Operational-scale Carbon Budget Model of the Canadian Forest Sector (CBM-CFS3) version 1.2: user’s guide
Bibliographic record
Abstract
Le Modèle du bilan du carbone du secteur forestier canadien (MBC-SFC3), version 1.2 présenté dans ce guide d’utilisation a été développé afin de répondre aux besoins de comptabilité du carbone forestier à l’échelle opérationnelle qu’ont les aménagistes et analystes forestiers à travers le Canada. Le MBC-SFC3 est un cadre de modélisation à l’échelle du peuplement et du paysage qui peut servir à la simulation des dynamiques des stocks de carbone forestier comme requis par la Convention-Cadre des Nations Unies sur les Changements Climatiques. Il se conforme aux méthodes d’estimations citées par le document Recommandations en matière de bonnes pratiques pour le secteur de l’utilisation des terres, changements d’affectation des terres et foresterie issu du Groupe d’experts intergouvernemental sur l’évolution du climat. Ce modèle emploie plusieurs informations qui sont déjà requises pour la planification des activités d’aménagement forestier (par ex. inventaire forestier, courbes de croissance et de rendement, données sur les perturbations naturelles et anthropiques, calendrier d’exécution de l’aménagement forestier et données sur les changements d’affectation des terres), complétées par des informations provenant de bases de données écologiques nationales. Au moyen de cet outil informatique sophistiqué mais convivial, les utilisateurs peuvent intégrer leurs propres informations relatives à l’aménagement forestier à l’échelle du peuplement et du paysage pour calculer les stocks de carbone et les changements de ces stocks dans le passé (surveillance) ou dans l’avenir (projection). Les utilisateurs peuvent aussi créer, simuler et comparer divers scénarios d’aménagement forestier afin d’en évaluer les impacts sur le carbone. Les outils fournis avec le modèle sont conçus pour aider les utilisateurs à importer les données requises à partir de modèles courants d’approvisionnement en bois ou encore depuis des fichiers de données faits sur mesure par les utilisateurs eux-mêmes. Le modèle contient des outils pour aider à préparer les données, à définir des scénarios, à effectuer les analyses et à examiner les résultats. Les résultats des analyses peuvent servir à divers types de comptes-rendus sur le carbone des écosystèmes forestiers. Bien que le modèle contienne des paramètres écologiques par défaut qui s’appliquent au Canada, ces paramètres peuvent être modifiés par l’utilisateur, ce qui permet d’appliquer le modèle dans d’autres pays.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.021 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".