Dynamic life cycle assessment of Canadian glued-laminated (Glulam) timber: a pathway to sustainable structural systems in construction
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 The environmental footprint of building materials has become a focal point in the global effort to decarbonize the construction sector, which contributes approximately 33% of global greenhouse gas (GHG) emissions. This study conducts a dynamic life cycle assessment (DLCA) of Glued-Laminated Timber (Glulam) manufactured in British Columbia (BC), Canada, to assess its cradle-to-gate environmental impacts under current and evolving scenarios. A hybrid methodology combining process-based LCA with a system dynamics (SD) model was implemented. Real-time production data from a Glulam facility in Castlegar, BC, were integrated with region-specific energy and forestry profiles and assessed using the ReCiPe 2016 Midpoint (E) method. Results indicate that the Global Warming Potential (GWP) of BC Glulam is significantly lower than comparable products in other regions, primarily due to hydroelectric-powered manufacturing and efficient clean wood waste recovery. Sensitivity analysis identified transportation distances, adhesive type and usage, timber yield, and energy mix as the most critical impact drivers. The SD model projects the evolution of emissions, energy use, and waste generation from 2020 to 2050 under different demand and efficiency trajectories. The findings underscore Glulam’s potential as a low-carbon structural alternative to steel and concrete, especially in regions with renewable energy infrastructure and sustainable forest practices. Policy insights are provided to support the broader adoption of engineered wood products in climate-aligned construction.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle