Climate and Health Relevant Emissions from in-Use Indian Three-Wheelers Fueled by Natural Gas and Gasoline
Notice bibliographique
Résumé
Auto-rickshaws in India use different fuels and engine technologies, with varying emissions and implications for air quality and climate change. Chassis dynamometer emission testing was conducted on 30 in-use auto-rickshaws to quantify the impact of switching from gasoline to compressed natural gas (CNG) in spark-ignition engines. Thirteen test vehicles had two-stroke CNG engines (CNG-2S) and 17 had four-stroke CNG engines (CNG-4S), of which 11 were dual-fuel and operable on a back-up gasoline (petrol) system (PET-4S). Fuel-based emission factors were determined for gaseous pollutants (CO(2), CH(4), NO(X), THC, and CO) and fine particulate matter (PM(2.5)). Intervehicle variability was high, and for most pollutants there was no significant difference (95% confidence level) between "old" (1998-2001) and "new" (2007-2009) age-groups within a given fuel-technology class. Mean fuel-based PM(2.5) emission factor (mean (95% confidence interval)) for CNG-2S (14.2 g kg(-1) (6.2-26.7)) was almost 30 times higher than for CNG-4S (0.5 g kg(-1) (0.3-0.9)) and 12 times higher than for PET-4S (1.2 g kg(-1) (0.8-1.7)). Global warming commitment associated with emissions from CNG-2S was more than twice that from CNG-4S or PET-4S, due mostly to CH(4) emissions. Comprehensive measurements and data should drive policy interventions rather than assumptions about the impacts of clean fuels.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».