Virtual Water and Food Security in Tunisian Semi-Arid Region
Notice bibliographique
Résumé
To confront water scarcity and support food security, the concept of virtual water is used. As defined by Allan (1997) virtual water is “the water embedded in key water-intensive commodities such as wheat” or “the water required for the production of commodities”. The importance of this concept is related to its potential contribution for saving water, especially in water short regions like Tunisia. This research study tries to evaluate the strategic importance of polluted or gray water, which is a component of virtual water. Reduction of virtual water for strategic agricultural products can be obtained by the gray water reduction. The latter is defined as “water required diluting polluted water to reach the normalized quality, different with countries”. Water pollution is especially related to use of chemical products (fertilizers, pesticides, etc.) for some crops like vegetables. Besides having a lower opportunity cost, the use of green water for crop production has generally less negative environmental externalities than the use of blue water (irrigation with water abstracted from ground or surface water systems). Tunisia exports some crops and gray water volumes in exports have rarely been estimated. Thus, estimation of gray water plays a role in ensuring water and water-dependent food security and avoiding further potential damage to the water environments in both importing and exporting countries. In this context, Tunisian semi-arid region is chosen because the presence of a long period of dry and shiny, occurring after a cold and rainy one, useful for vegetables crops and family food security. The aim of this study is to present: Methodologies which can be used to reduce virtual water for some strategic vegetables crops in Tunisian semi-arid region, based on irrigation techniques improvements and the control of runoff and leaching water; Resources management practices that can be used to improve family income, especially women and children and target food security.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».