Decarbonizing British Columbia's (<scp>BC</scp>'s) marine sector by using low carbon intensive (<scp>CI</scp>) biofuels
Notice bibliographique
Résumé
Abstract The long‐distance transport sector will not be easily electrified. Aviation will primarily use sustainable aviation fuels (SAF) to meet its decarbonization targets. Although marine will also be hard to decarbonize this sector has several lower carbon‐intensive (CI) fuel options such as electric‐hybrids, liquefied natural gas (LNG), ‘green’ methanol, ammonia, hydrogen, and biobased fuels. The advantages of using these latter fuels are their ready integration into much of the existing infrastructure, their availability, their use in today's marine engines, substantial carbon emission reductions, and established supply chains. However, there will be increasing competition for the oleochemical/lipid feedstocks from the trucking and aviation sector, while the cost, availability, and overall sustainability of these biofuels are problematic. In the longer term, it is hoped that biomass‐derived biocrudes produced via thermochemical processes such as pyrolysis, hydrothermal liquefaction (HTL) and gasification will supplement the lipid feedstocks and be more sustainable, cheaper, and plentiful. The robustness of marine engines is also conducive to the direct use of straight vegetable oils (SVO) and biocrudes. However, ‘enabling’ policies such as the British Columbia low carbon fuels standard will be required to bridge the initial price gap between fossil and low‐CI fuels while the international nature of most marine traffic will require agreement on how the life cycle analysis (LCA) is determined.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».