Tracking electricity use and scope2 CO2 emissions in 111 cities of Madagascar
Notice bibliographique
Résumé
Several sources related that the electricity sector emits almost a quarter of greenhouse gases each year in the world. It is therefore one of the important sectors to take into account to limit global warming. Indian Ocean cities produce significant CO2 emissions during electricity consumption. Their volume and accuracy remain practically unknown and untested. Indeed, until now, there is no methodology suggested by the researchers to evaluate Fossil Fuel carbon dioxide (FFCO2) emission, and electricity consumption in this region. Aware of these crucial problems, this study was carried out to assess and analyse CO2 emissions coming from Electricity consumption (called Scope2) in 111 cities located in the Indian Ocean from 55 Power plants between 2015 and 2022 (08 years) and in four sectors (Residential, Commercial, Industrial, and On-road). To carry out a good comparison, all the data were grouped into three categories, before the lockdown measures due to COVID-19 (2015–2018); During the COVID-19-induced lockdown period (2019–2020); and after the lockdown period (2021–2022). The results showed that the CO2 emission difference is significant in the residential and commercial sectors. It was observed that CO2 emissions increased in 2019–2022 in the residential, industrial, and on-road sectors whereas, simultaneously during the same period, it decreased in the commercial sector. During the three periods, the CO2 emissions rate was the highest in the residential sector (around 52%), and the least on-road (around 1%). The significant difference in the commercial sector suggests a decrease in electricity consumption during the peak of the pandemic due to reduced business activities. Businesses adapted to new operating conditions, such as reduced hours or enhanced energy efficiency measures, which also contributed to the change in consumption patterns.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».