MétaCan
Menu
Retour à la cohorte
Enregistrement W4406128139 · doi:10.3389/fclim.2024.1506181

Perspectives and challenges of marine carbon dioxide removal

2025· article· en· W4406128139 sur OpenAlexaff
Andreas Oschlies, Lennart T. Bach, Katja Fennel, Jean‐Pierre Gattuso, Nadine Mengis

Notice bibliographique

RevueFrontiers in Climate · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensDalhousie University
Organismes subventionnairesHORIZON EUROPE Framework ProgrammeBundesministerium für Bildung und ForschungEuropean Commission
Mots-clésEnvironmental scienceGreenhouse gasCarbon dioxideSeawaterEnvironmental resource managementBusinessEnvironmental protectionNatural resource economicsOceanographyEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

The Paris Agreement to limit global warming to well below 2°C requires drastic reductions in greenhouse gas emissions and the balancing of any remaining emissions by carbon dioxide removal (CDR). Due to uncertainties about the potential and durability of many land-based approaches to deliver sufficient CDR, marine CDR options are receiving more and more interest. We present the current state of knowledge regarding the potentials, risks, side effects as well as challenges associated with technical feasibility, governance, monitoring, reporting and accounting of marine CDR, covering a range of biotic and geochemical approaches. We specifically discuss to what extent a comparison with direct injection of CO 2 into seawater, which had been proposed decades ago and is now prohibited by international agreements, may provide guidance for evaluating some of the biotic marine CDR approaches.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,207

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 Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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'étudeObservationnel
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

Citations37
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ClimateMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207