Liikematkustuksen hiilijalanjälkeä on vaikea mitata tarkasti, koska päästöjen laskentaan vaikuttaa samanaikaisesti useita muuttuvia tekijöitä: kulkuvälineen tyyppi, reitin pituus, käytetty laskentamenetelmä ja se, mitä päästöjä ylipäänsä lasketaan mukaan. Eri laskentamallit voivat tuottaa samalle matkalle merkittävästi toisistaan poikkeavia tuloksia, mikä tekee vertailusta hankalaa. Seuraavissa osioissa käymme läpi, mistä tämä epätarkkuus johtuu ja miten yritykset voivat parantaa seurantaansa.
Mistä liikematkustuksen päästöt koostuvat?
Liikematkustuksen päästöt koostuvat pääasiassa kulkuvälineiden polttoaineenkulutuksesta syntyvistä hiilidioksidipäästöistä, mutta kokonaiskuva on laajempi. Lentäminen on tyypillisesti suurin yksittäinen päästölähde, mutta mukaan lasketaan usein myös junalla, autolla ja taksilla tehty matkustaminen, hotellien energiankulutus sekä kokoustilojen käyttö.
Lentomatkustuksessa päästöt eivät rajoitu pelkästään polttoaineen palamiseen. Korkean ilmakerroksen vaikutukset, kuten kondenssiviivat ja typen oksidit, voivat moninkertaistaa lentämisen todellisen ilmastovaikutuksen verrattuna pelkkään CO2-lukemaan. Tästä syystä jotkut laskentamallit käyttävät niin sanottua säteilypakotteen kerrointa, joka nostaa lentomatkustuksen päästöarvoa merkittävästi.
Autoilun osalta päästöihin vaikuttaa se, onko kyseessä polttomoottori-, hybridi- vai sähköauto sekä minkä sähköntuotantomixin maassa liikutaan. Junaliikenne taas vaihtelee paljon maittain: Suomessa ja Ruotsissa junaliikenne on sähköistetty ja sähköntuotanto on suhteellisen puhdasta, jolloin junamatkan hiilijalanjälki jää selvästi lentomatkaa pienemmäksi.
Miksi eri laskentamenetelmät antavat eri tuloksia?
Eri laskentamenetelmät antavat eri tuloksia, koska ne tekevät erilaisia valintoja siitä, mitä päästöjä lasketaan, millä kertoimilla ja miten epäsuorat vaikutukset huomioidaan. Esimerkiksi lentolipun CO2-arvo voi vaihdella laskentamallista riippuen jopa kaksin- tai kolminkertaisesti.
Keskeisimmät syyt eroihin ovat:
- Päästökertoimet: Eri organisaatiot, kuten ICAO, DEFRA tai maakohtaiset viranomaiset, julkaisevat omia kertoimiaan, jotka perustuvat eri lähdeaineistoihin ja laskentaperiaatteisiin.
- Täyttöaste: Lentolipun päästöt jaetaan matkustajien kesken. Jos laskenta käyttää eri oletuksia lentokoneen täyttöasteesta, loppuluku muuttuu.
- Matkustusluokka: Bisnesluokan paikka vie enemmän tilaa ja painaa enemmän kuin turistiluokan paikka, joten jotkut mallit laskevat bisnesluokan päästöt kaksin- tai kolminkertaisiksi turistiluokkaan nähden.
- Epäsuorat vaikutukset: Osa malleista sisällyttää laskentaan vain suoran polttoaineenkulutuksen, osa huomioi myös lentokoneen valmistuksen, lentokenttäinfrastruktuurin ja muut epäsuorat vaikutukset.
- Säteilypakote: Korkean ilmakerroksen vaikutusten huomioiminen tai huomioimatta jättäminen on yksi suurimmista yksittäisistä tekijöistä lentomatkustuksen päästölaskelmissa.
Tämä menetelmällinen hajanaisuus tarkoittaa, että yritysten on vaikea vertailla omia lukujaan toimialan keskiarvoihin tai kilpailijoiden raportteihin, ellei laskentaperiaatteita ole selkeästi dokumentoitu.
Mitä tietoja tarvitaan tarkan laskelman tekemiseen?
Tarkan matkustuspäästölaskelman tekemiseen tarvitaan matkakohtainen tieto kulkuvälineestä, reitistä, matkustusluokasta ja käytetystä laskentamallista. Mitä tarkempia lähtötietoja on saatavilla, sitä luotettavampi laskelmasta tulee.
Käytännössä tarvittavat tiedot voidaan jakaa kahteen tasoon:
Peruslähtötiedot jokaisesta matkasta
- Lähtö- ja määränpääkaupunki tai lentokenttä
- Kulkuväline: lento, juna, auto, laiva tai joukkoliikenne
- Matkustusluokka lentomatkoilla
- Matkan pituus kilometreissä tai mainittu reitti
- Onko kyseessä meno-paluu vai yhdensuuntainen matka
Tarkkuutta lisäävät lisätiedot
- Lentoyhtiö ja lentotyyppi, koska uudemmat koneet kuluttavat vähemmän polttoainetta
- Auton tyyppi ja polttoaine tai sähköisyys
- Majoituksen kesto ja majoituspaikan sijainti
- Käytetty laskentastandardi, esimerkiksi GHG Protocol tai DEFRA
Monissa yrityksissä ongelma on, että nämä tiedot ovat hajallaan eri järjestelmissä: matkatoimistojen varausjärjestelmissä, luottokorttiyhtiöiden tiedoissa ja manuaalisesti täytetyissä kuluraporteissa. Kun tiedot yhdistetään automaattisesti yhteen paikkaan, laskelmien tarkkuus paranee olennaisesti.
Miten yritykset voivat parantaa matkustuspäästöjen seurantaa?
Yritykset voivat parantaa matkustuspäästöjen seurantaa ottamalla käyttöön systemaattisen tiedonkeruun, valitsemalla yhtenäisen laskentamenetelmän ja integroimalla päästötiedot osaksi normaalia taloushallintoa. Tärkein askel on siirtyä manuaalisesta arvioinnista automaattiseen datankeruuseen.
Konkreettisia toimenpiteitä ovat:
- Yhtenäinen laskentastandardi: Valitse yksi laskentamalli, kuten GHG Protocol Scope 3, ja pidä siitä kiinni johdonmukaisesti. Näin vuosien välinen vertailu on mielekästä.
- Matkakulujen digitalisointi: Kun matkakustannukset kirjataan digitaalisesti ja matkakohtaiset tiedot tallennetaan automaattisesti, päästölaskelmien pohjaksi tarvittava data on jo valmiina. Kuluhallintaohjelmisto, kuten Bezala, voi tukea tätä yhdistämällä kulujen käsittelyn ja tiedonkeruun samaan prosessiin.
- Kululajien erittely: Erottele lentomatkat, junamatkat, autoilun korvaukset ja majoituskulut selkeästi omiksi kululajeikseen. Tarkka erittely mahdollistaa tarkemman päästölaskennan.
- Säännöllinen raportointi: Tee matkustuspäästöistä säännöllinen raportoinnin kohde, ei vain kerran vuodessa tehtävä arvio. Kuukausitason seuranta auttaa tunnistamaan trendit ja reagoimaan niihin ajoissa.
- Matkustuspolitiikan päivitys: Ohjaa matkustajia valitsemaan vähäpäästöisempiä vaihtoehtoja, kuten junaa lyhyillä reiteillä, ja kirjaa nämä periaatteet selkeästi matkustuspolitiikkaan.
Päästöseuranta paranee merkittävästi, kun se kytketään osaksi jo olemassa olevia talous- ja hallintoprosesseja. Erilliset, kerran vuodessa tehtävät laskelmat jäävät helposti epätarkoiksi, koska niiden pohjaksi kerätty tieto on puutteellista. Jatkuva, automaattinen tiedonkeruu on pitkällä aikavälillä sekä tarkempi että resurssitehokkaampi tapa hallita liikematkustuksen ilmastovaikutusta.
Tämä sisältö on luotu tekoälyn avulla, ja se voi sisältää virheitä.
