個人の選択から集合的影響へ：温室効果ガス削減における行動変化の役割の定量化

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a methodology for spatializing behavioral emissions data at urban scale, novel in combining survey and geospatial analysis.

🏢実務担当者:Municipal planners can use this to identify high-potential districts and design targeted behavior-change interventions.

🏛政策担当者:Supports local government in integrating consumption-based emissions into climate action plans and prioritizing districts.

抄録。家庭からの排出、特に食品消費に起因する排出は、都市部の温室効果ガス（GHG）排出量のかなりの部分を占めるものの、十分に活用されていない要素である。ほとんどの研究が国規模または産業規模に焦点を当てている一方で、家庭の行動は地域の緩和戦略において過小評価されたままである。このギャップに対処するには、家庭の選択と空間的状況の両方を考慮したアプローチが必要である。本研究は、ケベックシティの家庭を対象とした調査データに行動–地理空間フレームワークを適用し、食事関連のGHG排出量を定量化および空間化する。肉類消費頻度は、食品固有の係数を用いて排出量に変換され、4つの現実的な食事シナリオが地区レベルでモデル化された。結果は、都市内の substantial な格差を明らかにしている。報告された肉類消費量が多い地区は、人口規模とは無関係に、有意に大きな緩和ポテンシャルを示す。所得などの社会人口統計学的指標と組み合わせると、この分析は、一般に私的な選択とみなされる行動の空間的構造化を浮き彫りにする。調査ベースの行動データを空間的に明示的なGHG情報に変換することにより、本研究は地理空間分析をインフラ基盤の排出量を超えて、ライフスタイル主導のカーボンフットプリントの領域へと拡張する。提案されたフレームワークにより、自治体は高いポテンシャルを持つ地区を特定し、的を絞った介入を設計し、環境意識の高い消費を気候レジリエンスおよび社会生態学的移行戦略に統合することが可能となる。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Abstract. Household emissions, particularly from food consumption, represent a substantial yet underutilized component of urban greenhouse gas (GHG) emissions. While most research focuses on national or industrial scales, household behaviours remain underrepresented in local mitigation strategies. Addressing this gap requires approaches that account for both household choices and spatial context. This study applies a behavioural–geospatial framework to survey data from Québec City households to quantify and spatialize diet-related GHG emissions. Meat consumption frequencies were converted into emissions using food-specific factors, and four realistic dietary scenarios were modelled at the district level. The results reveal substantial intra-urban disparities. Districts with higher reported meat consumption exhibit significantly greater mitigation potential, independent of population size. When combined with sociodemographic indicators such as income, the analysis highlights spatial structuring of behaviours commonly perceived as private choices. By transforming survey-based behavioural data into spatially explicit GHG information, this study expands geospatial analytics beyond infrastructure-based emissions and into the domain of lifestyle-driven carbon footprints. The proposed framework enables municipalities to identify high-potential districts, design targeted interventions, and integrate eco-conscious consumption into climate resilience and socio-ecological transition strategies.

• crossref https://doi.org/10.5194/agile-giss-7-38-2026first seen 2026-06-11 05:19:31 · last seen 2026-06-24 05:47:41
• openalex https://doi.org/10.5194/agile-giss-7-38-2026first seen 2026-06-30 05:07:23