High emissions or carbon neutral? Inclusion of “anthropogenic” forest sinks leads to underreporting of forestry emissions
Notice bibliographique
Résumé
Recent research has shown forest-related emissions reported in national greenhouse gas inventories are much lower than global estimates from models summarized in Intergovernmental Panel on Climate Change reports. A substantial part of this discrepancy could be explained by conceptual differences in what is counted as part of the anthropogenic forest carbon sink and the way countries report on their forest harvesting sectors. With Canada as a case study, we used published National Inventory Report and Common Reporting Format tables to isolate emissions and removals directly associated with forestry from those associated with forests more broadly. Forestry-related factors that affect CO 2 emissions and removals include tree harvesting, post-harvest forest regeneration and growth, and carbon storage in long-lived harvested wood products. We found that between 2005 and 2021, forestry in Canada represented a net source of carbon (annual mean = 90.8 Mt. CO 2 e), and that total area logged was a significant predictor of net forestry emissions. In contrast, Canada’s NIR reported a small net carbon sink during the same time period (annual mean = −4.7 Mt. CO 2 e). We show this discrepancy can be explained by Canada’s GHG reporting approach that claims GHG emissions from wildfires are natural, but GHG removals from forests at the age of commercial maturity, despite being primarily natural disturbance origin, are anthropogenic. This reporting approach may lead to climate mitigation policies that are ineffectual or detrimental to reducing net carbon in the global atmosphere.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».