An Approach for Assessing Human Respiration CO<sub>2</sub> Emissions Using Radiocarbon Measurements and Bottom‐Up Data Sets
Notice bibliographique
Résumé
Abstract Carbon dioxide (CO2) is a major greenhouse gas in the atmosphere and has large impacts on climate change. Its fossil fuel (CO2ff) and biogenic (CO2bio) sources are well investigated, while CO2 emissions from human respiration (CO2hr), a subset of CO2bio, have received less attention. Especially as a source of carbon emissions in densely populated megacities, the role of CO2hr emissions in the carbon cycles was largely neglected. Here we fully characterize the respiratory CO2 emission rates (CERs) of Chinese people for the first time. Using the example of the megacity Beijing in China, we estimate the CO2hr emissions and present a method for quantifying its fraction in the atmospheric CO2 based on radiocarbon (14C) measurements and inventory data sets. The results show that males and females have similar age trends in CERs, but the gender difference is significant, especially between the ages of 20 and 60, the average CERs was 33% higher for males than for females (P < 0.05). The CO2hr emissions were about 22.2 ± 0.6 kt CO2 per day, which was equivalent to 7.5% of daily CO2ff emissions in winter. The proportion is likely to be twice in summer due to the seasonal fluctuations of fossil fuel emissions. More importantly, the respiratory emissions could increase atmospheric CO2 concentration by about 2 ppm, accounting for 14% ± 6% of average CO2bio concentration in winter. This study highlights the importance of human respiration in carbon emissions in megacities and has implications for a better understanding of the regional carbon budget.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».