1. 碳足迹数据采集概述
1.1 碳足迹定义
碳足迹（Carbon Footprint）是指由某一活动、产品、组织或个人在特定生命周期内直接或间接产生的温室气体（GHG）排放总量，通常以二氧化碳当量（CO₂e）表示。它涵盖了从原材料获取、生产制造、运输分销、使用消费到最终废弃处置的全链条排放。
核心核算范围： 碳足迹核算遵循《温室气体核算体系》（GHG Protocol）或 ISO 14064/14067 标准，分为三个范围（Scope 1/2/3）。
| 排放范围 | 定义 | 典型示例 |
|---|---|---|
| Scope 1 直接排放 | 组织拥有或控制的排放源产生的温室气体 | 锅炉燃烧、公司车辆尾气、制冷剂泄漏 |
| Scope 2 能源间接排放 | 外购电力、蒸汽、热力或冷力产生的排放 | 电网用电、集中供热 |
| Scope 3 其他间接排放 | 价值链上下游产生的所有其他间接排放 | 原材料采购、员工通勤、产品使用阶段、废弃物处理 |
1.2 数据采集的重要性
碳足迹数据的质量直接决定了核算结果的准确性和可信度。没有可靠的数据采集，任何碳管理决策都将是“空中楼阁”。数据采集的重要性体现在以下四个关键维度：
- 合规与报告： 满足国家碳排放权交易市场（如全国碳市场）、欧盟 CBAM 等法规的强制披露要求。
- 减排决策： 识别高排放环节（热点分析），为节能技改、能源替代、供应链优化提供量化依据。
- 绿色竞争力： 产品碳足迹标签、ESG 评级、绿色供应链准入均依赖底层数据质量。
- 成本控制： 能源消耗与碳排放高度相关，精准数据可发现能效提升空间，降低运营成本。
常见误区： 很多企业直接采用行业默认排放因子或估算数据，导致核算结果偏差超过 30%。数据采集不是“算账”，而是“测量+溯源”。
1.3 采集流程总览
碳足迹数据采集是一个系统化工程，通常遵循“计划→采集→校验→入库”的闭环流程。下图展示了标准采集流程的五个核心阶段：
1.4 数据采集的典型数据类型
根据采集对象的不同，碳足迹数据可分为以下三大类。在实际项目中，这三类数据往往需要交叉验证。
| 数据类型 | 来源 | 采集方式 | 精度等级 |
|---|---|---|---|
| 活动数据 | 电表、气表、燃油采购记录、生产报表 | 自动采集（IoT 表计）/ 手动录入 | 高（实测值） |
| 排放因子 | 国家/行业数据库、设备厂商、LCA 数据库 | 查询引用 / 实验室检测 | 中（默认值/实测值） |
| 过程参数 | 生产工艺参数、设备运行参数、温湿度 | DCS 系统 / 传感器 / 手工记录 | 中高（视传感器精度） |
采集优先级建议： 优先采集 Scope 1 和 Scope 2 的活动数据（占企业总排放 80% 以上），再逐步扩展到 Scope 3 上游供应链数据。初期不必追求 100% 实测，可采用“实测+行业因子”混合策略。
1.5 多行业适配的挑战
不同行业的排放源构成差异巨大，数据采集方案必须“因业制宜”。下表对比了三个典型行业的采集重点差异：
| 行业 | 主要排放源 | 采集难点 | 推荐采集工具 |
|---|---|---|---|
| 制造业 | 电力消耗、锅炉/窑炉燃料、制冷剂 | 产线多、计量点分散、数据频率不统一 | 能源管理系统（EMS）+ 智能电表 |
| 交通运输 | 燃油/电力消耗、制冷剂泄漏 | 移动源轨迹复杂、加油记录不连续 | 车载终端（OBD）+ 加油卡系统对接 |
| 农业 | 化肥施用、牲畜肠道发酵、农机燃油 | 排放因子地域性强、数据采集周期长 | 田间记录 APP + 卫星遥感辅助估算 |