MétaCan
Menu
Retour à la cohorte
Enregistrement W3006529078 · doi:10.1139/cjfr-2019-0286

Radiative forcing of forest biomass production and use under different thinning regimes and initial age structures of a Norway spruce forest landscape

2020· article· en· W3006529078 sur OpenAlexvenueno aff
Tarit Kumar Baul, Ashraful Alam, Harri Strandman, Jyri Seppälä, Heli Peltola, Antti Kilpeläinen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThinningEnvironmental scienceCarbon sequestrationRadiative forcingTaigaBiomass (ecology)Forest managementForest ecologyStockingAgroforestryEcosystemSlash (logging)Climate changeSecondary forestForestrySilvicultureForcing (mathematics)Atmospheric sciencesEcologyGeographyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

We studied how different thinning regimes and initial age structures of a Norway spruce (Picea abies (L.) Karst.) forest landscape affect the radiative forcing of forest biomass production and use. We considered the effects of forest carbon sequestration, substitution of materials and fossil fuels with forest biomass, and timber use efficiency. The initial age structures of our hypothetical forest landscapes in the middle boreal zone in Finland were young, middle-aged, and mature. Forest landscapes were thinned using either the current thinning recommendations (baseline) or maintaining 20% higher or 20% lower stocking over the 80-year study period. We employed forest ecosystem model simulations together with a life cycle assessment tool. The highest carbon sequestration was obtained by maintaining higher stocking in the landscapes. The initially middle-aged and mature age structures resulted in the strongest cooling of the climate in the first three decades of the simulation, but the highest cooling was found in the young age structure. However, radiative forcing was less sensitive to the thinning than to the substitution or timber use efficiency. Our results indicate that modeled climate impacts are affected by both initial age structure and forest management, which should be considered when generalizing the climate change mitigation potential of forests and forestry.

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)0,001
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 enseignants0,135
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
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 Opus0,053
Tête enseignante GPT0,299
Écart entre enseignants0,246 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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