MétaCan
Menu
Retour à la cohorte
Enregistrement W2255535904 · doi:10.1093/forestry/cpv042

The economic impact of the mountain pine beetle infestation in British Columbia: provincial estimates from a CGE analysis

2015· article· en· W2255535904 sur OpenAlexaffabout
L. J. Corbett, Patrick Withey, Van Lantz, Thomas O. Ochuodho

Notice bibliographique

RevueForestry An International Journal of Forest Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of New BrunswickSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésComputable general equilibriumInfestationEconomic impact analysisGeographyMountain pine beetleAgricultural economicsEconomicsForestryBiology

Résumé

récupéré en direct d'OpenAlex

The mountain pine beetle (MPB) epidemic in British Columbia (BC) peaked in 2004 and 2005, and by 2012, >53 per cent of the merchantable pine had been attacked. The annual kill has declined steadily since 2005 and is projected to continue to do so. However, given the significant amount of beetle killed wood, the timber supply is expected to fall dramatically in the coming decades. This study estimates the future provincial economic impacts of the MPB infestation in a dynamic computable general equilibrium (CGE) model, by examining the effects of the reduction in timber supply from BC forests over the 2009–2054 period. Results suggest that there will be a cumulative present value loss of $57.37 billion (or 1.34 per cent) in GDP and a $90 billion decline in welfare (compensating variation) from 2009 to 2054 in BC. These estimates emphasize the significance of negative economic impacts that may be in store for the economy in this, and potentially other provinces, and can be used to help policy-makers better understand the net benefits of adaptation options geared towards reducing the spread of such pests.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,356
Écart entre enseignants0,329 · 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'étudeSimulation ou modélisation
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

Citations82
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

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