Technologies and policies to decarbonize global industry: Review and assessment of mitigation drivers through 2070
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».