MétaCan
Menu
Retour à la cohorte
Enregistrement W2158615063 · doi:10.5558/tfc77501-3

Divided land base and overlapping forest tenure in Alberta, Canada: A simulation study exploring costs of forest policy

2001· article· en· W2158615063 sur OpenAlexfundvenueaboutno aff
Steven G. Cumming, Glen W. Armstrong

Notice bibliographique

RevueThe Forestry Chronicle · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesAlberta-Pacific Forest Industries
Mots-clésMillForest managementBusinessLand tenureCertified woodLand useLoggingForestryNatural resource economicsAgroforestryEnvironmental resource managementAgricultural economicsEnvironmental scienceEconomicsGeographyAgricultureEngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

The forest planning environment in Alberta is complicated by multiple forms of forest tenure and by an arbitrary division of the forest into separate softwood and hardwood land bases. The area within and surrounding the Alberta-Pacific Forest Industries Inc. Forest Management Agreement (FMA) area exemplifies the problem, with a large number of independent forest products companies operating in the area. We model 17 sawmill operators and the Alberta-Pacific pulp mill trying to simultaneously satisfy their mill feedstock requirements from a forest.We examined the inefficiencies introduced by this tenure system using Tardis, a computer simulation model incorporating access development, timber harvest, and regeneration. We examined two scenarios: one representing the business-as-usual case where the 18 forest products companies are operating independently, and one where the forest is managed by one company that harvests timber and delivers it to each of the mills.The costs of the present tenure arrangements are, we believe, substantial enough to warrant a thorough re-examination of forest policy and tenure arrangements in Alberta, specifically with respect to land base designation and overlapping tenures. Key words: forest tenure, simulation modelling, timber harvest scheduling, policy analysis

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil0,466

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 Opus0,023
Tête enseignante GPT0,249
Écart entre enseignants0,226 · 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

Citations20
Publié2001
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest Management and PolicyTravaux en français237 207