Effects of catchment characteristics and climatic conditions on reservoir water capacity in a drought prone area
Notice bibliographique
Résumé
Crop production in semi-arid sub-Saharan Africa (SSA) is limited by over-reliance on erratic and inadequate rainfall, which often results in yield reduction or total crop failure. The effects of frequent droughts and dry spells need to be circumvented by water conservation. Where rainwater is harvested, research recommendations are based on direct use of the water without relating it to catchment characteristics, climatic conditions and long term storage. A study aimed at predicting sizes of seasonal open surface reservoir based on rainfall and runoff rainwater was conducted from 2012 to 2013 at Ukwe Area, Malawi. The work premised on assessment of land and hydrological factors as they impinge on runoff water storage. Rainfall-runoff relative analysis showed runoff trend following the magnitude of rainfall. Findings showed that runoff water harvested, under the Ukwe area landscape conditions, is linearly related to seasonal rainfall amount with coefficient of correlation of greater than 0.75, demonstrating vitality of rain and timing of rain harvesting for reservoir sustenance. Runoff amount was almost four times that of infiltrated amount, highlighting the fact that drought prone areas can be flood prone as well. Results further demonstrate that weekly reservoir balance using crop, livestock and domestic consumption, and losses through evaporation and seepage, as dry season progresses are critical for reservoir sizing during dam construction or crop field sizing at the onset of dry season. Key words: Semi-arid, rainwater, reservoir, Malawi, runoff, coefficient.
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 | 0,001 | 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 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 ».