MétaCan
Menu
Retour à la cohorte
Enregistrement W4280575899 · doi:10.1371/journal.pone.0268425

The economic value of the Brazilian Amazon rainforest ecosystem services: A meta-analysis of the Brazilian literature

2022· review· en· W4280575899 sur OpenAlexaff
Roy Brouwer, Rute Pinto, Anders Dugstad, Ståle Navrud

Notice bibliographique

RevuePLoS ONE · 2022
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesWorld Bank Group
Mots-clésAmazon rainforestEcosystem servicesValuation (finance)RecreationGeographyEcosystemRainforestBiodiversityEnvironmental resource managementEcologyEnvironmental scienceEconomicsBiologyAccounting

Résumé

récupéré en direct d'OpenAlex

The main objective of this study is to assess the economic value of the Brazilian Amazon's ecosystem services accruing to Brazilians based on a meta-analysis of the Brazilian valuation literature. Insight in these local values provides an important benchmark to demonstrate the importance of preserving the Brazilian Amazon forest. The review covers almost 30 years of Brazilian valuation research on the Amazon, published predominantly in Portuguese, highlighting a high degree of study and data heterogeneity. The estimated mean value of the provision of habitat for species, carbon sequestration, water regulation, recreation and ecotourism to local populations is about 410 USD/ha/year. The standard deviation is however high, reflecting a wide dispersion in the distribution of values. Between 50 and 70 percent of the variation in these values can be explained with the help of the estimated meta-regression models, resulting in considerable prediction errors when applying a within-sample resampling procedure. These findings demonstrate the need for a more robust, common ecosystem services accounting and valuation framework before these values can be scaled up and aggregated across the entire Brazilian Amazon.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,817
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,168
Tête enseignante GPT0,245
Écart entre enseignants0,077 · 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.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetEconomic and Environmental ValuationTravaux en français237 207