Incentivizing Alternatives to Agricultural Waste burning in Northern India: Trust, Awareness, and Access as Barriers to Adoption
Notice bibliographique
Résumé
Abstract The burning of agricultural residue from previous season’s rice crop is a key contributor to poor air quality during the winter across North India, primarily in the states of Punjab and Haryana. Air quality can deteriorate to catastrophic levels during the Agricultural Waste Burning (AWB) season in October-November, when fine particulate matter (PM2.5) concentrations can exceed WHO daily maxima over a sustained period by an order of magnitude or more, over a large swathe of the Indo-Gangetic plain. Over the past decade, attempts by Indian governments to change farmer behavior by incentivizing the use of novel technologies for managing rice residue without burning it have been met with little success. This paper uses farmer and expert interviews, as well as secondary data, to examine the barriers to adoption of these technologies in the state of Punjab. We analyze how operational factors (such as farm size, timing, technology availability, and choice) affect a farmers’ decision to choose (or not) a rice residue management practice. We develop a financial model for analyzing the costs of residue management technologies that are consistent with the decision-making process of both small and large farmers. We find that more sustainable residue management practices can be cost effective relative to residue burn, especially when existing subsidies are applied. However, difficulties in accessing technological alternatives to AWB and subsidies for their use, and a lack of trust in the government’s ability to deliver the full benefits of subsidies, all contribute the low adoption of technological alternatives to AWB.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».