MétaCan
Menu
Retour à la cohorte
Enregistrement W7133010176

Päästölaskenta ja hiilineutraalius rakennusliikkeessä

2023· dissertation· fi· W7133010176 sur OpenAlexaboutno aff
Fanni Hyväri

Notice bibliographique

RevueTrepo - Institutional Repository of Tampere University · 2023
Typedissertation
Languefi
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Key (lock)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ilmastovastuullisuus on kasvava teema rakennusalan liiketoiminnassa, ja yhä useampi rakennusliike laskee toimintansa kasvihuonekaasupäästöjä ja pyrkii vähentämään niitä. Pidemmällä aikavälillä osa yrityksistä tavoittelee hiilineutraaliutta toiminnassaan. Samaan aikaan alan yritystason päästölaskennan käytännöt ovat vasta kehittymässä, ja harvalla rakennusliikkeellä on kyvykkyyttä laskea laajemmin toimintansa koko arvoketjun aiheuttamia päästöjä. Muutama hiilineutraaliutta tavoittelevista rakennusliikkeistä on jo laatinut hiilitiekarttoja tavoitteensa saavuttamiseksi, mutta suurimmalle osalle asia on vielä uusi. Tämän työn tavoitteina oli tutkia yritystason päästölaskennan prosessia rakennusliikkeen näkökulmasta, ja laajemmin luoda ymmärrystä hiilineutraaliudesta sekä siitä, millä toimilla rakennusliike voi lähteä tavoittelemaan hiilineutraaliutta toiminnassaan. Aihepiiriä taustoitettiin kirjallisuusselvityksessä tarkastelemalla ilmastonmuutosta ja ilmastotavoitteita rakennusalalla yleisellä tasolla, sekä tarkemmin hiilineutraaliutta ja päästölaskentaa rakennusalalla ja erityisesti rakennusliikkeiden näkökulmasta. Kirjallisuuden ohella aihetta tutkittiin alan asiantuntijoita haastattelemalla, sekä tekemällä vertailuanalyysiä suurimpien rakennusliikkeiden yritystason päästölaskennasta ja päästövähennystoimista. Työssä kuvataan yrityksen hiilineutraaliuden tavoittelun prosessi yleisellä tasolla, sekä käsitellään prosessin jokaista vaihetta myös tarkemmalla tasolla. Yritystasolla hiilineutraaliuden tavoittelulle ei ole selkeää, vakiintunutta määritelmää, mutta kirjallisuuden perusteella työssä päädyttiin tarkastelemaan seuraavanlaista prosessia: yritys laskee mahdollisimman laajasti koko arvoketjunsa päästöt, vähentää niitä 1,5 asteen vähennyspolun mukaisesti ja kompensoi jäljelle jäävät, ydinliiketoiminnan kannalta välttämättömät päästöt pitkäaikaisilla hiilensidontaan perustuvilla poistoilla. Päästöjen laskeminen koko arvoketjun laajuudessa tarkoittaa rakennusliikkeiden kohdalla sitä, että laskennassa huomioidaan rakennettavien rakennusten elinkaaren päästöt rakennusmateriaaleista käytönaikaiseen energiankulutukseen ja lopulta rakennusten purkumateriaalien käsittelyyn. Rakennuksen elinkaaren päästölaskenta, jolle on olemassa muun muassa Ympäristöministeriön luoma laskentamenetelmä, eroaa kuitenkin prosessina yritystason päästölaskennasta, jota useimmiten tehdään GHG-protokollan ohjeen mukaisesti, eikä GHG-protokollan mukaiselle rakennusliikkeiden päästölaskennalle ole olemassa vakiintunutta, selkeää prosessia tai laajuutta. Tämäkään työ ei sellaista tarjoa, vaan käsittelee aihetta eri näkökulmista, esitellen eri lähteiden näkemyksiä asiaan. Päästöjen vähentämisen osalta työn tuloksena muodostettiin rakennuksen elinkaaren päästöjä vähentäviä toimenpide-ehdotuksia, joita rakennusliikkeillä on usein mahdollisuus hankkeissaan toteuttaa, ja lisäksi koottiin yhteen rakentamisvaiheen päästöjä vähentäviä toimenpiteitä, sillä rakennusliikkeet voivat toiminnassaan suorimmin vaikuttaa omien työmaidensa päästöihin, vaikka ne eivät kovin suurta osaa rakennuksen elinkaaripäästöistä muodostakaan. Työn tuloksia on mahdollista hyödyntää rakennusliikkeiden yritystason päästölaskennan kehittämisessä ja hiilitiekartan laadinnassa. Työ tarjoaa lisäksi vertailuanalyysin tuloksena ajantasaista tietoa Suomessa toimivien suurten rakennusliikkeiden yritystason päästölaskennasta ja päästövähennystoimista, ja rakennusliikkeet voivat peilata omaa toimintaansa vertailun tuloksiin.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,214
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrepo - Institutional Repository of Tampere UniversityMême sujetPeatlands and Wetlands EcologyTravaux en français237 207