MétaCan
Menu
Retour à la cohorte
Enregistrement W4401518764 · doi:10.1080/14693062.2024.2390520

Retrofitting homes in Ontario entails significant embodied emissions: new policies needed

2024· article· en· W4401518764 sur OpenAlexaffabout
Heather McDiarmid, Paul Parker

Notice bibliographique

RevueClimate Policy · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasRetrofittingBuilding envelopeElectricityIncentiveEnvironmental scienceInvestment (military)Environmental economicsBusinessCarbon offsetNatural resource economicsEmbodied energyWaste managementEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Emissions reduction policies and programs should consider both the operational emissions reduction from single family home retrofits and the embodied emissions of the retrofit materials. This is because it can take 0.9–10.1 years before the emissions savings from building envelope upgrades in a gas-heated home equal the embodied emissions from the materials used. The wide range reflects the range of embodied emissions for different insulation and window replacement options. Heat pumps also have significant embodied emissions from their manufacture and from refrigerant leaks, but it takes less than two and a half years of operations in Ontario to offset the emissions investment relative to heating with a gas furnace. We recommend that Canada accelerate the phase out of insulation materials with high embodied emissions and increase incentives for window replacements. Programs and policies should also consider the age of the home and the potential energy savings when recommending building envelope improvements to maximize the total emission reduction potential. Finally, heat pumps should be promoted in all homes where low carbon electricity is available because this is the simplest and most effective way to reduce carbon emissions, especially when embodied emissions are considered.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,961

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,253
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClimate PolicyMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207