MétaCan
Menu
Retour à la cohorte
Enregistrement W2055331198 · doi:10.1139/x04-172

Should sustained yield be part of sustainable forest management?

2005· article· en· W2055331198 sur OpenAlexvenueno aff
M.K. Luckert, Terence Williamson

Notice bibliographique

RevueCanadian Journal of Forest Research · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNatural capitalSustainabilityYield (engineering)Natural resource economicsSustainable forest managementNatural resourceEconomicsEcoforestryCapital (architecture)BusinessForest managementBiodiversityEnvironmental resource managementEnvironmental economicsAgroforestryEcosystem servicesGeographyForest ecologyEcologyIntact forest landscapeEnvironmental scienceEcosystem

Résumé

récupéré en direct d'OpenAlex

This paper considers the question of whether sustainable forest management (SFM) should continue to incorporate sustained yield (SY) requirements, as it currently does in many jurisdictions. We evaluate the extent to which SY and SFM are consistent with notions of weak and (or) strong sustainability. Strong sustainability implies placing constraints on the reduction of stocks of natural capital to prevent irreversibility and (or) protect flows of services that have public good characteristics. In contrast, weak sustainability may allow market forces to draw down stocks of natural capital so long as levels of total capital (including human-made and natural capital) are maintained. We argue that with SY policies, we have probably chosen to attach strong sustainability policies to the only forest resource that does not need such protection (i.e., timber), while we have excluded other resources that could well need such protection (e.g., biodiversity) for pursuing SFM. Thus, the concept of allowable annual cuts could be dropped from SFM to be replaced by safe minimum standards on components of forest capital that are subject to irreversibility and (or) that have public good features. In other words, if we truly wish to pursue SFM, it may be necessary to leave SY behind.

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)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0040,007
Science ouverte0,0010,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,054
Tête enseignante GPT0,314
Écart entre enseignants0,260 · 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'étudeThéorique ou conceptuel
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

Citations64
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

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