Spatially and temporally differentiated characterization factors for supply risk of abiotic resources in life cycle assessment
Notice bibliographique
Résumé
Life cycle assessment, a comprehensive tool to evaluate environmental impacts across a product's life cycle, traditionally focuses on "inside-out" impacts caused by the product on the environment, emphasizing resource use, global warming, and other environmental impacts. In contrast, the "outside-in" perspective considers resource availability and accessibility to industry. This second perspective was developed as a way to integrate raw material criticality assessment into LCA. The GeoPolRisk method assesses the supply risk based on global production concentration, import shares, political stability scores, and the average price of the commodity. This article introduces a characterization model for the GeoPolRisk method and calculates the Geopolitical Supply Risk Potential of using 46 raw materials across different countries in multiple years. The characterization factors show the highest values for precious metals, like platinum group metals (PGMs), reflecting their high market prices and concentrated production in geopolitically unstable regions. The results emphasize the significance of spatial and temporal variations in characterization factors, providing a nuanced assessment of supply risk of raw materials associated with the product system. Despite data limitations, the characterization factors offer a good estimate of the supply risk of raw materials available for use in product systems. A case study on photovoltaic laminate production highlights gallium, copper, and tin as significant contributors to supply risk. From an "outside-in" perspective, the case study demonstrates how the GeoPolRisk method complements traditional environmental indicators such as global warming, making it a valuable tool for assessing mineral resource supply risk in Life Cycle Assessment.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».