MétaCan
Menu
Retour à la cohorte
Enregistrement W4385696873 · doi:10.1021/acs.est.3c02529

Promoting Cross-Regional Integration of Maritime Emission Management: A Euro-American Linkage of Carbon Markets

2023· article· en· W4385696873 sur OpenAlexafffundabout
He Peng, Chunjiang An, Zhikun Chen, Xuelin Tian, Yao Sun

Notice bibliographique

RevueEnvironmental Science & Technology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEuropean University Institute
Mots-clésGreenhouse gasLinkage (software)Emissions tradingBusinessCarbon leakageCompetence (human resources)Environmental economicsInternational tradeEconomics

Résumé

récupéré en direct d'OpenAlex

Reducing greenhouse gas emissions from maritime transport is an urgent topic. Some regional emissions trading systems (ETSs), buoyed by the globalized market-based measures (MBMs) plan of the International maritime organization, have initially assessed the feasibility of including maritime emissions under compliance obligations. However, including maritime emissions (which are interjurisdictional) in the existing ETSs is controversial, and globalized maritime MBMs remain elusive. Therefore, this study designed a joint bilateral maritime carbon market (BMCM) model based on the European ETS (EU-ETS) and Quebec ETS (QC-ETS). The carbon costs, speed optimization, and marginal abatement costs of three container routes under BMCM were analyzed. The results show that this Euro-American linkage achieves adequate emission coverage on specific routes and generates acceptable carbon costs for charterers. This study yields a positive result for the equal division of ETSs' exercising competence in cross-regional maritime transport and provides evidence for sector-specific ETS links based on quantitative analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,233
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations27
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207