Environmental payoffs of LPG cooking in India
Notice bibliographique
Résumé
Over two-thirds of Indians use solid fuels to meet daily cooking energy needs, with associated negative environmental, social, and health impacts. Major national initiatives implemented by the Indian government over the last few decades have included subsidies for cleaner burning fuels like liquid petroleum gas (LPG) and kerosene to encourage a transition to these. However, the extent to which these programs have affected net emissions from the use of these improved fuels has not been adequately studied. Here, we estimate the amount of fuelwood displaced and its net emissions impact due to improved access to LPG for cooking in India between 2001 and 2011 using nationally representative household expenditure surveys and census datasets. We account for a suite of climate-relevant emissions (Kyoto gases and other short-lived climate pollutants) and biomass renewability scenarios (a fully renewable and a conservative non-renewable case). We estimate that the national fuelwood displaced due to increased LPG access between 2001 and 2011 was approximately 7.2 million tons. On aggregate, we estimate a net emissions reduction of 6.73 MtCO 2 e due to the fuelwood displaced from increased access to LPG, when both Kyoto and non-Kyoto climate-active emissions are accounted for and assuming 0.3 as the fraction of non-renewable biomass (fNRB) harvested. However, if only Kyoto gases are considered, we estimate a smaller net emissions decrease of 0.03 MtCO 2 e (assuming fully renewable biomass harvesting), or 3.05 MtCO 2 e (assuming 0.3 as the fNRB). We conclude that the transition to LPG cooking in India reduced pressures on forests and achieved modest climate benefits, though uncertainties regarding the extent of non-renewable biomass harvesting and suite of climate-active emissions included in such an estimation can significantly influence results in any given year and should be considered carefully in any analysis and policy-making.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».