MétaCan
Menu
Retour à la cohorte
Enregistrement W2331599801 · doi:10.1142/s2382624x16710016

Policy Note: Reversing Salt-Induced Land Degradation Requires Integrated Measures

2016· article· en· W2331599801 sur OpenAlexaff
Manzoor Qadir

Notice bibliographique

RevueWater Economics and Policy · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesnon disponible
Mots-clésLand degradationAridIrrigationReversingEnvironmental scienceSustainabilityWater resource managementAgricultureNatural resource economicsFood securityBusinessEnvironmental planningGeographyEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

Agricultural crops take up water, but not salt, and evaporation from irrigated land does likewise. The result is increasing salt levels in soils. Just as cities cannot ignore urban wastewater collection and treatment, irrigating farmers and irrigation districts cannot ignore what to do with the salt in agricultural drainage water. Although salt management techniques can seem straightforward, the long-term sustainability of irrigation in arid and semi-arid areas, where most irrigation takes place remains a challenge. Salt-induced land degradation is on the rise in several major river basins. Salt-affected lands remain valuable resources that cannot be easily abandoned, given their importance for food security and regional economies, as well as the significant investments in infrastructure that have been made on these lands. This policy note discusses the status of salt-induced land degradation and addresses two key questions: Why has progress been so limited in addressing salt-induced land degradation? And what measures could be taken to prevent and reverse such degradation?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0050,005
Science ouverte0,0030,003
Intégrité de la recherche0,0210,007
Charge utile insuffisante (le modèle a refusé de juger)0,0210,007

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 Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Economics and PolicyMême sujetWastewater Treatment and ReuseTravaux en français237 207