MétaCan
Menu
Retour à la cohorte
Enregistrement W2499045961 · doi:10.1021/acs.est.5b06072

Life Cycle Greenhouse Gas Emissions from Uranium Mining and Milling in Canada

2016· article· en· W2499045961 sur OpenAlexafffundabout
David Parker, Cameron S. MNaughton, G A Sparks

Notice bibliographique

RevueEnvironmental Science & Technology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesInnovation Saskatchewan
Mots-clésGreenhouse gasLife-cycle assessmentEnvironmental scienceWaste managementUraniumHydroelectricityEnvironmental engineeringProduction (economics)EngineeringMetallurgyMaterials science

Résumé

récupéré en direct d'OpenAlex

Life cycle greenhouse gas (GHG) emissions from the production of nuclear power (in g CO2e/kWh) are uncertain due partly to a paucity of data on emissions from individual phases of the nuclear fuel cycle. Here, we present the first comprehensive life cycle assessment of GHG emissions produced from the mining and milling of uranium in Canada. The study includes data from 2006-2013 for two uranium mine-mill operations in northern Saskatchewan (SK) and data from 1995-2010 for a third SK mine-mill operation. The mine-mill operations were determined to have GHG emissions intensities of 81, 64, and 34 kg CO2e/kg U3O8 at average ore grades of 0.74%, 1.54%, and 4.53% U3O8, respectively. The production-weighted average GHG emission intensity is 42 kg CO2e/kg U3O8 at an average ore grade of 3.81% U3O8. The production-weighted average GHG emission intensity drops to 24 kg CO2e/kg U3O8 when the local hydroelectric GHG emission factor (7.2 g CO2e/kWh) is substituted for the SK grid-average electricity GHG emission factor (768 g CO2e/kWh). This results in Canadian uranium mining-milling contributing only 1.1 g CO2e/kWh to total life cycle GHG emissions from the nuclear fuel cycle (0.7 g CO2e/kWh using the local hydroelectric emission factor).

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 candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,181
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,004
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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.

Devis d'étudeObservationnel
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

Citations43
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207