MétaCan
Menu
Retour à la cohorte
Enregistrement W4220904435 · doi:10.1016/j.esr.2022.100804

Technology, technology, technology: An integrated assessment of deep decarbonization pathways for the Canadian oil sands

2022· article· en· W4220904435 sur OpenAlexaffabout
Candelaria Bergero, Matthew Binsted, Osama Younis, Evan Davies, Muhammad-Shahid Siddiqui, Rui Xing, Evan J. Arbuckle, Diego V. Chiappori, Jay Fuhrman, Haewon McJeon, Nick Macaluso

Notice bibliographique

RevueEnergy Strategy Reviews · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOil sandsGreenhouse gasFossil fuelUnconventional oilSoftware deploymentNatural resource economicsEnvironmental scienceResource (disambiguation)Carbon capture and storage (timeline)Enhanced oil recoveryProduction (economics)Climate changeWaste managementEngineeringEconomicsGeologyGeography

Résumé

récupéré en direct d'OpenAlex

As a party to the Paris Agreement, Canada has an ambitious climate target of net-zero emissions by 2050. The country also holds the world's third largest oil reserves in the Alberta oil sands. Given increasing emissions from the oil sands sector, achieving Canada's net-zero target requires significant oil sands decarbonization. If, while phasing out fossil fuels, there is still a demand for Canadian oil sands, then the decarbonization of the resource production process becomes crucial. In this study, we use an enhanced version of the Global Change Analysis Model (GCAM) with a detailed unconventional oil sector for Canada, including mining and in situ resources. We ask, what is the future of the oil sands sector in deeply decarbonized global and Canadian economies? We address this question under four mitigation scenarios with varying global net-zero GHG emissions constraints, three additional representative lower carbon extraction technologies available for the oil sands sector, as well as global direct air capture (DAC) deployment. We find that lower carbon technology deployment allows a 20%–44% increase in oil sands production by 2050 for scenarios with net-zero GHG emissions in 2100 or 2075. DAC helps maintain oil sands production in the most ambitious global decarbonization scenario (net-zero GHG by 2050), without which low international oil demand makes Canadian oil sands production uncompetitive. Canadian oil sands production thus depends highly on the availability of lower carbon extraction technologies and international oil demand, which to a certain extent relies on the availability and global deployment of negative emissions 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.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,237

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,312
Écart entre enseignants0,283 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations30
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy Strategy ReviewsMême sujetGlobal Energy and Sustainability ResearchTravaux en français237 207