Unconventional Heavy Oil Growth and Global Greenhouse Gas Emissions
Notice bibliographique
Résumé
Enormous global reserves of unconventional heavy oil make it a significant resource for economic growth and energy security; however, its extraction faces many challenges especially on greenhouse gas (GHG) emissions, water consumption, and recently, social acceptability. Here, we question whether it makes sense to extract and use unconventional heavy oil in spite of these externalities. We place unconventional oils (oil sands and oil shale) alongside shale gas, coal, lignite, wood and conventional oil and gas, and compare their energy intensities and life cycle GHG emissions. Our results reveal that oil shale is the most energy intensive fuel among upgraded primary fossil fuel options followed by in situ-produced bitumen from oil sands. Lignite is the most GHG intensive primary fuel followed by oil shale. Based on future world energy demand projections, we estimate that if growth of unconventional heavy oil production continues unabated, the incremental GHG emissions that results from replacing conventional oil with heavy oil would amount to 4-21 Gt-CO2eq GtCO2eq over four decades (2010 by 2050). However, prevailing socio-economic, regional and global energy politics, environmental and technological challenges may limit growth of heavy oil production and thus its GHG emissions contributions to global fossil fuel emissions may be smaller.
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 | 0,000 | 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 | 0,000 | 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 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 ».