MétaCan
Menu
Retour à la cohorte
Enregistrement W2991255305 · doi:10.1139/cjfr-2019-0213

Implications of the reservation price strategy on the optimal harvest decision and production of nontimber goods in an even-aged forest stand

2019· article· en· W2991255305 sur OpenAlexvenueno aff
Andres Susaeta, Peichen Gong, Damian C. Adams

Notice bibliographique

RevueCanadian Journal of Forest Research · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Food and AgricultureSouth Florida Water Management DistrictU.S. Department of AgricultureU.S. Department of Transportation
Mots-clésReservationCarbon sequestrationProduction (economics)SowingAgroforestryForest managementSilvicultureForestryReservation priceNatural resource economicsAgricultural economicsEnvironmental scienceEconomicsEcologyMicroeconomicsAgronomyGeographyBiologyCarbon dioxideComputer science

Résumé

récupéré en direct d'OpenAlex

This study analyzes the effects of adopting an adaptive harvest strategy in even-aged forest management under timber price uncertainty on the production of nontimber goods. We use the reservation price strategy (“harvest when the observed timber prices are higher than the reservation prices”) on a longleaf pine (Pinus palustris Mill.) stand and employ the Faustmann–Hartman model as a benchmark. We assume that a longleaf pine stand can be managed for timber production, water production, carbon sequestration, and pine straw raking, depending on the planting density. Our results indicate that the reservation price strategy leads to longer expected harvest age when planting density is high. The reservation price strategy does not lead to increases in water production and carbon sequestration with low planting density. With high planting density, the reservation price strategy leads to increases in the amount of in situ carbon sequestered by 14.4–24.7 Mg·ha–1. Our findings suggest that managing longleaf pine forests in good- or poor-quality sites is a profitable alternative and enables water production and carbon sequestration.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,057
Tête enseignante GPT0,329
Écart entre enseignants0,272 · 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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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