UNEP-SETAC guideline on global land use impact assessment on biodiversity and ecosystem services in LCA
Notice bibliographique
Résumé
As a consequence of the multi-functionality of land, the impact assessment of land use in Life Cycle Impact Assessment requires the modelling of several impact pathways covering biodiversity and ecosystem services. To provide consistency amongst these separate impact pathways, general principles for their modelling are provided in this paper. These are refinements to the principles that have already been proposed in publications by the UNEP-SETAC Life Cycle Initiative. In particular, this paper addresses the calculation of land use interventions and land use impacts, the issue of impact reversibility, the spatial and temporal distribution of such impacts and the assessment of absolute or relative ecosystem quality changes. Based on this, we propose a guideline to build methods for land use impact assessment in Life Cycle Assessment (LCA). Recommendations are given for the development of new characterization models and for which a series of key elements should explicitly be stated, such as the modelled land use impact pathways, the land use/cover typology covered, the level of biogeographical differentiation used for the characterization factors, the reference land use situation used and if relative or absolute quality changes are used to calculate land use impacts. Moreover, for an application of the characterisation factors (CFs) in an LCA study, data collection should be transparent with respect to the data input required from the land use inventory and the regeneration times. Indications on how generic CFs can be used for the background system as well as how spatial-based CFs can be calculated for the foreground system in a specific LCA study and how land use change is to be allocated should be detailed. Finally, it becomes necessary to justify the modelling period for which land use impacts of land transformation and occupation are calculated and how uncertainty is accounted for. The presented guideline is based on a number of assumptions: Discrete land use types are sufficient for an assessment of land use impacts; ecosystem quality remains constant over time of occupation; time and area of occupation are substitutable; transformation time is negligible; regeneration is linear and independent from land use history and landscape configuration; biodiversity and multiple ecosystem services are independent; the ecological impact is linearly increasing with the intervention; and there is no interaction between land use and other drivers such as climate change. These assumptions might influence the results of land use Life Cycle Impact Assessment and need to be critically reflected. In this and the other papers of the special issue, we presented the principles and recommendations for the calculation of land use impacts on biodiversity and ecosystem services on a global scale. In the framework of LCA, they are mainly used for the assessment of land use impacts in the background system. The main areas for further development are the link to regional ecological models running in the foreground system, relative weighting of the ecosystem services midpoints and indirect land use.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,010 | 0,005 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».