MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415162632 · doi:10.31223/x5w731

Developing a prototype decision support framework to assess forest management scenarios as a nature-based decarbonization solution for the mining sector: A case study in British Columbia, Canada

2025· article· en· W4415162632 sur OpenAlexfundaboutno aff
Elaheh Ghasemi, Kathleen Coupland, Salar Ghotb, Gregory Paradis

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesMitacsGoldcorpNewmont Corporation
Mots-clésDecision support systemGeneral partnershipTransparency (behavior)Geospatial analysisForest managementRanking (information retrieval)UsabilityInteroperability

Résumé

récupéré en direct d'OpenAlex

This study, realized in partnership with a leading global gold producer, explores how forest management nature-based solutions (NbS) can be integrated into decarbonization strategies to achieve carbon neutrality by 2050. NbS, including carbon sequestration in forests, are expected to play an important role in meeting decarbonization commitments in the mining sector. Our primary contribution is a prototype open-source decision support system (DSS) framework for modeling forest management scenarios using publicly available data and reproducible workflows. We demonstrate the framework on three distinct mining sites in British Columbia (BC), Canada, using geospatial data, forest inventory, and landscape-level models. The prototype compares a business-as-usual scenario with alternative harvesting scenarios to examine objectives such as maximizing harvest volume, minimizing harvested area, maximizing ecosystem carbon stocks, and minimizing net emissions. Key performance indicators (KPIs) are tracked to evaluate environmental, economic, and social aspects. The case study serves to illustrate that both the method and code implementation adapt readily to sites with different forest dynamics. While the current notebook-based interface is limited in usability, it supports a fully open, transparent, and reproducible analysis pipeline. We argue that further development of this approach is warranted to improve usability while retaining transparency and auditability. The study does not prescribe specific harvesting strategies; rather, the findings illustrate how forest management objectives influence outcomes across KPIs. Scenarios prioritizing higher harvest volumes yield greater economic and social benefits but often coincide with trade-offs in environmental indicators. Conversely, restricting harvesting can improve environmental indicators. While not production-ready, the prototype demonstrates promising attributes for nature-based decarbonization analyses and suggests a direction for further development and evaluation.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,269
Score d'incertitude au seuil0,540

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,018
Tête enseignante GPT0,290
Écart entre enseignants0,272 · 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'étudeSimulation ou modélisation
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'admission2
Résumé présentoui

Explorer davantage

Même sujetForest Management and Policy→Travaux en français237 207→