2026, Vol. 18
2. 南方科技大学环境学院, 广东深圳 518055;
3. 北京环丁环保大数据研究院, 北京 100083;
4. 福华通达化学股份公司, 四川乐山 614803
2. School of Environmental Science and Engineering, Southern University of Science and Technology, Shenzhen 518055, China;
3. Beijing Huanding Environmental Big Data Institute, Beijing 100083, China;
4. Fuhua Tongda Chemical Co., Ltd., Leshan 614803, China
近年来，全球气候变化形势日益严峻, 我国提出“碳达峰、碳中和”目标 [1]，深入推进高耗能行业的低碳清洁转型。国务院于2021年印发《 2030年前碳达峰行动方案》 [2]，将化工等高耗能行业列为重点治理对象，强化重点产品碳排放强度控制。农化行业是化工行业的主要分支之一。据统计，农化品生产过程中的温室气体排放量从1990年的152 Mt CO2eq增加至2019年的408 Mt CO2eq[3]，对全球气候变暖的影响愈发显著。全球农药市场中除草剂所占比例约为60%[4]。其中，草甘膦是全球使用量最大、覆盖范围最广的除草剂之一 [5, 6]。在全球粮食作物产量上升、种业振兴等政策推动下，其长期需求仍将保持增长趋势 [7]。作为农化产品供应链中的关键上游产品，草甘膦原药的碳足迹会影响农业种植、粮食加工等下游环节的碳排放。通过建立草甘膦原药行业的碳足迹核算标准，不仅能够引导下游农化企业及种植业选择环境负荷更低的草甘膦产品，还有助于推动低碳化工供应链和绿色农业的构建。更重要的是，2023年中国草甘膦原药产能约为90万吨，其中超70% 出口到其他国家。欧盟碳边境调整机制（Carbon Border Adjustment Mechanism, CBAM）将在2026年正式实施碳关税征收，草甘膦产品未来可能会受到绿色贸易壁垒制约。这一机制可能导致草甘膦等高碳排放的化工产品的出口成本上升，加剧全球贸易中的不公平性，进而削弱我国产品在欧盟的市场竞争力。因此，开展草甘膦产品的碳足迹核算工作对于应对碳边境调节机制并提升我国农药产品在国际市场的绿色竞争力具有重要战略意义。
目前，碳足迹评估主要基于生命周期评价方法（Life Cycle Assessment，LCA）。该方法包含目标与范围定义、生命周期清单分析、影响评估、结果解读等主要步骤 [8]。近年来，化工产品的碳足迹研究受到了国内外学者的广泛关注，与之相关的研究主要聚焦于高碳排放环节识别、减碳路径优化及绿色工艺设计等方面。陈广卫等 [9]开展了对二甲苯产品的碳足迹核算，发现燃料气是生产过程中的减排关键，并提出可通过提高设备热效率、优化燃料组成等方式实现对二甲苯生产过程的碳减排。田涛等 [10]核算了石化行业中多个制氢过程的碳足迹，发现煤制氢碳足迹最高，同时也指出了主产物与副产氢之间采用质量分配法的不合理性。Zhang等 [11]通过生物发酵将钢铁尾气转化为乙醇，展现了较低的环境负担和显著的节能减排效益，有助于钢铁行业的绿色转型。Sebastiao等 [12]模拟纸浆污泥转化为乙醇的研究揭示了其减排潜力，并通过优化工艺参数提升环境效益。这些研究为化工产品的绿色低碳转型提供了坚实的理论基础与实践指导。
此外，在化工产品碳足迹计算时，如何在主副产物间合理分配环境影响，也是复杂且重要的议题。常用的分配方法（Allocation Method）包括系统边界扩展法、物理关系分配法和经济价值分配法。系统边界扩展法主要通过替代法实现。通过引入一个“替代系统”，将副产品视为替代市场上功能相同的产品，从而抵消相应的环境负荷，被抵消的环境负荷称为“环境信用” [13, 14]。常用的物理关系分配法包括质量分配法及化学计量学分配法。质量分配法根据主副产品的质量比例进行碳足迹分配。化学计量学分配法依据化学反应的理论计量关系进行分配。经济价值分配法基于主副产品的市场经济价值进行分配。Khounami等 [15]评估糠醛生产的环境影响时，采用质量分配法将环境负担分配给主产品糠醛、副产品葡萄糖和木质素。Liu等 [16]对硫基复合化肥进行了“从摇篮到坟墓”的生命周期分析，在化肥生产阶段，采用经济价值法分配主产品化肥及甲醇、盐酸等副产品的环境影响。值得注意的是，不同分配方法可能导致截然不同的计算结果 [17]，进而影响决策质量。Blanco-Cejas等 [18]总结了生物基化合物LCA研究中常用的分配方法，并建议更加注重采用不同分配方法的敏感性分析，以支持更加科学的决策。
近年来，草甘膦生产过程的生命周期研究逐渐受到重视。Lyu等 [19]提出了一种集成生命周期评价和能值分析的方法框架，并据此计算了草甘膦和尿素的环境成本。Yang等 [20]对基于甘氨酸法的草甘膦生产过程进行了生命周期评价，发现采用绿电及废水磷回收两种方式可大幅降低草甘膦生产过程中的环境影响，为草甘膦生产企业的清洁可持续生产提供了指导。
然而，聚焦于草甘膦生产过程的碳足迹研究极为有限。此外，草甘膦生产过程是典型的多产品产出过程，现有研究尚未将相关生产过程的环境影响合理分配至主副产品中，可能无法真实反映草甘膦产品的碳足迹。基于上述研究不足，本研究通过生命周期评价方法，系统分析草甘膦原药生产过程的碳排放特征，识别影响碳排放的关键因素。同时，围绕生产过程中主副产品的碳足迹分配问题，分析主副产品碳足迹对不同分配方法的敏感性。在此基础上，基于识别的碳排放热点，针对性地提出未来减排措施，并评估各类措施下草甘膦生产过程的降碳潜力。本研究旨在为草甘膦原药碳足迹量化标准的制定及完善提供理论和实践支撑，并为草甘膦原药生产工艺未来低碳转型提供科学的优化路径与决策支持。
1 材料与方法 1.1 工艺描述甘氨酸法工艺是国内草甘膦生产的主流工艺 [21]。该工艺以甘氨酸、多聚甲醛、亚磷酸二甲酯为主要原料，其制备过程涉及多步化学反应，具体反应路径如图 1所示。甘氨酸由氯乙酸氨解法制备，亚磷酸二甲酯通过三氯化磷与无水甲醇反应生成。在主反应中，多聚甲醛在无水甲醇中经三乙胺催化发生解聚反应，随后与甘氨酸和亚磷酸二甲酯进行反应。反应完成后，向所得溶液中加入浓盐酸并加热回流，最终生成草甘膦 [21]。
|
图 1 甘氨酸法制草甘膦反应路径 |
功能单位是衡量产品碳足迹的基础，通常会根据研究目标，选取单位产品的生产量作为标准 [22]。本文研究目标是量化甘氨酸法工艺生产的草甘膦产品碳足迹。因此，本研究的功能单位为1t草甘膦原药。
1.3 系统边界确定系统边界的选择决定了碳足迹研究的范围 [23]。本研究的系统边界为“从摇篮到大门”，涵盖原料生产、能源生产、草甘膦原药生产及废物处理过程，如图 2所示。原料交通运输过程的碳排放贡献较低，本研究忽略。本研究通过实地调研国内相关生产企业确定草甘膦原药生产过程的主要工序。
|
图 2 研究系统边界 |
本研究的初级数据包括原料消耗量、能源消耗量、产品产量及废物排放量等，来源于某家典型草甘膦生产企业的实际生产数据。该企业上下游供应链成熟，产能位居行业前列，具有较高的行业代表性。次级数据为企业外购原料及能源的碳足迹因子，来源于Ecoinvent 3.9.1数据库及文献数据。生命周期清单如表 1所示。
|
表 1 生产1t草甘膦原药的生命周期清单 |
本研究基于谱系矩阵（Pedigree Matrix）方法 [26]，从技术代表性、时间代表性、地域代表性、完整性和可靠性这5个数据质量指标（Data Quality Indicator，DQI）对数据质量进行评估，获得各种原材料的数据质量评级（Data Quality Rating，DQR），第i种原材料的数据质量评级DQRi可由式（1）进行计算：
| $ \mathrm{DQR}_i=\frac{\mathrm{DQI}_j}{5} $ | (1) |
式（1）中，DQIj表示第j个数据质量指标的评分，根据携手可持续发展倡议（Together for Sustainability，Tfs）发布的产品碳足迹指南中的相关量化标准进行评分 [27]。
而后可由式（2）计算得到系统总质量评级DQRTotal：
| $ \mathrm{DQR}_{\text {Total }}=\sum\limits_{i=1}^n \mathrm{DQR}_i \times \varepsilon_i $ | (2) |
式（2）中，DQRi为第 i种原材料的数据质量评级；εi为第 i种原材料的碳足迹占总产品碳足迹的比例。
1.5 生命周期影响评价生命周期影响评价通过将生命周期清单数据转化为环境影响类别指标，从而量化生产过程对环境的潜在影响。生命周期建模采用OpenLCA软件，环境影响评价方法采用ReCiPe 2016 Midpoint（H）评价方法，该法是LCA领域使用最广泛的评价方法之一 [28]。本研究选取其中的“全球变暖”（Global Warming, GW）影响指标作为产品碳足迹评价的依据。
1.6 敏感性分析本文的敏感性分析可分为不同分配方法分析及单因素敏感性分析。在分配方法分析中，通过比较不同分配方法得出的草甘膦碳足迹结果差异，旨在总结出核算过程中分配方法选择的优先级，为草甘膦碳足迹核算标准的方法体系完善提供依据。在草甘膦碳足迹核算过程中存在多种分配方法，包括系统边界扩展、质量分配、经济价值分配以及化学计量学分配。本研究中，副产品碳足迹因子主要来源于Ecoinvent 3.9.1数据库。通过查询相关网站 [29]获取所有主副产品的5年均价。基于系统边界扩展法、质量分配法、化学计量学分配法及经济价值分配法的草甘膦碳足迹可分别由式（3）至式（6）计算：
| $ \mathrm{CF}_{\text {草甘膦, 系统边界扩展 }}=C_{\text {输入 }}-\sum\limits_{i=1}^j \mathrm{CF}_i \times M_{b, i} $ | (3) |
| $ \mathrm{CF}_{\text {草甘膦, 质量 }}=\frac{C_{\text {输入 }}}{\sum\limits_{i=1}^j M_i} $ | (4) |
| $ \mathrm{CF}_{\text {草甘膦, 摩尔 }}=C_{\text {输入 }} \times \frac{v_{\text {草甘膦 }}}{\sum\limits_{i=1}^j v_i} $ | (5) |
| $ \mathrm{CF}_{\text {草甘膦, 经济 }}=C_{\text {输入 }} \times \frac{P_{\text {草甘膦 }}}{\sum\limits_{i=1}^j P_i \times M_i} $ | (6) |
式（3）至式（6）中，C输入表示合成1t草甘膦的总碳足迹输入，单位为tCO2eq；CFi表示副产品碳足迹因子，单位为tCO2eq/t副产品；Mb, i表示系统边界内第i个副产品的质量，单位为t；Mi表示系统边界内第i个产品的质量，单位为t；ν草甘膦表示草甘膦产品摩尔数，单位为mol；νi表示第i个副产品摩尔数，单位为mol；P草甘膦为草甘膦产品的近5年均价，单位为RMB/t；Pi为第i个副产品的近5年均价，单位为RMB/t。
此外，通过调整关键输入参数（如原料消耗量、能源使用量等），可评估草甘膦碳足迹结果对这些变量的敏感程度，识别系统中对结果影响最显著的因素，为后续采取的减排优化措施提供针对性指导。
1.7 不确定度分析通过不确定度分析评估模型结果在数据波动及模型假设下的可信度和稳定性。本研究利用蒙特卡罗模拟方法对模型输入参数的不确定性进行量化评估，假定模型输入参数服从正态分布。在进行10 000次蒙特卡罗模拟迭代后获得模型输出结果的统计特征，根据变异系数（Coefficient of Variation, CV）揭示结果的不确定性。
1.8 未来情景分析未来情景分析通过构建有针对性的减排策略，量化评估不同减排路径下草甘膦生产过程的碳减排潜力。基于本研究中识别出的碳排放热点，未来情景分析主要针对电力、甲醇、黄磷的碳足迹因子进行分析，分别定义如下5种未来情景：
S Ⅰ：电力均由可再生能源（如光伏）供给。
S Ⅱ：外购甲醇均由天然气基工艺制备。相关研究表明，天然气基工艺制得的甲醇碳足迹仅为煤基工艺的30%[24]。
S Ⅲ：回收上游黄磷生产过程中排放的CO尾气并将其用于甲醇合成，减少外购甲醇量。根据相关文献及计算可得，每生产1t黄磷，平均产生2850 Nm3的CO尾气 [25]。黄磷尾气资源化回收制甲醇工艺流程中，每生产1t甲醇，消耗CO尾气3500 Nm3[30]。即，将上游黄磷生产过程产生的CO尾气资源化回收后，每生产1t黄磷，减排2850 Nm3的CO尾气同时，可生产约0.81t甲醇，从而减少外购甲醇量。
S Ⅳ：耦合情景S Ⅰ与S Ⅱ。
S Ⅴ：耦合情景S Ⅰ、SⅡ及S Ⅲ。
2 结果与讨论 2.1 数据质量评估数据质量评估的结果如表 2所示，主要原料对总DQR贡献程度由高至低依次为蒸汽、电、黄磷、甲醇。这些原料和能源消耗对草甘膦生产过程的总DQR贡献程度超过90%。因此需要严格把控这些原料和能源消耗的数据质量。进一步分析原料的DQR可知，醋酐、三乙胺、甘氨酸的数据质量一般，这是因为相关数据库中缺少中国本土相关的过程数据且是5年以前收集的数据，数据的地理代表性及时间代表性不足，但由于其碳足迹占比较低，因此对总DQR贡献不大。电、黄磷及甲醇等关键原料和能源消耗的数据质量较好，而蒸汽的数据质量不高的原因也在于数据的地理代表性及时间代表性不足。草甘膦产品碳足迹的总体数据质量DQRTotal为1.43，说明数据质量较好。
|
|
表 2 数据质量评估结果 |
如图 3所示，在甘氨酸法草甘膦生产过程中，主要碳排放的构成由高至低依次为蒸汽、电力、黄磷、甲醇，占比依次为30.88%、21.57%、19.68%、16.75%。
|
图 3 基于甘氨酸法的草甘膦生产过程碳排放贡献分析 |
Yang等 [20]也采用LCA方法分析了甘氨酸法草甘膦生产过程中的环境影响，发现甲醇和电力是主要贡献源，但是在碳足迹贡献分析层面存在一定不足。相比之下，本文在其基础上进一步细化了碳足迹的贡献分析。
蒸汽主要在甘氨酸生产、草甘膦合成及产物资源化工段使用，占总蒸汽用量的82.22%。这些工段均包含多个加热、蒸馏、蒸发与干燥等能量密集型单元操作，反应步骤复杂，热负荷集中，蒸汽需求显著上升，是能源消耗的主要构成部分之一。
电力对草甘膦原药碳足迹贡献较高的原因可从两方面进行分析。首先，从电力消耗角度来看，盐水精制电解工段的电力消耗量最高，占据总电耗的70.29%。盐水精制电解过程需在高电流密度下持续供电以驱动离子迁移和产物生成，导致电力消耗加大 [31]。这与Garcia-Herrero等的研究结果相似 [32]。他们同样发现，电解过程是氯碱产品环境负担的主要来源，其能耗占整个过程环境影响的72.0%~ 99.5%[32]。另一方面，尽管我国正积极推进清洁能源转型并已取得初步成效，电网平均碳足迹因子较以往已有显著下降，但目前仍高于全球平均水平，未来有望持续降低 [33]。
黄磷、甲醇对草甘膦原药碳足迹的贡献主要源于其原料生产过程中的碳排放。黄磷是三氯化磷生产工段的主要原料。相关研究表明，黄磷生产过程中的碳排放主要来源于尾气处理和生产过程的电耗，占比达总过程排放的88.00%~ 90.08%[25, 34]。其中，黄磷生产过程中伴随高温还原反应，产生大量高浓度一氧化碳尾气，通常通过燃烧将其氧化为二氧化碳，是生产过程中的主要碳排放来源之一，约占总碳排放量的48.05%。
从甲醇用量角度而言，甲醇在多聚甲醛和亚磷酸二甲酯生产工段中的用量较高，分别占总甲醇消耗量的32.92% 和49.21%。在多聚甲醛生产中，甲醇通过催化氧化生成甲醛，而在亚磷酸二甲酯生产中，甲醇与三氯化磷反应生成亚磷酸二甲酯。从甲醇碳足迹因子角度来看，目前工业制甲醇可分为煤制甲醇及天然气制甲醇两种工艺。而我国“富煤、贫油、少气”的能源禀赋决定了我国现阶段的甲醇合成工艺以煤制甲醇为主，占比超80%[35, 36]。由于煤炭的氢碳比（Hydrogen-to-Carbon Ratio，H/C）较低，约为0.7，煤基合成气在甲醇合成过程中需通过水煤气转化反应（Water-Gas Shift Reaction，WGSR）生成氢气，以此提高合成气的氢碳比。煤炭中约40% 的碳参与甲醇合成，其余的碳则以二氧化碳的形式排放，这是煤制甲醇的碳排放较高的原因之一 [35]。相比之下，天然气制甲醇的碳排放较低，因为天然气的H/C接近甲醇合成过程的最佳值，无需通过WGSR生成氢气。
2.3 敏感性分析 2.3.1 不同分配方法分析采用不同分配方法得到的草甘膦原药碳足迹如 图 4所示。其中，甘氨酸、亚磷酸二甲酯为草甘膦合成的前体物质，甲缩醛、氯甲烷、十二水磷酸氢二钠为过程副产物，外售给下游其他厂商。采用质量分配法得到的草甘膦及其副产物的碳足迹相同，均为3.12 tCO2eq/t产品，这是由于草甘膦及其副产物来源于同一单元过程，因此单位主副产品在生产过程中的环境负担是相等的。在经济价值分配法中，前体物质甘氨酸和亚磷酸二甲酯的碳足迹相较于其他分配方法显著偏高，这是由于其经济价值较高，在单元过程中被分配了相对更多的碳排放份额。由于草甘膦相较于其他副产物的价格更高，因此草甘膦原药分担了该过程约80% 的碳排放，相应的草甘膦产品原药碳足迹为12.52 tCO2eq/t草甘膦，这导致其他副产物的碳足迹相较于质量分配法及化学计量学分配法更低。对于化学计量学分配方法，草甘膦原药产品碳足迹为4.88 tCO2eq/t草甘膦，较质量分配法略高，远低于经济价值分配法，这是由于环境负担转移至副产物中所致。十二水磷酸氢二钠的碳足迹为4.10 tCO2eq/t产品，高于质量分配法及经济价值分配法得出的结果。利用系统边界扩展法计算得到的甲缩醛、氯甲烷、十二水磷酸氢二钠的碳足迹分别为2.77 tCO2eq/t产品、3.28 tCO2eq/t产品、1.00 tCO2eq/t产品。“-”表示将副产物的碳足迹从系统边界中扣除，扣除后经过计算得出草甘膦原药产品实际碳足迹，即8.32 tCO2eq/t草甘膦。
|
图 4 基于不同分配方法的草甘膦原药主副产品碳足迹 s |
由上述结果进一步分析各分配方法的适用场景，可以发现质量分配主要适用于生产过程较简单，主副产品具有相似物理属性且市场价值差异较小的情形。由于物质的质量这一物理属性较易获取，因此这也是目前生命周期研究中最常用的分配方法之一。然而，若主副产品有明显的经济价值差异，该方法则无法充分体现这一差异，可能会导致碳足迹在主副产物间的不公平分配。
与之对应的，经济价值分配法适用于主副产品具有明显经济价值差异的场景。在本研究中，草甘膦与共生副产物的经济价值比率均超过10，经济价值差异较大。以经济价值作为碳足迹分配依据，既能反映产品所承载的市场需求与功能价值，也体现了收益导向下的责任分担逻辑，即价值越高的产品，应承担更高的环境责任 [37]。因此，在草甘膦原药产品碳足迹核算中，经济价值分配能相对公平地分摊产品碳足迹。更重要的是，将更多碳足迹分配给高值产品，有助于推动高值产品的减碳压力传导，进而促进企业发展更低碳的生产过程。此外，Ecoinvent3.9.1数据库中的草甘膦碳足迹为12.20 tCO2eq/t产品，过往也有学者研究得出草甘膦的碳足迹为11.96 tCO2eq/t产品 [19]，这与采用经济价值分配法得出的12.52 tCO2eq/t基本一致。然而，需要注意的是，主副产物的价格波动可能会对草甘膦碳足迹有一定的影响，表 3显示草甘膦的价格波动对其碳足迹的影响较显著，当草甘膦价格增加10% 时，草甘膦碳足迹上升1.85%。相比之下，其他副产物（如甲缩醛、氯甲烷等）价格的波动对草甘膦碳足迹的影响较小。因此，对于市场价格波动较大的产品，建议采用产品近五年均价作为分配基础，以确保核算结果的相对稳定性。
|
|
表 3 主副产物价格波动对草甘膦碳足迹的影响 |
化学计量学分配法依据化学反应式中的摩尔比来分配碳足迹，适用于主副产物之间存在明确化学反应计量关系的过程。相比质量分配法，化学计量学方法更精准地反映了不同产品在化学反应中的实际贡献。然而，若一个单元过程中包含较多的化学反应过程，使用该法进行碳足迹核算时可能会更复杂。
系统边界扩展法纳入了因副产物替代市场上与之对应的产品而避免的环境负担（即环境信用），在某些情境下可显著降低主产品碳足迹 [38]。然而，系统边界扩展法不适用于需要向下游厂商报告副产物碳足迹的场景，因为该法扣除了副产物的环境负担，无法准确计算副产物的碳足迹。
因此，在草甘膦原药产品碳足迹核算中，碳足迹分配方法的选择应根据主副产品的经济价值差异以及是否需要向下游厂商报告副产品碳足迹来确定。如果主副产品近五年经济价值差异较小，则可考虑采用质量分配法或化学计量学分配法，这两种方法适用于市场价值差异不显著的情况，计算相对简单且易于操作。而对于主副产品经济价值差异较大的情形，经济价值分配法更为合适，它能根据市场价值合理分配碳足迹，使高值产品承担更高的环境负担。此外，在不需要向下游厂商报告副产品碳足迹的情况下，也可采用系统边界扩展法，该方法通过引入替代系统，能够有效降低主产品的碳足迹。相关标准在制定时应根据实际应用场景和数据可得性，选择最合适的分配方法。本研究中，当前草甘膦与其共生副产物间经济价值差异较大，现阶段推荐优先采用经济价值分配法。
2.3.2 单因素敏感性分析假设生产单位产品物质和能源消耗量增加10%，分析不同分配方法对草甘膦原药碳足迹影响的敏感性，如图 5所示。采用系统边界扩展法得到的草甘膦碳足迹对物料消耗变化最敏感，蒸汽、黄磷或甲醇用量每增加10%，草甘膦碳足迹分别增加6.27%、4.27%、3.71%。这是由于系统边界扩展法通过扣减副产物的替代效益计算草甘膦碳足迹，总碳足迹的微小变化会直接反映在草甘膦产品上。相比之下，其余三种分配方法的草甘膦碳足迹对输入参数的敏感性相对较低。在这三种分配方法下，草甘膦碳足迹对同一输入参数的敏感性差异较小，表明这三种分配方法在结果上具有较高的一致性。单因素敏感性分析表明，蒸汽、黄磷、甲醇、电力消耗量等参数对模型影响较大，是未来草甘膦生产过程碳减排的关键控制参数。此外，碳足迹结果对输入参数的敏感性一定程度上取决于所选分配方法。因此，在相关核算标准制定与完善的过程中，更应综合考虑分配方法的稳健性，依据实际应用场景选择适宜的分配方法。
|
图 5 敏感性分析结果 |
不确定度分析结果如图 6所示，描述性统计参数如 表 4所示。质量分配法（CV = 0.04）、化学计量学分配法（CV = 0.04）以及经济价值分配法（CV = 0.03）在不确定性扰动下结果表现出较高的稳定性，说明其碳足迹对输入变化具有较强的鲁棒性。相较之下，系统边界扩展法的变异系数最高（CV = 0.07），表明其结果对输入参数的波动更敏感。
|
图 6 基于蒙特卡罗模拟的草甘膦原药碳足迹不确定度分析 |
|
|
表 4 描述性统计参数 |
未来情景分析结果如图 7所示。黄磷尾气资源化回收情景的生命周期清单如表 5所示。草甘膦碳足迹在5种未来情景下均呈现显著下降趋势，表明通过清洁能源替代与原料工艺路径优化可实现显著的减排效益。对于3种独立情景，黄磷尾气资源化回收情景（S Ⅲ）具有最大的降碳潜力，草甘膦原药碳足迹平均下降19.48%。而对于绿电情景（S Ⅰ）及天然气制甲醇情景（S Ⅱ），草甘膦原药碳足迹分别平均下降13.21%、12.15%。
|
图 7 未来情景分析 |
|
|
表 5 生产1t草甘膦原药的生命周期清单（黄磷尾气资源化回收情景） |
2种耦合情景相较于3种独立情景，具有更高的降碳潜力。其中，绿电+ 天然气制甲醇+ 黄磷尾气资源化回收情景（S Ⅴ）在所有处理方法下均表现出最高的降碳潜力，分别较基线情景下降了44.26%（质量分配）、40.74%（化学计量学分配）、44.86%（经济价值分配）与78.45%（系统边界扩展），显示出系统性工艺集成方案的协同减排潜力。
为进一步评估减排路线的可行性，本文对SⅠ至S Ⅲ这3个情景进行了初步经济性分析。近年来，光伏绿电与煤电的度电成本差异正逐步缩小。2024年煤电价格约为0.22元/（kW· h）至0.48元/（kW· h）[39]，预计2025年光伏电价降至约0.35元/（kW· h）[40]。在不远的将来从煤电转向光伏绿电在成本方面是可行的。光伏绿电的主要挑战在于供应的间歇性和波动性。光伏发电会受天气、季节和日照等自然因素的影响，可能导致供电的稳定性不如传统煤电。因此，在实际应用中须考虑光伏电力的供应稳定性问题，可通过签订中长期绿电合同等手段来保障电力供应的连续性与稳定性。目前，煤基甲醇与天然气基甲醇的市场价格基本相同，因此从煤基路线切换到天然气基路线短期内不会导致成本显著增加。但同样需要考虑的是天然气甲醇的供应稳定性问题。由于受到天然气资源的地域分布限制，天然气甲醇的市场供应相对较少。对于天然气供应充足的地区，在草甘膦生产过程中可优先考虑采购天然气甲醇。对于情景S Ⅲ，有关资料表明，一个2.2万t /a的黄磷尾气制甲醇项目投资回收期约2.86年。按本文核算结果，每生产1 t草甘膦将减少0.26 t外购甲醇量。参考当前国内甲醇市场均价，原料成本可降低570~ 600元/t草甘膦，显著缩短项目投资回收期。然而，黄磷尾气跨企业回收的实施可能存在一些挑战。由于尾气成分波动和回收技术差异，不同企业之间的合作需确保技术兼容、流程统一。与此同时，项目成本收益如何分配也是重要影响因素，可考虑在区域层面加强基础设施建设，如共同投资建设尾气回收和输送系统，降低单个企业的投资风险。
3 结论与建议本研究以甘氨酸法草甘膦原药生产过程为研究对象，采用生命周期评价方法分析了草甘膦原药生产的碳排放特征，并比较了不同分配方法对草甘膦及其副产物的碳足迹的影响，进而通过未来情景分析明晰草甘膦原药生产的减排潜力，关键结论及建议如下：
（1）在本研究的系统边界内，蒸汽、电力、黄磷及甲醇是草甘膦原药生产过程中主要的碳排放来源，其中电力消耗在盐水精制电解工段占比最高（70.29%），蒸汽消耗主要集中在甘氨酸生产和草甘膦合成工段，占生产过程蒸汽总消耗的82.22%。
（2）采用系统边界扩展法、经济价值分配法、质量分配法及化学计量学分配法得出的草甘膦原药碳足迹分别为8.32 tCO2eq/t、12.52 tCO2eq/t、3.12 tCO2eq/t、4.88 tCO2eq/t。由于主副产品经济价值差异较大，本研究建议现阶段优先采用经济价值分配法。随着市场供需的变化，主副产品的经济价值差异逐渐减小，可考虑采用质量分配法或化学计量学分配法简化核算过程。
（3）在制修订草甘膦原药产品碳足迹核算相关标准时，应明确需纳入草甘膦生产过程中的所有关键排放源，并对蒸汽、电力、黄磷和甲醇等高排放环节的数据质量给出具体要求，同时应明确适用的分配方法，推荐在现阶段优先使用经济价值分配法，并考虑采用稳定的市场价格基准来减少价格波动的影响。
（4）未来情景分析表明，绿电+ 天然气制甲醇+ 黄磷尾气资源化回收情景展现出最高的降碳潜力，草甘膦产品碳足迹在所有分配方法中均显著下降，最高可达78.45%。因此，建议相关企业未来可在综合考量成本的基础上，分阶段推进减排策略。鉴于当前天然气制甲醇与煤制甲醇的产品价格基本持平，出于成本效益考量，企业可优先提高天然气制甲醇的采购比例，其次可逐步提高使用光伏绿电的比例。此外，可通过产业链上下游协作共建黄磷生产过程尾气资源化利用项目推动减排。
| [1] |
中华人民共和国中央人民政府. 中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见[EB/OL]. (2021-10-24)[2025-04-15]. https://www.gov.cn/zhengce/2021-10/24/content_5644613.htm.
|
| [2] |
国务院. 2030年前碳达峰行动方案[EB/OL]. (2021-10-26)[2025-04-15]. https://www.gov.cn/zhengce/content/2021-10/26/content_5644984.htm.
|
| [3] |
TUBIELLO F N, KARL K, FLAMMINI A, et al. Pre-and postproduction processes increasingly dominate greenhouse gas emissions from agri-food systems[J]. Earth system science data, 2022, 14(4): 1795-1809. DOI:10.5194/essd-14-1795-2022 |
| [4] |
DAYAN F E. Current status and future prospects in herbicide discovery[J]. Plants-basel, 2019, 8(9): 341. DOI:10.3390/plants8090341 |
| [5] |
RAWAT D, BAINS A, CHAWLA P, et al. Hazardous impacts of glyphosate on human and environment health: occurrence and detection in food[J]. Chemosphere, 2023, 329: 138676. DOI:10.1016/j.chemosphere.2023.138676 |
| [6] |
CLAPP J. Explaining growing glyphosate use: the political economy of herbicide-dependent agriculture[J]. Global environmental change, 2021, 67: 102239. DOI:10.1016/j.gloenvcha.2021.102239 |
| [7] |
NEVE P, MATZRAFI M, ULBER L, et al. Current and future glyphosate use in European agriculture[J]. Weed research, 2024, 64(3): 181-196. DOI:10.1111/wre.12624 |
| [8] |
KLÖPFFER W. The critical review of life cycle assessment studies according to ISO 14040 and 14044: origin, purpose and practical performance[J]. The international journal of life cycle assessment, 2012, 17(9): 1087-1093. DOI:10.1007/s11367-012-0426-7 |
| [9] |
陈广卫, 张志智. 对二甲苯产品的碳足迹与减排措施[J]. 化工环保, 2021, 41(6): 774-778. |
| [10] |
田涛, 曹东学, 黄顺贤, 等. 石化行业不同制氢过程碳足迹核算[J]. 油气与新能源, 2021, 33(6): 39-45. |
| [11] |
ZHANG L Y, SHEN Q, PANG C H, et al. Life cycle assessment of bio-fermentation ethanol production and its influence in China'ssteeling industry[J]. Journal of cleaner production, 2023, 397: 136492. DOI:10.1016/j.jclepro.2023.136492 |
| [12] |
SEBASTIÃO D, GONÇALVES M S, MARQUES S, et al. Life cycle assessment of advanced bioethanol production from pulp and paper sludge[J]. Bioresource technology, 2016, 208: 100-109. DOI:10.1016/j.biortech.2016.02.049 |
| [13] |
LEINONEN I, KORKALO P, HIETALA S, et al. System expansion is needed to handle the multifunctionality of food items in environmental impact assessment[J]. Scientific reports, 2025, 15(1): 13525. DOI:10.1038/s41598-025-98996-9 |
| [14] |
HOUSSARD C, MAXIME D, POULIOT Y, et al. Allocation is not enough! Asystem boundaries expansion approach to account for production and consumption synergies: the environmental footprint of Greek yogurt[J]. Journal of cleaner production, 2021, 283: 124607. DOI:10.1016/j.jclepro.2020.124607 |
| [15] |
KHOUNANI Z, RAZAK N N A, HO SSEINZADEHBANDBAFHA H, et al. Assessing the environmental impacts of furfural production in a poplar wood biorefinery: astudy on the role of mannitol concentration and catalyst type[J]. Industrial crops and products, 2023, 203: 117230. DOI:10.1016/j.indcrop.2023.117230 |
| [16] |
LIU M Y, LI Y, YUAN X L, et al. Life cycle environmental impact assessment of sulfur-based compound fertilizers: a case study in China[J]. ACS sustainable chemistry & engineering, 2022, 10(7): 2308-2317. |
| [17] |
WANG X J, HUANG B J, WANG Y, et al. The impact of allocation methods on carbon benefits -a case study of construction waste recycling[J]. Resources, conservation and recycling, 2023, 199: 107269. DOI:10.1016/j.resconrec.2023.107269 |
| [18] |
BLANCO-CEJAS J, MARTÍN S, LINARES M, et al. Life cycle assessment applied to bio-based platform molecules: critical review of methodological practices[J]. Journal of cleaner production, 2023, 414: 137513. DOI:10.1016/j.jclepro.2023.137513 |
| [19] |
LYU Y F, RAUGEI M, ZHANG X H, et al. Environmental cost and impacts of chemicals used in agriculture: an integration of emergy and life cycle assessment[J]. Renewable and sustainable energy reviews, 2021, 151: 111604. DOI:10.1016/j.rser.2021.111604 |
| [20] |
YANG K X, JING D J, WANG X X, et al. Life cycle assessment perspective on waste resource utilization and sustainable development: a case of glyphosate production[J]. Journal of environmental management, 2024, 350: 119584. DOI:10.1016/j.jenvman.2023.119584 |
| [21] |
TIAN J P, SHI H, LI X, et al. Coupling mass balance analysis and multi-criteria ranking to assess the commercial-scale synthetic alternatives: a case study on glyphosate[J]. Green chemistry, 2012, 14(7): 1990-2000. DOI:10.1039/c2gc35349k |
| [22] |
FINNVEDEN G, HAUSCHILD M Z, EKVALL T, et al. Recent developments in life cycle assessment[J]. Journal of environmental management, 2009, 91(1): 1-21. |
| [23] |
HELLWEG S, MILÀ I, CANALS L. Emerging approaches, challenges and opportunities in life cycle assessment[J]. Science, 2014, 344(6188): 1109-1113. DOI:10.1126/science.1248361 |
| [24] |
孙志国, 解标. 甲醇典型生产路线生命周期碳足迹研究[J]. 中国石油和化工, 2024(3): 78-80. |
| [25] |
王雪萌, 安燕, 刘海, 等. 基于生命周期评价法的黄磷产品碳足迹分析[J]. 无机盐工业, 2023, 55(12): 36-42. |
| [26] |
WEIDEMA B P, WESNÆS M S. Data quality management for life cycle inventories―an example of using data quality indicators[J]. Journal of cleaner production, 1996, 4(3-4): 167-174. DOI:10.1016/S0959-6526(96)00043-1 |
| [27] |
TFS. The product carbon footprint guideline for the chemical industry[EB/OL]. (2022-09-07)[2025-02-18]. https://www.tfs-initiative.com/app/uploads/2022/09/TfS_PCF_Guideline_2022_spreads.pdf.
|
| [28] |
HUIJBREGTS M A J, STEINMANN Z J N, ELSHOUT P M F, et al. ReCiPe2016: a harmonised life cycle impact assessment method at midpoint and endpoint level[J]. The international journal of life cycle assessment, 2017, 22(2): 138-147. DOI:10.1007/s11367-016-1246-y |
| [29] |
百川盈孚. 大宗商品价格数据库[EB/OL]. [2025-03-18]. https://www.baiinfo.com/.
|
| [30] |
宁平, 殷梁淘. 黄磷尾气净化及资源化利用技术[M]. 北京: 科学出版社, 2021.
|
| [31] |
HODGES A, HOANG A L, TSEKOURAS G, et al. A high-performance capillary-fed electrolysis cell promises more cost-competitive renewable hydrogen[J]. Nature communications, 2022, 13(1): 1304. DOI:10.1038/s41467-022-28953-x |
| [32] |
GARCIA-HERRERO I, MARGALLO M, ONANDÍA R, et al. Environmental challenges of the chlor-alkali production: seeking answers from a life cycle approach[J]. Science of the total environment, 2017, 580: 147-157. DOI:10.1016/j.scitotenv.2016.10.202 |
| [33] |
国家统计局. 年度数据[EB/OL]. [2025-04-10]. https://data.stats.gov.cn/easyquery.htm?cn=C01&zb=A070S&sj=2023.
|
| [34] |
LI B L, DANISH, KHAN S U D, et al. Ecological footprint analysis of the phosphorus industry in China[J]. Environmental science and pollution research, 2022, 29(48): 73461-73479. DOI:10.1007/s11356-022-20878-8 |
| [35] |
JIANG M, CAO Y H, LIU C G, et al. Tracing fossil-based plastics, chemicals and fertilizers production in China[J]. Nature communications, 2024, 15(1): 3854. DOI:10.1038/s41467-024-47930-0 |
| [36] |
LI C H, BAI H T, LU Y Y, et al. Life-cycle assessment for coal-based methanol production in China[J]. Journal of cleaner production, 2018, 188: 1004-1017. DOI:10.1016/j.jclepro.2018.04.051 |
| [37] |
WILFART A, GAC A, SALAÜN Y, et al. Allocation in the LCA of meat products: is agreement possible?[J]. Cleaner environmental systems, 2021, 2: 100028. DOI:10.1016/j.cesys.2021.100028 |
| [38] |
FERNANDEZ M C, GRUND S, PHILLIPS C, et al. Attribution of Global Warming Potential impacts in a multifunctional metals industry system using different system expansion and allocation methodologies[J]. The international journal of life cycle assessment, 2024, 29(5): 873-889. DOI:10.1007/s11367-023-02274-7 |
| [39] |
国家能源局. 2024年度中国电力市场发展报告[EB/OL]. [2025-10-21], https://henb.nea.gov.cn/hdhy/zlxz/202508/P020250805365710851425.pdf.
|
| [40] |
ZHANG L B, DU Q, ZHOU D Q. Grid parity analysis of China's centralized photovoltaic generation under multiple uncertainties[J]. Energies, 2021, 14(7): 1814. DOI:10.3390/en14071814 |