Economic Impacts of a Low Carbon Economy on Global Agriculture: The Bumpy Road to Paris
Notice bibliographique
Résumé
Limiting climate change below a 2 °C temperature increase this century will require substantial reductions of greenhouse gas emissions and the transition to a climate-friendly, low carbon society. In this paper, the economic impact of a less carbon-intensive economy on agricultural markets is estimated by means of an integrated modelling framework. First, the macroeconomic impacts of moving into a global low carbon economy are analysed by applying different carbon taxes in a general equilibrium modelling framework. Second, the potential adoption of emission mitigation technologies is quantified and used in the Aglink-Cosimo model to assess the impacts on agricultural markets of emission mitigation scenarios compatible with the 2.0 °C target prescribed in the Paris Agreement. Results for 2030 show reductions in global non-CO2 GHG emissions from agriculture (i.e., methane and nitrous oxide) by 10, 16 and 19% in 50, 100 and 150 USD/t CO2eq global carbon tax scenarios, respectively (Least Developed Countries excluded). Only between 0.6% and 1.3% of the global reduction is caused by indirect macroeconomic effects, although at the regional level they can cause up to 5.8% of the reduction in agricultural emissions. Results suggest that ambitious mitigation targets can provoke significant negative impacts on agricultural production and underline the importance of integrating GHG emission developments and impacts of related policies into agricultural market projections.
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 | 0,000 |
| 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 | 0,001 |
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 ».