MétaCan
Menu
Retour à la cohorte
Enregistrement W4285388137 · doi:10.1038/s41467-022-31729-y

Contrasting suitability and ambition in regional carbon mitigation

2022· article· en· W4285388137 sur OpenAlexaff
Yu Liu, Mingxi Du, Qi Cui, Jintai Lin, Yawen Liu, Qiuyu Liu, Dan Tong, Kuishuang Feng, Klaus Hubacek

Notice bibliographique

RevueNature Communications · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesXi’an Jiaotong UniversityNational Natural Science Foundation of ChinaXi'an Jiaotong University
Mots-clésCarbon fibersEnvironmental scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Substantially enhancing carbon mitigation ambition is a crucial step towards achieving the Paris climate goal. Yet this attempt is hampered by poor knowledge on the potential cost and benefit of emission mitigation for each emitter. Here we use a global economic model to assess the mitigation costs for 27 major emitting countries and regions, and further contrast the costs against the potential benefits of mitigation valued as avoided social cost of carbon and the mitigation ambition of each region. We find a strong negative spatial correlation between cost and benefit of mitigating each ton of carbon dioxide. Meanwhile, the relative suitability of carbon mitigation, defined as the ratio of normalized benefit to normalized cost, also shows a considerable geographical mismatch with the mitigation ambition of emitters indicated in their first submitted nationally determined contributions. Our work provides important information to improve concerted climate action and formulate more efficient carbon mitigation strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,348
Score d'incertitude au seuil0,359

Scores Codex et Gemma par catégorie

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

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 Opus0,088
Tête enseignante GPT0,284
Écart entre enseignants0,195 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations36
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetClimate Change Policy and EconomicsTravaux en français237 207