The need to explore the potential of marine CDR – A guide for policy makers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Limiting global warming to 1.5°C or 2°C in the midst of a climate emergency requires rapid, deep, and sustained emission reductions, alongside annual CDR at the billion-tonne (Gt) scale. CDR is essential for addressing hard-to-abate, residual emissions and reducing atmospheric CO₂. Achieving the billion-tonne CDR target demands a holistic approach that includes both land and ocean – which we term One-Earth CDR. One-Earth CDR is critical because all CDR methods face a "CDR tax" due to feedbacks from the human-altered Earth System. These feedbacks release stored anthropogenic CO₂ from land and ocean reservoirs, which partially offsets the effectiveness of CDR. Therefore, to reach the billion-tonne goal, CDR must be applied sustainably in all feasible environments. One-Earth CDR also serves as a safeguard against over-reliance on land-based CDR, which faces challenges such as side effects (e.g., mega-fires) and sustainability limits (e.g., land and water use). Marine CDR (mCDR) using innovative methods offers a large potential for carbon storage. Proving the effectiveness and safety of mCDR will likely take at least a decade. Ensuring its integrity is crucial for verifiable CDR. Before large-scale deployment, knowledge gaps must be addressed, including risks, sustainability, scalability, cost, permanence, side effects, monitoring, verification, social acceptance, and governance frameworks.
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.
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 | 0,003 | 0,007 |
| 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 découle