Addressing uncertainties in top-down estimates of national-scale greenhouse gas emissions across different inversion systems
Notice bibliographique
Résumé
As part of the current international effort to limit global warming, signatories to the Paris Agreement are required to quantify their greenhouse gas (GHG) emissions. Former Kyoto Annex I countries thus report their emissions annually to the United Nations Framework Convention on Climate Change (UNFCCC) . This assessment allows countries to evaluate their progress in reducing GHG emissions and their compliance with existing agreements.The general approach to quantifying GHG emissions at the national level is to use activity data and emission factors (bottom-up method). An independent quantification can be achieved with inverse modelling, which makes use of an a priori estimate, atmospheric transport models (ATM), and atmospheric measurements of GHG concentrations (top-down method). However, the accuracy and uncertainty of inverse estimates are highly dependent on several parameters and modelling choices. Consequently, inter-model variability can be significant, potentially limiting the use of this technique in policy-relevant discussions.A representative quantification of GHG emissions based on inverse modelling requires an in-depth understanding of different inverse model estimates, their uncertainties and model limitations. An intercomparison of three inverse methods and a suite of sensitivity tests were performed. This exercise considered two fluorinated gases (HFC-143a and PFC-218), which are potent GHGs with very different emission characteristics (diffuse versus point source). Both are covered under the European F-gas regulation. Additionally, HFC-143a is expected to be phased-down under the Kigali Amendment to the Montreal Protocol.We found that top-down estimates for Central and Western European countries are most sensitive to the ATM used. For gases with localised emission sources, such as PFC-218, the choice of a priori emissions and assigned model-data mismatch uncertainty are particularly relevant. For gases with widely distributed emission sources, such as HFC-143a, the emission estimates are more consistent and less sensitive to modelling choices. This detailed understanding of uncertainties in top-down estimates is then used to inform how inverse modelling can be used to support the reporting of halogenated GHG emissions at the national and European level.
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 | 0,008 | 0,017 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».