A Ricardian Analysis of the Impact of Climate Change on South American Farms
Notice bibliographique
Résumé
This study estimates the impact of climate change on South American agriculture taking into account farmer adaptations. The study used a Ricardian analysis of 2300 farms to explore the effects of global warming on land values. In order to predict climate change impacts for this century, were examined climate change scenarios predicted by three Atmospheric Oceanic General Circulation Models (AOGCM): the Canadian Climate Center (CCC), the Centre for Climate System Research (CCSR), and the Parallel Climate Model (PCM) models. Several econometric specifications were tested, and five separate regressions were run: for all farms, small household farms, large commercial farms, rainfed farms, and irrigated farms. Farmland values will decrease as temperature increases, but also as rainfall increases except for the case of irrigated farms. Under the severe Canadian Climate Center (CCC) scenario, South American farmers will lose on average 14% of their income by the year 2020, 20% by 2060, and 53% by 2100, but half of these estimates under the less severe Centre for Climate System Research (CCSR) scenario. However, farms will lose only small amounts of income under the mild and wet Parallel Climate Model (PCM) scenario. Both small household farms and large commercial farms are highly vulnerable, but small farms are more vulnerable to warming, while large farms are more vulnerable to rainfall increases. Both rainfed and irrigated farms will lose their incomes by more than 50% by 2100, with slightly more severe damage to irrigated farms, but the subsample analysis treats irrigation as exogenous.
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 | 0,002 |
| Bibliométrie | 0,000 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».