衛星データ活用による高精度化-スコープ3排出量 算定と第三者検証
本人のための、考え方の整理です。
前提：GHG Scope3（スコープ3）とは？
事業者が行う原材料調達、製造、物流、販売といった、利用者に製品が届くまでの一連の流れをサプライチェーンといいます。そのサプライチェーン全体で排出される温室効果ガス排出量とは、この一連の流れの中で排出されるすべての温室効果ガス(GHG)を指します。つまり、自社からの直接的な排出のみならず、自社活動に伴う間接的な排出を含む、事業活動に関係するすべての温室効果ガスの排出量を指します。
(1).全体要約
2024年度のアドベントカレンダーは、機械学習、強化学習、および数理最適化の手法を用いて、パンデミックや地政学的変化といった外部要因が温室効果ガス（GHG）排出量に与える影響を定量的に解析することを目的として実施します。とくに、企業の温室効果ガス排出量のうち、サプライチェーン全体にわたる排出量であるスコープ3排出量の算定について、特に第三者検証可能な高精度なデータを用いた算定方法に焦点を当てて分析/予測していきます。
具体的には、衛星データや地上で計測されたデータ、各種財務/契約データなどを活用し、スコープ3排出量をより正確に算定する方法論を提示することを目指しています。
(2).第三者検証に耐えられるデータの優先順、とは
スコープ3排出量の算定において、第三者検証に耐えうる信頼性の高いデータを用いることは非常に重要です。本アドベントカレンダーでは、以下の３つの観点からデータの優先順位を検討します。
・客観的: 衛星データのように、客観的な観測に基づいたデータは、第三者検証において客観性に貢献します。
・法的根拠: 契約書や法規に基づいたデータは、第三者検証において強い根拠として貢献します。
・データ精度: 衛星データのように、客観的な観測に基づいたデータは、第三者検証において高精度な算定に貢献します。
当アドベントカレンダーでは、これらの課題を第三者検証が可能な衛星データおよび地上データを組み合わせ、機械学習、強化学習および数理最適化を用いて分析し、持続可能な解決策を提案します。
(3).第三者検証に耐えられる、とは？
ここでいう第三者検証とは、外部の専門家によって、算定された排出量が適切な方法で算出されているか、また、用いられたデータが信頼できるものであるかなどを検証するプロセスです。この検証に耐えるためには、以下の点が重要です。
・法的根拠: 契約書、法規、国際規格（ISO14001、ISO26000など）に基づいたデータは、法的根拠が明確であり、第三者検証において強い根拠となります。
・客観性: 衛星データのように、客観的な観測に基づいたデータは、主観的な要素が少なく、第三者検証において信頼性が高いと評価されます。
・トレーサビリティ: データの収集から分析までの過程が明確に記録されており、追跡可能であることが重要です。
(4).データの優先順位について考え方と根拠
GHGにおいて、第三者検証に耐えられるデータの優先順は、以下のようになります。
1.CO2排出量データ: 直接的なCO2排出量データは、最も信頼性の高いデータです。
2.CO2換算排出量データ: CO2排出量に換算したデータは、その次に信頼性の高いデータです。
3.電気使用量データ: 電気使用量データからも、間接的なCO2排出量は推定することができます。
クロスチェックで援用できるデータ
・NO2濃度データ: 衛星画像から得られるNO2濃度データは、大気汚染の程度を反映し、間接的にCO2排出量と関連付けることができます。
・広域データと人流データ: 広域の土地利用データや人口データと組み合わせることで、より詳細な排出量の推定が可能になります。
これらのデータを組み合わせることで、より精度の高いスコープ3排出量の算定が可能になります。
(5).参加アドベントカレンダー
(6).参考URL
データ取得元
過去作成note 参照URLとか
(7).ハッシュタグ
#新型コロナ ,#第12波,第13波
#カーボンニュートラル ,#GHG,#再生可能エネルギ-,#炭素中立性,#第三者認証,#グリーンウォッシュ
#機械学習 ,#数理最適化,#強化学習,#衛星データ
いいなと思ったら応援しよう！
