Climate change substitution factors for Canadian forest-based products and bioenergy
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
Evaluating the climate change mitigation potential of the forest sector requires a holistic approach based on forest carbon (C) sequestration, C storage in harvested wood products (HWP) and substitution on markets. High uncertainty is associated with substitution factors, that express avoided fossil greenhouse gas (GHG) emissions from the use of forest-based products in replacement of GHG-intensive materials and fossil fuels. Few studies have focused on the development of substitution factors in Canada, resulting in the use of unrepresentative generic data. Here, we provide a framework to reduce uncertainties related to substitution factors for primary wood products in a Canadian context. A life cycle assessment framework is used to quantify fossil GHG emissions for a baseline and a wood-intensive scenario. For solid product substitution, we focused on the construction sector and analyzed a range of innovative wood buildings with steel and reinforced concrete as alternative materials. We found non-weighted averages of 0.80 tC/tC for sawnwood and 0.81 tC/tC for panels. For energy substitution, we analyzed cases with different specifications on biomass product, facility type and alternative fossil fuel source in non-residential heat production and biofuel transportation sectors. We found a non-weighted average of 0.80 tC/tC for non-residential heat production and 0.51 tC/tC for biofuel transportation, that can be interpreted as 0.91 tC/tC for heavy fuel oil, 0.69 tC/tC for light fuel oil and 0.68 tC/tC for natural gas substitution. These results provide a benchmark for substitution factors in Canada, to help guide forest management strategies for climate change mitigation.
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) | 0,001 | 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 découle