The Consequences of Soil Organic Carbon for Crop Yield, Farm Productivity and Profit
Notice bibliographique
Résumé
ABSTRACT Crop choices affect soil organic carbon (SOC) stocks, allowing farmers to manipulate the amount of carbon sequestered in the soil over time. This paper examines the private and public benefits of crop rotations that sequester additional carbon across the province of Saskatchewan, Canada using a novel field‐level dataset from the Saskatchewan Crop Insurance Corporation matched with data on weather, soil and simulated SOC. I begin by estimating the on‐farm shadow value of SOC using a dynamic panel regression model and find that it is positive with diminishing marginal returns; the yield (and thus profit) response to SOC is larger in soil zones with less SOC and smaller in soil zones with more SOC. I then use dynamic simulations to estimate the SOC and yield response to different crop rotations over time. The adoption of the Canola‐Spring Wheat‐Peas‐Spring Wheat crop rotation leads to a 27.5%, 8.2% and 4.4% increase in long‐term average profit compared to current levels in the brown, dark brown and black & grey soil zones attributable to increased SOC over 32 years of average weather conditions. Finally, I compute the external social benefit from the Canola‐Spring Wheat‐Peas‐Spring Wheat rotation relative to Spring Wheat‐Fallow‐Spring Wheat‐Fallow on all insurable hectares in Saskatchewan from 2023 to 2055, and find benefits amounting to 108 billion CAD when employing a social cost of carbon of 185 USD/Mg of CO 2 . These results show that selecting crop rotations that have greater SOC sequestration potential not only improves on‐farm profitability over time, but can generate substantial environmental benefits.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».