Are biodiversity losses valued differently when they are caused by human activities? A meta-analysis of the non-use valuation literature
Notice bibliographique
Résumé
Abstract Many countries committed to climate action by adopting the Paris Agreement and Sustainable Development Goals in 2015. This study synthesizes 40 years of scientific evidence of what may be an important benefit of these commitments: the non-use value of biodiversity conservation. The synthesis investigates whether biodiversity values can be integrated into climate change damage estimates based on non-use valuation studies of different threats to biodiversity. In the absence of estimates of public willingness to pay (WTP) to avoid the adverse impacts of anthropogenic climate change on biodiversity, we synthesize non-use values for biodiversity conservation from stated preference studies that account for a heterogeneous set of biodiversity threats. We test whether biodiversity non-use values are affected by the threats that policies aim to address, be it human activities or other threats. We estimate meta-regression models in which we explain the variation in these non-use values by accounting for the observed heterogeneity in good, methodology, sample, and context characteristics. We estimate meta-regression models using 159 observations from 62 publications. The models suggest that non-use values for biodiversity conservation addressing human impacts may be larger than those addressing other threats. We also find that non-use values are generally not sensitive to which biodiversity indicators, habitat types, or taxonomic groups are valued. We predict that the mean annual WTP for avoiding human-caused biodiversity losses ranges from 0.2 to 0.4% of GDP per capita. Our findings suggest that state-of-the-art climate change damage functions in integrated assessment models may underestimate actual damage costs because they do not incorporate the premium that the public is willing to pay to avoid human-caused biodiversity losses.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,053 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,030 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».