Crop-specific seasonal estimates of irrigation-water demand in South Asia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. Especially in the Himalayan headwaters of the main rivers in South Asia, shifts in runoff are expected as a result of a rapidly changing climate. In recent years, our insight into these shifts and their impact on water availability has increased. However, a similar detailed understanding of the seasonal pattern in water demand is surprisingly absent. This hampers a proper assessment of water stress and ways to cope and adapt. In this study, the seasonal pattern of irrigation-water demand resulting from the typical practice of multiple cropping in South Asia was accounted for by introducing double cropping with monsoon-dependent planting dates in a hydrology and vegetation model. Crop yields were calibrated to the latest state-level statistics of India, Pakistan, Bangladesh and Nepal. The improvements in seasonal land use and cropping periods lead to lower estimates of irrigation-water demand compared to previous model-based studies, despite the net irrigated area being higher. Crop irrigation-water demand differs sharply between seasons and regions; in Pakistan, winter (rabi) and monsoon summer (kharif) irrigation demands are almost equal, whereas in Bangladesh the rabi demand is ∼ 100 times higher. Moreover, the relative importance of irrigation supply versus rain decreases sharply from west to east. Given the size and importance of South Asia improved regional estimates of food production and its irrigation-water demand will also affect global estimates. In models used for global water resources and food-security assessments, processes like multiple cropping and monsoon-dependent planting dates should not be ignored.
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.
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 | 0,000 | 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 découle