MRV 模型辅助估计：如何在不损害科学完整性的前提下提升 SOC 碳封存项目的经济性
应用统计
2025-10-16 v1 统计方法学
摘要
土壤有机碳（SOC）碳封存项目需要无偏、精确且成本效益好的监测、报告和验证（MRV）系统，这些系统在抽样成本与监管框架强加的不确定性之间进行权衡。基于设计的估计量保证无偏，但无法利用辅助数据。基于模型的方法（VCS 方法 VT0014 v1.0（2025））可以提高精度，但需要针对每个项目进行独立验证。模型辅助估计提供了一种稳健的折中方案，将模型预测与概率抽样结合，以保留设计基础的保证同时提高精度。我们通过大量模拟研究评估了简单回归估计量（SRE）——一种著名的模型辅助估计量——的科学完整性和效率。我们的模拟研究涵盖了多样化的 SOC 库存方差、抽样样本量和模型性能。我们评估了三个核心属性：经验偏差、经验置信区间覆盖率以及相对于基于设计的 Horvitz-Thompson 估计量（HTE）的精度提升。结果表明，对于 n > 40，无论 SOC 库存方差如何，SRE 都具有可忽略的偏差和有效的覆盖概率。低于此阈值时，方差近似和正态性假设会导致不可靠的不确定性估计。当辅助变量相关时（r^2 = 0.3），SRE 相对于 HTE 实现 30% 的精度提升。当变量不相关时，没有提升，但当 n >= 40 时，性能趋于 HTE。模型辅助估计可以在不损害科学严谨性的前提下提高项目经济性。监管机构应允许此类估计量，同时规定最低样本量阈值。项目提倡人应在伴随相关辅助变量时常规使用此类估计量。行业应优先收集高质量、项目特定的协变量，以最大化精度提升从而提高项目经济性。
引用
@article{arxiv.2510.13609,
title = {Model-assisted estimation for MRV: How to boost the economics of SOC sequestration projects without compromising on scientific integrity},
author = {Ahmad Awad and Erik Scharwächter},
journal= {arXiv preprint arXiv:2510.13609},
year = {2025}
}