Close-to-nature management of tropical timber plantations is economically viable and provides biodiversity benefits
Notice bibliographique
Résumé
Abstract Reforestation of tropical forests is crucial to mitigate the climate crisis and restore ecosystems. However, past efforts have been criticized for establishing monoculture timber plantations with exotic tree species. Close-to-nature (CTN) practices aim to minimize negative forest management impacts on forests ecosystems by mimicking natural dynamics. So far, CTN management practices are rarely applied in tropical plantation forestry. This study evaluates the economic, carbon sequestration, and biodiversity potential of CTN management in tropical mixed-species plantations in Central America using a simulation-optimization approach. To our knowledge, this study is the first to assess the potential of tropical CTN-managed plantations on the basis of detailed process-based forest growth simulations. CTN practices such as selective harvesting, retention forestry, and shelterwood cutting of mixed-species stands were compared to even-aged mixtures and conventional monoculture practices. Results showed that CTN management was economically viable for certain species mixtures and management practices at an 8 % discount rate and had the potential to increase carbon storage and biodiversity in the modeled plantations. At current carbon prices, CTN-managed plantations may only become financially competitive with monocultures, if monocultures are excluded from carbon certification schemes that increasingly aim at co-producing non-carbon benefits like biodiversity conservation. If carbon prices increase, the sale of carbon credits could finance the transformation of monocultures to CTN-managed mixed-species stands. The competitiveness of CTN management could also be improved through performance-based biodiversity payments, such as the sale of biodiversity credits.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».