High-ambition climate action in all sectors can achieve a 65% greenhouse gas emissions reduction in the United States by 2035
Notice bibliographique
Résumé
Under the next cycle of target setting under the Paris Agreement, countries will be updating and submitting new nationally determined contributions (NDCs) over the coming year. To this end, there is a growing need for the United States to assess potential pathways toward a new, maximally ambitious 2035 NDC. In this study, we use an integrated assessment model with state-level detail to model existing policies from both federal and non-federal actors, including the Inflation Reduction Act, Bipartisan Infrastructure Law, and key state policies, across all sectors and gases. Additionally, we develop a high-ambition scenario, which includes new and enhanced policies from these actors. We find that existing policies can reduce net greenhouse gas (GHG) emissions by 44% (with a range of 37% to 52%) by 2035, relative to 2005 levels. The high-ambition scenario can deliver net GHG reductions up to 65% (with a range of 59% to 71%) by 2035 under accelerated implementation of federal regulations and investments, as well as state policies such as renewable portfolio standards, EV sales targets, and zero-emission appliance standards. This level of reductions would provide a basis for continued progress toward the country's 2050 net-zero emissions goal.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».