Fire by fire— Reaching the Paris Targets: pyrogenic carbon capture & storage for combined biochar and heat production in the Canadian North
Bibliographic record
Abstract
Les résidents des Territoires du Nord-Ouest (TNO, Canada) sont parmi les plus touchés par la crise climatique, avec une augmentation des températures de 2 à 3 fois plus élevées que la moyenne mondiale, affectant le quotidien et les infrastructures. Malgré de bonnes intentions, les conditions environnementales font de la décarbonisation du chauffage (eau chaude et espaces) un défi en raison des hivers sombres et des alternatives qui sont limitées.Cette thèse explore la littérature existante sur la capture et le stockage du carbone pyrogénique (Pyro-CCS) dans les TNO et ses facteurs d'influence, notamment des matières entrantes; le biocharbon et sa stabilité en tant que mesure d'atténuation des changements climatique; la dynamique des forêts après les incendies; et explore brièvement l'inclusion de savoirs traditionnels et autochtones dans cette source de bioénergie carbone-négative qui est explorée. Cette thèse étudie ensuite l'empreinte carbone, l'utilisation des terres et la durabilité de la Pyro-CCS à partir de granules de bois, et à partir d'arbres de feux de forêts (AFF) récoltés localement comme source de chaleur à faible teneur en carbone dans les TNO. Des facteurs d'émissions biogéniques sont utilisés dans une méthodologie d'analyse de cycle de vie (ACV) de haut niveau.Les résultats démontrent un avantage remarquable de la Pyro-CCS à partir d’AFF par rapport à d'autres sources de chauffage courantes. Avec -10,3 g CO₂ eq. MJ-1 (à partir d’AFF), et 40,9 g CO₂ eq. MJ-1 (à partir de granules de bois importées), la Pyro-CCS surpasse le mazout (83,1 g), le propane (89,9 g), le gaz naturel (79,4 g) et la combustion de biomasse (59,7 g) en termes d'émissions de gaz à effet de serre. Des scénarios de décarbonisation sont proposés, mettant en évidence la possibilité de parvenir à un chauffage carbone-négatif dans la région grâce à l'adoption de la Pyro-CCS à partir d’AFF, en n'utilisant que 2 % des surfaces annuelles brûlées, promettant ainsi une source d’énergie renouvelable et durable. Cette recherche souligne la faisabilité économique potentielle de la Pyro-CCS à partir d’AFF et appelle à un soutien supplémentaire pour de la recherche et du développement aux niveaux fédéral, territorial et municipal afin d’accélérer son déploiement à grande échelle
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".