Valuing a Logging Externality: Loss of the Water Purification Service of Temperate Coastal Rainforests
Notice bibliographique
Résumé
In many biodiversity rich watersheds, there is a lack of understanding concerning the trade-offs between timber harvesting and maintaining the watershed’s other ecosystem services, where losses of these services can occur as an externality from timber harvesting. As a result, the potential benefit from an appropriate mix of activities in multiple-use watersheds frequently remains unrealized. Our study provides insight into such trade-offs by estimating the value of a loss in a forest’s water purification/filtration service due to sedimentation caused by logging (the externality). More specifically, we develop a model to quantify the economic impact of increased sedimentation from forest roads on the quality of raw water withdrawn by a municipal water utility. Our approach is novel in several ways. First, we recognize the complex response of the water treatment plant to elevated sedimentation (turbidity) by considering a stochastic environmental influence on water system performance; to accommodate this complexity, we estimate the number of times turbidity exceeds an acceptable threshold by using a count data estimation procedure. Second, we generate alternative time series for turbidity that vary according to assumptions about forest management (logging versus no logging), traffic volume (road use intensity) and aggregate road length. We find that reductions in the economic value of the water purification/filtration service is more sensitive to traffic volume than other considerations but only when the road use is High, as the welfare effect in other cases is modest. Our analysis will be helpful to forest planners who must consider the trade-offs in forest management when timber harvesting can have harmful impacts on important ecosystem services, such as water purification/filtration.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».