The Effects of Climate Change in the Poorest Countries: Evidence from the Permanent Shrinking of Lake Chad
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Empirical studies of the economic effects of climate change largely rely on climate anomalies for causal identification purposes. Slow and permanent changes in climate-driven geographical conditions, that is, climate change as defined by the Intergovernmental Panel on Climate Change, have been relatively less studied, especially in Africa, which remains the most vulnerable continent to climate change. This paper focuses on Lake Chad, which used to be the 11th largest lake in the world. Lake Chad, which is the size of El Salvador, Israel, or Massachusetts, slowly shrank by 90 percent for exogenous reasons between 1963 and 1990. While the water supply decreased, the land supply increased, generating a priori ambiguous effects. These effects make the increasing global disappearance of lakes a critical trend to study. For Cameroon, Chad, Nigeria, and Niger—25 percent of Sub-Saharan Africa’s population— the paper constructs a novel data set tracking population patterns at a fine spatial level from the 1940s to the 2010s. Difference-in-differences show much slower growth in the proximity of the lake, but only after the lake started shrinking. These effects persist two decades after the lake stopped shrinking, implying limited adaptation. Additionally, the negative water supply effects on fishing, farming, and herding outweighed the growth of land supply and other positive effects. A quantitative spatial model used to rationalize these results and estimate aggregate welfare losses, which accounts for adaptation, shows overall losses of about 6 percent. The model also allows studying the aggregate and spatial effects of policies related to migration, land use, trade, roads, and cities.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle