Road Transport and Urban Mobility Greenhouse Gas Emissions Factor for Air Pollution Modeling in Burkina Faso
Notice bibliographique
Résumé
The road transportation sector is one of the largest contributors to fossil fuel consumption, while the energy sector being the greatest consumer overall. Urban growth increases transport and mobility demands to meet human needs. Few studies exist on greenhouse gas emission factors in developing countries. This study assessed and modeled greenhouse gas emissions factors with fossil fuel implications in road transport including urban mobility in Burkina Faso. The methodology entails the development of a bottom-up model to estimate fuel demand and emission factors under the IPCC 2006 guideline. It assesses greenhouse gases by establishing the specific emission factors using Ouagadougou City as a site of emission data processing. The analysis has included satellite NO 2 emission data. The city suffers from significant gas emissions and air pollutants resulting from the high vehicle fleet growth and fuel consumption. Indeed, the transport sector consumes 89 % of fossil fuels sold in Burkina Faso. There is an average carbon dioxide (CO2) emission factor of 3.7623 kg/l and 3.270 kg/l for diesel and gasoline vehicles, respectively. Thus, in 2019, gasoline and diesel accounted for 71 % and 21 % of total fuel consumption respectively, and produced a total amount of 1034 513.84 tons of CO2 (1034.5 GgCO2). In the business-as-usual condition, an average annual CO 2 production of 213.71 thousand tons is simulated from 2019 to 2040. A total emission of 4 486 559.34 tons (4486.64 GgCO2) by 2040 is expected with a share of 62 % for gasoline and 38 % for diesel. With an average emission of 1.89 mol/m2, the satellite tropospheric nitrogen dioxide concentration is mostly affecting the Central Business Division (CBD) of Ouagadougou City. It corresponds to 56 µg.m-3 which is beyond the WHO standard of annual average exposure. Thus, these findings alert the need for urgent environmental regulations and climate change mitigation actions for sustainable mobility.
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 | 0,001 | 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) | 0,000 | 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 ».