Rethinking time-lagged emissions and abatement potential of fluorocarbons in the post-Kigali Amendment era
Notice bibliographique
Résumé
The Montreal Protocol has been successful in safeguarding the ozone layer and curbing climate change. However, accurately estimating and reducing the time-lagged emissions of ozone-depleting substances or their substitutes, such as produced but not-yet-emitted fluorocarbon banks, remains a significant challenge. Here, we use a dynamic material flow analysis model to characterize the global stocks and flows of two fluorocarbon categories, hydrochlorofluorocarbons (HCFCs) and hydrofluorocarbons (HFCs), from 1986 to 2060. We assess emission pathways, time-lagged emission sizes, and potential abatement measures throughout different life cycle stages while focusing on the role of banked fluorocarbons in global and regional decarbonization efforts in the post-Kigali Amendment era. Although fluorocarbon releases are expected to decline, the cumulative global warming potential (GWP)-weighted emissions of HCFCs and HFCs are significant; these will be 6.4 (±1.2) and 14.8 (±2.5) gigatons CO2-equivalent, respectively, in 2022–2060 in our business-as-usual (BAU) scenario. Scenario analysis demonstrates that implementing currently available best environmental practices in developed economies can reduce cumulative GWP-weighted emissions by up to 45% compared with the BAU scenario. The cumulative global warming potential-weighted emissions of hydrochlorofluorocarbons and hydrofluorocarbons are significant, which will be 21.2 (±3.7) gigatons CO2-equivalent in 2022–2060 under a business-as-usual scenario.
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 | 0,001 |
| 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 ».