MétaCan
Menu
Retour à la cohorte
Enregistrement W3002235605 · doi:10.1038/s41467-019-13899-4

Increase in global emissions of HFC-23 despite near-total expected reductions

2020· article· en· W3002235605 sur OpenAlexaboutno aff
Kieran Stanley, Daniel Say, Jens Mühle, C. M. Harth, Paul B. Krummel, Dickon Young, Simon O’Doherty, Peter K. Salameh, Peter G. Simmonds, Ray F. Weiss, Ronald G. Prinn, Paul J. Fraser, Matthew Rigby

Notice bibliographique

RevueNature Communications · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilDepartment of the Environment and Energy, Australian GovernmentCommonwealth Scientific and Industrial Research OrganisationUniversity of BristolNational Oceanic and Atmospheric AdministrationSight Research UKNational Aeronautics and Space Administration
Mots-clésGreenhouse gasEnvironmental scienceAtmospheric sciencesPhysicsBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Under the Kigali Amendment to the Montreal Protocol, new controls are being implemented to reduce emissions of HFC-23 (CHF[Formula: see text]), a by-product during the manufacture of HCFC-22 (CHClF[Formula: see text]). Starting in 2015, China and India, who dominate global HCFC-22 production (75% in 2017), set out ambitious programs to reduce HFC-23 emissions. Here, we estimate that these measures should have seen global emissions drop by 87% between 2014 and 2017. Instead, atmospheric observations show that emissions have increased and in 2018 were higher than at any point in history (15.9 [Formula: see text]). Given the magnitude of the discrepancy between expected and observation-inferred emissions, it is likely that the reported reductions have not fully materialized or there may be substantial unreported production of HCFC-22, resulting in unaccounted-for HFC-23 by-product emissions. The difference between reported and observation-inferred estimates suggests that an additional ~309 Tg [Formula: see text]-equivalent emissions were added to the atmosphere between 2015 and 2017.

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)0,000
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 enseignants0,030
Score d'incertitude au seuil0,777

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,269
Écart entre enseignants0,250 · 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

Citations115
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAtmospheric Ozone and ClimateTravaux en français237 207