Modeling Energy Use and Emissions from North American Shipping: Application of the Ship Traffic, Energy, and Environment Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The waterway network ship traffic, energy, and environment model (STEEM) is applied to geographically characterize energy use and emissions for interport ship movement for North America, including the United States, Canada, and Mexico. STEEM advances existing approaches by (i) estimating emissions for large regions on the basis of nearly complete data describing historical ship movements, attributes, and operating profiles of individual ships, (ii) solving distances on an empirical waterway network for each pair of ports considering ship draft and width constraints, and (iii) allocating emissions on the basis of the most probable routes. We estimate that the 172 000 ship voyages to and from North American ports in 2002 consumed about 47 million metric tonnes of heavy fuel oil and emitted about 2.4 million metric tonnes of SO2. Comparison with port and regional studies shows good agreement in total estimates and better spatial precision than current top-down methods. In quantifying limitations of top-down approaches that assume existing proxies for ship traffic density are spatially representative across larger domains, we find that International Comprehensive Ocean-Atmosphere Data Set (ICOADS) proxy data are spatially biased, especially at small scales. Emissions estimated by STEEM for ships within 200 nautical miles of the coastal areas of the United States are about 5 times the emissions estimated in previous studies using cargo as a proxy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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