Greenhouse gas mitigation for U.S. plastics production: energy first, feedstocks later
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Plastics production is responsible for 1% and 3% of U.S. greenhouse gas (GHG) emissions and primary energy use, respectively. Replacing conventional plastics with bio-based plastics (made from renewable feedstocks) is frequently proposed as a way to mitigate these impacts. Comparatively little research has considered the potential for green energy to reduce emissions in this industry. This paper compares two strategies for reducing greenhouse gas emissions from U.S. plastics production: using renewable energy or switching to renewable feedstocks. Renewable energy pathways assume all process energy comes from wind power and renewable natural gas derived from landfill gas. Renewable feedstock pathways assume that all commodity thermoplastics will be replaced with polylactic acid (PLA) and bioethylene-based plastics, made using either corn or switchgrass, and powered using either conventional or renewable energy. Corn-based biopolymers produced with conventional energy are the dominant near-term biopolymer option, and can reduce industry-wide GHG emissions by 25%, or 16 million tonnes CO _2 e/year (mean value). In contrast, switching to renewable energy cuts GHG emissions by 50%–75% (a mean industry-wide reduction of 38 million tonnes CO _2 e/year). Both strategies increase industry costs—by up to $85/tonne plastic (mean result) for renewable energy, and up to $3000 tonne ^−1 plastic for renewable feedstocks. Overall, switching to renewable energy achieves greater emission reductions, with less uncertainty and lower costs than switching to corn-based biopolymers. In the long run, producing bio-based plastics from advanced feedstocks (e.g. switchgrass) and/or with renewable energy can further reduce emissions, to approximately 0 CO _2 e/year (mean value).
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle