Multi-region Input-Output-based Carbon and Energy Footprint Analysis of U.S. Manufacturing
Notice bibliographique
Résumé
In this research, U.S. manufacturing activities' life cycle-based carbon and energy footprint impacts have been quantified, taking international trade linkages with the rest of the world into account. The U.S economy has been integrated into a multi-region input-output (MRIO) life cycle assessment framework where total of 40 major economies, including the USA, China, Russia, and others, plus the rest of the world (ROW) were modelled to assess global energy and carbon footprint impacts. Each country's economy is assumed to compromise 35 major industries based on the WIOD database classification. A total of 1435 (41 × 35 = 1435) industries has therefore been taken to represent the global structure of the world economy. The novelty of the approach is that the MRIO model has been developed in a stochastic fashion, plus global trade-linked uncertainties have also been taken into consideration. Top carbon emitting and energy consumer industries and countries have been analysed using data analytics and statistical modelling methods. The results show that the USA is the largest contributor to the total carbon footprint (CFP) and the total energy footprint (EFP) with 81.73% and 84%, respectively. Moreover, the agriculture/hunting forestry/fishing sector and the electricity/gas/water supply sectors dominate the overall U.S. carbon footprint, contributing 22% and 21.28%, respectively. The coke/refined petroleum/nuclear fuel sector has the largest share of the total energy footprint, with 47.9% of the total impacts.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».