MétaCan
Menu
Retour à la cohorte
Enregistrement W2101682481 · doi:10.5558/tfc2014-128

Economic consequences of increased bioenergy demand

2014· article· en· W2101682481 sur OpenAlexafffundvenue
Craig Johnston, G. Cornelis van Kooten

Notice bibliographique

RevueThe Forestry Chronicle · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of Victoria
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésRenewable energyWood fuelPelletsEnvironmental scienceBioenergyNatural resource economicsFossil fuelElectricityBiomass (ecology)BusinessEconomicsWaste managementEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Although wind, hydro and solar are the most discussed sources of renewable energy, countries will need to rely much more on biomass if they are to meet renewable energy targets. In this study, a global forest trade model is used to examine the global effects of expanded demand for wood pellets fired with coal in power plants. Positive mathematical programming is used to calibrate the model to 2011 bilateral trade flows. To assess the impact of increased demand for wood pellets on global forest products, we consider a scenario where demand for wood pellets doubles. Findings indicate that production of lumber and plywood is likely to increase in most of the 20 model regions, but outputs of fibreboard, particleboard and pulp will decline as these products must compete with wood pellets for residual fibre. Ultimately, policies promoting aggressive renewable energy targets cause wood pellet prices to more than double in our scenarios, which could increase the cost of generating electricity to such an extent that, in some regions, electricity producers will continue to use fossil fuels as their primary fuel, while some others might find it worthwhile to rely more on nuclear energy for base load power.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,160

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 technologies0,0000,000
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 Opus0,008
Tête enseignante GPT0,199
Écart entre enseignants0,190 · 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'étudeExpérimental (laboratoire)
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

Citations14
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetBiofuel production and bioconversionTravaux en français237 207