MétaCan
Menu
Retour à la cohorte
Enregistrement W4293238329 · doi:10.3390/en15093179

Impact of the COVID-19 Pandemic on Biomass Supply Chains: The Case of the Canadian Wood Pellet Industry

2022· article· en· W4293238329 sur OpenAlexaffabout
Bruno Gagnon, Heather MacDonald, Emily S. Hope, M. Jean Blair, Daniel W. McKenney

Notice bibliographique

RevueEnergies · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésPandemicBusinessSupply chainAgricultural economicsPelletProduction (economics)Coronavirus disease 2019 (COVID-19)Wood industryEconomic impact analysisSupply and demandBiomass (ecology)EconomicsGeographyForestryMarketing

Résumé

récupéré en direct d'OpenAlex

The ongoing COVID-19 pandemic has disrupted global economic activity in all sectors, including forest industries. Changes in demand for forest products in North America over the course of the pandemic have affected both primary processors and downstream industries reliant on residues, including wood pellet producers. Wood pellets have become an internationally traded good, mostly as a substitute for coal in electricity generation, with a significant proportion of the global supply coming from Canadian producers. To determine the effect of the COVID-19 pandemic on the Canadian wood pellet industry, economic and market data were evaluated, in parallel with a survey of Canadian manufacturers on their experiences during the first three waves of the pandemic (March 2020 to September 2021). Overall, the impact of the pandemic on the Canadian wood pellet industry was relatively small, as prices, exports, and production remained stable. Survey respondents noted some negative impacts, mostly in the first months of the pandemic, but the quick recovery of lumber production helped to reduce the impact on wood pellet producers and ensured a stable feedstock supply. The pandemic did exacerbate certain pre-existing issues, such as access to transportation services and labour availability, which were still a concern for the industry at the end of the third wave in Canada. These results suggest that the Canadian wood pellet industry was resilient to disruptions caused by the pandemic and was able to manage the negative effects it faced. This is likely because of the integrated nature of the forest sector, the industry’s reliance on long-term supply contracts, and feedstock flexibility, in addition to producers and end-users both being providers of essential services.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,426

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
Bibliométrie0,0010,003
Études des sciences et des technologies0,0140,003
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,035
Tête enseignante GPT0,272
Écart entre enseignants0,237 · 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'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

Citations13
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207