MétaCan
Menu
Retour à la cohorte
Enregistrement W4309510079 · doi:10.1038/s41598-022-19462-4

Atmospheric observations suggest methane emissions in north-eastern China growing with natural gas use

2022· article· en· W4309510079 sur OpenAlexfundno aff
Fenjuan Wang, Shamil Maksyutov, Rajesh Janardanan, Aki Tsuruta, Akihiko Ito, Isamu Morino, Yukio Yoshida, Yasunori Tohjima, Johannes W. Kaiser, Xin Lan, Yong Zhang, Ivan Mammarella, Jošt V. Lavrič, Tsuneo Matsunaga

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésMethaneEnvironmental scienceAtmospheric methaneGreenhouse gasNatural gasMethane emissionsChinaCoalAir pollutionMethane gasAtmospheric sciencesChemistryGeographyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract The dramatic increase of natural gas use in China, as a substitute for coal, helps to reduce CO2 emissions and air pollution, but the climate mitigation benefit can be offset by methane leakage into the atmosphere. We estimate methane emissions from 2010 to 2018 in four regions of China using the GOSAT satellite data and in-situ observations with a high-resolution (0.1° × 0.1°) inverse model and analyze interannual changes of emissions by source sectors. We find that estimated methane emission over the north-eastern China region contributes the largest part (0.77 Tg CH4 yr−1) of the methane emission growth rate of China (0.87 Tg CH4 yr−1) and is largely attributable to the growth in natural gas use. The results provide evidence of a detectable impact on atmospheric methane observations by the increasing natural gas use in China and call for methane emission reductions throughout the gas supply chain and promotion of low emission end-use facilities.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,083
Score d'incertitude au seuil0,165

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,197
Écart entre enseignants0,187 · 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'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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207