Decreases in global CO2 emissions due to COVID-19 pandemic
Notice bibliographique
Résumé
Assessing the impacts of COVID-19 are of paramount importance for global sustainability. Using a coordinated set of high-resolution sectoral assessment tools, we report a decrease of 4.2% in global CO2 emission in first quarter of 2020. Our emission estimates reflect near real time inventories of emissions from power generation, transportation, industry, international aviation and maritime sectors in 34 countries that account for >70% of world energy-related CO2 emissions in recent years. Regional variations in CO2 emissions are significant, with a decrease in China (-9.3%), US (-3.0%), Europe (EU-27 & UK) (-3.3%) and India (-2.4%), respectively. The decline of short-lived gaseous pollutants, such as NO2 concentration observed by Satellites (-25.73% for China, -4.76% for US) and ground observations (-23% for China) is consistent with the estimates based on energy activity (-23.94% for China, -3.52% for US), but the decline is not seen in satellite assessments of aerosol optical depth (AOD) or dry column CO2 (XCO2). With fast recovery and partial re-opening of national economies, our findings suggest that total annual emissions may drop far less than previously estimated (e.g., by 25% for China and more than 5% for the whole world). However, the longer-term effects on CO2 emissions are unknown and should be carefully monitored using multiple measures.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».