MétaCan
Menu
Retour à la cohorte
Enregistrement W3025664863 · doi:10.1139/cjfr-2020-0056

Optimizing continuous cover and rotation forestry in mixed-species boreal forests

2020· article· en· W3025664863 sur OpenAlexvenueno aff
Vesa-Pekka Parkatti, Olli Tahvonen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThinningTaigaFellingForestryScots pineShort rotation forestryBorealAgroforestryEnvironmental scienceForest managementStand developmentMathematicsWoody plantEcologyGeographyCoppicingBiologyPinus <genus>Botany

Résumé

récupéré en direct d'OpenAlex

We study the management of mixed-species boreal forests and tree species composition in a stand-level economic–ecological, size-structured model. The model includes ecological tree species interaction, a detailed harvesting cost module, optimal harvest timing, and optimization between continuous cover and rotation forestry. Optimization is solved by applying a trilevel structure in which the optimal rotation is the highest-level problem, harvest timing is the mid-level problem, and thinning intensity is the lowest-level problem. Given realistic regeneration costs and a 3% interest rate, continuous cover forestry is optimal and may include up to a 40% fraction of broadleaves. A low interest rate and low regeneration cost together with the presence of light-demanding Scots pine (Pinus sylvestris L.) favours rotation forestry. Eurasian aspen (Populus tremula L.) decreases the bare-land value but is optimal to fell without utilization only when it has no commercial value. Overyielding in terms of cubic metre output does not reveal the economically preferable species combination. Managing single-species stands by removing other species that are naturally regenerated decreases the economic outcome by 35%–44%. Felling noncommercial trees without utilization shows that the economically optimal solution avoids high-grading. Maintaining the number of large-diameter trees beyond the level that maximizes profitability implies only minor losses. Omitting thinning decreases the bare-land value up to 73%.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,235
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,039
Tête enseignante GPT0,285
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.

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

Citations30
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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