MétaCan
Menu
Retour à la cohorte
Enregistrement W2037873969 · doi:10.1139/x09-023

Impact of carbon value on the profitability of slash pine plantations in the southern United States: an integrated life cycle and Faustmann analysis

2009· article· en· W2037873969 sur OpenAlexvenueno aff
Puneet Dwivedi, Janaki R.R. Alavalapati, Andres Susaeta, G. Andrew Stainback

Notice bibliographique

RevueCanadian Journal of Forest Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSlash PineProfitability indexPaymentAfforestationCarbon fibersBiomass (ecology)Slash (logging)ForestryCarbon sequestrationClearingAgroforestryCarbon stockValue (mathematics)BusinessNatural resource economicsAgricultural economicsEconomicsEnvironmental sciencePinus <genus>GeographyMathematicsClimate changeFinanceEcologyCarbon dioxideBotanyBiologyStatistics

Résumé

récupéré en direct d'OpenAlex

The emergence of voluntary carbon markets provides an additional income opportunity to nonindustrial private forest (NIPF) landowners because of the carbon sequestered in forest biomass. This study integrates life cycle analysis and the modified Faustmann model to assess the impact of carbon payments on the optimum rotation age and profitability of 1 ha of privately owned but intensely managed slash pine ( Pinus elliottii Engelm.) plantation in the southern United States. Guidelines of the Chicago Climate Exchange were followed for carbon payments. When carbon payments were included, land expectation values (LEVs) were found to be about $1384·ha –1 and $1063·ha –1 for the with and without thinning scenarios, respectively. When payment for carbon sequestered in the live forest biomass was included, LEVs increased to about $2807·ha –1 and $2765·ha –1 for the aforementioned scenarios, respectively. No significant change in the optimum rotation age was observed in the presence of carbon payments. Results suggest that voluntary carbon markets could play a key role in improving the financial returns to NIPF landowners.

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)0,002
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 enseignants0,064
Score d'incertitude au seuil0,708

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,037
Tête enseignante GPT0,334
Écart entre enseignants0,297 · 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

Citations41
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

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