MétaCan
Menu
Retour à la cohorte
Enregistrement W4414615337 · doi:10.5194/acp-25-11469-2025

Banked CFC-11 contributes to an unforeseen emission rise and sets back progress towards carbon neutrality

2025· article· en· W4414615337 sur OpenAlexaboutno aff
Heping Liu, Huabo Duan, Ning Zhang, Ruichang Mao, T. Reed Miller, Ming Xu, Jiakuan Yang, Yin Ma

Notice bibliographique

RevueAtmospheric chemistry and physics · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaGuangdong University of Petrochemical Technology
Mots-clésProduction (economics)Greenhouse gasCarbon neutralityMaterial flow analysisCarbon fibersEmissions tradingClimate change

Résumé

récupéré en direct d'OpenAlex

An unexpected rise of trichlorofluoromethane (CFC-11) emissions has undermined the efforts behind the Montreal Protocol. However, the sources of these increased emissions, from CFC-11 banks to unreported production, remain contentious. Here, we enhanced the bottom-up dynamic material flow analysis model to characterize the stocks and flows of CFC-11, retrospectively and prospectively from 1950 to 2100. We find that dynamic changes in bank-related emissions could have led to an increased CFC-11 emissions from 2014 to 2018, implying an overestimation of unreported production. Under Scenario 2 (mid-range unreported production levels), long-term emission of banked CFC-11 will accumulate to 980 (600–1500) kilotons (kt), equivalent to 4.7 (2.9–7.1) gigatons (Gt) CO 2 , between 2025 and 2100. Scenario analysis highlights the potential to reduce up to 50 % of emissions through optimized end-of-life (EoL) management strategies. Our results call for further investigation into the lifespan and EoL processes of products containing ozone-depleting substances (ODSs) to reconcile emission estimates derived from bottom-up and top-down modeling approaches. The modeling approach could also be applied to estimate and project the bank-related emissions and impacts of other ODSs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,266
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetClimate Change Policy and EconomicsTravaux en français237 207