Notice bibliographique
Résumé
Abstract. Ocean alkalinity enhancement (OAE) is an emerging strategy that aims to mitigate climate change by increasing the alkalinity of seawater. This approach involves increasing the alkalinity of the ocean to enhance its capacity to absorb and store carbon dioxide (CO2) from the atmosphere. This chapter presents an overview of the technical aspects associated with the full range of OAE methods being pursued and discusses implications for undertaking research on these approaches. Various methods have been developed to implement OAE, including: the direct injection of alkaline liquid into the surface ocean, dispersal of alkaline particles from ships, platforms or pipes, the addition of minerals to coastal environments, or the electrochemical removal of acid from seawater. Each method has its advantages and challenges, such as scalability, cost-effectiveness, and potential environmental impacts. The choice of technique may depend on factors such as regional oceanographic conditions, alkalinity source availability, and engineering feasibility. This chapter considers electrochemical methods, the accelerated weathering of limestone, ocean liming, the creation of hydrated carbonates, and the addition of minerals to coastal environments. In each case, the technical aspects of the technologies are considered and implications for best-practice research are drawn. The environmental and social impacts of OAE will likely depend on the specific technology and the local context in which it is deployed. Therefore, it is essential that the technical feasibility of OAE is undertaken in parallel with, and informed by, wider impact assessments. While OAE shows promise as a potential climate change mitigation strategy, it is essential to acknowledge its limitations and uncertainties. Further research and development are needed to understand the long-term effects, optimize techniques, and address potential unintended consequences. OAE should be viewed as complementary to extensive emission reductions, and its feasibility may be improved if it is operated using energy and supply chains with minimal CO2 emissions.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,023 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,243 | 0,192 |
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 ».