Pastizales naturales como fuente de energía renovable

El calentamiento global tiene origen en las emisiones de gases de efecto invernadero cuyo aporte antrópico ha crecido notablemente desde la revolución industrial. El sector que más aporta a estas emisiones es el energético por ello, a nivel global se están investigando alternativas para reemplazar a los combustibles fósiles por fuentes de energía renovable. En esta Tesis se evalúa un recurso biomásico muy abundante en la provincia de Santa Fe: pastizales naturales (espartillares) de los Bajos Submeridionales en los cuales Spartina argentinensis (espartillo) es la especie dominante. Se han evaluado, mediante la metodología de Análisis de Ciclo de Vida, tres alternativas para aprovechar bioenergéticamente esta especie sin cambiar el uso actual del suelo: (i) bioelectricidad inyectada a la red (Unidad funcional: inyectar MWh de electricidad a la red), (ii) calor domiciliario (Unidad funcional: entregar MJ de calor útil para calefacción en el sector residencial) y (iii) bioetanol (Unidad funcional: producir MJ de combustible líquido para ser utilizado en el transporte vehicular). Los tres escenarios fueron contrastados con los escenarios actuales basados mayoritariamente sobre energía fósil. Se consideraron dos categorías de impacto: (i) cambio climático mediante el indicador Global Warming Potential (GWP, potencial de calentamiento global) con un horizonte de años, y (ii9 uso de energía evaluando dos indicadores: Cumulative Energy Demand (CDE, demanda de energía acumulada) y Energy Return on investment (EROI, tasa de retorno de la inversión energética). En todos los escenarios bioenergéticos, la quema del pastizal natural, es reemplazada por la cosecha de un 50% de la biomasa evitando emitir a la atmósfera una gran cantidad de gases de efecto invernadero (GEI) a causa de estas quemas. La bondad ambiental de la bioelectricidad fue muy dependiente de la eficiencia en el aprovechamiento del calor de cogeneración; no obstante, incluso el escenario más pesimista tuvo un GWP negativo (es decir que el sistema disminuye las concentraciones de CO2eq de la atmósfera) y presentó un EROI de 6: por cada unidad energética requerida por el sistema producto, se producen 6 unidades. Ambos indicadores mejoraron notablemente en los casos de mayor aprovechamiento del calor de cogeneración. El resultado fue también muy favorable en el escenario bioenergético de calefacción residencial con pellets al compararlo con el sistema actual basado sobre la calefacción con gas natural. Por cada MJ de calor útil entregado, se sustraen de la atmósfera 5,12 gramos de CO2eq y, para obtener esta energía, sólo se emplean en el sistema 0,27 MJ resultando el EROI equivalente a 3,5. El caso de producción de bioetanol fue muy dependiente de los datos considerados para la etapa industrial, porque hay una variación importante en la bibliografía. Un factor fundamental para obtener menores impactos ambientales es que los requerimientos energéticos de la planta sean abastecidos por los subproductos de la producción de bioetanol: fundamentalmente lignina y residuos sólidos de la hidrólisis. En el caso mencionado, la producción de bioetanol de espartillo sería carbono negativa: 50 gramos de Co2eq por cada MJ de biocombustible. Lo mismo sucede con la categoría de impacto “uso de energía”: los valores calculados en esta Tesis resultan favorables (EROI superiores a 1) cuando se comparan con el sistema actual y podrían mejorar más si se autoabastecen los requerimientos energéticos de la planta industrial. En caso de adoptarse alguno de los escenarios bioenergéticos propuestos, resultará necesario identificar áreas con mayor disponibilidad de biomasa puesto que un bajo rendimiento de cosecha elevará proporcionalmente todas las cargas ambientales de la etapa de campo. Por ello, se evaluó la posibilidad de predecir la disponibilidad de biomasa de S. argentinensis mediante cámaras espectrales montadas en un dron, con el objetivo de poder obtener un modelo predictivo extrapolable a una mayor escala mediante imágenes satelitales. El modelo obtenido para estimar la biomasa total del espartillo permitió explicar el 62% de si variabilidad. Las fracciones de la biomasa verde y senescente pudieron ser predichas con mayor precisión, presentando un R2 de 66% para cada una de ellas. La raíz del error cuadrático medio normalizado (NRMSE por sus siglas en inglés: Normalized root mean square error) fue de 24%, 30% y 27% para biomasa total, senescente y verde, respectivamente.