Magnitudes of Households’ Carbon Footprint in Iskandar Malaysia: A Policy Implications for Sustainable Development
Notice bibliographique
Résumé
The carbon footprint of households is a significant contribution to global greenhouse gas emissions, accounting for 24% of total emissions. As a result, it is critical to quantify a household's carbon footprint in order to reduce it over time. One of the best ways to measure carbon emitted from various sectors of the economy, including household daily activities, is to calculate a country's carbon footprint (CF). This study statistically examined the magnitude of households’ carbon footprints and their relationships with household daily activities and certain socio-economic demographic variables in Malaysia. Results revealed that the average household carbon footprint amounted to 11.76 t-CO2. The average also showed that the primary carbon footprint, 7.02 t-CO2 or 59.69% was higher compared to the secondary carbon footprint which was 4.73 t- CO2 or 40.22% and assessment revealed significant differences among household types. The largest carbon footprint was evident in a medium-high cost urban area, estimated at 20.14 t-CO2, while the carbon footprint found in a rural area was 9.58 t-CO2. In the latter, the primary carbon footprint was almost double the figure of 5.84 t-CO2 (61%) than the secondary carbon footprint of 3.73 t-CO2 (39%). The study reveals a higher carbon footprint in urban areas compared to rural ones depicting the effects of urbanisation and urban sprawl on household lifestyles and carbon footprints. Despite some limitations, the findings of this study will help policymakers design and implement stronger policies that enforce low-carbon activities and energy-saving goods and services in order to reduce urban Malaysia's carbon footprint dramatically.
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 | 0,001 | 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 ».