MétaCan
Menu
Retour à la cohorte
Enregistrement W2000750760 · doi:10.5558/tfc76165-1

Economics of afforestation for carbon sequestration in western Canada

2000· article· en· W2000750760 sur OpenAlexvenueaboutno aff
G. Cornelis van Kooten, Emina Krcmar–Nozic, Ruud van Gorkom, Brad Stennes

Notice bibliographique

RevueThe Forestry Chronicle · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAfforestationCarbon sequestrationGreenhouse gasNatural resource economicsClimate changeKyoto ProtocolEcosystem servicesClimate change mitigationEnvironmental scienceAgroforestryEconomicsEcosystemCarbon dioxideEcology

Résumé

récupéré en direct d'OpenAlex

The Kyoto Accord on climate change requires developed countries to achieve CO 2 -emissions reduction targets, but permits them to charge uptake of carbon (C) in terrestrial (primarily forest) ecosystems against emissions. Countries such as Canada hope to employ massive afforestation programs to achieve Kyoto targets. One reason is that foresters have identified large areas that can be afforested. In this paper, we examine this forestry option, focusing on the economics of afforestation in western Canada. In particular, we develop marginal C uptake curves and show that much less land is available for afforestation than would be the case if economics is ignored. We conclude that, while afforestation is a feasible weapon in the greenhouse policy arsenal, it might not be as effective on an economic basis as many forest-sector analysts make out. Key words: Climate change, economics of afforestation, Kyoto Accord

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,353
Score d'incertitude au seuil0,553

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,218
Écart entre enseignants0,209 · 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

Citations62
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest Management and PolicyTravaux en français237 207