MétaCan
Menu
Retour à la cohorte
Enregistrement W2039488455 · doi:10.5558/tfc77259-2

Short-rotation woody crop systems, atmospheric carbon dioxide and carbon management: A U.S. case study

2001· article· en· W2039488455 sur OpenAlexvenueno aff
Gerald A. Tuskan, Marie E. Walsh

Notice bibliographique

RevueThe Forestry Chronicle · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesOak Ridge National LaboratoryUT-BattelleBattelleU.S. Department of Energy
Mots-clésCarbon sequestrationEnvironmental scienceGreenhouse gasBiomass (ecology)Fossil fuelCarbon dioxideCarbon fibersAtmospheric carbon cycleBio-energy with carbon capture and storageCarbon dioxide in Earth's atmosphereCarbon dioxide removalWaste managementAgronomyMaterials scienceEcologyEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Atmospheric concentrations of carbon dioxide (CO2) are increasing along with global use of fossil fuels and worldwide rates of deforestation. These trends have led international panels and organizations to devise carbon management strategies in an effort to curb increases in CO2. The goal of this paper is to explore the potential role of short-rotation woody crops (SRWC) in the U.S. as one option in a carbon-managed future economy. On a scale of 40 × 106 ha, and at an average productivity rate of 21 Mg oven-dry biomass ha−1 yr−1, SRWC systems could account for an average of 0.30 Pg of C yr−1 when prorated over the 50-year deployment life of a typical SRWC system. Most of the accounted carbon (76%) would come from fossil fuel displacement as opposed to direct carbon sequestration. The proportion of accounted carbon associated with fossil fuel displacement increases with longer time frames due to the relatively rapid saturation of the carbon sequestration pool. Key words: Populus, biomass, carbon sequestration, carbon displacement, Kyoto Protocol, CO2

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,114
Score d'incertitude au seuil0,228

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,242
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), 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

Citations76
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest Management and PolicyTravaux en français237 207