Greenhouse Gas Emission Reduction Based on Social Recycling: A Case Study with Waste Picker Cooperatives in Brasília, Brazil
Notice bibliographique
Résumé
Solid waste is a major contributor to climate change due to the release of greenhouse gases (GHGs) during the decomposition of waste. As a consequence, waste should be avoided, and an appropriate destination should be given to all materials that are discarded. While not the only strategy, recycling is a fundamental process in addressing this problem. In 2013, a study carried out with one waste picker cooperative in São Paulo has paved the way to assessing the impact of recycling on GHG emission reduction, by using the methodological tools of the Clean Development Mechanism of the United Nations Convention on Climate Change. The objective of our study is to evaluate the applicability of this methodology to different work environments, measuring greenhouse gas emission reductions and energy saving as a consequence of recycling. Our study involves three waste picker organizations located in the city of Brasília, Brazil. The three cooperatives have made secondary data for 2019 on their material input and output available. The following variables were considered: type and amount of solid waste collected, type of machines used, energy sources and transport routes. The data analysis verified that waste picker organizations significantly contribute to the reduction of greenhouse gas emissions and energy savings. We conclude that this methodology can be applied successfully to calculate emission reductions and energy savings from material recycling in different recycling contexts. Ultimately, this research recognizes the positive environmental and climate impact of the work of waste pickers, which needs to be recognized and remunerated.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».