製品のカーボンフットプリント

飼料のカーボンフットプリントは、生物種だけでなく、飼料が生産・販売される地域や市場によっても大きく異なることがあります。

種による違いは、それぞれの環境下で必要とされる栄養が異なるためと考えられ、結果として飼料に必要な原料の種類に影響を与えることになります。飼料のロスを減らし、飼料の摂餌を最適化するなど、栄養面だけでなく、飼料自体の生物物理学的特性も考慮する必要があります

さらに、地域や国によって購買や規制の条件が大きく異なることがあり、それが飼料の組成、原料の入手可能性や原産地、ひいては飼料のフットプリントに影響を及ぼします。

このページでは、これらの違いと主な原因についてさらに詳しく知るために、スクレッティングの各種飼料のカーボンフットプリントを示しています。さらに、地域ごとのカーボンフットプリントの違いを生み出している要因（例: カナダ、チリ、ノルウェーで生産されたサケの飼料）、および生物種間の比較（サケ飼料、エビ飼料、マス飼料）を詳しく見ていきます。

立地がカーボンフットプリントに与える立地の影響

サーモン用飼料

カナダ、チリ、ノルウェーという異なる国で生産されたサーモン用飼料を見てみると、原料の生産（土地利用の変化を含む）、飼料工場への輸送、飼料の製造、包装、包装の廃棄までのカーボンフットプリントは、飼料1キロ当たりのCO2排出量で換算すると、約1.6kg（カナダ）から約2.4kg（チリ）の間で変動します。これは主に原料調達の違いによるものですが、飼料に使用される原料の違いもあります。

カナダでは、タンパク質源は動物性副産物に由来するものが多く、特定の原料のフットプリントが比較的低く抑えられています。さらに、植物性タンパク質と油脂原料は、主に現地で調達されています。その結果、カナダ産飼料は、他の2か所で生産されたサーモン用飼料と比較して、土地利用の変化の割合が最も低い（フットプリント全体の約16％）こともわかっています。

チリでは、サーモン用飼料にかなりの量の動物性副産物が使用されていますが、主に南米産の植物油と植物性タンパク質に関連する土地利用の変化に伴うフットプリントが大きいことが原因で、飼料の全フットプリントはカナダやノルウェーの値よりも高くなっています。この場合、土地利用の変化に伴うフットプリントが、飼料のカーボンフットプリント全体のほぼ半分を占めています。

ノルウェーでは、主に動物性副産物の使用が市場で受け入れられていないことから使用されておらず、カナダ産飼料と比較するとフットプリントは概して高くなっています。代わりに使用されている一部の植物性原料は、土地利用の変化に伴うフットプリントが、全体としてのカーボンフットプリントに影響を及ぼしています。しかし、植物性原料の使用量が多いにもかかわらず、製品に関連する土地利用の変化に伴うフットプリントが低い特定のサプライヤーやヨーロッパから調達しているため、土地利用の変化に伴うフットプリントはチリの飼料よりも低く、その結果、カーボンフットプリント全体として見るとチリよりも低くなっています。

インバウンド物流に関わるフットプリントを見ると、それほど大きな差はないものの、カナダの飼料の方がフットプリントが低いことが確認できます。これは、カナダでは最も含有量の多い原料を国内調達していることに起因しています。

エビの飼料

エビ用飼料の例を見ると、エクアドルで生産された飼料とベトナムで生産された飼料のカーボンフットプリントの差は、サーモン用飼料の差よりも大きいことがわかります。植物性タンパク質原料と製造に伴うフットプリントは、ベトナムで生産された飼料のほうが大幅に高くなっています。これに影響を及ぼしている主な要因は南米産の大豆ベースの原料が多く含まれていることで、土地利用の変化に伴うカーボンフットプリントが高く、フットプリントのかなりの部分を占めています。　　　

エクアドル産飼料のカーボンフットプリントで最も大きな割合を占めているのは植物ベースの原料ですが、他の地域から調達しているため、土地利用の変化に伴うフットプリントの割合が非常に低く、その結果、カーボンフットプリント全体として見るとかなり低くなっています。飼料の製造に関連するフットプリントの違いは、エクアドルの工場のエネルギー効率が高いため、エネルギー消費量が少ない（生産される飼料1トンあたりのkWhが低い）ことが主な理由ですが、エクアドルの再生可能エネルギー源の割合がベトナムよりもかなり高く、このエネルギー源の違いも要因としてあげられます。

エビや魚種間で異なるのフットプリントドライバーの要因

エビや魚種によってフットプリントが大きく異なるのは、主に飼料の組成と原料の産地が異なるためです。

例えば、トラウト用飼料には、カーボンフットプリントに影響する動物性副産物が比較的多く含まれています。また、ポートリー由来の動物性タンパク質がより多く使用されており、他の動物性副産物と比較して、より高いカーボンフットプリントを示しています。マス用飼料では、植物性タンパク質の使用は最小限に抑えられているため、サーモンやエビ用飼料と比較して、カーボンフットプリントへの影響は最も低くなっています。

エビとトラウト用飼料には炭水化物が多く含まれているため、炭水化物によるカーボンフットプリントは若干高くなりますが、炭水化物は一般的に植物性タンパク質や油脂に比べてカーボンフットプリントが低くなっています。

植物油は、トラウト用飼料と同様に、サーモン用飼料において、量的にもカーボンフットプリント的にも重要な役割を担っています。カナダ産サーモン用飼料とイタリア産マス用飼料では、植物油の使用量はほぼ同じですが、イタリアではヨーロッパ市場から調達しているのに対し、カナダはほとんどが地元で調達されており、カーボンフットプリント（総量だけでなく、土地利用の変化にも関連する）が低くなっていることがわかります。イタリア産飼料は、ほとんどの原料がヨーロッパ内で調達されているため、工場への原料輸送に関連するカーボンフットプリントは、今回紹介したすべての飼料の中で最も低くなっています

ライフサイクルアセスメント（LCA）成熟度曲線

LCAの手法をビジネスに取り入れることは、一過性のタスクで終わらせるものではなく、長期的なプロセスです。長期的な成功のためには、ライフサイクルの考え方とマネジメントに関する新しい考え方を統合することが必要であり、段階的なアプローチで、大多数の部門を巻き込む必要があります。時間をかけてデータを改善することで、計算や判断をより強固で意味のあるものにすることができます。

LCAの成熟度曲線を見ると、当社はオリエンテーションの段階を脱しました。ツールを導入したことで、スクレッティングの一般的なフットプリントの要因、当社の主要製品、飼料原料について知ることができました。さらに、LCAデータを社内のデータシステムと連携させることで、製品ごとのカーボンフットプリントデータ算出の自動化をすでに実現しています。

このように進歩しているにもかかわらず、当社はまだ曲線の頂点に立つにはほど遠い状況です。現在は、お客様やステークホルダーの皆様のご要望にお応えするために、製品のフットプリントをより効率的に算出するためのプロセスの最適化・自動化・認証に重点的に取り組んでいます。同時に、データの不確実性を減らし、原料調達に関してより適切な判断を下せるように、構造化されたアプローチで一次データの収集が始まりました。また、計算設定の外部検証も始まっており、2023年にはこのプロセスを終了させる予定です。

LCAに関して、当社は5つの中核的な課題に直面しています

1. 同じ条件で比較する

LCAは広範なビジネス環境においてまだ比較的新しいものであり、現在標準化を進めているところです。

信頼性の高い意思決定を行うためには、堅牢で比較可能なデータが早急に必要です。これは、バリューチェーンのすべてのステークホルダーに言えることです。

お客様に信頼できる数値をお届けするために、当社は主要なLCA基準、特に製品環境フットプリント基準（PEF）のISO 14040/44規格に基づく飼料用PEFカテゴリールール（PEFCR 飼料）に準拠しています。

2023年にはLCA手法の第三者検証を受ける予定です。

2. 原料の原産地を知る

LCAはデータを多用するプロセスであり、その結果はデータの質によってのみ改善されます。

LCAの結果の不確実性を低減するには、サプライチェーンの透明性を高めることが重要です。特に植物原料の場合、一次サプライヤーの所在地を知るだけでは不十分です。フットプリントの大部分を占める作物生産地まで遡る必要があります。

2023年には、大豆とパーム油の原料の大部分でこの情報を利用できるようにし、他の植物原料（小麦、菜種、大麦など）にも拡大したいと考えています。同時に、この情報を当社の中央データシステムに統合し、より正確なフットプリントを自動的に計算できるようにする予定です。

3. より多くの一次データを入手する

フットプリントの指標を計算して伝える際に、うまく対処できないことが多い重要な側面の1つは、データの質です。当社の現在のスコープ3ベースラインと製品の原料関連フットプリントは、主に平均値や二次データに基づいています。これはLCA基準に沿ったもので、品質が保証されたLCAデータベースからのみ情報を取り出していますが、平均化されたデータには不確実性が伴います。

より正確な計算を行い、パフォーマンスの高いサプライヤーを差別化するには、さらに多くの一次データが必要です。2022年に主要なサプライヤーに一次データを要求することをすでに始めていますが、2023年にはこの取り組みを大幅に増やす予定です。公平な競争条件を作り、比較可能なデータを収集するために、当社はデータ品質調査票などの特定のデータ収集テンプレートを開発しました。また、一次データをフットプリントデータベースに取り込む前に、サプライヤーのLCAデータと主要なLCA基準との整合性を保証するために、内部データ品質チェック手順を設けています。他にも、データの不確実性を追跡して検証し、一貫して削減できるようなデータ品質KPIをシステムに導入することを検討しています。

4. あらゆる影響と全ライフサイクルを考慮する

ライフサイクルの考え方からすると、製品のフットプリントを知ることは素晴らしいことですが、それだけでは十分ではありません。例えば、飼料のフットプリントを最適化すると、魚の消化が悪くなる可能性があるなど、環境負荷が下流に移動するリスクがあります。また、飼料のフットプリントが増えても、下流のフットプリントを減らすことができれば有益な場合もあります。

このようなことを定量化して把握するには、飼料が魚に摂餌消化され、漁場内で消費されるまでの環境負荷を計算できるモデルを構築する必要があります。2023年にはこのようなモデルを構築し、飼料のフットプリント計算システムとつなぐ予定です。