Carbon Balance of China-Made Wood Products Assessed Using a Trade-Linked Approach
Notice bibliographique
Résumé
Harvested wood products (HWPs) contribute to forestry carbon removal and, therefore, to climate change mitigation. However, the complex international trade of raw wood materials and HWPs and the associated biogenic carbon conversion along the global supply chain are not properly accounted for in the existing HWP carbon accounting schemes, precluding effective climate policy design. To address the gap, we developed a generalizable Trade-Linked Approach to account for trade and the associated carbon stocks and emissions. In the case study for China-made HWPs in 1990–2020, trade partners supplied 22% (1425 MtCO 2 e, or 389 MtC) of raw materials and consumed 13% (691 MtCO 2 e, or 189 MtC) of the HWPs, with the latter double that of the FAOSTAT statistics that were used in the existing studies. In the same period, the trade partners contributed 13% (570 MtCO 2 e) of the total HWP carbon stocks. The HWPs consumed overseas provided a 43 MtCO 2 e yr –1 carbon sink (15% of the total) from 2016 to 2020, which is close to the “forest and land use carbon credits” transacted in global voluntary carbon markets in 2020. In addition to adequately allocating carbon removals to each country, we appeal for a global HWP-associated carbon payment scheme to incentivize HWP-based mitigation activities along the supply chain.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».