต้องกี่แปลงและวางที่ไหนไว้โดยตรงใน แคมเปญเก็บตัวอย่างคาร์บอนในดินของคุณควรมีขนาดใหญ่เพียงใด? และคำถามก่อนหน้านั้น ว่าพื้นที่ใหม่ตกอยู่ในโดเมนที่ allometry ถูกปรับเทียบไว้หรือไม่ ใน เป็นตัวแทนของอะไร?

จากพื้นดินสู่ท้องฟ้า: การสำรวจระยะไกล

ทศวรรษ 2020 ได้แปรเปลี่ยนคาร์บอนป่าไม้จากศาสตร์ที่อิงแปลงสำรวจไปสู่ศาสตร์ที่อิงแปลงสำรวจบวกดาวเทียม พร้อมข้อพึงระวังสำคัญสำหรับผู้พัฒนาโครงการ:

• GEDI (ไลดาร์บนอวกาศของ NASA) ให้ข้อมูลความสูงเรือนยอดและชีวมวลระดับโลกที่รอยเท้า (footprint) 25 ม. แต่ในวนเกษตรของแอฟริกาตะวันตก ค่าทำนาย L4A ของมันมีความคลาดเคลื่อนสูงกว่า AGB ภาคสนามราว 9 เท่า20 มันทำงานได้ดีในป่าเรือนยอดปิดที่มีชีวมวลเกินราว 50 Mg/ha; แต่สำหรับระบบพืชยืนต้นของเกษตรกรรายย่อยกลับเชื่อถือไม่ได้
• ภารกิจ Biomass ของ ESA ปล่อยขึ้นสู่อวกาศเมื่อ 29 เมษายน 2025 เรดาร์ช่องรับแสงสังเคราะห์ย่าน P (P-band synthetic aperture radar ความยาวคลื่นราว 70 ซม.) ทะลุเรือนยอดเพื่อรับรู้ลำต้นและกิ่งใหญ่ อันเป็นที่ที่คาร์บอนป่าไม้ส่วนใหญ่อยู่21 การทดสอบโทโมกราฟีทางอากาศในเฟรนช์เกียนา ให้ความคลาดเคลื่อนของ AGB น้อยกว่าราว 10% ได้จนถึง 500 Mg/ha ซึ่งเป็นช่วงที่เรดาร์ความยาวคลื่นสั้นกว่าจะอิ่มตัว (saturate)22 ภารกิจนี้ไม่ครอบคลุมอเมริกาเหนือและยุโรปเนื่องจากข้อจำกัดด้านสเปกตรัมเรดาร์
• การสแกนด้วยเลเซอร์ภาคพื้นดินร่วมกับการสร้างแบบจำลองโครงสร้างเชิงปริมาณ (TLS + QSM) คือมาตรฐานทองแบบไม่ทำลายในปัจจุบันสำหรับ AGB ระดับต้นไม้เดี่ยว: การสังเคราะห์งานตรวจสอบแบบทำลายรายงานความสอดคล้องใกล้เอกภาพ (CCC ≈ 0.98) และความเอนเอียงเฉลี่ยต่ำกว่า 1% เทียบกับต้นไม้ที่ตัดจริง23 มันกำลังกลายเป็นชุดข้อมูลอ้างอิงสำหรับการปรับเทียบดาวเทียมอย่างรวดเร็ว

คำเตือนหนึ่งใช้ได้กับวิธีการให้เครดิตที่อิงแผนที่ทุกแบบ: แผนที่ชีวมวลจากการเรียนรู้ของเครื่อง (machine learning) ส่วนใหญ่รายงานค่า R² สูงในการตรวจสอบไขว้แบบสุ่ม แต่ล้มเหลวในการตรวจสอบแบบแบ่งบล็อกเชิงพื้นที่ (spatially-blocked validation) หมายความว่าความแม่นยำที่เห็นส่วนใหญ่เป็นสิ่งประดิษฐ์จากสหสัมพันธ์เชิงพื้นที่ (spatial autocorrelation)24 ผู้ซื้อที่ประเมินวิธีการเช่นนี้ควรเรียกร้องการตรวจสอบแบบแบ่งบล็อกเชิงพื้นที่ ก่อนจะเชื่อตัวเลข ส่วนคำถามที่ว่าแปลงใหม่แปลงหนึ่งตกอยู่ในโดเมนที่ปรับเทียบไว้ของแบบจำลองหรือไม่นั้น เป็นคำถามก่อนหน้าที่เราหยิบยกในบทความ เป็นตัวแทนของอะไร?

ตัวอย่างการคำนวณ: สองชนิดพันธุ์ แปลงเดียวกัน คำตอบต่างกัน

ลองพิจารณาไม้ให้ร่มเงาสองต้นในระบบวนเกษตรโกโก้ของแอฟริกาตะวันตก ทั้งคู่อายุสิบปี และวัดในแปลงเดียวกัน

แปลงเดียวกัน อายุเท่ากัน แต่การดูดซับรายปีต่างกันสองเท่า Terminalia ที่โตเร็วกำลังเพิ่มปริมาตรอย่างรวดเร็ว; ส่วน Khaya ที่โตช้ากำลังอัดเนื้อไม้แน่น ซึ่งจะครองสต็อกของหมู่ไม้ในปีที่สามสิบ โปรแกรมที่ใช้อัตราต่อต้นค่าเดียวกับทั้งคู่ จะคลาดไปครึ่งหนึ่งกับต้นใดต้นหนึ่ง และประเมินการกำจัดที่รายงานสูงหรือต่ำเกินไปในทุกรอบการทวนสอบ

ถอยออกมามองอีกระดับ แล้วบทเรียนที่สองจะปรากฏ สต็อกคาร์บอนที่รายงานในวนเกษตรโกโก้กินช่วงกว้างถึงหนึ่งเท่าตัวของเลขยกกำลัง ตั้งแต่ราว 10 Mg C/ha ในระบบกลางแจ้งเต็มแดดที่ยังอายุน้อย ไปจนถึงมากกว่า 100 Mg C/ha ในระบบร่มเงาที่เจริญเต็มวัย โดยถูกขับเคลื่อนด้วยเรือนยอดไม้ให้ร่มเงามากกว่าตัวโกโก้เองมาก25 ต้นโกโก้เองมักถือครองคาร์บอนของระบบเป็นส่วนน้อย ปัจจัยขับเคลื่อนหลักคือองค์ประกอบของไม้ให้ร่มเงา และโดยเฉพาะอย่างยิ่งการมี ไม้ตกค้าง (remnant trees) ที่เหลือจากป่าเดิม ซึ่งอาจถือครองคาร์บอนมากกว่าไม้ให้ร่มเงาที่ปลูกหลายเท่า สิ่งนี้มีนัยโดยตรงต่อความเพิ่มพูน (additionality) ภายใต้วันตัดของ EU Deforestation Regulation คือ 31 ธันวาคม 2020 และต่อวิธีที่โครงการแบ่งส่วนการสำรวจฐาน (baseline) ของตน ซึ่งเป็นประเด็นที่เราหยิบยกไว้ใน ต้นไม้เพียงไม่กี่ต้นกักเก็บคาร์บอนไว้เป็นส่วนใหญ่

สิ่งที่โครงสร้างกำกับดูแลปี 2026 กำหนดในปัจจุบัน

กรอบสี่กรอบนิยามกฎการบัญชีที่การกำจัดคาร์บอนจากต้นไม้ต้องเป็นไปตาม GHG Protocol Land Sector and Removals Standard และแนวทางประกอบของมัน (สรุปเสร็จปี 2026 มีผลต่อการรายงานตั้งแต่ปี 2027)19 คือกฎการบัญชีระดับองค์กรที่เป็นรากฐาน: การรายงานการปล่อยรวมและการกำจัดรวมแยกจากกัน การติดตามการเปลี่ยนแปลงการใช้ที่ดินอย่างละเอียด และการระบุปริมาณที่ปกป้องได้พร้อมเปิดเผยความไม่แน่นอนครบทั้งห้าแหล่งกักเก็บคาร์บอน SBTi FLAG v1.2 (มีนาคม 2026) กำหนดให้ลดลงเชิงเส้นรายปี 3.03% ติดตามการกำจัดเชิงชีวภาพแยกต่างหาก และให้คำมั่นไม่ตัดไม้ทำลายป่า Core Carbon Principles ของ ICVCM ปัจจุบันได้อนุมัติแปดโครงการให้เครดิต ว่าเข้าเกณฑ์ CCP และ 38 วิธีการว่าได้รับอนุมัติ CCP โดยปฏิเสธไป 22 วิธีการ พร้อมกำหนดให้วิธีการ ARR ของ ACR มีเงื่อนไขเฉพาะการสถาปนาป่าธรรมชาติเท่านั้น EU Carbon Removals and Carbon Farming Regulation (2024/3012)ที่มีผลบังคับมาตั้งแต่ปลายปี 2024 คาดว่าจะรับรองกฎหมายลำดับรอง (delegated act) ว่าด้วยวิธีการเกษตรกักเก็บคาร์บอน (การปลูกป่า, วนเกษตร, การเติมน้ำพื้นที่พรุ) ในช่วงฤดูร้อนปี 2026 โดยมีการรับรองครั้งแรกในช่วงปลายปี 2026

โครงการที่ต้องการรอดการตรวจสอบภายใต้ทั้งสามระบอบในปัจจุบันต้องทำหกสิ่งไปพร้อมกัน: ใช้สมการ allometric ที่ปรับเทียบเฉพาะพื้นที่หรือเฉพาะชนิดพันธุ์พร้อมบันทึกความคลาดเคลื่อนตกค้าง; ใช้ความหนาแน่นเนื้อไม้และสัดส่วนคาร์บอนเฉพาะชนิดพันธุ์จากฐานข้อมูลที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิ แทนค่าตั้งต้น 0.47/0.50; แพร่กระจายความไม่แน่นอนแบบ Monte Carlo ครอบคลุมการวัดต้นไม้ allometry และการสุ่มตัวอย่าง; ระบุปริมาณคาร์บอนใต้พื้นดินด้วยอัตราส่วน R:S ที่แบ่งชั้นตามภูมิอากาศ แทนค่าตั้งต้นค่าเดียว; ทวนสอบผลิตภัณฑ์การสำรวจระยะไกลใด ๆ ด้วยการตรวจสอบไขว้แบบแบ่งบล็อกเชิงพื้นที่; และแยกการกำจัดออกจากการลด ทั้งในการรายงานและการตั้งเป้าหมาย

ประเด็นสำคัญ