Overview and comparison of existing carbon crediting schemes
Notice bibliographique
Résumé
At COP24 in December 2018, Parties adopted a large part of the so-called “rulebook” operationalizing the articles of the Paris Agreement and the accompanying decision 1/CP.21. Due to lack of consensus on several contentious topics surrounding accounting, integrity and ambition, the rules for the market mechanisms under Article 6 have been postponed to COP25. Even if the guidelines for transfers of international emission reduction credits in cooperative approaches (Article 6.2) and the rules, modalities and procedures for the UNFCCC-supervised crediting mechanism (Article 6.4) are adopted as planned at COP25, the full operationalization of these mechanisms is expected to take several years. In this context, the objective of this study is to provide a comprehensive overview of key design elements implemented in existing “baseline and credit” carbon crediting schemes and to draw lessons that can inform the negotiations on Article 6. In a first step, the paper identifies the most important carbon crediting schemes at different levels of governance and of different geographical focus for analysis and subsequently compares them along six main dimensions: Governance and accounting; scope and eligibility; environmental integrity; monitoring, reporting and verification (MRV); sustainable development (SD) contributions; and linkages with other carbon pricing instruments. While international crediting schemes have suffered from a lack of demand since the early 2010s, domestic crediting schemes are spreading at national and subnational levels. At the international level, the study reviews key features of the international crediting schemes under the Kyoto Protocol, notably the Clean Development Mechanism, Joint Implementation and Green Investment Schemes for International Emissions Trading. As an example for bilaterally implemented schemes, the Joint Crediting Mechanism is included. At a (sub)national level, schemes from Australia, California, Canadian provinces, China, Spain and Switzerland were selected. Finally, the voluntary offset standards Gold Standard and Verra are discussed. The analysis is of common features and differences is completed by discussing alternative implementation approaches (see the Table below).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,008 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».