Global Warming and Atmospheric Carbon: Is Carbon Sequestration a Myth or Reality?
Notice bibliographique
Résumé
Abstract Biotic and abiotic carbon sequestration currently seems to be the only viable tools at the disposal of mankind for mitigating greenhouse gas (GHG) emissions and thus a remedy for tackling global warming challenges. This study accesses the global carbon capture and storage (CCS) programme: the level of success in its implementation and its impact using panel data from eight countries, the majority of which have begun one or more operational CCS facilities. To achieve this objective, fifteen years period time series data was sourced for the eight selected countries based on data availability, namely the United States (US), the United Kingdom (UK), Canada, China, Australia, Norway, South Africa, and Nigeria; ranging from 1990 to 2015. The panel ARDL results show that the explanatory variables, global industrial production (LIP), Electricity production (LEP), Agricultural production (LAP), transportation (LTR), and energy supply (LES) have a long-run relationship with the dependent variable (LGHG emissions). While the short-run results show that none of the variables have a significant contribution to LGHG emissions. In the long-run results, LIP and LTR significantly contribute to the reduction of LGHG courtesy of the CCS programme while LEP, LAP, and LES contribute to a rise in the LGHG emission. The cross-sectional results show that all the variables have significant impacts on LGHG in all the sampled countries except Australia. Suggesting that, the CCS programme is viable for mitigating global warming and climate change and therefore should be considered by the various countries of the world.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».