A Review of Cradle-to-Gate Greenhouse Gas Emission Factors for Canada’s Harvested Wood Products
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 With the previous decade’s (2010 through 2019) greenhouse gas emissions remaining the highest on record, focus on emissions mitigation efforts is paramount. Harvested wood products (HWPs) can store carbon for various timespans depending on the product and its end uses. Life cycle inventories (LCIs) are the base for life cycle analyses (LCAs), as they represent a comprehensive catalogue of the raw data essential to complete an LCA. However, most LCI documentation is in the form of case studies of different types of HWPs, with varying LCI results that reflect varied system boundaries, case-specific conditions, and assumptions. Our goal was to conduct a systematic literature review to evaluate, analyze, and synthesize previously reported Canadian HWP data and to initiate a Canadian database based on reported cradle-to-gate HWP emission factors. HWPs were categorized as lumber, traditional structural panels, mass timber, nonstructural panels, and wood pellets. Based on our analysis, we found that softwood lumber produced the lowest cradle-to-gate emission factor (61.99 kg of CO 2 equivalent [CO 2 eq] per m 3 HWP) while I-joists produced the highest (218.55 kg of CO 2 eq per m 3 HWP). Resource extraction emissions accounted for most of the overall emissions for softwood lumber, oriented strand board, cross-laminated timber, and glue-laminated timber. Meanwhile, manufacturing accounted for most of the emissions for plywood, I-joists, cellulosic fiberboard, particleboard, and wood pellets. Substantial gaps exist in published LCI data and, when possible, publishing detailed LCI data is encouraged to support additional HWP life cycle analyses.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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