A comprehensive set of global scenarios of housing, mobility, and material efficiency for material cycles and energy systems modeling
Notice bibliographique
Résumé
Scenario-based assessments are a useful tool to explore unknown futures and inform decision makers and the public of the consequences of different courses of action. Scenario developments in industrial ecology have focused on disparate components of the socioeconomic metabolism and case studies, and few efforts of comprehensive and cumulative scenario formulation are documented. Many important, empirically derived relationships between material cycles, end-use services, and energy use are relevant to global scenario modeling efforts, for example, of integrated assessment models (IAMs), which do not routinely describe material cycles or the life-cycle impacts of various technology shifts. These inconsistent depictions of material cycles and their environmental impacts hinder the assessment of sustainable development strategies such as demand-side sufficiency, material efficiency, and energy efficiency. We developed three highly detailed scenarios covering 20 global regions to 2060 for the service provisioning of dwelling area and personal transport grounded in salient building and vehicle operation parameters. Our scenarios are based on, and interface with, the Low Energy Demand (LED) and Shared Socioeconomic Pathways (SSP1 and SSP2) narratives. The results comprise scenario-, region-, and period-specific narratives and corresponding parameter values, including per-capita floor space and vehicle stocks, building and vehicle archetype mixes, passenger-km, vehicle-km, vehicle occupancy rates, and implementation potentials of nine material efficiency strategies. The explicit storyline extension approach presented here is an alternative to the aggregate GDP-driven or historical trend extrapolations of service or energy demands. We describe the scenario formulation processes, resulting parameters, their applications, and offer an outlook for prospective sustainability models. This article met the requirements for a Gold-Gold JIE data openness badge described at http://jie.click/badges.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».