Funding research using climate change mitigation: The case of the Carbone boréal research infrastructure
Notice bibliographique
Résumé
Since 1988, the Intergovernmental Panel on Climate Change (IPCC) has gathered research and produced reports to inform decision makers on climate change. Among crosscutting topics, ecosystem management and nature-based solutions (NBS) have received growing attention as they are readily available and relatively inexpensive. NBS are part of the Agriculture, Forestry and Other Land Uses economical sector [1]. While carbon prices can reach up to USD100 t-1 CO2-eq, greenhouse gas (GHG) land-based mitigation can be achieved for less in agriculture (e.g. soil carbon management, agroforestry, soil biochar addition), forestry (e.g. afforestation, reforestation, decreased deforestation) and using other ecosystems (e.g. peatland and wetland restoration) [1]. NBS have the potential to reduce GHG emissions by 8–14 Gt CO2-eq yr-1 between 2020–2050 [1], which represents 32–82% of the emission gap by 2030 to limit global warming between 1.5–2°C by 2100 compared with the preindustrial era [2]. In addition to CO2 removal from the atmosphere, NBS also render valuable ecosystem services such as biodiversity conservation, water and nutrient cycling regulation and soil preservation [3–6]. Several positive impacts on human well-being and sustainable development goals can also be achieved through NBS [1].
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».