MétaCan
Menu
Retour à la cohorte
Enregistrement W2982994616 · doi:10.1016/j.accre.2019.10.002

The estimated schedule and mitigation potential for hydrofluorocarbons phase-down in China

2019· article· en· W2982994616 sur OpenAlexaboutno aff
Yixi Li, Zhaoyang Zhang, Minde An, Ding Gao, Li-Ying Yi, Jianxin Hu

Notice bibliographique

RevueAdvances in Climate Change Research · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaBaseline (sea)Montreal ProtocolConsumption (sociology)Environmental scienceGlobal-warming potentialScheduleGreenhouse gasAgricultural economicsEconomicsMeteorologyGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

As the major producer and consumer of hydrofluorocarbons (HFCs), China is obligated to phase-down HFCs to mitigate global warming if China ratifies the Kigali Amendment (KA) to the Montreal Protocol. Based on historical HFCs consumption in each sector, here we estimated historical HFCs emissions with a bottom-up method, and projected the consumption baseline and schedule for HFCs phase-down in China under the KA and the corresponding potential for emission reduction. Results showed that China's HFCs consumption and emissions in 2017 were 164,000 t (311 Mt CO2-eq) and 108 Mt CO2-eq, respectively. HFCs consumption baseline was projected to be (724 ± 18) Mt CO2-eq in 2024, and China should take measures to phase-down HFCs by 2029, at the latest, to meet the requirements of the KA. HFCs consumption in 2050 under KA would reach the level of 2012–2013. Cumulative reduced consumption was estimated at 10.8 (10.1–11.6) Gt CO2-eq, and cumulative reduced emissions were estimated at 5.38 (4.90–5.64) Gt CO2-eq by 2050.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,358

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,379
Écart entre enseignants0,327 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations42
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Climate Change ResearchMême sujetAtmospheric Ozone and ClimateTravaux en français237 207