木材を活用した気候変動対策における機会と準備態勢のパラドックス

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

🔬研究者:Provides a comprehensive dataset and methodology for assessing timber readiness at the city level.

🏢実務担当者:The readiness indicators can help construction firms and city planners identify gaps in supply chain and policy for timber construction.

🏛政策担当者:Highlights the need for policy packages that align building codes, supply infrastructure, and carbon targets to unlock timber's climate potential.

このリポジトリには、「The opportunity-readiness paradox for timber-based climate solutions」という出版物を再現するためのデータとコードが含まれています。このリポジトリには、以下のファイルがあります： building-codes.xlsx - 本研究で収集された国別の建築基準データ。 cities.tar.xz - 本研究で使用された都市の輪郭。アーカイブにはESRIシェープファイルが含まれています。 このデータセットは、GADMの行政境界（様々なレベルの行政単位のポリゴン）を使用して作成しました。都市の位置座標は、Natural Earthから1:10mスケールのポイント形式で取得しました。 code.tar.xz - クラスタリング解析と図2、3、4のプロットを再現するためのRおよびMATLABコード。 composite_indicators.m - 各都市について7つの複合レディネス指標を構築し、各次元について個別の世界地図図を作成します。 clustering.m - MDA初期化法（Camus et al., 2011）を用いてK-meansクラスタリングを実行します。 readiness.m - クラスタ割り当てをシナリオベースの炭素貯留推定値と統合し、機会対レディネスの比較図を作成します。 supply_demand.R - 木材材料原単位と炭素代替係数を計算します。LCA由来の原単位（地域別）、RASMI材料範囲（Fishmanら）、および文献からの代替係数（Leskinen et al. 2018; Hassegawa et al. 2022）を組み合わせます。 k-NN.xlsx - クラスタリング解析の都市別入力・出力データ。 SSP2に基づく2020〜2050年のグリッド化された人口予測（列：pop_growth）はWang et al. (2022)からのものです。 建物ストック類型データ（列：low_rise）はGlobal Human Settlement Layerから取得し、建物の表面積、高さ、非住宅ゾーンを含みます。 都市レベルの炭素目標（列：city_pledge）はCDP Cities Disclosure platformから取得し、Net Zero TrackerおよびHughes et al. (2018)と相互検証しました。国レベルのネットゼロコミットメントと気候説明責任法（列：country_pledge）はNick Zrinyiから編集しました。 林業および木材生産統計（列：country_supply、saw_wood）はFAOSTATおよびUNECE Forestry Statistics Databaseから取得しました。追加の国家統計は政府ポータル（例：中国政府）およびEuropean Forest Instituteから入手しました。 林業部門の雇用データ（列：employment）はILO ILOSTATプラットフォームから入手可能です。製材所インフラデータ（列：sawmill）はFordaq International Directoryから編集しました。 木材建築基準スコアのソースデータ（列：timber_code、height_code、fire_code、support_code）はbuilding-codes.xlsxファイルにあります。 木材建設を伴うUNESCO遺産サイトのデータ（列：heritage）はUNESCO.xlsxファイルにあります。 木造フレーム建物に住む人口の割合（列：timber_frame）はPAGERデータベースからのものです。 地域木材供給（列：local_supply）は、都市周辺200km以内でroundwood-raster.tar.xzから計算されました。 roundwood-raster.tar.xz - 空間明示的な丸太生産量。解像度は約1km/ピクセル。各ピクセルは平均総丸太生産量（2011〜2020年）をm³/年で表します。 地域の需給マッチングを実行するコードはこちらにあります。 国および地域の丸太生産量をピクセルレベルに分解するために使用したコードはこちらで入手できます。 分解モデルのパラメータ化に使用したデータはroundwood-data.tar.xzアーカイブにあります。 roundwood-data.tar.xz - 本研究のために収集され、空間明示的な丸太生産マップの作成に使用された準国家レベルの丸太生産量および森林面積データ。 timber/<country_name>.xlsx - 地域別丸太生産量および森林面積データ。 timber/0_sources.xlsx - 準地域丸太生産データの出典。 train/*/*.csv - モデルのパラメータ化に使用されたデータ。 survey.csv - 世界的な木材レディネスを評価するための指標の重要性を評価する調査結果。 scenarios.tar.xz - 需給マッチングの結果。 scenarios.xlsx - 需給マッチング構成の概要。木材使用率、木材建設率、都市別の平均床面積、一戸建て住宅の割合を一覧表示します。 i-f*.csv - Regional Assessment of buildings' Material Intensities (RASMI)データベースからの材料原単位。 i-rbg.csv - Schneider et al. (2025)からの材料原単位。 */.geojson - 需給マッチングの結果。想定される最大輸送距離に応じてディレクトリが命名されています。各GeoJSONフィーチャは、年間建設需要を満たすために都市周辺に必要な面積を表します。ファイル命名規則はscenarios.xlsxファイルに詳述されています。属性テーブルには、住宅および建設タイプ別の年間建設需要、年間人口増加率、木材供給が記載されています。 UNESCO.xlsx - 木材建設を伴うUNESCO遺産サイト。 Timber Atlasダッシュボードでは、新しい住宅建設のための都市の年間木材需要を満たすために必要な周辺森林の量を確認できます。このツールは、将来の建築ニーズに対する地域木材資源の理論的可能性の概要を提供し、関心を喚起するように設計されています。

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。

This repository contains data and code to reproduce the publication&nbsp; "The opportunity-readiness paradox for timber-based climate solutions" . In this repository, you may find the following files: building-codes.xlsx - Building code data per country collected in this study. cities.tar.xz - Outlines of the cities used in this study. The archive contains an ESRI Shapefile. We produced this dataset using administrative boundaries (polygons of administrative units at various levels) from GADM . Coordinates of city locations were obtained from Natural Earth in point format at 1:10m scale. code.tar.xz - R and MATLAB code to reproduce clustering analysis and plotting of Figures 2, 3, and 4. composite_indicators.m&nbsp; - Constructs the seven composite readiness indicators for each city and generates individual world map figures for each dimension. clustering.m - Performs K-means clustering using the MDA initialization method (Camus et al., 2011). readiness.m - Merges cluster assignments with scenario-based carbon storage estimates and produces the opportunity vs. readiness comparison figures supply_demand.R - Computes wood material intensities and carbon substitution factors. Combines LCA-derived intensities (regional), RASMI material ranges (Fishman et al.), and substitution factors from the literature (Leskinen et al. 2018; Hassegawa et al. 2022). k-NN.xlsx&nbsp; - Per-city input and output data of the clustering analysis. Gridded population projections for 2020-2050 under SSP2 (column: pop_growth) are from&nbsp; Wang et al. (2022) . Building stock typology data (column: low_rise) were obtained from the&nbsp; Global Human Settlement Layer , including building surface area, heights, and non-residential zones. City-level carbon goals (column: city_pledge) were obtained from the CDP Cities Disclosure platform CDP Cities Disclosure platform and cross-validated with the&nbsp; Net Zero Tracker and Hughes et al. (2018) Hughes et al. (2018) . Country-level net-zero commitments and climate accountability legislation (column: country_pledge) were compiled from Nick Zrinyi . Forestry and wood production statistics (columns: country_supply, saw_wood) were obtained from&nbsp; FAOSTAT and the&nbsp; UNECE Forestry Statistics Database . Additional national statistics were sourced from government portals (e.g., Government of China) and the&nbsp; European Forest Institute . Employment data for the forestry sector (column: employment) are available from the&nbsp; ILO ILOSTAT platform . Sawmill infrastructure data (column: sawmill) were compiled from the&nbsp; Fordaq International Directory . Source data for timber building code scores (columns: timber_code, height_code, fire_code, and support_code) is in the file building-codes.xlsx .&nbsp; Data on UNESCO heritage sites with timber construction (column: heritage) is in the file UNESCO.xlsx .&nbsp; The share of the population living in timber-frame buildings (column: timber_frame) is from the PAGER database. Local timber supply (column: local_supply) was calculated within 200km around a city from roundwood-raster.tar.xz .&nbsp; roundwood-raster.tar.xz &nbsp;- Spatially explicit roundwood production with a resolution of approximately 1 km per pixel. Each pixel represents the average total roundwood production (2011-2020) in m&sup3;/yr. The code to perform the local supply-demand match can be found here. The code we used to disaggregate national and regional roundwood production to the pixel level is available here. The data used to parameterize the disaggregation models are available in the roundwood-data.tar.xz archive. roundwood-data.tar.xz - Subnational roundwood production and forest area data collected for this study and used to produce the spatially explicit roundwood production map. timber/&lt;country_name&gt;.xlsx - Regional roundwood production and forest area data. timber/0_sources.xlsx - Sources of the subregional roundwood production data.&nbsp; train/*/ * .csv - Data used for parametrizing the models. survey.csv - Results of the survey to assess the importance of the indicators to assess global timber readiness. scenarios.tar.xz - Results of the supply-demand match. scenarios.xlsx - Overview of the supply-demand match configuration. Lists the timber usage rate, timber construction rate, average floor area per capita and city, and share of single-family housing. i-f*.csv - Material intensities from the Regional Assessment of buildings' Material Intensities (RASMI) database . i-rbg.csv - Material intensities from Schneider et al. (2025). */ .geojson - Results of the supply-demand match. Directories named according to the assumed maximum transport distance. Each GeoJSON feature represents the area required around a city to meet annual construction demand. File naming convention is detailed in the scenarios.xlsx&nbsp; file. The attribute table lists the annual construction demand per housing and construction type, annual population growth, and timber supply.&nbsp;&nbsp; UNESCO.xlsx - UNESCO heritage sites with timber construction. On the Timber Atlas dashboard,&nbsp;you can discover how much surrounding forest would be needed to meet your city&rsquo;s annual timber demand for new residential construction. This tool is designed to spark interest and provide an overview of the theoretical potential of regional wood resources for future building needs.

• Zenodo https://zenodo.org/records/21157576first seen 2026-07-04 04:19:42 · last seen 2026-07-14 04:13:06