Evaluation of Tourism Water Capacity in Agricultural Heritage Sites
Notice bibliographique
Résumé
Agricultural heritage sites have been gaining popularity as tourism destinations. The arrival of large numbers of tourists, however, has created serious challenges to these vulnerable ecosystems. In particular, water resources are facing tremendous pressure. Thus, an assessment of tourism water footprint is suggested before promoting sustainable tourism. This paper uses the bottom-up approach to construct a framework on the tourism water footprint of agricultural heritage sites. The tourism water footprint consists of four components, namely accommodation water footprint, diet water footprint, transportation water footprint and sewage dilution water footprint. Yuanyang County, a representative of the Honghe Hani rice terraces, was selected as the study area. Field surveys including questionnaires, interviews and participant observation approaches were undertaken to study the tourism water footprint and water capacity of the heritage site. Based on the results, measures to improve the tourism water capacity have been put forward, which should provide references for making policies that aim to maintain a sustainable water system and promote tourism development without hampering the sustainability of the heritage system. The sewage dilution water footprint and the diet water footprint were top contributors to the tourism water footprint of the subject area, taking up 38.33% and 36.15% of the tourism water footprint, respectively, followed by the transportation water footprint (21.47%). The accommodation water footprint had the smallest proportion (4.05%). The tourism water capacity of the heritage site was 14,500 tourists per day. The water pressure index was 97%, indicating that the water footprint was still within the water capacity, but there is a danger that the water footprint may soon exceed the water capacity. As a consequence, we suggest that macro and micro approaches, including appropriate technologies, awareness enhancement and diversified tourism product development throughout the whole year that can alleviate the water pressure at critical times, could be taken to optimize the water management of the heritage sites.
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 | 0,005 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».