A Review of Cradle-to-Gate Greenhouse Gas Emission Factors for Canada’s Harvested Wood Products
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 CO2 equivalent [CO2eq] per m3 HWP) while I-joists produced the highest (218.55 kg of CO2eq per m3 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.
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,049 | 0,059 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».