Shore power mitigates the prevailing carbon leakage driven by maritime market-based measures: A dynamic system interpretation
Notice bibliographique
Résumé
Implementing market-based measures (MBMs) to manage maritime carbon emissions is a policy approach to reduce greenhouse gas (GHG) emissions in the shipping industry. However, as cargo shipping is significantly exposed to international trade, regional carbon pricing could lead to carbon leakage, undermining policy effectiveness. Adopting low-cost alternative energies is one method to mitigate maritime carbon leakage. Shore power, which converts ship auxiliary engines to land-based energy sources, is recognized for its ability to reduce emissions. However, its broader adoption is hindered by high costs. To address the execution risks of maritime MBMs and the investment barriers to energy transition, this study simulates cost control and carbon leakage risk under a regional emission trading system with the participation of shore power. Utilizing the Quebec Emission Trading System as an experimental example, a policy-improved system dynamics model simulates the feedback among government, container shipping companies, and port. The results indicate that shipping companies could achieve stable profits over time with more than a 40% shore power upgrade rate, while GHG emissions would be reduced by at least 30%. Governments and ports should advance shore power coverage at container berths to eliminate carbon leakage risk under a stringent maritime MBM with high emission reduction targets. • A policy-driven port system simulation with maritime carbon pricing was conducted. • Shore power mitigates carbon leakage caused by maritime emission policies. • Ports will receive long-term returns from shore power upgrade. • Fuel price is a key factor affecting the performance of green port system.
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 ».