MétaCan
Menu
Retour à la cohorte
Enregistrement W3200748933 · doi:10.4236/jsbs.2021.113011

Ancillary Impacts of Harvest Residue Pelletization

2021· article· en· W3200748933 sur OpenAlexaff
Ryan Jacobson, Shahab Sokhansanj, Dominik Röeser, Jason Hansen, R. Bhushan Gopaluni, Xiaotao Bi

Notice bibliographique

RevueJournal of Sustainable Bioenergy Systems · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTonneLiberian dollarBusinessPelletizingEnvironmental scienceAgricultural economicsNatural resource economicsPelletsWaste managementEnvironmental economicsEconomicsFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the implications on employment, taxation, and wildfire fuel reduction costs when using mobile pellet mills to remove biomass and reduce wildfire fuels. Wildfire suppression costs in British Columbia have exceeded the set budget in 9 of the last 10 years and the province has only reduced the fuel load on a fraction of the high-risk hectares. Using a novel high-moisture mobile pellet mill allows the production of 89,000 tonnes of wood pellets each year for a price of $293 . Each tonne produced also provides $546 in additional benefits from employment, taxation, and reductions in the cost to perform fuel treatments. The presented research found that 11 employees are needed to operate a mobile pellet mill, with total employment of 242 for 22 systems across BC. The assessed system can also avoid $5.5 million in employment insurance payments. The 22 systems also provide $323,000 in taxable profits and $524,000 from income taxes from employees. Fuel treatment with the researched systems costs $1112 . A cost-benefit analysis shows that the system provides $2.97 in benefits for every dollar invested.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0310,002

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 Opus0,006
Tête enseignante GPT0,191
Écart entre enseignants0,185 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable Bioenergy SystemsMême sujetForest Biomass Utilization and ManagementTravaux en français237 207