Two large-scale forest scenario modelling approaches for reporting CO2 removal: a comparison for the Romanian forests
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Forest carbon models are recognized as suitable tools for the reporting and verification of forest carbon stock and stock change, as well as for evaluating the forest management options to enhance the carbon sink provided by sustainable forestry. However, given their increased complexity and data availability, different models may simulate different estimates. Here, we compare carbon estimates for Romanian forests as simulated by two models (CBM and EFISCEN) that are often used for evaluating the mitigation options given the forest-management choices. Results The models, calibrated and parameterized with identical or harmonized data, derived from two successive national forest inventories, produced similar estimates of carbon accumulation in tree biomass. According to CBM simulations of carbon stocks in Romanian forests, by 2060, the merchantable standing stock volume will reach an average of 377 m 3 ha −1 , while the carbon stock in tree biomass will reach 76.5 tC ha −1 . The EFISCEN simulations produced estimates that are about 5% and 10%, respectively, lower. In addition, 10% stronger biomass sink was simulated by CBM, whereby the difference reduced over time, amounting to only 3% toward 2060. Conclusions This model comparison provided valuable insights on both the conceptual and modelling algorithms, as well as how the quality of the input data may affect calibration and projections of the stock and stock change in the living biomass pool. In our judgement, both models performed well, providing internally consistent results. Therefore, we underline the importance of the input data quality and the need for further data sampling and model improvements, while the preference for one model or the other should be based on the availability and suitability of the required data, on preferred output variables and ease of use.
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.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle