Investigating Long-Term Commitments to Replace Electricity Generation with SMRs and Estimates of Climate Change Impact Costs Using a Modified VENSIM Dynamic Integrated Climate Economy (DICE) Model
Notice bibliographique
Résumé
During the last few years, nuclear energy has received great attention due to the increase in climate change awareness. According to the Paris agreement, global temperature is to be kept below 2 °C and preferably below 1.5 °C by 2050. This approach has been substantially confirmed in the recent COP 26 in Glasgow. This research investigates the effects of integrating SMR nuclear power plants (small modular reactors) into the Nordhaus Dynamic Integrated Climate Economy (DICE) model for reducing the CO2 emissions in the atmosphere by substituting all existing fossil-fueled power plants (FPPP). The software is based on the VENSIM dynamic systems modeling platform. Simulations were carried out from the year 2019 to 2100 using 10-year increments. Several scenarios were thus simulated replacing roughly 70,000 FPPPs operating at this time in the world. Simulations indicate a CO2 reduction of approximately 12.63% relative to the initial conditions used and using 87,830 SMR core units of 80 MWe electric each to meet such demand. The DICE model further predicts the cost of climate damage impacting the upper ocean and atmospheric temperatures, and the deep ocean temperature as USD 1.515 trillion (US Dollar; (US) trillion = 1,000,000,000,000 (1 × 1012)) by the end of this century. From a modified section of the model, a cost of USD 1.073 trillion is predicted as the toll on human health costs. This is thus equal to a USD 2.59 trillion loss in the economy.
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 | 0,001 | 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 | 0,000 |
| 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 ».