MétaCan
Menu
Retour à la cohorte
Enregistrement W200512521 · doi:10.14512/gaia.18.1.11

Aviation and Climate Protection Flugverkehr und Klimaschutz – Ein Überblick über die Erfassung und Regulierung der Klimawirkun gen des Flugverkehrs

2009· article· en· W200512521 sur OpenAlexaff
Andreas M. Fischer, R. Sausen, Dominik Brunner, J. Staehelin, U. Schumann

Notice bibliographique

RevueGAIA - Ecological Perspectives for Science and Society · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueAviation Industry Analysis and Trends
Établissements canadiensInternational Civil Aviation Organization
Organismes subventionnairesnon disponible
Mots-clésAviationRadiative forcingAir traffic controlCirrusCivil aviationGreenhouse gasEnvironmental scienceMeteorologyEmissions tradingClimate changeClimatologyGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

International air traffic is not yet embedded in international frameworks to reduce anthropogenic greenhouse gas emissions, apart from the EU emission trading system. This paper reviews the state of knowledge on the climate effects due to aviation. Recent findings reveal a much smaller radiative forcing of line-shaped contrails than previously estimated. The greatest uncertainties regarding aviation's climate effects revolve around changes in cirrus cloud properties. The paper addresses issues on how to include aviation in international frameworks on climate protection. Today's proposed methods to cover non-CO2 effects from air traffic (Radiative Forcing Index and Emission Weighting Factor) are shown to include significant shortcomings that prohibit their application in policy relevant measures. More elaborate techniques are under development. Then, different approaches are presented to exemplify how emissions from international aviation can be allocated to national territories. For Switzerland an estimate based on the residence approach is explained in more detail. Finally, the paper elucidates the measures taken by the European Union to include the aviation sector into its emission trading scheme.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,045
Tête enseignante GPT0,284
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGAIA - Ecological Perspectives for Science and SocietyMême sujetAviation Industry Analysis and TrendsTravaux en français237 207