จะสร้างแบบจำลองการเปลี่ยนแปลงคาร์บอนในดินตามกาลเวลาได้อย่างไร?

แบบจำลองคาร์บอนในดินรับคำอธิบายของระบบหนึ่ง (ภูมิอากาศ ดิน การจัดการ) แล้วคืนค่าเส้นทางการเปลี่ยนแปลง: ปริมาณคาร์บอนสะสมคาดว่าจะวิวัฒน์ไปอย่างไรภายใต้คำอธิบายนั้น เส้นทางดังกล่าวคือสิ่งที่องค์กรใช้ให้เหตุผลในการจัดสรรเงินทุนแก่โครงการเกษตรฟื้นฟู ใช้คาดการณ์การปล่อยและการดึงกลับใน Scope 3 ภายใต้ GHG Protocol Land Sector and Removals Guidance และในกรณีที่โครงสร้างของโครงการเอื้ออำนวย ก็ใช้ยื่นการอ้างสิทธิ์ในตลาดคาร์บอน ภาคสมัครใจ

คำถามที่ว่า “เราควรใช้แบบจำลองใด” ไม่มีคำตอบที่ใช้ได้กับทุกกรณี คำถามที่ถูกต้องนั้นแคบกว่า: แบบจำลองใดเหมาะกับการตัดสินใจ บนระบบที่กำลังพิจารณา ภายใต้ข้อมูลที่โครงการหาได้จริง การตอบคำถามนี้คือการใช้วิจารณญาณที่สำคัญที่สุดเพียงข้อเดียวในงานสร้างแบบจำลองคาร์บอนในดิน

ภายใต้ตัวย่อทั้งหลาย แบบจำลองหลักเหล่านี้มีกลไกร่วมกันหนึ่งอย่าง: คาร์บอนในดินถูกจัดเรียง เข้าสู่พูลที่แต่ละพูลสลายตัวด้วยอัตราของตนเอง โดยได้รับการป้อนจากกระแสของพืชสดและปุ๋ยคอก ที่ใส่เข้ามา เข้าใจกลไกนั้นแล้วคำถามเชิงปฏิบัติส่วนใหญ่ก็ตอบตัวมันเองได้ รวมถึงสองข้อ ที่ค่อย ๆ กำหนดการพยากรณ์ระดับทศวรรษอย่างเงียบ ๆ นั่นคือ คุณสมมติว่าพูลเริ่มต้นที่ใด และคำตอบที่ซื่อตรงนั้นกว้างเพียงใด เครื่องมือสามชิ้นในบทความนี้รันกลไกนั้นในเวอร์ชันกระชับ เพื่อให้พฤติกรรมของมันเป็นสิ่งที่คุณขยับได้ ไม่ใช่เพียงอ่านถึง

การสร้างแบบจำลองให้อะไรได้จริง และให้อะไรไม่ได้

แบบจำลองคาร์บอนในดินคือสมมติฐานที่มีโครงสร้างเกี่ยวกับการเคลื่อนที่ของคาร์บอนผ่านระบบ ผลลัพธ์ของมันเป็นเงื่อนไข: เมื่อกำหนดข้อมูลนำเข้าเหล่านี้ นี่คือเส้นทางที่คาดหวังและความไม่แน่นอน ของมัน แบบจำลองไม่ได้วัดดิน แต่ทำนายดิน

เรื่องนี้สำคัญเพราะความไม่ลงรอยกันจำนวนมากระหว่างผู้พัฒนาโครงการกับผู้ตรวจสอบยืนยัน มาจากการสับสนระหว่างสองสิ่งนี้1 เส้นทางที่ได้จากแบบจำลองซึ่งถูกนำมาแทนที่ข้อมูลภาคสนามในการรายงาน ประจำปีคือความเสี่ยงด้านการปฏิบัติตามข้อกำหนด ส่วนเส้นทางที่ได้จากแบบจำลองซึ่งใช้ควบคู่กับ ข้อมูลภาคสนาม โดยระบุช่วงความไม่แน่นอนอย่างชัดเจน คือแนวปฏิบัติมาตรฐานภายใต้ GHG Protocol Land Sector and Removals Guidance และภายใต้ระเบียบวิธีของตลาดภาคสมัครใจส่วนใหญ่

แบบจำลองเหล่านี้ทำงานอย่างไรจริง ๆ

คาร์บอนในดินไม่ใช่สารเพียงชนิดเดียวที่สลายตัวด้วยอัตราเดียว รากสดกับสารประกอบฮิวมิก อายุหลายศตวรรษต่างก็เป็น “คาร์บอนอินทรีย์ในดิน” เหมือนกัน ทว่าอย่างหนึ่งหมุนเวียนภายใน ไม่กี่เดือน ส่วนอีกอย่างอยู่ยืนยาวกว่าคนที่วัดมันเสียอีก แบบจำลองที่ใช้กันทั่วไปทุกตัว จัดการเรื่องนี้ด้วยวิธีเดียวกัน คือจัดเรียงคาร์บอนเข้าสู่พูลจำนวนหยิบมือหนึ่ง แต่ละพูล มีเวลาหมุนเวียนของตนเอง แล้วติดตามแยกกัน2

ภายในแต่ละพูล การย่อยสลายเป็นไปตามจลนศาสตร์อันดับหนึ่ง: ปริมาณที่สูญเสียในเดือนหนึ่ง ๆ เป็นสัดส่วนกับปริมาณที่มีอยู่ ดังนั้นพูลที่ถูกปล่อยไว้ตามลำพังจะสลายตัวไปตามเส้นโค้ง เลขชี้กำลังที่กำหนดโดยค่าคงที่อัตรา k

ค่าคงที่อัตรา k เป็นสมบัติของพูล: เร็วสำหรับเศษซากสด ช้าสำหรับสารที่ผ่านการฮิวมิฟิเคชันแล้ว และแทบเป็นศูนย์สำหรับสัดส่วนเฉื่อย ฟังก์ชัน f ปรับ k ให้สูงขึ้นหรือต่ำลงตามสภาวะที่ดินอยู่จริง ความอบอุ่นเร่งการย่อยสลาย ความเครียดจากความชื้นทำให้ช้าลง และเรือนยอดที่มีชีวิตหน่วงมันไว้ เมื่อเทียบกับดินเปลือย นั่นคือเหตุผลที่เศษซากที่ใส่ในปริมาณเท่ากันสร้างคาร์บอนภายใต้พืชคลุมดิน ในฤดูเขตอบอุ่นที่เย็น แต่กลับสูญเสียคาร์บอนในฤดูที่ร้อนและแห้ง

คาร์บอนที่ย่อยสลายแล้วไม่ได้ออกจากดินทั้งหมด ส่วนหนึ่งถูกหายใจออกสู่ชั้นบรรยากาศในรูป CO₂ ส่วนที่เหลือถูกทำให้เสถียรเป็นมวลชีวภาพจุลินทรีย์และสารประกอบที่ผ่านการ ฮิวมิฟิเคชันซึ่งป้อนกลับเข้าสู่พูลช้า ปริมาณดินเหนียวเป็นตัวกำหนดการแบ่งสัดส่วนนั้น เพราะ ดินเนื้อละเอียดกว่าปกป้องคาร์บอนที่ผ่านกระบวนการไว้ได้มากกว่า นี่คือเหตุผลที่สัดส่วนดินเหนียว เป็นข้อมูลนำเข้าที่จำเป็นในทุกแบบจำลองด้านล่าง3

นำชิ้นส่วนเหล่านั้นมารวมกัน แล้วดินภายใต้การจัดการที่คงที่จะเคลื่อนเข้าสู่สถานะคงตัว นั่นคือ ปริมาณสะสมที่การใส่รายปีสมดุลพอดีกับการสูญเสียรายปี เพิ่มปริมาณที่ใส่แล้วสถานะคงตัวก็สูงขึ้น ทำให้ภูมิอากาศอุ่นขึ้นหรือลดดินเหนียวลงแล้วมันก็ต่ำลง การเข้าสู่สถานะนี้เป็นไปอย่างช้า ๆ กำหนดจังหวะโดยเวลาหมุนเวียนของพูลกัมมันต์ที่ช้าที่สุด ซึ่งเป็นเหตุผลที่การเพิ่มคาร์บอนในดิน อย่างน่าเชื่อถือถูกอ้างอิงในหน่วยทศวรรษมากกว่าปี เครื่องมือด้านล่างรันกลไกนี้ไปข้างหน้า ขยับปริมาณที่ใส่ ดินเหนียว และอุณหภูมิ แล้วสังเกตว่าปริมาณสะสมไปคงตัวที่ใดและใช้เวลานาน เท่าใดกว่าจะไปถึง

เส้นโค้งนั้นมีคุณลักษณะสองอย่างที่สำคัญต่อโครงการ ปลายทางถูกกำหนดโดยปริมาณที่ใส่และตัวพื้นที่ ไม่ใช่โดยจุดที่ดินบังเอิญเริ่มต้น ดังนั้นสองแปลงที่นำมาอยู่ภายใต้การจัดการเดียวกันจึงลู่เข้าสู่ สถานะคงตัวเดียวกันจากคนละทิศทาง และการเดินทางนั้นยาวนาน: แม้แต่การเปลี่ยนแปลงขนาดใหญ่ก็ ต้องใช้เวลาหลายทศวรรษกว่าจะแสดงตัวออกมา และปีแรก ๆ ก็เคลื่อนไปอย่างช้า เส้นทางจากแบบจำลอง ที่ไปถึงสมดุลใหม่ภายในห้าปีกำลังอธิบายสิ่งประดิษฐ์จากการตั้งค่าของมันเอง ไม่ใช่ดินจริง

แบบจำลองที่เข้าข่ายพิจารณาทั้งสี่

กรอบการทำงานสี่ตัวครองงานเชิงปฏิบัติ แต่ละตัวถูกออกแบบมาสำหรับคำถามเฉพาะประเภทหนึ่ง และ แต่ละตัวก็มีลายนิ้วมือของระบบที่มันถูกสร้างขึ้นมา RothC เติบโตมาจากการทดลองระยะยาวที่ Rothamsted บนดินชั้นบนพื้นที่เพาะปลูกเขตอบอุ่น2 AMG ถูกปรับเทียบครั้งแรกบนการทดลองการเพาะปลูกในฝรั่งเศส และในรูปแบบ ปัจจุบันถูกสร้างขึ้นใหม่บนพื้นที่ระยะยาวในยุโรปมากกว่าสี่สิบแห่ง45 Century ถูกออกแบบมาเพื่ออธิบายระดับอินทรียวัตถุในทุ่งหญ้า Great Plains โดยเชื่อมโยงไนโตรเจน ฟอสฟอรัส และกำมะถันเข้ากับวัฏจักรคาร์บอน6 ส่วน DayCent เป็นพี่น้องขั้นเวลารายวันของมัน สร้างขึ้นเพื่อแยกแยะฟลักซ์ ก๊าซปริมาณน้อยที่แบบจำลองรายเดือนทำไม่ได้7 การนำตัวหนึ่งไปใช้นอกโดเมนบ้านเกิดของมันเป็นไปได้ แต่ต้องแลกด้วย ความน่าเชื่อถือ สำหรับการทดสอบว่าพื้นที่ใหม่อยู่ในโดเมนนั้นหรือไม่ ดู เป็นตัวแทนของอะไร?

ทั้งสี่ตัวได้รับการเทียบวัดกับข้อมูลการทดลองระยะยาวจากหลายสิบพื้นที่ การเปรียบเทียบคลาสสิก ได้รันแบบจำลองอินทรียวัตถุในดินเก้าตัวเทียบกับชุดข้อมูลระยะยาวเจ็ดชุด และพบว่าไม่มีผู้ชนะ เพียงหนึ่งเดียว: สมรรถนะขึ้นอยู่กับพื้นที่และคำถาม8 งานแบบกลุ่ม (ensemble) ที่ใหม่กว่าได้ข้อสรุปเดียวกันและเพิ่มคำเตือน: การกระจายระหว่างแบบจำลองเองก็เป็นแหล่งของความไม่แน่นอนที่การคาดการณ์ด้วยแบบจำลองเดียว ซ่อนเอาไว้11 RothC และ Century มีประวัติผลงานระดับนานาชาติที่ยาวนานที่สุด AMG เป็นตัวเลือกที่แข็งแกร่งที่สุดสำหรับระบบเพาะปลูกในฝรั่งเศสและยุโรปอื่น ๆ ส่วน DayCent เป็น เครื่องมือเฉพาะทางเมื่อการปล่อย N₂O อยู่ในขอบเขต

การเลือกแบบจำลองที่ถูกต้องสำหรับคำถาม

คำถามเชิงปฏิบัติสี่ข้อเป็นตัวกำหนดการเลือก

ไนโตรเจนอยู่ในขอบเขตหรือไม่?

หากการตัดสินใจขึ้นอยู่กับการปล่อย N₂O ประสิทธิภาพการใช้ปุ๋ย หรือปฏิสัมพันธ์ ระหว่างการจัดการไนโตรเจนกับพลวัตคาร์บอน RothC ก็เป็นตัวเลือกที่ผิดโดยโครงสร้าง เพราะมันไม่มีพูลไนโตรเจน Century หรือ DayCent คือคำตอบที่ซื่อตรง แต่หากการตัดสินใจ เป็นเรื่องคาร์บอนในดินล้วน ๆ ภายใต้การจัดการไนโตรเจนที่คงที่ RothC ก็ปกป้องได้และเรียบง่ายกว่า

ระบบถูกจำกัดด้วยน้ำหรือไม่?

ตัวปรับค่าน้ำเริ่มต้นของ RothC ทำงานได้ไม่ดีในระบบเขตแห้งแล้งและแบบเมดิเตอร์เรเนียน ที่ซึ่งกิจกรรมทางชีวภาพถูกจำกัดด้วยความชื้นตลอดช่วงส่วนใหญ่ของปี9 มีการปรับเทียบ RothC ที่ปรับแก้แล้ว (Farina et al.) และเป็นตัวเลือกเชิงปฏิบัติในบริบทเหล่านั้น ส่วน Century และ DayCent จัดการข้อจำกัดด้านน้ำ ได้ในตัวผ่านแบบจำลองย่อยของมัน

ต้องใช้ความละเอียดเชิงเวลาระดับใด?

รายเดือนเพียงพอสำหรับเส้นทางระดับทศวรรษช่วง 20 ปี ส่วนรายวันจำเป็นเมื่อผลลัพธ์ที่สนใจ คือฟลักซ์ที่เกิดเร็ว เช่น การปล่อยก๊าซปริมาณน้อยหลังการใส่ปุ๋ย RothC, AMG และ Century ทำงานแบบรายเดือน ส่วน DayCent ทำงานแบบรายวัน

โครงการสามารถผลิตข้อมูลใดได้จริง?

แบบจำลองที่ต้องการข้อมูลนำเข้าซึ่งโครงการจัดหาไม่ได้ คือแบบจำลองที่จะรันบนสมมติฐาน หากไม่มีข้อมูลสภาพอากาศรายวัน DayCent จะทำงานบนการลดสเกล (downscaling) ซึ่งปกป้องได้หากมีการเปิดเผยการลดสเกลนั้น หากไม่ทราบเศษซากพืชที่ใส่และประวัติการจัดการ ทุกแบบจำลองก็อยู่ในสถานะเดียวกัน: ความไม่แน่นอนจากข้อมูลนำเข้าที่ขาดหายครอบงำความไม่แน่นอน จากตัวแบบจำลอง

การปรับเทียบ การตรวจสอบความถูกต้อง และการรู้ว่าเมื่อใดแบบจำลองเข้ากันได้

แบบจำลองที่ไม่เคยถูกทดสอบกับคาร์บอนที่วัดได้บนระบบที่เทียบเคียงกันได้คือสมมติฐาน ไม่ใช่หลักฐาน การปรับเทียบ (calibration) จูนพารามิเตอร์ของแบบจำลองให้จำลองชุดข้อมูลที่ทราบค่าได้ ส่วนการ ตรวจสอบความถูกต้อง (validation) ถามคำถามที่ยากกว่าว่าจากนั้นมันทำนายข้อมูลที่ไม่เคยเห็นได้หรือไม่ ทั้งสองอย่างมักถูกสับสนกันเป็นประจำ และแบบจำลองที่เข้ากับข้อมูลปรับเทียบของมันได้อย่างสวยงาม ก็ยังอาจล้มเหลวบนพื้นที่อิสระได้

เครื่องมือสำหรับสิ่งนี้คือการทดลองระยะยาว บางแห่งดำเนินมานานกว่าหนึ่งศตวรรษ ที่ซึ่งคาร์บอนในดิน ถูกติดตามภายใต้การจัดการแบบตายตัว สมรรถนะของแบบจำลองถูกรายงานเทียบกับข้อมูลเหล่านั้นด้วยสถิติ ที่คุ้นเคย: รากที่สองของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) สำหรับขนาดของการพลาด และประสิทธิภาพ ของแบบจำลอง (model efficiency) สำหรับว่าแบบจำลองเอาชนะการทำนายเพียงค่าเฉลี่ยได้หรือไม่ การ เปรียบเทียบเก้าแบบจำลองที่วางมาตรฐานให้งานลักษณะนี้พบความสอดคล้องกันในบางพื้นที่และการแตกต่างกัน อย่างชัดเจนในบางพื้นที่ โดยไม่มีกรอบการทำงานใดครองความได้เปรียบในทุกที่8 การรวมกลุ่ม 26 แบบจำลองบนดินที่ปล่อยว่างเปล่า (bare-fallow) ได้ข้อสรุป ที่คมชัดยิ่งกว่า: ตลอดการคาดการณ์ระยะยาว การเลือกแบบจำลองอาจสำคัญพอ ๆ กับการเลือกการจัดการ11

กฎเชิงปฏิบัติสองข้อตามมา ตรวจสอบความถูกต้องบนข้อมูลอนุกรมเวลาจากภูมิภาคและระบบที่คุณกำลัง สร้างแบบจำลอง ไม่ใช่บนค่าเฉลี่ยระดับโลก เพราะแบบจำลองที่ปรับเทียบบนดินเพาะปลูกเขตอบอุ่นไม่มี การรับประกันใดบนวนเกษตรเขตร้อน และถือว่าโดเมนการนำไปใช้ได้เป็นขอบเขตจริง: แบบจำลองที่ถูกขอ ให้ประมาณค่านอกช่วงเลยสภาวะที่มันถูกทดสอบมา จะคืนตัวเลขที่มาพร้อมความมั่นใจที่ผิดพลาด ซึ่งเป็น หัวข้อของ เป็นตัวแทนของอะไร? เมื่อโครงการต้องการการบัญชีที่อิงแบบจำลองในระดับที่บัญชีรายการระดับชาติใช้ IPCC เรียกสิ่งนี้ว่า Tier 3 และขอหลักฐานแบบนี้พอดี นั่นคือแบบจำลองที่ได้รับการตรวจสอบความถูกต้องเทียบกับการวัด ที่เป็นตัวแทนของระบบ12 บทปริทัศน์ที่ติดตามทิศทางของสาขานี้ก็ชี้ประเด็นเดียวกันจากฝั่งการวิจัย10

การตั้งค่าเริ่มต้น: แหล่งความคลาดเคลื่อนที่เงียบงัน

แบบจำลองคาร์บอนในดินทุกตัวแบ่งปริมาณสะสมออกเป็นพูลที่มีอัตราการหมุนเวียนต่างกัน: เร็ว ช้า และเกือบเฉื่อย การแบ่งสัดส่วนเริ่มต้นระหว่างพูลนั้นแทบวัดไม่ได้และมักใช้การประมาณค่า สำหรับ RothC สมการ Falloon ประมาณค่าพูลเฉื่อยจาก SOC รวม มันคือการประมาณค่าเชิงสถิติที่มีผล อย่างมีนัยสำคัญต่อการคาดการณ์ระยะ 30 ปี13

สมการข้างต้นคือการปรับเชิงสถิติ ไม่ใช่การวัดเชิงกายภาพ พารามิเตอร์ของมันมีความไม่แน่นอน ที่ทบต้นไปตลอดการคาดการณ์ระดับทศวรรษ ทางเลือกที่ปกป้องได้มากกว่าคือการสปินอัพ (spin-up): รันแบบจำลองจนถึงสมดุลภายใต้ระบบการจัดการในอดีตที่สร้างขึ้นใหม่ แล้วใช้การกระจายพูลที่ได้ เป็นจุดตั้งต้น การสร้างขึ้นใหม่นี้คือส่วนที่ยาก และยังเป็นขั้นตอนที่มักถูกมองข้ามมากที่สุด ในเอกสารประกอบโครงการ การทำ back-cast ย้อนอดีต 50 ปีภายใต้การหมุนเวียนพืชที่สมจริง ลดผลของการตั้งค่าเริ่มต้นต่อเส้นทางที่คาดการณ์ลงหนึ่งลำดับขั้น เมื่อเทียบกับการตั้งค่าเริ่มต้น ด้วยพูลค่าเริ่มต้น14

เครื่องมือด้านล่างแสดงให้เห็นว่าเหตุใดสิ่งนี้จึงไม่ใช่เรื่องเทคนิคปลีกย่อย ตรึงสต็อกที่วัดได้ ตรึงการจัดการในอนาคต แล้วเปลี่ยนเฉพาะวิธีสมมติพูลเฉื่อย สัดส่วนเฉื่อยไม่เคยได้หรือเสียคาร์บอน ดังนั้นการใส่สต็อกไว้ตรงนั้นมากขึ้นก็เหลือส่วนที่ตอบสนองได้น้อยลง การวัดเดียวกันที่ถูกแบ่งสองแบบ สามารถให้ผลเป็นการเพิ่มที่คาดการณ์ไว้ภายใต้สมมติฐานหนึ่ง และการสูญเสียที่คาดการณ์ไว้ภายใต้อีก สมมติฐานหนึ่ง นั่นคือการตัดสินใจทั้งหมด ที่ถูกตัดสินด้วยตัวเลขที่ไม่มีใครวัด

การอ่านผลลัพธ์เป็นกรอบขอบเขต ไม่ใช่เส้น

เส้นทางคาร์บอนในดินที่มีช่วงความเชื่อมั่น 95 เปอร์เซ็นต์แคบ สะท้อนได้ทั้งระบบที่ปรับเทียบดี และมีข้อมูลมาก หรือการรายงานต่ำกว่าจริง การแพร่กระจายความไม่แน่นอนของข้อมูลนำเข้าแบบ มอนติคาร์โล (ความแปรปรวนของภูมิอากาศ ปริมาณดินเหนียว เศษซากพืชที่ใส่ การตั้งค่าเริ่มต้น) ให้กรอบขอบเขตของเส้นทางที่มักกว้างกว่าเส้นค่าเฉลี่ยอย่างมาก กรอบขอบเขตนั้นคือผลงานส่งมอบ ที่ซื่อตรง ถอดมันออกไป แล้วตัวเลขที่เหลืออยู่ก็เป็นได้อย่างดีที่สุดแค่การประมาณค่ากลางที่พอเป็นไปได้

สำหรับงานเปรียบเทียบสถานการณ์จำลอง (เช่น กรณีฐานเทียบกับการแทรกแซง) ผลลัพธ์ที่มีประโยชน์คือผลต่างระหว่างสถานการณ์ พร้อมความไม่แน่นอนที่แพร่กระจายของมันเอง สัญญาณรบกวน ของข้อมูลนำเข้าจำนวนมากใช้ร่วมกันระหว่างสถานการณ์และหักล้างกันในผลต่าง ซึ่งมักแคบกว่า เส้นทางแต่ละเส้น นี่คือการวางกรอบที่ถูกต้องสำหรับคำถามความเป็นไปได้ของโครงการคาร์บอนแทบทุกข้อ

เครื่องมือด้านล่างทำให้เรื่องนี้เป็นรูปธรรม สลับระหว่างการแสดงสองสถานการณ์แยกกัน แต่ละสถานการณ์ มีกรอบขอบเขตกว้างพอที่จะกลืนสัญญาณ กับการแสดงผลต่างของทั้งสอง ที่ซึ่งสัญญาณรบกวนของภูมิอากาศ และดินที่ใช้ร่วมกันหักล้างกันไปและตัวเลขที่ปกป้องได้ก็ปรากฏขึ้น ยิ่งกรณีฐานและการแทรกแซงใช้สภาวะ เดียวกันร่วมกันมากเท่าใด ผลต่างนั้นก็ยิ่งแคบลงเท่านั้น นี่คือเหตุผลเชิงสถิติที่กรอบการทำงาน MRV ที่จริงจังให้รางวัลแก่การออกแบบแบบจับคู่และพื้นที่ควบคุม มากกว่าการอ้างค่าก่อน-หลังแบบสัมบูรณ์15

พรมแดนใหม่: สิ่งที่แบบจำลองพูลละเว้นไว้

แบบจำลองหลักทั้งสี่ตัวสืบทอดมาจากแนวคิดเดียวกัน คือพูลเชิงมโนทัศน์ที่นิยามด้วยอัตราการหมุนเวียน มันเป็นนามธรรมที่ทรงพลัง แต่พูลเหล่านี้ไม่ใช่สิ่งที่คุณออกไปวัดได้ คุณไม่สามารถร่อนดินให้แยก เป็นสัดส่วนที่ย่อยสลายได้และสัดส่วนที่ผ่านการฮิวมิฟิเคชันได้ พวกมันเป็นช่องบัญชีที่อนุมานจาก พฤติกรรม ตลอดยี่สิบปีที่ผ่านมา ช่องว่างนั้นได้ผลักดันแบบจำลองรุ่นที่สองที่สร้างขึ้นบนปริมาณ ที่คุณวัดได้

การเปลี่ยนแปลงในวิทยาศาสตร์พื้นฐานคือจากเคมีไปสู่ชีววิทยาและวิทยาแร่ ตามมุมมองปัจจุบัน ความคงทน เกี่ยวข้องน้อยลงกับการที่โมเลกุลย่อยสลายได้ยากโดยเนื้อแท้ และเกี่ยวข้องมากขึ้นกับว่าจุลินทรีย์ เข้าถึงมันได้หรือไม่ และพื้นผิวแร่ยึดมันไว้หรือไม่18 แบบจำลองที่ระบุจุลินทรีย์อย่างชัดเจน เช่น MIMICS และ Millennial วางมวล ชีวภาพจุลินทรีย์และคาร์บอนที่จับกับแร่ไว้เป็นศูนย์กลาง และแทนที่พูลที่อนุมานด้วยสัดส่วนที่โดย หลักการแล้วสามารถวัดในห้องปฏิบัติการได้1617 พวกมันตอบสนองต่างจากแบบจำลองอันดับหนึ่งภายใต้ภาวะโลกร้อน และความ แตกต่างนั้นก็ไม่น้อยเลย

ทั้งหมดนี้ไม่ได้ปลดระวาง RothC หรือ Century จากงานโครงการ แบบจำลองที่ใหม่กว่าปรับพารามิเตอร์ ได้ยากกว่า ถูกเทียบวัดกับข้อมูลภาคสนามระยะยาวน้อยกว่า และยังไม่ถูกเขียนเข้าไปในมาตรฐาน MRV แต่มันบ่งชี้ว่าความไม่แน่นอนในการคาดการณ์ระดับทศวรรษอยู่ตรงไหนจริง ๆ และผู้ปฏิบัติงานที่ถือว่า โครงสร้างพูลเป็นความจริงเชิงกายภาพมากกว่าเป็นเรื่องสมมติที่มีประโยชน์ จะถูกจับได้โดยวรรณกรรม ในทศวรรษหน้า

จากเส้นทางสู่การอ้างสิทธิ์ที่ปกป้องได้

เส้นทางจะกลายเป็นสินทรัพย์ก็ต่อเมื่อมาตรฐานยอมรับมัน และกรอบการทำงานที่สำคัญในที่นี้ลู่เข้าสู่ ท่าทีเดียวกัน: ใช้แบบจำลองเพื่อวางแผนและเพื่อประมาณค่าระหว่างการวัด แต่ใช้การวัดเพื่ออ้างสิทธิ์ GHG Protocol Land Sector and Removals Guidance ถือว่าการดึงกลับที่ได้จากแบบจำลองรายงานได้ ก็ต่อเมื่อจับคู่กับโปรแกรมการวัดและการติดตาม และมีการระบุความไม่แน่นอนไว้1 บัญชีรายการระดับชาติที่ใช้การบัญชี Tier 3 ที่อิงแบบจำลองก็มีข้อกำหนด เดียวกันของการตรวจสอบความถูกต้องเทียบกับข้อมูลที่เป็นตัวแทน12 เอกสารอ้างอิงหลักว่าด้วย MRV ของคาร์บอนในดินระบุชัดเจนว่าแบบจำลอง ลดต้นทุนการสุ่มตัวอย่างได้ แต่ไม่ได้ขจัดความจำเป็นในการวัด15

ดังนั้นผลงานส่งมอบที่ซื่อตรงของงานสร้างแบบจำลองจึงแทบไม่เคยเป็นตัวเลขเพียงตัวเดียว มันคือเส้นทาง พร้อมกรอบขอบเขตของมัน คำแถลงที่ชัดเจนว่าใช้แบบจำลองใดและเพราะเหตุใด การตั้งค่าเริ่มต้นที่มีการ บันทึกไว้ และแผนสำหรับการวัดที่จะยืนยันหรือแก้ไขมัน การศึกษาระดับทวีปสร้างแบบจำลองพื้นที่หลายล้าน เฮกตาร์บนตรรกะนี้พอดี19 และมันก็เป็นจริงในระดับแปลงด้วย: แบบจำลองพาการคาดการณ์ไปตามช่วงระหว่าง จุดที่ดินถูกสุ่มตัวอย่างจริง

ประเด็นสำคัญ