MARC

 008260126s2025        us                              c    eng  d
■001000017356950
■00520260202103106
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798286430284
■035    ▼a(MiAaPQ)AAI31935615
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a634.9
■1001  ▼aMagala,  Richard.▼0(orcid)0000-0002-6642-598X
■24510▼aQuantifying  Ecosystem  Service  Trade-Offs  to  Advance  Sustainable  Intensification  of  U.S.  Corn  Belt  Agriculture
■260    ▼a[Sl]▼bIowa  State  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a273  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  A.
■500    ▼aAdvisor:  Schulte  Moore,  Lisa;Tyndall,  John  C.
■5021  ▼aThesis  (Ph.D.)--Iowa  State  University,  2025.
■520    ▼aThe  U.S.  Corn  Belt,  known  for  its  agricultural  productivity,  faces  significant  challenges  regarding  environmental  sustainability.  More  holistic  quantification  of  trade-offs  related  to  best  management  practice  (BMP)  adoption  is  needed  to  help  farmers,  consumers,  supply  chain  actors,  and  policymakers  develop  a  nuanced  understanding  of  the  agricultural  system's  configuration  and  constraints.  A  nuanced  understanding  could  guide  the  actors  in  developing  broad  and  robust  support  for  farmers  and  landowners  who  strive  to  make  different  land  use  and  management  decisions  toward  balancing  agricultural  production  and  environmental  goals.  The  overarching  goal  of  this  dissertation  is  to  develop  a  deeper  understanding  of  the  economic  and  environmental  trade-offs  associated  with  the  adoption  of  BMPs  in  intensively  modified  agricultural  landscapes.  I  employed  multiple  approaches,  including  process-based  modeling,  non-dominating  sorting  genetic  optimization  algorithms,  and  digital  game-based  learning  tools  (DGBL),  to  achieve  this  goal.  In  Chapter  2,  I  assess  the  Agricultural  Production  System  sIMulator  (APSIM)  model's  ability  to  predict  long-term  soil  organic  carbon  (SOC)  and  yield  dynamics  in  the  U.S.  Corn  Belt.  Results  show  that  APSIM's  SOC  predictions,  evaluated  using  over  a  century  of  field  data  from  the  Morrow  Plots,  demonstrated  acceptable  prediction  accuracy,  supporting  its  potential  use  in  carbon  programs.  The  complexity  of  agricultural  management  often  hinders  stakeholder  discussions  about  trade-offs  among  production  and  environmental  outcomes  associated  with  BMP  adoption,  and  opportunities  to  support  farmers  financially  through  environmental  markets.  Thus,  in  Chapter  3,  I  examine  these  trade-offs  in-depth,  including  the  effect  of  adopting  cover  crops,  contour  prairie  strips,  reduced  tillage,  and  residue  retention  through  an  integrated  multi-objective  optimization  framework.  The  framework  integrates output  from  the  calibrated  APSIM  model  with  publicly  available  geographical  and  economic  data.  Land  use  scenarios  developed  from  optimizing  BMP  placement  locations  generated  higher  ecosystem  service  benefits  than  the  baseline  scenario  based  on  historical  cropping  systems.  The  monetization  results  indicate  that  environmental  markets  could  span  profitability  gaps  caused  by  BMP  implementation  costs  and  yield  reductions.  However,  sensitivity  analysis  indicated  that  environmental  credit  prices  must  increase  by  at  least  50%  to  improve  the  economic  prospects  of  BMP  adoption.  In  Chapter  4,  I  integrate  a  greenhouse  gas  (GHG)  prediction  framework  into  the  People  in  Ecosystems  Watershed  Integration  (PEWI)  DGBL  tool  to  advance  a  spatially  explicit  ecosystem  service  trade-off  analysis  to  support  environmental  education.  This  module  enables  students  to  explore  GHG  emissions  and  SOC  storage  for  different  land  uses  represented  within  PEWI.  Training  students  to  effectively  evaluate  complex  information  toward  maximizing  synergies  and  minimizing  trade-offs  is  crucial  for  achieving  multidimensional  agricultural  and  natural  resource  goals.  To  this  end,  in  Chapter  5,  I  evaluate  PEWI's  educational  effectiveness  in  teaching  land-use  trade-offs.  Results  from  a  survey  of  58  volunteer  students  enrolled  in  an  undergraduate  natural  resource  economics  class  at  Iowa  State  University  indicate  that  PEWI  enhances  critical  thinking,  comprehension,  and  self-efficacy  in  designing  agricultural  landscapes  for  food,  fiber,  and  fuel  production.  This  case  study  highlights  PEWI's  contributions  to  teaching  and  learning  experiences  that  prepare  students  to  holistically  evaluate  complex  information  related  to  agricultural  land  uses  and  ecosystem  service  outcomes.
■590    ▼aSchool  code:  0097.
■650  4▼aForestry
■650  4▼aClimate  change
■650  4▼aAgriculture
■650  4▼aSustainability
■653    ▼aAPSIM
■653    ▼aBest  management  practices
■653    ▼aDigital  game
■653    ▼aEcosystem  service
■653    ▼aGenetic  optimization  algorithms
■653    ▼aMorrow  Plots
■690    ▼a0478
■690    ▼a0404
■690    ▼a0473
■690    ▼a0640
■690    ▼a0474
■71020▼aIowa  State  University▼bNatural  Resource  Ecology  and  Management.
■7730  ▼tDissertations  Abstracts  International▼g86-12A.
■790    ▼a0097
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17356950▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서