Các tác giả
William Irving (Mỹ)
Hideaki Nakane (Nhật Bản) và Jose Ramon T. Villarin (Philippines)
Tác giả đóng góp
Ruta Bubniene (Lithuania)
5 HỖ TRỢ CHUỖI THỜI GIAN
5.1 GIỚI THIỆU
Chuỗi thời gian là một thành phần trung tâm của kiểm kê khí nhà kính vì nó cung cấp thông tin về các xu hướng phát thải trong quá khứ và theo dõi tác động của các chiến lược giảm phát thải ở cấp quốc gia. Như trường hợp ước tính cho các năm riêng lẻ, xu hướng phát thải không được vượt quá và cũng không được đánh giá thấp trong chừng mực có thể đánh giá được. Tất cả các ước tính phát thải trong một chuỗi thời gian phải được ước tính nhất quán, có nghĩa là càng nhiều càng tốt, chuỗi thời gian phải được tính toán bằng cùng một phương pháp và nguồn dữ liệu trong tất cả các năm. Việc sử dụng các phương pháp và dữ liệu khác nhau trong một chuỗi thời gian có thể tạo ra sự sai lệch vì xu hướng phát thải ước tính sẽ không chỉ phản ánh những thay đổi thực sự về lượng phát thải hoặc loại bỏ mà còn cả mô hình cải tiến phương pháp luận.
Chương này mô tả thực tiễn tốt trong việc đảm bảo tính nhất quán của chuỗi thời gian. Phần 5.2 cung cấp hướng dẫn về các tình huống phổ biến trong đó khó đạt được tính nhất quán của chuỗi thời gian: thực hiện các phép tính lại, thêm các danh mục mới và tính toán cho sự thay đổi công nghệ. Phần 5.3 mô tả các kỹ thuật kết hợp hoặc “nối” các phương pháp hoặc tập dữ liệu khác nhau để bù đắp cho dữ liệu không đầy đủ hoặc bị thiếu. Hướng dẫn bổ sung về báo cáo và tài liệu và QA / QC về tính nhất quán của chuỗi thời gian được đưa ra trong Phần 5.4 và 5.5.
5.2 ĐẢM BẢO CÁC GIAI ĐOẠN THỜI GIAN ĐỒNG Ý
5.2.1 Tính toán lại do thay đổi phương pháp luận và cải tiến
Thay đổi phương pháp luận trong một danh mục là chuyển sang một cấp khác với cấp đã sử dụng trước đó. Những thay đổi về phương pháp luận thường được thúc đẩy bởi sự phát triển của các bộ dữ liệu mới và khác nhau. Một ví dụ về sự thay đổi phương pháp luận là việc sử dụng mới phương pháp cấp cao hơn thay vì phương pháp mặc định Cấp 1 cho loại hình công nghiệp vì một quốc gia đã có được dữ liệu đo lường phát thải theo địa điểm cụ thể có thể được sử dụng trực tiếp hoặc để phát triển các hệ số phát thải quốc gia.
Việc cải tiến phương pháp luận xảy ra khi trình biên dịch kiểm kê sử dụng cùng một cấp để ước tính lượng phát thải nhưng áp dụng cấp đó bằng cách sử dụng nguồn dữ liệu khác hoặc cấp tổng hợp khác. Ví dụ về việc sàng lọc sẽ là nếu dữ liệu mới cho phép phân tách thêm mô hình lên men đường ruột vật nuôi, để các loại động vật thu được đồng nhất hơn hoặc áp dụng hệ số phát thải chính xác hơn. Trong trường hợp này, ước tính vẫn đang được xây dựng bằng phương pháp Bậc 2, nhưng nó được áp dụng ở cấp độ phân tổ chi tiết hơn. Một khả năng khác là dữ liệu có mức độ tổng hợp tương tự nhưng dữ liệu chất lượng cao hơn có thể được giới thiệu do các phương pháp thu thập dữ liệu được cải thiện.
Cả những thay đổi và cải tiến về phương pháp luận theo thời gian đều là một phần thiết yếu của việc cải thiện chất lượng hàng tồn kho. Thực tiễn tốt là thay đổi hoặc tinh chỉnh các phương pháp khi:
Dữ liệu có sẵn đã thay đổi: Tính sẵn có của dữ liệu là yếu tố quyết định quan trọng đối với phương pháp thích hợp và do đó những thay đổi trong dữ liệu có sẵn có thể dẫn đến những thay đổi hoặc cải tiến trong phương pháp. Khi các quốc gia tích lũy kinh nghiệm và dành thêm nguồn lực để chuẩn bị kiểm kê khí nhà kính, dự kiến rằng tính sẵn có của dữ liệu sẽ được cải thiện.1
Phương pháp đã sử dụng trước đây không phù hợp với hướng dẫn của IPCC cho danh mục đó: Người biên dịch kiểm kê nên xem lại hướng dẫn cho từng danh mục trong Tập 2-5.
Một danh mục đã trở thành then chốt: Một danh mục có thể không được coi là then chốt trong năm kiểm kê trước đó, tùy thuộc vào tiêu chí được sử dụng, nhưng có thể trở thành then chốt trong một năm tới. Ví dụ, nhiều quốc gia mới chỉ bắt đầu thay thế HFC và PFC cho các chất làm suy giảm tầng ôzôn đang bị loại bỏ dần theo Nghị định thư Montreal. Mặc dù lượng phát thải hiện tại từ loại này là thấp, nhưng chúng có thể trở thành chủ chốt trong tương lai dựa trên xu hướng hoặc mức độ. Các quốc gia dự đoán sự tăng trưởng đáng kể trong một danh mục có thể muốn xem xét khả năng này trước khi nó trở thành chủ chốt. Phương pháp được sử dụng trước đây không đủ để phản ánh các hoạt động giảm thiểu một cách minh bạch: Khi các kỹ thuật và công nghệ giảm phát thải được giới thiệu, các trình biên dịch hàng tồn kho nên sử dụng các phương pháp có thể giải thích sự thay đổi dẫn đến phát thải hoặc loại bỏ một cách minh bạch. Nếu các phương pháp đã sử dụng trước đây không đủ minh bạch, thì tốt hơn hết là bạn nên thay đổi hoặc tinh chỉnh chúng. Xem Phần 5.2.3 để được hướng dẫn thêm.
Năng lực chuẩn bị hàng tồn kho đã tăng lên: Theo thời gian, khả năng nhân lực hoặc tài chính (hoặc cả hai) để chuẩn bị hàng tồn kho có thể tăng lên. Nếu trình tổng hợp hàng tồn kho tăng dung lượng hàng tồn kho, thì bạn nên thay đổi hoặc tinh chỉnh các phương pháp để tạo ra các ước tính chính xác, đầy đủ và minh bạch hơn, đặc biệt là đối với các danh mục chính.
Có phương pháp kiểm kê mới: Trong tương lai, các phương pháp kiểm kê mới có thể được phát triển nhằm tận dụng công nghệ mới hoặc nâng cao hiểu biết khoa học. Ví dụ, cải tiến công nghệ viễn thám trong công nghệ giám sát phát thải có thể giúp giám sát trực tiếp nhiều loại nguồn phát thải hơn.
Sửa chữa sai sót: Có thể việc thực hiện các quy trình QA / QC được mô tả trong Chương 6, Đảm bảo chất lượng và Kiểm tra và xác minh chất lượng, sẽ dẫn đến việc xác định các sai sót hoặc nhầm lẫn trong hàng tồn kho. Như đã lưu ý trong chương đó, bạn nên sửa các sai sót trong các ước tính đã nộp trước đó. Theo nghĩa chặt chẽ, việc sửa lỗi không nên được coi là một sự thay đổi hoặc cải tiến về phương pháp luận. Tuy nhiên, tình huống này được lưu ý ở đây, vì hướng dẫn chung về tính nhất quán của chuỗi thời gian nên được xem xét khi thực hiện các hiệu chỉnh cần thiết.
1 Đôi khi, việc thu thập dữ liệu có thể bị giảm đi, dẫn đến kết quả phương pháp luận kém chặt chẽ hơn.
| HỘP 5.1 TÍNH TOÁN TRONG LÂM NGHIỆP NÔNG NGHIỆP VÀ CÁC NGÀNH SỬ DỤNG ĐẤT KHÁC (AFOLU) Người ta dự đoán rằng việc sử dụng các kỹ thuật tính toán lại trong AFOLU Sector sẽ đặc biệt quan trọng. Việc phát triển các phương pháp kiểm kê và các công cụ nội suy / ngoại suy (mô hình) cho lĩnh vực này đang diễn ra và người ta dự đoán rằng những thay đổi đối với phương pháp của nhiều quốc gia sẽ xảy ra theo thời gian do sự phức tạp của các quá trình liên quan. Trong những trường hợp đơn giản, lấy mẫu hoặc thử nghiệm có thể cung cấp các hệ số phát thải cụ thể cho từng quốc gia, có thể yêu cầu tính toán lại chuỗi thời gian. Các tình huống phức tạp hơn cũng có thể phát sinh. Ví dụ: Các công cụ được sử dụng để thu thập dữ liệu hoạt động có thể thay đổi theo thời gian và không thể quay ngược thời gian để áp dụng công cụ mới. Ví dụ, các sự kiện dọn sạch đất có thể được ước tính bằng cách sử dụng hình ảnh vệ tinh, nhưng các vệ tinh có sẵn cho công việc này thay đổi hoặc suy giảm theo thời gian. Trong trường hợp này, phương pháp chồng chéo được mô tả trong Phần 5.3.3.1 được áp dụng nhiều nhất. Một số nguồn dữ liệu như kiểm kê rừng cần thiết cho các danh mục AFOLU có thể không có sẵn hàng năm do hạn chế về tài nguyên. Trong trường hợp này, nội suy giữa các năm hoặc ngoại suy cho các năm sau năm cuối cùng với dữ liệu đo được có sẵn có thể là thích hợp nhất. Dữ liệu ngoại suy có thể được tính toán lại khi có dữ liệu cuối cùng (xem Phần 5.3.3.3 và 5.3.3.4 về nội suy và ngoại suy). Phát thải và loại bỏ từ AFOLU thường phụ thuộc vào hoạt động sử dụng đất trong quá khứ. Do đó, dữ liệu phải bao gồm một giai đoạn lịch sử lớn (20-100 năm) và chất lượng của dữ liệu đó thường sẽ thay đổi theo thời gian. Các kỹ thuật chồng chéo, nội suy hoặc ngoại suy có thể cần thiết trong những trường hợp này. Việc tính toán các hệ số phát thải và các thông số khác trong AFOLU có thể yêu cầu kết hợp công việc lấy mẫu và mô hình hóa. Tính nhất quán của chuỗi thời gian cũng phải áp dụng cho công việc mô hình hóa. Mô hình có thể được xem như một cách biến đổi dữ liệu đầu vào để tạo ra kết quả đầu ra. Trong hầu hết các trường hợp khi các thay đổi được thực hiện đối với đầu vào dữ liệu hoặc các mối quan hệ toán học trong một mô hình, toàn bộ chuỗi thời gian của các ước tính phải được tính toán lại. Trong trường hợp điều này không khả thi do có sẵn dữ liệu, các biến thể của phương pháp chồng chéo có thể được áp dụng. |
5.2.2 Thêm các danh mục mới
Việc bổ sung vào kho của một danh mục hoặc tiểu danh mục mới đòi hỏi phải tính toán toàn bộ chuỗi thời gian và các ước tính phải được đưa vào kiểm kê từ năm bắt đầu xảy ra phát thải hoặc loại bỏ trong nước. Một quốc gia nên cố gắng hết sức để sử dụng cùng một phương pháp và bộ dữ liệu cho mỗi năm. Nó có thể Tuy nhiên, khó thu thập dữ liệu cho những năm trước, trong trường hợp đó, các quốc gia nên sử dụng hướng dẫn về nối trong Phần 5.3.3 để xây dựng một chuỗi thời gian nhất quán.
Một quốc gia có thể thêm các danh mục mới hoặc khí mới vào hàng tồn kho vì nhiều lý do:
Đang xảy ra hoạt động phát thải hoặc loại bỏ: Một số quá trình phát thải, đặc biệt là trong Lĩnh vực Quy trình Công nghiệp và Sử dụng Sản phẩm (IPPU), chỉ xảy ra do kết quả của các quy trình công nghệ cụ thể. Ví dụ, việc sử dụng các chất thay thế cho các chất làm suy giảm tầng ôzôn (chất thay thế ODS) đã được thực hiện theo từng giai đoạn với tỷ lệ rất khác nhau ở các khu vực khác nhau trên thế giới. Một số ứng dụng hiện có thể chỉ bắt đầu xuất hiện ở một số quốc gia.
Tăng trưởng nhanh trong danh mục rất nhỏ: Một danh mục trước đây quá nhỏ để có đủ nguồn lực để đưa vào kiểm kê quốc gia, có thể tăng trưởng đột ngột và cần được đưa vào kiểm kê trong tương lai.
Các danh mục IPCC mới: Hướng dẫn IPCC 2006 bao gồm một số danh mục và tiểu thể loại không được đề cập trong Hướng dẫn IPCC 1996 (IPCC, 1997). Do đó, các quốc gia có thể đưa các ước tính mới vào kiểm kê quốc gia trong tương lai. Các quốc gia nên bao gồm ước tính cho các danh mục mới và danh mục phụ cho toàn bộ chuỗi thời gian.
Khả năng kiểm kê bổ sung: Một quốc gia có thể sử dụng nhiều tài nguyên hơn hoặc thuê thêm các chuyên gia theo thời gian, và do đó bao gồm các danh mục và danh mục phụ mới trong kiểm kê.
Nếu một hoạt động gây phát thải mới bắt đầu sau năm cơ sở, hoặc nếu một loại trước đây được coi là không đáng kể (xem Phần 4.1.2 trong Chương 4, Lựa chọn phương pháp luận và Xác định các Danh mục Chính, vì lý do không ước tính lượng phát thải / loại bỏ từ một loại hiện có nguồn/bể chứa) đã phát triển đến mức đáng lẽ nó phải được đưa vào kiểm kê, bạn nên ghi lại lý do của việc không ước tính toàn bộ chuỗi thời gian.
5.2.3 Theo dõi tăng và giảm do thay đổi công nghệ và các yếu tố khác
Kiểm kê phát thải có thể theo dõi những thay đổi về lượng phát thải và loại bỏ thông qua việc thay đổi mức độ hoạt động hoặc thay đổi tỷ lệ phát thải, hoặc cả hai. Cách mà những thay đổi như vậy được đưa vào phương pháp luận có thể có tác động đáng kể đến tính nhất quán của chuỗi thời gian.
Thay đổi về mức độ hoạt động
Thống kê quốc gia thường sẽ giải thích cho những thay đổi đáng kể về mức độ hoạt động. Ví dụ, việc chuyển đổi nhiên liệu từ than sang khí tự nhiên trong sản xuất điện sẽ được phản ánh trong thống kê tiêu thụ nhiên liệu quốc gia. Việc phân tách thêm dữ liệu hoạt động có thể cung cấp thêm tính minh bạch để chỉ ra cụ thể nơi diễn ra sự thay đổi trong hoạt động. Cách tiếp cận này phù hợp khi các thay đổi đang diễn ra trong một hoặc nhiều danh mục con, nhưng không phải trong toàn bộ danh mục. Để duy trì tính nhất quán của chuỗi thời gian, mức độ phân tách giống nhau thành các danh mục con nên được sử dụng cho toàn bộ chuỗi thời gian càng tốt càng tốt, ngay cả khi sự thay đổi bắt đầu gần đây.
Thay đổi tỷ lệ phát thải
Nghiên cứu có thể chỉ ra rằng tốc độ phát thải / loại bỏ trung bình trên một đơn vị hoạt động đã thay đổi theo chuỗi thời gian. Trong một số trường hợp, các yếu tố dẫn đến thay đổi công nghệ cũng có thể làm cho việc sử dụng phương pháp cấp cao hơn. Ví dụ, một người quản lý nhà máy nhôm, người đưa ra các biện pháp để giảm tần suất và cường độ của các hiệu ứng cực dương cũng có thể thu thập các thông số cụ thể của nhà máy có thể được sử dụng để ước tính hệ số phát thải mới, hệ số mới này có thể không thích hợp để ước tính lượng khí thải cho những năm trước đó trong chuỗi thời gian, trước khi thay đổi công nghệ xảy ra. Trong những trường hợp này, thực hành tốt là sử dụng hệ số phát thải được cập nhật hoặc các thông số hoặc dữ liệu ước tính khác để phản ánh những thay đổi này. Vì một giả định chung là các hệ số phát thải hoặc các thông số ước lượng khác không thay đổi theo thời gian trừ khi có chỉ định khác, các quốc gia phải ghi rõ lý do sử dụng các hệ số hoặc thông số khác nhau trong chuỗi thời gian. Điều này đặc biệt quan trọng nếu việc lấy mẫu hoặc khảo sát diễn ra theo định kỳ và các hệ số phát thải hoặc các thông số ước lượng trong các năm giữa được nội suy chứ không phải đo lường.
Thu giữ, phá hủy hoặc đốt cháy khí thải
Các nguồn điểm lớn hơn như các cơ sở sản xuất hóa chất hoặc nhà máy điện có thể tạo ra khí thải nhưng ngăn chúng thải ra khí quyển thông qua thu giữ và lưu trữ (ví dụ: CO2), phá hủy (ví dụ, HFC-23) hoặc đốt cháy (ví dụ, CH4). Các hoạt động này không nhất thiết làm thay đổi lượng phát thải trung bình tạo ra trên một đơn vị hoạt động, và do đó, việc sử dụng các hệ số phát thải khác nhau trong các năm khác nhau là không tốt. Thay vào đó, trình biên dịch hàng tồn kho phải ước tính tổng lượng khí thải được tạo ra và lượng khí thải giảm thiểu một cách riêng biệt, sau đó trừ đi các khoản giảm từ tổng lượng khí thải để đi đến ước tính cho tổng lượng khí thải vào khí quyển.
5.3 GIẢI QUYẾT CÁC BẢN ĐỒ DỮ LIỆU
5.3.1 Các vấn đề về tính khả dụng của dữ liệu
Để có một chuỗi thời gian hoàn chỉnh và nhất quán, cần xác định mức độ sẵn có của dữ liệu cho từng năm. Việc tính toán lại các ước tính trước đó bằng phương pháp bậc cao hơn hoặc phát triển ước tính cho các danh mục mới sẽ khó nếu thiếu dữ liệu trong một hoặc nhiều năm. Ví dụ về khoảng trống dữ liệu được trình bày dưới đây:
Dữ liệu định kỳ: Số liệu thống kê tài nguyên hoặc môi trường, chẳng hạn như kiểm kê rừng quốc gia và thống kê chất thải, có thể không bao gồm toàn bộ quốc gia hàng năm. Thay vào đó, chúng có thể được thực hiện trong các khoảng thời gian chẳng hạn như năm thứ năm hoặc năm thứ mười, hoặc theo từng khu vực, ngụ ý rằng ước tính cấp quốc gia chỉ có thể được trực tiếp thu được sau khi hoàn thành kiểm kê ở mọi khu vực. Khi dữ liệu có sẵn ít thường xuyên hơn hàng năm, một số vấn đề phát sinh. Đầu tiên, các ước tính cần được cập nhật mỗi khi có dữ liệu mới và các năm giữa các dữ liệu có sẵn cần được tính toán lại. Vấn đề thứ hai là sản xuất hàng tồn kho trong nhiều năm sau điểm dữ liệu khả dụng cuối cùng và trước khi có dữ liệu mới. Trong trường hợp này, các ước tính mới phải được ngoại suy dựa trên dữ liệu có sẵn và sau đó được tính toán lại khi có dữ liệu mới.
Thay đổi và khoảng trống về tính khả dụng của dữ liệu: Thay đổi về tính sẵn có của dữ liệu hoặc khoảng cách về dữ liệu khác với dữ liệu có sẵn định kỳ vì không có cơ hội để tính toán lại ước tính vào một ngày sau đó bằng cách sử dụng dữ liệu tốt hơn. Trong một số trường hợp, các quốc gia sẽ cải thiện khả năng thu thập dữ liệu của họ theo thời gian, để các phương pháp cấp cao hơn có thể được áp dụng cho những năm gần đây, nhưng không áp dụng cho những năm trước đó. Điều này đặc biệt liên quan đến các hạng mục mà trong đó có thể thực hiện các chương trình lấy mẫu và đo lường trực tiếp vì những dữ liệu mới này có thể không chỉ ra các điều kiện trong những năm qua. Một số quốc gia có thể nhận thấy rằng tính sẵn có của một số bộ dữ liệu nhất định giảm dần theo thời gian do thay đổi các ưu tiên trong chính phủ, cơ cấu lại nền kinh tế hoặc nguồn lực hạn chế. Một số quốc gia có nền kinh tế đang trong quá trình chuyển đổi không còn thu thập một số bộ dữ liệu nhất định đã có trong năm gốc hoặc nếu có, những bộ dữ liệu này có thể chứa các định nghĩa, phân loại và mức độ tổng hợp khác nhau.
5.3.2 Dữ liệu năm không theo lịch
Khi sử dụng dữ liệu năm không theo lịch, bạn nên sử dụng cùng một khoảng thời gian thu thập nhất quán theo chuỗi thời gian như được mô tả trong Phần 2.2.3 trong Chương 2, Phương pháp Tiếp cận Thu thập Dữ liệu. Các quốc gia không nên sử dụng các khoảng thời gian thu thập khác nhau trong cùng một chuỗi thời gian vì điều này có thể dẫn đến sự sai lệch trong xu hướng.
5.3.3 Kỹ thuật nối
Nối trong ngữ cảnh này đề cập đến việc kết hợp hoặc nối nhiều hơn một phương pháp để tạo thành một chuỗi thời gian hoàn chỉnh. Một số kỹ thuật nối có sẵn nếu không thể sử dụng cùng một phương pháp hoặc nguồn dữ liệu trong tất cả các năm. Phần này mô tả các kỹ thuật có thể được sử dụng để kết hợp các phương pháp nhằm giảm thiểu sự mâu thuẫn tiềm ẩn trong chuỗi thời gian. Mỗi kỹ thuật có thể thích hợp trong các tình huống nhất định, được xác định bằng các cân nhắc như tính sẵn có của dữ liệu và bản chất của việc sửa đổi phương pháp luận. Lựa chọn một kỹ thuật đòi hỏi phải đánh giá các trường hợp cụ thể và xác định phương án tốt nhất cho trường hợp cụ thể. Thực hành tốt là thực hiện nối bằng nhiều kỹ thuật trước khi đưa ra quyết định cuối cùng và ghi lại lý do tại sao lại chọn một phương pháp cụ thể. Các cách tiếp cận chính để tính toán lại hàng tồn kho được tóm tắt trong Bảng 5.1.
5.3.3.1 Chồng chéo
Kỹ thuật chồng chéo thường được sử dụng khi một phương pháp mới được giới thiệu nhưng không có sẵn dữ liệu để áp dụng phương pháp mới cho những năm đầu trong chuỗi thời gian, ví dụ khi triển khai một phương pháp luận bậc cao hơn. Nếu phương pháp mới không thể được sử dụng cho tất cả các năm, có thể phát triển một chuỗi thời gian dựa trên mối quan hệ (hoặc sự chồng chéo) được quan sát giữa hai phương pháp trong những năm có thể sử dụng cả hai phương pháp này. Về cơ bản, chuỗi thời gian được xây dựng bằng cách giả định rằng có mối quan hệ nhất quán giữa kết quả của phương pháp đã sử dụng trước đó và phương pháp mới. Các ước tính phát thải hoặc loại bỏ cho những năm không thể sử dụng trực tiếp phương pháp mới được phát triển bằng cách điều chỉnh tỷ lệ các ước tính đã phát triển trước đó, dựa trên mối quan hệ được quan sát
Trong đó:
y0 = ước lượng phát thải hoặc loại bỏ được tính toán lại được tính bằng phương pháp chồng chéo
x0 = ước tính được phát triển bằng phương pháp đã sử dụng trước đó
yi và xi là các ước tính được chuẩn bị bằng cách sử dụng các phương pháp mới và đã được sử dụng trước đó trong khoảng thời gian trùng lặp, được biểu thị bằng các năm từ m đến n
Mối quan hệ giữa các phương pháp đã sử dụng trước đây và phương pháp mới có thể được đánh giá bằng cách so sánh sự trùng lặp giữa chỉ một bộ ước tính hàng năm, nhưng tốt hơn là so sánh nhiều năm. Điều này là do chỉ so sánh một năm có thể dẫn đến sai lệch và không thể đánh giá xu hướng.
Hình 5.1 cho thấy một ví dụ giả định về sự trùng lặp nhất quán giữa hai phương pháp trong những năm có thể áp dụng cả hai phương pháp. Trong Hình 5.2 không có sự chồng chéo nhất quán giữa các phương pháp và việc sử dụng kỹ thuật chồng chéo trong trường hợp như vậy là không tốt.
Các mối quan hệ khác giữa các ước tính cũ và mới cũng có thể được quan sát thông qua việc đánh giá sự chồng chéo. Ví dụ, một sự khác biệt không đổi có thể được quan sát thấy. Trong trường hợp này, lượng phát thải hoặc loại bỏ liên quan đến phương pháp mới được ước tính bằng cách điều chỉnh ước tính trước đó bằng một lượng không đổi bằng chênh lệch trung bình trong các năm chồng chéo.
Hình 5.1 Sự chồng chéo nhất quán
2 Phương trình chồng chéo 5.1 được ưu tiên hơn phương trình được mô tả trong Hướng dẫn Thực hành Tốt cho Kiểm kê Khí nhà kính Quốc gia (GPG2000, IPCC, 2000):
bởi vì cái thứ hai mang lại nhiều trọng lượng hơn cho những năm chồng chéo với lượng khí thải cao nhất. Tuy nhiên, trong các trường hợp thực tế, các kết quả thường rất giống nhau và việc tiếp tục sử dụng phương trình trước đó là phù hợp với thực tiễn tốt khi việc sử dụng nó cho kết quả khả quan.
Hình 5.2 Sự chồng chéo không nhất quán
5.3.3.2 DỮ LIỆU KHẢO SÁT
Phương pháp thay thế liên quan đến phát thải hoặc loại bỏ với hoạt động cơ bản hoặc dữ liệu chỉ dẫn khác. Những thay đổi trong dữ liệu này được sử dụng để mô phỏng xu hướng phát thải hoặc loại bỏ. Ước tính phải liên quan đến nguồn dữ liệu thống kê giải thích tốt nhất các biến thể về thời gian của danh mục. Ví dụ, phát thải từ nguồn di động có thể liên quan đến xu hướng về quãng đường phương tiện di chuyển, phát thải từ nước thải sinh hoạt có thể liên quan đến dân số và phát thải công nghiệp có thể liên quan đến mức sản xuất trong ngành liên quan. Xem Chương 2, Phương pháp Tiếp cận Thu thập Dữ liệu.
Ở dạng đơn giản nhất, ước tính sẽ liên quan đến một loại dữ liệu như thể hiện trong Công thức 5.2:
Trong đó:
y = ước tính phát thải / loại bỏ trong năm 0 và t
s = tham số thống kê thay thế trong năm 0 và t
Mặc dù mối quan hệ giữa phát thải / loại bỏ và thay thế có thể được phát triển trên cơ sở dữ liệu cho một năm, việc sử dụng nhiều năm có thể cung cấp một ước tính tốt hơn.
Hộp 5.2 cung cấp một ví dụ về việc sử dụng dữ liệu thay thế để ước tính lượng khí thải mêtan từ khai thác than dưới lòng đất ở Hoa Kỳ. Trong một số trường hợp, các mối quan hệ chính xác hơn có thể được phát triển bằng cách liên hệ lượng phát thải với nhiều hơn một tham số thống kê. Phân tích hồi quy có thể hữu ích trong việc lựa chọn các tham số dữ liệu thay thế thích hợp. Sử dụng các phương pháp thay thế để ước tính, nếu không, dữ liệu không có sẵn có thể cải thiện độ chính xác của các ước tính được phát triển bởi các phương pháp nội suy và ngoại suy theo xu hướng được thảo luận dưới đây
| HỘP 5.2 NGHIÊN CỨU TÌNH HUỐNG DỮ LIỆU KHẢO SÁT - KHOẢNG CÁCH CỦA METHANE TỪ KHAI THÁC THAN HIỂN THỊ Ở HOA KỲ Hàng quý, Cơ quan Quản lý Sức khỏe và An toàn Mỏ Hoa Kỳ (MSHA) đo lường mức phát thải khí mê- tan tại các mỏ hầm lò với mức độ khí mê- tan có thể phát hiện được trong không khí thông gió của họ. USEPA sử dụng các phép đo này làm cơ sở để tính toán lượng khí thải quốc gia từ lòng đất khai thác than. Tuy nhiên, những dữ liệu này không có sẵn trong những năm 1991-1992, do sự tái cơ cấu trong Bộ Lao động. Để ước tính lượng phát thải trong những năm này, USEPA đã sử dụng tổng sản lượng than dưới lòng đất làm tập dữ liệu đại diện. Biểu đồ dưới đây cho thấy mối quan hệ giữa sản xuất than trong lòng đất và lượng phát thải đo được, tương quan chặt chẽ nhưng không hoàn toàn tương quan. Sự khác biệt phản ánh thực tế là các mỏ riêng lẻ khác nhau rất nhiều về tỷ lệ phát thải của chúng và khi mức sản xuất tại các mỏ thay đổi theo thời gian, tỷ lệ phát thải bình quân gia quyền cũng thay đổi. USEPA đã áp dụng Công thức 5.2 để ước tính lượng phát thải cho năm 1991 và 1992 bằng cách sử dụng dữ liệu phát thải Bậc 3 và sản lượng than cho năm 1990. Các điểm dữ liệu này được gạch ngang bằng đường đứt nét trong biểu đồ ne. Lưu ý rằng quy trình này rất giống với sự trùng lặp với phương pháp Bậc 1 vì sản xuất than là dữ liệu hoạt động được khuyến nghị cho Bậc 1. So sánh nhà máy phát thải ngụ ý từ các ước tính sử dụng dữ liệu thay thế với các yếu tố mặc định Bậc 1 sẽ là một OA / OC hữu ích Dữ liệu đại diện cho khai thác than ở Hoa Kỳ |
5.3.3.3 LÃI SUẤT
Trong một số trường hợp, có thể áp dụng một phương pháp không liên tục trong suốt chuỗi thời gian. Ví dụ, các số liệu thống kê chi tiết cần thiết chỉ có thể được thu thập vài năm một lần, hoặc có thể không thực tế nếu tiến hành các cuộc điều tra chi tiết hàng năm. Trong trường hợp này, ước tính cho các năm trung gian trong chuỗi thời gian có thể được phát triển bằng cách nội suy giữa các ước tính chi tiết. Nếu có sẵn thông tin về các xu hướng chung hoặc các thông số cơ bản, thì phương pháp thay thế sẽ được ưu tiên hơn.
Hình 5.3 cho thấy một ví dụ về nội suy tuyến tính. Trong ví dụ này, dữ liệu cho năm 1994 và 1995 không có sẵn. Lượng phát thải được ước tính bằng cách giả định mức tăng phát thải không đổi hàng năm từ năm 1993-1996. Kỹ thuật này thích hợp trong ví dụ này vì xu hướng tổng thể có vẻ ổn định và không chắc rằng lượng phát thải thực tế trong năm 1994 và 1995 về cơ bản khác với các giá trị được dự đoán thông qua phép nội suy. Đối với các danh mục có xu hướng phát thải biến động (tức là dao động đáng kể từ năm này sang năm khác), nội suy sẽ không theo thông lệ tốt và dữ liệu thay thế sẽ là một lựa chọn tốt hơn. Thực tiễn tốt là so sánh các ước tính nội suy với dữ liệu thay thế dưới dạng kiểm tra QA / QC.Hình 5.3: Phép nội suy tuyến tính
5.3.3.4 HẠN CHẾ XU HƯỚNG
Khi các ước tính chi tiết chưa được chuẩn bị cho năm gốc hoặc năm gần đây nhất trong kiểm kê, có thể cần phải ngoại suy từ các ước tính chi tiết gần nhất. Ngoại suy xu hướng về mặt khái niệm tương tự như nội suy, nhưng ít người biết hơn về xu hướng thực tế. Phép ngoại suy có thể được tiến hành theo chiều thuận (để ước tính lượng phát thải hoặc loại bỏ gần đây hơn) hoặc lùi về phía sau (để ước tính năm gốc). Ngoại suy xu hướng chỉ đơn giản giả định rằng xu hướng phát thải / loại bỏ được quan sát thấy trong khoảng thời gian có sẵn các ước tính chi tiết không đổi trong khoảng thời gian ngoại suy. Với giả định này, rõ ràng là không nên sử dụng phép ngoại suy xu hướng nếu sự thay đổi của xu hướng không liên tục theo thời gian. Trong tình huống này, sẽ thích hợp hơn nếu xem xét sử dụng phép ngoại suy dựa trên dữ liệu thay thế. Phép ngoại suy cũng không nên được sử dụng trong thời gian dài mà không kiểm tra chi tiết theo từng khoảng thời gian để xác nhận tính hợp lệ liên tục của xu hướng. Tuy nhiên, trong trường hợp dữ liệu tuần hoàn, các phép ngoại suy sẽ là sơ bộ và điểm dữ liệu sẽ được tính toán lại ở giai đoạn sau.
Khung 5.3 trong Phần này cho thấy một ví dụ trong đó dữ liệu về hoạt động rừng chỉ có sẵn trong các khoảng thời gian định kỳ và dữ liệu cho những năm gần đây nhất vẫn chưa có sẵn. Dữ liệu cho những năm gần đây có thể được ngoại suy trên cơ sở xu hướng nhất quán, hoặc trên cơ sở dữ liệu thích hợp. Tuy nhiên, cần lưu ý rằng độ không đảm bảo của các ước lượng ngoại suy tăng tương ứng với khoảng thời gian mà phép ngoại suy được thực hiện. Khi bộ dữ liệu định kỳ mới nhất có sẵn, cần phải tính toán lại phần của chuỗi thời gian đã được ước tính bằng cách sử dụng ngoại suy xu hướng.
Ví dụ trong Hộp 5.3 giả định một phép ngoại suy tuyến tính, có khả năng phù hợp với loại đất rừng. Các phép ngoại suy phi tuyến tính có thể thực hiện được và có thể phù hợp hơn với một xu hướng quan sát được, (ví dụ: tăng trưởng theo cấp số nhân trong việc sử dụng các Sản phẩm thay thế ODS). Các quốc gia sử dụng phép ngoại suy phi tuyến tính cần cung cấp tài liệu rõ ràng cho sự lựa chọn và giải thích lý do tại sao nó phù hợp hơn phép ngoại suy tuyến tính.
| HỘP 5.3 NGHIÊN CỨU TÌNH HUỐNG VỀ DỮ LIỆU THỜI KỲ, SỬ DỤNG TÍCH PHÂN Hãy xem xét trường hợp điều tra rừng quốc gia được tiến hành 5 năm một lần. Do đó, các ước tính về một số loại dữ liệu cần thiết (ví dụ: sự phát triển của cây) sẽ chỉ được thu thập trong những khoảng thời gian nhất định. Với giả định rằng tăng trưởng trung bình ổn định hợp lý giữa các năm, ước tính hàng tồn kho cho những năm sau dữ liệu có sẵn cuối cùng nên được thực hiện bằng cách sử dụng phép ngoại suy các ước tính trong quá khứ (tức là xu hướng tăng trưởng của cây). Như thể hiện trong hình dưới đây, ước tính sinh khối cho năm 2005 cho một ô được thu thập theo cách này, mặc dù phép đo mới nhất được thực hiện vào năm 2000. Xu hướng giữa 1995 và 2000 chỉ đơn giản là ngoại suy tuyến tính. Trong thực tế, thang đo nhật ký có thể được sử dụng để điều chỉnh hành vi theo cấp số nhân nhưng điều này không được xem xét cho ví dụ đơn giản này. Ngoài ra, phép ngoại suy có thể được cải thiện bằng cách sử dụng dữ liệu thay thế hoặc mô hình phức tạp hơn có tính đến các tham số ảnh hưởng đến tham số mà chúng ta muốn ngoại suy. Ngoại suy tuyến tính trong AFOLU |
Không giống như dữ liệu có sẵn định kỳ, khi dữ liệu không có sẵn cho những năm đầu tiên trong chuỗi thời gian (ví dụ: dữ liệu năm gốc và năm trước, ví dụ như xử lý chất thải và sử dụng đất) thì không có khả năng lấp đầy khoảng trống trong các cuộc điều tra trong tương lai. Có thể ngoại suy xu hướng ngược thời gian nhưng nên được thực hiện kết hợp với các kỹ thuật nối khác như thay thế dữ liệu và chồng chéo. Một số quốc gia đã trải qua quá trình chuyển đổi kinh tế và hành chính quan trọng kể từ năm 1990 không có bộ dữ liệu hoạt động nhất quán cho toàn bộ chuỗi thời gian, đặc biệt nếu bộ dữ liệu quốc gia bao gồm các khu vực địa lý khác nhau trong những năm trước đó. Để ngoại suy ngược trong những trường hợp này, cần phải phân tích mối quan hệ giữa các tập dữ liệu hoạt động khác nhau trong các giai đoạn khác nhau, có thể sử dụng nhiều tập dữ liệu thay thế
5.3.3.5 CÁC KỸ THUẬT KHÁC
Trong một số trường hợp, có thể cần phải phát triển một cách tiếp cận tùy chỉnh để ước tính tốt nhất lượng khí thải theo thời gian. Ví dụ, các lựa chọn thay thế tiêu chuẩn có thể không hợp lệ khi các điều kiện kỹ thuật thay đổi trong suốt chuỗi thời gian (ví dụ: do sự ra đời của công nghệ giảm thiểu). Trong trường hợp này, cần phải xem xét cẩn thận các xu hướng của tất cả các yếu tố được biết là ảnh hưởng đến lượng phát thải hoặc loại bỏ trong giai đoạn này. Khi sử dụng các phương pháp tiếp cận tùy chỉnh, thông lệ tốt là ghi lại chúng một cách kỹ lưỡng, và đặc biệt là đặc biệt xem xét cách các ước tính phát thải kết quả so với các ước tính sẽ được phát triển bằng cách sử dụng các lựa chọn thay thế tiêu chuẩn hơn.
5.3.3.6 LỰA CHỌN KỸ THUẬT PHÙ HỢP NHẤT
Việc lựa chọn kỹ thuật nối liên quan đến đánh giá của chuyên gia và phụ thuộc vào đánh giá của chuyên gia về sự biến động của xu hướng phát thải, tính sẵn có của dữ liệu cho hai phương pháp chồng chéo, tính đầy đủ và sẵn có của các bộ dữ liệu thay thế và số năm dữ liệu bị thiếu. Bảng 5.1 tóm tắt các yêu cầu đối với từng kỹ thuật và đề xuất các tình huống mà chúng có thể phù hợp hoặc không. Các quốc gia nên sử dụng Bảng 5.1 như một hướng dẫn hơn là một đơn thuốc.
| BẢNG 5.1 TÓM TẮT KỸ THUẬT PHÂN TÍCH | ||
| Cách tiếp cận | Khả năng áp dụng | Bình luận |
| Chồng chéo | Dữ liệu cần thiết để áp dụng cả phương pháp đã sử dụng trước đó và phương pháp mới phải có sẵn trong ít nhất một năm, tốt hơn là nhiều hơn. | Đáng tin cậy nhất khi có thể đánh giá sự trùng lặp giữa hai hoặc nhiều bộ ước tính hàng năm. Nếu các xu hướng được quan sát bằng các phương pháp đã sử dụng trước đó và các phương pháp mới không nhất quán, thì cách tiếp cận này không phải là thông lệ tốt. |
| Dữ liệu đại diện | Các yếu tố phát thải, dữ liệu hoạt động hoặc các thông số ước lượng khác được sử dụng trong phương pháp mới có tương quan chặt chẽ với các dữ liệu chỉ dẫn nổi tiếng và sẵn có hơn. | Cần thử nghiệm nhiều bộ dữ liệu chỉ định (đơn lẻ hoặc kết hợp) để xác định mối tương quan chặt chẽ nhất. Không nên thực hiện trong thời gian dài. |
| Phép nội suy | Dữ liệu cần thiết để tính toán lại bằng phương pháp mới có sẵn cho các năm không liên tục trong chuỗi thời gian. | Các ước tính có thể được nội suy tuyến tính cho các giai đoạn không thể áp dụng phương pháp mới. Phương pháp này không áp dụng được trong trường hợp có biến động lớn hàng năm. |
| Ngoại suy xu hướng | Dữ liệu cho phương pháp mới không được thu thập hàng năm và không có sẵn ở đầu hoặc cuối chuỗi thời gian. | Đáng tin cậy nhất nếu xu hướng theo thời gian là không đổi. Không nên sử dụng nếu xu hướng đang thay đổi (trong trường hợp này, phương pháp thay thế có thể phù hợp hơn). Không nên thực hiện trong thời gian dài. |
| Các kỹ thuật khác | Các lựa chọn thay thế tiêu chuẩn không hợp lệ khi các điều kiện kỹ thuật thay đổi trong suốt chuỗi thời gian (ví dụ: do sự ra đời của công nghệ giảm thiểu). | Các phương pháp tiếp cận tùy chỉnh tài liệu một cách triệt để. So sánh kết quả với các kỹ thuật tiêu chuẩn. |
5.4 BÁO CÁO VÀ TÀI LIỆU THÔNG TIN XU HƯỚNG
Nếu cùng một phương pháp và nguồn dữ liệu được sử dụng trong suốt chuỗi thời gian và không có tính toán lại, thì việc tuân theo hướng dẫn báo cáo cho từng danh mục là đủ để đảm bảo tính minh bạch. Nói chung, các quốc gia nên giải thích xu hướng tồn kho cho từng danh mục, đặc biệt chú ý đến các yếu tố ngoại lệ, thay đổi xu hướng và xu hướng cực đoan. Các quốc gia phải cung cấp tài liệu bổ sung nếu họ đã tính toán lại các ước tính trước đó và nếu họ đã sử dụng các kỹ thuật trong chương này để ghép nối các phương pháp luận.
Tính toán lại: Ngoài việc tuân theo hướng dẫn dành riêng cho từng danh mục được cung cấp trong Tập 2-5, các quốc gia nên ghi lại rõ ràng mọi phép tính lại. Tài liệu cần giải thích lý do tính toán lại và ảnh hưởng của việc tính toán lại đối với chuỗi thời gian. Các quốc gia cũng có thể bao gồm một biểu đồ thể hiện mối quan hệ giữa xu hướng dữ liệu trước đó và xu hướng dữ liệu mới. Bảng 5.2 cung cấp một ví dụ về cách các phép tính lại có thể được lập thành văn bản cho mục đích báo cáo hoặc để theo dõi nội bộ.
| BẢNG 5.2 THỂ LOẠI-TÀI LIỆU CỤ THỂ CỦA CÁC CÔNG THỨC | |||||||||||
| Thể loại / Khí đốt | Phát thải và loại bỏ (Gg) | ||||||||||
| 1990 | 1991 | 1992 | 1993 | 1994 | 1995 | 1996 | 1997 | 1998 | 1999 | 2000 | |
| Dữ liệu trước đó (PD) | |||||||||||
| Dữ liệu mới nhất (LD) | |||||||||||
| Chênh lệch phần trăm = 100 ● [(LD – PD) / PD] | |||||||||||
| Tài liệu (lý do tính toán lại): |
Kỹ thuật nối: Các quốc gia nên cung cấp tài liệu về bất kỳ kỹ thuật nối nào được sử dụng để hoàn thành một chuỗi thời gian. Tài liệu phải xác định những năm mà dữ liệu cho phương pháp không có sẵn, kỹ thuật nối được sử dụng và bất kỳ dữ liệu thay thế hoặc chồng chéo nào được sử dụng. Các ô đồ thị, chẳng hạn như các ô được trình bày trong Phần 5.3 có thể là công cụ hữu ích để lập tài liệu và giải thích việc áp dụng các kỹ thuật nối.
Giảm thiểu: Hướng dẫn về danh mục cụ thể trong Tập 2-5 cung cấp hướng dẫn có mục tiêu về thông tin cụ thể cần được báo cáo cho từng danh mục, bao gồm giảm thiểu và cắt giảm. Nói chung, các quốc gia nên ghi lại cách tiếp cận được sử dụng để theo dõi các hoạt động giảm thiểu và cung cấp tất cả các thông số liên quan như sử dụng giảm thiểu, hiệu quả tiêu hủy, hệ số phát thải cập nhật, v.v.
5.5 CÁC DÒNG THỜI GIAN HỖ TRỢ QA/QC
Cách hiệu quả nhất để đảm bảo chất lượng của chuỗi thời gian là áp dụng cả kiểm tra chung và kiểm tra danh mục cụ thể cho toàn bộ chuỗi thời gian (xem Chương 6). Ví dụ, việc kiểm tra hệ số phát xạ ngoại lệ và ngụ ý trong Chương 6 sẽ giúp xác định các điểm mâu thuẫn có thể có trong chuỗi thời gian. Kiểm tra danh mục cụ thể là đặc biệt quan trọng vì chúng được nhắm mục tiêu đến các tính năng duy nhất của từng danh mục.
Như đã mô tả ở trên, vẽ biểu đồ và so sánh kết quả của các kỹ thuật nối trên biểu đồ là một chiến lược QA / QC hữu ích. Nếu các phương pháp nối thay thế tạo ra các kết quả khác nhau, các quốc gia nên xem xét kết quả nào là thực tế nhất. Trong một số trường hợp, dữ liệu đại diện bổ sung có thể được sử dụng để kiểm tra chuỗi thời gian nối.
So sánh song song các ước tính được tính toán lại với các ước tính trước đó có thể là một kiểm tra hữu ích về chất lượng của một phép tính lại. Điều này có thể được thực hiện thông qua so sánh dạng bảng như trong Bảng 5.2, hoặc dưới dạng một biểu đồ. Tuy nhiên, điều quan trọng cần lưu ý là các phương pháp cấp cao hơn có thể tạo ra các xu hướng khác với các phương pháp cấp thấp hơn vì chúng phản ánh chính xác hơn các điều kiện thực tế. Sự khác biệt về xu hướng không nhất thiết gợi ý vấn đề với ước tính được tính toán lại.
Khi có thể sử dụng nhiều cách tiếp cận để theo dõi tác động của các hoạt động giảm thiểu, các quốc gia nên so sánh kết quả của nhiều cách tiếp cận. Nếu các kết quả khác nhau nhiều hơn dự kiến, thì cách tốt là giải thích lý do của sự khác biệt và đánh giá xem có nên sử dụng một cách tiếp cận khác hay không. Đối với các ước tính cấp cao hơn được phân tách, các hệ số phát thải / loại bỏ ngụ ý có thể là một công cụ hữu ích để kiểm tra tính nhất quán của xu hướng và tính hợp lý của các ước tính giảm thiểu.
Trong một số trường hợp, việc thu thập dữ liệu hoạt động có thể bị gián đoạn hoặc thay đổi nghiêm trọng. Tình huống này gây ra những thách thức đối với tính nhất quán của chuỗi thời gian. Trong tình huống này, cách thực hành tốt là kiểm tra tài liệu chặt chẽ của hệ thống thu thập dữ liệu trước đó để hiểu rõ về cách những thay đổi trong thu thập dữ liệu, bao gồm cả định nghĩa và phân định, đã ảnh hưởng đến dữ liệu được sử dụng trong kiểm kê và bất kỳ tác động nào dẫn đến sự không nhất quán về thời gian- hàng loạt. Nếu không có tài liệu thích hợp, thì một giải pháp thay thế là biên soạn các chỉ số (ví dụ: lượng khí thải trên một đơn vị sản xuất hoặc lượng khí thải trên mỗi chiếc ô tô) và so sánh những chỉ số này giữa các quốc gia có cơ cấu kinh tế tương tự, theo chuỗi thời gian và sự trùng lặp của hai phương pháp thu thập dữ liệu .
Trong một số trường hợp, một quốc gia có thể đã trải qua những thay đổi về phạm vi địa lý, ví dụ: một quốc gia có thể đã chia thành hai hoặc nhiều quốc gia mới. Trong tình huống này, thực tiễn tốt là so sánh dữ liệu kiểm kê với ước tính từ thống kê khu vực cho những năm trước khi chia tách. Nó cũng có thể được khuyến nghị cộng tác với các quốc gia khác đã từng là một phần của cùng một quốc gia để đảm bảo tính đầy đủ và tránh tính hai lần. Nếu không có số liệu thống kê theo khu vực và không thể thực hiện được sự hợp tác như vậy, thì cách tốt là so sánh các chỉ số thích hợp như đã mô tả ở trên cho quốc gia trước khi phân tách với dữ liệu được sử dụng trong kiểm kê.
Nếu các điểm không nhất quán được xác định, cách tốt là sửa chúng và nếu cần, áp dụng các kỹ thuật nối thích hợp như được mô tả trong chương này.
Người giới thiệu
IPCC (1997). Hướng dẫn sửa đổi năm 1996 của IPCC về Kiểm kê Nhà kính Quốc gia, Houghton, J.T., Meira Filho, L.G., Lim B., Tréanton, K., Mamaty, I., Bonduki, Y., Griggs, D.J. và Callander, B.A. (Eds). Ủy ban liên chính phủ về biến đổi khí hậu (IPCC), IPCC / OECD / IEA, Paris, Pháp.
IPCC (2000). Hướng dẫn Thực hành Tốt và Quản lý Sự không chắc chắn trong Kiểm kê Khí nhà kính Quốc gia, Penman, J., Kruger, D., Galbally, I., Hiraishi, T., Nyenzi, B., Emmanuel, S., Buendia, L., Hoppaus, R ., Martinsen, T., Meijer, J., Miwa, K. và Tanabe, K. (Eds). Ủy ban liên chính phủ về biến đổi khí hậu (IPCC), IPCC / OECD / IEA / IGES, Hayama, Nhật Bản.
Các tài liệu tham khảo khác
IPCC (2003). Hướng dẫn thực hành tốt về sử dụng đất, thay đổi sử dụng đất và lâm nghiệp, Ủy ban liên chính phủ về biến đổi khí hậu, Penman, J., Gytarsky, M., Hiraishi, T., Kruger, D., Pipatti, R., Buendia, L., Miwa, K., Ngara, T., Tanabe, K. và Wagner, F. (Eds), IPCC / IGES, Hayama, Japan
USEPA (2004). Kiểm kê lượng phát thải và bể chứa khí nhà kính của Hoa Kỳ: 1990-2003, Cơ quan Bảo vệ Môi trường Hoa Kỳ (USEPA), Trung tâm Dịch vụ Quốc gia về Ấn phẩm Môi trường (NSCEP) http://www.epa.gov/globalwarming/publications/emissions
