MétaCan
Menu
Retour à la cohorte
Enregistrement W1827428878 · doi:10.1139/cjfr-2012-0139

How to cope with changing demand conditions — The Swedish forest sector as a case study: an analysis of major drivers of change in the use of wood resources

2013· article· en· W1827428878 sur OpenAlexvenueno aff
Ragnar Jonsson

Notice bibliographique

RevueCanadian Journal of Forest Research · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesSkogforskStiftelsen för Miljöstrategisk Forskning
Mots-clésForest productForest managementNatural resource economicsEuropean unionBiomass (ecology)Resource (disambiguation)Wood processingSupply and demandProduct (mathematics)BusinessRenewable energyRenewable resourceWood productionEcosystem servicesEconometric modelConsumption (sociology)EconomicsAgroforestryForestryEnvironmental scienceEcosystemEcologyGeographyInternational trade

Résumé

récupéré en direct d'OpenAlex

Promotion of renewable energy sources in Europe is foreseen to result in a dramatic increase in the demand for woody biomass. This paper assesses whether wood resources in the European Union (EU) will support future demand. Possible implications for countries with ample forest resources and a well-developed forest industry, such as Sweden, of an expected mounting demand pressure are discussed. Other drivers of change in global wood product markets posing challenges for the forest sector in general are also addressed. These drivers are reviewed and, together with the results from the EUwood project and econometric wood market models, analyzed as to their impacts on the Swedish forest sector. Demand is foreseen to vastly exceed the potential supply of woody biomass in Europe, putting a tremendous pressure on the Swedish forest resource and necessitating trade-offs between different ecosystem services. Further, projections suggest that Sweden will decrease in importance in production as well as consumption terms for all wood products.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,488
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,322
Écart entre enseignants0,224 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations31
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207