A systematic review of markets for forest ecosystem services at an international level
Notice bibliographique
Résumé
Markets for ecosystem services (MES) can play a key role in the protection of natural capital and the remuneration of sustainable management practices. This study aims to present the state of the art on forestry MES at the international level through a systematic review. The main objectives are (i) to analyse the distribution of actual or potential markets for forest ecosystem services (FES) that exist internationally today, (ii) to identify the spatial scale at which market-based instruments (MBIs) are applied and the respective measures of economic value used to assess FES, and (iii) to identify the actors and their involvement in the implementation of forestry MES. The study collected 304 peer-reviewed publications using the Scopus and Web of Science databases. The PRISMA (Preferred Reporting Items for Systematic reviews and Meta-Analyses) protocol was used to guide the systematic process and select the 52 articles analysed in the review. The results show that Europe is the most representative continent in terms of geographical areas involved ( n = 8) by forestry MES, followed by America ( n = 6), Asia ( n = 5), and Africa ( n = 1). The main scale of application of MBIs for forestry MES is local, i.e., at the level of forest stand, municipality, or province ( n = 31), followed by subnational ( n = 10), national ( n = 9), and international ( n = 2). The main pattern of social composition in forestry MES is buyers, sellers, and intermediaries ( n = 25), followed by buyers and sellers only ( n = 12), buyers, sellers, intermediaries, and knowledge providers ( n = 5), and buyers, sellers, and knowledge providers ( n = 3). In terms of the measure of economic value, most studies use willingness to accept ( n = 30), as opposed to willingness to pay ( n = 17), and only 5 studies used both. Future research on forestry MES should be directed towards a better understanding of the process leading to their creation, implementation, effectiveness, governance, and level of satisfaction in economic terms of the actors involved.
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 | 0,017 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,017 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».