MétaCan
Menu
Retour à la cohorte
Enregistrement W2012368849 · doi:10.5558/tfc2011-071

The carbon neutrality assumption for forest bioenergy: A case study for northwestern Ontario

2011· article· en· W2012368849 sur OpenAlexafffundvenueabout
Michael T. Ter‐Mikaelian, Jon McKechnie, S. J. Colombo, Jiaxin Chen, Heather L. MacLean

Notice bibliographique

RevueThe Forestry Chronicle · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensUniversity of TorontoOntario Forest Research Institute
Organismes subventionnairesMinistry of Natural Resources
Mots-clésPelletsGreenhouse gasCarbon neutralityEnvironmental scienceCarbon fibersBioenergyCoalForest managementForestryAgroforestryBiomass (ecology)BiofuelAgronomyGeographyEcologyMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Minimum break-even and carbon-neutral periods resulting from displacing coal with wood pellets for energy generation at the Atikokan Generating Station (GS) were estimated using forest resource inventory for four forest management units (FMU) in northwestern Ontario. The break-even period was defined as the time since harvest at which the combined greenhouse gas (GHG) benefit of displacing coal with wood pellets and the amount of carbon in the regenerating forest equalled the amount of carbon in the forest had it not been harvested for wood pellets. The carbon-neutral period was defined as the time since harvest at which the amount of carbon in the regenerating forest equalled the amount of carbon in the forest had it not been harvested for wood pellets. Theoretically achievable minimum break-even and carbon-neutral periods were estimated as equal to 18 and 28 years after harvest, respectively. However, for the current forest age structure in the selected FMUs, production of wood pellets required for operation of the Atikokan GS would result in a minimum break-even period of 32 years after harvest. These results must be treated as optimistic since we assumed that all forest was available for harvest for wood pellet production, applied the “best” post-harvest silvicultural regime, and may have underestimated merchantable volume and total carbon stocks in older stands.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,727
Score d'incertitude au seuil0,808

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 technologies0,0010,000
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 Opus0,064
Tête enseignante GPT0,251
Écart entre enseignants0,187 · 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

Citations35
Publié2011
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetBioenergy crop production and managementTravaux en français237 207