MétaCan
Menu
Retour à la cohorte
Enregistrement W2770950817 · doi:10.1088/1748-9326/aac0c1

Ratcheting ambition to limit warming to 1.5 °C – trade-offs between emission reductions and carbon dioxide removal

2018· article· en· W2770950817 sur OpenAlexaff
Christian Holz, Lori Siegel, Eleanor Johnston, Andrew Jones, John D. Sterman

Notice bibliographique

RevueEnvironmental Research Letters · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasEnvironmental scienceTerm (time)Offset (computer science)Global warmingLimit (mathematics)Climate changeNatural resource economicsCarbon dioxideReduction (mathematics)Climate change mitigationEnvironmental economicsComputer scienceEconomicsEcologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Mitigation scenarios to limit global warming to 1.5 °C or less in 2100 often rely on large amounts of carbon dioxide removal (CDR), which carry significant potential social, environmental, political and economic risks. A precautionary approach to scenario creation is therefore indicated. This letter presents the results of such a precautionary modelling exercise in which the models C-ROADS and En-ROADS were used to generate a series of 1.5 °C mitigation scenarios that apply increasingly stringent constraints on the scale and type of CDR available. This allows us to explore the trade-offs between near-term stringency of emission reductions and assumptions about future availability of CDR. In particular, we find that regardless of CDR assumptions, near-term ambition increase (‘ratcheting’) is required for any 1.5 °C pathway, making this letter timely for the facilitative, or Talanoa, dialogue to be conducted by the UNFCCC in 2018. By highlighting the difference between net and gross reduction rates, often obscured in scenarios, we find that mid-term gross CO2 emission reduction rates in scenarios with CDR constraints increase to levels without historical precedence. This in turn highlights, in addition to the need to substantially increase CO2 reduction rates, the need to improve emission reductions for non-CO2 greenhouse gases. Further, scenarios in which all or part of the CDR is implemented as non-permanent storage exhibit storage loss emissions, which partly offset CDR, highlighting the importance of differentiating between net and gross CDR in scenarios. We find in some scenarios storage loss trending to similar values as gross CDR, indicating that gross CDR would have to be maintained simply to offset the storage losses of CO2 sequestered earlier, without any additional net climate benefit.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,124
Tête enseignante GPT0,310
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations79
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetClimate Change Policy and EconomicsTravaux en français237 207