MétaCan
Menu
Retour à la cohorte
Enregistrement W2143503339 · doi:10.1139/x04-006

Timber production versus old-growth preservation with endogenous prices and forest age-classes

2004· article· en· W2143503339 sur OpenAlexvenueno aff
Olli Tahvonen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)EconometricsForest managementMathematicsDistribution (mathematics)EconomicsEnvironmental scienceAgroforestryMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This study combines timber production and environmental values, applying a dynamic forest-level economic model with any number of forest age-classes. The model includes endogenous timber price or nonlinear harvesting costs and various possibilities to specify the dependence of environmental values (related e.g. to species persistence) on the forest age-class structure. The nonlinearities in the net benefits from timber production have the consequence that fluctuations in optimal timber harvesting may totally vanish or at least become smaller than in forest scheduling models without ad hoc even flow constraints. If environmental values are specified to depend on the fraction of forest land preserved as old growth, the optimal long run allocation between timber production and old growth is represented by an equilibrium continuum. Thus the optimal long run allocation depends on the initial age-class distribution. The continuum and the dependence of initial age-class distribution vanish when the rate of discount approaches zero. If the environmental values of age-classes increase smoothly with age, the long run equilibrium may simultaneously include multiple rotation periods. The model determines the optimality of producing timber and environmental values separately at different parts of the forest or at the same piece of forest land. Numerical computation suggests that the optimal solution always converges toward some optimal long run stationary age-class distribution.

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 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 enseignants0,497
Score d'incertitude au seuil0,941

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,067
Tête enseignante GPT0,285
Écart entre enseignants0,218 · 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'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

Citations23
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

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