Ekodama

29 พฤษภาคม 2026

สัญญาณกับสัญญาณรบกวน: เมื่อการเปลี่ยนแปลงคาร์บอนในดินเป็นของจริง

ภาพรวม

คำกล่าวอ้างแบบ “เรากักเก็บได้ X ตัน” ส่วนใหญ่ไม่ได้ล้มเหลวเพราะวิทยาศาสตร์ผิด แต่ล้มเหลวเพราะ สัญญาณรบกวนจากการวัด (measurement noise) มีขนาดใหญ่กว่าสัญญาณจากการจัดการ และไม่มีใคร เขียนอสมการนี้ลงบนกระดาษก่อนที่จะประเมินต้นทุนของแคมเปญ บทความนี้ว่าด้วยแหล่งกำเนิดสัญญาณ รบกวนสามแหล่งในการวัดคาร์บอนอินทรีย์ในดิน ขนาดที่สมจริงของสัญญาณที่เป็นไปได้ตั้งแต่พืชคลุมดิน ไปจนถึงวนเกษตรโกโก้ คณิตศาสตร์ที่ตัดสินว่าเมื่อใดเราจึงจะแยกแยะทั้งสองออกจากกันได้อย่างน่าเชื่อถือ และสิ่งที่ระบอบ MRV ปี 2026 (Verra VM0042 v3.0 ที่อยู่ระหว่างการรับฟังความคิดเห็น, GHG Protocol Land Sector and Removals Standard, ระเบียบสหภาพยุโรป 2024/3012) เรียกร้องจากคำตอบ พร้อม แผนภาพเชิงโต้ตอบสองชิ้นให้คุณปรับแป้นหมุนด้วยตัวเอง

หัวข้อ

กำลังการตรวจจับ // MRV // สถิติ // VM0042

ผู้เขียน

Dr. Thomas Fungenzi

Share

LinkedInEmail

ผู้ซื้อถามที่ปรึกษาของเกษตรกรพืชไร่ว่าโครงการพืชคลุมดินกำลังกักเก็บคาร์บอนอยู่หรือไม่ ที่ปรึกษา รายงานว่า +0.4 ตันคาร์บอนต่อเฮกตาร์ต่อปีตลอดระยะเวลาห้าปี โดยเก็บแกนดินแบบจับคู่ (paired cores) 60 แกนต่อจุดเวลา ผู้ตรวจสอบขอดูช่วงความเชื่อมั่น (confidence interval) มันคร่อมศูนย์ คำกล่าวอ้าง ถูกเงียบ ๆ ยกเลิกไป งบประมาณ MRV ของฤดูกาลนั้นถูกตัดจำหน่าย และผู้ซื้อกลับไปหาทีมห่วงโซ่อุปทาน โดยไม่มีอะไรจะแสดง

รูปแบบนี้มีการบันทึกไว้เป็นอย่างดีแล้ว Bradford และคณะ (2023) ทดสอบความเป็นไปได้ของการตรวจจับ การเปลี่ยนแปลง SOC เชิงประจักษ์ในแปลงเพาะปลูกเชิงพาณิชย์ 45 แปลง และพบว่าการตรวจจับการสะสม ที่มีนัยสำคัญในระดับแปลงเดี่ยว (ราว 3 Mg C/ha ในสิบปี) ไม่น่าเชื่อถือ แม้ที่ความหนาแน่นของการสุ่ม ตัวอย่าง 1.2 เฮกตาร์ต่อหนึ่งตัวอย่าง1 สัญญาณนั้นมีอยู่จริง เพียงแต่ไม่ได้ใหญ่กว่าสัญญาณรบกวนที่สเกลซึ่งการออกแบบ ภาคสนามส่วนใหญ่สมมติไว้ การล่มสลายในปี 2024 ของการออกเครดิตปศุสัตว์ของออสเตรเลียที่เป็นข่าว พาดหัว ซึ่งมีการออก ACCUs ราว 250,000 หน่วยเป็นส่วนใหญ่เพราะเป็นปีที่ฝนตกชุกระดับ Decile-10 มากกว่าจะเป็นเพราะการเปลี่ยนแปลงการจัดการ ก็ตอกย้ำประเด็นเดียวกันในระดับนโยบาย2

การตรวจจับการเปลี่ยนแปลง SOC เป็นปัญหาสัญญาณต่อสัญญาณรบกวน (signal-to-noise) ด้านหนึ่งคือ แหล่งกำเนิดสัญญาณรบกวนสามแหล่ง อีกด้านหนึ่งคือสัญญาณจากการจัดการที่มีขนาดเล็ก ขนาดตัวอย่าง ช่วงเวลา และทางเลือกในการออกแบบล้วนเป็นผลพวงจากอสมการนั้น ไม่ใช่จุดตั้งต้น

กายวิภาคของพื้นสัญญาณรบกวน

สัญญาณรบกวนในการวัด SOC คือความแปรปรวนของการเปลี่ยนแปลงสต็อกที่ประมาณได้รอบ ๆ ค่าจริงของมัน มันซ้อนกันจากสามแหล่ง และแหล่งที่ใหญ่ที่สุดมักไม่ใช่แหล่งที่ผู้ปฏิบัติงานกังวล

ความแปรปรวนเชิงพื้นที่ภายในหน่วยของการอนุมาน

คาร์บอนในดินมีความแตกต่างไม่สม่ำเสมอ (heterogeneous) ในทุกสเกล ภายในแปลงเพาะปลูกเดียวที่ดู เหมือนเป็นเนื้อเดียวกัน Poeplau และคณะ (2022) บันทึกส่วนเบี่ยงเบนมาตรฐานระดับแปลงย่อยที่ 5 ถึง 8 Mg C ต่อเฮกตาร์สำหรับสต็อกที่ความลึก 0–30 ซม. แม้จะสุ่มตัวอย่างซ้ำที่หน้าตัดเดิมโดยเลื่อนตำแหน่งเพียง เล็กน้อย ซึ่งเป็นสัมประสิทธิ์ความแปรผัน (coefficient of variation) ราว 10 เปอร์เซ็นต์ที่ส่วนใหญ่ลดทอน ไม่ได้3 ในภูมิทัศน์ที่ไม่สม่ำเสมอ ที่ตำแหน่งบนลาดเขา วัสดุต้นกำเนิด และประวัติการจัดการ แตกต่างกัน ค่า CV ที่ 30 ถึง 60 เปอร์เซ็นต์เป็นเรื่องปกติ14 ในไม้ยืนต้นเขตร้อน ส่วนเบี่ยงเบนมาตรฐานที่ตีพิมพ์สำหรับสต็อกวนเกษตรโกโก้ที่ ความลึก 0–30 ซม. กระจุกตัวอยู่ราว 10 ถึง 14 Mg C ต่อเฮกตาร์ อันเป็นผลจากตำแหน่งบนลาดเนิน โครงสร้างร่มเงา และอายุตามลำดับกาล (chronosequence)5

ความแปรปรวนเชิงพื้นที่เป็นแหล่งสัญญาณรบกวนที่โครงการส่วนใหญ่ตั้งงบประมาณไว้ต่ำเกินไป เพราะ การสำรวจนำร่องมักสุ่มตัวอย่างเพียงไม่กี่เฮกตาร์ที่ดูเหมือนสม่ำเสมอ ความแปรปรวนจะเผยตัวเมื่อการ ออกแบบขยายผลไปยังหน่วยการจัดการทั้งหมด ส่วนคำถามว่าพื้นที่ใหม่นั้นอยู่ในโดเมนของแบบจำลองหรือไม่ เป็นคำถามที่เกี่ยวเนื่องซึ่งเราจะกล่าวถึงใน เป็นตัวแทนของอะไร?

ความแปรปรวนเชิงเวลาและฤดูกาล

แม้ที่จุดเดียวกันในฟาร์มเดียวกัน การสุ่มตัวอย่างซ้ำที่ความลึกเดิมในวันที่ต่างกันก็ให้ค่าที่ต่างกัน มีสอง ผลกระทบที่มีอิทธิพลเด่น ประการแรก ความชื้นในดินและกลุ่มอินทรียวัตถุที่เพิ่งถูกแปรสภาพเป็นแร่ (mineralised) ผันผวนไปตามปริมาณน้ำฝน ซึ่งเป็นเหตุผลว่าทำไมการออกเครดิตของออสเตรเลียจึงหายไป ในปีถัดจากที่สภาวะ La-Niña สามครั้งซ้อน (triple-La-Niña) สิ้นสุดลง2 ประการที่สอง ความลึกในการสุ่มตัวอย่างในภาคสนามเป็นการดำเนินการเชิงสุ่ม (stochastic) ไม่ใช่ระนาบตายตัว ความต่างเพียงไม่กี่เซนติเมตรระหว่างการวัดฐานและการวัดซ้ำสามารถ ทำให้สต็อกที่ 0–30 ซม. แกว่งไปหลาย Mg C ต่อเฮกตาร์ เมื่อความหนาแน่นรวม (bulk density) เปลี่ยนไป ภายใต้การไถพรวนที่ลดลงหรือการเติมอินทรียวัตถุ Wendt และ Hauser (2013) เสนอการปรับแก้มวลดิน สมมูล (equivalent soil mass, ESM) ขึ้นมาเพื่อดูดซับสิ่งประดิษฐ์เทียม (artefact) นี้โดยเฉพาะ และ Raffeld et al. (2024) แสดงให้เห็นว่าการเลือกใช้ความลึกตายตัวเทียบกับ ESM สามารถทำให้การ เปลี่ยนแปลงที่อนุมานได้แกว่งมากกว่าสัญญาณจากการจัดการ ทั้งที่ใช้ข้อมูลดิบชุดเดียวกัน67

ความแปรปรวนจากการวิเคราะห์และการประมวลผล

ห้องปฏิบัติการก็เพิ่มความแปรปรวนเช่นกัน แม้ที่ห้องปฏิบัติการที่ได้รับการรับรองแห่งเดียว การวัดซ้ำ บนตัวอย่างเดียวกันก็มีค่า CV ที่ 1 ถึง 3 เปอร์เซ็นต์สำหรับคาร์บอนรวมด้วยวิธีการเผาไหม้แบบแห้ง (dry combustion) ความแปรปรวนระหว่างห้องปฏิบัติการและระหว่างวิธีการ (dry combustion เทียบกับ Walkley-Black, การเลื่อนของการสอบเทียบ mid-infrared (MIR), ความต่างในการเตรียมตัวอย่าง) มีขนาด ใหญ่กว่าและแทบไม่เคยถูกติดตามไปจนถึงตัวเลขพาดหัว Heuvelink และคณะ (2021) ให้เหตุผลว่าความ แปรปรวนของการทำนายจากแบบจำลองการเรียนรู้ของเครื่อง (machine-learning) สามารถครอบงำการ ประมาณการเปลี่ยนแปลงสต็อกขั้นสุดท้ายที่สเกลเชิงพื้นที่ละเอียด และหากปราศจากการแพร่กระจาย (propagation) ของพจน์ความแปรปรวนทั้งสามอย่างชัดเจน ตัวเลขการเปลี่ยนแปลง SOC ที่รายงานออกมา ก็ตีความไม่ได้ในเชิงโครงสร้าง8

ความแปรปรวนรวมของการวัด
σ²total = σ²spatial + σ²temporal + σ²analytical

ในการสำรวจฐาน (baseline) ของพื้นที่เพาะปลูกทั่วไป ทั้งสามส่วนมีสัดส่วนราว 80, 15 และ 5 เปอร์เซ็นต์ ของทั้งหมด ในการออกแบบวัดฐานและวัดซ้ำแบบจับคู่ที่กลับไปเก็บแปลงเดิม σ²spatial จะยุบลง (องค์ประกอบระหว่างแปลงหักล้างกัน) และ σ²temporal บวก σ²analytical จะกลาย เป็นสัญญาณรบกวนหลัก อัตราส่วนของทั้งสองคือคันโยกหลักในการออกแบบ และเป็นเหตุผลว่าทำไมการ ออกแบบแบบจับคู่จึงเป็นมาตรฐานในระบอบการออกเครดิตที่จริงจังในปัจจุบัน

สัญญาณที่เราพยายามตรวจจับ

อีกด้านหนึ่งของอสมการคือสัญญาณที่ขับเคลื่อนด้วยการจัดการ ในที่สุดวรรณกรรมก็สมบูรณ์พอที่จะยึดโยง กับช่วงค่าที่สมจริง และช่วงเหล่านั้นเล็กกว่าที่เอกสารนำเสนอด้านการตลาดส่วนใหญ่ยอมรับ

  • พืชคลุมดิน การวิเคราะห์อภิมาน (meta-analysis) ของ Poeplau และ Don จาก 37 พื้นที่ พบค่า 0.32 ± 0.08 Mg C ต่อเฮกตาร์ต่อปีในดินชั้นบน9 ซื่อตรง จริง และเล็ก
  • การไม่ไถพรวนและการไถพรวนที่ลดลง การเพิ่มขึ้นที่ปรากฏ 0.3 ถึง 0.7 Mg C ต่อ เฮกตาร์ต่อปีที่ 0–15 ซม. ส่วนใหญ่หายไปเมื่อรวมผลถึง 0–40 ซม. Powlson และคณะ (2014) แสดง ให้เห็นว่าโดยหลักแล้วนี่เป็นสิ่งประดิษฐ์เทียมจากการกระจายตัวใหม่ตามความลึก (depth-redistribution) ไม่ใช่การกักเก็บสุทธิ10
  • วนเกษตรเขตอบอุ่น Mayer et al. (2022) รายงานค่าเฉลี่ยดินชั้นบนที่ 0.21 Mg C ต่อเฮกตาร์ต่อปีจาก 51 การศึกษา โดยมีส่วนเบี่ยงเบนมาตรฐานระหว่างการศึกษาที่ 0.79 แนวรั้วต้นไม้ (hedgerows) ได้ถึง 0.32 การปลูกพืชแบบสลับแถว (alley-cropping) 0.26 และวนปศุสัตว์ (silvopasture) ติดลบเล็กน้อย11 ค่า SD ระหว่างการศึกษาใหญ่กว่าค่าเฉลี่ย ซึ่งเป็นปัญหาหลัก
  • วนเกษตรโกโก้ Adiyah et al. (2022, 2023) บันทึกความแปรผันขนาดใหญ่ตามชั้นอายุ และตำแหน่งบนลาดเขา โดยมีอัตราการสะสมในดินชั้นบน 0.2 ถึง 0.5 Mg C ต่อเฮกตาร์ต่อปี และมีการ เพิ่มขึ้นในดินชั้นล่าง (subsoil) อย่างมีนัยสำคัญในสวนที่มีอายุมากกว่า ~18 ปี5
  • ไบโอชาร์และวัสดุปรับปรุงดิน เหตุการณ์ครั้งเดียวแบบไม่ต่อเนื่องที่ 5 ถึง 15 Mg C ต่อเฮกตาร์ ตามด้วยการลดทอนอย่างช้า ๆ โดยแท้จริงแล้วเป็นขั้นบันไดมากกว่าความลาดชัน
  • การเลี้ยงสัตว์แบบหมุนเวียนหลายแปลงเชิงปรับตัว (adaptive multi-paddock grazing) ขึ้นอยู่กับพื้นที่และขึ้นอยู่กับสมดุล ความแตกต่างเฉลี่ยราว 0.5 ถึง 1.5 Mg C ต่อเฮกตาร์ต่อปีในที่ที่มัน มีอยู่ แต่มีความแปรปรวนระหว่างพื้นที่สูง

มีสองนัยตามมา สัญญาณจากการจัดการที่สมจริงอยู่ในช่วง 0.1 ถึง 0.5 Mg C ต่อเฮกตาร์ต่อปีสำหรับ แนวปฏิบัติที่สัญญาณสะสมแบบลาดขึ้น (slope-style) ซึ่งเล็กกว่าค่าคลาดเคลื่อนของห้องปฏิบัติการบน ตัวอย่างเดียวในเชิงสัมบูรณ์ และค่า SD ของผลระหว่างพื้นที่ในการวิเคราะห์อภิมานนั้นเทียบเท่าหรือใหญ่ กว่าค่าเฉลี่ย ซึ่งจำกัดว่าโครงการเดียวจะดึงการบีบอัดความแปรปรวนจากวรรณกรรมก่อนหน้าได้มากเพียงใด

อสมการของความสามารถในการตรวจจับ

สำหรับการออกแบบวัดฐานและวัดซ้ำแบบจับคู่ระหว่างจุดเวลาสองจุด การเปลี่ยนแปลงเฉลี่ยที่เล็กที่สุดที่ แคมเปญสามารถแยกแยะออกจากศูนย์ได้ในเชิงสถิติคือผลต่างที่ตรวจจับได้น้อยที่สุด (minimum detectable difference, MDD)

MDD สำหรับการตรวจจับการเปลี่ยนแปลงแบบจับคู่
MDD = (zα/2 + zβ) · σpaired · √(2 / n)

โดยที่ zα/2 = 1.96 ที่ α = 0.05 (สองด้าน) และ zβ = 0.84 ที่กำลัง 80 เปอร์เซ็นต์ ดังนั้น (zα/2 + zβ)² ≈ 7.85 ค่า σpaired คือส่วนเบี่ยงเบน มาตรฐานของการเปลี่ยนแปลงต่อแปลงระหว่างจุดเวลา (เล็กกว่าค่า σ สัมบูรณ์ของสต็อกมาก หากกลับไปเก็บ แปลงเดิมและสหสัมพันธ์อัตโนมัติภายในแปลง (autocorrelation) สูง) ส่วน n คือจำนวนแปลงที่จับคู่

คุณสมบัติสามประการของอสมการนี้มีความสำคัญต่อการออกแบบ

MDD มีความสมมาตร การลดค่าลงครึ่งหนึ่งทำให้ n ที่ต้องใช้เพิ่มขึ้นสี่เท่า การเพิ่ม σ เป็นสองเท่าก็ทำให้ n เพิ่มขึ้นสี่เท่าเช่นกัน ไม่มีเส้นทางราบรื่นจากแคมเปญที่ตรวจจับ 1 Mg C ต่อเฮกตาร์ ต่อปีไปสู่แคมเปญที่ตรวจจับ 0.25 มันมีต้นทุนเป็นสิบหกเท่าของตัวอย่าง

σpaired ยุบลงในที่ที่ σ ไม่ยุบ นี่คือเหตุผลที่การออกแบบแบบจับคู่กลายเป็นโครงสร้างที่น่าเชื่อถือสำหรับการตรวจสอบยืนยันในปัจจุบัน การ ออกแบบแบบจับคู่ 60 แปลงที่ σpaired = 4 Mg C ต่อเฮกตาร์ สามารถตรวจจับการเปลี่ยนแปลง สะสมห้าปีราว 2 Mg C ต่อเฮกตาร์ด้วยกำลัง 80 เปอร์เซ็นต์ ในขณะที่ 60 แปลงเดียวกันซึ่งสุ่มตัวอย่างอย่าง อิสระที่การวัดฐานและการวัดซ้ำ จะต้องการ σ ที่ใกล้ 2 Mg C ต่อเฮกตาร์เพื่อให้ได้ MDD เท่ากัน ซึ่งเป็นไป ไม่ได้ในพื้นที่เพาะปลูกจริง

สัญญาณสะสมไปตามเวลา ไม่ใช่ตามจำนวนตัวอย่างเพียงอย่างเดียว การสะสม 0.3 Mg C ต่อเฮกตาร์ต่อปีสะสมเป็น 1.5 Mg C ต่อเฮกตาร์ในห้าปี และ 3 Mg C ต่อเฮกตาร์ในสิบปี ค่า n เดียวกันที่ ตรวจจับการเปลี่ยนแปลงไม่ได้ในปีที่ห้า อาจตรวจจับได้อย่างสบายในปีที่สิบโดยไม่ต้องเพิ่มแกนดินแม้แต่ แกนเดียว นี่คือปฏิทรรศน์ของช่วงเวลา (time-horizon paradox) วิธีที่ถูกที่สุดในการซื้อกำลังการตรวจจับ คือการรอ

เครื่องจำลองกรอบสัญญาณ

แผนภาพแรกทำให้อสมการเป็นรูปธรรม เลือกอัตราการสะสมรายปี ส่วนเบี่ยงเบนมาตรฐานแบบจับคู่ และ จำนวนแปลง แล้วแผนภูมิจะวาดวิถีค่าเฉลี่ยจริงและช่องทางสัญญาณรบกวนที่ ±ε พร้อมทำเครื่องหมายปีที่ วิถีนั้นพ้นออกจากช่องทางเป็นครั้งแรก ดึง σ ลงด้วยการออกแบบแบบจับคู่ แล้วปีที่ตรวจจับได้จะลดลงครึ่ง หนึ่ง เพิ่มอัตราการสะสมขึ้น แล้ววิถีจะพ้นออกได้เร็วขึ้น ลด n ลง แล้วช่องทางจะกว้างขึ้นจนวิถีไม่สามารถ หลุดออกได้ภายใน 15 ปี

เครื่องจำลองแสดงให้เห็นว่าทำไมคำกล่าวอ้างแบบ “เรากักเก็บได้ X” ที่ตีพิมพ์ส่วนใหญ่จึงตรวจสอบยืนยัน ไม่ได้ด้วยข้อมูลของตัวเอง แถบเลื่อนที่แยกแยะสัญญาณที่น่าเชื่อถือได้นั้นอยู่นอกเหนือสิ่งที่การออกแบบภาค สนามจ่ายเงินซื้อมาจริง

ปฏิทรรศน์ของช่วงเวลา

นัยของอสมการ MDD นั้นไม่น่าสบายใจ สำหรับแนวปฏิบัติแบบฟื้นฟู (regenerative) ส่วนใหญ่ หน้าต่างการ ตรวจจับที่ซื่อตรงคือ 8 ถึง 12 ปี ไม่ใช่ 3 ถึง 5 ปีที่แผนงานขององค์กรและวงรอบการออกเครดิตมักสร้างขึ้น บนพื้นฐานนั้น112 Smith (2004) สร้างแบบจำลองเรื่องนี้ไว้เมื่อสองทศวรรษก่อน ภายใต้การเพิ่มขึ้น ของปริมาณคาร์บอนที่ป้อนเข้า 20 ถึง 25 เปอร์เซ็นต์ การตรวจจับที่ความเชื่อมั่น 90 เปอร์เซ็นต์ต้องใช้เวลา ราว 6 ถึง 10 ปีหากระบอบยอมรับการเปลี่ยนแปลงพื้นหลังของ SOC ได้ 3 เปอร์เซ็นต์ และแทบจะตรวจจับ ไม่ได้เลยในวงรอบที่สั้นกว่านั้นหากระบอบยอมรับการเปลี่ยนแปลงพื้นหลังได้เพียง 15 เปอร์เซ็นต์12

มีสามผลลัพธ์ตามมาสำหรับการออกแบบโครงการ ประการแรก ยอมรับการบัญชีแบบผสมระหว่างการวัดและ การสร้างแบบจำลอง (measurement-and-modelling hybrid) สำหรับปีแรก ๆ แทนที่จะกล่าวอ้างเกินจริง การรับฟังความคิดเห็น VM0042 v3.0 ของ Verra (Soil Sampling and Analysis Handbook ที่เผยแพร่ เดือนมีนาคม 2026) และกรณีทางเศรษฐศาสตร์แบบวัดและวัดซ้ำของ Potash et al. (2025) ต่างเคลื่อนไป ในทิศทางนี้1314 ประการที่สอง จัดโครงสร้างสัญญารอบหน้าต่างการตรวจสอบยืนยัน ไม่ใช่รอบการ ตลาด รายงานสามปีที่ระบุว่า “ต่ำกว่าขีดจำกัดการตรวจจับ วิถีสัญญาณสอดคล้องกับแบบจำลอง” นั้นทนทาน กว่ารายงานสามปีที่ระบุว่า “+1.4 Mg C ต่อเฮกตาร์” พร้อม CI ที่คร่อมศูนย์ ประการที่สาม ให้ความสำคัญกับ คำถามเรื่องความลึกอย่างจริงจัง การเพิ่มขึ้นของ SOC ในไม้ยืนต้นรากลึกที่มีอายุมากกว่า ~18 ปีมักเกินกว่า ในดินชั้นบน การออกแบบที่ 0–30 ซม. ย่อมมองไม่เห็นมัน57

การออกแบบการสุ่มตัวอย่างในฐานะคันโยกลดความแปรปรวน

หาก σ ถูกกำหนดตายตัวโดยตัวดินและการรอนานขึ้นถูกจำกัดด้วยสัญญา คันโยกที่เหลืออยู่คือการออกแบบ การเคลื่อนไหวสามอย่างในการออกแบบทบต้นกัน และโครงการที่จริงจังใช้ทั้งสามอย่าง

การแบ่งชั้นภูมิ (Stratification) การจัดสรรความพยายามในการสุ่มตัวอย่างไปยังชั้นภูมิที่ จับความแปรปรวนได้ (ภูมิประเทศ อายุการจัดการ ชนิดดิน) ช่วยลด σ ที่มีผล และด้วยเหตุนี้จึงลด n de Gruijter et al. (2016) เสนออัลกอริทึม Ospats สำหรับการจัดสรรแบบแบ่งชั้นที่เหมาะสมที่สุดเชิงต้นทุน โดยใช้แผนที่ SOC ก่อนหน้า (prior) และแสดงให้เห็นว่าผลได้มีนัยสำคัญเมื่อข้อมูลก่อนหน้าดี15 ในเชิงประจักษ์ งานต่อยอดบนข้อมูลของ Bradford et al. แสดงว่าการแบ่งชั้นภูมิ บนตัวแปรร่วม (covariates) ที่หาได้ง่ายช่วยลดขนาดตัวอย่างได้เฉลี่ย 17 เปอร์เซ็นต์ (95% CI 11 ถึง 23 เปอร์เซ็นต์) เมื่อเทียบกับการสุ่มตัวอย่างอย่างง่าย ข้อมูลก่อนหน้าที่หนักแน่นบวกกับการสุ่มตัวอย่างแบบ สมดุลสองชั้น (doubly balanced) สามารถผลักตัวเลขนั้นขึ้นเป็น 30 ถึง 50 เปอร์เซ็นต์1 พึงสังเกตขีดจำกัดขั้นต่ำ VM0042 v2.2 กำหนดตัวอย่างขั้นต่ำ 15 ตัวอย่างต่อชั้น ภูมิ ซึ่งอาจลบล้างผลได้แบบ Neyman บนหน่วยการจัดการขนาดเล็ก

การวัดฐานและวัดซ้ำแบบจับคู่ การกลับไปยังแปลงเดิมเมื่อวัดซ้ำทำให้องค์ประกอบความ แปรปรวนระหว่างแปลงยุบลง การลดสัญญาณรบกวนของการออกแบบแบบจับคู่โดยทั่วไปอยู่ที่ 30 ถึง 70 เปอร์เซ็นต์ ขึ้นอยู่กับสหสัมพันธ์อัตโนมัติเชิงเวลาของ SOC ในจุดจุลภาค (micro-site) USDA NRCS Soil Carbon Monitoring Network นำสิ่งนี้ไปใช้จริงที่หกตัวอย่างต่อแปลงขนาด 4 เฮกตาร์ตามตารางการ ออกแบบแบบจับคู่ หรือราวหนึ่งแกนต่อ 0.7 เฮกตาร์16

รวมตัวอย่างภายในชั้นภูมิ อิสระข้ามชั้นภูมิ รวมแกนดินภายในชั้นภูมิเพื่อดูดซับความ แปรปรวนระดับจุลภาคเข้าสู่การประมาณค่าเฉลี่ยของชั้นภูมิด้วยต้นทุนที่ต่ำกว่า และคงชั้นภูมิไว้เป็นตัวแทน การทำซ้ำที่อิสระเพื่อให้การทดสอบยังคงมีองศาความเป็นอิสระ (degrees of freedom) วิธีตรงกันข้าม (การ รวมข้ามชั้นภูมิเป็นตัวอย่างรวมชิ้นเดียว) นั้นเร็ว ถูก และไร้ประโยชน์ต่อการอนุมาน

แป้นหมุนการออกแบบการสุ่มตัวอย่าง

แผนภาพที่สองประกอบคันโยกการออกแบบทั้งสามเข้าด้วยกัน การออกแบบสุ่มอย่างง่ายพื้นฐานที่ σ ซึ่งผู้ใช้ กำหนดให้ค่าประมาณจำนวนปีที่ต้องใช้เพื่อตรวจจับ การแบ่งชั้นภูมิลด σ ที่มีผลด้วยตัวประกอบที่สมจริงตาม วรรณกรรม การวัดฐานและวัดซ้ำแบบจับคู่ทำให้ความแปรปรวนระหว่างแปลงยุบลงต่อไปอีก แผนภูมิจะอัปเดต จำนวนปีที่ต้องใช้เพื่อตรวจจับ จำนวนต่อชั้นภูมิหลังจากใช้ขีดจำกัดขั้นต่ำ 15 แบบ VM0042 และจำนวน แกนดินรวมที่ได้

จุดประสงค์ของแป้นหมุนไม่ใช่การหาค่าที่เหมาะที่สุดเป็นตัวเลขเดียว แต่คือการเผยให้เห็นว่าทางเลือกการ ออกแบบแต่ละอย่างคุ้มค่าตรงไหน และตรงไหนที่ขีดจำกัดขั้นต่ำของการตรวจสอบยืนยัน (ข้อจำกัด 15 ตัวอย่างต่อชั้นภูมิ ข้อกำหนดเรื่องความลึก การปรับแก้ ESM) มีต้นทุนสูงกว่าที่ Neyman ประหยัดได้

สิ่งที่การหันมาผสานแบบจำลองกับข้อมูล (model-data fusion) เปลี่ยนแปลง

การเปลี่ยนแปลงที่สำคัญที่สุดในช่วง 2024–2026 คือการขยับจากการออกเครดิตแบบวัดอย่างเดียวหรือแบบ จำลองอย่างเดียวไปสู่การออกแบบแบบผสม สถาปัตยกรรมนี้ได้รับการอธิบายไว้อย่างดีแล้ว แบบจำลองอิง กระบวนการหรือเชิงประจักษ์ระดับ Tier-3 ที่สอบเทียบเฉพาะพื้นที่ด้วยเครือข่ายการวัดแบบจับคู่ โดยแพร่ กระจายความแปรปรวนของการทำนายและความแปรปรวนของพารามิเตอร์ร่วมกันเข้าสู่ช่วงความไม่แน่นอนที่ รายงาน1714 เอกสารรับฟังความคิดเห็น VM0042 v3.0 ของ Verra และ GHG Protocol Land Sector and Removals Standard (มีผลบังคับใช้ 1 มกราคม 2027) ต่างเรียกร้องข้อมูลเชิงประจักษ์เฉพาะ กลุ่ม (pool-specific) สำหรับการกำจัดคาร์บอนในดินที่รายงานทุกกรณี อันเป็นการปิดช่องโหว่ “แบบจำลอง อย่างเดียว” ที่โครงการรุ่นแรกหลายโครงการเคยใช้1318 การทบทวนคู่มือผู้ซื้ออิสระของ CarbonPlan สรุปในปี 2023 ว่าไม่มีโปรโตคอลใด ที่มีจำหน่ายเชิงพาณิชย์ที่ตอบสนองข้อกำหนดด้านความเข้มงวด ความคงทน ความเป็นส่วนเพิ่ม (additionality) และความลึกได้พร้อมกัน วงรอบมาตรฐานปี 2026 ส่วนหนึ่งเป็นการตอบสนองต่อเรื่องนี้ อย่างชัดเจน19

เรื่องนี้สำคัญต่อกรอบคิดสัญญาณเทียบกับสัญญาณรบกวน แบบจำลองเพียงลำพังให้การทำนายแบบกำหนดได้ (deterministic) พร้อมขอบเขตความไม่แน่นอนที่มองโลกในแง่ดีเชิงโครงสร้าง แคมเปญการวัดเพียงลำพัง มีพื้นสัญญาณรบกวนตามที่อธิบายไว้ข้างต้น แบบจำลองที่สอบเทียบด้วยการวัดสามารถบีบอัดช่วงความไม่ แน่นอนให้ต่ำกว่าองค์ประกอบใดองค์ประกอบหนึ่งได้ แต่ก็ต่อเมื่อการวัดหนาแน่นพอที่จะกำกับพารามิเตอร์ที่ สำคัญ และค่าคลาดเคลื่อนเชิงโครงสร้างของแบบจำลองถูกรวมไว้ในความแปรปรวนที่แพร่กระจาย การผสม แบบ “แบบจำลองเบา การวัดเบา” นั้นไม่น่าเชื่อถือ ส่วน “การวัดในฐานะการสอบเทียบแบบจำลอง” คือ มาตรฐานเชิงปฏิบัติที่ระบอบปี 2026 กำลังหลอมรวมเข้าหา

แม่แบบการรายงานที่ซื่อตรง

วินัยที่ทำให้กรอบคิดสัญญาณเทียบกับสัญญาณรบกวนใช้งานได้จริงอยู่ที่การรายงาน ตัวเลขสี่ค่าควรเดินทาง ไปพร้อมกับคำกล่าวอ้างการเปลี่ยนแปลง SOC ใด ๆ และผู้ตรวจสอบยืนยันในยุค 2026 จะขอดูมัน

  1. ค่าประมาณแบบจุด (point estimate) ของการเปลี่ยนแปลง พร้อมหน่วยและความลึก (เช่น “การเปลี่ยนแปลง SOC ที่ 0–30 ซม. เท่ากับ +1.4 Mg C ต่อเฮกตาร์ในช่วง 5 ปี ปรับแก้ด้วย ESM แล้ว”)
  2. ช่วงความเชื่อมั่น 95 เปอร์เซ็นต์ ที่คำนวณจากความแปรปรวนจริงของการออกแบบ ไม่ใช่ จากค่า CV ทั่วไปในวรรณกรรม
  3. MDD ที่การออกแบบสามารถแยกแยะได้ที่กำลัง 80 เปอร์เซ็นต์ ซึ่งคำนวณก่อนแคมเปญ และแสดงผลลัพธ์ว่า “คำกล่าวอ้างอยู่ภายใน / นอกขีดจำกัดการตรวจจับ”
  4. อนุกรมวิธานความไม่แน่นอนที่แพร่กระจาย ตามแบบแผน IPCC AFOLU Volume 420 ได้แก่ ความแปรปรวนของข้อมูลกิจกรรม (activity-data) ความแปรปรวนของ สต็อกอ้างอิง และความแปรปรวนของการเปลี่ยนแปลงสต็อกหรือค่าคลาดเคลื่อนของแบบจำลอง รวมกันแบบ บวก

คำกล่าวอ้าง +1.4 Mg C ต่อเฮกตาร์ พร้อม CI ตั้งแต่ −0.2 ถึง +3.0 และ MDD เท่ากับ 1.6 นั้นซื่อตรง มีประโยชน์ และตรวจสอบยืนยันไม่ได้ มันจึงถูกบันทึกในรายงานตามนั้นและโครงการวางแผนสำหรับการวัด ซ้ำครั้งถัดไป ส่วนคำกล่าวอ้าง +1.4 Mg C ต่อเฮกตาร์ พร้อม CI ตั้งแต่ +0.6 ถึง +2.2 และ MDD เท่ากับ 0.8 นั้นซื่อตรง มีประโยชน์ และปกป้องได้ มันจึงเข้าสู่บัญชีสินค้าคงคลัง (inventory)

สิ่งที่ตามมาสำหรับการออกแบบโครงการ

กรอบคิดสัญญาณเทียบกับสัญญาณรบกวนช่วยลดความซับซ้อนของการตัดสินใจจัดซื้อหลายเรื่องที่ตลอดห้าปี ที่ผ่านมาถูกโต้แย้งครั้งแล้วครั้งเล่าราวกับว่ามันเป็นเรื่องของความคิดเห็น

หน่วยของการอนุมานคือโครงการ ไม่ใช่แปลง การตรวจจับแนวปฏิบัติแบบ slope-style ในระดับรายแปลงไม่ น่าเชื่อถือทางสถิติที่ความหนาแน่นซึ่งจ่ายไหว ในขณะที่การตรวจจับค่าเฉลี่ยระดับโครงการข้าม 20 ถึง 60 แปลงที่จับคู่นั้นจัดการได้ในเชิงปฏิบัติ จงออกแบบให้สอดคล้อง และนำคำกล่าวอ้างของผู้ซื้อไปสู่ระดับที่ข้อมูล สามารถปกป้องได้

หน้าต่างการตรวจจับที่ซื่อตรงคือช่วงเวลาการจัดการ ไม่ใช่แผนงานขององค์กร สำหรับพืชคลุมดิน การไม่ไถ พรวน และวนเกษตรส่วนใหญ่ นั่นคือ 8 ถึง 12 ปีนับจากการวัดฐาน วงรอบการรายงานสามปียังคงมีประโยชน์ ตราบเท่าที่รายงานเทียบกับวิถี MDD แทนที่จะเทียบกับสัญญาณที่สันนิษฐานไว้

หน้าตัดดินชั้นลึกไม่ใช่ทางเลือกอีกต่อไป การเพิ่มขึ้นในดินชั้นล่างในระบบไม้ยืนต้นที่มีอายุมากกว่า ~18 ปี มักเกินกว่าการเพิ่มขึ้นในดินชั้นบนและมองไม่เห็นด้วยการออกแบบที่ 0–30 ซม.5721 การปรับแก้ ESM ก็ต่อรองไม่ได้เช่นเดียวกันภายใต้การเปรียบเทียบระหว่างการไถ พรวนกับการไม่ไถพรวน67

โปรโตคอลที่ผู้ซื้อถูกตรวจสอบเทียบด้วยเป็นตัวกำหนดขีดจำกัดขั้นต่ำ VM0042 v2.2/v3.0, EU CRCF (Regulation 2024/3012), GHG Protocol Land Sector and Removals Standard และ SBTi FLAG ล้วน หลอมรวมไปสู่ข้อกำหนดข้อมูลเชิงประจักษ์ที่เข้มงวดขึ้นตลอดช่วง 2026–202713182223 การออกแบบตามมาตรฐานที่ผ่อนปรนที่สุดที่ทีมคุ้นเคย ในขณะที่ผู้ซื้อจะถูกตรวจ สอบเทียบกับมาตรฐานที่เข้มงวดที่สุด เป็นรูปแบบความล้มเหลวแบบค่อยเป็นค่อยไป

ประเด็นสำคัญ

  1. การตรวจจับการเปลี่ยนแปลงคาร์บอนอินทรีย์ในดินถูกกำกับด้วยอสมการระหว่างสัญญาณจากการจัดการที่มีขนาดเล็ก (โดยทั่วไป 0.1 ถึง 0.5 Mg C ต่อเฮกตาร์ต่อปีสำหรับแนวปฏิบัติแบบ slope-style) กับพื้นสัญญาณรบกวนที่มีสามองค์ประกอบ (เชิงพื้นที่ เชิงเวลา และเชิงการวิเคราะห์) ซึ่งองค์ประกอบเชิงพื้นที่ครอบงำในการออกแบบที่ไม่จับคู่

  2. คำกล่าวอ้างที่ปกป้องได้เดินทางไปพร้อมตัวเลขสามค่า ได้แก่ ค่าประมาณแบบจุด ช่วงความเชื่อมั่น 95 เปอร์เซ็นต์ และผลต่างที่ตรวจจับได้น้อยที่สุดที่การออกแบบสามารถแยกแยะได้ที่กำลัง 80 เปอร์เซ็นต์

  3. การออกแบบวัดฐานและวัดซ้ำแบบจับคู่คือโครงสร้างเชิงปฏิบัติสำหรับการตรวจจับการเปลี่ยนแปลงที่น่าเชื่อถือ คำกล่าวอ้างรายแปลงที่ความหนาแน่นซึ่งจ่ายไหวนั้นไม่สามารถสนับสนุนได้ทางสถิติสำหรับแนวปฏิบัติแบบ slope-style

  4. หน้าต่างการตรวจจับที่ซื่อตรงสำหรับพืชคลุมดิน การไม่ไถพรวน และวนเกษตรส่วนใหญ่คือ 8 ถึง 12 ปี ไม่ใช่ 3 ถึง 5 ปีที่ถูกฝังอยู่ในแผนงานคาร์บอนขององค์กรส่วนใหญ่

  5. การแบ่งชั้นภูมิ การออกแบบแบบจับคู่ และการรวมตัวอย่างภายในชั้นภูมิทบต้นกัน ขีดจำกัดขั้นต่ำของการตรวจสอบยืนยันที่ 15 ตัวอย่างต่อชั้นภูมิจำกัดเพดานผลได้บนหน่วยการจัดการขนาดเล็ก

  6. การรวมผลตามความลึกถึง 0–60 ซม. และการปรับแก้ ESM ไม่ใช่ทางเลือกอีกต่อไปภายใต้ระบอบการตรวจสอบยืนยันปี 2026 การออกแบบที่ข้ามมันไปจะให้ตัวเลขที่ดูน่าเชื่อถือแต่ไม่รอดการตรวจสอบระดับ Tier-3

เอกสารอ้างอิง

  • 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.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
  • 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.VandenBygaart, A.J., Angers, D.A. (2006). Towards accurate measurements of soil organic carbon stock change in agroecosystems. Canadian Journal of Soil Science, 86(3), 465–471. doi:10.4141/s05-106
  • 5.Adiyah, F. et al. (2022, 2023). Effects of land-use change and topography on SOC stocks on Acrisol catenas in Ghanaian cocoa systems, CATENA 216, 106366; and Soil organic carbon changes under selected agroforestry cocoa systems in Ghana, Geoderma Regional 35, e00737. doi:10.1016/j.catena.2022.106366doi:10.1016/j.geodrs.2023.e00737
  • 6.Wendt, J.W., Hauser, S. (2013). An equivalent soil mass procedure for monitoring soil organic carbon in multiple soil layers. European Journal of Soil Science, 64(1), 58–65. doi:10.1111/ejss.12002
  • 7.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, 2. doi:10.1186/s13021-024-00249-1
  • 8.Heuvelink, G.B.M. et al. (2021). Machine learning in space and time for modelling soil organic carbon change. European Journal of Soil Science, 72(4), 1607–1623. doi:10.1111/ejss.12998
  • 9.Poeplau, C., Don, A. (2015). Carbon sequestration in agricultural soils via cultivation of cover crops, a meta-analysis. Agriculture, Ecosystems & Environment, 200, 33–41. doi:10.1016/j.agee.2014.10.024
  • 10.Powlson, D.S. et al. (2014). Limited potential of no-till agriculture for climate change mitigation. Nature Climate Change, 4(8), 678–683. doi:10.1038/nclimate2292
  • 11.Mayer, S. et al. (2022). Soil organic carbon sequestration in temperate agroforestry systems, a meta-analysis. Agriculture, Ecosystems & Environment, 323, 107689. doi:10.1016/j.agee.2021.107689
  • 12.Smith, P. (2004). How long before a change in soil organic carbon can be detected? Global Change Biology, 10(11), 1878–1883. doi:10.1111/j.1365-2486.2004.00854.x
  • 13.Verra. (2026). VM0042 Methodology for Improved Agricultural Land Management v3.0 (public consultation draft) and the accompanying Soil Sampling and Analysis Handbook. Released 2 March 2026; consultation through 31 March 2026. verra.org
  • 14.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
  • 15.de Gruijter, J.J. et al. (2016). Farm-scale soil carbon auditing. Geoderma, 265, 120–130. doi:10.1016/j.geoderma.2015.11.010
  • 16.USDA NRCS. (2025). Soil Carbon Monitoring Network Framework Summary. nrcs.usda.gov
  • 17.Paustian, K. et al. (2019). Quantifying carbon for agricultural soil management, from the current status toward a global soil information system. Carbon Management, 10(6), 567–587. doi:10.1080/17583004.2019.1633231
  • 18.GHG Protocol. (2026). Land Sector and Removals Standard. World Resources Institute and WBCSD. Effective 1 January 2027. ghgprotocol.org
  • 19.CarbonPlan. (2021–2023). Soil carbon protocols, review and buyer's guide. carbonplan.org
  • 20.IPCC. (2019). 2019 Refinement to the 2006 IPCC Guidelines for National Greenhouse Gas Inventories, Volume 4 (AFOLU), Chapter 5 and Annex on Uncertainty. ipcc.ch
  • 21.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
  • 22.European Union. (2024). Regulation (EU) 2024/3012 establishing a Union certification framework for permanent carbon removals, carbon farming and carbon storage in products (CRCF). Official Journal of the European Union, 6.12.2024. eur-lex.europa.eu
  • 23.SBTi. (2026). FLAG Guidance v1.2, Forest, Land and Agriculture Science Based Target Setting Guidance. sciencebasedtargets.org

Share this article

LinkedInEmail