A Fuzzy Linear Optimization Investigation for Cropping Patterns and Virtual Water Transfers under Water Scarcity in Gansu Province, Northern China
Notice bibliographique
Résumé
Water scarcity is occurring worldwide due to factors including climate change, population increases, and economic activity. The situation is most severe in arid areas. Based on a water supply stress index and virtual water for production, a fuzzy linear programming model is used to provide a set of solutions that contain a range of possible values rather than a specific optimal solution. The model is used to investigate cropping patterns that can obtain acceptable stress levels on local water resources for both current and future climate scenarios. Results in Gansu Province indicate that existing cropping patterns are causing extreme stress on local water resources, especially in eastern Gansu, and the stress will continue in the future if cropping patterns are not adjusted. The optimization model indicates that a considerable amount of water used is not necessarily needed, and deficits of virtual water demands can be covered by virtual water transfers. Optimal cropping patterns show that in the current scenario, total cropping areas in eastern Gansu should be reduced by up to 55% to attain acceptable water stress, and 24.2 and 22.5% for western Gansu and mid Gansu, respectively. The enormous cropping reduction in certain crops and the relatively larger decreases of cropping areas in the eastern region are indicated as a direction, to improve the balance between irrigation and municipal water needs. Virtual water transfer analysis shows that mid Gansu can be a major export region, while eastern Gansu will require large amounts of virtual water imports.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».