Ocean Alk-Align: an international research project to assess the potential of Ocean Alkalinity Enhancement for marine Carbon Dioxide Removal
Notice bibliographique
Résumé
Of the various marine Carbon Dioxide Removal (CDR) technologies proposed to date, ocean alkalinity enhancement (OAE) has, arguably, the largest carbon removal potential. OAE has several advantages over other approaches: it does not compete for nutrient use, it is applicable to large regions of the coastal and open ocean, it can mitigate ocean acidification, and it has a high potential for permanence. Consequently, a growing number of private-sector innovators are actively pursuing OAE, leading to the potential risk that independent, non-profit-oriented research will fall behind in providing a balanced assessment of OAE.The Ocean Alk-Align project is a multi-year research effort involving an international consortium of researchers from Canada, Germany, and Australia. The project seeks to increase knowledge on three key research topics essential for OAE implementation: (1) efficiency and durability of CO2 removal; (2) environmental safety; (3) monitoring and verification. This will be done through the development and application of state-of-the-art experimental research, real-world observations, and near-field to Earth system modeling.The Ocean Alk-Align project will use a multi-scale combination of laboratory and field experimentation in addition to turbulent-, regional-, and large-scale modelling. This presentation will provide an overview of ongoing and planned activities as well as some early results.
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 | 0,004 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».