Keuntungan:
- Keupayaan untuk membezakan antara sifar bersih dan neutral karbon dan menilai sasaran pengurangan dari segi realisme dengan kadar SBTi/1.5°C
- Keupayaan untuk mengutamakan langkah mitigasi dengan logik SPRM (marginal mitigation cost), mengutamakan kos negatif
- Keupayaan untuk membuat unjuran pelepasan berbilang tahun dengan kod dan bukannya secara manual dan merancang mengimbangi hanya untuk baki yang tidak dapat dielakkan
Sebaik sahaja anda mengeluarkan inventori, kerja sebenar bermula: mengurangkan pelepasan. Tetapi pengurangan tidak boleh dicapai melalui pengisytiharan niat baik; Ia memerlukan matlamat, peta jalan dan keutamaan. Dalam unit ini, anda akan mempelajari konsep sifar bersih, sasaran berasaskan sains, pilihan pengurangan kedudukan mengikut kos (MACC) dan cara AI boleh mempercepatkan kerja strategik ini.
Konsep dahulu. Sifar bersih ialah apabila sesebuah institusi mengurangkan gas rumah hijau yang dikeluarkannya sebanyak mungkin dan mengimbangi bahagian baki yang tidak dapat dielakkan dengan kaedah yang boleh dipercayai, mengurangkan kesan bersih kepada sifar. Karbon neutral secara amnya merupakan konsep yang lebih lemah; Ia sering bergantung pada pembelian mengimbangi dan bukannya pengurangan, jadi risiko pencucian hijau adalah tinggi. Sasaran berasaskan sains (SBT) ialah rangka kerja yang mengesahkan bahawa sasaran pengurangan syarikat adalah sejajar dengan sains yang diperlukan untuk mengehadkan pemanasan global kepada 1.5°C; SBTi (Inisiatif Sasaran Berasaskan Sains) ialah organisasi yang meluluskan sasaran ini.
Petunjuk: "Sifar bersih" tidak sama dengan "netral karbon." Sifar bersih memerlukan pengurangan yang mendalam terlebih dahulu, diikuti dengan penyingkiran berkualiti tinggi untuk bakinya. Hanya mengambil offset dan memanggilnya "neutral" ialah pendekatan yang semakin ditolak oleh juruaudit dan pengawal selia.
Mengisih pilihan mitigasi: SPRM
Organisasi mungkin mempunyai berdozen pilihan pengurangan: lampu LED, panel solar atas bumbung, pam haba, armada elektrik, penukaran pembekal. Yang mana satu untuk dimulakan? Jawapannya diberikan oleh SPRM (Marginal Abatement Cost Curve). SPRM meletakkan setiap pilihan berdasarkan paksi "kos setiap tan CO₂e yang dielakkan" (€/tan) dan "jumlah kuantiti yang dielakkan" (tan).
Sesetengah langkah mempunyai kos negatif — iaitu, ia mengurangkan pelepasan dan menjimatkan wang (cth. kecekapan tenaga, kerana kurang tenaga bermakna lebih sedikit bil). Ini dilakukan terlebih dahulu. Langkah kos tinggi (mis. beberapa teknologi tangkapan) dibiarkan sehingga yang terakhir. SPRM mengarahkan belanjawan untuk mencapai pengurangan paling banyak pada kos terendah.
langkah berjaga-jaga
Pengurangan (tan CO₂e/tahun)
Kos (€/tan)
keutamaan
Kecekapan tenaga (LED, penebat)
400
−60 (keuntungan)
sangat tinggi
kuasa solar atas bumbung
900
−15 (keuntungan)
tinggi
Kontrak elektrik hijau
1,500
8
tinggi
Bertukar kepada armada elektrik
300
45
sederhana
Pembekal bahan rendah karbon
1,100
70
sederhana
Penyingkiran karbon yang disahkan (mengimbangi)
yang tinggal
90+
tamat
Analisis senario: memodelkan masa depan
Mitigasi adalah perjalanan berbilang tahun, bukan satu tahun. Analisis senario memodelkan bagaimana pelepasan akan berubah di bawah andaian yang berbeza (pertumbuhan, harga tenaga, kelajuan teknologi). Biasanya senario garis dasar (perniagaan seperti biasa - jika tiada apa yang dilakukan) dibandingkan dengan senario mitigasi (jika langkah dilaksanakan). Perbezaannya ialah kesan sebenar pengurangan itu.
Di sini AI; Ia berguna untuk menstruktur andaian senario, membina model unjuran mudah dalam Python, mengedit jadual MACC dan merangka teks peta jalan. Tetapi realisme andaian, ketepatan data kos dan keputusan strategik adalah milik anda.
Langkah demi langkah: peta jalan mitigasi
1. Tentukan tahun asas dan matlamat. Sasaran yang jelas, boleh diukur dan bertarikh seperti "50% pengurangan mutlak daripada 2019 dalam Skop 1+2 menjelang 2030."
2. Senaraikan dan ukurkan pilihan. Anggarkan amaun dan kos mitigasi untuk setiap langkah.
3. Isih mengikut SPRM. Bawa ke hadapan langkah-langkah negatif dan kos rendah.
4. Merebak selama bertahun-tahun. Ukuran yang mana pada tahun mana? Lukiskan lengkung yang sesuai dengan bajet.
5. Rancang perbelanjaan anda untuk bakinya. Pilih penyelesaian penyingkiran yang berkualiti tinggi dan disahkan untuk pelepasan yang tidak dapat dielakkan.
6. Pantau dan semak semula. Bandingkan yang sebenar dengan sasaran setiap tahun dan betulkan sebarang penyelewengan.
tiga kes mini
Kes 1 — Hilang kos negatif. Satu perniagaan memberitahu AI untuk "membuat pengurangan terbesar dahulu," dan AI mencadangkan projek tangkapan yang mahal. Apabila pasukan itu memohon SPRM, mereka mendapati bahawa 400 tan langkah kecekapan tenaga menjimatkan €60 setiap tan, iaitu pengurangan percuma. Mereka disenaraikan mengikut kos; Pada tahun pertama, mereka mengurangkan 400 tan tanpa bajet.
Kes 2 — Sasaran khayalan. Satu syarikat meminta AI untuk slogan bercita-cita tinggi: "Kami akan menjadi sifar bersih sepenuhnya menjelang 2025." Penganalisis menunjukkan bahawa 85% daripada pelepasan semasa berada dalam Skop 3 dan mustahil untuk dihapuskan dalam satu tahun. Sasaran telah ditarik ke orbit yang realistik (sasaran interim 2030 + 2040 sifar bersih); Ia telah menjadi mematuhi kriteria SBTi. Matlamat yang tidak realistik kemudiannya boleh bertukar menjadi tuduhan mencuci hijau.
Kes 3 — Kod unjuran. Seorang penganalisis meminta AI mengira unjuran pelepasan 10 tahunnya dengan tangan; AI menggunakan kadar pengurangan kompaun secara salah dan mengecilkan nilai 2030 sebanyak 12%. Apabila penganalisis membuat pengiraan yang sama dengan kod Python (gelung tahun demi tahun), lengkung yang betul keluar. Adalah penting untuk mempunyai akaun kompaun berbilang tahun yang dikodkan.
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Tulis pelan sifar bersih untuk syarikat saya.
Sebab ia lemah: Tiada tahun asas, sasaran, skop, pelepasan semasa dan kos. Output akan menjadi teks generik yang tidak boleh digunakan.
Gesaan kuat:
Peranan anda: penasihat strategi iklim. Draf peta jalan mitigasi dengan data berikut. Tahun asas 2019, pelepasan Skop 1+2 semasa6,000 tan CO₂e, sasaran pengurangan mutlak 50% menjelang 2030. Isih senarai langkah berikut mengikut logik SPRM (kos negatif/rendah dahulu) dan sebarkannya selama bertahun-tahun. JANGAN membuat nombor; Saya memberi anda anggaran kos/pengurangan, anda mengisihnya dan menandakan tempat kosong [MESTI DISAHKAN]. Langkah berjaga-jaga: [senarai]
Empat templat yang boleh disalin
1) Pengisihan SPRM:
Susun langkah-langkah mitigasi berikut mengikut kos mitigasi marginal (€/tan). Utamakan langkah kos (penjimatan) negatif. Untuk setiap ukuran, simpan pengurangan (tan CO₂e) dan lajur kos dan tambah pengurangan kumulatif. Jangan buat nombor; Gunakan data yang saya berikan kepada anda. Langkah berjaga-jaga: [jadual]
2) Unjuran senario (dengan kod):
Peranan anda: pemodel karbon. Hasilkan unjuran dengan kod Python, bermula daripada [MULA] tan pelepasan dan andaikan pengurangan [RATE] setahun sehingga [TAHUN]. Kira senario asas (tiada pengurangan) dan senario pengurangan secara berasingan dan bandingkan dengan jadual tahun demi tahun. Lakukan pengiraan dengan kod, bukan secara manual.
3) Pemeriksaan realisme sasaran:
Nilai secara kritis sasaran iklim berikut. Tanya: (1) Berasaskan mutlak atau kepadatan? (2) Adakah Skop 3 disertakan? (3) Adakah garis masa secara fizikal mungkin? (4) Adakah SBTi serasi dengan kadar 1.5°C? Jika tidak realistik, cadangkan mengapa dan sasaran yang dilaraskan. Sasaran: [di sini]
4) Draf teks peta jalan:
Tukar senarai langkah tersusun berikut menjadi teks peta jalan untuk dibentangkan kepada pihak berkepentingan. Untuk setiap ukuran: apa, bila, pengurangan dijangka, unit yang bertanggungjawab. Menggunakan kenyataan yang dibesar-besarkan/tidak terbukti; Hanya bergantung pada nombor yang saya berikan kepada anda. Langkah berjaga-jaga: [senarai]
Kesilapan biasa
- Bukan ukuran ranking mengikut kos. Langkah kos negatif hendaklah sentiasa diambil ke hadapan.
- Hanya mengambil offset dan berkata "sifar bersih". Pengurangan mendalam terlebih dahulu; Perbelanjaan saya hanya untuk baki.
- Memberi tarikh yang tidak realistik. Institusi berwajaran Skop 3 tidak boleh menjadi sifar bersih dalam satu tahun.
- Mempunyai pengiraan kompaun dilakukan secara manual. Buat unjuran berbilang tahun dijadikan kod.
- Menyesuaikan data kos/pengurangan kepada AI. Nombor ini datang daripada data kejuruteraan dan pasaran.
Awas: Pasaran penyingkiran karbon (offset) berbeza secara meluas dari segi kualiti. Tuntutan sifar bersih berdasarkan kredit yang tidak berasas atau "tidak kekal" (mis. hutan yang boleh terbakar) boleh runtuh dalam audit dan pendapat umum. Penyingkiran adalah pelengkap kepada, bukan pengganti, mitigasi.
Secara ringkasnya
Pengurangan pelepasan; Ia memerlukan sasaran yang jelas, keutamaan kos dengan SPRM, senario berbilang tahun dan peta jalan yang realistik. AI; Kuat dalam penjujukan, kod unjuran, kritikan sasaran dan penggubalan teks. Tetapi ketepatan data kos/pengurangan, realisme sasaran dan kualiti penyingkiran adalah milik pakar. Mula-mula ukur, kemudian kurangkan, baki terakhir.
Tugasan permohonan
Senaraikan enam langkah mitigasi dan tetapkan anggaran pengurangan (tan) dan kos (€/tan) kepada setiap satu (sekurang-kurangnya dua dengan kos negatif). Minta AI melakukan pengisihan MACC dengan templat 1. Kemudian dengan templat 2, cetak kod unjuran ke 2030, bermula dari pelepasan semasa anda. Akhir sekali, semak realisme matlamat anda sendiri dengan templat ke-3.
senarai semak
- [ ] Saya menentukan matlamat yang jelas, boleh diukur dan bertarikh.
- [ ] Saya telah menyenaraikan langkah-langkah oleh SPRM dan kos.
- [ ] Saya membawa langkah kos negatif ke hadapan.
- [ ] Saya melakukan unjuran bukan dengan tangan, tetapi dengan menjalankan kod.
- [ ] Saya hanya merancang offset saya untuk baki yang tidak dapat dielakkan.
- [ ] Saya menyemak keserasian dan realisme sasaran SBTi/1.5°C saya.