Incorporating social indicators for an equitable carbon budget allocation among different geographical regions
Notice bibliographique
Résumé
Abstract As the global temperature continues to rise each year, limiting global warming to 1.5 °C is increasingly becoming a challenge due to the shrinking size of the remaining carbon budget. Under the Paris Agreement, countries committed to reducing their emissions based on national circumstances and priorities. Current emission reduction approaches account for past emissions, per capita emissions, ability to pay for mitigation, and other factors. Based on these factors, researchers have recommended various ways, such as the blended approach, for allocating the remaining carbon budget. However, it does not fully account for the social conditions that play a vital role in allocating the remaining carbon budget. In response, this research formulates a way to equitably allocate the remaining carbon budget among different geographical regions based on their social conditions. It incorporates critical social indicators based on the Doughnut framework to the Contraction and Convergence (C&C) principle, a commonly used allocation mechanism in climate policy, to determine equitable carbon budget shares at the national and regional levels. The share is obtained based on the proportion of current emissions associated with social performance and the proportion of the present population for 158 countries, which are grouped into 12 geographical regions. According to the equitable allocation mechanism, regions with poor social scores are assigned greater carbon budgets and vice versa. That is, countries and regions experiencing large shortfalls in their social foundation (e.g., frequent food famine) are allowed to burn more CO2 to enable food security and rapid industrialization. Thus, this study addresses the challenges of addressing equity issues in carbon emission reduction necessary to achieve the temperature targets outlined in the Paris Agreement by introducing a robust method to account for a country’s socio-economic circumstances for an equitable allocation of the remaining carbon budget. Moreover, it establishes a reasonable benchmark for regional decision-making on climate action for countries vulnerable to climate change.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».