Estimating the environmental impacts of global lithium-ion battery supply chain: A temporal, geographical, and technological perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A sustainable low-carbon transition via electric vehicles will require a comprehensive understanding of lithium-ion batteries’ global supply chain environmental impacts. Here, we analyze the cradle-to-gate energy use and greenhouse gas emissions of current and future nickel-manganese-cobalt and lithium-iron-phosphate battery technologies. We consider existing battery supply chains and future electricity grid decarbonization prospects for countries involved in material mining and battery production. Currently, around two-thirds of the total global emissions associated with battery production are highly concentrated in three countries as follows: China (45%), Indonesia (13%), and Australia (9%). On a unit basis, projected electricity grid decarbonization could reduce emissions of future battery production by up to 38% by 2050. An aggressive electric vehicle uptake scenario could result in cumulative emissions of 8.1 GtCO2eq by 2050 due to the manufacturing of nickel-based chemistries. However, a switch to lithium iron phosphate-based chemistry could enable emission savings of about 1.5 GtCO2eq. Secondary materials, via recycling, can help reduce primary supply requirements and alleviate the environmental burdens associated with the extraction and processing of materials from primary sources, where direct recycling offers the lowest impacts, followed by hydrometallurgical and pyrometallurgical, reducing greenhouse gas emissions by 61, 51, and 17%, respectively. This study can inform global and regional clean energy strategies to boost technology innovations, decarbonize the electricity grid, and optimize the global supply chain toward a net-zero future.
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.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle