MétaCan
Menu
Retour à la cohorte
Enregistrement W2791581616 · doi:10.1139/cjfr-2017-0410

Carbon balance in production forestry in relation to rotation length

2018· article· en· W2791581616 sur OpenAlexvenueno aff
Tomas Lundmark, Bishnu Chandra Poudel, Gustav Stål, Annika Nordin, Johan Sonesson

Notice bibliographique

RevueCanadian Journal of Forest Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarbon stockScots pinePicea abiesCarbon fibersProductivityEnvironmental scienceStock (firearms)ForestryRotation (mathematics)BotanyEcologyClimate changePinus <genus>BiologyMathematicsGeographyEconomicsGeometry

Résumé

récupéré en direct d'OpenAlex

The choice of a rotation length is an integral part of even-aged forest management regimes. In this study, we simulated stand development and carbon pools in four even-aged stands representing the two most common tree species in Fennoscandia, Norway spruce (Picea abies (L.) Karst.) and Scots pine (Pinus sylvestris L.), growing on high- and low-productivity sites. We hypothesized that increased rotation lengths (+10, +20, and +30 years) in comparison with today’s practice would increase forests’ average carbon stock during a rotation cycle but decrease the average yield. The results showed that for spruce, a moderate increase in rotation length (+10 years) increased both average standing carbon stock and average yield. For the longer alternatives (+20 and +30 years) for spruce and for all pine alternatives, prolonging rotation lengths resulted in increased average standing carbon stocks but decreased average yield, resulting in decreased carbon storage in forest products and decreased substitution effects. Decreasing the rotation lengths (–10 years) always resulted in both decreased average standing carbon stocks and decreased yields. We conclude that a moderate increase of rotation lengths may slightly increase forests’ climate benefits for spruce sites, but for all other alternatives, there was a trade-off between the temporary gain of increasing carbon stocks and the permanent loss in productivity and, consequently, substitution potential.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,688
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,032
Tête enseignante GPT0,309
Écart entre enseignants0,277 · 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

Citations42
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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