MétaCan
Menu
Retour à la cohorte
Enregistrement W2135223841 · doi:10.1139/x09-049

Mountain pine beetle, global markets, and the British Columbia forest economy

2009· article· en· W2135223841 sur OpenAlexafffundvenueabout
Brant Abbott, Brad Stennes, G. Cornelis van Kooten

Notice bibliographique

RevueCanadian Journal of Forest Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of VictoriaCanadian Forest Service
Organismes subventionnairesCanadian Forest Service
Mots-clésPulpwoodAgricultural economicsEconomic shortageEconomicsProduction (economics)AgroforestryGeographyForestryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

A number of near-term timber supply shocks are projected to impact global forest product markets, particularly mountain pine beetle induced timber reductions, a Russian log export tax, and timber supply increases from plantation forests in the Southern Hemisphere and Sweden. We examined their effect on a number of global jurisdictions using a dynamic global forest products trade model that separates British Columbia (BC) into coastal and interior forest sectors. The results suggest that global increases in plantation timber would have negligible effects on BC log and lumber markets, that the Russian tax would have minor effects on this market, and that the beetle-induced timber supply drop would moderately increase BC prices (primarily log prices). In the United States South, lumber and log prices could rise as a result of the mountain pine beetle, while other shocks will have a negligible impact on prices. Yet, lumber production will fall because log prices will increase substantially more than lumber prices. Japan could be impacted much more than other regions by the Russian tax on log exports. In the absence of export taxes, a beetle-induced timber shortage would cause lumber production in Japan to rise (as Japan can access nearby Russian logs), while the export tax would reduce lumber production because log prices rise disproportionately more than in other regions.

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 enseignants0,039
Score d'incertitude au seuil0,124

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 savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,013
Tête enseignante GPT0,258
Écart entre enseignants0,245 · 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

Citations43
Publié2009
Routes d'admission4
Résumé présentoui

Explorer davantage

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