Impact of Biogenic Carbon Neutrality Assumption for Achieving a Net-Zero Emission Target: Insights from a Techno-Economic Analysis
Notice bibliographique
Résumé
Global pathways limiting warming to 2 °C or below require deep carbon dioxide removal through a large-scale transformation of the land surface, an increase in forest cover, and the deployment of negative emission technologies (NETs). Government initiatives endorse bioenergy as an alternative, carbon-neutral energy source for fossil fuels. However, this carbon neutral assumption is increasingly being questioned, with several studies indicating that it may result in accounting errors and biased decision-making. To address this growing issue, we use a carbon budget model combined with an energy system model. We show that including forest sequestration in the energy system model alleviates the decarbonization effort. We discuss how a forest management strategy with a high sequestration capacity reduces the need for expensive negative emission technologies. This study indicates the necessity of establishing the most promising forest management strategy before investing in bioenergy with carbon capture and storage. Finally, we describe how a carbon neutrality assumption may lead to biased decision-making because it allows the model to use more biomass without being constrained by biogenic CO 2 emissions. The risk of biased decision-making is higher for regions that have lower forest coverage, since available forest sequestration cannot sink biogenic emissions in the short term, and importing bioenergy could worsen the situation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».