Greenhouse gases emissions in liquified natural gas as a marine fuel: Life cycle analysis and reduction potential
Notice bibliographique
Résumé
Abstract Substantial increases in shale gas production due to advances in hydraulic fracturing have created tremendous monetization and sustainable development opportunities, one of which is liquified natural gas (LNG). The International Maritime Organization (IMO) has targeted reducing greenhouse gas (GHG) emissions from shipping by 50% by 2050. Conventional shipping fuels currently used are heavy fuel oil (HFO) and marine gas/diesel oil (MGO/MDO). There has been growing interest in using LNG as a shipping fuel because of its competitive cost, availability, and the presence of bunkering infrastructure. A thorough literature review of LNG life cycle GHG emissions shows variation depending on the following factors: shale gas extraction, pretreatment, pipeline transportation distance, liquefaction plant capacity/technology, and ship propulsion system. Compared to conventional fuels, LNG can reduce life cycle emissions up to 18%. Incorporating renewables‐based power generation in liquefaction can reduce emissions by a further 5%–10% (renewable‐assisted LNG). The reduction potential and economic effects of this modification on LNG cost are examined and it is shown that low wind‐based electricity prices can make renewable‐assisted LNG competitive. A comprehensive understanding of the factors impacting LNG emissions help identify the current and future potential of LNG in reducing shipping industry emissions and providing a short‐term transitional fuel until it is supplanted with decarbonized fuels. This paper also uses water‐energy nexus to examine the impact of responsible water management on the carbon footprint of LNG.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».