Cleaner the better: Macro-economic assessment of ambitious decarbonisation pathways across Indian states
Notice bibliographique
Résumé
In first of its kind, this study evaluates socio -economic impacts of two ambitious decarbonisation pathways for India (i) aligned with India's Nationally Determined Commitments (NDC) negotiated through Paris agreement in 2015 and (ii) more ambitious NDC plus decarbonisation trajectory aligned with India's recent COP26 commitments at subnational level. The analysis uses a newly developed dynamic macro-econometric regional simulation model - E3-India to evaluate changes in key economic and emission parameter due to energy transition at both national and state level for India. Impacts on emission intensity of the economy, GDP, employment and income are assessed to highlight the larger macro-economic and regional distributive impacts of existing NDC targets for India . The results provide three key insights, (i) overall socio-economic impacts of committing to an ambitious decarbonisation trajectory primarily articulated through NDCs for India will be positive, but the transition trajectory will have unequal distributive impacts across states and sectors. (ii)The NDC trajectories will have an expansive impact on the harder to abate construction sector so along with decarbonisation of energy sector, steel and cement sector would also need focussed decarbonisation measures. (iii) In absence of policies promoting ‘Just transitions’ smaller coal bearing states will be worst off, stuck with expansion of only primary and extractive mining sectors while high renewable energy potential states will show expansion in technology focussed sectors and high skilled sectors
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».