MétaCan
Menu
Retour à la cohorte
Enregistrement W3173810740 · doi:10.1016/j.chemosphere.2021.131208

A review of bottom-up and top-down emission estimates of hydrofluorocarbons (HFCs) in different parts of the world

2021· review· en· W3173810740 sur OpenAlexaboutno aff
Hannah Flerlage, Guus J. M. Velders, J. de Boer

Notice bibliographique

RevueChemosphere · 2021
Typereview
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal ProtocolGreenhouse gasEnvironmental scienceGlobal warmingRefrigerantOzone layerEmission inventoryClimate changeClimatologyUnited Nations Framework Convention on Climate ChangeEnvironmental protectionMeteorologyOzoneKyoto ProtocolGeographyAir quality indexOceanographyEngineering

Résumé

récupéré en direct d'OpenAlex

Hydrofluorocarbons (HFCs) are widespread alternatives for the ozone-depleting substances chlorofluorocarbons and hydrochlorofluorocarbons. They are used mainly as refrigerants or as foam-blowing agents. HFCs do not deplete the ozone layer, but they are very potent greenhouse gases, already contributing to global warming. Since 2019 HFCs are regulated under the Kigali Amendment to the Montreal Protocol, which demands reliable emission estimates to monitor the phase-down. Quantification of emissions is performed with two methods: bottom-up from product inventories or data on chemical sales; or top-down, inferred from atmospheric measurements by inverse modelling or interspecies correlation. Here, we review and compare the two methods and give an overview of HFC emissions from different parts of the world. Emission estimates reported by the different methods vary considerably. HFC emissions of developed countries (Annex I) are reported to the United Nations Framework Convention on Climate Change. These bottom-up estimates add up to only half of global emissions estimated from atmospheric data. Several studies with regional top-down estimates have shown that this gap is not owed to large-scale underreporting of emissions from developed countries, but mostly due to emissions from developing countries (non-Annex I). China accounts for a large fraction of the emissions causing the gap, but not entirely. Bottom-up and top-down estimations of emissions from other developing countries that could identify other large emitters are largely unavailable. Especially South America, West-, Central- and East-Africa, India, the Arabian Peninsula and Northern Australia are not well covered by measurement stations that could provide atmospheric data for top-down estimates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0070,007
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,275
Écart entre enseignants0,253 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations83
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemosphereMême sujetAtmospheric Ozone and ClimateTravaux en français237 207