Are enhanced rock weathering rates overestimated? A few geochemical and mineralogical pitfalls
Notice bibliographique
Résumé
There is considerable uncertainty when quantifying carbon dioxide removal (CDR) from enhanced rock weathering (ERW). Faster CDR rates mean ERW may significantly impact climate change mitigation, and more carbon credits will financially benefit private companies. However, overestimating CDR risks undermining ERW if meaningless carbon credits are counted. Here, we aim to contribute to the discussion of CDR quantification by describing three potential pitfalls relating to the geochemical and mineralogical compositions of rock powders. First, rock powders used for ERW are often mineralogically complex and may initially exhibit fast dissolution rates due to reactive surfaces and phases, leading to overestimating long-term CDR rates. Second, the dissolution of accessory carbonates within ERW rock powders will tend to dominate cation and dissolved inorganic carbon fluxes, which, if not identified, can be misconstrued as silicate weathering and overestimate CDR. Third, methods that rely on measuring cations may be prone to misinterpretation as cations will often not be balanced with dissolved inorganic carbon, e.g., during strong acid weathering. As another example, mineral dissolution during solid-phase testing (e.g., cation exchange) is also unrelated to carbonic acid weathering and, thus, may overestimate CDR rates. To avoid these pitfalls, we recommend (1) incorporating high-dosage test plots into ERW trials that avoid reapplication of rock powders that replenish initially fast reactivity, (2) screening rock powders for carbonate minerals using sensitive techniques and distinguishing carbonate and silicate weathering, and (3) measuring carbon to verify carbon dioxide removal. High-quality carbon credits must be durable, additional, and not overestimated.
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 | 0,000 |
| 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 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 ».