MétaCan
Menu
Retour à la cohorte
Enregistrement W2133336922 · doi:10.1093/forestry/cpn017

Working together: a reciprocal wood flow arrangement to mitigate the economic impacts of natural disturbance

2008· article· en· W2133336922 sur OpenAlexaffabout
Mike N. Patriquin, Van Lantz, Richard C. Stedman, William A. White

Notice bibliographique

RevueForestry An International Journal of Forest Research · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of New BrunswickNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésDisturbance (geology)Environmental scienceFlow (mathematics)Mountain pine beetleEconomic impact analysisEcologyAgroforestryNatural resource economicsGeographyEconomicsForestryMathematicsGeologyBiology

Résumé

récupéré en direct d'OpenAlex

This study investigates the regional economic impacts resulting from the current mountain pine beetle infestation in British Columbia, Canada, and proposes a mitigation strategy to reduce the negative impacts. The strategy consists of reducing the abrupt timber supply changes in an infested region through a reciprocal wood flow arrangement with an adjacent region less affected by the beetle. Two study areas facing different levels of beetle pressure are investigated: the Quesnel Timber Supply Area (high beetle pressure) and the combined Williams Lake/100 Mile House Timber Supply Area (low beetle pressure). A computable general equilibrium model is constructed for each region and is used to simulate the sensitivity of a suite of economic indicators to various timber supply scenarios for both regions. The results indicate that the negative economic impacts attributed to beetle damage could be reduced under a reciprocal wood flow agreement between the two regions. The degree to which the impacts are reduced in each region depends largely on assumptions about forest regeneration and growth and the terms of the reciprocal wood flow agreement.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,055
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,338
Écart entre enseignants0,295 · 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.

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

Citations14
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestry An International Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207