Cities and greenhouse gas emissions: moving forward
Notice bibliographique
Résumé
Cities are blamed for the majority of greenhouse gas (GHG) emissions. So too are more affluent, highly urbanized countries. If all production-and consumption-based emissions that result from lifestyle and purchasing habits are included, urban residents and their associated affluence likely account for more than 80 per cent of the world’s GHG emissions. Attribution of GHG emissions should be refined. Apportioning responsibility can be misguided, as recent literature demonstrates that residents of denser city centres can emit half the GHG emissions of their suburban neighbours. It also fails to capture the enormous disparities within and across cities as emissions are lowest for poor cities and particularly low for the urban poor. This paper presents a detailed analysis of per capita GHG emissions for several large cities and a review of per capita emissions for 100 cities for which peer-reviewed studies are available. This highlights how average per capita GHG emissions for cities vary from more than 15 tonnes of carbon dioxide equivalent (tCO2e) (Sydney, Calgary, Stuttgart and several major US cities) to less than half a tonne (various cities in Nepal, India and Bangladesh). The paper discusses where GHG emissions arise and where mitigation efforts may be most effective. It illustrates the need to obtain comparable estimates at city level and the importance of defining the scope of the analysis. Emissions for Toronto are presented at a neighbourhood level, city core level and metropolitan area level, and these are compared with provincial and national per capita totals. This shows that GHG emissions can vary noticeably for the same resident of a city or country depending on whether these are production- or consumption-based values. The methodologies and results presented form important inputs for policy development across urban sectors. The paper highlights the benefits and drawbacks of apportioning GHG emissions (and solid waste generation) per person. A strong correlation between high rates of GHG emissions and solid waste generation is presented. Policies that address both in concert may be more effective as they are both largely by-products of lifestyles.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,008 | 0,029 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,006 |
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 ».