Level versus Equivalent Intensity Carbon Mitigation Commitments
Notice bibliographique
Résumé
Large population / rapidly growing economies such as China and India have argued that in the upcoming UNFCCC negotiations in Copenhagen, any emission reduction targets they take on should be based on their intensity of emissions (emissions/$GDP) on a target date not the level of emissions. They argue that this will allow room for their continued high growth, and level commitments in the presence of sharply differential growth between OECD and non-OECD economies represent asymmetric and unacceptable arrangements. Much of the policy literature agrees with this position, also arguing that while there is equivalence between commitments if growth rates are certain, where growth rates are uncertain equivalence breaks down. However, no explicit models or experimental design are used to support this claim. Here we use a modeling framework in which countries face a business as usual (BAU) growth profile under no mitigation, and can mitigate (reduce consumption) and lower temperature change but with a utility loss. International trade enters through trade in country differentiated goods, and the impact of mitigation on country welfare depends critically on the assumed severity of climate related damage. We then consider cases where country growth rates are uncertain, and compare the impacts of levels versus intensity commitments, with the latter made equivalent in the sense that expected emissions are the same. There are different senses of this equivalence; global equivalence with differing country impacts, or strict country by country equivalence. Under intensity commitments there is more variation in both consumption and emissions than is the case with level commitments, and we show cases where level commitments are preferred to intensity commitments by all countries. Whether this is the case also depends upon how growth rate uncertainty is specified. We are also able to consider packages of mixed level and intensity commitments by country which might be the outcome of UNFCCC negotiations. Outcomes can thus be opposite to prevailing opinion, but it depends on how the equivalent targets are specified.
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 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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».