MétaCan
Menu
Retour à la cohorte
Enregistrement W4412763935 · doi:10.1111/1467-8489.70044

Including Harvested Grain Biogenic <scp>CO<sub>2</sub></scp> to Address a Critical Flaw in Climate Accounting

2025· article· en· W4412763935 sur OpenAlexaffabout
Richard Gray

Notice bibliographique

RevueAustralian Journal of Agricultural and Resource Economics · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésAccountingClimate changeEnvironmental scienceBusinessMaterials scienceGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The international climate accounting system excludes both the biogenic CO 2 sequestered in harvested crops and the biogenic CO 2 emissions that occur when grain is digested or burned as biofuel. Despite being described in the literature as a critical flaw in climate accounting all parties within the United Nations Framework Convention on Climate Change continue to treat these large biogenic CO 2 fluxes as carbon‐neutral activities, while analysis of the accounting issue remains largely absent from the extensive literature examining international carbon leakage and GHG mitigation policy. Using a partial‐equilibrium trade model, I analyse the economic implications of measuring harvested‐grain biogenic CO 2 and find in the presence of traded grain and internationally heterogeneous GHG mitigation policy, measurement would change optimal domestic agricultural GHG mitigation policy. Given estimated CO 2 damage costs of $185/t, the unmeasured external biogenic benefit from grain production, and the unmeasured external biogenic cost from grain consumption, are equal in magnitude to the price of grain. Including the biogenic harvested‐grain CO 2 in Canada's national inventory reduces measured emissions by 80 million tonnes per year. The size of these effects suggest that the measurement of harvested‐grain biogenic CO 2 could be extremely consequential for the design of optimal GHG mitigation policy. JEL Classifications : Q15, Q54

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,203
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,054
Tête enseignante GPT0,272
Écart entre enseignants0,218 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Agricultural and Resource EconomicsMême sujetClimate Change Policy and EconomicsTravaux en français237 207