Ready-to-use and advanced methodologies to prioritise the regionalisation effort in LCA
Notice bibliographique
Résumé
The spatial dimension is an important aspect in life cycle assessment (LCA). Indeed life cycle processes, and therefore also elementary flows, are most likely to be geographically scattered due to global supply chains. The environmental impacts related to an elementary flow can be different across the globe depending on the spatial variability of ecosystem sensitivity. Integrating spatial dimension seems to be a promising way to increase LCA results’ reliability by reducing spatial uncertainties. LCA regionalisation refers to the integration of the spatial variability that really exists to improve result representativeness and reduce spatial uncertainties. As regionalisation requires additional effort for LCA practitioners, it is necessary to ensure the interest of such an effort and to prioritise it. This work proposes two methodologies to prioritise the regionalisation effort in LCA depending on the decision context and the type of study. They allow the selection of impacts, processes and regionalisation aspects that LCA practitioners need to focus on. The first one is a ready-to-use methodology and the second one involves more advanced tools based on spatial uncertainty analysis. The proposed methodologies are stepwise. The ready-to-use methodology involves tools that are already used by LCA practitioners and is based on impact contribution analysis. Regarding the advanced methodology, most relevant impact categories and processes to be further investigated for regionalisation are selected according to their impact contribution and their uncertainty level by using Monte Carlo simulation and regression analysis. The regionalisation effort is estimated depending on the confidence level required for the case study. The relevance and limits of each methodologies are investigated. Results underline the importance to take into account both impact and uncertainty contributions to select processes that need to be regionalised. The proposed methodologies highlight the need to focus on the goal and scope at the early stages of a study in order to clearly identify the intended audience and its requirements regarding study quality. A dialogue with the decision maker during the study would be beneficial. Those approaches can be relevant for other types of uncertainty but should be adapted.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».