Environmental life-cycle impacts of bitumen: Systematic review and new Canadian models
Notice bibliographique
Résumé
• Bitumen LCAs globally lack consistency, high-quality data, and sometimes transparency. • Their GWP are likely underestimated: new Canadian models range 826–1098 kgCO 2 eq/t. • Crude oil is a major contributor, fugitive emissions may raise the GWP to 2680 kgCO 2 eq/t. • Transport impacts vary highly (18–290 kgCO 2 eq/t in Canada): models must be tailored. • Robustly recommend LCA-based pavement green practices requires high-quality bitumen LCIs. Bitumen − or asphalt binder − is a major contributor to pavement environmental impacts. Nevertheless, the literature only counts scarce asphalt binder LCAs, with highly variable results. To better understand bitumen environmental impacts, we review LCAs published before 2024. Then, we build bitumen LCA models for different Canadian markets, using TRACI 2.1 and ecoinvent v3.6. The carbon footprint of Canadian asphalt binders ranges within [826–1098] kgCO 2 eq/t (potentially up to 2680 kgCO 2 eq/t when including fugitive emissions). Crude oil extraction is the main contributor to most life cycle environmental impact categories, but likely still underestimated. Transportation impacts can vary highly ([18–291] kgCO 2 eq/t in Canada). Models for these two hotspots must be tailored. Finally, we critically compare the carbon footprints of all published virgin asphalt binders LCAs: previous carbon footprints range within [143–637] kgCO 2 eq/t and are very likely underestimated. Previous pavement LCA results must be questioned, and higher-quality LCIs urgently developed to produce robust regionalized LCA-based recommendations on pavement green practices.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».