MétaCan
Menu
Retour à la cohorte
Enregistrement W2999914321 · doi:10.1088/1748-9326/ab6c6d

Solar has greater techno-economic resource suitability than wind for replacing coal mining jobs

2020· article· en· W2999914321 sur OpenAlexaff
Sandeep Pai, Hisham Zerriffi, Jessica Jewell, Jaivik Pathak

Notice bibliographique

RevueEnvironmental Research Letters · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhotovoltaic Systems and Sustainability
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNorges Forskningsråd
Mots-clésCoalRenewable energyCoal miningResource (disambiguation)Natural resource economicsEnvironmental scienceBusinessMining engineeringEnvironmental economicsEngineeringWaste managementEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Coal mining directly employs over 7 million workers and benefits millions more through indirect jobs. However, to meet the 1.5 °C global climate target, coal’s share in global energy supply should decline between 73% and 97% by 2050. But what will happen to coal miners as coal jobs disappear ?Answering this question is necessary to ensure a just transition and to ensure that politically powerful coal mining interests do not impede energy transitions. Some suggest that coal miners can transition to renewable jobs. However, prior research has not investigated the potential for renewable jobs to replace ‘local’ coal mining jobs. Historic analyses of coal industry declines show that coal miners do not migrate when they lose their jobs. By focusing on China, India, the US, and Australia, which represent 70% of global coal production, we investigate: (1) the local solar and wind capacity required in each coal mining area to enable all coal miners to transition to solar/wind jobs; (2) whether there are suitable solar and wind power resources in coal mining areas in order to install solar/wind plants and create those jobs; and (3) the scale of renewables deployment required to transition coal miners in areas suitable for solar/wind power. We find that with the exception of the US, several GWs of solar or wind capacity would be required in each coal mining area to transition all coal miners to solar/wind jobs. Moreover, while solar has more resource suitability than wind in coal mining areas, these resources are not available everywhere. In China, the country with the largest coal mining workforce, only 29% of coal mining areas are suitable for solar power. In all four countries, less than 7% of coal mining areas have suitable wind resources. Further, countries would have to scale-up their current solar capacity significantly to transition coal miners who work in areas suitable for solar development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,048
Tête enseignante GPT0,273
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations98
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetPhotovoltaic Systems and SustainabilityTravaux en français237 207