Nations’ water footprints and virtual water trade of wood products
Notice bibliographique
Résumé
Several studies addressed the water footprint (WF) of countries and virtual water (VW) trade in agricultural and industrial products, but freshwater use associated with wood products has received little attention. Yet, international trade in wood products has been growing, and forestry competes with other forest ecosystem services over limited freshwater resources. Therefore, the objective of this paper is to assess nations’ WFs of consumption of wood products, the sustainability of these WFs, and the VW flows associated with international trade in wood products. We account nations’ WFs of and VW trade in wood products with a Multi-regional Input-Output model (MRIO-forest) that tracks wood flows along global supply chains (production, processing, trade, and final uses) for the period 1997-2017 and assess the sustainability of the green and blue WF of wood products in 2017. The WF of wood production increased from 8.37 × 1011 m3/y in 1997 to 9.87 × 1011 m3/y in 2017. About 38% (3.76 × 1011 m3/y) of this WF relates to wood products for export (in 2017), which means that VW trade associated with wood products ranks in between agricultural and industrial products in absolute volumes. About 10% (9.9 × 1010 m³/y) of the green WF and 11% (3.4 × 109 m³/y) of the blue WF of wood products in 2017 are unsustainable, meaning that they are located in areas where the total green/blue WF exceeds the maximum sustainable green/blue WF. The unsustainable green WF occurs mainly in Germany, Indonesia, the Czech Republic and the UK, and mainly relates to coniferous sawnwood, paper and paperboard other than newsprint, fibreboard and non-coniferous sawnwood. The unsustainable blue WF, which is much smaller, occurs in the USA, Russia. Nigeria, Canada and India, and mainly relates to fuelwood, paper and paperboard other than newsprint, sawnwood and fibreboard. This study increases our understanding of how forest evaporation flows link to the final consumption of wood products and contributes to the wider debate on the allocation of freshwater resources in the global economy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».