Оценка экосистемных услуг для экологических налогов и выплат

Модельная оценка экосистемных услуг с использованием биоэкономических фермерских моделей: выводы для разработки экологических налогов и программ оплаты экосистемных услуг.

Интеграция оценки экосистемных услуг (ЭУ) в рамки аграрной политики крайне важна для продвижения устойчивых методов землепользования. В данном исследовании используется переработанная версия биоэкономической фермерской модели MODAM (Multi-Objective Decision Support Tool for Agro-Ecosystem Management) для расчета теневых цен ЭУ, что позволяет вывести кривые спроса и предложения на сокращение вымывания нитратов и борьбу с эрозией почвы соответственно.

Чтобы проанализировать, как скрытые затраты и структура посевов различаются у разных хозяйств рассматриваются две гипотетические фермы в Бранденбурге, Германия: меньшая по размеру, занятая растениеводством, в Меркиш-Одерланде и более крупная, диверсифицированная ферма с животноводством в Одер-Шпрее. Результаты показывают, что более крупные фермы демонстрируют большую эластичность в реакции на экологические налоги на использование нитратов и более низкие затраты на предоставление услуг по борьбе с эрозией по сравнению с мелкими фермами. Исследование показывает, что скрытые затраты служат надежным ориентиром для установления экологических налогов и платежей за экосистемные услуги (ПЭУ), одновременно акцентируя необходимость дифференцированных подходов к разработке политики для устранения различий между типами хозяйств. Данная работа подтверждает потенциал модельной оценки ЭУ для предоставления надежных экономических показателей при формировании политики, способствующей устойчивому сельскому хозяйству и сохранению экосистем.

Экосистемные услуги (ЭУ) крайне важны для устойчивости сельского хозяйства, но часто недооцениваются в рамках традиционной политики [1,2,3]. Такие меры, как платежи за экосистемные услуги (ПЭУ) и экологические налоги, требуют точных методов оценки для стимулирования устойчивых аграрных практик [4,5].

Широко используемые опросные методы, такие как условная оценка и эксперименты по выбору, часто не учитывают сложные экономические взаимосвязи на уровне фермерских хозяйств [6,7]. Как следствие, это может приводить к неточным оценкам и неэффективной политике. Эти методы основаны на ответах респондентов на гипотетические сценарии, которые могут не отражать реальное поведение или истинные предпочтения, что ведет к потенциальному завышению или занижению ценности ЭУ [8]. Более того, определение денежной стоимости нерыночных благ, таких как биоразнообразие и ЭУ, изначально сложно из-за субъективных предпочтений и трудностей с количественной оценкой ценностей, не связанных с прямым использованием [9]. Кроме того, экономическая ценность ЭУ может значительно варьироваться в зависимости от местных экологических и социально-экономических условий, что стандартные опросные методы часто не улавливают [10]. Эти методы также склонны упускать из виду немаonetарные факторы, такие как традиционные знания и практики устойчивого землепользования, что приводит к неполной оценке выгод и затрат для фермеров [11]. Шлепфер [12] рассматривает серьезные проблемы, связанные с традиционными методами оценки общественных благ и ЭУ. Автор утверждает, что существующие подходы неадекватно отражают сложные, многогранные выгоды от этих благ и услуг, часто недооценивая их истинную общественную значимость. Это искажение приводит к неоптимальным политическим решениям и распределению ресурсов. Аналогично, такие исследования, как работы Флуда и др. [13] и Кая и Агиляра [14], подчеркивают сложности применения методов экономической оценки к сложным экологическим системам и агролесоводству соответственно, акцентируя риск упустить важные аспекты и занизить экономическую отдачу.

Осознавая эти недостатки, данное исследование нацелено продемонстрировать полезность модельной оценки ЭУ с использованием биоэкономических фермерских моделей для разработки экологических налогов и схем ПЭУ. Сфокусировавшись на двух типичных для Бранденбурга (Германия) типах хозяйств, исследование анализирует экономические компромиссы, связанные с контролем за вымыванием нитратов и эрозией почвы на уровне фермы, а также показывает возможность интеграции оценок скрытых затрат в стимулирующую политику для устойчивого сельского хозяйства. Это исследование проводится в рамках проекта «Цифровая сельскохозяйственная система знаний и информации» (DAKIS), который нацелен на создание системы поддержки принятия решений (СППР), интегрирующей ЭУ в качестве экономически ценных, несырьевых результатов сельского хозяйства [15]. Ключевой задачей проекта является включение скрытых затрат на ЭУ в такие политические инструменты, как ПЭУ и экологические налоги, способствуя согласованию экономических и экологических целей. Скрытые затраты, отражающие предельную экономическую ценность ЭУ, предоставляют надежную основу для разработки политики, количественно определяя дополнительный доход или понесенные издержки от изменений в доступности этих услуг [1,16,17]. Такой двойной учет экологических и экономических аспектов способствует более устойчивым сельскохозяйственным практикам.

Чтобы преодолеть ограничения традиционных опросных методов, в данном исследовании используется переработанная версия биоэкономической модели на уровне фермы MODAM (Инструмент поддержки принятия многокритериальных решений для управления агроэкосистемами) [18,19,20]. Обновленная модель MODAM интегрирует экологические и экономические взаимодействия, включая варианты производства, динамику цен на inputs и outputs, а также ограничения, связанные со спросом и предложением ЭУ на ферме, для оценки скрытых затрат на ЭУ. Модель позволяет вывести кривые спроса и предложения, давая количественную оценку готовности фермеров платить (GTP) и их готовности принимать платежи (GTP) за конкретные ЭУ. В отличие от традиционных методов, этот модельный подход учитывает присущие компромиссы и синергию в предоставлении и использовании ЭУ.

Модельная методология данного исследования не только количественно определяет скрытые затрат на ЭУ, но и подчеркивает их изменчивость в зависимости от типа хозяйства и методов управления. Проясняя экономические компромиссы, связанные с предоставлением и потреблением ЭУ, это исследование демонстрирует возможность создания рынков для ЭУ и совершенствования политических инструментов для повышения эффективности и справедливости.

Помимо практического применения, это исследование вносит вклад в академическую дискуссию, предлагая модельную альтернативу традиционным опросным методам оценки. Недавние успехи в области динамических и совместных оптимизационных моделей для оценки ЭУ [21,22,23] подчеркнули их эффективность в поддержке разработки политики ПЭУ и экологических налогов. Данное исследование развивает эти идеи, предлагая практические рекомендации для политиков по продвижению устойчивых аграрных систем и охране окружающей среды.

Структура статьи следующая: Раздел 2 подробно описывает материалы и методы, включая структуру модели MODAM и ее применение для выведения кривых спроса и предложения на ЭУ на уровне фермы. Раздел 3 представляет результаты. Раздел 4 содержит обсуждение выводов с акцентом на их relevance для политики. Раздел 5 завершает статью ключевыми выводами и направлениями для будущих исследований.

Данное исследование использует биоэкономическое моделирование для оценки скрытых затрат на ЭУ как основы для улучшения дизайна политики. Анализ основан на переработанной версии биоэкономической фермерской модели MODAM и общей рамке проекта DAKIS. В этом разделе описывается подход к моделированию и методы, использованные для выведения кривых спроса и предложения на ЭУ.

В качестве case studies для изучения взаимосвязи между характеристиками хозяйств и скрытыми затратами на ЭУ были выбраны две гипотетические фермы в Бранденбурге, Германия. Эти хозяйства были получены из набора данных, представленного в Bethwell et al. [24], который использовал статистические данные, интервью с местными фермерами и экспертные знания для создания детальной картины inputs, специфичных для культур и производственных процессов, в трех пилотных регионах Германии. Набор данных включает ключевые inputs и outputs, такие как количество семян, нормы удобрений, методы защиты растений, использование техники, потребность в топливе, трудозатраты и экономические параметры, такие как валовая прибыль и субсидии в рамках ЕСП. Из этого набора данных мы выбрали две типичные для сельскохозяйственных систем Бранденбурга структуры хозяйств. Хотя эти фермы не были выбраны как статистически репрезентативные для всех хозяйств Бранденбурга, они были спроектированы как структурно типичные для региона. Этот выбор был основан на структурных характеристиках и субъективном суждении для отражения типичных практик землепользования в регионе.

Первая ферма, расположенная в Меркиш-Одерланде, является меньшей по размеру и занимает примерно 240 гектаров, включая площади под промежуточными культурами. Это хозяйство специализируется исключительно на растениеводстве и не занимается животноводством. Вторая ферма, расположенная в Одер-Шпрее, представляет собой более крупное, смешанное растениеводческо-животноводческое хозяйство площадью примерно 900 гектаров. Это хозяйство сочетает растениеводство с разведением скота. Для интеграции этих хозяйств в ландшафтные окна проекта DAKIS, их структуры были размещены в рамках типичного для Бранденбурга ландшафта, а не их исходных локаций. Размер и структура ландшафта соответствуют параметрам, определенным в проекте DAKIS. Дополнительные данные и параметры, включая inputs, связанные с производственными процессами, были обновлены и проверены с использованием базы данных KTBL [25] для обеспечения точности и relevance в контексте исследования. Этот подход позволяет нам проанализировать вариации в масштабе и деятельности в рамках типичных для Бранденбурга структур хозяйств и их влияние на скрытые затраты на ЭУ, помещая анализ в смоделированные, но реалистичные ландшафтные условия.

В данном исследовании specifically рассматриваются две ключевые ЭУ: вымывание нитратов и борьба с эрозией. Вымывание нитратов на уровне фермы трактуется как услуга, на которую предъявляется спрос и которая необходима для сельскохозяйственного производства; скрытые затраты отражают доход, генерируемый использованием дополнительной единицы этой услуги. Предельный уровень вымывания нитратов представляет собой ресурс, предоставляемый обществом, которым фермеры могут пользоваться для своей деятельности, по сути, являясь предложением вымывания нитратов со стороны общества для сельского хозяйства. И наоборот, борьба с эрозией на уровне фермы рассматривается как услуга, которая поставляется, а скрытые затраты представляют собой издержки, которые несут фермеры для производства одной дополнительной единицы этой услуги. Цель по устойчивому контролю эрозии отражает спрос общества на эту услугу, подчеркивая важность сохранения здоровья почв и снижения эрозии.

Скрытые затраты были выведены с использованием обновленной версии биоэкономической модели на уровне фермы MODAM, которая эффективно отражает физическое взаимодействие между компонентами экосистемы и экономические компромиссы, присущие управлению фермой. Новая версия MODAM интегрирует биофизические параметры, такие как урожайность, характеристики почв, спрос и предложение ЭУ на ферме, вместе с экономическими показателями, включая затраты на inputs и цены на outputs. Для каждой гипотетической фермы были получены кривые спроса и предложения для количественной оценки экономической ценности вымывания нитратов и экономических издержек борьбы с эрозией.

Кривая спроса на вымывание нитратов иллюстрирует его экономическую ценность как критически важной услуги в сельскохозяйственном производстве, в то время как кривая предложения на борьбу с эрозией отражает экономические издержки, которые несут фермеры для предоставления этой услуги. Вместе эти анализы дают представление о компромиссах и экономической динамике, лежащих в основе управления ЭУ в аграрных системах.

Общая упрощенная форма математической модели биоэкономической фермерской модели MODAM выглядит следующим образом:

Целевая функция:

SR_{t,s} может служить ориентиром для введения экологического налога на потребление ЭУ, тогда как SC_{t,d} может помочь определить выплаты за предоставление ЭУ [1].

Разумеется, уровень этих скрытых затрат полностью зависит от общественного предложения и спроса на каждую ЭУ. Эту зависимость можно количественно оценить с помощью анализа чувствительности к изменениям общественного предложения и спроса на каждую ЭУ [26]. Проводя этот анализ чувствительности, можно определить скрытые затраты на ЭУ в различных диапазонах общественного предложения и спроса. Например, если предельный доход от ЭУ s в год t составляет SR^{}_{t,s}, это значение будет справедливо в пределах уровней общественного предложения от essmin_{t,s} до essmax_{t,s}. Увеличение общественного предложения сверх essmax_{t,s} снизит скрытые затраты до SR^{}_{t,s}, а уменьшение общественного предложения ниже essmin_{t,s} увеличит скрытые затраты до SR^{}_{t,s}. Отклонения за пределы этого диапазона влияют на скрытые затраты, как показано в Таблице 1.

Таблица 1. Анализ чувствительности общественного предложения ЭУ s в год t. Адаптировано из Kaiser and Messer (2012) [17].

Используя эти данные, можно вывести кривую спроса фермеров на ESs s в году t , как показано на рисунке 1.

Рисунок 1. Кривая спроса фермера на ЭУ s в год t. Адаптировано из Kaiser and Messer (2012) [17].

Опираясь на приведенное выше описание, извлечение кривых спроса на вымывание нитратов может быть достигнуто с использованием ранее представленной структуры MODAM. Первоначальный запуск модели исключает ограничения на вымывание нитратов, что приводит к максимальным уровням вымывания и структурам посевов с нулевыми скрытыми затратами. Впоследствии допустимые пороги вымывания нитратов могут быть итеративно снижены на основе анализа чувствительности правой части ограничения. Каждая итерация выявляет изменения в структурах посевов и соответствующих скрытых затратах. Эти результаты формируют основу для построения кривых спроса, иллюстрирующих экономические компромиссы при различных уровнях экологического налога.

Аналогичным образом, общественный спрос на каждую ЭУ может быть проанализирован на чувствительность, и могут быть определены соответствующие скрытые затраты для каждого диапазона общественного спроса. Например, если скрытые затраты на ЭУ d в год t в диапазоне общественного спроса от esdmin_{t,d} до esdmax_{t,d} равны SC^{}_{t,d}, то увеличение общественного спроса сверх esdmax_{t,d} приводит к росту скрытых затрат до уровня SC^{}_{t,d}. И наоборот, снижение общественного спроса ниже esdmin_{t,d} вызывает падение скрытых затрат до уровня SC^{}_{t,d}. Продолжая этот анализ чувствительности, скрытые затраты на ЭУ d в год t для каждого диапазона общественного спроса детализированы в Таблице 2.

Таблица 2. Анализ чувствительности общественного спроса на ЭУ d в год t. Адаптировано из Kaiser and Messer (2012) [17].

Используя эту информацию, кривая предложения ЭУ d в год t фермером может быть выведена, как показано на Рисунке 2.

Рисунок 2. Кривая предложения ЭУ d фермером в год t. Адаптировано из Kaiser and Messer (2012) [17].

В соответствии с описанной выше методологией, вывод кривых предложения на борьбу с эрозией может быть проведен с помощью симуляций с использованием ранее представленной структуры MODAM. Начиная с неограниченной эрозии почвы, что эквивалентно нулевому контролю эрозии, первоначальный запуск модели дает структуры посевов с минимальным контролем эрозии и нулевыми скрытыми затратами. Постепенно ужесточая ограничения на контроль эрозии в соответствии с анализом чувствительности, можно наблюдать корректировки в структурах посевов и рассчитывать скрытые затраты для различных уровней контроля эрозии. Эти кривые представляют собой минимальные платежи, которые фермеры готовы принять за предоставление услуг по борьбе с эрозией в рамках схем ПЭУ.

Рисунок 3 иллюстрирует кривую спроса на вымывание нитратов для гипотетического типа хозяйства в Меркиш-Одерланде вместе с его оптимальными структурами посевов, смоделированными при различных уровнях экологического налога.

Рисунок 3.Кривая потребности в выщелачивании нитратов для гипотетического типа фермы в Меркиш-Одерланде (Бранденбург, Германия) и её оптимальные схемы возделывания сельскохозяйственных культур, смоделированные при различных уровнях зелёного налога. Источник: собственная обработка, результаты получены с помощью модели MODAM, реализованной в программном обеспечении GAMS (версия 48.4.0).

Кривая потребности в выщелачивании нитратов в этом хозяйстве выявляет чёткие тенденции в структуре земледелия при различных уровнях зелёного налога. При нулевом уровне зелёного налога выщелачивание нитратов достигает максимума, с кумулятивным значением приблизительно 19,69 кг/га/год. В этих условиях доминирующей культурой в оптимальной структуре земледелия являются зерновые, занимающие большую часть площади хозяйства. Крестоцветные культуры и картофель вносят меньший вклад, главным образом из-за их относительно низкой экономической выгоды при неограниченном использовании азота.

По мере постепенного увеличения уровня экологического налога фермеры начинают корректировать структуру посевов, чтобы сократить вымывание нитратов. Изначально возделывание зерновых сокращается, постепенно замещаясь такими культурами, как крестоцветные и люпин, которые требуют меньших затрат азота. На средних уровнях налога наблюдается заметный сдвиг в сторону мульчирования и дальнейшая диверсификация структуры посевов, поскольку эти меры предлагают экономически эффективные способы снижения вымывания нитратов без серьезного воздействия на экономическую рентабельность.

При более высоких уровнях налога вымывание нитратов падает ниже 10 кг/га/год, что соответствует уровню налога выше 30 евро/кг/га. На этом этапе возделывание азотоемких культур, таких как зерновые, значительно сокращается, а в структуре посевов начинают доминировать крестоцветные культуры, картофель и люпин, что отражает необходимость перехода на практики с низким потреблением азота для соблюдения более строгих нормативов.

Наконец, при самых высоких уровнях налога вымывание нитратов падает до своего минимального уровня, приблизительно 0,138 кг/га/год, что соответствует уровню налога в 120 евро/кг/га. В этом сценарии хозяйство переходит почти исключительно на культуры с низким потреблением азота и соответствующие практики, где основными видами землепользования становятся только крестоцветные культуры и картофель. Этот экстремальный сдвиг демонстрирует способность хозяйства адаптироваться к сильным экономическим стимулам, хотя такие высокие налоги могут иметь последствия для общей прибыльности и целесообразности ведения хозяйства.

Поскольку порог вымывания нитратов снижается до более низких уровней, фермер сталкивается с ограничениями, которые делают определенные виды сельскохозяйственной деятельности нежизнеспособными, в конечном итоге вынуждая его отказаться от возделывания на некоторых полях. И наоборот, введение более высоких экологических налогов на вымывание нитратов имело бы аналогичный эффект, делая невыгодным земледелие на менее рентабельных полях.

Как показано на Рисунке 4, кривая спроса на вымывание нитратов для гипотетического хозяйства в Одер-Шпрее подчеркивает экономические компромиссы, связанные с различными уровнями использования нитратов при разных сценариях экологического налога. При нулевом налоге, что соответствует максимальному уровню вымывания нитратов приблизительно 19,705 кг/га/год, в структуре посевов доминирует возделывание зерновых, которые занимают большую часть доступной земельной площади. Это отражает экономическую целесообразность производства зерновых в условиях неограниченного использования азота. Картофель и крестоцветные культуры занимают меньшую долю в общей площади, в то время как люпин не занимает никакой доли в землях хозяйства.

Рисунок 4. Кривая спроса на вымывание нитратов гипотетического фермерского хозяйства в Одер-Шпрее (Бранденбург, Германия) и соответствующие оптимальные структуры посевов, смоделированные при различных уровнях экологического налога. Источник: собственная обработка, результаты получены с использованием модели MODAM, реализованной в программном обеспечении GAMS (версия 48.4.0).

По мере увеличения уровней экологического налога и сокращения вымывания нитратов структура посевов претерпевает значительные изменения. При уровне налога в 40 евро/кг/га вымывание нитратов снижается до приблизительно 15 кг/га/год, и площадь, отводимая под зерновые, начинает сокращаться, в то время как крестоцветные культуры и люпин постепенно приобретают большее значение. Доля картофеля также расширяется, что указывает на его сравнительную адаптивность к более высоким уровням экологического налога.

На средних уровнях вымывания нитратов, между 10 и 12 кг/га/год, что соответствует уровню налога приблизительно 45 евро/кг/га, структура посевов хозяйства становится все более диверсифицированной. Площади, занятые крестоцветными культурами и люпином, демонстрируют заметный рост, в то время как возделывание зерновых further минимизируется. Картофель продолжает стабильно занимать свою долю земли, что отражает его экономическую устойчивость при умеренных ограничениях по азоту.

Когда вымывание нитратов падает ниже 5 кг/га/год при уровнях налога выше 55 евро/кг/га, хозяйство отдает приоритет культурам с низким потреблением азота. Люпин и крестоцветные культуры становятся доминирующими, чему способствует внедрение практик мульчирования. Возделывание зерновых практически полностью прекращается, что подчеркивает экономическое давление, оказываемое на азотоемкие культуры в условиях строгой экологической политики.

При уровне налога приблизительно 70 евро/кг/га вымывание нитратов падает до приблизительно 3 кг/га/год, и хозяйство работает в условиях highly restrictive режима экологического налогообложения. Крестоцветные культуры формируют основу структуры посевов, с минимальным вкладом картофеля. Эта экстремальная корректировка демонстрирует способность хозяйства соответствовать строгим требованиям экологического налога, хотя и ценой снижения гибкости и потенциальной прибыльности.

Введение более строгих пороговых значений по вымыванию нитратов значительно ограничивает варианты ведения сельского хозяйства, вынуждая фермеров прекращать операции на тех полях, где соблюдение нормативов становится экономически нецелесообразным. Аналогичным образом, более высокие экологические налоги на вымывание нитратов привели бы к сокращению сельскохозяйственной деятельности на маргинальных землях.

Чтобы лучше проиллюстрировать различия и взаимодействия между кривыми спроса на вымывание нитратов для двух типов хозяйств, Рисунок 5 объединяет соответствующие кривые спроса для Меркиш-Одерланда и Одер-Шпрее.

Рисунок 5. Кривые спроса на вымывание нитратов двух гипотетических типов фермерских хозяйств в Меркиш-Одерланде и Одер-Шпрее. Источник: собственная обработка, результаты получены с использованием модели MODAM, реализованной в программном обеспечении GAMS (версия 48.4.0).

Кривая спроса на использование азота (в форме нитратов) в килограммах на гектар в год иллюстрирует максимальную готовность фермеров в Меркиш-Одерланде и Одер-Шпрее платить за использование азота при различных уровнях экологического налога. Кривая выявляет значительные различия между двумя типами хозяйств с точки зрения их экономической реакции на налогообложение азота.

Для фермы в Меркиш-Одерланде, которая меньше по размеру и ориентирована исключительно на растениеводство, кривая спроса указывает на крутое снижение готовности платить по мере увеличения объема использования азота. При низких уровнях потребления, приблизительно 1–5 кг азота на гектар, хозяйство готово платить от примерно 120 до 45 евро/кг. Однако эта готовность резко снижается, опускаясь ниже 10 евро/кг при потреблении азота более 12 кг/га. Причина этого резкого снижения готовности платить заключается в том, что более строгие лимиты на вымывание нитратов ограничивают землепользование и исключают азотоемкие культуры, такие как зерновые. По мере увеличения порогового значения становится возможным обрабатывать больше земель, а варианты посевов расширяются, что снижает предельную ценность дополнительного азота и, следовательно, готовность платить.

В отличие от этого, ферма в Одер-Шпрее, которая больше по размеру и диверсифицирована за счет животноводства и растениеводства, демонстрирует более высокую и эластичную кривую спроса на использование азота. При уровнях потребления азота 1–5 кг/га хозяйство готово платить от примерно 120 до 55 евро/кг. Даже при более высоких уровнях потребления (например, 15–20 кг/га) готовность платить остается относительно более высокой по сравнению с фермой в Меркиш-Одерланде, находясь в диапазоне от 40 до 30 евро/кг.

Разрыв в готовности платить между двумя типами хозяйств особенно заметен при более высоких уровнях использования азота. Например, при уровне использования 19,5 кг/га хозяйство в Одер-Шпрее готово платить более 20 евро/кг, тогда как готовность платить хозяйства в Меркиш-Одерланде приближается к нулю. Это позволяет предположить, что более крупные и диверсифицированные фермы лучше подготовлены к тому, чтобы абсорбировать экологические налоги, возможно, благодаря своей большей экономической гибкости и более высоким доходам от диверсифицированной деятельности.

Взаимосвязь между уровнями борьбы с эрозией почвы и оптимальными структурами посевов при различных сценариях ПЭУ для гипотетического хозяйства в Меркиш-Одерланде показана на Рисунке 6.

Рисунок 6. Кривая предложения услуг по борьбе с эрозией гипотетического фермерского хозяйства в Меркиш-Одерланде и соответствующие оптимальные структуры посевов, смоделированные при различных уровнях ПЭУ. Источник: собственная обработка, результаты получены с использованием модели MODAM, реализованной в программном обеспечении GAMS (версия 48.4.0).

Кривая предложения услуг по борьбе с эрозией для этого хозяйства иллюстрирует минимальную цену, которую хозяйство готово принять за предоставление дополнительных уровней борьбы с эрозией при различных сценариях ПЭУ. Кривая предложения начинается примерно со 150 евро за тонну контроля эрозии и неуклонно растет почти до 1950 евро/тонну по мере увеличения объема предоставляемых услуг по борьбе с эрозией. Этот рост отражает увеличивающиеся альтернативные издержки, связанные с более высокими уровнями борьбы с эрозией.

Структура посевов, связанная с этой кривой предложения, демонстрирует стратегическую адаптацию хозяйства к стимулам ПЭУ. При низких уровнях борьбы с эрозией большая часть земли отводится под высокодоходные культуры, такие как зерновые, которые имеют более высокий риск эрозии почвы. По мере увеличения уровня борьбы с эрозией и роста выплат по ПЭУ структура посевов значительно меняется. Такие практики, как мульчирование и крестоцветные культуры, которые способствуют улучшению стабильности почвы и предотвращению эрозии, приобретают большее значение в распределении землепользования.

При умеренных уровнях борьбы с эрозией хозяйство демонстрирует сбалансированную структуру посевов с заметным увеличением мульчирования и сокращением зерновых. По мере дальнейшего ужесточения требований к борьбе с эрозией становится очевидным доминирование мульчирующих культур, в то время как площадь, отведенная под зерновые, резко сокращается. Эта тенденция отражает корректировку хозяйства для максимизации экономической отдачи при соблюдении ограничений, накладываемых схемой ПЭУ.

Когда требуются более высокие уровни борьбы с эрозией, фермер вынужден отказаться от земледелия на определенных полях, поскольку необходимые меры по предотвращению эрозии почвы перевешивают экономическую отдачу от сельскохозяйственного производства. Точно так же предложение более высоких ПЭУ за борьбу с эрозией может стимулировать фермера отдавать приоритет сохранению почвы, а не земледелию на таких территориях.

Чтобы получить более широкую перспективу эволюции структур посевов в ответ на экологическую политику, полезно сравнить корректировки, наблюдаемые на ферме в Меркиш-Одерланде при стимулах ПЭУ, с корректировками при сценариях экологического налога, описанных ранее. При стимулах ПЭУ акцент смещается с высокодоходных зерновых на почвостабилизирующие практики, такие как мульчирование и крестоцветные культуры, по мере увеличения требований к борьбе с эрозией, что демонстрирует приоритет сохранения почвы. И наоборот, в режиме экологического налога корректировки направлены на снижение вымывания нитратов, при этом зерновые заменяются культурами с низким потреблением азота, такими как крестоцветные и люпин, как показано на Рисунке 3. На самых строгих уровнях оба сценария сходятся к минимальному возделыванию на менее прибыльных полях для достижения экологических целей, что отражает присущие экономические компромиссы при адаптации структуры посевов фермы к целевым политическим механизмам.

Рисунок 7 представляет динамическое взаимодействие между ПЭУ за уровни борьбы с эрозией почвы и оптимальными структурами посевов в гипотетическом хозяйстве в Одер-Шпрее.

Рисунок 7. Кривая предложения услуг по борьбе с эрозией гипотетического фермерского хозяйства в Одер-Шпрее и соответствующие оптимальные структуры посевов, смоделированные при различных уровнях ПЭУ. Источник: собственная обработка, результаты получены с использованием модели MODAM, реализованной в программном обеспечении GAMS (версия 48.4.0).

Кривая предложения услуг по борьбе с эрозией в этом хозяйстве демонстрирует минимальную готовность фермы принимать платежи за увеличение контроля над эрозией при различных уровнях ПЭУ. Кривая предложения начинается примерно с 200 евро/тонну контроля эрозии и круто возрастает до приблизительно 5500 евро/тонну по мере увеличения объема предоставляемых услуг по борьбе с эрозией. Это резкое увеличение подчеркивает растущие альтернативные издержки и экономические корректировки, необходимые для более высоких уровней предоставления ЭУ.

Структуры посевов, связанные с этой кривой предложения, иллюстрируют реакцию хозяйства на стимулы ПЭУ. При низких уровнях борьбы с эрозией доминирующей культурой являются зерновые, которые максимизируют экономическую отдачу, внося относительно меньший вклад в борьбу с эрозией. По мере увеличения выплат по ПЭУ, стимулирующих более активную борьбу с эрозией, структура посевов смещается в сторону крестоцветных культур, которые обеспечивают лучшие преимущества в борьбе с эрозией. На промежуточных уровнях борьбы с эрозией хозяйство балансирует свою стратегию посевов, выделяя значительные части земли под крестоцветные культуры, сохраняя при этом производство зерновых на сниженном уровне.

При более высоких уровнях выплат ПЭУ и предоставления услуг по борьбе с эрозией наблюдается явное доминирование крестоцветных культур, что отражает их превосходную способность смягчать эрозию почвы и адаптироваться к предоставляемым экономическим стимулам. Между тем, доля зерновых резко снижается, а включение картофеля становится более заметным. Этот сдвиг подчеркивает involved экономические компромиссы, поскольку хозяйство перераспределяет землю под культуры, которые менее экономически выгодны, но более экологически благоприятны.

При строгих требованиях к борьбе с эрозией фермер вынужден прекращать сельскохозяйственную деятельность на полях, где затраты на соблюдение нормативов превышают рентабельность земледелия, что приводит к забрасыванию земель. Аналогичным образом, более высокие ПЭУ за борьбу с эрозией будут способствовать переходу таких земель к природоохранным мероприятиям, а не сельскохозяйственному производству.

Чтобы обеспечить более комплексное сравнение кривых предложения услуг по борьбе с эрозией двух гипотетических типов хозяйств, Рисунок 8 противопоставляет соответствующие кривые для Меркиш-Одерланда и Одер-Шпрее при различных сценариях ПЭУ.

Рисунок 8. Кривые предложения услуг по борьбе с эрозией почвы двух гипотетических типов фермерских хозяйств в Меркиш-Одерланде и Одер-Шпрее. Источник: собственная обработка, результаты получены с использованием модели MODAM, реализованной в программном обеспечении GAMS (версия 48.4.0).

Кривая предложения услуг по борьбе с эрозией (тонн на гектар в год) изображает минимальный платеж, который фермеры в Меркиш-Одерланде и Одер-Шпрее готовы принять за предоставление услуг по борьбе с эрозией в рамках различных схем ПЭУ. Эта кривая выявляет заметные различия в экономических порогах внедрения практик борьбы с эрозией между двумя типами хозяйств.

Для фермы в Меркиш-Одерланде кривая предложения начинается с более низких уровней борьбы с эрозией, при этом готовность принимать платежи начинается примерно со 150 евро/тонну предоставляемых услуг по борьбе с эрозией. По мере увеличения уровня борьбы с эрозией требуемый платеж постепенно возрастает. При более высоких уровнях борьбы с эрозией, таких как приблизительно 0,5 тонн/га/год, готовность принимать платежи резко увеличивается, достигая почти 1400 евро/тонну. Эта модель указывает на то, что дополнительные затраты на предоставление дополнительных услуг по борьбе с эрозией становятся значительно выше по мере приближения потенциала для таких практик к своему верхнему пределу.

В отличие от этого, ферма в Одер-Шпрее демонстрирует более эластичную кривую предложения, отражающую ее большую адаптивность и потенциал для предоставления услуг по борьбе с эрозией. При низких уровнях борьбы с эрозией готовность принимать платежи начинается примерно с 200 евро/тонну, что выше, чем у фермы в Меркиш-Одерланде. Однако увеличение требуемых платежей является более постепенным, и хозяйство может поддерживать более высокие уровни борьбы с эрозией при относительно более низких предельных издержках. Например, при уровне приблизительно 0,5 тонн/га/год готовность принимать платежи остается на уровне примерно 400 евро/тонну, что подчеркивает большую эффективность хозяйства во внедрении практик борьбы с эрозией.

Данное исследование подчеркивает важнейшую роль биоэкономических модельных frameworks, таких как MODAM, в оценке экосистемных услуг (ЭУ), подобных вымыванию нитратов и контролю за эрозией. Эти инструменты играют ключевую роль в анализе экономического поведения фермерских хозяйств в условиях стимулирующей политики, предлагая стратегии для согласования сельскохозяйственных практик с экологической устойчивостью. Моделируя реакцию хозяйств на экономические стимулы, биоэкономические фермерские модели проливают свет на сложную взаимосвязь между экологическими целями и финансовыми ограничениями, демонстрируя потенциал рыночных механизмов для поощрения устойчивого землепользования.

Ключевым выводом является вариативность экономических реакций у разных типов хозяйств. Анализ выявил заметные различия между меньшим, ориентированным на растениеводство хозяйством в Меркиш-Одерланде и более крупным, смешанным растениеводческо-животноводческим хозяйством в Одер-Шпрее. Хозяйство в Одер-Шпрее, пользующееся преимуществами диверсифицированной деятельности, показало бóльшую гибкость как в готовности платить за вымывание нитратов, так и в готовности принимать платежи за борьбу с эрозией. Эта адаптивность проистекает из наличия нескольких источников дохода, что позволяет ему более эффективно реагировать на экономические стимулы. В отличие от этого, хозяйство в Меркиш-Одерланде со своей специализированной направленностью столкнулось с более высокими предельными издержками из-за ограниченной способности перераспределять ресурсы и изменять практики. Эти выводы подчеркивают экономическое давление на мелкие фермы и риски универсальных стимулирующих схем, которые могут непропорционально сильно на них сказаться. Для решения этих проблем политика должна учитывать уникальные характеристики и ограничения отдельных хозяйств, обеспечивая справедливость и эффективность рыночных механизмов для ЭУ. Эти находки согласуются с предыдущими исследованиями, подчеркивающими различную способность мелких и крупных ферм адаптироваться к экономическим стимулам. Например, Таккони и др. [27] показали, что мелкие фермеры часто применяют стратегии диверсификации для управления рисками, но могут тяготеть к специализации, когда рыночные возможности и технологии благоприятствуют ей, что создает проблемы для адаптации. Similarly, Авити и др. [28] отметили, что хотя диверсификация и повышает устойчивость, она увеличивает производственные затраты, ограничивая способность мелких землевладельцев реагировать на такие стимулы. Исследование Тоттади и Сингха [29] подчеркивает социально-экономические и институциональные сложности, влияющие на внедрение климатически оптимизированных практик на мелких фермах, выделяя ограниченность ресурсов как ключевое ограничение. В contrast, такие исследования, как Виммер и Зауэр [30] и Тарруэлья и др. [31], демонстрируют, что более крупные, диверсифицированные фермы лучше equipped использовать эффект масштаба и управлять неоднородными издержками сокращения загрязнения, повышая свою способность к адаптации. В совокупности эти данные подчеркивают, что размер фермы и диверсификация играют критическую роль в формировании адаптивных реакций на экономическую политику.

Это исследование также демонстрирует влияние экономических стимулов, таких как экологические налоги и ПЭУ, на решения фермеров. Оба хозяйства показали сдвиги в структуре посевов, отходя от азотоемких культур, таких как зерновые, в сторону альтернатив, например, люпина и крестоцветных овощей. Кроме того, более высокие уровни ПЭУ стимулировали внедрение почвозащитных мер, включая мульчирование и покровные культуры. Эта адаптивность демонстрирует эффективность экономических инструментов в стимулировании устойчивых сельскохозяйственных практик. Однако это также highlights компромиссы, с которыми сталкиваются фермеры, балансируя между экологическими целями и экономической жизнеспособностью. Политики должны тщательно устанавливать уровни стимулов, чтобы адекватно компенсировать фермерам альтернативные издержки этих изменений, особенно для мелких или менее диверсифицированных хозяйств. Результаты подчеркивают, что экологические налоги на вымывание нитратов и ПЭУ за борьбу с эрозией существенно влияют на фермерские решения, вызывая переход к устойчивым практикам или, на более высоких уровнях, к забрасыванию земель. Политика должна балансировать экологические цели с экономической жизнеспособностью, адаптируя пороговые значения к региональным и фермерским контекстам, чтобы обеспечить устойчивость, не ставя под угрозу сельскохозяйственную продуктивность. Внедрение почвозащитных мер в ответ на повышение уровня ПЭУ, как подчеркивается в этом исследовании, согласуется с широко задокументированной ролью финансовых стимулов в продвижении устойчивых сельскохозяйственных практик. Азнар-Санчес и др. [32] подчеркнули, что субсидии и финансовые инструменты значительно облегчают внедрение практик устойчивого управления почвами, включая меры борьбы с эрозией. Similarly, Калишто и др. [33] выделили финансовые ограничения как ключевые барьеры для внедрения методов борьбы с эрозией, выступая за усиление предоставления ресурсов и распространения знаний для решения этих проблем. Тухами и др. [34] подчеркнули важность финансовых стимулов и субсидий для обеспечения экономической жизнеспособности практик сохранения почв для мелких фермеров. Лейва и др. [35] представили конкретное case study в южной Испании, показав, как субсидии мотивировали фермеров внедрять такие методы сохранения почв, как контурная вспашка и содержание каменных стен. В совокупности эти исследования подтверждают, что финансовая поддержка играет ключевую роль в преодолении экономических барьеров на пути внедрения устойчивых практик борьбы с эрозией.

Скрытые затраты, применяемые в рамках MODAM, предлагают ценный метод определения ставок экологических налогов и ПЭУ. Эти цены отражают истинную экономическую ценность ЭУ, позволяя политикам разрабатывать рыночные инструменты, интернализирующие издержки деградации экосистем. Привязывая экономические стимулы к общественной ценности ЭУ, скрытые затраты могут способствовать внедрению устойчивых практик при сохранении рентабельности фермерских хозяйств. Применение скрытых затрат для оценки вымывания нитратов и борьбы с эрозией обеспечивает надежную основу для разработки политики, как подчеркивается в различных исследованиях. Данг и Муроган [17] подчеркнули полезность скрытых затрат в отражении экономических компромиссов, поддерживая их использование при установлении ставок экологических налогов и ПЭУ. Similarly, Чжан и др. [36] обнаружили, что включение животноводства в расчет скрытых затрат на углерод в сельскохозяйственном секторе Китая было crucial для точных оценок, что усиливает роль скрытых затрат в балансировании экономических и экологических целей. Де Брёйн и др. [37] также предоставили стандартизированные методологии присвоения денежных значений выбросам, помогая политикам интернализировать экологические экстерналии. В совокупности эти работы демонстрируют осуществимость и эффективность использования скрытых затрат в качестве ориентиров для разработки экологических налогов, ставок ПЭУ и других рыночных природоохранных политик. Однако чувствительность скрытых затрат к колебаниям предложения и спроса на ЭУ подчеркивает необходимость адаптивных политических frameworks. Регулярные оценки результатов политики и реакций на уровне хозяйств essential для корректировки стимулов, обеспечения достижения как экологических, так и экономических целей. Адаптивная и итеративная политическая framework essential для учета динамичного характера предложения и спроса на экосистемные услуги, обеспечения того, чтобы политика оставалась эффективной и справедливой в меняющихся условиях.

Выводы также подчеркивают различия в адаптивности между фермами разного размера и уровня диверсификации. Более крупные, диверсифицированные фермы, такие как Одер-Шпрее, показали бóльшую устойчивость при корректировке структуры посевов для достижения экологических целей, поглощая экономические последствия более строгого контроля за эрозией и ограничений на использование азота. Эти хозяйства достигли такой гибкости за счет разнообразия культур и эффективного распределения ресурсов. В contrast, мелкие фермы, такие как Меркиш-Одерланд, проявили повышенную чувствительность к экономическим стимулам, столкнувшись со значительным снижением своей способности платить за использование азота в условиях высоких налогов. Их более крутые кривые предложения на борьбу с эрозией иллюстрируют значительные компромиссы, с которыми они сталкиваются при перераспределении ресурсов для усиления предоставления ЭУ. Эти диспропорции highlight необходимость адаптации схем ПЭУ к специфическим характеристикам хозяйств, обеспечивая справедливое и эффективное стимулирование ЭУ. Наблюдаемые различия в оценке ЭУ между хозяйствами в Меркиш-Одерланде и Одер-Шпрее согласуются с выводами в литературе, которые подчеркивают значимость региональных различий в предоставлении ЭУ и разработке политики. Бартон и др. [38] подчеркнули, что эффективность экономических инструментов, таких как ПЭУ, варьируется в зависимости от региона due to экологических, социальных и экономических факторов, что требует context-specific подходов. Similarly, Франк и др. [39] продемонстрировали, как сокращение водной эрозии в Саксонии, Германия, влияет на компромиссы между множеством ЭУ, подтверждая необходимость адаптированной региональной политики. Более того, Торсен и др. [40] подчеркнули, что вариабельность затрат на предоставление лесных ЭУ формируется региональными экономическими и экологическими факторами, highlight важность разработки экономических механизмов, отражающих эти диспропорции. Вместе эти исследования подтверждают необходимость адаптации политических инструментов к региональным и фермерским контекстам для достижения сбалансированных и эффективных результатов.

Выводы данного исследования о корректировках структуры посевов при различных уровнях экологического налога согласуются с выводами предыдущих исследований аграрной политики. Буххольц и Мусхофф [41] продемонстрировали, что налог на пестициды и "зеленый" нюдж в их экспериментальном анализе сократили применение пестицидов, хотя налог привел к значительным потерям прибыли и изменениям в стратегиях посева и обработки почвы. Similarly, Дюмортье и Элобейд [42] наблюдали, что углеродный налог в США увеличил производственные затраты для таких культур, как кукуруза, хлопок и сорго, вызывая изменения в землепользовании и структуре посевов. Драгичевич и Перо [43] further усиливают роль фискальных мер, демонстрируя, что эко-налогообложение значительно превосходит климатические обязательства в сокращении глобальных сельскохозяйственных выбросов. Их исследование highlights сокращение выбросов на 57,87% и на 45,68% большее снижение интенсивности выбросов по сравнению с обязательствами, позиционируя эко-налогообложение как critical инструмент для достижения таких климатических целей, как цели ЕС. Эти исследования в совокупности highlight, как фискальная и регуляторная политика могут влиять на переход к устойчивому сельскому хозяйству.

Хотя эти выводы дают ценные insight в экономическую динамику предоставления ЭУ, данное исследование имеет определенные ограничения. Фокус на двух гипотетических фермах в Бранденбурге ограничивает возможность обобщения результатов для других регионов с отличающимися экологическими и социально-экономическими условиями. Расширение анализа за счет включения различных географических и сельскохозяйственных условий могло бы повысить его relevance. Более того, данное исследование в основном рассматривало вымывание нитратов и борьбу с эрозией, оставляя в стороне другие critical ЭУ, такие как секвестрация углерода и сохранение биоразнообразия. Более широкие оценки ЭУ могли бы поддержать разработку более комплексных политических решений.

Наконец, хотя MODAM успешно интегрирует экологическую и экономическую динамику, его reliance на фиксированные цены на outputs и inputs — даже после введения экологических налогов или реализации ПЭУ — может упрощать реальные фермерские системы. Включение механизмов учета колебаний цен и рыночной динамики могло бы устранить эти ограничения, повышая прогностическую силу и relevance модели для политики. Такие улучшения позволили бы вырабатывать более нюансированные и эффективные политические рекомендации, способствуя сельскохозяйственным практикам, которые лучше соответствуют экологическим целям устойчивым образом.

Данное исследование демонстрирует полезность биоэкономического моделирования, примером которого является framework MODAM, в связывании оценки ЭУ с разработкой политики для устойчивого сельского хозяйства. Интегрируя экологическую и экономическую динамику, модель предоставляет структурированный подход для оценки того, как рыночные инструменты, такие как экологические налоги и ПЭУ, влияют на поведение фермерских хозяйств. Эти insight поддерживают формулирование целевой политики, которая согласует сельскохозяйственные практики с экологической устойчивостью, учитывая при этом экономические реалии.

Выводы подчеркивают необходимость адаптации стимулов к разнообразным фермерским структурам, признавая вариативность экономической адаптивности среди хозяйств. Более крупные, диверсифицированные хозяйства проявляют бóльшую устойчивость к изменениям политики, в то время как мелкие, специализированные фермы сталкиваются с усиленными экономическими challenges, highlight необходимость справедливых решений.

Однако это исследование ограничено фокусом на двух гипотетических фермах в Бранденбурге, что может ограничивать применимость результатов в других регионах с отличающимися контекстами. Кроме того, оно в основном затрагивает вымывание нитратов и борьбу с эрозией, оставляя в стороне другие critical ЭУ. Будущие исследования должны изучить различные сельскохозяйственные системы, включить более широкий спектр услуг и учитывать колебания цен в экономических моделях для повышения robustness и relevance политических рекомендаций.

1.    Drupp, M.A.; Turk, Z.M.; Groom, B.; Heckenhahn, J. Global evidence on the income elasticity of willingness to pay, relative price changes and public natural capital values. arXiv 2024, arXiv:2308.04400. [Google Scholar]

2.    Bellingrath-Kimura, S.D.; Burkhard, B.; Fisher, B.; Matzdorf, B. Ecosystem Services and Biodiversity of Agricultural Systems at the Landscape Scale. Environ. Monit. Assess. 2021, 193 (Suppl. 1), 275. [Google Scholar] [CrossRef] [PubMed]

3.    Girão, I.; Gomes, E.; Pereira, P.; Rocha, J. Trends in High Nature Value Farmland and Ecosystem Services Valuation: A Bibliometric Review. Land 2023, 12, 1952. [Google Scholar] [CrossRef]

4.    Bartkowski, B.; Droste, N.; Ließ, M.; Sidemo-Holm, W.; Weller, U.; Brady, M.V. Implementing Result-Based Agri-Environmental Payments by Means of Modelling. arXiv 2020, arXiv:1908.08219. [Google Scholar]

5.    Voglhuber-Slavinsky, A.; Lemke, N.; MacPherson, J.; Dönitz, E.; Olbrisch, M.; Schöbel, P.; Moller, B.; Bahrs, E.; Helming, K. Valorization for Biodiversity and Ecosystem Services in the Agri-Food Value Chain. Environ. Manag. 2023, 72, 1163–1188. [Google Scholar] [CrossRef]

6.    Madureira, L.; Rambonilaza, T.; Karpinski, I. Review of Methods and Evidence for Economic Valuation of Agricultural Non-Commodity Outputs and Suggestions to Facilitate Its Application to Broader Decisional Contexts. Agric. Ecosyst. Environ. 2007, 120, 5–20. [Google Scholar] [CrossRef]

7.    Dupras, J.; Laurent-Lucchetti, J.; Revéret, J.; DaSilva, L. Using Contingent Valuation and Choice Experiment to Value the Impacts of Agri-Environmental Practices on Landscape Aesthetics. Landsc. Res. 2017, 43, 679–695. [Google Scholar] [CrossRef]

8.    Haghani, M.; Bliemer, M.C.; Rose, J.M.; Oppewal, H.; Lancsar, E. Hypothetical Bias in Stated Choice Experiments: Part I. Macro-Scale Analysis of Literature and Integrative Synthesis of Empirical Evidence from Applied Economics, Experimental Psychology and Neuroimaging. J. Choice Model. 2021, 41, 100309. [Google Scholar] [CrossRef]

9.    Wu, S.; Li, S. A Possible Alternative Evaluation Method for the Non-Use and Nonmarket Values of Ecosystem Services. arXiv 2018, arXiv:1811.08376. [Google Scholar]

10. Zandebasiri, M.; Jahanbazi Goujani, H.; Iranmanesh, Y. Ecosystem Services Valuation: A Review of Concepts, Systems, New Issues, and Considerations About Pollution in Ecosystem Services. Environ. Sci. Pollut. Res. 2023, 30, 83051–83070. [Google Scholar] [CrossRef]

11. Kenter, J.O.; O’Brien, L.; Hockley, N.; Ravenscroft, N.; Fazey, I.; Irvine, K.N.; Reed, M.S.; Christie, M.; Brady, E.; Bryce, R.; et al. What Are Shared and Social Values of Ecosystems? Ecol. Econ. 2015, 111, 86–99. [Google Scholar] [CrossRef]

12. Schläpfer, F. Inadequate Standards in the Valuation of Public Goods and Ecosystem Services: Why Economists, Environmental Scientists and Policymakers Should Care. Sustainability 2021, 13, 393. [Google Scholar] [CrossRef]

13. Flood, S.; O’Higgins, T.G.; Lago, M. The Promise and Pitfalls of Ecosystem Services Classification and Valuation. In Ecosystem-Based Management, Ecosystem Services and Aquatic Biodiversity; O’Higgins, T., Lago, M., DeWitt, T., Eds.; Springer: Cham, Switzerland, 2020; pp. 73–94. [Google Scholar]

14. Cai, Z.; Aguilar, F.X. Economic Valuation of Agroforestry Ecosystem Services. In Agroforestry and Ecosystem Services; Udawatta, R.P., Jose, S., Eds.; Springer: Cham, Switzerland, 2021; pp. 349–368. [Google Scholar]

15. Mouratiadou, I.; Lemke, N.; Chen, C.; Wartenberg, A.; Bloch, R.; Donat, M.; Gaiser, T.; Basavegowda, D.H.; Helming, K.; Hosseini Yekani, S.A.; et al. The Digital Agricultural Knowledge and Information System (DAKIS): Employing Digitalisation to Encourage Diversified and Multifunctional Agricultural Systems. Environ. Sci. Ecotechnology 2023, 16, 100274. [Google Scholar] [CrossRef] [PubMed]

16. Islam, M.; Yamaguchi, R.; Sugiawan, Y.; Managi, S. Valuing Natural Capital and Ecosystem Services: A Literature Review. Sustain. Sci. 2018, 14, 159–174. [Google Scholar] [CrossRef]

17. Dang, T.; Mourougane, A. Estimating Shadow Prices of Pollution in Selected OECD Countries. OECD Green Growth Pap. 2014, 5, 1–45. [Google Scholar]

18. Vilvert, E.; Lana, M.; Zander, P.; Sieber, S. Multi-Model Approach for Assessing the Sunflower Food Value Chain in Tanzania. Agric. Syst. 2018, 159, 103–110. [Google Scholar] [CrossRef]

19. Schuler, J.; Toorop, R.A.; Willaume, M.; Vermue, A.; Schläfke, N.; Uthes, S.; Zander, P.; Rossing, W. Assessing Climate Change Impacts and Adaptation Options for Farm Performance Using Bio-Economic Models in Southwestern France. Sustainability 2020, 12, 7528. [Google Scholar] [CrossRef]

20. Hosseini-Yekani, S.; Zander, H. A Mathematical Model to Quantitatively Calculate the Trade-Offs Between Ecosystem Services Within a Decision Support System. GIL Jahrestag. 2021, P-309, 157–162. Available online: https://dl.gi.de/items/7df39ab6-a696-4a0b-acf2-858657d538ec (accessed on 25 December 2024).

21. Pham, H.V.; Sperotto, A.; Furlan, E.; Torresan, S.; Marcomini, A.; Critto, A. Integrating Bayesian Networks into Ecosystem Services Assessment to Support Water Management at the River Basin Scale. Ecosyst. Serv. 2021, 50, 101300. [Google Scholar] [CrossRef]

22. Buhler, C.K.; Benson, H.Y. Decision-Making for Land Conservation: A Derivative-Free Optimization Framework with Nonlinear Inputs. arXiv 2023, arXiv:2308.11549. [Google Scholar] [CrossRef]

23. Li, W.; Chen, X.; Zheng, J.; Zhang, F.; Yan, Y.; Hai, W.; Han, C.; Liu, L. A Multi-Scenario Simulation and Dynamic Assessment of Ecosystem Service Values in Key Ecological Functional Areas: A Case Study of Sichuan Province, China. Land 2024, 13, 468. [Google Scholar] [CrossRef]

24. Bethwell, C.; Burkhard, B.; Daedlow, K.; Sattler, C.; Reckling, M.; Zander, P. Towards an Enhanced Indication of Provisioning Ecosystem Services in Agro-Ecosystems. Environ. Monit. Assess. 2021, 193 (Suppl. 1), 269. [Google Scholar] [CrossRef]

25. Kuratorium für Technik und Bauwesen in der Landwirtschaft (KTBL). KTBL-Datenbank. Available online: https://daten.ktbl.de/sdb/welcome.do (accessed on 25 December 2024).

26. Kaiser, H.M.; Messer, K.D. Mathematical Programming for Agricultural, Environmental, and Resource Economics. CAB International. 2012. Available online: https://www.cabidigitallibrary.org/doi/full/10.5555/20113100614 (accessed on 25 December 2024).

27. Tacconi, F.; Waha, K.; Ojeda, J.J.; Leith, P. Drivers and Constraints of On-Farm Diversity: A Review. Agron. Sustain. Dev. 2022, 42, 2. [Google Scholar] [CrossRef]

28. Awiti, H.A.; Gido, E.O.; Obare, G.A. Smallholder Farmers Climate-Smart Crop Diversification Cost Structure: Empirical Evidence from Western Kenya. Front. Sustain. Food Syst. 2022, 6, 842987. [Google Scholar] [CrossRef]

29. Thottadi, B.P.; Singh, S.P. Climate-Smart Agriculture (CSA) Adaptation, Adaptation Determinants, and Extension Services Synergies: A Systematic Review. Mitig. Adapt. Strateg. Glob. Change 2024, 29, 22. [Google Scholar] [CrossRef]

30. Wimmer, S.; Sauer, J. Diversification Economies in Dairy Farming—Empirical Evidence from Germany. Eur. Rev. Agric. Econ. 2020, 47, 1338–1365. [Google Scholar] [CrossRef]

31. Tarruella, M.; Huber, R.; Mack, G.; Benni, N.E.; Finger, R. Cost-Effectiveness of Farm- vs. Regional-Level Climate Change Mitigation Policies. Q Open 2023, qoad022. [Google Scholar] [CrossRef]

32. Aznar-Sánchez, J.A.; Velasco-Muñoz, J.F.; López-Felices, B.; Del Moral-Torres, F. Barriers and Facilitators for Adopting Sustainable Soil Management Practices in Mediterranean Olive Groves. Agronomy 2020, 10, 506. [Google Scholar] [CrossRef]

33. Calixto, N.; Castaño, A.; Contreras-Ropero, J. Bibliometric Analysis of River Erosion Control Measures: Examination of Practices and Barriers in Colombia. Hydrology 2024, 11, 139. [Google Scholar] [CrossRef]

34. Touhami, D.; Benaissa, O.; Taoussi, M.; Belabess, Z.; Echchgadda, G.; Laasli, S.; Lahlali, R. Soil Conservation Approaches, Tools, and Techniques; Springer Nature: Berlin/Heidelberg, Germany, 2024; pp. 471–496. [Google Scholar]

35. Leyva, J.C.; Martínez, J.F.; Roa, M.G. Analysis of the Adoption of Soil Conservation Practices in Olive Groves: The Case of Mountainous Areas in Southern Spain. Span. J. Agric. Res. 2007, 5, 249–258. [Google Scholar] [CrossRef]

36. Zhang, Y.; Zhuo, J.; Baležentis, T.; Shen, Z. Measuring the Carbon Shadow Price of Agricultural Production: A Regional-Level Nonparametric Approach. Environ. Sci. Pollut. Res. 2024, 31, 17226–17238. [Google Scholar] [CrossRef] [PubMed]

37. De Bruyn, S.M.; Korteland, M.H.; Markowska, A.Z.; Davidson, M.D.; De Jong, F.L.; Bles, M.; Sevenster, M.N. Shadow Prices Handbook: Valuation and Weighting of Emissions and Environmental Impacts. In CE Delft. 2010. Available online: https://www.osti.gov/etdeweb/biblio/21338923 (accessed on 25 December 2024).

38. Barton, D.N.; Rusch, G.; May, P.; Ring, I.; Unnerstall, H.; Santos, R.; Antunes, P.; Brouwer, R.; Grieg-Gran, M.; Similä, J.; et al. Assessing the Role of Economic Instruments in a Policy Mix for Biodiversity Conservation and Ecosystem Services Provision: A Review of Some Methodological Challenges. MPRA Paper. 2009, p. No. 15554. Available online: https://mpra.ub.uni-muenchen.de/15554/1/MPRA_paper_15554.pdf (accessed on 25 December 2024).

39. Frank, S.; Fürst, C.; Witt, A.; Koschke, L.; Makeschin, F. Making Use of the Ecosystem Services Concept in Regional Planning—Trade-Offs from Reducing Water Erosion. Landsc. Ecol. 2014, 29, 1377–1391. [Google Scholar] [CrossRef]

40. Thorsen, B.J.; Mavsar, R.; Tyrväinen, L.; Prokofieva, I.; Stenger, A. (Eds.) The Provision of Forest Ecosystem Services: Assessing Cost of Provision and Designing Economic Instruments for Ecosystem Services. What Science Can Tell Us 5; European Forest Institute: Joensuu, Finland, 2014; Volume 2, Available online: https://efi.int/sites/default/files/files/publication-bank/2018/efi_wsctu5_vol2_2014.pdf (accessed on 25 December 2024).

41. Buchholz, M.; Musshoff, O. Tax or Green Nudge? An Experimental Analysis of Pesticide Policies in Germany. Eur. Rev. Agric. Econ. 2021, 48, 940–982. [Google Scholar] [CrossRef]

42. Dumortier, J.; Elobeid, A. Implications of a U.S. Carbon Tax on Agricultural Markets and GHG Emissions from Land-Use Change. Agricultural Policy Review. 2020. Article 106. Available online: https://www.card.iastate.edu/ag_policy_review/article/?a=106 (accessed on 25 December 2024).

43. Dragicevic, A.Z.; Pereau, J. Comparing Climate Pledges and Eco-Taxation in a Networked Agricultural Supply Chain Organisation. Eur. Rev. Agric. Econ. 2024, 51, 354–398. [Google Scholar] [CrossRef]

Hosseini-Yekani S-A, Tomaczewski S, Zander P. Model-Based Valuation of Ecosystem Services Using Bio-Economic Farm Models: Insights for Designing Green Tax Policies and Payment for Ecosystem Services. Agriculture. 2025; 15(1):60. https://doi.org/10.3390/agriculture15010060

Перевод статьи «Model-Based Valuation of Ecosystem Services Using Bio-Economic Farm Models: Insights for Designing Green Tax Policies and Payment for Ecosystem Services» авторов Hosseini-Yekani S-A, Tomaczewski S, Zander P., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык