Carbon Footprint Analysis of the Freight Transport Sector Using a Multi-Region Input–Output Model (MRIO) from 2000 to 2014: Evidence from Industrial Countries
Notice bibliographique
Résumé
Freight transportation performs a critical role in the supply networks of the global economy and is heavily influenced by the activities of the industrial and manufacturing sectors, contributing significantly to their global carbon footprint (CFP). This research evaluates the lifecycle-based CFP emissions of freight transport activities in seven selected countries (China, Japan, the United States, Canada, Brazil, Great Britain, and Germany) over fifteen years, considering international trade linkages with the rest of the world. In the literature, most researchers have investigated the CFP of the transportation sector in general or analyzed the CFP of two or three countries, such as the USA and China. However, this research is novel in that it examines the CFP of the freight transport sectors of the seven biggest industrial countries. In addition, a positive relationship was found between the CFP and the gross domestic product (GDP), population, level of urbanization, and area of these countries. Therefore, this study investigates the relationship between global CFP, GDP, population, level of urbanization, and country area. A total of 15 stochastic model-based multi-regional input–output lifecycle assessments were built for each country, comprising 35 key industries. Statistical modeling tools were used to assess carbon emissions. The results show that China is the largest contributor to the freight-related CFP, while the U.S. is the second largest. The manufacture of coke and refined petroleum products represents the dominant sector. In contrast, warehousing and support activities have the most significant contributions in Germany and Great Britain. Land transport and transport via pipelines contribute the most to Canada’s CFP. The results of the regression analysis show that there is a positive relationship between the investigated variables.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».