Detalhes bibliográficos
Ano de defesa: |
2024 |
Autor(a) principal: |
Motta, Beatriz Bignardi Vieira da |
Orientador(a): |
Rodrigues, Luciano |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Palavras-chave em Inglês: |
|
Link de acesso: |
https://hdl.handle.net/10438/35176
|
Resumo: |
Diante do objetivo global de limitar os impactos das mudanças climáticas, o RenovaBio surge como parte da estratégia brasileira de redução de emissões. A política é baseada em metas nacionais de descarbonização que são individualizadas entre os distribuidores de combustíveis para que sejam cumpridas através da compra de CBios, emitidos através da produção certificada de biocombustíveis. O desempenho das usinas é avaliado por meio da RenovaCalc, que calcula a Nota de Eficiência Energético-Ambiental (NEEA) dos biocombustíveis para a geração de CBios. A maioria das plantas certificadas no âmbito do RenovaBio são produtoras de etanol, o que reforça a relevância do biocombustível em termos de potencial de descarbonização da matriz energética nacional. Para quantificar a energia gerada e as emissões evitadas por hectare de biomassa cultivada para a produção de etanol, foram levantadas todas as certificações vigentes em dezembro de 2022. Em seguida, foram criados o Indicador de Conversão de Energia em Biocombustíveis (ICBio) e o Indicador de Descarbonização por Superfície Agrícola Utilizada (IEE), ajustados de acordo com o mix energético (MIX) das usinas para isolar a proporção de matéria-prima alocada na produção de biocombustíveis. A metodologia também envolveu a análise de agrupamentos para classificar as empresas em grupos homogêneos de acordo com as variáveis: ICBioaj, IEEaj, MIX e elegibilidade. O algoritmo K-Means de clustering não hierárquico foi executado no software R e, através da análise da soma de erros quadráticos de dentro dos clusters, foram empregados quatro agrupamentos. O cluster 1 apresentou maior eficiência energética e ambiental, mas menor mix energético, possuindo potencial subaproveitado de geração de CBios. Os clusters 2 e 3 apresentaram desempenho intermediário, se diferenciando pela proporção de matéria-prima alocada para a produção de biocombustíveis. E o cluster 4 apresentou os menores valores de eficiência e elegibilidade, concentrando a maioria das usinas de milho. No eixo NorteNordeste, predominam as usinas do cluster 4, enquanto o desempenho do Centro-Sul é mais variado, com destaque positivo para o norte de São Paulo e triângulo mineiro. Como a rastreabilidade do milho é mais complexa e os indicadores criados não consideram que a área para seu cultivo é aproveitada para duas safras, futuras pesquisas poderiam explorar essas características para a comparação entre as usinas de cana e de milho. |