Bölüm 3 Belirsizlik Değerlendirmesi

Bölüm 3 Belirsizlik Değerlendirmesi Ulusal Sera Gazı Envanterleri Uygulamalı Eğitim Çalıştayı - IPCC Kesişen Konular 4-5-6 Kasım 2015, Ankara Türkiye

Giriş Mükemmel doğruluk ve belirlilik mümkün değildir Belirsizliklerin anlaşılması ve ilişkilendirilmesi Sera Gazı envanter hazırlama sürecinin temel bir bileşenidir Envanter iyileştirme çabalarının önceliklendirilmesine yardımcı olmak için kullanınız

Konular Kilit terimlerin tanımları ve belirsizliklerin ortak nedenleri Belirsizlik analizinin ve kilit faydalarının temeli Belirsizliklerin niceliklendirilmesi yaklaşımları Belirsizlikleri birleştirme yöntemleri Belirsizlikleri azaltma stratejileri

Tanımlar Rastgele hata Önyargı veya Sistematik hata Doğruluk ve Kesinlik Belirsizlik Değişkenlik Güven aralığı Olasılık yoğunluk fonksiyonu Not: Bu terimleri ezberlemenize gerek yoktur, fakat bu dersteki tartışmaları takip edebilmeniz bakımından ne anlama geldiklerini iyi anlamanız gerekmektedir.

Tanımlar Doğruluk: Bir değişkenin gerçek değeriyle tekrarlanan ölçümlenmiş gözlemlerin ortalaması veya tahminleri arasındaki anlaşma. Doğru bir ölçüm veya tahminde önyargı, veya eşdeğeri olan sistematik hata yer almaz Kesinlik: Aynı değişkenin tekrarlanmış ölçümleri arasındaki anlaşma. Daha fazla kesinlik daha az rastgele hata demektir. Kesinlik doğruluktan bağımsızdır.

Tanımlar Önyargı veya Sistematik hata: Doğruluk eksikliği. Birçok farklı ölçümün ortalaması güvenilir bir miktarda ve yönde gerçek değerden farklılık göstermektedir. Dahil edilen ilgili bütün süreçlerin yakalanmasındaki başarısızlıklardan veya kullanılabilir mevcut verilerin gerçek dünyadaki durum ve koşulları tam anlamıyla yansıtmamasından veya kullanılan araçlardan kaynaklı hatalardan ortaya çıkmaktadır. Rastgele hatalar: Ortalama değerin üzerinde veya altındaki rastgele varyasyon. Rastgele hata, kesinlikle ters orantılıdır. Genellikle rastgele hataların miktarı ortalama bir değer ile belirtilmektedir, fakat ortalama değerde önyargı olabilir veya olmayabilir. Bundan dolayı, rastgele hata sistematik hatayla karşılaştırılabilen farklı bir kavramdır

Tanımlar Değişkenlik: Zamanda, mekanda veya bir popülasyonun üyelerinde değişkenin heterojenliği. Örnek olarak, değişkenlik bir emitör ile diğerinin (tesis arası veya mekansal değişkenlik)tasarımlarındaki farklılıklardan dolayı ve verilen emitördeki bir zamandan diğerine işletim koşullarındaki (tesis içi değişkenlik) farklılıklardan ortaya çıkabilir. Değişkenlik sistemin veya doğanın kendinde olan bir özelliğidir. Belirsizlik: Muhtemel değerlerin aralığını ve olasılığını karakterize eden olasılık yoğunluk fonksiyonu (PDF) olarak tanımlanabilecek bir değişkenin gerçek değer bilgisinin eksikliği. Belirsizlik analiz edenin bilgi durumuna bağlıdır. Uygulanabilir verilerin niteliği ve niceliğine aynı zamanda altında yatan proseslere ve inferans yöntemleri bilgisine bağlı olarak ortaya çıkar.

Tanımlar Güven aralığı: Aralığın tahmin edilmesi için miktarın gerçek değeri sabitlenmektedir, fakat söz konusu ülke için belirtilen bir yıldaki yıllık toplam emisyonlarında olduğu gibi bilinmeyen bir sabittir. Güven aralığı, söz konusu bilinmeyen sabit miktar ile belirtilen güveni (olasılık) yakınlaştıran bir aralıktır. Olasılık yoğunluk fonksiyonu (PDF): PDF mümkün değerlerin göreceli olasılığını ve aralığını açıklamaktadır. PDF değeri gerçekte bilinmeyen, sabit bir değişmez olan miktarın tahminindeki belirsizliği açıklamaktadır. Aynı zamanda değişkenin kendiliğinde var olan özelliğini açıklamak içinde kullanılabilir. Bu ders boyunca, PDF nin değişkenlik değil belirsizlik hesabı için kullanıldığı varsayılacaktır.

Temel Konular Emisyonlar: Doğrudan ölçümlenebilir Emisyonların doğru olduğunu düşündüren temsili (proxy) verilere dayalı olarak tahmin edilebilir

Belirsizlik Çeşitleri Bilimsel belirsizlik: Gerçek emisyon ve/veya azaltım sürecinin tam anlamıyla anlaşılmaması durumunda ortaya çıkar Bilimsel belirsizliklerin analiz edilmesi ve niceliklendirilmesi son derece sorunsal bir durumdur. Muhtemelen projeyi yürütenlerin ve sağlayıcıların kapsamının ötesinde olacaktır. Tahmin belirsizliği: Sera gazı emisyonlarının niceliklendirildiği herhangi bir zamanda ortaya çıkmaktadır. Bu nedenle, bütün emisyonlar veya azaltım tahminleri tahmin belirsizliği ile ilişkilidir.

Tahmin Belirsizliği Tahmin belirsizliği de kendi içinde iki türde sınıflandırılabilir: Model belirsizliği Parametre belirsizliği

Model Belirsizliği Farklı parametreler ve emisyon süreçleri arasındaki ilişkileri karakterize eden matematik denklemleri (yani, modelleri) ile bağlantılıdır. Yanlış bir matematiksel modelin ya da modelde uygun olmayan bir girdinin kullanılmasından kaynaklanır. Sera gazı envanteri ekibinin kapsamının dışında olması muhtemeldir.

Parametre Belirsizliği Tahmin modellerinde girdi olarak kullanılan parametrelerin (faaliyet verisi ve emisyon faktörleri gibi) niceliklendirilmesi ile bağlantılıdır. İstatistiksel analiz, ölçüm ekipmanı kesinlik saptamaları ve uzman görüşü ile değerlendirilebilir. Parametre belirsizliklerinin araştırılması ve niceliklendirilmesi envanter ekibinin birincil odak noktasıdır. Faaliyet verisi ve emisyon faktörleri parametrelerdir. Parametre belirsizliği türleri şunlardır İstatistiksel (rastgele) Sistematik (önyargı)

Rastgele! İstatistiksel Belirsizlik Mümkün olduğu durumlarda tekrarlanan örnekleme ve bunu izleyen istatistiksek analiz ile belirlenebilir Pek çok parametre için, aynı işletim koşulları altında tekrar tekrar örnekleme yapmak ya da veri toplamak mümkün olmayabilir İstatistiksel belirsizliği genel olarak zaman içerisinde ortalamaya ulaştığı varsayılır İstatistiksek belirsizlik veri içerisindeki gürültüdür İstatistiksel parametre belirsizliği, ölçüm ekipmanının nominal kesinliğine yakın olabilmektedir.

İstatistiksel Belirsizlik 40 35 30 25 20 15 True Gerçek Values değerler Measured Ölçülen Values Değerler 10 5 0

Sistematik Belirsizlik (Önyargı) Ölçülen değerler sürekli olarak gerçek değerden daha yüksek (ya da daha düşüktür). Önyargılar veri örnekleme ve istatistiksel analiz yoluyla tespit edilemez Önyargılar aşağıdakiler ile belirlenebilir: Veri kalitesi incelemeleri ve diğer Kalite Güvencesi / Kalite Kontrol önlemleri Verinin başka bağımsız veri setleri ile karşılaştırılması Önyargılar zaman içerisinde ortalamaya ulaşmaz, bu nedenle rastgele belirsizliklere kıyasla daha ciddi bir sorun teşkil ederler. Eğer veri kalitesi düşerse (veya yükselirse) ve geçmiş veriler revize edilemezse, önyargılar zaman içerisinde artabilir (ya da azalabilir). Zaman içerisinde önyargılarda meydana gelen değişiklikler, emisyon trendleri ve tahmin edilen emisyon indirimleri üzerindeki etkileri nedeniyle özellikle sıkıntılıdır.

Sistematik Belirsizlik (Önyargı) 40 35 30 25 20 15 True Values Geçek değerler Ölçülen Değerler Measured Values 10 5 0

Parametre Belirsizliklerinin Sebepleri Ölçüm cihazlarındaki rastgele hatalar (paralaks hatası, sıcaklık değişikliği, vb.) Ölçüm cihazları sistematik önyargılar oluşturabilir Kesin olmayan kalibrasyon, hatalı ölçüm ekipmanı, çevresel faktörler, operatör hatası, mükerrer sayım, verinin dışarıda bırakılması, vb. Parametreler temsili olmayan örneklere de dayalı olabilir. Yakıt teslimatı haftalık olarak yapılırken, yakıt örneklerinin aylık olarak alınması Verinin süreç başlangıç ve kapanma koşullarını ya da düzensiz işletim koşullarını açıklamaması

Parametre Belirsizliklerinin Raporlanması ve Birleştirilmesi Niteliksel Yüksek, Orta, Düşük Yarı-Niceliksel Belirsizlik değerlerinin sıralama şemaları kullanarak birleştirilmesi (örn. Veri Özelliği Raporlama Sistemleri) Niceliksel modeller Hata yayılımı (varsayılan veri dağılımları normal & bütün parametreler bağımsız) Monte Carlo (tam esneklik)

Güven aralığı Tipik olarak %95 lik bir güven aralığı kullanılır Doğru, ancak bilinmeyen, değerin kapsanma olasılığı %95 Olasılık yoğunluk fonksiyonunun (PDF) 2,5 ve 97,5. yüzdelikleri ile kapsanır

Örnek: Simetrik Belirsizlik PDF normal (simetrik) bir dağılımdır Ortalama değer 1.0 Belirsizliğin 2,5. yüzdeliği 0.7 Belirsizliğin 97,5. yüzdeliği 1.3 %95 olasılık aralığında %1.0 ± 30 Olasılık Yoğunluğu 2,5. Yüzdelik 97,5. Yüzdelik %95 Olasılık Aralığı Ortalama Örnek Emisyon Faktörü

Örnek: Asimetrik belirsizlik 1.0 ortalama değerinde asimetrik Belirsizliğin 2,5. yüzdeliği 0.5 Belirsizliğin 97,5. yüzdeliği 2.0 1.0-50% ila +100%. 2,5. Yüzdelik 97,5. Yüzdelik %95 Olasılık Aralığı Olasılık Yoğunluğu Ortalama Örnek Emisyon Faktörü

Önyargılar genellikle bilinmeyenlerdir Sistematik hataların (önyargıların) yakalanması zordur çünkü genellikle bu hataların farkında olunmaz Bilinen önyargılar düzeltilebilir Önyargılara sebep olabilecek unsurlar şunlardır: Sera gazı envanteri tasarımındaki hatalar (varsayımlar, seçilen yöntemler, vb.) Kullanılan hesaplama modellerinde mevcut olan sadeleştirmeler ve varsayımlar Ölçüm teknikleri

Belirsizlik Analizi ile İlgili İyi Uygulama Niceliklendirilmiş belirsizliğin potansiyel nedenleri, özellikle sera gazı envanteri, modeller ve veri ile bağlantılı olarak tanımlanmalı ve bunların ileride niceliklendirilmesi için bir çaba sarf edilmelidir.

Belirsizlik Bilgisinin Toplanması Parametre belirsizliği bilgileri şunlardan toplanabilir: Ölçüm cihazlarının kalibrasyon kayıtları Ekipman imalatçıları tarafından kullanma kılavuzları ya da diğer teknik belgelerde verilmiş olan ölçüm ekipmanı kesinlik değerleri Mümkün olan durumlarda tekrarlayan ölçümler yapabilmek için istatistiksel analiz teknikleri Bilimsel yayınlar Uzman kanaati edinimi Belirsizliklerin niceliklendirilmesine çok fazla odaklanılsa da, belirsizliklerin nedenlerinin niteliksel açıklamaları daha önemlidir! 25

Belirsizlik Bilgisi Artan belirsizlik Sayım Anket Ampirik veri Uzman görüşü Eksiksiz veri. Eğer iyi tasarlanırsa, hatalar küçük olmalıdır. Örneklemeye dayalı veri. Hataların alıntılanması ya da belirlenmesi gerekir. Ölçümlerden çıkarılmış alıntılanmış hatalar olmalıdır. Uzmanlar olası değer aralığı ya da ortalama ve belirsizlik vermelidir

Uzman görüşü Kanaat protokolü, inanılır ve savunulabilir belirsizlik tahminlerinin oluşturulmasında kilit rol oynar Uzmanları motive etmek ve koşullandırmak için prosedürler ve teknikler içerir 2006 IPCC Rehberleri destek sağlar

Kanaat protokolünün kilit unsurları Motivasyon: Uzmanla bir ilişki kurunuz, araştırmanın bağlamını tasvir ediniz, en sık görülen önyargıları açıklayınız. Yapılandırma: Görüş aranan ilgili miktarları açık bir şekilde tanımlayınız. (örn. ortaya çıkan emisyonların ya da azaltımların ortalaması, tipik koşullar altında bir yıllık bir dönem için alınmalıdır.) Koşullandırma: Görüşlerin oluşması ile ilgili olan tüm verilerin, modellerin ve teorinin belirlenmesi ve kayıt altına alınması için uzmanla birlikte çalışınız. Kodlama: Seçilmiş olan parametrelerin değeri ile ilgili olarak uzmanın görüşünü isteyiniz ve niceliklendiriniz. Bunu yaparken, uzmanın bu değerlerde tespit ettiği belirsizliklerle ilgili bilgi (niceliksel ve niteliksel) talep ediniz. Doğrulama: Uzmanlardan gelen girdileri analiz ettikten sonra, onların görüşlerini doğru şekilde kodladığınızı ve yorumladığınızı teyit etmek üzere uzmanlara geri bildirimde bulununuz. Bu süreç aynı zamanda uzmana da, görüşlerine ekleme yapmak isteyip istemediğini gözden geçirme şansı vermektedir. Belgelendirme: Uzmanların vermiş olduğu bütün bilgileri belgelendiriniz.

Belirsizliklerin birleştirilmesi ile ilgili yaklaşımlar Parametre belirsizlikleri aşağıdakileri sağlamak için birleştirilir: Emisyon ya da azaltım kategorisi için belirsizlik tahminleri Herhangi bir yıldaki envanterin bütünü için belirsizlik tahminleri ve Zaman içerisinde genel envanter trendindeki belirsizlik. 2006 IPCC rehberleri iki yaklaşım içermektedir: Yaklaşım 1: Hata yayılımı Yaklaşım 2: Monte Carlo simülasyonu Çalışmalarınızın ve kaynaklarınızın çoğunluğu, belirsizlik niceliklendirmesi yerine envanter tahminlerinin geliştirilmesine odaklanmalıdır.

Yaklaşım 1: Hata yayılımı Emisyonları tahmin etmekte kullanılan aynı denklem, her bir kategori için belirsizlikleri birleştirmek için kullanılır Varsayımlar ve Gereklilikler Bütün parametre belirsizlikleri simetriktir ve normal (Gauss) olasılık dağılımı şeklindedir. Belirsizliklerin %±30 dan az olduğu durumlarda en iyi şekilde uygulanır

Hata yayılımı (Çarpma kuralı) DENKLEM BELİRSİZLİKLERİN BİRLEŞTİRİLMESİ YAKLAŞIM ÇARPMA miktarların çarpımındaki belirsizlik yüzdesi (yüzde 95 güven aralığının yarısının toplama bölünmesi ve yüzdelik olarak ifade edilmesi); her bir miktarla ilişkili olan belirsizlik yüzdesi

Hata yayılımı (Toplama Kuralı) BELİRSİZLİKLERİN BİRLEŞTİRİLMESİ DENKLEM YAKLAŞIM TOPLAMA VE ÇIKARMA miktarların toplamındaki belirsizlik yüzdeki (yüzde 95 güven aralığının yarısının toplama bölünmesi (yani ortalama) ve yüzdelik olarak ifade edilmesi). Dolayısıyla bu belirsizlik terimi yüzde 95 lik güven aralığına dayalıdır; bunlarla ilişkili olan, sırasıyla, belirsizlik miktarları ve belirsizlik yüzdeleri

Hata yayılımı (Toplama Kuralı) Kaynak kategori 1 (E 1 ) ve 2 (E 2 ) için toplam emisyonların hesaplanması için denklemler (E T ) E T = E 1 + E 2 ya da E T = E 1 -E 2

Trenddeki belirsizlik- Hassasiyetler Baz yıl ve mevcut yıl için emisyon/yutak tahminleri A Tipi hassasiyet: Hem baz yıl hem de mevcut yılda belirli bir kategorideki emisyonlarda ya da yutak ve sera gazındaki %1 lik bir artıştan ortaya çıkan ve yüzde olarak ifade edilen, baz yıl ve mevcut yıl arasındaki genel emisyonların farkındaki değişim. Daha çok emisyon faktörleri için gerekli. B Tipi hassasiyet: Yalnızca mevcut yılda belirli bir kategorideki emisyonlarda ya da yutaklarda ve sera gazındaki %1 lik bir artıştan ortaya çıkan ve yüzde olarak ifade edilen, baz yıl ve mevcut yıl arasındaki genel emisyonların farkındaki değişim. Daha çok faaliyet verisi için gerekli. A Tipi Hassasiyetler: Yıllar arasında tamamen korelasyon olan belirsizlikler B Tipi Hassasiyetler: Yıllar arasında korelasyon olamayan belirsizlikler

1. Yaklaşım ile belirsizlik hesabı için işlem tablosu Input data

Unutmayınız Yaklaşım 1 (hata yayılımı) aşağıdaki koşullarda uygundur Belirsizlikler küçük (standart sapma/ortalama 0.3 ten küçük) Simetrik İlişkisiz ise Eğer belirsizlikler daha büyük ise, belirsizliği daha düşük olarak tahmin etme eğilimi olacaktır

Yaklaşım 2: Monte Carlo simülasyonu Kullanıcı tarafından tanımlanan bir değer dağılımından gelen rastgele örneklemlenmiş girdilerin kullanıldığı, çok sayıda deneme yaparak elde edilmiş olan simülasyon tekniği. Her bir girdi değişkeni için bu dağılım, o değişkendeki belirsizliği temsil eder. Aşağıdaki durumlarda belirsizliğin tahmin edilmesi için uygundur: Münferit bileşenlerin belirsizlikleri büyük olduğunda Dağılımlar asimetrik olduğunda ya da normal olmadığında (Gauss olmadığında) Faaliyet veri setlerinin ve emisyon faktörlerinin bazıları arasında ya da her ikisinde de korelasyonlar oluştuğunda Belirsizlikler envanterin farklı yılları için farklı olduğunda

Yaklaşım 2 İçin Gereklilikler Monte Carlo Bir değişkendeki belirsizliği makul olarak temsil eden her bir girdi değişkeni için bir olasılık yoğunluk fonksiyonu, ya da PDF, belirleyiniz. İstatistiksel analiz ya da uzman kanaati kullanılarak elde edilen Mevsimler ya da coğrafya gibi temsil niteliği olan çeşitli faktörlere dayalı olan Monte Carlo her şekilde ve genişlikte olan PDF ler ile korelasyonları (hem zaman içerisinde hem de kaynak/yutak kategorileri arasında) ele alabilir. Daha karmaşık modelleri ele alabilir (örn., atık depolama sahalarındaki CH 4 için birinci derece çürüme).

Adım 1 Monte Carlo simülasyonu için adımların çizimi Adım 2 FV için rastgele bir değer seçiniz EF için rastgele bir değer seçiniz FV için rastgele bir değer seçiniz EF için rastgele bir değer seçiniz Adım 3 Tahmini emisyonlar Tüm emisyonları toplayınız Tahmini emisyonlar Adım 4 Değerleri biriktirini z Ortalamayı ve belirsizliği hesaplayınız Ortalama ve dağılım sabit? Evet ise Bitti Hayır ise Adım 2 ye gidiniz

Monte Carlo sonuçlarının örneği Aşağıdakilerden sonra bir Monte Carlo simülasyonunun sonuçları: 1 tekrar 50 tekrar 100 tekrar 1,000 tekrar 10,000 tekrar

Monte Carlo sonuçlarının örneği (1 tekrar) 1,2 1 0,8 Sıklık 0,6 0,4 0,2 0 0,4 0,45 0,5 0,55 0,6 Emisyonlar (Gg CO 2 eq)

Monte Carlo sonuçlarının örneği (50 tekrar) Sıklık 20 18 16 14 12 10 8 6 4 2 0 0,4 0,45 0,5 0,55 0,6 Emisyonlar (Gg CO 2 eq)

Monte Carlo sonuçlarının örneği (100 tekrar) 30 25 20 Sıklık 15 10 5 0 0,4 0,45 0,5 0,55 0,6 Emisyonlar (Gg CO 2 eq)

Monte Carlo sonuçlarının örneği (1,000 tekrar) Sıklık 250 200 150 100 50 0 0,4 0,45 0,5 0,55 0,6 Emisyonlar (Gg CO 2 eq)

Monte Carlo sonuçlarının örneği (10.000 tekrar) Sıklık 2500 2000 1500 1000 500 0 0,4 0,45 0,5 0,55 0,6 Emisyonlar (Gg CO 2 eq)

Bir yaklaşım seçmek Uygulanabilirlik koşullarının karşılandığı durumlarda, Yaklaşım 1 ve Yaklaşım 2 aynı sonuçları verecektir. Yaklaşım 1 uygulama için daha az çaba gerektirir. Diğer yandan Monte Carlo yazılımı bir kez kurulduktan sonra, Yaklaşım 2 yi uygulamak da kolay olabilir. Ancak yazılımın kurulması çok fazla çaba gerektirmektedir. Yaklaşım 2, belirsizlik tahminlerinin bütünlüğü anlamında daha iyi sonuçlar sağlayacaktır.

Raporlama ve Belgeleme Belirsizlik belgelemesi her bir parametre için aşağıdakileri ele almalıdır: Belirsizliğin nedenleri Niceliklendirilmiş olan belirsizlikler Belirsizliği tahmin etmek için temel olarak kullanılan verinin kaynağı Belirsizlikleri birleştirmek için kullanılmış olan yöntemler Uzman görüşü analizi için arka plan bilgisi Girdiler arasında bulunmuş olan tüm korelasyonların açıklaması Ülkeye/envantere özgü özel durumların açıklanması Yaklaşım 1 ve Yaklaşım 2 nin sonuçları arasındaki farklılıkların açıklanması

Belirsizliklerin kullanılması ve yorumlanması

Uygulamada belirsizlik değerlendirmesi Ulusal sera gazı envanterleri bağlamında... Belirsizlik bilgisini kullananlar kimlerdir? Belirsizlik bilgisini nasıl toplarsınız? Bu bilgiyi nasıl kullanabilirler ve nasıl kullanmalılar? Belirsizlik değerlendirmesi çalışmanızın sonuçlarını paydaşlara nasıl iletirsiniz?

Kullanıcılar

Belirsizlik bilgisinin kullanıcıları UNFCCC (Birleşmiş Milletler İklim Değişikliği Çerçeve Sözleşmesi) kapsamında Taraflar tarafından elde edilecek olan belirsizlik bilgisi, aşağıdakiler tarafından kullanılabilir: Bilim ve araştırma camiası Politika yapıcılar ve müzakereciler Kamu kurumları ve diğer paydaşlar IPCC (Hükümetlerarası İklim Değişikliği Paneli) ve diğer metodoloji geliştiriciler UNFCCC/KP Uzman Gözden Geçirme Ekipleri Envanter derleyicileri

Belirsizlik verisindeki paydaşlar Bu gruplar belirsizlik bilgisini ne için kullanmak istiyorlar? Bu grupların sera gazı envanteri belirsizlik bilgisini nasıl kullanmaları ve yorumlamaları gerekir?

Bilim ve araştırma camiası İstedikleri Tüm değişkenler için istatistiksel olarak geçerli olan ve ayrıntılı belirsizlik verileri Belirsizlik tahminlerinin deneysel veriye benzer kaynaklarının olduğunu varsayabilirler Gerçek durum Uzman görüşü ve kanaatinin oynadığı rolün anlaşılması gereklidir Kategoriler ve ülkeler arasındaki belirsizlik verilerinde önyargılar olma potansiyeli

Politika yapıcılar ve müzakereciler İstedikleri Anlaşılması kolay veri kalitesi değerlendirmeleri ( Güvenebilir miyiz? ) Niceliksel belirsizlik tahminlerini bir seçilme ya da yaptırım aracı olarak kullanmak Gerçek durum Belirsizlik tahminleri çoğu durumda politika yapmak için kullanılmamalidir (bu konuyu ele alacağız)

Kamu kurumları ve diğer paydaşlar İstedikleri Son derece çeşitli Genellikle umursamaz ya da anlamaz Gerçek durum Ulusal düzeydeki belirsizlikler ile bir proje ya da tesis düzeyindeki belirsizlikler arasındaki fark ile ilgili olarak eğitmek gereklidir

IPCC ve diğer metodoloji geliştiriciler İstedikleri Rehberler ve EFDB (Emisyon Faktörü Veri Tabanı) için, yöntemlerin (metodolojik belirsizlik) ve faktörlerin (parametre belirsizliği) kalitesinin değerlendirilmesi için temel Gerçek durum Belirsizlik tahminlerinin nasıl geliştirildiğinin anlaşılması gerekliliği hangi belirsizliklerin kapsandığı, hangilerinin dışarıda bırakıldığı Ve belirsizliklerin sebepleri nelerdir

UNFCCC / Uzman Gözden Geçirme Ekipleri İstedikleri Raporlama gereklilikleri ile tutarlı veriler Veri kalitesi yönetimi sürecini değerlendirmek için araç Gerçek durum Belirsizlik verisinin Taraflar arasında karşılaştırma yapmak için kullanılmaması gerektiğini açık bir şekilde ifade eden UNFCC raporlama rehberlerine uygun olduğu sürece amaçlar gerçekçidir.

Envanter derleyicileri İstedikleri Veri sağlayıcılar: veri kaliteleri ile ilgili geri bildirim Envanter yöneticileri: kalite yönetimi ölçümü ve aracı Gerçek durum Belirsizlik tahminlerinin karşılaştırılabilir olmayabileceği anlaşıldığı sürece istekler genel olarak gerçekçidir

Bilgi toplama

Belirsizlik değerlendirme sürecinin kısımları 1. Veri belirsizliğinin olası sebeplerinin iyi bir şekilde araştırılması ve kalite 2. Her bir değişken için niceliksel belirsizlik tahminlerinin ve parametre korelasyonlarının oluşturulması 3. İstatistiksel bir model kullanarak tahminlerin matematiksel kombinasyonu (örn. birinci derece hata yayılımı ya da Monte Carlo) 4. Belirsizlik değerlendirmesinin sonuçlarına karşılık olarak envanter iyileştirme eylemlerinin seçilmesi 5. Belirsizlik değerlendirme sonuçlarının iletilmesi

Nereye odaklanmalı? Biz genellikle 2. ve 3. kısımlara odaklanma eğiliminde oluyoruz (2) Belirsizlik tahminlerinin oluşturulması ve (3) Bu tahminlerin matematiksel kombinasyonu Çoğu zaman 1. ve 4. kısımlara pek dikkat edilmez (1) Sebeplerin araştırılması ve (4) Envanter iyileştirme 1. Kısım daha çok tespit ve araştırma çalışması olarak düşünülür, sonuçlar daha ziyade nitelikseldir 5. Kısım, iletişim, paydaşların sonuçları kötüye kullanma potansiyeli nedeniyle, genellikle zayıf şekilde yapılır.

Sürecin organizasyon şeması Genel envanter lideri Belirsizlik değerlendirme koordinatörü KG/KK Görevlisi Kaynak/yutak Kategori lideri Kaynak/yutak Kategori lideri Kaynak/yutak Kategori lideri Kaynak/yutak Kategori lideri Dış uzman

Roller ve Koordinasyon Envanter Lideri: tüm envanter için belirsizlik değerlendirmesini gözetmekten ve sonuçları iletmekten sorumlu olan genel direktör

Roller ve Koordinasyon Kaynak kategori lideri: spesifik kaynak ya da yutak kategorileri ile ilgili kararlar almak ve belirsizlik değerlendirmesi yapmaktan sorumludur. Veri toplama için uygun ayrıştırma seviyesinin belirlenmesi ve belirsizlik modeli geliştirme, Girdi verisi toplama çalışmaları için değişkenlerin önceliklendirilmesi ve belirsizlik bilgilerinin toplanması için kaynakların tahsis edilmesi, Kanaat için uzmanların belirlenmesi Belirsizlik analizinin sonuçlarının gözden geçirilmesi ve düzeltici eylemlerin ve iyileştirmelerin belirlenmesi

Roller ve Koordinasyon Belirsizlik Analizi Koordinatörü: bütün envanter için belirsizlik değerlendirmesinin yönlendirilmesinden sorumludur Veri girdilerinin elde edilmesi Kaynak Liderleri ile birlikte uzman görüşlerinin alınması Belirsizlik modelinin geliştirilmesi Niceliksel belirsizlik tahminlerinin geliştirilmesi Belirsizliğin nedenleri ile ilgili niteliksel bilgilerin belgelenmesini temin etmek Belirsizlik analizinin sonuçlarının yorumlanması

Roller ve Koordinasyon KG/KK Görevlisi Genel KG/KK uygulamasını yönetir KG/KK çalışanlarının idaresi Uzman değerlendirmelerinin denetlenmesi KG/KK unsurlarının eksiksiz ve yeterli şekilde uygulanmasının temin edilmesi Kaynak kategori çalışanları ve sözleşme makamlarının yeterli nitelikleri

Roller ve Koordinasyon Dış uzmanlar Envanter tahminlerine veri katkısında bulunabilecek bağımsız bireyler (yani, veri sağlayıcılar ), Envanter yöntemleri, verin ya da rapor geliştirme / inceleme süreçlerine dahil olabilirler Kanaat sağlama amacı ile uzman olarak hizmet sağlayabilirler.

Belirsizlik bilgisi nedir? Biz genellikle %±9 sayısı üzerine odaklanırız Ancak belirsizlik bilgisinin niceliksel olduğu kadar niteliksel bileşenleri de vardır. Biz genellikle niceliksel bilgiye odaklanıyor olsak da, çoğu zaman en yararlı bilgi genellikle niteliksek bilgidir. Acaba sayıya mı daha çok önem veriyoruz yoksa o belirsizliğin neden mevcut olduğuna mı?

Niceliksel belirsizlik bilgisi Veri türleri Dağıtım Standart sapma ya da standart hata Bunların ilgili güven aralıkları Değişkenlerin üst ve alt sınırları ve bunları ilgili kümülatif olasılık düzeyleri Ancak, pek çok durumda herhangi bir değişken için bu niceliksel belirsizlik verilerinin çok azı mevcuttur, ya da bunlar hiç yoktur.

Niteliksel belirsizlik bilgisi Belirsizliklerin sebeplerinin ya da olası sebeplerinin tanımları Belirsizliklerin veri toplama süreci ile nasıl ilgili olduğunun anlaşılması Belirsizlik bilgisi için referanslar Yayınlar Danışılmış uzmanların eğitimleri ve vasıfları Kanaat protokolleri

Belirsizlik modelinizin oluşturulması: Değişkenlerin belirlenmesi Envanter tahmin denklemlerine dayalı olarak belirsizlik tahmin metodolojisi Denklemler envanter tahmin metodolojisi ile aynı olabilir, ya da Denklemler envanter tahmin metodolojisinin sadeleştirilmiş bir versiyonu olabilir Hem envantere hem de belirsizlik metodolojilerine dayanak oluşturan matematiksel modellerin sonuçları aynı emisyon tahminlerini vermelidir. Değişkenlerin toplam düzeylerinin, envanter ve belirsizlik tahmin metodolojileri arasındaki temel fark olması muhtemeldir.

Belirsizlik modelinizin oluşturulması: Değişkenlerin belirlenmesi Belirsizlik tahmin modellerinin genellikle daha az sayıda değişken bileşenleri vardır (yani, bu modeller daha az bölünmüştür). Tüm kaynak ve alt kaynak kategorilerindeki her bir değişken için belirsizlik tahmininin değişken bölünmüşlük düzeyi aşağıdakiler ile belirlenmelidir: Belirsizlik veri girdilerinin mevcudiyeti, Kaynak mevcudiyeti, ve Kaynak / alt kaynak kategorisinin önemi (yani, kilit bir kategori mi, değil mi).

Bilgi toplama: değişken değişken Münferit değişken düzeyinde toplanan belirsizlik verisi (örn. EF, faaliyet verisi) Kaynak kategori lideri, belirsizlik modeli için uygun olan bölünmüşlük düzeyini tanımlamak üzere belirsizlik koordinatörü ile birlikte çalışmalıdır. Örnek: Büyükbaş hayvan gübresi ile ilgili il bazında tahmin yapılıyor olabilir. Ancak, belirsizlik modeli için, ulusal düzeyde kullanılan bir denklem olmalıdır. Bunun nedenle gübre EF si için tek bir belirsizlik değer gereklidir, ve Monte Carlo modeli sadeleştirilir.

Kanaat Eğer yayınlanmış olan belirsizlik verisi yeterli değilse, uzman kanaatinin gerekli olması muhtemeldir Kanaat türleri Gayri resmi görüşme : envanter sürecinden doğrudan yer almış olan envanter uzmanlarından belirsizlik bilgisi ile ilgili kanaat alınması (örn., kaynak kategori liderleri, sözleşme tarafları vb.) Uzman kanaati : dış uzmanlardan resmi olarak belirsizlik bilgisi kanaati alınması

Kanaat Gayri resmi görüşme, envanter kaynak kategorisi ile ilgili yakından bilgi sahibi olan envanter uzmanları ile görüş alışverişilerini içeren, mütevazi bir kanaat sürecidir.

Kanaat Daha az resmi olan kanaat alma ya da gayri resmi görüşmeye şu durumlarda başvurulabilir: Emisyon kaynağının kilit bir envanter kaynağı kategorisi olmadığında ve dolayısıyla envanter emisyonlarına katkısı küçük olduğunda O kategori için çok az sayıda değişkende eksik veri olduğunda Temel teşkil eden değişkenler ile ilgili bilgi sahibi olan dış uzman olmadığında Resmi bir kanaat alma sürecinin yürütülmesi için gerekli olan kaynaklar sınırlı olduğunda

KK ile Entegrasyon Kademe 2 kaynağa özel KK kontrolleri ile girdi verisi kalitesi ve belirsizlik araştırmaları, aynı kişi ya da kurumlarla iletişimde olmayı gerektirir. KK ve belirsizlik değerlendirme süreçlerinin entegre edilmesi gereklidir! Araştırmalar tek bir araştırma olarak yürütülmeli Mükerrer sorulardan ve çoklu irtibat noktalarından kaçınılmalıdır.

Bilgiyi ne zaman toplamalı? Belirsizlik bilgisinin her yıl her kaynak ya da her değişken için toplanması gerekli olmayabilir Bilgi toplama sıklığını belirlemek üzere bir plan geliştirilmelidir Belirsizlik ve Kademe 2 KK araştırmalarının tek bir zaman çizelgesi olmalı Kilit kategoriler aciliyet ve sıklık bakımlarından önceliklendirilmeli Bazı değişkenlere yalnızca birkaç yılda bir defa bakmak gerekebilir Her bir değişken için, belirsizlik bilgisinin toplandığı yılın belgelenmesi gerekir.

Trend belirsizliği Tahmini önyargılar yıldan yıla sabit kalmayabilir Bir örüntü sergileyebilir (örn., artan ya da azalan) Örneğin, eğer veri sağlayıcınız veri toplama için ayırdığı bütçesinde kesintiye giderse, size sağladığı verilerin kalitesi zaman içerisinde kötüleşebilir. Trend belirsizliğini tahmin ederken tahminlerdeki önyargıların ortadan kalktığını varsaymak yanlış olabilir.

Belirsizlik bilgisinin kullanılması

Belirsizlik bilgisini nasıl kullanmalısınız? Ulusal envanter kullanıcıları ve paydaşları belirsizlik bilgisini farklı şekillerde kullanmak isteyebilirler Başlıca iki uygulama türü 1. Karşılaştırmalı 2. Kalite yönetimi İki uygulama da, belirsizlik bilgisinin belirli bazı özelliklere sahip olmasını gerektirmektedir.

Karşılaştırmalı uygulamalar Politika yapıcılar (ve bazı diğer paydaşlar), karar almak ve uyum sistemlerini desteklemek üzere belirsizlik bilgisini kullanmak istemektedir. Şunları karşılaştırmak üzere: Ülkeler Kaynak kategorileri Sektörler Tesisler Projeler, vb.

Karşılaştırmalı uygulamalar Belirsizlik bilgisinin uluslararası uygulamar için kullanılabilmesi için bu bilginin şu özellikleri taşıması gerekir: 1. Ülkeler arasında karşılaştırılabilir olmalı 2. Nispeten nesnel olmalı ve gözden geçirme ve doğrulamaya tabi olmalı 3. Kendi ülkelerinin menfaati için hareket eden ülkelerin oyununa tabi olmamalı 4. Tahmin edilmesi idari olarak mümkün olmalı 5. Ülkelere uygulanan uyum maliyetlerine değecek şekilde yeterince yüksek kalitede olmalı (örn., uyarlamalar yolu ile) 6. Tüm belirsizlik türlerini ele almaya çalışmalı Ulusal sera gazı envanteri belirsizlik tahminleri çoğu zaman bu özelliklere sahip olmaz!

Karşılaştırmalı uygulamalar Niceliksel belirsizlik tahminleri genellikle uzman görüşüne dayalıdır Uzman görüşündeki öznellikten yalnızca inanılmaz titiz kanaat süreci ile kaçınılabilir Uzmanlar arasındaki farklılıklar nedeni ile bu uygulamaların ülkeler, kategoriler, parametreler ya da süre açılarından yeterince karşılaştırılabilir olması pek muhtemel değildir.

Neden karşılaştırma yapamam? Uzman görüşleri mevcut durumda herhangi bir gözden geçirmeye tabi tutulmamaktadır. Maliyetli ve titiz bir gözden geçirme süreci olmaksızın, bu görüşler manipülasyona ve oynamaya müsait olacaktır Belirsizlik tahminlerinin Taraflar arasında tutarlı olarak nesnel bir şekilde yapılmasının temini, halihazırda sağlanamamaktadır UNFCCC envanter gözden geçirme süreci zaten halihazırda son derece zorlu ve gergindir.

Neden karşılaştırma yapamam? Genel olarak belirsizlik tahminlerindeki belirsizlik, envanter tahminindeki belirsizlikten çok daha büyüktür.

Kalite yönetimi Envanter derleyicilerinin bir amacı, emisyon ve azaltım tahminlerinin sürekli olarak iyileştirilmesidir. Kalite yönetimi bakış açısı ile, belirsizlik değerlendirmesi veri kalitesini araştırmak, kavramsallaştırmak ve izlemek için yapılandırılmış bir yoldur. Bu bakış açısı ile belirsizlik değerlendirmesi KG/KK programınızın yalnızca bir kısmıdır.

Kalite yönetimi Niceliksel belirsizlik tahminleri yararlı olabilir Ancak tek başına, veri kalitesi sorunlarının çözülmesi için sorunların sebeplerini izole etmek üzere gerekli olan bilgiyi sağlamazlar. Belirsizlik değerlendirmesinin araştırmaya odaklı yaklaşımı sürecin 1. ve 4. kısımlarına odaklanır (araştırma ve iyileştirme). Bu yaklaşım aynı zamanda niceliksel belirsizlik tahminlerini desteklemek üzere daha doğrulanabilir bilgi ve gerekçe de sağlar.

Kalite yönetimi Araştırmaya odaklı bir yaklaşım, aşağıdakileri yapmak üzere sizin veri sağlayıcılar ile yakından çalışmanızı gerektirir: 1. Envanterin veri kalitesi gereklilikleri ve veri toplama uygulamaları ile ilgili bilgi paylaşımı 2. Faaliyet verisi raporlama ve toplama sorunlarını belirleme ve anlama 3. Emisyon faktörleri ya da diğer parametreler ile ilgili ampirik veri eksikliği olan durumları tespit etmek 4. Bir envanter parametresindeki değişkenliğin yüksek olduğu durumları tespit etmek 5. Bir envanter parametresi ya da kategorisi için uygun tahmin yöntemi ile ilgili olarak bilimsel bir uzlaşma olmayan durumları tespit etmek 6. Sorunları düzeltmek ya da azaltmak üzere yapılabilecek spesifik çalışmaları tespit etmek

Kalite yönetimi Veri sağlayıcılar ile birlikte çalışarak, şunları yapabilirsiniz Onları ihtiyaçlarınız ile ilgili eğitebilirsiniz Belirsizliğin spesifik sebeplerini ve bu belirsizliklerin veri kalitesi üzerindeki etkisinin büyüklüğünü tespit etmelerine yardımcı olabilirsiniz Veri kalitesi iyileştirmelerine yatırım yapmak için baskı oluşturabilirsiniz (örn., veri toplama kapsamının genişletilmesi ya da daha fazla araştırma)

Kalite yönetimi Belirsizlik bilgisinin gereken özellikleri, yalnızca envanter iyileştirmelerinin önceliklendirilmesi için kullanılırsa daha az katıdır. Belirsizlik tahminlerinin uyum sonuçları olmadığı için, bunların nesnel ve karşılaştırılabilir olmaları daha az kritiktir

Özet Araştırma odaklı ve Monte Carlo tipi belirsizlik değerlendirme yaklaşımı arasında tercih yapmak zorunda değilsiniz. Bunlardan ilki, ikincisi için daha iyi sonuçlar elde etmenizi sağlayacaktır. Ancak, kaynakların sınırlı olduğu durumlarda, öznel belirsizlik tahminlerinin birleştirilmesi yerine, kaynaklar veri kalitesi araştırmaları ve iyileştirmelerine odaklanırsa (Kısım 1 ve 4), envanter kalitesinin daha fazla yarar sağlaması muhtemeldir.

Özet Belirsizlik tahmininin otomatik olarak envanter kalitesi iyileştirmeleri sağlayacağı yanılgısına düşüyoruz Gerçekte ise, zayıf kalitenin sebeplerinin araştırılması ve değerlendirilmesi için bir sürece ihtiyaç duymaktayız.. Ayrıca, iyileştirme için alınan tedbirlerin uygulanmasını sağlayan bir geri bildirim sürecine ihtiyaç duymaktayız.

İletişim

Belirsizlik bilgisinin iletilmesi Bir sera gazı envanteri yalnızca bilimsel bir çalışma değildir Anlamlı sayıların kurallarına bakmaksızın, değişen belirsizliklerin tahminlerini bir araya getirerek bunu kabul ediyoruz. Aynı zamanda hesap verme ve yasal uyum özellikleri de vardır Bütün muhasebeciler kar ve zarar beyanlarını %±35 ile rapor ediyor mu? Paydaşların çoğu bir envanterde yalnızca nokta tahminleri kullanacak ya da yalnızca bunlara dikkat edecektir. Bakıldığında niceliksel belirsizlik tahminleri çoğu zaman hatalı kullanılmaktadır.

Belirsizlik bilgisinin iletilmesi Belirsizlik bilgisini iletirken, niceliklendirilmiş olan belirsizlik tahminleri yerine, temel teşkil eden kilit değişkenlerdeki belirsizliklerin nedenlerini açıklamaya odaklanın. Her zaman veri kalitesinin izlenmesi ve iyileştirilmesi için alınan önlemlerden de bahsediniz Eğer bir araya getirilmiş niceliksel belirsizlik tahminlerinden bahsetmeniz gerekirse, yıllık toplamlar yerine, trendde olan belirsizliğe odaklanın.

- son -

Egzersiz: Yaklaşım 1 Hata yayılımı Bir dizi faaliyetten emisyonlarınız (Gg CO 2 -eq) ile ilgili tahminde bulundunuz Bu örnek için 4 kategori ve 2000 ve 2010 olmak üzere iki yıl için farklı sera gazlarını ele alacağız Faaliyet verisi ve kullanılan emisyon faktörleri için belirsizlik verisini elde ettiniz. Verileriniz tabloda listelenmiş durumda IPCC kategorisi Gaz 2000 emisyonla rı 2010 emisyonlar ı Faaliyet verisi belirsizliği Emisyon faktörü belirsizliği 1.A.3b Karayolu taşımacılığı Benzin CO 2 4595 6089 ±2% ±2% 1.A.3b Karayolu taşımacılığı - Benzin CH 4 10 29 ±1% ±50% 2.1 Nitrik asit üretimi N 2 O 1595 1396 ±5% ±100% 3.A.2 Gübre yönetimi N 2 O 539 422 ±15% ±160%

Verinizi hazırlayınız İlk olarak, envanterdeki her iki yıl için de toplam emisyonları hesaplayınız. IPCC kategorisi Gaz 2000 emisyonla rı 2010 emisyonlar ı Faaliyet verisi belirsizliği Emisyon faktörü belirsizliği 1.A.3b Karayolu taşımacılığı Benzin CO 2 4595 6089 2% 2% 1.A.3b Karayolu taşımacılığı - Benzin CH 4 10 29 1% 50% 2.1 Nitrik asit üretimi N 2 O 1595 1396 5% 100% 3.A.2 Gübre yönetimi N 2 O 539 422 15% 160% Total 6739 7936 Daha sonra, hem faaliyet verisi için hem de emisyon faktörleri için belirsizliklerin mutlak değerlerini kullandığınızdan emin olunuz.

Adım1: Belirsizlikleri birleştiriniz Her bir kategori için faaliyet verisi ve emisyon faktörü belirsizliklerini birleştiriniz. G Sütunu, E ve F Sütunlarındaki veriden, hata yayılımı denklemi (Denklem 3.2) kullanılarak elde edilmiş olan kategoriye göre birleştirilmiş belirsizliktir. G Sütunundaki girdi, E ve F Sütunlarındaki girdilerin karelerinin toplamının kare köküdür. IPCC kategorisi Gaz 2000 emisyonl arı 1.A.3b Karayolu taşımacılığı Benzin 1.A.3b Karayolu taşımacılığı - Benzin 2010 emisyonl arı Faaliyet verisi belirsizliği Emisyon faktörü belirsizliği Birleştirilmi ş belirsizlik A B C D E F G= (E 2 +F 2 ) CO 2 4595 6089 2% 2% 3% CH 4 10 29 1% 50% 50% 2.1 Nitrik asit üretimi N 2 O 1595 1396 5% 100% 100% 3.A.2 Gübre yönetimi N 2 O 539 422 15% 160% 161% Toplam 6739 7936

Adım 2: En son yıl için belirsizlik yüzdesini hesaplayınız 1. Her bir kategori için, G Sütununda en son yıldaki (2010) toplam emisyonların bir yüzdesi olarak belirsizliği hesaplayınız (aynı zamanda varyansa katkısı olarak da kullanılabiliyor) ve bu değeri H Sütununa kaydediniz. H Sütununun her bir satırındaki girdiler, G Sütunundaki girdilerin karesinin D Sütunundaki girdilerin karesi ile çarpımının, D Sütununun altındaki toplamın karesine bölünmüş halidir. 2. Toplam katkıyı, H Sütunundaki girdileri toplayarak hesaplayınız. Bizim örneğimizde toplam ΣH=0.0388 dir. 3. Toplam envanterin son yılındaki belirsizliği tahmin etmek için, toplamın kare kökünü alınız. Bizim örneğimizde 2010 yılı için toplam belirsizlik %19 tir.. IPCC kategorisi Ga z 2000 emisyo nları 2010 emisyo nları Faaliyet verisi belirsizliği Emisyon faktörü belirsizliğ i Birleştiril miş belirsizlik A B C D E F G= (E 2 +F 2 ) Varyansa katkısı H= (G D) 2 /(ΣD) 2 1.A.3b Karayolu taşımacılığı Benzin 1.A.3b Karayolu taşımacılığı - Benzin CO 2 4595 6089 2% 2% 3% 0.0005 CH 4 10 29 1% 50% 50% 0.0000 2.1 Nitrik asit üretimi N 2 O 1595 1396 5% 100% 100% 0.0310 3.A.2 Gübre yönetimi N 2 O 539 422 15% 160% 161% 0.0073

Adım 3: Trend belirsizliği tahmin ediniz Trenddeki belirsizlikleri belirlemek, aşağıdaki ara adımları izlemeyi gerektirir: 1. A Tipi hassasiyetin tahmin edilmesi 2. B Tipi hassasiyetin tahmin edilmesi 3. EF belirsizliğinden kaynaklanan trend belirsizliğinin tahmin edilmesi 4. FV belirsizliğinden kaynaklanan trend belirsizliğinin tahmin edilmesi 5. Toplam trend belirsizliğinin tahmin edilmesi için yukarıdaki 3. ve 4. adımlarının sonuçlarının toplanması Notlar: Tip A ve Tip B hassasiyetleri, hesaplama prosedürünü sadeleştiren ara değişkenlerdir. 3. ve 4. adımların sonuçları tek başına spesifik kategoriler için belirsizlik bilgisi sağlamazlar. Bu adımların sonuçlarının toplamı (Adım 5), trend belirsizlikler için bir gösterge niteliği taşır.

Adım 3.1: Tip A hassasiyeti tahmin ediniz Ilk olarak, hem baz yıl hem de mevcut yıldaki kategori emisyonlarındaki / azaltımlarındaki %1 lik bir artışa karşılık olarak baz yıl ve mevcut yıl arasında meydana gelen emisyon farklılıklarının yüzdesi olarak her bir kategori için Tip A hassasiyeti hesaplıyoruz. Tip A bize, tahmindeki sistematik bir belirsizliğe göre emisyonlardaki trendin hassasiyetini göstermektedir. Bunun için kullanılan denklem şu şekildedir: Şu formülün mutlak değeri: 0.01 D x + ΣD i (0.01 C x + ΣC i ) 100 ΣD i ΣC i 100 (0.01 C Formülde: x + ΣC i ) ΣC i Cx, Dx = x kategorisinde C ya da D sütununun değeri ΣCi, ΣDi = envanterin tüm kategorileri (satırları) için C ya da D sütununun değerlerinin toplamı Örneğin, 1.A.3b Kategorisi için Tip A hassasiyet değeri şu şekilde hesaplanır: 0.01 6089 + 7936 (0.01 4595 + 6739) (0.01 4595 + 6739) 100 7936 6739 6739 100 = 0.0999

Adım 3.1 (devam): Tip A hassasiyeti tahmin ediniz Tüm kategoriler için aynı hesaplamayı yaparken, Tip A hassasiyet için aşağıdaki değerleri elde edersiniz. IPCC kategorisi Ga z 2000 emisyon ları 2010 emisyon ları Faaliyet verisi belirsizliği Emisyon faktörü belirsizliği Tip A Hassasiyet A B C D E F I 1.A.3b Karayolu taşımacılığı Benzin 1.A.3b Karayolu taşımacılığı - Benzin CO 2 4595 6089 2% 2% 0.0999 CH 4 10 29 1% 50% 0.0026 2.1 Nitrik asit üretimi N 2 O 1595 1396 5% 100% 0.0714 3.A.2 Gübre yönetimi N 2 O 539 422 15% 160% 0.0315 Toplam 6739 7936

Adım 3.2: Tip B hassasiyeti tahmin ediniz Tablonun J Sütununda, yalnızca 2010 yılı içinde kategori emisyonlarındaki / azaltımlarındaki %1 lik bir artışa karşılık olarak baz yıl (2000) ve en son yıl (2010) arasında meydana gelen emisyon farklılıklarının yüzdesi olarak Tip B hassasiyeti hesaplayabilirsiniz. Bu size, emisyonların trendinin tahmindeki rastgele hataya göre hassasiyetini gösterir. IPCC kategorisi Gaz 2000 emisyonla rı 1.A.3b Karayolu taşımacılığı Benzin 1.A.3b Karayolu taşımacılığı - Benzin 2010 emisyonla rı Faaliyet verisi belirsizliği Emisyon faktörü belirsizliği Tip A Hassasiyet Tip B Hassasiyet A B C D E F I J= Abs(D/ΣC) CO 2 4595 6089 2% 2% 0.0999 0.9035 CH 4 10 29 1% 50% 0.0026 0.0043 2.1 Nitrik asit üretimi N 2 O 1595 1396 5% 100% 0.0714 0.2072 3.A.2 Gübre yönetimi N 2 O 539 422 15% 160% 0.0315 0.0626 Toplam 6739 7936

Adım 3.3: Emisyon faktöründeki belirsizliğe bağlı trend belirsizliğini tahmin ediniz Emisyon faktörlerindeki belirsizliğin yıllar içerisinde ilişkili olduğu varsayımı ile tablonun K Sütununda, emisyon faktörü belirsizliğinin emisyonlardaki trende getirdiği belirsizliği tahmin etmek üzere, I ve F Sütunlarındaki değerleri birbirleri ile çarpınız. Eğer emisyon faktörü belirsizliklerinin yıllar içerisinde birbirleri ile ilişkili olmadığını belirlemişseniz, I Sütunu yerine Tip B hassasiyet (J Sütunu) kullanılmalı ve sonuç 2 nin kare kökü ile çarpılmalıdır. IPCC kategorisi Gaz 2000 emisyonl arı 1.A.3b Karayolu taşımacılığı Benzin 1.A.3b Karayolu taşımacılığı - Benzin 2010 emisyon ları Faaliyet verisi belirsizliği Emisyon faktörü belirsizliği Tip A hassasiyet EF belirsizliğine bağlı trend belirsizliği A B C D E F I K= I F CO 2 4595 6089 2% 2% 0.0999 0.20% CH 4 10 29 1% 50% 0.0026 0.13% 2.1 Nitrik asit üretimi N 2 O 1595 1396 5% 100% 0.0714 7.14% 3.A.2 Gübre yönetimi N 2 O 539 422 15% 160% 0.0315 5.05% Toplam 6739 7936

Adım 3.4: Faaliyet verisi belirsizliğine bağlı trend belirsizliğini tahmin ediniz Faaliyet verisindeki belirsizliğin yıllar içerisinde ilişkili olmadığı varsayımı ile Tablonun L Sütununda, faaliyet verisi belirsizliğinin emisyonlardaki trende getirdiği belirsizliği tahmin etmek üzere J ve E Sütunlarındaki değerleri birbirleri ile çarpınız. Eğer faaliyet verisi belirsizliklerinin yıllar içerisinde birbirleri ile ilişkili olduğunu belirlemişseniz, J Sütunu yerine Tip A hassasiyet değeri (I Sütunu) kullanılmalıdır ve bu durumda 2 nin kare faktörü geçerli değildir. IPCC kategorisi Gaz 2000 emisyo nları 2010 emisyo nları Faaliyet verisi belirsizliğ i Emisyon faktörü belirsizliği Tip B hassasiye t A B C D E F J= Abs(D/ΣC ) 1.A.3b Karayolu taşımacılığı Benzin 1.A.3b Karayolu taşımacılığı - Benzin FV belirsizliği ne bağlı trend belirsizliği L= J E 2 CO 2 4595 6089 2% 2% 0.9035 2.56% CH 4 10 29 1% 50% 0.0043 0.01% 2.1 Nitrik asit üretimi N 2 O 1595 1396 5% 100% 0.2072 1.46% 3.A.2 Gübre yönetimi N 2 O 539 422 15% 160% 0.0626 1.33% Toplam 6739 7936

Adım 3.5: Toplam trend belirsizliğini tahmin ediniz Toplam trend belirsizliğinin tahmin edilmesi aşağıdaki unsurları içerir: 1. M Sütununda, söz konusu kategori tarafından toplam emisyonlardaki trende getirilen belirsizliği hesaplayabilirsiniz. Bu, 3.2 Denklemi kullanılarak K ve L Sütunlarındaki değerlerden elde edilebilir. M Sütunundaki girdi, K ve L Sütunlarındaki girdilerin karelerinin toplamıdır. 2. Daha sonra trenddeki toplam belirsizliğin tahmini, hata yayılımı denklemi kullanılarak M Sütunundaki girdiler ile hesaplanır. Bu toplam M Sütunundaki girdilerin toplanması (ΣM=0.87%) ve daha sonra toplamın kare kökü alınarak ile elde edilir (bizim örneğimizde %9.32). Trenddeki belirsizlik, envanter trendine göre bir yüzdelik noktası aralığıdır. Bizim örneğimizdeki 2010 emisyonları, 2000 emisyonlarından %18 daha büyüktür (2000 yılındaki 6739 ten 2010 yılındaki 7936 e) ve belirsizliğin %9.32 olduğunu tahmin ettiğimiz için, 2010 yılı emisyonlarının 2000 yılı emisyonlarına göre trendi %18±%9.32 dir (ya da yaklaşık %9 dan %27 ye artış). IPCC kategorisi Gaz 2000 emisyonl arı 1.A.3b Karayolu taşımacılığı Benzin 1.A.3b Karayolu taşımacılığı - Benzin 2010 emisyonl arı Faaliyet verisi belirsizliğ i Emisyon faktörü belirsizliği EF belirsizliğine bağlı trend belirsizliği A B C D E F K= I F FV belirsizliğine bağlı trend belirsizliği L= J E 2 Toplam trend belirsizliği M= K 2 + L 2 CO 2 4595 6089 2% 2% 0.20% 2.56% 0.07% CH 4 10 29 1% 50% 0.13% 0.01% 0.00%