Adding rewards to regulation: The impacts of watershed conservation on land cover and household wellbeing in Moyobamba, Peru
Notice bibliographique
Résumé
We estimate the effects of Peru's oldest watershed payments for environmental services (PES) initiative in Moyobamba (Andes-Amazon transition zone) and disentangle the complex intervention into its two main forest conservation treatments. First, a state-managed protected area (PA) was established, allowing sustainable use but drastically limiting de facto land use and land rights of households in the upper watershed through command-and-control interventions. Second, a subset of those environmentally regulated households also received incentives: PES-like voluntary contracts with conditional in-kind rewards, combined with access to participation in sustainable income-generating activities of the integrated conservation and development project (ICDP) type. To evaluate impacts, we perform matching procedures and adjustment regressions to obtain the average treatment effect on the treated (ATT) of each intervention. We investigate impacts on plot-level forest cover and household welfare for the period 2010-2016. We find that both treatments-command-and-control restrictions and the incentive package-modestly but significantly mitigated primary forest loss. Incentive-induced conservation gains came at elevated per-hectare implementation costs. We also find positive effects on incentive-treated households' incomes and assets; however, their self-perceived wellbeing counterintuitively declined. We hypothesise that locally frustrated beneficiary expectations vis-a-vis the ambitiously designed PES-cum-ICDP intervention help explain this surprising finding. We finalise with some recommendations for watershed incentives and policy mix design in Moyobamba and beyond.
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 ».