ブログ

Oct 27, 2023

電気自動車の普及競争における気候緩和効果の隠れた遅れ

Volume sulle comunicazioni sulla natura

Nature Communications volume 14、記事番号: 3164 (2023) この記事を引用

257 アクセス

3 オルトメトリック

メトリクスの詳細

バッテリー電気自動車 (BEV) は、内燃機関自動車 (ICEV) に代わる気候に優しい代替自動車ですが、重要だが無視されがちな事実は、BEV による気候緩和のメリットは通常遅れていることです。 BEV の製造は ICEV よりも炭素集約的であるため、将来の使用段階で温室効果ガス (GHG) 負債を返済しなければなりません。 今回我々は、中国市場の何百万もの車両データを分析し、中国のBEVのGHG損益分岐点期間（GBET）がゼロ（つまり生産年）から11年超までの範囲にあり、平均は4.5年であることを示した。 2016年から2018年にかけて中国で生産・販売された電気自動車の8％は、8年間のバッテリー保証期間内にGHG負債を返済できません。 BEV導入競争の加速を​​ひたすら追求するのではなく、BEVによるICEVの効果的な代替を促進することで、GBETに到達するBEVのシェアを高めることを提案します。

車両の電動化は、気候変動に対する不可欠な解決策として広く認識されています。 国際エネルギー機関 (IEA) によると、小型車と大型車の両方を含む電気自動車 (EV) により、Well-to-Wheel で二酸化炭素換算 (CO2e) を 4,000 万トンの純削減が可能になりました。システムの境界や基礎となる仮定が異なるため、評価は研究ごとに異なりますが、発電の脱炭素化の観点から、内燃機関車（ICEV）と比較してEVの全体的な長期的な気候変動メリットが主流の見解を支配しています2、3、4。 ,5 (補足表 1 のその他の文献を参照)。 このため、世界ではEV市場が急速に拡大しています。 2021 年、世界中の EV 在庫は 1,650 万台に達し、2018 年の 3 倍に達しました1。今後数十年間にわたる野心的な車両電動化目標を発表する国や地域が増えています6、7、8、9。 2021 年 8 月 5 日、ホワイトハウスは、2030 年に販売されるすべての新車の 50% を電気自動車にするという目標を発表しました8。2021 年 7 月 14 日、欧州委員会は、ハイブリッド車を含む新しいガソリン車とディーゼル車の販売の禁止を発表しました。 20357年から始まります。

世界のEV市場をリードする中国は、EVの導入支援に多大な努力を払っており、輸送分野におけるカーボンニュートラル目標に向けた最も効果的な手段の1つとしてEVを捉えている。 一連の公共政策手段や補助金10、11の恩恵を受けて、中国のEV産業は進化を続けており、EVの市場シェアは過去10年間でほぼ2倍に増加しました。 2021 年の中国の EV 生産・販売台数は 350 万台に達し、2020 年比 1.6 倍に増加しました。政府が掲げる野心的なビジョンのもと、業界の将来は有望です。 中国政府が発表した「新エネルギー自動車産業発展計画（2021～2035）6」によると、BEV、ハイブリッド電気自動車（HEV）、燃料電池電気自動車（FCEV）を含む新エネルギー自動車の普及率目標は、 2025 年までに 20% に達します。2030 年までに二酸化炭素ピークに達するための行動計画 13 によれば、新エネルギー車の市場シェアは 2030 年までに最大 40% に達すると予想されています。これらの自動車の大半は 80% を占めており、BEV になると予想されています。新エネルギー車の普及14．

ICEV と比較して BEV の気候緩和の利点は有利ですが 15,16、無視されがちな事実は、その利点が「無料」で得られるものではないということです。 BEV の生産、特にバッテリーの製造では、通常、ICEV よりも多くの温室効果ガス (GHG) が排出されます17,18。 この GHG 負債は、BEV が損益分岐点に到達するまでしか相殺できません 19、20、21、22、23。 これは、BEV の導入によって、購入したり道路ですぐに走行したりしても緩和効果が得られないことを意味します。 時間の遅れがあります。 しかし、BEV と ICEV を比較する際の既存の推定のほとんどでは、そのような時間的分布は無視されることがよくあります。 BEV と ICEV のライフサイクル排出量は通常、車両のライフサイクルでの想定走行距離に基づいてキロメートルごとに均等に配分され 24、キロメートルごとの気候への影響が比較されます。 気候の恩恵の遅行効果を取り上げた研究は少数のみであった19、20、21、22、23。 彼らは特定の車種に焦点を当てていましたが、全国規模での幅広い視野が欠けていました。 このギャップを埋めることは、BEV 導入に関する徹底的な脱炭素化政策を策定し、運輸部門の緩和ロードマップを設計するために不可欠です。

この研究では、車両レベルのデータを使用して、中国における BEV の気候緩和効果の時間遅延を示します。 このデータには、2012年から2018年に中国で生産・販売された小型乗用車カテゴリーのほぼすべてのBEV（約150万台）とICEVの82％（1億4,590万台）が含まれている。 私たちの知る限り、これは中国市場における BEV の気候緩和効果を評価するために使用された最大のデータセットであり (データの詳細については「方法」を参照)、全体像の観点から同時に調査することができます。この分野の詳細についてはこちらをご覧ください。 当社は、車両間の比較によるライフサイクル評価 (LCA) を作成することにより、BEV が炭素集約型バッテリーパックの生産によって発生する初期の GHG 負債を返済するのにかかる時間を表す温室効果ガス損益分岐点 (GBET) を定量化します。 (詳細については「メソッド」を参照してください)。 また、感度分析と不確実性分析を実行して、さまざまな仮定や比較ベンチマークが結果にどのような影響を与えるかを調査します。 私たちの調査結果は、政策立案者に排出量の全体的な影響に加えて排出量の時間的特性を提示することで、排出量傾向のより正確な推定とカーボンニュートラルへのより良い道筋を支援することができます。 私たちの研究で GBET に対処する視点と方法は、他のグリーン インフラストラクチャ投資の長寿命の閾値の評価にも拡張できます。

2012 年から 2018 年に製造および販売された各 BEV の平均 GHG 排出レベルを、燃料を使用する同等の車両と車両ごとに比較することにより (詳細は「方法」を参照)、BEV の GHG 負債の存在を確認します。 BEV の製造に伴う平均排出量は、ICEV の平均排出量の約 1.4 倍です。 中国のBEVが製造上の「負債」を相殺するには平均4.5年かかり、そのタイムラインはゼロ（つまり生産年）から11年以上までさまざまである（図1）。 中国を対象としたこれまでの GBET 研究は稀であるため、補足表 2 に示すように、我々の推定値を他の国の推定値と比較します 19、20、21、22、23。 比較によれば、中国の BEV に関する GBET 推定値は一般に欧州の推定値よりも長く 21、約 2 ～ 3 年です。 違いには 2 つの理由が考えられます。 まず、中国では石炭火力発電が支配的な役割を果たしているため、中国の送電網の温室効果ガス排出原単位はヨーロッパよりも高い。 GHG 排出係数が高くなると、BEV の使用段階での緩和効果が弱まり、GBET が高くなります。 第二に、中国市場のほとんどのBEVの年間VKT（補足図1、2）は、以前の研究で広く使用されてきた仮定である15,000 km未満です。 年間 VKT が低いということは、同等の ICEV の実効代替走行距離が短いことを意味し、結果として BEV の GBET が高くなります。

a 2012 年から 2018 年までの GBET の配布。 b 2012 年から 2015 年までの GBET の配布。 c 2016 年から 2018 年までの GBET の配布。公式のバッテリー保証期間によれば、2014 年には 5 年間の保証が必要でした25。 2016 年には 1 年間の保証が要求されました26。2014 年の要件に基づいて、2012 年と 2013 年には 5 年のしきい値が使用されました。 エラーバーは 95% 信頼区間を示します。 ソース データはソース データ ファイルとして提供されます。

私たちが使用する大規模なデータセットにより、全国の BEV にわたる GBET の分布を広範囲に把握することができます。 GBET 分布曲線の形状は歪んでおり、標準偏差は 2.4 年、歪係数は 0.8 です。 約 70.4% の車両が標準偏差範囲 (つまり 2.1 ～ 6.9 年) 内で GHG 負債を返済します。 さらに、2016 年以前に生産および販売された BEV の約 5 分の 1 は、2014 年に中国政府が要求した EV バッテリーの保証期間である 5 年以内に GHG 負債を返済できませんでした25。2016 年には、必要なバッテリー保証が次の期間まで延長されました。 8 年間26、2016 年から 2018 年の間に生産および販売された BEV の 8% は、バッテリー保証閾値内の GBET を達成できません (補足表 3)。 GBET がゼロの BEV は、石油駆動の BEV よりも車両サイクルでの GHG 排出量が少なく、サンプル全体の 1.7% にすぎません。 これらの「ゼロ GBET」BEV は主に A00 クラスの車で、他の車両クラスに比べてバッテリー容量が大幅に低く、車体重量が軽いです。 GBET が 11 年を超える BEV は、サンプル全体の約 2.9% を占めます。 これらの BEV の合計 97.8% が MPV-A0 クラスに属します。 この現象はおそらく、MPV-A0 車両の電気駆動車両と燃料駆動車両の重量差が最も大きく (詳細は補足表 4 を参照)、その結果、膨大な GHG 負債と最長の GBET が発生するためと考えられます。

2 つの相反する傾向が BEV GBET の前年比変化に影響を与えます。 一方で、バッテリー技術の進歩により、BEV のバッテリー容量と航続距離が増加し、ICEV の代替走行距離がより有効になり、その結果、GBET は減少傾向にあります。 一方で、高容量バッテリーは通常、サイズが大きく、重量が重く、サポートのための車両重量も重くなるため、おそらく生産段階での二酸化炭素負債が増加し、そのため返済までに長い時間がかかると考えられます。 これら 2 つの傾向の複合効果により、2012 年から 2018 年の間に生産および販売された BEV の GBET は、車両クラスによって異なる変動傾向を示しています (表 1)。 たとえば、A クラス乗用車と A0 クラス SUV の GBET は、年ごとの変動を伴いながら全体的に増加傾向を示していますが、B クラス MPV の GBET は全体的に減少しています。

BEV の GBET は、さまざまな輸送モード (乗用車、SUV、MPV) およびサイズ クラス (A00、A0、A、B、および C) の間で顕著な不均一性も示しています (補足表 5 の車両分類の詳細を参照)。 影響を与える要因の影響も双方向です。 一方で、より重い輸送モードとより大きな車両サイズは、通常、より大きなバッテリー容量とより重いバッテリー重量を有し、その結果、生産段階でのGHG排出量が増加し、その結果、より多くのGHG債務が発生します（補足表4を参照）。 この傾向により、GBET が増加する可能性があります。 一方で、より重い輸送モードとより大きな車両サイズの燃料を動力とする対応物は、エネルギー集約的であり（補足表4を参照）、燃料サイクル中により多くのGHGを排出するため、ICEVと比較してBEVの排出削減効果はより顕著であり、その結果、BEVの排出削減効果はより顕著になります。 GHG 負債の返済期間。 この傾向により、GBET が減少する可能性があります。 これら 2 つの傾向の複合効果により、BEV の GBET は、より大きなサイズクラス (A00 < A0 < A < B) とより大きな輸送モード (乗用車 < SUV < MPV) とともに全体的に増加傾向を示しています。

より具体的には、トランスポート モードとサイズ クラスの影響が相互作用します。 トランスポート モードの影響はサイズ クラスによって異なります。 A0クラスの車両では、Car、SUV、MPVの順にGBETが大きくなります。 この順序は、輸送手段の大型化による重量増加による GHG 債務の増加による影響の増大が、燃料サイクル中の債務返済効率の改善による影響の減少を上回っていることを意味しています（燃料という用語は従来、発電、送電、電力供給を指す言葉として使用されています）。 BEV に使用されます）。 A クラスと B クラスの車両では、乗用車の GBET が最も大きく (6.3 ～ 7.3 年)、MPV が中間 (5.8 ～ 6.1 年)、SUV が最も小さい (3.1 ～ 4.8 年)。 。 これは、これら 2 つのサイズ クラスでは、SUV および MPV の燃料サイクルにおける負債返済率の増加によるプラスの効果が、車両重量の増加によるマイナスの効果を完全に相殺していることを示しています。 同様に、GBET に対するサイズ クラスの影響は、トランスポート モードに関連します。 自動車の場合、GBET はサイズが大きくなるにつれて増加する傾向を示します。 サイズクラスの増加に伴う GHG 債務の増加によって引き起こされる GBET の延長効果は、燃料サイクル排出量削減の増加によって引き起こされる削減効果を上回ります。 SUV と MPV では逆の傾向が見られ、サイズ クラスが大きくなるにつれて GBET が減少します。 この場合、サイズクラスの増加によってもたらされる燃料サイクル排出削減における BEV の相対的な利点がより支配的になります。 したがって、全体として、より大きなサイズクラスの SUV および MPV、およびより小さなサイズクラスの自動車の GBET は短くなります。

中国の BEV の GBET は、省によって大きく異なります (図 2a)。 2018年に生産・販売されたBEVの平均GBETは北東部の州で6.9～7.9年で、南西部の州の平均より2～6年長い。 サイズクラスの構成、輸送モードの構成、年間車両走行キロメートル（VKT）、および地元の送電網の温室効果ガス排出強度を含む4つの要因の州間の差異（図2b）は、地域的な不均一性を説明できる可能性があります。 ＧＢＥＴ。 同年、省別のBEV総販売台数に占めるA00クラスの車両の割合は、青海省の5.7％から広西チワン族自治区の90.2％までの範囲で、平均は42.4％だった。 省別のBEV総販売に占める乗用車の割合は、吉林省の26.4%から広西チワン族自治区の96.3%までの範囲で、平均は70.3%であった。 2018年の年間VKTの省平均は、チベットの678kmから広東省の15,927kmの範囲であり、発電によるGHG排出原単位の省平均は、チベットの38gCO2e/kWから天津の801gCO2e/kWの範囲であり、2018年の範囲内である。上限は下限よりも 2 倍大きくなります。

a 2018 年の省別 BEV の平均 GBET。香港特別行政区 (SAR)、マカオ特別行政区、台湾省のデータは入手できません。 b 2018 年の州別 GBET に影響を与える 4 つの要因。これには、車両サイズクラスの構成、輸送モードの構成、車両の年間平均走行キロメートル、州レベルのグリッドの温室効果ガス排出量が含まれます。 SUV スポーツユーティリティビークル、MPV 多目的車。 ソース データはソース データ ファイルとして提供されます。 a でのベース マップの使用は、天然資源省によって公開されている標準マップ サービス (http://bzdt.ch.mnr.gov.cn/) のデータを使用し、承認なしに適用されました。

2018年に生産・販売されたBEVの場合、GBETが最も長かった上位5省は江西省、吉林省、黒竜江省、遼寧省、チベットだった。 北東部の 3 つの省 (すなわち、吉林省、黒竜江省、遼寧省) の場合、GBET が長い理由は同様です。これらの省では車両のサイズ/モードが大きく、地域の電力網の GHG 排出強度が高く、VKT が比較的低いためです。 より高い GHG 排出強度は、これらの地域の石炭主体の発電構造と一致しており、VKT が低いことは、BEV が十分に使用されていないことを意味し、GHG 負債の返済に時間がかかることになります。 江西省の車両のサイズと輸送手段は比較的小さいですが、高い GHG 排出強度と低い VKT が GBET の長さの一因となっています。 チベットのGBETが長いのは、主にVKTが非常に低いことが原因であり、VKTは年間ベースで全国平均より90％近く低い。 これはおそらく、BEV用の充電インフラ建設の遅れとチベットの特殊な地形（例えば、電気自動車の走行距離が限られているため、現地の長距離移動のニーズを満たせない可能性がある）によって説明できるだろう。 チベットは送電網の温室効果ガス排出量が最も低いが、石炭発電が省全体のわずか1.5％を占めているため、チベットにおける電気自動車の利用率が最も低く、低炭素発電がもたらす気候上の利点を完全に相殺している。構造を説明し、GBET が長い理由を説明します。 GBET が最も短い 5 つの省は、貴州省、広西チワン族自治区、湖南省、天津市、四川省です。 これらの州の GBET が短いのは、車両のサイズやモードが小さく、電力構成がよりクリーンであるか、VKT が高いことが説明されています。

GBET の推定は主に 2 つの不確実性源の影響を受けます。 1 つはパラメーターの不確実性で、もう 1 つは異なる比較ベンチマークの使用による不確実性です。 パラメーターの不確実性の観点から、すべての影響因子を 10 のグループにクラスター化し (補足​​表 6)、グループ化された各変数に対して一度に 1 つの変数の摂動感度分析を実行します (詳細は「方法」を参照)。 上位 6 つの敏感な要因は、降順で、車両重量、車両材料生産の GHG 排出係数、バッテリー容量、バッテリー材料生産の GHG 排出係数、年間 VKT、および送電網の GHG 排出係数です (補足表 7)。 GBET は燃料サイクル要因 (後の 2 つ) よりも車両サイクル要因 (前の 4 つの要因) に敏感であることがわかります。 これは、ライフサイクル排出量に対する車両サイクル要因よりも燃料サイクル要因の影響が強いことを明らかにした以前の LCA 研究とは異なります。 分析結果が異なる理由は、GBETの推計では損益分岐点以前のGHG排出量のみが考慮されているのに対し、LCAではライフサイクル排出量が考慮されており、前者の規模が小さいほど燃料サイクルの影響力が弱まるためである。要因。 次に、6 つの敏感な要因が、範囲アプローチと直交実験計画法 (OED) 法を使用した不確実性分析に含まれます (詳細は「方法」を参照)。 結果（補足図3）は、年間VKTの急激な増加、車両の軽量化、よりクリーンな電力網、および低電力化を伴う下肢のシナリオでは、全国平均GBET（基本推定では4.5年）が約1.9年に低下することを示しています。 -炭素材料の排出係数は、上肢では 6.5 年に増加します。

さらに、BEV の GBET は、ICEV の比較ベンチマークにも大きく依存しており、そのベンチマークは広範囲に変動します。 堅牢性のチェックでは、BEV とさまざまなサイズ クラスの ICEV を組み合わせ、最も効率的な ICEV と最も効率の悪い ICEV の両方をベンチマークとして含めて、悲観的な GBET 推定と楽観的な GBET 推定を提示します。 隣接するサイズクラス間で比較すると、GBET 推定値は -74 から 156% まで変動します (補足表 8)。 同じサイズクラスの GHG 排出量が下位 4 分の 1 にある ICEV（つまり、上位 25% の低排出量 ICEV）と比較すると、GBET は 1.9 ～ 6.7 年増加し、平均 3.9 年増加します（補足図 1）。 4)。 この場合、2018年に生産・販売されたBEVのほぼ半数が11年以内に温室効果ガス負債を返済できなくなる。 温室効果ガス排出量が上位四分位にあるICEV（つまり、上位25％の高排出量ICEV）にベンチマークを変更すると、GBETは1.6〜5.1年減少し、平均2.9年の減少になります（補足図4）。 。 この場合、2018 年に販売されたすべての BEV は 7 年以内に GBET を達成し、実際にはその 95% が 3 年以内に達成されます。

この研究における GBET の推計は、BEV の気候変動への恩恵は無料ではなく、自動車の生産段階で発生した GHG 負債を返済するのに必要な時間に条件があることを政策立案者に警告しています。 この状況はまた、中国の BEV が気候変動にもたらす恩恵を抽象的なレベルから具体的なレベルにまで理解することにもつながります。 このような発見は現実世界に多大な影響を及ぼします。

まず、BEV 導入をガイドするための新しい GBET ベースの指標を開発できます。 たとえば、GBET（P-GBET）に達したBEVの割合は、広く使用されている指標であるBEV普及率（PR）を補完する指標です。 言い換えれば、BEV が何台生産および販売されるかだけでなく、そのうちの何台が輸送部門の気候変動へのメリットに貢献する積極的な排出削減を実現するかということも重要です。 これまでのところ、中国や他の多くの国は、税額控除、割引またはリベート、BEV の渋滞規制からの免除、BEV に対する個別のナンバープレート割り当てなど、複数の調達インセンティブを活用して PR の向上を図ってきました30、31、32、33。 しかし、売却が完了すると、これらの政策は効力を失い、真の気候への影響は管理されないままになります34。 この問題の直接的な解決策は、段階的補助金の採用（つまり、補助金のスケジュールを購入時点から GBET 達成時点まで延長する）、充電インフラへの投資など、BEV 導入のためのフォローアップ政策を策定することです。より高い P-GBET を促進するために、ICEV の代替を促進します。

GBET は、BEV の平均寿命やバッテリー交換時期に関する技術基準の設定を支援して、気候変動に対する正味のメリットを確保することもできます。 たとえば、中国は現在、EV バッテリーに対して 8 年間または 120,000 キロメートルの保証（どちらか早い方）を義務付けています26。 ただし、前のセクションの推定が示すように、すべての車両、特に一部の大型またはラージモード車両がバッテリー保証期間内に GBET を達成できるわけではありません。 この状況では、重量のある輸送モードでは、より長い保証期間が必要になります。 実際、GBET は、差別化された保証期間およびその他の長寿命関連基準に関するガイドラインを提供しています。 このプロセスは、一方ではバッテリーの早期交換を回避することで気候変動へのメリットを促進し、他方ではBEVサプライヤーに製品の気候性能を改善する動機を与えます。

GBET が小さいほど、ライフサイクル全体で必ずしも排出削減量が大きくなるわけではないことは言及する価値があります。 たとえば、予想航続距離が長い BEV は寿命が長い傾向があり、その結果、ライフサイクル全体にわたって排出削減のメリットが大きくなります。 しかし、航続距離の増加はバッテリー容量の増大と重量の増加に依存することが多く、これによりバッテリー生産における GHG 排出量が増加し、GHG 負債の増加につながります。 したがって、これらの GHG 負債の支払いにはより長い時間がかかり、GBET の長期化につながります。 GBET は既存の指標を補足する指標であり、気候変動による恩恵がどのくらいの速さで生じるかに関する情報を提供します。一方、以前の LCA 評価は車両の寿命全体にわたる恩恵の規模を示唆しています。 車両の電動化による気候緩和効果を評価する際には、両方の情報を考慮する必要があります。

さらに、ライフサイクル排出削減と回収期間の短縮の間にはトレードオフが存在する可能性がありますが、相乗効果の余地はまだあります。 政策立案者は、BEV の排出削減をより多く、より迅速に行うためのさらなる探求を奨励することができます。たとえば、車両の軽量化 20,35,36,37,38,39、材料リサイクル 40,41、バッテリーのリサイクルと再利用 42,43,44 による炭素負債の削減などです。 もう1つの戦略は、車両シェアリングを通じて既存のBEVの利用を強化したり、タクシーとしてBEVを優先したりすることで、GHG債務の返済速度を加速することである45,46。 自動車の所有権を拡大するのではなく、自動車のシェアリングによってBEVの利用を強化することは、同時にGBETを短縮し、より多くのGHG排出削減を達成し、交通渋滞、鉱物資源の枯渇、インフラ建設の圧力、環境汚染などの他の問題を解決することになる47,48。 本質的に人々が本当に必要としているのは車両そのものではなく、高品質の輸送サービスであるため、この戦略は実現可能である49。 さらに、BEV の生産拠点と計画されている再生可能電力網を連携させることで、BEV の GHG 排出削減をより迅速かつより多く促進することができます50。 現在、中国のBEVとバッテリーの生産は主に南東沿岸地域と北東部に位置しており、グリッドのGHG排出強度が比較的高い（詳細は補足図5を参照）。 中国におけるバッテリーおよび自動車メーカーの地理的広がりは、成熟した生産ラインの利用可能性など、歴史的な生産上の利点によって決まります。 たとえば、中国最大の EV バッテリー メーカーである Contemporary Amperex Technology Co., Limited (CATL) は、当初は電話用バッテリーを生産していました。 その歴史的な生産上の利点により、集積外部性、技術波及、生産性の向上が促進され、BEV バッテリー生産への迅速な移行が可能になります。 電力網の低炭素化発展に合わせた前進として、CATL は四川省宜賓市に建設された初のゼロカーボン工場など、再生可能エネルギーが豊富な南西部の省にさらに多くの工場を建設した51。 BEV 生産のレイアウトにクリーンな電力生産を組み込むことは、GBET の短縮とライフサイクル排出量の削減の両方に有利です。

私たちの調査結果は大きな意味を持っていますが、いくつかの制限があることにも気付きました。 まず、BEV の GHG 排出量に対するリバウンド効果や波及効果 52 を考慮せずに、BEV の ICEV の年間実効代替走行距離は、販売される州の年間平均 VKT であると仮定します。 この仮定により、GBET の推定に偏りが生じる可能性があります。 初めて車を所有する人が公共交通サービスの代替として ICEV ではなく BEV を購入したシナリオでは、有効代替走行距離は BEV の年間 VKT よりも低く、GBET が過小評価されます。 すでに所有しているICEVを実際に置き換えるためにBEVを購入するもう1つのシナリオでは、BEVの航続距離が限られているため、ユーザーはICEVを所有している場合と比べて自動車の使用量を減らす可能性があります。 ここではプラスの波及効果が発生し、有効代替走行距離は BEV の年間 VKT よりも高くなります。 実際、BEV がどの程度 ICEV を効果的に代替できるかは、消費者の行動に関係するため複雑です34。 この関係は十分に議論されておらず、将来の研究の余地が十分に残されています。

第二に、同じ車両モデル（2012 年から 2018 年までの合計 1894 モデル）の GBET を生産および販売場所によって区別する一方で、路上燃費や実走行燃費など車両レベルでのその他の実世界データを区別します。・充電時間に関するGHG排出係数は取得されません。 これらのデータが欠如していると、GBET の推定にバイアスがかかる可能性があります。 路上燃費とメーカーが報告する公式燃費の差は、実際の環境要因や運転行動の影響を受けて変動します53,54。 電力構成に対する季節的および毎日の影響を考慮せずに年間平均送電網排出係数を使用すると、GBET の推定が過小評価される可能性があります。 たとえば、上海のほとんどの BEV は夜間に充電されます55。この時間帯は、家庭用電力需要がピークに達し、現時点では発電に利用できる再生可能エネルギーが少ないため、グリッド排出強度が平均より高くなります56。 限界電力排出係数57を使用すると、より正確な推定が可能になりますが、データが不足しているため推定が困難です。

第三に、EV のエネルギー消費と GHG 排出量に対するバッテリーのリサイクル、劣化プロセス、またはヴィンテージの影響を考慮していません。 二次使用およびリサイクルされたバッテリーを使用する EV は、最初に生産された EV よりも GHG 負債がはるかに少なくなります58。 バッテリーの劣化59を考慮すると、BEV の GBET は推定値より長くなる可能性があります。 また、車両群に長期間残っている古い効率の悪い車両在庫によってさらなる遅延が発生することにも言及する価値があります60。

限界があるにもかかわらず、私たちの研究は、中国の市場データを使用して、BEVの気候利益の遅延についての理解を概念的なレベルから具体的な閾値の尺度にまで拡大しました。 データのスケールにより、全体像の観点 (つまり、全国的な観点と地域の異質性) から詳細な観点 (車両モデルの観点) までを同時に調査することができます。 この研究は、政策立案者が気候への影響の時間的分布にもっと注意を払い、BEV導入政策と寿命標準設計のガイドラインを提供することをタイムリーに思い出させるものである。 GBETを達成したBEVのシェアなどのGBETベースの指標は、BEV普及率の既存の指標を補完する重要な要素となる可能性があります。 これらは、特に BEV の導入競争を加速するだけでなく、ICEV の BEV の効果的な代替を促進する際に、政策立案者が考慮すべき追加の側面を提供します。

BEV の GBET は、炭素集約型のバッテリー パックおよび関連する車両材料の生産中に発生する GHG 負債を返済するのに必要な時間として定義されます。 GBET の推定は、車両の GHG 排出量のライフサイクル評価 (LCA) と、BEV とその燃料駆動車両との車両間の比較に基づいています。 このセクションは、LCA セットアップを確立することから始めます。 次に、GBET 推定のために BEV を ICEV ベンチマークとどのように組み合わせるか、データ ソースと主要な前提条件を示します。 最後に、感度と不確実性の分析が実行され、さまざまなパラメーターの仮定とさまざまな組み合わせの ICEV ベンチマークによって結果がどのように変化するかを実証します。

BEV および ICEV の GHG 排出量は、中国自動車ライフサイクル評価モデル (CALCM) を使用して推定されます。 この LCA の機能単位は、中国で乗用車が 11 年間に走行した距離 1 km です。 このモデルは、車両システムのライフサイクル全体にわたる、車両システムのインプット、アウトプット、および潜在的な環境への影響を編集および評価したものです61。 ここでは、国家規格 GB/T24044–200862、GB/T 24040–200863、および国際規格 ISO 14067-2018 の指示に従って評価を実行しました64。 BEV と ICEV の両方について、この研究で評価されるライフサイクル システムの境界には、乗用車の車両サイクルと燃料サイクルが含まれます。 車両サイクルは原材料の入手から始まり、材料の加工と製造、完成車の生産、メンテナンス（タイヤ、鉛バッテリー、液の交換）に移ります。 燃料サイクルとは、燃料の生産（Well to Pump/WTP）とエネルギーの使用（Pump to Wheel/PTW）を含む「Well to Wheel（WTW）」を指します。 ICEV の場合、WTP には原油の抽出、精製、処理が含まれます。 PTW は燃料の燃焼を指します。 BEV の場合、燃料用語は電気の生成、送電、使用を指す従来の意味で使用されます。 浄水場における BEV の GHG 排出は電力の生産と送電に伴い発生しますが、PTW における BEV の GHG 排出は、電気の使用段階では GHG 排出がないためゼロです。 資材の輸送、設備やインフラの製造、製造廃棄物の生成と処理は除外されます（図3）。

本研究で評価したライフサイクルシステムの境界には、乗用車の車両サイクルと燃料サイクルが含まれる。 車両サイクルは原材料の入手から始まり、材料の加工と製造、完成車の生産、メンテナンス（タイヤ、鉛バッテリー、液の交換）に移ります。 燃料サイクルとは、燃料の生産（Well to Pump/WTP）とエネルギーの使用（Pump to Wheel/PTW）を含む「Well to Wheel（WTW）」を指します。 BEV の場合、燃料用語は電気の生成、送電、使用を指す従来の意味で使用されます。

GBET の推定には 2 つの段階が含まれます。1 つは BEV とその燃料駆動車のマッチング、もう 1 つは一致した車両を比較することによる GBET の計算です。 これら 2 つのフェーズの方法を以下に説明します。

BEV の GBET は車両レベルで計算されるため、2012 年から 2018 年までに製造および販売された各 BEV について、燃料を動力とする対応物が見つかります。現実世界では、特定の BEV が存在するため、1 つの BEV に複数の燃料を動力とする対応物が存在する可能性があります。多くの燃料自動車の代替となる可能性があると考えられます。 ほとんどの場合、交換は同じ車両クラスで行われることを考慮して、各 BEV を同じ年式、輸送モード (乗用車、SUV、MPV)、およびサイズ クラス (A00、A0、A、 B、およびC）（補足表5の車両の明確化の詳細を参照）、図4を参照して基本的な推定値を生成します。比較は「1台（BEV）対多数（ICEV）」であるため、系統的に比較するために、選択された ICEV の表現を生成します。そのパラメータは、一致する対応する ICEV の平均です。 次に、比較は「1 (BEV) 対 1 (代表 ICEV)」に変わります。次に、同じ層内の BEV の平均 GBET を計算して、全体的な推定値を生成します。不確実性分析では、さまざまな層にわたる代替の可能性をより多く検討します。代表的な ICEV のクラスとその他の可能性 (詳細については、感度と不確実性の分析を参照)。

SUV スポーツユーティリティビークル、MPV 多目的車。

代表的なICEVを比較のベンチマークとして使用し、個々の車両レベルでBEVのGBETを計算します。 BEV と ICEV ベンチマーク間の車両サイクル GHG 排出量の違いは、最初に式 (1) によって推定されます。 (1)、温室効果ガス負債の大きさが明らかになります。 次に、式 1 に示すように、BEV と ICEV ベンチマークを有効代替走行距離で走行した場合の年間排出量を比較することにより、年間回収 GHG 排出量が計算されます。 (2)。 有効代替走行距離は BEV の年間 VKT であると仮定します。 累積回収排出量が GHG 負債と等しくなる場合、式 1 に示すように損益分岐点が達成されます。 (3) に示します。

ここで、\({E}_{{debt}}\left({t}_{0}\right)\) は、生産年 t0 における ICEV 相当品に対する BEV の GHG 負債です。 \({E}_{{BEV}}({t}_{0})\) と \({E}_{{ICEV}}({t}_{0})\) は車両サイクル GHG ですBEVとICEVのそれぞれの排出量。 \({E}_{{payback}}(t)\) は、t 年までの累積 GHG ペイバックを示します。 \({E}_{{BEV}}(t)\) と \({E}_{{ICEV}}(t)\) は、それぞれ BEV と ICEV の走行時の年間燃料サイクル排出量です。 t 年の有効代替走行距離。 \({E}_{{debt}}\left({t}_{0}\right)\le 0\) の場合、GBET はゼロです。これは、BEV が排出する GHG が、同等の ICEV ベンチマークよりも少ないことを意味します。 それ以外の場合、GBET は、BEV が初めて GHG 負債を返済した年 \(t{\prime}\) になります。 燃料サイクル排出量の年々変化は、BEV と ICEV の両方について考慮されます。 私たちの計算は同じ年内で年次ベースであるため、累積排出量は直線的に増加すると仮定します。 言い換えると、整数区間 [t, t + 1] を見つけると、 \({E}_{{debt}}({t}_{0})+{E}_{{payback}}(t )\) > 0 かつ \({E}_{{debt}}({t}_{0})+{E}_{{payback}}(t+1)\) < 0 の場合、線形法を使用します。正確な時刻 \(t^{\prime}\) を見つけるための内挿メソッドです。

GBET の推定に使用されるデータは、解像度レベルに応じて 4 つのカテゴリに分類できます (補足表 9 を参照)。 最初のカテゴリは現実世界の車両レベルのデータセットで、中国のほぼすべての BEV (約 150 万台) と ICEV の 82% (1 億 4,590 万台) のモデル タイプ、年式、生産および販売場所が含まれています。 2012 年から 2018 年まで (補足図 5、6 を参照)。 このデータセットは、中国自動車技術研究センター (CATARC) が提供する中国の強制交通事故責任保険 (CTALI) から取得したものです65,66。 CTALI は中国で登録されるすべての車両に義務付けられているため、データの範囲は広く、信頼性が高くなります。 車両レベルのデータにより、車両モデル、年式、場所に応じて BEV の GBET を区別できるようになります。

2 番目のカテゴリは車種情報です。 CTALI データベースには、2012 年から 2018 年までに 227 タイプの BEV モデルと 1667 タイプの ICEV モデルが記録されています。各車両モデル タイプについて、モデル タイプ、車両重量、バッテリー重量、バッテリー容量、燃料消費量などのより詳細な技術仕様が収集されました。中国工業情報化部（MIIT）管轄の自動車製造企業および自動車製品に関する発表67より。 各モデルタイプの燃料消費量は、新欧州運転サイクル (NEDC) のテスト条件に基づいています68。 データのより統計的な説明は、補足図に示されています。 7-9。 これらの技術的な詳細は LCA 分析に使用され、車両モデル レベルでの GHG 排出量の推定が可能になりました。 さらに、この情報を各車両の製造年や販売場所と組み合わせることで、州ごとに異なる VKT データと送電網の GHG 排出係数を使用して、同じ車両モデルの GBET の地域的異質性を特定できます。

3 番目のカテゴリのデータは、BEV と ICEV の両方の年間車両走行キロ数 (VKT) や送電網の排出強度など、州レベルで報告されます。 2018 年の VKT データは、車両の実際の運転、充電、故障状態を車両ごとに記録する National Big Data Alliance of New Energy Vehicles (NDANEV)69 から抽出されたものです。 国家標準 GB/T 3296070 の要件に従って、車両の走行中、データは 30 秒ごとにプラットフォームにアップロードされ、故障状態は 1 秒ごとにアップロードされます。 2018 年から 2022 年 7 月 17 日までに、NDANEV は 927 万台の新エネルギー車にアクセスし、総 VKT は 2,955 億キロメートルに達しました。 NDANEV のデータは車ごとですが、NDANEV データベースと CTALI データベースを照合するための車両識別情報にアクセスできなかったため、車両レベルの VKT データは GBET 分析には使用されませんでした。 したがって、同じ州内の車両の VKT が均一であると仮定して、データを州レベルで集計しました。 実際の VKT データに関する詳細な統計情報は、SI で提供されます (補足図 1、2 を参照)。

GBET の推定では、州ごとの車両の VKT データは毎年変化します。 2018 年の NDANEV からの実際のデータに基づいて、2 つの方法を使用して 2018 年前後の VKT を予測しました。1 つは VKT の増加に対して保守的な態度をとり、もう 1 つはより急進的なものです。 控えめな試算のもとでは、新エネルギー車開発速度の地域的不均一性を反映するため、2030 年の州別目標 VKT は 18,000、15,000、13,000 km、12,000、8,000 km の 5 段階に設定されている。 次に、VKT が州間で異なる速度で増加すると仮定して、2018 年の前後の各州の VKT を直線的に予測しました (補足表 10 を参照)。 急進的な推定を使用する場合、中国の乗用BEVと充電インフラが劇的に発展する可能性のあるシナリオを反映して、2030年に向けてより野心的なVKT目標を設定しました（補足表11を参照）。

州別の発電量の排出原単位は、電力消費構造と発電量が同一であると仮定し、発電構造と発電種類別の GHG 排出係数に基づいて算出した。 BEV の限界電力消費量は通常、系統構造よりも高い GHG 排出量で稼働が比較的安定している石炭および天然ガス発電所に依存しているため、このような仮定は排出量原単位を過小評価する可能性があります。 2012 年から 2019 年までの省の発電構造データは中国電力委員会から取得したものであり 71、2020 年から 2028 年までのデータは Li et al.72 から参照された予測データからのものでした。 さまざまな発電技術（石炭、風力、太陽光、原子力など）の GHG 排出係数は、IPCC 第 5 次評価報告書 (AR5)73 から参照されました。 基本的な推定では、IPCC AR5 によって報告された中間値を使用しました。 この値は、中国の発電技術からの GHG 排出量に関する既存の研究のほとんどの範囲内にあります (補足表 12 のその他の文献を参照)。 不確実性分析では、既存の研究からの最大値と最小値を使用しました。 州ごとの送電網の排出強度の結果を補足表 13 ～ 15 に示します。

データの最後のカテゴリは、CATARC66 によって開発された、最新の中国自動車ライフ サイクル データベース (CALCD)-2021 のライフ サイクル インベントリ (LCI) データです (補足表 16、17 を参照)。 これらのデータは州全体で均一です。 CALCD-2021 の LCI データを、国際的によく知られている 2 つの LCI データベース、温室効果ガス、規制排出量、技術モードでのエネルギー使用 (GREET) および ecoinvent 3.674,75 と比較しました。 これらのデータベース間にはかなり高い一貫性があることがわかりました (補足表 17 を参照)。

GBET の推定値を変動させる可能性がある 2 つの不確実性源を検討しました。 1 つは LCA 解析におけるパラメータの不確実性であり、もう 1 つは BEV と ICEV 間のマッチング方法です。

GBET に影響を与える入力パラメーター (補足表 6) の摂動感度分析を、一度に 1 つの変数で実行しました。 各変数について、変数が 1% 変化したときの GBET の変化率を示す感度係数 (σi) が計算されました (式 4)。

ここで、 \({{GBET}}_{i}^{{\prime} }\) は、最初の (ベースライン) 解の場合の値を表します。 \({{GBET}}_{i}\) は変数 i の変化を仮定した場合の GBET の値を表します。 \({{Inf}}_{i}^{{\prime} }\) は変数 i の初期値を示します。 \({{Inf}}_{i}\) は変更された変数 i を表します。 感度係数が高いほど、変数の変化に対する GBET 推定の感度が高いことを示します。 全体として、分析には 10 個の影響要因が含まれています。 LCI データは量が多いため、実行しやすいように車両材料生産時の GHG 排出係数、電池材料生産時の GHG 排出係数、車両生産段階の電力消費量、電池生産時の電力消費量の 4 つの要素にグループ化しました。段階（詳細については補足表 6 を参照）。 残りの 6 つの要素は、使用するデータベースから直接取得されます。 感度分析結果に基づいて、車両重量、車両材料生産の GHG 排出係数、電池容量、電池材料生産の GHG 排出係数、年間 VKT、電力網の GHG 排出係数の上位 6 つの感度要因を特定しました。 (補足表 7 に示す)。

不確実性分析では、これらの敏感な要因をさらに考慮しました。 不確実性分析の最も一般的な方法は、モンテカルロ シミュレーションです。 ただし、複数の入力パラメータ、特に LCI データの分布曲線がとらえどころがないため、GBET の推定は困難です。 ここでは、範囲アプローチと直交実験計画 (OED) を組み合わせて不確実性解析を実行します。 範囲アプローチでは、異なる発生の確率についての判断を避けるために、出力の不確実性に対するパラメータの変動範囲の極値でのサンプリングの影響をテストします76、77。 我々は、車両重量、バッテリー容量、車両材料生産の GHG 排出係数、およびバッテリー材料生産の GHG 排出係数の要素について、不確実性入力空間の均一範囲、すなわち ±5% を仮定しました。 送電網の GHG 排出原単位については、基本的な推定では IPCC 報告書 73 の発電による GHG 排出係数を使用し、中国の研究から参照された低値または高値を両極端として使用しました（補足表 13 ～ 15）。 ）。 年次 VKT については、変動を反映するために、それぞれ保守的なシナリオと急進的な開発シナリオを検討しました (補足表 10、11)。 OED は、多因子相互作用を整理して分析するための効果的な方法です。 複数の因子のすべての組み合わせ形式を提示する代わりに、OED メソッドは最適な組み合わせレベルで多因子実験を効率的にスケジュールします 79,80。 上記の 6 つの敏感な要因について、参考文献のガイドラインに従って、18 の代表的なシナリオを含む直交表 (補足図 3) を使用して、それらの複合的な影響を調査しました。 81.

BEV の GBET は、ICEV の比較ベンチマークにも大きく依存します。 基本的な推定では、同じ車両分類（つまり、生産年、輸送モード、サイズクラス）内のICEVの平均レベルを各BEVのベンチマークとして使用しました。 BEVの購入者が同じサイズクラスのICEVの潜在的な購入者ではない可能性を考慮して、各BEVを隣接するサイズクラスのICEVと比較しました（補足表8を参照）。 さらに、GBET の推定に対するさまざまな ICEV ベンチマークの影響を示すために、ICEV の平均レベルを基準として使用し、不確実性分析で BEV を最も効率的な ICEV と最も効率の悪い ICEV と比較することにより、悲観的な状況と楽観的な状況を検討しました。 より具体的には、調査対象のBEVがA0クラスSUVの場合、比較のベンチマークとして、燃料駆動のA0クラスSUVの平均排出量レベルと上位25%排出量レベルと下位25%排出量レベルを使用しました（補足図4を参照）。 これらのシナリオをまとめると、GBET の推定をより包括的に理解できるようになります。

図のソースデータは次のとおりです。 1 と 2 は、ソース データ ファイル (https://doi.org/10.6084/m9.figshare.22437775) としてこの文書に提供されています。 分析で使用される追加データは補足情報に記載されています。 車両モデルの技術仕様は、自動車発表照会 Web サイト (http://chinacar.com.cn/search.html) から公開されています。 中国自動車ライフ サイクル データベース (CALCD) および中国自動車ライフ サイクル アセスメント モデル (CALCM) は、リクエストに応じて中国自動車技術研究センター (CATARC) から入手できます (http://www.catarc.info/)。 中国の強制交通事故責任保険 (CTALI) による車両レベルの販売データは機密です。 ライセンス契約の制限により、著者には元のデータセットを公に開示する権利がありません。 ソースデータはこのペーパーに付属しています。

温室効果ガスの損益分岐点時間を推定するために使用されるコードは、Figshare (https://doi.org/10.6084/m9.figshare.22491034) で無料で入手できます。

国際エネルギー機関 (IEA)。 グローバル EV 見通し 2022。https://www.iea.org/reports/global-ev-outlook-2022 (2022)。

Zeng, D. et al. 電気自動車は従来の自動車よりも持続可能ですか? 中国の一般的な自動車の場合の仮定とモデル化アプローチの影響。 リソース。 保守します。 リサイクルします。 167、105210 (2021)。

記事 Google Scholar

ウー、D.ら。 電動化および軽量化された小型車両の排出メリットにおける地域的な不均一性。 環境。 科学。 テクノロジー。 53、10560–10570 (2019)。

論文 ADS CAS PubMed Google Scholar

Knobloch, F. et al. 世界 59 地域における電気自動車とヒートポンプからの長期にわたる正味排出削減量。 ナット。 持続する。 3、437–447 (2020)。

記事 PubMed PubMed Central Google Scholar

Cox, B.、Mutel, CL、Bauer, C.、Beltran, AM & van Vuuren, DP 現在および将来のバッテリー電気自動車の環境フットプリントは不確実です。 環境。 科学。 テクノロジー。 52、4989–4995 (2018)。

論文 ADS CAS PubMed Google Scholar

新エネルギー自動車産業発展計画 (2021-2035)、中華人民共和国国務院総弁公室、2020 年 10 月 20 日、2022 年 8 月 4 日にアクセス。 http://www.gov.cn/zhengce/content/2020-11/02/content_5556716.htm。

55 に適合、欧州理事会、2022 年 8 月 5 日にアクセス。 https://www.consilium.europa.eu/en/policies/green-deal/fit-for-55-the-eu-plan-for-a-green-transition/。

ファクトシート：バイデン大統領、クリーンカーとトラックで米国の指導力を前進させる措置を発表、ホワイトハウス、2021年8月5日、2022年10月15日に閲覧。 https://www.whitehouse.gov/briefing-room/statements-releases/2021/08/05/fact-sheet-president-biden-announces-steps-to-drive-american-leadership-forward-on-clean-車とトラック/。

日本の電気自動車への移行、国際貿易局、2021 年 7 月 7 日、2023 年 4 月 1 日にアクセス。 https://www.trade.gov/market-intelligence/japan-transition-electric-vehicles。

Zhang, X.、Liang, Y.、Yu, E.、Rao, R. & Xie, J. 中国の電気自動車政策のレビュー: 内容の概要と効果分析。 更新します。 持続する。 エネルギー改訂 70、698–714 (2017)。

記事 Google Scholar

Zhang, X. & Bai, X. 中国における 2006 年から 2016 年までの奨励政策と 2010 年から 2020 年の新エネルギー車の導入。 更新します。 持続する。 エネルギー改訂 70、24–43 (2017)。

記事 Google Scholar

業界運営 | 2021 年の自動車産業の経済運営、中国自動車工業協会、2022 年 1 月 12 日、2022 年 8 月 5 日にアクセス。 http://www.caam.org.cn/chn/4/cate_154/con_5235337.html。

2030 年以前の二酸化炭素ピークに向けた行動計画、中華人民共和国国家発展改革委員会 (NDRC)、2021 年 10 月 27 日、2022 年 8 月 5 日にアクセス。 https://en.ndrc.gov.cn/policies/202110/t20211027_1301020.html。

公安省が発表した2022年上半期の車両所有権と運転者のデータ。 道路交通管理 455、5 (2022)。

ウー、Z.ら。 バッテリー電気自動車のライフサイクルにおける温室効果ガス排出削減の可能性。 J. クリーン。 プロデュース。 190、462–470 (2018)。

記事 Google Scholar

フェルナンデス、R. Á. 都市における温室効果ガス排出に対する電気自動車の寄与に対する、より現実的なアプローチ。 J. クリーン。 製品。 172、949–959 (2018)。

記事 Google Scholar

Bouter, A. & Guichet, X. 自動車用リチウムイオン電池の温室効果ガス排出量: ライフサイクル評価研究の統計的レビュー。 J. クリーン。 製品。 344、130994 (2022)。

記事 CAS Google Scholar

Xia, X. & Li, P. 電気自動車のライフサイクル評価のレビュー: バッテリーの影響を考慮。 科学。 トータル環境。 814、152870 (2022)。

論文 ADS CAS PubMed Google Scholar

Ambrose, H. & Kendall, A. 電気モビリティのライフサイクル温室効果ガス強度に対するバッテリーの化学的性質と性能の影響。 トランスペアレント解像度 D.トランスポート。 環境。 47、182–194 (2016)。

記事 Google Scholar

LAW エリングセン、B. シン、AH ストロマン 影響の規模と範囲: 電気自動車のライフサイクル温室効果ガス排出量。 環境。 解像度レット。 11、054010 (2016)。

記事 ADS Google Scholar

Hall, D. & Lutsey, N. 電気自動車のライフサイクル温室効果ガス排出に対するバッテリー製造の影響、国際クリーン交通評議会、2018 年 2 月 9 日、2022 年 8 月 5 日にアクセス。 https://theicct.org/publication/Effects-of-battery-manufacturing-on-electric-vehicle-life-cycle-greenhouse-gas-emissions/。

Patterson, J.、Gurr, A.、Marion, F. & Williams, G. 二酸化炭素回収期間に基づいた将来の EV テクノロジーの戦略的選択。 ワールドエレクトロ。 ヴェー。 J. 5、825–835 (2012)。

記事 Google Scholar

Kim, H.-J.、McMillan, C.、ジョージア州ケオリアン、SJ 州スケロス アルミニウムと高強度鋼を使用した軽量化車両による温室効果ガス排出量の回収。 Ｊ．Ｉｎｄ．Ｅｃｏｌ． 14、929–946 (2010)。

記事 Google Scholar

Yu, R.、Cong, L.、Hui, Y.、Zhao, D.、Yu, B. 再形成された生存パターンに基づいた中国の新エネルギー車のライフサイクル CO2 排出量。 科学。 トータル環境。 826、154102–154102 (2022)。

論文 ADS CAS PubMed Google Scholar

新エネルギー自動車購入税の免除に関する発表、中華人民共和国国家税務局、2014 年 8 月 1 日、2022 年 8 月 5 日に閲覧。 http://www.chinatax.gov.cn/n810341/n810755/c1150779/content.html。

2016 年から 2020 年までの新エネルギー車の促進と応用に対する財政的支援、中華人民共和国財政部、2015 年 4 月 29 日、2022 年 8 月 5 日にアクセス。 http://www.gov.cn/xinwen/2015-04/29/content_2855040.htm。

Yu, A.、Wei, Y.、Chen, W.、Peng, N. & Peng, L. ライフサイクルの環境への影響と炭素排出: 中国の電気自動車とガソリン車のケーススタディ。 トランスペアレント解像度 D.トランスポート。 環境。 65、409–420 (2018)。

記事 Google Scholar

Yu, Y. 他主にカーボンピーキングとカーボンニュートラルの観点から宣伝する価値のある電気自動車はどれですか? 中国の大都市のケーススタディ。 科学。 トータル環境。 837、155626 (2022)。

論文 ADS CAS PubMed Google Scholar

Franzo, S. & Nasca, A. 電気自動車の環境への影響: ライフサイクルベースの新しい評価フレームワークとその多国シナリオへの応用。 J. クリーン。 製品。 315、128005 (2021)。

記事 CAS Google Scholar

Hardman, S. & Tal, G. カリフォルニアの電気自動車所有者の生産中止について理解しています。 ナット。 エネルギー 6、538–545 (2021)。

記事 ADS Google Scholar

Zhang, X.、Bai, X.、および Shang, J. 補助金付きの電気自動車導入は持続可能か: 奨励政策、環境上の利点、およびリスクに対する消費者の認識と動機。 J. クリーン。 製品。 192、71–79 (2018)。

記事 Google Scholar

Li, L.、Wang, Z.、Chen, L. & Wang, Z. バッテリー電気自動車に対する消費者の好み: 中国における選択実験調査。 輸送。 解像度 D.トランスポート。 環境。 78、102185 (2020)。

記事 Google Scholar

Zhuge, C.、Wei, B.、Shao, C.、Shan, Y. & Dong, C. 電気自動車の導入におけるナンバープレート宝くじ政策の役割: 北京のケーススタディ。 エネルギー政策 139、111328 (2020)。

記事 Google Scholar

Nunes, A.、Woodley, L.、Rossetti, P. ネットゼロエミッションを達成するための電気自動車の調達インセンティブを再考する。 ナット。 持続する。 5、527–532 (2022)。

記事 Google Scholar

Raugei, M.、Morrey, D.、Hutchinson, A. & Winfield, P. 小型車両のさまざまな軽量化戦略に関する一貫したライフサイクル評価。 J. クリーン。 製品。 108、1168–1176 (2015)。

記事 CAS Google Scholar

Luk, JM、Kim, HC、De Kleine, R.、Wallington, TJ & MacLean, HL さまざまなパワートレインを搭載した車両の軽量化による燃料節約、ライフサイクル GHG 排出量、所有コストへの影響をレビューします。 環境。 科学。 テクノロジー。 51、8215–8228 (2017)。

論文 ADS CAS PubMed Google Scholar

Burd, JTJ、Moore, EA、Ezzat, H.、Kirchain, R. & Roth, R. 電気自動車のバッテリー技術の改善は、車両の軽量化と材料代替の決定に影響を与えます。 応用エネルギー 283、116269 (2021)。

記事 Google Scholar

Das, S. et al. 車両の軽量化によるエネルギー使用は、米国の小型車両フリートに影響を与えます。 持続する。 メーター。 テクノロジー。 8、5–13 (2016)。

Google スカラー

Kelly, JC、Sullivan, JL、Burnham, A. & Elgowainy, A. 材料代替による車両重量削減がライフサイクル温室効果ガス排出量に及ぼす影響。 環境。 科学。 テクノロジー。 49、12535–12542 (2015)。

論文 ADS CAS PubMed Google Scholar

酒井 伸 ほか使用済み自動車（ELV）のリサイクルシステムに関する国際比較研究。 J. メーター。 サイクル廃棄物管理。 16、1–20 (2014)。

記事 Google Scholar

Wolfram, P.、Tu, QS、Heeren, N.、Pauliuk, S.、Hertwich, EG 乗用車の材料効率と気候変動の緩和。 Ｊ．Ｉｎｄ．Ｅｃｏｌ． 25、511–522 (2021)。

記事 Google Scholar

Baars, J.、Domenec, T.、Bleischwitz, R.、Melin, HE & Heidrich, O. 電気自動車バッテリーの循環経済戦略により、原材料への依存が軽減されます。 ナット。 持続する。 4、71–79 (2021)。

記事 Google Scholar

MS コロマら。 バッテリー電気自動車のライフサイクル評価: 将来の電力構成とさまざまなバッテリー寿命管理の影響。 科学。 トータル環境。 831、154859 (2022)。

論文 ADS CAS PubMed PubMed Central Google Scholar

使用済みバッテリーをリサイクルします。 ナット。 エネルギー 4、253–253、https://doi.org/10.1038/s41560-019-0376-4 (2019)。

Morfeldt, J. & Johansson, DJA 車両の寿命と電気自動車の二酸化炭素排出量に対するシェアード モビリティの影響。 ナット。 共通。 13、6400 (2022)。

論文 ADS PubMed PubMed Central Google Scholar

Soukhov, A. & Mohamed, M. 占有率と GHG 排出量: 破壊的な交通手段と新興技術の閾値。 輸送。 解像度 D.トランスポート。 環境。 102、103127 (2022)。

記事 Google Scholar

Steinhilber, S.、Wells, P.、Thankappan, S. 社会技術的慣性: 電気自動車に対する障壁を理解する。 エネルギー政策 60、531–539 (2013)。

記事 Google Scholar

Hernandez, M.、Messagie, M.、De Gennaro, M.、Van Mierlo, J. さまざまな LCA 影響手法を使用した電気自動車パワートレインのリソース枯渇。 リソース。 保守します。 リサイクルします。 120、119–130 (2017)。

記事 Google Scholar

気候変動に関する政府間パネル (IPCC)。 2022 年の気候変動: 気候変動の緩和。 気候変動に関する政府間パネルの第 6 回評価報告書に対する作業部会 III の寄稿。 https://www.ipcc.ch/report/ar6/wg3/ (2022)。

フェルナンデス、R. スペインにおけるバッテリー電気自動車の導入と発電システムのアップグレードに関する将来シナリオの確率論的分析。 J. クリーン。 製品。 316、128101 (2021)。

記事 Google Scholar

CATL の四川工場が新エネルギー産業における世界初のゼロカーボン工場として認定、Contemporary Amperex Technology Co., Limited (CATL)、2022 年 3 月 25 日、2022 年 10 月 15 日にアクセス。 https://www.catl.com/en/news/912.html。

Klöckner, CA、Nayum, A. & Mehmetoglu, M. 電気自動車の購入から自動車の使用までのプラスとマイナスの波及効果。 輸送。 解像度 D.トランスポート。 環境。 21、32–38 (2013)。

記事 Google Scholar

フォンタラス、G.、ザチャロフ、N.-G. & Ciuffo, B. ヨーロッパの乗用車からの燃料消費量と CO2 排出量 研究室と現実世界の排出量。 プログレ。 エネルギー燃焼。 科学。 60、97–131 (2017)。

記事 Google Scholar

Yu, R.、Ren, H.、Liu, Y.、Yu, B. 中国の乗用車の公道燃費と公式燃費とのギャップ。 エネルギー政策 152、112236 (2021)。

記事 Google Scholar

ヤン、Ｊ．ら。 中国の上海で収集された車両使用データを使用した、バッテリー電気自動車の運転と充電行動の調査。 トランスペアレント解像度記録 2672、20–30 (2018)。

記事 Google Scholar

Arvesen, A. et al. 将来のシナリオにおける電気自動車の充電による排出量: 充電時間の影響。 Ｊ．Ｉｎｄ．Ｅｃｏｌ． 25、1250–1263 (2021)。

記事 CAS Google Scholar

Hausfather, Z. ファクトチェック: 電気自動車は気候変動への取り組みにどのように役立つか、カーボン ブリーフ、2019 年 5 月 13 日、2022 年 10 月 15 日にアクセス。 https://www.carbonbrief.org/factcheck-how-electric-vehicles-help-to-tackle-climate-change。

Jiang, S. et al. 中国におけるリチウムイオン牽引用バッテリーの製造における湿式冶金リサイクルと再利用の環境への影響。 科学。 トータル環境。 811、152224 (2022)。

論文 ADS CAS PubMed Google Scholar

Yang, F.、Xie, Y.、Deng, Y. & Yuan, C. 米国の州レベルの電気自動車の運用によるバッテリーの劣化と温室効果ガス排出量の予測モデリング。 ナット。 共通。 9、1–10 (2018)。

ADS Google Scholar

Wolfram, P. & Hertwich, E. 統合エネルギー モデリングにおける車両技術の機会を代表する。 輸送。 解像度 D.トランスポート。 環境。 73、76–86 (2019)。

記事 Google Scholar

国際標準化機構。 ISO 14040:2006 環境管理 - ライフサイクル評価 - 原則と枠組み (2006)。

中国国家標準化委員会。 環境管理 - ライフサイクル評価 - 要件とガイドライン。 (中国標準出版局、北京、2008 年)。

中国国家標準化委員会。 環境管理 - ライフサイクルアセスメント - 原則とフレームワーク。 (中国標準出版局、北京、2008 年)。

国際標準化機構。 ISO 14067:2018 温室効果ガス - 製品の二酸化炭素排出量 - 定量化の要件とガイドライン (2018)。

中国有限公司の自動車データ 中国自動車低炭素行動計画 (2022 年): 低炭素開発戦略とカーボン ニュートラル自動車への変革の道筋。 （チャイナマシンプレス、北京、2023年）。

CATARC の自動データセンター、2022 年 8 月 1 日にアクセス。 http://www.catarc.info/。

自動車発表に関する調査、中国自動車網、2022 年 8 月 1 日にアクセス。 http://chinacar.com.cn/search.html。

中国自動車燃費調査システム、工業情報化部 (MIIT)、2022 年 8 月 1 日にアクセス、https://yhgscx.miit.gov.cn/fuel-consumption-web/mainPage。

新エネルギー車国家監視管理センター、2022 年 8 月 1 日にアクセス。 https://www.evsmc.cn/。

中華人民共和国標準化局。 GB/T 32960: 電気自動車用のリモート サービスおよび管理システムの技術仕様 (2016)。

中国電力委員会。 中国電力年鑑。 （中国統計新聞、北京、2021年）。

リー、Ｈら。 2℃/1.5℃目標の下での中国の石炭火力発電移行の流域レベルの水ストレスリスク。 応用エネルギー 294、116986 (2021)。

記事 Google Scholar

Schlömer S. et al. 付録 III: テクノロジー固有のコストとパフォーマンスのパラメーター。 気候変動 2014: 気候変動の緩和。 気候変動に関する政府間パネルの第5次評価報告書に対する作業部会IIIの寄稿。 1329 ～ 1356 年 (2014 年)。

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

記事 Google Scholar

アルゴンヌ国立研究所。 温室効果ガス、規制排出、輸送におけるエネルギー使用 (GREET®) モデル - GREET 2、バージョン 2020。 https://greet.es.anl.gov/ (2020)。

Chen, X.、Griffin, WM & Matthews, HS 入出力ライフサイクル評価モデルにおけるデータの不確実性を表し、視覚化する。 リソース。 保守します。 リサイクルします。 137、316–325 (2018)。

記事 Google Scholar

Bawden, KR、Williams, ED & Babbitt, CW 製品知識をライフサイクル在庫限界にマッピングする: 鉄鋼製造のケーススタディ。 J. クリーン。 製品。 113、557–564 (2016)。

記事 Google Scholar

Lo Piano, S. & Benini, L. ライフサイクル評価における不確実性評価と感度分析に関する重要な視点。 Ｊ．Ｉｎｄ．Ｅｃｏｌ． 26、763–781 (2022)。

記事 Google Scholar

レイトン、A.ら。 直交実験計画を使用した褐藻 Macrocystis pyrifera からのフロロタンニンの同定と効率的な抽出方法。 藻類研究 16、201–208 (2016)。

記事 Google Scholar

Wang, B.、Cai, Y.、ying, X.-A.、Tan, Q. & Hao, Y. 不確実性の下での水資源管理をサポートするための、システムダイナミクス、直交実験計画、および不正確な最適化の統合アプローチ。 水資源。 管理。 31、1665–1694 (2017)。

記事 Google Scholar

Yang, Y.、Bai, W.、Chen, Y.、Lin, Y. & Hu, B. 直交実験計画を使用した、ヌードマウスの前立腺がん異種移植片に対する低周波低強度超音波媒介微小血管破壊の最適化。 オンコル。 レット。 10、2999–3007 (2015)。

論文 CAS PubMed PubMed Central Google Scholar

リファレンスをダウンロードする

この研究は、中国国家自然科学財団（XZ への番号 71904201、XT への 72174206）、北京科学技術協会による若手エリート科学者スポンサーシップ プログラム（XZ への番号 BYESS2023461）、中国工程院による資金援助を受けました。 (XT および XZ への番号 2023-XBZD-05 および No. 2022-XY-83、XT への 2022-XZ-35)、北京の中国石油大学科学財団 (XZ への番号 2462022YXZZ005)。

中国石油大学北京経済管理学院、北京、102249、中国

Yue Ren、Shaoqiong Zhao、Xu Tang、Xinzhu Zheng

中国自動車技術研究センター有限公司、No. 68, East Xianfeng Road, Dongli District, Tenjin, 300300, China

シン・サン & 趙東昌

中国（天津）有限公司の自動車データ、300393 中国、天津市西清区中北町万匯路 3 号

シン・サン & 趙東昌

Automotive Data of China Co., Ltd.、ボクシング 6 ロード、北京経済開発区、北京、100176、中国

シン・サン & 趙東昌

米国メリーランド州カレッジパークの太平洋岸北西部国立研究所およびメリーランド大学共同地球変動研究所

ポール・ウルフラム

北京義偉新エネルギー車ビッグデータ応用技術研究センター、北京、100081、中国

カン・イーフェイ

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

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

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

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

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

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

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

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

XZ と XS がオリジナルのアイデアを考案しました。 XZ、YR、XS が研究を設計しました。 XS、YR、YK、DZがデータを用意しました。 YR は XSYR の助けを借りてシミュレーションを実行し、図を描きました。 XZ と YR は PW、SZ、XS、XTXZ からの寄稿を受けて原稿を執筆し、YR、XS、PW、SZ、XT、YK、DZ は調査結果について議論し、原稿についてコメントしました。 XZ が研究を監督しました。

鄭新珠への対応。

著者らは競合する利害関係を宣言していません。

Nature Communications は、この研究の査読に貢献してくれた Yan Zhou と他の匿名の査読者に感謝します。 査読ファイルが利用可能です。

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

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

転載と許可

Ren、Y.、Sun、X.、Wolfram、P. 他。 電気自動車の導入競争における気候変動緩和効果の隠れた遅れ。 Nat Commun 14、3164 (2023)。 https://doi.org/10.1038/s41467-023-38182-5

引用をダウンロード

受信日: 2022 年 6 月 16 日

受理日: 2023 年 4 月 19 日

発行日: 2023 年 5 月 31 日

DOI: https://doi.org/10.1038/s41467-023-38182-5

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

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

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