Achieving China's ‘double carbon goals’, an analysis of the potential and cost of carbon capture in the resource-based area: Northwestern China
Notice bibliographique
Résumé
China has committed to achieving carbon peak by 2030 and carbon neutrality by 2060. Carbon Capture Utilization and Storage (CCUS) has great potential to help China achieve Intended Nationally Determined Contributions (INDCs) commitments. In this regard, understanding the role of CCUS in Northwestern regions in China characterized by resource-based industries and high greenhouse gas emissions , is key to support China's low carbon transition. Therefore, taking Northwestern China as an example, we applied the Stochastic Effects of Population, Affluence and Technology Regression (STRIPAT) model, Bias-corrected Least Squares Dummy Variable (LSDVC) method, and scenario analyses to reveal the potential and costs of carbon mitigation(PCCM) for the CCUS . The results show that the current detected geologic carbon sequestration capacity is estimated to be about 762.48 GT, which meets the carbon mitigation needs of CCUS under different scenarios in the Northwestern China. And the potential and cost of carbon mitigation (PCCM) of CCUS vary greatly in different scenarios in 2030. The PCCM of CCUS in Xinjiang Uygur Autonomous Region is much higher than those other provinces in Northwestern China. This study provides a convincing evidence for the Northwestern local governments to prioritize CCUS technology under ‘double carbon goals’ in China.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».