MétaCan
Menu
Retour à la cohorte
Enregistrement W2984299792 · doi:10.1088/2516-1083/ab56af

Natural gas fuel and greenhouse gas emissions in trucks and ships

2019· article· en· W2984299792 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProgress in Energy · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesShell
Mots-clésTruckGreenhouse gasEnvironmental scienceNatural gasGlobal warmingEnvironmental engineeringWaste managementClimate changeEngineeringAutomotive engineeringEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Natural gas is a transport fuel which may help reduce greenhouse gas emissions in shipping and trucks. However, there is some disagreement regarding the potential for natural gas to provide significant improvements relative to current ships and trucks. In 2015, road freight represented ~7% of global energy related CO 2 emissions, with international shipping representing ~2.6% of global emissions. These emissions are also expected to grow, with some estimates suggesting road freight emission growing by a third, and shipping emissions growing by between 50% and 250% from 2012 to 2050, making absolute emissions reductions challenging. In addition, reducing emissions in ships and trucks has proved technically difficult given the relatively long distances that ships and trucks travel. This paper documents a systematic review of literature detailing well-to-wheel/wake greenhouse gas emissions and economic costs in moving from diesel and heavy fuel oil to natural gas as a fuel for trucks and ships. The review found a number of important issues for greenhouse gas reduction. First, moderate greenhouse gas reductions of 10% were found when switching to natural gas from heavy fuel oil in shipping when comparing the lowest estimates. Comparing lowest well-to-wheel greenhouse gas emissions estimates for trucks, the benefit of switching to natural gas fuel is approximately a 16% reduction in greenhouse gas emissions. However, these emissions are highly variable, driven particularly by methane emissions in exhaust gas. Given this, in the worst cases natural gas ships and trucks emit more greenhouse gasses than the diesel trucks and heavy fuel oil ships that they would replace. It appears relatively cost effective to switch to natural gas as a transport fuel in ships and trucks. However, the limited emissions reduction potential raises questions for the ongoing role of natural gas to reduce greenhouse gas emissions in line with the challenging greenhouse gas reduction targets emerging in the transport sector.

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 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 candidatesaucune
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 enseignants0,137
Score d'incertitude au seuil0,859

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,210
Écart entre enseignants0,205 · 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