How is net zero whole-life carbon of buildings assessed and implemented?
Notice bibliographique
Résumé
Abstract Life Cycle Assessment (LCA) is a widely used methodology for evaluating the environmental impacts of buildings. LCA can be structured in various non-exclusive approaches, including top-down, bottom-up, dynamic, prospective, or hybrid. In the quest for decarbonization, the building, construction and real estate (BCRE) sectors have applied LCA, often voluntarily, to model buildings in an effort to reduce greenhouse gas emissions. However, simplifications in the assessed scope (e.g., life cycle phases, assessed building typologies) create variability, potentially undermining critical emissions data and may result in benchmarks that cannot be aligned with the global carbon budget. In this article, we conduct a Systematic Literature Review (SLR) that examines LCA approaches based on building typology and geographic location. This review includes scientific papers from leading scientific databases and significant grey literature from prominent international agencies. The content of the current literature will be analyzed for the system boundaries, building system inclusion, methodology classification, building type, embodied and operational carbon, carbon credit and balance, uncertainties, resiliency, and future scenario considerations. We aim to identify the most suitable methods for establishing benchmarks and reproducible assessments that align with the global carbon budget necessary for achieving Net-Zero whole-life carbon emissions by 2050. Additionally, we highlight the most appropriate methods for the BCRE industry to provide replicable and transparent results. The findings highlight the methodological and normative requirements for implementing legally binding policies in building whole-life carbon assessments while addressing regional barriers such as economic feasibility and climate change resilience.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,014 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».