A sky-high challenge: The carbon footprint of aviation in British Columbia, Canada, and measures to mitigate it.
Notice bibliographique
Résumé
Greenhouse gas (GHG) emissions from civil aviation contribute to anthropogenic climate change and are expected to increase significantly in the future. GHG emission inventories exist for civil aviation at the global scale but not subnational scale. In this thesis, I present what seems to be the first detailed analysis of the carbon footprint (CF) of civil aviation at a subnational level together with an assessment of what key stakeholders are doing to mitigate their CF. I calculated the CF of civil aviation in British Columbia (BC), Canada, determined what efforts airlines and airports in BC are engaging in to mitigate it, and make recommendations on how to further decrease future GHG emissions. The annual CF of civil aviation in BC that is subject to the BC Carbon Tax is approximately 524,000 tonnes of CO2. Passenger flights account for 197,000 tonnes (38%), airport operations for 148,000 tonnes (28%), and passenger travel to and from airports for 179,000 tonnes (34%). Large airlines and airports, as well as small airlines in southern BC, are generally proactive in reducing their CF, while small airlines in northern BC and small airports are generally not. To further reduce the CF of civil aviation in BC, I recommend a major effort to reduce emissions from passenger travel to/from airports, improved stakeholder cooperation including better technology dissemination, enhanced passenger and employee education and awareness programs, high quality and more transparent offset programs, and incentives by the provincial government for airlines and airports to reduce their CF while remaining economically competitive. --P. ii.
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 | 0,000 | 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 ».