Analyzing Regulatory Framework for Carbon Capture and Storage (CCS) Technology Development: A case study approach
Notice bibliographique
Résumé
Aim: This article provides insight into the portfolio of regulations advancing Carbon Capture and Storage (CCS) deployment. Using a taxonomy of policy portfolio tools adapted for regulations specific to CCS, this research identifies regulatory gaps as well as supports for CCS projects. Design / Research methods: Through a case study approach, this article analyzes the regulatory provisions in six jurisdictions (Texas, North Dakota, the U.S, Saskatchewan, Alberta and Canada) which have a successful CCS facility. Analyzing the provisions and content of regulations in these jurisdictions, this article highlights regulatory supports or areas of gaps for CCS projects in each jurisdiction. Conclusions / findings: There is no uniform definition or categorization of CO2 as a hazard, waste, pollutant or commodity across jurisdictions. This has serious impact on CO2 transport, especially across jurisdictions. It also impacts the administration of storage systems for CCS facilities. Regulations focusing primarily on technical aspects of CCS including capture, transport, and liability predominate while there are less regulatory provisions for the financial aspects of CCS technology as well as public engagement and support. While capital grants and emission and tax credits are the predominant financial issues covered in regulations, contract for differences, streamlining emission trading across borders and enhancing cooperation and multilevel engagement in CCS warrant more attention. Originality / value of the article: Many scenarios to maintain global warming below 2 degrees Celsius require combinations of new technology including CCS. The focus on CCS cost as a barrier to deployment overshadows the needs for regulatory support as a means of reducing uncertainties and de-risking CCS investments.
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 | 0,001 | 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) | 0,000 | 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 ».