The economic and environmental cost of delayed GM crop adoption: The case of Australia's GM canola moratorium
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Incorporating socio-economic considerations (SECs) into national biosafety regulations regarding genetically modified (GM) crops have opportunity costs. Australia approved the cultivation of GM canola through a science-based risk assessment in 2003, but allowed state moratoria to be instituted based on potential trade impacts over the period 2004 to 2008 and 2010 in the main canola growing states. This analysis constructs a counterfactual assessment using Canadian GM canola adoption data to create an S-Curve of adoption in Australia to measure the environmental and economic opportunity costs of Australia's SEC-based moratoria between 2004 and 2014. The environmental impacts are measured through the amount of chemical active ingredients applied during pest management, the Environmental Impact Quotient indicator, and greenhouse gas emissions. The economic impacts are measured through the variable costs of the weed control programs, yield and the contribution margin. The environmental opportunity costs from delaying the adoption of GM canola in Australia include an additional 6.5 million kilograms of active ingredients applied to canola land; a 14.3% increase in environmental impact to farmers, consumers and the ecology; 8.7 million litres of diesel fuel burned; and an additional 24.2 million kilograms of greenhouse gas (GHG) and compound emissions released. The economic opportunity costs of the SEC-based moratoria resulted in foregone output of 1.1 million metric tonnes of canola and a net economic loss to canola farmers' of AU$485.6 million. The paper provides some of the first quantified, post-adoption evidence on the opportunity cost and environmental impacts of incorporating SECs into GM crop regulation.
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.
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 | 0,001 |
| 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 découle