MétaCan
Menu
Retour à la cohorte
Enregistrement W2987183335 · doi:10.1504/ijram.2019.103332

Risk assessment and management frameworks for carbon capture and geological storage: a global perspective

2019· article· en· W2987183335 sur OpenAlexafffund
Patricia Larkin, William Leiss, Daniel Krewski

Notice bibliographique

RevueInternational Journal of Risk Assessment and Management · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Academy of SciencesNatural Sciences and Engineering Research Council of CanadaQueen's UniversityMcGill UniversitySocial Sciences and Humanities Research Council of CanadaCarbon Management CanadaUniversity of Ottawa
Mots-clésCarbon capture and storage (timeline)Transparency (behavior)Government (linguistics)Climate changeCompendiumRisk managementEnvironmental resource managementBusinessEnvironmental planningRisk assessmentRisk analysis (engineering)Environmental economicsEnvironmental scienceComputer scienceGeographyComputer securityFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

Carbon capture and storage (CCS) is included in the list of technological processes that could reduce point source carbon dioxide emissions that contribute to climate change. For geological storage projects, global frameworks for environmental and human health risk assessment (RA) and risk management (RM) have been developed within various regional and national jurisdictions as well as by non-government organisations since the 2005 Intergovernmental Panel on Climate Change Special Report on CCS. This article provides an updated compendium of elaborated RA/RM frameworks in leading jurisdictions for CCS in the regulatory and non-regulatory contexts including online resources. Using a 3- or 4-step RA, there is an emphasis on storage site selection and characterisation; an iterative approach is recommended for RM emphasising monitoring and re-assessment; and other risk-based considerations such as communications and transparency are discussed more frequently in non-government guidance. Comprehensive risk estimation is not yet promoted.

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)0,001
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 enseignants0,123
Score d'incertitude au seuil0,568

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,322
Écart entre enseignants0,315 · 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

Citations15
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Risk Assessment and ManagementMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207