MétaCan
Menu
Retour à la cohorte
Enregistrement W3013534207 · doi:10.1016/j.apenergy.2020.114848

Technologies and policies to decarbonize global industry: Review and assessment of mitigation drivers through 2070

2020· article· en· W3013534207 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueApplied Energy · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensSimon Fraser University
Organismes subventionnairesGlobal Change Institute, University of the Witwatersrand, JohannesburgWilliam and Flora Hewlett Foundation
Mots-clésGreenhouse gasEnvironmental economicsIncentiveBusinessRenewable energyIndustrial organizationEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Fully decarbonizing global industry is essential to achieving climate stabilization, and reaching net zero greenhouse gas emissions by 2050–2070 is necessary to limit global warming to 2 °C. This paper assembles and evaluates technical and policy interventions, both on the supply side and on the demand side. It identifies measures that, employed together, can achieve net zero industrial emissions in the required timeframe. Key supply-side technologies include energy efficiency (especially at the system level), carbon capture, electrification, and zero-carbon hydrogen as a heat source and chemical feedstock. There are also promising technologies specific to each of the three top-emitting industries: cement, iron & steel, and chemicals & plastics. These include cement admixtures and alternative chemistries, several technological routes for zero-carbon steelmaking, and novel chemical catalysts and separation technologies. Crucial demand-side approaches include material-efficient design, reductions in material waste, substituting low-carbon for high-carbon materials, and circular economy interventions (such as improving product longevity, reusability, ease of refurbishment, and recyclability). Strategic, well-designed policy can accelerate innovation and provide incentives for technology deployment. High-value policies include carbon pricing with border adjustments or other price signals; robust government support for research, development, and deployment; and energy efficiency or emissions standards. These core policies should be supported by labeling and government procurement of low-carbon products, data collection and disclosure requirements, and recycling incentives. In implementing these policies, care must be taken to ensure a just transition for displaced workers and affected communities. Similarly, decarbonization must complement the human and economic development of low- and middle-income countries.

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.

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 enseignants0,211
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,011
Tête enseignante GPT0,268
Écart entre enseignants0,257 · 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