Assessing the Mitigation Potential of Environmental Impacts From Circular Economy Strategies on an Industrial Sector and Its Value Chain: A Case Study on the Steel Value Chain in Quebec
Notice bibliographique
Résumé
This research project aims to evaluate the potential reduction of environmental impacts from circular economy strategies on an industrial sector at a regional scale with a case study on Greenhouse Gas (GHG) emissions in Quebec's steel industry and its value chain. To do so, an integrated model has been created based on the matrix approach, building on material flow analysis (MFA) tracking flows and stocks and on life cycle assessment (LCA) to compute direct (from the activity, e.g., combustion process) and indirect (from the supply chain, e.g., production of raw material inside or outside of region) emissions. This theoretical model is designed to be applied to any emissions or environmental impacts from a specific sector in a given region and enable to model the effects of circularity strategies to both flows and related environmental impacts. The overall mitigation potential of individual or combined circular economy strategies on a specific sector could thus be evaluated across its entire value chain. In the case study, a set of the most promising circular strategies applicable in the Quebec context were identified, and the GHG reduction potential within and outside the province is calculated and compared with actual emissions. Six circular strategies were analyzed acting at three different levers, namely, GHG/material (increase iron recycling rate, switch to hydrogen-based reduction production), material/product (reduce weight of vehicle, limit over-specification in building construction), and product/service (increase buildings and cars lifetime, increase car-sharing), and therefore impact rather direct or indirect emissions on different stages of the steel life cycle. Combining these six strategies into a consolidated scenario shows that a circular-driven economy allows to cut down GHG emissions of the cradle-to-gate steel industry value chain by −55%, i.e., 1.67 Mt CO 2 e. Taking into account use phase of steel, overall reductions are estimated at −6.03 Mt CO 2 e, i.e., −30% of the whole life cycle.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».