Deforestation, Predator-Prey Systems & Environmental Policy in British Columbia's Great Bear Rainforest
Notice bibliographique
Résumé
<br> This is a master's thesis completed at Toulouse School of Economics in September 2023. The collection contains the manuscript, all codes, as well as a novel panel data set on yearly forest loss in BC. Any questions should be addressed to peter.kamal@t-online.de ABSTRACT: The human impact on food webs cannot be understated. One instance of this complex problem is the effect of deforestation on predator-prey systems: Logging and the resulting habitat destruction can trigger negative feedback loops all throughout the trophic cascade. As viable predator populations are a crucial part of ecosystem stability, it is imperative for modern conservation science to understand both the extent of human interference in forest ecosystems and its consequences on predator populations. In this thesis, I therefore set out to answer three key questions: (1) Does modern economic forest protection policy actually curb deforestation? (2) When it does not, what are the effects of continued deforestation on the plant-herbivore-predator trophic cascade? (3) Can ecological theory provide alternative policy recommendations? To do so, I first perform an econometric impact evaluation of a recent and highly appraised forest protection policy in British Columbia’s Great Bear Rainforest. I am able to show that despite the policy’s lofty goals, it did not significantly reduce deforestation levels. Motivated by this result, I then construct an agent-based-model of the wolves and deer that make up one of the major trophic cascades in this ecosystem. I am able to show detrimental effects of logging on population levels and stability. Further, I can demonstrate that a block protection policy - as opposed to controlled logging scattered throughout the forest - provides a qualitative remedy to these effects. These results do not only inform ecological theory on perturbed predator prey-systems, but also provide policy recommendations for the Great Bear Rainforest and other comparable ecosystems.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».