MétaCan
Menu
Back to cohort
Record W7112296148

GHG emissions of a WWTP. Methods and methodologies for future calculations. Case Study with the Glanua Group Ltd.

2024· dissertation· en· W7112296148 on OpenAlexaboutno aff

Bibliographic record

VenueUniversidade Nova de Lisboa's Repository (Universidade Nova de Lisboa) · 2024
Typedissertation
Languageen
FieldEnvironmental Science
TopicEnvironmental Policies and Emissions
Canadian institutionsnot available
Fundersnot available
KeywordsWork (physics)Greenhouse gasMedium termProcess (computing)
DOInot available

Abstract

fetched live from OpenAlex

Aumento das emissões de gases com efeito de estufa, contribuindo para o aquecimento global através do efeito de estufa. As ETAR são responsáveis por emissões de GEE durante várias fases dos seus processos, tornando a quantificação e inventariação exactas dessas emissões essenciais para os esforços de mitigação. Este estudo centra-se na quantificação das emissões das ETARs utilizando três metodologias consagradas, avaliando o seu desempenho e aplicabilidade. As metodologias utilizadas foram: Refinamento de 2019 das diretrizes do IPCC de 2006 e a Ferramenta de Inventário de GEE, que calculam as emissões usando factores de emissão e foi aplicada a dados de quatro ETARs reais em Toronto e, o Modelo de Bridle, um modelo matemático para quantificação de emissões, que foi aplicado a quatro cenários hipotéticos. Os resultados revelaram conhecimentos fundamentais. A metodologia do IPCC demonstrou que as ETAR maiores emitem mais GEE em geral, dada a sua dependência de cálculos orientados para a escala. A Ferramenta de Inventário de GEE assinalou que, embora a maior estação tivesse as emissões totais mais elevadas, uma ETAR com 3 vezes menos população produziu as emissões per capita mais elevadas devido à utilização de processos de tratamento complexos. O modelo Bridle forneceu uma perspetiva granular, mostrando como populações mais pequenas e a complexidade dos processos podem amplificar as emissões per capita. Esta investigação conclui que as ETAR contribuem significativamente para as emissões de GEE, necessitando de métodos de quantificação rigorosos para apoiar estratégias de mitigação. Embora os métodos existentes tenham pontos fortes - como a simplicidade e a acessibilidade - também enfrentam desafios, como estudos limitados para validação e aplicação. Entre as ferramentas, a Ferramenta de Inventário de GEE surgiu como a mais prática para instalações operacionais, enquanto o Modelo Bridle é mais adequado para as fases de planeamento e seleção de processos. Além disso, este estudo realça o potencial do dióxido de carbono, muitas vezes negligenciado nos inventários de GEE, para se tornar um foco de investigação futura devido à presença crescente de fontes de carbono não fósseis, como detergentes e PFAs, nos efluentes das ETAR. Este trabalho contribui para o avanço da gestão sustentável das águas residuais e alinha-se com os novos regulamentos da União Europeia que visam a neutralidade energética e a redução das emissões até 2045.

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 machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.048
Threshold uncertainty score0.096

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.002
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.004
Science and technology studies0.0010.000
Scholarly communication0.0010.001
Open science0.0020.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0180.005

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.

Opus teacher head0.026
GPT teacher head0.328
Teacher spread0.302 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreMethods

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".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueUniversidade Nova de Lisboa's Repository (Universidade Nova de Lisboa)Same topicEnvironmental Policies and EmissionsFrench-language works237,207