Costs of Lost opportunities: Applying Non-Market Valuation Techniques to Potential REDD+ Participants in Cameroon
Notice bibliographique
Résumé
Reduced Emissions from Deforestation and Forest Degradation (REDD+) has been systematically advanced within the UN Framework Convention on Climate Change (UNFCCC). However, implementing REDD+ in a populated landscape requires information on local costs and acceptability of changed practices. To supply such information, many studies have adopted approaches that explore the opportunity cost of maintaining land as forest rather than converting it to agricultural uses. These approaches typically assume that the costs to the smallholder are borne exclusively through the loss or gain of the production values associated with specific categories of land use. However, evaluating the value of land to smallholders in incomplete and messy institutional and economic contexts entails other considerations, such as varying portfolios of land holdings, tenure arrangements, restricted access to capital, and unreliable food markets. We suggest that contingent valuation (CV) methods may provide a more complete reflection of the viability of REDD+ in multiple-use landscapes than do opportunity cost approaches. The CV approach eliminates the need to assume a homogenous smallholder, and instead assumes heterogeneity around social, economic and institutional contexts. We apply this approach in a southern rural Cameroonian context, through the lens of a hypothetical REDD+ contract. Our findings suggest local costs of REDD+ contracts to be higher and much more variable than opportunity cost estimates.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».