MétaCan
Menu
Retour à la cohorte
Enregistrement W2906835765 · doi:10.1016/j.jenvman.2018.11.098

Do the societal benefits of river restoration outweigh their costs? A cost-benefit analysis

2018· article· en· W2906835765 sur OpenAlexaff
Ivana Logar, Roy Brouwer, Amael Paillex

Notice bibliographique

RevueJournal of Environmental Management · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesEidgenössische Anstalt für Wasserversorgung Abwasserreinigung und Gewässerschutz
Mots-clésCost–benefit analysisWillingness to payEnvironmental restorationInvestment (military)Government (linguistics)ResidenceBusinessNatural resource economicsEconomicsEnvironmental resource managementPolitical science

Résumé

récupéré en direct d'OpenAlex

Switzerland plans to restore 4000 km of rivers by 2090. Despite the immense investment costs, river restoration benefits have not been valued in monetary terms, and a cost-benefit analysis (CBA) does not exist for any river restoration project in Switzerland. We apply stated preference methods to elicit public preferences and willingness to pay for restoring two specific but representative river sites. The benefits of restoration are compared with its costs. Upscaling the results to the national level shows that the government budget allocated for river restoration (CHF 1200/m) is insufficient to cover the costs of local restoration projects. However, the surveyed local populations are willing to pay substantially more for restoring rivers in their area of residence than they are legally obliged to do. The CBA results demonstrate that the benefits outweigh the costs in the two case studies, and hence that restoration efforts are justified from an economic point of view. A sensitivity analysis shows that the main results and conclusions do not change when we change some of the key assumptions underlying the CBA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,113
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,213
Écart entre enseignants0,161 · 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 tête enseignante, pas un consensus.

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

Citations88
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental ManagementMême sujetEconomic and Environmental ValuationTravaux en français237 207