Economic Input−Output Life-Cycle Assessment of Trade Between Canada and the United States
Notice bibliographique
Résumé
With increasing trade liberalization, attempts at accounting for environmental impacts and energy use across the manufacturing supply chain are complicated by the predominance of internationally supplied resources and products. This is particularly true for Canada and the United States, the world's largest trading partners. We use an economic input-output life-cycle assessment (EIO-LCA) technique to estimate the economy-wide energy intensity and greenhouse gas (GHG) emissions intensity for 45 manufacturing and resource sectors in Canada and the United States. Overall, we find that U.S. manufacturing and resource industries are about 1.15 times as energy-intensive and 1.3 times as GHG-intensive as Canadian industries, with significant sector-specific discrepancies in energy and GHG intensity. This trend is mainly due to a greater direct reliance on fossil fuels for many U.S. industries, in addition to a highly fossil-fuel based electricity mix in the U.S. To account for these differences, we develop a 76 sector binational EIO-LCA model that implicitly considers trade in goods between Canada and the U.S. Our findings show that accounting for trade can significantly alter the results of life-cycle assessment studies, particularly for many Canadian manufacturing sectors, and the production/consumption of goods in one country often exerts significant energy- and GHG-influences on the other.
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 | 0,001 | 0,000 |
| 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 | 0,010 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».