事件背景 在全球追求淨零排放的趨勢下，企業報告其碳足跡（Carbon Footprint）已成為衡量氣候行動的重要指標。然而，碳核算的複雜性，特別是在涉及供應鏈（通常指範疇三排放）時，導致不同企業之間、甚至同一企業在不同年度之間的計算方式存在顯著差異。這種不一致性引發了學界對於企業報告之真實性的質疑。
原始來源主張 根據發表於同行評審期刊《自然-永續發展》（Nature Sustainability）的一篇研究論文，目前的碳核算框架存在嚴重漏洞。研究主張，企業在理論上僅需透過更換計算方法或選擇不同的數據庫，即可在未採取任何實際減排行動的情況下，使其報告的供應鏈碳足跡減少達 50%。
研究領銜作者、德國歐洲管理與技術學校（European School of Management and Technology）客座講師 Ramana Gudipudi 指出，目前的體系允許企業根據其想要展示的進度，選擇特定的數據來將自己塑造為「氣候先鋒」或「氣候落後者」。
研究對象與範圍 分析對象：401 家歐洲公司。 研究重點：對比企業的直接排放（Direct Emissions）與供應鏈排放（Supply Chain Emissions）的年度變動情況。 發表平台：同行評審期刊 $\textit$。
目前可確認的資訊
排放變動的數據差異 研究對 401 家歐洲公司的年度排放數據進行分析，發現了顯著的對比結果： 供應鏈排放：約 62.5% 的年度變動無法透過業務規模變更、行業趨勢或排放強度（Emission Intensity）的改變來解釋。這意味著大部分的數據波動可能源於核算方法的調整。 直接排放：相比之下，企業直接排放的年度變動僅略高於 5%，顯示直接排放的核算相對穩定且一致。
缺乏透明度的現狀 Gudipudi 指出，許多企業在公開報告中僅提供最終的碳排放總數，而未詳細披露計算過程、所採用的基準線（Baselines）或具體計算路徑。
來源說法與實驗模擬
模擬實驗過程 為了證明核算不一致性的影響，研究團隊設計了一個假設性的食品與飲料公司案例： 固定變量：該公司擁有固定的採購清單，包含相同數量的雞肉、牛奶、雞蛋和小麥。 變量測試：研究者使用四個經常被採用的科學數據庫（標記為 A 至 D）對同一份清單進行碳足跡計算。
實驗結果 實驗發現，即使供應鏈內容完全相同，不同數據庫得出的結果差異巨大： 數據庫 A 報告的足跡為 170 萬公噸。 數據庫 D 報告的足跡為 350 萬公噸。
這表明，若一家公司在第一年使用數據庫 D，第二年切換至數據庫 A，其報告的排放量將減少超過 50%，而外部觀察者將無法得知此減量源於數據庫的更換而非實際的減排行動。
爭議點與資訊缺口 目前該研究揭示了系統性的風險，但仍存在以下資訊缺口： 實際操作程度：研究證明了「理論上的可能性」，但尚未提供具體企業故意操縱數據以進行誤導的實證案例。 數據庫具體名稱：來源文章未詳細列出該實驗所使用的四個科學數據庫之名稱。 行業普遍性：雖然研究對象為歐洲公司，但此現象在其他地區（如北美或亞洲）的普遍程度尚待進一步驗證。
可能的替代解釋 關於供應鏈排放數據的劇烈波動，除了「刻意操縱」外，也可能存在以下解釋： 數據庫更新：科學數據庫會隨時間更新其排放因子（Emission Factors），導致同一方法在不同年份產出不同結果。 核算能力提升：企業在初期可能使用粗略的估算，隨後隨著數據收集能力的提升而改用更精準的計算方式，導致數值變動。
Donma Lab 的保守分析
本案核心在於「核算噪音」（Accounting Noise）掩蓋了「真實行動」。從數據來看，直接排放（Scope 1）與供應鏈排放（Scope 3）之間巨大的變動率差異（5% vs 62.5%），強烈暗示供應鏈核算缺乏統一標準。
分析結論： 高風險區間：供應鏈排放由於涉及大量第三方數據，其不確定性極高，是目前企業氣候報告中最容易產生偏差的環節。 制度漏洞：目前的碳報告框架過於依賴企業的自我披露，缺乏強制性的統一計算標準。 建議方向：研究者提出的「通用規則」與「數學驗證工具」是必要的，旨在將「計算方式的改變」與「物理排放的減少」在數學上區分開來。
在缺乏統一監管標準前，外界在解讀企業年度碳足跡報告時，應對供應鏈排放的劇烈下降保持審慎態度，並要求企業提供詳細的核算方法論說明。