MétaCan
Menu
Retour à la cohorte
Enregistrement W2112782608 · doi:10.3390/w2040726

An Integrated Assessment of Investments towards Global Water Sustainability

2010· article· en· W2112782608 sur OpenAlexaff
Andrea M. Bassi, Zhuohua Tan, Sophie Goss

Notice bibliographique

RevueWater · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensMcGill University
Organismes subventionnairesWorld Bank Group
Mots-clésSustainabilityIntegrated water resources managementContext (archaeology)BusinessWater supplyWater resourcesDemand managementNatural resource economicsEnvironmental economicsPopulationInvestment (military)Environmental resource managementEnvironmental scienceEconomicsEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

To date there has been limited research on integrated water resource management, specifically regarding investments, from a global perspective, largely due to the complexity of the problem and to generally local water management practices. Water demand and supply are very often affected by international factors and with global climate change, population growth and increasing consumption, water management is now more than ever a global issue. This paper gives an overview of current and impending water problems while assessing investment needs for integrated water management as a possible solution to projected water challenges. The analysis compares a business as usual case (BAU) to a scenario in which investments improve water efficiency use across sectors to curb demand, increase innovative supply from desalination and enhance conventional water resources management measures. System dynamics modeling is employed to represent the structural factors influencing water demand and supply in the context of an integrated framework including cross-sectoral linkages. The analysis confirms that sustainable water management is feasible, but it requires investments in the range of $145 billion per year between 2011 and 2050 (0.16% of GDP or $17/person/year) and timely, effective action.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,269
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,242
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetWater resources management and optimizationTravaux en français237 207