Does the metric matter? Climate change impacts of light-duty vehicle electrification in the US
Notice bibliographique
Résumé
Abstract Vehicle electrification is one of the most promising climate change mitigation strategies for light-duty vehicles (LDVs). But vehicle electrification shifts the greenhouse gas (GHG) emission profiles of conventional LDVs with emissions moving upstream from vehicle use to electricity generation and vehicle production. Electric vehicle (EV) deployment needs to be examined with life cycle assessment (LCA), both at vehicle and fleet levels. Climate change assessments of EVs are usually conducted using global warming potential (GWP), a normalized metric that aggregates GHG emissions. GWP suffers from some limitations as it ignores the emission timing over the product life cycle. In this study, we examine climate change impacts of four vehicle technologies (conventional, hybrid, plug-in hybrid, and battery electric vehicles) in the US at vehicle and fleet levels using four climate change metrics (GWP, dynamic global warming impact, radiative forcing impact and global temperature change impact). One of our key findings is that while the choices of the metric, the analytical time period, and some other key parameters, such as methane leakage rate, may have substantial influences on the results, partial and full electrification remain effective solutions to reduce climate change impacts of the US LDVs. However, the transient effects that exist between GHG emissions, radiative forcing, and global temperature changes imply that climate change impact reductions of vehicle electrification take time to materialize and are overestimated with GWP. It is therefore critical to evaluate large-scale implications of climate change mitigation strategies with multiple metrics to fully capture and assess the expected benefits. We nonetheless found that GWP is a robust metric for climate change mitigation targets of vehicle electrification and remains a good choice for most analysis.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».