MétaCan
Menu
Retour à la cohorte
Enregistrement W4403288791 · doi:10.1088/1748-9326/ad858c

How are decarbonization policies in the US and Canada shaping low-carbon ammonia production strategies?

2024· article· en· W4403288791 sur OpenAlexaboutno aff
Yannik Schueler, Stefano Mingolla, Naomi L. Boness, Lorenzo Rosa

Notice bibliographique

RevueEnvironmental Research Letters · 2024
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAmmonia Synthesis and Nitrogen Reduction
Établissements canadiensnon disponible
Organismes subventionnairesAlfred P. Sloan Foundation
Mots-clésCarbon taxProduction (economics)Ammonia productionNatural resource economicsCarbon fibersClimate change mitigationGreenhouse gasBio-energy with carbon capture and storageBlueprintBusinessEnvironmental scienceEconomicsAmmoniaChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The US and Canada contribute to 11% (22 million tons (Mt) per year) of global ammonia production, with an additional 42 Mt of production capacity currently planned or under construction. The distinct decarbonization policies adopted by these two countries—namely production tax credits in the US and carbon taxes in Canada—lead to significantly different outcomes and implications for decarbonized ammonia production strategies. This study evaluates facility-specific production strategies for low-carbon ammonia, considering the decarbonization policies of both countries. We assess the most cost-effective strategy for low-carbon ammonia production at each facility, both with and without the influence of these policies. Our results indicate that Canada’s carbon tax incentivizes the adoption of carbon capture and storage (CCS), while the US production tax credits promote the use of wind energy and biomass coupled with CCS, to produce hydrogen for ammonia synthesis. These findings highlight a dichotomy between the impacts of tax credits and carbon taxes: production tax credits facilitate the transition to low-carbon production methods, whereas carbon taxes incentivize existing facilities to upgrade with CCS technology. These insights underscore the effectiveness of tailored policy approaches and provide a comprehensive blueprint for other regions globally seeking to transition towards low-carbon ammonia production.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,389
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,246
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetAmmonia Synthesis and Nitrogen ReductionTravaux en français237 207