MétaCan
Menu
Retour à la cohorte
Enregistrement W4205927185 · doi:10.1016/j.ecolecon.2021.107337

A new accounting framework for assessing forest footprint of nations

2022· article· en· W4205927185 sur OpenAlex
Iñaki Arto, Ignacio Cazcarro, Eneko Garmendia, Itxaso Ruiz, María José Sanz

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueEcological Economics · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesHORIZON EUROPE Framework ProgrammeHorizon 2020 Framework ProgrammeAgencia Estatal de InvestigaciónEusko JaurlaritzaMinisterio de Ciencia, Innovación y Universidades
Mots-clésContext (archaeology)Consumption (sociology)Production (economics)Natural resource economicsSupply chainEcological footprintAgricultureBusinessResource (disambiguation)Environmental resource managementEconomicsSustainabilityAgricultural economicsGeographyComputer scienceEcology

Résumé

récupéré en direct d'OpenAlex

In a tele-coupled and globalized World, understanding the links between demand for wood products and land use is becoming challenging. World's economies are increasingly open and interconnected, and international trade flows of wood products are continuously growing. The increasing resource consumption of humanity is increasingly dependent on international trade. In this context, the study of forest products demand from a global-multi-regional perspective emerges as a critical issue to achieve the goal of sustainable consumption and production. In this paper, we introduce a novel accounting framework for assessing the forest footprint of nations. The method combines Multi-regional Input-Output techniques and detailed data from the Food and Agriculture Organization of the United Nations on production, consumption and bilateral trade of primary, intermediate and final wood products, advancing with respect to existing approaches with these practical distinctions for more accurate computations. The approach tracks resource flows along the global supply chain and provides detailed information on the production, transformation, international trade, and final use of 20 forest products in 223 countries, having also much wider coverage than most previous studies. We test this framework to analyse forest footprint of nations in the year 2014, showing that 22 Million hectares (Mha) of forest were harvested for the extraction of roundwood for global demand, being 9.1 Mha to satisfy the foreign demand of wood products (42% of the total forestland harvested area). Harvested forestland is concentrated in America (32%), Asia (29%) and Europe (28%), representing Africa (7%) and Oceania (4%). More than 50% of the reported forest area harvested worldwide is located in USA (15%), China (14%); Russia (11%) and Canada (8%). In terms of forest footprint, Asia shows the highest share of the total forest footprint (44%), followed by America (25%), Europe (21%), Africa (7%) and Oceania (2%). Country-wise, half is concentrated in China (24%), USA (16%), India (5%), and Russia (5%).

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 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)0,000
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 enseignants0,130
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,018
Tête enseignante GPT0,267
Écart entre enseignants0,249 · 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