Constructing the Embodied Carbon Flows and Emissions Landscape from the Perspective of Supply Chain
Notice bibliographique
Résumé
From the perspective of supply chain, benchmarking the embodied carbon flows and emissions landscape is to study the carbon footprint in supply chain production and process management. On the basis of the theory of a green supply chain, this paper conducted its research through the following steps. First, a multi-level supply chain model was proposed and established, and various sectors, production and management processes, and inputs and outputs of different resources were integrated into the supply chain network, and then divided into multiple levels. Second, a multi-level embodied carbon flow and emissions model was established through the Leontief Inverse. Third, based on the operation data of forestry-pulp and paper companies, the embodied carbon flows and emissions at all levels and sectors were estimated and analyzed. Finally, the dismantling and processing methods of complex carbon network structures were explored, the hot-spot carbon sources and paths were obtained, and the low-carbon innovation and development strategies were proposed. The research results show that: (1) Supply chain is a new idea and carrier to study the spatial and state changes of carbon, and also provides a platform for spatial landscape analysis of carbon; (2) The modeling and calculation of carbon flows and emissions offer a new solution of evaluating the environmental performance of companies with high pollution and emission such as forestry-pulp and paper companies, and provide the government effective technical support to implement environmental regulations and formulate carbon emission reduction policies.
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 | 0,002 |
| 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 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».