MétaCan
Menu
Retour à la cohorte
Enregistrement W7015389706

Status Review of Californiaâs Low Carbon Fuel Standard, 2011â2018 Q1\n September 2018 Issue\n

2018· article· en· W7015389706 sur OpenAlexaboutno aff

Notice bibliographique

RevueeScholarship (California Digital Library) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSAS software applications and methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiesel fuelGallon (US)GasolineRenewable energyRenewable fuelsGreenhouse gasBiogasNatural gasElectricity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

From 2011–2017, the share of alternative fuels in California’s transportation energy grew from 6.1 percent to 8.5 percent. Of alternative fuel energy, the portion coming from non-liquid fuels increased from 7.6 percent to 13.5 percent over the period.\n Through 2018 Q1, total emissions reduction requirements under the regulation were 28.9 million tons (MMT) CO2e. Actual reported emissions reductions were 38.3 MMT CO2e, representing overcompliance of 9.3 MMT CO2e, creating a system-wide credit “bank” that can be used to meet future targets.\n In 2017 and 2018 Q1, program deficits exceeded credits for the first time, by 0.1 MMT CO2e and 0.4 MMT CO2e, respectively, drawing down the credit “bank.”\n Increases in alternative fuel use and declines in carbon intensity (CI) rating came primarily from the diesel pool. Biomass-based diesel—biodiesel and renewable diesel—accounted for 0.4 percent of liquid diesel fuel by volume in 2011 and 15.6 percent in 2018 Q1. Natural gas in transportation grew 111 percent from 2011–2017 to 178.1 gasoline gallon equivalent (gge). Of this natural gas, biogas use was close to nil in 2011 but approximately two-thirds in 2017.\n Among gasoline substitutes, electricity use grew from less than 0.5 percent of alternative energy in 2011 to 4.5 percent in 2018 Q1. Use of ethanol, the largest renewable fuel by volume, remained close to a “blendwall” of 10 percent blended with gasoline.\n Prices of LCFS compliance credits (each representing 1 MMT CO2e) fluctuated. Average per- credit price increased from $20 to $80 in 2013, ranged between $20 and $30 in 2014 and 2015 under a frozen standard of 1%, rose above $100 in 2016 when the freeze was lifted, and exceeded $160 in summer 2018 as the California Air Resources Board (CARB) was in the process of adopting more stringent targets for 2030.\n LCFS amendments to be voted on at the September 26-27, 2018, CARB board meeting to take effect in 2019, include: a 2030 target of 20 percent CI reduction below 2010 levels; independent verification and monitoring of fuel pathway CI rating inputs; allowing alternative aviation fuel to generate program credits; a protocol for carbon capture and sequestration credits; credits for low- or zero-carbon intensity electricity use; requiring use of a portion of residential electricity credits to fund a statewide point-of-sale incentive program to electric vehicle (EV) buyers if such a program is approved by the California Public Utilities Commission; and introducing capacity credits for EV fast chargers and hydrogen fuel stations. The “capacity credit” provision would permit credit generation untied to current emissions reductions and favor particular fuels (those used in zero emission vehicles, which have no tailpipe emissions) for the first time.\n LCFS-like programs are in development in Canada (a Clean Fuel Standard to cover transportation, industry, and building sectors) and Brazil (the RenovaBio program focused on renewable liquid fuels and biogas). Neither plans to account for indirect land use change emissions in carbon intensity lifecycle analysis at program outset. Implementation of the Oregon and British Columbia LCFS programs is proceeding.\n \n Click here to see all the California LCFS status reviews

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)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,374

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,007

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 Opus0,013
Tête enseignante GPT0,249
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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetSAS software applications and methodsTravaux en français237 207