MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410001478 · doi:10.1139/cjfr-2024-0280

Evaluation of <i>Cryptomeria japonica</i> forest management based on wood production and carbon emission reduction in Yamagata Prefecture, Japan

2025· article· en· W4410001478 sur OpenAlexvenueno aff
Hayato Kamei, Tohru Nakajima, Kun Pu, Satoshi Tatsuhara

Notice bibliographique

RevueCanadian Journal of Forest Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of ScienceTelecommunications Advancement Foundation
Mots-clésCryptomeriaJaponicaForestryEnvironmental scienceForest managementCarbon fibersAgroforestryGeographyBotanyBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

With respect to carbon emissions in the context of climate change, a trade-off occurs between the carbon fixation and timber production functions of forests. Through this study, we aimed to clarify the relationship between the two functions by comparing harvesting plans for maximising timber production and carbon emission reduction effects at a privately owned sugi ( Cryptomeria japonica) forest in Tsuruoka City, Yamagata Prefecture, Japan. When formulating the harvesting plans, we included unreforested clearcuts as an option and assumed the natural regeneration of broadleaf forests in unreforested clearcuts. Reduction of carbon emission effects was evaluated based on carbon stocks in forest biomass, harvested wood products, and substitution effects, which we evaluated using static and dynamic substitution effect approaches. The results showed that even when the dynamic substitution effect was used, no trade-off occurred between timber production and carbon emission reduction until 2050; however, a trade-off was impending in the long run. This result supports Japan’s timber utilisation promotion policy to achieve carbon neutrality by 2050.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,306
Écart entre enseignants0,279 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetForest ecology and management→Travaux en français237 207→