Environmental Profile of NO<sub>x</sub> Reduction by a Photocatalytic Surface Coating and a Vehicle Catalytic Converter
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nitrogen oxides (NOx) in urban air close to ground have significant health implications. Restrictions in traffic, mandatory use of catalytic converters on vehicles, and novel photocatalytic coatings on surfaces contribute to reducing the level of NOx in cities. The aim of this study is to establish environmental profiles of NOx removal by a Three-Way Catalyst (TWC) car converter and by a photocatalytic surface coating (for asphalt and concrete pavements) for fostering technological development in reducing the levels of NOx in urban air. We assessed the environmental performance for the removal of 1 kg NOx by the two technologies with Life Cycle Assessment (LCA; EF.3 impact assessment method). In order to do so, we established Life-Cycle-Inventory (LCI) data representing production, operation and end-of-life of the two technologies based on data from literature and industry. The production of photocatalytic surface coatings, used on concrete and asphalt, has environmental loads two orders of magnitude lower than the environmental benefits of NOx reduction expressed as a reduction in Photochemical Ozone Formation (POF), Acidification (A), and Terrestrial Eutrophication (TE). The vehicle catalytic converter shows similar results except that the use of rare earth elements in the production constitutes a significant load to Freshwater Ecotoxicity (FET) and that additional use of fuel during operation induces a modest Climate Change (CC) impact. For both technologies, the environmental benefits of reducing NOx far exceed any adverse environmental aspects of the production of the technologies.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle