Meeting Carbon Dioxide Removal Demand in 2030: The Potential of Macroalgae Cultivation and Harvest
Notice bibliographique
Résumé
A growing number of countries have announced net-zero and net-negative emissions targets, but only a few countries provide incentives for carbon dioxide removal (CDR). We derive estimates of countries' hypothetical demand for CDR in 2030 based on their emissions reduction targets under the Paris Agreement. The aggregated average global demand for CDR in the compliance year 2030 is 1064 MtCO2, 353 MtCO2, and 124 MtCO2 for the low, medium, and high-cost CDR scenarios, respectively. This demand comes exclusively from countries and regions with relatively high GDP per capita, relatively high abatement costs and a limited supply of removals from afforestation. In a scenario with full international emissions trading, CDR demand until 2030 would drop to zero. Thus, the near-term demand for CDR is primarily driven by fragmented, inefficient climate policies. As there will be no functioning system of international emissions trading in the near future, regions with ambitious climate targets and high abatement costs, such as Canada, Japan, the United Kingdom, and the European Union, will already have significant CDR demand in 2030. Marine CDR methods such as macroalgae cultivation and harvesting could make a small but relevant contribution to meeting this demand. However, given the lead time required to achieve reasonable carbon sequestration efficiencies, a forward-looking climate policy would begin to incentivize and develop such methods now, so that areas within countries' exclusive economic zones can be developed for this purpose.
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 | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».