Potential environmental benefits from woodfuel transitions in Haiti: Geospatial scenarios to 2027
Notice bibliographique
Résumé
Woodfuels constitute nearly 80% of Haiti’s primary energy supply. Forests are severely degraded and the nation has long been considered an archetypal case of woodfuel-driven deforestation. However, there is little empirical evidence that woodfuel demand directly contributes to deforestation, but may contribute to degradation. We use MoFuSS (Modeling Fuelwood Sustainability Scenarios), a dynamic landscape model, to assess whether current woodfuel demand is as impactful as it is often depicted by simulating changes in land cover that would result if current demand continues unabated. We also simulate several near-term interventions focused on woodfuel demand reduction to analyze the land cover impacts of different energy trajectories. We find that current demand may contribute to moderate levels of degradation, but it is not as severe as is typically portrayed. Under a business-as-usual scenario, the simulated regenerative capacity of woody biomass is insufficient to meet Haiti’s increasing demand for wood energy and, as a result, between 2017 and 2027 stocks of above-ground (woody) biomass could decline by 4% ± 1%. This is an annual loss of 302 ± 29 kton of wood and would emit 555 ± 54 kton CO _2 yr ^−1 . Aggressive interventions to reduce woodfuel demand could slow or even reverse woodfuel-driven degradation, allowing woody biomass to recover in some regions. We discuss the policy implications and propose steps to reduce uncertainty and validate the model.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,015 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».