Notice bibliographique
Résumé
Climate engineering, also known as geoengineering, refers to the deliberate large-scale intervention in Earth’s climate system with the aim of mitigating the adverse effects of climate change. As global temperatures rise and conventional mitigation strategies lag behind, interest in these technologies is growing. Climate engineering is broadly classified into two categories: Carbon Dioxide Removal (CDR) and Solar Radiation Management (SRM), each with distinct methodologies, objectives, and risk profiles. While proponents argue that these approaches may offer a critical backup plan in case of climate emergency, critics warn against their uncertain long-term impacts and ethical implications. This paper explores both the environmental and ethical dimensions of climate engineering. It analyzes key techniques under CDR and SRM, potential environmental disruptions, governance gaps, and moral challenges, including issues of consent, intergenerational justice, and equity. Real-world case studies such as the SPICE project in the UK, ocean fertilization by the Haida Nation in Canada, and Iceland’s CarbFix initiative are examined to highlight the practical, legal, and societal dilemmas posed by geoengineering. Through an interdisciplinary lens, this study argues that any advancement in climate engineering must be guided by transparent, inclusive governance frameworks that prioritize precaution, sustainability, and justice.
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 | 0,017 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,040 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,009 | 0,008 |
| 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 ».