通过空间多标准分析和技术潜力分析来支持绿色氢能规划

《International Journal of Hydrogen Energy》：Supporting green hydrogen planning through spatial multi-criteria and technical potential analysis

　　安娜·贝亚特丽兹·拉莫斯·古拉特 | 拉拉·克里斯蒂娜·佩雷拉·德·法里亚 | 贝亚特丽兹·席尔瓦·库尼亚 | 伊莎贝拉·里贝罗 | 马塞尔·阿兰·罗德里格斯·奇亚拉迪亚·里贝罗 | 萨马拉·卡尔萨多·德·阿泽维多 | 拉斐尔·席尔瓦·卡帕斯
POSMARH，自然资源研究所，BPS大道1303号，皮涅伊里尼奥，伊塔朱巴，米纳斯吉拉斯州，巴西

**摘要**
本研究使用空间显式框架，评估了巴西米纳斯吉拉斯州生产绿氢的适宜性和技术潜力。通过层次分析法（AHP），根据四个主要标准和22个子标准（涵盖环境、资源、基础设施和社会经济因素）对66个微区域的适宜性进行评估，这些标准由专家判断进行加权。同时，研究基于太阳能、风能、生物质能和剩余能源的可再生电力可用性来估算绿氢的生产潜力，并考虑了电解过程。结果表明，该州的总技术潜力约为每年4600万吨氢气，其中太阳能占比最大（86%）。环境限制成为影响地域适宜性的最主要因素，其影响力通常超过资源可用性。西北部微区域的适宜性较高，而一些资源丰富的地区仍受环境因素制约。总体而言，适宜性较高的区域也具有较高的生产潜力，这突显了综合规划方法的必要性。

**1. 引言**
全球能源转型迫切需要用可再生、低碳的替代品取代化石燃料。绿氢是通过水电解从可再生能源中生产的，可以作为有前景的能源选择。它在难以电气化的行业（如工业、重型运输和化工行业）脱碳中发挥着关键作用[1]。作为一种电力来源、能源储存和工业原料，绿氢在全球气候缓解和能源安全战略中占据重要地位[2]。国际上对绿氢的兴趣源于其显著减少二氧化碳排放的能力，同时还能利用间歇性电力系统（如太阳能和风能）产生的过剩可再生能源[3]。澳大利亚、摩洛哥和突尼斯等国家已开展空间测绘和多标准建模工作，以确定适合可持续绿氢生产的区域[4]。这些研究将多标准决策（MCDM）技术与地理信息系统（GIS）相结合，整合技术、经济、环境和社会因素，以确定电解厂的最佳选址。

在各种MCDM方法中，层次分析法（AHP）因能够对标准进行结构化和层次化加权而被广泛应用于能源系统研究[1,3,[5],[6],[7]。例如[3]，使用AHP-GIS方法评估了摩洛哥太阳能制氢的地域可行性，根据辐照度、坡度和基础设施布局识别出适宜区域。突尼斯[7]、泰国[1]、喀麦隆[5]和巴基斯坦[4]也有类似研究结果。这些研究表明，将MCDM与GIS结合是识别不同背景下适合绿氢生产区域的一致且多功能的方法。近期在葡萄牙[8]、沙特阿拉伯[9]、阿尔及利亚[10]、印度[11]以及巴西巴伊亚州[12]也发布了类似的研究。

在巴西，此类研究仍较为有限，尽管最新研究强调了该国在绿氢生产方面的巨大潜力。研究[13]采用多标准方法，结合太阳能和风能数据以及社会经济和基础设施变量，对塞阿拉州进行了适宜性评估。类似地，[12]和[6]在巴伊亚州使用AHP评估了绿氢项目的优先方案，重点关注水资源和能源供应。这些研究都仅考虑了基于电解的生产路线，反映了将绿氢与可再生电力来源结合的全球趋势。巴西丰富的可再生资源和地域多样性要求采取特定的区域评估方法。

随着这些科学进展，巴西加强了其制度和监管框架，以促进低碳氢经济的发展。特别是《国家氢能计划》（PNH2）[14]，为研究、创新和市场发展提供了战略指导，使巴西成为具有竞争力的清洁氢能供应国。此外，《氢能法律框架》[15]为氢能产业提供了明确的监管和投资保障，增强了国家在脱碳和可持续工业增长方面的努力。在这种情况下，空间显式和数据驱动的方法对于支持基于证据的政策制定、指导基础设施建设以及确定绿氢生产优先区域至关重要。

米纳斯吉拉斯州具备多项有利于应用空间方法识别绿氢生产区域的战略特征：该州气候和地形变化多样，水文网络发达，电力结构中可再生能源（尤其是光伏太阳能）占比不断上升。2024年，该州的集中式太阳能发电装机容量达到9吉瓦[16]。圣弗朗西斯科河和多塞河等流域的水资源支持了可持续电解过程的可行性[17]。此外，完善的能源基础设施和在环境和能源领域表现优异的研究机构进一步增强了州级绿氢项目的可行性。

尽管条件有利，但仍存在重要研究空白。因此，本研究提出了一个全面的高分辨率框架，用于评估米纳斯吉拉斯州绿氢生产的地域适宜性和生产潜力。除了传统的技术、经济和环境标准外，研究还纳入了较少被考虑的变量，如自然灾害风险区域、医院距离、生物质和城市固体废物的可用性，从而提供了更全面的可持续氢能 Deployment 视角。另一个独特之处是研究过程中直接参与了利益相关者。此外，此前没有专门针对米纳斯吉拉斯州或巴西内陆地区（历史上受关注较少）的绿氢潜力进行研究。通过填补这一空白，本研究为战略规划、投资决策和巴西新兴绿氢经济的可持续发展提供了坚实且符合当地实际情况的基础。与全国范围的研究[2],[5],[6],[7]或仅关注绿氢生产潜力的研究[18,19]不同，本研究专门聚焦于米纳斯吉拉斯州，并以地域微区域为单位进行分析。我们采用两种互补方法来识别适合氢生产的战略区域：（i）多标准适宜性评估；（ii）生产潜力估算。

适宜性评估采用了层次分析法（AHP）和地理信息系统（AHP-GIS）方法，整合了环境、经济、资源和基础设施变量。生产潜力基于资源可用性和已成熟技术进行评估。这项研究首次突出了该州内部在绿氢可行性方面的差异，并指出了两种方法之间的潜在权衡。

**2. 方法论**
研究分为三个阶段：（i）描述研究区域；（ii）应用AHP-GIS方法评估适宜性；（iii）根据地域估算总绿氢生产潜力。
需要指出的是，本研究中的绿氢生产是指使用来自风力涡轮机、光伏板或由剩余固体生物质或沼气驱动的热系统产生的可再生电力通过水电解法获得。

**2.1. 研究区域**
本研究专注于巴西东南部的米纳斯吉拉斯州，地理坐标位于南纬14°至22°、西经39°至51°之间（图1）。该州面积约为586,528平方公里，地形不规则，包含高原、山脉和广阔的低洼地带，导致多样的地形、气候和社会经济条件。米纳斯吉拉斯州北邻巴伊亚州和戈亚斯州，东面和东南面接壤圣埃斯皮里图苏托州和里约热内卢州，南邻圣保罗州，西接马托格罗索杜苏尔州和联邦区。虽然没有海岸线，但拥有圣弗朗西斯科河、多塞河、帕拉纳伊巴河和格兰德河等重要水文流域，对供水和发电至关重要。

从经济和生产角度看，米纳斯吉拉斯州拥有853个市镇，经济高度多样化。2024年，该州国内生产总值（GDP）约为1.06万雷亚尔，占巴西全国经济的9%[20]。主要产业包括工业、农业和服务业，采矿和钢铁制造、金属机械、汽车、化工和食品行业也做出了重要贡献。近年来，由于有利的公共激励政策和较高的太阳辐射水平，米纳斯吉拉斯州在光伏太阳能发电领域成为全国领导者。该州现已安装了13.3吉瓦的太阳能发电设施，超过了160个国家的总装机容量（其中集中式发电7.86吉瓦，分布式发电5.45吉瓦[21]），占巴西太阳能总发电量的36%以上[22]。

除太阳能外，米纳斯吉拉斯州还拥有丰富的生物质资源。该州是巴西最大的咖啡生产地，占全国产量的53%，同时也是玉米的重要生产区，占全国产量的6.32%[23]。作为环境规划策略的一部分，米纳斯吉拉斯州实施了《水资源安全计划》（PMSH），旨在管理水资源，该计划计划于2022年启动，2026年完成，旨在确保国内供水、生产活动和环境保护，同时考虑地区差异和短缺时期。关键措施包括改善供水基础设施、保护水源和促进高效用水，特别关注脆弱地区。

本研究的空间分析涵盖了米纳斯吉拉斯州的66个微区域，依据巴西地理统计局（IBGE）的官方划分（见图2）。这种划分反映了各微区域之间的社会经济和环境相似性及相互作用。

**2.2. 地域适宜性评估**
米纳斯吉拉斯州绿氢生产的地域适宜性评估分为三个阶段：（i）定义与该州相关的标准和子标准；（ii）为每个子标准准备专题地图，空间展示各微区域的关注变量；（iii）应用层次分析法（AHP）评估氢生产潜力，权重由专家通过结构化问卷确定。

**2.2.1. 定义和验证标准**
第一步是验证用于评估绿氢生产地域适宜性的参数。2024年10月17日至11月18日期间进行了在线问卷调查，收集了来自大学、公共机构、能源领域公司和氢能产业链相关协会的50份有效回答。标准的选择基于《巴伊亚州绿氢图谱》[12]，作为调整和验证适用于米纳斯吉拉斯州参数的参考。这一过程确定了四个主要标准和二十二个子标准（图3），涵盖了进行地域评估所需的关键维度，包括社会经济发展、环境限制和潜力、基础设施可用性以及能源和水资源。子标准的范围体现了分析的多维度特性，符合实施绿氢生产设施所需的可持续性、安全性和技术可行性原则。

**2.2.2. 准备专题地图**
数据经过处理，范围标准化至0到1之间，然后使用QGIS软件在地理信息系统中进行空间化处理，以生成适合多标准分析的专题地图。原本按市镇、河流流域和含水层组织的信息被汇总到微区域层面，以确保研究各分析单元之间的兼容性。这一过程包含两个主要步骤：（i）根据变量类型（统计数据或加权平均值），将市镇数据汇总到微区域层面；（ii）通过识别河流流域和含水层与微区域的重叠部分，并按每个微区域所占面积重新分配数值。

**2.2.3. 权重分配标准**
标准和子标准的权重采用参考文献[24]提出的层次分析法（AHP）确定。AHP通过将决策问题分层分解来构建层次结构。在这项研究中，层次结构包括三个层级：(i)主要目标：识别米纳斯吉拉斯州最适合生产绿色氢气的微区域；(ii)标准和子标准：如图3所示；(iii)替代方案：米纳斯吉拉斯州的66个微区域。相对权重是根据对能源、领土规划和可持续性领域的专家（包括政府、工业和学术界的代表）进行的访谈和结构化问卷调查来分配的。专家是通过目的性抽样选出的，考虑了他们的技术专长、机构相关性和在该州氢能价值链中的直接参与程度。调查于2025年3月13日至6月13日期间进行，共收到了来自8个直接参与或受氢能价值链影响的实体的12份回复。专家的评估结果被整理成成对比较矩阵，反映了每个标准的相对重要性。为了降低认知复杂性并便于专家判断，采用了Satty的AHP量表的简化版本（表1）。

表1. 重要性层级
数值范围 描述
1/5 非常不重要
1/3 较不重要
1 同等重要
3 更重要
5 非常重要

对于每位专家，构建了五个成对比较矩阵：四个与主要标准相关——发展方面、环境方面、基础设施可用性和资源可用性——以及一个比较这四个标准的矩阵。计算了一致性比率（CR）以确保比较的逻辑一致性。该指标将专家判断得出的一致性指数（CI）与参考文献[24]预定义的随机指数（RI）进行比较。一致性通过公式（1）表示。
(1)CR = (CI / RI)

一致性分析针对每组标准进行。CR值低于0.1被认为是可接受的，表明判断之间的一致性和所得权重的可靠性[25]。在这些矩阵中，根据专家评估的收敛性选择了最具代表性的矩阵，并优先考虑CR最低的矩阵。

对于比较四个主要标准的矩阵，采用了基于所有专家分配的权重算术平均值的汇总方法。这一程序确保了专家观点的平衡表示。使用整合后的矩阵计算了标准化特征向量，以表示每个标准和子标准的相对权重。这是通过按照参考文献[24]提出的方法对行的几何平均值进行标准化来完成的。这些权重表示每个因素对总体目标的贡献百分比，并随后应用于GIS环境中的主题地图整合。

最终权重被整理成电子表格，并用于在GIS中组合主题图层。每个对应于子标准的地理图层根据其评估步骤中的相对重要性进行加权，使我们能够将多个维度整合到一个综合的领土适宜性指数中。在这个指数中，条件更为有利的区域被赋予更高的值，提供了绿色氢气生产的空间表示。

2.2.4. 评估情景
主要结果在情景1中表达，考虑了利益相关者为四个标准和22个子标准提供的权重。通过两种方法评估了这些结果对方法选择的敏感性。
i) 考虑到本研究的目标，改变了与资源可用性相关的子标准的权重（在四种不同的情景中），以分析其与估计生产潜力的收敛性和差异。在这种方法中，标准的相对权重保持与情景1相同。
ii) 考虑到关于标准在决策中相关性的不同看法，分析了四个标准的权重（见图3），并在六种情景中进行了变化，这些变化基于参考文献[7],[26],[27],[28]的建议。在这种方法中，子标准的相对权重保持与情景1相同。

基于子标准权重的变化，考虑了以下情景：
• 情景2——强调风资源的适宜性：应用AHP方法，包含四个标准和17个子标准。在资源标准内，只考虑了以下子标准：风资源的可用性、水资源的可用性和水质。这些子标准的权重是相互标准化的。
• 情景3——强调太阳能资源的适宜性：应用AHP方法，包含四个标准和18个子标准。在资源标准内，只考虑了以下子标准：太阳能资源的可用性、水资源的可用性、水质和光伏电站的存在。这些子标准的权重是相互标准化的。
• 情景4——强调生物质资源的适宜性：应用AHP方法，包含四个标准和17个子标准。在资源标准内，只考虑了以下子标准：生物质的可用性、废弃物的可用性、水资源的可用性和水质。这些子标准的权重是相互标准化的。
• 情景5——水资源可用性：应用AHP方法，包含四个标准和22个子标准。在资源标准内，水资源的可用性和质量被认为比其他子标准更为重要。

进而，专门考虑标准权重的变化，考虑了以下情景：
• 情景6：此情景使用了巴伊亚绿色氢能地图集12中的四个主要标准的权重，分别是：资源可用性（0.383）、环境方面（0.280）、基础设施可用性（0.191）和发展方面（0.145）。这些权重被包括进来是为了评估使用另一个州的权重结构如何影响米纳斯吉拉斯州的结果。本研究中使用的22个子标准的相对权重保持不变。
• 情景7：采取一种平等主义的方法，假设四个标准在决策中具有相同的重要性；
• 情景8 - 11：在每种情景中，每个标准都被赋予了比其他标准更高的相关性，然后以相同的权重进行评估。

每个评估情景的权重都在补充材料中呈现。

2.2.5. 适应度分类
地图的关键值被标准化到0.07到0.78的范围内，对应于观察到的全部适宜性值范围。这种标准化确保了所有情景都以相同的尺度呈现，使我们能够直接比较结果。

通过在使用AHP模型生成最终的土地适宜性地图后，计算每个区域的平均AHP得分，将连续的适宜性值在微区域层面汇总。根据这些平均值，微区域被重新分类为五个不同的类别，根据标准化的适宜性范围。这种方法将连续值转换为离散类别，便于空间分析、解释领土模式和微区域之间的比较。

重新分类的微区域地图被用来计算每个领土适宜性级别的空间统计数据，以量化每个适宜性类别的范围。

2.3. 氢能生产潜力的领土估计
氢能生产完全基于资源可用性进行估算，包括太阳能、风能、生物质、城市固体废物和工业废水。生产通过使用PEM（质子交换膜）技术的水电解进行，特定能耗为55 MWh/tH2，每年运行时间为8322小时。资源可用性首先在市级层面进行估算，然后汇总到微区域层面。

2.3.1. 太阳能资源
光伏发电的估算使用了公式（3），考虑到太阳能公园的平均安装功率密度为40 MW/km2。
(3) EPV,i = (10% × (Ai ? Ar,i)) × 40 × PSH × 365
其中：
● EPV,i = 在城市i产生的潜在光伏能量（MWh/年）；
● Ai = 城市i的面积（km2）；
● Ar,i = 城市i内安装太阳能公园的受限区域（km2）；
● PR = 效率比（78%），根据[30]。

参考的光伏功率密度（40 MW/km2）取自巴伊亚氢能生产地图集12。报告的土地使用要求为5.5–8.9英亩/MWac [31]–5英亩/MW [32]，大约相当于30–50 MW/km2。这个范围与米纳斯吉拉斯州最大的太阳能电站Janaúba-MG Solar Complex的功率密度相似，该电站的装机容量为1.2 GWp，占地面积为30.69 km2（39.1 MW/km2）。

受限区域的确定基于：（i）环境限制；以及（ii）土地利用和土地覆盖（LULC）限制。环境限制地图包括了保护单位（UCs）、私人自然遗产保护区（RPPNs）、原住民土地和坡度超过20%的区域。土地利用和土地覆盖（LULC）限制地图包括城市区域、水体、活跃的采矿区和已经指定用于光伏安装的区域。总的受限区域是通过结合环境和LULC限制地图以及前一步生成的面积估算来确定的。需要注意的是，从每个城市的可用面积中减去了现有太阳能公园所占的面积。这些已安装公园的面积是根据国家电力能源机构[33]注册的每个发电机的装机容量计算的，假设功率密度为40 MW/km2。此外，假设每个城市剩余可用面积的只有10%将用于新的太阳能公园建设。

峰值日照小时数（PSH，每小时）根据每个城市的地理位置，按照参考文献[34]分配给每个城市。这些值对应于与每个位置纬度相等的全球倾斜辐照度。

2.3.2. 风能资源
米纳斯吉拉斯州的风速数据来自MERRA-2数据库（第二个现代时代回顾分析用于研究和应用），以估算风能潜力。MERRA-2是由NASA制作的全球大气再分析数据，提供自1980年以来的连续气象和气候数据。Land Surface Forcings集合，标记为M2I1NXLFO，由参考文献[35]开发，包括在“SPEEDLML”属性下的每小时风速测量数据。为了构建历史序列，选择了五年：2000年、2005年、2010年、2015年和2020年。市级坐标对应于巴西地理统计局（IBGE）[36]报告的每个区域的中心点。

市级风速分布使用Weibull分布（公式（4）进行建模。Weibull参数k和c以及平均风速是使用最大似然估计（MLE）方法[37]（公式（5）、（6）、（7）估计的。
(4) p(v) = k × (vc)^(1/k) × exp[?(vc)^(k-1)]
其中：
● k = 形状因子参数；
● c = 尺度参数；
● v = 风速（m/s）。

风速系列最初在10米的高度测量，然后使用公式（8）[12]外推到150米。
(8) v(z) = v(z0) × α^(z-z0)
其中：
● v(z) = 高度z处的风速（m/s）；
● v(z0) = 参考高度z0处的风速（m/s）；
● z = 所需高度（m）；
● α = 0.03 m（典型的开阔区域，树木和建筑物较少）。

本研究选择了Vestas V150 4.5 MW涡轮机（转子直径150米，额定功率4.5 MW）[38]。4 MW级别的涡轮机在全球范围内占安装容量的79%以上，适用于各种风速条件，特别适合内陆地区的陆上应用。涡轮机的功率曲线是用以下参数定义的：
● vcut-in（3.0 m/s）；
● vcut-out（24.5 m/s）；
● vnominal（12.0 m/s）；
● 功率系数Cp = 0.4。

使用公式（9）计算风功率，并随后用于估算每个城市的容量因子（公式（11）。
平均风速低于7.0 m/s的城市被排除在分析之外。
(9) Pw = ∫ Pw(v) × p(v) × dv
其中：
● Pw = 风力涡轮机的平均总功率（MW）；
● Pw(v) = 根据上述特性和公式（10）的风力涡轮机功率；
● p(v) = 给定位置的风力制度的概率密度函数，考虑了Weibull分布。

风能发电量是使用公式（9）计算的，并随后用于估算每个城市的容量因子（公式（11）。
2.3.3. 生物质和废物资源
生物质发电的潜力是基于米纳斯吉拉斯州生物质地图集[41]估算的，该地图集考虑了农业残余物、木材残余物和来自城市固体废物（MSW）的甲烷以及动物废水。具有明确用途和既定工业用途的资源，如甘蔗渣、酒糟和大豆秸秆[42,43]，被排除在这项分析之外。总的来说，生物质潜力的计算使用了以下参数：
- 生物质因子（BF）：表示产生的残余生物质量；
- 收集因子（CoF）：表示收集到的残余生物质的比例；
- 净热值（NCV）：表示扣除水分后的能量含量；
- 将生物质或沼气转换为电能的效率。

据称，转换工厂每年运行8322小时。表2总结了这些计算中使用的假设。下面具体描述了城市固体废物的假设。

表2. 生物质资源估算的主要假设
| 资源 | 公式 | 观察结果 |
|-------------------|---------------------------------|---------------------------------------------------------------------------------------------|
| 咖啡渣 | [数学处理错误] Ecoffe,i(MWh) = mcoffee.BF.NCV.CoF.η | mcoffee, i：城市i的年咖啡产量（吨）；BF：1.0；NCV：14.22 GJ/吨（含水量13.6%）；CoF：0.4；η：0.15（20巴锅炉；常压冷凝涡轮机） |
| 玉米残渣 | Emaize,i(MWh) = mmaize.BF.NCV.CoF.η | mmaize：城市i的年玉米产量（吨）；BF：2.2；NCV：14.83 GJ/吨（含水量11.0%）；CoF：0.4；η：0.15（20巴锅炉；常压冷凝涡轮机） |
| 木材残渣 | Ewood,i(MWh) = Vwood.ρ.BF.NCV.η | Vwood：城市i的桉树产量（立方米）；ρ：0.5吨/立方米；BF：0.5；NCV：12.61 GJ/吨（含水量25.0%）；η：0.15（20巴锅炉；常压冷凝涡轮机） |
| 动物废弃物 | EAE,i(MWh) = (365.Ncattle,i.B.Pb.CCH4,i.ρ?1).LHV.η | Ncattle,i：城市i的牛、猪和家禽数量；B：人均每日产生的生物质量，牛群为10公斤，猪群为2.25公斤，家禽为0.18公斤；Pb：沼气产量（克/公斤生物质），牛群为37克，猪群为62克，家禽为55克；CCH4,i：甲烷浓度，牛群为60%，猪群为66%，家禽为60%；ρ：0.74（千克/立方米，标准温度和压力）；LHV：36.00（MJ/立方米，标准温度和压力）；η：0.28 |
| 城市固体废弃物 | EMSW,i(MWh) = (mCH4ρ).1000.LHV.η | mCH4,i：城市i产生的城市固体废弃物中的甲烷潜力；ρ：0.74（千克/立方米，标准温度和压力）；LHV：36.00（MJ/立方米，标准温度和压力）；η：0.28 |

2022年米纳斯吉拉斯州所有产生的城市固体废弃物的理论甲烷产量是按照IPCC [44]的方法论（公式（18）估算的：
[数学处理错误] QCH4 = (RSUT.RSUF.MCF.COD.CODf.F.1612?R).(1?OX)
其中：
- RSUT = 产生的城市固体废弃物量（吨/年）；
- RSUF = 在填埋场处理的废弃物比例；
- MCF = 甲烷校正系数；
- COD = 可降解有机碳（千克碳/千克废弃物）；
- CODf = 实际降解的COD比例（%）；
- F = 填埋场沼气中的甲烷比例；
- 1612 = 碳转化为甲烷的转换系数；
- R = 甲烷回收量（吨甲烷/年）；
- OX = 甲烷氧化系数。

该方法假设所有潜在的甲烷排放都发生在废弃物处理的同一年。采用了一个一般的甲烷校正系数（MCF）为0.6。可降解有机碳（COD）的比例根据废弃物的组成而变化（公式（19）：
[数学处理错误] COD = (0.4A) + (0.17B) + (0.15C) + (0.3D)
其中：
- A = 与纸张和纺织品相关的废弃物比例（%）；
- B = 与花园和公园相关的废弃物比例（%）；
- C = 与食物垃圾相关的废弃物比例（%）；
- D = 与木材和秸秆相关的废弃物比例（%）；
每种废弃物类型的比例来自米纳斯吉拉斯州城市固体废弃物重量特征研究 [45]，结果如下：
- 纸张和纺织品（15%）；
- 花园和公园废弃物（6%）；
- 食物垃圾（39%）；
- 木材和秸秆（1%）；
可降解碳的比例还取决于温度，如公式（20）所示：
[数学处理错误] CODf = 0.014.T + 0.28
其中：
- T = 温度（°C），取为35°C。

甲烷因子（F）代表生成的沼气中甲烷的比例。填埋场沼气通常含有50-60%的甲烷，这里采用IPCC的标准值0.5。甲烷回收量（R）表示捕获并使用或焚烧的甲烷比例。在本研究中，假设R = 1，意味着所有甲烷都被回收。甲烷氧化系数（OX）设为0.3。

3.1. 权重的分配
四个标准所分配的权重显示，环境因素是决定氢气生产区域适宜性的最重要因素，占总权重的49%（图4）。法律限制、敏感区域的保护以及自然灾害极大地限制了适宜性，决定了一个地区是否能够支持新项目。这一模式与其他研究结果一致，例如，参考文献[1,26]强调保护水体、在保护区周围保持缓冲区和避免土地利用冲突对于可持续规划和风险降低至关重要。在这种情况下，关于土地可用性的假设采取了保守的态度。所有保护区被归为一个单一的限制类别，以避免高估适宜土地，并且无论管理方式如何，都统一视为受限区域。这样能够更谨慎地评估区域的适宜性。

资源可用性标准的重要性居中，为29%，表明强烈的太阳能、风能、水能或生物质潜力增强了技术可行性。基础设施占总权重的15%，反映了其对成本效率和物流的影响。最后，发展方面的权重最低（7%），作为决定总体适宜性的补充因素。

与巴伊亚州氢能地图集[12]中使用的权重相比，标准层次结构有显著差异。在那项研究中，资源可用性被赋予最高重要性，权重为38.3%，其次是环境方面（28%）、基础设施可用性（19.1%）和发展方面（14.5%）。该研究优先考虑拥有丰富自然资源的地区进行电力生产，反映了主要关注电解氢能生产经济可行性的方法，因为电力占生产成本的很大一部分[46,47]。相比之下，如前所述，在米纳斯吉拉斯州，环境方面获得了最高权重，清楚地反映了专家对塑造该州潜在绿色氢供应链因素的看法。

分析22个子标准的权重显示，哪些因素在评估米纳斯吉拉斯州的地形时最为重要。根据图5，受限区域子标准的权重最高（29.4%），强调了法律限制和土地利用限制在定义适宜性方面的关键作用。其次是土地利用和占用（9.8%），表明需要评估现有活动是否可能限制新的发展，以及高风险区域（9.8%），这些区域由于容易发生滑坡、洪水或淹没，从而阻碍基础设施的安装并增加运营成本。

接下来是与能源相关的因素，太阳能和风能资源各占5.9%。与现有能源基础设施分布相关的子标准，如风力发电场、光伏电站和小型水电站的存在（各占5%），具有中等权重。这些反映了能源潜力已经得到利用的地区，表明了资源开发的经济可行性和支持新的发电项目的本地基础设施的存在。同样，社会经济指标（如IFDM和HDI，各占3%）的权重较低，因为它们描述了一般的发展状况，但不直接决定区域的适宜性。

与物流相关的标准，包括输电线路、道路密度、铁路密度、距离港口的距离、管道密度和储存能力（权重在2.1%到2.9%之间），显示出中等的重要性。它们影响实施效率和成本，但不会排除某些区域的考虑。

生物质和城市固体废弃物（MSW）的重要性较低，权重为1.4%，与太阳能和风能资源相比，这表明：（i）受访者将通过电解生产绿色氢气的过程主要与来自风能或太阳能的电力联系起来[48,49]；（ii）从技术上来看，电解被认为比生物质气化更成熟[[49], [50], [51]]；（iii）生物质和废弃物在氢生产中扮演次要角色[52,53]。

权重较低的子标准，如地表水和地下水资源及水质（均为1.4%），在初步的区域选择阶段也显示出有限的影响。虽然水对电解至关重要，但专家反馈表明，鉴于该州水资源丰富和多样，其可用性不太可能成为限制因素。这种看法与米纳斯吉拉斯州的水文结构一致，该州的地表水通常由广阔的河流流域支持，而地下水资源提供了额外的缓冲能力，减少了水资源短缺作为一级约束的可能性。此外，氢生产所需的水量与其他工业用途相比较少，减轻了对现有资源的压力。

然而，文献表明这可能低估了潜在的限制。Silva和Capaz[54]在关于碳-水-能源联系的生命周期评估中强调，与水相关的影响，如提取、处理和过程消耗，根据技术和当地条件的不同可能会有所不同。不同的电解技术需要不同量和质量的水，这可能影响总体环境表现。因此，即使在水资源充足的地区，也必须仔细考虑这些因素，以确保可持续的氢生产。

社会变量，如熟练劳动力的可用性（1%）和医院的存在（0.5%），往往更多地影响项目的运营阶段，而不在初期选址阶段起主要作用。

对米纳斯吉拉斯州分配的权重分析揭示了一种与大多数国际研究不同的优先模式，表明地区特定因素对AHP决策结构有强烈影响。虽然像[1,3,5,7]这样的研究更重视资源可用性，特别是在某些情况下重视水资源可用性，但米纳斯吉拉斯州的结果显示，环境和监管因素在定义区域适宜性方面占主导地位。在干旱或半干旱地区进行的研究中，最大化电解的技术效率决定了权重分配，使自然资源可用性成为区分适宜区域和不适宜区域的主要因素。

基于AHP的标准权重通常是通过专家的成对比较得出的[3,6,7,26]。这种方法被广泛采用，因为它利用了参与者的技术知识和实践经验。然而，可能会有一定的主观性，因为专家自然会倾向于强调与他们专业领域相关的地区。这种局限性是AHP方法固有的，因为判断基于个人观点，可能会影响标准和子标准的最终排名。

3.2. 生产潜力分析
在米纳斯吉拉斯州的66个微区域中，AHP模型中使用的指标涵盖了广泛的地理、环境、经济和社会条件。这种多样性允许根据每个区域的特定特征，识别出不同的绿色氢能经济发展路径。图6展示了每个微区域在四个主要标准方面的表现。

对于资源可用性标准，皮拉波拉（6）、乌贝兰迪亚（18）、乌奈（1）、蒙特斯克拉罗斯（7）和米纳斯吉拉斯州西北部的其他地区的表现尤为突出。它们的高性能主要归因于丰富的太阳能潜力和中等的风能资源，全球水平辐照度（GHI）值超过5.4千瓦时/平方米·天，平均风速超过7米/秒。

对于发展方面标准，包括州首府在内的贝洛奥里藏特微区域在米纳斯吉拉斯州拥有最高的社会经济指标。该地区是该州城市化程度最高的地区，集中了大量工业、商业和服务活动，以及最高的人口密度。西南部地区也表现良好，拥有最高的人类发展指数（HDI）值和大量的技术和高等教育机构。这些因素促进了合格劳动力的培训，刺激了创新，并改善了吸引新企业的结构条件。

对于环境方面标准，在米纳斯吉拉斯州的三角区、西北部和北部部分地区观察到更高的适宜性。这些地区的限制区域比例较低，包括保护区、 quilombola（非洲裔原住民聚居区）和土著领土，以及较少的坡度相关限制，有利于项目实施。这些地区还以低城市占用率、有限的采矿活动和减少的山体滑坡、洪水和淹没风险为特征，进一步支持了它们在绿色氢能发展方面的适宜性。这些特性解释了为什么米纳斯吉拉斯州的西部和西北部地区在环境方面具有较高的适宜性。

对于基础设施可用性标准，米纳斯吉拉斯州北部、西北部和东北部的许多微区域的适宜性较低。这反映了高速公路、铁路和管道的密度有限，以及通往港口的距离较远。虽然这些因素限制了新项目的即时可行性，但对物流和能源基础设施的有针对性的投资可以显著提高这些地区融入绿色氢能价值链的潜力。相反，像贝洛奥里藏特（30）、茹伊斯迪福拉（65）、蓬特诺瓦（60）和伊塔比拉（31）这样的小区域在这一标准上显示出更高的适用性。这些地区受益于成熟的城市中心、较高的人口密度以及大量的投资，从而拥有更发达和坚固的基础设施。图7显示了米纳斯吉拉斯州66个小区域在绿色氢能（H2V）生产方面的比较适用性地图，考虑了所有22个子标准及其层级。在这种情况下，排名最高的地区依次是乌贝兰迪亚（18）、皮拉波拉（6）、阿拉沙（23）、乌奈（1）和帕拉卡图（2）。尽管贝洛奥里藏特大都市区在整个州中具有重要意义，但在模型中的排名仅为第31位。表3列出了前十大绿色氢能生产适用性较高的小区域。

模型结果与米纳斯吉拉斯州的实际情况和工业政策发展有着很强的吻合度。CEMIG制定的路线图突显了该州成为全国绿色氢能生产中心的潜力，并提出了一个集生产、消费和基础设施于一体的分布式多枢纽集群模型[55]。此外，阿拉沙和帕拉卡图位于大规模的矿业工业区内，这些地区以矿物开采和加工活动为主，特别是与铌和黄金生产相关。阿拉沙拥有世界上最大的铌生产综合体之一，由CBMM运营[56]，而帕拉卡图则是金罗斯黄金公司（Kinross Gold Corporation）的大型金矿所在地[57]。这些依赖采矿的地区因其高能源需求和通过氢能实现工业脱碳的巨大潜力而受到关注。同时，乌贝兰迪亚和乌奈受益于战略性的物流和农业商业走廊，加强了它们作为潜在氢能分配和需求中心的作用。这些模式与国家和区域框架一致，包括巴西国家氢能计划[14]、FIEMG推动的倡议[58]以及EPE的十年能源扩张计划[59]，从而增强了所提出模型的政策一致性和实际意义。

基于这些一致性，结果为米纳斯吉拉斯州的政策制定和区域规划提供了战略性的见解。高适用性区域的识别为优先投资、指导基础设施部署以及促进绿色氢能中心的发展提供了科学依据。因此，所提出的框架为政府、行业利益相关者和投资者提供了坚实的决策支持工具，有助于资源的高效分配和绿色氢能经济的可持续扩展。在排名最高的小区域中，一个明显的空间模式显现出来，主要集中在米纳斯吉拉斯州西北部。该地区因受限区域较少、土地使用和占用的限制较少以及风险区域的暴露度较低而脱颖而出，这有利于新项目的建立，并解释了其在AHP模型中的优异表现。结果表明，小区域层面的整体适用性评分平均不超过0.71，某些区域的最大评分达到了0.78。最适用的小区域（0.71）与最不适用的小区域（0.26）之间的差异约为60%，突显了州内条件的显著差异。此外，从第七名开始，适用性值相差超过10%，表明前六个小区域的适用性水平非常相似。

使用AHP模型的最终土地适用性地图，连续的值被分为五个适用性类别（图7）。需要注意的是，“非常高”的适用性类别从0.7开始，因为模型的最大值没有超过0.78。总体而言，米纳斯吉拉斯州有40.1%的地区适合绿色氢能生产，而“非常高适用性”的区域仅占该州的2.9%。中等适用性的区域覆盖了26.3%的领土。最低适用性的类别占该州的28.8%，其中2.0%的地区适用性较低，主要是由于地形陡峭和存在受限使用区域。

图8显示了在特定技术路线下绿色氢能生产的区域适用性：场景2（风能资源）、场景3（太阳能资源）、场景4（生物质和废弃物）和场景5（水资源）。结果显示，在四种场景下，包括乌贝兰迪亚（18）、阿拉沙（23）、乌贝拉巴（22）、弗鲁塔尔（21）、帕特罗西尼奥（19）和帕拉卡图（2）在内的小区域始终排在前列（见表3（AHP结果——场景2、3、4和5）。特别是乌贝兰迪亚在风能-水能和生物质-水能场景中表现最佳，并且在重视水资源的场景中也名列前茅。这种一致性强调了这些地区在绿色氢能生产方面的区域适用性的稳健性。这种持续的适用性是由结构性因素解释的，如强烈的太阳辐射（超过5.4千瓦时/平方米·天）、平均风速超过7米/秒，以及丰富的生物质和城市废弃物资源。此外，环境受限区域的比例较低、有利的地形以及模型中其他子标准的贡献共同支持了这些小区域的高表现，无论考虑哪种能源资源。

在中等排名的小区域中，差异更为明显。例如，圣若昂德尔雷（58）在生物质资源方面的排名是第12位，但在太阳能方面仅为第16位，在风能方面则为第19位。这些差异凸显了某些地区对特定资源可用性的空间敏感性，反映了当地风况、太阳辐射和生物质潜力的变化。同样，皮拉波拉（6）和蒙特斯克拉罗斯（7）在太阳能和风能场景中的排名较高，但在生物质场景中的排名较低。这反映了能源资源分布的局部差异。虽然模型识别出了结构上适合绿色氢能生产的区域核心，但这些中间排名的变化强调了路线特定分析的重要性，特别是对于制定区域能源规划策略而言。总体而言，乌贝兰迪亚（18）、阿拉沙（23）和帕拉卡图（2）在所有评估的场景中始终位列最适合绿色氢能生产的前十个小区域之列（见表3和表4）。它们在排名中的反复出现表明，其高适用性并非由特定的权重配置驱动，而是由一系列有利的区域条件共同作用的结果。唯一的例外是场景9，在该场景中基础设施相关标准的权重增加；即便如此，乌贝兰迪亚仍然位列前十。基于巴伊亚绿色氢能地图[12]标准的场景6的结果与其他场景的结果高度一致，突出了米纳斯吉拉斯州优先绿色氢能生产的区域。准确性地图（图9）确认了主要适用性区域集中在米纳斯吉拉斯州的三角矿区和西北部地区。

在场景6中，评估区域中有58.63%被归类为具有中等适用性，其次是36.10%具有低适用性，3.17%具有高适用性，仅有1.99%具有非常低的适用性，这进一步强调了该研究区域内有利条件的主导地位。即使在资源和环境方面赋予更大权重的情况下，区域的排名也大体保持不变。这表明这些优先小区域在环境和资源标准方面都表现良好，确保了它们在排名中的稳定性。

米纳斯吉拉斯州的绿色氢能潜力估计为4610万吨，主要来自太阳能（86%），其次是风能（13%），生物质和废弃物的份额较小（不到1%，其中废弃物占比为0.4%）。值得注意的是，太阳能和风能潜力仅基于可用面积的10%进行计算，而生物质潜力假设了农业残渣和市政固体废物及动物废物的全部利用。米纳斯吉拉斯州的绿色氢能潜力远高于巴西当前和未来的国内需求（目前为40万吨/年，到2030年增长到630万吨/年），以及预计的2030年出口量约80万吨[60]。值得注意的是，这一潜力大约相当于当前全球氢能需求的一半，据国际能源署（IEA）估计为1亿吨（2025年）。米纳斯吉拉斯州的太阳能光伏潜力，因此也是氢能生产的潜力，与文献中提到的数值一致，特别是在北部地区。风能潜力仅考虑了平均风速超过7.0米/秒、高度为150米的地区，可以产生大约340太瓦时的电力，相当于620万吨氢能。相比之下，米纳斯吉拉斯风能地图[40]估计，配备3.0兆瓦涡轮机的风电场（风速超过7.0米/秒、高度100米）每年可产生约90太瓦时的电力，同时遵守环境保护规定。风能潜力会根据涡轮机布局和土地使用密度等因素显著变化（兆瓦/平方公里）。根据米纳斯吉拉斯风能地图（1.5兆瓦/平方公里）或巴西风能潜力地图[39]（2.0兆瓦/平方公里）的报告，预计的电力产量将分别减少到127.6太瓦时（230万吨氢能）和170.2太瓦时（310万吨氢能）。生物质潜力估计为14.7太瓦时（30万吨氢能），其中大约10太瓦时来自动物废弃物产生的沼气（尤其是牛的废弃物）。作为参考，2024年米纳斯吉拉斯州的电力消耗总量为67.5太瓦时，其中工业部门占35.4太瓦时，住宅部门占15.4太瓦时[61]。

将区域适用性与每个小区域的氢能生产潜力进行比较后，发现了一些一致性和差异。总体而言，被分类为高或非常高适用性的地区也表现出较高的氢能生成潜力。如图10所示，西北部的小区域占据了大约35%的潜在氢能产量，这些地区的AHP评分较高（超过0.6）。与其他地区不同，乌贝拉巴（22）的适用性适中但潜力较低，但它却是H2X米纳斯吉拉斯项目的所在地[62]。该项目预计将在2030年全面投产，届时将拥有约820兆瓦的可再生电源电解能力，每年估计产量为124万吨氢能和689万吨氨，总投资约为13.9亿美元。

图11显示了两种方法之间的强烈空间一致性，即AHP评分最高的地区通常对应于具有显著氢能生产潜力的地区。图11中标注的点表示AHP评分最高的五个小区域和氢能生产潜力最大的五个小区域。在这些地区，即使适用性有小幅变化（高达10%），也会导致生产潜力的显著差异（场景1）。例如，阿拉沙（区域2）的潜力为334万吨，而适用性最高的区域18的潜力为221万吨。雅努阿里亚（区域3）尽管潜力巨大（131万吨氢能/年），但由于环境限制和土地使用限制，其适用性排名仅为第27位。尽管如此，该地区的高太阳资源可用性（5.4千瓦时/平方米·天）推动了其较高的氢能生产潜力。

在另一种权重方案（场景6）中，资源可用性的权重超过环境因素，场景1中识别出的关键地区仍然占主导地位。两种方案之间的空间轮廓和AHP评分范围相似。然而，在场景6中，评分的幅度较低，介于0.19到0.62之间，而在场景1中则为0.26到0.71之间。正如所提到的，这些差异反映了评估者的观点：情景1强调了能源系统实施中的环境限制，而情景6则更重视资源的可用性。由于资源潜力来源于多种途径（太阳能、风能和生物质能），因此在优先级排序过程中，这些资源是根据发电潜力进行综合评估的。鉴于太阳能和风能在潜力上占据主导地位，并且受到地域可用性的强烈影响，因此情景1和情景6之间的总体相似性是意料之中的。在其他只考虑单一资源的情景中，无论是在适宜性还是生产潜力方面都处于领先地位的地区基本保持不变。唯一的例外是位于同一西部中区域的第19区（Patrocínio）、第21区（Frutal）和第22区（Uberaba），当仅考虑生物质资源时（情景4），这些地区表现出很高的适宜性。在仅考虑太阳能资源的情景3中，区域分布与情景1非常相似。相比之下，专注于风能的情景2则呈现出了不同的模式——一些在其他情景中非常适宜的地区（例如第2区（Paracatu））由于无法达到本研究假设的最低平均风速7.0米/秒的要求，其潜在产能受到了限制。

**4. 结论**

本研究评估并比较了巴西米纳斯吉拉斯州66个微区域的绿色氢气生产的地域适宜性和潜力。地域适宜性评估采用了层次分析法（AHP），该方法基于22个子标准，涵盖了资源可用性、环境因素、发展状况和基础设施等方面。生产潜力则是基于风能、太阳能光伏以及生物质和废弃物来源产生的电力进行估算的。

在基于访谈的AHP分析中，“限制区域”这一子标准的影响力最大，其次是“风险区域”和“土地使用与占用”。这一发现表明，法律和环境限制在决定地域适宜性方面比能源资源的可用性本身起着更重要的作用。米纳斯吉拉斯州三角地区（Triangulo Mineiro）以及该州的西北部和西部地区的微区域，特别是Uberlandia、Paracatu、Pirapora、Unaí和Araxá，在所有分析的情景中始终被评定为最适宜的区域。这些地区的表现得益于其优越的条件，例如丰富的可再生能源、较少的限制以及适宜的地形。

这些微区域在排名中反复出现，进一步证明了结果的稳健性，表明标准或资源可用性的小幅度变化并不会显著影响其空间分布模式。仅考虑太阳能、风能或生物质能的情景得出了相似的结果，均指向了一组具有较高地域适宜性的微区域。相反，一些中等适宜性的微区域（如S?o Jo?o Del Rei、Pirapora和Montes Claros）对资源变化较为敏感，这凸显了评估多种能源路径的重要性。总体而言，米纳斯吉拉斯州40.1%的领土被归类为非常适合绿色氢气生产，另有2.9%的领土被评定为非常适宜，这其中既包括具有巨大潜力的区域，也包含因坡度、城市化和保护区域存在而受到限制的地区。

研究结果显示，即使是在保守的土地使用假设下，米纳斯吉拉斯州的技术绿色氢气潜力也达到了4610万吨，远超全国预期需求。其中，太阳能资源最为丰富，其次是风能，这突显了这些能源在该州的战略重要性。地域适宜性和生产潜力的综合分析虽然显示了空间上的趋同性，但也揭示了高生产潜力并不一定对应高地域适宜性的情况。这些发现表明，绿色氢气的开发不仅依赖于能源的可用性，还需要综合考虑地域、环境和制度因素的综合性规划，从而促进更为现实和可持续的决策制定。

在此背景下，研究结果也与巴西和米纳斯吉拉斯州正在推行的国家级及州级绿色氢气发展政策框架相一致，进一步凸显了这些政策在支持长期能源规划和投资策略方面的作用。

**作者贡献声明**

- Ana Beatriz Ramos Goulart：撰写原始稿件、数据可视化、方法论设计、资料收集与分析。
- Lara Cristina Pereira de Faria：数据可视化、方法论设计、资料收集与分析。
- Beatriz Silva Cunha：数据可视化、方法论设计、资料收集与分析。
- Isabella Ribeiro：数据可视化、方法论设计、资料收集与分析。
- Marcel Allan Rodrigues Chiaradia Ribeiro：数据可视化、方法论设计、资料收集与分析。
- Samara Cal?ado de Azevedo：软件开发、数据分析处理、概念框架构建。
- Rafael Silva Capaz：软件开发、数据分析处理、概念框架构建。