End-of-life scenario-based assessment of building wood waste circulation through deconstruction: A case study in Canada
Notice bibliographique
Résumé
• Deconstruction significantly reduces embodied carbon emissions by up to 8.36 tonnes CO₂-eq compared to traditional demolition. • Material reuse delivers the highest carbon savings among all end-of-life options. • Worker transport logistics emerge as a critical factor influencing deconstruction emissions. • Canada-specific evidence supports policies promoting mandatory deconstruction and reclaimed wood reuse. The circular economy plays a crucial role in reducing global carbon emissions, with end-of-life wood waste management offering significant environmental benefits. This study examines the potential for embodied carbon reduction through deconstruction practices, using a case study in Vancouver BC to provide Canada-specific insights. A life cycle assessment (LCA) approach was applied to evaluate embodied carbon emissions, considering system boundary stages C1–C4 and beyond-boundary impacts (stage D). Real-world data were collected from an on-site deconstruction project, and fourteen scenarios were developed to compare the environmental impacts of different wood waste circulation strategies. The results demonstrate that deconstruction significantly reduces embodied carbon emissions compared to traditional demolition, with reductions of up to 8.36 tonnes CO₂-eq (around 50 kg CO₂-eq/m 2 ). More advanced circulation strategies achieved the greatest carbon savings, with scenarios maximizing reuse (S61 and S62) emerging as the most effective. A key contribution of this study is the identification of worker transport as a non-negligible factor in deconstruction emissions, which is an area often overlooked in previous studies. This study also reinforces the waste management hierarchy, where reuse ranks higher than recycling and energy recovery due to its greater carbon reduction potential. However, despite regulatory advancements in Vancouver and other global cities, challenges remain in assessing material quality and establishing a robust reclaimed wood market. The findings provide empirical evidence for policies that promote and potentially mandate deconstruction over traditional demolition, advocating for enhanced reuse strategies to maximize environmental benefits.
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 | 0,000 | 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) | 0,000 | 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 ».