Balancing Bio‐Energy Cropping Benefits and Water Quality Impacts: A Dynamic Optimization Approach
Notice bibliographique
Résumé
The relationship between bio‐energy feedstock production and water quality has received little attention from economists. Here, an optimal control model is used to determine the optimal amount of land to convert to the production of energy feedstocks, specifically ethanol corn, taking into account potential impacts on water quality. Based on comparative static analyses of an optimal control model, and a numerical application, we find that the optimal proportion of land to shift into bio‐energy production from a baseline use, such as the Conservation Reserve Program, depends on key model parameters, specifically the rate of degradation of the pollutant and the link between the intensity of bio‐energy feedstock production and the rate of change in the pollutant stock. Yet, there is a limit to how much land should optimally be converted as society must trade‐off its desire to mitigate climate change against its willingness to accept a decline in water quality. Le lien entre la production de matières premières bioénergétiques et la qualité de l’eau a attiré peu d’attention de la part des économistes. Nous avons utilisé un modèle de contrôle optimal pour déterminer les superficies optimales à convertir à la production de matières premières énergétiques, en particulier le maïs destinéà la production d’éthanol, en tenant compte des répercussions potentielles sur la qualité de l’eau. D’après une simulation numérique et des analyses de statique comparative obtenues à l’aide d’un modèle de contrôle optimal, nous en sommes venus à la conclusion que les superficies optimales à convertir à la production de matières premières bioénergétiques à partir d’un instrument de référence, tel que le Conservation Reserve Program (Programme de réserve des terres sous conservation), dépend des paramètres clés du modèle, particulièrement du taux de biodégradation des polluants et du lien entre l’intensité de la production de matières premières bioénergétiques et le taux de variation du stock de polluants. Il existe tout de même une limite quant aux superficies à convertir étant donné que la société doit faire un choix entre son désir d’atténuer le changement climatique et son acceptation d’une diminution de la qualité de l’eau.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».