ニュース

Mar 17, 2023

環境貿易

Volume sulle comunicazioni sulla natura

Nature Communications volume 13、記事番号: 3635 (2022) この記事を引用

14,000 アクセス

14 件の引用

306 オルトメトリック

メトリクスの詳細

直接大気回収（DAC）は厳しい気候目標を達成するために不可欠ですが、その大規模展開が環境に及ぼす影響はこれに関連して評価されていません。 一連の気候変動緩和シナリオにおける 2 つの有望な技術について前向きライフサイクル評価を実施したところ、電力部門の脱炭素化と DAC 技術の改善が環境問題の転換を避けるためには両方とも不可欠であることがわかりました。 電力部門の脱炭素化は隔離効率を向上させますが、DAC によって隔離される CO2 1 トン当たりの陸上の生態毒性と金属枯渇レベルも増加します。 これらの増加は、DAC の材料とエネルギー使用効率を改善することで軽減できます。 DAC は地域的な環境影響の変動を示し、エネルギー システムの計画と統合に関連するスマート サイトの重要性を強調しています。 DAC の導入は長期的な気候目標の達成を支援しますが、その環境および気候パフォーマンスは分野別の緩和行動に依存するため、分野別の脱炭素化目標の緩和を示唆すべきではありません。

気候変動に関する政府間パネル (IPCC)1 が使用する気候変動緩和シナリオは、エネルギーおよび材料関連サービスにおける急速な脱炭素化では、21 世紀末までに世界の平均気温上昇を 2 °C 未満に抑えるには不十分である可能性が高いことを示唆しています。 。 残りの世界の炭素収支 420 ～ 1170 ギガトン (Gt) CO2 は、現在の年間排出率と国家決定貢献量 (NDC) の予測のもとでは 10 ～ 30 年で枯渇すると予想されています2。 IPCC 排出シナリオのほとんどは、最初に炭素収支を超過し、その後、二酸化炭素除去 (CDR) 技術、つまり、大気から CO2 を除去し、200 ～ 1200 年程度陸上または海洋に貯留する意図的な取り組みによって過剰な炭素を除去します。 21002 年に向けた Gt CO2。

CDR 戦略には、植物、岩石層、土壌における自然の地上および地下の炭素吸収源の強化や、大気中の濃縮 CO2 を隔離、貯蔵、または利用するように設計された拡張可能なエンジニアリング ソリューションが含まれます。 直接空気捕捉 (DAC) は、開発の初期段階にあるにもかかわらず、ますます注目を集めており、有望な気候変動緩和戦略として認識されています1。 世界中で大気中の CO2 濃度レベルが均一であることを考慮すると、DAC 施設は、安価でカーボンフリーのエネルギーが豊富に提供される場所、および/または CO2 輸送コストを削減するためのパイプライン インフラストラクチャ、地下貯蔵所、または利用施設に近い場所に配備できます3。 また、厳格な緩和目標を促進する代替CDR技術である二酸化炭素回収・貯留バイオエネルギー（BECCS）と比較して4、DACは水と土地の利用におけるフットプリントがはるかに少ないと予想されており5、食料安全保障と生物多様性損失に関する懸念が軽減される6。

大気炭素直接回収および貯蔵 (DACCS) は、化学的または物理的プロセスを使用して大気から CO2 を分離し、地層貯留サイトに永久的に隔離します。 大気中の CO2 は非常に希薄な性質 (現在約 415 ppm) であるため、DACCS 技術には大量のエネルギーと材料の投入が必要であるため、気候変動緩和における将来の展開と役割は、プロセス設計とその結果として得られる技術経済的および環境的パフォーマンスに大きく依存します3。 。 技術経済的な観点から現在、2 種類の技術が有望であると考えられています。1 つは通常、CO27、8、9、10 を捕捉するために水酸化水溶液 (水酸化カリウム、水酸化ナトリウム) に依存する溶媒ベースの DACCS、もう 1 つはアミンを主に使用する吸着剤ベースの DACCS です。さまざまな多孔質固体支持体に結合した材料11、12、13、14。 溶剤ベースの DACCS は、CO2 再生のために専用の高温 (900 °C) 熱を必要とします10。 したがって、熱力学的観点から見ると、熱供給のオプションは、（再生可能）天然ガスや（再生可能）水素などのエネルギー密度の高い燃料の燃焼に主に限定されており、一方、電気抵抗加熱や電気化学的再生アプローチが開発中です。 吸着剤ベースの DACCS は、CO2 再生のために低温 (80 ～ 120 °C) の熱で機能し 15、より多様な熱エネルギー供給オプション (ヒートポンプ、地熱、産業廃熱など) を提供します。

統合評価モデリング (IAM) シナリオに DACCS を組み込む研究が増えています。 これらは、厳しい気候目標を達成する上でのDACCSの重要な役割を強調しているが、一方では緩和コストを削減し、土地利用の競争を緩和する可能性があるDACCS導入のトレードオフも明らかにしている。 一方で、大規模な DACCS の展開と運用には、大量の追加エネルギーが必要になる可能性もあります 16、17、18、19。 これらの研究は、モデル化アプローチとシナリオに応じて、2100 年までに 2 °C 以上の厳しい気候目標を達成するための DACCS 配備レベルは、年間 CO2 隔離量最大 40 Gt に達する可能性があると予測しています16、17、18、20。 この規模では、DACCS (溶剤ベースのプロセスを想定) は、2100 年までに世界の電力および非電力エネルギーを最大 12%、60% 消費する可能性があります 17,21。 明らかに、電力網に接続された DACCS 施設の環境パフォーマンスは、それらが稼働する電力システムの状況に依存します。 これまでの研究では、DACCS はマイナス排出を達成できるが、回収効率は動作効率とエネルギー源に影響されることが示されています 22、23、24、25。 DACCS 技術の最近のライフサイクル評価 (LCA) では、DACCS が（送電網電力を使用する場合と比較して）太陽光発電で動作する場合、土地の変化が増加するという潜在的な環境トレードオフも特定されました26。 ただし、これらの研究は、DACCS が特定の発電技術または静電気システムによって電力供給されることを前提としています。 したがって、これらの論文は、厳格な緩和シナリオに従ったエネルギーシステム移行によって DACCS の環境への影響がどのように変化するのかについては明らかにしておらず、また、2100 年に向けたそのようなシナリオにおける DACCS 導入の有無による電力システム移行の潜在的な広範な環境トレードオフを定量化しているわけでもありません。研究は、DACCS の長期的な潜在的な技術改善を完全に説明していません。DACCS は、物理的な材料やエネルギーの入力を変更することで、技術の環境への影響に影響を与えると予想されています27、28、29。

ここでは、パリ協定の気候目標と一致する IMAGE 3.2 統合評価モデル 30,31 によって開発された気候変動緩和シナリオの下で、DACCS の見通し LCA を計算します。 IMAGE 3.2 は、共有社会経済経路 (SSP) の人口統計、経済、技術、行動の物語に基づいて、世界 26 地域にわたる 2100 年に向けた将来のエネルギー供給、変換、需要を予測するために使用されています 32,33。 この研究では、歴史的パターンに沿った将来の発展を想定した「Middle of the Road」経路（SSP2）を使用しています。 次に、これを代表濃度経路 (RCP)34 によって定義された気候目標と関連付けて、特定の気候目標の達成と一致するエネルギー システムの変化につながる必要な炭素価格を決定します。 私たちは次の 3 つの異なるシナリオを使用します。 放射強制力を制限したり、適応能力を強化したりするための気候政策や対策のない SSP2 ベースライン (SSP2 ベースライン)。 SSP2 ベースラインは、2100 年までに地球温暖化を 1.5 °C 未満、つまり放射強制力レベル 1.9 W/m2 (RCP1.9) に制限する厳格な気候変動緩和努力とリンクしており、DACCS を CDR オプションとして許可します (SSP2) -RCP1.9 (DACCS 付き)。 最後に、同じ社会経済および気候変動緩和目標に従いますが、DACCS を CDR オプションとして取り上げていない反事実です (DACCS なしの SSP2-RCP1.9)。

LCA 調査では、背景システムと前景システムの両方の技術的変化が調査対象の環境への影響に影響を与える可能性があります。 フォアグラウンド システムは、オブジェクトに直接関連するプロセスで構成されますが、バックグラウンド システムには、オブジェクトに間接的に関連するサプライ チェーンの上流または下流のプロセスが含まれます35、36。 ここでは、オープンソースの LCA フレームワーク 37,38 を適応させ、2020 年から 2100 年までの地域的および時間的に明示的な IMAGE 予測 (電力構成、発電効率、電力関連排出量) を使用してバックグラウンド LCI データベース内の電力関連データを変更します。 3つのシナリオ。 地域への影響は、米国 (US) について区別され、中国、ロシア、西ヨーロッパ、および世界平均と比較されます。 同じ期間における 2 つの技術 (溶媒ベースおよび吸着剤ベースの DACCS) の前景物質およびエネルギー入力の変化は、1 要素学習曲線アプローチを使用した世界的な DACCS 展開の IMAGE 予測に基づいて推定されます。 したがって、商業規模の運用と実践による学習による技術の向上を想定しています。 特定の将来の学習率に関連する不確実性を把握するために、感度分析の一部としてさまざまな学習率を適用します。 熱源が環境プロファイルにどのような影響を与えるかを理解するために、溶媒ベースの DACCS (天然ガスまたはバイオメタン) と吸着剤ベースの DACCS (バイオメタンまたはヒートポンプ) の 2 種類の熱供給オプションも考慮されています。 さらに、CDR オプションとして DACCS を使用した場合と使用しない場合の厳格な緩和シナリオ (SSP2-RCP1.9) を比較することにより、電力システム負荷、系統構成、および関連する環境影響の変化の変化に対する DACCS の導入の影響も定量化します。

この研究では、電力部門の脱炭素化により隔離効率が向上するが、DACCSによって隔離されるCO2 1トン当たりの陸上の生態毒性と金属枯渇レベルも増加するが、これらの増加はDACCSの材料とエネルギーの使用効率を改善することで軽減できることが判明した。技術学習の下で、環境問題の転換を避けるためには電力部門の脱炭素化とDACCS技術の改善の両方が不可欠であることを示しています。 DACCS は地域的な環境影響の変動を示し、エネルギー システムの計画と統合に関連するスマート サイトの重要性を強調しています。 DACCS の展開は長期的な気候目標の達成を支援しますが、その環境と気候のパフォーマンスは部門別の緩和行動に依存しており、その展開は部門別の脱炭素化目標の緩和を示唆するものであってはなりません。

DACCS は、2020 年までに米国内で捕獲され地質学的に隔離された大気中の CO2 1 トン (1 トン) あたりの調査対象となるすべての技術および熱源にわたる正味の負の温室効果ガス (GHG) 排出量を達成します。正味の隔離効率は、DACCS 技術と熱源によって異なります (図.1a) ライフサイクルにおける気候変動の影響は、2020 年のベースライングリッドミックスの CO2 換算量が -0.36 から -0.94 トンの範囲に及びます (図 1a)。 正味 GHG マイナスは、DACCS 技術が放出する GHG 排出量が、植物のライフサイクル全体にわたって捕捉および地質学的に隔離される量よりも少ないことを意味します (ゆりかごから墓場までのアプローチ)。 さまざまなバックグラウンド電力システムのコンテキストの影響は、SSP2 ベースラインと DACCS を使用した SSP2-RCP1.9 シナリオの結果を比較することでわかります。 SSP2 ベースラインでは、米国の電力システムは石炭発電のシェアを 2020 年の 31% から 2100 年の 7% に減少させる一方、原子力発電と再生可能エネルギーを合わせたシェアは同期間で 35 % から 61% に増加します (図 2a)。 ）。 その結果、DACCS の気候変動の影響は、2100 年までに -0.72 ～ -1.12t CO2 換算にさらに削減されます。最高の隔離効率は、熱源としてバイオメタンを使用する溶媒ベースの DACCS (SV + BM) によって達成されます。 このプロセスでは、非化石で負荷のない CO2 燃料であるバイオメタンを使用して、発熱プロセスのステップ中に放出される CO2 を収集および隔離するため、隔離される大気中の CO2 の 1 トンを超えるマイナスの CO2 排出プロファイルが作成されます。

影響カテゴリーには、(a) 気候変動の影響、(b) 人体毒性の影響、(c) 淡水の富栄養化の影響、(d) 淡水の生態毒性の影響、(e) 陸地の酸性化の影響、(f) 陸地の生態毒性の影響、(g) 金属の枯渇が含まれます。 、(h) 水分の枯渇。 DACCS と熱源の 4 つの組み合わせが検討されます。これには、バイオメタンを使用した溶媒ベースの DACCS (SV + BM)、天然ガスを使用した溶媒ベースの DACCS (SV + NG)、バイオメタンを使用した吸着剤ベースの DACCS (SB + BM)、吸着剤ベースの DACCS が含まれます。ヒートポンプ付きDACCS（SB + HP）。 各パネルの折れ線グラフ (各パネルの左側) は、2 つのシナリオ (DACCS の技術学習を除く) の下での電力部門の脱炭素化による環境への影響の軌跡を示しています。 1 つは、「社会経済的経路の共有 – 道路の中間経路」(SSP2) ベースライン シナリオ (SSP2 ベースライン) です。 2 番目のシナリオは、SSP2 経路を、2100 年までに 1.9 W/m2 (RCP1.9) の放射強制力レベルに一致する代表濃度経路 (RCP) にリンクし、DACCS を CDR オプションとして許可します (SSP2-RCP1.9 w/ DACCS) ）。 棒グラフ (各パネルの右側) には DACCS の技術学習が含まれており、4 つの DACCS システムの環境への影響に対するバックグラウンド システムとフォアグラウンド システム (すべて SSP2-RCP1.9 と DACCS シナリオの下) の影響を比較しています。 色の塗りつぶされていないバー (境界線の色のみ) は、背景となる電力セクターの脱炭素化のみによる 2020 年のレベルと比較した 2100 年の影響の割合の変化を示しています。一方、色の塗りつぶされた棒は、2020 年のレベルと比較した 2100 年の影響の割合の変化を示しています。 2020 年レベルは、バックグラウンドの電力セクターの脱炭素化と、DACCS のフォアグラウンドの技術学習 (参照学習率に基づく) の両方によるものです。 エラーバー (色塗りつぶしのバーに関連付けられている) は、学習速度が遅い場合と速い場合の結果を表します (補足表 10)。

シナリオには、(a) SSP2 ベースライン、(b) DACCS なしの SSP2-RCP1.9 (SSP2 経路は RCP1.9 気候目標とリンクされているが、CDR オプションとして DACCS は含まれていない)、(c) SSP2 が含まれます。 -RCP1.9 w/DACCS シナリオ、および (d) 3 つのシナリオに基づく米国電力システムの年間 CO2 排出量。 電力構成パネル (a、b、c) では、積み上げられた領域が系統構成の市場シェアを表します。 「太陽光」には、太陽光発電と集中太陽光発電の両方が含まれます。 「石油」は、二酸化炭素回収・貯留 (CCS) を含む石油と、CCS を含まない石油の両方を組み合わせたものです。CCS を含む石油の割合は系統構成の 1% 未満です。 他の再生可能エネルギーには、波力、潮力、地熱などがあります。 (c) では、赤い破線は、DACCS によって消費される年間発電量の割合を示しており、第 2 の y 軸に対応しています。

DACCS を含む SSP2-RCP1.9 シナリオでは、米国の電力セクターは 2035 年までに完全な脱炭素化を達成し（図 2d）、これは現在の目標と一致しており、2050 年までに経済全体の脱炭素化を達成します39。石炭と天然ガスを段階的に廃止し（2050 年までに）、2100 年までに再生可能エネルギーの普及率を高める（81%）（図 2c）。 このシナリオでは、DACCS による気候変動の影響は 2050 年までにさらに急速な減少を示し、2100 年までに -0.91 ～ -1.25 t CO2-eq のレベルに達します（図 1a）。

DACCSのライフサイクルの人体毒性、淡水の富栄養化、陸地の酸性化、および水の枯渇は、電力網の構成における石炭と天然ガスの生成の割合に影響されます（補足図9）。 これらの影響は 2020 年から 2100 年にかけて減少し、電力部門の脱炭素化による環境上の共同利益が示されています (図 1b、c、e、h)。 それでも、米国の電力システムの脱炭素化は、他の影響カテゴリーにおいて DACCS にとって環境上のトレードオフを生み出します。 陸域の生態毒性（SSP2ベースラインとSSP2-RCP1.9（DACCSシナリオ）の両方について、4つのDACCSと熱源の組み合わせで33～80％増加）と金属枯渇レベル（23～42％および40～73％増加）の両方が増加していることがわかりました。バックグラウンド電力システムにおける太陽光発電 (PV) と風力発電による寄与の増加を考慮した、2020 年から 2100 年までの SSP2 ベースラインおよび SSP2-RCP1.9 (DACCS シナリオあり) の 4 つの DACCS と熱源の組み合わせ全体の % (図) .2f、g、補足図9）。 再生可能エネルギーの発電量が多いシナリオでの生態毒性の影響の増加は、主にシリコンベースの太陽光発電セルの生産と銅の加工による排出によるものです（銅は太陽光発電や風力タービンの配線に使用されるため）。 太陽光発電および風力発電所の建設のための相対的な金属需要（設置kW当たり）が高いことにより、鉱物採掘も増加します。 電力の脱炭素化は、系統構成における太陽光と風力の浸透量の増加（影響を増大させる）と石炭生成量の減少（影響を減少させる）の相殺効果により、DACCSの淡水の生態毒性にはほとんど影響を与えない（図2d、補足図9）。 ）。

DACCS のライフサイクル環境への影響は、技術の種類と熱源によって影響されます。 吸着剤ベースのDACCS + ヒートポンプ（SB + HP）システムは、他の熱供給よりも炭素強度が高い化石燃料主体のグリッド電力から熱が変換されるため、2020年に気候変動への影響が最も大きくなりますが、この影響はまた、電力部門の脱炭素化の影響をより受けやすいため、時間の経過とともに減少が加速します。 DACCS を使用した SSP2-RCP1.9 シナリオでは、SB + HP システムの気候変動の影響は、2040 年以降、他の 3 つの対応するシステムと比較して最も低くなります。溶剤ベースの DACCS の場合、熱源としてバイオメタンを使用すると、気候変動の低下につながります。追加の生物起源の炭素隔離により、天然ガスを使用する場合よりも影響が変わります。 したがって、SV + BM は、天然ガスを使用した溶剤ベースの DACCS システム (SV + NG) と比較して、ライフサイクルにおける気候変動の影響が低いことを示します (図 2a)。

他の非気候指標に関しては、吸着剤ベースの DACCS は一般に、主に電力消費単位が高いため、人体毒性、淡水の富栄養化と生態毒性、金属枯渇に対してより高い影響を示します。 対照的に、溶媒ベースの DACCS は、水酸化物水溶液を使用して CO2 を捕捉するため、より高い水の減少を示します (捕捉された CO2 1 トンあたり、吸着剤ベースの DACCS の 3 ～ 12 倍)。ベースの DACCS は固体アミンベースの吸着剤を使用しており、製造段階および使用段階で消費する水の量がはるかに少なくなります。 また、アミン吸着剤の水に対する親和性により、吸着剤ベースの DACCS は湿った環境でも水を生成し、淡水として使用したり、さらに精製して飲料水として使用したりできることも示されています 15。 熱源に関しては、天然ガス熱を使用する溶剤ベースのDACCSは、陸上の生態毒性（天然ガス生産中の有毒な掘削廃棄物の廃棄による影響が大きい）と水の枯渇（天然ガスの熱を利用する）を除いて、バイオメタンと比較して研究されたすべてのカテゴリーで影響が低いです。熱源よりも技術の種類により影響されます)。 吸着剤ベースの DACCS は、熱にバイオメタンを使用することで、より低い環境影響プロファイルを示します。 ヒートポンプ由来の熱と比較して唯一増加するのは陸上の酸性化であり、これは主にバイオメタン生産におけるバイオ廃棄物の嫌気性消化によって引き起こされます（図2b-h）。

私たちの結果は、実践による学習による継続的な改善により、環境への影響をある程度軽減できることを示しています。 DACCS を使用した SSP2-RCP1.9 シナリオでは、DACCS が世界中で大規模に展開される 2050 年以降、技術学習により物質とエネルギーの投入量が削減され始めます (補足表 11)。 それでも、気候変動、人間の毒性、淡水の富栄養化の影響は主に電力消費に起因しており（補足図6）、電力部門の脱炭素化により、これらの（発電の）影響はすでに2050年までに80％以上減少しています（対前年比）。 2020 年レベル）（補足図 9）。 したがって、DACCS テクノロジーの学習は、これらの影響における (80 年間の) 合計変化の 10% 未満に寄与しています (図 1a ～ c​​)。 電力部門の脱炭素化により、2020 年から 2100 年にかけて、DACCS によって隔離された CO2 1 トン当たりの淡水の生態毒性（わずかに）、陸上の生態毒性、および金属枯渇が増加しますが、学習効果によって引き起こされる材料効率とエネルギー効率の改善により、電力部門全体の増加を相殺する可能性があります。これらのカテゴリー。 感度分析により、これらの影響における学習の顕著な効果が確認されます。 下限と上限の間で学習率を変化させると (補足表 10)、学習率をほとんど変化させずに、これらの影響の合計変化に追加の増加 (13 ～ 23%) または減少 (-10% ～ -13%) が生じます。気候変動、人間の毒性、淡水の富栄養化の全体的な影響の変化に影響を与えます。 溶媒ベースのDACCSの水減少は、溶媒の使用が溶媒ベースのDACCSの総水減少量の80％以上を占めるため、吸着剤ベースのDACCSと比較して学習率の変化に対する感度が高いことが示されています（図1h）。補足図6)。 したがって、運転中の水の蒸発を減らすことは、溶媒ベースの DACCS のライフサイクルにおける水の枯渇を減らすための重要な戦略となり得ます。

DACCS によって提供される CDR 機能は、エネルギー システムの長期的な発展にも影響を与えます。 私たちの予測では、炭素価格は、排出量を制限するためにエネルギーシステムに必要な変化を促進するための代用として使用されます。 DACCS (SSP2-RCP1.9 w/DACCS) による厳格な緩和シナリオの下では、米国での DACCS の導入は 2050 年頃に始まり、その年間運用能力は 2100 年までに 0.85 GtCO2/年に達し (図 3)、約 5% を消費します (米国の年間発電量は 352 TWh）です（図 2c）。 DACCS の利用可能性は本質的に長期的な炭素価格の上限として機能し、削減が困難な部門が代替技術 (電化、エネルギー効率の改善など) に投資するのではなく、DACCS を使用して排出量を相殺することになります。全体的なエネルギー需要の増加は、化石燃料（天然ガス、石油、石炭）の追加消費によって部分的に満たされます（補足図7a）。 その結果、これらの削減が難しい部門は追加のCDR展開を促進し、まずBECCSによる追加のCO2隔離によって満たされ、2050年以降増加し始め、DACCSなしのシナリオと比較してBECCSの使用量が平均15%増加することになる。 2080年までに（補足図8a）。 その後、DACCS の容量が 2080 年以降より急速に増加し、追加の CDR 需要に徐々に対応するため、BECCS による年間 CO2 隔離量は、DACCS を使用しない厳格な緩和シナリオのレベルと同様、2100 年までに約 1.3 GtCO2/年で安定します。 世界規模で見ると、DACCS ありの SSP2-RCP1.9 シナリオの方が、DACCS なしの SSP2-RCP1.9 の場合よりも BECCS の要件が低いことに注意することが重要です (補足図 8a)。

積み上げ棒は、同じ緩和シナリオにおいて DACCS が二酸化炭素除去オプションである場合の、技術別の年間発電量の変化を示しています。 赤い線は、DACCS ありのシナリオから DACCS なしの SSP2-RCP1.9 を差し引いた年間発電量の正味の差を表します (主 y 軸)。 黒い線は、DACCS の年間運用容量 (第 2 の y 軸) を表します。

2050 年以降の BECCS の拡大は、2080 年までに年間 420 TWh でピークに達し、2100 年までに年間 113 TWh に達するという点が、2 つの緩和シナリオの違いをマッピングする際の米国の発電構成で顕著です (図 3)。 DACCS を使用すると、同じ期間に二酸化炭素回収・貯留 (CCS) による天然ガスと原子力から生成される電力が減少し、米国の年間発電量は 2080 年までの BECCS 拡大段階で一貫して減少していることもわかります (-160 TWh/時)。 DACCS なしの場合と比較して、年間または -2.3%）。 その後、DACCS の運用容量が急速に増加し、それぞれ電力需要が増加することで、2 つのシナリオ間の需要ギャップが縮小します。 DACCS による緩和シナリオでは、2100 年までに年間 35 TWh の追加電力が必要となります。

DACCS の利用可能性は、米国の電力システムの年間脱炭素化率をほとんど変えません (年間ライフサイクルの気候変動の影響に基づくと、両方のシナリオで約 6%)。 どちらの厳密な緩和シナリオでも、米国の電力システムは 2035 年までにカーボンニュートラルに達し（図 1d）、これは現米国政府の同セクターの脱炭素化目標と一致しています 39。 2050 年以降、米国の送電網構成は DACCS の導入の増加に伴い変化し始め、生成された kWh あたりの長期的なライフサイクルの環境への影響に変化が生じます。 気候変動の影響は最大 -0.019 kg CO2-eq/kWh まで減少していることがわかりました。これは主に BECCS からの追加発電によるものです。 また、kWh あたりの水の枯渇と人体への毒性の影響も削減されます。 同時に、淡水の富栄養化と生態毒性、陸地の酸性化と生態毒性、金属枯渇など、他のいくつかのカテゴリーに対する米国の発電の影響が増加しています（図4の棒）。 この環境問題の変化は、DACCS によって引き起こされた電力網構成の変化に直接起因しています。 それでも、ほとんどの影響カテゴリーでは、電力システム全体の脱炭素化によって引き起こされる変化と比較すると、その変化は認識できません（図4の線）。 例外は金属の枯渇と陸上の生態毒性で、電力部門の脱炭素化により、そのレベルは2020年から2100年にかけてそれぞれ123%と77%増加します。 DACCS の展開は、2050 年以降、両方の影響カテゴリーにさらに 10% (平均) 寄与します (図 4)。

影響カテゴリーには、(a) 気候変動の影響、(b) 人体毒性の影響、(c) 淡水の富栄養化の影響、(d) 淡水の生態毒性の影響、(e) 陸地の酸性化の影響、(f) 陸地の生態毒性の影響、(g) 金属の枯渇が含まれます。 、(h) 水分の枯渇。 各サブプロットのバーは、2020 年から 2100 年までの DACCS ありのシナリオから DACCS なしの SSP2-RCP1.9 を差し引いた各影響の絶対変化 (1 kWh 発電あたり) を表します (主 y 軸)。 各サブプロットの線は、RCP1.9 あり (青) および DACCS なし (オレンジ) シナリオにおける 2020 年の基準レベル (第 2 の Y 軸) と比較した、影響ごとの相対変化 (パーセンテージ) を表しています。

米国固有の結果を世界的な文脈に置き換えるために、SSP2-RCP1.9に基づく世界平均だけでなく、中国、西ヨーロッパ、ロシアの発電に関する地域別の明示的なLCIデータを使用して、DACCSのライフサイクル環境への影響を計算しました。 DACCS シナリオあり (DACCS の技術学習を考慮)。 溶媒ベースおよび吸着剤ベースの DACCS システムは一般に、それぞれ天然ガス (SV + NG) およびヒート ポンプ (SB + HP) からの熱エネルギー供給に関連付けられているため、これら 2 つの構成はグローバル比較のための代表的なプロセスとみなされました。 その結果、2020年にロシアと中国に導入されたSV + NGシステムの気候変動への影響は、世界レベルの同じシステムよりも12%と19%高いことが示された。これは、これらの地域の電力網構成は石炭と電力が大半を占めているためである。それぞれ天然ガス（図5a、補足図2、補足図3）。 これら 2 つの地域に展開されている SB + HP システムでも、より高い気候変動の影響が観察されています (ロシアと中国でそれぞれ 14% と 23%) (図 5b)。 どちらの DACCS システムも、米国 (SV + NG および SB + HP システムで 9% および 10% 少ない) および西ヨーロッパ (SV + システムで 29% および 35% 少ない) に導入された場合、2020 年の世界レベルよりも気候変動の影響が低いことがわかります。 NG および SB + HP システム）、地域の二酸化炭素集約度の低い電力を考慮した場合（図 2、補足図 4）。 時間の経過とともに、DACCS による気候変動の影響はすべての地域で減少し、地域的なばらつきも減少します。 2100年までに、気候変動の影響は地域間および世界平均レベル間でほとんど差がなく、電力構成の大部分が天然ガスとCCS（年間発電量の33％）で占められているロシアのDACCSではわずかに高い数値が観察されています（補足図3）。 同様に、2100 年までに世界の平均気温変化を 1.5 ℃未満に抑えるという緩和シナリオの下で、電力部門の世界的な脱炭素化に起因する人体毒性、淡水の富栄養化、陸地の酸性化の影響についても、地域変動の減少傾向が観察されています。淡水と陸上の生態毒性については地域変動が安定しているが、地域ごとに再生可能エネルギーの普及レベルと系統混合プロファイルが異なるため、金属枯渇については時間の経過とともに増加する。 SB + HP システムの水の枯渇は、SV + NG システムと比較して、地域の電力システムの状況により敏感です。 したがって、SB + HP システムは、2100 年に向けてますますクリーンな電力を使用して、すでに低い水需要をさらに削減することができます (図 5)。

SSP2-RCP1.9 を適用した世界 4 つの地域と世界における、(a) 天然ガスを使用する溶剤ベースの DACCS (SV + NG) と (b) ヒートポンプ生成熱を使用する吸着剤ベースの DACCS (SB + HP) の影響。 DACCS シナリオ (参照学習率を使用して DACCS のテクノロジー学習を検討)。 影響カテゴリーごとの基準（2020 年で 100%）は世界レベルです。 他の地域と年の組み合わせの結果は、基準に対する相対的な変化として表示されます。 これらの影響の変化は、DACCS による大気中の 1 トンの CO2 の捕捉と隔離に基づいて計算されました。 技術の正味負のライフサイクル気候変動影響 (CCI) (図 1) は、2020 年の世界レベルと比較して影響をプラスに増加させるため、この図では CCI で回収される 1 トンの CO2 は考慮していません。 その他の影響カテゴリーの略語 (左から右へ): HTI 人体毒性影響、FEI 淡水富栄養化影響、FTI 淡水生態毒性影響、TAI 陸域酸性化影響、TTI 陸域生態毒性影響、MD 金属枯渇、WD 水枯渇。

より多くの IAM シナリオに、厳しい気候目標を達成するための重要な CDR テクノロジーとして DACCS が含まれ始めているため、将来の政策決定と DACCS の展開をより適切に導くために、DACCS のパフォーマンスをこれらの目標に照らして評価する必要があります。 私たちの LCA が示すように、1.5 °C の気候目標と一致する電力およびエネルギー需要部門の急速な脱炭素化は、DACCS の正味隔離効率を高め、気候変動緩和の可能性を促進する可能性があり、DACCS の導入と電力システムの脱炭素化が行動すべきであることを示唆しています。気候変動緩和の取り組みにおいて相乗的に貢献します。

いくつかの DACCS 技術は、GHG 排出を相殺し、長期的な気候変動緩和の取り組みに役立ちますが、その純隔離効率と全体的な環境パフォーマンスは、それらが動作するエネルギー システムと相互依存しています。 DACCS プラントの稼働を低炭素エネルギー源に移行するだけでは、環境とのトレードオフが生じる可能性があります。 これらの発見は、他の DACCS LCA 研究と一致しています 22、24、26。 ここで調査した 8 つの影響カテゴリのうち 5 つ (気候変動、人体毒性、淡水の富栄養化、淡水の生態毒性、金属枯渇) において、溶剤ベースの DACCS は一般に吸着剤ベースの DACCS よりも影響が低いことがわかりました。 これは、吸着剤ベースの DACCS が、その研究で考慮されている影響カテゴリー（参照ケースの下）において環境への影響が低いと述べている別の研究の結論に反しています40。 これらの違いは、吸着剤ベースの DACCS (参照ケースの下) に対する研究の楽観的な電力 (180 kWh/t CO2) および熱 (2.6 GJ/t CO2) 消費量の仮定に関連していると思われます。 これらは、他のいくつかの研究で報告されている値 24,26,41 および本明細書で使用されている研究値 (電気については 470 ～ 700 kWh/t CO2、熱については 5.4 ～ 5.8 GJ/t CO2) の半分未満です。 また、この研究では、DACCS がカナダのブリティッシュコロンビア州の送電網電力によって電力供給されていると仮定していますが、同州ではほとんどの影響カテゴリーで排出量が少ない水力発電（送電網構成の 72% を占める42）が大半を占めています。 したがって、溶媒ベースのDACCSの環境への影響（気候変動、化石の枯渇など）は、主に熱消費量の増加などの他の要因によって引き起こされました。 さらに、この研究では、熱エネルギー生成中に放出される CO2 も捕捉および隔離される 10 という溶媒ベースの DACCS の典型的なプロセス構成が無視されており、そのため、その技術による気候変動への影響が人為的に増大し、その潜在的な隔離効率が過小評価されています。 この意図的に統合されたプロセスステップを無視すると、テクノロジーの評価が変化するだけでなく、ストレージ容量の要件や、地域の計画と統合の取り組みに対する関連するインプットの過小評価にもつながります。 溶剤ベースの DACCS は、吸着剤ベースの DACCS と比較して、隔離された CO2 1 トンあたり約 30% の追加の貯蔵容量 (天然ガス燃焼による CO2 排出係数である 0.05 kg CO2/MJ43 に基づく) を必要とします。

電力消費は、DACCS の陸上生態毒性と金属枯渇レベルに大きく寄与しており、これらは主に、シナリオのバックグラウンド電力システムにおける太陽光と風力の浸透レベルによって引き起こされます。 したがって、再生可能エネルギーの発電および貯蔵能力の拡大とともに電力システムの脱炭素化が進むにつれて、持続可能な採掘、製造、およびそれらの技術で使用されるエネルギー材料の循環経済の拡大を促進し、これらの影響レベルを軽減するための追加の取り組みが必要となります。

炭素管理政策では、DACCS および低炭素エネルギー生成技術のプロセスおよび材料効率を改善するための研究開発の取り組みを考慮する必要があります。 DACCS 技術はすでに溶媒と吸着剤の非常に高い再利用率を達成しています 10,24 が、私たちの結果は、技術の学習により生態毒性、金属枯渇、および水枯渇のレベルが顕著に減少することを示し (溶媒ベースの DACCS のみ)、潜在的な可能性を回避する上での重要な役割を強調しています。気候変動緩和経路の下でのDACCS展開の環境問題の転換。 大規模な DACCS の導入はエネルギー システム全体の需要と供給のダイナミクスに影響を与えますが、この影響は電力部門の脱炭素化の影響に比べれば取るに足らないものです。 したがって、DACCS の導入は、厳しい気候変動緩和シナリオにおける BECCS だけでなく、他のネットゼロエミッション技術の拡大を補完するものでもあります。

電力システムの脱炭素化は、主に化石ベースのエネルギー生成によって引き起こされる気候変動、人体毒性、淡水の富栄養化、陸地の酸性化などの影響の地域差を大幅に軽減します。 それでも、さまざまな再生可能エネルギー導入戦略の下では、生態毒性と金属枯渇によるさまざまな環境プロファイルが 2100 年に向けて存続します。 これは、地域のトレードオフを評価するために、将来的に幅広い環境および社会経済的指標を組み込んだ、DACCS の賢明な立地の必要性を強調しています。 負荷プロファイルを考慮すると、DACCS の導入は、送電網接続およびオフグリッドの位置評価を含む地域のエネルギー システム計画にも統合される必要があります。 たとえば、DACCS は、再生可能エネルギーの可能性が高く、送電網の相互接続に費用がかかる場所に意図的に設置される可能性があります。

ここで提示される前向きの LCA フレームワークは、エネルギー部門の脱炭素化と長期的な気候変動緩和目標をサポートする新興技術の研究開発の優先順位付けに関する政策議論に情報を提供することができます。 地域的および時間的に明確な電力セクターのシナリオと系統接続DACCSの技術予測を組み込むことにより、より広範なエネルギーシステムの変化44、45、46またはそのシステムの変化によって引き起こされる、CDR技術とその環境への影響との間の複雑な非線形関係を捉えます。特定の技術コンテキスト29,47。 このフレームワークの将来の機能拡張では、物質の循環性をモデル化し、より広範なエネルギーおよび産業分野の技術変化を捉えることができます。

この研究では、気候変動緩和シナリオによって予測される将来の電力システムにおけるDACCS技術の時間的および地域的に明示的な環境への影響を評価する、ゆりかごから墓場までのLCAフレームワークを採用しています37。 将来のフレームワークは、フォアグラウンドのテクノロジー学習とバックグラウンドのシステムダイナミクスの時間的側面を調整します。 それぞれの DACCS テクノロジーのライフサイクルへの影響は、Python でコード化された LCA フレームワーク Brightway248 と、ecoinvent データベース 3.642 からのライフ サイクル インベントリ (LCI) データを使用して計算されます。 (バックグラウンド) 電力システム コンテキストは、IMAGE3.2 統合評価モデル (IAM)31 のエネルギー モジュールである TIMER によって提供されます。 TIMER は、電力構成、発電効率、電力関連の排出量について、地域的および時間的に明示的な予測を作成します。これらの出力は、Python でコード化された別のフレームワーク (Wurst)37 に組み込まれて、ecoinvent データベース内の電力関連の LCI データを更新します。これは Brightway2 によって DACCS テクノロジおよびタイムステップごとの影響を計算するために使用されます。 計算は、2020 年から 2100 年までの 10 年間のタイムステップで実行されます。

IMAGE 3.2 は、人間と自然システムの関係と、人間の発展を維持するための生態系サービスの提供に対するこれらの関係の影響を記述するために開発された IAM フレームワークです31。 IMAGE 3.2 のエネルギー モジュールである TIMER は、210031 までの予測を含む、26 の世界地域にまたがって分類された地球規模のエネルギー システムを表す再帰的動的 (つまり、先見性のない) エネルギー システム モデルです。これには、化石燃料と再生可能一次エネルギー キャリア (石炭) が含まれます。 、重油/軽油、天然ガス、現代/伝統的バイオマス、原子力、集光/太陽光発電、陸上/洋上風力発電、水力発電、地熱)。 一次エネルギーキャリアを二次および最終エネルギーキャリア（固体、液体、電気、水素、熱）に変換して、さまざまな最終用途部門（重工業、輸送、住宅、サービス、化学など）にエネルギーサービスを提供できます。 このモデルは、エネルギー サービスと活動の関係に基づいて、各最終用途部門 (産業、運輸、住宅、商業、その他) の将来の (有用な) エネルギー需要を予測します。後者は経済成長に関連します。 需要分野ごとに、二次エネルギー担体（固体および液体バイオ燃料を含む）は、有用なエネルギー需要を満たすために、相対コストに基づいて相互に競争します。 IMAGE モデルのエネルギー システム表現には、炭素価格による需要弾力性が含まれています。 これは 2 つの異なるメカニズムによって表されます: (i) エネルギー効率への投資、および (ii) エネルギー サービスの需要の削減 (つまり、消費量の削減と、エネルギー/排出を必要とする活動やアメニティの削減)。 前者は技術的オプション（つまり、断熱材やより効率的な技術への投資など）によって表され、後者は計量経済データに基づいて表されます。 エネルギー価格は、エネルギーキャリアの供給曲線に基づいています49,50。 非再生可能資源の場合、これらは累積抽出の観点から定式化されます。 一方、再生可能資源の場合、これらは年間生産量に基づいて定式化されます51、52、53。

Brightway2 は、Python48 で LCA 計算を行うためのオープンソース フレームワークです。 これは、データのインポート、データの管理とアクセス、LCA 結果の計算と分析を処理するいくつかのモジュールで構成されています。 モジュール構造、Python の対話性、および調整可能な計算経路の組み合わせにより、LCA 調査の実施における柔軟性とユーザー定義の機能が可能になり、既存の LCA ツールと比較して新たな可能性がもたらされます。

Wurst は、外部シナリオ データを使用して LCI データベースを体系的に変更できる Python ベースのソフトウェアでもあります37。 Wurst は、材料効率、排出量、市場インプットの相対シェアの変更、グローバル データセットの複数地域への分離など、いくつかの一般的な変更タイプをサポートしています。 Wurst の現在のバージョンは、IMAGE シナリオ データを使用して ecoinvent LCI データベースを変更することに重点を置いています。 Wurst の修正手順に関する詳細情報は、「気候シナリオ データを使用した LCI データベースの修正」セクションで説明されています。

社会経済的経路の共有 - 道の真ん中のベースラインシナリオ (SSP2 ベースライン) 予測は、気候政策をまったく想定していないため、政策努力を比較できる反事実として機能します。 RCP1.9 シナリオは、地球平均気温の 1.5 °C 上昇に見合った排出量として定義される気候目標を達成するために必要な取り組みを予測しています。 これらのシナリオには、NDC で定義されている地域ごとの現在の気候政策も含まれています54。 RCP1.9 シナリオの場合、IMAGE モデルは、1.5 °C 目標を達成するために必要な追加の取り組みを決定します。これは、すべての GHG 排出源 (化石燃料、産業、土地利用) にわたる排出価格予測によって表され、世界中に適用されます。費用対効果の高い緩和経路。 排出価格は、2 つのメカニズムによって排出量を削減できます。(i) 総エネルギーコストの増加により、エネルギー効率への投資が促進されます。(ii) この価格は、一次エネルギーキャリアの炭素含有量に付加され、最終エネルギーを満たす際の競争力に影響します。サービスの需要を高め、よりクリーンなエネルギーキャリアを促進します。 排出価格の適用により、隔離された炭素が再計算されると想定されているため、DACCS の競争力が高まり、資本コストと変動コスト (エネルギー供給と技術学習の予測コストの影響を受ける) が克服されます。 DACCS の利用可能性が気候変動緩和戦略に及ぼす影響を判断するために、2 つの RCP1.9 バリエーション (DACCS ありの SSP2-RCP1.9 および DACCS なしの SSP2-RCP1.9) を紹介します。 DACCS における地域的な費用対効果は、資本コストと O&M コスト（削減による内生的学習を含む）、電力価格、および貯蔵の潜在的な制限に関連する CO2 輸送および貯蔵コストに依存します55。 単一の DACCS 技術（プラント容量 1 Mt CO2/年に基づく技術パラメータとコストデータを含む）は、以前の研究で要約されたさまざまな溶媒ベースの技術の集合体として表される IMAGE に含まれています 8,56,57 が、我々は、 IMAGE が推定した DACCS 導入結果は、広範な DACCS 技術 (溶媒ベースと吸着剤ベースの DACCS の両方を含む) の導入全体を表します。 IMAGE では、DACCS は 2030 年までに利用できなくなり、その世界的な成長率は 1 GtCO2/年に制限されると想定されています。 この成長率の制限は、DACCS が費用対効果が高くなると予測における拘束力のある制約となりますが、長期的には貯蔵可能性の制限によりさらなる拡張が制限される可能性があります。 DACCS は、排出価格が約 300 ドル/tCO2 を超えると費用効果が高くなります。 この排出価格は、DACCS ありの SSP2-RCP1.9 と DACCS なしの SSP2-RCP1.9 の両方で 2050 年に超えられます。 長期的には、DACCS の適用により排出価格の上昇が制限され、DACCS ありの SSP2-RCP1.9 と DACCS なしの SSP2-RCP1.9 では、2100 年でそれぞれ 423 ドル/tCO2 と 885 ドル/tCO2 になると予測されています。 2 つの RCP1.9 バリエーション間の発電量の違いとそれに伴う環境への影響を計算することで、DACCS の導入が電力およびエネルギー需要システムに及ぼす影響を評価することもできます。

当社は、溶媒ベースと吸着剤ベースの DACCS という 2 種類の DACCS 技術に焦点を当てています。これらは、大気から CO2 を除去するために異なる捕捉および放出メカニズムに依存しています。

溶媒ベースの DACCS は、水酸化水溶液 (水酸化カリウム、水酸化ナトリウム) を適用して、化学反応を介して大気中の CO2 を捕捉します7、8、9、10。 ここでは、溶媒ベースの DACCS が CO2 回収に水酸化カリウム溶液を使用すると仮定します。 空気接触装置内で水酸化カリウム溶液が CO2 と反応して炭酸カリウムが生成され、その後、別の反応装置内で水酸化カルシウムと反応して炭酸カルシウムが生成されます。 炭酸カルシウムが沈殿すると、水酸化カリウム溶液が再生され、空気接触器に再循環されます。 沈殿した炭酸カルシウムは収集され、乾燥され、その後高温 (約 900 °C) で焼成されます。この熱は通常、純酸素中での天然ガスの燃焼によって提供され、CO2 を放出します。 炭酸カルシウムから放出される CO2 と天然ガスの燃焼によって生成される CO2 は混合され、さらなる貯蔵のために収集されます10。 高温の熱要件により、溶媒ベースの DACCS の熱供給オプションが制限されます。 この研究では、溶媒ベースのDACCSの2つの熱オプションとして天然ガスと再生可能ガス（バイオメタン）を検討します（補足図1）。 その他に提案されている方法には、電気抵抗加熱や電気化学的再生などがありますが、ここでは検討しませんでした。

吸着剤ベースの DACCS は通常、CO2 捕捉のために幅広い多孔質固体支持体に結合したアミン材料を使用します 11、12、13、14。 ここでは、固体吸着剤としてアミンベースのシリカの使用を検討しました24。 このプロセスは、周期的に動作する吸着と脱着という 2 つの主要なステップで構成されます。 吸着ステップでは、ファンが空気接触器に空気を吹き込み、空気中の CO2 が吸着剤と反応して吸着剤に結合します。 固体吸着剤が CO2 で飽和すると、空気コレクターで脱着ステップが開始されます。 熱が供給される前に、真空引きしてコンタクターから残留空気を除去し、再生に必要な温度を下げます。 その後、エアコンタクター内に約100℃の熱を供給し、CO2を脱離させます。 収集された CO2 は冷却ユニットを通過し、そこで余分な水分が凝縮によって除去され、CO2 は周囲温度に戻されます。 脱離工程における熱温度は約80～120℃であるため、熱源として幅広い熱エネルギー源（天然ガス、ヒートポンプ、地熱、廃熱）が利用可能です。 ここでは、ヒートポンプ (成績係数 2.524) と再生可能ガス (バイオメタン) を 2 つの主要なオプションとしてモデル化します (補足図 1)。

CO2 の輸送と貯蔵: いずれかのプロセスから CO2 が放出されると、CO2 の流れはコンプレッサーによって 11 MPa まで圧縮され、パイプラインを通じて貯蔵場所に輸送されると想定します。 輸送パイプラインの長さは 50 km と想定されている。 貯蔵場所では、CO2 はさらに 15 MPa まで圧縮され、それぞれ 3 km の深さの井戸を通して地層貯留層に注入されます。 ここで、CO2は超臨界相として永久に保存されます58（補足図1）。

システム境界は、CO2 濃度 415 ppm の空気入口で始まり、CO2 の回収、再生、圧縮、輸送が続き、地層貯留で終わります。 私たちの分析では、エネルギー変換技術の構築、燃料の生産、取り扱いのための間接的なエネルギー需要による上流の排出も考慮しています。 この機能ユニットは、DACCS テクノロジーによって大気中の CO2 を 1 トン (1 トン) 捕捉および隔離しています。 研究された 2 つの DACCS 技術とそれに続く圧縮と貯蔵の LCI データは、文献から収集されるか、ボトムアップの材料要件分析を通じて推定されました (プラントの処理能力は、溶媒ベースと吸着剤ベースで年間 1 Mt CO2 と 0.1 Mt CO2 であると想定) LCI データは、選択された 2 つの DACCS テクノロジーのライフサイクルにわたる現状の材料およびエネルギー消費量を表すと想定されます。 ReCiPe 2016 v1.1 の階層主義的観点は、排出量と天然資源採取を中間レベルの環境影響カテゴリに変換するための特性評価方法として使用されます59。

この研究では、さまざまな電力脱炭素化経路 (SSP2 ベースラインと DACCS を使用した SSP2-RCP1.9) の下で DACCS の環境への影響を比較する際、結果は現在の材料とデータを表す DACCS の静的 LCI データに基づいて計算されています。テクノロジーの学習を考慮せずにエネルギーを使用します。 次に、学習曲線アプローチを使用して推定された動的 LCI データに基づく DACCS シナリオを使用した SSP2-RCP1.9 に基づく DACCS の別の LCA 結果も計算しました。これにより、バックグラウンドの電力の脱炭素化とフォアグラウンドの技術学習の両方の効果が捉えられます。 SSP2-RCP1.9とDACCSシナリオに基づいて静的および動的LCIデータを使用して計算されたDACCSのLCA結果を比較することで、DACCSの環境影響に対するバックグラウンド電力の脱炭素化とフォアグラウンド技術学習の効果を評価および比較できます。

学習曲線アプローチは、幅広い製造業 60 およびエネルギー技術 61 の累積生産増加に伴う時間の経過に伴う単価削減を研究するための経験的方法として使用されてきました。 学習効果は、技術の進歩、労働生産性の向上、規模の経済、材料効率とエネルギー効率の向上など、さまざまなメカニズムによって特徴づけられます。 学習曲線アプローチは、現在の新興テクノロジーの将来予想されるライフサイクルへの影響を調査するための重要な手段の 1 つとしても認識されています 62,63。 ここでは、1 要素学習曲線アプローチを適用して、予想される LCA を情報化します。 調査中の 2 つのテクノロジーは現在パイロット規模またはデモ規模で運用されていますが、両方とも商業規模での運用を想定し、一定の学習率を適用し、将来のライフサイクルの材料とエネルギー消費に影響を与えます。 しかし、ここで評価した両方の技術について、材料とエネルギーの消費に対するこれらの学習効果は、出版された文献には記載されていません。 したがって、DACCS テクノロジーの単位コストあたりの変化に比例して、材料とエネルギーの消費量が変化すると仮定しました。

溶媒ベースおよび吸着剤ベースの DACCS の資本コストは、設計特性が異なると、異なる学習率に従う可能性が高いことが示されています。 溶剤ベースの DACCS は現場で構築され大規模であり、規模の経済の恩恵を受けていますが、急速な設計や製造の改善が組み込まれる可能性は低くなります。一方、吸着剤ベースの DACCS は標準化されたモジュール式ユニットに基づいており、これらのユニットは大量生産および展開できるため、高速な反復と学習が可能になります64。 したがって、溶媒ベースの DACCS と吸着剤ベースの DACCS の設備投資に関連する材料消費量とエネルギー消費量の平均学習率をそれぞれ 10% と 15% と仮定しました。 次に、運用コストに関連する材料とエネルギーの消費量については、溶媒ベースの DACCS と吸着剤ベースの DACCS の両方で平均学習率をそれぞれ 2.5% と仮定しました。 また、不確実性を反映する学習率の変動範囲も考慮します (補足表 10)。これらの変動範囲は、学習速度が DACCS の環境への影響にどのような影響を与えるかを理解するための感度分析を開発するために使用されます。 さらに、技術学習中の材料およびエネルギー消費量の非現実的な削減を回避するために、専門家の推定に基づいて両方の DACCS 技術の最小材料およびエネルギー使用係数も設定しました。 溶剤ベースの DACCS については、資本コストと運営コストに関連する材料使用量とエネルギー使用量の下限は、それぞれ元の金額の 44% と 50% を下回ることはできません。また、吸着剤ベースの DACCS については、材料使用量の下限は資本コストと運営コストに関連するエネルギー使用量は、2020 年の元の金額のそれぞれ 18% と 50% を下回ることはできません。 最小限の材料とエネルギー使用係数を学習曲線の式に組み込むために、学習曲線の式を次の式に調整しました。 1:

式では、 1、\({X}_{0}\) は \(0\) 年の初期 DAC 導入容量を表します。 \({X}_{t}\) は、\(t\) 年の累積 DAC 導入容量を表します。 特定の物質またはエネルギー項目 \(i\) の場合、 \({{LR}}_{i}\) は項目 \(i\) の学習率を表します。 \({D}_{i,0}\) は通常、\(0\) 年における物質またはエネルギー項目 \(i\) の単位消費量を表します (初期の CO2 回収量 \({X}_{ に相当) 0}\))。 ここでの目標は、技術学習に基づいて材料とエネルギーの使用係数 (実際の単位消費量ではなく) を計算することなので、\({D}_{i,0}\) を 1 に正規化します。 \({D}_{i,t}\) は、\(t\) 年における品目 \(i\) の正規化された物質およびエネルギー使用係数でもあります (累積 CO2 回収量 \({X}_{ に相当) t}\)); \({D}_{i,{\min }}\) は、品目 \(i\) の最小の材料およびエネルギー使用係数を表します。

最後に、溶媒ベースおよび吸着剤ベースの DACCS がそれぞれ、DACCS の世界的な累積容量 (IMAGE モデル出力) の半分を占めると仮定します。 次に、溶媒ベースと吸着剤ベースの両方の DACCS の累積容量に基づいて、2020 年から 2100 年までの物質とエネルギーの使用係数を推定しました。結果は補足表 11 に示されています。特定の年の物質とエネルギーの使用係数を乗算することにより、初年度の実際の材料およびエネルギー消費量の単位に基づいて、その特定の年の実際の材料およびエネルギー消費量の単位を取得できます。 溶媒ベースおよび吸着剤ベースの DACCS の技術学習率と最小材料およびエネルギー使用係数に関する仮定については、補足注 2 で詳細に説明されています。

ecoinvent データベース 23 は、データベースに掲載されている製品の完全に相互リンクされた単位プロセスのサプライ チェーンを提供する、最も広く使用されている LCI データベースです。 これは、関連するすべての環境フロー、物質とエネルギーの投入、および約 18,000 の活動による成果物をカバーしており、研究者はサプライ チェーンに関するデータを収集して、LCA 研究における包括的な背景システムを形成できます。 ただし、ecoinvent のデータは通常、特定の年に収集されるため、データベースは既存のサプライ チェーン システムに基づいてプロセス間の物質とエネルギーの流れを記述します。 したがって、ecoinvent データベースでは、将来の技術や時間の経過とともに進化する新興技術に関連する環境への影響を評価する前向き LCA 研究の実施には限界があります。

ここでは、変化するバックグラウンド電力システムの状況における DACCS 技術の環境への影響を評価するために、電力構成、発電効率、電力関連排出量に関する IMAGE 予測を体系的に統合するオープンソース アプローチ (Wurst)37 を採用しています。 ecoinvent データベースを変更し、ecoinvent データベース内の電気関連活動データのパラメーターを変更します。 IMAGE と ecoinvent データベースの生成技術の違いのため、両方のデータ ソースで利用可能な技術をマッピングするための一致リストを作成します (補足注 3)。 Wurst を使用した ecoinvent データベースのパラメータ変更に関するより詳細な情報は、以前の研究で見つけることができます37。 パラメーターの変更後、SSP2 ベースライン、SSP2-RCP1.9 w/DACCS、および SSP2-RCP1.9 w/o DACCS シナリオの下で、2020 年から 2100 年までの 9 つの異なる年に対応する 27 バージョンの ecoinvent データベースを開発しました。

この研究では、火力発電所（化石ベースの資源、バイオマス、原子力）のグリッドミックス、発電効率、排出量のIMAGE予測を使用してバックグラウンドLCIデータベースを変更しますが、再生可能資源とその効率レベルは既存の利用可能な情報に基づいています。テクノロジー。 再生可能技術（特に太陽光65,66、風力67）やエネルギー貯蔵68,69技術では技術革新が見られており、エネルギーシステムへの応用がより広範になるにつれて進化し続けるでしょう。 したがって、特定の気候状況下で、DACCS などのエネルギー多消費技術が環境に与える影響をより適切に評価するには、分析枠組みを拡張して、特に材料効率や循環性における可変再生可能エネルギーおよび貯蔵技術の進歩を考慮する必要があります。バックグラウンド電力システム。

DACCS の技術学習を調査したこれまでの研究は、コスト削減に焦点を当てていました 64,70,71。 DACCS スケールに応じて物質とエネルギーの投入量がどのように変化するかを明らかにする、公開されている実証研究は特定できませんでした。 この限られたデータ利用可能性を考慮して、DACCS の材料とエネルギーの入力は、関連するコスト予測と同じ学習率に従うと仮定します。 実際には、テクノロジーの学習率はプロセスや物理的入力の種類によって異なる可能性があります29,72。 環境への影響に対するテクノロジー学習の効果を定量化することを目的とした将来の LCA 研究では、特定の物理的入力のより詳細な学習データに依存できる可能性があります。 さらに、新興テクノロジーの学習率は、テクノロジーレディネスレベル (TRL) に応じて変化する傾向があります73、74、75。 新しいテクノロジーの前向き分析は、理想的には、多要素学習曲線アプローチを適用し、さまざまな TRL でのさまざまな学習率を区別することによってこれを反映します。 ここで分析したテクノロジーはデモンストレーション規模 (TRL-7) で動作しますが、商業規模 (TRL-9) では実践による学習による改善を想定し、単一要素の一定学習率を適用します。 商業規模での学習率は研究の最前線であり、現時点では不明です。 しかし、私たちの分析の規模では、それぞれを区別しても精度や洞察が得られる可能性は低いです。 商業規模での特定の単一学習率に関する不確実性は、さまざまな学習率が結果にどのような影響を与えるかをテストすることによって取得されます。 したがって、単一要因の学習曲線アプローチを使用すると、コストの変化とそれに関連する材料およびエネルギーの消費は、時間の経過に伴う DACCS の累積設置容量によるものと考えられ、技術の進歩と他の要因との相関関係を明らかにする能力が制限されます。 ）研究開発費76．

ライフサイクル影響評価ステップでは、特性評価要素を通じて排出量と資源使用を環境影響に関連付けます。 ここで採用したフレームワークは、世界規模またはヨーロッパ規模の特性評価要素を適用しました。 位置一般的な特徴付け要因は、気候変動の影響などの地球規模の影響には適していますが、酸性化 77、富栄養化 78、生態毒性 79 などの非地球規模の影響の定量化には大きな不確実性をもたらす可能性があります。これらは通常、地域の気象学的、水文学的、土壌によって影響を受けます。環境条件と排出に対する生態系の感受性。 これらの影響カテゴリーについては、国に依存した特性評価モデルと要因が開発されていますが、この研究で適用される LCA フレームワークにはまだ組み込まれていません。 地域的な影響評価を実施するための既存の枠組みの能力を強化するには、さらなる方法論的な改善が必要です。

この研究は、DACCS の環境への影響がバックグラウンドのエネルギー システムに応じて異なる軌跡を描く可能性があることを示しているため、これらの環境指標を監視し続けること、さらには意思決定プロセスで考慮することが重要です。 将来の研究では、より良い環境影響評価のためにライフサイクル環境指標を IAM に組み込む実現可能性が探られる可能性があります。 最先端の IAM には通常、制約として GHG 排出量、土地や水の使用などの環境関連の指標が含まれていますが、その他の多くの環境影響の側面が欠けています。 たとえば、資源を大量に消費する再生可能エネルギーや蓄電池のエネルギーシステムへの普及が進んでいることを考えると、金属消費量は重要な指標となる可能性があります。 さらに、ライフサイクル環境指標はライフサイクルのすべての段階（建設、輸送、運用、耐用年数終了など）からの排出量を捕捉し、IAM はさまざまなセクター間の相互関係を評価します。 したがって、ライフサイクル環境指標と IAM を統合することにより、二重カウントを避けるために、ライフサイクルのさまざまな段階の排出量を IAM の対応するセクター/エネルギー事業者に慎重に割り当てる必要があります80。

2 つの DACCS テクノロジーの完全な LCI データは、補足情報文書 (表 6 から表 9) に記載されています。 この研究で検討した 3 つのシナリオの IMAGE 出力は文書化され、補足データセットの「Data_source」ファイルに提供されます。 一部の発電技術 (波力、CCS を備えた化石燃料)、バイオメタン熱供給、およびアミンベースの吸着剤の LCI データは、LCA モデリング プロセス中に修正された ecoinvent データベースに組み込まれます。これらの LCI データも同じ「Data_source」で提供されます。 " 補足データセット内のファイル。 GitHub リポジトリで提供されるデータの永続的な参照には、https://doi.org/10.5281/zenodo.651334381 からもアクセスできます。

この研究で使用されるすべての R および Python コードは文書化されており、補足データセットの「コード」ファイルで提供されます。 この研究では図の作成に R プログラミングが使用されており、図の作成に使用されたすべての結果は文書化され、補足データセットの「R_code_result_export」ファイルに提供されます。 LCA モデルの計算を再実行するには、Brightway2、Wurst (2 つの Python コーディング フレームワーク)、および Ecoinvent 3.6 データベース (ライセンスが必要) が必要です。 GitHub リポジトリで提供されているコードの永続的な参照には、https://doi.org/10.5281/zenodo.651334381 からもアクセスできます。

IPCC。 産業革命以前のレベルより 1.5 °C 上昇した地球温暖化の影響と、それに関連する地球規模の温室効果ガス排出経路に関する特別レポート。 （気候変動に関する政府間パネル、2018年）。

ロゲルジ、J. et al. 地球の平均気温上昇を 1.5 °C 未満に制限するためのシナリオ。 ナット。 登る。 Change 8、325–332 (2018)。

サンズペレス、ES、マードック、CR、ディダス、SA、ジョーンズ、CW 周囲空気からの CO2 の直接回収。 化学。 改訂 116、11840–11876 (2016)。

論文 PubMed Google Scholar

バウアー、N.ら。 世界のエネルギー部門の排出削減とバイオエネルギー利用: EMF-33 モデル比較のバイオエネルギー需要フェーズの概要。 登る。 変更 163、1553 ～ 1568 (2020)。

記事 CAS Google Scholar

スミス、P.ら。 マイナスの CO2 排出に対する生物物理学的および経済的制限。 ナット。 登る。 Change 6、42–50 (2016)。

記事 CAS Google Scholar

ファス、S.ら。 マイナス排出 - パート 2: コスト、可能性、副作用。 環境。 解像度レット。 13、063002 (2018)。

記事 Google Scholar

Stucki, S.、Schuler, A. & Constantinesc, M. 大気からの CO2 回収と水の電気分解の組み合わせ: 水素貯蔵のための新しいプロセスの実現可能性。 内部。 Ｊ．ハイドロッグ． エネルギー 20、653–663 (1995)。

記事 CAS Google Scholar

Baciocchi, R.、Storti, G. & Mazzotti, M. 空気から二酸化炭素を回収するためのプロセス設計とエネルギー要件。 化学。 工学プロセス。 プロセスの集中化。 45、1047–1058 (2006)。

記事 CAS Google Scholar

Zeman、F. 周囲空気からの CO2 回収のエネルギーと物質収支。 環境。 科学。 テクノロジー。 41、7558–7563 (2007)。

論文 CAS PubMed Google Scholar

Keith, DW、Holmes, G.、St. Angelo, D. & Heidel, K. 大気から CO2 を回収するプロセス。 ジュール 2、1573 ～ 1594 年 (2018)。

記事 CAS Google Scholar

Veselovskaya、JV et al. K2CO3/Al2O3 複合吸着剤を使用して周囲空気から CO2 を直接回収します。 内部。 J. グリーンガス。 コントロール 17、332–340 (2013)。

記事 CAS Google Scholar

Lu, W.、Sculley, JP、Yuan, D.、Krishna, R.、Zhou, H.-C. アミングラフト多孔質ポリマーネットワークを使用して空気から二酸化炭素を捕捉します。 Ｊ．Ｐｈｙｓ． 化学。 C. 117、4057–4061 (2013)。

記事 CAS Google Scholar

Gebald, C.、Wurzbacher, JA、Tingaut, P.、Zimmermann, T. & Steinfeld, A. 空気からの CO 2 捕捉のための吸着剤としてのアミンベースのナノフィブリル化セルロース。 環境。 科学。 テクノロジー。 45、9101–9108 (2011)。

論文 CAS PubMed Google Scholar

マクドナルド、TM et al. アルキルアミン付加金属有機構造体 mmen-Mg2 (dobpdc) における空気および排ガスからの二酸化炭素の捕捉。 混雑する。 化学。 社会 134、7056–7065 (2012)。

論文 CAS PubMed Google Scholar

Beuttler, C.、Charles, L. & Wurzbacher, J. 人為的温室効果ガス排出の緩和における直接空気捕捉の役割。 フロント。 登る。 1、611593 (2019)。

記事 Google Scholar

Chen, C. & Tavoni, M. 大気中の CO2 の直接回収と気候の安定化: モデルに基づく評価。 登る。 変更 118、59–72 (2013)。

記事 CAS Google Scholar

Marcucci, A.、Kypreos, S. & Panos, E. パリの長期目標達成への道：エネルギー転換と直接空気回収の役割​​。 登る。 変更 144、181–193 (2017)。

記事 Google Scholar

ファーマン、J.ら。 +1.5 °C の将来におけるマイナス排出技術の食料、エネルギー、水への影響。 ナット。 登る。 変化。 10、920–927 (2020)。

記事 CAS Google Scholar

Realmonte, G. et al. 深い緩和経路における直接空気捕捉の役割のモデル間評価。 ナット。 共通。 10、3277 (2019)。

論文 CAS PubMed PubMed Central Google Scholar

ファーマン、J.ら。 $\mathplus$1.5 °C および $\mathplus$2 °C の将来に向けた共通の社会経済的経路における直接大気回収技術とマイナス排出技術の役割。 環境。 解像度レット。 16、114012 (2021)。

Croutzig、F. et al. ネガティブエミッション技術とエネルギーシステムの相互依存。 エネルギー環境。 科学。 12、1805 ～ 1817 年 (2019)。

記事 CAS Google Scholar

de Jonge、MMJ、Daemen、J.、Loriaux、JM、Steinmann、ZJN、Huijbregts、MAJ 強力な水酸化物吸着剤を使用した直接空気回収システムのライフサイクル炭素効率。 内部。 J. グリーンガス。 コントロール 80、25–31 (2019)。

記事 Google Scholar

Liu, CM、Sandhu, NK、McCoy, ST & Bergerson, JA 直接空気回収およびフィッシャー・トロプシュ燃料生産による温室効果ガス排出のライフサイクル評価。 持続可能な。 Energy Fuels 4、3129–3142 (2020)。

CAS Google スカラー

Deutz, S. & Bardow, A. 温度と真空のスイング吸着に基づく産業用直接空気回収プロセスのライフサイクル評価。 ナット。 エネルギー 6、203–213 (2021)。

記事 CAS Google Scholar

マックィーン、N.、デズモンド、MJ、ソコロフ、RH、プサラス、P. & ウィルコックス、J. 溶媒ベースの直接空気捕捉のための天然ガスと電気。 フロント。 登る。 2、618644 (2021)。

Terlouw, T.、Treyer, K.、Bauer, C. & Mazzotti, M. 低炭素エネルギー源による直接大気炭素回収と貯蔵のライフサイクル評価。 環境。 科学。 テクノロジー。 55、11397–11411 (2021)。

Caduff, M.、Huijbregts, MAJ、Althaus, H.-J. & Hendriks、AJ エネルギー変換装置の質量、燃料消費量、コストを推定するためのべき乗関係。 環境。 科学。 テクノロジー。 45、751–754 (2011)。

論文 CAS PubMed Google Scholar

Caduff, M.、Huijbregts, MAJ、Koehler, A.、Althaus, H.-J. & Hellweg、S. ライフ サイクル アセスメントにおける関係のスケーリング。 Ｊ．Ｉｎｄ．Ｅｃｏｌ． 18、393–406 (2014)。

記事 CAS Google Scholar

Bergesen, JD & Suh, S. サプライチェーンにおける技術学習のフレームワーク: CdTe 太陽光発電のケーススタディ。 応用エネルギー 169、721–728 (2016)。

記事 CAS Google Scholar

ヴァン・ヴーレン、DP 他グリーン成長パラダイムの下でのエネルギー、土地利用、温室効果ガス排出の軌跡。 グロブ。 環境。 Change 42、237–250 (2017)。

記事 Google Scholar

Stehfest, E.、van Vuuren, D.、Bouwman, L.、Kram, T. IMAGE 3.0 による地球環境変化の統合評価: モデルの説明と政策の適用。 (オランダ環境評価庁 (PBL)、2014)。

Riahi, K. et al. 共有される社会経済経路とそのエネルギー、土地利用、温室効果ガス排出への影響: 概要。 グロブ。 環境。 Change 42、153–168 (2017)。

記事 Google Scholar

オニール、BC et al. 今後の道: 21 世紀の世界の未来を描く社会経済的経路の物語。 グロブ。 環境。 Change 42、169–180 (2017)。

記事 Google Scholar

ヴァン・ヴーレン、DP 他代表的な濃度経路: 概要。 登る。 変更 109、5–31 (2011)。

記事 Google Scholar

ティルマン、A.-M. LCA手法の意思決定の重要性。 環境。 影響評価。 改訂 20、113–123 (2000)。

記事 Google Scholar

Hospido, A.、Davis, J.、Berlin, J. & Sonesson, U. 新規食品の LCA に影響を与える方法論的問題のレビュー。 Int J. ライフ サイクル アセスメント。 15、44–52 (2010)。

記事 Google Scholar

ベルトラン、AM et al. 背景が重要な場合: 将来のライフサイクル評価で統合評価モデルのシナリオを使用する。 Ｊ．Ｉｎｄ．Ｅｃｏｌ． 24、64–79 (2020)。

記事 Google Scholar

Rauner, S. et al. 石炭排出による健康と環境へのダメージの軽減は、経済的影響を上回ります。 ナット。 登る。 変化。 10、308–312 (2020)。

記事 Google Scholar

ファクトシート：バイデン大統領は、高賃金の組合雇用の創出とクリーンエネルギー技術における米国のリーダーシップの確保を目的として、2030年の温室効果ガス汚染削減目標を設定。 https://www.whitehouse.gov/briefing-room/statements-releases/2021/04/22/fact-sheet-president-biden-sets-2030-greenhouse-gas-pollution-reduction-target-aimed-at-賃金の高い労働組合の雇用の創出と、クリーン エネルギー技術におけるリーダーシップの確保/ (2021)。

Madhu, K.、Pauliuk, S.、Dhathri, S.、Creutzig, F. 比較ライフサイクル評価を通じて、直接空気回収技術の環境トレードオフと資源需要を理解します。 ナット。 エネルギー 6、1035–1044 (2021)。

記事 CAS Google Scholar

マックィーン、N. 他米国における低炭素熱エネルギーと組み合わせた直接空気捕捉および隔離のコスト分析。 環境。 科学。 テクノロジー。 54、7542–7551 (2020)。

論文 CAS PubMed Google Scholar

ウェルネット、G.ら。 ecoinvent データベース バージョン 3 (パート I): 概要と方法論。 内部。 J. ライフサイクルアセスメント。 21、1218–1230 (2016)。

記事 Google Scholar

燃料別の二酸化炭素排出係数 - 米国エネルギー情報局 (EIA)。 https://www.eia.gov/environment/emissions/co2_vol_mass.php (2021)。

Kätelhön, A.、Bardow, A.、Suh, S. 結果的なライフサイクル評価のための確率的技術選択モデル。 環境。 科学。 テクノロジー。 50、12575–12583 (2016)。

論文 PubMed Google Scholar

Kätelhön, A.、von der Assen, N.、Suh, S.、Jung, J. & Bardow, A. ライフサイクル評価における新技術の導入による環境への影響をモデル化するための産業コスト曲線アプローチ。 環境。 科学。 テクノロジー。 49、7543–7551 (2015)。

論文 PubMed Google Scholar

Qin, Y.、Yang, Y.、Cucurachi, S.、Suh, S. 周辺 LCA の非線形性: 空間最適化モデルの適用。 フロント。 持続する。 2、631080 (2021)。

Pizzol, M.、Sacchi, R.、Köhler, S. & Anderson Erjavec, A. スケーラブルな新興テクノロジーのライフサイクル評価における非線形性。 フロント。 持続する。 1、611593 (2021)。

Mutel, C. Brightway: ライフサイクル評価のためのオープンソース フレームワーク。 J. オープンソース ソフトウェア。 2、236 (2017)。

記事 Google Scholar

Mulders, FMM、Hettelar, JMM & Van Bergen, F. TIMER のための世界の化石燃料埋蔵量と資源の評価。 TNO 建築環境と地球科学、ユトレヒト 98、https://models.pbl.nl/image/index.php/Mulders_et_al.,_2006 (2006)。

ログナー、H.-H. 世界の炭化水素資源の評価。 アンヌ。 Rev.エネルギー環境。 22、217–262 (1997)。

記事 Google Scholar

De Vries, BJ、Van Vuuren, DP & Hoogwijk, MM 再生可能エネルギー源: 世界レベルでの 21 世紀前半の世界的な可能性: 統合されたアプローチ。 エネルギー政策 35、2590–2610 (2007)。

記事 Google Scholar

Gernat, DE、Bogaart, PW、van Vuuren, DP、Biemans, H. & Niessink, R. 世界的な技術的および経済的な水力発電の可能性の高解像度評価。 濡れた。 エネルギー 2、821–828 (2017)。

記事 Google Scholar

Daioglou, V.、Doelman, JC、Wicke, B.、Faaij, A. & van Vuuren, DP 気候変動緩和シナリオにおけるバイオマスの需要と供給の統合評価。 グロブ。 環境。 変更 54、88–101 (2019)。

記事 Google Scholar

van Soest、H. et al. 各国に関連する政策を世界的に展開することで、排出量のギャップを埋めます。 https://doi.org/10.21203/rs.3.rs-126777/v1 (2021)。

Koelbl, BS、van den Broek, MA、Faaij, APC & van Vuuren, DP 二酸化炭素回収・貯留 (CCS) 導入予測の不確実性: クロスモデル比較演習。 登る。 変更 123、461–476 (2014)。

記事 CAS Google Scholar

Broehm, M.、Strefler, J.、Bauer, N. 大規模な CO2 削減のための直接空気回収システムの技術経済的レビュー。 https://papers.ssrn.com/abstract=2665702。 https://doi.org/10.2139/ssrn.2665702。 (2015)

ソコロフ、R.ら。 化学物質による CO2 の直接大気回収: APS 広報パネルの技術評価。 https://www.aps.org/policy/reports/assessments/upload/dac2011.pdf。 （2011年）。

Koornneef, J.、van Keulen, T.、Faaij, A.、Turkenburg, W. 燃焼後の CO2 の回収、輸送、貯蔵を伴う微粉炭発電所のライフサイクル評価。 内部。 J. グリーンガス。 コントロール 2、448–467 (2008)。

記事 CAS Google Scholar

マサチューセッツ州Huijbregtsら。 ReCiPe2016: 中間点およびエンドポイントレベルでの調和されたライフサイクル影響評価手法。 内部。 J. ライフサイクルアセスメント。 22、138–147 (2017)。

記事 Google Scholar

Argote, L. & Epple, D. 製造における学習曲線。 サイエンス 247、920 (1990)。

論文 CAS PubMed Google Scholar

Junginger, M. & Louwen, A. 低炭素エネルギー システムへの移行における技術学習: エネルギー モデリングにおける概念的な問題、経験的発見、および使用。 （アカデミックプレス、2019年）。

van der Giesen, C.、Cucurachi, S.、Guinée, J.、Kramer, GJ & Tukker, A. 新しいテクノロジーに対する LCA の現在の適用に関する批判的な見解と、改善された実践のための推奨事項。 J. クリーナー製品。 259、120904。https://doi.org/10.1016/j.jclepro.2020.120904。 （2020年）。

バーガーソン、J.A. et al. 新興テクノロジーのライフサイクル評価: 市場および技術的成熟度のさまざまな段階での評価手法。 Ｊ．Ｉｎｄ．Ｅｃｏｌ． 24、11–25 (2020)。

記事 CAS Google Scholar

Baker, SE et al. ニュートラルへの移行: カリフォルニアにおけるマイナス炭素排出のオプション。 https://gs.llnl.gov/sites/gs/files/2021-08/getting_to_neutral.pdf。 （2019年）。

Ahmad, L.、Khordehgah, N.、Malinauskaite, J. & Jouhara, H. 太陽光発電と熱技術の最近の進歩と応用。 エネルギー 207、118254 (2020)。

記事 Google Scholar

ラバイア、MKH et al. 太陽エネルギーシステムの環境への影響: レビュー。 科学。 トータル環境。 754、141989 (2021)。

論文 CAS PubMed Google Scholar

ワトソン、S.ら。 風力発電分野における将来の新興技術: ヨーロッパの視点。 更新します。 持続する。 エネルギー改訂 113、109270 (2019)。

記事 Google Scholar

Aneke, M. & Wang, M. エネルギー貯蔵技術と実際の応用 - 最先端のレビュー。 応用エネルギー 179、350–377 (2016)。

記事 Google Scholar

Schmidt, O.、Hawkes, A.、Gambhir, A.、Staffell, I. 経験率に基づく電気エネルギー貯蔵の将来コスト。 ナット。 エネルギー 2、1–8 (2017)。

Google スカラー

Fasihi, M.、Efimova, O. & Breyer, C. CO2 直接空気回収プラントの技術経済的評価。 J. クリーン。 製品。 224、957–980 (2019)。

記事 CAS Google Scholar

マックィーン、N. 他直接空気回収 (DAC) のレビュー: 商用技術のスケールアップと将来に向けた革新。 プログレ。 エネルギー 3、032001 (2021)。

記事 Google Scholar

Karali, N.、ワイオミング州パーク、McNeil, M. 技術革新と、それが米国の鉄鋼部門におけるエネルギー節約に及ぼす影響をモデル化。 応用エネルギー 202、447–458 (2017)。

記事 Google Scholar

グロス、R. et al. 未来の提示: 発電コストの見積もり手法。 https://d2e1qxpsswcpgz.cloudfront.net/uploads/2020/03/presenting-the-future-electricity-generation-cost-estimation-methodologies.pdf。 (英国エネルギー研究センター、2013)。

Ferioli, F. & Van der Zwaan、BCC 変化の時代の学習: 技術進歩の動的な説明。 （ACS出版、2009年）。

ネメット、GF 公的にサポートされているエネルギー技術のコスト動向の中間モニタリング。 エネルギー政策 37、825–835 (2009)。

記事 Google Scholar

Rubin, ES、Azevedo, IML、Jaramillo, P.、Yeh, S. 電力供給技術の学習率のレビュー。 エネルギー政策 86、198–218 (2015)。

記事 Google Scholar

ロイ、P.-O. 他。 地球規模での陸地の酸性化の特性評価要因: 空間変動性と不確実性の体系的な分析。 科学。 トータル環境。 500–501、270–276 (2014)。

論文 PubMed Google Scholar

Helmes, RJK、Huijbregts, MAJ、Henderson, AD & Jolliet, O. 地球規模での淡水へのリン排出の空間的に明示的な運命因子。 Int J. ライフ サイクル アセスメント。 17、646–654 (2012)。

記事 CAS Google Scholar

Dong, Y.、Rosenbaum, RK & Hauschild, MZ 海洋生態系における金属毒性の評価: 沿岸海水中の 9 種類のカチオン性金属の潜在的な毒性の比較。 環境。 科学。 テクノロジー。 50、269–278 (2016)。

論文 CAS PubMed Google Scholar

Arvesen, A.、Ludeler, G.、Pehl, M.、Bodirsky, BL & Hertwich, EG 統合評価モデリングに適用するためのライフサイクル評価係数を導き出す。 環境。 モデル。 ソフトウェア。 99、111–125 (2018)。

記事 Google Scholar

Qiu, Y. 2100 年に向けた気候変動緩和における直接空気回収技術の環境トレードオフ — コードとデータ。 https://doi.org/10.5281/zenodo.6513343 (2022)。

リファレンスをダウンロードする

この著作物の一部は、契約番号 DE-AC36-08GO28308 に基づいて米国エネルギー省 (DOE) のアライアンス・フォー・サステイナブル・エネルギー LLC によって運営されている国立再生可能エネルギー研究所 (NREL) によって執筆されました。 PL と YQ は、NREL の実験室主導研究開発 (LDRD) プログラムによって支援されました。 この記事で表明された見解は、必ずしも DOE または米国政府の見解を表すものではありません。 米国政府は、記事の出版を受け入れることにより、米国政府がこの著作物の出版された形式を出版または複製するための非独占的で、支払い済みの、取消不能な世界規模のライセンスを保持していることを認め、または他者にそのような行為を許可することを認めます。米国政府の目的のため。 YQ は、カリフォルニア大学サンタバーバラ校の IRES プログラムからも資金提供を受けました (全米科学財団賞第 1658652 号)。 これらの結果につながったVD、HB、およびMHによる研究は、欧州委員会のHorizo​​n 2020プログラムH2020/2019-2023（助成契約番号821124：ナビゲート）から資金提供を受けました。 AB の寄付は、ACT プログラム (Accelerated CCS Technologies、Horizo​​n 2020 プロジェクト番号 294766) を通じて資金提供された PrISMa プロジェクト (番号 299659) の一部でした。 私たちは、この研究の設計と DACCS システムのライフサイクル インベントリ データの収集においてご協力いただいた Marvin Bachmann、Sarah Deutz、Leonard Müller に感謝します。 DACCS システムの材料要件データの推定にご協力いただいた Katherine Blumanthal 氏、Maxwell Pisciotta 氏に感謝いたします。

Yang Qiu、Patrick Lamers、Vassilis Daioglou などの著者も同様に貢献しました。

国立再生可能エネルギー研究所、15013 Denver W Pkwy、ゴールデン、コロラド州、80401、米国

ヤン・チウ & パトリック・ラマーズ

ブレン環境科学管理大学院、カリフォルニア大学 2400、サンタバーバラ、カリフォルニア州、93117、米国

ヤン・チウ＆サンウォン・ソ

コペルニクス持続可能な開発研究所、ユトレヒト大学、プリンストンラーン 8a、3584 CS、ユトレヒト、オランダ

ヴァシリス・ダイオグルー & マタイス・ハームセン

PBL オランダ環境評価庁、私書箱 30314、2500 GH、ハーグ、オランダ

ヴァシリス・ダイオグルー、ハルメン・シッツェ・デ・ブール、マタイス・ハームセン

ペンシルベニア大学、化学および生体分子工学部、ペンシルバニア州フィラデルフィア、19104、米国

ノア・マックイーン & ジェニファー・ウィルコックス

エネルギー・気候研究所 - エネルギー システム エンジニアリング (IEK-10)、Forschungszentrum Jülich GmbH、ユーリッヒ、ドイツ

アンドレ・バルドー

エネルギーおよびプロセス システム エンジニアリング、ETH Zurich、8092、チューリッヒ、スイス

アンドレ・バルドー

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

YQ、PL、VD はこの論文に等しく貢献しました。 PLは資金を獲得した。 PL と SS が研究を設計しました。 YQ、VD、HB、MH が実験を実行しました。 NM、JW、AB がデータを提供しました。 PL、YQ、および VD は、他の著者からの意見を取り入れて論文を執筆しました。

パトリック・ラマーズまたはサンウォン・スーへの通信。

AB は、エクソンモービルとトータル・エナジーズの研究開発の審査委員会の委員を務めました。 他の著者は競合する利益を宣言していません。

Nature Communications は、この研究の査読に貢献してくれた Habiba Ahut Daggash 氏、Evangelos Panos 氏、およびその他の匿名の査読者に感謝します。

発行者注記 Springer Nature は、発行された地図および所属機関の管轄権の主張に関して中立を保っています。

オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Qiu, Y.、Lamers, P.、Daioglou, V. 他 2100 年に向けた気候変動緩和における直接空気回収技術の環境トレードオフ。Nat Commun 13、3635 (2022)。 https://doi.org/10.1038/s41467-022-31146-1

引用をダウンロード

受信日: 2021 年 9 月 20 日

受理日: 2022 年 6 月 3 日

公開日: 2022 年 6 月 25 日

DOI: https://doi.org/10.1038/s41467-022-31146-1

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

自然の気候変動 (2023)

ネイチャーコミュニケーションズ (2023)

気候変動 (2023)

コメントを送信すると、利用規約とコミュニティ ガイドラインに従うことに同意したことになります。 虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。