MétaCan
Menu
Retour à la cohorte
Enregistrement W4309659053 · doi:10.1177/0734242x221135259

Comparative analysis of the contribution of municipal waste management policies to GHG reductions in China

2022· article· en· W4309659053 sur OpenAlexaff
Zhe Liu, Yueying Xu, Michelle Adams, Weili Liu, Tony R. ‎Walker, Teresa Doménech, Raimund Bleischwitz, Yong Geng

Notice bibliographique

RevueWaste Management & Research The Journal for a Sustainable Circular Economy · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensDalhousie University
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésGreenhouse gasMunicipal solid wasteChinaUrbanizationWaste managementEnvironmental scienceBusinessNatural resource economicsEnvironmental engineeringEnvironmental planningEnvironmental protectionEngineeringEconomic growthGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

e with waste disposal accounting for 3.2%. With rapid urbanization trends, municipal solid waste (MSW) has become a global challenge which needs to be addressed. A large fraction of MSW such as food wastes, e-waste among others still ends up with unregulated dumps or openly burned in low-income countries. As a response, China initiated the 'zero-waste' pilot program which has been running since 2019. To investigate the potential contribution of MSW management to GHG reductions, this study selected four 'zero-waste' cities in China, namely Shenzhen, Panjin, Xining and Tongling, as case studies to assess the impacts of different MSW management policies on GHG reductions from 2015 to 2019. Results demonstrated that Shenzhen city achieved progress in reducing GHGs, which decreased by more than 40% between 2015 and 2019. This study provides policy recommendations and waste management approaches and practices to optimize MSW management and reduction of GHGs.

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)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,003
Intégrité de la recherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,333
Écart entre enseignants0,306 · 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.

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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaste Management & Research The Journal for a Sustainable Circular EconomyMême sujetRecycling and Waste Management TechniquesTravaux en français237 207