The Diffusion of Greenhouse Agriculture in Northern Thailand: Combining Econometrics and Agent‐Based Modeling
Notice bibliographique
Résumé
This paper studies the diffusion of greenhouse agriculture in a watershed in the northern uplands of Thailand by applying econometrics and agent‐based modeling in combination. Adoption has been rapid by farmers in the central valley of the watershed, while farmers at higher altitudes, lacking transferable land titles that could serve as mortgage collateral, have been unable to obtain loans for greenhouse investment. The objectives of the paper are both methodological and empirical. On the methodological side, it shows that econometrically estimated models of farm household behavior are useful to design and to parameterize an agent‐based model. On the empirical side, simulation results show that if mortgage collateral would not be required, then adoption in the upper part of the watershed could reach nearly 77% of farm households by 2020, as compared to about 36% under current conditions. Furthermore results suggest a significant increase in incomes related to the innovation and a substantially greater irrigation water use, especially in the central part. As bell pepper under greenhouses has replaced pesticide‐intensive chrysanthemum, it has declined average levels of pesticide use. Nevertheless, pesticide use is high and farmers are struggling to control pests, which raises questions about the long‐term sustainability of the innovation. Dans le présent article, nous avons analysé, à l'aide d'un modèle économétrique et d'un modèle multi‐agent, l'expansion de la culture en serre dans un bassin versant des hautes terres du Nord de la Thaïlande. Les agriculteurs de la vallée centrale du bassin versant ont adopté rapidement cette forme d'agriculture, tandis que les agriculteurs installés dans les hautes altitudes n’ont pu, faute de titres fonciers transférables pouvant servir de garantie, obtenir de prêts pour construire des serres. Les objectifs du présent article étaient à la fois méthodologiques et empiriques. Sur le plan méthodologique, notre étude a montré que les modèles de comportement des ménages agricoles estimés économétriquement sont utiles pour concevoir et paramétrer un modèle multi‐agent. Sur le plan empirique, les résultats de simulation ont montré que, si des garanties de prêt n’étaient pas exigées, 77 p. 100 des ménages agricoles adopteraient la culture en serre dans les hautes terres du bassin versant d'ici 2020, comparativement à environ 36 p. 100 dans les conditions actuelles. De nouveaux résultats ont indiqué que cette innovation ainsi qu’un usage accru de l'eau pour l'irrigation, particulièrement dans la partie centrale, pourraient générer une hausse substantielle des revenus. Depuis que la culture en serre du poivron vert a remplacé la culture du chrysanthème exigeante en pesticides, l'usage des pesticides a beaucoup diminué, mais demeure tout de même élevé. Les agriculteurs ont de la difficultéà lutter contre les ravageurs, ce qui soulève des questions sur la viabilitéà long terme de l'innovation.
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 | 0,005 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».