Beyond Aggregation Bias: The Importance of Consistency with Official Statistics in MRIO-Based Carbon Footprints
यह शोध पत्र यह प्रदर्शित करता है कि शैक्षणिक मल्टी-रीजनल इनपुट-आउटपुट (MRIO) डेटाबेस और आधिकारिक आँकड़ों के बीच महत्वपूर्ण विसंगतियाँ यूरोपीय देशों के कार्बन फुटप्रिंट अनुमानों को 44% तक विचलित कर सकती हैं, जिसे "आधिकारिक सांख्यिकी निरंतरता पूर्वाग्रह" (official statistics consistency bias) कहा जाता है, जो अक्सर उन सेक्टरल एग्रीगेशन पूर्वाग्रहों से अधिक होता है जिन्हें ये डेटाबेस हल करने का प्रयास करते हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
यह समझने के लिए कि एक देश प्रदूषण के लिए कितना जिम्मेदार है, वैज्ञानिक अक्सर उसकी सीमाओं के भीतर स्थित चिमनियों और कारखानों से परे देखते हैं। वे एक अलग प्रश्न पूछते हैं: उस देश के लोगों द्वारा वास्तव में उपभोग की जाने वाली वस्तुओं और सेवाओं के उत्पादन के लिए कितना कार्बन उत्सर्जित हुआ? इस "कार्बन फुटप्रिंट" में एक देश में स्मार्टफोन बनाने, उसे दूसरे देश में भेजने और तीसरे देश के उपभोक्ता को बेचने से होने वाला उत्सर्जन भी शामिल है। इसका उत्तर देने के लिए, शोधकर्ता 'मल्टी-रीजनल इनपुट-आउटपुट टेबल्स' नामक जटिल अकाउंटिंग टूल्स का उपयोग करते हैं। इन्हें विशाल, परस्पर जुड़े हुए स्प्रेडशीट्स के रूप में समझें जो दुनिया के हर उद्योग और हर देश के बीच धन और सामग्री के प्रवाह को ट्रैक करते हैं। इन प्रवाहों का पीछा करके, विशेषज्ञ हमारी दैनिक खरीदारी में छिपे हुए उत्सर्जन का पता लगा सकते हैं। ये उपकरण जलवायु नीति के लिए आवश्यक हो गए हैं, जिससे सरकारों और कंपनियों को उनकी अर्थव्यवस्थाओं की पूर्ण पर्यावरणीय लागत देखने में मदद मिलती है। हालांकि, इन आंकड़ों के वास्तविक दुनिया के निर्णयों का मार्गदर्शन करने के लिए, उन्हें भरोसेमंद होना चाहिए और राष्ट्रीय सरकारों द्वारा रखे गए आधिकारिक रिकॉर्ड के अनुरूप होना चाहिए।
कई यूरोपीय संस्थानों के शोधकर्ताओं द्वारा किया गया एक हालिया अध्ययन इस बात की जांच करता है कि वर्तमान में इन कार्बन फुटप्रिंटों की गणना करने के तरीके में एक महत्वपूर्ण खामी क्या है। टीम ने तीन लोकप्रिय अकादमिक डेटाबेस—EXIOBASE, GLORIA, और FIGARO-E3—की तुलना यूरोपीय संघ के आधिकारिक डेटाबेस FIGARO से की। जबकि अकादमिक संस्करणों की उनकी उच्च स्तर की विस्तृत जानकारी के लिए प्रशंसा की जाती है, जो अर्थव्यवस्था को सैकड़ों विशिष्ट उद्योगों में विभाजित करते हैं, शोधकर्ताओं जानना चाहते थे कि क्या यह विवरण सटीकता की कीमत पर आया है। उन्होंने आधिकारिक यूरोपीय संघ के डेटाबेस को 'गोल्ड स्टैंडर्ड' माना, वह बेंचमार्क जिसके विरुद्ध अन्य सभी को मापा जाना चाहिए, क्योंकि यह सीधे उन सत्यापित आंकड़ों से बना है जो सरकारें अंतरराष्ट्रीय निकायों को प्रस्तुत करती हैं। अध्ययन ने वर्ष 2015 पर ध्यान केंद्रित किया, क्योंकि उच्च-रिज़ॉल्यूशन वाला FIGARO-E3 डेटाबेस वर्तमान में प्रत्यक्ष तुलना के लिए केवल इसी वर्ष के लिए उपलब्ध है।
शोधकर्ताओं ने पाया कि उच्च-रिज़ॉलशन वाले अकादमिक डेटाबेस अक्सर आधिकारिक आंकड़ों की तुलना में बहुत अलग कहानी बताते हैं। जब उन्होंने तालिकाओं के मौद्रिक मूल्यों (monetary values)—वे वास्तविक संख्याएं जो उद्योगों के बीच धन के प्रवाह का प्रतिनिधित्व करती हैं—की तुलना की, तो उन्होंने पाया कि इनमें महत्वपूर्ण विसंगतियां थीं। EXIOBASE और GLORIA डेटाबेस के लिए, अंतर काफी अधिक था। कुछ यूरोपीय देशों में, इन अकादमिक उपकरणों का उपयोग करके गणना किया गया कुल कार्बन फुटप्रिंट, आधिकारिक आंकड़े से 25 से 44 प्रतिशत तक भिन्न था। शोधकर्ता इसे "आधिकारिक सांख्यिकी निरंतरता पूर्वाग्रह" (official statistics consistency bias) कहते हैं। यह पता चला कि इन डेटाबेस को अधिक विस्तृत और सूक्ष्म बनाने के प्रयास से कभी-कभी ऐसी त्रुटियां उत्पन्न होती हैं जो अंतिम आंकड़ों को वास्तविकता से बहुत दूर ले जाती हैं। कई मामलों में, आधिकारिक डेटा के साथ असंगतता के कारण होने वाली यह त्रुटि, उद्योगों को बहुत व्यापक रूप से समूहबद्ध करने से होने वाली त्रुटि से भी बड़ी थी, जो कि इन विस्तृत डेटाबेस को ठीक करने के लिए मूल रूप से डिज़ाइन किया गया था।
अध्ययन ने विशिष्ट उत्पादों को भी देखा ताकि यह पता लगाया जा सके कि विसंगतियां कहां सबसे गंभीर थीं। मशीनरी, बिजली और खाद्य उत्पादों जैसी वस्तुओं के लिए, अकादमिक अनुमानों और आधिकारिक आंकड़ों के बीच के अंतर अक्सर राष्ट्रीय कुल योग की तुलना में और भी अधिक स्पष्ट थे। कुछ मामलों में, अकादमिक डेटाबेस ने सुझाव दिया कि किसी उत्पाद का कार्बन फुटप्रिंट वास्तव में जितना था उससे बहुत कम था, जबकि अन्य मामलों में, उन्होंने सुझाव दिया कि यह बहुत अधिक था। इसके विपरीत, एक नया डेटाबेस जिसे FIGARO-E3 कहा जाता है, जिसे विशेष रूप से आधिकारिक रिकॉर्ड के सख्त पालन के साथ उच्च विवरण को जोड़ने के लिए बनाया गया था, ने लगभग कोई विचलन नहीं दिखाया। इसके परिणाम आधिकारिक आंकड़ों के लगभग समान थे, जो यह सिद्ध करता है कि उच्च विवरण और उच्च सटीकता दोनों प्राप्त करना संभव है, बशर्ते कि डेटा आधिकारिक स्रोतों पर मजबूती से आधारित हो।
ये निष्कर्ष नीति निर्माताओं और शोधकर्ताओं के लिए एक कठिन समझौते (trade-off) का सुझाव देते हैं। वर्षों से, वैज्ञानिक समुदाय "सेक्टोरल एग्रीगेशन बायस" (sectoral aggregation bias) से बचने के लिए अधिक विस्तृत डेटा के लिए दबाव डाल रहा है, जो तब होता है जब विविध उद्योगों को एक साथ मिला दिया जाता है, जिससे उनके वास्तविक पर्यावरणीय प्रभाव छिप जाते हैं। अध्ययन पुष्टि करता है कि हालांकि उच्च विवरण मूल्यवान है, लेकिन यह बेकार है यदि अंतर्निहित संख्याएं आधिकारिक रिकॉर्ड से मेल नहीं खाती हैं। यदि कोई सरकार ऐसे डेटाबेस का उपयोग करती है जो आधिकारिक सांख्यिकी से 40 प्रतिशत विचलित होता है, तो उस डेटा पर आधारित कोई भी नीति मौलिक रूप से त्रुटिपूर्ण हो सकती है। लेखक तर्क देते हैं कि कार्बन फुटप्रिंट के गंभीर जलवायु नीति के लिए उपयोग किए जाने के लिए, उन्हें आधिकारिक डेटा के अनुरूप होना चाहिए जिस पर सरकारें पहले से ही भरोसा करती हैं। जबकि विस्तृत अकादमिक डेटाबेस अनुसंधान के लिए और उन वैश्विक आपूर्ति श्रृंखलाओं की खोज के लिए शक्तिशाली उपकरण बने हुए हैं जहां आधिकारिक डेटा दुर्लभ है, उन्हें अपनी संभावित भ्रामक प्रकृति की स्पष्ट समझ के साथ उपयोग किया जाना चाहिए। अध्ययन का सुझाव है कि आगे का रास्ता नए, उच्च-रिज़ॉल्यूशन वाले डेटाबेस बनाने में निहित है जो सीधे आधिकारिक सांख्यिकी पर आधारित हों, जिससे यह सुनिश्चित हो सके कि हमारे जलवायु भविष्य का मार्गदर्शन करने वाली संख्याएं विस्तृत और निर्विवाद रूप से सटीक दोनों हों।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।