Application of the CBM-CFS3 model to estimate Italy's forest carbon budget, 1995–2020
Notice bibliographique
Résumé
The estimation of past and future forest carbon (C) dynamics in European countries is a challenging task due to complex and varying silvicultural systems, including uneven-aged forest management, and incomplete inventory data time series. In this study, we tested the use of the Carbon Budget Model of the Canadian Forest Sector (CBM-CFS3) in Italy, a country exemplifying most of these challenges. Our objective was to develop estimates of forest carbon budgets of the Forest Management area (including all forests existing in 1990) for the period 1995–2009, and to simulate alternative scenarios of natural disturbance (fire) and harvest rates to 2020. A number of methodological challenges required modifications to the default model implementation. Based on National Forest Inventory (NFI) data, we (i) developed a historic library of yield curves derived from standing volume and age data, reflecting the effect of past silvicultural activities and natural disturbances, and a current library of yield curves derived from the current net annual increment; (ii) reconstructed the age structure for a period antecedent to the reference NFI year (2005), to compare the model results with data from other sources; and (iii) developed a novel approach for the simulation of uneven-aged forests. For the period 2000–2009, the model estimated an average annual sink of −23.7 Mt CO2 yr−1 excluding fires in Italy's managed forests. Adding fires to the simulation reduced the sink to −20.5 Mt CO2 yr−1. The projected sink (excluding all fires) for the year 2020 was −23.4 Mt CO2 yr−1 assuming average (2000–2009) harvest rates. A 36% increase in harvest rates by 2020 reduced the sink to −17.3 Mt CO2 yr−1. By comparing the model results with NFI data and other independent studies, we demonstrate the utility of the CBM-CFS3 both for estimating the current forest sink in even-aged and more complex uneven-aged silvicultural systems in Italy, and for exploring the impact of different harvest and natural disturbances scenarios in managed forests. This study demonstrates the utility of the CBM-CFS3 to national-scale estimation of past and future greenhouse gas emissions and provides the foundation for the model's future implementation to other European countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».