Supporting Figures for 'Estimating embodied environmental flows in international imports for the USEEIO Model'
Notice bibliographique
Résumé
All figures and related figures for the EPA Report (2024) Estimating embodied environmental flows in international imports for the USEEIO Model, EPA 600/R-24/116. https://cfpub.epa.gov/si/si_public_search_results.cfm?simpleSearch=0&showCriteria=2&sortBy=pubDate&searchAll=Estimating+embodied+environmental+flows+in+international+imports+for+the+USEEIO+Model&TIMSType=Published+Report&dateBeginPublishedPresented=Captions are provided below by the name of the image.IEFs = Import Emission FactorsCAPTIONSFor most figures, a result is given for each of the given years and greenhouse gases (GHG). The naming of the figures fits the patterns where the gas name and year are dynamic and represented like %GHG% and %YEAR%. GHGs are CO2, CH4, and N2O which are in the unit kg, or GWP which is total GHGs combined by global warming potential, denoted as GWP and given in the unit kg CO2e. Years including 2017, 2018, 2019, 2020, 2021, and 2022.imports_by_region_%GHG%_%YEAR% : Contribution to import emission factor by region, %YEAR%. APAC = Asia Pacific excluding CN and JP. CA = Canada. CN = China. EU = European Union. JP = Japan. MX = Mexico. ROW = Rest of World (all countries except those in listed regions.) imports_results_diff_%YEAR%: Differences per commodity in GHGs for imported commodities in %YEAR% with the IEFs and the standard approach. Where the results with the IEFs are greater, the differences are positive.imports_results_DIRECT_%YEAR%: Results for %YEAR% U.S. consumption (direct perspective) using IEFs. Standard results without IEFs shown in the black diamonds. The coupled model results are split into the blue and red bar segments.imports_results_FINAL_%YEAR%: Results for %YEAR% U.S. consumption (final perspective) using IEFs. Standard results without IEFs shown in the black diamonds. The coupled model results are split into the blue and red bar segments.imports_scatter_%GHG%_%YEAR%: GHG emission factor (kg %GHG_UNIT% / $) comparison between domestic emission factors and IEFs, %YEAR%. Commodities with no imports are not shown.imports_scatter_by_country_%GHG%_%YEAR%: Import emission factor (kg %GHG_UNIT% / $) comparison between countries. Countries contributing less than 2% of total imports by sector are not shown. Dots of the same color are from the same region.imports_scatter_time_series: Import emission factors (kg CO2e / $) for 2017-2022 in current dollars.imports_top_import_sectors_%GHG%_%YEAR% : Top 8 import sectors, %YEAR%. Contribution to total imports by region (left). Regional import emission factors (kg CO2e / $) (right). Aggregate import factors are shown in red, while domestic factors are shown in black. 311FT: Food and beverage and tobacco products, 315AL: Clothing and leather, 325: Agricultural, pharmaceutical, industrial, and commercial chemicals, 333: Machinery (except computers), 334: Computers and relevant parts, conductors, measuring devices, communication devices, 335: Lights and light fixtures, switch boards, transformers, and home appliances, 3361MV: On-road vehicles (excluding motorcycles) and accompanying parts, 339: Medical supplies, entertainment and sporting goods, fashion goods, advertising products.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,633 | 0,235 |
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 ».