MétaCan
Menu
Retour à la cohorte
Enregistrement W7112104494

Optimising Downstream Carbon Pricing Mechanisms to Mitigate Environmental Externalities in the Fuel‑intensive Mobility Sectors

2025· other· en· W7112104494 sur OpenAlexaboutno aff

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUpstream (networking)ExternalityCarbon leakageGreenhouse gasDownstream (manufacturing)Emissions tradingCarbon priceRevenueCarbon tax
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis investigates the optimization of downstream carbon pricing mechanisms to mitigate environmental externalities in fuel-intensive mobility sectors—namely, ground transportation, maritime shipping, and industrial fisheries. Despite the pivotal role of carbon pricing in climate policy, current schemes remain predominantly upstream and often fail to directly influence fuel consumers or capture sector-specific risks and incentives. Addressing this gap, the thesis develops an integrated “pricing–incentive–risk-control” framework that systematically aligns policy stringency, economic signals, and leakage mitigation across heterogeneous transport systems. The research commences with a comprehensive review of carbon emissions trading in fuel-intensive mobility sectors, revealing that existing upstream-focused systems lack sufficient stringency and leave significant decarbonisation potential untapped at the end-user level. Building on this foundation, a life-cycle assessment of municipal waste transport under Quebec’s cap-and-trade system demonstrates that integrating full-chain carbon accounting into regional downstream trading can achieve significant emission reductions (up to 94%) and substantial cost savings (63%) when revenues are strategically recycled. These findings establish a methodological basis for extending downstream carbon pricing beyond ground transport. Recognizing the interconnectedness of global mobility networks, this thesis next examines cross-regional integration of maritime emission management through a Euro-American carbon market linkage model. The results show that coordinated allowance allocation not only curbs carbon leakage but also stabilizes market prices, highlighting the benefits of synchronized policy design across borders. However, real-world disruptions—such as the Red Sea crisis—underscore the vulnerability of carbon pricing effectiveness to geopolitical shocks, as rerouted maritime traffic temporarily elevates emissions by up to 75% and undermines policy goals. To address such risks, the thesis advances a dynamic system model illustrating how widespread adoption of shore power in ports, incentivized by market-based measures, can mitigate maritime carbon leakage by reducing auxiliary-engine emissions over a decade. Then, a geo-economic network analysis of trans-shipment routes uncovers how uneven port charge structures induce passive carbon leakage. This analysis unifies environmental externality through road, rail, port, and maritime, points to the importance of spatially differentiated transship strategies in downstream climate policy design. Extending this downstream approach to industrial fisheries, the study reveals that most major fishing nations face significant fiscal and administrative barriers to using carbon revenues as a substitute for harmful subsidies, further emphasizing the need for context-sensitive design. By connecting these sequential studies, this thesis not only develops a robust interdisciplinary framework for optimising downstream carbon pricing but also delivers actionable policy recommendations—such as unified management of market participants and leakage-responsive stakeholder charges—capable of transforming carbon pricing into a nuanced, effective tool for deep decarbonisation across diverse, fuel-intensive mobility sectors.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,256
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'étudeThéorique ou conceptuel
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 revueSpectrum Research Repository (Concordia University)Travaux en français237 207