Pyrolysoitujen maa- ja metsätalouden sivuvirtojen hiilensidontapotentiaali ja mahdollisuus vaikuttaa Suomen ilmastotavoitteisiin
Bibliographic record
Abstract
Suomen valtion tavoitteena on saavuttaa hiilineutraalius vuoteen 2035 mennessä. Ilmastolaissa (423/2022) on asetettu päästövähennystavoitteet vuosille 2030, 2040 ja 2050 sekä EU:n LULUCF-asetuksessa hiilinielutavoitteet jokaisen jäsenmaan maankäyttösektorille. Maankäyttösektorin nielut ovat romahtaneet viime vuosina, minkä valossa on selvää, etteivät maankäyttösektorille kaavaillut toimet hiilineutraaliuden saavuttamiseksi ole riittäviä. Tekniset hiilinielut ovat välttämättömiä kuromaan umpeen kuilua tavoitteiden ja nykytilan välillä. Suomessa on runsaasti alihyödynnettyjä biomassoja, joissa piilee valtava hiilensidontapotentiaali, mikäli edes osa niistä pyrolysoitaisiin biohiileksi. EU:n vuonna 2024 hyväksymän hiilenpoistojen sertifiointikehikon avulla pysyviin nieluihin kuuluva biohiili voitaneen tulevaisuudessa laskea osaksi Suomen valtion hiilitasetta. Tämän opinnäytetyön tavoitteena oli selvittää neljän teknistaloudelliselta saatavuudeltaan parhaimman maa- ja metsätalousbiomassan hiilensidontapotentiaali pyrolyysin avulla Suomen mittakaavassa ja suhteuttaa tuloksia Suomen ilmastotavoitteisiin. Saatavuudeltaan parhaiksi biomassoiksi osoittautuivat metsätalouden sivuvirrat sisältäen energiapuun ja havupuiden latvusmassan, puu- ja selluteollisuuden kuori, olki sekä hevosenlanta. Biomassoista pyrolysoitujen biohiilten kemiallisista ominaisuuksista (C, H, H/Corg -suhde) ja saannoista tekemäni kirjallisuuskatsauksen pohjalta olen valikoinut optimaalisimmat saannot ja ominaisuudet perustuen parhaimpiin pyrolyysiolosuhteisiin. Näillä optimaalisimmilla arvoilla olen laskenut biomassojen hiilensidontapotentiaalin käyttämällä alan vakiintuneinta Woolf ym. kehittämää laskentakaavaa. Laskelmien johtopäätöksenä neljän valikoidun biomassan yhteenlaskettu teknistaloudellinen potentiaali biohiiletettynä on n. 1,6–3,9 milj. tCO2e. Työn julkaisuhetkellä maankäyttösektorin LULUCF-asetuksen mukaiset nielutavoitteet eivät ole varmistuneet muuttuneiden vertailulukujen takia, mutta alustaviin arvioihin pohjautuen pyrolysoiduilla biomassoilla voisi olla erittäin merkittävä vaikutus Suomen vuoden 2035 hiilineutraaliustavoitteeseen. Tulos on potentiaali ennen päästöjä, jotka tulee vähentää ns. bruttopotentiaalista. Todellista potentiaalia rajoittaa kilpailu biomassoista sekä se, että biohiililaitosinvestointien toteutuminen on täysin markkinaehtoista. Tapausesimerkkinä arvioin pyrolysoidun hevosenlannan hiilensidontapotentiaalia tilakoon mittakaavassa, missä hyödynnän Euroopan aluekehitysrahaston HAMK:n ja Luken BioKanta-hankkeessa saatuja tuloksia. Opinnäytetyö on myös Business Finlandin rahoituksella Euroopan Unionin osarahoittama.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.023 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".