Blog

Dec 23, 2023

Comercio ambiental

Volumen de comunicaciones de la naturaleza

Nature Communications volumen 13, Número de artículo: 3635 (2022) Citar este artículo

14k Accesos

14 citas

306 Altmetric

Detalles de métricas

La captura directa de aire (DAC) es fundamental para lograr objetivos climáticos estrictos, pero las implicaciones ambientales de su despliegue a gran escala no se han evaluado en este contexto. Al realizar una evaluación prospectiva del ciclo de vida de dos tecnologías prometedoras en una serie de escenarios de mitigación del cambio climático, encontramos que la descarbonización del sector eléctrico y las mejoras en la tecnología DAC son indispensables para evitar el cambio de problemas ambientales. La descarbonización del sector eléctrico mejora la eficiencia del secuestro, pero también aumenta la ecotoxicidad terrestre y los niveles de agotamiento de metales por tonelada de CO2 secuestrada a través de DAC. Estos aumentos pueden reducirse mediante mejoras en la eficiencia del uso de energía y materiales DAC. DAC exhibe variaciones de impacto ambiental regional, destacando la importancia de la ubicación inteligente relacionada con la planificación e integración del sistema energético. El despliegue de DAC ayuda al logro de los objetivos climáticos a largo plazo; sin embargo, su desempeño ambiental y climático depende de las acciones de mitigación sectoriales y, por lo tanto, no debería sugerir una relajación de los objetivos sectoriales de descarbonización.

Los escenarios de mitigación del cambio climático utilizados por el Panel Intergubernamental sobre el Cambio Climático (IPCC)1 sugieren que una rápida descarbonización en los servicios relacionados con la energía y los materiales probablemente sea insuficiente para mantener el aumento de la temperatura media mundial muy por debajo de los 2 °C para fines del siglo XXI. . Se espera que el presupuesto global de carbono restante de 420 a 1170 gigatoneladas (Gt) de CO2 se agote en 10 a 30 años según las tasas de emisión anuales actuales y las contribuciones determinadas a nivel nacional (NDC, por sus siglas en inglés) proyectadas2. La mayoría de los escenarios de emisión del IPCC superan el presupuesto de carbono al principio y luego eliminan el exceso de carbono a través de tecnologías de eliminación de dióxido de carbono (CDR), es decir, esfuerzos intencionales para eliminar el CO2 de la atmósfera y almacenarlo en la tierra o en los océanos en el orden de 200–1200 Gt CO2 hacia el año 21002.

Las estrategias de CDR incluyen la mejora de sumideros de carbono naturales sobre y bajo tierra en plantas, formaciones rocosas y suelos, así como soluciones de ingeniería escalables diseñadas para secuestrar, almacenar o utilizar CO2 atmosférico concentrado. La captura directa de aire (DAC), a pesar de encontrarse en una etapa temprana de desarrollo, está ganando cada vez más atención y es reconocida como una estrategia prometedora de mitigación del cambio climático1. Dados los niveles homogéneos de concentración de CO2 en la atmósfera en todo el mundo, las instalaciones de DAC se pueden implementar en ubicaciones que proporcionen abundante energía barata y libre de carbono y/o que estén cerca de infraestructura de tuberías, almacenamiento subterráneo o instalaciones de utilización para reducir el costo de transporte de CO23. Además, en comparación con la bioenergía con captura y almacenamiento de carbono (BECCS), una tecnología CDR alternativa que facilita objetivos de mitigación estrictos4, se espera que DAC tenga una huella mucho menor en el uso del agua y la tierra5, lo que reduce las preocupaciones sobre la seguridad alimentaria y la pérdida de biodiversidad6.

La captura y almacenamiento directo de carbono en el aire (DACCS) utiliza procesos químicos o físicos para separar el CO2 del aire ambiental y lo secuestra permanentemente en sitios de almacenamiento geológico. Debido a la naturaleza altamente diluida del CO2 atmosférico (actualmente alrededor de 415 partes por millón), las tecnologías DACCS requieren aportes sustanciales de energía y materiales, por lo que su implementación futura y su papel en la mitigación del cambio climático dependerán en gran medida del diseño del proceso y los resultados tecnoeconómicos y ambientales resultantes3. . Actualmente, dos tipos de tecnologías se consideran prometedoras desde una perspectiva tecnoeconómica: DACCS a base de solventes, que generalmente se basan en soluciones acuosas de hidróxido (hidróxido de potasio, hidróxido de sodio) para capturar CO27,8,9,10, y DACCS a base de sorbentes, que utilizan principalmente amina. materiales adheridos a una amplia gama de soportes sólidos porosos11,12,13,14. El DACCS a base de solventes requiere calor dedicado a alta temperatura (900 °C) para la regeneración de CO210. Por lo tanto, desde una perspectiva termodinámica, las opciones de suministro de calor se limitan en gran medida a la combustión de combustibles densos en energía como el gas natural (renovable) o el hidrógeno (renovable), mientras que los enfoques de regeneración electroquímica y calentamiento por resistencia eléctrica están en desarrollo. Los DACCS basados ​​en sorbentes pueden funcionar con calor a baja temperatura (80–120 °C) para la regeneración de CO215, lo que ofrece una mayor variedad de opciones de suministro de energía térmica (p. ej., bomba de calor, geotermia y calor residual industrial).

Un número creciente de estudios han incluido DACCS en escenarios de modelado de evaluación integrada (IAM). Destacan el papel fundamental de DACCS en el cumplimiento de objetivos climáticos estrictos, pero también revelan las ventajas y desventajas de implementar DACCS, que, por un lado, podría reducir el costo de mitigación y relajar la competencia por el uso de la tierra. Por otro lado, la implementación y operación de DACCS a gran escala también podría requerir grandes cantidades de energía adicional16,17,18,19. Según el enfoque de modelado y el escenario, estos estudios proyectan que los niveles de implementación de DACCS para alcanzar un objetivo climático de 2 °C o más estricto para 2100 pueden alcanzar hasta 40 Gt de secuestro anual de CO216,17,18,20. A esta escala, DACCS (suponiendo un proceso basado en solventes) podría consumir hasta un 12 % y un 60 % de energía eléctrica y no eléctrica global para 210017,21. Evidentemente, para las instalaciones DACCS conectadas a las redes eléctricas, su desempeño ambiental dependerá del contexto del sistema eléctrico en el que operarán. Estudios previos han demostrado que DACCS puede lograr emisiones negativas, pero las eficiencias de captura son sensibles a la eficiencia operativa y la fuente de energía22,23,24,25. Una evaluación reciente del ciclo de vida (LCA) de las tecnologías DACCS también identificó posibles compensaciones ambientales en una mayor transformación de la tierra si DACCS funciona con electricidad solar (en comparación con el uso de electricidad de la red)26. Estos estudios, sin embargo, asumen que DACCS funciona con una tecnología de generación específica o con sistemas de electricidad estática. Por lo tanto, no revelan cómo podrían cambiar los impactos ambientales de DACCS con las transiciones del sistema de energía siguiendo escenarios de mitigación estrictos1, ni cuantifican las compensaciones ambientales potenciales más amplias de las transiciones del sistema de energía con y sin el despliegue de DACCS en tales escenarios hacia 2100. Además, estos los estudios no tienen en cuenta completamente las mejoras tecnológicas potenciales a largo plazo de DACCS, que se espera que afecten los impactos ambientales de las tecnologías al cambiar su material físico y los insumos de energía27,28,29.

Aquí, calculamos un LCA prospectivo de DACCS bajo escenarios de mitigación del cambio climático desarrollados por el Modelo de Evaluación Integrada IMAGE 3.230,31 que son consistentes con los objetivos climáticos del Acuerdo de París. IMAGE 3.2 se ha utilizado para proyectar el suministro, la conversión y la demanda futuros de energía hacia el año 2100 en 26 regiones del mundo en función de las narrativas demográficas, económicas, tecnológicas y de comportamiento de los caminos socioeconómicos compartidos (SSP)32,33. Este estudio utiliza la ruta 'Mitad del camino' (SSP2), que asume desarrollos futuros en línea con patrones históricos. Luego, esto se vincula con los objetivos climáticos definidos por las rutas de concentración representativas (RCP)34 para determinar los precios de carbono requeridos que conducen a cambios en el sistema energético consistentes con el logro de objetivos climáticos específicos. Utilizamos tres escenarios distintos: Una línea de base SSP2 sin políticas y medidas climáticas para limitar el forzamiento radiativo o mejorar la capacidad de adaptación (línea de base SSP2). Una línea de base SSP2 vinculada con un esfuerzo estricto de mitigación del cambio climático para limitar el calentamiento global a menos de 1,5 °C, es decir, un nivel de forzamiento radiativo de 1,9 W/m2 (RCP1,9), para 2100, lo que permite que DACCS sea una opción de CDR (SSP2 -RCP1.9 con DACCS). Finalmente, un contrafactual que sigue el mismo objetivo socioeconómico y de mitigación del cambio climático pero que no presenta DACCS como una opción de CDR (SSP2-RCP1.9 sin DACCS).

En un estudio LCA, los cambios tecnológicos en los sistemas de fondo y de primer plano pueden afectar los impactos ambientales del objeto estudiado. El sistema de primer plano consiste en procesos directamente relacionados con el objeto, mientras que el sistema de fondo incluye los procesos aguas arriba o aguas abajo en la cadena de suministro que están indirectamente relacionados con el objeto35,36. Aquí, adaptamos un marco LCA de código abierto37,38 para modificar los datos relacionados con la electricidad en la base de datos LCI de fondo utilizando proyecciones IMAGE explícitas regional y temporalmente (sobre combinación de electricidad, eficiencia de generación y emisiones asociadas a la electricidad) de 2020 a 2100 bajo el tres escenarios. Los impactos regionales se diferencian para los Estados Unidos (EE. UU.) y se comparan con China, Rusia, Europa occidental y un promedio mundial. Los cambios en las entradas de material y energía de primer plano de las dos tecnologías (DACCS basado en solvente y sorbente) durante el mismo período se estiman en función de la proyección IMAGE del despliegue global de DACCS utilizando un enfoque de curva de aprendizaje de un factor. Asumimos así una operación a escala comercial y mejoras tecnológicas vía learning-by-doing. Para capturar la incertidumbre relacionada con las tasas específicas de aprendizaje futuro, aplicamos diferentes tasas como parte de un análisis de sensibilidad. También se consideran dos tipos de opciones de suministro de calor para DACCS basados ​​en solventes (gas natural o biometano) y absorbentes (biometano o bomba de calor) para comprender cómo las fuentes de calor afectan sus perfiles ambientales. Además, también cuantificamos el efecto de la implementación de DACCS en los cambios en las cargas del sistema de energía, las combinaciones de redes y los cambios relacionados en los impactos ambientales al comparar el escenario de mitigación estricto (SSP2-RCP1.9) con y sin DACCS como una opción de CDR.

En este trabajo, encontramos que la descarbonización del sector eléctrico mejora la eficiencia de secuestro, pero también aumenta la ecotoxicidad terrestre y los niveles de agotamiento de metales por tonelada de CO2 secuestrada a través de DACCS, pero estos aumentos pueden reducirse mejorando las eficiencias de uso de materiales y energía de DACCS. en aprendizaje tecnológico, lo que indica que la descarbonización del sector eléctrico y las mejoras tecnológicas DACCS son indispensables para evitar el cambio de problemas ambientales. DACCS exhibe variaciones de impacto ambiental regional, destacando la importancia de la ubicación inteligente relacionada con la planificación e integración del sistema energético. El despliegue de DACCS ayuda al logro de los objetivos climáticos a largo plazo; sin embargo, su desempeño ambiental y climático depende de las acciones de mitigación sectoriales, y su despliegue no debería sugerir una relajación de los objetivos de descarbonización sectoriales.

DACCS logra emisiones netas negativas de gases de efecto invernadero (GEI) en todas las tecnologías y fuentes de calor investigadas por tonelada métrica (1t) de CO2 atmosférico capturado y secuestrado geológicamente en un contexto de EE. UU. para 2020. La eficiencia neta de secuestro varía según la tecnología DACCS y la fuente de calor (Fig. 1a) con impactos del cambio climático en el ciclo de vida que oscilan entre −0,36 y −0,94 t de CO2-eq para una combinación de red de referencia en 2020 (Fig. 1a). GEI negativo neto implica que las tecnologías DACCS liberan menos emisiones de GEI de las que capturan y secuestran geológicamente durante el ciclo de vida de las plantas (enfoque de la cuna a la tumba). La influencia de los diferentes contextos del sistema eléctrico de fondo se puede ver comparando los resultados de la línea de base SSP2 frente a los escenarios SSP2-RCP1.9 con DACCS. En la línea de base SSP2, el sistema eléctrico de EE. UU. reduce la participación de la generación de carbón del 31 % en 2020 al 7 % en 2100, mientras que su participación combinada de generación nuclear y renovable aumenta del 35 al 61 % durante el mismo período (Fig. 2a ). Como resultado, el impacto del cambio climático de DACCS se reduce aún más a −0,72 a −1,12 t CO2-eq para 2100. La eficiencia de secuestro más alta se logra mediante DACCS a base de solventes que utilizan biometano como fuente de calor (SV + BM). Dado que el proceso recolecta y secuestra el CO2 liberado durante el paso del proceso de generación de calor, el uso de biometano, un combustible de CO2 no fósil y libre de carga, crea un perfil de emisión de CO2 negativo más allá de 1 t de CO2 atmosférico secuestrado.

Las categorías de impacto incluyen (a) impacto del cambio climático, (b) impacto de toxicidad humana, (c) impacto de eutrofización de agua dulce, (d) impacto de ecotoxicidad de agua dulce, (e) impacto de acidificación terrestre, (f) impacto de ecotoxicidad terrestre, (g) agotamiento de metales , (h) agotamiento del agua. Se consideran cuatro combinaciones de DACCS y fuente de calor, que incluyen DACCS a base de solvente con biometano (SV + BM), DACCS a base de solvente con gas natural (SV + NG), DACCS a base de sorbente con biometano (SB + BM), DACCS a base de sorbente con biometano (SB + BM), DACCS con bomba de calor (SB+HP). En cada panel, el gráfico de líneas (lado izquierdo de cada panel) muestra la trayectoria de los impactos ambientales debido a la descarbonización del sector eléctrico bajo dos escenarios (excluyendo el aprendizaje tecnológico de DACCS). Uno es un escenario de línea de base de "Rutas socioeconómicas compartidas - Vía a la mitad del camino" (SSP2) (SSP2-baseline). El segundo escenario vincula la ruta SSP2 con la ruta de concentración representativa (RCP) que se alinea con un nivel de forzamiento radiativo de 1,9 W/m2 (RCP1,9) para 2100 y permite DACCS como una opción de CDR (SSP2-RCP1,9 con DACCS ). El diagrama de barras (lado derecho de cada panel) incluye el aprendizaje tecnológico de DACCS y, por lo tanto, compara los efectos de los sistemas de fondo y de primer plano (todos bajo el escenario SSP2-RCP1.9 con DACCS) sobre los impactos ambientales de los cuatro sistemas DACCS. Las barras sin relleno de color (solo con color de borde) marcan los cambios porcentuales de impactos en 2100 con respecto al nivel de 2020 solo debido a la descarbonización del sector eléctrico de fondo, mientras que las barras con relleno de color marcan los cambios porcentuales de impactos en 2100 con respecto al nivel de 2020. Nivel de 2020 debido tanto a la descarbonización del sector eléctrico de fondo como al aprendizaje tecnológico de primer plano (basado en tasas de aprendizaje de referencia) de DACCS. Las barras de error (asociadas a las barras con relleno de color) representan los resultados con tasas de aprendizaje lentas y rápidas (Tabla complementaria 10).

Los escenarios incluyen (a) línea de base SSP2, (b) SSP2-RCP1.9 sin DACCS (la ruta SSP2 vinculada con el objetivo climático RCP1.9, pero no incluye DACCS como una opción CDR), (c) SSP2 -RCP1.9 con escenarios DACCS y (d) las emisiones anuales de CO2 del sistema eléctrico de EE. UU. en los tres escenarios. En los paneles de combinación de electricidad (a, b, c), el área apilada representa las cuotas de mercado de la combinación de redes. "Solar" incluye tanto la energía solar fotovoltaica como la energía solar concentrada. El "petróleo" combina petróleo con y sin captura y almacenamiento de carbono (CCS), ya que el petróleo con CCS representa <1 % de la combinación de la red. Otras energías renovables incluyen energía undimotriz, mareomotriz y geotérmica. En (c), la línea discontinua roja muestra el porcentaje de la generación eléctrica anual consumida por DACCS, correspondiente al eje y secundario.

En el escenario SSP2-RCP1.9 con DACCS, el sector eléctrico de EE. UU. logra una descarbonización total para 2035 (Fig. 2d), lo cual está en línea con los objetivos actuales y una descarbonización de toda la economía para 205039. El escenario presenta una descarbonización anterior eliminación gradual del carbón y el gas natural (para 2050) y mayor penetración de energías renovables (81%) para 2100 (Fig. 2c). En este escenario, el impacto del cambio climático de DACCS exhibe reducciones más rápidas antes de 2050 y alcanza niveles de −0,91 a −1,25 t CO2-eq para 2100 (Fig. 1a).

La toxicidad humana del ciclo de vida, la eutrofización del agua dulce, la acidificación terrestre y el agotamiento del agua de DACCS son sensibles a las proporciones de generación de carbón y gas natural en la combinación de la red eléctrica (Figura complementaria 9). Estos impactos disminuyen de 2020 a 2100, mostrando cobeneficios ambientales con la descarbonización del sector eléctrico (Fig. 1b, c, e y h). Aún así, la descarbonización del sistema eléctrico de EE. UU. crea compensaciones ambientales para DACCS en otras categorías de impacto. Encontramos aumentos tanto para la ecotoxicidad terrestre (del 33 al 80 % en cuatro combinaciones de fuente de calor DACCS para los escenarios de referencia SSP2 y SSP2-RCP1.9 con DACCS) y los niveles de agotamiento de metales (del 23 al 42 % y del 40 al 73 %). % en cuatro combinaciones de fuente de calor DACCS para la línea de base SSP2 y SSP2-RCP1.9 con escenario DACCS, respectivamente) de 2020 a 2100 dadas las crecientes contribuciones de la energía solar fotovoltaica (PV) y la generación de energía eólica en el sistema eléctrico de fondo (Fig. 2f, g, Fig. 9 complementaria). El mayor impacto de ecotoxicidad en escenarios con alta generación de energía renovable se debe en gran medida a las emisiones de la producción de células fotovoltaicas solares a base de silicio y al procesamiento de cobre (ya que el cobre se usa para el cableado en turbinas eólicas y fotovoltaicas solares). La mayor demanda relativa de metal (por kW instalado) para la construcción de parques solares fotovoltaicos y eólicos también aumenta la extracción de minerales. La descarbonización de la electricidad apenas afecta la ecotoxicidad de agua dulce de DACCS debido al efecto contrarrestante del aumento de las penetraciones solares y eólicas (que aumentan el impacto) y la reducción de la generación de carbón (que disminuye el impacto) en la combinación de la red (Fig. 2d, Fig. 9 complementaria). ).

Los impactos ambientales del ciclo de vida de DACCS se ven afectados por el tipo de tecnología y la fuente de calor. El sistema de bomba de calor DACCS + basado en sorbente (SB + HP) tiene el mayor impacto sobre el cambio climático en 2020 porque el calor se convierte de la electricidad de la red dominada por combustibles fósiles, que tiene una intensidad de carbono más alta que otros suministros de calor, pero este impacto también es más sensible a la descarbonización del sector eléctrico, por lo que muestra una disminución más rápida en el tiempo. Bajo el escenario SSP2-RCP1.9 con DACCS, el impacto del cambio climático del sistema SB + HP se convierte en el más bajo en comparación con otros tres contrapartes después de 2040. Para DACCS basado en solventes, el uso de biometano como fuente de calor conduce a un clima más bajo. cambio de impacto que el uso de gas natural debido al secuestro de carbono biogénico adicional. Por lo tanto, el SV + BM exhibe un impacto de cambio climático de ciclo de vida más bajo en comparación con el sistema DACCS basado en solventes con gas natural (SV + NG) (Fig. 2a).

En cuanto a otras métricas no climáticas, el DACCS basado en sorbentes generalmente exhibe mayores impactos en la toxicidad humana, la eutrofización y la ecotoxicidad del agua dulce y el agotamiento de los metales, principalmente debido a su mayor consumo unitario de electricidad. Por el contrario, el DACCS a base de solvente muestra un mayor agotamiento de agua (por 1 t de CO2 capturado, 3 a 12 veces más que el DACCS a base de sorbente), porque captura el CO2 utilizando una solución acuosa de hidróxido, que se evapora durante la operación, mientras que el sorbente- El DACCS basado en aminas sólidas utiliza absorbentes basados ​​en aminas, que consumen mucha menos agua durante las fases de producción y uso. También se ha demostrado que, debido a la afinidad de los sorbentes de amina por el agua, el DACCS basado en sorbentes incluso coproduce agua en ambientes húmedos, que puede usarse como agua dulce o purificarse aún más en agua potable15. En cuanto a la fuente de calor, el DACCS a base de solventes que usa calor de gas natural tiene impactos más bajos para todas las categorías estudiadas en comparación con el biometano, excepto por la ecotoxicidad terrestre (mayor impacto debido al descarte de desechos tóxicos de perforación durante la producción de gas natural) y el agotamiento del agua (que es más sensible al tipo de tecnología que a la fuente de calor). El DACCS basado en sorbente exhibe un perfil de impacto ambiental más bajo usando biometano para el calor. El único aumento en comparación con el calor derivado de la bomba de calor es la acidificación terrestre, que se debe principalmente a la digestión anaeróbica de biorresiduos en la producción de biometano (Fig. 2b-h).

Nuestros resultados muestran que las mejoras continuas a través del aprendizaje práctico pueden mitigar algunos impactos ambientales. Bajo el escenario SSP2-RCP1.9 con DACCS, el aprendizaje tecnológico comienza a reducir los insumos de materiales y energía después de 2050 cuando DACCS se implementa a gran escala en todo el mundo (Tabla complementaria 11). Aún así, los impactos del cambio climático, la toxicidad humana y la eutrofización del agua dulce son atribuibles principalmente al consumo de electricidad (Figura complementaria 6) y la descarbonización del sector eléctrico ya reduce estos impactos (de la generación de electricidad) en más del 80% hasta 2050 (en relación con niveles de 2020) (Figura complementaria 9). Por lo tanto, el aprendizaje de la tecnología DACCS contribuye con <10 % de los cambios totales (durante los 80 años) en estos impactos (Fig. 1a–c). Si bien la descarbonización del sector eléctrico aumenta la ecotoxicidad del agua dulce (ligeramente), la ecotoxicidad terrestre y el agotamiento de metales por tonelada de CO2 secuestrada a través de DACCS de 2020 a 2100, las mejoras en la eficiencia de los materiales y la energía, inducidas por los efectos del aprendizaje, tienen el potencial de compensar los aumentos en todo el mundo. estas categorías. Un análisis de sensibilidad confirma el efecto prominente del aprendizaje en estos impactos. La variación de las tasas de aprendizaje entre los límites inferior y superior (Tabla complementaria 10) provoca aumentos adicionales (13-23%) o disminuciones (-10% a -13%) en los cambios totales de estos impactos, mientras que la variación de las tasas de aprendizaje apenas afecta los cambios de impacto total para el cambio climático, la toxicidad humana y la eutrofización de agua dulce. El agotamiento de agua de los DACCS a base de solventes muestra una mayor sensibilidad al cambio de las tasas de aprendizaje en comparación con los DACCS a base de sorbentes (Fig. 1h), ya que el uso de solventes representa más del 80 % del agotamiento total de agua para los DACCS a base de solventes ( Figura complementaria 6). Por lo tanto, reducir la evaporación del agua durante la operación puede ser una estrategia importante para disminuir el agotamiento del agua del ciclo de vida de los DACCS basados ​​en solventes.

La capacidad CDR proporcionada por DACCS también afecta el desarrollo a largo plazo del sistema energético. En nuestras proyecciones, los precios del carbono se utilizan como proxy para promover los cambios necesarios en el sistema energético para limitar las emisiones. Bajo el escenario de mitigación estricto con DACCS (SSP2-RCP1.9 con DACCS), el despliegue de DACCS en los EE. UU. comienza alrededor de 2050 y su capacidad operativa anual alcanza 0,85 GtCO2/año para 2100 (Fig. 3), consumiendo alrededor del 5 % ( 352 TWh) de generación eléctrica anual en EE. UU. (Fig. 2c). La disponibilidad de DACCS esencialmente actúa como un límite en el precio del carbono a largo plazo, lo que hace que los sectores difíciles de reducir compensen sus emisiones utilizando DACCS en lugar de invertir en tecnologías alternativas (por ejemplo, electrificación, mejora de la eficiencia energética), y esto lleva a un aumento en la demanda total de energía que se cubre parcialmente con el consumo adicional de combustibles fósiles (gas natural, petróleo y carbón) (Figura complementaria 7a). En consecuencia, estos sectores difíciles de reducir promueven el despliegue adicional de CDR, que primero se cumple con el secuestro adicional de CO2 de BECCS, que comienza a aumentar después de 2050, lo que lleva a un uso promedio de BECCS un 15 % mayor en comparación con el escenario sin DACCS. para 2080 (Fig. 8a complementaria). Posteriormente, a medida que la capacidad de DACCS aumenta más rápidamente después de 2080 y satisface gradualmente la demanda adicional de CDR, la captura anual de CO2 de BECCS se estabiliza alrededor de 1,3 GtCO2/año para 2100, como los niveles en el escenario de mitigación estricta sin DACCS. Es importante tener en cuenta que, a escala global, el requisito de BECCS es menor en el escenario SSP2-RCP1.9 con DACCS que en el caso SSP2-RCP1.9 sin DACCS (Figura complementaria 8a).

Las barras apiladas muestran el cambio de generación anual por tecnología cuando DACCS es una opción de eliminación de dióxido de carbono en el mismo escenario de mitigación. La línea roja representa la diferencia neta en la generación de energía anual restando el SSP2-RCP1.9 sin DACCS del escenario con DACCS (eje y primario). La línea negra representa la capacidad operativa anual de DACCS (eje y secundario).

La expansión de BECCS después de 2050, alcanzando un máximo de 420 TWh/año para 2080 y alcanzando los 113 TWh/año para 2100, se nota en la combinación de generación de EE. UU. cuando se trazan las diferencias entre los dos escenarios de mitigación (Fig. 3). Con DACCS, también vemos que se genera menos electricidad a partir de gas natural con captura y almacenamiento de carbono (CCS) y energía nuclear durante el mismo período, y la generación anual de electricidad en EE. UU. cae constantemente durante la fase de expansión de BECCS hasta 2080 (a −160 TWh/ año o −2.3% en comparación con el caso sin DACCS). A partir de entonces, el rápido aumento de la capacidad operativa del DACCS y el respectivo aumento de la demanda de electricidad reduce la brecha de demanda entre los dos escenarios. Para 2100, se requieren 35 TWh/año de electricidad adicional bajo un escenario de mitigación con DACCS.

La disponibilidad de DACCS apenas cambia la tasa anual de descarbonización del sistema eléctrico de EE. UU. (alrededor del 6 % en ambos escenarios según el impacto del cambio climático del ciclo de vida anual). En ambos escenarios de mitigación estrictos, el sistema eléctrico de EE. UU. alcanza la neutralidad de carbono para 2035 (Fig. 1d), lo que está en línea con el objetivo de descarbonización del sector de la actual administración de EE. UU.39. A partir de 2050, la combinación de redes de EE. UU. comienza a cambiar con el aumento de la implementación de DACCS, lo que lleva a cambios en los impactos ambientales del ciclo de vida a largo plazo por kWh producido. Encontramos una disminución en el impacto del cambio climático hasta −0.019 kg CO2-eq/kWh, que se atribuye principalmente a la generación de energía adicional de BECCS. También se producen reducciones en el agotamiento del agua y los impactos de toxicidad humana por kWh. Al mismo tiempo, los impactos de la generación de energía en los EE. UU. aumentan para varias otras categorías, incluida la eutrofización y la ecotoxicidad del agua dulce, la acidificación y la ecotoxicidad terrestres y el agotamiento de los metales (barras en la Fig. 4). Este cambio de problema ambiental es directamente atribuible al cambio de combinación de la red eléctrica causado por DACCS. Aún así, para la mayoría de las categorías de impacto, los cambios son imperceptibles en comparación con los causados ​​por la descarbonización del sistema eléctrico en general (líneas en la Fig. 4). Las excepciones son el agotamiento de metales y la ecotoxicidad terrestre, cuyos niveles aumentan en un 123 % y un 77 % respectivamente entre 2020 y 2100 debido a la descarbonización del sector eléctrico. El despliegue de DACCS contribuye con un 10 % adicional (en promedio) después de 2050 a ambas categorías de impacto (Fig. 4).

Las categorías de impacto incluyen (a) impacto del cambio climático, (b) impacto de toxicidad humana, (c) impacto de eutrofización de agua dulce, (d) impacto de ecotoxicidad de agua dulce, (e) impacto de acidificación terrestre, (f) impacto de ecotoxicidad terrestre, (g) agotamiento de metales , (h) agotamiento del agua. La barra en cada subparcela representa el cambio absoluto (por 1 kWh de generación) de cada impacto restando el SSP2-RCP1.9 sin DACCS del escenario sin DACCS de 2020 a 2100 (eje y primario). Las líneas en cada subparcela representan el cambio relativo (porcentaje) por impacto en comparación con su nivel de referencia de 2020 (eje Y secundario) bajo un escenario RCP1.9 con (azul) y sin DACCS (naranja).

Para poner los resultados específicos de EE. UU. en un contexto global, calculamos los impactos ambientales del ciclo de vida de DACCS utilizando datos LCI explícitos regionalmente para la generación de electricidad en China, Europa Occidental y Rusia, así como un promedio global bajo un SSP2-RCP1.9 con escenario DACCS (considerando el aprendizaje tecnológico de DACCS). Dado que los sistemas DACCS basados ​​en solventes y adsorbentes se asocian comúnmente con el suministro de energía térmica a partir de gas natural (SV + NG) y bombas de calor (SB + HP) respectivamente, estas dos configuraciones se consideraron procesos representativos para una comparación global. Los resultados muestran que, en 2020, el impacto en el cambio climático de los sistemas SV + NG desplegados en Rusia y China es un 12 % y un 19 % superior al del mismo sistema a nivel mundial, debido a que las combinaciones de redes eléctricas en estas regiones están dominadas por el carbón y gas natural, respectivamente (Fig. 5a, Fig. 2 complementaria, Fig. 3 complementaria). También se observa un mayor impacto del cambio climático para los sistemas SB + HP desplegados en estas dos regiones (14 % y 23 % para Rusia y China, respectivamente) (Fig. 5b). Ambos sistemas DACCS exhiben impactos de cambio climático más bajos que el nivel mundial de 2020 si se implementan en los EE. UU. (9% y 10% menos para los sistemas SV + NG y SB + HP) y Europa occidental (29% y 35% menos para SV + sistemas GN y SB + HP) dada la electricidad con menor intensidad de carbono de las regiones (Fig. 2, Fig. 4 complementaria). Con el tiempo, los impactos del DACCS sobre el cambio climático disminuyen en todas las regiones, al igual que las variaciones regionales. Para 2100, los impactos del cambio climático apenas difieren entre las regiones y el nivel promedio global, con números ligeramente más altos observados para DACCS en Rusia, cuya combinación de electricidad está dominada en gran medida por gas natural con CCS (33% de la generación anual) (Figura complementaria 3). De manera similar, se observan tendencias decrecientes de variaciones regionales para la toxicidad humana, la eutrofización del agua dulce y los impactos de la acidificación terrestre resultantes de una descarbonización mundial del sector eléctrico en el escenario de mitigación para limitar el cambio de la temperatura media mundial por debajo de 1,5 °C para 2100. Los rangos de las variaciones regionales se mantienen estables para la ecotoxicidad terrestre y de agua dulce y aumentan para el agotamiento de metales con el tiempo debido a los diferentes niveles de penetración renovable y perfiles de combinación de redes en las regiones. El agotamiento de agua de los sistemas SB + HP es más sensible al contexto del sistema eléctrico regional en comparación con el de los sistemas SV + NG. Por lo tanto, los sistemas SB + HP pueden reducir aún más su ya menor demanda de agua con electricidad cada vez más limpia hacia 2100 (Fig. 5).

Impactos de (a) DACCS a base de solvente que usa gas natural (SV + NG) y (b) DACCS a base de sorbente que usa calor generado por bomba de calor (SB + HP) en cuatro regiones y el mundo bajo un SSP2-RCP1.9 w/ Escenario DACCS (considerando el aprendizaje tecnológico de DACCS con las tasas de aprendizaje de referencia). Por categoría de impacto, la referencia (100% en 2020) es el nivel Mundial. Los resultados de otras combinaciones región-año se muestran como un cambio relativo a la referencia. Estos cambios de impacto se calcularon en base a la captura y secuestro de 1 t de CO2 atmosférico por DACCS. Dado que el impacto negativo neto del cambio climático (CCI) del ciclo de vida de las tecnologías (en la figura 1) crearía un aumento positivo en los impactos en relación con el nivel mundial de 2020, no tenemos en cuenta la 1 tonelada de CO2 capturada en el CCI en esta figura. Otras abreviaturas de categorías de impacto (de izquierda a derecha): Impacto de toxicidad humana HTI, Impacto de eutrofización de agua dulce FEI, Impacto de ecotoxicidad de agua dulce FTI, Impacto de acidificación terrestre TAI, Impacto de ecotoxicidad terrestre TTI, Agotamiento de metales MD, Agotamiento de agua WD.

A medida que más escenarios de IAM comiencen a incluir DACCS como una tecnología CDR crítica para cumplir objetivos climáticos estrictos, el desempeño de DACCS debe evaluarse en el contexto de esos objetivos para guiar mejor la decisión de políticas y el despliegue de DACCS en el futuro. Como muestra nuestro LCA, una descarbonización rápida de los sectores de demanda de energía y energía que sea consistente con el objetivo climático de 1.5 °C puede aumentar la eficiencia de secuestro neto de DACCS y facilitar su potencial de mitigación del cambio climático, lo que sugiere que la implementación de DACCS y la descarbonización del sistema eléctrico deberían actuar. sinérgicamente en los esfuerzos de mitigación del cambio climático.

Varias tecnologías DACCS pueden compensar las emisiones de GEI y ayudar con los esfuerzos de mitigación del cambio climático a largo plazo, pero sus eficiencias de secuestro neto y desempeño ambiental holístico son interdependientes con el sistema energético en el que operan. Simplemente cambiar a fuentes de energía bajas en carbono para la operación de la planta DACCS podría conducir a compensaciones ambientales. Estos hallazgos están en línea con otros estudios LCA de DACCS22,24,26. Encontramos que el DACCS basado en solventes generalmente tiene impactos más bajos que los DACCS basados ​​en sorbentes en cinco (cambio climático, toxicidad humana, eutrofización de agua dulce, ecotoxicidad de agua dulce y agotamiento de metales) de las ocho categorías de impacto estudiadas aquí. Esto es contrario a las conclusiones de otro estudio, que afirma que el DACCS basado en sorbentes tiene impactos ambientales más bajos para las categorías de impacto consideradas en él (en el caso de referencia)40. Estas diferencias parecen estar relacionadas con los supuestos optimistas de consumo de electricidad (180 kWh/t CO2) y calor (2,6 GJ/t CO2) del estudio para DACCS basados ​​en adsorbentes (en el caso de referencia). Estos son menos de la mitad de los informados por varios otros estudios24,26,41 y los utilizados aquí (470–700 kWh/t CO2 para electricidad y 5,4–5,8 GJ/t CO2 para calor). Además, el estudio asumió que DACCS funciona con electricidad de la red en Columbia Británica, Canadá, que está dominada por la hidroelectricidad (que representa el 72 % de la combinación de redes42) con bajas emisiones para la mayoría de las categorías de impacto. Por lo tanto, los impactos ambientales (p. ej., cambio climático, agotamiento de combustibles fósiles) de los DACCS a base de solventes se debieron principalmente a otros factores, como un mayor consumo de calor. Además, el estudio ignoró la configuración de proceso típica para DACCS a base de solventes en la que el CO2 liberado durante la generación de energía térmica10 también se captura y secuestra, lo que aumenta artificialmente el impacto de esa tecnología en el cambio climático y subestima su potencial eficiencia de secuestro. Descuidar este paso del proceso integrado a propósito no solo altera la evaluación de la tecnología, sino que también conduce a una subestimación de los requisitos de capacidad de almacenamiento y los insumos relacionados con la planificación regional y los esfuerzos de integración. El DACCS a base de solvente requiere aproximadamente un 30 % de capacidad de almacenamiento adicional (basado en 0,05 kg CO2/MJ43, que es el factor de emisión de CO2 de la combustión de gas natural) por tonelada de CO2 secuestrada en comparación con el DACCS a base de sorbente.

El consumo de electricidad es un contribuyente importante a la ecotoxicidad terrestre y los niveles de agotamiento de metales de DACCS, que son impulsados ​​principalmente por los niveles de penetración solar y eólica en el sistema eléctrico de fondo en nuestros escenarios. Por lo tanto, a medida que avanza la descarbonización del sistema eléctrico con la expansión de las capacidades de generación y almacenamiento de energía renovable, se necesitan esfuerzos adicionales para facilitar la minería y la fabricación sostenibles y expandir la economía circular de los materiales energéticos utilizados en esas tecnologías, lo que reducirá estos niveles de impacto.

Las políticas de gestión del carbono deben considerar los esfuerzos de investigación y desarrollo para mejorar la eficiencia de los procesos y materiales de DACCS y las tecnologías de generación de energía con bajas emisiones de carbono. Las tecnologías DACCS ya han logrado tasas muy altas de reutilización de solventes y adsorbentes10,24, pero nuestros resultados muestran que el aprendizaje tecnológico reduce de manera destacada los niveles de ecotoxicidad, agotamiento de metales y agotamiento de agua (solo DACCS a base de solventes), lo que destaca su importante papel para evitar posibles daños. cambio de problema ambiental del despliegue de DACCS bajo un camino de mitigación del cambio climático. Si bien el despliegue de DACCS a gran escala afectará la dinámica de oferta y demanda del sistema energético general, este efecto es insignificante en comparación con los efectos de la descarbonización del sector eléctrico. Por lo tanto, el despliegue de DACCS es complementario a la expansión de otras tecnologías de emisiones netas cero, así como a BECCS en escenarios estrictos de mitigación del cambio climático.

La descarbonización del sistema eléctrico reduce sustancialmente las diferencias regionales de impactos, como el cambio climático, la toxicidad humana, la eutrofización del agua dulce y la acidificación terrestre, que en su mayoría son impulsados ​​por la generación de energía a partir de combustibles fósiles. Aún así, los perfiles ambientales variables en cuanto a ecotoxicidad y agotamiento de metales persisten hacia 2100 bajo diferentes estrategias de implementación de energía renovable. Esto enfatiza la necesidad de una ubicación inteligente de DACCS, incorporando una amplia gama de métricas ambientales y socioeconómicas en el futuro para evaluar las compensaciones regionales. Dado su perfil de carga, la implementación de DACCS también debe integrarse en la planificación del sistema de energía regional, incluidas las evaluaciones de ubicación conectadas a la red y fuera de la red. DACCS podría, por ejemplo, ubicarse intencionalmente en lugares con alto potencial de energía renovable y donde las interconexiones de la red serían costosas.

El marco prospectivo de LCA que se presenta en este documento puede informar los debates de políticas en torno a la priorización de la investigación y el desarrollo de tecnologías emergentes que respaldan la descarbonización del sector energético y los objetivos de mitigación del cambio climático a largo plazo. Al incorporar escenarios del sector eléctrico explícitos regional y temporalmente y proyecciones tecnológicas para DACCS conectados a la red, captura las complejas relaciones no lineales entre una tecnología CDR y sus impactos ambientales, causados ​​por cambios en el sistema energético más amplio44,45,46 o su contexto tecnológico específico29,47. Las futuras extensiones de capacidad de este marco modelarán la circularidad material y capturarán los cambios tecnológicos en sectores energéticos e industriales más amplios.

En este estudio, adaptamos un marco LCA de la cuna a la tumba que evalúa los impactos ambientales explícitos temporal y regionalmente de las tecnologías DACCS en los sistemas eléctricos futuros según lo proyectado por los escenarios de mitigación del cambio climático37. El marco prospectivo alinea las dimensiones temporales del aprendizaje tecnológico de primer plano y la dinámica del sistema de fondo. Los impactos del ciclo de vida para las respectivas tecnologías DACCS se calculan utilizando el marco LCA codificado en Python Brightway248 y los datos del inventario del ciclo de vida (LCI) de la base de datos ecoinvent3.642. El contexto (de fondo) del sistema eléctrico lo proporciona TIMER, el módulo de energía del Modelo de Evaluación Integrado (IAM)31 de IMAGE3.2. TIMER desarrolla proyecciones explícitas a nivel regional y temporal para la combinación de electricidad, la eficiencia de generación y las emisiones asociadas a la electricidad, y estos resultados se incorporan en otro marco codificado en Python (Wurst)37 para actualizar los datos de LCI relacionados con la electricidad en la base de datos ecoinvent, que luego utiliza Brightway2 para calcular los impactos por tecnología DACCS y paso de tiempo. Los cálculos se realizan para intervalos de tiempo de 10 años desde 2020 hasta 2100.

IMAGE 3.2 es un marco IAM desarrollado para describir las relaciones entre los humanos y los sistemas naturales y los impactos de estas relaciones en la provisión de servicios ecosistémicos para sostener el desarrollo humano31. El módulo de energía de IMAGE 3.2, TIMER, es un modelo de sistema energético recursivo dinámico (es decir, sin previsión) que representa el sistema energético global, desglosado en 26 regiones globales, con proyecciones hasta 210031. Incluye portadores de energía primaria renovable y fósil (carbón , petróleo pesado/ligero, gas natural, biomasa moderna/tradicional, nuclear, solar fotovoltaica/concentrada, eólica terrestre/marina, energía hidroeléctrica y geotérmica). Los portadores de energía primaria se pueden convertir en portadores de energía secundaria y final (sólidos, líquidos, electricidad, hidrógeno, calor) para proporcionar servicios energéticos para diferentes sectores de uso final (industria pesada, transporte, residencial, servicios, productos químicos y otros). El modelo proyecta la demanda futura de energía (útil) para cada sector de uso final (industria, transporte, residencial, comercial, otros) en función de las relaciones entre los servicios energéticos y la actividad, la última de las cuales está relacionada con el crecimiento económico. Para cada sector de demanda, los vectores de energía secundaria (incluidos los biocombustibles sólidos y líquidos) compiten entre sí en función de los costos relativos para satisfacer la demanda de energía útil. La representación del sistema energético del modelo IMAGE incluye la elasticidad de la demanda con los precios del carbono. Esto se representa a través de dos mecanismos distintos: (i) Inversión en eficiencia energética, y (ii) demanda reducida de servicios energéticos (es decir, reducción del consumo y actividades y servicios anteriores que demandan energía/emisiones). El primero se representa a través de opciones tecnológicas (es decir, invertir en aislamiento, tecnologías más eficientes, etc.) y el segundo se representa a partir de datos econométricos. Los precios de la energía se basan en las curvas de oferta de los vectores energéticos49,50. Para las fuentes no renovables, se formulan en términos de extracción acumulada; mientras que para las fuentes renovables, estas se formulan en términos de producción anual51,52,53.

Brightway2 es un marco de código abierto para los cálculos de LCA en Python48. Consta de varios módulos que manejan la importación de datos, la gestión y el acceso a los datos, el cálculo y el análisis de los resultados de LCA. La combinación de una estructura modular, la interactividad de Python y las rutas de cálculo ajustables permite flexibilidad y funcionalidades definidas por el usuario en la realización de estudios de LCA y ofrece nuevas posibilidades en comparación con las herramientas de LCA existentes.

Wurst también es un software basado en Python que permite la modificación sistemática de las bases de datos de LCI con datos de escenarios externos37. Wurst admite varios tipos de modificaciones genéricas, incluido el cambio de la eficiencia de los materiales, las emisiones, las participaciones relativas de las entradas de los mercados y la separación de un conjunto de datos global en varias regiones. La versión actual de Wurst se enfoca en modificar la base de datos LCI de ecoinvent utilizando datos de escenarios IMAGE. En la sección "Modificaciones de la base de datos LCI con datos de escenarios climáticos" se analiza información más detallada sobre los pasos de modificación de Wurst.

Las proyecciones del escenario de referencia Shared Socioeconomic Pathways – Middle of the Road (SSP2-baseline) no asumen ninguna política climática, por lo que actúan como un contrafactual con el que se pueden comparar los esfuerzos de política. Los escenarios RCP1.9 proyectan el esfuerzo requerido para cumplir un objetivo climático, definido como un presupuesto de emisiones consistente con un aumento de la temperatura media global de 1,5 °C. Estos escenarios también incluyen la política climática actual, por región, según lo definido por las NDC54. Para los escenarios RCP1.9, el modelo IMAGE determina el esfuerzo adicional necesario para alcanzar el objetivo de 1,5 °C, representado por la proyección del precio de las emisiones en todas las fuentes de emisión de GEI (combustibles fósiles, industria y uso de la tierra), aplicada globalmente, lo que da como resultado un vía de mitigación rentable. El precio de emisión puede reducir las emisiones a través de dos mecanismos: (i) el aumento en los costos agregados de energía promueve inversiones en eficiencia energética, (ii) al vincular este precio al contenido de carbono de los vectores de energía primaria, y afecta su competitividad para cumplir con la energía final. demanda de servicios, promoviendo así portadores de energía más limpia. La aplicación de un precio de emisión hace que DACCS sea competitivo ya que se asume que el carbono secuestrado es remunerado, superando así los costos de capital y variables (que a su vez se ven afectados por el costo proyectado del suministro de energía y el aprendizaje tecnológico). Presentamos dos variaciones de RCP1.9 (SSP2-RCP1.9 con DACCS y SSP2-RCP1.9 sin DACCS) para determinar el impacto de la disponibilidad de DACCS en las estrategias de mitigación del cambio climático. La rentabilidad regional en DACCS depende de los costos de capital y operación y mantenimiento (incluidas las reducciones endógenas de aprendizaje práctico), el precio de la electricidad y los costos de transporte y almacenamiento de CO2 vinculados a las limitaciones potenciales de almacenamiento55. En IMAGE se incluye una sola tecnología DACCS (con parámetros de tecnología y datos de costo basados ​​en una capacidad de planta de 1 Mt CO2/año), representada por un agregado de diferentes tecnologías basadas en solventes resumidas en estudios previos8,56,57, pero asumimos que la El resultado de la implementación de DACCS estimado por IMAGE representará la implementación total de una amplia gama de tecnologías DACCS (incluidos los DACCS basados ​​en solventes y adsorbentes). En IMAGE, se supone que DACCS no estará disponible antes de 2030, y su tasa de crecimiento global está limitada a 1 GtCO2/año. Este límite de tasa de crecimiento es una restricción vinculante en la proyección una vez que DACCS sea rentable, mientras que en el potencial de almacenamiento a largo plazo la limitación puede limitar su expansión adicional. DACCS se vuelve rentable cuando los precios de las emisiones exceden aproximadamente $300/tCO2. Este precio de emisión se supera en 2050 tanto para SSP2-RCP1.9 con DACCS como para SSP2-RCP1.9 sin DACCS. A largo plazo, la aplicación de DACCS limita el crecimiento del precio de emisión, proyectado en $423/tCO2 y $885/tCO2 2100 para SSP2-RCP1.9 con DACCS y SSP2-RCP1.9 sin DACCS respectivamente. Al calcular las diferencias de generación de electricidad y los impactos ambientales asociados entre las dos variaciones de RCP1.9, también podemos evaluar el efecto del despliegue de DACCS en los sistemas de demanda de electricidad y energía.

Nos enfocamos en dos tipos de tecnologías DACCS: una DACCS basada en solventes y otra basada en sorbentes, que se basan en diferentes mecanismos de captura y liberación para eliminar el CO2 de la atmósfera.

El DACCS a base de solventes aplica soluciones acuosas de hidróxido (hidróxido de potasio, hidróxido de sodio) para capturar el CO2 atmosférico a través de una reacción química7,8,9,10. Aquí, asumimos que el DACCS a base de solvente usa una solución de hidróxido de potasio para la captura de CO2. En un contactor de aire, la solución de hidróxido de potasio reacciona con CO2 y forma carbonato de potasio, que luego, en un reactor separado, reacciona con hidróxido de calcio y genera carbonato de calcio. El carbonato de calcio precipita y la solución de hidróxido de potasio se puede regenerar y reciclar de regreso al contactor de aire. El carbonato de calcio precipitado se recolecta, se seca y luego se calcina a alta temperatura (alrededor de 900 °C), que generalmente se obtiene mediante la combustión de gas natural en oxígeno puro, para liberar el CO2. El CO2 liberado del carbonato de calcio y el CO2 generado por la combustión del gas natural se mezclan y recogen para su posterior almacenamiento10. Los requisitos de calor a alta temperatura limitan las opciones de suministro de calor para DACCS basados ​​en solventes. En este estudio, consideramos el gas natural y renovable (biometano) como las dos opciones de calor para el DACCS a base de solventes (Figura complementaria 1). Otros métodos propuestos incluyen el calentamiento por resistencia eléctrica y la regeneración electroquímica, que no se estudiaron aquí.

El DACCS basado en sorbente generalmente usa materiales de amina unidos a una amplia gama de soportes sólidos porosos para la captura de CO211,12,13,14. Aquí, consideramos el uso de sílice a base de amina como sorbente sólido24. El proceso consta de dos pasos principales que operan cíclicamente: adsorción y desorción. En el paso de adsorción, un ventilador sopla aire a través del contactor de aire y el CO2 del aire reacciona con el adsorbente y se une a él. Cuando el sorbente sólido se haya saturado con CO2, comenzará el paso de desorción en el colector de aire. Antes de que se suministre calor, se extrae un vacío para eliminar el aire residual del contactor y disminuir la temperatura requerida para la regeneración. Luego, se suministrará calor a unos 100 °C al contactor de aire para desorber el CO2. El CO2 recolectado luego pasará por una unidad de enfriamiento, donde se puede eliminar la humedad adicional a través de la condensación y el CO2 se llevará a temperatura ambiente. En el paso de desorción, la temperatura del calor es de aproximadamente 80 a 120 °C, por lo que se puede utilizar una amplia variedad de fuentes de energía térmica (gas natural, bomba de calor, calor geotérmico y calor residual) como suministro de calor. Aquí, modelamos la bomba de calor (con un coeficiente de rendimiento de 2,524) y el gas renovable (biometano) como las dos opciones principales (Figura complementaria 1).

Transporte y almacenamiento de CO2: una vez que se libera el CO2 de cualquiera de los procesos, asumimos que el flujo de CO2 se comprimirá a través de un compresor a 11 MPa y luego se transportará a través de una tubería al sitio de almacenamiento. Se supone que la longitud de la tubería de transporte es de 50 km. En el sitio de almacenamiento, el CO2 se comprimirá aún más a 15 MPa y se inyectará en un depósito geológico a través de pozos con una profundidad de 3 km cada uno. Aquí, el CO2 se almacenará permanentemente como fase supercrítica58 (Fig. 1 complementaria).

El límite del sistema comienza en la entrada de aire con una concentración de CO2 de 415 ppm, le sigue la captura, regeneración, compresión, transporte de CO2 y finaliza con el almacenamiento geológico. Nuestro análisis también tiene en cuenta las emisiones aguas arriba debido a la demanda indirecta de energía para la construcción de tecnologías de conversión de energía, producción y manejo de combustible. La unidad funcional está capturando y secuestrando una tonelada métrica (1t) de CO2 atmosférico mediante tecnologías DACCS. Los datos de LCI de las dos tecnologías DACCS estudiadas y la subsiguiente compresión y almacenamiento se recopilaron de la literatura o se estimaron a través de un análisis de requisitos de materiales de abajo hacia arriba (con las capacidades supuestas de la planta de 1 Mt CO2 y 0,1 Mt CO2 por año para productos a base de solventes y adsorbentes). DACCS respectivamente), que se analizan en detalle en la Nota complementaria 1. Se supone que los datos de LCI representan el estado actual del consumo de materiales y energía durante el ciclo de vida de las dos tecnologías DACCS seleccionadas. La perspectiva jerárquica de ReCiPe 2016 v1.1 se utiliza como método de caracterización para convertir las emisiones y las extracciones de recursos naturales en categorías de impacto ambiental en el nivel medio59.

En este estudio, cuando comparamos los impactos ambientales de DACCS bajo diferentes vías de descarbonización de electricidad (SSP2-baseline vs. SSP2-RCP1.9 w/ DACCS), los resultados se calculan en base a datos LCI estáticos de DACCS que representan su material actual y usos energéticos sin considerar el aprendizaje tecnológico. Luego, también calculamos otro conjunto de resultados de LCA para DACCS bajo SSP2-RCP1.9 con escenario DACCS basado en datos LCI dinámicos que se estiman utilizando el enfoque de curva de aprendizaje, por lo que captura los efectos de la descarbonización de electricidad de fondo y el aprendizaje de tecnología de primer plano. Al comparar los resultados de LCA de DACCS calculados utilizando datos de LCI estáticos y dinámicos en el escenario SSP2-RCP1.9 con DACCS, podemos evaluar y comparar los efectos de la descarbonización de electricidad de fondo y el aprendizaje de tecnología de primer plano sobre los impactos ambientales de DACCS.

El enfoque de la curva de aprendizaje se ha utilizado como método empírico para estudiar la reducción del costo unitario a lo largo del tiempo con aumentos de producción acumulados para una amplia gama de tecnologías de fabricación60 y energía61. El efecto de aprendizaje se puede caracterizar por varios mecanismos, incluido el avance tecnológico, el aumento de la productividad laboral, las economías de escala y la mejora de la eficiencia energética y de los materiales. El enfoque de la curva de aprendizaje también ha sido reconocido como un medio crítico para explorar los futuros impactos esperados del ciclo de vida de las tecnologías emergentes actuales62,63. Aquí, aplicamos el enfoque de la curva de aprendizaje de un factor para informar nuestro posible LCA. Si bien las dos tecnologías bajo investigación están operando actualmente a escala piloto o de demostración, asumimos una operación a escala comercial para ambas y aplicamos tasas de aprendizaje constantes, lo que afecta el consumo futuro de materiales y energía del ciclo de vida. Sin embargo, para ambas tecnologías evaluadas aquí, estos efectos de aprendizaje sobre el consumo de materiales y energía no se encuentran en la literatura publicada. Por lo tanto, asumimos cambios en el consumo de materiales y energía proporcionales a los cambios por costo unitario para las tecnologías DACCS.

Se ha demostrado que los costos de capital de los DACCS basados ​​en solventes y sorbentes probablemente sigan diferentes tasas de aprendizaje dadas sus diferentes características de diseño. El DACCS a base de solventes se construye en el sitio ya gran escala, lo que se beneficia de las economías de escala, pero también es menos probable que incorpore mejoras rápidas en el diseño o la fabricación, mientras que el DACCS a base de sorbentes se basa en unidades estandarizadas y modulares, y estas unidades se pueden producir e implementar en masa, lo que permite una iteración y un aprendizaje rápidos64. Por lo tanto, asumimos tasas de aprendizaje promedio de 10 % y 15 % para el consumo de materiales y energía relacionados con inversiones de capital para DACCS basados ​​en solventes y sorbentes, respectivamente. Luego, en cuanto al consumo de materiales y energía relacionado con los costos operativos, asumimos tasas de aprendizaje promedio de 2.5% para DACCS basados ​​en solventes y adsorbentes, respectivamente. También consideramos rangos de variación para las tasas de aprendizaje para reflejar su incertidumbre (Tabla complementaria 10), estos rangos de variación se utilizan para desarrollar un análisis de sensibilidad para comprender cómo la velocidad de aprendizaje afecta los impactos ambientales de DACCS. Además, para evitar reducciones poco realistas del consumo de materiales y energía en el aprendizaje tecnológico, también establecimos factores mínimos de uso de materiales y energía de ambas tecnologías DACCS en función de estimaciones de expertos. En cuanto al DACCS a base de solvente, el límite inferior de los usos de materiales y energía relacionados con los costos operativos y de capital no puede ser inferior al 44 % y al 50 % de sus cantidades originales, respectivamente, y el DACCS a base de sorbente, el límite inferior del material y los usos de energía relacionados con los costos de capital y operativos no pueden ser inferiores al 18% y 50% de sus montos originales en 2020, respectivamente. Para incorporar los factores mínimos de uso de materiales y energía en la fórmula de la curva de aprendizaje, ajustamos la fórmula de la curva de aprendizaje en la siguiente ecuación. 1:

En la ecuación. 1, \({X}_{0}\) representa la capacidad de implementación inicial de DAC en el año \(0\); \({X}_{t}\) representa la capacidad acumulada de implementación de DAC en el año \(t\). Para un elemento específico de material o energía \(i\), \({{LR}}_{i}\) representa la tasa de aprendizaje del elemento \(i\); \({D}_{i,0}\) normalmente representa el consumo unitario del elemento material o energético \(i\) en el año \(0\) (correspondiente a la captura inicial de CO2 \({X}_{ 0}\)). Aquí nuestro objetivo es calcular los factores de uso de materiales y energía (en lugar del consumo unitario real) bajo el aprendizaje de tecnología, por lo que normalizamos \({D}_{i,0}\) a 1; \({D}_{i,t}\) es también un factor normalizado de uso de materiales y energía del artículo \(i\) en el año \(t\) (correspondiente a la captura acumulada de CO2 \({X}_{ t}\)); \({D}_{i,{\min }}\) representa los factores mínimos de uso de materiales y energía del elemento \(i\).

Finalmente, asumimos que los DACCS basados ​​en solventes y adsorbentes representan cada uno la mitad de la capacidad acumulada global de DACCS (resultados del modelo IMAGE), respectivamente. Luego, estimamos los factores de uso de materiales y energía para DACCS basados ​​en solventes y sorbentes de 2020 a 2100 en función de su capacidad acumulada, y los resultados se presentan en la Tabla complementaria 11. Al multiplicar los factores de uso de materiales y energía en un año específico al consumo real de material y energía de la unidad en el año inicial, podemos obtener el consumo real de material y energía de la unidad en ese año específico. Los supuestos sobre las tasas de aprendizaje de tecnología y los factores mínimos de uso de materiales y energía de los DACCS basados ​​en solventes y adsorbentes se analizan en detalle en la Nota complementaria 2.

La base de datos ecoinvent23 es la base de datos de LCI más utilizada y ofrece cadenas de suministro de procesos unitarios totalmente interrelacionadas para los productos presentados en la base de datos. Cubre todos los flujos ambientales relevantes, insumos de materiales y energía y productos de alrededor de 18,000 actividades, donde los investigadores pueden recopilar datos sobre la cadena de suministro para formar un sistema integral de antecedentes en un estudio de LCA. Sin embargo, dado que los datos en ecoinvent generalmente se recopilan en un año específico, la base de datos describe los flujos de materiales y energía entre procesos basados ​​en un sistema de cadena de suministro existente. Por lo tanto, la base de datos de ecoinvent está limitada para realizar estudios prospectivos de LCA, que evalúan los impactos ambientales asociados con tecnologías futuras o tecnologías emergentes que evolucionan con el tiempo.

Aquí, para evaluar los impactos ambientales de las tecnologías DACCS en un contexto de un sistema eléctrico de fondo cambiante, adaptamos un enfoque de código abierto (Wurst)37 que integra sistemáticamente las proyecciones de IMAGE sobre combinación de electricidad, eficiencia de generación y emisiones asociadas a la electricidad con la base de datos de ecoinvent y cambiar los parámetros en los datos de actividad relacionados con la electricidad en la base de datos de ecoinvent. Debido a las diferencias de tecnologías de generación entre IMAGE y la base de datos ecoinvent, desarrollamos una lista de coincidencias para mapear las tecnologías disponibles para ambas fuentes de datos (Nota complementaria 3). Se puede encontrar información más detallada sobre la modificación de parámetros para la base de datos ecoinvent utilizando Wurst en un estudio anterior37. Después de la modificación de parámetros, desarrollamos 27 versiones de bases de datos ecoinvent, que corresponden a 9 años diferentes desde 2020 hasta 2100 bajo los escenarios SSP2-baseline, SSP2-RCP1.9 con DACCS y SSP2-RCP1.9 sin DACCS.

En este estudio, modificamos la base de datos LCI de fondo usando proyecciones IMAGE de mezcla de red, eficiencia de generación y emisiones de plantas de energía térmica (fuentes basadas en fósiles, biomasa y nuclear), mientras que las fuentes renovables y sus niveles de eficiencia se basan en las fuentes existentes disponibles. tecnologías Se ha observado innovación tecnológica para las tecnologías renovables (especialmente solar65,66 y eólica67) y de almacenamiento de energía68,69, y seguirán evolucionando a medida que se apliquen más ampliamente en el sistema energético. Por lo tanto, para evaluar mejor los posibles impactos ambientales de las tecnologías intensivas en energía, como DACCS, en contextos climáticos específicos, el marco de análisis podría ampliarse para considerar el avance, particularmente en la eficiencia material o la circularidad de las tecnologías de almacenamiento y energía renovable variable en el sistema eléctrico de fondo.

Estudios previos que analizan el aprendizaje tecnológico de DACCS se han centrado en la reducción de costos64,70,71. No se pudieron identificar estudios empíricos disponibles públicamente que revelen cómo cambian los insumos de materiales y energía a medida que las escalas DACCS. Dada esta disponibilidad limitada de datos, asumimos que las entradas de materiales y energía de DACCS siguen las mismas tasas de aprendizaje que las proyecciones de costos asociadas. En realidad, es probable que las tasas de aprendizaje de tecnología varíen según los procesos y los tipos de entrada física29,72. Los estudios futuros de LCA que tengan como objetivo cuantificar los efectos del aprendizaje tecnológico en los impactos ambientales podrían basarse en datos de aprendizaje más detallados de insumos físicos específicos. Además, las tasas de aprendizaje de las tecnologías emergentes tienden a cambiar con los niveles de preparación tecnológica (TRL)73,74,75. Idealmente, los análisis prospectivos de las tecnologías emergentes reflejan esto mediante la aplicación de un enfoque de curva de aprendizaje multifactorial, diferenciando entre las diferentes tasas de aprendizaje en diferentes TRL. Las tecnologías aquí analizadas operan a escala de demostración (TRL-7) mientras que nosotros aplicamos una tasa de aprendizaje constante de un solo factor, postulando mejoras de aprender haciendo a escala comercial (TRL-9). La tasa de aprendizaje a escala comercial es una frontera de investigación y actualmente se desconoce. Sin embargo, a la escala de nuestro análisis, es poco probable que una diferenciación respectiva agregue precisión o conocimiento. La incertidumbre con respecto a la tasa de aprendizaje única específica a escala comercial se captura probando cómo las diferentes tasas de aprendizaje afectan nuestros resultados. Utilizando un enfoque de curva de aprendizaje de un solo factor, atribuimos el cambio de costo y su consumo de energía y material relacionado a la capacidad instalada acumulada de DACCS a lo largo del tiempo, lo que limita nuestra capacidad de revelar la correlación entre el progreso de la tecnología y otros factores, tales como (previa ) Gasto en I+D76.

El paso de evaluación del impacto del ciclo de vida relaciona las emisiones y el uso de recursos con los impactos ambientales a través de factores de caracterización. El marco que adaptamos aquí aplicó factores de caracterización a escala global o europea. Si bien los factores de caracterización genéricos de la ubicación son adecuados para los impactos globales como el impacto del cambio climático, pueden generar una gran incertidumbre para cuantificar los impactos no globales, como la acidificación77, la eutrofización78 y la ecotoxicidad79, que generalmente se ven afectados por factores meteorológicos, hidrológicos y del suelo regionales. condiciones y la sensibilidad de los ecosistemas a las emisiones. Si bien se han desarrollado modelos y factores de caracterización dependientes del país para estas categorías de impacto, aún no se han incorporado al marco de LCA aplicado en este estudio. Se necesitan mejoras metodológicas adicionales para aumentar la capacidad del marco existente para realizar evaluaciones de impacto regionales.

Este estudio muestra que los impactos ambientales de DACCS podrían tener diferentes trayectorias según el sistema de energía de fondo, por lo que es importante seguir monitoreando esas métricas ambientales o incluso considerarlas en el proceso de toma de decisiones. La investigación futura podría explorar la viabilidad de incorporar métricas ambientales del ciclo de vida en los IAM para una mejor evaluación del impacto ambiental. Los IAM de última generación generalmente incluyen algunas métricas relacionadas con el medio ambiente, como las emisiones de GEI, el uso de la tierra y el agua como restricciones, pero carecen de muchas otras dimensiones de impacto ambiental. Por ejemplo, el consumo de metales podría ser una métrica importante dada la creciente penetración de las energías renovables y el almacenamiento en baterías en el sistema energético, que requieren muchos recursos. Además, las métricas ambientales del ciclo de vida capturan las emisiones de todas las fases del ciclo de vida (p. ej., construcción, transporte, operación y fin de vida, etc.), y los IAM evalúan la interrelación entre diferentes sectores. Por lo tanto, la integración de las métricas ambientales del ciclo de vida y los IAM deben asignar cuidadosamente las emisiones de las diferentes fases del ciclo de vida a los sectores/portadores de energía correspondientes en IAM para evitar la doble contabilización80.

Los datos completos de LCI para las dos tecnologías DACCS se proporcionan en el documento de información complementaria (Tabla 6 a Tabla 9). Los resultados de IMAGE de los tres escenarios considerados en este estudio están documentados y proporcionados en el archivo "Data_source" en el Conjunto de datos complementario. Los datos de LCI de algunas tecnologías de generación de electricidad (olas, combustibles fósiles con CCS), suministro de calor de biometano y sorbente a base de amina se incorporan a la base de datos ecoinvent modificada durante el proceso de modelado de LCA, estos datos de LCI también se proporcionan en el mismo "Data_source " archivo en el conjunto de datos complementarios. También se puede acceder a una referencia permanente de nuestros datos proporcionados en el repositorio de GitHub a través de https://doi.org/10.5281/zenodo.651334381.

Todos los códigos R y Python utilizados en este estudio están documentados y proporcionados en el archivo "Código" en el Conjunto de datos complementario. La programación R se usa para hacer las cifras en este estudio, y todos los resultados utilizados para hacer las cifras se documentan y proporcionan en el archivo "R_code_result_export" en el conjunto de datos complementarios. Para volver a ejecutar los cálculos del modelo LCA, se necesitan Brightway2, Wurst (dos marcos de codificación de Python) y la base de datos Ecoinvent 3.6 (se requiere licencia). También se puede acceder a una referencia permanente de nuestro código proporcionado en el repositorio de GitHub a través de https://doi.org/10.5281/zenodo.651334381.

IPCC. Informe especial sobre los impactos del calentamiento global de 1,5 °C por encima de los niveles preindustriales y las vías de emisión de gases de efecto invernadero relacionadas. (Panel Intergubernamental sobre Cambio Climático, 2018).

Rogelj, J. et al. Escenarios para limitar el aumento de la temperatura media mundial por debajo de 1,5 °C. Nat. Clima Cambio 8, 325–332 (2018).

Sanz-Pérez, ES, Murdock, CR, Didas, SA & Jones, CW Captura directa de CO2 del aire ambiente. química Rev. 116, 11840–11876 (2016).

Artículo PubMed Google Académico

Bauer, N. et al. Reducciones de emisiones del sector energético global y uso de bioenergía: descripción general de la fase de demanda de bioenergía de la comparación del modelo EMF-33. Clima Cambio 163, 1553–1568 (2020).

Artículo CAS Google Académico

Smith, P. et al. Límites biofísicos y económicos a las emisiones negativas de CO2. Nat. Clima Cambio 6, 42–50 (2016).

Artículo CAS Google Académico

Fuss, S. et al. Emisiones negativas—Parte 2: Costos, potenciales y efectos secundarios. Reinar. Res. Letón. 13, 063002 (2018).

Artículo Google Académico

Stucki, S., Schuler, A. & Constantinescu, M. Recuperación acoplada de CO2 de la atmósfera y electrólisis del agua: viabilidad de un nuevo proceso para el almacenamiento de hidrógeno. En t. J. Hidrog. Energía 20, 653–663 (1995).

Artículo CAS Google Académico

Baciocchi, R., Storti, G. & Mazzotti, M. Diseño de procesos y requerimientos energéticos para la captura de dióxido de carbono del aire. química Ing. Proceso. Proceso Intensif. 45, 1047–1058 (2006).

Artículo CAS Google Académico

Zeman, F. Balance de energía y materia de la captura de CO2 del aire ambiente. Reinar. ciencia Tecnología 41, 7558–7563 (2007).

Artículo CAS PubMed Google Académico

Keith, DW, Holmes, G., St. Angelo, D. y Heidel, K. Un proceso para capturar CO2 de la atmósfera. Julio 2, 1573-1594 (2018).

Artículo CAS Google Académico

Veselovskaya, JV et al. Captura directa de CO2 del aire ambiente usando absorbente compuesto K2CO3/Al2O3. En t. J. Greenh. Gas. Control 17, 332–340 (2013).

Artículo CAS Google Académico

Lu, W., Sculley, JP, Yuan, D., Krishna, R. y Zhou, H.-C. Captura de dióxido de carbono del aire utilizando redes de polímeros porosos injertados con amina. J. física. química C. 117, 4057–4061 (2013).

Artículo CAS Google Académico

Gebald, C., Wurzbacher, JA, Tingaut, P., Zimmermann, T. & Steinfeld, A. Celulosa nanofibrilada a base de amina como adsorbente para la captura de CO 2 del aire. Reinar. ciencia Tecnología 45, 9101–9108 (2011).

Artículo CAS PubMed Google Académico

McDonald, TM et al. Captura de dióxido de carbono del aire y de los gases de combustión en el marco orgánico-metálico adherido con alquilamina mmen-Mg2 (dobpdc). Mermelada. química Soc. 134, 7056–7065 (2012).

Artículo CAS PubMed Google Académico

Beuttler, C., Charles, L. & Wurzbacher, J. El papel de la captura directa de aire en la mitigación de las emisiones antropogénicas de gases de efecto invernadero. Frente. Clima 1, 611593 (2019).

Artículo Google Académico

Chen, C. & Tavoni, M. Captura directa de aire de CO2 y estabilización climática: una evaluación basada en modelos. Clima Cambio 118, 59–72 (2013).

Artículo CAS Google Académico

Marcucci, A., Kypreos, S. & Panos, E. El camino para lograr los objetivos de París a largo plazo: la transición energética y el papel de la captura directa de aire. Clima Cambio 144, 181–193 (2017).

Artículo Google Académico

Fuhrman, J. et al. Implicaciones alimentarias, energéticas y hídricas de las tecnologías de emisiones negativas en un futuro de +1,5 °C. Nat. Clima Cambiar. 10, 920–927 (2020).

Artículo CAS Google Académico

Realmonte, G. et al. Una evaluación entre modelos del papel de la captura directa de aire en vías profundas de mitigación. Nat. común 10, 3277 (2019).

Artículo CAS PubMed PubMed Central Google Scholar

Fuhrman, J. et al. El papel de las tecnologías de captura directa de aire y emisiones negativas en las vías socioeconómicas compartidas hacia futuros de $\mathplus$1.5 °C y $\mathplus$2 °C. Reinar. Res. Letón. 16, 114012 (2021).

Creutzig, F. et al. La dependencia mutua de las tecnologías de emisión negativa y los sistemas energéticos. Entorno Energético. ciencia 12, 1805–1817 (2019).

Artículo CAS Google Académico

de Jonge, MMJ, Daemen, J., Loriaux, JM, Steinmann, ZJN y Huijbregts, MAJ Eficiencia de carbono del ciclo de vida de los sistemas de captura directa de aire con absorbentes de hidróxido fuerte. En t. J. Greenh. Gas. Control 80, 25–31 (2019).

Artículo Google Académico

Liu, CM, Sandhu, NK, McCoy, ST & Bergerson, JA Una evaluación del ciclo de vida de las emisiones de gases de efecto invernadero de la captura directa de aire y la producción de combustible Fischer-Tropsch. Sostenible. Combustibles energéticos 4, 3129–3142 (2020).

CAS Google Académico

Deutz, S. & Bardow, A. Evaluación del ciclo de vida de un proceso industrial de captura directa de aire basado en la adsorción por cambio de temperatura-vacío. Nat. Energía 6, 203–213 (2021).

Artículo CAS Google Académico

McQueen, N., Desmond, MJ, Socolow, RH, Psarras, P. y Wilcox, J. Gas natural frente a electricidad para la captura directa de aire basada en disolventes. Frente. Clima 2, 618644 (2021).

Terlouw, T., Treyer, K., Bauer, C. y Mazzotti, M. Evaluación del ciclo de vida de la captura y almacenamiento directos de carbono en el aire con fuentes de energía bajas en carbono. Reinar. ciencia Tecnología 55, 11397–11411 (2021).

Caduff, M., Huijbregts, MAJ, Althaus, H.-J. & Hendriks, AJ Relaciones de ley de potencia para estimar la masa, el consumo de combustible y los costos de los equipos de conversión de energía. Reinar. ciencia Tecnología 45, 751–754 (2011).

Artículo CAS PubMed Google Académico

Caduff, M., Huijbregts, MAJ, Koehler, A., Althaus, H.-J. & Hellweg, S. Relaciones de escala en la evaluación del ciclo de vida. J. Ind. Ecol. 18, 393–406 (2014).

Artículo CAS Google Académico

Bergesen, JD & Suh, S. Un marco para el aprendizaje tecnológico en la cadena de suministro: un estudio de caso sobre fotovoltaica CdTe. aplicación Energía 169, 721–728 (2016).

Artículo CAS Google Académico

Van Vuuren, DP et al. Trayectorias de energía, uso de la tierra y emisiones de gases de efecto invernadero bajo un paradigma de crecimiento verde. globo Reinar. Cambio 42, 237–250 (2017).

Artículo Google Académico

Stehfest, E., van Vuuren, D., Bouwman, L. & Kram, T. Evaluación integrada del cambio ambiental global con IMAGE 3.0: Descripción del modelo y aplicaciones de políticas. (Agencia de Evaluación Ambiental de los Países Bajos (PBL), 2014).

Riahi, K. et al. Las vías socioeconómicas compartidas y sus implicaciones en materia de energía, uso de la tierra y emisiones de gases de efecto invernadero: una descripción general. globo Reinar. Cambio 42, 153–168 (2017).

Artículo Google Académico

O'Neill, BC et al. Los caminos por delante: narrativas para caminos socioeconómicos compartidos que describen futuros mundiales en el siglo XXI. globo Reinar. Cambio 42, 169–180 (2017).

Artículo Google Académico

Van Vuuren, DP et al. Las vías de concentración representativas: una descripción general. Clima cambio 109, 5–31 (2011).

Artículo Google Académico

Tillman, A.-M. Importancia de la toma de decisiones para la metodología LCA. Reinar. Evaluación de impacto. Rev. 20, 113–123 (2000).

Artículo Google Académico

Hospido, A., Davis, J., Berlin, J. & Sonesson, U. Una revisión de los problemas metodológicos que afectan el LCA de nuevos productos alimenticios. Int J. Evaluación del ciclo de vida. 15, 44–52 (2010).

Artículo Google Académico

Beltrán, AM et al. Cuando los antecedentes importan: uso de escenarios de modelos de evaluación integrados en la evaluación prospectiva del ciclo de vida. J. Ind. Ecol. 24, 64–79 (2020).

Artículo Google Académico

Rauner, S. et al. Las reducciones de daños a la salud y al medio ambiente por la salida del carbón superan los impactos económicos. Nat. Clima Cambiar. 10, 308–312 (2020).

Artículo Google Académico

HOJA INFORMATIVA: El presidente Biden establece un objetivo de reducción de la contaminación por gases de efecto invernadero para 2030 con el objetivo de crear empleos sindicales bien remunerados y asegurar el liderazgo de EE. UU. en tecnologías de energía limpia. https://www.whitehouse.gov/briefing-room/statements-releases/2021/04/22/fact-sheet-president-biden-sets-2030-greenhouse-gas-pollution-reduction-target-aimed-at- creando-trabajos-sindicales-bien-pagados-y-asegurándonos-el-liderazgo-en-tecnologías-de-energía-limpia/ (2021).

Madhu, K., Pauliuk, S., Dhathri, S. & Creutzig, F. Comprender las compensaciones ambientales y la demanda de recursos de las tecnologías de captura directa de aire a través de una evaluación comparativa del ciclo de vida. Nat. Energía 6, 1035–1044 (2021).

Artículo CAS Google Académico

McQueen, N. et al. Análisis de costos de captura y secuestro de aire directo acoplado a energía térmica baja en carbono en los Estados Unidos. Reinar. ciencia Tecnología 54, 7542–7551 (2020).

Artículo CAS PubMed Google Académico

Wernet, G. et al. La base de datos ecoinvent versión 3 (parte I): descripción general y metodología. En t. J. Evaluación del ciclo de vida. 21, 1218–1230 (2016).

Artículo Google Académico

Coeficientes de emisión de dióxido de carbono por combustible -Administración de Información Energética (EIA) de EE. UU. https://www.eia.gov/environment/emissions/co2_vol_mass.php (2021).

Kätelhön, A., Bardow, A. & Suh, S. Modelo estocástico de elección de tecnología para la evaluación del ciclo de vida consecuente. Reinar. ciencia Tecnología 50, 12575–12583 (2016).

Artículo PubMed Google Académico

Kätelhön, A., von der Assen, N., Suh, S., Jung, J. y Bardow, A. Enfoque de la curva de costos de la industria para modelar el impacto ambiental de la introducción de nuevas tecnologías en la evaluación del ciclo de vida. Reinar. ciencia Tecnología 49, 7543–7551 (2015).

Artículo PubMed Google Académico

Qin, Y., Yang, Y., Cucurachi, S. & Suh, S. No linealidad en LCA marginal: aplicación del modelo de optimización espacial. Frente. Sostener. 2, 631080 (2021).

Pizzol, M., Sacchi, R., Köhler, S. y Anderson Erjavec, A. No linealidad en la evaluación del ciclo de vida de tecnologías escalables y emergentes. Frente. Sostener. 1, 611593 (2021).

Mutel, C. Brightway: un marco de código abierto para la evaluación del ciclo de vida. J. Software de código abierto. 2, 236 (2017).

Artículo Google Académico

Mulders, FMM, Hettelar, JMM y Van Bergen, F. Evaluación de las reservas y recursos mundiales de combustibles fósiles para TIMER. TNO Built Environment and Geosciences, Utrecht 98, https://models.pbl.nl/image/index.php/Mulders_et_al.,_2006 (2006).

Rogner, H.-H. Una evaluación de los recursos mundiales de hidrocarburos. año Rev. Energía Medio Ambiente. 22, 217–262 (1997).

Artículo Google Académico

De Vries, BJ, Van Vuuren, DP & Hoogwijk, MM Fuentes de energía renovable: Su potencial global para la primera mitad del siglo XXI a nivel global: un enfoque integrado. Política energética 35, 2590–2610 (2007).

Artículo Google Académico

Gernaat, DE, Bogaart, PW, van Vuuren, DP, Biemans, H. y Niessink, R. Evaluación de alta resolución del potencial hidroeléctrico técnico y económico global. Húmedo. Energía 2, 821–828 (2017).

Artículo Google Académico

Daioglou, V., Doelman, JC, Wicke, B., Faaij, A. y van Vuuren, DP Evaluación integrada de oferta y demanda de biomasa en escenarios de mitigación del cambio climático. globo Reinar. Cambio 54, 88–101 (2019).

Artículo Google Académico

van Soest, H. et al. Un despliegue global de políticas relevantes a nivel nacional cierra la brecha de emisiones. https://doi.org/10.21203/rs.3.rs-126777/v1 (2021).

Koelbl, BS, van den Broek, MA, Faaij, APC & van Vuuren, DP Incertidumbre en las proyecciones de implementación de captura y almacenamiento de carbono (CCS): un ejercicio de comparación entre modelos. Clima Cambio 123, 461–476 (2014).

Artículo CAS Google Académico

Broehm, M., Strefler, J. & Bauer, N. Revisión técnico-económica de los sistemas de captura directa de aire para la mitigación a gran escala del CO2 atmosférico. https://papers.ssrn.com/abstract=2665702. https://doi.org/10.2139/ssrn.2665702. (2015)

Socolow, R. et al. Captura directa de CO2 en el aire con productos químicos: una evaluación de tecnología para el Panel de Asuntos Públicos de APS. https://www.aps.org/policy/reports/assessments/upload/dac2011.pdf. (2011).

Koornneef, J., van Keulen, T., Faaij, A. y Turkenburg, W. Evaluación del ciclo de vida de una central eléctrica de carbón pulverizado con captura, transporte y almacenamiento de CO2 después de la combustión. En t. J. Greenh. Gas. Control 2, 448–467 (2008).

Artículo CAS Google Académico

Huijbregts, MA et al. ReCiPe2016: un método armonizado de evaluación del impacto del ciclo de vida a nivel de punto medio y punto final. En t. J. Evaluación del ciclo de vida. 22, 138–147 (2017).

Artículo Google Académico

Argote, L. & Epple, D. Curvas de Aprendizaje en Manufactura. Ciencia 247, 920 (1990).

Artículo CAS PubMed Google Académico

Junginger, M. & Louwen, A. Aprendizaje tecnológico en la transición a un sistema energético bajo en carbono: problemas conceptuales, hallazgos empíricos y uso en el modelado energético. (Prensa Académica, 2019).

van der Giesen, C., Cucurachi, S., Guinée, J., Kramer, GJ & Tukker, A. Una visión crítica sobre la aplicación actual de LCA para nuevas tecnologías y recomendaciones para mejorar la práctica. J. Producto Limpiador. 259, 120904. https://doi.org/10.1016/j.jclepro.2020.120904. (2020).

Bergerson, JA et al. Análisis del ciclo de vida de tecnologías emergentes: técnicas de evaluación en diferentes etapas de mercado y madurez técnica. J. Ind. Ecol. 24, 11–25 (2020).

Artículo CAS Google Académico

Baker, SE y col. Llegar a neutral: opciones para emisiones de carbono negativas en California. https://gs.llnl.gov/sites/gs/files/2021-08/getting_to_neutral.pdf. (2019).

Ahmad, L., Khordehgah, N., Malinauskaite, J. y Jouhara, H. Avances y aplicaciones recientes de las tecnologías solares fotovoltaicas y térmicas. Energía 207, 118254 (2020).

Artículo Google Académico

Rabaia, MKH et al. Impactos ambientales de los sistemas de energía solar: una revisión. ciencia Entorno Total. 754, 141989 (2021).

Artículo CAS PubMed Google Académico

Watson, S. et al. Futuras tecnologías emergentes en el sector de la energía eólica: una perspectiva europea. Renovar. Sostener. Energía Rev. 113, 109270 (2019).

Artículo Google Académico

Aneke, M. & Wang, M. Tecnologías de almacenamiento de energía y aplicaciones de la vida real: una revisión del estado del arte. aplicación Energía 179, 350–377 (2016).

Artículo Google Académico

Schmidt, O., Hawkes, A., Gambhir, A. & Staffell, I. El costo futuro del almacenamiento de energía eléctrica basado en tasas de experiencia. Nat. Energía 2, 1–8 (2017).

Google Académico

Fasihi, M., Efimova, O. & Breyer, C. Evaluación técnico-económica de las plantas de captura directa de aire de CO2. J. Limpio. Pinchar. 224, 957–980 (2019).

Artículo CAS Google Académico

McQueen, N. et al. Una revisión de la captura directa de aire (DAC): ampliación de tecnologías comerciales e innovación para el futuro. prog. Energía 3, 032001 (2021).

Artículo Google Académico

Karali, N., Park, WY & McNeil, M. Modelado del cambio tecnológico y su impacto en el ahorro de energía en el sector siderúrgico de EE. UU. aplicación Energía 202, 447–458 (2017).

Artículo Google Académico

Gross, R. et al. Presentando el futuro: Metodologías de estimación de costos de generación eléctrica. https://d2e1qxpsswcpgz.cloudfront.net/uploads/2020/03/presenting-the-future-electricity-generation-cost-estimation-methodologies.pdf. (Centro de Investigación de Energía del Reino Unido, 2013).

Ferioli, F. & Van der Zwaan, BCC Aprendizaje en tiempos de cambio: una explicación dinámica para el progreso tecnológico. (Publicaciones de la AEC, 2009).

Nemet, GF Monitoreo provisional de la dinámica de costos para tecnologías energéticas con apoyo público. Política energética 37, 825–835 (2009).

Artículo Google Académico

Rubin, ES, Azevedo, IML, Jaramillo, P. & Yeh, S. Una revisión de las tasas de aprendizaje de las tecnologías de suministro eléctrico. Política energética 86, 198–218 (2015).

Artículo Google Académico

Roy, P.-O. et al. Factores de caracterización para la acidificación terrestre a escala global: un análisis sistemático de la variabilidad espacial y la incertidumbre. ciencia Entorno Total. 500–501, 270–276 (2014).

Artículo PubMed Google Académico

Helmes, RJK, Huijbregts, MAJ, Henderson, AD y Jolliet, O. Factores de destino espacialmente explícitos de las emisiones de fósforo en agua dulce a escala global. Int J. Evaluación del ciclo de vida. 17, 646–654 (2012).

Artículo CAS Google Académico

Dong, Y., Rosenbaum, RK y Hauschild, MZ Evaluación de la toxicidad de los metales en los ecosistemas marinos: potenciales de toxicidad comparativos de nueve metales catiónicos en el agua de mar costera. Reinar. ciencia Tecnología 50, 269–278 (2016).

Artículo CAS PubMed Google Académico

Arvesen, A., Luderer, G., Pehl, M., Bodirsky, BL y Hertwich, EG Derivación de coeficientes de evaluación del ciclo de vida para su aplicación en modelos de evaluación integrados. Reinar. Modelo. suave 99, 111–125 (2018).

Artículo Google Académico

Qiu, Y. Compensaciones ambientales de las tecnologías de captura directa de aire en la mitigación del cambio climático hacia 2100: código y datos. https://doi.org/10.5281/zenodo.6513343 (2022).

Descargar referencias

Este trabajo fue escrito en parte por el Laboratorio Nacional de Energía Renovable (NREL), operado por Alliance for Sustainable Energy, LLC, para el Departamento de Energía de EE. UU. (DOE) bajo el Contrato No. DE-AC36-08GO28308. PL y YQ fueron apoyados por el Programa de Investigación y Desarrollo Dirigido por Laboratorio (LDRD) en NREL. Los puntos de vista expresados ​​en el artículo no representan necesariamente los puntos de vista del DOE o del gobierno de los EE. UU. El gobierno de los EE. UU. retiene y el editor, al aceptar el artículo para su publicación, reconoce que el gobierno de los EE. UU. retiene una licencia mundial no exclusiva, pagada, irrevocable para publicar o reproducir la forma publicada de este trabajo, o permitir que otros lo hagan. para propósitos del gobierno de los EE.UU. YQ también fue financiado por el programa IRES de la Universidad de California, Santa Bárbara (Premio de la Fundación Nacional de Ciencias No. 1658652). La investigación de VD, HB y MH que condujo a estos resultados recibió financiación del Programa Horizonte 2020 de la Comisión Europea H2020/2019-2023 (Acuerdo de subvención n.º 821124: NAVEGAR). Las contribuciones de AB formaron parte del Proyecto PriISMa (No. 299659), financiado a través del programa ACT (Accelerating CCS Technologies, Horizon 2020 Project No. 294766). Agradecemos a Marvin Bachmann, Sarah Deutz y Leonard Müller por su ayuda en el diseño de este estudio y la recopilación de datos del inventario del ciclo de vida de los sistemas DACCS. Agradecemos a Katherine Blumanthal, Maxwell Pisciotta por su ayuda en la estimación de los datos de requisitos de material de los sistemas DACCS.

Estos autores contribuyeron por igual: Yang Qiu, Patrick Lamers, Vassilis Daioglou.

Laboratorio Nacional de Energía Renovable, 15013 Denver W Pkwy, Golden, CO, 80401, EE. UU.

Yang Qiu y Patrick Lamers

Escuela Bren de Ciencias y Gestión Ambiental, 2400 Universidad de California, Santa Bárbara, CA, 93117, EE. UU.

Yang Qiu y Sangwon Suh

Instituto Copérnico de Desarrollo Sostenible, Universidad de Utrecht, Princetonlaan 8a, 3584 CS, Utrecht, Países Bajos

Vassilis Daioglou y Mathijs Harmsen

PBL Agencia de Evaluación Ambiental de los Países Bajos, PO Box 30314, 2500 GH, La Haya, Países Bajos

Vassilis Daioglou, Harmen-Sytze de Boer y Mathijs Harmsen

Departamento de Ingeniería Química y Biomolecular, Universidad de Pensilvania, Filadelfia, PA, 19104, EE. UU.

Noah McQueen y Jennifer Wilcox

Instituto de Investigación de Energía y Clima - Ingeniería de Sistemas Energéticos (IEK-10), Forschungszentrum Jülich GmbH, Jülich, Alemania

André Bardow

Ingeniería de Sistemas de Energía y Procesos, ETH Zurich, 8092, Zurich, Suiza

André Bardow

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

YQ, PL y VD contribuyeron igualmente a este artículo. PL adquirió financiación. PL y SS diseñaron el estudio. YQ, VD, HB y MH realizaron los experimentos. NM, JW, AB proporcionaron datos. PL, YQ y VD escribieron el artículo con aportes de los otros autores.

Correspondencia a Patrick Lamers o Sangwon Suh.

AB participó en comités de revisión de investigación y desarrollo en ExxonMobil y Total Energies. Los demás autores declaran no tener intereses contrapuestos.

Nature Communications agradece a Habiba Ahut Daggash, Evangelos Panos y a los demás revisores anónimos por su contribución a la revisión por pares de este trabajo.

Nota del editor Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Qiu, Y., Lamers, P., Daioglou, V. et al. Compensaciones ambientales de las tecnologías de captura directa de aire en la mitigación del cambio climático hacia 2100. Nat Commun 13, 3635 (2022). https://doi.org/10.1038/s41467-022-31146-1

Descargar cita

Recibido: 20 Septiembre 2021

Aceptado: 03 junio 2022

Publicado: 25 junio 2022

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

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Naturaleza Cambio Climático (2023)

Comunicaciones de la naturaleza (2023)

Cambio Climático (2023)

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.