Human Health and\nEcosystem Impacts of Deep Decarbonization\nof the Energy System
Notice bibliographique
Résumé
Global warming mitigation strategies are likely to affect\nhuman\nhealth and biodiversity through diverse cause-effect mechanisms. To\nanalyze these effects, we implement a methodology to link TIMES energy\nmodels with life cycle assessment using open-source software. The\nproposed method uses a cutoff to identify the most relevant processes.\nThese processes have their efficiencies, fuel mixes, and emission\nfactors updated to be consistent with the TIMES model. The use of\na cutoff criterion reduces exponentially the number of connection\npoints between models, facilitating the analysis of scenarios with\na large number of technologies involved. The method is used to assess\nthe potential effects of deploying low-carbon technologies to reduce\ncombustion emissions in the province of Quebec (Canada). In the case\nof Quebec, the reduction of combustion emissions is largely achieved\nthrough electrification of energy services. Global warming mitigation\nefforts reduce the impact on human health and ecosystem quality, mainly\nbecause of lower global warming, water scarcity, and metal contamination\nimpacts. The TIMES model alone underestimated the reduction of CO<sub>2eq</sub> by 21% with respect to a full account of emissions.
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 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 tête enseignante, 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 ».