Regioinvent: a regionalized version of ecoinvent integrating detailed trade data
Notice bibliographique
Résumé
Abstract Life cycle inventory databases currently offer limited country-level coverage and often rely on outdated supply chain representations in their market processes. In this research, we combine ecoinvent with the BACI database—which provides detailed international trade statistics—to regionalize ecoinvent and model average supply chains based on up-to-date data. To achieve this, we automatically duplicate regional processes and adapt them to specific national contexts by modifying three key inputs in the ecoinvent database: electricity, heat, and municipal solid waste treatment. We also construct national consumption markets based on international trade and domestic production data to capture country-specific supply chain characteristics. These markets are fully relinked throughout the database, and elementary flows are spatialized. The resulting regioinvent adaptation of ecoinvent comprises 4,031 products regionalized across 225 countries, yielding 669,571 newly created processes. We assess the effect of regionalization by comparing each regionalized process with its corresponding original ecoinvent process. On average, regionalization introduces differences of 10.8% for climate change, 13.9% for human health, and 11.6% for ecosystem quality. Spatialization of elementary flows is found to exert a stronger influence on regionalized impact categories than inventory regionalization alone. Future developments of regioinvent will focus on addressing its current limitations, particularly the estimation of domestic production data and the contextualization of transportation within national consumption markets. Despite these limitations, we recommend that LCA practitioners use regioinvent, as it is expected to provide more accurate results than the traditional ecoinvent database.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,017 |
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 ».