CIFOR-ICRAF s’attaque aux défis et aux opportunités locales tout en apportant des solutions aux problèmes mondiaux concernant les forêts, les paysages, les populations et la planète.

Nous fournissons des preuves et des solutions concrètes pour transformer l’utilisation des terres et la production alimentaire : conserver et restaurer les écosystèmes, répondre aux crises mondiales du climat, de la malnutrition, de la biodiversité et de la désertification. En bref, nous améliorons la vie des populations.

CIFOR-ICRAF publie chaque année plus de 750 publications sur l’agroforesterie, les forêts et le changement climatique, la restauration des paysages, les droits, la politique forestière et bien d’autres sujets encore, et ce dans plusieurs langues. .

CIFOR-ICRAF s’attaque aux défis et aux opportunités locales tout en apportant des solutions aux problèmes mondiaux concernant les forêts, les paysages, les populations et la planète.

Nous fournissons des preuves et des solutions concrètes pour transformer l’utilisation des terres et la production alimentaire : conserver et restaurer les écosystèmes, répondre aux crises mondiales du climat, de la malnutrition, de la biodiversité et de la désertification. En bref, nous améliorons la vie des populations.

CIFOR–ICRAF publishes over 750 publications every year on agroforestry, forests and climate change, landscape restoration, rights, forest policy and much more – in multiple languages.

CIFOR–ICRAF addresses local challenges and opportunities while providing solutions to global problems for forests, landscapes, people and the planet.

We deliver actionable evidence and solutions to transform how land is used and how food is produced: conserving and restoring ecosystems, responding to the global climate, malnutrition, biodiversity and desertification crises. In short, improving people’s lives.

Controlled burns in conifer forests: Decision analysis with the decision Support package

Exporter la citation

The decisionSupport package (Eike Luedeling and Göhring 2017) implements this as a Monte Carlo simulation, which generates a large number of plausible system outcomes, based on random numbers for each input variable that are drawn from user-specified probability distributions. It also conducts a sensitivity analysis (based on Projection-to-Latent-Structures regression) to highlight uncertain variables that have large impacts on model outputs (Eike Luedeling and Gassner 2012; Wold, Sjostrom, and Eriksson 2001). This approach is useful for determining whether a clearly preferable course of action can be delineated based on the present state of knowledge without the need for further information. If the distribution of predicted system outcomes doesn’t imply a clearly preferable decision option, variables identified as carrying decision-relevant uncertainty can then be targeted by decision-supporting research (Eike Luedeling et al. 2015). This approach is explained in more detail below.
    Année de publication

    2022

    Auteurs

    Luedeling, E.; Whitney, C.

    Langue

    English

    Mots clés

    wildfires, decision making, forest fires

Publications connexes