environmental calculations
environmental calculations

Geavanceerde benaderingen in milieugerichte levenscyclusmodellering

Deze tweeweekse cursus richt zich op het begrijpen van Life Cycle Assessment-methoden om productmilieuvoetafdrukken te kwantificeren en biedt state-of-the-art inzichten in (prospectieve) inventarisatiemodellering, hybride beoordelingen en impactassessment-methoden.

    Algemeen

    Deze cursus richt zich op het begrijpen van Life Cycle Assessment (LCA)-methoden om de milieuvoetafdruk van producten te kwantificeren. De cursus biedt inzicht in zowel inventarisatiemodellering (het identificeren van grondstoffenwinning en emissies over de levenscyclus) als impactassessment (het kwantificeren van effecten van grondstoffenwinning en emissies op het milieu, de biodiversiteit en de mens).

    De modellering van de life cycle inventory (LCI) omvat prospectieve beoordelingen (d.w.z. het inschatten van toekomstige of industriële emissies op basis van huidige of laboratoriumschaalemissies) en hybride beoordelingen (d.w.z. het integreren van productspecifieke LCA met uitgebreide sectorale multiregionale input-outputgegevens). De life cycle impact assessment (LCIA) behandelt modelleringsbenaderingen binnen uitgebreide LCIA-methodologieën. Daarnaast leer je omgaan met onzekerheid in milieuvoetafdrukken als gevolg van variabiliteit en onzekere parameters in LCI- en LCIA-data.

    De leeractiviteiten bestaan uit hoorcolleges en computeropdrachten, waarbij je Excel en Python gebruikt om LCA-modellering zelfstandig op je eigen laptop te oefenen. De cursus wordt gegeven door experts in (prospectieve en hybride) LCI- en LCIA-methoden, waaronder Francesca Verones van NTNU (Noorwegen) en Anne Ottenbros, Koen Kuipers en Rosalie van Zelm van de Radboud Universiteit (Nederland). Voor aanvang van de cursus word je gevraagd het materiaal door te nemen en een eenvoudige modelleringsopdracht uit te voeren, zodat je met een vliegende start aan de geplande cursusweken kunt beginnen.

    Learning objectives

    1. Prospectieve life cycle inventory-modellen begrijpen en toepassen
    2. Hybride life cycle assessment-modellen begrijpen en toepassen
    3. Een milieuprobleem analyseren via een oorzaak-gevolgketen om impactindicatoren te ontwikkelen
    4. Elementen van impactcategorieën beschrijven en impactmodellering uitvoeren
    5. Onzekerheid in life cycle assessment-modellen identificeren, kwantificeren en analyseren

    Startdatum

    22 juni 2026, 08:30
    Plaats
    Nijmegen
    Kosten
    € 1.565
    Korting(en)
    15% bij aanmelding vóór 1 April 2026
    Vrijgesteld van btw
    Ja
    Onderwijsvorm
    Op locatie
    Voertaal
    Engels
    Deadline inschrijving
    15 mei 2026, 23:59
    Maximaal aantal deelnemers
    45

    Factsheet

    Type onderwijs
    Cursus
    Toelatingseisen
    Basiskennis van wiskunde/statistiek op universitair niveau is vereist, evenals interesse in modelleren. Basiskennis van Python is aanbevolen, maar niet vereist; het leren hiervan is ingebed in de cursusvoorbereiding.
    Studielast (ECTS)
    4
    Eindresultaat
    Edubadge, Deelnamebewijs

    Contactinformatie

    Radboud Summer School
    Postbus 9102
    6500 HC NIJMEGEN

    radboudsummerschool [at] ru.nl (radboudsummerschool[at]ru[dot]nl)

    timetable
    dr. R. van Zelm (Rosalie)

    dr. R. van Zelm (Rosalie)

    Kosten

    Early bird | €1565

    De deadline voor onze early bird aanmelding is 31 maart 2026.

    Regulier | €1330

    De deadline voor onze reguliere aanmelding is 15 mei 2026.

    Inclusief

    De cursus, koffie en thee tijdens de pauzes, warme lunch elke dag, welkomstdiner op maandag, officiële opening, officiële sluiting.

    Exclusief

    Transport, accommodatie, sociale evenementen en overige kosten. 

    Kortingen en beurzen

    Er zijn kortingen en beurzen beschikbaar voor onze partners. Klik hieronder om te zien of je in aanmerking komt. 

    Kortingen en beurzen

    Toelating

    Niveau van deelnemer

    PHD, Postdoc, Professional.

    Toelatingseisen

    Basiskennis van wiskunde/statistiek op universitair niveau is vereist, evenals interesse in modelleren. Basiskennis van Python is aanbevolen, maar niet vereist; het leren hiervan is ingebed in de cursusvoorbereiding.

    Toelatinsdocumenten

    CV & motivatiebrief.