The impacts of improving Brazil's transportation infrastructure on the world soybean market
Notice bibliographique
Résumé
The lack of adequate transportation infrastructure in Brazil has been a bottleneck for the\nsoybean producers for many years. Moreover, the costly inland transportation incurred\nfrom this bottleneck has resulted in a loss in competitiveness for Brazil compared to\nother exporting countries, especially the United States. If transportation costs are\nreduced by introducing improved infrastructure, Brazil is expected to increase its\ncompetitiveness in the world soybean market by increasing its exports and producer\nrevenues. On the other hand, the United States and other significant soybean competing\nexporting countries are expected to lose market share as well as producer revenues.\nThis study uses a spatial equilibrium model to analyze transportation\ninfrastructure improvements proposed by the Brazilian government vis-à-vis enhance the\nnation’s soybean transportation network. The analyzed transportation improvements are:\n(i) the development of the Tapajós-Teles Pires waterway; (ii) the completion of the BR-\n163 highway; (iii) the construction of the Mortes-Araguaia waterway; (iv) the Ferronorte\nrailroad expansion to Rondonópolis and the linkage between the city of Rio Verde to\nUberlândia; and (v) the Ferropar railroad expansion to the city of Dourados. The model\nspecifies the Brazilian inland transportation network and the international ocean shipments. The model divides Brazil into 18 excess supply regions and 8 excess demand\nregions. The competing exporting countries are the United States, Argentina, Rest of\nSouth America (Bolivia, Paraguay, and Uruguay), Canada, and India. The importing\ncountries are composed of China, European Union, Southeast Asia, Mexico, and the\nRest of the World.\nResults suggest these proposed transportation improvements yield potential\nnoteworthy gains to Brazil with producer revenues increasing more than $500 million\nand exports increasing by 177 thousand metric tons. Consequently, the world soybean\nprice declines by $1.16 per metric ton and producer revenues and exports in the United\nStates fall by 63 thousand metric tons and $104.89 million, respectively. Although the\nabsolute gains in price, revenues, and exports for Brazil are considerable, they only\nrepresent in relative changes 1.48, 2.35, and 0.32 percent, respectively. Similarly, the\nloss in price, revenue, and export value for the United States is also low, declining by\n0.23, 0.23, and 0.12 percent, respectively.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».