Identifying Water–Energy–Carbon Links in Urban Water Sectors: A Case Study of Incheon Metropolitan City, Republic of Korea
Notice bibliographique
Résumé
Water and energy are essential resources for human life, and carbon emissions (CEs) occur in tandem with their use. Thus, water, energy, and carbon are closely inter-related. Approximately 4% of the global energy is used in urban water sectors (UWSs), which encompass various processes such as water intake, treatment, and distribution and wastewater collection and treatment, all of which consume significant energy and emit CO2. Several countries are actively working toward achieving carbon neutrality by 2050–2060. Therefore, increasing energy efficiency and reducing CEs through comprehensive evaluations of UWSs is essential. This study aimed to quantify energy consumption and CEs in UWSs and proposed a methodology for analyzing water–energy–carbon (WEC) links at the city level. By applying it to Incheon Metropolitan City (IMC), we first identified the UWSs and established a WEC database. Based on this database, the WEC consumption and emissions were analyzed by process or administrative district, and visualizations using Sankey diagrams and Geographic Information System Mapping were created to enhance their understandability. In 2021, the UWSs in IMC consumed 308,496,107 kWh of energy, representing 32.7% of the public electricity consumption of IMC, with an average energy intensity of 0.46 and 0.38 kWh/m³ for water supply systems (WSSs) and sewerage systems (SSs), respectively. Their carbon emissions totaled 315,765,358 kg CO2, accounting for 2.7% of IMC’s total carbon emissions, with an average carbon intensity of 0.21 and 0.58 kg CO2/m³ for WSSs and SSs, respectively. The proposed methodology was used to comprehensively evaluate WEC consumption and emissions in IMC. It is expected to enable relevant stakeholders to develop measures, such as water reuse and increasing renewable energy usage in water treatment and wastewater treatment plants, to build sustainable UWSs.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 | 0,000 |
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 ».