MétaCan
Menu
Retour à la cohorte
Enregistrement W3000660161 · doi:10.1007/s10018-020-00263-w

Climate sensitivity, agricultural productivity and the social cost of carbon in FUND

2020· article· en· W3000660161 sur OpenAlexaff
Kevin Dayaratna, Ross McKitrick, Patrick J. Michaels

Notice bibliographique

RevueEnvironmental Economics and Policy Studies · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEconomicsSocial costProductivityAgricultureEconometricsAgricultural productivitySensitivity (control systems)Carbon fibersDistribution (mathematics)Upper and lower boundsMicroeconomicsMathematicsEcologyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract We explore the implications of recent empirical findings about CO 2 fertilization and climate sensitivity on the social cost of carbon (SCC) in the FUND model. New compilations of satellite and experimental evidence suggest larger agricultural productivity gains due to CO 2 growth are being experienced than are reflected in FUND parameterization. We also discuss recent studies applying empirical constraints to the probability distribution of equilibrium climate sensitivity and we argue that previous Monte Carlo analyses in IAMs have not adequately reflected the findings of this literature. Updating the distributions of these parameters under varying discount rates is influential on SCC estimates. The lower bound of the social cost of carbon is likely negative and the upper bound is much lower than previously claimed, at least through the mid-twenty-first century. Also the choice of discount rate becomes much less important under the updated parameter distributions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,572
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,094
Tête enseignante GPT0,264
Écart entre enseignants0,170 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations25
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Economics and Policy StudiesMême sujetClimate Change Policy and EconomicsTravaux en français237 207