MétaCan
Menu
Retour à la cohorte
Enregistrement W2113434713 · doi:10.22004/ag.econ.119800

Impact of United States Corn-Based Ethanol Production on Land Use

2012· preprint· en· W2113434713 sur OpenAlexaboutno aff

Notice bibliographique

RevueAgEcon Search (University of Minnesota, USA) · 2012
Typepreprint
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeforestation (computer science)Agricultural economicsProduction (economics)ClearanceLand useScarcityEthanol fuelBiofuelLand use, land-use change and forestryCropCorn ethanolAgricultureEnvironmental scienceNatural resource economicsAgroforestryAgricultural scienceBusinessGeographyEconomicsForestryBiotechnologyEcology

Résumé

récupéré en direct d'OpenAlex

This study measures the impact of corn-based ethanol production in the United States on land use in other countries, or indirect land use. Indirect land use is a change from non-cropland to cropland (e.g. deforestation) that may occur in response to increasing scarcity of cropland. As farmers worldwide respond to higher crop prices in order to maintain the global food supply and demand balance, pristine lands are cleared and converted to new cropland to replace the crops for feed and food that were diverted elsewhere to biofuel production. The results show that increasing ethanol production in the US has a positive and significant relation to U.S corn price. However, U.S. corn price does not have a significant impact on changes in corn acreage in Brazil and other countries such as Canada, Japan and China. Although many authors have hypothesized that increased ethanol production in the U.S. will increase corn prices, which will result in increased change in land use in other countries, these results suggest that the effect is minimal at best. This is important because although production of ethanol for fuel is often criticized for negatively impacting the environment because of indirect land use, this study was unable to prove the existence of indirect land use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,250
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgEcon Search (University of Minnesota, USA)Même sujetBiofuel production and bioconversionTravaux en français237 207