Évolution des émissions du dioxyde de carbone à Rosemont : utilisation du bioéthanol dans des bus de la société de transport de Montréal
Bibliographic record
Abstract
Le transport est majoritairement responsable de l’émission de gaz à effet de serre (GES) dans certains milieux urbains notament certaines localités québécoise, entre autres Montréal. De nos jours, l’utilisation du biocarburant comme combustible dans les transports en commun est perçue comme un moyen de réduction des GES (Amela et al, 2017). Cette étude vise à transcender au-delà de la perception tout en observant les quantités d’émissions polluantes (principalement le CO2) selon l’utilisation de bioéthanol à Rosemont à travers un scénario de base bien défini. Les différentes étapes considérées dans le scénario sont la collecte, le transport et l’utilisation du bioéthanol. En effet, il est difficile de considérer les émissions de CO2 tout en ayant une vision globale. La démarche suivie dans cette analyse tient compte du bilan carbone de l’utilisation du carburant E20 dans les bus de la STM. La biomasse utilisée pour la production du bioéthanol est essentiellement les déchets (feuilles et branches) de la végétation urbaine de Rosemont dont la frontière temporelle est estimée à une année. \n \nLes résultats montrent qu’en mélangeant 20% en volume de bioéthanol (E20) et 80% en volume de combustible fossile (essence) dans les bus de la STM de Rosemont, le CO2 émis baisse de 13,3% par rapport à des bus qui utiliserait uniquement de l’essence. Il faut noter que les émissions du au transport de la biomasse sont négligeables (soit 0,026% des émissions de CO2 initiale des bus de la STM consommant que de l’essence). Les productions des biocarburants permettent de ressortir le besoin en biomasse qui y est assorties au besoin des bus. Ainsi l’abondance de la biomasse serait l’élément clé de la viabilité de la production de bioéthanol, en même temps du potentiel de réduction de CO2. L’étude de sensibilité réalisée avec le logiciel VENSIM admettant uniquement une utilization globale de bioéthanol (100% en volume) confirme que l’utilisation de bioéthanol réduit les émissions de CO2 mais parviendrait également à les supprimer. Ce qui s’explique par le fait que les émissions de CO2 dû à la consommation de E100 sont absorbées par les arbres pendant leur photosynthèse. \n \nL’utilisation du bioéthanol pourrait se répendre au-delà des bus de la STM, la biomasse apparaissant comme une mine future. Les camions de transports de biomasse pourraient donc se déplacer avec du bioéthanol, afin d’éviter leur émissions de CO2 (aussi minime soit elle) par la consommation de carburant fossile. Toutefois, la réalisation d’une étude nécessite complète à la fois la prise en compte des aspects environnementaux, économiques et sociaux. Ce qui n’est pas totalement le cas dans cette étude qui est axée sur des aspects environnementaux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.006 | 0.004 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".