MétaCan
Menu
Retour à la cohorte
Enregistrement W4388453916 · doi:10.1186/s13595-023-01208-5

Climate-smart forest management caught between a rock and a hard place

2023· article· en· W4388453916 sur OpenAlexaff
Bart Muys, Christian Messier

Notice bibliographique

RevueAnnals of Forest Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesFondation Francqui - Stichting
Mots-clésVitalityClimate changeRegretEnvironmental resource managementForest managementSustainable forest managementAdaptation (eye)Global warmingForest degradationGeographyBusinessNatural resource economicsEcologyEnvironmental scienceForestryComputer scienceLand degradationEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Key message The UNFCCC COP 27 in Sharm El-Sheikh confirmed that climate policies too heavily rely on climate mitigation by forests rather than on de-fossilizing the energy system, to keep global warming within the safe 1.5 °C. Reliable mitigation by forests would imply healthy productive forests well adapted to climate change, and this is no longer the case. The current trend in loss of forest vitality shows that the adaptation of forests is urgently needed, but measures are being insufficiently adopted by foresters on the ground. In this letter, we wonder about the reasons for this inaction paralyzing climate-smart forestry and propose a way forward using a diversity-based no-regret approach in line with available knowledge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,034
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,042
Tête enseignante GPT0,300
Écart entre enseignants0,258 · 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 tête enseignante, pas un consensus.

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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Forest ScienceMême sujetForest Management and PolicyTravaux en français237 207