Quantifying material stocks in long-lived products: Challenges and improvements for informing sustainable resource use strategies
Notice bibliographique
Résumé
Material stocks in long-lived products require over half of the annual global resource extraction for their construction and maintenance, and lock in energy use through their technical and geospatial characteristics. A thorough understanding of material stocks is therefore essential to inform sustainable resource use strategies. However, despite substantial advances in material stock research in recent decades, their robust quantification remains challenging and bears considerable uncertainties. We assess the (dis)agreement of material stock estimates from 32 recent studies across global, national, and urban scales, and propose recommendations for future work. Overall, we observe medium to high divergences between studies estimating the same material stocks. For end-use categories that aggregate multiple material stocks (e.g., buildings), most global-level estimates show divergences within 140 %. At the national level, most estimates for the USA diverge by <210 %, while those for China by <550 %. At the urban level, most estimates for Beijing fall within 90 %, and for Vienna, within 70 %. For low-income countries, non-residential buildings, and individual materials, the differences are often substantially higher, highlighting the need for an improved scientific basis for policy and planning. These disparities arise from differences in system boundaries, methodology, data sources, definitions, and lack of data to capture the diversity of material stock types. To robustly inform sustainable resource use strategies, the scientific community and practitioners should systematically assess and report sensitivity and uncertainty, and reduce the latter through transparent documentation, model intercomparisons, consensus and open-access databases, enhanced data collection, and comprehensive quantification of material stocks.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».