Cost Effective Targeting Of Land Retirement To Improve Water Quality: A Multi-Watershed Analysis
Notice bibliographique
Résumé
An integrated watershed management framework that combines economic, hydrologic and GIS modeling is developed to study cost effective land retirement in multiple watersheds to achieve off-site sediment reduction goal. This integrated framework examines two alternative standards-a uniform standard under which each watershed is required to achieve the same sediment reduction goal and a non-uniform standard under which marginal cost of sediment abatement is equal across watersheds. Furthermore, for each standard, costs of abatement under two alternative rental instruments based on marginal cost of sediment abatement ($/ton) and uniform payments per acre ($/acre) are examined. Then the cost effectiveness of the four policy options (uniform standard with $/ton and $/acre instrument, non-uniform standard with $/ton and $/acre instrument) is discussed. The integrated framework is applied to 12 agricultural watersheds in Illinois Conservation Reserve Enhancement program (CREP) region. The watersheds varied in size between 29, 995 and 70, 849 acres. Cropland within 900 feet of streams-129, 955 acres (33.4% of all cropland in the 12 watersheds)-is considered eligible for enrollment into the CREP. Consistent with Illinois' program, a sediment reduction goal of 20% is selected for all of the simulations. Policy implications from the empirical results are quite interesting. With either a $/ton or a $/acre instrument, the non-uniform standard, which equalizes marginal cost of abatement across watersheds, outperforms the uniform standard policy. With either a uniform or non-uniform standard, a $/ton instrument outperforms a $/acre instrument. The least preferred policy option, the uniform standard with a $/acre instrument, is 2.5 times as costly as the most preferred policy option, the non-uniform standard with a $/ton instrument. These results suggest that program administrators may want to consider a program that includes a non-uniform standard and a rental payment instrument based on marginal cost of abatement in order to achieve their objectives at least cost.
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 | 0,001 |
| 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 ».