Blog

Dec 23, 2023

Commerce environnemental

Volume Communication Nature

Nature Communications volume 13, Numéro d'article : 3635 (2022) Citer cet article

14 000 accès

14 Citations

306 Altmétrique

Détails des métriques

La capture directe de l'air (DAC) est essentielle pour atteindre des objectifs climatiques rigoureux, mais les implications environnementales de son déploiement à grande échelle n'ont pas été évaluées dans ce contexte. En effectuant une évaluation prospective du cycle de vie de deux technologies prometteuses dans une série de scénarios d'atténuation du changement climatique, nous constatons que la décarbonation du secteur de l'électricité et les améliorations de la technologie DAC sont toutes deux indispensables pour éviter le déplacement des problèmes environnementaux. La décarbonation du secteur de l'électricité améliore l'efficacité de la séquestration, mais augmente également les niveaux d'écotoxicité terrestre et d'épuisement des métaux par tonne de CO2 séquestrée via le DAC. Ces augmentations peuvent être réduites par des améliorations de l'efficacité des matériaux DAC et de l'utilisation de l'énergie. Le DAC présente des variations régionales d'impact environnemental, soulignant l'importance d'un site intelligent lié à la planification et à l'intégration du système énergétique. Le déploiement du CAD contribue à la réalisation des objectifs climatiques à long terme, ses performances environnementales et climatiques dépendent cependant des actions d'atténuation sectorielles, et ne devraient donc pas suggérer un assouplissement des objectifs sectoriels de décarbonation.

Les scénarios d'atténuation du changement climatique utilisés par le Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC)1 suggèrent qu'une décarbonisation rapide des services liés à l'énergie et aux matériaux sera probablement insuffisante pour maintenir l'augmentation moyenne de la température mondiale bien en dessous de 2 °C d'ici la fin du XXIe siècle. . Le budget carbone mondial restant de 420 à 1170 gigatonnes (Gt) de CO2 devrait être épuisé dans 10 à 30 ans avec les taux d'émission annuels actuels et les contributions prévues déterminées au niveau national (CDN)2. La plupart des scénarios d'émissions du GIEC dépassent d'abord le budget carbone, puis éliminent l'excès de carbone via les technologies d'élimination du dioxyde de carbone (CDR), c'est-à-dire des efforts intentionnels pour éliminer le CO2 de l'atmosphère et le stocker sur terre ou dans les océans de l'ordre de 200 à 1 200 Gt CO2 vers l'an 21002.

Les stratégies CDR comprennent l'amélioration des puits de carbone naturels au-dessus et au-dessous du sol dans les plantes, les formations rocheuses et les sols, ainsi que des solutions d'ingénierie évolutives conçues pour séquestrer, stocker ou utiliser le CO2 atmosphérique concentré. La capture directe de l'air (DAC), bien qu'en étant à un stade précoce de développement, attire de plus en plus l'attention et est reconnue comme une stratégie prometteuse d'atténuation du changement climatique1. Compte tenu des niveaux de concentration atmosphérique de CO2 homogènes dans le monde, les installations DAC peuvent être déployées dans des endroits qui fournissent une énergie abondante, bon marché et sans carbone et/ou qui sont proches d'infrastructures de pipelines, de stockage souterrain ou d'installations d'utilisation pour réduire le coût de transport du CO23. De plus, par rapport à la bioénergie avec captage et stockage du carbone (BECCS), une technologie CDR alternative facilitant des objectifs d'atténuation stricts4, le DAC devrait avoir des empreintes beaucoup plus faibles dans les utilisations de l'eau et des terres5, réduisant ainsi les préoccupations concernant la sécurité alimentaire et la perte de biodiversité6.

La capture et le stockage directs du carbone dans l'air (DACCS) utilisent des procédés chimiques ou physiques pour séparer le CO2 de l'air ambiant et le séquestrer de manière permanente dans des sites de stockage géologique. En raison de la nature hautement diluée du CO2 atmosphérique (actuellement autour de 415 parties par million), les technologies DACCS nécessitent des apports importants en énergie et en matériaux, de sorte que leur déploiement futur et leur rôle dans l'atténuation du changement climatique dépendront fortement de la conception des procédés et des performances technico-économiques et environnementales qui en résultent3 . Deux types de technologies sont actuellement considérées comme prometteuses d'un point de vue technico-économique : le DACCS à base de solvant, reposant généralement sur des solutions aqueuses d'hydroxyde (hydroxyde de potassium, hydroxyde de sodium) pour capturer le CO27,8,9,10, et le DACCS à base de sorbant, utilisant principalement des amines. matériaux collés sur une large gamme de supports solides poreux11,12,13,14. Le DACCS à base de solvant nécessite une chaleur dédiée à haute température (900 °C) pour la régénération du CO210. Ainsi, d'un point de vue thermodynamique, les options d'approvisionnement en chaleur sont largement limitées à la combustion de combustibles à forte densité énergétique tels que le gaz naturel (renouvelable) ou l'hydrogène (renouvelable), tandis que des approches de chauffage par résistance électrique et de régénération électrochimique sont en cours de développement. Le DACCS à base de sorbant peut fonctionner avec une chaleur à basse température (80–120 °C) pour la régénération du CO215, offrant une plus grande variété d'options d'approvisionnement en énergie thermique (par exemple, pompe à chaleur, géothermie et chaleur résiduelle industrielle).

Un nombre croissant d'études ont inclus le DACCS dans les scénarios de modélisation d'évaluation intégrée (IAM). Ils mettent en évidence le rôle essentiel du DACCS dans la réalisation d'objectifs climatiques rigoureux, mais ils révèlent également les compromis du déploiement du DACCS, qui, d'une part, pourrait réduire les coûts d'atténuation et détendre la concurrence pour l'utilisation des terres. D'autre part, le déploiement et le fonctionnement à grande échelle du DACCS pourraient également nécessiter de grandes quantités d'énergie supplémentaire16,17,18,19. Selon l'approche de modélisation et le scénario, ces études prévoient que les niveaux de déploiement du DACCS pour atteindre un objectif climatique de 2 °C ou plus strict d'ici 2100 peuvent atteindre jusqu'à 40 Gt de séquestration annuelle de CO216,17,18,20. À cette échelle, le DACCS (en supposant un processus à base de solvant) pourrait consommer jusqu'à 12 % et 60 % d'énergie électrique et non électrique mondiale d'ici 210017,21. Évidemment, pour les installations DACCS connectées aux réseaux électriques, leurs performances environnementales dépendront du contexte du système électrique dans lequel elles fonctionneront. Des études antérieures ont montré que le DACCS peut atteindre des émissions négatives, mais les efficacités de capture sont sensibles à l'efficacité opérationnelle et à la source d'énergie22,23,24,25. Une récente évaluation du cycle de vie (ACV) des technologies DACCS a également identifié des compromis environnementaux potentiels dans la transformation accrue des terres si le DACCS est exploité à l'électricité solaire (par rapport à l'utilisation de l'électricité du réseau)26. Ces études supposent toutefois que le DACCS est alimenté soit par une technologie de génération spécifique, soit par des systèmes d'électricité statique. Ainsi, ils ne révèlent pas comment les impacts environnementaux du DACCS pourraient changer avec les transitions du système énergétique suivant des scénarios d'atténuation stricts1, ni ne quantifient les compromis environnementaux potentiels plus larges des transitions du système électrique avec et sans déploiement du DACCS dans de tels scénarios vers 2100. En outre, ces les études ne tiennent pas pleinement compte des améliorations technologiques potentielles à long terme des DACCS, qui devraient affecter les impacts environnementaux des technologies en modifiant leurs apports physiques en matériaux et en énergie27,28,29.

Ici, nous calculons une ACV prospective du DACCS selon les scénarios d'atténuation du changement climatique développés par le modèle d'évaluation intégrée IMAGE 3.230,31 qui sont cohérents avec les objectifs climatiques de l'Accord de Paris. L'IMAGE 3.2 a été utilisée pour projeter l'approvisionnement, la conversion et la demande futurs d'énergie vers 2100 dans 26 régions du monde sur la base des récits démographiques, économiques, technologiques et comportementaux des voies socioéconomiques partagées (SSP)32,33. Cette étude utilise la voie « Milieu de la route » (SSP2), qui suppose des développements futurs conformes aux modèles historiques. Ceci est ensuite lié aux objectifs climatiques définis par les voies de concentration représentatives (RCP)34 pour déterminer les prix du carbone requis qui conduisent à des changements dans le système énergétique compatibles avec la réalisation d'objectifs climatiques spécifiques. Nous utilisons trois scénarios distincts : Une ligne de base SSP2 sans politiques et mesures climatiques pour limiter le forçage radiatif ou pour améliorer la capacité d'adaptation (ligne de base SSP2). Une ligne de base SSP2 liée à un effort strict d'atténuation du changement climatique pour limiter le réchauffement climatique à moins de 1,5 °C, soit un niveau de forçage radiatif de 1,9 W/m2 (RCP1.9), d'ici 2100, permettant au DACCS comme option CDR (SSP2 -RCP1.9 avec DACCS). Enfin, un contrefactuel qui suit le même objectif socio-économique et d'atténuation du changement climatique mais ne présente pas le DACCS comme option CDR (SSP2-RCP1.9 sans DACCS).

Dans une étude ACV, les changements technologiques dans les systèmes d'arrière-plan et d'avant-plan peuvent affecter les impacts environnementaux de l'objet étudié. Le système de premier plan se compose de processus directement liés à l'objet, tandis que le système d'arrière-plan comprend les processus en amont ou en aval de la chaîne d'approvisionnement qui sont indirectement liés à l'objet35,36. Ici, nous adaptons un cadre ACV open source37,38 pour modifier les données liées à l'électricité dans la base de données LCI de fond en utilisant des projections IMAGE régionalement et temporellement explicites (sur le mix électrique, l'efficacité de la production et les émissions associées à l'électricité) de 2020 à 2100 sous la trois scénarios. Les impacts régionaux sont différenciés pour les États-Unis (US) et comparés à la Chine, la Russie, l'Europe occidentale et une moyenne mondiale. Les changements dans les apports de matières premières et d'énergie des deux technologies (DACCS à base de solvant et de sorbant) au cours de la même période sont estimés sur la base de la projection IMAGE du déploiement mondial du DACCS à l'aide d'une approche de courbe d'apprentissage à un facteur. Nous supposons donc une opération à l'échelle commerciale et des améliorations technologiques via l'apprentissage par la pratique. Pour saisir l'incertitude liée aux taux d'apprentissage futurs spécifiques, nous appliquons différents taux dans le cadre d'une analyse de sensibilité. Deux types d'options d'alimentation en chaleur sont également envisagés pour les DACCS à base de solvant (gaz naturel ou biométhane) et de sorbant (biométhane ou pompe à chaleur) afin de comprendre comment les sources de chaleur affectent leurs profils environnementaux. En outre, nous quantifions également l'effet du déploiement du DACCS sur les changements dans les charges du système électrique, les mélanges de réseaux et les changements connexes dans les impacts environnementaux en comparant le scénario d'atténuation strict (SSP2-RCP1.9) avec et sans DACCS en tant qu'option CDR.

Dans ce travail, nous constatons que la décarbonation du secteur de l'électricité améliore l'efficacité de la séquestration, mais augmente également les niveaux d'écotoxicité terrestre et d'épuisement des métaux par tonne de CO2 séquestrée via le DACCS, mais ces augmentations peuvent être réduites en améliorant l'efficacité d'utilisation des matériaux et de l'énergie du DACCS. dans le cadre de l'apprentissage technologique, indiquant que la décarbonisation du secteur de l'électricité et les améliorations de la technologie DACCS sont toutes deux indispensables pour éviter le déplacement des problèmes environnementaux. Le DACCS présente des variations régionales d'impact sur l'environnement, soulignant l'importance de l'implantation intelligente liée à la planification et à l'intégration du système énergétique. Le déploiement du DACCS contribue à l'atteinte des objectifs climatiques de long terme, ses performances environnementales et climatiques dépendent cependant des actions sectorielles d'atténuation, et son déploiement ne doit pas suggérer un assouplissement des objectifs sectoriels de décarbonation.

Le DACCS atteint des émissions négatives nettes de gaz à effet de serre (GES) dans toutes les technologies et sources de chaleur étudiées par tonne métrique (1 t) de CO2 atmosphérique capturé et séquestré géologiquement dans un contexte américain d'ici 2020. L'efficacité de séquestration nette varie selon la technologie DACCS et la source de chaleur (Fig. 1a) avec des impacts du changement climatique sur le cycle de vie allant de −0,36 à −0,94 t CO2-eq pour un réseau mixte de référence en 2020 (Fig. 1a). Net GES négatif implique que les technologies DACCS libèrent moins d'émissions de GES qu'elles n'en captent et séquestrent géologiquement au cours du cycle de vie des centrales (approche du berceau à la tombe). L'influence de différents contextes de système électrique de fond peut être observée en comparant les résultats de la ligne de base SSP2 par rapport aux scénarios SSP2-RCP1.9 avec DACCS. Dans le scénario de référence SSP2, le système électrique américain réduit la part de la production de charbon de 31 % en 2020 à 7 % en 2100, tandis que sa part combinée de production nucléaire et renouvelable passe de 35 à 61 % sur la même période (Fig. 2a ). En conséquence, l'impact du DACCS sur le changement climatique est encore réduit à −0,72 à −1,12 t CO2-eq d'ici 2100. L'efficacité de séquestration la plus élevée est obtenue par le DACCS à base de solvant utilisant le biométhane comme source de chaleur (SV + BM). Étant donné que le procédé collecte et séquestre le CO2 libéré lors de l'étape du procédé de génération de chaleur, l'utilisation de biométhane, un combustible CO2 non fossile et sans charge, crée un profil d'émission de CO2 négatif au-delà de la tonne de CO2 atmosphérique séquestré.

Les catégories d'impact comprennent (a) l'impact sur le changement climatique, (b) l'impact sur la toxicité humaine, (c) l'impact sur l'eutrophisation des eaux douces, (d) l'impact sur l'écotoxicité des eaux douces, (e) l'impact sur l'acidification terrestre, (f) l'impact sur l'écotoxicité terrestre, (g) l'épuisement des métaux , (h) épuisement de l'eau. Quatre combinaisons DACCS et source de chaleur sont envisagées, y compris DACCS à base de solvant avec biométhane (SV + BM), DACCS à base de solvant avec gaz naturel (SV + NG), DACCS à base de sorbant avec biométhane (SB + BM), DACCS à base de sorbant DACCS avec pompe à chaleur (SB + PAC). Dans chaque panneau, le graphique linéaire (côté gauche de chaque panneau) montre la trajectoire des impacts environnementaux dus à la décarbonation du secteur électrique selon deux scénarios (hors apprentissage technologique du DACCS). L'un est un scénario de référence "Sentiers socio-économiques partagés - Voie au milieu de la route" (SSP2) (SSP2-baseline). Le deuxième scénario relie la voie SSP2 à la voie de concentration représentative (RCP) qui s'aligne sur un niveau de forçage radiatif de 1,9 W/m2 (RCP1.9) d'ici 2100 et autorise DACCS comme option CDR (SSP2-RCP1.9 avec DACCS ). Le graphique à barres (côté droit de chaque panneau) comprend l'apprentissage technologique du DACCS et compare ainsi les effets des systèmes d'arrière-plan et de premier plan (tous sous SSP2-RCP1.9 avec scénario DACCS) sur les impacts environnementaux des quatre systèmes DACCS. Les barres sans remplissage de couleur (uniquement avec une couleur de bordure) marquent les changements en pourcentage des impacts en 2100 par rapport au niveau de 2020 uniquement en raison de la décarbonisation du secteur de l'électricité en arrière-plan, tandis que les barres avec un remplissage en couleur marquent les changements en pourcentage des impacts en 2100 par rapport au niveau de 2020. Niveau de 2020 en raison à la fois de la décarbonisation du secteur de l'électricité en arrière-plan et de l'apprentissage des technologies de premier plan (basé sur les taux d'apprentissage de référence) du DACCS. Les barres d'erreur (associées aux barres avec remplissage de couleur) représentent les résultats sous des taux d'apprentissage lents et rapides (tableau supplémentaire 10).

Les scénarios incluent (a) SSP2-baseline, (b) SSP2-RCP1.9 sans DACCS (la voie SSP2 liée à l'objectif climatique RCP1.9, mais n'inclut pas DACCS comme option CDR), (c) SSP2 -RCP1.9 avec scénarios DACCS et (d) les émissions annuelles de CO2 du système électrique américain selon les trois scénarios. Dans les panels du mix électrique (a, b, c), la zone empilée représente les parts de marché du mix réseau. "Solaire" comprend à la fois l'énergie solaire photovoltaïque et l'énergie solaire concentrée. Le « Pétrole » combine à la fois le pétrole avec et sans captage et stockage du carbone (CSC), car le pétrole avec CSC représente <1 % du mix du réseau. Les autres énergies renouvelables comprennent l'énergie des vagues, des marées et de la géothermie. En (c), la ligne pointillée rouge montre le pourcentage de la production annuelle d'électricité consommée par DACCS, correspondant à l'axe des ordonnées secondaire.

Dans le scénario SSP2-RCP1.9 avec DACCS, le secteur de l'électricité américain atteint une décarbonisation complète d'ici 2035 (Fig, 2d), ce qui est conforme aux objectifs actuels et une décarbonisation à l'échelle de l'économie d'ici 205039. Le scénario présente une élimination progressive du charbon et du gaz naturel (d'ici 2050) et pénétration accrue des énergies renouvelables (81 %) d'ici 2100 (Fig. 2c). Dans ce scénario, l'impact du DACCS sur le changement climatique présente des réductions plus rapides avant 2050 et atteint des niveaux de -0,91 à -1,25 t CO2-eq d'ici 2100 (Fig. 1a).

La toxicité humaine du cycle de vie, l'eutrophisation de l'eau douce, l'acidification terrestre et l'épuisement de l'eau du DACCS sont sensibles aux parts de la production de charbon et de gaz naturel dans le mix du réseau électrique (Fig. 9 supplémentaire). Ces impacts diminuent de 2020 à 2100, montrant des co-bénéfices environnementaux avec la décarbonisation du secteur de l'électricité (Fig. 1b, c, e et h). Pourtant, la décarbonisation du système électrique américain crée des compromis environnementaux pour le DACCS dans d'autres catégories d'impact. Nous constatons des augmentations à la fois de l'écotoxicité terrestre (de 33 à 80 % sur quatre combinaisons DACCS-source de chaleur pour les scénarios de référence SSP2 et SSP2-RCP1.9 avec DACCS) et des niveaux d'épuisement des métaux (de 23 à 42 % et de 40 à 73 %). % sur quatre combinaisons DACCS-source de chaleur pour SSP2-référence et SSP2-RCP1.9 avec scénario DACCS, respectivement) de 2020 à 2100 compte tenu des contributions croissantes de la production d'énergie solaire photovoltaïque (PV) et éolienne dans le système électrique de fond (Fig. 2f, g, Fig. 9 supplémentaire). L'augmentation de l'impact sur l'écotoxicité dans les scénarios avec une forte production d'énergie renouvelable est en grande partie due aux émissions provenant de la production de cellules solaires photovoltaïques à base de silicium et du traitement du cuivre (car le cuivre est utilisé pour le câblage dans le solaire photovoltaïque et les éoliennes). La demande relative plus élevée de métaux (par kW installé) pour la construction de parcs solaires photovoltaïques et éoliens augmente également l'extraction de minéraux. La décarbonisation de l'électricité affecte à peine l'écotoxicité de l'eau douce du DACCS en raison de l'effet contraire de l'augmentation des pénétrations solaires et éoliennes (qui augmentent l'impact) et de la réduction de la production de charbon (qui diminue l'impact) dans le mix du réseau (Fig. 2d, Supplémentaire Fig. 9 ).

Les impacts environnementaux du cycle de vie du DACCS sont affectés par le type de technologie et la source de chaleur. Le système de pompe à chaleur DACCS + à base d'absorbants (SB + HP) a le plus grand impact sur le changement climatique en 2020 car la chaleur est convertie à partir de l'électricité du réseau à dominance fossile, qui a une intensité en carbone plus élevée que les autres sources de chaleur, mais cet impact est également plus sensible à la décarbonation du secteur de l'électricité, il montre donc une décroissance plus rapide dans le temps. Dans le scénario SSP2-RCP1.9 avec DACCS, l'impact sur le changement climatique du système SB + HP devient le plus faible par rapport à trois autres homologues après 2040. Pour les DACCS à base de solvants, l'utilisation du biométhane comme source de chaleur entraîne une baisse du climat changent l'impact que l'utilisation du gaz naturel en raison de la séquestration supplémentaire du carbone biogénique. Par conséquent, le SV + BM présente un impact sur le changement climatique du cycle de vie inférieur à celui du système DACCS à base de solvant avec du gaz naturel (SV + NG) (Fig. 2a).

Comme pour les autres paramètres non climatiques, le DACCS à base de sorbants présente généralement des impacts plus élevés sur la toxicité humaine, l'eutrophisation et l'écotoxicité de l'eau douce, et l'épuisement des métaux, principalement en raison de sa consommation unitaire d'électricité plus élevée. En revanche, le DACCS à base de solvant présente un appauvrissement en eau plus élevé (pour 1 t de CO2 capturé, 3 à 12 fois plus que le DACCS à base de sorbant), car il capture le CO2 à l'aide d'une solution aqueuse d'hydroxyde, qui s'évapore pendant l'opération, tandis que le sorbant- Le DACCS à base d'amines solides utilise des absorbants solides, qui consomment beaucoup moins d'eau pendant les phases de production et d'utilisation. Il a également été démontré qu'en raison de l'affinité des sorbants aminés pour l'eau, le DACCS à base de sorbants coproduit même de l'eau dans des environnements humides, qui peut être utilisée comme eau douce ou encore purifiée en eau potable15. En termes de source de chaleur, les DACCS à base de solvant utilisant la chaleur du gaz naturel ont des impacts plus faibles pour toutes les catégories étudiées par rapport au biométhane, à l'exception de l'écotoxicité terrestre (impact plus élevé dû au rejet de déchets de forage toxiques lors de la production de gaz naturel) et de l'épuisement de l'eau (qui est plus sensible au type de technologie qu'à la source de chaleur). Le DACCS à base de sorbant présente un profil d'impact environnemental plus faible en utilisant le biométhane pour la chaleur. La seule augmentation par rapport à la chaleur dérivée de la pompe à chaleur est l'acidification terrestre, qui est principalement due à la digestion anaérobie des biodéchets dans la production de biométhane (Fig. 2b–h).

Nos résultats montrent que des améliorations continues via l'apprentissage par la pratique peuvent atténuer certains impacts environnementaux. Dans le cadre du scénario SSP2-RCP1.9 avec DACCS, l'apprentissage technologique commence à réduire les apports de matériaux et d'énergie après 2050, lorsque le DACCS est déployé à grande échelle dans le monde entier (tableau supplémentaire 11). Pourtant, les impacts du changement climatique, de la toxicité humaine et de l'eutrophisation de l'eau douce sont principalement attribuables à la consommation d'électricité (Fig. 6 supplémentaire) et la décarbonisation du secteur de l'électricité diminue déjà ces impacts (de la production d'électricité) de plus de 80 % jusqu'en 2050 (par rapport à niveaux 2020) (Fig. 9 supplémentaire). Par conséquent, l'apprentissage de la technologie DACCS contribue à moins de 10 % des changements totaux (sur les 80 ans) de ces impacts (Fig. 1a à c). Alors que la décarbonisation du secteur de l'électricité augmente (légèrement) l'écotoxicité des eaux douces, l'écotoxicité terrestre et l'épuisement des métaux par tonne de CO2 séquestrée via le DACCS de 2020 à 2100, les améliorations de l'efficacité des matériaux et de l'énergie, induites par les effets d'apprentissage, ont le potentiel de compenser les augmentations à travers ces catégories. Une analyse de sensibilité confirme l'effet prédominant de l'apprentissage dans ces impacts. La variation des taux d'apprentissage entre les limites inférieure et supérieure (tableau supplémentaire 10) entraîne des augmentations supplémentaires (13–23%) ou des diminutions (−10% à −13%) des changements totaux de ces impacts, tout en faisant varier à peine les taux d'apprentissage. affecte les changements d'impact totaux pour le changement climatique, la toxicité humaine et l'eutrophisation de l'eau douce. L'épuisement en eau du DACCS à base de solvant montre une plus grande sensibilité au changement des taux d'apprentissage par rapport à celui du DACCS à base de sorbant (Fig. 1h) car l'utilisation de solvant représente plus de 80% de l'épuisement total en eau pour le DACCS à base de solvant ( Fig. 6 supplémentaire). Ainsi, la réduction de l'évaporation de l'eau pendant l'opération peut être une stratégie importante pour réduire l'épuisement de l'eau pendant le cycle de vie des DACCS à base de solvant.

La capacité CDR fournie par DACCS affecte également le développement à long terme du système énergétique. Dans nos projections, les prix du carbone sont utilisés comme approximation pour promouvoir les changements nécessaires dans le système énergétique afin de limiter les émissions. Dans le cadre du scénario d'atténuation strict avec DACCS (SSP2-RCP1.9 avec DACCS), le déploiement de DACCS aux États-Unis commence vers 2050 et sa capacité opérationnelle annuelle atteint 0,85 GtCO2/an d'ici 2100 (Fig. 3), consommant environ 5 % ( 352 TWh) de production annuelle d'électricité aux États-Unis (Fig. 2c). La disponibilité du DACCS agit essentiellement comme un plafond sur le prix du carbone à long terme, obligeant les secteurs difficiles à réduire à compenser leurs émissions en utilisant le DACCS au lieu d'investir dans des technologies alternatives (par exemple, l'électrification, l'amélioration de l'efficacité énergétique), et cela conduit à une augmentation de la demande énergétique globale qui est partiellement satisfaite par une consommation supplémentaire de combustibles fossiles (gaz naturel, pétrole et charbon) (Fig. 7a supplémentaire). Par conséquent, ces secteurs difficiles à réduire favorisent un déploiement supplémentaire de CDR, qui est d'abord satisfait par une séquestration supplémentaire de CO2 de BECCS, qui commence à augmenter après 2050, entraînant une utilisation moyenne de 15 % de BECCS par rapport au scénario sans DACCS. d'ici 2080 (Fig. 8a supplémentaire). Par la suite, à mesure que la capacité du DACCS augmente plus rapidement après 2080 et répond progressivement à la demande supplémentaire de CDR, la séquestration annuelle de CO2 de BECCS se stabilise autour de 1,3 GtCO2/an d'ici 2100, comme les niveaux du scénario d'atténuation stricte sans DACCS. Il est important de noter qu'à l'échelle mondiale, l'exigence de BECCS est plus faible dans le scénario SSP2-RCP1.9 avec DACCS que dans le cas SSP2-RCP1.9 sans DACCS (Fig. 8a supplémentaire).

Les barres empilées montrent l'évolution de la production annuelle par technologie lorsque le DACCS est une option d'élimination du dioxyde de carbone dans le même scénario d'atténuation. La ligne rouge représente la différence nette de production d'électricité annuelle en soustrayant le SSP2-RCP1.9 sans DACCS du scénario avec DACCS (axe y principal). La ligne noire représente la capacité opérationnelle annuelle du DACCS (axe y secondaire).

L'expansion de BECCS après 2050, culminant à 420 TWh/an en 2080 et atteignant 113 TWh/an en 2100, est perceptible dans le mix de production américain lors de la cartographie des différences entre les deux scénarios d'atténuation (Fig. 3). Avec le DACCS, on constate également que moins d'électricité est produite à partir du gaz naturel avec captage et stockage du carbone (CSC) et du nucléaire au cours de la même période, et la production annuelle d'électricité aux États-Unis chute régulièrement pendant la phase d'expansion du BECCS jusqu'en 2080 (à -160 TWh/ an soit −2,3% par rapport au cas sans DACCS). Par la suite, l'augmentation rapide de la capacité opérationnelle du DACCS et l'augmentation respective de la demande d'électricité réduisent l'écart de demande entre les deux scénarios. D'ici 2100, 35 TWh/an d'électricité supplémentaire sont nécessaires dans un scénario d'atténuation avec DACCS.

La disponibilité du DACCS modifie à peine le taux annuel de décarbonisation du système électrique américain (environ 6 % dans les deux scénarios sur la base de l'impact annuel du changement climatique sur le cycle de vie). Dans les deux scénarios d'atténuation stricts, le système électrique américain atteint la neutralité carbone d'ici 2035 (Fig. 1d), ce qui est conforme à l'objectif actuel de décarbonation de l'administration américaine pour le secteur39. À partir de 2050, le mix réseau américain commence à changer avec le déploiement croissant du DACCS, entraînant des changements dans les impacts environnementaux du cycle de vie à long terme par kWh produit. Nous constatons une diminution de l'impact du changement climatique jusqu'à -0,019 kg CO2-eq/kWh, qui est principalement attribuable à la production d'électricité supplémentaire de BECCS. Des réductions se produisent également dans l'épuisement de l'eau et les impacts de la toxicité humaine par kWh. Dans le même temps, les impacts de la production d'électricité aux États-Unis augmentent pour plusieurs autres catégories, notamment l'eutrophisation et l'écotoxicité des eaux douces, l'acidification et l'écotoxicité terrestres et l'épuisement des métaux (barres sur la figure 4). Ce déplacement des problèmes environnementaux est directement attribuable au changement de composition du réseau électrique causé par le DACCS. Pourtant, pour la plupart des catégories d'impact, les changements sont indiscernables par rapport à ceux causés par la décarbonation du système électrique dans son ensemble (lignes de la Fig. 4). Les exceptions sont l'épuisement des métaux et l'écotoxicité terrestre, dont les niveaux augmentent respectivement de 123 % et 77 % de 2020 à 2100 en raison de la décarbonisation du secteur électrique. Le déploiement du DACCS contribue à hauteur de 10 % supplémentaires (en moyenne) après 2050 aux deux catégories d'impact (Fig. 4).

Les catégories d'impact comprennent (a) l'impact sur le changement climatique, (b) l'impact sur la toxicité humaine, (c) l'impact sur l'eutrophisation des eaux douces, (d) l'impact sur l'écotoxicité des eaux douces, (e) l'impact sur l'acidification terrestre, (f) l'impact sur l'écotoxicité terrestre, (g) l'épuisement des métaux , (h) épuisement de l'eau. La barre dans chaque sous-parcelle représente le changement absolu (par génération de 1 kWh) de chaque impact en soustrayant le SSP2-RCP1.9 sans DACCS du scénario avec DACCS de 2020 à 2100 (axe y principal). Les lignes de chaque sous-graphique représentent le changement relatif (pourcentage) par impact par rapport à son niveau de référence 2020 (axe y secondaire) dans un scénario RCP1.9 avec (bleu) et sans DACCS (orange).

Pour placer les résultats spécifiques aux États-Unis dans un contexte mondial, nous calculons les impacts environnementaux du cycle de vie du DACCS en utilisant des données LCI régionales explicites pour la production d'électricité en Chine, en Europe occidentale et en Russie, ainsi qu'une moyenne mondiale dans le cadre d'un SSP2-RCP1.9 avec scénario DACCS (compte tenu de l'apprentissage technologique du DACCS). Étant donné que les systèmes DACCS à base de solvant et de sorbant sont couramment associés respectivement à l'alimentation en énergie thermique du gaz naturel (SV + GN) et des pompes à chaleur (SB + HP), ces deux configurations ont été considérées comme des processus représentatifs pour une comparaison globale. Les résultats montrent qu'en 2020, l'impact sur le changement climatique des systèmes SV + NG déployés en Russie et en Chine est supérieur de 12 % et 19 % au même système au niveau mondial, car les mix des réseaux électriques de ces régions sont dominés par le charbon et gaz naturel, respectivement (Fig. 5a, Fig. 2 supplémentaire, Fig. 3 supplémentaire). Un impact plus important sur le changement climatique est également observé pour les systèmes SB + HP déployés dans ces deux régions (14 % et 23 % pour la Russie et la Chine, respectivement) (Fig. 5b). Les deux systèmes DACCS présentent des impacts sur le changement climatique inférieurs au niveau mondial de 2020 s'ils sont déployés aux États-Unis (9 % et 10 % de moins pour les systèmes SV + NG et SB + HP) et en Europe occidentale (29 % et 35 % de moins pour les systèmes SV + systèmes NG et SB + HP) compte tenu de l'électricité à faible intensité de carbone des régions (Fig. 2, Fig. 4 supplémentaire). Avec le temps, les impacts du DACCS sur le changement climatique diminuent dans toutes les régions, tout comme les variations régionales. En 2100, les impacts du changement climatique diffèrent à peine entre les régions et le niveau moyen mondial, avec des chiffres légèrement plus élevés observés pour DACCS en Russie dont le mix électrique est largement dominé par le gaz naturel avec CSC (33 % de la production annuelle) (Fig. 3 supplémentaire). De même, des tendances à la baisse des variations régionales sont observées pour les effets de la toxicité humaine, de l'eutrophisation des eaux douces et de l'acidification terrestre résultant d'une décarbonisation mondiale du secteur de l'électricité dans le scénario d'atténuation visant à limiter le changement de température moyen mondial à moins de 1,5 °C d'ici 2100. Les plages de les variations régionales restent stables pour l'écotoxicité des eaux douces et terrestres et augmentent pour l'épuisement des métaux au fil du temps en raison des différents niveaux de pénétration des énergies renouvelables et des profils de mélange de réseaux dans les régions. L'épuisement de l'eau des systèmes SB + HP est plus sensible au contexte du système électrique régional par rapport à celui des systèmes SV + NG. Ainsi, les systèmes SB + HP peuvent encore réduire leur demande en eau déjà plus faible avec une électricité de plus en plus propre vers 2100 (Fig. 5).

Impacts de (a) DACCS à base de solvant utilisant du gaz naturel (SV + NG) et (b) DACCS à base de sorbant utilisant la chaleur générée par pompe à chaleur (SB + HP) dans quatre régions et dans le monde sous un SSP2-RCP1.9 w/ Scénario DACCS (considérant l'apprentissage technologique du DACCS avec les taux d'apprentissage de référence). Par catégorie d'impact, la référence (100% en 2020) est le niveau mondial. Les résultats des autres combinaisons région-année sont présentés comme un changement relatif par rapport à la référence. Ces changements d'impact ont été calculés sur la base de la capture et de la séquestration de 1 tonne de CO2 atmosphérique par DACCS. Étant donné que l'impact négatif net du cycle de vie sur le changement climatique (ICC) des technologies (dans la Fig. 1) créerait une augmentation positive des impacts par rapport au niveau mondial de 2020, nous ne tenons pas compte de la 1 tonne de CO2 capturée dans l'ICC dans cette figure. Autres abréviations des catégories d'impact (de gauche à droite) : HTI Human Toxicity Impact, FEI Freshwater Eutrophication Impact, FTI Freshwater Ecotoxicity Impact, TAI Terrestrial Acidification Impact, TTI Terrestrial Ecotoxicity Impact, MD Metal Depletion, WD Water Depletion.

Alors que de plus en plus de scénarios IAM commencent à inclure le DACCS en tant que technologie CDR essentielle pour atteindre des objectifs climatiques stricts, les performances du DACCS doivent être évaluées dans le contexte de ces objectifs afin de mieux guider les décisions politiques et le déploiement du DACCS à l'avenir. Comme le montre notre ACV, une décarbonation rapide des secteurs de l'électricité et de la demande d'énergie qui est conforme à l'objectif climatique de 1,5 °C peut augmenter l'efficacité de séquestration nette du DACCS et faciliter son potentiel d'atténuation du changement climatique, suggérant que le déploiement du DACCS et la décarbonation du système électrique devraient agir en synergie dans les efforts d'atténuation du changement climatique.

Plusieurs technologies DACCS peuvent compenser les émissions de GES et contribuer aux efforts d'atténuation du changement climatique à long terme, mais leurs efficacités nettes de séquestration et leurs performances environnementales globales sont interdépendantes du système énergétique dans lequel elles opèrent. Le simple passage à des sources d'énergie à faible émission de carbone pour le fonctionnement des centrales DACCS pourrait entraîner des compromis environnementaux. Ces résultats sont en ligne avec d'autres études DACCS LCA22,24,26. Nous constatons que le DACCS à base de solvant a généralement des impacts plus faibles que le DACCS à base de sorbant dans cinq (changement climatique, toxicité humaine, eutrophisation de l'eau douce, écotoxicité de l'eau douce et épuisement des métaux) sur les huit catégories d'impact étudiées ici. Ceci est contraire aux conclusions d'une autre étude, qui indique que le DACCS à base d'absorbants a des impacts environnementaux plus faibles pour les catégories d'impacts qui y sont considérées (sous le cas de référence)40. Ces différences semblent être liées aux hypothèses optimistes de consommation d'électricité (180 kWh/t CO2) et de chaleur (2,6 GJ/t CO2) de l'étude pour les DACCS à base de sorbants (dans le cas de référence). Ce sont moins de la moitié de ceux rapportés par plusieurs autres études24,26,41 et celles utilisées ici (470–700 kWh/t CO2 pour l'électricité et 5,4–5,8 GJ/t CO2 pour la chaleur). En outre, l'étude a supposé que le DACCS est alimenté par le réseau électrique en Colombie-Britannique, au Canada, qui est dominé par l'hydroélectricité (représentant 72 % du réseau mixte42) avec de faibles émissions pour la plupart des catégories d'impact. Ainsi, les impacts environnementaux (par exemple, le changement climatique, l'épuisement des ressources fossiles) des DACCS à base de solvants étaient principalement dus à d'autres facteurs tels qu'une consommation de chaleur plus élevée. En outre, l'étude a ignoré la configuration de processus typique pour les DACCS à base de solvants dans laquelle le CO2 libéré lors de la production d'énergie thermique10 est également capturé et séquestré, augmentant ainsi artificiellement l'impact sur le changement climatique de cette technologie et sous-estimant son efficacité potentielle de séquestration. Négliger cette étape de processus intégrée à dessein modifie non seulement l'évaluation de la technologie, mais conduit également à une sous-estimation des besoins en capacité de stockage et des intrants associés aux efforts de planification et d'intégration régionaux. Le DACCS à base de solvant nécessite environ 30 % de capacité de stockage supplémentaire (sur la base de 0,05 kg CO2/MJ43, qui est le facteur d'émission de CO2 de la combustion de gaz naturel) par tonne de CO2 séquestré par rapport au DACCS à base de sorbant.

La consommation d'électricité est un contributeur majeur aux niveaux d'écotoxicité terrestre et d'épuisement des métaux du DACCS, qui sont principalement déterminés par les niveaux de pénétration solaire et éolienne dans le système électrique de fond dans nos scénarios. Par conséquent, à mesure que la décarbonisation du système électrique progresse avec l'expansion des capacités de production et de stockage d'énergie renouvelable, des efforts supplémentaires sont nécessaires pour faciliter l'exploitation minière, la fabrication et l'expansion de l'économie circulaire des matériaux énergétiques utilisés dans ces technologies, ce qui réduira ces niveaux d'impact.

Les politiques de gestion du carbone devraient tenir compte des efforts de recherche et de développement pour améliorer l'efficacité des processus et des matériaux des DACCS et des technologies de production d'énergie à faible émission de carbone. Les technologies DACCS ont déjà atteint des taux de réutilisation très élevés de solvants et de sorbants10,24, mais nos résultats montrent que l'apprentissage technologique réduit considérablement les niveaux d'écotoxicité, d'épuisement des métaux et d'épuisement de l'eau (DACCS à base de solvants uniquement), soulignant son rôle important pour éviter les risques potentiels. déplacement des problèmes environnementaux du déploiement du DACCS dans le cadre d'une voie d'atténuation du changement climatique. Alors que le déploiement à grande échelle du DACCS affectera la dynamique de l'offre et de la demande du système énergétique global, cet effet est négligeable par rapport aux effets de la décarbonisation du secteur de l'électricité. Ainsi, le déploiement du DACCS est complémentaire à l'expansion d'autres technologies à émissions nettes nulles ainsi que du BECCS dans des scénarios rigoureux d'atténuation du changement climatique.

La décarbonisation du système électrique réduit considérablement les différences régionales d'impacts, tels que le changement climatique, la toxicité humaine, l'eutrophisation de l'eau douce et l'acidification terrestre, qui sont principalement dus à la production d'énergie fossile. Pourtant, des profils environnementaux variables en fonction de l'écotoxicité et de l'épuisement des métaux persistent vers 2100 dans le cadre de différentes stratégies de déploiement des énergies renouvelables. Cela souligne la nécessité d'une localisation intelligente du DACCS, intégrant à l'avenir un large éventail de mesures environnementales et socio-économiques pour évaluer les compromis régionaux. Compte tenu de son profil de charge, le déploiement du DACCS devrait également être intégré dans la planification du système énergétique régional, y compris les évaluations des emplacements connectés au réseau et hors réseau. Le DACCS pourrait par exemple être intentionnellement implanté dans des endroits à fort potentiel d'énergie renouvelable et où les interconnexions au réseau seraient coûteuses.

Le cadre prospectif d'ACV présenté ici peut éclairer les discussions politiques sur la priorisation de la recherche et du développement pour les technologies émergentes qui soutiennent la décarbonisation du secteur de l'énergie et les objectifs d'atténuation du changement climatique à long terme. En incorporant des scénarios régionaux et temporels explicites du secteur de l'électricité et des projections technologiques pour les DACCS connectés au réseau, il capture les relations non linéaires complexes entre une technologie CDR et ses impacts environnementaux, causés soit par des changements dans le système énergétique plus large44,45,46 contexte technologique spécifique29,47. Les futures extensions de capacité de ce cadre modéliseront la circularité matérielle et saisiront les changements technologiques dans les secteurs énergétiques et industriels plus larges.

Dans cette étude, nous adaptons un cadre d'ACV du berceau à la tombe qui évalue les impacts environnementaux temporellement et régionalement explicites des technologies DACCS dans les futurs systèmes électriques, comme prévu par les scénarios d'atténuation du changement climatique37. Le cadre prospectif aligne les dimensions temporelles de l'apprentissage de la technologie de premier plan et la dynamique du système d'arrière-plan. Les impacts du cycle de vie des technologies DACCS respectives sont calculés à l'aide du cadre d'ACV codé en Python Brightway248 et des données d'inventaire du cycle de vie (ICV) de la base de données ecoinvent3.642. Le contexte (de fond) du système électrique est fourni par TIMER, le module énergétique du modèle d'évaluation intégré IMAGE3.2 (IAM)31. TIMER développe des projections régionales et temporelles explicites pour le mix électrique, l'efficacité de la production et les émissions associées à l'électricité, et ces sorties sont intégrées dans un autre cadre codé en python (Wurst)37 pour mettre à jour les données LCI liées à l'électricité dans la base de données ecoinvent, qui est ensuite utilisé par Brightway2 pour calculer les impacts par technologie DACCS et pas de temps. Les calculs sont effectués pour des pas de temps de 10 ans de 2020 à 2100.

IMAGE 3.2 est un cadre IAM développé pour décrire les relations entre les humains et les systèmes naturels et les impacts de ces relations sur la fourniture de services écosystémiques pour soutenir le développement humain31. Le module énergétique de l'IMAGE 3.2, TIMER, est un modèle de système énergétique dynamique récursif (c'est-à-dire sans prévoyance) représentant le système énergétique mondial, désagrégé sur 26 régions du monde, avec des projections jusqu'en 210031. Il comprend des vecteurs d'énergie primaires fossiles et renouvelables (charbon , pétrole lourd/léger, gaz naturel, biomasse moderne/traditionnelle, nucléaire, solaire concentré/PV, éolien terrestre/offshore, hydroélectricité et géothermie). Les vecteurs énergétiques primaires peuvent être convertis en vecteurs énergétiques secondaires et finaux (solides, liquides, électricité, hydrogène, chaleur) pour fournir des services énergétiques à différents secteurs d'utilisation finale (industrie lourde, transport, résidentiel, services, chimie et autres). Le modèle projette la demande énergétique future (utile) pour chaque secteur d'utilisation finale (industrie, transport, résidentiel, commercial, autre) sur la base des relations entre les services énergétiques et l'activité, cette dernière étant liée à la croissance économique. Pour chaque secteur de la demande, les vecteurs énergétiques secondaires (y compris les biocombustibles solides et liquides) se font concurrence sur la base des coûts relatifs les uns avec les autres pour répondre à la demande d'énergie utile. La représentation du système énergétique du modèle IMAGE inclut l'élasticité de la demande avec les prix du carbone. Ceci est représenté par deux mécanismes distincts : (i) Investissement dans l'efficacité énergétique, et (ii) réduction de la demande en services énergétiques (c. Le premier est représenté via des options technologiques (c.-à-d. investir dans l'isolation, des technologies plus efficaces, etc.) et le second est représenté sur la base de données économétriques. Les prix de l'énergie sont basés sur les courbes d'offre des vecteurs énergétiques49,50. Pour les sources non renouvelables, celles-ci sont formulées en termes d'extraction cumulée ; tandis que pour les sources renouvelables, ceux-ci sont formulés en termes de production annuelle51,52,53.

Brightway2 est un framework open-source pour les calculs LCA en Python48. Il se compose de plusieurs modules qui gèrent l'importation de données, la gestion et l'accès aux données, le calcul et l'analyse des résultats de l'ACV. La combinaison d'une structure modulaire, de l'interactivité de Python et de voies de calcul ajustables permet une flexibilité et des fonctionnalités définies par l'utilisateur dans la conduite d'études ACV et offre de nouvelles possibilités par rapport aux outils ACV existants.

Wurst est également un logiciel basé sur Python qui permet la modification systématique des bases de données LCI avec des données de scénarios externes37. Wurst prend en charge plusieurs types de modifications génériques, notamment la modification de l'efficacité des matériaux, des émissions, des parts relatives des intrants des marchés et la séparation d'un ensemble de données mondial en plusieurs régions. La version actuelle de Wurst se concentre sur la modification de la base de données ecoinvent LCI à l'aide des données du scénario IMAGE. Des informations plus détaillées concernant les étapes de modification de Wurst sont présentées dans la section "Modifications de la base de données LCI avec des données de scénarios climatiques".

Les projections du scénario de référence Voies socio-économiques partagées - Milieu de la route (SSP2-baseline) ne supposent aucune politique climatique, agissant ainsi comme un contrefactuel auquel les efforts politiques peuvent être comparés. Les scénarios RCP1.9 prévoient l'effort requis pour atteindre un objectif climatique, défini comme un budget d'émissions compatible avec une augmentation de la température moyenne mondiale de 1,5 °C. Ces scénarios incluent également la politique climatique actuelle, par région, telle que définie par les CDN54. Pour les scénarios RCP1.9, le modèle IMAGE détermine l'effort supplémentaire nécessaire pour atteindre l'objectif de 1,5 °C, représenté par la projection du prix des émissions pour toutes les sources d'émissions de GES (combustibles fossiles, industrie et utilisation des sols), appliqué à l'échelle mondiale, ce qui se traduit par une voie d'atténuation rentable. Le prix des émissions peut réduire les émissions via deux mécanismes : (i) l'augmentation des coûts énergétiques agrégés favorise les investissements dans l'efficacité énergétique, (ii) en liant ce prix au contenu carbone des vecteurs d'énergie primaire, et il affecte leur compétitivité à répondre à l'énergie finale. services à la demande, promouvant ainsi des vecteurs énergétiques plus propres. L'application d'un prix d'émission rend le DACCS compétitif car il est supposé que le carbone séquestré est rénuméré, surmontant ainsi les coûts d'investissement et les coûts variables (qui à leur tour sont affectés par le coût projeté de l'approvisionnement énergétique et de l'apprentissage technologique). Nous présentons deux variantes du RCP1.9 (SSP2-RCP1.9 avec DACCS et SSP2-RCP1.9 sans DACCS) pour déterminer l'impact de la disponibilité du DACCS sur les stratégies d'atténuation du changement climatique. Le rapport coût-efficacité régional du DACCS dépend des coûts d'investissement et d'exploitation et de maintenance (y compris les réductions endogènes de l'apprentissage par la pratique), du prix de l'électricité et des coûts de transport et de stockage du CO2 liés aux limitations du potentiel de stockage55. Une seule technologie DACCS (avec des paramètres technologiques et des données sur les coûts basés sur la capacité de l'usine de 1 Mt de CO2/an) est incluse dans IMAGE, représentée par un agrégat de différentes technologies à base de solvants résumées dans des études précédentes8,56,57, mais nous supposons que la Le résultat du déploiement du DACCS estimé par IMAGE représentera le déploiement total d'une large gamme de technologies DACCS (y compris les DACCS à base de solvant et de sorbant). Dans IMAGE, on suppose que le DACCS n'est pas disponible avant 2030, et son taux de croissance global est limité à 1 GtCO2/an. Cette limite de taux de croissance est une contrainte contraignante dans la projection une fois que le DACCS devient rentable, tandis que la limitation du potentiel de stockage à long terme peut limiter son expansion ultérieure. Le DACCS devient rentable lorsque les prix des émissions dépassent environ 300 $/tCO2. Ce prix d'émission est dépassé en 2050 pour SSP2-RCP1.9 avec DACCS et SSP2-RCP1.9 sans DACCS. À long terme, l'application du DACCS limite la croissance du prix des émissions, qui devrait être de 423 $/tCO2 et de 885 $/tCO2 2100 pour SSP2-RCP1.9 avec DACCS et SSP2-RCP1.9 sans DACCS respectivement. En calculant les différences de production d'électricité et les impacts environnementaux associés entre les deux variations RCP1.9, on peut également évaluer l'effet du déploiement du DACCS sur les systèmes de demande d'électricité et d'énergie.

Nous nous concentrons sur deux types de technologies DACCS : une technologie DACCS à base de solvant et une technologie à base de sorbant, qui reposent sur différents mécanismes de capture et de libération pour éliminer le CO2 de l'atmosphère.

Le DACCS à base de solvant applique des solutions aqueuses d'hydroxyde (hydroxyde de potassium, hydroxyde de sodium) pour capturer le CO2 atmosphérique via une réaction chimique7,8,9,10. Ici, nous supposons que le DACCS à base de solvant utilise une solution d'hydroxyde de potassium pour la capture du CO2. Dans un contacteur à air, la solution d'hydroxyde de potassium réagit avec le CO2 et forme du carbonate de potassium, qui ensuite, dans un réacteur séparé, réagit avec l'hydroxyde de calcium et génère du carbonate de calcium. Le carbonate de calcium précipite et la solution d'hydroxyde de potassium peut être régénérée et recyclée vers le contacteur d'air. Le carbonate de calcium précipité est collecté, séché, puis calciné sous une chaleur à haute température (environ 900 °C), qui est généralement fournie par la combustion de gaz naturel dans de l'oxygène pur, pour libérer le CO2. Le CO2 émis par le carbonate de calcium et le CO2 généré par la combustion du gaz naturel sont mélangés et collectés pour un stockage ultérieur10. Les exigences de chaleur à haute température limitent les options d'alimentation en chaleur pour les DACCS à base de solvant. Dans cette étude, nous considérons le gaz naturel et renouvelable (biométhane) comme les deux options thermiques pour le DACCS à base de solvant (Fig. 1 supplémentaire). D'autres méthodes proposées incluent le chauffage par résistance électrique et la régénération électrochimique, qui n'ont pas été étudiées ici.

Le DACCS à base de sorbant utilise généralement des matériaux amines liés à une large gamme de supports solides poreux pour la capture du CO211,12,13,14. Ici, nous avons considéré l'utilisation de silice à base d'amine comme sorbant solide24. Le procédé se compose de deux étapes principales qui fonctionnent de manière cyclique : l'adsorption et la désorption. Dans l'étape d'adsorption, un ventilateur souffle de l'air à travers le contacteur d'air, et le CO2 dans l'air réagit avec le sorbant et se lie à lui. Lorsque le sorbant solide a été saturé en CO2, l'étape de désorption démarre dans le collecteur d'air. Avant que la chaleur ne soit fournie, un vide est tiré pour éliminer l'air résiduel du contacteur et diminuer la température requise pour la régénération. Ensuite, de la chaleur à environ 100 °C sera fournie au contacteur d'air pour désorber le CO2. Le CO2 collecté passera ensuite par une unité de refroidissement, où l'humidité supplémentaire peut être éliminée par condensation et le CO2 sera ramené à température ambiante. Dans l'étape de désorption, la température de la chaleur est d'environ 80 à 120 ° C, de sorte qu'une grande variété de sources d'énergie thermique (gaz naturel, pompe à chaleur, chaleur géothermique et chaleur résiduelle) peut être utilisée comme source de chaleur. Ici, nous modélisons la pompe à chaleur (avec un coefficient de performance de 2,524) et le gaz renouvelable (biométhane) comme les deux options principales (Fig. 1 supplémentaire).

Transport et stockage du CO2 : une fois que le CO2 est libéré de l'un ou l'autre processus, nous supposons que le flux de CO2 sera comprimé à travers un compresseur à 11 MPa, puis transporté via un pipeline jusqu'au site de stockage. La longueur du pipeline de transport est supposée être de 50 km. Sur le site de stockage, le CO2 sera encore comprimé à 15 MPa et injecté dans un réservoir géologique à travers des puits d'une profondeur de 3 km chacun. Ici, le CO2 sera stocké en permanence sous forme de phase supercritique58 (Fig. 1 supplémentaire).

La frontière du système commence à l'entrée d'air avec une concentration de CO2 de 415 ppm, et est suivie par la capture, la régénération, la compression, le transport du CO2 et se termine par le stockage géologique. Notre analyse tient également compte des émissions en amont dues aux demandes d'énergie indirecte pour la construction de technologies de conversion d'énergie, la production de carburant et la manutention. L'unité fonctionnelle capture et séquestre une tonne métrique (1 t) de CO2 atmosphérique par les technologies DACCS. Les données LCI des deux technologies DACCS étudiées et de la compression et du stockage ultérieurs ont été collectées à partir de la littérature ou estimées par une analyse ascendante des besoins en matériaux (avec des capacités d'usine supposées de 1 Mt CO2 et 0,1 Mt CO2 par an pour les systèmes à base de solvant et de sorbant). DACCS respectivement), qui sont discutés en détail dans la note complémentaire 1. Les données LCI sont supposées représenter les consommations de matériaux et d'énergie du statu quo sur le cycle de vie des deux technologies DACCS sélectionnées. La perspective hiérarchique de ReCiPe 2016 v1.1 est utilisée comme méthode de caractérisation pour convertir les émissions et les extractions de ressources naturelles en catégories d'impact environnemental au niveau médian59.

Dans cette étude, lorsque nous comparons les impacts environnementaux du DACCS selon différentes voies de décarbonisation de l'électricité (SSP2-baseline vs. SSP2-RCP1.9 avec DACCS), les résultats sont calculés sur la base des données LCI statiques du DACCS qui représentent leur matériau actuel et consommations d'énergie sans tenir compte de l'apprentissage technologique. Ensuite, nous avons également calculé un autre ensemble de résultats d'ACV pour DACCS sous SSP2-RCP1.9 avec scénario DACCS basé sur des données LCI dynamiques qui sont estimées à l'aide de l'approche de la courbe d'apprentissage, de sorte qu'il capture les effets à la fois de la décarbonisation de l'électricité de fond et de l'apprentissage de la technologie de premier plan. En comparant les résultats de l'ACV du DACCS calculés à l'aide des données LCI statiques et dynamiques sous SSP2-RCP1.9 avec le scénario DACCS, nous pouvons évaluer et comparer les effets de la décarbonisation de l'électricité en arrière-plan et de l'apprentissage des technologies de premier plan sur les impacts environnementaux du DACCS.

L'approche de la courbe d'apprentissage a été utilisée comme méthode empirique pour étudier la réduction des coûts unitaires au fil du temps avec des augmentations de production cumulées pour un large éventail de technologies de fabrication60 et énergétiques61. L'effet d'apprentissage peut être caractérisé par divers mécanismes, notamment les progrès technologiques, l'augmentation de la productivité du travail, les économies d'échelle et l'amélioration de l'efficacité des matériaux et de l'énergie. L'approche de la courbe d'apprentissage a également été reconnue comme un moyen essentiel d'explorer les futurs impacts attendus du cycle de vie des technologies émergentes actuelles62,63. Ici, nous appliquons l'approche de la courbe d'apprentissage à un facteur pour informer notre ACV prospective. Alors que les deux technologies à l'étude fonctionnent actuellement à l'échelle pilote ou de démonstration, nous supposons une opération à l'échelle commerciale pour les deux et appliquons des taux d'apprentissage constants, affectant le cycle de vie futur de la consommation de matériaux et d'énergie. Pourtant, pour les deux technologies évaluées ici, ces effets d'apprentissage sur la consommation de matériaux et d'énergie sont absents de la littérature publiée. Ainsi, nous avons supposé des changements de consommation de matériaux et d'énergie proportionnels aux changements par coût unitaire pour les technologies DACCS.

Il a été démontré que les coûts d'investissement des DACCS à base de solvant et de sorbant sont susceptibles de suivre des taux d'apprentissage différents compte tenu de leurs caractéristiques de conception différentes. Le DACCS à base de solvant est construit sur site et à grande échelle, bénéficiant d'économies d'échelle, mais il est également moins susceptible d'intégrer une amélioration rapide de la conception ou de la fabrication, tandis que le DACCS à base de sorbant est basé sur des unités standardisées et modulaires, et ces unités peuvent être produites et déployées en masse, ce qui permet une itération et un apprentissage rapides64. Par conséquent, nous avons supposé des taux d'apprentissage moyens de 10 % et 15 % pour la consommation de matériaux et d'énergie liés aux investissements en capital pour les DACCS à base de solvant et de sorbant, respectivement. Ensuite, en ce qui concerne la consommation de matériaux et d'énergie liée aux coûts opérationnels, nous avons supposé des taux d'apprentissage moyens de 2,5 % pour les DACCS à base de solvant et de sorbant, respectivement. Nous considérons également des plages de variation pour les taux d'apprentissage afin de refléter leur incertitude (tableau supplémentaire 10), ces plages de variation sont utilisées pour développer une analyse de sensibilité pour comprendre comment la vitesse d'apprentissage affecte les impacts environnementaux du DACCS. De plus, pour éviter des réductions irréalistes de la consommation de matériaux et d'énergie dans le cadre de l'apprentissage technologique, nous avons également défini des facteurs minimaux d'utilisation de matériaux et d'énergie des deux technologies DACCS sur la base d'estimations d'experts. En ce qui concerne le DACCS à base de solvants, la limite inférieure des utilisations de matériaux et d'énergie liées aux coûts d'investissement et d'exploitation ne peut être inférieure à 44 % et 50 % de leurs quantités d'origine, respectivement, et le DACCS à base de sorbants, la limite inférieure des utilisations de matériaux et les consommations d'énergie liées aux coûts d'investissement et d'exploitation ne peuvent être inférieures à 18 % et 50 % de leurs quantités initiales en 2020, respectivement. Pour incorporer les facteurs d'utilisation minimale des matériaux et de l'énergie dans la formule de la courbe d'apprentissage, nous avons ajusté la formule de la courbe d'apprentissage dans l'équation suivante. 1:

Dans l'éq. 1, \({X}_{0}\) représente la capacité de déploiement initiale du DAC à l'année \(0\) ; \({X}_{t}\) représente la capacité de déploiement cumulée du DAC à l'année \(t\). Pour un élément matériel ou énergétique spécifique \(i\), \({{LR}}_{i}\) représente le taux d'apprentissage de l'élément \(i\) ; \({D}_{i,0}\) représente typiquement la consommation unitaire de la matière ou de l'élément énergétique \(i\) à l'année \(0\) (correspondant à la capture initiale de CO2 \({X}_{ 0}\)). Ici, notre objectif est de calculer les facteurs d'utilisation des matériaux et de l'énergie (au lieu de la consommation unitaire réelle) dans le cadre de l'apprentissage technologique, nous normalisons donc le \({D}_{i,0}\) à 1 ; \({D}_{i,t}\) est également un facteur normalisé d'utilisation des matériaux et de l'énergie de l'élément \(i\) à l'année \(t\) (correspondant à la capture cumulée de CO2 \({X}_{ t}\) ); \({D}_{i,{\min }}\) représente les facteurs d'utilisation minimale de matériaux et d'énergie de l'élément \(i\).

Enfin, nous supposons que le DACCS à base de solvant et de sorbant représente chacun la moitié de la capacité cumulée globale du DACCS (sorties du modèle IMAGE), respectivement. Ensuite, nous avons estimé les facteurs d'utilisation des matériaux et de l'énergie pour les DACCS à base de solvants et de sorbants de 2020 à 2100 en fonction de leur capacité cumulée, et les résultats sont présentés dans le tableau supplémentaire 11. En multipliant les facteurs d'utilisation des matériaux et de l'énergie à une année spécifique à la consommation unitaire réelle de matériaux et d'énergie au cours de la première année, nous pouvons obtenir la consommation unitaire réelle de matériaux et d'énergie au cours de cette année spécifique. Les hypothèses sur les taux d'apprentissage technologique et les facteurs d'utilisation minimale de matériaux et d'énergie des DACCS à base de solvants et de sorbants sont discutées en détail dans la note complémentaire 2.

La base de données ecoinvent23 est la base de données LCI la plus largement utilisée. Elle propose des chaînes d'approvisionnement de processus unitaires entièrement interconnectées pour les produits présentés dans la base de données. Il couvre tous les flux environnementaux pertinents, les apports de matières et d'énergie et les produits d'environ 18 000 activités, où les chercheurs peuvent collecter des données sur la chaîne d'approvisionnement pour former un système de fond complet dans une étude ACV. Cependant, étant donné que les données d'ecoinvent sont généralement collectées au cours d'une année spécifique, la base de données décrit les flux de matières et d'énergie entre les processus basés sur un système de chaîne d'approvisionnement existant. Par conséquent, la base de données ecoinvent est limitée dans la conduite d'études ACV prospectives, qui évaluent les impacts environnementaux associés aux technologies futures ou aux technologies émergentes qui évoluent dans le temps.

Ici, pour évaluer les impacts environnementaux des technologies DACCS dans un contexte de changement du système électrique de fond, nous adaptons une approche open-source (Wurst)37 qui intègre systématiquement les projections IMAGE sur le mix électrique, l'efficacité de la production et les émissions associées à l'électricité avec la base de données ecoinvent et modifier les paramètres des données d'activité liées à l'électricité dans la base de données ecoinvent. En raison des différences de technologies de génération entre IMAGE et la base de données ecoinvent, nous développons une liste de correspondance pour cartographier les technologies disponibles pour les deux sources de données (Note complémentaire 3). Des informations plus détaillées concernant la modification des paramètres pour la base de données ecoinvent utilisant Wurst peuvent être trouvées dans une étude précédente37. Après la modification des paramètres, nous avons développé 27 versions des bases de données ecoinvent, qui correspondent à 9 années différentes de 2020 à 2100 selon les scénarios de référence SSP2, SSP2-RCP1.9 avec DACCS et SSP2-RCP1.9 sans DACCS.

Dans cette étude, nous modifions la base de données LCI de fond en utilisant des projections IMAGE du mix du réseau, de l'efficacité de la production et des émissions des centrales thermiques (sources fossiles, biomasse et nucléaire), tandis que les sources renouvelables et leurs niveaux d'efficacité sont basés sur les ressources existantes disponibles. les technologies. Des innovations technologiques ont été observées pour les technologies renouvelables (en particulier solaire65,66 et éolienne67) et de stockage d'énergie68,69, et elles continueront d'évoluer à mesure qu'elles seront plus largement appliquées dans le système énergétique. Par conséquent, pour mieux évaluer les impacts environnementaux potentiels des technologies à forte intensité énergétique, telles que le DACCS, dans des contextes climatiques spécifiques, le cadre d'analyse pourrait être élargi pour prendre en compte l'avancement, en particulier dans l'efficacité matérielle ou la circularité, des énergies renouvelables variables et des technologies de stockage dans le monde. système électrique de fond.

Des études antérieures portant sur l'apprentissage technologique du DACCS se sont concentrées sur les réductions de coûts64,70,71. Des études empiriques accessibles au public qui révèlent comment les apports de matériaux et d'énergie changent à mesure que les échelles DACCS n'ont pas pu être identifiées. Compte tenu de cette disponibilité limitée des données, nous supposons que les intrants matériels et énergétiques du DACCS suivent les mêmes taux d'apprentissage que les projections de coûts associées. En réalité, les taux d'apprentissage technologique sont susceptibles de varier en fonction des processus et des types d'intrants physiques29,72. Les futures études ACV visant à quantifier les effets de l'apprentissage technologique sur les impacts environnementaux pourraient s'appuyer sur des données d'apprentissage plus détaillées d'entrées physiques spécifiques. De plus, les taux d'apprentissage des technologies émergentes ont tendance à changer avec les niveaux de maturité technologique (TRL)73,74,75. Les analyses prospectives des technologies émergentes reflètent idéalement cela en appliquant une approche de courbe d'apprentissage multifactorielle, en différenciant les taux d'apprentissage variables à différents TRL. Les technologies analysées ici fonctionnent à l'échelle de démonstration (TRL-7) tandis que nous appliquons un taux d'apprentissage constant à un seul facteur, postulant des améliorations de l'apprentissage par la pratique à l'échelle commerciale (TRL-9). Le taux d'apprentissage à l'échelle commerciale est une frontière de la recherche et actuellement inconnue. Pourtant, à l'échelle de notre analyse, il est peu probable qu'une différenciation respective ajoute de la précision ou de la perspicacité. L'incertitude concernant le taux d'apprentissage unique spécifique à l'échelle commerciale est capturée en testant comment différents taux d'apprentissage affectent nos résultats. En utilisant une approche de courbe d'apprentissage à facteur unique, nous attribuons ainsi le changement de coût et sa consommation de matériaux et d'énergie associée à la capacité installée cumulée de DACCS au fil du temps, limitant notre capacité à révéler la corrélation entre le progrès technologique et d'autres facteurs, tels que ) Dépenses de R&D76.

L'étape d'évaluation de l'impact du cycle de vie relie les émissions et l'utilisation des ressources aux impacts environnementaux par le biais de facteurs de caractérisation. Le cadre que nous avons adapté ici a appliqué des facteurs de caractérisation à l'échelle mondiale ou européenne. Bien que les facteurs de caractérisation génériques de localisation conviennent aux impacts mondiaux tels que l'impact du changement climatique, ils peuvent entraîner une grande incertitude pour quantifier les impacts non mondiaux, tels que l'acidification77, l'eutrophisation78 et l'écotoxicité79, qui sont généralement affectés par les conditions météorologiques, hydrologiques, pédologiques régionales. conditions climatiques et la sensibilité des écosystèmes aux émissions. Bien que des modèles et des facteurs de caractérisation dépendant du pays aient été développés pour ces catégories d'impact, ils n'ont pas encore été intégrés dans le cadre de l'ACV appliqué dans cette étude. D'autres améliorations méthodologiques sont nécessaires pour renforcer la capacité du cadre existant à mener des évaluations d'impact régional.

Cette étude montre que les impacts environnementaux du DACCS pourraient avoir des trajectoires différentes selon le système énergétique de fond, il est donc important de continuer à surveiller ces mesures environnementales ou même de les prendre en compte dans le processus de prise de décision. Des recherches futures pourraient explorer la faisabilité d'intégrer des mesures environnementales du cycle de vie dans les IAM pour une meilleure évaluation de l'impact environnemental. Les IAM de pointe incluent généralement certaines mesures liées à l'environnement, telles que les émissions de GES, l'utilisation des terres et de l'eau comme contraintes, mais il leur manque de nombreuses autres dimensions d'impact environnemental. Par exemple, la consommation de métaux pourrait être une mesure importante compte tenu de la pénétration croissante des énergies renouvelables et du stockage des batteries dans le système énergétique, qui sont gourmandes en ressources. En outre, les mesures environnementales du cycle de vie capturent les émissions de toutes les phases du cycle de vie (par exemple, la construction, le transport, l'exploitation et la fin de vie, etc.), et les IAM évaluent l'interrelation entre les différents secteurs. Par conséquent, l'intégration des mesures environnementales du cycle de vie et des IAM doit soigneusement répartir les émissions des différentes phases du cycle de vie aux secteurs/supports énergétiques correspondants dans l'IAM afin d'éviter un double comptage80.

Les données LCI complètes pour les deux technologies DACCS sont fournies dans le document d'informations supplémentaires (tableau 6 à tableau 9). Les sorties IMAGE des trois scénarios considérés dans cette étude sont documentées et fournies dans le fichier "Data_source" de l'ensemble de données supplémentaire. Les données LCI de certaines technologies de production d'électricité (vague, combustible fossile avec CSC), apport de chaleur au biométhane et sorbant à base d'amines sont intégrées dans la base de données ecoinvent modifiée lors du processus de modélisation de l'ACV, ces données LCI sont également fournies dans le même "Data_source " fichier dans l'ensemble de données supplémentaire. Une référence permanente de nos données fournies dans le référentiel GitHub est également accessible via https://doi.org/10.5281/zenodo.651334381.

Tous les codes R et Python utilisés dans cette étude sont documentés et fournis dans le fichier "Code" du jeu de données supplémentaire. La programmation R est utilisée pour faire les chiffres dans cette étude, et tous les résultats utilisés pour faire les chiffres sont documentés et fournis dans le fichier "R_code_result_export" dans l'ensemble de données supplémentaire. Pour réexécuter les calculs du modèle ACV, Brightway2, Wurst (deux frameworks de codage Python) et la base de données Ecoinvent 3.6 (licence requise) sont nécessaires. Une référence permanente de notre code fourni dans le référentiel GitHub est également accessible via https://doi.org/10.5281/zenodo.651334381.

GIEC. Rapport spécial sur les impacts du réchauffement climatique de 1,5 °C au-dessus des niveaux préindustriels et les voies d'émission de gaz à effet de serre mondiales associées. (Groupe d'experts intergouvernemental sur l'évolution du climat, 2018).

Rogelj, J. et al. Scénarios visant à limiter l'augmentation de la température moyenne mondiale en dessous de 1,5 °C. Nat. Clim. Modification 8, 325–332 (2018).

Sanz-Pérez, ES, Murdock, CR, Didas, SA & Jones, CW Capture directe du CO2 de l'air ambiant. Chim. Rév. 116, 11840–11876 (2016).

Article PubMed Google Scholar

Bauer, N. et al. Réductions des émissions du secteur énergétique mondial et utilisation de la bioénergie : aperçu de la phase de demande de bioénergie de la comparaison du modèle EMF-33. Clim. Modification 163, 1553-1568 (2020).

Article CAS Google Scholar

Smith, P. et al. Limites biophysiques et économiques aux émissions négatives de CO2. Nat. Clim. Changement 6, 42–50 (2016).

Article CAS Google Scholar

Fuss, S. et al. Émissions négatives – Partie 2 : Coûts, potentiels et effets secondaires. Environ. Rés. Lett. 13, 063002 (2018).

Article Google Scholar

Stucki, S., Schuler, A. & Constantinescu, M. Récupération couplée du CO2 de l'atmosphère et de l'électrolyse de l'eau : faisabilité d'un nouveau procédé de stockage de l'hydrogène. Int. J. Hydrog. Énergie 20, 653–663 (1995).

Article CAS Google Scholar

Baciocchi, R., Storti, G. & Mazzotti, M. Conception de processus et exigences énergétiques pour la capture du dioxyde de carbone de l'air. Chim. Ing. Processus. Processus Intensif. 45, 1047-1058 (2006).

Article CAS Google Scholar

Zeman, F. Bilan énergétique et matériel du captage du CO2 de l'air ambiant. Environ. Sci. Technol. 41, 7558–7563 (2007).

Article CAS PubMed Google Scholar

Keith, DW, Holmes, G., St. Angelo, D. & Heidel, K. Un procédé pour capturer le CO2 de l'atmosphère. Joule 2, 1573-1594 (2018).

Article CAS Google Scholar

Veselovskaya, JV et al. Capture directe du CO2 de l'air ambiant à l'aide d'un sorbant composite K2CO3/Al2O3. Int. J. Greenh. Gaz. Contrôle 17, 332–340 (2013).

Article CAS Google Scholar

Lu, W., Sculley, JP, Yuan, D., Krishna, R. & Zhou, H.-C. Captage du dioxyde de carbone de l'air à l'aide de réseaux polymères poreux greffés amines. J.Phys. Chim. C. 117, 4057–4061 (2013).

Article CAS Google Scholar

Gebald, C., Wurzbacher, JA, Tingaut, P., Zimmermann, T. & Steinfeld, A. Cellulose nanofibrillée à base d'amine comme adsorbant pour la capture de CO 2 de l'air. Environ. Sci. Technol. 45, 9101–9108 (2011).

Article CAS PubMed Google Scholar

McDonald, TM et al. Capture du dioxyde de carbone de l'air et des gaz de combustion dans la structure métallo-organique à alkylamines mmen-Mg2 (dobpdc). Confiture. Chim. Soc. 134, 7056–7065 (2012).

Article CAS PubMed Google Scholar

Beuttler, C., Charles, L. & Wurzbacher, J. Le rôle de la capture directe de l'air dans l'atténuation des émissions anthropiques de gaz à effet de serre. Devant. Clim. 1, 611593 (2019).

Article Google Scholar

Chen, C. & Tavoni, M. Captage aérien direct du CO2 et stabilisation du climat : une évaluation basée sur un modèle. Clim. Modification 118, 59–72 (2013).

Article CAS Google Scholar

Marcucci, A., Kypreos, S. & Panos, E. La route pour atteindre les objectifs parisiens à long terme : la transition énergétique et le rôle du captage direct de l'air. Clim. Modification 144, 181–193 (2017).

Article Google Scholar

Fuhrman, J. et al. Implications alimentation-énergie-eau des technologies à émissions négatives dans un avenir de +1,5 °C. Nat. Clim. Changement. 10, 920–927 (2020).

Article CAS Google Scholar

Realmonte, G. et al. Une évaluation inter-modèle du rôle de la capture directe de l'air dans les voies d'atténuation profondes. Nat. Commun. 10, 3277 (2019).

Article CAS PubMed PubMed Central Google Scholar

Fuhrman, J. et al. Le rôle des technologies de captage direct de l'air et d'émissions négatives dans les trajectoires socio-économiques partagées vers des contrats à terme $\mathplus$1,5 °C et $\mathplus$2 °C. Environ. Rés. Lett. 16, 114012 (2021).

Creutzig, F. et al. La dépendance mutuelle des technologies à émissions négatives et des systèmes énergétiques. Énergie Environ. Sci. 12, 1805–1817 (2019).

Article CAS Google Scholar

de Jonge, MMJ, Daemen, J., Loriaux, JM, Steinmann, ZJN et Huijbregts, MAJ Efficacité carbone du cycle de vie des systèmes de capture directe de l'air avec de puissants absorbants d'hydroxyde. Int. J. Greenh. Gaz. Contrôle 80, 25–31 (2019).

Article Google Scholar

Liu, CM, Sandhu, NK, McCoy, ST & Bergerson, JA Une évaluation du cycle de vie des émissions de gaz à effet de serre provenant de la capture directe de l'air et de la production de carburant Fischer-Tropsch. Durable. Combustibles énergétiques 4, 3129–3142 (2020).

CAS Google Scholar

Deutz, S. & Bardow, A. Évaluation du cycle de vie d'un processus industriel de capture directe de l'air basé sur l'adsorption modulée en température et sous vide. Nat. Énergie 6, 203–213 (2021).

Article CAS Google Scholar

McQueen, N., Desmond, MJ, Socolow, RH, Psarras, P. & Wilcox, J. Gaz naturel contre électricité pour la capture directe de l'air à base de solvant. Devant. Clim. 2, 618644 (2021).

Terlouw, T., Treyer, K., Bauer, C. & Mazzotti, M. Évaluation du cycle de vie du captage et du stockage directs du carbone dans l'air avec des sources d'énergie à faible émission de carbone. Environ. Sci. Technol. 55, 11397–11411 (2021).

Caduff, M., Huijbregts, MAJ, Althaus, H.-J. & Hendriks, AJ Relations puissance-loi pour l'estimation de la masse, de la consommation de carburant et des coûts des équipements de conversion d'énergie. Environ. Sci. Technol. 45, 751–754 (2011).

Article CAS PubMed Google Scholar

Caduff, M., Huijbregts, MAJ, Koehler, A., Althaus, H.-J. & Hellweg, S. Mise à l'échelle des relations dans l'évaluation du cycle de vie. J. Ind. Ecol. 18, 393–406 (2014).

Article CAS Google Scholar

Bergesen, JD & Suh, S. Un cadre pour l'apprentissage technologique dans la chaîne d'approvisionnement : une étude de cas sur le photovoltaïque CdTe. Appl. Énergie 169, 721–728 (2016).

Article CAS Google Scholar

Van Vuuren, DP et al. Trajectoires d'énergie, d'utilisation des terres et d'émissions de gaz à effet de serre dans un paradigme de croissance verte. Glob. Environ. Modification 42, 237–250 (2017).

Article Google Scholar

Stehfest, E., van Vuuren, D., Bouwman, L. & Kram, T. Évaluation intégrée du changement environnemental global avec IMAGE 3.0 : Description du modèle et applications politiques. (Agence néerlandaise d'évaluation environnementale (PBL), 2014).

Riahi, K. et al. Les trajectoires socio-économiques partagées et leurs implications en matière d'énergie, d'utilisation des sols et d'émissions de gaz à effet de serre : un aperçu. Glob. Environ. Modification 42, 153–168 (2017).

Article Google Scholar

O'Neill, C.-B. et al. Les routes à suivre : récits pour des voies socio-économiques partagées décrivant les futurs du monde au 21e siècle. Glob. Environ. Modification 42, 169–180 (2017).

Article Google Scholar

Van Vuuren, DP et al. Les voies de concentration représentatives : un aperçu. Clim. modifier 109, 5–31 (2011).

Article Google Scholar

Tillman, A.-M. Importance de la prise de décision pour la méthodologie ACV. Environ. Évaluer l'impact. Rév. 20, 113–123 (2000).

Article Google Scholar

Hospido, A., Davis, J., Berlin, J. & Sonesson, U. Examen des problèmes méthodologiques affectant l'ACV des nouveaux produits alimentaires. Int J. Analyse du cycle de vie. 15, 44–52 (2010).

Article Google Scholar

Beltran, AM et al. Quand le contexte compte : utiliser des scénarios de modèles d'évaluation intégrés dans l'analyse prospective du cycle de vie. J. Ind. Ecol. 24, 64–79 (2020).

Article Google Scholar

Rauner, S. et al. Les réductions des dommages pour la santé et l'environnement résultant de la sortie du charbon l'emportent sur les impacts économiques. Nat. Clim. Changement. 10, 308–312 (2020).

Article Google Scholar

FICHE D'INFORMATION: Le président Biden fixe un objectif de réduction de la pollution par les gaz à effet de serre pour 2030 visant à créer des emplois syndicaux bien rémunérés et à assurer le leadership américain en matière de technologies d'énergie propre. https://www.whitehouse.gov/briefing-room/statements-releases/2021/04/22/fact-sheet-president-biden-sets-2030-greenhouse-gas-pollution-reduction-target-aimed-at- créer-des-emplois-syndicaux-bien-payants-et-assurer-nous-le-leadership-sur-les-technologies-énergétiques-propres/ (2021).

Madhu, K., Pauliuk, S., Dhathri, S. & Creutzig, F. Comprendre les compromis environnementaux et la demande en ressources des technologies de capture directe de l'air grâce à une évaluation comparative du cycle de vie. Nat. Énergie 6, 1035-1044 (2021).

Article CAS Google Scholar

McQueen, N. et al. Analyse des coûts du captage et de la séquestration directs de l'air couplés à l'énergie thermique à faible émission de carbone aux États-Unis. Environ. Sci. Technol. 54, 7542–7551 (2020).

Article CAS PubMed Google Scholar

Wernet, G. et al. La base de données ecoinvent version 3 (partie I) : présentation et méthodologie. Int. J. Analyse du cycle de vie. 21, 1218-1230 (2016).

Article Google Scholar

Coefficients d'émissions de dioxyde de carbone par carburant -Energy Information Administration (EIA) des États-Unis. https://www.eia.gov/environment/emissions/co2_vol_mass.php (2021).

Kätelhön, A., Bardow, A. & Suh, S. Modèle de choix technologique stochastique pour l'évaluation conséquentielle du cycle de vie. Environ. Sci. Technol. 50, 12575–12583 (2016).

Article PubMed Google Scholar

Kätelhön, A., von der Assen, N., Suh, S., Jung, J. & Bardow, A. Approche de la courbe des coûts de l'industrie pour la modélisation de l'impact environnemental de l'introduction de nouvelles technologies dans l'analyse du cycle de vie. Environ. Sci. Technol. 49, 7543–7551 (2015).

Article PubMed Google Scholar

Qin, Y., Yang, Y., Cucurachi, S. & Suh, S. Non-linéarité dans l'ACV marginale : application du modèle d'optimisation spatiale. Devant. Soutenir. 2, 631080 (2021).

Pizzol, M., Sacchi, R., Köhler, S. & Anderson Erjavec, A. Non-linéarité dans l'évaluation du cycle de vie des technologies évolutives et émergentes. Devant. Soutenir. 1, 611593 (2021).

Mutel, C. Brightway : un cadre open source pour l'évaluation du cycle de vie. J. Logiciel Open Source. 2, 236 (2017).

Article Google Scholar

Mulders, FMM, Hettelar, JMM & Van Bergen, F. Évaluation des réserves et ressources mondiales de combustibles fossiles pour TIMER. TNO Environnement bâti et géosciences, Utrecht 98, https://models.pbl.nl/image/index.php/Mulders_et_al.,_2006 (2006).

Rogner, H.-H. Une évaluation des ressources mondiales en hydrocarbures. Annu. Rév. Énergie Environ. 22, 217-262 (1997).

Article Google Scholar

De Vries, BJ, Van Vuuren, DP & Hoogwijk, MM Sources d'énergie renouvelables : leur potentiel global pour la première moitié du 21e siècle au niveau mondial : une approche intégrée. Politique énergétique 35, 2590–2610 (2007).

Article Google Scholar

Gernaat, DE, Bogaart, PW, van Vuuren, DP, Biemans, H. & Niessink, R. Évaluation à haute résolution du potentiel hydroélectrique technique et économique mondial. Humide. Énergie 2, 821–828 (2017).

Article Google Scholar

Daioglou, V., Doelman, JC, Wicke, B., Faaij, A. & van Vuuren, DP Évaluation intégrée de l'offre et de la demande de biomasse dans les scénarios d'atténuation du changement climatique. Glob. Environ. Modification 54, 88–101 (2019).

Article Google Scholar

van Soest, H. et al. Un déploiement mondial de politiques pertinentes au niveau national comble l'écart d'émissions. https://doi.org/10.21203/rs.3.rs-126777/v1 (2021).

Koelbl, BS, van den Broek, MA, Faaij, APC et van Vuuren, DP Incertitude dans les projections de déploiement du captage et du stockage du carbone (CSC) : un exercice de comparaison entre modèles. Clim. Modification 123, 461–476 (2014).

Article CAS Google Scholar

Broehm, M., Strefler, J. & Bauer, N. Examen technico-économique des systèmes de capture directe de l'air pour l'atténuation à grande échelle du CO2 atmosphérique. https://papers.ssrn.com/abstract=2665702. https://doi.org/10.2139/ssrn.2665702. (2015)

Socolow, R. et al. Capture directe dans l'air du CO2 avec des produits chimiques : une évaluation technologique pour le Groupe d'experts de l'APS sur les affaires publiques. https://www.aps.org/policy/reports/assessments/upload/dac2011.pdf. (2011).

Koornneef, J., van Keulen, T., Faaij, A. & Turkenburg, W. Évaluation du cycle de vie d'une centrale électrique au charbon pulvérisé avec captage, transport et stockage du CO2 après combustion. Int. J. Greenh. Gaz. Contrôle 2, 448–467 (2008).

Article CAS Google Scholar

Huijbregts, MA et al. ReCiPe2016 : une méthode harmonisée d'évaluation de l'impact du cycle de vie au niveau médian et final. Int. J. Analyse du cycle de vie. 22, 138-147 (2017).

Article Google Scholar

Argote, L. & Epple, D. Courbes d'apprentissage dans la fabrication. Sciences 247, 920 (1990).

Article CAS PubMed Google Scholar

Junginger, M. & Louwen, A. Apprentissage technologique dans la transition vers un système énergétique à faible émission de carbone : problèmes conceptuels, résultats empiriques et utilisation, dans la modélisation énergétique. (Presse académique, 2019).

van der Giesen, C., Cucurachi, S., Guinée, J., Kramer, GJ & Tukker, A. Un point de vue critique sur l'application actuelle de l'ACV pour les nouvelles technologies et des recommandations pour une pratique améliorée. J. Produit nettoyant. 259, 120904. https://doi.org/10.1016/j.jclepro.2020.120904. (2020).

Bergerson, JA et al. Analyse du cycle de vie des technologies émergentes : techniques d'évaluation à différents stades de maturité commerciale et technique. J. Ind. Ecol. 24, 11-25 (2020).

Article CAS Google Scholar

Baker, SE et al. Atteindre la neutralité : options pour les émissions de carbone négatives en Californie. https://gs.llnl.gov/sites/gs/files/2021-08/getting_to_neutral.pdf. (2019).

Ahmad, L., Khordehgah, N., Malinauskaite, J. & Jouhara, H. Progrès récents et applications des technologies solaires photovoltaïques et thermiques. Énergie 207, 118254 (2020).

Article Google Scholar

Rabaia, MKH et al. Impacts environnementaux des systèmes d'énergie solaire: un examen. Sci. Environ. 754, 141989 (2021).

Article CAS PubMed Google Scholar

Watson, S. et al. Les futures technologies émergentes dans le secteur éolien : une perspective européenne. Renouveler. Soutenir. Énergie Rév. 113, 109270 (2019).

Article Google Scholar

Aneke, M. & Wang, M. Technologies de stockage d'énergie et applications réelles - Une revue de l'état de l'art. Appl. Énergie 179, 350–377 (2016).

Article Google Scholar

Schmidt, O., Hawkes, A., Gambhir, A. & Staffell, I. Le coût futur du stockage de l'énergie électrique basé sur les taux d'expérience. Nat. Énergie 2, 1–8 (2017).

Google Scholar

Fasihi, M., Efimova, O. & Breyer, C. Évaluation technico-économique des usines de captage direct du CO2 dans l'air. J. Propre. Prod. 224, 957–980 (2019).

Article CAS Google Scholar

McQueen, N. et al. Un examen de la capture directe de l'air (DAC) : développer les technologies commerciales et innover pour l'avenir. Programme. Énergie 3, 032001 (2021).

Article Google Scholar

Karali, N., Park, WY & McNeil, M. Modélisation du changement technologique et de son impact sur les économies d'énergie dans le secteur sidérurgique américain. Appl. Énergie 202, 447–458 (2017).

Article Google Scholar

Gross, R. et al. Présenter l'avenir : Méthodologies d'estimation des coûts de production d'électricité. https://d2e1qxpsswcpgz.cloudfront.net/uploads/2020/03/presenting-the-future-electricity-generation-cost-estimation-methodologies.pdf. (Centre de recherche sur l'énergie du Royaume-Uni, 2013).

Ferioli, F. & Van der Zwaan, BCC Apprendre en période de changement : Une explication dynamique du progrès technologique. (AEC Publications, 2009).

Nemet, GF Surveillance provisoire de la dynamique des coûts pour les technologies énergétiques bénéficiant d'un soutien public. Politique énergétique 37, 825–835 (2009).

Article Google Scholar

Rubin, ES, Azevedo, IML, Jaramillo, P. & Yeh, S. Un examen des taux d'apprentissage pour les technologies d'approvisionnement en électricité. Politique énergétique 86, 198-218 (2015).

Article Google Scholar

Roy, P.-O. et coll. Facteurs de caractérisation de l'acidification terrestre à l'échelle mondiale : une analyse systématique de la variabilité spatiale et de l'incertitude. Sci. Environ. 500–501, 270–276 (2014).

Article PubMed Google Scholar

Helmes, RJK, Huijbregts, MAJ, Henderson, AD & Jolliet, O. Facteurs de devenir spatialement explicites des émissions de phosphore dans l'eau douce à l'échelle mondiale. Int J. Analyse du cycle de vie. 17, 646–654 (2012).

Article CAS Google Scholar

Dong, Y., Rosenbaum, RK & Hauschild, MZ Évaluation de la toxicité des métaux dans les écosystèmes marins : potentiels de toxicité comparés pour neuf métaux cationiques dans l'eau de mer côtière. Environ. Sci. Technol. 50, 269-278 (2016).

Article CAS PubMed Google Scholar

Arvesen, A., Luderer, G., Pehl, M., Bodirsky, BL & Hertwich, EG Dérivation de coefficients d'évaluation du cycle de vie pour une application dans la modélisation d'évaluation intégrée. Environ. Modèle. Logiciel 99, 111-125 (2018).

Article Google Scholar

Qiu, Y. Compromis environnementaux des technologies de capture directe de l'air dans l'atténuation du changement climatique vers 2100 - code et données. https://doi.org/10.5281/zenodo.6513343 (2022).

Télécharger les références

Ce travail a été rédigé en partie par le National Renewable Energy Laboratory (NREL), exploité par Alliance for Sustainable Energy, LLC, pour le Département américain de l'énergie (DOE) sous le contrat n° DE-AC36-08GO28308. PL et YQ ont été soutenus par le programme de recherche et développement dirigé par le laboratoire (LDRD) du NREL. Les opinions exprimées dans l'article ne représentent pas nécessairement les vues du DOE ou du gouvernement américain. Le gouvernement américain conserve et l'éditeur, en acceptant l'article pour publication, reconnaît que le gouvernement américain conserve une licence mondiale non exclusive, payée, irrévocable pour publier ou reproduire la forme publiée de ce travail, ou permettre à d'autres de le faire, aux fins du gouvernement américain. YQ a également été financé par le programme IRES de l'Université de Californie à Santa Barbara (National Science Foundation Award No. 1658652). Les recherches menées par VD, HB et MH menant à ces résultats ont reçu un financement du programme Horizon 2020 de la Commission européenne H2020/2019-2023 (accord de subvention n° 821124 : NAVIGATE). Les contributions d'AB faisaient partie du projet PrISMa (n° 299659), financé par le programme ACT (Accelerating CCS Technologies, Horizon 2020 Project n° 294766). Nous remercions Marvin Bachmann, Sarah Deutz et Leonard Müller pour leur aide dans la conception de cette étude et la collecte des données d'inventaire du cycle de vie des systèmes DACCS. Nous remercions Katherine Blumanthal, Maxwell Pisciotta pour leur aide dans l'estimation des données d'exigence matérielle des systèmes DACCS.

Ces auteurs ont contribué à parts égales : Yang Qiu, Patrick Lamers, Vassilis Daioglou.

Laboratoire national des énergies renouvelables, 15013 Denver W Pkwy, Golden, CO, 80401, États-Unis

Yang Qiu et Patrick Lamers

Bren School of Environmental Science and Management, 2400 University of California, Santa Barbara, CA, 93117, États-Unis

Yang Qiu et Sangwon Suh

Copernicus Institute of Sustainable Development, Université d'Utrecht, Princetonlaan 8a, 3584 CS, Utrecht, Pays-Bas

Vassilis Daioglou & Mathijs Harmsen

PBL Agence néerlandaise d'évaluation environnementale, PO Box 30314, 2500 GH, La Haye, Pays-Bas

Vassilis Daioglou, Harmen-Sytze de Boer & Mathijs Harmsen

Département de génie chimique et biomoléculaire, Université de Pennsylvanie, Philadelphie, PA, 19104, États-Unis

Noah McQueen et Jennifer Wilcox

Institut de recherche sur l'énergie et le climat - Ingénierie des systèmes énergétiques (IEK-10), Forschungszentrum Jülich GmbH, Jülich, Allemagne

André Bardow

Ingénierie des systèmes énergétiques et des procédés, ETH Zurich, 8092, Zurich, Suisse

André Bardow

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

YQ, PL et VD ont contribué à parts égales à cet article. PL a obtenu un financement. PL et SS ont conçu l'étude. YQ, VD, HB et MH ont réalisé les expériences. NM, JW, AB ont fourni des données. PL, YQ et VD ont rédigé l'article avec les contributions des autres auteurs.

Correspondance à Patrick Lamers ou Sangwon Suh.

AB a siégé à des comités d'examen pour la recherche et le développement chez ExxonMobil et Total Energies. Les autres auteurs ne déclarent aucun intérêt concurrent.

Nature Communications remercie Habiba Ahut Daggash, Evangelos Panos et les autres évaluateurs anonymes pour leur contribution à l'évaluation par les pairs de ce travail.

Note de l'éditeur Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Qiu, Y., Lamers, P., Daioglou, V. et al. Compromis environnementaux des technologies de capture directe de l'air dans l'atténuation du changement climatique à l'horizon 2100. Nat Commun 13, 3635 (2022). https://doi.org/10.1038/s41467-022-31146-1

Télécharger la citation

Reçu : 20 septembre 2021

Accepté : 03 juin 2022

Publié: 25 juin 2022

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

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

Nature Changement climatique (2023)

Communication Nature (2023)

Changement climatique (2023)

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.