Economic Valuation of Forest Restoration Programs in Togo: A Contingent Valuation Approach
Notice bibliographique
Résumé
This study assesses Togolese households’ willingness to pay (WTP) for forest restoration programs across the five economic regions of Togo: Maritime, Plateaux, Centrale, Kara, and Savanes. Forests provide essential ecosystem services, including carbon sequestration, water regulation, biodiversity conservation, and soil protection, yet these services are often undervalued in economic decision-making. The assessment was conducted using the contingent valuation (CV) method, with labor contributions as the payment vehicle, subsequently converted into monetary equivalents. A total of 238 valid responses were analyzed after removing protest responses. The WTP values were examined using a Tobit regression model to identify the main sociodemographic determinants. The results reveal significant regional disparities: the Savanes region exhibits the highest average WTP (65,625 CFA), whereas the Maritime region shows the lowest (37,261 CFA). Young adults and women are generally more willing to contribute, although patterns vary across regions. Urban residence tends to reduce WTP in the Maritime and Kara regions, likely due to a lower perception of the direct benefits of forest ecosystem services. Overall, this study provides crucial empirical evidence to inform forest restoration planning and sustainable forest policy in Togo, demonstrating the value of contingent valuation for designing context-specific environmental policies in developing countries.
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 | 0,002 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».