← 論文一覧に戻る

Global Variability in Carbon Footprint of Urea Production: A Statistical Analysis Using ANOVA and Clustering

尿素生産のカーボンフットプリントにおける全球的変動性：ANOVAとクラスタリングを用いた統計分析 (AI 翻訳)

R. Bongiovanni, Leticia Tuninetti, Sergio Romagnoli, Mirta Toribio

Preprints.orgプレプリント2026-07-23#炭素会計Origin: Global経営インパクト: 調達リスク対象セクター: agriculture
DOI: 10.20944/preprints202607.1739.v1
原典: https://doi.org/10.20944/preprints202607.1739.v1

🤖 gxceed AI 要約

日本語

本研究は、尿素生産のカーボンフットプリントの世界的なばらつきを定量化し、技術タイプ（石炭、混合、平均ガス、効率的ガス、グリーン尿素）が排出量の92.8%を説明することを示した。アルゼンチンの工場データを用いて化石燃料システムの実用的下限値を定義し、商業運転のベースラインを1100～1500 kg CO₂-eq/tと特定した。

English

This study quantifies global variability in urea production carbon footprint, showing that technology type explains 92.8% of emission variance (coal: 2,735 kg CO₂-eq/t to green: 334 kg CO₂-eq/t). Primary data from an Argentine plant defines a practical lower bound for fossil systems, with commercial operations clustering at 1,100–1,500 kg CO₂-eq/t.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本の農業・食品企業にとって、尿素のScope 3排出量算定における技術別排出原単位の重要性を示す。国内の尿素生産は少ないが、輸入肥料のカーボンフットプリント評価に活用できる。

In the global GX context

This paper provides a robust quantitative framework for harmonizing carbon footprint inventories of urea, a key agricultural input. It supports global decarbonization efforts by clarifying technology-driven emission differences and baseline ranges.

👥 読者別の含意

🔬研究者:Provides a validated methodology for analyzing product-level carbon footprint variability using ANOVA and clustering, useful for LCA harmonization studies.

🏢実務担当者:Offers benchmarks for urea carbon intensity that can inform procurement decisions and Scope 3 accounting in agricultural supply chains.

🏛政策担当者:Supports development of standardized emission factors for fertilizer production, aiding carbon policy and labeling programs.

📄 Abstract（原文）

The global carbon footprint of urea production exhibits substantial variability, hindering comparative assessments and decarbonization strategies in agricultural supply chains. This study identified and quantified the structural determinants driving this dispersion by synthesizing an international inventory (n = 60) combining Life Cycle Assessment databases, literature, and empirical industrial data. Methodologically, an extreme theoretical outlier (71,420 kg CO₂-eq/t urea) was isolated, and a refined dataset (n = 59) was evaluated using one-way ANOVA, Tukey's HSD test, and Ward's hierarchical clustering. Statistical analysis confirmed that a five-category technological typology—Coal, Mixed Systems, Average Gas, Efficient Gas, and Green Urea—is highly robust (F(4, 54) = 167.79; p < 0.001), with technology explaining 92.8% of global emission variance (η2 = 0.9281). Mean impacts ranged from 2,735 kg CO₂-eq/t for coal to 334 kg CO₂-eq/t for green urea. Primary data from an Argentine plant (777.8 kg CO₂-eq/t cradle-to-gate) defined a practical lower bound for fossil systems, while commercial operations cluster within a baseline of 1,100–1,500 kg CO₂-eq/t. We conclude that urea carbon intensity is governed by feedstock technology and life-cycle accounting choices, providing an essential quantitative framework for inventory harmonization.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。