A gridded inventory for global CFC-11 emissions from 2008 to 2019
Notice bibliographique
Résumé
CFC-11 is a potent ozone depleting gas and is regulated under the Montreal Protocol. The rate of decline in global CFC-11 concentrations has slowed since 2013 largely due to the renewed, increasing emissions from eastern China (Montzka et al, Nature, 2018; Rigby et al, Nature, 2019). However, regional inversions suggest that this increase only accounts for 40-60% of the global rise. Therefore, there is an urgent need for emission estimates in other regions or countries. A global 3D inversion of atmospheric measurements is essential to improve our understanding of CFC-11 emission trends and sources, but it requires a reliable emission inventory as a prior estimate. In this study, we develop a gridded bottom-up inventory of global CFC-11 emissions from 2008 to 2019. Our inventory is driven by various, gridded proxy datasets including population, energy consumption, GDP per capita, and industrial clusters. A machine learning model is built between the proxy data and the previous emission estimates for eastern China, Korea, and Japan derived from inversions of AGAGE and NOAA surface measurements (Rigby et al, Nature, 2019). Our model is cross-validated in the East Asia and then applied to the other regions and countries to construct the gridded inventory with error characterization. Use of our inventory as prior information in future inverse analyses can help better quantify spatial distributions and sources of CFC-11 emissions as well as better guide the regulation of CFC-11.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».