واحدها
1. مقدمه ای بر هوش مصنوعی در محیط و اقلیم: نقش ها، مرزها، دقت داده ها، شستشوی سبز و اخلاقیات 2. ردپای کربن و موجودی گازهای گلخانه ای: محدوده 1-2-3، عوامل انتشار و محاسبه 3. کاهش انتشار و استراتژی‌های صفر خالص: سناریوها، MACC و اهداف مبتنی بر علم 4. پایش محیطی: تصاویر ماهواره ای، سنجش از راه دور و حسگرهای اینترنت اشیا 5. مدیریت آب: ردپای آب، پایش کیفیت و تشخیص نشت 6. مدیریت زباله و اقتصاد دایره ای: طبقه بندی، بهینه سازی و قابلیت ردیابی 7. کیفیت هوا و پایش آلودگی: اندازه‌گیری، مدل‌سازی و پیش‌بینی 8. گزارش ESG: CSRD، GRI، جمع آوری داده ها و اتوماسیون 9. ریسک آب و هوا و تجزیه و تحلیل سناریو: TCFD، خطرات فیزیکی و انتقالی 10. قوانین زیست محیطی و انطباق: قرارداد سبز، CBAM و نظارت-گزارش- تأیید 11. اجتناب از Greenwashing، یکپارچگی داده ها، اخلاقیات، حریم خصوصی و گردش کار تمام عیار
واحد 3 / 11

کاهش انتشار و استراتژی‌های صفر خالص: سناریوها، MACC و اهداف مبتنی بر علم

سود:

  • توانایی تمایز بین صفر خالص و کربن خنثی و ارزیابی هدف کاهش از نظر واقع گرایی با نرخ SBTi/1.5 درجه سانتی گراد
  • امکان اولویت بندی اقدامات کاهشی با منطق MACC (هزینه کاهش حاشیه ای)، اولویت بندی هزینه های منفی
  • امکان پیش بینی انتشار چند ساله با کد به جای دستی و برنامه ریزی جبران فقط برای باقی مانده اجتناب ناپذیر

هنگامی که موجودی را جمع آوری کردید، کار واقعی شروع می شود: کاهش انتشار گازهای گلخانه ای. اما کاهش را نمی توان از طریق اعلام حسن نیت به دست آورد. به اهداف، نقشه راه و اولویت ها نیاز دارد. در این واحد، مفهوم صفر خالص، اهداف مبتنی بر علم، رتبه بندی گزینه های کاهش بر اساس هزینه (MACC) و اینکه چگونه هوش مصنوعی می تواند این کار استراتژیک را تسریع بخشد، یاد خواهید گرفت.

ابتدا مفاهیم صفر خالص زمانی است که یک مؤسسه گازهای گلخانه‌ای منتشر شده را تا حد امکان کاهش می‌دهد و با روش‌های قابل اطمینان بخش غیرقابل اجتناب باقیمانده را متعادل می‌کند و تأثیر خالص را به صفر می‌رساند. کربن خنثی به طور کلی مفهوم ضعیف تری است. اغلب به جای کاهش به خرید افست متکی است، بنابراین خطر شستشوی سبز زیاد است. هدف مبتنی بر علم (SBT) چارچوبی است که تأیید می‌کند هدف کاهش یک شرکت با علم مورد نیاز برای محدود کردن گرمایش زمین به 1.5 درجه سانتیگراد همسو است. SBTi (ابتکار اهداف علمی) سازمانی است که این اهداف را تأیید می کند.

نکته: "صفر خالص" با "کربن خنثی" یکسان نیست. صفر خالص ابتدا به کاهش عمیق نیاز دارد و سپس برای بقیه با کیفیت بالا حذف می شود. صرفاً گرفتن افست و "خنثی" نامیدن آن رویکردی است که حسابرسان و تنظیم کننده ها به طور فزاینده ای آن را رد می کنند.

گزینه های کاهش مرتب سازی: MACC

یک سازمان ممکن است ده ها گزینه کاهش داشته باشد: روشنایی LED، پانل های خورشیدی روی پشت بام، پمپ حرارتی، ناوگان الکتریکی، تعویض تامین کننده. با کدام شروع کنیم؟ پاسخ توسط MACC (منحنی کاهش حاشیه ای هزینه) ارائه شده است. MACC هر گزینه را بر اساس محورهای «هزینه به ازای هر تن CO₂e اجتناب‌شده» (یورو/تن) و «مقدار کل اجتناب‌شده» (تن) رتبه‌بندی می‌کند.

برخی از اقدامات هزینه منفی دارند - یعنی انتشار گازهای گلخانه ای را کاهش می دهند و در هزینه صرفه جویی می کنند (مثلاً بهره وری انرژی، زیرا انرژی کمتر به معنای قبض کمتر است). اینها ابتدا انجام می شود. اقدامات پرهزینه (مانند برخی از فناوری‌های ضبط) تا آخر باقی مانده است. MACC بودجه را برای دستیابی به بیشترین کاهش با کمترین هزینه هدایت می کند.

احتیاط

کاهش (تن CO₂e/سال)

هزینه (€/تن)

اولویت

بهره وری انرژی (LED، عایق)

400

-60 (سود)

بسیار بالا

برق خورشیدی پشت بام

900

−15 (سود)

بالا

قرارداد برق سبز

1500

8

بالا

تغییر به ناوگان برقی

300

45

متوسط

تامین کننده مواد کم کربن

1100

70

متوسط

حذف تایید شده کربن (افست)

باقی مانده است

90+

پایان

تحلیل سناریو: مدل سازی آینده

کاهش یک سفر چند ساله است، نه یک سال. تجزیه و تحلیل سناریو مدل سازی چگونگی تغییر انتشار گازهای گلخانه ای تحت مفروضات مختلف (رشد، قیمت انرژی، سرعت فناوری) است. به طور معمول یک سناریوی پایه (تجارت به طور معمول - اگر کاری انجام نشود) با یک سناریوی کاهش (در صورت اجرای اقدامات) مقایسه می شود. تفاوت در تاثیر واقعی کاهش است.

در اینجا هوش مصنوعی؛ این برای ساختاربندی مفروضات سناریو، ساخت مدل های طرح ریزی ساده در پایتون، ویرایش جدول MACC و پیش نویس متن نقشه راه مفید است. اما واقع گرایی مفروضات، دقت داده های هزینه و تصمیم استراتژیک با شماست.

گام به گام: نقشه راه کاهش

1. سال پایه و هدف را تعیین کنید. یک هدف روشن، قابل اندازه‌گیری و تاریخ‌گذاری شده مانند «کاهش 50 درصدی مطلق از سال 2019 در محدوده 1+2 تا سال 2030».

2. گزینه ها را فهرست و کمیت کنید. مقدار و هزینه کاهش را برای هر اقدام برآورد کنید.

3. مرتب سازی بر اساس MACC. اقدامات منفی و کم هزینه را مطرح کنید.

4. در طول سال ها پخش شود. کدام معیار در کدام سال؟ منحنی متناسب با بودجه بکشید.

5. هزینه های خود را برای بقیه برنامه ریزی کنید. راه حل های حذف با کیفیت بالا و معتبر را برای انتشارات اجتناب ناپذیر انتخاب کنید.

6. نظارت و بازنگری. هر سال مقدار واقعی را با هدف مقایسه کنید و هرگونه انحراف را اصلاح کنید.

سه کیف کوچک

مورد 1 - از دست دادن هزینه منفی. یکی از کسب‌وکارها به هوش مصنوعی گفت که «ابتدا بیشترین کاهش را داشته باشد» و هوش مصنوعی یک پروژه گران‌قیمت را پیشنهاد کرد. هنگامی که تیم MACC را اعمال کرد، متوجه شد که 400 تن اقدامات بهره وری انرژی 60 یورو در هر تن صرفه جویی می کند، یعنی کاهش رایگان. آنها بر اساس هزینه رتبه بندی کردند. در سال اول 400 تن را بدون بودجه کاهش دادند.

مورد 2 - هدف خیالی. یک شرکت از هوش مصنوعی یک شعار بلندپروازانه خواست: «تا سال 2025 کاملاً به صفر خواهیم رسید». این تحلیلگر نشان داد که 85 درصد از انتشار فعلی در محدوده 3 است و حذف آن در یک سال غیرممکن است. هدف به یک مدار واقع بینانه کشیده شده است (هدف موقت 2030 + صفر خالص 2040). مطابق با معیارهای SBTi شده است. این هدف غیرواقعی می‌تواند بعداً به اتهام سبزشویی تبدیل شود.

مورد 3 - کد طرح ریزی. یک تحلیلگر از هوش مصنوعی خواسته بود پیش بینی انتشار 10 ساله خود را با دست محاسبه کند. هوش مصنوعی نرخ کاهش ترکیب را به اشتباه اعمال کرد و مقدار 2030 را تا 12 درصد کمتر اعلام کرد. هنگامی که تحلیلگر همان محاسبه را با کد پایتون انجام داد (سال به سال حلقه زدن)، منحنی درست ظاهر شد. ضروری است که حساب های مرکب چند ساله مدون شوند.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

یک برنامه صفر خالص برای شرکت من بنویسید.

چرا ضعیف است: بدون سال پایه، هدف، دامنه، انتشار فعلی و هزینه. خروجی یک متن عمومی و غیرقابل اجرا خواهد بود.

اعلان قدرتمند:

نقش شما: مشاور استراتژی آب و هوا. یک نقشه راه کاهش با داده های زیر تهیه کنید. سال پایه 2019، انتشار 6000 تن CO₂e در محدوده فعلی 1+2، کاهش مطلق 50 درصدی تا سال 2030 هدف گذاری شده است. فهرست اقدامات زیر را بر اساس منطق MACC (ابتداً منفی/کم هزینه) مرتب کنید و آن را در طول سال ها پخش کنید. اعداد را نسازید. من برآوردهای هزینه/کاهش را به شما دادم، شما آنها را مرتب کنید و جاهای خالی را علامت بزنید [باید تأیید شود]. اقدامات احتیاطی: [فهرست]

چهار قالب قابل کپی

1) مرتب سازی MACC:

اقدامات کاهشی زیر را بر اساس هزینه کاهش حاشیه ای (€/تن) رتبه بندی کنید. اقدامات هزینه منفی (پس انداز) را اولویت بندی کنید. برای هر اندازه گیری، کاهش (تن CO₂e) و ستون هزینه را نگه دارید و کاهش تجمعی را اضافه کنید. اعداد را نسازید. از داده هایی که به شما دادم استفاده کنید. اقدامات احتیاطی: [جدول]

2) طرح سناریو (با کد):

نقش شما: مدلساز کربن. یک طرح ریزی با کد پایتون ایجاد کنید، از [START] تن انتشار شروع کنید و با فرض کاهش [RATE] در سال تا [YEAR]. سناریوی پایه (بدون کاهش) و سناریوی کاهش را جداگانه محاسبه کرده و سال به سال با جدول مقایسه کنید. محاسبه را با کد انجام دهید نه دستی.

3) بررسی واقع گرایی هدف:

هدف اقلیمی زیر را به طور انتقادی ارزیابی کنید. بپرسید: (1) مطلق یا بر اساس چگالی؟ (2) آیا محدوده 3 گنجانده شده است؟ (3) آیا جدول زمانی از نظر فیزیکی امکان پذیر است؟ (4) آیا SBTi با نرخ 1.5 درجه سانتیگراد سازگار است؟ اگر غیر واقعی است، دلیل و یک هدف تعدیل شده را پیشنهاد دهید. هدف: [اینجا]

4) متن پیش نویس نقشه راه:

فهرست ترتیب شده اقدامات زیر را به یک متن نقشه راه تبدیل کنید تا به ذینفعان ارائه شود. برای هر اندازه گیری: چه چیزی، چه زمانی، کاهش مورد انتظار، واحد مسئول. استفاده از عبارات اغراق آمیز/ اثبات نشده؛ فقط به اعدادی که به شما دادم تکیه کنید. اقدامات احتیاطی: [فهرست]

اشتباهات رایج

  • عدم رتبه بندی معیارها بر اساس هزینه. اقدامات هزینه منفی همیشه باید به جلو انجام شود.
  • فقط افست را بگیرید و بگویید "صفر خالص". ابتدا کاهش عمیق؛ هزینه من فقط برای باقی مانده است.
  • دادن تاریخ های غیر واقعی یک موسسه دارای وزن Scope 3 نمی تواند در یک سال به صفر خالص تبدیل شود.
  • انجام محاسبه مرکب به صورت دستی پیش بینی های چند ساله را به صورت کد داشته باشید.
  • تطبیق داده های هزینه/کاهش با هوش مصنوعی. این اعداد از داده های مهندسی و بازار بدست می آیند.
احتیاط: بازار حذف کربن (افست) از نظر کیفیت بسیار متفاوت است. ادعای صفر خالص مبتنی بر اعتبارات غیرمستند یا "غیر دائمی" (مثلاً جنگلی که می تواند بسوزد) می تواند در حسابرسی و افکار عمومی سقوط کند. حذف مکمل کاهش است و نه جایگزین آن.

به طور خلاصه

کاهش انتشار؛ این نیاز به یک هدف روشن، اولویت بندی هزینه با MACC، یک سناریوی چند ساله و یک نقشه راه واقعی دارد. هوش مصنوعی قوی در توالی، کد طرح ریزی، نقد هدف و پیش نویس متن. اما دقت داده های هزینه/کاهش، واقعی بودن هدف و کیفیت حذف متعلق به متخصص است. ابتدا اندازه گیری کنید، سپس کم کنید، آخرین تعادل.

وظیفه کاربردی

شش اقدام کاهش را فهرست کنید و کاهش (تن) و هزینه (€/تن) تخمین زده شده را برای هر یک (حداقل دو مورد با هزینه منفی) تعیین کنید. از هوش مصنوعی بخواهید تا مرتب‌سازی MACC را با الگوی 1 انجام دهد. سپس با الگوی 2، یک کد طرح‌ریزی را تا 2030 چاپ کنید، از انتشار فعلی‌تان شروع کنید. در نهایت با قالب 3 واقع گرایی هدف خود را بررسی کنید.

چک لیست

  • [ ] من یک هدف روشن، قابل اندازه گیری و تاریخ تعریف کردم.
  • [ ] من اقدامات را بر اساس MACC و هزینه فهرست کرده ام.
  • [ ] من معیارهای هزینه منفی را به جلو آوردم.
  • [ ] من طرح را نه با دست، بلکه با اجرای کد انجام دادم.
  • [ ] من فقط افست خود را برای باقیمانده اجتناب ناپذیر برنامه ریزی کردم.
  • [ ] سازگاری و واقع گرایی هدفم SBTi/1.5 درجه سانتی گراد را بررسی کردم.
قبلی بعدی