Assessing the effectiveness of ocean alkalinity enhancement on carbon sequestration and ocean acidification
Notice bibliographique
Résumé
As atmospheric carbon dioxide (CO2) levels continue to rise, increasing attention is focussed mitigation techniques that could enhance the natural draw down of CO2. One such mitigative intervention is ocean alkalinity enhancement (OAE). OAE involves dissolving alkaline materials into ocean surface waters to increase its natural CO2 buffering capacity. Limestone and lime have received the most attention given their widespread availability. Here, we address the order one policy-relevant question of whether OAE represents a viable CO2 removal solution to global warming. We use the UVic Earth System Climate Model to explore the potential of OAE interventions under representative concentration pathways (RCPs) 2.6, 4.5, 6.0, and 8.5. For each RCP, we undertake three OAE interventions. First, we assume that the global annual production of limestone is crushed and uniformly distributed across and immediately disassociates in the surface waters of the global ocean. Second, we assume that the global production of limestone is converted to lime with the CO2 released in this process being added to the atmosphere. In the third intervention, we repeat the second intervention but sequester the CO2 arising from lime production. Our results suggest that CaCO3-based OAE interventions have little potential for mitigating global warming given the restraint of the current world’s output of limestone from mining.
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 | 0,003 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».