Climate, Land, Energy and Water systems interactions – From key concepts to model implementation with OSeMOSYS
Notice bibliographique
Résumé
The Climate, Land, Energy and Water systems (CLEWs) approach guides the development of integrated assessments. The approach includes an analytical component that can be performed using simple accounting methods, soft-linking tools, incorporating cross-systems considerations in sectoral models, or using one modelling tool to represent CLEW systems. This paper describes how a CLEWs quantitative analysis can be performed using one single modelling tool, the Open Source Energy Modelling System (OSeMOSYS). Although OSeMOSYS was primarily developed for energy systems analysis, the tool’s functionality and flexibility allow for its application to CLEWs. A step-by-step explanation of how climate, land, energy, and water systems can be represented with OSeMOSYS, complemented with the interpretation of sets, parameters, and variables in the OSeMOSYS code, is provided. A hypothetical case serves as the basis for developing a modelling exercise that exemplifies the building of a CLEWs model in OSeMOSYS. System-centred scenario analysis is performed with the integrated model example to illustrate its application. The analysis of results shows how integrated insights can be derived from the quantitative exercise in the form of conflicts, trade-offs, opportunities, and synergies. In addition to the modelling exercise, using the OSeMOSYS-CLEWs example in teaching, training and open science is explored to support knowledge transfer and advancement in the field.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».