Key Drivers behind the Development of Fluorocarbons Destruction Infrastructure: A Case Study of Japan
Notice bibliographique
Résumé
The Montreal Protocol has been ratified to progress phase-out of CFCs and HCFCs globally. HFCs have come into wide use as alternatives to CFCs and HCFCs, but as we know today, it was found that HFCs have a huge negative influence on global warming, and the Kigali Amendment to the Montreal Protocol entered into force to promote phase-down of HFCs. Since the enforcement of the Fluorocarbons Recovery and Destruction Law (F-gas law) in 2002, Japan has been undertaking fluorocarbons collection and destruction by environmentally-sound manners. However, no study has been reported investigates on how the Japanese fluorocarbons destruction infrastructure has been developed over the past several years. To analyze the development, we studied key drivers that contributed to encourage fluorocarbons collection from end of life electric appliances and to promote fluorocarbons destruction by environmentally and commercially sustainable technologies. We showed that recycling laws and the F-gas law have made progress in encourage fluorocarbons collection and destruction by making relevant stakeholders take physical and financial responsibilities for proper fluorocarbons disposal. This study also researched fluorocarbons destruction technologies that destruction operators used as of 2004 and 2019, and found that three specific destruction technologies have long been used practically in Japan. Finally, we discussed influencing factors that have made these technologies accepted, installed and practically used by fluorocarbons destruction operators. In conclusion, we identified that existence of political frameworks as well as application of fluorocarbons destruction technologies that are commercially sustainable and socially acceptable were key drivers behind the development of fluorocarbons destruction infrastructure in Japan.
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 | 0,000 | 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 ».