Global drivers of timber carbon stock from income-based perspective
Notice bibliographique
Résumé
Introduction: Timber and its products are key carriers of carbon stocks and can cause a hysteresis effect of carbon release in the carbon cycle of forest ecosystems. The literature regarding the cross-regional flow of timber carbon stock mainly pays attention to production- and consumption-based perspectives, which cannot reflect how the primary inputs drive timber carbon stock flow. The income-based perspective accounting can identify the influence of primary input suppliers and supplement research on timber carbon stock embodied in trade. The goal of this paper is to explore the cross-regional flow of global timber carbon stock and identify the critical countries from an income-based perspective. Methods: We used the Ghosh-multi-regional input-output (MRIO) model to calculate the income-based timber carbon stock flow among 190 countries. Furthermore, combined with the Leontief-MRIO model, a comparative analysis is carried out to analyze the different results of the income-based, production-based, and consumption-based methods. Results: The results showed that the income-based timber carbon stock of the United States and China were among the top countries in imports and exports simultaneously. However, their export volumes were significantly larger, meaning that these countries have invested more primary resources in timber products. The timber carbon stock of the United States mainly flows into Canada and Brazil. In China, the largest flow went to Canada. Furthermore, the flow to the United States increased significantly. Moreover, comparing the three perspectives shows that the United States’ primary inputs have a greater impact on the global timber production chain than their production- and consumption-based roles. Brazil and Russia, as main primary resource suppliers of timber carbon stock, are more important than as final consumers. Discussion: The research can contribute to clarify the flow of forest resources embodied in global trade activities. Furthermore, it also provides a scientific basis to fairly account for carbon offset shares to achieve better the goal of forest resource protection agreed upon in COP26.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».