The Effects of Climate Change in the Poorest Countries: Evidence from the Permanent Shrinking of Lake Chad
Notice bibliographique
Résumé
Empirical studies of the economic effects of climate change (CC) largely rely on climate anomalies for causal identification purposes. Slow and permanent changes in climate-driven geographical conditions, i.e. CC as defined by the IPCC (2013), have been studied relatively less, especially in Africa which remains the most vulnerable continent to CC. We focus on Lake Chad, which used to be the 11th-largest lake in the world. This African lake the size of El Salvador, Israel, or Massachusetts slowly shrunk by 90% for exogenous reasons between 1963 and 1990. While water supply decreased, 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% of sub-Saharan Africa's population , we construct 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 in land supply and other positive effects. A quantitative spatial model used to rationalize these results and estimate aggregate welfare losses taking into account adaptation shows overall losses of about 6%. The model also allows us to study 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.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».