China’s carbon emission forecasts in different development models
Notice bibliographique
Résumé
China is the world's largest carbon emitter, its carbon peaking and carbon neutrality goals significantly reduce climate change and global warming problems. Although the Chinese government proposed carbon emissions will peak by 2030, how do different development models affect carbon emissions in the future? Here, we analyzed the spatial and temporal trends of carbon emissions over the past two decades. Then we constructed the STIRPAT carbon emissions model based on ridge regression analysis. Finally, one national STIRPAT model and eight STIRPAT models at the sub-regional scales were generated because the effects of population, economy, and energy consumption vary significantly across regions and periods. Meanwhile, we established nine different future development models based on various population, economy, and energy consumption levels, and forecast their carbon emissions from 2020 to 2060 by eight sub-region STIRPAT models. Our results documented that (1) China's carbon emissions significantly increased by 445.79 million-ton/yr between 2000 and 2019. Meanwhile, population, total energy consumption, and GDP were growing at a rate of 7.60 million people/yr, 185.37 million-ton/yr, and 4791.74 billion-yuan/yr, respectively. (2) Ridge regression results indicated that carbon emissions are positively influenced by population, economic growth, and energy consumption in all regions, but the degree of influence varies across sub-regions. (3) In 2060, carbon emissions will be lowest across all variables at low levels of development and highest at high levels of development. Meanwhile, low energy consumption and population levels are possibly the main directions for controlling carbon emissions in the future. The findings indicate that the carbon peak target could be achieved by 2030 by controlling population and energy consumption alone. However, relying solely on these strategies may pose significant challenges in meeting the dual carbon targets, which emphasizes the need for a scientific foundation to inform low-carbon development policies. The findings provide a scientific basis and reference for the low-carbon sustainable development in China.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».