A rise in HFC-23 emissions from eastern Asia since 2015
Notice bibliographique
Résumé
Abstract. Trifluoromethane (CHF3, HFC-23), one of the most potent greenhouse gases among hydrofluorocarbons (HFCs), is mainly emitted to the atmosphere as a by-product in the production of the ozone-depleting legacy refrigerant and chemical feedstock chlorodifluoromethane (CHClF2, HCFC-22). A recent study on atmospheric observation-based global HFC-23 emissions (top-down estimates) showed significant discrepancies over 2014–2017 between the increase in the observation-derived emissions and the 87 % emission reduction expected from capture and destruction processes of HFC-23 at HCFC-22 production facilities implemented by national phase-out plans (bottom-up emission estimates) (Stanley et al., 2020). However, the actual regions responsible for the increased emissions were not identified. Here, we estimate the regional top-down emissions of HFC-23 for eastern Asia based on in situ measurements at Gosan, South Korea, and show that the HFC-23 emissions from eastern China have increased from 5.0±0.4 Gg yr−1 in 2008 to 9.5±1.0 Gg yr−1 in 2019. The continuous rise since 2015 was contrary to the large emissions reduction reported under the Chinese hydrochlorofluorocarbons production phase-out management plan (HPPMP). The cumulative difference between top-down and bottom-up estimates for 2015–2019 in eastern China was ∼23.7±3.6 Gg, which accounts for 47±11 % of the global mismatch. Our analysis based on HCFC-22 production information suggests the HFC-23 emissions rise in eastern China is more likely associated with known HCFC-22 production facilities rather than the existence of unreported, unknown HCFC-22 production, and thus observed discrepancies between top-down and bottom-up emissions could be attributed to unsuccessful factory-level HFC-23 abatement and inaccurate quantification of emission reductions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».