An economic analysis of management practices to mitigate butt rot and deer browse of planted western redcedar
Notice bibliographique
Résumé
We consider the economic feasibility of silviculture investments to reduce butt rot (through stump removal) and ungulate browse damage (stand establishment strategies), which are the most serious impacts to planted western redcedar (Thuja plicata Donn ex D. Don) stands in coastal British Columbia, Canada. We find mixed support for these investments, even if carbon sequestration benefits are included. We do find butt rot causes significant material damage to volumes, but such damage tends to occur well into the future of the stand diminishing the negative impact on stand value. As such, given the high costs of stump removal, and despite losses of high-quality logs, we find little support for stump removal except under very low discount rates (2%). Deer browse impacts are found to occur in the early stages of stand development, and projected stands should sufficiently recover volumes and value by harvest age. However, under positive carbon prices, because deer browse mitigation measures have an immediate impact on biomass accumulation in the early stages of stand development, we find some conditions for which low-cost deer browse mitigation options might be economically supported on forestlands. Finally, we found that increased planting of seedlings is likely a low-cost, financially attractive option under a broad set of conditions, even on sites without risk to damage, meaning a possible no-regrets strategy to mitigate damages from either deer browse or decay. The benefits of planting highlight the feasibility of using tree breeding to increase growth, resistance to deer, decay, and drought. The methods developed in the paper to evaluate the impact of both root rot and ungulate browsing could be applied to other ecosystems elsewhere.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».