China's Trade‐Off Between Economic Benefits and Sulfur Dioxide Emissions in Changing Global Trade
Notice bibliographique
Résumé
Abstract China has been suffering from air quality degradation since its ascension into the World Trade Organization in 2001. The unequal exchange that occurs with international trade—that is, developed countries obtaining larger shares of trade‐related value added relative to the shares of trade‐related air pollution incurred locally—may obstruct the greening of global supply chains. In this study, we conduct a multi‐regional input‐output analysis to examine the change in the distribution of economic benefits and sulfur dioxide emissions underlying China's international trade from 2002 to 2015. The results show that both net trade‐related economic benefits and SO 2 emissions in China rapidly increased from 2002 to 2007 and then decelerated after 2007 due to changes in China's green development strategy. In the past 13 years, China has suffered from economic‐environmental inequality due to trade with most developed countries, for example, the United States, the European Union, East Asia, and Canada. East Asia, particularly Japan and South Korea, became both an economic and environmental winner while trading with China in 2015. China has also outsourced emissions to less developed regions, such as Sub‐Saharan Africa. We propose policy implications to further reduce the economic‐environmental inequality underlying China's international trade.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».