Greening payment represents one of the main and controversial novelties of the current Common Agricultural Policy (CAP) 2015–2020 programming period. Such payments bind a portion of farm subsidies to compliance with specified practices, such as crop diversification. Unlike previous ex ante simulations, the present contribution attempts to estimate the ex post impact of greening payments in terms of land use change using a parcel-level constant sample (2011–2017) dataset of approximately 4.5 million observations. First, Markov chains and a weighted χ2 test detect a discontinuity in farmland transition probabilities only in farms that are initially non-compliant with the greening rules. Such a discontinuity is not observed in farms that are not eligible for or already compliant with the greening rules. This evidence, even if indirect, suggests that the greening payment has induced farmland conversion in farms with a lower degree of crop diversification. The greening impact on farmland allocation in this farm group was subsequently simulated using machine learning techniques. This policy has reduced maize monoculture and increased nitrogen-fixing crops, fallow land and other cereals in the targeted farms. Environmental gains (reduction in greenhouse gas emissions –GHG- and input use) and farm economic losses due to land use change have been derived, providing the first tentative cost-benefit analysis of such policy tool. Due to data limitations, indirect costs and benefits of greening (improvement in pest management, land quality and biodiversity) have not been assessed. More research and detailed environmental monitoring data are required to assess such indirect effects and to provide a more comprehensive cost-benefit ex-post analysis of greening policy.

Il pagamento "greening" rappresenta una delle principali e controverse novità dell'attuale periodo di programmazione 2015-2020 della politica agricola comune (PAC). Tali pagamenti vincolano una parte dei sussidi alle aziende agricole al rispetto di pratiche specifiche, come la diversificazione delle colture. A differenza delle precedenti simulazioni ex ante, il presente contributo tenta di stimare l'impatto ex post dei pagamenti greening in termini di cambiamento dell'uso del suolo utilizzando l'osservazione in serie storica (2011-2017) si una campione costante di particelle (appezzamenti di terreno) della pianura lombarda di circa 4,5 milioni di osservazioni. Le catene di Markov e un test ponderato χ2 hanno rilevato una discontinuità nelle probabilità di transizione dei terreni agricoli solo nelle aziende inizialmente non conformi alle regole del greening. Tale discontinuità non si osserva nelle aziende agricole che non erano soggette o che erano soggette e già conformi alle regole del greening. Questa evidenza, anche se indiretta, suggerisce che il pagamento greening ha indotto la conversione dei terreni agricoli in aziende con un grado inferiore di diversificazione delle colture. L'impatto del greening sull'allocazione dei terreni agricoli in questo gruppo di aziende è stato successivamente simulato utilizzando tecniche di machine learning. Nelle aziende agricole che hanno dovuto adattarsi al greening, questa politica ha ridotto la monocoltura del mais e aumentato la superficie investita a colture azotofissatrici, a terreni incolti e ad altri cereali. Utilizzando l'effetto di diversificazione colturale indotto dal greening, sono stati stimati i benefici ambientali (riduzione delle emissioni di gas a effetto serra e utilizzo di input) e le perdite di reffito delle aziende. Si è così fornita la prima analisi costi-benefici di tale strumento politico. Non è stato possibile valutare i costi indiretti e i benefici del greening (miglioramento della gestione dei parassiti, della qualità del suolo e della biodiversità) a causa della scarsa o assente copertura territoriale dei dati necessari per queste analisi. Sono necessarie ulteriori ricerche e dati di dettaglio derivanti da monitoraggi ambientali per valutare tali effetti indiretti e per fornire un'analisi costi-benefici più completa del greening.

Estimating the CAP greening effect by machine learning techniques : A big data ex post analysis / D. Bertoni, G. Aletti, D. Cavicchioli, A. Micheletti, R. Pretolani. - In: ENVIRONMENTAL SCIENCE & POLICY. - ISSN 1462-9011. - 119(2021 May), pp. 44-53. [10.1016/j.envsci.2021.01.008]

Estimating the CAP greening effect by machine learning techniques : A big data ex post analysis

D. Bertoni
Primo
;
G. Aletti
Secondo
;
D. Cavicchioli
;
A. Micheletti
Penultimo
;
R. Pretolani
Ultimo
2021

Abstract

Il pagamento "greening" rappresenta una delle principali e controverse novità dell'attuale periodo di programmazione 2015-2020 della politica agricola comune (PAC). Tali pagamenti vincolano una parte dei sussidi alle aziende agricole al rispetto di pratiche specifiche, come la diversificazione delle colture. A differenza delle precedenti simulazioni ex ante, il presente contributo tenta di stimare l'impatto ex post dei pagamenti greening in termini di cambiamento dell'uso del suolo utilizzando l'osservazione in serie storica (2011-2017) si una campione costante di particelle (appezzamenti di terreno) della pianura lombarda di circa 4,5 milioni di osservazioni. Le catene di Markov e un test ponderato χ2 hanno rilevato una discontinuità nelle probabilità di transizione dei terreni agricoli solo nelle aziende inizialmente non conformi alle regole del greening. Tale discontinuità non si osserva nelle aziende agricole che non erano soggette o che erano soggette e già conformi alle regole del greening. Questa evidenza, anche se indiretta, suggerisce che il pagamento greening ha indotto la conversione dei terreni agricoli in aziende con un grado inferiore di diversificazione delle colture. L'impatto del greening sull'allocazione dei terreni agricoli in questo gruppo di aziende è stato successivamente simulato utilizzando tecniche di machine learning. Nelle aziende agricole che hanno dovuto adattarsi al greening, questa politica ha ridotto la monocoltura del mais e aumentato la superficie investita a colture azotofissatrici, a terreni incolti e ad altri cereali. Utilizzando l'effetto di diversificazione colturale indotto dal greening, sono stati stimati i benefici ambientali (riduzione delle emissioni di gas a effetto serra e utilizzo di input) e le perdite di reffito delle aziende. Si è così fornita la prima analisi costi-benefici di tale strumento politico. Non è stato possibile valutare i costi indiretti e i benefici del greening (miglioramento della gestione dei parassiti, della qualità del suolo e della biodiversità) a causa della scarsa o assente copertura territoriale dei dati necessari per queste analisi. Sono necessarie ulteriori ricerche e dati di dettaglio derivanti da monitoraggi ambientali per valutare tali effetti indiretti e per fornire un'analisi costi-benefici più completa del greening.
Greening payment represents one of the main and controversial novelties of the current Common Agricultural Policy (CAP) 2015–2020 programming period. Such payments bind a portion of farm subsidies to compliance with specified practices, such as crop diversification. Unlike previous ex ante simulations, the present contribution attempts to estimate the ex post impact of greening payments in terms of land use change using a parcel-level constant sample (2011–2017) dataset of approximately 4.5 million observations. First, Markov chains and a weighted χ2 test detect a discontinuity in farmland transition probabilities only in farms that are initially non-compliant with the greening rules. Such a discontinuity is not observed in farms that are not eligible for or already compliant with the greening rules. This evidence, even if indirect, suggests that the greening payment has induced farmland conversion in farms with a lower degree of crop diversification. The greening impact on farmland allocation in this farm group was subsequently simulated using machine learning techniques. This policy has reduced maize monoculture and increased nitrogen-fixing crops, fallow land and other cereals in the targeted farms. Environmental gains (reduction in greenhouse gas emissions –GHG- and input use) and farm economic losses due to land use change have been derived, providing the first tentative cost-benefit analysis of such policy tool. Due to data limitations, indirect costs and benefits of greening (improvement in pest management, land quality and biodiversity) have not been assessed. More research and detailed environmental monitoring data are required to assess such indirect effects and to provide a more comprehensive cost-benefit ex-post analysis of greening policy.
CAP greening; Land use; Machine learning; Multinomial penalized models; Big data
Settore AGR/01 - Economia ed Estimo Rurale
Settore MAT/06 - Probabilita' e Statistica Matematica
Evaluation of CAP 2015-2020 and taking action (CAPTION)
20-feb-2021
Article (author)
File in questo prodotto:
File Dimensione Formato  
2021_Bertoni et al_Greening_machine learning_ESP.pdf

accesso aperto

Descrizione: Full text dell'articolo pubblicato dall'Editore
Tipologia: Publisher's version/PDF
Dimensione 3.31 MB
Formato Adobe PDF
3.31 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

Caricamento pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2434/816687
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus 8
  • ???jsp.display-item.citation.isi??? 8
social impact