Simple Science

最先端の科学をわかりやすく解説

# 生物学# 生態学

パーム油サプライチェーンのリスク分析

新しいモデルが持続可能なパームオイル調達のリスク評価を改善。

― 0 分で読む


パームオイル調達のリスクパームオイル調達のリスクの持続可能性に取り組んでる。新しいモデルがパーム油のサプライチェーン
目次

パーム油は広く使われている植物油で、ここ20年で世界的に消費が大幅に増えたんだ。今や全ての植物油生産の約半分を占めてる。この需要の増加により、特に東南アジア、特にインドネシアやマレーシアでパーム油プランテーションが急速に拡大しているんだ。これらの国は世界のパーム油生産の大部分を占めてる。

でも、パーム油プランテーションの成長には深刻なデメリットがあるんだ。それは、世界中での森林破壊の主な原因になっていること。パーム油農場のために森林が伐採されると、生物多様性が損なわれて、大切な生息地が壊される。だから、多くのパーム油を使ってる企業は、自社のパーム油をもっと持続可能に調達することを誓ってるんだ。2017年時点で、何百もの企業が森林破壊への影響を減らすことを約束したんだ。

でも、これらの約束にもかかわらず、複雑なパーム油供給チェーンのせいで、これらのコミットメントを守るのは難しいんだ。インドネシアやマレーシアでの森林破壊率は近年かなり減少してるけど、経済的利益のためにパーム油を育てる圧力が続いていて、森林の損失が続いてる。この継続的な森林破壊は、多くの環境的および社会的問題を引き起こしてる。例えば、野生動物の喪失、資源を巡る紛争、人権侵害などがある。

パーム油供給チェーンのリスク評価

パーム油の世界では、持続可能性の約束を守りたい企業にとってリスクを理解するのが重要なんだ。リスクの定義は主観的で、組織によって異なることが多いんだ。最近、多くの企業が単純な「森林破壊なし」アプローチから、泥炭地の転換や人権侵害などの問題を考慮した、より詳細なリスク削減目標にシフトしてきているんだ。

でも、パーム油供給チェーンの複雑さのせいで、企業がリスクを正確に評価するのは難しいんだ。ほとんどの企業は、パーム油加工施設の周りの約50キロの円形エリアを見ている標準モデルに依存しているけど、この方法は実用性とデータの制限に基づいているんだ。この範囲内のすべての活動がその施設に関連していると仮定しているけど、実際にはそうではないことが多いんだ。

より良いモデルの必要性

パーム油がどこから来て、どう森林や生物多様性に影響を与えるかを理解するためのより良い方法が必要なんだ。この研究では、供給チェーンのリスクを評価するために使われているモデルを改善することを目指しているんだ。研究者たちは、パーム油工場に関連する匿名化データと高度な機械学習技術を使って、現在の放射状調達モデルの効果を評価したんだ。

研究の最初の部分では、伝統的な調達モデルを分析して、1000以上の工場のパーム油調達エリアを予測することに焦点を当てたんだ。研究者たちは、標準モデルが一般的に使われているにもかかわらず、調達慣行の現実を正確に反映していなくて、多くの不確実性を引き起こしていることを発見したんだ。

研究の第二部では、研究者たちは調達予測と森林破壊イベントを予測するシステムを組み合わせたんだ。これらの洞察を統合することで、彼らは供給チェーンに関わる企業に将来の森林破壊リスクを割り当てられるようにし、反応的ではなく、能動的に行動できるようにしようとしたんだ。

ケーススタディ:例の工場

研究者たちは、インドネシアの中央カリマンタンにある3つの特定のパーム油加工工場を調査したんだ。この工場はユニリーバの既知の供給者で、関連データがあり、競争や認証ステータスにバラエティがあったから選ばれたんだ。

彼らがこれらの工場に自分たちの方法を適用することで、新しいモデルが調達エリアをより良く予測できることを示したんだ。彼らはさまざまなモデリングアプローチを評価し、彼らの組み合わせたモデルが標準の50キロ放射状アプローチよりも優れていることを発見したんだ。

モデリングの結果

新しいモデルを伝統的な方法と比較した結果、精度が大幅に向上したことが示されたんだ。研究は、彼らのモデルが調達エリアに関してより良い洞察を提供でき、企業がパーム油の出所を理解し、それが森林や生物多様性にどのように影響するかを把握するのに役立つことを示したんだ。

研究者たちは、工場のために確率面を作成し、特定のエリアからパーム油が調達される可能性を反映したんだ。その結果、これらの工場周辺の重要なエリアには、輸送コストや工場間の競争などの要因によって異なるリスクプロファイルがあることが示されたんだ。このような詳細な分析は、企業が供給チェーンやリソースをよりうまく管理するのに役立つんだ。

森林破壊リスクと炭素排出の評価

次のステップは、調達の決定が森林破壊や炭素排出に与える潜在的な影響を評価することだったんだ。研究者たちは、近い将来に森林破壊のリスクがあるエリアを予測する方法を使ったんだ。彼らの調達予測を適用することで、特定の工場に期待される森林損失や炭素排出を割り当てることができたんだ。

例えば、研究で調査された工場の一つは、特定のエリアで予測される森林破壊の大部分を引き起こす責任があると特定されたんだ。このような洞察は、企業が最も影響を与えることができる持続可能性の取り組みに集中できるようにするんだ。

生物多様性と環境リスク

森林破壊や炭素損失を評価するだけでなく、研究者たちはパーム油の調達が生物多様性にどのように脅威を与えるかも見たんだ。彼らは、パーム油工場近くの活動が地元の野生生物にどのように影響するかを計算するために、種の絶滅リスクを測定するためのツールを使ったんだ。

森林破壊や炭素損失と並行して潜在的な生物多様性リスクを評価することにより、企業は自分たちの影響をより全体的に見ることができるんだ。これによって、意思決定プロセスを情報に基づかせ、持続可能性の取り組みでどの工場を優先的に関与させるかを判断できるようになるんだ。

持続可能な実践への影響

この研究の結果は、パーム油産業にとって重要な意味を持っているんだ。工場の実際の調達慣行を考慮した改善されたモデルを使用することで、企業は環境への影響をより効果的に軽減できるんだ。これによって、彼らはサプライヤーについてより情報に基づいた決定を下し、信頼できるデータに基づいて調達戦略を調整することができるんだ。

最終的に、この研究はパーム油供給チェーンにおけるリスク管理のための基盤を提供することを目指しているんだ。高度な予測モデルとリスク評価を組み込むことによって、企業は持続可能性へのコミットメントを向上させ、森林、炭素排出、生物多様性に対する悪影響を最小限に抑えるために努力できるんだ。

結論

パーム油の消費の増加は、特に森林破壊や生物多様性の喪失という点で深刻な環境問題を引き起こしているんだ。多くの企業が持続可能性の約束をしているけど、パーム油供給チェーンの複雑な性質が、これらの取り組みを効果的に実施するのを難しくしているんだ。

この研究は、調達慣行についてより正確な写真を提供する改善されたリスク評価モデルの可能性を示しているんだ。高度な機械学習技術とさまざまなデータソースを統合することで、企業は自分たちの供給チェーンをよりよく理解し、より情報に基づいた決定を下すことができるようになるんだ。

これらの発見は、パーム油産業における持続可能性の理解を深めるだけでなく、企業が環境責任を向上させるために使える実践的なツールを提供するんだ。パーム油の需要が引き続き増える中、これらの洞察は、生産が持続可能であり、私たちの森林や生物多様性が将来の世代のために保護されることを確保するために重要になるんだ。

オリジナルソース

タイトル: Model-based prediction and ascription of deforestation risk within commodity sourcing domains: Improving traceability in the palm oil supply chain

概要: Palm oil accounts for approximately 50% of global vegetable oil production, and trends in consumption have driven large-scale expansion of oil palm (Elaeis guineensis) plantations in Southeast Asia. This expansion has led to deforestation and other socio-environmental concerns that challenge consumer goods companies to meet no deforestation and sustainability commitments. In support of these commitments and supply chain traceability, we seek to improve on the current industry standard sourcing model for ascribing social and environmental risks to particular actors. Using passive geolocational traceability data (n = 3,355,437 cellular pings) and machine learning models, we evaluate the industry standard sourcing model, and we predict with high accuracy the undisclosed sourcing domains for 1,570 Indonesian and Malaysian palm oil mills on the Universal Mill List (as of November 2021). In combination with the World Wide Fund for Nature - Netherlands Forest Fore-sight, we use our predicted sourcing domains to provide an illustrative example of the proportional allocation of future deforestation, carbon loss, and biodiversity risk to relevant actors, permitting targeted outreach, contract negotiation, and mitigation of large-scale resource degradation. This example depends on a subset of model predictions in the absence of disclosed traceability data. The utilization of additional predictions or disclosed traceability data would influence and improve the results.

著者: Henry B. Glick, J. M. Ament, J. S. Dallinga, J. Torres-Batllo, M. Verma, N. Clinton, A. Wilcox

最終更新: 2024-05-03 00:00:00

言語: English

ソースURL: https://www.biorxiv.org/content/10.1101/2024.05.01.589041

ソースPDF: https://www.biorxiv.org/content/10.1101/2024.05.01.589041.full.pdf

ライセンス: https://creativecommons.org/licenses/by-nc/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。

著者たちからもっと読む

類似の記事