Analyse de rentabilité de la récolte de biomasse dégradée par les insectes pour la bioénergie
Notice bibliographique
Résumé
Les perturbations naturelles font partie intégrante de l’aménagement des forêts boréales canadiennes. Des débouchés doivent être trouvés pour les quantités importantes de bois provenant d’arbres dégradés ou morts. Une option prometteuse est la bioénergie. Cependant, il est essentiel de regarder la rentabilité de cette filière. Une approche par étude de cas a été réalisée pour évaluer la rentabilité d’une usine de bioénergie qui utilise de la biomasse dégradée, dans la province de Québec (Canada), en s’approvisionnant sur les mêmes territoires que les usines de sciage et de pâte. Les opérations forestières de récolte et transport ont été simulées. La rentabilité d’un scénario témoin, pour lequel seulement la récolte de bois marchand destiné au sciage et à la pâte et qui laisse les arbres trop dégradés intacts, a été comparée à la rentabilité d’un scénario transformant les arbres dégradés en bioénergie, tout en transformant les arbres sains en sciage et pâte. Aussi, l’effet de la répartition des coûts fixes sur un plus grand volume de bois a été évalué. Les bénéfices de la récolte de biomasse pour la bioénergie, en termes de réduction de l’intensité des travaux de préparation de terrain, a aussi été évaluée. Les résultats montrent qu’au prix actuel du marché, dominé par les granules de bois, la récolte de bois morts ou dégradés pour faire de la bioénergie n’est pas aussi rentable que de laisser les arbres debout, non coupés. Le scénario de bioénergie reste rentable lorsque le niveau de dégradation moyen est modéré. Aussi, la répartition des coûts fixes sur un plus grand volume de bois a permis de réaliser des économies de 2.83$C/m3 en moyenne. Finalement, la récolte de biomasse pour la bioénergie a permis de réaliser des économies allant de 0 à 500$/ha, en évitant des coûts de préparation de terrain.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».