MétaCan
Menu
Retour à la cohorte
Enregistrement W1943944021 · doi:10.1139/cjfr-2015-0079

Vulnerability of timber supply to projected changes in fire regime in Canada’s managed forests

2015· article· en· W1943944021 sur OpenAlexafffundvenueabout
Sylvie Gauthier, Pierre Y. Bernier, Yan Boulanger, Jian Guo, Luc Guindon, André Beaudoin, Dominique Boucher

Notice bibliographique

RevueCanadian Journal of Forest Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesCanadian Forest ServiceU.S. Forest Service
Mots-clésVulnerability (computing)TaigaFire regimeGeographyClimate changeBorealNatural resource economicsForestryEnvironmental scienceAgroforestryEnvironmental resource managementEcologyEconomicsEcosystem

Résumé

récupéré en direct d'OpenAlex

The frequency of forest fires is predicted to increase in Canada, which may affect the availability of timber for industrial purposes. We therefore carried out an evaluation of the timber supply vulnerability to current and future fire risk through simplified calculations involving historical forest growth and harvest rates and current and projected forest burn rates. Calculations were performed at the level of forest management areas (FMAs) across the boreal and montane ecozones of Canada. For some FMAs, the vulnerability of timber supply to fire was estimated to be high to extreme by the middle of the century. For those FMAs, the increases in tree growth necessary to negate these risks were generally unrealistic. A modest simulated decrease in tree growth over time, however, was sufficient to raise the vulnerability of many other FMAs from low to moderate. Known biases in the analysis suggest that our assessment might underestimate the level of vulnerability in all FMAs. Other natural disturbances are not included in the analysis but their impact on timber supply may be additive to that of fire. Some adaptation measures to face these increasing risks are discussed.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,022
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,041
Tête enseignante GPT0,292
Écart entre enseignants0,251 · 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

Citations79
Publié2015
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207