Developing a comprehensive account of embodied emissions within the Canadian construction sector
Notice bibliographique
Résumé
Abstract Construction activities are a major driver of greenhouse gas emissions worldwide. However, the majority of construction‐driven emissions are indirect, meaning that these emissions occur during the manufacturing and transport of construction materials. This is in contrast with direct emissions, which are directly emitted from construction machinery. These indirect impacts are represented as embodied emissions and are difficult to quantify at scale, limiting the effectiveness of climate policymaking in the building sector. This paper presents results from a comprehensive account of embodied emissions within the Canadian construction sector, at a resolution far higher than existing global accounts, as well as novel analyses of flows and intensities of embodied emissions. It has the specific goal of serving as a baseline for future analyses of decarbonization scenarios and the more general goal of highlighting the importance of a consumption‐based approach to climate policymaking in the sector. The accounts are produced via an environmentally extended input–output analysis based on Canadian supply–use tables for the year 2018, and results are presented for the 13 provinces and territories as well as 19 categories of buildings and infrastructure. Results show that demand from construction drives 13% of Canada's consumption‐based emissions, residential construction is by far the largest driver of emissions, and at 0.28 kgCO 2eq per Canadian dollar of GDP, the efficiency of Canadian construction is roughly in line with the OECD average. A disproportionate share of emissions is driven by construction in provinces that are growing fast in terms of their populations, feature significant extractive industries, and feature higher emissions intensities. The construction sectors of western provinces are highly interconnected and receive a disproportionate proportion of embodied emissions from Alberta, whose high level of emissions promises to complicate decarbonization efforts. This article met the requirements for a gold‐gold JIE data openness badge described at http://jie.click/badges
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 | 0,001 | 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 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 ».