Multi-measure pathways for achieving carbon-neutral cement production
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
Greenhouse gas (GHG) emissions from cement production continue to rise, making it the second-largest source of industrial GHG emissions. In this study, we develop a framework to evaluate several decarbonization technologies and scenarios to achieve carbon-neutral cement production. A case study for Canada was conducted using this developed framework. Decarbonization technologies are grouped into six categories (energy efficiency, fuel switching, alternative raw materials, alternative binders and chemistries, carbon capture and storage, and cement carbonation) and each is evaluated using a bottom-up technology-explicit energy model. The results show that carbon-neutral cement production can be achieved before 2050 with marginal abatement costs of −17 to −34 CAD/t CO 2 e and cumulative GHG emissions reductions of 199–242 Mt. CO 2 e, based on a carbon price of 170 CAD/t CO 2 by 2030. The results are comparable to roadmaps from other jurisdictions but with some important distinctions. Canada continues to have a higher clinker/cement ratio and lower alternative fuel consumption than other jurisdictions, meaning carbon capture and storage is expected to play a larger role in reducing GHG emissions. Furthermore, carbon neutrality cannot be achieved without carbonation or a similar offset. Therefore, it is important that all cement-producing regions begin formalizing a framework to guide the calculation of carbonation impacts and compile the information to support those calculations. Finally, a sensitivity analysis concluded that carbon pricing is required in every carbon-neutral scenario to achieve negative GHG emissions abatement costs.
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 | 0,001 | 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 découle