Environmental and socio-economic consequences of forest carbon payments in Bolivia: Results of the OSIRIS-Bolivia model
Notice bibliographique
Résumé
Bolivia has significant potential to abate climate change by reducing deforestation. This opportunity presents economic and environmental tradeoffs. While these tradeoffs have been hotly debated, they have as yet been the subject of little quantitative analysis. We introduce the OSIRIS-Bolivia model to provide a quantitative basis for decision-making. OSIRIS-Bolivia is an Excel-based tool for analyzing the potential effects of incentive payments to reduce emissions from deforestation (REDD) in Bolivia. It is based on a spatial econometric model of deforestation in Bolivia during the period 2001-2005, and uses information on forest cover, deforestation rates, geographical conditions, and drivers of deforestation, including agricultural opportunity costs, for more than 120,000 pixels covering the whole country. OSIRIS-Bolivia is based on a partial equilibrium model in which reductions in deforestation in one region reduce the supply of agricultural products to the domestic market, which in turn causes an increase in the price of agricultural products, making conversion of land to agriculture more attractive and thus stimulating an increase in deforestation in other regions (leakage). The model can help answer questions such as: Where in Bolivia are carbon incentive payments most likely to result in reduced deforestation? Who are most likely to benefit from REDD? How much money will it take to reduce deforestation by a given amount? To what extent might transaction costs or preferences for agricultural income undermine the goals of the REDD program?
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».