Environmental Impact Assessment Of Household Consumption
Notice bibliographique
Résumé
In this article, we analyse the environmental impact of household consumption in terms of the material, water and land use requirements, as well as greenhouse gas (GHG) emissions, associated with the production and use of products and services consumed by these households. Using the new EXIOBASE 2.2 multi-regional input-output database, which describes the world economy at the detail of 43 countries, 5 rest-of-the-world regions and 200 product sectors, we are able to trace the origin of the products consumed by households and represent global supply chains in 2007. We highlight the importance of environmental pressure arising from households with their consumption contributing to more than 60% of global GHG emissions and between 50% and 80% of total land, material and water use. The footprints are unevenly distributed across regions with wealthier countries generating the most significant impacts per capita. Elasticities suggest a robust and significant relationship between households’ expenditure and their environmental impacts, driven by a rising demand of non-primary consumption items. Mobility, shelter and food are the most important consumption categories across the environmental footprints. Globally, food accounts for 48% and 70% of household impacts on land and water resources respectively, with consumption of meat, dairy and processed food rising fast with income. Shelter and mobility stand out with high carbon and material intensity, whereas the significance of services for footprints relates to the large amount of household expenditure associated with them.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,026 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».