MétaCan
Menu
Retour à la cohorte
Enregistrement W4281654124 · doi:10.1088/1748-9326/ac7538

Scenarios for future Indian HFC demand compared to the Kigali Amendment

2022· article· en· W4281654124 sur OpenAlexaboutno aff
Alex Hillbrand, Prima Madan, Manjeet Singh, Marie McNamara, Stephen O. Andersen, A. Mathur, Anjali Jaiswal

Notice bibliographique

RevueEnvironmental Research Letters · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal ProtocolAmendmentRefrigerantGreenhouse gasOzone layerAir conditioningEnvironmental scienceConsumption (sociology)OzoneNatural resource economicsWaste managementEnvironmental engineeringLawEngineeringEconomicsMeteorologyPolitical scienceHeat exchangerGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Demand for hydrofluorocarbon (HFC) refrigerants used as substitutes for ozone-depleting substances is growing in India and is estimated to continue growing at a high rate through the middle of this century. HFCs, although not directly ozone-depleting, are highly potent greenhouse gases subject to a global phasedown under the 2016 Kigali Amendment to the Montreal Protocol on Substances that Deplete the Ozone Layer. As of 20 January 2022, 130 Parties have ratified the Kigali Amendment, including India. This analysis evaluates scenarios for India’s HFC demand trajectory compared to likely control obligations under the Kigali Amendment. It is based on current and projected markets for HFC-using equipment and types of refrigerants utilized now and likely to be used in the future. Sectors considered in this work include mobile air conditioning, stationary air conditioning, refrigeration, and foam blowing agents. Results suggest that India’s annual HFC demand under current market trends could reach 76 MMT CO 2 -equivalent (CO 2 e) in 2030 and 197 MMT CO 2 e in 2050, from 23 MMT CO 2 e in 2020, making no changes to the current mix of HFCs in use. The Kigali Amendment requires for compliance that India freeze its HFC consumption in 2028 at a projected level of 59–65 MMT CO 2 e and phase down progressively over the following 29 years; in that case, annual Indian HFC demand would peak in 2030 at a projected 57 MMT CO 2 e and fall to 8 MMT CO 2 e by 2050. This trajectory would avoid cumulative HFC use of 2.2 GT CO 2 e through 2050 versus the current market trends. If actions are taken to accelerate the refrigerant transition in stationary air conditioning by five years, India could peak its annual HFC demand by 2028 at 40 MMT CO 2 e and avoid additional cumulative HFC demand of 337 MMT CO 2 e between 2025 and 2050, exceeding its obligations under the Kigali Amendment.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,220

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,287
Écart entre enseignants0,260 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207