Natural gas fuel and greenhouse gas emissions in trucks and ships
Notice bibliographique
Résumé
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.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».