MétaCan
Menu
Retour à la cohorte
Enregistrement W2204468939 · doi:10.2495/sdp-v10-n4-520-527

Estimation of Co_2 emissions from tourism transport in heilongjiang province, China

2015· article· en· W2204468939 sur OpenAlexvenueno aff
Zi Kang Tang, Naijia Zhang, Chengxi Shi, Kexin Bi

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésTourismChinaEnvironmental scienceRoad transportGreenhouse gasAir transportAgricultural economicsEnvironmental engineeringBusinessNatural resource economicsEnvironmental protectionGeographyTransport engineeringEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

The rapid development of China's tourism industry has been accompanied by an increase in CO 2 emissions, while the tourism transport accounts for a major share of CO 2 emissions. The purpose of this paper is to investigate the dynamic change of CO 2 emissions from tourism transport in Heilongjiang Province over the period 1978-2012. The results showed that the total CO 2 emissions of tourism transport rose from 13.1 10 4 t in 1978 to 224.17 10 4 t in 2012, following an average annual growth rate of 9.47%. Among four transport modes, highways transport represented the leading source of CO 2 emissions from tourism transport. CO 2 emissions from airways transport have increased dramatically and became the second largest contributor since 2003. Emissions from railway transport have remained relatively stable and that of waterways transport showed a decreased trend over the years.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,548
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,237
Écart entre enseignants0,226 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetVehicle emissions and performanceTravaux en français237 207