MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401778648 · doi:10.1139/cjfr-2024-0055

Revised historic harvest data improve estimates of the impacts of human activities on reported greenhouse gas emissions and removals in Canada’s managed forest

2024· article· en· W4401778648 sur OpenAlexafffundvenueabout
Werner A. Kurz, Ben Hudson, Eric T. Neilson, Max Fellows, M. Hafer, D. MacDonald

Notice bibliographique

RevueCanadian Journal of Forest Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensEnvironment and Climate Change CanadaNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesCanadian Forest ServiceEnvironment and Climate Change Canada
Mots-clésGreenhouse gasEnvironmental scienceForest inventoryForest managementDisturbance (geology)HectareCarbon sinkEnvironmental protectionForestryAgroforestryClimate changeGeographyAgricultureEcology

Résumé

récupéré en direct d'OpenAlex

Guidelines for international reporting of greenhouse gas emissions and removals in the forest sector require a land-based approach that includes all lands subject to forest management activities such as harvest, forest inventory, regeneration, management of natural disturbances, and protected areas. The reported net greenhouse gas balance of managed forests is not limited to forest stands resulting from timber harvest and wood product use. Reporting guidelines specify methods to reduce interannual variability in reported emissions attributable to natural disturbances. In Canada, the initial (1990) assignment of all inventoried stands to anthropogenic or natural disturbance reporting categories is determined by the last stand-initiating disturbance. A new compilation of historic (1889 to 1989) harvest data in Canada reduces the area reported in the anthropogenic category by 34 million hectares (20%) in 1990. This area transfer from anthropogenic to natural origin reduces the carbon sink reported as anthropogenic by 113 Mt CO2e yr−1 (56%) in 1990 and by 30 Mt CO2e yr−1 (23%) in 2021.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,021
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,046
Tête enseignante GPT0,304
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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2024
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetFire effects on ecosystems→Travaux en français237 207→