A product-level Trade-LCA framework for embodied carbon accounting in global trade

Elke keer dat een product een grens overgaat, draagt het een verborgen gewicht met zich mee. Dit is niet het fysieke gewicht van de lading, maar de totale hoeveelheid broeikasgassen die vrijkwam bij het maken van dat item, vanaf het moment dat grondstoffen uit de aarde werden gehaald tot het moment dat het product de fabriekspoort verliet. Wetenschappers noemen dit "embodied carbon" (ingebedde koolstof). Decennialang hebben overheden koolstofemissies bijgehouden door te tellen wat er binnen hun eigen grenzen gebeurt, een methode die goed werkt voor lokale vervuiling, maar faalt in het vatten van het volledste beeld van de wereldwijde handel. Wanneer een land een auto importeert, vermijdt het de emissies van het bouwen ervan, maar die emissies vonden ergens anders plaats. Omgekeerd neemt een land, wanneer het goederen exporteert, de verantwoordelijkheid op zich voor de koolstof die nodig was om deze te creëren, zelfs als die goederen daar nooit worden gebruikt. Deze kloof tussen waar emissies plaatsvinden en wie uiteindelijk de goederen consumeert is enorm, en beslaat meer dan een kwart van de koolstofvoetafdruk voor grote economieën. Naarmate de wereld beweegt naar beleid zoals koolstofbelastingen op import, moeten functionarissen precies weten hoeveel koolstof er verborgen zit in specifieke producten, en niet alleen in brede industriële categorieën.

Lange tijd waren de beste instrumenten beschikbaar om deze vraag te beantwoorden alsof men naar de wereld keek door een wazige lens. De dominante methode, bekend als input-outputanalyse, groepeert duizenden verschillende producten in brede sectoren, zoals "machines" of "chemicaliën". Het wijst vervolgens een enkele gemiddelde koolstofwaarde toe aan elk item in die groep. Deze benadering is nuttig om het grote plaatje van een hele economie te zien, maar is verschrikkelijk in het onderscheiden van een zeer efficiënte, koolstofarme machine van een verspillende, koolstofrijke machine als ze onder hetzelfde label vallen. In werkelijkheid kan de koolstofintensiteit van individuele producten enorm variëren, soms met meer dan tien keer, zelfs binnen dezelfde fabriek of industrie. Zonder een manier om deze verschillen te zien, riskeren beleidsmaatregelen het bestraffen van schone producten terwijl zij vervuilende producten door de mazen van het net laten glippen.

Een nieuwe studie door Florian Pothin, een onderzoeker aan de Universiteit van Rennes, slaat een brug tussen de gedetailleerde wetenschap van productproductie en de enorme, complexe data van de wereldwijde handel. Het doel was om een systeem te creëren dat de koolstofvoetafdruk van individuele goederen kon volgen terwijl ze tussen landen bewegen, door specifieke douanecodes te koppelen aan realtime fabrieksgegevens. De onderzoeker begon met een enorme dataset van wereldwijde handelsstromen, die bijna 260 miljoen transacties van goederen beslaat die gedurende drieëntwintig jaar tussen 120 landen bewogen. Hieraan voegde hij gedetailleerde levenscyclusgegevens toe van twee belangrijke wetenschappelijke databases, die metingen bevatten van de koolstofkosten voor duizenden specifieke industriële processen, van het mijnen van ertsen tot het raffineren van staal.

De uitdaging was het matchen van de twee. Douanegegevens beschrijven goederen met technische codes en korte beschrijvingen, terwijl de wetenschappelijke databases productieprocessen in andere termen beschrijven. Om dit op te lossen, gebruikte de onderzoeker een groot taalmodel, een type kunstmatige intelligentie, om als vertaler te fungeren. Het model mocht echter geen getallen verzinnen of koolstofwaarden raden. Zijn enige taak was om te suggereren welk wetenschappelijk proces zou kunnen matchen met een specifieke handelscode. Elke suggestie werd vervolgens onderworpen aan een strikte set regels om te controleren of de match fysiek zinvol was. Bijvoorbeeld, het systeem zorgde ervoor dat een grondstof niet werd gekoppeld aan een eindproduct, en dat de eenheden van meting overeenkwamen. Dit proces was ontworpen om transparant en controleerbaar te zijn, wat betekent dat elke stap door een mens gecontroleerd kon worden.

Om te garanderen dat het systeem correct werkte, nodigde de onderzoeker een onafhankelijke expert uit om een willekeurige steekproef van de matches te beoordelen zonder de suggesties van de computer te zien. In de eerste ronde van testen vond de expert dat 17 van de 100 matches fout waren. De fouten waren vaak subtiel, zoals het matchen van een verse appel met een chemisch proces dat bedoeld is voor een totaal ander type materiaal. De onderzoeker verfijnde vervolgens de regels door een "ladder" toe te voegen die het stadium van productie controleerde om te garandeien dat ruwe ertsen niet werden verward met geraffineerde metalen. Na deze reparaties vond een tweede blinde beoordeling slechts 8 fouten per 100. Dit rigoureuze testen bewees dat hoewel de computer kon helpen bij het sorteren van de data, menselijk toezicht en strikte regels essentieel waren om fouten te voorkomen.

Met behulp van dit gerepareerde systeem berekende de studie de totale ingebedde koolstof in de wereldhandel voor het jaar 2023. Het resultaat was ongeveer 14.368 miljoen metriek ton koolstofdioxide-equivalent. Dit cijfer is aanzienlijk hoger dan eerdere schattingen die vertrouwden op ongeverifieerde matches, omdat het nieuwe systeem correct identificeerde dat veel laagwaardige datapunten de cijfers omlaag hadden getrokken. De studie vond dat de meest koolstofintensieve items niet altijd de duurste waren. Zo vormden meststoffen een klein deel van de totale waarde van de wereldhandel, maar droegen ze een onevenredig groot deel bij aan de koolstofemissies. Op dezelfde wijze waren grondstoffen zoals ijzer, staal en aluminium belangrijke bijdragers, terwijl veel complexe gefabriceerde goederen een lagere koolstofvoetafdruk hadden dan hun prijskaartjes deden vermoeden.

Een van de meest opvallende bevindingen was hoe sterk de koolstofintensiteit van producten binnen dezelfde industriële sector varieerde. Voordat de correcties van de studie plaatsvonden, suggereerden de gegevens dat producten in dezelfde sector wel dertig-vijf keer in hun koolstofvoetafdruk konden verschillen. Na het herstellen van de matching-fouten was de variatie nog steeds groot, maar realistischer: ongeveer dertien keer. Dit betekent dat zelfs binnen een enkele categorie zoals "machines", sommige producten aanzienlijk schoner zijn dan andere. Een systeem dat een simpel gemiddelde voor de hele sector gebruikt, zou fout zitten bij bijna de helft van alle verhandelde goederen, waarbij het hun koolstofimpact met meer dan een factor twee verkeerd inschat. Deze fout is niet slechts een statistische curiositeit; het betekent dat beleid gebaseerd op brede gemiddelden er niet in kan slagen om de meest vervuilende producten effectief aan te pakken.

De studie keek ook naar hoe verschillende landen in dit wereldwijde plaatje pasten. Voor sommige landen bevestigde de nieuwe data wat al werd vermoed: zij zijn netto-importeurs van koolstof, wat betekent dat zij goederen consumeren die elders zijn geproduceerd. Voor anderen veranderde het beeld drastisch. In het geval van China suggereerden eerdere schattingen dat het land een netto-importeur van koolstof was, maar de nieuwe, nauwkeurigere boekhouding toonde aan dat het eigenlijk een netto-exporteur is. Deze verschuiving vond plaats omdat de oude data onjuist zeer lage koolstofwaarden hadden toegewezen aan China's belangrijkste exportproducten, zoals aluminium en staal. Het nieuwe systeem corrigeerde deze waarden, waardoor bleek dat de koolstof die door deze exporten werd gedragen veel hoger was dan eerder gedacht.

De onderzoekers vergeleken hun nieuwe productniveau-cijfers met andere belangrijke wereldwijde koolstofrekeningen en stelden vast dat ze goed overeenkwamen, waarbij ze ongeveer 90% van de verwachte koolstofvoetafdruk vastlegden wanneer gewogen naar emissies. Dit suggereert dat de nieuwe methode betrouwbaar is en niet systematisch over- of onderschat. Echter, de studie benadrukte ook waar de twee benaderingen uiteenlopen. In sommige gevallen wees het verschil op echte variaties in productietechnologie, wat aantoonde dat sommige landen goederen produceren met een hogere koolstofintensiteit dan het wereldwijde gemiddelde. In andere gevallen waren de verschillen te wijten aan de manier waarop diensten en re-exporten worden afgehandeld, gebieden waar de productniveau-data zich nog in ontwikkeling bevindt.

Uiteindelijk biedt dit werk een veel scherper instrument voor het begrijpen van de klimaatimpact van de wereldwijde handel. Het gaat verder dan de wazige gemiddelden van het verleden om de specifieke koolstofkosten van individuele goederen te tonen. Door te bewijzen dat een aanzienlijk deel van eerdere schattingen gebaseerd was op matching-fouten, waarschuwt de studie dat eerdere cijfers misleidend kunnen zijn geweest. Het nieuwe kader biedt een manier om producten te screenen op hun koolstofgehalte met een detailniveau dat voorheen onmogelijk was. Deze precisie is cruciaj voor het ontwerpen van eerlijk en effectief klimaatbeleid, zodat de last van emissiereductie terecht valt op de juiste producten en de juiste processen, in plaats van op brede, onnauwkeurige categorieën. De studie concludeert dat hoewel de data niet perfect is, de transparantie van de methode en de rigoureuze toetsing van de nauwkeurigheid een solide fundament bieden voor de volgende generatie van wereldwijde koolstofboekhouding.